考虑氢储能和需求响应的综合能源系统双层优化配置

栗 然， 彭湘泽， 吕慧敏， 王炳乾

(华北电力大学 电气与电子工程学院，河北 保定 071003)

0 引 言

为了推动能源革命,实现能源绿色转型,发展绿色低碳能源和实现全面绿色转型是关键。氢能可作为能源耦合、存储和转换媒介,在能源互联网的建设中发挥着重要作用[1],对低碳减排、提高利用效率和保护环境具有重要意义[2,3]。综合能源系统(Integrated Energy System,IES)具有综合化、智能化、市场化的特性,成为实现能源低碳、高效利用的重要途径,受到国内外学者广泛关注[4,5]。

目前,在双碳目标的背景下,国内外学者对综合能源系统优化配置问题已经进行了深入研究。文献[6]在研究风-氢互补及低碳特征的基础上,提出了利用碳捕获技术建立风-氢低碳能源系统的最优配置方法。文献[7]设计了电-气一体化系统的功率容量优化方案,该方案在季节性和日内两个尺度方面都具有一定的应用价值。文献[8]为解决区域能源利用效率低、运营费用高的问题,提出了一种新的分布式资源和能量存储的协调规划模型。文献[9] 基于全寿命周期理论对光储电站容量进行优化配置。文献[10]将地源热泵及混合储能系统引入区域综合能源系统。文献[11]研究了以储能电站为基础的多微电网两级最优配置方案,上层为储能电站长期规划,下层为日前的多微电网优化运行。文献[12]针对一种基于能量供需响应和鲁棒性可调场景的社区综合能源系统,提出了一种双层优化配置策略。文献[13]考虑了电力市场供求相互作用下IES投资经营者和配电系统投资经营者之间的主从关系,建立了主从博弈下配电网-多综合能源协同规划模型。文献[14]参照现行的能源定价模型,建立了包含氢储能运营商和各方博弈参与者的博弈模型,构建了三级主从博弈框架。

上述关于IES优化配置研究主要包含三种方法,第一种是综合能源系统单层规划;第二种是综合能源系统双层规划,上层考虑规划配置,下层考虑优化运行,通过KKT条件将下层模型转为上层模型的约束条件求解;第三种是通过主从博弈建立不同利益主体,实现综合能源优化配置。对于不同利益主体采用主从博弈是一种较优的方法,然而主从博弈的求解大多采用迭代算法,结果可能并非最优解,因此本文采用KKT条件将下层模型转化为上层的约束条件,然后求解。

在现有综合能源系统研究中,多数负荷聚合商仅考虑用户负荷特性差异[15,16]或仅考虑负荷需求响应[17,18],未考虑用户作为能源消费者,亦可通过自身能源转换设备实现更优的购能选择,更好地满足自身需求,因此在下层模型中,本文将考虑含电制热设备和需求响应的用户群。

碳中和背景下间歇性风光资源将逐渐代替传统火电,氢储能(Hydrogen Storage System,HSS)以零碳排放[19]、联储联供[20]、灵活转换[21]等优点成为解决可再生能源不确定性的有效途径之一,将过剩的新能源转化为氢能储存,在需要时转化为电、热能释放出来,可改善综合能源系统功率不平衡问题,提高运营商收益。

本文为消纳新能源、提高运营商收益、降低用户群购能成本,设计含氢储能综合能源系统双层框架,结合含电制热设备用户群和需求响应,提出了考虑需求响应和电制热用户群的含氢储能综合能源系统双层优化配置模型,建立了上层长时间尺度含氢储能综合能源系统配置模型和下层短时间尺度考虑需求响应和电制热设备的用户群优化运行模型;然后,采用KKT条件和Big-M法将双层模型转为单层模型求解;最后通过算例验证所提模型的经济性和有效性。

1 含氢储能综合能源系统双层框架

IES具有多种能源转换设备,多能互补为其灵活运行创造了有利条件,综合能源运营商作为管理者,协调系统中各设备运行情况,并做出合理的规划运行决策。设定综合能源系统中含有运营商以及负荷聚合商。具体框架如图1所示。

图1 含氢储能综合能源系统双层框架Fig.1 Two-layer framework for integrated energy system with hydrogen energy storage

