区域综合能源系统参与电力-天然气市场优化调度研究

祁 泽,赵会茹,梁纪峰,李先妹,郭 森

(1.华北电力大学,北京 102206;2.国网河北省电力有限公司电力科学研究院,河北 石家庄 050021)

0 引言

高比例可再生能源的并网能够有效降低电力系统碳排放,促进能源低碳转型,但可再生能源固有的依托自然气候条件发电的特性使其发电具有波动性和不稳定性。可再生能源预测出力误差导致的波动性和间歇性将对电力系统造成极大的安全隐患,同时也对其在电力市场中的投标报价产生困扰。

为应对可再生能源波动性对整个电力系统造成的影响,不同学者提出了差异化的解决思路,总体来说,解决方案主要有以下3种。第一,通过构建辅助服务市场,价值化电力系统的调峰调频需求,以市场化交易的形式吸纳高比例可再生能源产生的出力波动性,挖掘电力系统调节能力,提升电力系统运行弹性[13];第二,通过新能源配储形式,在发电端解决新能源并网波动性问题,使其通过配置自有储能或以租赁形式的共享储能自行消纳预测出力误差[46];第三,将可再生能源整合进区域能源供消系统,提升就地消纳比例,减轻大电网平抑波动负担,具体形式有分布式新能源的隔墙售电,涵盖新能源发电的工业园区形式的增量配网[7],多能互补下的综合能源系统[8]以及分散式聚能的虚拟电厂[9]等。

以上不同方式均有其各自优势,只有通过不同形式的改进才能形成合力,加速实现以新能源为主体的新型电力系统构建,助力安全高效实现“双碳”目标。本文聚焦于多能互补下综合能源系统的研究。探讨通过将冷热电多种能源相互转换的形式,疏导可再生能源预测出力误差,实现综合能源系统参与电力-天然气市场的低成本高效率交易。近年来,由于多能互补能源系统可以满足多类型用户的差异化用能需求,且通过能量结构促进了多类型能量流动,许多学者在此领域开展了广泛的研究。文献[10]提出了考虑动态响应特征的农渔互补温室综合能源优化调度策略,通过纳入碳排放约束,减少了设备的供能压力和碳排放量,有效提升了温室综合能源系统的经济效益和环境效益。文献[11]在传统的冷热电三联供系统中引入解耦装置(储热槽和电冷冻机等)优化了系统的运行效率。文献[12]通过构建不同联营模式下的电力-天然气市场多时段古诺随机均衡模型,对比了不同联营模式下的收益差别,并利用Shapley值进行了联营设备的利润分配。文献[13]提出了碳-源-荷多重不确定因素对综合能源系统低碳经济运行的影响问题,并通过鲁棒优化求解了电-冷-热综合能源系统的运行调度策略。

以上文献都针对综合能源系统的运行优化进行了深入研究,但对综合能源系统的研究从问题解决层面和求解优化方法上仍有进一步的提升改进空间。从问题解决层面,对综合能源系统中的风电出力可贴近现实,基于其出力的不稳定性构建不确定性的误差样本矩阵进行表征,同时,也要挖掘负荷侧的需求响应潜力,实现源网荷的同步优化;在求解优化方法上,可通过两阶段鲁棒优化算法求解综合能源系统的运行调度,充分考虑风电出力的不确定性,并优化求解结果的保守性和计算复杂度问题。

基于以上分析,本文考虑风电出力不确定性,构建了基于两阶段鲁棒优化的区域综合能源系统优化调度模型,并通过算例分析验证了交易策略的经济效益。

1 区域综合能源系统构建

1.1 系统交互关系

本文构建的区域综合能源系统中各设备直接可通过能量转换装置进行能源类型的转换,实现不同能源之间的协调互济,如图1所示。在满足内部负荷的多能类型需求后与外界进行能量交互,以最小化成本参与电力市场和天然气市场。区域综合能源系统构成主要包含3类,即能量转化装置、各类型储能和各类型能量负荷,其中,能量转换装置包括风力发电机、燃气锅炉、P2G 电转气装置、微型燃气轮机、热回收装置、热交换器以及电动制冷机;储能装置包含电储能和储热储气罐;负荷侧需求包含电负荷、热负荷和冷负荷;同时,负荷侧资源可通过参与需求响应平抑区域综合能源系统内能源供需差异。

