考虑需求响应的用户端气-电综合能源网络优化控制

张章，王涛，张丽洁，李光毅，韩璟琳

（国网河北省电力有限公司经济技术研究院，石家庄 210943）

0 引言

近年来，区域级综合能源系统及其优化管理策略受到大量学者的研究关注[1]。随着综合能源系统控制技术的逐渐成熟，用户端综合能源系统的应用逐渐成为可能并得到推广[2-5]。用户端综合能源系统中，热电冷联供机组（combined cooling heating and power，CCHP）消耗燃气，同时实现电力发电、制热、制冷功能，越来越受到人们的青睐[6-8]。用户端综合能源系统中电力发电单元除从传统电网购电之外，可以借助于自家屋顶光伏发电进行电力输出，为用户负荷提供电力服务。

屋顶光伏发电输出存在较大的不稳定性[9-11]，为解决这一问题，可以考虑引入储能设备，减少能源供需不匹配问题。对于含屋顶光伏发电单元的用户端综合能源网络，家用电动汽车（plugged in hybrid electric vehicle，PHEV）作为一种新型充电储能技术（energy storage system，ESS），为提高屋顶光伏发电输出可靠性、灵活性和舒适性带来了巨大的机会[12-15]。

对于综合能源系统进行优化管理是实现发电、消费和储能资源优化协调的有效手段，可以最大化地实现系统运行效率，降低用户用能成本。文献[16-17]提出的智能能源管理策略仅仅研究了传统发电机组的功率输出与综合能源系统之间协调关系，未考虑光伏发电的功率输出。文献[18]研究了负荷随机预测模型来调度发电机组出力，主要是从发电端预测功率负荷模型，未主动从负荷端考虑优化策略。

本文创新性地将燃气发电机组及用户屋顶光伏发电单元引入综合能源网络，建立一种新型用户端气-电综合能源网络架构模型，同时首次将家用电动汽车作为该气-电综合能源网络架构模型中的储能装置进行研究。基于新型的用户端气-电综合能源网络架构模型，同时将用户端负荷需求响应纳入综合能源网络优化策略，充分利用终端用户负荷转移、消减及柔性热负荷处理技术，提出一个适用于该模型的能源系统运行控制策略，建立能源成本最小化目标函数的同时，增加终端用户对二氧化碳、氮氧化物和二氧化硫气体排放的目标优化函数。对于多目标优化，获得其最优解，最终达到降低能源成本的同时，减小环境污染气体排放。并研究了电动汽车及热储能装置的储能优势。可以在满足用户端电力及热能需求的同时，较好地协调用户端综合能源系统内部热电联产机组、光伏发电、电动汽车及热储能单元。

1 用户端综合能源系统

本文所提出的新型用户端气-电综合能源网络模型见图1。新型网络模型包括燃气热电冷联供发电机组及屋顶光伏发电单元、传统电网供电接入单元、电动汽车单元、热储能单元。其中，电动汽车单元作为电储能装置，可以解决屋顶光伏发电出力的稳定性较差的问题，改善其输出效率；热储能单元用于实现燃气热电冷联供机组的热能存储，提高供热效率；用户端气-电综合能源网络的用电负荷主要囊括诸如用户照明及电器负荷、用户供暖负荷、用户制冷负荷等常规负荷。

图1 用户端综合能源模型Fig.1 Client-side integrated energy model

1.1 发电单元数学模型

1.1.1 热电冷联供单元

如图1 所示，热电冷联供单元主要由4 个部分组成：燃气发电单元（power generation unit，PGU）、热回收单元（heat recovery unit，HRU）、制热及制冷单元。燃气送入PGU 进行发电，HRU 利用PGU 发电产生的余热实现制冷与制热。同时系统中配备热储能单元（thermal energy storage，TES），可以储存多余的热能，以便实现最大的成本效益。联供系统中制冷分为吸收式制冷机和电制冷机，两者结合有助于提高能效。热电冷联供单元机组的运行模型如下：

