计及动态响应特征的农村综合能源系统分层调控

2022-03-15黄扬琪赵伟哲

电力系统及其自动化学报 2022年2期

黄扬琪，何伟，赵伟哲，李佳，饶臻

（国网江西省电力有限公司电力科学研究院，南昌 360102）

党的十九大报告中提到“乡村振兴战略”，并将它列为决胜全面建成小康社会需要坚定实施的七大战略之一。而能源是提高农民生活水平、促进农业发展、改善农村环境的重要保障。目前我国农村能源供应依然以煤为主，能源消费结构不合理，能源利用率低，碳排放量高[1]。在”双碳”的背景下，构建绿色高效的能源供应体系意义重大。

相比于城市能源系统，农村地区外部能源供应网络薄弱，不利于外部清洁能源的引入。农村配电容量低，燃气/热力管道覆盖少，在农村能源需求快速增长的背景下，仅依靠外部能源网供给，难以满足自身的全部能源需求。而高密度的能源网络建设，又会造成农村能源供给成本的大幅度提升[2]。与此相对应的是，农村地区发展绿色能源系统有着自己独有的优势。一方面，农村土地资源丰富，满足发展风电/光伏/小水电的基本需求；另一方面，农村拥有秸秆、畜禽粪便、农产品加工业下脚料、农林废弃物等丰富的生物质资源。基于生物质的沼气热电联产CHP（combined heat and power）在满足农民电/热用能需求的同时，也能在一定程度上实现电力供应的移峰填谷，与风/光等间歇性可再生能源协同，实现农村地区能源的绿色供应，替代以煤为代表的传统化石燃料[3-4]。依托生态农业的建设，农村地区具备了发展生态综合能源系统的基本资源条件。实现这一目标的关键问题之一在于如何对风/光/生物质等多种能源的区域综合能源系统进行调度，保障农村和农民生产生活需要的电/热/冷服务需求。

农村能源系统属于典型的多能源系统，包括风/光/天然气/生物质等多种形式的能源。传统农村能源载体包括秸秆、煤炭、禽畜粪便等，在使用过程中存在利用方式粗放，环境污染严重等问题[5]。在“双碳”背景下，正逐渐减少高排放能源如煤炭的使用量，转而使用相对清洁的天然气供给农村采暖等需求。此外，随着新能源发电技术及生态农业的发展，风/光/生物质等清洁能源正逐渐构成农村地区的主要供能手段[6]。作为农业生产主要能源副产品，为了充分利用沼气中的生物质能，沼气发电成为一个重要举措[7]。基于沼气的热电气联供系统可以有效处理农业生产废弃物并满足农村用能需求，对节约能源、保护环境具有积极意义[8]。将现有热电联供系统与生物质能发电联合供能可以显著降低农村用能成本，促进沼气工程在农村地区的推广[9]。文献[10]分析了基于沼气供能的禽畜养殖热电联产系统综合效益能值，并针对现有问题提出了发展建议。在农村地区将生物质发电纳入微网构建中，可以降低发电过程中的碳排放，提供更加清洁的能源供给[11]。针对农村地区含生物质沼气发电的区域综合能源系统调度问题，目前的研究成果还比较有限，包括以风/光/生物质能为输入的可再生能源系统建模[12]，针对含沼气发电的农村能源系统经济性与能源利用效率进行的多目标优化[13]，考虑不确定性的多目标随机规划[14]，以及含电、气、热三种储能的优化运行等[15]。然而，一般的经济调度结果给出的功率设定点，由于考虑了可再生能源功率输出的平抑，会造成生态养殖热电联产系统大范围的出力调整，进而影响燃气机及沼气供应系统的问题，相关研究还比较欠缺。

针对这一问题，本文提出了一种计及生态养殖热电联产平滑调控的分层调控策略。首先简述了计及生态养殖的农村能源系统用能特征，构建了面向生态养殖的综合能源系统模型，并提出基于饱和滤波控制算法的快慢协同控制器。进一步，在考虑储能与热电联产协同下，提出了计及光伏接入及负荷不确定性的调度和控制的分层调控框架。最后，以一个带有生态养殖的农村综合能源系统为例，分析了不同生物质发电容量及不同生物质储能容量对于光伏的消纳能力，探讨了所提协调控制器对农村综合能源系统沼气压力的影响。

1 生态农村综合能源系统特征

1.1 典型结构

生态农村综合能源系统具有类型多样、结构各异、用能/产能特征丰富、能量耦合关系繁杂等特点。在当前“双碳”背景下，生态养殖成为农村地区发展绿色农业、降低碳排放、提高经济效益的一条重要发展路径，其主要理念是通过对养殖排泄物的有效处理，实现废弃物的能源化、资源化。生态养殖的农村综合能源系统主要由沼气发酵池、沼气CHP机组、生物质储能、光伏、储能等设备组成，其结构如图1所示。负荷侧主要包括电/热2种负荷，农业生产和居民生活电负荷由光伏、沼气热电联产、电网直供共同满足，热负荷则由热电联产和电热泵共同承担。在负荷确定的情况下，可决定CHP机组的出力、光伏削减量以及外网购电量，同时通过居民负荷及生物质储能的调控实现供能系统的经济运行。

