考虑碳排放目标约束和需求侧响应的综合能源系统日前优化调度

2022-09-30丁雨昊吕干云刘永卫章心因李军

南方电网技术 2022年8期

丁雨昊，吕干云，刘永卫，章心因，李军

(1.南京工程学院电力工程学院，南京211167；2.湖南电力交易中心有限公司，长沙410004)

0 引言

在全球环境污染问题日益严重的背景下，习近平总书记在联合国大会上提出“碳达峰、碳中和”战略目标[1]。碳排放的主要来源是能源行业，能源行业响应“双碳”目标，降低碳排放比重，实现低碳电力[2]。综合能源系统(integrated energy system,IES)是实现“双碳”目标的重要手段，因其能源利用率高而成为未来低碳能源的主要发展方向[3]。综合能源系统整合多种能源并进行协调规划，是减少碳排放的有效措施。以“低碳经济”为核心的IES优化调度是该领域的研究热点[4]。

目前，关于IES优化调度的理论研究主要围绕以下3个方面。

1)新能源不确定性研究。文献[5]分析了可再生能源的多重不确定性因素，建立了基于区间线性规划和随机约束规划的IES日前优化调度模型。文献[6]提出了基于风光不确定性的IES两层级协同优化方法，通过生成典型场景集建立经济性配置模型。

2)负荷的响应行为研究。文献[7]证明了需求侧响应能有效降低运行成本并提升用户的满意度。文献[8]等构建了考虑用户综合需求响应的IES多目标优化调度模型，发现利用热力、电力需求响应可提升系统的能效水平。

3)模型的优化算法研究。文献[9]改进灰狼算法，进行非合作博弈的同时提出涵盖负荷、储能、产能、交互的IES优化策略。文献[10]基于分层次DBSCAN-VBSO算法，建立了IES日前和实时两阶段调度优化模型。上述文献未能兼顾系统的经济、低碳目标，难以满足IES的发展需求。

在IES的低碳优化方面，碳交易机制兼顾电力经济性和低碳环保性，文献[11]详细介绍了碳交易模型，在碳交易的基础上构建了联合供电、供热和供冷的区域IES经济调度模型。文献[12]在碳交易模型中引入补偿系数，提出了基于奖惩阶梯碳交易机制的IES低碳经济运行策略，有效地约束了系统运行成本和碳排放量。此外，文献[13]提出了可再生能源配额制理论，将该理论引入多园区IES调度模型中，有效减少了系统的碳排放并保证了系统的经济性。上述方法虽然在IES的低碳优化上取得了一定成果，但未综合考虑碳目标约束和需求侧响应，因此有必要深入研究上述两者协同对IES优化调度的影响。

在已有研究的基础上，本文综合考虑了综合能源系统的碳目标约束和需求侧响应。首先，研究了基于碳信息流的IES的基本结构及优化策略；然后，分析了IES的经济目标和低碳目标，在已有约束上附加了碳排放约束；其次，建立了以经济成本最低和碳排放量最小为目标的综合能源系统日前优化调度模型，最后，通过仿真求解，对比分析不同场景的优化调度结果，验证了该模型的有效性。

1 IES的基本结构及优化策略

1.1 IES的基本结构

考虑设备间碳排放信息的传输特性，构建基于碳信息流的综合能源系统结构如图1所示。

图1 基于碳信息流的综合能源系统结构图

此IES包括能源供给端、能源耦合端、储能端和需求端。能源供给端由电网、天然气网、热网、风力发电(wind turbine, WT)和光伏(photovoltaic, PV)发电组成；能源耦合端将电、气、热、冷能通过电转气(cogeneration power to gas, P2G)、电锅炉(electric boiler, EB)、电制冷(electric refrigeration, ER)、燃料电池(fuel cell, FC)、燃气锅炉(gas boiler, GB)和冷热电联产机组(air-cooling heat-power, CCHP)实现耦合互补；储能端有储电、储气、储热、储冷设备；需求端包含电、气、热、冷负荷。IES中碳信息来源于供能端、耦合端、储能端，碳处理设备接收碳信息，处理二氧化碳，并将碳信息转换为反馈信息输送至需求端，需求端根据反馈信息调整负荷量，系统改变供给端、耦合端、储能端出力，实现IES的低碳调度。

1.2 IES的优化策略

本文所述IES的优化调度指在满足需求侧负荷的基础上，降低系统的经济成本和碳排放量。IES的优化策略考虑如下：1)在系统内各设备协调运行的前提下，优先利用风力、光伏发电。2)当风力、光伏发电无法满足需求时，考虑向电网、气网、热网购能。3)当供能端能够满足需求时，储能设备储能，若不满足需求，储能设备供能。4)当储能端和供能端均无法满足需求时，耦合设备工作，按照经济性、低碳性要求调度设备出力。

