楊子建，趙 璐，王越超，陳思遠(yuǎn)，孫廣濤，朱 琪，陳 哲，閆佳佳

（1.北京京能高安屯燃?xì)鉄犭娪邢挢?zé)任公司，北京100024；2.丹麥奧爾堡大學(xué) 能源技術(shù)學(xué)院，奧爾堡DK-9220；3.沈陽工業(yè)大學(xué) 電氣工程學(xué)院，遼寧 沈陽110870）

0 引言

為推進(jìn)“碳達(dá)峰、碳中和”目標(biāo)的實(shí)現(xiàn)，燃?xì)怆姀S正加快資源節(jié)約、節(jié)能降耗、環(huán)境友好的智慧電廠的發(fā)展建設(shè)[1]～[3]。隨著燃?xì)怆姀S內(nèi)設(shè)備種類的增加，多能源負(fù)荷用能需求具有的不確定性使廠用電不平衡度不斷提高，不僅影響燃?xì)怆姀S的供能質(zhì)量，還會(huì)給電廠的安全穩(wěn)定運(yùn)行帶來隱患，同時(shí)在電廠相關(guān)建設(shè)規(guī)劃方面也將面臨更多新的問題[4]～[6]。因此，如何實(shí)現(xiàn)對廠用電不平衡狀態(tài)的準(zhǔn)確快速感知，合理配置電、氣、熱多能源儲(chǔ)能設(shè)備，有效降低廠用電不平衡給系統(tǒng)造成的危害，實(shí)現(xiàn)燃?xì)鈾C(jī)組、負(fù)荷、儲(chǔ)能之間的高效協(xié)調(diào)，提高燃?xì)怆姀S的負(fù)荷用能質(zhì)量，降低天然氣資源損耗，減小電廠的碳排放量等目標(biāo)成為目前智慧電廠發(fā)展建設(shè)亟需解決的問題。

目前國內(nèi)外相關(guān)學(xué)者已針對多能源儲(chǔ)能設(shè)備在發(fā)電廠中的供能特性、優(yōu)化配置等方面展開較多研究。文獻(xiàn)[7]考慮發(fā)電廠的運(yùn)行經(jīng)濟(jì)性，在配電網(wǎng)場景下構(gòu)建了基于Fmincon函數(shù)規(guī)劃算法的儲(chǔ)能優(yōu)化配置模型。文獻(xiàn)[8]通過研究儲(chǔ)能系統(tǒng)與火電機(jī)組的運(yùn)行特性，建立了聯(lián)合自動(dòng)發(fā)電控制策略，通過優(yōu)化儲(chǔ)能功率與容量提升火電廠發(fā)電控制調(diào)頻收益。文獻(xiàn)[9]分析了電廠儲(chǔ)能設(shè)備在日前、日內(nèi)和實(shí)時(shí)3個(gè)階段參與電能調(diào)節(jié)的響應(yīng)模型，通過電廠對儲(chǔ)能系統(tǒng)的多階段調(diào)度可以有效降低電廠的運(yùn)行成本，同時(shí)提高供能可靠性。文獻(xiàn)[10]為實(shí)現(xiàn)發(fā)電廠內(nèi)熱電聯(lián)產(chǎn)機(jī)組的調(diào)節(jié)靈活性，提出了一種壓縮空氣儲(chǔ)能系統(tǒng)與發(fā)電機(jī)組集成方案，能夠分別在強(qiáng)化供熱階段與供電階段提升供熱與供電效率。文獻(xiàn)[11]考慮電廠內(nèi)火電機(jī)組與多能源儲(chǔ)能系統(tǒng)的運(yùn)行特性和約束條件，采用非線性自適應(yīng)權(quán)重改進(jìn)了鯨魚優(yōu)化算法，并在此基礎(chǔ)上構(gòu)建了適用于電廠規(guī)劃建設(shè)的多能系統(tǒng)儲(chǔ)能優(yōu)化配置模型。文獻(xiàn)[12]，[13]建立了與傳統(tǒng)電廠內(nèi)單一電池儲(chǔ)能具有相同電能調(diào)節(jié)能力的電、熱、氫、氣多能源儲(chǔ)能系統(tǒng)，能夠根據(jù)廠用電峰谷差參數(shù)進(jìn)行協(xié)調(diào)，提高了電廠的電能調(diào)節(jié)靈活性與經(jīng)濟(jì)性。文獻(xiàn)[14]基于分布式計(jì)算技術(shù)，充分考慮儲(chǔ)能系統(tǒng)建設(shè)成本與電廠運(yùn)行收益間的協(xié)調(diào)性，建立了儲(chǔ)能系統(tǒng)容量與功率規(guī)劃模型。以上研究成果對于多能源儲(chǔ)能設(shè)備在發(fā)電廠中的供能特性、優(yōu)化配置等方面進(jìn)行了研究，并取得了一定的成果。但考慮多種類用能需求不確定性，合理配置電、熱、氣多能源儲(chǔ)能設(shè)備，實(shí)現(xiàn)多種負(fù)荷、燃?xì)鈾C(jī)組以及儲(chǔ)能系統(tǒng)之間的高效協(xié)調(diào)，保障燃?xì)怆姀S的供能質(zhì)量提升，降低天然氣資源損耗，減少電廠的碳排放量，是目前燃?xì)怆姀S內(nèi)多能源儲(chǔ)能系統(tǒng)優(yōu)化配置須要解決的主要問題之一。

