基于热网-电网综合潮流的用户侧微型能源站及接入网络优化规划.pdf

发布时间：2022-05-30 发布人：admin 分类：说明书资料大小：1.53M 资料格式：pdf 举报版权申诉

weixin_38651273-14123218-16359647610777076986.pdf-第1页.png

第1页 / 共10页

weixin_38651273-14123218-16359647610777076986.pdf-第2页.png

第2页 / 共10页

weixin_38651273-14123218-16359647610777076986.pdf-第3页.png

第3页 / 共10页

weixin_38651273-14123218-16359647610777076986.pdf-第4页.png

第4页 / 共10页

weixin_38651273-14123218-16359647610777076986.pdf-第5页.png

第5页 / 共10页

weixin_38651273-14123218-16359647610777076986.pdf-第6页.png

第6页 / 共10页

weixin_38651273-14123218-16359647610777076986.pdf-第7页.png

第7页 / 共10页

weixin_38651273-14123218-16359647610777076986.pdf-第8页.png

第8页 / 共10页

文本预览

第 37 卷第 6 期２０17 年 6 月电力自动化设备ＥｌｅｃｔｒｉｃＰｏｗｅｒＡｕｔｏｍａｔｉｏｎＥｑｕｉｐｍｅｎｔＶｏｌ．37 Ｎｏ．6 Jun. ２０17 基于热网 - 电网综合潮流的用户侧微型能源站及接入网络优化规划白牧可，唐巍，吴聪，徐鸥洋，冯洪涛（中国农业大学信息与电气工程学院，北京 100083）摘要：提出一种考虑热网-电网综合潮流的用户侧综合能源系统的规划方法。考虑经济、节能、环保等因素，建立含风机、光伏、储能、微型燃气轮机及燃气锅炉的微型能源站二层规划模型。上层规划目标函数为年费用最小，优化变量为微型能源站安装位置、容量及接入网络；下层规划考虑储能与微型燃气轮机的优化调度，规划目标包含一次能源节约率、可控分布式能源运行费及网损费用。基于热电耦合，提出热网-电网综合潮流计算方法与流程。采用改进遗传算法和粒子群优化算法对模型进行求解。某用户侧综合能源系统算例验证了所提模型和方法的有效性。关键词：用户侧综合能源系统；微型能源站；热网-电网综合潮流；二层规划；优化调度；模型中图分类号： TM 732 文献标识码： A DOI： 10.16081 ／ j.issn.1006-6047.2017.06.012 0 引言能源是人类赖以生存和发展的基础，是国民经济的命脉。如何提高社会能源利用效率、促进可再生能源规模化开发、减少用能过程中的环境污染、提高社会基础设施利用率和能源供应安全，已成为国际能源领域重要的战略研究方向［1］。在能源需求大幅度增长与环境保护日益迫切的双重压力下，许多国家将注意力转向了综合能源系统 IES（Integrated Energy System）［2］。 IES 特指在规划、建设和运行等过程中，通过对能源的产生／传输／分配（能源供应网络）、转换、存储、消费等环节进行有机协调与优化后形成的能源产供销一体化系统。它由社会供能网络、能源交换环节和广泛分布的终端综合能源单元构成。在用户侧配置的 IES 称为用户侧综合能源系统（USIES）， USIES 为用户提供电能和热能，主要由微型能源站、能源网络及负荷组成。 IES 的研究最早来源于热电联产 CHP（Combined Heat and Power）热电协同优化领域，目前已扩展至分布式能源系统、冷热电联产 CCHP（Combined Cold Heat and Power）系统等。在规划方面，文献［3］建立了包含节能分析、二氧化碳减排和年节约总成本的多目标函数，研究了不同天气下 CCHP 配置成本优化方案，但在规划中未考虑供能网络；文献［4］结合电网与气网对商业和办公建筑区域进行了 CCHP 容量配置，并对优化方案的运行维护成本、人员成本、向电网售电收益及天然气节约收益进行了经济评估，但在规划中未考虑系统网架规划；文献［5］考虑运行优收稿日期：2017 -04 - 11；修回日期：2017- 05 - 18 基金项目：国家自然科学基金资助项目（51377162） Project supported by the National Natural Science Foundation of China（51377162）化，以年费用和运行费用最小为目标建立了嵌入机会约束规划的能源站规划模型，但机会约束规划概率模型不能反映储能时序特点，因此对储能元件不适用，且其未考虑分布式能源接入后的新增管道问题；文献［6］考虑了电网、水网、气网综合网架，对基于分布式能源的 CHP 进行选址定容，虽然对分布式能源的选址定容与供能网络进行了联合规划，但在规划中未考虑系统运行的时序性，忽略了运行调度对规划结果的影响；文献［7］考虑优化调度，研究了多个 CCHP 热网互联情况下的容量配置问题，但未考虑电网网架的规划。在运行策略优化方面，以能源效益、环境效益、经济效益（最大节能率、最小温室气体排放量、最小运行维护费用、最小能源费用、最小年运行费用）为优化目标，采用整数线性规划、混合整数线性规划、遗传算法、粒子群优化等数学优化技术，求解 CHP 系统运行策略。但文献［8鄄12］在进行 CHP 系统优化调度时，未考虑热网与电网的运行特性以及热网与电网之间的耦合关系，对优化结果的准确性有较大影响。文献［13］研究了区域 IES 优化调度方法，建立了以电为核心的 IES 优化调度模型，采用粒子群优化算法作为调度模型求解算法；文献［14］基于对能量枢纽内 CHP 机组热电比可调的考虑，构建了区域 IES 优化运行的双层优化模型，实现内部机组高效运行和外部能源经济分配，通过卡罗需-库恩-塔克条件将双层优化转换为单层优化模型，并用确定性优化软件求解。但文献［13鄄14］未考虑风光等可再生能源的利用。日益严重的环境危机促进了可再生分布式能源的大力发展，IES 中包含可再生分布式能源的结合已成为必然趋势。当前对风力、光伏及生物质等多类

