计及双重不确定性的综合能源系统运行优化模型研究

2023-11-02喻小宝赵雯婧孙艺新

综合智慧能源 2023年10期

喻小宝，赵雯婧，孙艺新

（1.上海电力大学经济与管理学院，上海 201306；2.国网能源研究院有限公司，北京 102209）

0 引言

为了实现我国提出的“碳中和”这一目标，必须改变传统用能模式，不断向可再生能源的规模化开发转型，其中具有典型性的是以风电和光伏为代表的分布式能源开发。综合能源系统是当前解决分布式能源利用效率的一种重要方式，也是能源互联网的一种重要表现形式，包括电力、热能、冷能和气能等不同能源子系统。这些子系统相互之间存在着强耦合性［1］。但是，由于电源侧分布式能源的不确定性，导致这些能源的使用存在明显的随机性，同时由于能源价格的波动性，需求侧也存在预测误差，双重不确定性下可能导致系统运行问题，从而限制了可再生能源的大规模开发利用［2］。因此，如何通过优化能源结构，如何降低双重不确定性给系统运行带来的风险，提高可再生能源的利用效率面临着巨大的挑战和机遇，关乎碳中和目标的实现。

对于综合能源系统的构建来说，国内外学者对此均进行了深入研究。郭宴秀等［3］构建了区域多综合能源系统，将电热交互和共享储能纳入到模型中，有效降低了系统运行成本，为本文设置优化目标函数提供基础；胡道明等［4］在考虑碳中和目标的前提下，将氢能纳入到综合能源系统中，对系统碳排放情况和经济性进行了分析；赵芳正等［5］对区域综合能源系统的低碳经济调度进行了优化，考虑了绿证和碳配额互认的机制，进而构建相关模型进行了验证，为本文考虑碳减排约束提供基础；Mao 等［6］基于负荷转移机制，设计了一套多能源系统的运行策略；Asl等［7］也提出了一种综合能源系统多级调度框架。此外，还有一些学者从分布式能源出力不确定性角度对综合能源系统运行优化问题进行了研究［8］，例如LV 等［9］考虑风电不确定性、Yan 等［10］考虑极端天气对系统运行的影响、Qi 等［11］利用机会约束对风光不确定性进行预测等。

已有研究对综合能源系统运行过程中的不确定性因素考虑过于单一，本文在此基础上考虑双重不确定性因素对系统运行的影响，并构建运行优化模型。在该模型中，将以清洁能源消纳率最高和系统运行成本最低为目标函数，并考虑系统运行的约束条件。同时，采用区间数对供给侧和需求侧的不确定性进行量化，并构建随机计划约束模型，以概率形式解决了不确定性因素给综合能源系统运行带来的问题。

图1 综合能源系统架构示意Fig.1 Schematic structure of the IES

1 方法理论与模型构建

1.1 系统结构

综合能源系统主要分为3 个部分，包括外部供给、内部运行和负荷需求［12］。外部供给本文中仅考虑电网、热网和气网供应，内部运行考虑电力流、冷流、热流和气流，负荷需求考虑电负荷、冷负荷、热负荷和气负荷，具体结构如图1所示。

在本文构建的综合能源系统中，电能子系统是整个多能互补协同系统的核心网络，其运行策略是整个系统运行优化的关键部分，因此在设置系统运行优化方案时，优先对电能子系统进行建模。其次，考虑供给侧多种分布式能源的出力不确定性，对系统运行方案进行优化，构建不确定性优化模型，满足不同负荷需求。最后，考虑负荷外购价格变化，构建热能子系统和气能子系统的运行优化模型，进而实现整个综合能源系统的运行优化策略。

1.2 模型构建

模型及公式中主要参数和释义见表1，后续不再赘述。

表1 式中各参数与释义Table 1 Parameters and their interpretations

续表

1.2.1 目标函数

目标函数包括清洁能源消纳率最大和系统运行成本最小，其中系统运行成本又分为电能子系统、热能子系统和气能子系统的运行成本。

（1）消纳率。用电能子系统中的风电、光伏出力的消纳率最大表示，即

（2）系统运行成本。系统运行成本主要考虑多个子系统的运行成本，包括电能子系统、需求侧管理成本、热能子系统和气能子系统成本，具体目标函数如下

（4）能源转化约束。首先考虑电能系统与热能系统间的转换约束，其次考虑电能系统与气能系统的转换约束，由于电能系统约束更为关键，因而热能系统和气能系统运行要基于电能系统运行计划