本文提出了一種計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型，首先通過分析燃?xì)怆姀S內(nèi)多種能源負(fù)荷用能需求特性，構(gòu)建廠用電不平衡狀態(tài)感知模型；然后考慮投資額度、燃?xì)鈾C(jī)組及多能源儲(chǔ)能運(yùn)行狀態(tài)等約束條件，構(gòu)建以多能源儲(chǔ)能系統(tǒng)綜合成本最小、碳排放量最小、天然氣利用效率最大為目標(biāo)的多能源儲(chǔ)能優(yōu)化配置模型，并求解該模型；最后，通過算例仿真驗(yàn)證了本文提出的多能源儲(chǔ)能優(yōu)化配置模型的經(jīng)濟(jì)性和有效性。

1 廠用電不平衡狀態(tài)感知模型

燃?xì)怆姀S內(nèi)電、熱、天然氣多種能源負(fù)荷用能需求具有不確定性，會(huì)引起廠用電不平衡。為解決這一問題，須要構(gòu)建多能源儲(chǔ)能系統(tǒng)，保障燃?xì)怆姀S的廠用電功率平衡，減少天然氣資源浪費(fèi)，提高電廠的碳減排能力。因此，在多能源負(fù)荷用能需求不確定性影響下，能夠準(zhǔn)確、快速感知廠用電不平衡狀態(tài)是實(shí)現(xiàn)燃?xì)怆姀S多能源儲(chǔ)能系統(tǒng)安全高效運(yùn)行的關(guān)鍵[15]。

本文基于可信預(yù)測精度對多能源負(fù)荷不確定性進(jìn)行定量分析[16]，以多種能源負(fù)荷用能的實(shí)際值和預(yù)測值在t時(shí)刻的偏差與負(fù)荷預(yù)測結(jié)果在該時(shí)刻的比值定義電廠內(nèi)負(fù)荷需求不確定性，具體可表示為

各類負(fù)荷用能需求不確定性對燃?xì)怆姀S的廠用電不平衡狀態(tài)有一定影響，因此，本文采用粒子濾波算法[17]，通過傳感器網(wǎng)絡(luò)對燃?xì)怆姀S的多種類負(fù)荷用能需求狀態(tài)、燃?xì)鈾C(jī)組運(yùn)行狀態(tài)進(jìn)行數(shù)據(jù)采集與化簡處理，實(shí)現(xiàn)對未來負(fù)荷用能需求和燃?xì)鈾C(jī)組運(yùn)行狀態(tài)的預(yù)測，計(jì)算得到負(fù)荷用能需求不確定性的估計(jì)值，從而保障廠用電不平衡狀態(tài)感知的精度。

式中：e′n為n時(shí)刻多種類負(fù)荷用能需求對應(yīng)的偏差；f（·）為輸入輸出對應(yīng)的函數(shù)表達(dá)式。

則此時(shí)燃?xì)怆姀S內(nèi)多種類負(fù)荷需求不確定性狀態(tài)置信水平可表示為

本文將負(fù)荷i在t時(shí)刻的置信水平集合{Kit，i=0，…，I}用于量化燃?xì)怆姀S內(nèi)多種類負(fù)荷需求不確定性狀態(tài)，則根據(jù)式（5）可得：

