考虑能质系数的工商业园区综合能源协同优化方法
2021-09-05谢宝江罗扬帆娄伟明邢海军
谢宝江，秦 建，罗扬帆，娄伟明，王 精，邢海军
（1.国网浙江省电力有限公司台州供电公司，浙江 台州 318000；2.上海电力大学 电气工程学院，上海 200090）
0 引言
随着全球综合能源的开发与利用，综合能源逐渐渗透到日常生活中，提高综合能源利用效率至关重要[1]。ICES（园区综合能源系统）作为园区能源互联网的载体，对不同能源进行管理和分配，满足园区内能源的需求，实现能源的高效利用[2]。目前已有许多学者对ICES 进行了研究[3-6]。
虽然提高综合能源利用效率是综合能源重要的任务之一，但目前很少有学者将其作为目标进行考虑。根据热力学第一定律[7-8]，能源的利用侧重考虑能量的多少，即对能源能量直接进行比较，文献[9]考虑了可再生能源利用率最大，对含有广义电储能的综合能源系统设备容量进行优化配置。文献[10]建立了电转气系统模型，通过电转气与储热装置协同消纳弃风，提高了电转气的效率。文献[11]建立电转气-碳捕集电厂协调优化模型，仿真结果表明，电转气-碳捕集电厂提高了风电消纳能力，减少了碳排放，提高能源利用效率。文献[12]提出ICES 能效评价指标，结果表明，所提出的能效评价方法可充分反映多种能源利用特征，有效提升综合能效。上述研究只是对能源利用效率从数量上进行分析或是对能源利用效率进行定性分析，而忽略了能源品质的差异。文献[13]引出能量品质系数概念，对不同能源能量品质系数进行分析。文献[14] 在能量品质的基础上，提出 经济分析方法，该方法可以拓展到分布式冷热电联供等复杂能量系统，为提高能源利用效率提供理论支撑。
上述研究主要从能源效率角度展开研究，但对能源的品质以及对环境的影响方面研究得不够深入，本文在考虑ICES 多能协同调度的同时，在能源效率的计算中加入能质系数，以能源利用效率和碳排放为目标函数；最后基于MATLAB/Cplex 对某ICES 进行分析，得到各设备以及ICES环境和能效优化结果。
1 能质系数模型
从合理的能源供应角度出发，根据文献[15]将不同能源对外所能够做的功和其总能量的比值定义为不同能源的能质系数，其表达式为：
式中：We，avi为该能源中可以转化为功的部分；We，total为该种能源的总能量。
由于电能是最高品位的能源，能够完全转化为功，故其能质系数λe为1。即：
热水经传输管道将热量输送给用户端，为用户提供热能。热水的能质系数λh可表示为：
式中：T1和T2为热转换设备入口和出口温度；T0为环境温度。
冷能传输与热能传输类似，冷能的能质系数λc为：
式中：Tc为冷负荷温度。
天然气的能质系数λg为：
式中：T 为天然气完全燃烧温度。
2 ICES 模型
本文研究的ICES 结构如图1 所示。图中左侧为输入系统的能源，包括可再生能源（分布式风电和分布式光伏），上级电网和上级气网；能源转换设备包括CHP（热电联产机组）、GB（燃气锅炉）、EC（电制冷）和AR（吸收式制冷）；能源存储设备包括蓄电池、HST（储热罐）、WCS（水蓄冷）[16-17]。经过电网、冷网和热网将电热冷能源传输至用户侧的电负荷、冷负荷和热负荷。
图1 ICES 结构
本文考虑了能源效率和环境两方面因素对冷热电联供的ICES 进行优化，分别建立以能源利用效率最大和碳排放最小为目标函数。根据日前预测的风力发电机组、光伏、负荷曲线，使其满足各种设备约束以及平衡约束的条件下，通过优化调度，实现能效最大和碳排放最小。
2.1 能源转换设备单元模型
2.1.1 热电联产
热电联产由微型燃气轮机和余热锅炉组成。微型燃气轮机消耗天然气，产生的废热通过余热锅炉回收，实现能源的梯级利用，提高能源利用效率。其数学模型为：
2.1.2 燃气锅炉
燃气锅炉通过消耗天然气产生热能，通过热网传输给用户，其数学模型为：
式中：QGB，t为t 时刻燃气锅炉产热量；VGB，t为t 时刻燃气锅炉消耗的天然气量；ηGB为燃气锅炉产热效率。
2.1.3 电制冷
电制冷是典型的电冷耦合设备，通过消耗电能产生冷能。电制冷在分时电价的引导下配合吸收式制冷满足用户侧冷负荷需求，引入电制冷可以实现电冷转换并对冷负荷进行协调，其数学模型为：
2.1.4 吸收式制冷
吸收式制冷机组是主要的制冷设备，通过吸收CHP 机组产生的废热、余热等低品位的热能制冷，减少余热的污染，不仅实现了能源的梯级利用，而且对环境友好，可缓解电制冷机组供冷紧张的局面，其数学模型为：
2.2 储能设备单元模型
2.2.1 蓄电池
目前，电池存储设备众多，本文选取蓄电池进行建模。假设Δt 时间段内，蓄电池以一固定的功率进行充、放电，则蓄电池的能量变化过程可以表示为：
式中：PES，C和PES，D分别为蓄电池的充电功率和放电功率；WES，t为t 时刻蓄电池中所存的能量；σES为蓄电池自放电系数；ηES，C和ηES，D分别为蓄电池的充电效率和放电效率。