2 综合需求响应模型

在综合能源系统中引入综合需求响应(intergrated demand response, IDR)[14]调节用户用能行为，使供需储耦合环节更加紧密。本文所构建的需求响应模型基于电、气、热、冷负荷的可控性。模型包含负荷替代和负荷转移，实现负荷在横向时间上的转移。

2.1 电负荷需求响应

本文采用电力价格型响应，用户根据不同时段的电价差主动改变用电行为[15]。引入用电满意度衡量电负荷，避免因过度响应而导致用户满意度下降。用电满意度和电负荷的关系如式(1)所示。

(1)

式中：P(t)、ΔP(t)分别为t时段需求响应前电负荷量和电负荷转移量；T为调度周期。

考虑电气间的双向流动关系，本文利用P2G设备完成负荷替代[16]，包含负荷转移和负荷替代的需求响应模型为：

PIDR(t)=P(t)+Re·ΔP(t)+α·ΔGP(t)

(2)

式中：PIDR(t)、ΔGP(t)分别为t时段需求响应后电负荷量和可替代气负荷量；α为替代系数。

本文采用电量电价弹性系数构建电负荷需求响应模型。电量电价弹性系数矩阵计算方法如下。

(3)

(4)

ΔP(t)=[P(1)…P(t)]×Ep×

(5)

式中：ε为电量电价弹性系数；ΔP和ΔD分别为电量P和电价D的改变量；Ep为电量电价弹性系数矩阵。

2.2 气负荷需求响应

天然气和电能具有相似的市场特性，此处参考电力价格型响应建立天然气价格型需求响应模型。

GIDR(t)=G(t)+Rg·ΔG(t)+β·ΔPG(t)

(6)

(7)

(8)

式中：GIDR(t)、G(t)、ΔG(t)和ΔPG(t)分别为t时段需求响应后气负荷量、需求响应前气负荷量、气负荷转移量和可替代电负荷量；Rg为用气满意度；β为替代系数，取α·β=1；η为气量气价弹性系数；Eg为气量气价弹性系数矩阵。

2.3 热负荷需求响应

用户感知热舒适度具有模糊性和延时性，室内温度在一定范围波动不会影响用户用热舒适度[17]。在调度周期内优化各时段室内温度，有利于提升IES运行的经济性及稳定性。用户室内温度和供热功率的关系为：

Tin(t+1)=Tin(t)e-Δt/τ+

[Rs·H(t)+Tout(t)](1-e-Δt/τ)

(9)

式中：Tin(t)为t时段室内温度；Tout(t)为t时段室外温度；Rs为建筑物等效热阻,K/W；H(t)为t时段的供热功率；Δt为调度时段时长；τ为热时间常数，τ=Rs·Cair；Cair为室内等效热容,J/K。

由式(9)可推导响应后的热负荷为：

(10)

式中：HIDR(t)为t时段需求响应后热负荷；K=e-Δt/τ。

为保证用户舒适度，室内温度应满足式(11)所示约束。

Tin,min≤Tin(t)≤Tin,max

(11)

式中：Tin,min、Tin,max分别为室内最低舒适温度和最高舒适温度。

2.4 冷负荷需求响应

冷负荷与热负荷类似，考虑用户的用冷舒适度，供冷温度可在一定范围内波动。计及用冷环境下新风系统运行状况后的冷负荷为：

(12)

式中Qc(t)为t时段建筑物新风系统散热量。

3 考虑碳排放的综合能源系统调度模型

3.1 目标函数

本文的综合能源系统以经济成本最低和碳排放量最小为目标优化系统内各设备出力。建立目标函数如式(13)所示。

minF=C1+C2+C3+C4-C5

(13)

式中：F为系统的总成本；C1为购能成本；C2为设备启停成本；C3为设备运维成本；C4为碳处理成本；C5为售电收益。

3.1.1 外购能源成本

(14)

式中：C(t)为t时段单位购能成本，包含单位购电成本Cgrid(t)、单位购气成本Cgas(t)、单位购热成本Cheat(t)；Pb(t)为t时段购能功率，包含购电功率Pbuy(t)、购气功率Gbuy(t)、购热功率Hbuy(t)；Δt为调度时段时长。

3.1.2 设备启停成本

(15)

3.1.3 设备运维成本

(16)

3.1.4 碳处理成本

(17)

(18)

式中：CCO2为单位碳处理成本；QCO2(t)为t时段IES碳排放总量；NCO2为碳排放设备数量，供能、耦合、储能设备和外部购电均存在碳排放；Ex为设备x碳排放强度，指单位功率增长产生所的碳排放量；Px(t)为t时段设备x的输出功率。

