面向工业生态园的多能流系统优化与综合特性分析

2022-06-11荣文杰王承阳李宝宽宋宸宇

热力发电 2022年6期

孙昭，荣文杰，王承阳，李宝宽，宋宸宇

（东北大学冶金学院，辽宁沈阳 110819）

随着社会经济的快速发展，传统单一化石能源供能系统由于其简单低效、污染物严重等缺点[1]，不能满足当今低碳绿色发展的要求。可再生能源具有绿色环保、来源广泛和可持续发展等特点，促进了能源系统在环境、经济、效率等方面的革命[2]。但是，可再生能源受限于不可预测的外部环境，而且单一可再生能源由于其间歇性和随机性难以向电网系统提供持续稳定的电力，进而无法满足用电需求[3]。因此，未来的能源系统需要考虑耦合多种能源发电技术的供需平衡并考虑其扰动性、一致性以及可再生能源消纳率，达到节能减排、充分利用可再生能源优势的目的。

多能流系统融合了多种可再生能源和不可再生能源的分布式发电及储能装置和需求响应与可控负载等技术，在能源结构调整、提高能源利用率以及减少二氧化碳排放方面具有突出特点[4]。同时应用可再生能源和低碳清洁的技术来抵消其他行业产生的二氧化碳即“碳中和”等方面拥有独特优势。Chen C等[5]提出一种用于优化微电网成本的智能能源管理系统并制定了最佳运行策略，保证了经济优化调度并满足一定的设计需求。Geidl M等[6]提出了多能流系统的基本模型——能量枢纽（energy hub），分析了系统的经济性调度与最优潮流的应用。基于能量枢纽的概念，近十年来国内外研究学者对多能流系统的建模和优化运行进行了多方面的研究。Enrico Fabrizio等[7]提出了建筑多能源系统的建模方法。Samaneh Pazouki等[8]将风能、电力和天然气输入能量枢纽，并考虑了系统中风力、价格和需求的不确定性对能量枢纽的运行成本与可靠性影响。Ma Tengfei等[9]基于图论矩阵对多能流系统建模，构建以最小化日运行成本为目标的多能流系统有向图模型；该多能流系统优化实现了能源结构调整、多种能源互补，提高了可再生能源消耗。Marek Jaszczur等[10]设计和优化了一种家用混合可再生能源系统，基于遗传算法对该系统进行经济和环境的多目标优化，确定了二者之间的关系。对于多能流系统的能耗与排放分析，Ehsan Akrami等[11]用能量-㶲方法对一个多发电系统综合分析，同时为了评估该系统的性能，并研究了系统中的相关变量对整个系统的相关能量效率和㶲效率的影响。Wang Jiangjiang等[12]对冷热电联产系统（CCHP）和太阳能集热器耦合系统进行一次能源利用率、㶲分析和碳排放分析，研究了两者的互补关系。Paolo Gabrielli等[13]建立了一个包含季节性储能在内的多能源系统的多目标优化框架，得到成本-排放的Pareto解集，确定了所研究的技术在不同排放条件和不同边界条件下的潜力。Chen Lingmin等[14]建立了一个利用风能和太阳能的冷热电联产的多能流系统的模型框架，以供电损失概率和供热损失概率来评价系统能源供应的可靠性，考虑可再生能源渗透的因素，提出相关的公式。Eliezer Zahid Gill等[15]对太阳能辅助的多联产系统进行能量、㶲、经济、环境分析，该系统的热效率达到40%、㶲效率达到20%以上。对于多能流系统的整体性运行特性分析，Si Fangyuan等[16]建立耦合多能源网络运行约束的两阶段鲁棒优化模型来研究多能源系统的运行经济性和可靠性，除了经济性外，网络多能量流、节点运行状态与供需平衡也被考虑在不确定性因素对系统的敏感性分析。Nathaniel Pearre等[17]将间歇式可再生能源发电与能量储存相结合，建立了一个基于数据驱动的控制模型来平滑可再生能源发电进而匹配负载扰动，经济有效地平衡能量储存。以上文献集中于对多能流系统的建模和优化运行及多能流系统部分整体性分析（如经济性与可靠性），而缺乏对于系统其他方面如可再生能源、余能循环的运行特性，以及多能流系统的扰动性、一致性的整体研究。

