李國(guó)堂，宋福浩，陳杰，刁利，王永利，郭遠(yuǎn)征，劉楨梁

(1.國(guó)核電力規(guī)劃設(shè)計(jì)研究院有限公司,北京市 100095;2.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院,北京市 102206)

0 引言

隨著碳中和目標(biāo)的提出,構(gòu)建清潔低碳,安全高效的能源體系日益迫切,發(fā)改能源規(guī)〔2021〕280 號(hào)文提出源網(wǎng)荷儲(chǔ)一體化和多能互補(bǔ)發(fā)展是提升可再生能源開發(fā)消納水平和非化石能源消費(fèi)比重的必然選擇。 綜合能源系統(tǒng)具有縱向源網(wǎng)荷儲(chǔ)協(xié)調(diào),橫向多能互補(bǔ)的優(yōu)勢(shì),是實(shí)現(xiàn)我國(guó)能源革命及“3060”雙碳目標(biāo)的重要載體[1-2]。

合理的規(guī)劃及科學(xué)的調(diào)度策略是綜合能源系統(tǒng)降本增效的必要條件。 關(guān)于綜合能源系統(tǒng)運(yùn)行優(yōu)化模型的研究,其中,需求響應(yīng)手段可充分利用用戶特征,通過“源-荷”互動(dòng)的方式實(shí)現(xiàn)降本增效的目的。 文獻(xiàn)[3]綜合考慮了電-熱需求響應(yīng),構(gòu)建以運(yùn)行成本最低、能效最高的雙目標(biāo)優(yōu)化模型。 文獻(xiàn)[4]在考慮綜合需求響應(yīng)的基礎(chǔ)上,構(gòu)建綜合能源系統(tǒng)運(yùn)營(yíng)商與用戶、上級(jí)能源網(wǎng)的交互框架,引入勢(shì)函數(shù)構(gòu)建了以各主體利益最大化為目標(biāo)的綜合能源系統(tǒng)運(yùn)行優(yōu)化模型。 文獻(xiàn)[5]利用Charnes-Coope 處理綜合能效目標(biāo),實(shí)現(xiàn)綜合能源系統(tǒng)供需雙側(cè)協(xié)調(diào)優(yōu)化。 在碳交易市場(chǎng)背景下,綜合能源系統(tǒng)可通過優(yōu)化手段降低碳排放量以及碳排放成本,文獻(xiàn)[6-8]考慮碳交易機(jī)制,優(yōu)化能源供給側(cè)設(shè)備出力及負(fù)荷側(cè)需求響應(yīng)策略,平抑負(fù)荷波動(dòng),提升可再生能源的消納率,并控制碳排放總量。

由于綜合能源系統(tǒng)的建設(shè)成本較大,相比于綜合能源系統(tǒng)運(yùn)行階段的優(yōu)化,科學(xué)的規(guī)劃結(jié)果能夠節(jié)約更多的成本。 為解決源-荷雙側(cè)不確定性導(dǎo)致的規(guī)劃準(zhǔn)確性下降的問題,文獻(xiàn)[9]研究了可再生資源不確定性處理辦法,構(gòu)建了綜合能源系統(tǒng)的雙目標(biāo)規(guī)劃模型;文獻(xiàn)[10]基于能源集線器(energy-hub,EH)模型,結(jié)合k-means 算法得到典型日負(fù)荷曲線,以上下界區(qū)間的方式描述負(fù)荷不確定性。 在綜合能源系統(tǒng)規(guī)劃方法的研究上,文獻(xiàn)[11]構(gòu)建了三層規(guī)劃調(diào)度模型,包括預(yù)測(cè)層、規(guī)劃層和調(diào)度層;文獻(xiàn)[12]考慮虛擬儲(chǔ)能特性構(gòu)建了區(qū)域綜合能源系統(tǒng)儲(chǔ)能規(guī)劃模型。 碳交易也逐漸引入綜合能源系統(tǒng)規(guī)劃優(yōu)化的研究中,文獻(xiàn)[13]考慮綜合能源系統(tǒng)的低碳性以及建設(shè)時(shí)序,提出了一種基于階梯碳交易機(jī)制的園區(qū)綜合能源系統(tǒng)多階段規(guī)劃方法;文獻(xiàn)[14]建立了一種考慮碳排放懲罰因子的規(guī)劃模型,并針對(duì)碳排放因子進(jìn)行敏感性分析。