第 6 期白牧可，等：基于热网-电网综合潮流的用户侧微型能源站及接入网络优化规划型能源综合发电已进行了相关研究。文献［15鄄17］从规划的角度，以经济技术指标为目标函数，提出了风力发电、光伏发电和储能等各类电源的选址定容优化方法；文献［18］从运行的角度，提出了多时间尺度的风电和储能联合调度模型与方法；文献［19］从控制的角度，提出了快速跟踪系统动态响应的功率控制策略。文献［15鄄19］研究了风-光-储的联合规划、运行方法和策略，为提高风电、光伏发电的接纳能力提供了方法和途径。对目前的 IES 规划研究多考虑不全面，如未同时考虑容量配置与供能网络优化，未同时考虑供能网络与可再生能源的利用，未同时考虑热网与电网综合网架规划。由于风机出力、光伏出力具有时序变化特性，含不可控分布式电源的 IES 规划应结合能源优化调度，才能得到更准确的运行数据，目前同时考虑容量配置、供能网络优化及系统运行的 IES 规划研究很少。本文结合能源优化调度，以经济、节能、环保为目标，考虑风机、光伏、储能、微型燃气轮机（MT）及燃气锅炉（GB）5 种分布式能源，建立基于热网-电网综合潮流并考虑优化运行的用户侧微型能源站选址定容及接入网络的非线性二层规划模型，采用遗传算法与粒子群优化算法进行求解，并且通过算例进行仿真验证。 1 USIES 网络模型 USIES 主要为用户提供电能和热能，由微型能源站、能源网络及负荷组成。微型能源站中的分布式电源包括风机、光伏、储能等，分布式热源包括 GB 等，MT 既可以供电又可以供热。能源网络包括电网和热网，将用户与微型能源站连接起来。当 USIES 内某些元件既供热又供电时，热网与电网之间就存在耦合，为了得到更加精确的结果，应采用热网-电网综合潮流对 USIES 进行分析。 1.1 热网模型及计算集中供热系统由热源、热网和热用户三部分组成。热网包含以水或蒸汽为介质的供水管网和回水管网，它将热源与热用户连接起来。热网仿真涉及的变量有：管道内的压力和质量流量，管网节点的供水温度、回水温度和热功率。利用水力平衡分析和热力平衡分析，可确定各管内的质量流量以及各节点的供水温度和回水温度。基于图论对热网络拓扑进行描述，借鉴电力系统分析中成熟的潮流算法计算热网潮流。 1.1.1 水力模型及计算［20］ a. 水力模型。水力平衡满足基尔霍夫定律： Am = mq Bhf == 0 （1）其中，A 为热网关联矩阵，描述了节点与管道的连接关系，关联矩阵 A 的每行代表一个节点，每列代表一条管道；m 为每条管道内的质量流量向量（kg ／ s）；mq 为注入每个节点的质量流量向量；B 为基本回路矩阵，描述回路与管道的关系；hf 为水头损失向量。 b. 水力模型计算。本文从质量流率方程的角度，并采用牛顿 - 拉夫逊法来计算水力模型。水力模型的牛顿-拉夫逊法迭代形式为：）（i+1）（i+1） m1 m2 … （i+1） mnpipe = ）（i） m1 （i） m2 … （i ） mnpipe -［J（i）］-1 ） ΔF1（m） ΔF2（m） … ΔFnpipe（m）（2）其中，ΔF 为修正变量；J 为雅可比矩阵；i 为迭代次（i +1）（k = 1，2，…，npipe）为数；npipe 为热力管道的段数；m k 迭代第 i + 1 次时第 k 段管道的质量流量（kg ／ s）。 1.1.2 热力模型及计算（1）热力模型。热力模型可以确定每个节点的温度。节点有 3 种温度：供水温度（Ts）、出口温度（To）和回水温度（Tr）。出口温度是指每个热负荷点的出口处温度，设定为已知。 a. 热功率计算方程。  = Cp m q node（Ts，load- To，load）（3）其中， 为负荷节点的热功率（W）；Cp 为水的比热 node 为注入该节点质量流量（kg ／ s）；（J ／（kg·℃））；m q Ts，load 为负荷供水温度；To，load 为负荷出口温度。 b. 热力网络平衡方程。 Cp（鄱mout）Tout = Cp鄱（minTin）（4）其中，Tout 为节点的混合温度（℃），即水流从热负荷出来后进入回水管道的交汇点混合温度；mout 为管道内离开节点的质量流量（kg ／ s）；Tin 为进管末端水流的温度（℃）；min 为管道内进入节点的质量流量（kg ／ s）。 c. 温度损失计算。 Tend= （Tstart - Ta）eλLpipe ／（Cpmpipe）+ Ta （5）其中，Tstart 和 Tend 分别为某段管道首、末端的温度（℃）； Ta 为环境温度；λ 为管道的传热系数（W ／（m·K））； Lpipe 为该管道的长度（m）；mpipe 为该管道内的质量流量（kg ／ s）。（2）热力模型计算。基于已有的热源供水温度求解各负荷点的供水温度，先进行供水温度的计算；基于已知的每户热负荷出水温度求解各负荷点汇合后的回水温度以及各热源的回水温度，再进行回水温度计算。供水温度计算的线性方程组为：