本文针对上述问题提出了多能流系统的优化模型，该模型以最小化系统的总运行成本为目标。同时提出对系统运行特性多角度评价的新方法，包括且不限于面向多能流系统的能效评价模型、面向系统可再生能源的利用与弃置特性参数等。另外，本文从系统内部扰动入手对多能流系统的扰动产生进行分析，并提出了相关的评价公式。最后，本文对某工业生态园区的多能流系统用能网络的稳态工况进行优化分析及系统评价。

1 系统模型

1.1 系统描述与系统边界

多能流系统利用先进的转化技术将多种能源（电力、光伏、风力、天然气、水等）进行结合，完成能量供应、能量储存、能量消耗、能量转换的过程。

研究多能流系统，首先根据实际情况和研究目的划定系统的边界条件和定义有关的假设。在本文研究的多能流系统中，相关设备的初投资暂不考虑；根据能量枢纽概念，假设该能量枢纽的能量流动处于稳定流动状态，整个系统的能源管线内无能量损失，损耗仅发生在能量转换器内部[18]。对于模型的应用考虑以下边界：

1）应用的主体为工业园区内部，包括供热、供电和供冷设备以及园区办公大楼内冷热电负载。

2）对于园区内部的能源系统，将光伏、风力发电引入园区能源系统，作为园区的主要供能。当可再生能源不能满足园区内用能设备时，需要接入城市的电-天然气网，除此之外不从外界引入任何能源。若可再生能源可以完全满足园区内的供能，可将该园区视作一个能源孤岛。

3）对于园区办公大楼等建筑，园区内建筑物外墙及屋顶设置太阳能光伏板，同时引入储电、储热、余热回收装置。

1.2 系统建模

在整个多能流系统能量枢纽内部，根据“源-网-荷-储”定义，将整个系统划分为“系统节点-能源管线-能流网络”结构，同时给出能源运行过程的能阻定义。图1多能流系统示意。

1.2.1 节点与管线编码

对多能流系统内系统节点和能源管线编码编号，构建输入管线矩阵Pin和输出管线矩阵Pout。

输入管线功率的每个分量Pi,in对应一个系统节点，也即输入功率的每一行对应系统“管线-节点”的输入功率。而输出管线功率矩阵每个向量Pk,out也对应一个系统节点，但是输出功率矩阵每一行对应系统“节点-管线”的输出功率，同时输出管线功率矩阵部分向量代表了系统荷端需求功率。

1.2.2 关联矩阵

为判断和表达系统节点和对应能源管线的状态，本文建立关联矩阵Cm×n。该关联矩阵的元素与输入管线矩阵Pin和输出管线矩阵Pout一一对应，表达式为：

关联矩阵Cm×n实际上是0-1矩阵，各元素表示系统节点与对应管线的连接状态。若矩阵内元素值为1表示该节点连接的能源管线为闭合状态，反之表示断开状态。

1.2.3 能阻关联矩阵

运行能阻矩阵N的元素由不同能源管线运行能阻组成，且与Pin中输入管线相对应，表达式为：

在能源系统运行过程，会存在一定的能量损耗，包括流经在能源管线与设备节点的损失以及能源转换器和储能节点设备自身损失。采用整体系统优化模型“黑箱理论（black box）”[19]，将所有的损耗折算为能阻系数，对于在非电系统如制冷系统中采用制冷系数折算为能阻系数，热能系统的能阻定义与电力系统相似。

