考虑最优出力区间和碳交易的园区综合能源系统优化调度模型

杨国朝

（国网天津市电力公司城东供电分公司，天津 300250）

随着人们对生态环境的重视，对生态环境保护提出了更高的要求。同时国家已经采取了更加有力的政策和措施来进行生态环境的保护，并提出2030年前碳达峰，2060 年前碳中和的战略目标。为了实现这一目标，就需要降低工业生产中的二氧化碳的排放，并且随着新能源技术的发展，很多工业园区都通过新能源与传统能源相结合的方式来进行园区能源提供，通过综合能源系统（IES）来实现减少碳排放的目标。然而要实现综合能源系统的经济运行，就需要对传统的能源调度方式进行优化，充分结合设备的最优出力区间来进行对综合能源系统园区进行优化，从而来实现园区能源的优化调度和碳排放达标。

1 最优出力区间园区综合能源系统优化调度模型

1.1 基于统一母线式结构园的园区综合能源系统模型

考虑到园区的耗能结构为典型的电-气－热耦合的典型耗能结构，所以在进行园区综合能源系统模型构建中采用了统一母线结构。并通过该系统来为园区内的用户提供电负荷、热负荷和冷负荷，其中负荷由光伏发电装置和热电联产（CHP）机组以及外部电网供电来进行提供。热负荷通过CHP 机组、燃气锅炉和电锅炉来进行提供，冷负荷则通过电制冷机（EC）和吸收式制冷机（AC）来进行提供。同时考虑到夏季的热负荷和电负荷的需求情况通过弹性矩阵来对其需求响应进行刻画，而冷负荷则通过用户满意度模型来进行需求响应刻画。

1.2 需求响应模型

首先是电负荷需求与热负荷需求响应根据弹性矩阵来进行刻画，电负荷需求响应的计算中，为了将后续的计算进行简化，这里将电价弹性系数设置为-0.3，将弹性电负荷设置为0.6。同时考虑到电价的变化区间不能太大，所以对电价的变化量与初始电价的比值的大小进行限定，同时需要将一个调度周期内的总电负荷设置为相同的值，热负荷需求响应的计算方式与电负荷需求响应的计算方式基本相同，但是需要考虑到热负荷的使用主要是用来对设备的正常运行进行维持，所以弹性热负荷设置为0.3。

冷负荷需求响应是通过舒适度模型来进行计算。在计算过程中，首先需要对室内温度与冷负荷之间的关系进行确定，这里根据电路模拟的等效热参数方法来对建筑的一阶热力学模型进行构建。同时，室内温度在一定范围内的变化人体不能进行有效感觉，所以在一定范围内波动的室内温度并不会对人们的舒适度产生影响，所以可以用PMV 指标来对用户的舒适度进行表示，这里可以根据ISO7733 的标准来将PMV的取值范围设置在-0.5 ≤PMV ≤0.5 的范围内。从而就可以得到最大冷负荷和最小冷负荷的指标，并且需要将冷负荷在一个周期内的变化量设置为0。

1.3 园区设备模型

根据园区综合能源系统可以知道CHP 能够将天然气转化为电能和热能，所以CHP 机组的制热过程可以通过公式（1）进行表示，发电过程可以通过公式（2）表示。并且CHP 的发电功率会存在一定的限制，可以通过公式（3）来进行表示，而CHP 的最大爬坡约束和最大滑坡约束则通过公式（4）和（5）来进行表示，园区其他设备均可以通过这个方式来进行模型的构建。

而在进行电储能的建模过程中需要考虑到充放电过程中的功率约束问题，并且还需要考虑到储能的实时调频功能，并根据预测的调频容量价格线来进行调频容量的预留。这样就可以根据优化计算来得到储能容量区间和实时调频容量价格来实现对当前储能容量在有功市场与调频市场的分配比进行计算。同时必须在调度周期模式将储能恢复到初始状态来保证调度计划的周期性。

在光伏发电的模型建设过程中需要充分考虑光伏发电的不确定性。但是当前很难对光伏发电的出力进行准确的预测，所以可以根据光伏处理的上下限来通过盒式不确定集来实现光伏发电出力的模型建设，