由于上层运营商和下层智能用户群属于不同利益主体,所以采用双层优化进行氢储能容量配置。上层运营商作为综合能源系统管理者,含有热电联产、燃气锅炉、电热储能设备,可与用户侧进行电热交易,此外为提高综合能源系统灵活性,上层运营商配置氢储能设备,当新能源充足时,通过电解槽制氢并存储;当新能源不能满足负荷时,通过能源转化释放能量,满足缺额。

下层负荷聚合商将多种不同类型的用户聚合起来,用户侧包括电、热负荷,且每个用户含有光伏与电制热设备。设定从运营商的购电电价小于电网分时电价,当上层运营商能源充足时,下层用户将会优先选择从运营商买电;同时当下层用户光伏出力大于电负荷时,此时用户既可通过电制热设备将电能转化为热能,以满足自身热需求,也可将多余的光伏出售给运营商。用户热负荷能量来源更加丰富,一部分来自上层运营商;另一部分由电制热设备供应,且可进行需求响应,极大提高灵活性。

在双层框架中,上层运营商从长时间尺度出发进行规划配置,下层智能用户群从日前运行角度优化成本,分属于不同的利益主体。考虑到负荷与新能源出力的不确定性,上层规划配置考虑一年中四个典型日,按每个典型日出现的概率,将上层的年投资规划成本归算到每天。下层优化运行考虑用户群整体的运行成本,各智能用户均可与上层运营商进行能源交互,满足自身电热负荷。

2 双层优化配置模型

2.1 精细化氢储能模型

氢能作为未来的低碳能源,具有零排放的特点。在电解槽中,通过电解水得到氢气,同时释放一定的热量,并将余热回收,多余的氢气可储存,在缺能时通过氢燃料电池供能。精细化氢储能涉及电、氢、热能量耦合,具体特性如下:

(1)

2.2 上层含氢储能综合能源系统配置模型

2.2.1 上层目标函数

目标函数为最大化运营商收益,即

(2)

(1)氢储能投资成本

(3)

式中:Eel、Eh、Efuel为电解槽、储氢罐、氢燃料电池容量,a、b、c分别为单位容量成本系数;m为投资使用年限。

(2)与电网交互费用

(4)

(3)购气费用

(5)

式中:cgas为单位天然气价格;PGT,t,w为燃气轮机发电功率;QGB,t,w为燃气锅炉输出热功率;ηGT为燃气轮机发电效率;ηGB为燃气锅炉热效率;LNG为天然气热值,取9.7kW·h/m3。

(4)与下层交互电收益

(6)

式中:λ3,t为运营商的售电单价;λ4,t为运营商购电单价;Pb,t,w、Ps,t,w为下层智能用户第w个场景下t时刻购电总量与售电总量。

(5)与下层交互热收益

(7)

式中:λ5,t为上层运营商的售热单价;Qb,t,w为下层智能用户t时刻购热总量。

(6)需求响应费用

(8)

式中:λ6,t、λ7,t、λ8,t、λ9,t分别为电热需求响应单价;Pshift,t,w、Pcut-e,t,w、Qshift,t,w、Qcut-h,t,w分别为电热需求响应量。

2.2.2 上层模型约束条件

(1)电功率平衡

(9)

(2)热功率平衡

QGB,t,w+PHX,t,w+Qel,t,w+Qfuel,t,w+Qdis,t,w-Qch,t,w=Qb,t,w

(10)

2.3 下层考虑需求响应与电制热用户群模型

下层模型求解含电制热设备用户群优化运行,决策变量为:智能用户从电网购电量、与运营商热交互、电热需求响应量、与运营商电交互、从运营商购售电状态位、电制热设备电功率。

2.3.1 需求响应与电制热模型

用户侧考虑电热需求响应,包含负荷转移量和削减量,其中转移量包含负荷转入量与负荷转出量。则需求响应与电制热模型如下:

电热负荷可转移条件如下:

(11)

(12)

电制热设备模型如下:

(13)

则需求响应收益为

(14)

2.3.2 下层目标函数

下层模型的目标函数为最小化含电转热用户群日运行成本,即

(15)

(1)从电网购电成本

(16)

(2)与上层运营商电交互成本

(17)

(3)从上层运营商购热成本

(18)