（6）其中，Cs 为系数矩阵；T′s 为未知变量，即供水温度构成的向量；bs 为常数矩阵。 Cs T′s = bs 回水温度计算的线性方程组为：（7）其中，Cr 为系数矩阵；T′r 为未知变量，即回水温度构成的向量；br 为常数矩阵。 Cr T′r = br 供水温度与回水温度的线性方程组均通过牛顿-拉夫逊法进行求解。 1.1.3 水力-热力模型联合计算当已知各节点（松弛节点除外）的热功率时，热网水力-热力模型联合求解的结构图如图 1 所示。热网数据 m 水力模型热力模型输出结果 mq 热力平衡方程 Ts，load Tr，source 负荷节点热功率  负荷出口温度 To，load 热源温度 Ts，source 管道质量流量 m 负荷供水温度 Ts，load 负荷回水温度 Tr，load 热源回水温度 Tr，source 热损热网拓扑管道内径管道长度粗糙系数图 1 水力-热力模型联合计算结构图 Fig.1 Flowchart of combined calculation for hydraulic鄄thermal model 1.2 电网模型及计算 1.2.1 电网模型 n Pi = Ui鄱 j＝1 Uj（Gij cos δij + Bij sin δij） n Qi = Ui鄱 j＝1 Uj（Gij sin δij - Bij cos δij）（8）（9）其中，Pi、Qi 分别为节点 i 注入的有功功率和无功功率；Gij、Bij、δij 分别为节点 i、j 之间的电导、电纳和电压相角差；n 为系统节点总数；Ui、Uj 分别为节点 i、 j 的电压幅值。 1.2.2 电网模型计算由于牛顿-拉夫逊法本身对电压初值非常敏感，每次迭代雅可比矩阵形式复杂，而且需要求逆计算，计算量大，影响了计算速度，并且用户侧微型能源站中配电网具有较大的 R ／ X，致使其在配电网中存在收敛困难的问题，因此本文采用前推回代法进行电网潮流计算，具体过程可参考文献［21］，此处不再赘述。 1.3 热电耦合元件模型电力网络和热力网络是通过耦合元件 MT 耦合在一起的，MT 产能的燃料是燃气，通过 MT 内部工作将燃料中能量分别转化为热能和电能，其热电比符合一定的函数关系。选取 Capstone 公司的 C200 型 MT，忽略外界环境变化对发电、燃料燃烧效率的影响，其热电关系数学模型为： QMT（t） = P e MT（t）［1 - ηge MT（t） - ηl］／ ηge MT（t） Qhe（t） = QMT（t） ηheKh FMT（t） = （鄱P e MT（t） Δt）／（ηge MT（t）L （10）本文中，USIES 的消耗燃气产能元件有 MT 与） GB，其输入与输出的关系为［22鄄23］：电力自动化设备第 37 卷 MT（t）、ηge MT（t）分别为 t 时段 MT 的排气其中，QMT（t）、P e 余热量、电功率和发电效率；ηl 为散热损失率；Qhe（t）为 t 时段溴冷机制热量；ηhe、Kh 分别为溴冷机的制热系数和烟气回收率；FMT（t）为 t 时段 MT 燃气消耗量； Δt 为 MT 的运行时间长度，本文取 1 h；L 为天然气的低热值，通常取 9.73 kW·h ／ m3。本文算例基于 Capstone 公司的 C200 型 MT，对 MT（t）的实际数据进行 MATLAB 拟合，可得 ηge 关系函数为： MT 与 P e ηge MT（t）= 0.416 6（P e 0.836 5（P e MT（t）／ 200）3- 1.013 5（P e MT（t）／ 200） + 0.092 6 MT（t）／ 200）2+ （11）若 MT 散热损失率 ηl 固定，根据式（11）可得 t MT（t） - ηl，进而可计 MT（t） = 1 - ηge 时段 MT 发热效率为 ηgh 算得到 MT 发热量。 1.4 热网-电网综合潮流 USIES 内耦合元件是热网与电网连接的桥梁，基于耦合元件热、电功率特性形成热网-电网综合潮流。热网潮流采用牛顿-拉夫逊法求解，电网潮流采用前推回代法求解。热网-电网综合潮流可为用户侧微型能源系统规划及运行优化提供准确的基础数据，热网-电网综合潮流求解算法流程见图 2。开始读取系统原始数据环境温度 Ta 供水温度 Ts 回水温度 Tr 负荷节点热功率  电源 Psource、 Usource 电负荷 P、Q 平衡节点 U 、θ 分布式能源模型求解电网潮流电网功率平衡方程式（8）、（9）得到耦合元件发电量，根据耦合元件热电特性获取耦合元件制热量修正网络交换功率求解热网潮流水力平衡方程式（1）热功率平衡方程式（3）、（4）温度损失方程式（5） N 潮流解满足约束条件？ Y 输出结果结束图 2 热网-电网综合潮流求解算法流程图 Fig.2 Flowchart of integrated thermal鄄 electric power flow calculation