（5）储能运行约束。储能运行约束主要是考虑储能系统自身的一些限制，例如容量限制、充放电功率限制、转换约束等，还会受到储能最小最大容量的约束

1.2.3 不确定性优化

在上述优化模型构建基础上，不仅要考虑风电光伏的不确定性，还需要考虑终端采购的不确定性，针对这种能源价格不确定性，采用随机机会约束函数进行运行优化，从而转化为随机机会约束规划问题。这里的目标函数设置为系统运行成本最小，置信度采用最小化乐观值。

同时，考虑到能源价格不确定性既包括热供应价格和天然气价格，因此针对不同随机机会约束规划模型的变量存在一定的差异［13-15］。对于热能子系统优化运行中心，控制变量取热能子系统的能源供应价格，对于气能子系统运行，控制变量取天然气市场价格。此外，由于模型采用随机机会约束规划形式进行建模意味着功率平衡约束不可能绝对成立，当不平衡功率偏差满足在一定范围之内，以及满足该范围的概率达到设置的约束条件置信度时，则模型认为功率平衡约束得到了满足。

1.2.4 求解流程

针对不确定性优化模型，系统决策者和分布式能源出力决策者通过博弈最终达成纳什均衡。针对建立的不确定性模型采用萤火虫算法进行求解。具体不确定性模型的求解流程，如图2所示。

2 算例仿真

本文选取中国长三角地区某园区数据作为算例仿真基础，该园区拥有较为成熟的小型综合能源系统，包括光伏板、小型风电机组、储热罐、储气罐、燃料电池、微燃机、储能设备、电转气（P2G）等，可以为本论文提供较好的数据支撑［16-18］。

2.1 参数设置

该综合能源系统的某典型运行日的清洁能源出力区间，如图3所示。

该综合能源系统的电负荷、热负荷和气负荷水的需求情况，如图4 所示。该园区系统与外部电网进行能源电力交易，采用分时电价机制，分为峰、平、谷3 个时段。峰时段主要包括09：00—15：00 和18：00—21：00，电价为1 321 元/（MW·h）；谷时段主要包括22：00—06：00，电价为300 元/（MW·h）；其他时段为平时段，电价为580 元/（MW·h）。此外，设定园区天然气单价为3 元/m3，置信度取值为0.95，其他参数见表2［19-20］。

图2 不确定性模型求解流程Fig.2 Calculation process of the uncertainty model

图3 某典型运行日清洁能源出力区间Fig.3 Clean energy output range on a typical day

在优化模型中，萤火虫数量取值为100，光强系数和最大吸引力取值均为1，最大迭代次数选择250次，混沌搜索次数为20代。

2.2 仿真结果

首先，在不考虑系统运行优化的前提下，测算到1 天系统运行成本为18 273.98 元，处于较高水平，清洁能源消纳率仅为73.26%，处于较低水平。

其次，为了验证模型的可行性和供给侧与需求侧双重不确定性对系统运行的影响，设置2 种不同场景，其中，场景A不考虑双重不确定性，正常运行；场景B 考虑双重不确定性因素对系统运行影响。2种场景下的系统运行均达到最后结果后停止迭代，得到结果如图5和图6所示。

图5 场景A的优化结果Fig.5 Optimization results for scenario A

2.3 结果分析

图6 场景B的优化结果Fig.6 Optimization results for scenario B

根据图5 和图6 运行结果可以发现，当电负荷处于较低水平时，例如在第3时段（02：00—03：00），系统选择从外网购电，对储能系统进行充电，没有选择内部系统发电，此时热负荷处于高峰阶段，主要来源为热能外网购热和内部储能放热；当电负荷处于较高水平时，例如第10 时段（09：00—10：00），系统会优先选择风能光伏进行供电，然后选择内部燃气发电，最后选择外网购电。这种运行方式能够充分利用清洁能源，但如果忽略不确定性，容易出现内部负荷供应不及时，只能高价购买外网电负荷和热负荷，从而导致系统运行成本高的后果。

对比场景A和场景B结果可以看出，2种场景下的系统运行均可以满足系统内部的各类负荷需求，但由于场景A没有考虑风电光伏的不确定性和负荷价格的不确定性，在内部供应不足时均采用外购或燃气发电等方式，导致系统综合运行成本偏高，达到了15 353.76 元，同时由于优先考虑清洁能源消纳，其风电光伏消纳率也偏高，达到了94.11%，属于较高水平。

相对于场景A 来说，场景B 同时考虑了供给侧和负荷侧的不确定性，导致系统运行未知性更大，因此预期运行成本达到了17 032.13元，高于场景A的系统运行成本。但是，在实际系统运行过程中，由于提前对双重不确定性因素进行了预估，对系统运行进行了优化，实际场景B 的系统运行成本仅有14 253.43 元，相比于场景A 下降了7.17%。同时，优化系统为了降低运行成本，在清洁能源消纳上进行了抉择，导致风光消纳率下降到了91.15%，但仍处于可接受范围内。