3.1.5 售电收益

(19)

式中：Csell为单位售电收益；Psell(t)为t时段售电功率。

3.2 约束条件

3.2.1 能量平衡约束

3.2.1.1 电能平衡约束

Ppro(t)+Pin(t)+Pdis(t)=

Pout(t)+Psell(t)+PIDR(t)

(20)

式中：Ppro(t)为t时段能源供给端供电功率；Pin(t)为t时段耦合端供电功率；Pout(t)为t时段耦合端用电功率；Pcha(t)、Pdis(t)分别为t时段储电设备的储电、放电功率。

3.2.1.2 天然气平衡约束

Gbuy(t)+Gin(t)=Gout(t)+Gcha(t)+GIDR(t)

(21)

式中：Gin(t)为t时段耦合端供气功率；Gout(t)为t时段耦合端用气功率；Gcha(t)、Gdis(t)分别为t时段储气设备的储气、放气功率。

3.2.1.3 热能平衡约束

Hbuy(t)+Hin(t)+Hdis(t)=Hcha(t)+HIDR(t)

(22)

式中：Hin(t)为t时段耦合端供热功率；Hcha(t)、Hdis(t)分别为t时段储热设备的储热、放热功率。

3.2.3.4 冷能平衡约束

Cin(t)+Cdis(t)=Ccha(t)+CIDR(t)

(23)

式中：Cin(t)为t时段耦合设备供冷功率；Ccha(t)、Cdis(t)分别为t时段储冷设备的储冷、放冷功率。

3.2.2 耦合设备出力约束

(24)

3.2.3 爬坡约束

电锅炉、燃料电池和冷热电联产机组在运行过程中需满足机组爬坡功率约束如式(25)所示。

(25)

3.2.4 设备启停约束

电锅炉、燃料电池和冷热电联产机组的启停时间应满足约束：

(26)

(27)

3.2.5 储能设备约束

(28)

(29)

3.2.6 碳排放约束

(30)

(31)

(32)

(33)

3.2.7 电/气/热网交互功率约束

(34)

3.2.8 用户满意度约束

(35)

3.3 求解方法

本文构建的考虑碳目标约束和需求侧响应的IES日前优化调度模型属于非线性模型，因此上述模型需转化为线性模型，利用MATLAB调用YALMIP工具箱以及GUROBI求解器进行仿真求解，确定各时段设备出力大小使得经济成本最低及碳排放量最小。求解流程如图2所示。

图2 优化后的调度模型求解流程图

4 算例分析

4.1 算例基础数据

本文对图1所示的综合能源系统进行仿真求解。IES中的可再生能源有风力、光伏发电；耦合设备有电转气、电锅炉、电制冷、燃料电池、燃气锅炉和冷热电联产机组；储能设备有储电、储气、储热、储冷设备。算例以日前24 h为调度周期，1 h为调度时段时长，调度时段内设备功率恒定。电价和天然气价根据响应模型分为峰平谷3个时段。峰平谷时段购电及售电价如表1所示。

峰平谷时段购气及购热价如表2所示。参照文献[18]设置电价自弹性系数和互弹性系数分别为-0.2和0.03；天然气价自弹性系数和互弹性系数分别为-0.58和1.5。设置电制冷的制冷系数为3.2，单位碳处理成本为0.252元/kg。供能、耦合设备运行参数如表3所示，主要参照文献[19]相关国标设置。

表2 峰平谷时段购气及购热价

表3 供能端、耦合端运行参数

储能设备运行参数如表4所示。设置系统碳排放各时段上限为100 kg，总量上限为2 000 kg。

表4 储能设备运行参数

为验证本文所提IES日前优化调度模型的有效性，设置以下4种场景进行对比分析：场景1为不考虑碳目标约束和需求侧响应的传统IES调度；场景2为考虑综合需求响应但不考虑碳目标约束的IES经济调度；场景3为考虑碳目标约束但不考虑需求侧响应的IES低碳调度；场景4为考虑碳目标约束和综合需求响应的IES低碳经济调度。典型日内风电、光伏机组出力及冷、热、气、电负荷的预测值如图3所示。

图3 典型日内风电、光伏出力及负荷预测值

4.2 1IES优化调度结果分析

根据上述4种场景得到IES优化调度结果如图4—7所示。

图4 场景1电、气、热、冷能24 h流向图

图4为场景1优化调度结果。从图4可以看出：电价和天然气价是影响IES与上级网络功率交汇的重要因素，也会影响耦合设备和储能设备的使用时段。电价在谷时段时，系统主要从电网购电，储电设备充电，电锅炉供热，P2G设备供气；在峰时段时，系统向电网售电，储电设备放电，电锅炉和P2G停止工作，系统很少利用风力、光伏发电。气价类似于电价，位于谷时段时，系统向天然气网购气，储气设备储气；位于峰时段时，系统利用储气设备放气满足系统用气需求。在低电价时系统优先利用电锅炉供热，高电价时优先利用CCHP机组供热，燃气锅炉全时段运行以满足热负荷需求。CCHP机组全时段供冷，电制冷机组在CCHP机组功率不足时补冷。