1.3 构建多能流系统优化模型

多能流系统矩阵模型为：

式中：Pmax表示系统中相关设备的最大容量。同时在每个节点处需要满足能量输入输出保持平衡状态。除此之外，由于系统中包含储能节点，需要包含储能节点约束：

式中：Es,t为某时刻储能装置储存的能量；ηc为储能装置的充能效率；Pc,i(t)为某时刻储能装置的充能功率；ηd为储能装置的放能效率；Pd,i(t)为储能装置的放能功率；Es,t+1为储能装置运行至下一时间步长的剩余能量；γc,max和γd,max分别为储能装置的充、放能效率；Pc,es,max和Pd,es,max分别为储能装置的最大充、放能功率。

对于储能约束，式(7)的第1和第2项代表储能装置的充放能不能超过其最大充放能功率，第3项表示充能和放能不能同时进行，第4项表示储能装置在充放能的初始时刻与最终时刻储存的能量相同。

1.3.1 目标函数

构建一个考虑冷热电负荷和相关设备约束的优化模型，旨在系统总运行成本最低（包括二氧化碳的排放成本和系统运行所需的能源成本）。

式中：α为碳排放成本因子，取0.038元/kg；βgrid为电网的碳排放因子，取0.889 kg/(kW·h)；βmt为燃气轮机碳排放因子，取0.184 kg/(kW·h) ；βgb为燃气锅炉碳排放因子，取0.226 kg/(kW·h)[9]。

1.3.2 求解过程

本文建立的园区多能流系统优化数学模型（图2）属于混合整数线性优化问题，采用Yamlip工具箱，在MATLAB软件中建模，并调用CPLEX求解器进行求解。

求解步骤为：

1）根据园区供能结构以及设备的转换形式建立多能流系统耦合模型；

2）考虑设备的运行特性，建立关联矩阵，设备效率设定为常数；

3）以购能成本和碳排放成本最小为目标，求解在调度期间各个机组出力情况和相关成本，得到模型的最佳调度方案。

2 案例分析

2.1 情景描述

本研究工业园区含住宅区、工业区、商业区等。总规划面积10.80 km2，其中工业区面积是1.87 km2，商业区面积和住宅区面积共2.88 km2。

为了对比分析本文提出多能流系统优化方法的通用性，设置3种情景进行分析，具体情况如下：

情景1 采用传统的冷热电联产系统（包含燃气轮机、燃气锅炉和电制冷机、吸收式制冷机），以及外部供电网和天然气管网。

情景2 在情景1的基础上，引入可再生能源系统，包括光伏发电和风力发电。

情景3 在情景2的基础上，引入储能系统，包括蓄电池和储热罐。

假设系统处于并网状态，在园区内部发电和可再生能源供应不足时向外部电网购电；同时系统内部无天然气源，所需的天然气由城市天然气网供应；系统中的热负荷由燃气轮机、燃气锅炉供给。园区电价和天然气价格根据当地定价见表1，园区内相关设备技术参数见表2，园区内电热冷负荷日前消耗功率如图3所示，风电、光伏日前预测功率如图4所示。假设在仿真时间步长内的负荷功率、各设备输出功率保持不变；光伏、风电以及电、热、冷的日前预测数据准确[20]。

表1 工业生态园区电价和天然气价格单位：元/(kW·h) Tab.1 Electricity and gas prices in industrial eco-parks

表2 相关设备的技术参数 Tab.2 Technical parameters of the relevant equipment

2.2 优化结果

本文提出的多能流优化调度模型各个节点处均符合能量平衡方程，根据“节点-管线”定义结构，包含电力节点、热节点、冷节点等，用该方法对不同能源节点合理划分，简化了处理后系统特性分析的复杂度。以某标准月的日均值作为参考数据进行分析，图5为不同情境下多能流系统电功率优化调度结果，不同情景下多能流系统日运行成本见表3。

表3 不同情景下多能流系统日运行成本单位：元 Tab.3 The daily operating costs of multi-energy flow systems in different scenarios