基于燃?xì)怆姀S內(nèi)電、熱、天然氣多種能源負(fù)荷用能需求不確定性狀態(tài)估計(jì)，廠用電不平衡狀態(tài)置信水平可表示為

2 多能源儲(chǔ)能優(yōu)化配置模型

本文充分考慮燃?xì)怆姀S內(nèi)電、熱、天然氣多種能源負(fù)荷用能需求不確定性引起廠用電不平衡問題，為實(shí)現(xiàn)燃?xì)鈾C(jī)組、負(fù)荷、儲(chǔ)能之間的高效協(xié)調(diào)，提高燃?xì)怆姀S的負(fù)荷用能質(zhì)量，降低天然氣資源損耗與電廠的碳排放量，構(gòu)建了計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型。

2.1 目標(biāo)函數(shù)

本文綜合考慮投資額度、燃?xì)鈾C(jī)組及多能源儲(chǔ)能運(yùn)行狀態(tài)等約束條件，提出的計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型的目標(biāo)函數(shù)由3部分組成：

①多能源儲(chǔ)能設(shè)備的綜合成本F1

多能源儲(chǔ)能設(shè)備在周期T內(nèi)的綜合成本F1主要包括儲(chǔ)電設(shè)備、儲(chǔ)熱設(shè)備和儲(chǔ)氣設(shè)備的投資成本f1、運(yùn)行成本f2、維護(hù)成本f3、處置成本f4：

χH，χg分別為儲(chǔ)電、儲(chǔ)熱、儲(chǔ)氣設(shè)備的使用壽命。

②碳排放量F2

③天然氣利用效率F3

2.2 約束條件

①投資額度約束

式中：Cin-max為燃?xì)怆姀S內(nèi)多能源儲(chǔ)能設(shè)備的最大總投資額度。

淺談海洋石油鉆井完井機(jī)械及工具的國產(chǎn)化發(fā)展…………………………………………… 鄢紅江，包昌華（8-141）

②功率平衡約束

③燃?xì)鈾C(jī)組約束

④多能源儲(chǔ)能設(shè)備容量約束

式中：ES-E-max，ES-H-max，ES-g-max分別為燃?xì)怆姀S內(nèi)儲(chǔ)電、儲(chǔ)熱、儲(chǔ)氣設(shè)備容量的上限。

⑤多能源儲(chǔ)能設(shè)備功率約束

⑥充放能功率與儲(chǔ)能剩余容量關(guān)聯(lián)約束

⑧電網(wǎng)約束

⑨熱網(wǎng)、天然氣網(wǎng)的網(wǎng)絡(luò)約束

網(wǎng)絡(luò)約束見文獻(xiàn)[19]。

⑩聯(lián)絡(luò)線的功率約束

2.3 多能源儲(chǔ)能優(yōu)化配置流程

燃?xì)怆姀S多能源儲(chǔ)能優(yōu)化配置，須要考慮電廠內(nèi)多種類負(fù)荷、燃?xì)鈾C(jī)組與儲(chǔ)能設(shè)備之間的協(xié)同關(guān)系，以及儲(chǔ)能設(shè)備建設(shè)的經(jīng)濟(jì)性。燃?xì)怆姀S多能源儲(chǔ)能優(yōu)化配置策略能夠在感知廠用電不平衡狀態(tài)的基礎(chǔ)上，對電廠內(nèi)電、氣、熱多能源儲(chǔ)能設(shè)備進(jìn)行合理優(yōu)化配置，具體優(yōu)化配置流程見圖1。

圖1 多能源儲(chǔ)能優(yōu)化配置流程Fig.1 Optimization configuration processfor multienergy storage

2.4 模型求解

本文首先采用適應(yīng)度偏差排序法計(jì)算各子目標(biāo)權(quán)重，在此基礎(chǔ)上構(gòu)建了聚合函數(shù)，然后采用自適應(yīng)混沌粒子群算法 （Self-Adaptive Chaos Particle Swarm Optimization，SA-CPSO）[20]對本文建立的計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型進(jìn)行求解。

