需求响应下的并网型风-光-沼微能源网优化配置

俞发强, 张名捷, 程 语， 陈达伟, 杨函煜, 黎灿兵

(1. 广东电网有限责任公司清远供电局，广东 清远 511500； 2. 上海交通大学 电力传输与功率变换控制教育部重点实验室，上海 200240； 3. 南京工业大学 电气工程与控制科学学院，南京 211816)

生物质能作为一种可再生能源，其集成水平相较于风能、光能、氢能仍较为落后[1-2].在我国广袤的农村地区，生物质能源丰富，农作物秸秆、禽畜粪便等均可通过发酵产生沼气，在减轻农村环境压力的同时为户主提供能源[3].我国的沼气发展始于20世纪六七十年代，全国各地兴建700多万处户用沼气池[4].然而，沼气产量与温度密切相关，多数沼气池由于难以越冬、缺乏维护而废弃.此外，沼气池能源形式单一，主要用作生火、照明，因此投资回报低，主要靠国家补贴[5].

尽管如此，沼气具有与天然气相似的物理特性，可以作为气体燃料通过热电联产(CHP)燃气机组转化为电能和热能，与其他可再生能源集成于微能源网中，满足用户热、电、冷、气等多种负荷需求.这一优良性质引起了学者的关注，开展了一系列关于多能互补的微能源网研究.通过混合多种能源，如光伏、风力发电(简称风电)、柴油发电等，充分挖掘不同能源间的互补特性，可实现波动性可再生能源的消纳以及稳定的电力供应[6].例如，文献[7]评估了当地生物质资源的分布情况，提出了“风-光-沼-储”的微电网，研究发现沼气发电与传统的柴油发电相比，可减少经济成本20%和CO2年排放量 48 t；文献[8]提出一种考虑失电率的“风-光-沼-储”微电网，系统主要依赖沼气发电为用户供电；文献[9]提出利用太阳能沼气发电满足农村地区的炊事、照明等基本生活需求.

通过引入需求侧响应来增强微能源网的灵活性，可进一步提高其经济性.例如，文献[10]通过建立转移、转换和可削减模型的需求响应机制，对含天然气和储能的微能源网进行优化调度，有效降低了系统的运行成本；文献[11-12]充分考虑用户舒适度，并将其作为需求侧响应的约束条件，进行微能源网优化运行调度；文献[13]对储电、蓄冷、储热3种储能装置进行建模，实现了电、热、冷多能源优化调度.上述文献均通过电力存储或热力存储，配合可调度负载进行需求侧响应规划，其储能装置的成本较高.

沼气适合大量储存，实际上，是一种优良的储能介质.通过电加热或热电联产机组可以对发酵池进行增温，提高沼气产量，相当于将多余能量转化为沼气储存.自2012年以来，我国沼气产业已经基本告别家用微型沼气池的阶段，开始朝规模化、集中化、专业化方面发展.中、大型养殖场受到环保部门的严格把控，需要投资建设大规模沼气工程作为其污染物排放的处理手段[14].此外，养殖场中具有大量可调节的负荷，如饲料搅拌机、厂棚增温设备、加工设备等，为园区微能源网的优化配置、调度提供了基本场景[15-16].

总体来说，国内外对含沼气的混合可再生微能源网的研究更侧重于利用农林生物质原料实现沼气发电或热电联产，减少对化石燃料的依赖以及环境排放，沼气在微网中的功能模式相对比较单一[17-19].此外，利用沼气发电或热电联产的发电量和产热量极大程度上受到沼气产量的影响[20-22]，而目前对于沼气发酵速率和产量的精细化建模并未被充分考虑在现有的微能源网规划研究中.与此同时，沼气易储存的类储能特性使其具有成为低成本储能介质的潜力，加以充分利用养殖场园区内大量可调节负荷参与需求响应，含沼气的微能源网将拥有较大优化空间，具有一定研究价值.

