计及电-热-氢差异化激励需求响应的园区综合能源系统优化调度

2023-12-29罗舒钰蒲雨辰

电力自动化设备 2023年12期

罗舒钰，李奇，阳洋，蒲雨辰

（西南交通大学电气工程学院，四川成都 611756）

0 引言

园区综合能源系统（community intergrated energy system，CIES）由于其源网荷储一体化和多能互补的特性得到广泛应用［1-3］，在风光等可再生能源大规模接入的背景下，CIES 的调度除了要实现传统削峰填谷的调节目标，更要在适应新能源出力间歇性的特点下维持系统功率平衡。因此，为合理利用可再生能源与储能的潜能，充分发挥多种能源负荷运行灵活性，实现供需双向交互响应，推动“双碳”目标的实现，充分挖掘需求侧资源调节能力具有重要意义。需求侧管理（demand side management，DSM）具有很高的灵活性和巨大的响应潜力［4-5］，由于不同能源系统在产能特性、供需特性以及负荷特性方面存在较大差异，通过DSM 的方式削弱或延迟综合能源用户对一种或多种能源的需求，将影响其余能源供求关系，实现多能互补，缓解系统供需不平衡和调峰难等问题［6-7］。

目前，针对多种能源负荷综合需求响应已有不少研究。文献［8］基于多种能量转换设备实现能源转换，通过实时电价、气价、热价对负荷侧进行调度。文献［9］考虑了电、热、气负荷的激励需求响应（incentive based demand response，IDR），以促进风电消纳，实现能量梯级利用以及提高能效。文献［10］在氢能综合能源系统调度研究中，通过价格型弹性矩阵描述柔性电负荷，通过阶梯补贴机制对冷热负荷进行调度。文献［11］考虑了电、气、热、氢负荷的IDR，参照传统电负荷需求响应资源管理方式，采用经济补偿对4 类负荷进行调度。文献［12］通过效用函数统一量化电、热、氢负荷调度中产生的成本。以上对于综合需求响应在系统优化调度阶段的研究大多侧重于电、气、热等传统能源负荷的响应，较少考虑氢负荷调度潜力，或对电、热、氢等各类负荷建立统一的需求响应模型，忽略了不同能源负荷实际参与调度的差异性。随着我国氢燃料电池汽车（hydrogen fuel cell vehicles，HFCVs）以及加氢站的大力发展，新能源汽车负荷值得充分研究，例如：文献［13］建立了一种考虑多种不确定因素的电动汽车（electric vehicles，EVs）充电引导双层优化模型；文献［14］研究了氢燃料电池汽车负荷对住宅能源系统的影响。综上所述，考虑氢燃料电池汽车等新能源汽车充能行为的调度潜力，根据电、热、氢等各类负荷特征，对CIES 综合需求响应进行差异化建模具有重要意义。

针对热负荷需求响应的研究大多基于其热惯性特点，此特征使得负荷曲线可以跟随需求进行一定的调整［15］。用户舒适度是考虑供热系统热惯性中的重要问题，文献［16］通过热水器温度范围约束来考虑居民舒适度；文献［17］根据实际温度与标准温度构建函数计算用户舒适度；文献［18］根据用户的实际用电曲线与舒适度最大值计算用户的用电舒适度值。但以上研究缺乏普适的指标定义人体对于环境的感知，导致系统热惯性与室内外温度无法实时关联。

综上所述，现有的CIES 需求响应研究较少涉及氢能负荷的响应情况，或对电、热、氢各类负荷建立统一的需求响应，忽略了不同能源负荷参与调度的差异性以及多能源负荷综合需求响应的耦合关系，在热负荷热惯性建模时缺乏对用户舒适度更为全面的考虑。基于上述问题和背景，本文针对多能源负荷的联合响应问题提出了一种计及多能源负荷差异化IDR 的CIES 调度策略，分别对电负荷、热负荷以及新能源汽车负荷，建立了基于阶梯式补偿价格的需求响应模型，基于平均热感觉指数（predicted mean vote，PMV）量化人体舒适度的需求响应模型以及基于智能停车场（intelligent parking lot，IPL）统一调度的需求响应模型。综合考虑系统运维老化、激励补偿以及弃风弃光成本，以电-热-氢CIES 为研究对象进行仿真分析，验证了所提方法的有效性。

