羅艷紅, 梁佳麗, 楊東升, 周博文, 胡 博, 楊 玲

(1. 東北大學(xué)信息科學(xué)與工程學(xué)院, 遼寧省沈陽市 110819; 2. 國網(wǎng)葫蘆島供電公司, 遼寧省葫蘆島市 125000;3. 國網(wǎng)阜新供電公司, 遼寧省阜新市 123000)

0 引言

傳統(tǒng)能源系統(tǒng)如電力系統(tǒng)、天然氣系統(tǒng)、熱力系統(tǒng)大多是分開規(guī)劃、單獨(dú)運(yùn)行,彼此之間缺乏協(xié)調(diào)與配合,不利于供能系統(tǒng)的經(jīng)濟(jì)、高效運(yùn)行。隨著能源互聯(lián)網(wǎng)的發(fā)展,電、氣、熱等多種能源之間的耦合與內(nèi)部依賴顯著增加,源—網(wǎng)—荷互動(dòng)加強(qiáng)[1],多能源協(xié)同運(yùn)行趨勢日趨明顯。多能源系統(tǒng)對于提升能源利用效率,降低能源成本,保障能源的安全、經(jīng)濟(jì)、高效和清潔供應(yīng)具有重要意義[2-3]。多能源系統(tǒng)由多類異質(zhì)能源系統(tǒng)組成,單個(gè)系統(tǒng)建模、分析和控制方法不同,使得多能源耦合運(yùn)行變得越來越復(fù)雜[4-5]。能量樞紐是一個(gè)典型的多輸入多輸出、多級能量流和信息流融合的互聯(lián)節(jié)點(diǎn),集成包括可再生能源等各種形式的能源,為多能源協(xié)同優(yōu)化提供可能[6]。

目前,基于電、氣、熱等多種能源載體的多能源系統(tǒng)耦合架構(gòu)和運(yùn)行方法已有大量研究[7-8]。文獻(xiàn)[7]提出的能量樞紐建模方法可以對不同能源系統(tǒng)的耦合關(guān)系進(jìn)行建模。文獻(xiàn)[8]提出了包含能源轉(zhuǎn)換和傳輸?shù)亩嗄茉聪到y(tǒng)穩(wěn)態(tài)潮流模型。文獻(xiàn)[9]提出了一種基于有限元節(jié)點(diǎn)法的電—?dú)怦詈衔⒛茉淳W(wǎng)能量流計(jì)算方法。由于可再生能源的利用給電網(wǎng)帶來了大量的不確定性和隨機(jī)性,并且加上風(fēng)光發(fā)電的反調(diào)峰特性,使得一些地區(qū)出現(xiàn)了明顯的棄風(fēng)棄光現(xiàn)象,造成經(jīng)濟(jì)損失和能源浪費(fèi)。多能源系統(tǒng)能否高效、可靠、經(jīng)濟(jì)、環(huán)境友好地運(yùn)行,取決于該系統(tǒng)的設(shè)備選型、設(shè)備容量及運(yùn)行策略的整體優(yōu)化。

現(xiàn)有研究大多是關(guān)于能量樞紐的優(yōu)化運(yùn)行與最優(yōu)潮流等問題,而較少地關(guān)注能量樞紐組件的型號選擇與容量設(shè)計(jì)。文獻(xiàn)[10]為了確定樞紐可用組件的最優(yōu)數(shù)量和容量,在氣—電混合區(qū)域中提出了互聯(lián)能量樞紐的規(guī)劃問題。文獻(xiàn)[11]研究了能量樞紐的擴(kuò)展規(guī)劃問題。文獻(xiàn)[12]提出了一個(gè)考慮能量樞紐可靠性和經(jīng)濟(jì)性以確定樞紐最優(yōu)組件的最優(yōu)設(shè)計(jì)模型,研究了在單點(diǎn)故障下最大化失負(fù)荷概率等指標(biāo)。文獻(xiàn)[13]提出了一種分析和計(jì)算多能源載體供應(yīng)可靠性期望和能量未供應(yīng)期望的模型。文獻(xiàn)[14]采用最大流最小割法確定多個(gè)能量樞紐耦合架構(gòu)間的傳輸容量。針對含不確定因素的最優(yōu)容量配置問題,文獻(xiàn)[15]將可再生能源的不確定性用間隔數(shù)表示,采用證據(jù)推理方法解決綜合能源系統(tǒng)的最優(yōu)容量配置問題。文獻(xiàn)[16]基于機(jī)會(huì)約束規(guī)劃對用戶側(cè)綜合能源系統(tǒng)進(jìn)行最優(yōu)容量配置。文獻(xiàn)[17]利用隨機(jī)規(guī)劃對熱電聯(lián)產(chǎn)(CHP)系統(tǒng)進(jìn)行優(yōu)化配置,并采用雙層規(guī)劃方法求解。文獻(xiàn)[18]提出氣—電系統(tǒng)聯(lián)合擴(kuò)展規(guī)劃,引入決策分析以解決系統(tǒng)可靠性、市場不確定性及需求響應(yīng)影響等問題。文獻(xiàn)[19]提出一種冷熱電聯(lián)供系統(tǒng)的三級協(xié)同整體優(yōu)化方法,采用粒子群算法確定設(shè)備的型號、容量及最優(yōu)運(yùn)行結(jié)果。文獻(xiàn)[20]提出了電、氣、直熱網(wǎng)絡(luò)多目標(biāo)優(yōu)化模型,應(yīng)用改進(jìn)目標(biāo)削減方法求解,實(shí)現(xiàn)綜合能源系統(tǒng)各參與單元的利益協(xié)調(diào)。