图1 区域综合能源系统构成

1.2 系统组成

各系统内部实现多能互补,并将富裕或缺少的能源经电力市场和天然气市场进行交易,因此,需构建不同设备的数学模型。

1)风电

风速服从威布尔分布,风电出力与风速的函数关系见式(1)。

风电系统出力的概率密度函数见式(2)。

式中:P w,t为t时刻风电出力,k W;v w,t为t时刻的风速,m/s;von、voff、vR分别为风电机组的切进风速、截断风速和额定风速,m/s;PWR为风电额定出力,k W;f(P w,t)为风电系统出力的概率密度函数。

2)P2G 装置

P2G 产生的天然气量

3)微型燃气轮机

微型燃气轮机消耗的天然气量

微型燃气轮机产热量

4)燃气锅炉

燃气锅炉天然气消耗量

5)热回收装置

热回收装置的热量输出

6)吸收式制冷机

吸收式制冷机制冷量

7)储能

储能装置包含3类,分别为电储能、储气罐和储热罐,以下仅表示电储能相关数学模型,储气罐及储热罐与电储能类似。电储能充放电容量情况见式(9)。

2 基于两阶段鲁棒优化的综合能源系统调度模型

鲁棒优化作为一种数学规划问题,可以考虑参数的不确定性,是运筹学中研究比较热门的方法,基于风电出力的不确定性,鲁棒优化可以很好的考虑不确定因素,对最坏情况下的解进行优化,从而使最终得到的解具有非常强的抵抗不确定性或者风险的能力。

2.1 目标函数

考虑风电出力的不确定性,短期内预测数据和实时数据会产生误差,由此本文提出一种包含日前和实时惩罚的两阶段鲁棒优化能量最优调度模型,目标函数如式(10)所示。借助鲁棒优化思想的最大化最小,找出风电出力误差对系统运行影响最大的极端情况,从而找到系统最优调度策略,并保证系统运行的稳定性和适配性。

其中,日前调度阶段根据风电出力预测数据确定各时段的微型燃气轮机和P2G 设备的启停状态,对外交易的天然气量及电量,同时确定冷热电负荷的需求响应情况。

实时阶段中,风电误差会产生风电弃风惩罚成本以及电力市场和天然气市场交易调整成本,考虑其可能出现的最大误差,得出相应的目标函数如式(11)所示。

2.2 约束条件

约束条件主要包括系统冷热电供需平衡约束,以及区域综合能源系统中的设备出力约束。

1)系统供需平衡约束

电力负荷供需平衡约束见式(12)。

冷负荷供需平衡约束见式(13)。

热负荷供需平衡约束见式(14)。

式中:ηHE为转热效率;为热量转化值;和为热力需求响应量;为区域综合能源系统的热力负荷需求量。

式(15)和式(16)为燃气和热力枢纽的功率平衡公式。

2)电网及燃气管线约束

3)P2G 设备约束

4)储能装置约束

本文考虑的储能分别为气热电3种类型,各类型储能所面临的约束条件类似,因此,以下只展示电储能约束条件。

5)弃风和需求响应约束

负荷侧需求响应包含冷热电3种能源类型,本文仅展示电负荷需求相应约束,见式(28)—(31)。冷热负荷需求响应约束与电负荷需求响应相似,在此不加赘述。

6)实时阶段相关约束

针对风电出力不确定性,本文依据历史风电出力及预测出力,求解误差样本矩阵,用以解决鲁棒优化问题的不确定集构建。在求解鲁棒优化问题时,不确定集的构建主要有立方集和椭球集两种,其中立方集没有考虑风电出力的时空相关性,使得求出的解精度相对较差,本文依据椭球集原理,考虑风电出力时空相关性,通过历史数据构建出包含最大历史误差相关的多维凸多胞体不确定集。

3 模型改进及求解方法

本文模型包含了极大值和极小值两个问题,无法直接求解该模型。根据列和约束生成(C&CG)方法可以将构建的模型转化为相应的双层优化问题进行模型求解。

C&CG 方法用于处理不确定性问题并确保在多个情境下获得鲁棒的最优解。列生成方法允许模型引入额外的决策变量,以在不同情境下表达不同的决策选择。这些额外的决策变量可以考虑多种可能的决策路径,从而增强解的鲁棒性。同时,为确保最终解对于各种不确定性情境均可行,需要生成适当的约束来限制决策变量的取值范围。这些约束通常根据问题的不确定性模型而定。具体改造过程如下。