本文提出一种并网型风能-太阳能-沼气多能互补微能源网优化配置方法.根据微生物发酵动力学模型和沼气发酵的温敏特性，提出沼气的类储能特性，对沼气与电能之间的“电能-化学能(气体)-电能”的能量变换机制所涉及的产气、储气、用气过程进行差异化、精细化建模.同时考虑需求侧响应，进一步增加系统灵活性，利用分时电价节省购电成本，从而将投资成本和年度运行成本降至最低.通过对全年的12个典型场景进行仿真，验证所提微能源网模型的有效性.

1 风-光-沼微能源网模型

1.1 目标函数

作为并网的微能源网，需求侧管理(DSM)是最小化发电和负载之间不平衡的必要解决方案.根据负荷灵活性可分为关键、可时移和可调负荷.关键负荷，例如电梯和照明负载，与人员生命安全息息相关，应当优先保障电力供应；可时移负荷则指在时间上可以进行平移的电力需求，例如空调的使用；可调负荷是在可接受范围内功率需求可调的负荷.

本模型的最终目标是最小化并网型风-光-沼微能源网(见图1)的年度总成本，包括初始投资成本和运营成本.其中，运营成本包括维护成本、从电网公司销售/购买能源的成本和需求侧管理成本.因此，优化模型可由下式描述：

图1 风-光-沼微能源网Fig.1 Integrated energy system of wind-solar-biogas

minCtotal=CINV+CM+CGrid+Cd

(1)

(2)

(3)

(4)

(5)

1.2 发酵池建模

沼气发酵池作为光-沼微网的关键组件，运行阶段应充分考虑AD蓄热与温度特性.由于用户级光-沼微网多以规模较小的地埋式AD为主，可假设：在厌氧消化过程中，放热能量很小，并且微生物产生热量可被忽略；沼池周围的环境温度和周围土壤温度分布均匀；原料所带入的热量可忽略.由此，根据能量守恒原理，AD的传热过程及发酵温度的变化可通过下式约束表示：

Td(τ+1,s)=Td(τ,s)+

(6)

(7)

(8)

沼气产量由原料类型、进水挥发性固体浓度、发酵池容量、发酵温度等多种因素决定.为了表示沼气发酵过程中的温度敏感性，提出一种基于微生物反应动力学的沼气产量预测模型:

(11)

所产生的沼气将被直接储存在储气罐中用于沼气机组发电.由此，储气罐中的储气量可用下式描述：

(12)

(13)

发酵所产生的沼气送往CHP机组进行发电，发电量与耗气量的关系由下式表示：

(14)

式中：ηu为能量转化效率系数.

1.3 约束条件

容量约束.包括太阳能、风电、沼气发电和储气罐的容量：

(15)

(1) 波动性新能源出力约束：微能源网内各新能源出力应受限于对应的规划容量，同时与当地气候条件相关.因此，在对微能源网进行优化配置时，需根据风能、光照辐射的预测数据确定风电、光伏出力上下限：

(16)

(17)

(2) 其他常规约束：

(24)

2 模型线性化处理

由于约束式(6)～(11)是非线性的，不能直接求解，所以首先对模型中存在的非线性约束分段线性化.

在所提出的沼气发酵动力学模型中，当模型只考虑发酵温度对厌氧发酵速率影响时，其他环境因素可视作模型参数，则根据约束式(6)～(8)的函数关系，发酵温度对单位容积沼气发酵速率的影响最终可通过非线性一元函数Gt=f(Tt)表示，如图2所示.

图2 温度与发酵速率的函数关系Fig.2 Fermentation rate versus temperature

针对Gt=f(Tt)非线性问题，采用分段线性化方法处理非线性约束.分段线性化方法如下：对于任意t时刻，在发酵温度Tts的取值范围[Tt0,TtS]，即温度范围15～60 ℃内，依次确定S个分段点Tt0，Tt1，…，TtS，引入0-1变量qts和特殊序列2(SOS2)变量组zts，其中约束表示SOS2变量组中，有且只有相邻的两个0-1变量不为0.最终Gt=f(Tt)满足如下约束.