蓄电池在运行过程中受充、放电功率以及容量限制，还需满足以下约束：
2.2.2 储热系统
储热系统对提高ICES 的能源利用效率、削峰填谷和平抑能源波动有重要作用。储热系统包括储热和储冷两部分，统称为储热。储热系统的数学模型如下：
式中：QTS，C和QTS，D分别为储热系统的储能功率和放能功率；WTS，t为t 时刻储热系统中的储能；σTS为储热系统自放能率；ηTS，C和ηTS，D分别为储热系统的储能和放能效率。
为保证系统不间断运行，对系统能量设置上、下限约束：
除此之外，系统还需满足以下约束：
3 优化模型
3.1 目标函数
本文构建的多目标优化优化模型，优化目标考虑了ICES 能效最大和碳排放最小。
3.1.1 能源效率最大
该园区协同优化目标是在满足ICES 运行约束下，通过合理安排各设备出力，以及上文提出的能源能质系数，使用能效率最大，目标函数为：
式中：F1为能源利用效率；分别为t时刻用户侧的电负荷、热负荷和冷负荷；λe，λg，λh和λc分别为电能、天然气、热能和冷能的能质系数；分别为t 时刻从上级电网和上级气网购买的电能和天然气。
3.1.2 系统碳排放最小
ICES 具有多能互补的特性，能够灵活选择各类能源输入，达到控制碳排放的目标。因此，环境目标函数为：
式中：ωe和ωg分别为向电网购电和天然气网购气消耗的二氧化碳排放系数。
3.2 约束条件
3.2.1 功率平衡约束
平衡约束包括电能、热能和冷能平衡约束：
3.2.2 能源转换设备约束
能源转换设备主要包括CHP，GB，EC，AR等，其运行需满足式（6）—（10）。此外，所有设备运行过程中均需满足其最大功率限制，即：
3.2.3 储能设备约束
3.2.4 能源购买约束
4 多目标求解方法
本文采用加权法求解上述ICES 优化问题，具体为：
式中：h（x）和g（x）分别为等式约束和不等式约束；F1max和F1min，F2max和F2min分别为优化目标F1和F2的最大值和最小值；λ 为优化目标F1的权重，（1-λ）为优化目标F2的权重。
5 算例分析
5.1 算例参数设置
选取某ICES 进行分析，系统结构如图1 所示。以一天24 h 为协调优化运行周期，优化调度时段Δt=1 h，该区域1 个夏季典型日数据如图2所示，ICES 各能源转换设备 参数见表1，各类储能设备参数见表2。
图2 夏季典型日风光出力及电热冷负荷预测曲线
表1 ICES 设备参数
表2 储能设备参数
本文设置了3 种场景来验证考虑能质系数的ICES 能源协同优化方法的正确性：
场景1，以传统能源利用效率为目标，不考虑能质系数。
场景2，以最大化能源利用效率为单目标，不考虑碳排放。
场景3，以碳排放最小和能源利用效率最大为目标。
5.2 结果分析
5.2.1 单目标分析
分别对场景1 和场景2 进行优化，分析能质系数对ICES 能源利用效率的影响，优化结果如图3、图4 所示。
图3 不考虑能质系数各设备能效结果
图4 考虑能质系数各设备能效结果
由图3 可知，从传统能效角度可以看出，供热设备GB 有较好的转换效率，CHP 效率不高，仅有32.01%；供冷设备中，EC 是唯一效率高于1 的设备；AR 效率为70.42%，表明吸收余热效率较高，进一步提高能源的梯级利用，减少能源的浪费。由图4 结果与图3 有较大差异，供热设备中，CHP 效率有了明显的提高，这是因为考虑了能质系数，输入的低品质天然气转换成更高品质的电能，而GB 效率明显降低，是因为天然气能量品质高于热能；供冷设备中，AR 的表现远优于EC，因为2 种设备将不同的能量形式均转换成冷能，其中AR 降低品质的热能转换成冷能，而EC 将高品质的电能转换成冷能，因此AR的能效要高于EC。
5.2.2 多目标分析
能质系数需结合对环境的影响，通过优化计算可得表3 所示折衷解。
表3 3 种场景结果对比
由表3 可知，场景1 未考虑能质系数，碳排放结果为1.82×104kg，为3 种场景的最低值，但其效率为57.55%，在3 种场景中最小。场景2 的效率虽有提升，但是其碳排放为2.50×104kg，对环境的污染较大。场景3 中碳排放高于场景1，但其效率最高。
6 结语
针对能源紧缺、效率低下的现状，建立能源能质系数模型，提出了考虑能质系数的工商业ICES 协同优化方法。算例结果表明，在分析各设备能源利用效率方面，相比忽略了能质系数的传统能量效率，加入能质系数可兼顾能量的数量和品质，能够更加准确地衡量各设备的供能水平。同时考虑对环境的影响，选取多目标的折衷解，加入能质系数后，能够减少系统的碳排放并且能够保证能源效率。
随着人工智能的发展，电力和人工智能的联系越来越紧密，结合大数据分析实现ICES 的优化运行是下一步重点研究方向。
