馬士鈺

（華北水利水電大學(xué)電力學(xué)院，河南 鄭州 450040）

0 引言

隨著分布式能源的應(yīng)用越來越廣泛［1］，工業(yè)園區(qū)內(nèi)的能源結(jié)構(gòu)也變得逐漸復(fù)雜。風(fēng)力、光伏發(fā)電［2］的不確定性、傳統(tǒng)化石燃料帶來環(huán)境污染、碳排放量增加等問題為園區(qū)內(nèi)能源系統(tǒng)運(yùn)行方案的設(shè)計(jì)帶了許多困難。2020 年9 月22 日，習(xí)近平主席在第75 屆聯(lián)合國大會發(fā)言時(shí)首次提出：我國力爭2030 年前實(shí)現(xiàn)碳達(dá)峰、努力爭取2060年前實(shí)現(xiàn)碳中和的目標(biāo)［3］。這就要求現(xiàn)代綜合能源系統(tǒng)不能僅僅以降低成本作為目標(biāo)，還要考慮環(huán)境效益降低碳排放量。

傳統(tǒng)能源系統(tǒng)優(yōu)化目標(biāo)單一，往往是以考慮經(jīng)濟(jì)性為主，雖然降低了電力用戶的用電成本，但這樣的所帶來的問題是環(huán)境日益加重。隨著未來碳排放權(quán)交易市場等政策的實(shí)施，碳排放量也將變成廠區(qū)發(fā)電成本的一部分，碳排放量的減少會給電力用戶帶去實(shí)際的經(jīng)濟(jì)利益［4］。因此，將重點(diǎn)研究如何平衡經(jīng)濟(jì)效益與環(huán)境效益之間的關(guān)系，在提高能源利用效率、降低用戶用電成本的同時(shí)降低碳排放量?，F(xiàn)階段區(qū)域綜合能源系統(tǒng)成為國內(nèi)外學(xué)者研究的熱門對象，取得了一定的研究成果。勞金旭等［5］對熱電機(jī)組模型進(jìn)行了修正，提高了模型的精度，增加了電力系統(tǒng)的填谷潛力。陳耀武等［6］基于短期負(fù)荷變化的特點(diǎn)，提出了一種組合式神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法。陳勝等［7］基于電網(wǎng)系統(tǒng)與燃?xì)廨啓C(jī)發(fā)電系統(tǒng)建立了一種能源管理系統(tǒng)，采用概率潮流的概念對兩者進(jìn)行分析，提出了不同情境下能源管理系統(tǒng)的求解方案。黃偉等［8］對分布式能源出力的不確定性進(jìn)行分析，建立一套含有分布式能源的綜合能源系統(tǒng)，采用粒子群算法（Particle Swarm Optimization，PSO）進(jìn)行求解，驗(yàn)證了該模型的可行性和經(jīng)濟(jì)性。梁作放等［9］基于布谷鳥算法，提出以系統(tǒng)最小成本為目標(biāo)的優(yōu)化方案，實(shí)驗(yàn)結(jié)果證明對能源的統(tǒng)一調(diào)度有助于提高能源的利用效率，降低碳排放量。李曉露等［10］引入了碳交易機(jī)制，考慮了碳排放對經(jīng)濟(jì)性的影響，采用混合整數(shù)線性規(guī)劃進(jìn)行求解，證明了引入碳交易機(jī)制后能源管理系統(tǒng)可以提高可再生能源的吸納能力，較少碳排放量?，F(xiàn)階段能源管理系統(tǒng)的研究集中城市區(qū)域范圍內(nèi)。而事實(shí)上，工業(yè)園區(qū)內(nèi)環(huán)境更適合可再生能源的建設(shè)和吸納，對于調(diào)度方案的實(shí)施更便捷，綜合能源系統(tǒng)在工業(yè)園區(qū)內(nèi)具有更高的實(shí)際應(yīng)用價(jià)值。

