基于多时间尺度综合需求响应策略的综合能源系统优化运行

2022-08-30刘至纯李华强王俊翔陆杨游祥何永祥

电力建设 2022年9期

刘至纯, 李华强, 王俊翔, 陆杨, 游祥, 何永祥

(1.智能电网四川省重点实验室(四川大学), 成都市610065；2.国网山东省电力公司东营供电公司, 山东省东营市257091；3.国网四川省电力公司遂宁供电公司, 四川省遂宁市629000)

0 引言

随着化石能源短缺、气候变暖和环境污染加剧，建立清洁高效、多能耦合的新型能源系统成为应对上述问题的关键。综合能源系统(integrated energy system，IES)集电力、天然气、冷/热等多种能源于一体[1]，通过多能源之间互动与耦合提高了能源利用效率。在IES架构中，“源-网-荷-储”各环节多能耦合性强，在需求侧表现为负荷种类多元化，用户拥有在不同能流间改变用能方法的能力，也促使传统电力需求响应(demand response，DR)发展为全能源领域的综合需求响应(integrated demand response，IDR)[1-3]。

有关能源系统优化运行的研究经历了从单一时段优化到日前-日内多时段优化的发展[4]。现有研究多采用多时间尺度运行方法解决可再生能源不确定性的问题，文献[5-6]基于模型预测控制方法建立多时间尺度优化运行模型，通过日前-日内-实时调度减小风电预测误差，提高了运行经济性。文献[7-8]采用激励型DR分段参与多时间尺度运行的策略，使DR资源在不同时间尺度下发挥不同调度效果，提升了风电消纳水平。文献[9]建立考虑多种DR资源的多时间尺度调度模型，将激励型DR的响应时效性和价格型DR的经济性优势互补，进一步提高系统风电消纳能力。在传统电力系统优化运行中，对于时间尺度的划分往往以可再生能源的不确定性作为切入点，没有考虑DR本身的多时间尺度特性。在IES多能耦合架构中，IDR涵盖更多负荷类型的响应资源，具有能量特性差异，表现为响应时期和响应速度的不同，因此IDR具有更显著的多时间尺度特性。文献[10-11]通过考虑区域IES中电、热等多类负荷的耦合关系，建立了考虑IDR的多目标优化调度模型，但在单一时间尺度下对IDR统一调度，未考虑IDR自身的多时间尺度特性以及不同设备在能量转换、储存等环节存在的时间差异。文献[12]指出由于工作原理和控制方式不同，各类能源设备在响应调度时的速度不同，因而不能在同一时间尺度周期下进行优化管理。总的来说，现有研究欠缺对于IDR多时间尺度特性的深入探究，阻碍了更多IDR资源参与协调系统运行，也未考虑能源设备在多时间尺度运行方式中的实际响应能力，使设备不能有效参与IES优化运行。

为此，本文考虑IDR和不同能源设备的响应时间特性，提出一种基于IDR多时间尺度响应策略的IES优化运行方法，充分调用更多类型IDR资源，以实现IES供需双侧协调运行，从需求侧角度为IES经济运行提供策略建议。首先，分析价格型(price-based demand response，PBDR)、激励型(incentive-based demand response，IBDR)和替代型(alternative demand response，ADR)3种类型IDR的多时间尺度特性，并制定了IDR多时间尺度响应策略。其次，建立考虑IDR的IES多时间尺度优化运行模型：在日前阶段制定经济性最优的日前调度计划，在日内阶段划分长、短两个时间尺度分别对冷/热、电/气相关设备出力进行分层管理。最后，通过算例分析验证所提模型可以调用多种IDR资源，降低IES运行成本，充分考虑设备响应能力，更符合实际运行情况。

1 综合需求响应的多时间尺度响应策略

1.1 IDR多时间尺度特性分析

IDR的多时间尺度特性主要表现在两个方面：一是由于定价方式和激励机制的不同，IBDR和PBDR属于不同时期响应资源；二是ADR涵盖电、气、热、冷负荷，不同能量在供需平衡上的时间要求不同[3]，因此不同负荷类型的ADR需要选择不同时间尺度的优化周期参与响应。表1列举了本文所考虑的3类IDR的响应特性。

表1 各类型IDR的响应特性

从分析可知，IDR具有相当程度的多时间尺度特性。为保证IDR顺利地参与系统优化运行，本文针对各类型IDR建立模型并制定IDR多时间尺度响应策略。

1.2 IDR模型

1.2.1 价格型需求响应

本文采用日前小时价格(day-ahead hourly varing price，DAP)机制，即在前一天根据第二天负荷预测结果，制定次日电/气价格日时段划分方案[13-14]。