綜上所述,現(xiàn)有研究成果主要從多能源系統(tǒng)設(shè)備選型、容量配置和運(yùn)行策略3個(gè)角度建立優(yōu)化模型,而未對這3個(gè)方面進(jìn)行綜合考慮,進(jìn)而整體優(yōu)化設(shè)計(jì)能量樞紐。傳統(tǒng)機(jī)組組合模型以系統(tǒng)運(yùn)行費(fèi)用和啟動(dòng)費(fèi)用兩者形成的綜合成本最低為優(yōu)化目標(biāo),采用確定性的負(fù)荷預(yù)測數(shù)據(jù),未考慮機(jī)組故障的隨機(jī)性和電力系統(tǒng)的可靠性。而能量樞紐的配置問題不僅應(yīng)考慮經(jīng)濟(jì)性問題,也應(yīng)考慮系統(tǒng)上述可能存在的風(fēng)險(xiǎn)問題。

針對上述問題,本文在優(yōu)化配置過程中考慮能量樞紐的可靠性,提出能量樞紐可靠性指標(biāo),將容量優(yōu)化配置與運(yùn)行策略相結(jié)合,設(shè)計(jì)樞紐組件的類型和容量,兼顧能量樞紐的整體優(yōu)化設(shè)計(jì),使能源的可靠性供應(yīng)滿足預(yù)期要求,同時(shí)使規(guī)劃期的成本最小。首先,給出能量樞紐模型,建立計(jì)及可靠性的能量樞紐優(yōu)化配置模型。其次,根據(jù)優(yōu)化策略,提出基于雙層優(yōu)化的能量樞紐最優(yōu)設(shè)計(jì)求解方法。最后,對算例進(jìn)行仿真,驗(yàn)證了所提模型與優(yōu)化策略的有效性。

1 能量樞紐建模

1.1 能量樞紐能源轉(zhuǎn)換模型

能量樞紐是對相互協(xié)調(diào)的多能源系統(tǒng)的建模,代表能源生產(chǎn)、消耗和傳輸設(shè)備之間的交互[21]。能量樞紐通常包含三種基本組件:①能量傳輸設(shè)備, 將輸入的能量直接傳輸?shù)捷敵鰝?cè),不進(jìn)行能量形式轉(zhuǎn)換,如電纜、架空線、管道等;②能量轉(zhuǎn)換設(shè)備, 將不同能源形式進(jìn)行相互轉(zhuǎn)換,如燃?xì)廨啓C(jī)、內(nèi)燃機(jī)、電動(dòng)機(jī)、燃料電池等;③儲(chǔ)能裝置,如蓄電池、燃料電池、儲(chǔ)熱罐等。本文設(shè)計(jì)的能量樞紐模型包括風(fēng)機(jī)、變壓器、CHP機(jī)組、燃?xì)忮仩t、電/熱儲(chǔ)能等設(shè)備。典型能量樞紐實(shí)例如圖1所示。

圖1 典型能量樞紐模型結(jié)構(gòu)Fig.1 Structure of a typical energy hub

從數(shù)學(xué)角度看,能量樞紐可以被視為一個(gè)兩端口網(wǎng)絡(luò)[22]。輸入能量樞紐的電能、天然氣等多種形式的能量經(jīng)過轉(zhuǎn)換、存儲(chǔ)裝置得到系統(tǒng)的輸出(如電、熱、冷)。輸入輸出之間的函數(shù)關(guān)系可以表示為:

L=CP

(1)