2.4.1聚合函數(shù)G的具體構(gòu)建模型

式中：φσ為本文建立的多能源儲(chǔ)能優(yōu)化配置模型中多目標(biāo)函數(shù)的子目標(biāo)σ的權(quán)重系數(shù)，子目標(biāo)總數(shù)量為H=3，分別為多能源儲(chǔ)能系統(tǒng)綜合成本最小、碳排放量最小、天然氣利用效率最大；xυ為子目標(biāo)v的最優(yōu)解；gσυ，gσσ分別為xυ代入子目標(biāo)σ的適應(yīng)系數(shù)，以及子目標(biāo)σ自身的適應(yīng)系數(shù)；eσ，eυ分別為子目標(biāo)σ，v的偏差值。

2.4.2自適應(yīng)混沌粒子群算法的具體求解步驟

①輸入燃?xì)怆姀S的相關(guān)運(yùn)行數(shù)據(jù)，如電負(fù)荷、熱負(fù)荷、天然氣負(fù)荷需求，以及電制氣、氣轉(zhuǎn)熱和燃?xì)鈾C(jī)組等設(shè)備的能耗和出力等數(shù)據(jù)；定義粒子群Z，各粒子Zi由燃?xì)怆姀S內(nèi)多種能源轉(zhuǎn)換裝置在t時(shí)刻的運(yùn)行功率、設(shè)備啟停系數(shù)、多能源存儲(chǔ)設(shè)備的運(yùn)行功率、儲(chǔ)能容量、儲(chǔ)放系數(shù)等的集合組成；設(shè)置SA-CPSO算法的基本參數(shù)。

②采用粒子濾波算法實(shí)現(xiàn)燃?xì)怆姀S內(nèi)多種類負(fù)荷需求不確定性狀態(tài)與廠用電不平衡狀態(tài)置信水平

③采用Logistic映射方程，即式（25）混沌初始化粒子的位置和速度：

式中：Bφ為第φ個(gè)混沌變量，并且0≤B0≤1；γ為控制參量，γ=（0，4]，當(dāng)γ=4時(shí)，系統(tǒng)處于完全混沌狀態(tài)，混沌空間為[0，1]。

④計(jì)算各粒子的適應(yīng)值，記錄各粒子自身以及全局最優(yōu)位置。

⑤更新粒子速度和位置：

式中：w，c1，c2分別為慣性權(quán)重和學(xué)習(xí)因子，c1，c2＞0；wmax，wmin分別為w的上、下限；d為搜索空間維數(shù)，取d=3；l為當(dāng)前迭代次數(shù)，最大迭代次數(shù)為L；分別為粒子l在第h次迭代中第d維的自身和全局最優(yōu)位置；η為經(jīng)驗(yàn)系數(shù)，η=[20，55]。

⑥計(jì)算種群適應(yīng)值，更新粒子和種群的最優(yōu)位置。

⑦判斷是否滿足最大迭代次數(shù)要求，若是則進(jìn)行步驟⑨，否則進(jìn)行下一步。

⑧判斷算法是否早熟收斂，若是則根據(jù)式（27）更新粒子群位置并進(jìn)行混沌搜索，并從步驟⑤開始重復(fù)，否則進(jìn)行下一步。

式中：Xmax，Xmin分別為粒子位置遍歷范圍的上、下限。

⑨輸出全局最優(yōu)值，得到多能源儲(chǔ)能系統(tǒng)最優(yōu)配置方案。

3 算例仿真

本文以我國某地區(qū)燃?xì)怆姀S的實(shí)際燃?xì)鈾C(jī)組、多種類負(fù)荷運(yùn)行數(shù)據(jù)為基礎(chǔ)，以如圖2所示的改進(jìn)的IEEE33節(jié)點(diǎn)電力系統(tǒng)、14節(jié)點(diǎn)天然氣系統(tǒng)、6節(jié)點(diǎn)熱力系統(tǒng)構(gòu)成的算例仿真系統(tǒng)對本文所提計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型進(jìn)行仿真驗(yàn)證。將燃?xì)怆姀S全年內(nèi)燃?xì)鈾C(jī)組及負(fù)荷數(shù)據(jù)在各時(shí)段的分布函數(shù)歸一化后的燃?xì)鈾C(jī)組日出力曲線、負(fù)荷日用能曲線如圖3、圖4所示；燃?xì)鈾C(jī)組、天然氣負(fù)荷的碳排放系數(shù)分別取值為0.732 kg/（kW·h），1.93 kg/m3；電價(jià)、熱價(jià)、氣價(jià)如圖5所示；燃?xì)怆姀S內(nèi)燃?xì)鈾C(jī)組、多種類負(fù)荷的基本參數(shù)如表1所示；多能源儲(chǔ)能設(shè)備的基本參數(shù)如表2所示。為驗(yàn)證本文提出的計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型的有效性，設(shè)置了兩個(gè)場景。

