一种基于用能行为分析的多源-荷互补集成规划方法

2022-04-19程孟增侯依昕杨朔陈良李金起

可再生能源 2022年4期

程孟增，侯依昕，杨朔，陈良，李金起

（国网辽宁省电力有限公司经济技术研究院，辽宁沈阳 110015）

0 引言

电-气-热耦合构成的多源荷系统（Multi-Source Load System，MSLS），可以实现多能源在集成能源系统中的梯级利用[1]，通过MSLS可以实现不同能源间的相互耦合与优势互补，提升能源效率，减少碳排放[2]。

现有的综合能源规划主要集中在能量枢纽与微电网，着重从供电可靠性与博弈论角度出发，对微电网设备选型与容量配置上进行了优化求解，但是对负荷侧电/热配网布局规划考虑不足[3]～[6]。文献[7]～[9]从用户用电行为层面进行了研究，未计及电、热等综合用能行为，无法全面地评估MSLS的用户用能行为。需求响应（Demand response，DR）指消费者根据基于时间的电价信息或基于激励机制做出的响应，将用电方式由高峰时段转移或减少到非峰值时段的响应行为[10]。在规划层面，文献[11]，[12]表明，DR可以降低系统负荷峰谷差、延缓电网建设投资与运行成本，然而传统的DR不能充分利用需求侧资源的交互能力，限制了电力系统中能源用户的使用。随着可再生能源在电网的比例逐渐提高，综合需求响应（Integrated Demand Response，IDR）通过将电力、热能、天然气、冷能等多种形式的能源整合在一起，可以推动MSLS网络中供需双方进行互动，灵活地切换能耗来源，同时在保证用户满足舒适度的条件下积极参与IDR，可以实现削峰填谷，提升系统安全性，促进消费者向产消者转换[13]～[16]。

为了推动需求响应实施，促进MSLS的规划满足用户用能行为需求，本文首先根据智能用能设备采集到的用能数据，采用主/从架构与并行k-means聚类方法，对用户侧用能数据进行用户用能行为分析，并根据用户用能行为搭建电热综合需求响应模型。在此基础上，以系统年最小规划成本为目标，综合考虑IDR约束与弃风、弃光约束，建立基于用户实际需求的多源荷互补集成规划模型；通过Yalmip软件包中的Cplex商业求解器进行求解。最后，通过算例分析验证了所提方法具有良好的经济性，可以有效促进新能源消纳，提升了可再生能源的发电占比。

1 MSLS用户用能行为与需求响应潜力分析

1.1 MSLS用户用能行为分析

用户侧用能数据具备多源异构性、复杂关联性、实时交互性、数据量巨大、数据维度多等特征，其在电力市场化进程中发挥重要的作用[17]，[18]。本文对采集到的区域多元用户用能数据，采用主/从架构[19]与并行k-means聚类挖掘方法，对用户用能数据进行分析，以获取用户的用能行为模式与可调节负荷的类型及比例。图1为用户用能行为分析架构。

图1 用户用能行为分析架构Fig.1 The user-use behavior analysis schema

由图1可知，主控服务用于接收智能信息采集设备、行业服务数据等外部系统采集到的用户用能数据，并通过用电信息采集系统、智能用热管理系统等管理系统进行数据聚合，将提取到的用能数据特征输出到数据管理模块。数据管理模块将用能数据分别传输至数据存储模块与任务管理模块，从控服务用于记录数据存储模块的用户类型与分布时段信息。主控服务通过k-means聚类分析对用户群体数据进行关联性分析，确定用户用能行为模型，并传递至任务管理模块，任务管理模块通过从控服务执行任务，确定需求响应类别与可调节负荷的响应量。通过主/从架构与聚类并行分析方法执行用户用能数据挖掘，实现用户数据的分析，从而促进用户参与需求响应。