即

式中:P為能量樞紐輸入列向量;L為能量樞紐輸出列向量;C為耦合矩陣,表示能量樞紐輸入輸出間的分配與轉(zhuǎn)換關(guān)系。

1.2 計(jì)及儲(chǔ)能的能量樞紐模型

能量存儲(chǔ)單元實(shí)現(xiàn)能量跨時(shí)段轉(zhuǎn)移并協(xié)調(diào)網(wǎng)內(nèi)“源—荷”間不平衡,具有削峰填谷和抑制可再生能源波動(dòng)的作用,促進(jìn)供能系統(tǒng)經(jīng)濟(jì)高效運(yùn)行[23]。通過各種形式的能源存儲(chǔ)可以確保能源轉(zhuǎn)化過程的進(jìn)行,除了水泵、電池、飛輪等形式的能源存儲(chǔ),熱儲(chǔ)能也是一種重要的儲(chǔ)能形式。提高負(fù)荷可控性的內(nèi)在存儲(chǔ)的方法現(xiàn)已出現(xiàn),如具有熱慣性的家用電器控制策略和預(yù)期與電網(wǎng)連接的大規(guī)模電動(dòng)汽車。

對于圖1所示的系統(tǒng)數(shù)學(xué)模型,輸入電、氣兩種能源形式,輸出為電需求、熱需求,矩陣形式表示為:

(2)

2 計(jì)及可靠性的能量樞紐優(yōu)化配置模型

2.1 目標(biāo)函數(shù)

根據(jù)圖1所示的能量樞紐結(jié)構(gòu),樞紐主要組件是能源轉(zhuǎn)換和存儲(chǔ)裝置。樞紐規(guī)劃設(shè)計(jì)問題的目標(biāo)函數(shù)是使負(fù)荷供應(yīng)的總安裝成本、總運(yùn)行成本與計(jì)及可靠性約束的懲罰成本之和最小。

min(CI+CO+CP)

(3)

式中:CI為總安裝成本;CO為總運(yùn)行成本;CP為計(jì)及可靠性的懲罰成本。

總安裝成本包括能源轉(zhuǎn)換器和儲(chǔ)能裝置安裝成本,可表示為:

(4)

式中:k為機(jī)組編號;i和j分別為能源轉(zhuǎn)換與存儲(chǔ)裝置類型;CIi,CIj,Pi,Pj分別為能源轉(zhuǎn)換裝置與存儲(chǔ)裝置的單位容量安裝成本與安裝容量,其中,安裝容量可在備選機(jī)組中進(jìn)行選擇;Iik和Ijk分別為能源轉(zhuǎn)換與存儲(chǔ)裝置的安裝狀態(tài),是一個(gè)0-1變量,0表示該裝置未被用于樞紐中,1表示該裝置參與樞紐運(yùn)行;r0為年折舊率;m為規(guī)劃期年限。此處,能源轉(zhuǎn)換裝置包括變壓器、CHP、燃?xì)忮仩t,儲(chǔ)能裝置包括電儲(chǔ)能、熱儲(chǔ)能裝置。

總運(yùn)行成本是各能源轉(zhuǎn)換、存儲(chǔ)設(shè)備單位容量運(yùn)行成本與輸出功率的乘積,可表示為:

(5)

式中:COi,COj,pi,pj分別為能源轉(zhuǎn)換裝置與存儲(chǔ)裝置的單位容量運(yùn)行成本與輸出功率。

懲罰成本可表示為:

Cp=CEENSCVOLL

(6)

(7)

式中:CEENS和CVOLL分別為能量未供應(yīng)期望和失負(fù)荷值,失負(fù)荷值為一給定值;ps為第s個(gè)場景負(fù)荷未供應(yīng)概率;DLt為t時(shí)刻未供應(yīng)能量。本文假設(shè)能量樞紐僅發(fā)生單點(diǎn)故障。

IγFORγ(1-FORγ)-1p0

(8)

式中:Iγ為機(jī)組γ的安裝狀態(tài);FORγ為第γ個(gè)組件的強(qiáng)制中斷率;θ為全部組件的集合;w為未發(fā)生強(qiáng)制中斷的組件集合;FORw為第w個(gè)組件的未強(qiáng)制中斷率;p0為未發(fā)生故障機(jī)組的概率乘積。此處,由于目標(biāo)函數(shù)中存在的安裝狀態(tài)和輸出功率的乘積為非線性模型,使用Big-M方法將其線性化。

2.2 約束條件

1)電、熱平衡分別為:

(9)

(10)

2)設(shè)備運(yùn)行約束

能源傳輸轉(zhuǎn)換設(shè)備的輸入限制為:

(11)

3)儲(chǔ)能約束

(12)

(13)

(14)

(15)

(16)

4)分配系數(shù)

(17)

式中:vc為某種形式能源分配到不同能源轉(zhuǎn)換裝置的分配系數(shù);c為能源轉(zhuǎn)換裝置編號。

5)負(fù)荷旋轉(zhuǎn)備用約束

為應(yīng)對系統(tǒng)突發(fā)狀況,含高滲透率可再生能源的多能源系統(tǒng)在優(yōu)化配置中需要為系統(tǒng)預(yù)留部分旋轉(zhuǎn)備用,并在能量樞紐中起到修正可靠性指標(biāo)的作用。

(18)

6)可靠性約束

由CEENS和失負(fù)荷時(shí)間期望指標(biāo)CLOLE體現(xiàn)。

CEENS≤CEENS,max

(19)