1 电-热-氢CIES建模

本文搭建的电-热-氢CIES 如图1 所示，其包含源（光伏、风机）、换（电锅炉）、储（蓄电池、氢能系统、蓄热槽）以及各类需求响应负荷。

图1 系统结构图Fig.1 System structure diagram

电动汽车和居民电负荷主要由风力发电以及光伏发电供给，燃料电池补充发电；热负荷主要由电锅炉供给，燃料电池和电解槽补充供热；蓄电池／蓄热槽作为储电／热设备，起到削峰填谷的作用。氢储能系统通过电解槽制氢和燃料电池放电实现电、氢之间的双向转换，同时电解槽和燃料电池运行中的余热输送至热母线，实现了热、电、氢之间的耦合。

系统中的储能部分包含蓄电池和氢能系统：效率较高且动态响应较快的蓄电池在短时间存储上具有优势；氢能系统作为系统中可长时间存储的较大容量后备能源，可补充高负荷情况下的功率缺额。通过2 种储能的性能互补共同保障负荷高峰时期的供能稳定性，改善系统运行的经济性、可靠性。

对于系统的各个子单元，风机、光伏、蓄电池、蓄热槽、电锅炉、燃料电池等的模型在已有研究中得到了多次阐述［19-21］，故此处不再赘述。本文将详细介绍各能源负荷差异化需求响应机制的构建。

2 差异化需求响应机制构建

2.1 电负荷IDR

电力IDR 是指电力市场价格明显波动或电力系统可靠性存在一定风险时，电力用户根据激励措施，如电费折扣等经济补偿，调整其用电行为，从而促进电力供需平衡，保障电网稳定运行。

传统电力需求响应将电负荷分为可中断负荷与可转移负荷，本文主要关注一级、二级负荷之外的可中断负荷（interruptible load，IL）。为达到需求侧电力的差别定价、增加互动积极性等效果，对参与负荷调度的柔性负荷给予阶梯补偿价格，如图2 所示，根据减少电负荷占总用电负荷的比例rL进行分段，阶段1 为基本响应阶段，后续阶段为弹性响应阶段，用户根据各自的意愿与CIES 签订调度合同，并选择参与响应的阶段。

用户在阶段m的计划响应电量应满足阶梯式分段补偿中阶段m的容量限制，如式（1）所示。

CIES 在实际调度时根据用户提交的负荷可削减量和报价，按成本从低到高确定实际负荷削减量，阶梯补偿成本Fil为：

式中：Nl为签订合同的用户数；Nm为用户参与电负荷调度的总阶段数；cm为用户l提供的阶段m的报价。

2.2 热负荷IDR

热惯性环节的时间延迟性以及居民对温度的感知模糊性是供暖热负荷（heating load，HL）的2 个突出特点，即系统产热量的小范围波动不会导致建筑物内部温度短时间剧烈变化，以及在人体舒适度可接受范围内温度具有波动空间。

考虑到居民住房的实际情况，供热区域的热动态过程可表示为［22］：

式中：ρ为空气密度；C为空气比热容；V为受热体积；Tin为室内温度；Hdis为住房建筑散热量；Hld为提供给用户的热量。

住房建筑耗散热量表示为墙体和窗户的散热之和，如式（4）所示。

式中：Hwall为建筑墙体散热量；Hwin为建筑窗户散热量；Ten为环境温度；kw为墙体传热系数；Sw为墙体总面积；kwi为窗户传热系数；Swi为窗户总面积。

供热量表示为［22］：

式中：εr为供热器的有效系数；Wrs为热负荷侧的热媒流量热当量；Tg为散热器进口的供水温度。

人体对舒适度的感知受衣着情况、空气温度、空气湿度等因素的影响，为了量化温度对人体舒适度的影响，本文采用PMV 评价人体对环境的感知，在舒适温度下，PMV取值为0。