現(xiàn)有文獻(xiàn)對(duì)綜合能源系統(tǒng)的規(guī)劃模型研究集中在場(chǎng)景特定[15]、設(shè)備型號(hào)特定的情況下對(duì)設(shè)備裝機(jī)容量?jī)?yōu)化。 因此,針對(duì)綜合能源系統(tǒng)建設(shè)時(shí)遇到的能源結(jié)構(gòu)選擇、設(shè)備型號(hào)選擇、裝機(jī)容量?jī)?yōu)化問題進(jìn)行建模。 首先,分析實(shí)例推理技術(shù)的基本流程,提出基于最近鄰法(K-nearest-neighbors,KNN)實(shí)例推理技術(shù)的能源結(jié)構(gòu)優(yōu)化模型;然后,構(gòu)建“外層選型,內(nèi)層定容”的雙層優(yōu)化框架,考慮選型約束條件及容量?jī)?yōu)化約束條件,利用蟻群-遺傳算法相結(jié)合的智能求解方式對(duì)模型求解;最后,通過算例分析驗(yàn)證模型在解決綜合能源系統(tǒng)規(guī)劃問題上的有效性。

1 協(xié)同優(yōu)化框架

綜合能源系統(tǒng)能夠極大程度上利用能源耦合互補(bǔ)機(jī)理,降低能源消耗成本、提升綜合能效、降低碳排放[16]。

綜合能源系統(tǒng)園區(qū)建設(shè)的地理位置、用戶類型的差異性等特征導(dǎo)致了能源結(jié)構(gòu)的多樣性。 同時(shí),同種類型設(shè)備在型號(hào)、價(jià)格、性能等方面均有不同,這進(jìn)一步提高了綜合能源系統(tǒng)規(guī)劃的復(fù)雜程度。 基于此,本文提出集“能源結(jié)構(gòu)優(yōu)化-設(shè)備選型優(yōu)化-設(shè)備容量?jī)?yōu)化”為一體的協(xié)同規(guī)劃優(yōu)化模型,如圖1 所示。

圖1 協(xié)同優(yōu)化框架示意Fig.1 Illustration of the collaborative optimization framework

2 基于KNN 實(shí)例推理技術(shù)的能源結(jié)構(gòu)優(yōu)化模型

實(shí)例推理技術(shù)(case-based reasoning,CBR)[16-18]是利用已有的經(jīng)驗(yàn)解決新問題的一種方法,具有動(dòng)態(tài)知識(shí)庫和增量學(xué)習(xí)的特點(diǎn)。 本文采用KNN 實(shí)例推理技術(shù)對(duì)綜合能源系統(tǒng)規(guī)劃的能源結(jié)構(gòu)進(jìn)行優(yōu)化選擇,模型流程如圖2 所示。 典型特征因子庫見表1。

表1 特征因子Table 1 Characteristic factor

圖2 KNN 實(shí)例推理技術(shù)Fig.2 Case-based reasoning technology based on KNN

設(shè)S為實(shí)例庫中場(chǎng)景集合:

式中:Sk為第k個(gè)實(shí)例庫場(chǎng)景;skm為第k個(gè)實(shí)例庫場(chǎng)景中第m個(gè)供能機(jī)組類型。

設(shè)E為特征因子集合:

式中:Ek為第k個(gè)實(shí)例庫場(chǎng)景的特征因子集合;ekn為第k個(gè)實(shí)例庫場(chǎng)景中第n個(gè)特征因子。

擬規(guī)劃園區(qū)與實(shí)例庫場(chǎng)景之間的全局相似性計(jì)算公式為:

式中:σSIM(S0,Si)為S0與Si之間的全局相似度;S0為目標(biāo)場(chǎng)景;σSIMj(S0,Si)為S0與Si之間特征因子j的局部相似度;λj為特征因子j的權(quán)重;ηi為S0與Si的結(jié)構(gòu)相似度。σSIM(S0,Si)越接近1,代表S0和Si的全局相似度越大。

1)標(biāo)準(zhǔn)化處理。

式中:fij為標(biāo)準(zhǔn)化后的特征因子值。

2)局部相似度計(jì)算。

步驟1:數(shù)值類型的特征因子通過距離計(jì)算法確定局部相似度。

式中:max (fij - f0j)2為S0和Si的特征因子j之間的最大差值。

步驟2:符號(hào)數(shù)據(jù)局部相似度計(jì)算方法如下:

3)結(jié)構(gòu)相似度。

步驟1:設(shè)S0非空特征因子為集合A,Si非空特征因子為集合B。

步驟2:計(jì)算I=A∩B和U=A∪B。

步驟3:計(jì)算I中所有特征因子權(quán)重總和,記為w1;計(jì)算U中所有特征因子的權(quán)重總和,記為w2。

步驟4:得到ηi=w1/w2。

4)能源規(guī)劃結(jié)構(gòu)選擇。

為了提高能源結(jié)構(gòu)選擇效率,以相似度閾值δ為判斷標(biāo)準(zhǔn),δ越大,則代表選擇場(chǎng)景與目標(biāo)場(chǎng)景相似度越高。δ計(jì)算方法為:

當(dāng)σSIM(S0,Si) ＞δ,將Si作為可行規(guī)劃解。

3 “外層選型,內(nèi)層定容”雙層優(yōu)化模型

1)外層選型優(yōu)化。

利用算法編碼的方式將設(shè)備型號(hào)庫信息傳遞至內(nèi)層定容模型中。

式中:M為設(shè)備類型編碼矩陣;M1為優(yōu)化后能源結(jié)構(gòu)第一種設(shè)備類型;L為設(shè)備類型的個(gè)數(shù);mL m為第L種設(shè)備的第m個(gè)型號(hào)。

2)內(nèi)層定容優(yōu)化。

內(nèi)層定容優(yōu)化以資源容量約束、能源供需平衡約束為約束條件,求解設(shè)備最優(yōu)裝機(jī)容量。 “外層選型,內(nèi)層定容”雙層優(yōu)化框架如圖3 所示。

圖3 “外層選型,內(nèi)層定容”優(yōu)化框架Fig.3 Optimization framework of "outer layer selection, inner layer constant volume"

內(nèi)外兩層均以全壽命周期總成本最低為優(yōu)化目標(biāo),內(nèi)層容量?jī)?yōu)化模型利用算法每迭代一次后,將其結(jié)果記錄在外層選型模型中。

3.1 目標(biāo)函數(shù)

本文引入梯級(jí)環(huán)境交易機(jī)制引導(dǎo)綜合能源系統(tǒng)減少二氧化碳的排放,目標(biāo)函數(shù)為:

式中:Cin為初始投資的年等值成本;Ceov為系統(tǒng)全壽命周期內(nèi)一年的碳交易成本;Cop為全壽命周期內(nèi)年均運(yùn)行成本;Cmc為系統(tǒng)全壽命周期內(nèi)一年的運(yùn)行維護(hù)成本。

1)初始投資成本。

初始投資成本主要考慮系統(tǒng)設(shè)備的購(gòu)置費(fèi)用,并將投資轉(zhuǎn)化為年化投資[19]。

式中:xi,j為定容模型的優(yōu)化變量,表示第i類設(shè)備中j型號(hào)的裝機(jī)臺(tái)數(shù);Ti,j為設(shè)備的單臺(tái)購(gòu)置費(fèi),元/臺(tái),i由實(shí)例推理的綜合能源規(guī)劃結(jié)構(gòu)確定,j由外層選型模型傳遞到內(nèi)層定容模型中;r為基準(zhǔn)折現(xiàn)率;n為壽命周期。

2)碳交易成本。

在碳交易機(jī)制的背景下,系統(tǒng)二氧化碳排放超過碳配額(基準(zhǔn)碳排放量)的情況下,需要購(gòu)買碳排放權(quán)[20]。

式中:D為基準(zhǔn)碳排放量;σ為單位電量的基準(zhǔn)二氧化碳排放;β為單位熱量基準(zhǔn)二氧化碳排放;pl,j(t)為消耗天然氣設(shè)備l的出力;pg(t)為系統(tǒng)購(gòu)電量。

式中:D1、D2分別為階梯二氧化碳排放量限額;κ1、κ2分別為購(gòu)電和使用燃?xì)猱a(chǎn)生的二氧化碳;θ為二氧化碳單價(jià);θ1、θ2分別為階梯環(huán)境交易價(jià)格。

3)外購(gòu)燃料成本。

式中:Ctrq為天然氣消耗成本;Cdl為購(gòu)電成本;Cgas為氣價(jià);Ol,j(t)為設(shè)備的能效值;Rrz為天然氣的熱值,通常取10 kW/m3;Cele(t)為分時(shí)電價(jià);Mele為系統(tǒng)售電量;Cm(t)為售電價(jià)。

4)設(shè)備維護(hù)成本。

式中:Cyx,i為各個(gè)設(shè)備的運(yùn)行維護(hù)成本;pi,j(t)為第i類設(shè)備中j型號(hào)設(shè)備模擬仿真時(shí)的出力。