(20)

式中:CEENS,max為能量未供應(yīng)期望指標(biāo)值上限;CLOLE,max為失負(fù)荷時(shí)間期望值上限;DLST為失負(fù)荷持續(xù)總時(shí)間。

能源樞紐的可靠性主要由元件參數(shù)、運(yùn)行參數(shù)和網(wǎng)絡(luò)內(nèi)部拓?fù)涞纫蛩貨Q定。而各機(jī)組的布放位置及設(shè)備的接線與運(yùn)行方式是影響能源樞紐內(nèi)部網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的關(guān)鍵因素,該因素主要是在能源樞紐規(guī)劃問題中建設(shè)施工過程應(yīng)重點(diǎn)考慮的工程問題。

3 基于雙層優(yōu)化的能量樞紐最優(yōu)設(shè)計(jì)方法

3.1 雙層優(yōu)化模型

本文將能量樞紐優(yōu)化設(shè)計(jì)問題分解為能量樞紐設(shè)備容量配置和系統(tǒng)能量分配問題進(jìn)行求解。傳統(tǒng)能量樞紐容量配置和能量分配單獨(dú)求解的模型使優(yōu)化結(jié)果容易陷入局部最優(yōu)解。由于雙層規(guī)劃可以同時(shí)考慮能量樞紐配置和運(yùn)行調(diào)度,第1層機(jī)組容量優(yōu)化配置結(jié)果可作為第2層運(yùn)行優(yōu)化能量分配的數(shù)據(jù)基礎(chǔ),第2層能量分配結(jié)果可為第1層機(jī)組容量優(yōu)化配置進(jìn)行反饋驗(yàn)證,通過上下層間的優(yōu)化迭代最終求得全局最優(yōu)解。本文構(gòu)建的基于雙層優(yōu)化的能量樞紐優(yōu)化設(shè)計(jì)模型求解流程如圖2所示。該系統(tǒng)優(yōu)化配置涉及樞紐結(jié)構(gòu)優(yōu)化和運(yùn)行變量優(yōu)化,第1層優(yōu)化變量為能量樞紐各組件的容量變量,即CHP機(jī)組臺(tái)數(shù)、鍋爐臺(tái)數(shù)、電/熱儲(chǔ)能機(jī)組數(shù),第2層優(yōu)化變量為能量樞紐各組件的出力。

圖2 能量樞紐雙層優(yōu)化設(shè)計(jì)方法框圖Fig.2 Two-layer optimization method of energy hub

3.2 優(yōu)化策略

系統(tǒng)優(yōu)化設(shè)計(jì)策略主要用于確定各時(shí)刻機(jī)組的出力,對運(yùn)行費(fèi)用有直接影響。由于系統(tǒng)負(fù)荷對運(yùn)行可靠性的要求較高,因而從電網(wǎng)購電是多能源系統(tǒng)的主要供能電源,而可再生能源則是作為補(bǔ)充電源緩解和減輕發(fā)電廠排放的污染物對環(huán)境的危害。但是考慮到可再生能源的隨機(jī)性,本文設(shè)定如下優(yōu)化策略:優(yōu)先考慮風(fēng)力發(fā)電,最大程度地利用可再生能源發(fā)電滿足負(fù)荷用電的基本需求;當(dāng)風(fēng)能由于其隨機(jī)性不能滿足負(fù)荷用電時(shí),根據(jù)當(dāng)前時(shí)段電價(jià)和蓄電池的荷電狀態(tài),確定CHP出力、燃?xì)忮仩t出力、電網(wǎng)直接供電大小及其順序;如果CHP發(fā)電量仍不能滿足用電需求時(shí),判斷儲(chǔ)能裝置放電條件,若滿足則采用蓄電池放電來滿足系統(tǒng)中的瞬時(shí)短缺能量;當(dāng)蓄電池的剩余電量不能滿足用電需求時(shí),從大電網(wǎng)購電。通過計(jì)算系統(tǒng)成本,也可切除不重要負(fù)荷,并計(jì)入電力不足指標(biāo)。該優(yōu)化策略用于下層優(yōu)化運(yùn)行模型迭代求解驗(yàn)證。

3.3 優(yōu)化模型求解

由第2節(jié)可知,基于可靠性的能量樞紐規(guī)劃問題是一個(gè)混合整數(shù)線性規(guī)劃(MILP)問題。根據(jù)3.2節(jié)提出的優(yōu)化策略,上層采用精英保留策略遺傳算法,使用自適應(yīng)交叉率、突變率對遺傳算法進(jìn)行改進(jìn)。由于下層優(yōu)化變量非線性且維數(shù)高,采用具有參數(shù)設(shè)定少、求解速度快等特性的粒子群算法進(jìn)行下層運(yùn)行優(yōu)化的能量分配問題求解,使用MATLAB進(jìn)行仿真,算法流程如圖3所示。