隨著分布式能源的接入，需要根據(jù)分布式能源出力特點(diǎn)搭建符合其特點(diǎn)的模型，選用更先進(jìn)的算法對調(diào)度方案進(jìn)行更為精準(zhǔn)的計(jì)算。針對以上問題，選用工業(yè)園區(qū)為研究對象，針對經(jīng)濟(jì)效益、環(huán)境效益分別提出成本優(yōu)化方案［11］和削峰填谷方案［12］，基于免疫粒子群算法對各方案賦予權(quán)重［13］，并進(jìn)行求解。進(jìn)行協(xié)調(diào)優(yōu)化后實(shí)現(xiàn)同時(shí)達(dá)到降低成本和減少碳排放量的目的。

1 免疫粒子群算法

1.1 免疫粒子群算法原理

傳統(tǒng)的PSO 可以滿足基礎(chǔ)的迭代過程，程序能夠獨(dú)立運(yùn)行，但是其缺點(diǎn)為優(yōu)化過程中權(quán)重λ 取值容易出現(xiàn)不合理現(xiàn)象。本文后續(xù)計(jì)算中碳排放量、發(fā)電成本權(quán)重的選取能夠?qū)τ?jì)算結(jié)果產(chǎn)生顯著的影響。主觀不合理的權(quán)重同時(shí)會使求解過程出現(xiàn)“早熟”現(xiàn)象，在沒有有效搜索全局之前陷入局部最優(yōu)，導(dǎo)致求解誤差過大。因此，需要一種能夠自動賦予各目標(biāo)權(quán)重并不易陷入局部最優(yōu)的算法。

免疫粒子群算法（Immune Particle Swarm Optimization，IPSO）［14］，將需要優(yōu)化的目標(biāo)看作抗原，每一個(gè)抗體就是問題的一個(gè)解，抗體（粒子）與抗原之間的親和度就是滿足約束條件時(shí)的滿意程度，優(yōu)化效果越好、越是符合約束條件則親和度就越高。IPSO 通過將免疫機(jī)理引入到粒子群算法之中，使其在尋優(yōu)過程中保持高適應(yīng)度，不同親和度的粒子拓展了種群的多樣性，這樣更有利于收斂于全局最優(yōu)結(jié)果，在多目標(biāo)問題求解時(shí)有著顯著的優(yōu)勢。

1.2 IPSO求解步驟

IPSO算法程序流程如圖1所示。

圖1 IPSO算法的程序流程

利用IPSO改進(jìn)后的步驟為：

1）模仿免疫過程中產(chǎn)生的記憶細(xì)胞，通過記憶行為儲存PSO 中的適應(yīng)度好的優(yōu)質(zhì)粒子，每次迭代過程中對各個(gè)粒子進(jìn)行比較，適應(yīng)度最好的粒子視為記憶細(xì)胞。

2）模仿人體的自我調(diào)節(jié)能力，每次迭代過程送檢N個(gè)新粒子，若是有粒子的位置不在規(guī)定維度之內(nèi)，則將該粒子剔除，選用上一代粒子進(jìn)行替代。首先生成m個(gè)符合約束的粒子，根據(jù)粒子親和度的強(qiáng)弱選擇前N個(gè)粒子并定義為新粒子。適應(yīng)度越強(qiáng)往往親和度愈強(qiáng)，親和度用公式可以表示為

式中：Si為適應(yīng)度大小，i=1，2，…，N+m。

親和度決定的選擇概率為

粒子的濃度可以近似表達(dá)為

濃度決定的選擇概率為

某粒子被選中的概率表達(dá)為

式中：α∈[0，1]為系數(shù)權(quán)重。

得出Pi后將按照從大到小進(jìn)行全排列，取前N個(gè)粒子當(dāng)作新粒子。

3）模仿注射疫苗后行為，從N個(gè)粒子中挑選出某個(gè)粒子，然后在記憶粒子的位置矢量中挑選出某維分量替換被挑選出的微粒對應(yīng)維的值。

4）模仿免疫選擇行為，通過注射過疫苗的粒子，觀察其位置矢量是否滿足要求。使用符合位置矢量的粒子的適應(yīng)度與之前粒子相比較，比之前小的就丟棄，否則使用概率計(jì)算生的成值與閾值相比較，若是大于就保留，反之丟棄。