3.2 約束條件

1)設(shè)備匹配約束。

若實(shí)例庫各場(chǎng)景中均建設(shè)A 機(jī)組與B 機(jī)組,則認(rèn)為A 機(jī)組與B 機(jī)組具有匹配關(guān)系,并形成匹配關(guān)系矩陣Q。

式中:qwe表示第w組匹配關(guān)系的e設(shè)備。

則優(yōu)化模型需要滿足以下約束:

式中:Ewk表示Q中設(shè)備的被選擇狀態(tài),若選中為1,未被選中為0。

2)設(shè)備互斥約束。

現(xiàn)在五芳齋的第一張面孔是“老字號(hào)”，它背后是“一味百年心”的美食匠心，第二張面孔則更顯生機(jī)勃勃，散發(fā)著互聯(lián)網(wǎng)時(shí)代的新銳氣質(zhì)。

若實(shí)例庫各場(chǎng)景中A 機(jī)組與B 機(jī)組均不能同時(shí)共存,則認(rèn)為A 機(jī)組與B 機(jī)組具有互斥關(guān)系,并形成互斥關(guān)系矩陣H。

式中:hrd表示第r組匹配關(guān)系的d設(shè)備。

3)資源容量約束。 主要針對(duì)地源熱泵規(guī)劃時(shí)考慮的可換取熱量約束[21]。

式中:Pd,c、Pd,h分別為地源熱泵的夏季制冷功率與冬季制熱功率;De為地埋管深度;Hs、Hw分別為地源熱泵夏季排熱工況下每延米井深的換熱量以及冬季取熱工況下每延米井深的換熱量;Oc、Oh分別為地緣熱泵供冷與供熱時(shí)的能效值。

4)能量平衡約束。 主要包括冷熱電系統(tǒng)的供需平衡[22]。

式中:Pload(t)、Hload(t)、Cload(t)分別為用戶的電、熱、冷負(fù)荷;Pi(t)為設(shè)備i的供電出力;Hm(t)為設(shè)備m的供熱出力;Cn(t)為設(shè)備n的供冷出力。

3.3 求解算法

設(shè)備型號(hào)優(yōu)化過程類似于路徑選擇問題,利用蟻群算法進(jìn)行求解[23],容量?jī)?yōu)化采用遺傳算法[24]。

4 案例分析

4.1 基礎(chǔ)數(shù)據(jù)及仿真結(jié)果

以我國(guó)西部某商業(yè)園區(qū)為例進(jìn)行案例仿真。實(shí)例庫參數(shù)見附表A1、A2。 計(jì)算得到場(chǎng)景相似度如附表A3 所示,其場(chǎng)景相似度閾值為0.661,其中,S6與S16兩個(gè)場(chǎng)景與目標(biāo)場(chǎng)景的相似度閾值大于0.661。

設(shè)實(shí)例庫中S6為場(chǎng)景1,其能源結(jié)構(gòu)為:風(fēng)機(jī)-光伏-地源熱泵-CCHP -燃?xì)忮仩t-電制冷-儲(chǔ)電;設(shè)實(shí)例庫中場(chǎng)景S16為場(chǎng)景2,其能源結(jié)構(gòu)為:風(fēng)機(jī)-光伏-地源熱泵-冰蓄冷-電制冷-電鍋爐-蓄熱式電鍋爐。

仿真設(shè)備參數(shù)見附表A4。 算法迭代曲線見圖4,仿真規(guī)劃結(jié)果見表2—4。 圖4(a)、(c)為外層選型算法迭代曲線,由于設(shè)備型號(hào)組合多樣,設(shè)置迭代次數(shù)為1000 次;圖4(b)、(d)為內(nèi)層定容算法迭代曲線,迭代次數(shù)為100 次。

表2 場(chǎng)景1 規(guī)劃仿真結(jié)果Table 2 Planning simulation results of scenario 1

圖4 算法迭代曲線Fig.4 Iteration curve of scenarios

場(chǎng)景1 與場(chǎng)景2 的設(shè)備初始投資成本分別為18123 萬、15474 萬元。 僅從初始投資的角度上對(duì)比,場(chǎng)景2 要優(yōu)于場(chǎng)景1。 但在場(chǎng)景2 下,其購(gòu)電費(fèi)用比場(chǎng)景1 高36.1%。

場(chǎng)景1 中各個(gè)月碳排放量差異性小,標(biāo)準(zhǔn)差為1745 kg,場(chǎng)景2 中各個(gè)月碳排放量差異性大,標(biāo)準(zhǔn)差為1933 kg。 主要是由于場(chǎng)景1 配置了熱電聯(lián)產(chǎn)設(shè)備,冬季產(chǎn)生的CO2量低于購(gòu)買火電產(chǎn)生CO2的量。碳排放分析如圖5 所示,場(chǎng)景1 的碳排放量為47122 t,場(chǎng)景2 的碳排放量為49557 t。