圖3 算法流程圖Fig.3 Flow chart of algorithm

算法求解步驟如下。

步驟1:輸入系統(tǒng)參數(shù)及負(fù)荷數(shù)據(jù),初始化粒子群參數(shù)。

步驟2:對決策變量進(jìn)行染色體編碼。

步驟3:上層規(guī)劃優(yōu)化,產(chǎn)生上層規(guī)劃遺傳算法初始種群,即隨機(jī)產(chǎn)生N個(gè)D維設(shè)備容量變量組成的初始種群,令迭代次數(shù)t=1。

步驟4:下層規(guī)劃優(yōu)化,對于每一個(gè)上層規(guī)劃的初始種群,產(chǎn)生下層規(guī)劃初始種群。

步驟5:根據(jù)下層優(yōu)化模型,使用粒子群算法進(jìn)行機(jī)組優(yōu)化運(yùn)行計(jì)算,獲得最優(yōu)目標(biāo)函數(shù)值。

步驟6:將下層優(yōu)化結(jié)果返回上層規(guī)劃,計(jì)算上層規(guī)劃模型。

步驟7:進(jìn)行遺傳操作,選擇、交叉、變異,產(chǎn)生新種群。

步驟8:針對各粒子,結(jié)合3.2節(jié)提出的優(yōu)化策略分別仿真計(jì)算多能源系統(tǒng)全年的運(yùn)行情況,得到與各微粒對應(yīng)的系統(tǒng)可靠性指標(biāo),進(jìn)行可靠性檢驗(yàn)。

步驟9:判斷是否滿足最大迭代次數(shù)，即最優(yōu)個(gè)體最少保留代數(shù)或遺傳代數(shù),若是則停止迭代,輸出能量樞紐優(yōu)化設(shè)計(jì)結(jié)果;否則繼續(xù)執(zhí)行步驟5至步驟8。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

本文分別給出兩種變壓器、三種CHP機(jī)組、三臺(tái)燃?xì)忮仩t及兩類電熱儲(chǔ)能裝置用于設(shè)備選型,系統(tǒng)結(jié)構(gòu)如圖1所示,能量樞紐組件的數(shù)量不做限制。設(shè)定規(guī)劃年限為10 a,年利率為5%。各轉(zhuǎn)換器及儲(chǔ)能裝置的額定容量、效率、安裝成本、運(yùn)行維護(hù)成本等參見附錄A表A1至表A4。

算例選取的典型日24 h的電、熱負(fù)荷需求、分時(shí)電價(jià)與天然氣價(jià)格分別參見附錄A圖A1至圖A2。其中,售電價(jià)格是購電價(jià)格的1.5倍。

本文中風(fēng)機(jī)容量不參與優(yōu)化,假設(shè)風(fēng)力發(fā)電的額定輸出功率為400 kW,始終以風(fēng)機(jī)最大出力消納風(fēng)電,安裝成本為9元/kW。風(fēng)電預(yù)測功率如附錄A圖A3所示。電、熱失負(fù)荷值分別為30元/(kW·h)和18元/(kW·h)。

4.2 優(yōu)化配置結(jié)果分析

為了分析多能源耦合、儲(chǔ)能單元、負(fù)荷供應(yīng)可靠性約束集成作用的效果,設(shè)定了4種算例:算例1采用傳統(tǒng)能源供應(yīng)網(wǎng)絡(luò),各能源系統(tǒng)單獨(dú)運(yùn)行,即電負(fù)荷由電網(wǎng)購電滿足,熱負(fù)荷僅由燃?xì)忮仩t產(chǎn)生,無儲(chǔ)能設(shè)備;算例2為電、氣、熱多能源耦合模式,無儲(chǔ)能設(shè)備,考慮組件隨機(jī)中斷;算例3在算例2的基礎(chǔ)上加入儲(chǔ)能裝置;算例4考慮儲(chǔ)能影響,并考慮樞紐組件全部充分可用。通過求解上述優(yōu)化問題,得到不同情景下選擇的能源轉(zhuǎn)換和存儲(chǔ)裝置,能量樞紐優(yōu)化配置結(jié)果及各算例成本分別如表1和表2所示。

由表1可知,算例2相比算例1,由于CHP的投資成本明顯高于傳統(tǒng)發(fā)電機(jī)組,使得算例系統(tǒng)投資成本增加,而因?yàn)镃HP燃料消耗少、運(yùn)行效率高,故運(yùn)行成本顯著減小,總成本降低。算例3和算例4考慮儲(chǔ)能作用,使系統(tǒng)安裝成本增加、運(yùn)行成本顯著降低,通過儲(chǔ)能減緩了風(fēng)電的不確定性。算例4由于所有組件充分可用,投資成本和運(yùn)行成本比算例3少,可靠性懲罰成本可以近似忽略。