圖2 算例仿真系統(tǒng)圖Fig.2 The example simulation system diagram

圖3 燃?xì)怆姀S燃?xì)鈾C(jī)組日出力曲線Fig.3 Daily gas-fired units output curve of the gas-fired power plants

圖4 燃?xì)怆姀S的日負(fù)荷用能曲線Fig.4 Daily load energy curve of the gas-fired power plants

圖5 電價(jià)、氣價(jià)和熱價(jià)Fig.5 Price of electrical，gas and heat

場景一：不考慮燃?xì)怆姀S內(nèi)廠用電不平衡狀態(tài)感知的多能源儲(chǔ)能優(yōu)化配置模型。

場景二：本文建立的考慮廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型。

本文分別對燃?xì)怆姀S內(nèi)多能源儲(chǔ)能系統(tǒng)在場景一、場景二下進(jìn)行了優(yōu)化配置，在此基礎(chǔ)上，通過對燃?xì)怆姀S在兩種場景下接入儲(chǔ)電、儲(chǔ)氣、儲(chǔ)熱設(shè)備后的運(yùn)行狀態(tài)進(jìn)行了算例仿真對比，兩種場景下的多能源儲(chǔ)能系統(tǒng)優(yōu)化配置結(jié)果和燃?xì)怆姀S運(yùn)行情況分別如表3和表4所示。

表3 兩種場景下多能源儲(chǔ)能系統(tǒng)容量配置結(jié)果Table 3 The capacity configuration results of multi-energy energy storage system in two scenarios

表4 兩種場景下燃?xì)怆姀S的運(yùn)行結(jié)果Table 4 The operation results of gas-fired power plants in two scenarios

由表4的仿真結(jié)果進(jìn)行對比分析可得，場景二與場景一相比，多能源儲(chǔ)能設(shè)備的綜合成本降低了13.97%，碳排放量降低了20.74%，天然氣利用效率提高了13.8%。因此，通過本文建立的考慮廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型能夠提高多能源儲(chǔ)能設(shè)備的經(jīng)濟(jì)性，提升天然氣的利用效率，降低電廠的碳排放量。

分別采用自適應(yīng)混沌粒子群算法（SACPSO）、帶壓縮因子的粒子群算法（YSPSO）對本文提出的計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型進(jìn)行求解，設(shè)置種群初始規(guī)模為40；最大迭代次數(shù)L=100；慣性權(quán)重上下限wmax=0.91，wmin=0.6； 學(xué)習(xí)因子c1=1.58，c2=1.63。兩種算法的統(tǒng)計(jì)結(jié)果如表5所示。

表5 兩種算法的求解結(jié)果Table 5 The results of the two algorithms

表5中兩種算法的求解結(jié)果表明，本文采用的SA-CPSO算法的尋優(yōu)性能、收斂與求解速度均優(yōu)于YSPSO算法。

4 結(jié)束語

針對燃?xì)怆姀S內(nèi)廠用電不平衡導(dǎo)致的天然氣資源浪費(fèi)、碳排放量高等問題，本文提出了一種計(jì)及廠用電不平衡狀態(tài)感知與碳減排的多能源儲(chǔ)能優(yōu)化配置模型，并以我國某地區(qū)燃?xì)怆姀S燃?xì)鈾C(jī)組、多種類負(fù)荷的實(shí)際運(yùn)行數(shù)據(jù)為基礎(chǔ)進(jìn)行算例仿真，綜合燃?xì)怆姀S內(nèi)廠用電不平衡狀態(tài)感知模型可知，以多能源儲(chǔ)能系統(tǒng)綜合成本最小、碳排放量最小、天然氣利用效率最大為目標(biāo)建立的燃?xì)怆姀S多能源儲(chǔ)能優(yōu)化配置模型，能夠減少燃?xì)饫速M(fèi)，提高多能源儲(chǔ)能建設(shè)的經(jīng)濟(jì)性，降低燃?xì)怆姀S的碳排放量。