根据ISO7730 标准［23］，在其他影响因素固定时，PMV与室内温度的关系为：

式中：VPMV为PMV 的值；Tst为室内标准温度；α、β为相关系数，取值分别为0.389 5、0.406 5。

根据建筑领域的相关标准［24］，应在保障居民舒适度的同时满足建筑物室内标准供暖温度，即：

通过式（6）、（7）求解得到室内实际温度范围为［16.03，20.05］ ℃。

在温度范围内，可通过调节智能室温装置的流量或供水温度调节采暖区域的室内温度，即：

2.3 新能源汽车负荷IDR

通过对CIES 中的IPL 进行协调管理，可以缓解电动汽车充电负荷以及氢燃料电池汽车加氢负荷激增带来的供能压力，是改善系统服务性能和经济性的有效方式。

以IDR 的方式调整电动汽车的充电行为和氢燃料电池汽车的加氢行为，可一定程度上削弱先到先充（fast arrive，fast charge，FAFC）造成的用能高峰。电动汽车进入IPL 后通过智能充电桩进行充电，车主可自定义初始状态、充电结束时的预期状态以及离开时间，IPL 管理系统由车主输入的信息计算充电桩所需充电功率，并进行集中调度，如式（9）所示。

式中：Pev，i(t)为第i辆电动汽车在t时刻的充电功率；Pcev为恒充电模式下的充电功率；ζch，i(t)表示第i辆电动汽车在t时刻处于充电状态，取值为1；tarv，i、tend，i分别为第i辆电动汽车进入和离开IPL 的时刻；S、S分别为第i辆电动汽车的初始充电状态和离开时的充电状态；Cevs，i为第i辆电动汽车的电池容量。t时刻IPL中的总充电负荷为：

式中：Nevs为电动汽车数量。

与电动汽车相似，氢燃料电池汽车进入IPL 后按照车主的需求自定义加氢相关信息，IPL的智能管理系统集中统一调度后进行加氢，满足的约束条件为：

式中：mhv，i为第i辆氢燃料电池汽车单位时间加氢量，由IPL 及氢燃料电池汽车决定；分别为第i辆氢燃料电池汽车初始储氢状态和期望离开时的储氢状态；Nhvs为氢燃料电池汽车数量；Chvs，i为第i辆氢燃料电池汽车电池的容量。

3 计及电-热-氢差异化需求响应的CIES运行优化模型

3.1 目标函数

本文以系统运维成本Ff&m，day、系统老化成本Fage，day、附加成本Fadd，day之和最小为目标函数，如式（12）所示，考虑计及多种负荷差异化IDR 的优化调度问题，其中附加成本由激励补偿成本Fil，day和弃风弃光成本Fdst，day组成。

1）系统运维成本如式（13）所示。

式中：Ωpv为包含光伏、风电的集合；Ωel为包含电解槽、燃料电池、电锅炉的集合；Ωbat为包含蓄电池、蓄热槽的集合；σj为设备j的成本系数；δj( )t为二进制变量，取值1 或0 分别表示Ωel中的设备处于运行状态或停止状态；Lj为设备j的寿命；Cj为设备j的单位购置成本；Pj( )t为设备j的工作功率；σH为储氢罐的成本系数；vH2( )t为储氢罐的氢气进出量。2）系统老化成本［21，25］如式（14）所示。

式中：Fage_fc(t)、Fage_el(t)、Fage_bat(t)分别为燃料电池、电解槽和蓄电池t时刻的老化成本；Ffc_s(t)、Ffc_low(t)、Ffc_high(t)、Ffc_idl(t)分别为燃料电池t时刻启停、低功率运行、高功率运行、功率变化状态产生的老化成本；Fel_op(t)、Fel_s(t)分别为t时刻电解槽正常运行和启停状态下电池电压变化带来的老化成本；Sbat(t)与Sbat(t-1)分别为蓄电池t时刻与t-1时刻的荷电状态。

3）附加成本如式（15）所示。

式中：Cdst为弃风弃光惩罚相关系数；Pdst(t)为t时刻弃风弃光功率。

3.2 约束条件

3.2.1 能量约束

电量守恒约束如式（16）所示。

式中：Pbo(t)、Pel(t)、Pld(t)、Ppv(t)、Pwi(t)、Pfc(t)、Pbat(t)分别为t时刻电锅炉、电解槽、居民负荷、光伏发电、风力发电、燃料电池、蓄电池的电功率。

热能守恒约束如式（17）所示。

式中：Hbo(t)、Hel(t)、Hfc(t)、Hhs(t)、Hld(t)分别为t时刻电锅炉、电解槽、燃料电池、蓄热槽、居民负荷的热功率。

氢能守恒约束如式（18）所示。

式中：msto为储氢罐氢气储存量；mel、mfc分别为电解槽的产氢速率和燃料电池耗氢速率。

3.2.2 设备功率约束

弃风弃光功率约束如式（19）所示。

对于电-热-氢耦合系统，其热能的释放与功率并非线性关系，而是在系统允许向母线释放的功率范围内，根据负荷需求输出，因此其热能约束为：

式中：Hel_max(t)、Hfc_max(t)分别为电解槽、燃料电池的最大可释放热功率；ηel为电解槽效率；μel_he、μfc_he为传热系数；ηfc为燃料电池效率。