表1 能量樞紐優(yōu)化配置結(jié)果Table 1 Optimal configuration of energy hub for different cases

表2 各算例成本值Table 2 Cost of energy hub under different cases

使用上文提到的可靠性約束將產(chǎn)生不同的可靠性水平。電儲(chǔ)能荷電狀態(tài)達(dá)到下限之前預(yù)先從電網(wǎng)購電滿足電負(fù)荷平衡。由于使用儲(chǔ)能單元,系統(tǒng)的可靠性水平顯著增加。另一方面,電負(fù)荷比熱負(fù)荷的失負(fù)荷值高,這也導(dǎo)致電負(fù)荷的可靠性水平比熱負(fù)荷高。為了阻止在每種能源轉(zhuǎn)換和存儲(chǔ)單元可能的中斷之后產(chǎn)生任何負(fù)荷損失,失負(fù)荷期望這一可靠性約束及目標(biāo)函數(shù)中相應(yīng)的懲罰成本使得樞紐維持更高的備用能量。

各算例可靠性指標(biāo)如表3所示,表中CLOLE,e和CLOLE,h分別為失負(fù)荷時(shí)間期望的電能指標(biāo)和熱能指標(biāo);CEENS,e和CEENS,h分別為能量未供應(yīng)期望的電能指標(biāo)和熱能指標(biāo)。由此可以得出,傳統(tǒng)供能網(wǎng)絡(luò)的可靠性最差;通過對比算例2和算例3可以看出,組件隨機(jī)中斷算例下儲(chǔ)能單元的加入,使系統(tǒng)的可靠性水平顯著提高;通過對比算例3和算例4可以看出,算例4所有組件充分可用,即將可靠性約束在一定范圍內(nèi)可以降低系統(tǒng)的失負(fù)荷時(shí)間期望與能量未供應(yīng)期望,表明系統(tǒng)可靠性增強(qiáng)。因此,結(jié)果證明了計(jì)及可靠性的能量樞紐優(yōu)化配置方法的有效性,通過可靠性指標(biāo)的大小可以說明考慮可靠性約束的能量樞紐優(yōu)化模型有利于系統(tǒng)可靠性的提升。

表3 各算例可靠性指標(biāo)值Table 3 Reliability indices under different cases

在算例3的基礎(chǔ)上,改變風(fēng)機(jī)容量,設(shè)定算例3a、算例3b、算例3c風(fēng)機(jī)安裝容量分別為200,400,600 kW,風(fēng)機(jī)安裝容量對可靠性指標(biāo)的影響如表4所示。由表4可以看出,電負(fù)荷的失負(fù)荷時(shí)間期望和能量未供應(yīng)期望均小于熱負(fù)荷。隨著風(fēng)機(jī)安裝容量的增加,可靠性指標(biāo)均降低,表明系統(tǒng)可靠性增強(qiáng)。

表4 風(fēng)機(jī)安裝容量對可靠性指標(biāo)的影響Table 4 Effect of installation capacity of wind turbine on reliability indices

4.3 典型日含儲(chǔ)能的能量樞紐能量分配結(jié)果分析

各時(shí)段機(jī)組出力,即能量樞紐電能平衡情況如圖4所示。在夜間負(fù)荷需求較低時(shí),風(fēng)力所發(fā)部分電力借助儲(chǔ)能設(shè)備進(jìn)行存儲(chǔ)。18:00—21:00時(shí)段逐漸上升為用電高峰時(shí)段,向電網(wǎng)購電價(jià)格較高,CHP接近滿發(fā),同時(shí)由儲(chǔ)能設(shè)備釋放電能供給電力需求,緩解高峰時(shí)段發(fā)電需求,由于此時(shí)熱負(fù)荷不高,CHP產(chǎn)生的多余熱量被熱儲(chǔ)能裝置存儲(chǔ);19:00—20:00用電高峰時(shí)段發(fā)生負(fù)荷削減,該用電行為在實(shí)現(xiàn)削峰的同時(shí)實(shí)現(xiàn)了經(jīng)濟(jì)性最優(yōu);22:00—06:00用電量下降,逐漸過渡到谷值時(shí)段,首先最大限度消納風(fēng)電,不足由CHP發(fā)電、蓄電池放電及從電網(wǎng)購電補(bǔ)充,到凌晨時(shí)段電網(wǎng)購電價(jià)格較低,該時(shí)段的電力需求主要靠風(fēng)電供應(yīng)和從電網(wǎng)購電,過剩電能由電儲(chǔ)裝置進(jìn)行存儲(chǔ),提高了系統(tǒng)的風(fēng)電消納能力,使得凈負(fù)荷波動(dòng)性變得平緩,此時(shí)段熱負(fù)荷主要由儲(chǔ)熱裝置和燃?xì)忮仩t供給。由此可見,多能流耦合互補(bǔ)促進(jìn)了可再生能源消納,儲(chǔ)能實(shí)現(xiàn)了不同時(shí)段的能量轉(zhuǎn)移,有助于削峰填谷。