1)引入辅助变量

通过引入辅助变量M,使模型转变为求解最小化问题,如式(34)所示。

为满足更改后的模型与原有模型的一致性,需使M满足公式(35)的约束,加之考虑式(12)—(33)相关约束,现有改进后的模型与原模型满足了求解结果的一致性。

2)基于C&CG 算法的模型求解

通过C&CG 算法可以将两阶段鲁棒优化问题纳入双层优化模型,得到一个主问题和一个子问题。

子问题能够通过寻找使主问题中综合能源系统调度最难调整的风电出力误差极端场景(列生成)。气候SP用于寻找风力输出误差使RAS可行资源最难调整的极端情景(列生成)。然后,基于子问题极端场景,迭代构造鲁棒约束,直到主问题和子问题求得相同的目标函数值,从而求解出模型最终结果。

式(34)为主问题,其中包含式(12)—(33)和式(35)所列约束,以及式(36)对风电出力误差的最坏场景约束。

式中:Ψ为最坏出力误差场景集,由子问题迭代求解生成;为最坏场景下的风电调整后输出;为风电实际输出。

式(37)为子问题目标函数。

式中:ΔP、ΔQ分别为参与电力市场和天然气市场的输出调整量为求解子问题添加的非负松弛变量。

基于C&CG 算法的模型求解流程如图2所示。

图2 基于C&CG算法的模型求解流程

4 算例分析

本节运用以上改进模型进行区域综合能源系统参与电力-天然气市场的仿真分析,通过MTALAB 2023a实现。

4.1 数据准备

首先,进行数据准备工作,各设备部分参数如表1所示。图3为误差样本矩阵直方图,通过分析风电历史数据,将历史出力预测与历史实际出力进行比对,考虑风电出力的时空相关性,构建了误差样本矩阵。图4为本文构建的区域综合能源系统冷热电负荷需求情况。图5 为风电预测出力。

图3 误差样本矩阵直方图

图4 冷热电负荷需求情况

4.2 结果分析

图6为综合能源系统参与电力市场交易量及价格,根据其趋势可知,其在市场价格较高处卖出电力,较低处买入电力,如此获得交易价差。风电融入综合能源系统后,其弃风量明显降低,实现了全额消纳。通过对冷热电成本的分析,风电预测误差可通过电转气、电动制冷机等设备转移能量形式,满足冷负荷和热负荷需求。

图6 电力市场价格及交易量

图7为天然气市场交易量,其在第3个时段交易量出现明显购入行为,主要为通过储气罐存储购入气量,并于第5、6、7 时段进行消耗。图8为电储能在1 天24 个时段的充放电调度情况。通过构建的优化模型策略,区域综合能源系统可考虑天然气价格及电力价格,通过内部冷热电转换调度,以及储能装置的能量存储释放,实现满足符合需求下的最小化成本。

图7 天然气市场交易量

图8 电储能充放电调度情况

在本文构建的区域综合能源系统中,考虑了冷热电负荷参与需求响应的情况,如图9、10、11所示。通过核算需求相应成本,设定一定的需求响应激励,冷热电负荷可在系统供给压力较大时,降低负荷需求,实现24时段内的负荷需求转移,以服务于区域综合能源系统对外参与电力-天然气市场的交易。

图9 电力负荷需求响应

图11 热负荷需求响应

5 结论

本文研究了区域综合能源系统参与电力-天然气市场优化调度问题。考虑风电出力的不确定性,配置包含风电、燃气、P2G 电转气设备、储热罐、储冷罐和电储能等多类型设备的区域综合能源系统。为完成区域综合能源系统的优化调度,运用两阶段鲁棒优化进行建模,并使用C&CG 方法求解模型。

在对风电出力不确定的数据集建立中,本文基于风电历史数据,构建样本误差矩阵,准确表征了风电出力不确定时的优化调度策略。通过对综合能源系统内部冷热电负荷的调度转化,实现了其参与电力-天然气市场的经济性改进。此外,还分析了冷热电参与负荷需求响应情况以及系统内储能调度情况。

本文仍然存在一些不足之处需要进一步深入研究。其一,在对综合能源系统优化调度中只考虑了系统参与电力-天然气市场的交易优化,没有计及各设备碳排放以及其参与碳市场交易的情况;其二,对模型的求解中仍有许多方法值得研究,如运用能提高模型求解结果的鲁棒性且进行全局优化的分布式鲁棒优化方法。