由图5可见：以电功率为例，在使用传统的冷热电联产系统时（情景1），主要采用外部电网和天然气网供能，由于外部电网供电过多导致二氧化碳排放量增加，相应的系统中碳排放成本增加；在引入可再生能源组件（情景2），优化后单日分时能流中电力部分下降明显，同时其峰值也有所平缓。情景3的结果表明，引入储能设备节点的多能流系统优化体现在对电能峰谷的迁移性以及降低可再生能源组件的弃风率和弃光率上，将闲时用电储备并输送至峰值用电时段，从能效的角度上分析储能系统增加了可再生能源的利用效率。

在3种情景下随着可再生能源组件和储能系统的引入，购电成本及碳排放成本逐渐降低。相比于情景1，情景3的碳排放成本降低7.33%，购电成本降低21.08%，总成本降低4.33%。但是情景3的购气成本相对于情景1和情景2增加，主要是由于从电网购电的比例降低，同时需要满足用户端的用能以及储能设备的储能，因此需要用气设备过多的出力，导致购气成本增加。

从上文的优化调度和成本分析发现，在多能流系统中引入储能节点虽然降低了购电成本和碳排放成本，但是在一定程度上，闲时电网的电能利用过多，导致了电能的不稳定性，因此在基础目标规划的基础上对优化后的系统特性分析尤为重要。

3 多能流系统综合特性分析

3.1 可再生能源消纳率分析

在多能流系统耦合过程中，可再生能源的利用率是影响系统优化运行的重要因素，通过多能耦合节点的灵活调度和储能设备节点的引入，促进了可再生能源入网。对可再生能源而言，评价其在多能流系统中的特性不仅取决于源端可再生能源组件的供应能力，而且与不同情景下荷端的应用有关。本文定义可再生能源普遍消纳系数ζREC为可再生能源的一次入网率，定义可再生能源滞留消纳系数ζRSC为可再生能源入网及网内储能率，则有：

对于标定系数θREC和θRSC，给出参考公式和参考值，取决于系统用能总量和可再生能源组件总量的核算在本文θREC=0.009 32，θRSC=0.030 8。

式中：γpv为光伏发电折损率；γwt为风力发电的折损率；Ppvc为光伏发电的装机容量；Pwtc为风力发电的装机容量；Eps为储能设备的容量；ns为储能设备的个数；Rk为第k条能源管线用能总量。将相关参数代入式(14)、式(15)中，即可计算θREC和θRSC。

定义可再生能源综合弃置率ζRER为可再生能源在额定产能功率内无法被利用部分的系数，由于储能系统在一定程度上消纳可再生能源和闲时电网功率，则有：

定义可再生能源渗透率ζREP为单位时间内可再生能源额定输出功率占调峰的比重，代表系统最高可再生能源占比：

不同情景下多能流系统可再生能源特性参数见表4。通过多能流系统耦合储能节点和优化可再生能源系统调度响应速度，优化后的情景2和情景3的可再生能源消纳能力得到增强。同时可再生能源利用率提高意味着时段内能源弃置率降低，被弃置的大量光伏和风力发电重新流入系统网络和储能节点，提高了系统的能效，强化了多能流系统消峰填谷的能力。

表4 不同情景下多能流系统可再生能源特性参数单位：% Tab.4 The renewable energy characteristics parameters for multi-stream systems in different scenarios

3.2 多能流系统复杂扰动

对于多能流系统而言，源端的扰动主要为可再生能源的不稳定性和关联可再生能源管线的系统节点输入端和输出端的不一致性，故给出新的评价系统能流扰动的特性参数，即扰动性δMFD和一致性θMFC。多能耦合的系统节点的扰动性评价方法是在t时刻的时间尺度Δt内，瞬时负载与平稳负载的平均扰动信号，当系统的能流扰动趋近于0时，内部扰动趋于平稳，即源端和荷端扰动性δMFD,P,t、δMFD,R,t分别为：