圖4 能量樞紐能量分配結(jié)果Fig.4 Energy distribution results of energy hub

5 結(jié)語

本文基于多能互補(bǔ)和網(wǎng)絡(luò)互濟(jì),提出了一種計(jì)及可靠性的能量樞紐最優(yōu)規(guī)劃與運(yùn)行雙層模型,結(jié)合優(yōu)化策略確定了能量樞紐最優(yōu)容量配置與能量分配結(jié)果?；谀芰繕屑~的多種能源聯(lián)合規(guī)劃設(shè)計(jì)相比傳統(tǒng)分供形式,供能方式靈活,并提高了供能的可靠性與系統(tǒng)的經(jīng)濟(jì)性。通過利用儲(chǔ)能裝置,實(shí)現(xiàn)了削峰填谷。

再者,組件隨機(jī)中斷被考慮在優(yōu)化問題中,反映不同的供給可靠性對多能源系統(tǒng)經(jīng)濟(jì)性的影響。使用提出的計(jì)及可靠性的能量樞紐優(yōu)化設(shè)計(jì)模型可以幫助樞紐決策者確定滿足負(fù)荷需求的最優(yōu)設(shè)備容量和數(shù)量。在提高負(fù)荷供應(yīng)可靠性的同時(shí),能夠減少能源供應(yīng)成本。仿真結(jié)果驗(yàn)證了計(jì)及可靠性的能量樞紐規(guī)劃模型的可行性和有效性。此外,由于風(fēng)機(jī)出力具有不確定性,在規(guī)劃模型中考慮風(fēng)機(jī)容量的優(yōu)化將使得可靠性分析更為復(fù)雜,對于該部分不確定性因素分析將作為下一階段能量樞紐優(yōu)化運(yùn)行的研究重點(diǎn)。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 曾鳴,楊雍琦,劉敦楠,等.能源互聯(lián)網(wǎng)“源-網(wǎng)-荷-儲(chǔ)”協(xié)調(diào)優(yōu)化運(yùn)營模式及關(guān)鍵技術(shù)[J].電網(wǎng)技術(shù),2016,40(1):114-124.

ZENG Ming, YANG Yongqi, LIU Dunnan, et al. “Generation-grid-load-storage” coordinative optimal operation mode of energy internet and key technologies[J]. Power System Technology, 2016, 40(1): 114-124.

[2] 曾鳴,楊雍琦,李源非,等.能源互聯(lián)網(wǎng)背景下新能源電力系統(tǒng)運(yùn)營模式及關(guān)鍵技術(shù)初探[J].中國電機(jī)工程學(xué)報(bào),2016,36(3):681-691.

ZENG Ming, YANG Yongqi, LI Yuanfei, et al. The preliminary research for key operation mode and technologies of electrical power system with renewable energy sources under energy internet[J]. Proceedings of the CSEE, 2016, 36(3): 681-691.

[3] 孫宏斌,潘昭光,郭慶來.多能流能量管理研究: 挑戰(zhàn)與展望[J].電力系統(tǒng)自動(dòng)化,2016,40(15):1-8.DOI:10.7500/AEPS20160522006.

SUN Hongbin, PAN Zhaoguang, GUO Qinglai. Energy management for multi-energy flow: challenges and prospects[J]. Automation of Electric Power Systems, 2016, 40(15): 1-8. DOI: 10.7500/AEPS20160522006.

[4] 甘霖,陳瑜瑋,劉育權(quán),等.含可再生能源的微網(wǎng)冷-熱-電多能流協(xié)同優(yōu)化與算例分析[J].電力自動(dòng)化設(shè)備,2017,37(6):275-281.

GAN Lin, CHEN Yuwei, LIU Yuquan, et al. Coordinative optimization of multiple energy flows for microgrid with renewable energy resources and case study[J]. Electric Power Automation Equipment, 2017, 37(6): 275-281.

[5] 余曉丹,徐憲東,陳碩翼,等.綜合能源系統(tǒng)與能源互聯(lián)網(wǎng)簡述[J].電工技術(shù)學(xué)報(bào),2016,31(1):1-13.

YU Xiaodan, XU Xiandong, CHEN Shuoyi, et al. Brief review to integrated energy system and energy internet[J]. Transactions of China Electrotechnical Society, 2016, 31(1): 1-13.

[6] 吳聰,唐巍,白牧可,等.基于能源路由器的用戶側(cè)能源互聯(lián)網(wǎng)規(guī)劃[J].電力系統(tǒng)自動(dòng)化,2017,41(4):20-28.DOI:10.7500/AEPS20160802010

WU Cong, TANG Wei, BAI Muke, et al. Energy router based planning of energy internet at user side[J]. Automation of Electric Power Systems, 2017, 41(4): 20-28. DOI: 10.7500/AEPS20160802010.