图1 典型生态综合能源系统结构Fig.1 Structure of typical ecological integrated energy system

1.2 设备模型及运行约束

1.2.1 光伏模型

光伏发电出力特性与其接收光照强度有关，强度增加，光伏出力增加，直至达到最大输出功率，故光伏在每个时段的出力均非负且受额定输出功率限制，表示为

式中：：Ppv(t)为光伏在每个时段的出力，kW；Ppv,N为光伏额定输出功率，kW。

1.2.2 生物质储能模型

在计及生态养殖的综合能源系统中，固、液态生物质能经过处理加工以后可以用作有机肥料。本文提到的生物质储能MS（methane storage）只考虑气态即沼气的储存及利用，通常采用储气罐模型。将发酵产生的沼气进行储存，根据日前调度结果来调控CHP机组的进沼气量，从而实现系统的经济运行，MS在运行过程中应满足相应的管道传输限制及容量约束，此外，为了保证MS的持续利用，其在一个优化周期内的输入输出应保持平衡，即

1.2.3 沼气发酵池模型

沼气发酵池通过厌氧作用将秸秆、粪便等有机废弃物进行发酵，产生沼气用以储存或者供给CHP机组，在运行过程中，沼气流量满足的约束为

1.2.4 沼气CHP模型

农业生产中会产生大量有机废弃物，如作物秸秆、杂草、禽畜粪便等，在厌氧条件下，这些有机物质通过种类繁多、数量巨大、功能不同的各类微生物分解代谢，最终产生沼气。CHP机组通过燃烧沼气同时供给热能和电能，满足最大功率输出约束，即

1.2.5 热泵模型

采用一个可变功率的空气源热泵满足农村居民和农业生产的热负荷，其出力及功率约束分别为

式中：：Qep(t)为空气源热泵t时刻输出的热功率，kW；ηep为空气源热泵产热效率；Pep(t)为空气源热泵t时刻输入功率，kW；Pep,N为空气源热泵额定功率，kW。

1.2.6 电储能模型

电储能ES系统采用简化电池模型，在其参与系统运行过程中满足的条件为

2 计及热电联产响应特征的分层调控框架

考虑负荷及光伏出力不确定性的情况下，采用日前预测数据进行优化调度的准确性将下降，需要在日间运行时进行日间调整。为避免光伏出力短时间波动造成的沼气CHP机组出力频繁调整，进而影响沼气系统运行安全，本文在优化调度的基础上叠加多设备的快慢协调控制策略，建立分层调控框架，如图2所示。其中重点在于如何利用电储能平抑沼气热电联产的短时功率波动。鉴于储能系统成本较高，这里主要考虑采用储能用作短时功率控制，不参与优化调度。

图2 生态农村综合能源系统分层调控框架示意Fig.2 Schematic of hierarchical management framework for ecological rural integrated energy system

2.1 优化调度策略

2.1.1 日前调度

在满足农村综合能源系统正常运行约束及设备容量约束的情况下，日前调度策略以最小化外网购电成本为目标，从而设置各设备单元调度计划参考值。其目标函数为

式中：Ce为一个仿真周期内的总购电成本，元；Pgrid(t)为t时刻外网购电量，kW；pcost(t)为分时电价背景下的t时刻电价，元/kW·h；Δt为仿真步长，h；x为待求解变量，

农村综合能源系统进行优化调度时应满足设备运行和容量约束式（1）～式（13）以及功率平衡约束，即

式中，Pload(t)与Qload(t)分别为t时刻用户电需求与热需求，kW。此外，外网购电量还应满足购电容量和反送电约束。

2.1.2 日间修正

由于日前调度所采用负荷及光伏出力预测值的不确定性，日间运行时需要根据实际出力进行调整，运行中以日前调度策略所得的优化结果为参考值进行修正，短时功率不平衡问题采用空气源热泵与建筑物供热系统的协同克服。考虑MS及CHP机组的最佳效率，在制定好日前计划后，希望其能按照规定的参考值进行出力，因此在实施修正策略中以MS进/出气量及CHP进气量偏差最小化为目标，其目标函数为

式中：δ2为偏差量；分别为t时刻沼气发酵池供给CHP机组沼气量及MS装置进/出气量参考值，m3h；αi(i=1,2,3)为加权因子；x′为待求解变量，

2.3 基于饱和滤波器的协调控制策略

为避免可再生能源波动造成沼气热电联产系统的频繁大幅度调整，影响沼气供应安全以及设备运行效率，本文提出基于饱和滤波器的协调控制策略，利用功率型电储能设备平抑短时电力功率波动，饱和滤波器控制算法示意如图3所示。控制器在接到调度层信号后利用巴特沃斯滤波器将信号进行分解，其中低频信号传递给热电联产系统，滤除的高频信号叠加电池自身充放功率设定点用于控制电储能系统输出功率。为保证储能充电状态SOC（state of charge）运行在预设定的范围，在功率控制器中加入饱和环节。用于对SOC进行调整，正常状态下可设为0。图3中滤波器的时间常数可根据热电联产的爬坡率以及电池充放电控制器的调节速度进行评估，参考文献[23]中方法，滤波器时间常数TCHP满足条件