系统各设备输出功率与其最大装机容量相关，储能系统输出满足上下限约束，具体表达式见附录A式（A1）、（A2）。

4 算例分析

采用MATLAB-Yalmip 调用商业求解器Gurobi进行优化求解，系统以1 d为周期、1 h为步长进行仿真。采用东部沿海某城市CIES 1 a 的气候环境参数和居民负荷数据，通过聚类处理和计算，得到季度典型天下可再生能源出力和电、热负荷需求数据，见附录B。电-热-氢CIES 成本计算中的经济参数设置见附录C 表C1。电负荷阶梯式补偿系数设置见附录C表C2。

4.1 单一IDR调度结果分析

在第三季度典型天背景下，采用单一IDR 负荷策略，各种方案下的成本如表1 所示。总体而言，相较于没有IDR 的优化调度，所提出的各负荷IDR 策略单独作用时，都能够有效降低优化调度成本。

4.1.1 居民电负荷需求响应调度结果分析

采用阶梯式补偿的电负荷IDR 策略时，系统的运行状态见附录D 图D1，可中断负荷削减的功率和对应的负荷中断率见附录D 图D2。03:00 — 04:00时段，风力发电充足且电负荷需求量较低，在满足电负荷需求前提下余电输送至电解槽用于制氢及产热，此时段可中断负荷有一定程度的削减，从而提高电解槽功率，减少运行时长累积引起电池电压变化带来的蓄电池老化成本。17:00 时负荷需求量高但光伏和风力发电充足，电负荷有较大程度的削减，在满足本文设置的储氢罐始末存储状态一致的约束下，电解槽在18:00 时停止工作。05:00 — 09:00 和19:00 — 22:00时段，光伏和风电出力明显不足，蓄电池、燃料电池补充发电，这2 个时段中可中断负荷会削减一定的功率以减缓储能的压力，降低系统的运维成本，同时减小燃料电池功率变化带来的老化成本。由于电负荷激励的补偿系数设置得较高，中断负荷率全天处于较低水平，但该方法依旧明显降低了系统运维成本、老化成本，从而降低了总成本（相较于无需求响应时分别降低了29.57 %、4.62 %、5.84 %）。

4.1.2 热负荷需求响应调度结果分析

采用智能室温热负荷需求响应策略时，系统的运行状态见附录D 图D3，分时温度和热功率见图3。图中：Hpro、Hhs分别为系统产热功率、系统储热功率。

图3 HL-DR方案下的温度曲线与热功率Fig.3 Temperature curve and thermal power under scheme of HL-DR

由图3 可知，产热功率曲线与室内外温度差曲线并不同步变化，由于储热系统的缓冲作用，即使系统产热不随热负荷需求及时变化，室内温度依旧保持在16～20 ℃内，PMV 值为0，人体对环境的感知始终处于舒适状态，系统的调度灵活性增加。在08:00、13:00、21:00 时刻能量供过于求，室内温度明显升高，以提高能量利用率，降低其余设备的工作功率，减小运维成本，进而降低总成本，相较于无需求响应时，运维成本、总成本分别降低了4.85 %、0.94%。

4.1.3 新能源汽车需求响应调度结果分析

电动汽车未考虑需求响应时，即遵循“先到先充，即插即充”的无序充电策略，各电动汽车充电功率及总功率如图4 所示。图中：Pev1—Pev7分别为第1 — 7辆电动汽车的充电功率。