2 能源管理策略

2.1 經(jīng)濟(jì)效益優(yōu)化方案

綜合發(fā)電成本較低的園區(qū)往往代表著經(jīng)濟(jì)效益較好。經(jīng)過對于園區(qū)內(nèi)用電需求的分析，可以將園區(qū)內(nèi)的負(fù)荷大致分為兩個(gè)時(shí)間段，即夏季負(fù)荷、冬季負(fù)荷。分析兩個(gè)時(shí)間段內(nèi)的負(fù)荷的結(jié)構(gòu)，可以發(fā)現(xiàn)冬季負(fù)荷可以大致分為電負(fù)荷加熱負(fù)荷，夏季負(fù)荷可以大致分為電負(fù)荷加冷負(fù)荷。為了滿足熱負(fù)荷和冷負(fù)荷需要投入不同的設(shè)備因此提出兩套管理方案。

通過分析該園區(qū)主要發(fā)電設(shè)備可知，園區(qū)內(nèi)主要發(fā)電成本為：天然氣發(fā)電機(jī)組所消耗的天然氣費(fèi)用、從電網(wǎng)直接購電所需的費(fèi)用、儲能設(shè)備運(yùn)費(fèi)費(fèi)用。因此優(yōu)化目標(biāo)函數(shù)可以記為

式中：θ1為綜合發(fā)電成本；CMT為天然氣發(fā)電機(jī)組消耗的燃?xì)赓M(fèi)用；CEX為從電網(wǎng)直接購電的費(fèi)用；CES為儲能裝置的運(yùn)維費(fèi)用；下標(biāo)min和max分別為下限值與上限值；Ppv為光伏發(fā)電功率；Pwt為風(fēng)力發(fā)電功率；PMT為燃?xì)鈾C(jī)組發(fā)電功率；PEX為電網(wǎng)購入功率；PES為鉛酸蓄電池釋放的功率；Pload為電負(fù)荷所需的功率；Ph為熱負(fù)荷所需的功率；Pc為冷負(fù)荷所需的功率。

夏季負(fù)荷平衡方程為

冬季負(fù)荷的平衡方程為

根據(jù)夏季、冬季對于冷負(fù)荷、熱負(fù)荷需求的不同，在夏季時(shí)優(yōu)先考慮使用溴化鋰吸收式制冷機(jī)滿足冷負(fù)荷的需求，無法滿足的部分使用電制冷機(jī)進(jìn)行補(bǔ)充。在使用電制冷機(jī)時(shí)需要根據(jù)當(dāng)時(shí)的電網(wǎng)電價(jià)進(jìn)行考慮，若電網(wǎng)電價(jià)處于高位，優(yōu)先利用儲能滿足負(fù)荷需求；若電網(wǎng)電價(jià)處于谷價(jià)則優(yōu)先選擇電網(wǎng)供電補(bǔ)充負(fù)荷需求，同時(shí)為鉛酸蓄電池進(jìn)行充電，以此達(dá)到成本最優(yōu)的目的。

在冬季時(shí)優(yōu)先考慮蓄熱式電熱鍋爐中的蓄熱滿足熱負(fù)荷的需求，若無法滿足的部分使用電熱鍋爐部分進(jìn)行補(bǔ)充。在使用電熱鍋爐進(jìn)行補(bǔ)充時(shí)，同理考慮當(dāng)時(shí)電網(wǎng)電價(jià)，電價(jià)處于高位時(shí)優(yōu)先使用儲能裝置進(jìn)行供給，若電價(jià)處于谷價(jià)時(shí)，則通過電網(wǎng)進(jìn)行購電滿足熱負(fù)荷需求，并為儲能裝置充電。