联供单元燃气消耗量公式为

式中：β为单位功率与燃气的转换系数；为时间t时CCHP 机组燃气消耗量，m3。

联供单元运行约束公式为

1.1.2 光伏发电单元

光伏发电的输出功率取决于太阳辐射度大小，其具有较大的随机波动性。本文采用确定性光伏输出模型，并利用时间序列模型收集太阳辐射预测的历史数据[19-21]。图2 为使用时间序列模型预测的太阳辐射数据分布图，光伏输出功率公式为

图2 太阳辐射度的历史和预测时间序列Fig.2 History and forecast time series of solar irradiance

1.2 用户终端负荷数学模型

用户终端居家电器用电量约占总用电量的35%，其中将近50% 的负荷具有响应负荷特性，具有较大的负荷转移潜力。将用户终端负荷分为：可转移负荷、可削减负荷和柔性制冷制热负荷及储能负荷。

1.2.1 可转移负荷

用户终端个别电器在满足用户基本使用要求的情况下，可根据用户端综合能源网络能源价格的波动变化，安排其运行时间，此类负荷设备具有可转移特性。综合考虑可转移负荷的运行时间，运行逻辑，其运行限制公式为

式（11）为可转移负荷首选运行时间窗口。式（12）和式（13）分别为一天当中负荷的总运行小时数及用户使用所需的最短时间。

1.2.2 可削减负荷

综合能源网络的照明负荷在能源高价时段，可降低亮度到预定水平，定义为可削减负荷。本研究参考文献[20]提出的照明数学模型，并引入光照度数据来模拟可削减照明负荷的大小，同时，将高峰时段照明削减20%，其运行约束表达式如式（14）。

1.2.3 柔性制热制冷负荷

本文借鉴文献[20]中相关模型，对制热制冷进行建模，并假设热水、冷水进行等量循环，水温控制按式（15）计算。

上式可以看出，水温与新进冷水水温、剩余热水水温及热电冷联供系统输出热功率有关。对于单一夏季时间段，依据热力学定律，单位时间间隔内，通过用户建筑内传递的热量可表示为

将式（17）代入式（16）可得

式（18）的单位小时离散模型公式为

同时，考虑到改模型中综合能源网络制热制冷负荷工作温度不应局限于固定温度值，其约束条件为

1.2.4 热储能负荷

热储能建模[22-24]遵循如下约束，式（22）和式（23）分别表示TES 吸收和释放热能范围，式（24）表示TES 吸收及释放热能总和限制。TES 热储能大小为式（25）所示，其范围约束为式（26）所示。

三要讲究艺术性。基层思想政治工作最基本的任务是要挖掘人的潜能，激发人的工作积极性。要艺术地运用表扬与批评有机结合的方法，有效地激发职工群众的工作热情。客观地讲，多数职工群众身上的优点和长处是主要的，因一点过失而过分批评，会使一个本来上进心很强的人背上包袱。这就要求表扬与批评都适度，批评要合情合理，表扬要恰如其分，要严得合理，宽得可行。对待每个人的短处，要以教育为主，讲明道理，使其心悦诚服；对待每个人的长处要适当表扬，防止他们骄傲自满。

1.2.5 电储能负荷

本文中将用户端综合能源网络面对的用户充电电动汽车PHEV 充当电储能负荷进行优化管理。该负荷可以在峰谷低电价时间段内，完成充电运行，并在峰值电价时间段进行放电运行，将多余电力售出，进行获利。对其充放电过程进行建模，式（27）-（29）分别表示PHEV 的电池能量平衡和充放电约束。

PHEV 运行窗口时间及电池充放电约束的上下限表示为

式中，Cap 为电池容量，kWh。

充电、放电同时执行时的约束公式为

2 优化管理模型

2.1 能源功率平衡

优化管理模型是实现用户端综合能源网络优化管理的重要组成部分。该模型通过对终端负荷、发电机组和储能单元充放电进行优化调节，有助于最大限度地降低能源成本。除了需要研究系统各个元件的数学模型之外，还需要建立优化模型的能量功率平衡模型[25-28]。