图3 饱和滤波器控制算法示意Fig.3 Schematic of saturated filter-based control algorithm

3 算例分析

3.1 系统参数

采用图1所示的典型生态综合能源配置形式，系统中共包括1台沼气CHP机组、1台光伏机组、1台空气源热泵、1个沼气发酵池、1台MS装置以及配套的供热供电系统，依此进行带有生态养殖的农村综合能源系统仿真，系统仿真参数参考实际情况及现有文献进行设置[9]。本文中系统参数如表1所示。此外，由于供电负荷峰谷差异的存在，阶梯电价已经逐渐推行开来，用以调节用户用电行为以进行一定程度的削峰填谷，降低电网供电压力，仿真中采用的分时电价如图4所示[18]。

表1 系统参数Tab.1 System parameters

图4 分时电价Fig.4 Time-of-use price of electricity

3.2 仿真场景设置

选取某冬季典型日作为本文仿真场景，其电负荷及热负荷预测值如图5所示。此外，在日间运行中，可以实时地获取负荷及光伏出力数据，电负荷真实值如图6所示，通过热泵出力与建筑物供热协同的方式解决短时功率不平衡的问题，故日间热负荷曲线将由优化结果给出，光伏出力预测及实际值如图7所示。选取北方某地区冬季典型日，温度曲线如图8所示，本文认为短期内温度预测精度较高，等同为真实值。

图5 农业生产及居民负荷预测值Fig.5 Forecasted load values of agricultural production and residents

图6 农业生产及居民电负荷真实值Fig.6 Real electricity load value of agricultural production and residents

图7 光伏出力预测值与真实值Fig.7 Forecasted and real values of photovoltaic output

图8 典型日温度曲线Fig.8 Curve of typical daily temperature

3.3 算例分析

在日前调度策略中分析各机组出力状况及对于可再生光伏的消纳能力，日间调度策略中考虑光伏出力及负荷不确定性，短时功率不平衡通过热泵出力和楼宇供暖系统的协同对调度策略进行修正，对系统消纳可再生光伏的能力进行更准确地评估。

3.3.1 日前调度分析

采用光伏出力及负荷预测值时，由日前调度策略获得的电/热调度结果如图9和图10所示，相应的生物质储能与本地能源系统交互情况如图11所示。

由图9～图11可见，分时电价将有效指导用户的行为，在电价较低时，系统更多地从外网购电，减少CHP机组出力，将多余的沼气储存起来，在12∶00—15∶00及21∶00—22∶00两个电价峰时段，系统更倾向于自发电，减少外网购电成本，在本算例中，生物质储能传输容量成为其容量充分利用的主要限制。

图9 电力系统日前调度结果Fig.9 Day-ahead scheduling result of power system

图10 热力系统日前调度结果Fig.10 Day-ahead scheduling result of heating system

图11 生物质储能日前调度结果Fig.11 Day-ahead scheduling result of methane storage

由于热负荷与电负荷具有的反调峰特性，二者的峰值往往不同时出现。在电负荷较低时，热负荷较高，此时CHP工作在以电定热模式，优先满足电负荷需求，多余的热负荷则由空气源热泵出力满足；在电负荷较高时，热负荷较低，此时CHP工作在以热定电模式，优先满足热负荷需求，多余电负荷由外网购电承担。

3.3.2 日间调度分析

计及光伏出力及负荷不确定性后，在日间运行中需要根据其实际出力对各机组运行策略进行日间修正，通过空气源热泵与住宅供热系统的协同实现修正目标。由日间调度策略获得的电/热调度结果如图12和图13所示，相应的生物质储能调度结果如图14所示，空气源热泵出力及热负荷对比如图15所示。

图12 电力系统日间调度结果Fig.12 Intra-day scheduling result of power system

图13 热力系统日间调度结果Fig.13 Intra-day scheduling result of heating system

图15 热泵出力及热负荷对比Fig.15 Comparison between heat pump output and heat loads

在日间调度策略中，各机组出力均有相应的改变，操作人员可以据此对一些容易调节功率的设备出力进行修正，以满足运行经济性。系统中光伏装机容量约为电负荷的1/10，而且光伏出力峰谷时间段与农村综合能源系统负荷峰谷时间段有较多的重合，故可以完全消纳光伏出力波动。

3.3.3 协调控制分析

根据式（18）选择滤波器时间常数为120 s，电储能最大充放电功率为200 kW。为展示滤波器效果，这里引入分钟级误差信号，并采用CHP与储能协同跟踪。滤波后的热电联产系统发电功率和电储能输出功率如图16所示。由图可见，滤波器一方面在调度信号下发时，避免了对CHP的冲击，另一方面在CHP用于平抑光伏和负荷预测误差时，滤波器与电储能的存在大大降低了CHP的输出功率频繁调整。