夏季優(yōu)化方案的程序流程如圖2 所示，冬季優(yōu)化方案程序流程如圖3所示。

圖2 夏季優(yōu)化方案的程序流程

圖3 冬季優(yōu)化方案的程序流程

2.2 環(huán)境效益優(yōu)化方案

削峰填谷技術(shù)［15］起到增加分布式能源吸納率、降低碳排放量，解決負(fù)荷曲線峰谷差過大引起設(shè)備頻繁啟停的問題。將園區(qū)內(nèi)負(fù)荷部分分為可變負(fù)荷和不可變負(fù)荷。

系統(tǒng)負(fù)荷標(biāo)準(zhǔn)差是表征削峰填谷效果好壞的重要指標(biāo)，負(fù)荷曲線標(biāo)準(zhǔn)差越小說明曲線越平穩(wěn)，削峰填谷效果就越好。反之，負(fù)荷曲線標(biāo)準(zhǔn)差越大說明曲線波動就越大，因此，優(yōu)化目標(biāo)如下：

式中：θ2為系統(tǒng)負(fù)荷標(biāo)準(zhǔn)差；Pload，r為r時(shí)段系統(tǒng)負(fù)荷；Pav為各時(shí)段內(nèi)的負(fù)荷平均值；T為檢測時(shí)間段。

2.3 權(quán)重賦予

綜上，對多目標(biāo)歸一化處理，即

式中：λ1、λ2分別為上述兩個(gè)子目標(biāo)函數(shù)的權(quán)重，滿足λ1+λ2=1且λ1、λ2∈[0，1]。

權(quán)重在實(shí)際運(yùn)行中可以根據(jù)實(shí)際情況進(jìn)行主動設(shè)定，但主動設(shè)定帶有一定的主觀性。因此本文利用IPSO進(jìn)行自動賦予。

算法與目標(biāo)函數(shù)對應(yīng)關(guān)系如下，對該優(yōu)化目標(biāo)來說，由于目標(biāo)函數(shù)數(shù)值越小，系統(tǒng)優(yōu)化效果越好，故使IPSO算法的適應(yīng)度函數(shù)為

具體步驟如下：

1）初始化一個(gè)種群，在種群中生成N個(gè)粒子，每個(gè)粒子的位置參數(shù)X=［X1，X2，X3］T。

2）根據(jù)2.1 節(jié)和2.2 節(jié)中所述的能源管理策略，利用式（13）確定各個(gè)粒子的適應(yīng)度Si（i=1，2，…，N）。記錄適應(yīng)度較好的粒子，將其作為疫苗（記憶粒子J1）。

3）進(jìn)行下一次迭代，每次生成N個(gè)粒子，重復(fù)步驟1）、2）將適應(yīng)度更好的粒子替代之前記憶粒子，記憶因子記為JL（L=1，2，…，k），最大迭代次數(shù)為k。

4）將產(chǎn)生的N個(gè)粒子與L個(gè)記憶粒子混合，根據(jù)式（13）計(jì)算出N+L個(gè)粒子的適應(yīng)度，再根據(jù)式（2）—式（5）計(jì)算濃度、選中概率大小。

5）在步驟4）中N+L個(gè)粒子中挑選出新的N個(gè)粒子，在其中進(jìn)行隨機(jī)抽取，抽出其中一個(gè)粒子與上一代粒子比較適應(yīng)度，若是高于上一代則進(jìn)行替換反之丟棄，最后進(jìn)行選擇概率的對比，若高于上一代就進(jìn)行替換。

6）重復(fù)步驟5），若已經(jīng)達(dá)到最大迭代次數(shù)或已經(jīng)達(dá)到全局最優(yōu)則跳出循環(huán)，輸出結(jié)果。反之，則跳入步驟2）。

3 算例分析

以某工業(yè)園區(qū)冬季一天內(nèi)的24 個(gè)采樣點(diǎn)實(shí)測數(shù)據(jù)作為研究對象進(jìn)行實(shí)例分析。園區(qū)內(nèi)主要供電方式為燃?xì)鈾C(jī)組發(fā)電、風(fēng)力發(fā)電、光伏發(fā)電、電網(wǎng)供電。進(jìn)行優(yōu)化前園區(qū)內(nèi)功率平衡情況如圖4所示。