图5为场景2优化调度结果。系统在不影响用户满意度的前提下，利用气、电负荷进行时间上的转移。在价格谷时段，CCHP机组、电锅炉和电制冷机组加大出力；峰时段时系统降低购能功率。为保证热负荷总功率恒定，系统改变热负荷的能耗时段；冷负荷随着电负荷的响应情况而改变[20-23]。

图5 场景2电、气、热、冷能24 h流向图

图6为场景3优化调度结果。受碳目标约束影响，光伏和风力发电功率明显提升，外部购电和耦合设备输出功率下降；由于购气、购热未考虑碳排放，系统优先从外部购气、购热满足负荷需求，利用低碳设备满足供热供冷的需求[24-26]。

图6 场景3电、气、热、冷能24 h流向图

图7为场景4优化调度结果。结合碳目标约束和综合需求响应，设备各时段出力均有所改变。相比于场景1，系统提高风力、光伏发电功率，降低耦合设备出力，向电网购电作为补充，利用电价弹性，增加谷时段购电量并降低峰时段的购电量；外部购气功率略有下降，CCHP机组出力提升；购热功率明显提高，电锅炉、燃气锅炉、CCHP机组出力均有所下降；系统在电价谷时段使用ER供冷，峰时段使用CCHP机组供冷[27-29]。

图7 场景4电、气、热、冷能24 h流向图

需求响应前后负荷对比如图8所示。

由图8可知，对比场景1，场景2考虑综合需求响应，利用电价气价弹性变化及负荷替代关系、用户热舒适度和新风系统运行状况，引导负荷在调度周期内进行替代转移，实现负荷的“削峰填谷”；场景4在场景2的基础上考虑了系统碳排放特性，抑制了负荷波动，平滑了负荷曲线，为IES的稳定运行提供了保证。

图8 需求响应前后负荷对比图

考虑碳目标约束前后电网、风电、光伏出力对比如图9所示。

图9 考虑碳目标约束前后电网、风电、光伏出力对比图

日前风光出力的预测值与日内风光出力实际值存在约10%的误差。由图9可知，在传统的IES优化调度中，仅考虑风光发电的运维成本，新能源渗透率较低，风光无法得到有效利用。在考虑碳目标约束后，新能源得到充分利用，系统风力发电总功率提升了约7.72%；光伏发电总功率提升了约7.63%；系统的风电消纳能力提高，系统内风光波动性得以抑制。由于风光易受环境因素影响，不同时段出力差异较为明显，系统在风力、光伏发电低谷时段向电网购电满足负荷需求。在考虑了碳目标约束后，IES充分利用风力光伏发电，因此外部购电总功率下降了约21.02%。

4种场景24 h系统碳排放对比如图10所示。考虑碳目标约束后，场景3、场景4相比于场景1、场景2系统各时段碳排放量明显下降，证明IES优化调度中考虑碳目标约束可有效降低系统的碳排放量，减少所需的碳处理成本，实现IES的经济、低碳目标。

图10 4种场景24 h系统碳排放对比图

场景1耦合、储能设备24 h碳排放曲线如图11所示。场景4耦合、储能设备24 h碳排放曲线如图12所示。

图11 场景1耦合、储能设备24 h碳排放曲线

场景4根据不同耦合、储能设备的碳排放强度及设备的出力上下限设置相应碳排放约束。对比图11—12可知，受碳排放约束影响，场景4大多数耦合设备、储能设备在部分时段的最大碳排放量对比场景1均有所下降，证明设置碳排放约束可抑制耦合端、储能端的碳排放量，给IES带来一定的环保效益。

对比4种场景的购电、购气、购热、售电、碳处理成本及总成本如表5所示。

由表5可知，场景2仅考虑了需求侧响应，购电功率增加，可再生能源出力基本不变，其碳排放量相比于场景1变化很小，总成本降低了约2.5%；场景3仅考虑了碳目标约束，其碳排放量相比于场景1减少了约28.45%；场景4在场景3的基础上考虑了需求侧响应，其碳排放量相比场景1减少了约29.67%，总成本降低了3.5%。结果表明，在IES优化调度考虑碳目标约束和电气热冷综合需求响应可降低系统的碳排放量及运行总成本，证明了调度模型的有效性。