式中:Pgridbuy,i,t,w为智能用户i在第w个场景下t时刻从电网购电功率;Pbuy,i,t,w、Psell,i,t,w为用户与运营商电交互功率;Qbuy,i,t,w为用户与运营商热交互功率。

2.3.3 下层模型约束条件

(1)不等式约束

(19)

(2)上下层交互约束

(20)

上下层交互约束包含:下层各用户从运营商购售电之和等于上层运营商购售电之和;下层运营商购热功率之和等于上层运营商供热;用户电热需求响应之和等于上层运营商调用需求响应的量;用户电热需求响应转入总量等于转出总量。

(3)电功率平衡

(21)

(4)热功率平衡

Qbuy,i,t,w+ηehPeh,i,t,w=QLi,t,w+

(22)

3 双层模型求解

本文构建的双层模型可通过KKT条件将下层优化模型转为上层规划模型的约束条件,通过大M法将互补松弛条件线性化,使得模型可求解。上层模型的决策变量包括电解槽、储氢罐和氢燃料电池的规划配置,燃气轮机发电功率和发热功率,运营商与电网交互功率以及状态位,燃气锅炉发热功率,电热储能充放电功率及其状态位;下层模型的决策变量为各用户购售电功率及其状态位,购热功率,电热需求响应功率,电转热设备耗电功率等。

采用大M线性化,约束条件均类似,故举例说明:

(23)

双层模型转为单层模型过程:

(24)

4 算例分析

算例选取某综合能源系统中一年4个典型日的实际数据,每个典型日对应的天数为 91天,假设综合能源系统配置氢储能,风电集中在夜晚,含有用户光伏出力大于负荷的时刻,同时具有多种能源耦合设备。根据用户群的电热负荷需求差异,分为工业用户、商业用户和居民用户,各智能用户均含有电制热设备,可根据自身负荷需求,提高灵活性。电热需求响应参数λ6、λ7、λ8、λ9分别为0.2元/kW·h,0.35元/kW·h,0.1元/kW·h,0.2元/kW·h。

算例场景设置如下:

场景1:考虑上层运营商规划投资电制氢设备,考虑下层智能用户使用电制热设备;

场景2:考虑上层运营商规划投资电制氢设备,不考虑下层智能用户使用电制热设备;

场景3:不考虑上层运营商规划投资电制氢设备,考虑下层智能用户使用电制热设备;

场景4:不考虑上层运营商规划投资电制氢设备,不考虑下层智能用户使用电制热设备。

运营商投资建设氢储能单位成本以及各设备的能源转化效率如表1所示。

表1 氢储能单位投资成本

设置上层运营商向用户售电价格低于电网购电电价,可使智能用户主动从运营商买电,减少与电网直接交互。智能用户售电单价为0.3元/kW·h,从运营商购电、购热单价和从电网购电价格如图2所示。

图2 购能单价Fig.2 Unit price of energy purchase

图3为居民区4个典型日的负荷与光伏功率曲线,通过典型场景法来考虑负荷与新能源的不确定性,商业用户与工业用户类似,故不再详细赘述。

图3 居民区负荷与光伏功率曲线Fig.3 Residential loads and solar power curve

4.1 各场景结果对比分析

从表2中可知,对比场景1和场景3,在上层运营商投资建设电制氢后,运营商的收益增加1 612.48元,这是因为在上层运营商规划氢储能设备后,智能用户可将多余的光伏出售给运营商,降低自身运行成本,同时运营商可将风电以氢能的形式存储起来,在需要的时候放出,以达到削峰填谷的作用,减少生产总成本。对比场景1和场景2、场景3和场景4可知,当下层用户含有电制热设备时,多智能用户成本明显降低,分别降低888.44元和1 747.7元,这是因为电制热设备可将多余的光伏转化为热能,从而减少从上层运营商购热,降低总购能成本。而场景1和场景2相比,由于场景2不考虑下层用户群电制热设备,因此上层运营商需要配置更多的氢储能,导致投资成本增加。

表2 场景对比

在不考虑上层氢储能设备规划与下层用户群电制热设备时,此时新能源消纳率仅为72.25%,而当考虑下层电制热设备时,消纳率提高了11.9%,是因为电制热设备可通过额外光伏出力制热,增加了消纳途径;当上层配备氢储能设备时,此时的新能源消纳率均达到100%,是因为氢储能可将额外的新能源转为氢能存储起来。