第 6 期白牧可，等：基于热网-电网综合潮流的用户侧微型能源站及接入网络优化规划 Le Lh = MT vMTηge vMTηgh MT+ （1 - vMT）ηGB Pg （12）折旧系数：其中，Le、Lh 分别为 MT 和 GB 所供应的电负荷和热负荷；Pg 为天然气输入的能量；ηGB 为 GB 的效率； 0≤vMT≤1 为天然气分配系数，vMT Pg 表示输入 MT 的 MT 和天然气，（1 - vMT）Pg 则表示输入 GB 的天然气；ηge MT 分别为天然气经过 MT 转化为电力和热能的转 ηgh 换效率。利用热网-电网综合潮流进行用户侧微型能源站选址定容及接入网络规划。规划时考虑运行条件，通过控制可控分布式能源不仅能实现能量平衡和抑制风机、光伏发电的功率波动，而且可以协调热网与电网之间的能源分配，从而提高能源利用率，达到经济性、能源效益与环保效益三者最优。 2 用户侧微型能源站及接入网络二层规划模型 2.1 规划思路为了获得更符合实际情况的分布式能源发电量与制热量、燃料费用、网损费用等数值，需要在规划时引入优化调度，因此采用二层规划方法，该方法可以解决能源站优化配置及可控分布式能源的调度优化问题。上层规划为能源站投资决策问题，规划目标是年费用最小，决策变量是分布式能源的安装位置与容量及接入线路；下层规划为分布式能源优化运行问题，决策变量是 MT 与储能调度值，规划目标包含一次能源节约率、可控分布式能源运行费及网损费用。上层规划结果即分布式能源站的投资决策变量为下层规划提供了初始条件，下层规划所得运行最优值反馈到上层规划，代入年费用即可获得上层规划总的目标函数值。本文能源站包含风机、光伏、储能、MT 及 GB 5 种分布式能源。 2.2 上层目标函数以设备年投资运行维护费用 C、电网购电年费用 CG 及环境成本费用 CE 最小为优化目标，决策变量为微型能源站安装位置与容量，目标函数为： Fup= min（C + CG+ CE）（13） 2.2.1 年投资运行维护费用 C 年投资运行维护费用包含分布式能源设备投资费用 CC、分布式能源设备运行维护费 COM 及新增网架投资和运行维护费用 CP。（14） a. 分布式能源设备投资费用 CC（考虑折旧因素）。 C = CC+ COM+ CP NME CC=鄱 i＝1 Ni 鄱 j＝1 CRFi αi Ci C i apj （15） CRF= r（1 + r）Lf （1 + r）Lf - 1 （16）其中，NME 为能源设备的种类数；Ni、αi、Ci 分别为第 i 类能源设备的安装总数、固定投资年平均费用系数、单位容量投资成本；C i ap j 为第 i 类能源设备安装在第 j 个安装位置的安装容量；r 为折旧率；Lf 为工程年限。 b. 分布式能源设备运行维护费 COM。 COM= CO+ CM CM= 8 760（cPVCap PVC F PV+ cWTCap WTF F WT+ cMTCap MTCF MT+ （17） apC F cBCB B）（18）其中，CO 为分布式能源的运行费，由下层目标优化决定；CM 为分布式能源的维护费；cMT、cB、cPV、cWT 分别为 MT、GB、光伏、风机的单位能量维护费用；Cap ap、 PV、Cap Cap MT、 CF B、C F MT、CB WT 分别为 MT、GB、光伏、风机的安装总容量；CF PV、F F WT 分别为 MT、GB、光伏、风机的容量系数。 c. 新增网架投资及运行维护费用 CP。 NL CP=鄱 g＝1 new Ng 鄱 k＝1 xg，k（CRF1γg，kCnew g，k Lg，k+ Wnew g，k ）（19）其中，NL 为新增网架线路种类，表示热管道和电力线路；xg，k 为 0-1 变量，0 表示第 g 种线路的第 k 条拟新建管道未被选中，1 表示被选中；γg，k 为第 g 种线路的第 k 条管道新建的固定投资年平均费用系数；Cnew g，k 为第 g 种线路的第 k 条管道单位长度管道的投资成本；Lg，k 为第 g 种线路的第 k 条新建管道的长度； Wnew g，k 为第 g 种线路的第 k 条新建管道的投资及运行维护费用。 2.2.2 电网购电年费用 CG 4 CG=鄱 k＝1 24 Tk鄱 t＝1 （CPCGP，k（t） - CSCSP，k（t））（20）其中，CP、CS 分别为从外网购电的电价和向外网售电的电价；CGP，k（t）、CSP，k（t）分别为第 k 季 t 时段购电量和售电量。 2.2.3 环境成本费用 CE 污染物排放主要来源于 MT、GB，为了控制空气污染物的排放，本文引入了大气环境指标，主要研究 NOx 和 CO2 的排放量。 4 CE= 鄱 k＝1 24 t Tk鄱 t＝1 2 鄱 i＝1 ［Ri（K i MTP MT e，k（t） + Ki BQB k（t））Δt ］（21） MT 、Ki 其中，Tk 为四季天数；Ri 为第 i 种污染物的环境价值 B 分别为 MT 和 GB 的第 i 种污染物（元／ kg）；K i 的排放强度（kg ／（kW·h））；P MT e，k 为第 k 季 t 时段 MT 电功率；QB 2.3 下层目标函数 k（t）为第 k 季 t 时段 GB 输出热量。下层目标函数包含年一次能源节约率 ηPESR、分布式能源运行费 CO 及网络损耗费用 Closs 这 3 个函数。下层目标函数为：