(29)

3 模型验证

最终该模型以式(1)～(5)为目标函数，包括传热约束式(6)～(8)、发酵约束式(9)～(11)、沼气与电能转化约束模型式(12)～(13)、储气罐约束模型式(14)～(17)、有功平衡及功率限制约束式(18)～(24)，形成混合整数线性规划(MILP)问题，可通过GAMS软件中的Cplex求解器直接求解.

考虑到需求负荷的不确定性、太阳辐射带来的优化结果的变化，采用基于典型场景的方法，选择一年的12个场景来模拟各种新能源和负荷的组合情况，如图3所示.其中，风速和太阳能采用标幺值表示，基准值为年最大出力值.成本投资组成如表1所示.

表1 系统各部分成本组成Tab.1 Economic specifications of system components

图3 各场景中电力负荷与新能源波动Fig.3 Electrical and renewables profiles in each scenario

在负荷需求响应中，考虑到一些负载具有可切换或时移的特性，其允许的最大移出/移入需求在冬季为50 kW，在夏季为200 kW.如表2所示的分时电价用于引导用户进行负荷需求响应，以实现优化运行.

表2 分时电价Tab.2 Time-of-use electricity price 元/(kW·h)

考虑负荷需求响应的微能源网优化配置结果如表3所示.可以看出，总成本与发酵池的最大容量成负相关.发酵池的容量增加，总成本就会降低，这表明沼气发酵系统可以有效降低系统成本.其中，主要原因是沼气发电更为灵活、可调度性强，利用高峰电价向电网提供功率支撑是其收入的重要来源.此外，增加沼气发电使得微能源网对于风电、光伏以及的投资更低.不具备负荷需求响应的微能源网优化结果如表4所示.对比表3和表4，当负荷参与需求响应后，系统总成本可降低3%～9%，年收益增加127%～240%.

表3 考虑负荷需求响应的系统优化配置结果Tab.3 Optimal sizing results for system considering DSM

表4 不考虑负荷需求响应的系统优化配置结果Tab.4 Optimal sizing results for system without considering DSM

图4给出了一个典型场景中的每日最优调度来说明微能源网与负荷需求响应的性能.可以观察到光伏和风电的输出主要分布在白天，而夜间负荷较低，并且此时可低价从电网购电维持本地负荷，并使用廉价电力进行增温，提高沼气产量并储存在储气罐中，从而实现电能转化为易储存的生物质能.由于风电的间歇性，沼气发电成为白天负荷的主要承担者，并在高峰电价阶段向电网售电.因此，间歇性的新能源与沼气发电具有互补特性，充分利用沼气的易储存特性可大大降低系统成本.

图4 典型场景中风光出力曲线及最优沼气发电曲线Fig.4 Operation of solar and wind generation, and optimal generation of BES

储气罐中的沼气储量如图5所示.夜间通过廉价电力对发酵池进行增温，并提高沼气产量.在中午12时左右，沼气储量超过80%，并且属于高峰电价时段.因此，沼气发电在12—13时出力增加，并向电网售电，获取额外利润.在12—16时，储气罐中的沼气储量进一步增加并达到峰值.在接下来的4 h中，沼气发电成为系统负荷的主要承担者，并且向电网售电以获取利润.至24时，沼气量仍接近50%，可以确保次日的沼气供应.值得注意的是，图4与图5为12个典型场景之一，每个场景结束后，其剩余沼气储量并不一定为50%，但在连续的12个场景中，沼气储量是连续供应、不间断的，因此其供电可靠性为100%.

图5 1 d内沼气储量变化趋势Fig.5 Variation of biogas storage in a day

4 结语

提出一种风-光-沼微能源网，可通过电加热提高沼气发酵温度，从而将电能转化为生物质能储存，而沼气可通过热电联产机组发电，实现多种能量流的耦合.将需求侧响应机制应用于并网微能源网，使得投资成本降低3%～9%的情况下，年收益增加127%～240%.在日常优化调度中，夜间多余的电能转化为沼气储存在储气罐中，在白天可以稳定连续地满足客户需求.通过对比研究，显示该微能源系统在经济性方面具有较大优势.然而，基于生物质的设施受到周围生物质能源可用性的限制，未来工作将考虑生物质可利用性的约束以及与其他可再生能源的协同规划.