根据用户用能响应特性可以将参与需求互动的需求侧资源分为基本用电负荷、可削减负荷、可转移负荷、可调节热负荷4类。

①基本用电负荷

基本用电负荷主要指满足用户最基本用能需求，不具备参与用户互动的响应潜力。

②削减负荷

可削减负荷指负荷供应商通过与用户签订相关协议，在某时段t内可以削减对供电可靠性要求不高的负荷，根据负荷实际运行情况对用户发出削减负荷的指令。可削减负荷模型为

④可调节热负荷

由于热负荷具有热惯性，因此可以根据建筑物内外温度的变化情况进行适当调节。白天有辐照的情况下，可以适当降低供暖输出，并在夜间进行适当提升，提升用户满意度。可调节热负荷模型为

1.2 需求响应潜力在MSLS规划中的考虑

根据前文用能分析，对于负荷峰谷差较大，以及可再生能源接入电网带来的波动性，须要采取需求响应措施才能降低机组运行压力，提高系统的稳定性。本文考虑到用能侧电热负荷间的灵活调节关系[20]，将需求响应措施分为价格型综合需求响应（Price-based integrated demand response，PBIDR）和激励型综合需求响应（Incentive-based integrated demand response，IBIDR）。

①价格型综合需求响应

价格型综合需求响应模型为

式中：Lt，Pr，t分别为PBIDR负荷需求、电价；φ为需求响应负荷变动率；est为电能价格弹性系数，s=t时，ett为自弹性系数，一般为负数；s≠t时，est为交叉弹性系数，一般为正数；Qe为电热锅炉消耗Lt电功率输出的热功率值；η为电热锅炉的电热转换效率。

②激励型综合需求响应

电、热负荷侧，IBIDR在用户耗能量过高时，通过激励补偿政策，对参与需求响应的用户给予经济补贴，鼓励用户在负荷高峰时自主的降低用能需求，其模型为

1.3 MSLS结构

图2为考虑IDR的MSLS结构图。

图2 MSLS结构Fig.2 Multi-source load system structure

图中，能源供应与输出设备有光伏（Photovoltaic，PV）、风机（Wind Turbine，WT）、燃气锅炉（Gas Bolier，GB）、电锅炉（Electrical Bolier，EB）、热电联产机组（Combined heat and power，CHP）、电储能（Electrical Energy Storage，EES）、热储能（Thermal Energy Storage，TES）。电负荷由PV，WT，EES，CHP及从电网的外购电满足；热负荷由CHP，GB，EB及TES满足。

2 基于用户实际需求的多源-荷互补集成规划技术

MSLS规划模型考虑用户的需求响应潜力，以系统年总规划成本最小为目标函数，综合考虑经济成本和环境成本。

2.1 目标函数

模型的目标函数为满足用能需求的年总规划成本最小，其中包括经济成本和环境成本。经济性体现在投资成本项和运行成本项；环保性以CO2碳排放税来衡量，环境成本主要包括来自从电网购电、CHP和GB机组的燃气污染物排放。本文考虑的排放气体主要为CO2，目标函数为

式中：Fto为年总规划成本；F1为经济成本；F2为环境成本；Canninv为设备投资成本；Coc为运行成本；ρCO2为碳税值；Ptbuy，PtCHP，PtGB分别为购电功率、CHP机组用能功率和GB机组输出功率；Δt为时长，本文取1 h。

①设备投资成本

本文设备采购成本为全生命周期下的购置成本，不计项目工程周期结束时的设备残值，即：

式中：Ciinv为各设备的单位投资成本；Capi为各设备的建设容量；u为等年值成本系数；r为基准折现率；D为规划期年限。

②运行成本

运行成本主要包括购电成本、售电收益、设备运行与维护成本、购气成本、IDR补偿成本、弃风、弃光惩罚成本6部分。

运行成本表达式为

式中：Cgridbuy，Cgridsale，Cope，Cgasbuy，CIDR，Cab分别为购电成本、售电收益、设备运行与维护成本、购气成本和IDR补偿成本、弃风弃光惩罚成本；Ctbuy，Ctsale，Cgas分别为购、售电分时电价、燃气单价；Ptsale，Ptwc，Ptpc分别为售电功率、弃风功率和弃光功率；Ciom，Capi分别为各设备单位运行维护系数和各设备的建设容量；ri，αi，Pi（t）分别为可转移负荷、可削减负荷、可调节热负荷的分配比例、单位补偿费用和对应的需求响应功率；κwc，κpc分别为单位弃风弃光惩罚成本。