4.2 氢储能配置结果

氢储能配置结果如表3所示,配置氢储能日成本之和为1 211.46元,日净收益为25 017.63元,氢储能日成本占比4.84%。合理规划氢储能的容量,有利于促进功率平衡,减少上层运营商的生产成本,因为在有多余的电能时,通过电解槽转为氢能,在缺电时,通过氢燃料电池将能量释放出来转化为电能,并且此时会释放出一定量的热,使得热能来源更加丰富,实现了氢储能的多样化能源转换特性。

表3 氢储能配置结果

4.3 上层氢储能设备和下层电制热设备对功率平衡影响

4.3.1 含氢储能设备上层运营商

图4为冬季典型日氢储能的日周期储能变化曲线,此时电制氢的电能来源为上层运营商的风电以及下层用户的光伏出力,在晚高峰时段通过氢燃料电池产生电能与热能,供给各智能用户,达到降低自身生产成本的作用。

图4 氢储能日周期储能变化Fig.4 HSS daily cycle energy storage change

由图5可知,在冬季典型日,上层运营商电解槽主要工作在9:00-15:00,此时上层风电资源较为充足,与此同时,下层智能用户群光伏发电充足,在满足自身电负荷以及电制热设备耗电供热后,可将余量出售给上级运营商。在17:00-24:00,此时发电来源于风电、燃料电池、燃气轮机和储能放电,在白天时段积蓄的电能和氢能均释放出来满足智能用户的基本供电。而且,上层运营商仅在13:00将多余的电上网,这是因为上层运营商在建设氢储能设备后,能源转化形式更加多样化,通过电制氢可将某些时刻过剩的新能源存储起来,无新能源出力时,通过燃料电池释放,从而减少与电网的交互。

由图6可知,上层运营商从0:00-16:00主要由燃气锅炉来供热以满足下层智能用户群需求,由于燃气轮机热电联产的特性,在热能的同时会产生发电,导致电能过剩,因此在上述时段中,燃气轮机不工作。此外,若利用电制氢余热,则需配置大量的电制氢设备,使生产成本大幅提高,因此由燃气锅炉供热,既可满足热需求,同时也不会弃风弃光。在17:00以后此时由燃气锅炉、燃气轮机、氢燃料电池联合供热,热能来源更加丰富。

图6 运营商热功率平衡Fig.6 Operator thermal power balance

4.3.2 含电制热设备与需求响应下层用户群

冬季典型日居民用户电热功率平衡如图7所示,对于居民区,电负荷峰值集中在9:00和21:00,而光伏出力在13:00达到最大,因此,在负荷出现峰值附近,与上级运营商的电交互更加频繁。

图7 居民用户电热功率平衡Fig.7 Residential user electric and thermal power balance

在3:00-6:00无光伏出力,上层运营商风电出力较小,若由上级运营商以电网电价购电,然后以售电电价出售给用户,会提高运营商的生产成本,而且此时电网电价处于谷价,因此,安排用户直接从电网购电。而在8:00-17:00,此时光伏出力较大,因此,用户可通过电制热满足自身热需求。对于用户,还是以购热为主,由于购热单价较低,对于上层运营商,一方面自身可以满足下层用户的热需求,另一方面,调整用户热需求响应需要一定的费用,因此,从运营商的角度,不需要调用热需求响应。

5 结 论

本文以含氢储能的综合能源系统为研究对象,为解决系统功率不平衡、网侧运营商收益和负荷侧用户成本的问题,提出了一种考虑负荷侧需求响应和含电制热设备用户群的综合能源系统氢储能双层优化配置模型,上层求解长时间尺度综合能源系统氢储能配置,下层为考虑需求响应和电制热的用户群日前优化运行。基于KKT条件和线性化理论,将问题转换为混合整数线性规划。最后以实际算例验证模型的有效性和经济性,结论如下:

(1)通过合理配置氢储能,可提高能源利用效率,减少功率失衡风险,增加运营商收益,并且利用氢储能调节可实现新能源100%消纳。

(2)用户群引入电制热设备和需求响应,能够通过能源转换和分时价格以及需求响应补偿引导用户调整购能计划,降低下层用户群购能成本,提高用户灵活性。