2 计算分析

本次研究中，园区的各项参数设置如表1 所示。并选取在夏季环境进行调度优化计算，将室内温度维持在26 ℃来作为冷负荷需求标准来对冷负荷的上限和下限进行确定。

表1 园区各项参数

本次计算中采用了三种不同的方式来进行计算，方式1 为考虑累计负荷改变量，获取设备最优出力区间以及负荷改变量的上限和下限，然后根据光伏发电实际出力来对设备的出力和需求响应在区间内进行调整方案来进行计算；方式2 是不考虑累计负荷变量，仅考虑设备最优出力期间，根据日前调度光伏出力预测出需求响应，然后不对需求响应进行调整，仅调整设备出力方案来进行计算。方式3 是通过日内滚动优化算法进行计算。

2.1 不确定集边界参数和需求响应影响分析

探究不确定集边界和需求响应的影响过程中，通过对算法中的参数范围进行改变，从而来计算方式1和方式2 两种方式的成本。计算过程中日内实际光伏出力按照10 000 组光伏出力，且满足10%彼岸准差的预测出力值的正态分布进行计算；将碳交易的成本设置为30 元/吨，储能调频容量售价设置为日前预测值的5%波动。计算结果如表2 所示。

表2 方式1 和方式2 两种情况成本对比（元）

根据表2 两种方式的成本结果可以发现，在相同的不确定集情况下，方式1 的成本低于方式2 的成本，这是因为需求响应虽然能够在园区能源系统的用能情况进行改变，来实现降低成本，但是要实现更好的成本降低需要将能源的使用和能源的供应进行有效的结合。所以在进行能源优化的过程中需求响应实施策略与新能源出力情况具有较为明显的关系。日前优化中通过光伏出力最坏的方式来进行方案制定所得到的方案不一定是光伏出力最坏的情况，需要根据实际情况来进行进一步的调整。所以在优化方案中引入负荷累计改变量来对需求响应的上下限进行确定，可以有效提升日内调整的灵活度，从而来实现更高的经济效益。

2.2 与日内滚动优化算法的对比分析

日内滚动优化方案是根据光伏发电的日前预测出力来制定日前调度计划以及需求响应策略，然后在日内调度过程中建设可以得到当前时段和未来β 个时段的光伏出力值，并通过日前预测来对后续时段的光伏出力情况进行表示，得到的结果如表3 所示。

表3 日内滚动优化计算结果（元）

根据表3 可以发现在日内滚动优化计算中，随着参数β 的增加，所得到的成本就越低，造成这种情况的原因是光伏出力的信息量对光伏出力后续的不确定性会产生影响，随着信息的增多，不确定性会降低，从而对调度计划所产生的影响就越小。与方式1 进行比较可以发现其总成本远远高于方式1 的总成本，在相同步确定集中仅当β=5 时的总成本与方式1 的总成本相近，但是需要对多个时段的光伏出力进行准确的预测是非常困难的，所以采取园区能源体系进行优化计算能够具备更好的效果。

可以发现，随着碳交易价格的提升，碳交易成本将呈现上升后下降的趋势，碳交易成本的最大值出现在碳交易价格为34 元/t 时。这是因为根据园区能源系统的用能方式不能实现经济性和碳排放同时达到最优的效果。在较低碳交易价格情况下，运行成本在园区能源系统的用能成本中起到主导性作用，这时会更加注重用能的经济性，这会导致园区的减碳量较低。随着碳交易价格的提升，碳交易价格在园区能源系统的用能中占据主导作用，这时就会选择更低的碳排放方式来降低碳交易成本，从而有效地提升了减碳量。

3 结语

文章通过基于最优出力区间和碳交易来对园区能源系统的调度算法进行优化，在鲁棒优化调度基础上来进行进一步优化处理，从而实现在光伏出力最坏情况下各个设备的最优出力区间和需求响应中负荷累计该变量的上下限。计算结果表明通过优化算法能够有效降低园区碳交易成本，提升减碳量并有效降低能源使用成本，实现了更好的能源利用。