PBDR受DAP机制影响，可以采用价格弹性系数表示价格变化引起负荷变化的响应行为，进而建立电/气负荷PBDR模型[15]，如下式所示：

(1)

1.2.2 替代型需求响应

在IES中，电、气、热、冷负荷均参与ADR，由于热、冷能较电、气能具有慢动态特性[16]，因此本文考虑热、冷ADR之间的替代作用和电、气ADR之间的替代作用，并分别建立热/冷ADR模型和电/气ADR模型。

1)热/冷ADR模型。

在IES中，部分用户配有能源耦合设备(如吸收式制冷机)，可以通过冷、热能转换满足相同用能需求。热/冷ADR模型如下：

(2)

(3)

2)电/气ADR模型。

根据电、气价格峰谷时段差异，选择增发用能成本更低的设备以降低购能成本。例如在用电高峰期，若此时气价较低，拥有气转电设备(如燃料电池)的用户可以增加气输入代替用电需求。电/气ADR模型[17]如下：

(4)

(5)

1.2.3 激励型需求响应

本文考虑两种不同时期的IBDR资源：1)I类IBDR属于中长期资源，在日前阶段通过转移电负荷的方式参与调峰；2)可中断负荷(interruptible load，IL)属于短期IBDR资源，响应速度较快，在日内实时响应。

1)I类IBDR。

对I类IBDR采用分时补偿电价策略[9]，其响应成本计算公式为：

(6)

2)IL。

IL响应成本包括容量费用和能量费用两个部分。容量费用是对用户预留可中断容量的基础补贴，能量费用是对用户实际中断负荷量的补偿。IL响应成本计算公式[18]如下：

(7)

1.3 IDR多时间尺度响应策略

根据IDR的多时间尺度特性，建立如图1所示的响应策略：日前阶段，需求侧考虑PBDR和I类IBDR影响，实现电、气负荷曲线初步优化；日内阶段划分长-短两个时间尺度，引导不同负荷类型的ADR分层响应：在上层长时间尺度周期考虑热/冷ADR，优化热、冷负荷曲线，在下层短时间尺度周期考虑电/气ADR和可中断负荷，进一步优化电、气负荷曲线。

图1 IDR多时间尺度响应策略

2 综合能源系统多时间尺度优化运行模型

2.1 IES基本架构

IES基本结构如图2所示。IES上游节点与外部电网和天然气网连接；IES内部包含能源生产设备、转换设备和储能装置：能源生产设备包括风力发电机、热电联产机组(燃气轮机和余热锅炉)和燃料电池；能源转换设备包括电锅炉、吸收式制冷机、电制冷机和电转气(power to gas，P2G)；储能装置包括蓄电池、储气罐和蓄热槽；下游节点包括电、气、热、冷负荷。

图2 IES基本结构

1)风力发电机。

风力发电机(wind turbine, WT)物理模型[19]如下：

(8)

2)热电联产机组。

热电联产机组由燃气轮机(gas turbine，GT)和余热锅炉(waste heat boiler，WHB)组成，其简化物理模型[20]如下：

(9)

(10)

3)燃料电池。

燃料电池(fuel cell，FC)的物理模型如下：

(11)

4)燃气锅炉。

燃气锅炉(gas boiler，GB)物理模型如下：

(12)

5)吸收式制冷机。

吸收式制冷机(absorption chiller，AC)的物理模型如下：

(13)

6)电锅炉。

电锅炉(electric boiler，EB)的物理模型如下：

(14)

7)电制冷机。

电制冷机(electric chiller，EC)物理模型如下：

(15)

8)电转气。

电转气为生产天然气的设备，其物理模型如下：

(16)

9)储能装置。

蓄电池(energy storage，ES)、储气罐(gas storage，GS)和蓄热槽(heat storage，HS)的物理模型具有一定共性，可以用蓄能容量、自损耗率和充放能效率三个参数表征，如下式所示：

(17)

2.2 日前优化运行模型

基于IDR多时间尺度响应策略，建立IES多时间尺度优化运行模型，分为日前阶段、日内上层和日内下层三个阶段。日前阶段为保证IES运行经济性，目标函数设为IES运行成本最小，以1 h为时间尺度、调度周期为1 d，制定日前调度计划。

2.2.1 目标函数

minF=Fe+Fg+Fom+FIBDR

(18)

式中：Fe、Fg、Fom、FIBDR分别为上层周期的购电成本、购气成本、各设备运行维护成本和I类IBDR响应成本。

1)购电成本：

(19)

2)购气成本：

(20)

3)设备运行维护成本：

(21)

4)I类IBDR响应成本：

IBDR响应成本如式(6)所示。

2.2.2 约束条件

1)能量平衡约束：

(22)

(23)

(24)

(25)

2)设备出力约束：

(26)

3)设备爬坡约束：

(27)