圖5 場(chǎng)景1 與場(chǎng)景2 的碳排放量Fig.5 Carbon emissions of scenario 1 and 2

表3 場(chǎng)景2 規(guī)劃仿真結(jié)果Table 3 Planning simulation results of scenario 2

表4 規(guī)劃場(chǎng)景1 和2 經(jīng)濟(jì)性對(duì)比Table 4 Economic comparison of planning scenario 1 and 2

4.2 典型日運(yùn)行討論分析

夏季典型日中,2 個(gè)場(chǎng)景的能源購(gòu)置成本曲線如圖6 所示。 場(chǎng)景1 與場(chǎng)景2 的購(gòu)電成本分別為11.95萬、18.36 萬元。 場(chǎng)景1 為電-氣協(xié)調(diào)的供能系統(tǒng),在本文的仿真條件下,場(chǎng)景1 能源消耗成本比場(chǎng)景2可降低約17.3%。

圖6 能源購(gòu)置成本分析Fig.6 Analysis of energy purchase cost

通過對(duì)比2 種場(chǎng)景的規(guī)劃配置結(jié)果發(fā)現(xiàn),場(chǎng)景1的投資成本高但是運(yùn)行費(fèi)用低,場(chǎng)景2 的投資成本低,但運(yùn)行費(fèi)用高。

4.3 選型分析

為對(duì)比不同設(shè)備型號(hào)對(duì)系統(tǒng)成本的影響,將場(chǎng)景1 中燃?xì)忮仩t型號(hào)由c 換為b,其余設(shè)備型號(hào)保持不變,以驗(yàn)證設(shè)備型號(hào)選擇的有效性,將該場(chǎng)景定義為場(chǎng)景3。 場(chǎng)景3 的規(guī)劃仿真結(jié)果及其與場(chǎng)景1 的對(duì)比如表5、6 所示。

表5 場(chǎng)景3 規(guī)劃仿真結(jié)果Table 5 Planning simulation results of scenario 3

表6 規(guī)劃場(chǎng)景1 和3 的經(jīng)濟(jì)性對(duì)比Table 6 Economic comparison of planning scenario 1 and 3

場(chǎng)景3 中,CCHP 系統(tǒng)和燃?xì)忮仩t的裝機(jī)容量比場(chǎng)景1 小,這導(dǎo)致在運(yùn)行階段電制冷與地源熱泵的使用率增加,耗電量增加,運(yùn)行成本變大。年化運(yùn)行成本總體高于場(chǎng)景1,驗(yàn)證了模型計(jì)算的有效性。

5 結(jié)論

本文提出的綜合能源系統(tǒng)規(guī)劃結(jié)構(gòu)-型號(hào)-容量三級(jí)協(xié)調(diào)優(yōu)化模型能夠解決以下問題:

1)解決綜合能源系統(tǒng)建設(shè)時(shí)規(guī)劃場(chǎng)景選擇問題,在實(shí)例庫數(shù)據(jù)量不斷豐富的基礎(chǔ)上,能夠提升實(shí)例推理計(jì)算結(jié)果與實(shí)際環(huán)境的匹配度。

2)解決設(shè)備型號(hào)組合優(yōu)選及容量?jī)?yōu)化問題,可避免綜合能源系統(tǒng)建設(shè)選型時(shí)造成的容量冗余及設(shè)備效率低下的問題。

附錄A

表A1 各時(shí)段常規(guī)機(jī)組報(bào)價(jià)數(shù)據(jù)Table A1 Initial investment parameters of wind-hydrogen combined system ?

表A2 風(fēng)氫聯(lián)合系統(tǒng)初始投資參數(shù)Table A2 Quotation parameters of conventional units in each period ?

附錄A

注:場(chǎng)景集合中0 代表未建設(shè)該設(shè)備,1 代表建設(shè)該設(shè)備。

注:建設(shè)類型中,1 代表工業(yè)園區(qū),2 代表海島園區(qū),3 代表商業(yè)園區(qū);并網(wǎng)方式中,1 代表并網(wǎng)上網(wǎng),2 代表并網(wǎng)不上網(wǎng),3 代表孤島型。

表A3 場(chǎng)景相似度值Table A3 Scene similarity value ?

表A4 仿真設(shè)備參數(shù)Table A4 Simulation equipment parameters ?