2.2 约束条件

3 算例求解及分析

本文以中国北方某小型区域为例进行优化配置分析，3种典型日的风、光出力曲线与电、热负荷热性曲线参考文献[24]，其中天然气价格为0.242 3元/（kW·h）[24]，碳税率取0.22元/（kW·h）[26]，燃气设备碳排放强度取0.184 kg/（kW·h），购电碳排放强度取0.55 kg/（kW·h）。市场电价如表1所示[27]。主要设备的参数分别如表2，3所示。CHP采用“以热定电”的方式运行，设定夏、冬、过渡季3种典型季节。设定该地区规划年限为10 a，基准折现率取8%，初始电、热负荷峰值分别为800，600 kW，电、热负荷的年增长率均取5%，MSLS向电网最大的售电功率为400 kW。

表1 电价信息Table 1 Electricity Tariff Information

表2 供能设备参数Table 2 Equipment parameters

表3 储能设备参数Table 3 Energy storage devices parameters

本文将建立3种IDR场景进行对比分析，探讨不同IDR场景对规划结果产生的影响。3种IDR场景主要包括：场景S1，规划中不考虑系统IDR，为基础场景；场景S2，在场景1基础上考虑PBIDR；场景S3，在场景2的基础上考虑IBIDR。本文提出的用能需求总规划成本模型为混合整数线性规划模型（Mixed integer linear programming，MILP），采用Yalmip软件中的Cplex求解器进行求解。

3.1 规划结果分析

3种模式的配置结果如表4所示。

表4 场景S1-S3容量配置与经济成本比较Table 4 Scenario S1-S3 capacity configuration compared to economic cost

由表4可知，从成本角度来看，与场景S1相比，S2的经济成本降低了110.988万元，环境成本下降了2.003万元，总规划成本降低了112.991万元，降低幅度分别为13.32%，23.17%，13.42%。PBIDR的效果更多体现在环境保护方面。从各个设备的配置容量来看，WT，PV和EB分别增加了100，90，120 kW，可再生能源总装机增加了190 kW，GB机组的容量没有变化。CHP机组减少了100 kW、电储能和热储能分别减少200，100 kW。场景S2的总规划成本较S1减少了112.991 kW，较S1降低了13.42%。总的来说，场景S2的总体的经济效益和环境效益均低于S1。同时，在成本上，与场景S1相比，S3的经济成本的降低了176.496万元，环境成本下降了2.009万元，总规划成本降低了178.505万元，降低幅度分别为21.18%，23.24%和21.19%。从各个设备的配置容量来看，场景S3中WT，PV容量分别增加了100，160 kW，可再生能源总装机增加了260 kW，EB容量增加了240 kW。此外，GB，CHP机组容量分别减少了120，100 kW，电储能、热储能容量均减少了200 kW。IBIDR有助于增加可再生能源机组装机容量，降低储能设备的安装容量，同时在经济效益和环境效益方面，均有良好的效果。

3.2 投资成本及运营成本分解分析

为了更好地比较IDR对规划的影响，表5，6为3种场景的各个设备投资成本比较和运营成本比较。

表5 场景S1～S3各设备投资成本比较Table 5 Scenario S1～S3 comparison of the investment costs of each equipment