电力自动化设备第 37 卷（22） Flow= min［ω1（1 ／ ηPESR） + ω2CO+ ω3Closs］下层多目标进行归一化处理，采用判断矩阵法确定各子目标权重，权重向量 W = （0.637 0，0.258 3， 0.104 7）。 2.3.1 一次能源节约率 ηPESR ［24］ CHP 系统年一次能源消耗量为： PEC= E LC ηLC grid ηgridηe + F LC LC MT + F B 分产系统年一次能源消耗量为： PEC= E FC ηFC grid ηgridηe 年一次能源节约率为： + F FC B ηPESR= ηFC PEC- ηLC PEC ηFC PEC （23）（24）（25） grid 、E FC 其中，E LC grid 分别为 CHP 系统和分产系统的年电网购电量（kW·h）；ηgrid 为电厂供电效率；ηe 为电网输电效率；F LC LC 分别为 CHP 系统中 MT 和 GB 消耗 FC 为分产系统中 GB 消耗的年天然气热量（kW·h）；F B 的年天然气热量（kW·h）。 2.3.2 分布式能源运行费 CO MT、F B 由于能源消耗费用占运行费的绝大比重，运行费 Cf t NMT 鄱 h＝1 NB MT，k，h（t）+鄱 q＝1 （26） MT，k，h（t）为第 k 季 t 时段在 h 位置配置的 MT B，k，q（t）为第 k 季 t 时段在 q 位置配置） B，k，q（t C f 约等于燃料费。 24 ） Tk鄱 t＝1 4 CO= 鄱 k＝1 其中，Cf 的燃料成本；C f 的 GB 的燃料成本。 2.3.3 网络损耗费用 Closs Closs= Qloss+ Ploss= t Npipe 鄱 i＝1 24 ） Tk鄱 t＝1 4 鄱 k＝1 chCmmk，t，i ΔTk，t，i + cp Δt Ploss，k，t （27）其中，Qloss 为热网损耗（kW）；Ploss 为电网损耗（kW）； ch、cp 分别为单位热网网损成本（元／ kW）和单位电网网损成本（元／ kW）；Cm 为比热容，其中 1 kW·h = 3 600 000 J；Npipe 为管道条数；mk，t，i、ΔTk，t，i 分别为第 k 季 t 时段第 i 段管道内的质量流量（kg ／ s）、首端至末端的温度损耗（℃）；Ploss，k，t 为第 k 季 t 时段的电网损耗。 2.4 约束条件 2.4.1 电力网络约束 a. 支路功率约束。 Pk≤Pk max 其中，Pk 为支路 k 的有功功率值；Pk 功功率最大允许值。（28） max 为支路 k 的有 b. 节点电压约束。 Ui min≤Ui≤Ui 其中，Ui 为节点 i 的电压值；Ui 的电压上、下限。 max （29） min 分别为节点 i max、Ui c. 功率平衡约束。功率平衡约束条件满足式（8）、（9）。 2.4.2 设备约束 a. 蓄电池充放电约束。 SOCmin≤SOC（t）≤SOCmax x PCh_min≤PCh（t）≤PCh_max PDCh_min≤PDCh（t）≤PDCh_max β1SOCmax≤SOC（t）≤β2SOCmax （30）其中，SOC（t）为蓄电池 t 时刻荷电状态；SOCmax、SOCmin 分别为蓄电池的荷电状态上、下限；PCh（t）为 t 时刻蓄电池的充电功率；PCh_min、PCh_max 分别为蓄电池的最小、最大充电功率；PDCh（t）为 t 时刻蓄电池的放电功率； PDCh_min、PDCh_max 分别为蓄电池的最小、最大放电功率； β1 和 β2 分别为充、放电系数。 SOC（t + 1） = SOC（t） + P t SOC（t） +（P t P t es β1Δt es ／ β２）Δt P t es≥0 es< 0 （31） es 为 t 时刻储能的充放电功率，充电时 P t es≥0，其中，P t 放电时 P t es< 0。 b. MT 爬坡率约束。增加功率时，爬坡率约束为： PMT（t） - PMT（t - 1）≤Rup，MT 减小功率时，爬坡率约束为： P MT（t - 1） - P MT（t）≤Rdown，MT （32）（33）其中，Rup，MT、Rdown，MT 分别为在一个调度时段内 MT 调整的有功功率上、下限。 c. GB 出力约束。 QB min≤QB≤QB （34） max min、QB max 分别为 GB 最小出力其中，QB 为 GB 出力；QB 和最大出力。 2.4.3 热力网络约束热力网络采用量调节的方式进行调节，其约束条件满足式（1）、（3）—（5）。 2.5 下层目标函数各项目标权重的处理多目标问题不能用数据大小进行直观比较，需要转化成单目标函数［25］。判断矩阵法是一种定量和定性相结合的计算权重方法，既能在一定程度上反映客观情况，又考虑了不同使用者对各目标的重视程度。本文利用判断矩阵法［26］来实现多目标函数到单目标的转化。判断矩阵法的核心是根据各目标之间的等级关系确定判断矩阵，形成准则如表 1 所示。针对本文的运行优化问题，可将各目标根据重要性分等级：一次能源节约率反映系统改造后的节能性能，作为第 1 等级目标；分布式能源运行费，作为反映当前经济性重要考核指标，将其作为第 2 等级目标；网络损耗费用反映系统的运行效率，将其作为第 3 等级目标；结合上述分析，取判断数形成判断