[7] GEIDL M, ANDERSSON G. Optimal coupling of energy infrastructures[C]// 2007 IEEE Lausanne Power Tech, July 1-5, 2007, Lausanne, Switzerland： 1398-1403.

[8] GEIDL M, ANDERSSON G. Optimal power flow of multiple energy carriers[J]. IEEE Transactions on Power Systems, 2007, 22(1): 145-155.

[9] 馬騰飛,吳俊勇,郝亮亮.含冷熱電三聯(lián)供的微能源網(wǎng)能量流計(jì)算及綜合仿真[J].電力系統(tǒng)自動(dòng)化,2016,40(23):22-27.DOI:10.7500/AEPS20160426005.

MA Tengfei, WU Junyong, HAO Liangliang. Energy flow calculation and integrated simulation of micro-energy grid with combined cooling heating and power[J]. Automation of Electric Power Systems, 2016, 40(23): 22-27. DOI: 10.7500/AEPS20160426005.

[10] SALIMI M, GHASEMI H, ADELPOUR M, et al. Optimal planning of energy hubs in interconnected energy systems: a case study for natural gas and electricity[J]. IET Generation, Transmission & Distribution, 2015, 9(8): 695-707.

[11] ZHANG X, SHADIDEHPOUR M, ALABDULWAHAB A, et al. Optimal expansion planning of energy hub with multiple energy infrastructures[J]. IEEE Transactions on Smart Grid, 2015, 6(5): 2302-2311.

[12] SHAHMOHAMMADI A, MORADI-DALVAND M, GHASEMI H, et al. Optimal design of multicarrier energy systems considering reliability constraints[J]. IEEE Transactions on Power Delivery, 2015, 30(2): 878-886.

[13] KOEPPEL G, ANDERSSON G. Reliability modeling of multi-carrier energy systems[J]. Energy, 2009, 34(3): 235-244.

[14] ZHANG X, CHE L, SHAHIDEHPOUR M, et al. Reliability-based optimal planning of electricity and natural gas interconnections for multiple energy hubs[J]. IEEE Transactions on Smart Grid, 2017, 8(4): 1658-1667.

[15] WEI F, WU Q H, JING Z X. Optimal capacity configuration for the integrated energy system using interval optimization[C]// IEEE Innovative Smart Grid Technologies-Asia, November 28-December 1, 2016, Melbourne Australia: 190-195.

[16] JIA C, BAI M, ZHANG C, et al. Optimal configuration of user side integrated energy system based on chance constrained programming[C]// Probabilistic Methods Applied to Power Systems (PMAPS), October 16-20, 2016, Beijing, China: 1-8.

[17] BENAM M R, MADANI S S, ALAVI S M, et al. Optimal configuration of the CHP system using stochastic programming[J]. IEEE Transactions on Power Delivery, 2015, 30(3): 1048-1056.

[18] WANG Dongxiao, QIU Jing, MENG Ke, et al. Coordinated expansion co-planning of integrated gas and power systems[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 314-325.

[19] 趙峰,張承慧,孫波,等.冷熱電聯(lián)供系統(tǒng)的三級協(xié)同整體優(yōu)化設(shè)計(jì)方法[J].中國電機(jī)工程學(xué)報(bào),2015,35(15):3785-3793.

ZHAO Feng, ZHANG Chenghui, SUN Bo, et al. Three-stage collaborative global optimization design method of combined cooling heating and power[J]. Proceedings of the CSEE, 2015, 35(15): 3785-3793.

[20] KOU Y N, ZHENG J H, LI Zhigang, et al. Many-objective optimization for coordinated operation of integrated electricity and gas network[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 350-363.

[21] GEIDL M, KOEPPEL G, FAVRE-PERROD P, et al. Energy hubs for the future[J]. IEEE Power and Energy Magazine, 2007, 5(1): 24.

[22] 王毅,張寧,康重慶.能源互聯(lián)網(wǎng)中能量樞紐的優(yōu)化規(guī)劃與運(yùn)行研究綜述及展望[J].中國電機(jī)工程學(xué)報(bào),2015,35(22):5669-5681.

WANG Yi, ZHANG Ning, KANG Chongqing. Review and prospect of optimal planning and operation of energy hub in energy internet[J]. Proceedings of the CSEE, 2015, 35(22): 5669-5681.

[23] 李洋,吳鳴,周海明,等.基于全能流模型的區(qū)域多能源系統(tǒng)若干問題探討[J].電網(wǎng)技術(shù),2015,39(8):2230-2237.

LI Yang, WU Ming, ZHOU Haiming, et al. Study on some key problems related to regional multi energy system based on universal flow model[J]. Power System Technology, 2015, 39(8): 2230-2237.