2.1.1 电功率平衡

1）未考虑DR。

2）考虑DR。

2.1.2 热功率平衡

HRU 的制热功率平衡表示为

制冷功率平衡公式为

式中，COPAC为制冷热力系数。

2.2 优化目标函数

2.2.1 能源成本优化目标

终端用户的综合能源成本包括从电网购买的电力成本、向电网出售电力的收入以及热电冷联供系统的燃气消耗成本。

2.2.2 多目标优化

空气温室气体排放中有大约28%来自于能源发电，其中本文研究的热电冷联供综合能源网络涉及到电网传统发电及燃气消耗发电，主要产出二氧化碳、氮氧化物和硫氧化物，本文将该类温室气体排放指标作为终端用户综合能源网络优化模型的辅助目标函数。

采用epsilon 约束收敛方法，同时利用文献[29]中叙述的模糊Pareto 预测，获得式（40）的能源成本及温室气体排放的多目标最优解。

3 实验验证

图3 所示为本文新型用户端气-电综合能源网络的总用电需求曲线及关键负荷额定功率数据大小；本实验用户端气-电综合能源网络包括1 台4 kW 热电冷联供机组、5 kW 屋顶光伏发电单元及1 台7 kW的电动汽车；其中，用户终端个别电器在满足用户基本使用要求的情况下，可根据用户端综合能源网络能源价格的波动变化安排其运行时间，此类负荷设备具有可转移特性，从用户家用负荷中选择5 种常规类型的可转移负荷，可转移负荷工作参数见表1，实验系统的技术参数及电网峰谷电价见表2 和表3，其中售电及购电采用同一价格，其中电价参考江苏省商住两用住宅现用用电价格。

图3 总电力需求及关键负荷功率Fig.3 Total power demand and critical load power

表1 可转移负荷工作参数Tab1e 1 Working parameters of transferable load

表2 运行参数Table 2 Operation parameters

表3 夏季工作日能源定价Table 3 Energy tariff of weekday in summer

3.1 案例研究

为验证该新型用户端气-电综合能源网络模型及所提优化运行策略的有效性，此处将3 种不同运行策略案例应用于该新型用户端气-电综合能源网络模型进行对比研究，具体见表4。案例1 运行策略为传统运行模式，未进行任何相关优化管理；案例2 运行策略引入DR 优化管理；案例3 运行策略为本文所研究运行策略，其引入DR 优化的同时，对TES 及PHEV 进行智能化储能调度管理，实现储能与电网之间能量的双向流动。

表4 案例研究列表Table 4 List of case studies

3.2 能源成本优化

图4 为针对案例1 及案例2 的CCHP 机组单日电力输出数据分布图，从图中可以看出，相比于案例1，案例2 中引入包括转移负荷、削减负荷及柔性负荷优化策略的DR 应用之后，CCHP 机组可以输出更多的电力功率，尤其是在峰值电价时间段内，电力功率输出增多更加明显，多余的功率出售给电网系统，可以获得更多的利润。

图4 CCHP在案例1及案例2中的电力输出Fig.4 Power output of CCHP in case 1 and case 2

图5 为对应的案例1 及案例2 的电力功率需求变化曲线，从曲线图中可以看出，案例2 中，随着DR优化管理的应用，峰值电价区间段（单日13 点-17点）的可转移负荷被优化安排在谷值电价区间段的夜间运行，其负荷运行曲线变得更加平滑。同时，用电高峰负荷峰值由4.602 kWh 降低到3.397 kWh，降低幅度达到26%，可以在节约出更多的CCHP 机组出力的同时，提供多余的可售电功率，降低能耗成本，增加收入。