第 6 期白牧可，等：基于热网-电网综合潮流的用户侧微型能源站及接入网络优化规划表 1 判断矩阵形成准则 3.3 算法流程 Table 1 Formation criterions of judgment matrix 标度含义 1 3 5 7 9 2 个因素相比，具有同等重要性 2 个因素相比，一个比另一个稍微重要 2 个因素相比，一个比另一个明显重要 2 个因素相比，一个比另一个强烈重要 2 个因素相比，一个比另一个极端重要注：①标度 2、4、6、8 代表上述两相邻判断的中值； ②倒数，因素 i 与因素 j 比较判断 aij，则因素 j 与因素 i 比较判断 aji = 1 ／ aij。矩阵： J = 1 1 1 ／３ 1 ／５ 3 1 1 ／３ 5 ３ 1 （35）经过矩阵处理后，得到各目标权重向量 W = （0.637 0，0.258 3，0.104 7）。 3 求解方法上层采用改进遗传算法求解［27］，引入最优保留策略和自适应遗传算子，使改进的遗传算法能够获得全局最优解。 3.1 上层规划编码每个染色体分为两部分，如表 2 所示。表 2 上层规划染色体结构 Table 2 Structure of chromosome for upper planning level 分布式能源信息新建线路分布式能源容量，分布式能源类型电力线路，热管道染色体第一部分表示分布式能源候选位置相应节点的可能安装容量及类型，使用 3 位二进制数来表示每个候选位置上分布式能源的数量，即每个位置相应有 8 种可能容量，当编码为 0 时表示不接入分布式能源；每个候选位置上的分布式能源类型有 5 种。第二部分表示分布式能源接入网架的候选线路，每个分布式能源有 2 条候选电力线路或热管道将其接入网架，该部分编码分为 2 段，分别对应新建电力线路与新建热管道：第 1 段用 1 位二进制数，对应 2 种不同的电力线路；第 2 段用 1 位二进制数，对应 2 种不同的热管道。 3.2 下层规划编码本文采用惯性因子随适应值自动改变的自适应粒子群优化算法。粒子的编码如图 3 所示。粒子第一部分表示储能 24 h 调度值，用 Pi1 — Pi24 表示，符号为正代表吸收功率，符号为负代表发出功率；粒子第二部分表示 MT 24 h 调度值，用 Mi1— Mi24 表示。储能 24 h 调度值 MT 24 h 调度值 Pi，PSO= ［Pi1，Pi2，…，Pi24，， Mi1，Mi2，…，Mi24］，图 3 粒子编码 Fig.3 Particle coding a. 输入网络原始数据。 b. 根据原始数据进行潮流计算，获得初始网络相应数据。 c. 按上文所述对上、下层规划编码。 d. 产生上层规划决策变量、设备容量位置及新增管道的遗传算法初始种群。 e. 生成各分布式能源、电负荷及热负荷的各季典型日数据。 f. 针对上层初始化种群中每一个个体，产生下层规划初始化群体。根据下层规划模型，对每个时段进行热网-电网综合潮流计算，采用粒子群优化算法对储能、MT 进行调度，得到下层规划目标函数最优值。 g. 将上层初始化群体中每一个体对应的下层规划最优值、每个时段的运行费用、每个时段的 MT 和 GB 出力、每个时段的购电量及售电量返回上层规划。 h. 计算上层规划模型。 i. 进行遗传操作（选择、交叉、变异），产生新种群。 j. 判断终止条件，首先若满足收敛条件则计算结束，其次若达到最大迭代次数则计算结束；否则， t = t + 1，转至步骤 f。 4 算例及结果分析 4.1 算例介绍以北方某商住型负荷区为例，原有区域电网-热网结构如图 4 所示，该区域原由市政供热、公用电网供电。随着区域热、电负荷的增长，需要在用户侧新建微型能源站以满足热负荷及电负荷需求，新建及改造后区域热网不与市政热网连接，电网并网运行，可购电和售电。最大电负荷为 2 600 kW + 1 499.33 kvar，最大热负荷为 3 214 kW。电网 1 31 28 25 22 19 14 Ⅰ 29 Ⅱ 26 23 20 18 10 Ⅶ 8 7 30 27 24 21 9 Ⅳ 13 5 Ⅴ 11 6 12 3 2 4 Ⅵ 16 15 Ⅲ 17 电负荷，电力线路热负荷，热管道图 4 热网-电网结构图 Fig.4 Structure of interconnected thermal and electric networks 由于风机、光伏为不可控分布式能源，结合不可控分布式能源的特性及供暖规律，本文将一年分为