4)IES与电/天然气网交互功率约束：

(28)

(29)

5)储能装置约束：

(30)

(31)

(32)

6)IDR约束：

(33)

(34)

2.3 日内优化运行模型

为响应IDR引起的负荷变化，IES设备层需要调整其日前出力计划。考虑到不同设备具有响应速度差异，存在其响应时间级是否匹配运行时间尺度的问题。因此本文基于IDR多时间尺度响应策略，划分长、短两个时间尺度对设备进行分层管理：上层长时间尺度周期优化冷、热能，调整响应较慢的冷/热相关设备，如GB、EB、AC和HS等；下层短时间尺度周期优化电、气能，调整响应较快的电/气相关设备，如FC和ES等。

2.3.1 长时间尺度周期

长时间尺度周期以30 min为时间尺度，在需求侧考虑冷/热ADR作用，设定目标函数为IES调整成本最小。

1)目标函数。

上层长时间尺度周期的目标函数如下式所示：

(35)

式中：Fupper为上层周期调整成本；Fh,upper为供热设备的调整成本，供热设备包括热电联产机组、GB、EB和HS；Fc,upper为供冷设备的调整成本，供冷设备包括AC和EC。

所有供热设备的调整成本：

(36)

所有供冷设备的调整成本：

(37)

2)约束条件。

上层优化周期中冷、热能平衡约束、设备约束与日前一致，如式(22)—(27)所示。热/冷ADR约束如下所示：

(38)

2.3.2 短时间尺度周期

基于日前计划和上层调整结果，下层周期以15 min为时间尺度，设定目标函数为IES调整成本最小。需求侧考虑电/气ADR和IL作用。

1)目标函数。

下层短时间尺度周期的目标函数如下式所示：

(39)

式中：Flower为下层周期IES的调整成本；Fe,lower为供电设备的调整成本，供电设备包括FC和ES；Fg,lower为供气设备的调整成本，供气设备包括P2G和GS；FIL为IL的响应成本如式(7)所示。

所有供电设备的调整成本：

(40)

所有供气设备的调整成本：

(41)

2)约束条件。

下层优化周期中电/气能平衡约束、设备约束和联络线约束与日前一致，如式(22)—(29)所示。IL和电/气ADR约束如下：

(42)

(43)

3 IES多时间尺度优化运行求解流程

本文基于IDR多时间尺度响应策略所建立的IES多时间尺度优化运行模型分为日前-日内上层-日内下层三个阶段：日前模型为混合整数非线性规划问题，利用粒子群算法嵌套仿真软件MATLAB的CPLEX求解器，搜寻最优电/气价格及PBDR响应量，并求得运行成本最低的日前调度计划。日内上层阶段采用以30 min为时间尺度的长时间尺度周期，需求侧考虑冷/热ADR作用，调整热电联产机组、EB、GB、HS、AC和EC的出力值，实现热、冷能供需平衡，并将上层已确定的GT、GB、EB、EC的调整值传递给下层优化模型；下层阶段采用以15 min为时间尺度的短时间尺度周期，需求侧考虑电、气ADR和IL作用，再通过调整P2G、FC、ES、GS与电/气网交互量，实现电、气能供需平衡。日内上、下层模型均调用CPLEX进行求解。具体求解流程如图3所示。

图3 IES多时间尺度优化运行模型求解流程

4 算例仿真

4.1 算例设置

本文选取某园区IES作为场景，其基本结构如图2所示。风力发电机与冷/热/电/气负荷日前预测曲线如附录A中图A1所示；IES中各设备基本参数、日前基准购/售电价和基准气价以及I类IBDR用户分时补偿电价分别如附录A中表A1—A4所示。

4.2 算例分析

4.2.1 日前优化调度结果分析

在日前运行中会得到次日DAP优化价格和PBDR响应量。图4为优化前后电、气价格曲线，图5为PBDR响应前后电、气负荷曲线。分析可知，在PBDR作用下，DAP优化后的电/气峰平谷价格时段与基准价格保持一致，但变化幅度增大。电、气负荷曲线变化趋势与价格变化相一致：在负荷水平高时，价格上涨，PBDR引导负荷转移到其他时刻，实现“削峰”；在负荷水平低时，价格降低，引导高峰期负荷转移到此时进行，实现“填谷”，表明考虑PBDR可以起到价格与负荷之间相互影响、彼此调节的作用。

图4 优化前后电/气价格曲线

图5 PBDR响应前后电/气负荷曲线

图6为日前优化调度结果，图6(a)—(d)为IES内各能量供需平衡情况。1—8时段电价处于谷时段，IES向电网大量购电，一部分供给电负荷，剩余电量通过蓄电池储存起来，用于电价较高时供电；1—6时段气价水平较低，IES主要通过购气满足气负荷；热负荷主要由余热锅炉和燃气锅炉供给，冷负荷则由电制冷供给，其中4—6时段电价低于气价，故P2G、电锅炉辅助供气、供热。