圖4 優(yōu)化前功率平衡

觀察圖4可以發(fā)現(xiàn)03：00—04：00、05：00—11：00、13：00—16：00、17：00—19：00、20：00—22：00時(shí)段出現(xiàn)了功率不平衡的情況，發(fā)電量超過負(fù)荷造成了電能的浪費(fèi)。同時(shí)負(fù)荷曲線平穩(wěn)性不高，可再生能源吸納率有很大的提升空間。圖5 為熱能量平衡圖，蓄熱裝置可以基本滿足大部分熱負(fù)荷需求，將電熱部分種視為電負(fù)荷進(jìn)行計(jì)算。

圖5 熱功率平衡

燃?xì)廨啓C(jī)功率的輸出值與天然氣的消耗量近似成正比例關(guān)系，具體數(shù)學(xué)關(guān)系為

式中：Ama為天然氣的消耗量；ηMT為燃?xì)廨啓C(jī)的發(fā)電效率；HMT為燃?xì)廨啓C(jī)的熱值。

按照上述能源管理策略，對園區(qū)內(nèi)能源進(jìn)行仿真測試，驗(yàn)證能源管理策略的有效性。優(yōu)化后功率平衡情況如圖6所示。

圖6 優(yōu)化后功率平衡

由圖6 可以看出優(yōu)化后負(fù)荷曲線更加平滑，可再生能源利用更加合理。但是觀察圖也發(fā)現(xiàn)了相應(yīng)的問題，在04：00—05：00 時(shí)段明顯出現(xiàn)了電網(wǎng)用電量激增疑似不合理的情況。經(jīng)分析結(jié)果和約束可知，電網(wǎng)電價(jià)在04：00—05：00 時(shí)段位于谷價(jià)，因此造成燃?xì)廨啓C(jī)停電，是符合程序運(yùn)行邏輯的。但由于實(shí)際應(yīng)用時(shí)燃?xì)鈾C(jī)組的頻繁啟停會加劇電量浪費(fèi)、增加用電成本。因此，對此處進(jìn)行修改成03：00—04：00 時(shí)段主要有電網(wǎng)供電，減少燃?xì)廨啓C(jī)的啟停次數(shù)。修改后結(jié)果如圖7所示。

圖7 修改后功率平衡結(jié)果

4 結(jié)語

面向工業(yè)園區(qū)提出了一種基于IPSO 算法的能源管理優(yōu)化策略。與傳統(tǒng)能源管理方案相比，同時(shí)針對經(jīng)濟(jì)效益和環(huán)境效益提出兩種優(yōu)化方案，提出優(yōu)化綜合發(fā)電成本和系統(tǒng)負(fù)荷標(biāo)準(zhǔn)差的優(yōu)化目標(biāo)，IPSO算法可以同時(shí)對兩種方案進(jìn)行計(jì)算并自動賦予權(quán)重，避免人工設(shè)置權(quán)重的主觀性。IPSO通過加入免疫算法改善粒子群算法早熟問題，避免陷入局部最優(yōu)的情況。該能源管理系統(tǒng)可以增加可再生能源吸納率、減少電力用戶的用電成本，同時(shí)對減少碳排放量起到了一定的作用。

通過對某工業(yè)園區(qū)的數(shù)據(jù)采樣分析，對所提出的能源管理策略進(jìn)行實(shí)例驗(yàn)證，優(yōu)化后負(fù)荷曲線更平滑、能源出力結(jié)構(gòu)更合理，發(fā)電成本、碳排放量有明顯降低。但是，該方法可能會使發(fā)電設(shè)備啟停增加，如何合理的約束好各設(shè)備的啟停次數(shù)，這是未來對于該能源管理系統(tǒng)優(yōu)化的研究方向。