图6为系统负载与光伏发电阵列的能流扰动性变化，图7为系统负载与风力发电系统的能流扰动行变化。相较于风力发电，光伏发电的扰动性更为集中，风力发电的扰动性分布更为平均，这也是不同可再生能源系统的发电特性所决定的。可见，在随着系统接入端有效产能单元的增减，造成的扰动性影响也会随之增加，系统用能的不稳定状况更为频繁。因此通过建模优化对源端有效输入合理控制是降低能流冲击造成扰动性的最优途径。

系统节点输入端和输出端能源的能流一致性θMFC,t表示为：

对于系统节点输入端和输出端能流扰动同调情况，给出发展系数θMFC,P,t、θMFC,R,t表达式：

对该实例的可再生能源入网组件和荷端负载进行能流一致性分析，图8为系统“负载-光伏”和“负载-风力”的能流一致性变化。在多能流系统中的一致性为用能节点的源荷双端的信号曲线特性相似程度。由图8可见，光伏发电的能流一致性最优出现在夜间，此时光伏系统的扰动性也最低，这是由光伏发电的发电时段特性决定的。而风力发电在系统的一致性和扰动性或高或低，但其特性变化较为平均，相较于光伏系统，其在系统负载集中时段的一致性和扰动性评价最优。

3.3 多能流系统余能循环率

本节提出新的面向多能流系统余能评价的一系列参数，主要解决和分析系统输出端余能回收率，系统余能节点的余能利用率和重新进入系统内部的余能系统循环率等方面问题。因此，针对工业生态园区内的多能流系统的余能单次利用程度和循环利用率提出余能的一次回收率ηCER、余能利用率ηCEU和余能系统循环率ηCEC等特性参数，其中ηCER指在工业区的生产过程中直接生成的余能与系统负载的比值，代表了在一个时间段内的单向生产活动中回收余能的占比大小，同时定义余能的利用率ηCEU为附加修正系数ηCER的值。

式中：αy为设备余能回收系数；Py为余能系统产生的功率；Ry为系统输出功率。

图9为多能流系统的ηCER与ηCEU分布的散点图。由图9可见，本算例情景3的余能回收能力主要分布在25%~60%，余热利用率分布在19%~48%。由于本算例中余能回收主要以燃气轮机的余热为主，采用余热锅炉回收，同时系统耦合了吸收式制冷机、储热罐等设备，导致余热回收复杂性提高，因此系统在不同时段内的余热回收分布不同,导致余能的一次回收率ηCER与余能利用率ηCEU出现分散的现象。

在余能循环利用的系统中，定义余能系统循环率ηCEC，表示在一个用能时段中输出总量来自上一时段回收余能的部分，即在完整周期能量循环的部分余能，表达式为：

图10为余能系统循环率ηCEC分布散点图。由图9、图10可见：00:00—05:00时余能的一次回收率小于10%，可循环利用的余能保持在10%以下；在10:00—15:00时余能的一次回收率增加，接近50%的占比，此时余能循环率达到50%以上，说明在一次回收率稳定的前提下，余能循环率ηCEC表现出密集集中的特征；该算例由于用能设备的复杂性以及负荷端用能的波动性导致ηCEC分布跨度较大，ηCEC分布在19%~64%。

建立多能流系统可再生能源消纳率、系统的扰动性与一致性与余能循环率的综合评价模型，与传统的评价指标（如经济性评价、可靠性评价）相比，该评价方式更注重工业生态园区多能流系统的运行特性，如园区可再生能源消纳情况以及多能流系统在遭遇用能突变、能流波动等扰动时情况；同时考虑了多能流系统中余能利用情况。本文提出的评价指标统一了不同主体之间的整体性能，阐明了系统中不同能源管线和设备节点之间的运行特点，为建立节能减排、安全稳定的多能流系统提供了理论依据。