图6 日前优化调度结果

9—15、19—24时段电、气价均处于气价较高水平，但气价相对于电价较低。此时段IES停止购电，蓄电池开始放电，此时燃气轮机处于满发状态，故增发燃料电池辅助供电。由于9—15时段气价处于较高水平，燃气锅炉减少出力，IES引导蓄热槽放热。9—15、19—24时段IES依靠吸收式制冷机供冷。

16—18时段电价处于平时段。IES主要通过购电满足电负荷，此时电价略低于气价，故增发电锅炉辅助供热，冷负荷则由电制冷供应。

4.2.2 日内优化调度结果分析

图7—8分别为上层IDR响应结果和设备调整结果。由图7可知，11—18时段冷/热ADR响应，这是由于此时冷负荷处于高峰期，为减缓供冷压力，部分用户通过使用自身能源耦合设备供冷，减少冷负荷需求。由图8可知，基于日前计划，11—18时主要通过调整电制冷和吸收式制冷机维持冷能供需平衡，通过调整电锅炉和燃气锅炉出力维持热能供需平衡。

图7 上层IDR响应结果

图8 上层设备调整结果

图9—10分别为下层IDR响应结果和设备调整结果。由图9可知，9—15、19—23时段电/气ADR响应量较大，这是由于电/气ADR响应量与电、气价格差成正相关，而此时电、气价格水平相差较大。IL则在11—14、17—21用电高峰时段响应调峰指令，切断部分负荷。

图9 下层IDR响应结果

日前计划中9—15、19—23时段主要依靠蓄电池和燃料电池供电。为避免蓄电池长期快速充放电导致其使用寿命缩短，故在下层模型中对蓄电池调节量加以约束，因此主要减少燃料电池出力；由于20—22时段购气量已达上限，故增加P2G出力。

4.3 多时间尺度优化运行策略优势

4.3.1 场景设置

场景1：日前阶段考虑PBDR和I类IBDR；日内阶段选取较大时间尺度(30 min)优化周期，考虑电/气/热/冷ADR作用。

场景2：日前阶段考虑PBDR和I类IBDR；日内阶段选取较短时间尺度(15 min)优化周期，考虑电/气ADR和IL作用。

场景3：日前阶段考虑PBDR和I类IBDR；日内阶段划分长、短时间尺度优化周期，考虑电/气/热/冷ADR和IL作用。

4.3.2 成本对比分析

通过仿真可得场景1—3的运行成本如表2所示。

表2 各场景运行成本

场景1—3的日前阶段均以1 h为时间尺度、制定次日24 h的调度计划。场景3即本文所提模型。分析表2可知，场景1和场景2总运行成本高于场景3，主要原因如下：1)场景1时间尺度较大，无法调用短期资源IL以优化高峰期电负荷曲线；2)场景2时间尺度过小，热/冷ADR无法参与响应，不能发挥自身对热、冷需求的调节能力以优化热、冷负荷曲线。

图10 下层设备调整结果

4.3.3 设备层对比分析

除了降低运行成本，采用IDR多时间尺度响应策略的优势还在于考虑了设备实际响应能力。附录A中表A5列出了部分能源设备响应时间级，分析可知冷/热相关设备相对于电/气相关设备响应速度较慢。这是由于构成供电设备的元件多以电力电子器件为主，具有较快的调节速率；而燃烧类设备通常存在较大调节时间常数，因此调节速率较慢。

由于各设备响应速度不同，因此对运行时间尺度的要求不同，通过引入设备调整次数指标反映各设备的日内调整情况。设备调整次数指在一个调度周期内，设备相对日前计划的调整次数，用Ni表示。

表3为不同时间尺度下，采用单一和多时间尺度两种运行方法得到的各设备调整次数(Nd为一天内在时间尺度d下的执行窗口总数)。

表3 不同时间尺度及运行方法下各设备调整次数

由表3可知，在单一时间尺度运行方式下，随着时间尺度减小，各设备调整次数都会增加。在同一时间尺度下，同种设备采用多时间尺度运行方法比单一时间尺度运行方法调整次数减少，这是由于前者本质上是对不同能量分层优化，能够避免所有设备作为变量参与优化过程，导致增加设备频繁出力。对于不同设备，由于响应时间级不同，如吸收式制冷机、蓄热槽等设备响应较慢，无法频繁调整出力，因此不能有效参与较小时间尺度的优化调度周期。

因此，采用多时间尺度运行方法对设备进行分层优化管理，充分考虑了设备响应时间特性，使各设备均能有效参与日内调整计划。