电力自动化设备第 37 卷 4 个季节，4 个季节各选一个代表日，每个代表日分为 24 个时段。图 5、图 6 为冬夏典型日的负荷曲线，图 7 为风机、光伏冬夏典型日出力图。 W k ／荷负电 3 000 2 000 1 000 00:00 06:00 夏季冬季 12:00 时刻 18:00 24:00 图 5 冬夏典型日电负荷曲线 Fig.5 Typical daily electric load curves of summer and winter W k ／荷负热 3 500 2 250 1 000 00:00 06:00 冬季夏季 12:00 时刻图 6 冬夏典型日热负荷曲线 Fig.6 Typical daily thermal load curves of summer and winter ，力出机风 W k ／力出伏光 120 60 0 00:00 ，力出机风 W k ／力出伏光 24:00 120 60 0 00:00 光伏风机 12:00 时刻（a）夏季风机光伏 24:00 12:00 时刻（b）冬季图 7 典型日风机与光伏出力曲线 Fig.7 Typical daily power output curves of WT and PV 表 3 相关参考价格 Table 3 Relative reference prices 参数取值参数取值天然气价格 3.45 元／ m3 GB 单位造价 850 元／ kW 用户侧售电电价 0.609 元／（kW·h） MT 单位造价 10 000 元／ kW 向电网购电电价 0.49 元／（kW·h）风机单位造价 8 000 元／ kW 储能单位造价 1 923 元／ kW 光伏单位造价 6 500 元／ kW 表 4 NOx 与 CO2 排放因子 Table 4 Emission factors of NOx and CO2 NOx CO2 设备 GB MT 排放强度／［kg·（MW·h）-1］环境价值／（元·kg-1）排放强度／［kg·（MW·h）-1］环境价值／（元·kg-1） 0.255 6 0.2 8 742.6 201.96 0.044 表 5 设备性能参数 Table 5 Equipment performance parameters 参数 GB 制热效率电网输电效率取值 0.8 化配置：情形 1，分产系统，只由 GB 供热，热网孤岛运行，只由公用电网供电，无其他发电元件；情形 2， CHP 系统，MT 与 GB 共同供热，热网孤岛运行，MT 与公用电网共同供电，除 MT 无其他发电元件；情形 3，区域多能源系统，MT 与 GB 共同供热，热网孤岛运行，MT、风机、光伏、储能及公用电网共同供电。规划结果见表 6、表 7。针对情形 1—3 分别形成方案表 6 规划结果 Table 6 Results of planning 18:00 24:00 参数取值 0.15 MT 散热损失率溴冷机制热系数 0.92 溴冷机烟气回收率 0.9 电厂平均供电效率 0.377 1.2 受风力、光照等自然资源的影响，风机多安装在分布式能源情形 1 情形 2 情形 3 空旷场地，光伏多安装在建筑物楼顶或外墙；储能需要配合风、光等不可控分布式能源进行电能存储，故储能的安装位置紧邻风机、光伏；MT 与 GB 多安装在热负荷集中的位置，规划区相对面积不大，对环境和土地占用亦有一定要求，不能随意确定 MT 与 GB 的安装位置。因此，应结合实际资源分布及环境和土地、负荷分布情况，通过现场勘察确定分布式能源候选位置。图 4 中光伏与风机、储能候选安装位置为 Ⅲ 、Ⅴ 、Ⅵ 、Ⅶ ；MT 与 GB 候选安装位置为 1、2、7、 11、22，含 MT 的系统采用“以电定热”模式。遗传算法初始参数为：种群规模为 100，迭代次数为 50，交叉概率为 0.9，变异概率为 0.1。粒子群优化算法初始参数为：种群规模为 30，迭代次数为 50，个体加速因子为 2，全局加速因子为 2。表 3 给出涉及的相关参考价格。各主要设备的 NOx 与 CO2 排放量见表 4。表 5 给出设备性能参数。 4.2 方案比较 4.2.1 不同情形下的方案比较对 3 种计算情形进行微型能源站及接入网络优 GB MT 风机光伏储能电力线路热管道容量／ kW 1 500，1 500，1 100 800，700，800 800，900，700 位置 1，2，11 容量／ kW 位置容量／ kW 位置容量／ kW 位置容量／ kW 位置长度／ m 接入位置 — — — — — — — — — — 长度／ m 80，250，200 1，2，22 600，400 2，7 — — — — — — 270，130 1，2，7 400，400 2，11 100，300 Ⅵ，Ⅶ 88，176 Ⅲ，Ⅴ 99，165，66，198 Ⅲ，Ⅴ，Ⅵ，Ⅶ （180，150），（260，100）， 120，110 Ⅵ，Ⅶ Ⅴ，Ⅵ，Ⅲ，Ⅶ 70，230， 120，210 70，250， 150，200 接入位置 1，2，11 1，2，7，22 1，2，7，11 表 7 规划成本比较 Table 7 Comparison of planned costs 情形投资运行维护费用／（万元·a-1） 1 2 3 698.29 897.46 964.98 购电成本／（万元·a-1）环境成本／（万元·a-1）总成本／（万元·a-1）年一次能源节约率／％ 737.18 276.95 193.52 16.26 20.09 19.81 1 451.73 1 194.50 1 178.31 — 34.33 41.10

