考虑效率和效益提升的配网多能源系统投资决策模型

2021-10-28李彦吉邢敬舒孙永辉

可再生能源 2021年10期

李彦吉，邢敬舒，张涛，孙永辉，张薇，左浩

（1.国网内蒙古东部电力有限公司，内蒙古呼和浩特010000；2.沈阳工业大学辽宁省多能源系统优化运行与控制技术工程研究中心，辽宁沈阳110870）

0 引言

在配网多能源系统中，可再生能源发电的波动性及不确定性改变了传统电网的能量流传输方式。此外，储能系统在充放电调控的同时，也会造成相应的寿命损耗，给电网的经济性、可靠性和电能质量等带来诸多挑战，进而影响电网投资决策。电网的投资与效益之间存在强非线性关系，投资决策过程中往往面临投资效益较低、投资设备使用效率较低的问题。

在能源需求日益增长和低碳需求日益迫切的背景下，国内外学者对电网投资规划进行了大量研究。作为多能源系统能量传输末端，配电网与负荷互动紧密，且能量损耗大[1]～[3]。由于多能源系统具有能源间高度耦合性和系统设备间的运行灵活性，因此可再生能源发电设备的规模化接入，在很大程度上影响多能源系统的稳定性[4]～[8]。考虑运行效率和投资效益，合理地选择可再生能源发电设备、储能设备和线路改造选址与投资，是解决配电网安全可靠运行的有效手段。

在有限的投资成本和区域条件下，对配网多能源系统制定合理的投资和改造决策是保障系统高效运行的关键。文献[9]考虑了电网与气网综合网架结构，对分布式发电设备和热电联产进行选址定容。文献[10]考虑经济调度，研究了多冷热电联产系统互联情况的容量配置。文献[11]，[12]考虑了人员成本、运维成本以及售能收益，对商业区多能源系统进行容量投资。文献[13]以年收益最高为目标，建立嵌入机会约束规划的多能源系统投资模型。文献[14]从电网投资效率出发，从电网企业层面分析了控制电网建设投资和提高电网投资效益问题。文献[15]研究了基于需求侧响应的微电网投资效益，从投资和运营两个方面分析了微电网投资对电网企业的影响。文献[16]运用财务管理等理论构建了电网企业投资能力量化模型，并以此为基础分析投资规划问题。以上研究为考虑效率及效益提升的配网多能源系统的投资决策问题提供了思路，但是对于投资的具体位置以及相应的投资容量并未进行全面阐述。针对以上问题，本文通过研究供能区域内所需的多种类负荷特性和设备投资容量，得到相应的投资类型、次序与选址，在一定程度上提高了配网多能源系统供能质量和经济效益。

本文针对配网多能源系统投资决策过程，考虑了可再生能源发电设备、储能设备和改造线路对配电网在多时间尺度上的支撑作用。根据已知的负荷特性、待选储能投资位置情况，采用负荷需求节点和能源投资节点之间的赋权距离最小为原则，建立了配网多能源系统投资决策模型，提出一种改进枚举法，即对储能设备、可再生能源发电设备以及线路改造的数量和顺序投资决策模型进行求解的方法。

1 配网多能源系统拓扑结构

在传统配电网的基础上，配网多能源系统通过燃气轮机、电制热设备、P2G设备实现配电网与热网、气网的耦合。另外，通过配置风力发电、光伏发电和改造拥堵线路，对配网多能源系统提供多时间尺度的有功支撑。通过配置储能设备的选址和容量，对配网多能源系统提供空间尺度的有功支撑。作为配网实现多能源供给、转换、存储和消费的运行模式，配网多能源系统内可再生能源发电设备、储能设备以及线路改造的投资规模、顺序及选址决定了系统运行的综合效率和效益。

本文提出的配网多能源系统以配电网为主要供能载体；电、热、气通过燃气轮机、电制热设备、P2G设备实现能量的转换；由中低压配电网、热管网和气管网实现能量的分配（图1）。根据负荷需求的峰谷特性，通过协调能量转换设备和存储设备实现配网能量的供需平衡。因此，在配网多能源系统投资收益优化过程中，须要考虑可再生能源发电特性和储能设备与能量转换设备的存储特性，以实现最优投资收益。

图1 配网多能源系统拓扑模型Fig.1 Urban multi-energy system model including mobile energy hub

2 配网多能源系统投资成本模型

2.1 储能设备投资成本模型

2.2 可再生能源发电投资成本模型

式中：NWP为风机的台数；CW为风机的单价；C（Pe）为单台风机的年运维费用；n为系统年限；r为贴现率；CV为光伏组件的单价；NPV为光伏组件的个数；PV为单个光伏组件的额定功率；C（PV）为单个光伏组件的年运维费用；ηre1为风机运行效率；ηre2为光伏运行效率。