图5 应用DR前后的总电力消耗Fig.5 Total power consumption before and after application of DR

表5 中列出了两种用户端气-电综合能源网络的能耗数据对比，其中传统用户端气-电综合能源网络与新型用户端气-电综合能源网络相比，缺少屋顶光伏发电单元及电动汽车储能装置。3 种案例时的能源消耗对比数据结果可以看出，案例3 应用DR 及储能优化管理，局部可以提高发电机组的运行效率，使案例3 的生产率高于案例1 及2。对于传统用户端气-电综合能源网络模型，案例3 较案例1 及案例2 能耗分别降低约22.7% 及15.6%，单日收入分别提高4.15 元、1.93 元；对于新型用户端气-电综合能源网络模型，案例3 较案例1 及案例2能耗分别降低约34.6%及26.7%，单日收入分别提高8.68 元、3.82 元。这主要得益于新型用户端气-电综合能源网络模型包括新的屋顶光伏发电单元提高了发电功率数值，同时引入电动汽车作为电能储能装置，增加了单日售电收入。表明新型用户端气-电综合能源网络模型具有较好的实用性。

表5 案例研究结果对比Table 5 Comparison of case study results

图6、图7 为案例3 中电能及热能优化调度结果，引入TES 及PHEV 储能单元可以改善CCHP 的工作效率，在3 点-7 点的谷价时间段，用户负荷电力消耗全部来自于电网，CCHP 机组处于关机状态。在12 点-17 点的峰值电价区间，CCHP 处于工作状态，同时由于光照幅度较强，光伏发电单元全功率输出，除了可以供用户必要负荷使用之外，多余电力进行售电，输送给电网。晚间时间段，PHEV进行优化管理，进行智能充放电处理，使其处于最优经济运行。

图6 案例3中电力能源优化调度Fig.6 Power energy optimal scheduling of case 3

图7 案例3中热能优化调度Fig.7 Thermal energy optimal scheduling in case 3

从图7 的热能优化调度图中可以看出，TES 的灵活优化应用在热负荷需求较低时，将PGU 回收的热能存储于TES 中，在10、15、16 及18 时，由于CCHP 机组处于关闭状态，将热能从TES 释放出来，以满足用户热功率需求。

图8 为PHEV 全天充电状态，从图中可以看出，对PHEV 进行优化管理，使其在电价及负荷较小的夜间及早晨时间段，对其进行充电。使其在全天其余时间段时，便于及时参与储能放电优化，节约电网购电成本。

图8 PHEV的充电状态Fig.8 Charging state of PHEV

3.3 案例3的多目标优化

表6 所示为单一能耗成本优化及多目标优化之后，用户终端综合能源系统与电网之间功率交换数据。

表6 两种优化方案时与电网之间功率交换Table 6 Power exchange between power grid in two optimization schemes

从表中数据可以看出，多目标优化时，从电网购电16.016 kW 明显少于单一能耗成本优化时的24.032 kW，这主要归功于燃气发电气体排放低于电网发电气体排放。此外，多目标优化会使售电功率有所减少。

图9 为使用epsilon 约束方法的能耗成本和气体排放多目标最小值优化离散分布集合。如图9所示，在能耗和气体排放分别为12.18 元和16.85千克的曲线拐点处可以得到多目标优化的最佳解。

图9 能源成本及排放多目标最优解Fig.9 Multi objective optimal solution of energy cost and emission

4 结语

本文在传统电力及燃气所构成的综合能源系统基础上，将用户端屋顶光伏发电加入系统构建新型用户端气-电综合能源网络模型。并重点研究了新模型下的优化运行策略，引入用户端负荷数据，对负荷进行DR 响应优化策略，同时研究了电动汽车作为储能装置的能源调度作用。基于该模型，建立能耗成本、气体排放量综合多目标优化函数，并取得最优解，实现在满足用户端负荷需求的同时，降低能耗成本及气体排放量。仿真实验结果表明，案例2 在案例1 的基础上引入DR 策略可以防止综合能源系统高峰负荷的尖峰冲击，使负荷曲线均匀平滑，提高综合能源系统效率；在相同优化运行策略的情况下新型用户端气-电综合能源网络模型相比于传统用户端气-电综合能源网络模型，能耗数据降低约12%，单日收益提高4.53 元。新型用户端气-电综合能源网络模型中，引入DR 优化运行策略的同时，考虑TES 及电动汽车储能设备的优化调度管理，可以使发电机组全效率运行，从而降低能耗成本约30%；此外，所提出的多目标优化策略在降低购电成本的同时，可以达到用户端负荷及发电温室气体排放最小的效果。