第 6 期 1—3。白牧可，等：基于热网-电网综合潮流的用户侧微型能源站及接入网络优化规划由表 6 可知，随着 MT 的接入，GB 的总容量减少；方案 3 的 MT 容量比方案 2 减少 200 kW，说明可再生分布式电源的接入，减少了系统对 MT 供电的需求。由表 7 数据可以看出，方案 2 和方案 3 中购电成本都明显优于方案 1，方案 2 比方案 1 购电成本减小 62.43 %，说明 MT 发电可以减少系统购电量，方案 3 比方案 2 的购电成本减小 30.12 %，说明可再生分布式电源的加入进一步减少系统购电量；虽然 MT 和分布式电源的加入，使投资运行维护费用及环境成本增加了，但由于系统内部发电，使购电量减少带来的效益大于投资运行维护费用及环境成本的增加，所以方案 3 的总成本比方案 1 和方案 2 分别减少 18.83 %、 1.07 %，方案 2 的总成本比方案 1 减少 17.72 %；与方案 1 比较，方案 2 和方案 3 的一次能源节约率分别为 34.33 % 和 41.10 %，说明虽然 MT 的加入使得系统的环境成本增加了，但是对于全社会而言，能源得到了节约，可再生分布式电源的利用可以提高一次能源节约率，所以方案 3 的社会环保效益优于方案 2，方案 2 的社会环保效益优于方案 1。图 8 给出了第 3 种情形的优化结果。电网 Ⅰ 29 Ⅱ 26 23 20 18 GB 1 m 0 7 31 30 27 24 21 28 25 22 19 14 WT ES m 1 1 0 Ⅶ 8 100 m GB 10 9 7 1 8 0 m 5 ES PV Ⅴ 11 200 m 12 6 1 5 0 m MT Ⅳ 13 GB MT 3 0 5 2 6 2 2 m 0 m Ⅵ 1 0 0 m 4 WT ES 15 m 16 120 PV ES 17 Ⅲ 新建电线，电力线路， MT MT 新建热管，热管道， PV 光伏电负荷， WT 风机， GB GB 热负荷， ES 储能图 8 热网-电网结构图 Fig.8 Structure of interconnected thermal and electric networks 方案 3 春季典型日 MT 制热量见图 9。由图 9 可知，方案 3 MT 从 17:00 至次日 06:00 之间产热量较高，这是由于 07 : 00 — 16 : 00 之间光伏和风机同时发电，通过优化调度 MT 减少了发电量，相应的制热量也会减少，使系统能源高效利用；在“以电定热 ” 模式下，MT 出力并未一味地满足电负荷而处于满发状态，这说明在热网-电网综合潮流计算时，MT 的发电量受到热网约束，因此可以更加合理地调度电 W k ／量热制 1 200 600 0 00:00 06:00 12:00 时刻 18:00 24:00 图 9 春季典型日 MT 制热量 Fig.9 Thermal power outputs of MT for typical day of spring 能和热能，更加高效地利用能源，减少了能源浪费。图 10 给出了各方案冬季典型日净电负荷曲线，净电负荷是指电负荷减去系统内部所有产电设备产电后的负荷值。 W k ／荷负电净 2 500 1 250 0 00:00 06:00 情形 1 情形 3 18:00 24:00 情形 2 12:00 时刻图 10 冬季典型日各方案净负荷曲线 Fig.10 Typical daily net load curves of winter for different schemes 由图 10 可知，方案 2 和方案 3 均使系统购电量下降。系统采用“以电定热”模式，06:00 — 08:00，方案 2 净电负荷较低，方案 3 净电负荷明显增多，加大低负荷期间的电能利用；09 : 00 — 13 : 00，方案 2 净电负荷升高，并在 10 : 00 出现峰荷，方案 3 将峰荷转移，并使这段期间内负荷变化很小；14 : 00 — 20 : 00，方案 3 峰谷差明显比方案 2 峰谷差小；21:00—24:00，方案 3 避免了方案 2 中出现的净电负荷最低情况； 01:00 — 04 : 00，方案 3 未出现方案 2 净电负荷剧烈变化的情况，经上述分析可得，与方案 3 相比，方案 2 对电负荷的削峰填谷作用较小。方案 3 净电负荷峰谷差最小，这说明储能作为可控元件，能够调节系统内整体电负荷水平，缓解可再生分布式电源出力带来的波动性，起到削峰填谷、节能降损的作用，所以方案 3 在支持热网供热的同时，对电网进行调节效果最优。 4.2.2 不同控制模式下的方案比较在方案 3 配置下，采用 2 种控制模式进行优化：模式 1，“以电定热”模式；模式 2，“以热定电 ”模式。规划结果见表 8。由表 8 数据可以看出，模式 1 的购电成本比模表 8 不同控制模式下方案 3 年费用比较 Table 8 Comparison of annual cost between different control modes for scheme 3 控制模式投资运行维护费用／（万元·a-1）购电成本／（万元·a-1）环境成本／（万元·a-1）总成本／（万元·a-1）年一次能源节约率／％ 1 2 964.98 868.00 193.52 349.12 19.81 17.55 1 178.31 1 234.68 41.10 30.33

分享到：

赞收藏

资料库

基于热网-电网综合潮流的用户侧微型能源站及接入网络优化规划.pdf

相关推荐

开发技术

热门标签

最新资料