式中：WWP为风力发电机组一天中的有功出力值；WPV为光伏电站中所有光伏组件一天中的有功出力值；Palwp为风电机组的装机容量；Palpv为光伏电站的装机容量；halwp为风力发电机组工作的有效小时数；halpv为光伏电站工作的有效小时数。

基于效率的可再生能源发电投资成本模型为

式中：Ccov为可再生能源发电设备运行成本。

2.3 配网线路改造投资成本模型

随着负荷的逐年增加，配网中部分线路载流量不能满足负荷要求，因此须对配电网进行线路投资改造，从而减少相应的线路损耗。配电网投资改造模型为

式中：βL为线路改造资本回收系数，可将线路改造成本折算为年等值；CL为单位长度

线路改造成本；Dij为改造线路ij长度；ηLI为配网线路的传输效率；Nlin为传输线路的寿命。

式中：qtlin为线路实际传输容量；qGlin为线路额定传输容量。

3 投资决策模型

3.1 基于分期投资的决策模型

假设所需的投资设备成本价格在一个投资周期内增加的概率为p1，则成本降低的概率为1-p1；在同一投资周期内，电价增加的概率为p2，则电价下跌的概率为1-p2。在每个投资周期内，电网投资项目将出现4种不同情况，即p1p2，p1（1-p2），（1-p1）p2，（1-p1）（1-p2）。因此，基于时间尺度的电网各节点投资模型如图2所示。

图2 电网投资收益概率模型Fig.2 Probability model of power grid investment income

在图2所示的分级投资概率模型中，净现值计算模型为

式中：Pek，j为系统电价；Pck，j为储能设备通过调峰及多能源转换的平均单价；qet为系统的发电量；Mg为系统中所投资的装机容量；η为自用电损耗率；r0为投资补贴率，其中r0+1=er0；T为投资设备的使用寿命；Rν为税率。

在投资周期内，电网公司可通过对当前情况进行判断，重新评估投资方案，确定项目价值，从而判断项目为立即投资还是推迟投资。在最后一个周期（k=n）时，计算每个节点（i，j）的投资价值，计算结果取C（k，i，j）和0的最大值，即：

3.2 投资类别决策模型

在确定投资类别时，主要考虑投资完成后对配网的网损及电压偏差的影响。通过计算系统网损灵敏度，判断安装分布式电源或分布式储能的位置及容量。网损灵敏度计算公式为

式中：ηA为接入的分布式储能以及分布式电源的总装机容量；Psum为配网系统中总有功负荷；f为进行投资建设的节点集合。

改善电压波动所进行的投资模型为

式中：CS为配电网投资的总费用；Li为配电网中所改造的线路总长度；Si为线路单价；m为须投资的线路数；SQj为在节点j处所投资的无功补偿装置的单价；t为无功补偿设备的个数；SVa为所投资的每台调压器单价；l为所投资的调压器台数。

针对多种投资方案进行协调：首先确定对多能源系统各种项目进行设备投资的时间，即在每个投资周期内确定以上投资设备的投资容量；完成投资后记录以上电网运行评价指标的时域分布值；采用高斯模糊法进行去量纲投影计算，得到基于投资安全可靠及电压稳定收益最高的多指标时域矩阵。

式中：X为计算得到的最终投资结果；k为投资评价比例因子。

3.3 多能源系统运行约束条件

根据配网多能源系统特点和系统运行原则，确定配网多能源系统以下投资决策约束条件。

（1）配网多能源系统协调优化目标

配网多能源系统协调优化目标函数为

式中：μ1，μ2，μ3分别为对应目标的权重系数；F1为整个调度周期内配电网各节点电压的标准差，用于衡量电压的偏移程度；F2为整个调度周期内配电网负荷曲线方差，用于衡量负荷波动大小；F3为整个调度周期内配电网的网损之和。

（2）系统潮流约束

系统潮流约束为

4 投资决策模型求解

式中：下标g，er，l分别表示风光发电功率、电热气交换功率和负荷；Ui，t，Uj，t分别为t时段第i节点和第j节点处的电压幅值；Gij为ij线路之间的电导；Bij为ij线路之间的电纳；θij，t为t时段节点i与节点j处电压的相角差。

（3）机组出力约束

机组出力约束为

（6）可靠性约束

配网多能源系统的可靠性与负荷状态、能量转换设备故障因素相关。配网系统状态e的概率等于负荷E对应概率α、可再生能源发电设备发电误差容量Pr对应概率 β和储能设备容量损失Ps，l对应概率 γ的乘积。设配网系统总运行状态为n，则第t年配网系统可靠性指标为