由表5可以看出，由于风电、光伏的使用寿命在规划周期内，与场景S1相比，场景S2，S3的风光清洁能源的投资比例均有提高，进一步提升了清洁能源的发电占比。在3种场景中，WT和PV的投资占比最大，清洁能源在3种场景初始投资成本中所占的比例分别为51.69%，57.19%，60.24%，其次为CHP机组，电锅炉的投资成本占比最小。由于CHP机组的单位投资成本最高，EB机组的单位投资成本最低，与场景S1相比，场景S2、S3下的CHP机组成本均有所下降，EB机组成本均有所提升。系统在满足电负荷的同时，EB可以利用剩余电量优先发热，进而降低CHP与GB机组的供热量，减少了温室气体的排放。由表6可以看出，3种场景的运维成本相差不大。在运行成本中，购气成本的占比最高，3种场景购气成本占运行总成本的比例分别为68.52%，61.99%，67.08%。与场景S1相比，场景S2，S3的购气成本分别下降了25.29%，28.95%，环境成本分别下降了23.17%，23.24%。这主要在于场景S2，S3减少了CHP与GB机组的容量，并增加EB机组容量，通过EB机组优先满足热负荷的需求，进而减少GB机组出力，降低对燃气的消耗与CO2等气体的排放。在售电收益方面，由于场景S3增加了EB机组容量，在满足电负荷的条件下，EB利用更多的剩余电量满足热出力，使得S3整体售电收益低于场景S1，S2。在弃风弃光惩罚成本上，场景S1，S2的弃风弃光比例分别为1.75%，1.18%。与场景S1相比，在考虑PBIDR后，场景S2的弃风弃光惩罚成本下降了26.65%。在考虑IBIDR后，场景S3的弃风弃光惩罚成本为0。在总运行成本上，相比于场景S1，在考虑PBIDR后，总运行成本减少了107.25万元，同比下降17.42%；在同时考虑PBIDR和IBIDR后，总运行成本减少了190.648万元，同比下降了30.96%。可以看出，在考虑综合电热需求响应时，可以降低弃风弃光。并减少燃气消耗，降低环境污染。

表6 场景S1～S3运营成本比较Table 6 Comparison of operating costs for scenarios S1～S3

3.3 可再生能源消纳与供能结构分析

表7 为场景S1～S3下的可再生能源消纳情况对比结果。

表7 场景S1～S3可再生能源消纳对比Table 7 Comparison of renewable energy consumption in scenarios S1～S3

由表7可知，与场景S1相比，场景S2、S3的风电利用率同比分别提高了0.57%和1.75%，场景S2，S3的光伏利用率同比分别提高了0.49%和1.58%。可以看出，当同时考虑价格型与激励型需求响应时，可以最大程度消纳可再生能源。

为体现含高比例可再生能源的系统供能情况，图3，4显示了场景S1～S3下的全年供能结构。

图3 设备年供电量结构图Fig.3 A graph of the annual power supply structure of the equipment

由图3可知，在供电方面，3种场景中，风电几乎占电能供应约2/3的电量。与场景S1相比，场景S2，S3中风电和光伏虽然增加了投资成本，但二者所发电量可以满足多数负荷使用，同时可以降低CHP机组的投资成本，使得CHP机组减少天然气的消耗。由图4可知，在供热方面，3种场景中，CHP的供热量均超过了1/3，与场景S1相比，场景S2，S3的EB供热量同比提高了13.38%，16.53%，同时场景S2，S3的CHP机组和GB机组热出力相较于S1均有所下降。当CHP，GB和热储能出力不能满足用户需求时，由GB机组提供热需求。

图4 设备年供热量结构图Fig.4 Annual heat supply structure diagram of the equipment

3.4 IDR对负荷曲线的影响

由于该地区春秋季气候变化不明显，图5，6为分别采用夏季和冬季的典型日负荷曲线来说明PBIDR和IBIDR对负荷曲线的影响。

图5 电负荷考虑IDR的实施效果Fig.5 Electric load consideration IDR implementation effect

由图5可以看出，夏季当风电和光伏输出功率充足时，夜间部分峰值负荷可以转移到白天电价较低的时段，实现了电负荷“削峰填谷”。由图6可知，由于热负荷主要考虑用户的舒适度，整体负荷曲线变化幅度较小，白天时受辐照与用户热需求较小的影响，可以适当降低热负荷输出，并在夜间适当抬高热负荷输出，满足用户热需求。根据图5，6可以看出，相比于场景S2，综合考虑PRIDR和IBIDR时可以明显改善电、热负荷曲线，降低负荷峰值压力。