图4 无序充电时充电负荷分布Fig.4 Charging load distribution under disorderly charging

考虑IPL 的统一调度后，各电动汽车充电功率及总功率如图5所示。

图5 EVs-DR下充电负荷分布Fig.5 Charging load distribution under EVs-DR

由图4、5 可知，09:00 的负荷转移到了10:00，11:00 — 15:00的负荷转移到了15:00之后，这是因为IPL对各电动汽车进行集中管理后，电动汽车的充电行为在时域上不再需要具有连续性，其负荷可以根据调度需求灵活后移。叠加总负荷也向后转移，充电负荷主要集中在18:00、24:00 附近时段，18:00、24:00 的风光出力均明显高于居民电负荷需求。相较于不考虑需求响应的情况，全天充电总功率峰值在18:00时的充电负荷进一步增大，以减少电解槽利用余电制氢的工作功率，降低系统老化成本。系统在时域上的灵活性增强，蓄电池的全天工作状态改变，运维成本略有上升，但老化成本显著减少，总成本有一定程度的降低，相较于无需求响应时，老化成本、总成本分别降低了4.62 %、3.26 %。

氢燃料电池汽车在采用IDR 前、后的负荷分布如图6 所示。图中：mhfcv1—mhfcv7分别为第1 — 7 辆氢燃料电池汽车的耗氢速率。

图6 氢能负荷分布Fig.6 Distribution of hydrogen energy load

由图6 可知，普通停车场中，氢燃料电池汽车在返回停车场的单位时间内完成加氢，IPL中则只需要在第2 天离开时间之前完成加氢，考虑居民实际的用车情况，本文假设最早离开停车场的时间为第2天07:00，考虑需求响应后，加氢行为主要集中在01:00 — 04:00，因为此时段风力发电充足，电解槽利用余电制氢，氢能可以不经过储氢罐存储而直接加以利用，提高了能量的利用效率，小幅降低了运维成本和总成本，两者分别降低了2.1 %、0.41 %。但目前氢燃料电池汽车的保有率很低，故总成本降低率很低，但未来随着氢燃料电池汽车使用范围的扩大，调度潜能将进一步增加。

4.2 联合IDR调度结果分析

应用热、电、氢多能源负荷差异化综合需求响应策略，得到在4个季度典型天下的调度成本见表2。

表2 联合IDR调度成本Table 2 Joint IDR scheduling costs

如表2 所示，与未考虑需求响应相比，本文所提的差异化IDR 联合调度在不同工况场景下均具有经济性上的优势，4 个季度典型天下的单日调度成本分别减少了14.6 %、25.56 %、17.76 % 和8.96 %，4 个季度典型天中第二季度的成本降幅最大，因为该季度天气、环境适宜，相较于其他季度调度潜能更大，这也证明了本文所提方法在发掘负荷需求侧响应潜能的能力。

第三季度典型天下的运行曲线与储能状态分别见附录D 图D4、D5。在多种储能模块缓冲互补和多种负荷IDR 下，电热负荷需求在1 d内得到安全可靠的供应，储能设备始终工作于合理的状态范围内。与不考虑需求响应相比，电解槽和燃料电池的全天运行时长缩短，累积的总功率降低，氢能系统减少的余电消纳部分转化为了电储能，氢储能系统的可利用余热减少使电锅炉总功率增加，蓄热槽起到了更多缓冲作用。氢储能系统中各设备功率的减少使系统老化成本降低，对比表1、2 可知，多负荷差异化IDR 联合作用时，成本减少率远高于各单一需求响应策略成本减少率之和，验证了多种策略协调互补相较于单种负荷需求响应具有调度灵活性和经济性上的优势。

联合IDR 各类负荷的响应结果如图7 所示，验证了多种策略在调度中的灵活性。

图7 联合IDR结果Fig.7 Results of joint IDR

由图7（a）可见，在风光出力不足／电解槽利用余电制氢的时段，可中断电负荷削减，以缓解储能的压力／提高电解槽的功率；由图7（b）可见，尽管产热功率曲线与室内外温度差曲线变化趋势相差很大，但在储热系统的缓冲作用下，室内温度依然维持在人体感到舒适的温度范围内，系统余电较多时室内温度较高，风光出力不足或系统储能压力较大时室内温度较低；由图7（c）可见，在智能停车场的集中管理与调度下，氢燃料电池汽车加氢行为集中于01:00 — 04:00时段，此时段可中断电负荷削减，在满足舒适度约束的前提下适当降低室内温度以减少能量消耗，电解槽利用余电制氢，加氢行为可以在一定程度上避免氢气在储氢罐中的存储和通过燃料电池利用的过程，提高了能量利用率，电动汽车充电行为集中在风光出力高峰以及系统供大于求的时段，起到了削峰填谷的作用，缓解了系统中储能设备的工作压力。多能耦合以及多种负荷需求响应策略的协调互补提高了系统调度的灵活性。