传统枚举法只适用于小规模求解问题。本文采用改进枚举法对储能设备、可再生能源发电设备以及线路改造的数量和顺序投资决策模型进行求解。本文提出的改进枚举法，结合图论中结点间最短路径的求解方法，在为既定负荷需求特性选择相应投资方式时，选择权重最小的投资方式为其供能。这样能考虑到所有的可行解，减少迭代次数，避免初始参数影响和局部最优问题。

针对配网多能源系统网络G=（V，E，W）求解，其中V=M∪N∪Q，M为负荷需求集合，N为投资方式集合，Q为配网多能源系统节点集合。令ψ（N）表示集合N的幂集，φk（N）表示幂集 ψ（）中所有含k个元素的子集组成的集合。φk，i（N）表示φk（N）中第i个元素，有|φk，i（N）|=k。C为目标函数值，P表示选址节点集合，X={xi|i=1，2，…}表示配网多能源系统负荷需求的分配情况，即x1表示第一个负荷需求集合。令k=1；Z→∞；集合P，X，L均为空集。算法流程如图3所示。

图3 算法流程图Fig.3 Algorithm flowchart

步骤1：根据网络G中各顶点之间的相互关联情况，求解边矩阵E：

式中：di，j∈D；i，j∈V。

记录其路径矩阵L，L为s×s矩阵，s=|V|。

步骤2：如果k＞n0，则输出优化结果；否则，令t=1，计算 φk（N）。

步骤3：如果t＞φk（N），令k=k+1，转至步骤2；否则，定义R为空集，对于给定m∈M，计算dmi，其中i∈φk，i（N）。记dmn=mindmi，则将m计入集合R中，并令X（N）=R。重复计算，直至M中的元素全部被分配。

步骤4：计算投资成本最小和运行效率最高的双目标函数。

步骤5：如果C[φk，t（N）]＜C，则C=C[φk，t（N）]，保存当前值。令t=t+1，转至步骤3。

步骤6：令k=k+1，转至步骤2。

步骤7：输出优化函数值C，选址集合P，投资设备分配情况集合X。

5 案例分析

以某地区多能源配网实际运行数据为基础，进行不同投资方式下系统运行特性与投资收益的仿真分析。以配网多能源系统收益最优为目标，在满足负荷需求的前提下，实现投资效率和效益最大化。配网多能源系统拓扑结构如图4所示。典型多能源负荷以及风光出力曲线如图5所示。分时电价参数列于表1。

图4 配网多能源系统拓扑图Fig.4 Distribution network multi-energy system topology diagram

图5 典型多能源负荷以及电源曲线Fig.5 Typical multi-energy load and power curve

表1 电价参数Table 1 Time of use electricity price

在满足多能源系统安全稳定运行的情况下，对设定的不同约束条件和投资周期进行仿真计算，得到投资收益与投资电源、储能、线路的变化曲线如图6所示。

图6 投资收益与独立运行能力关系Fig.6 The relationship between investment income and independent operation ability

为验证本文所提出方法的有效性，仅以3个算例进行投资收益对比。

算例1：仅投资储能设备，不考虑可再生能源发电设备和设备选址问题。

算例2：仅根据需求投资可再生能源发电设备和储能设备，不考虑可再生能源发电设备和储能设备的容量和选址决策。

算例3：采用本文提出的投资决策方法，分别对投入可再生能源发电设备、储能设备和线路改造进行容量及选址的投资决策。

3种算例投资每年的收益结果如图7所示。投资回收周期如表2所示。

图7 投资收益结果Fig.7 Investment income results

表2 投资收益优化结果Table 2 The results of investment income optimization

由图7和表2可知，算例3的投资决策收益比算例1和算例2分别增加了2 306万元和3 829万元；收益率分别提升了12.8%和17.1%；投资回收周期分别缩短了3.7 a和2.8 a。由此可见，本文提出的投资决策模型充分地考虑了配网拥堵节点的负荷需求，采取了合理的投资设备类型、顺序和位置决策，有效地提升了配网运营效益和运行效率，提升了收益净现值。同时，由于采用了本文提出的配网多能源系统投资决策模型，投资回收周期显著缩短，收益率显著提高。表3为采用本文提出的考虑效率和效益提升的配网多能源系统投资决策模型后的设备容量投资决策结果。由于算例1和算例2没有采用考虑投资类型的容量、顺序以及位置的决策方法，因此系统运行效率以及运营效益较差。