考慮需求側資源的智能小區綜合能源日前優化調度

蔡紫婷，彭敏放，沈美娥

（1. 湖南大學 電氣與信息工程學院，湖南 長沙410082；2. 北京信息科技大學 計算機學院，北京100192）

0 引言

世界能源消耗量持續上漲、碳排放強勢反彈、化石能源依賴度居高不下、能效利用率低等一系列問題，使得全球能源使用面臨著嚴峻的挑戰。優化能源結構、探尋高能效多能互補利用方式具有極為重要的意義［1］。以冷熱電聯供CCHP（Combined Cooling，Heating and Power）系統為代表的新型綜合能源系統，打破了分供系統分立規劃和運行的模式，其集供電、制冷、制熱于一體，以多能互補和能量梯級利用為基礎，通過充分回收利用系統排出的廢水和廢煙的余熱來進行供冷和供熱［2］。CCHP 系統因具有提高能源利用率、減少環境污染和降低耗能成本等優點而得到了大力發展［3］。許多國內外學者從供能側的角度對CCHP 系統的優化進行了研究［4-7］，但這些研究只著眼于供能側CCHP 系統的優化調度，未能考慮到用戶側資源的利用。

近年來，我國居民用電量大幅增加，導致用電高峰期負荷急劇增大，給電網安全穩定運行帶來了巨大挑戰。家庭能量管理系統HEMS（Home Energy Management System）通過對家用負荷的優化和直接控制，可以滿足用戶便捷化和個性化的用能需求，實現更加科學合理的耗能。基于HEMS 的用戶需求響應行為使得家用負荷成為一種可控資源［8］。家用負荷耗能占比高，可控性大，若能對這種資源加以利用，并充分優化調度，能有效降低電負荷峰谷差，節約用戶費用和提高電網穩定性［9-10］。現有的大多數研究往往僅針對供能側或用戶側中的單一方面，未能充分結合供能側多能互補特性和用戶側需求響應潛力來進行日前優化調度，具有一定的局限性。而少數研究將兩者相結合進行優化調度，尚存在一些不足。文獻［11］結合了CCHP 系統和居民需求響應行為，但在進行建模時，沒有考慮光伏、風電等新能源發電，優化目標也只考慮了經濟性，未能很好地契合可持續發展需求。文獻［12-13］將需求響應引入能源微網，利用用戶側資源進行源荷協調，但所建立的用戶側負荷模型較為粗糙，未能提出一種簡單準確的負荷分類方法，也沒有考慮負荷間的關聯性以及家用儲能和電動汽車等未來將大量使用的設備。

針對現有研究的不足，本文綜合考慮供需雙側，對智能小區綜合能源日前優化調度進行研究。首先，構建供能側和用戶側框架，提出日前優化調度流程。然后，分別建立供能側和用戶側數學模型。在供能側，考慮光伏發電和風力發電，提出一種增大可再生能源就地消納的控制策略；在用戶側，對用戶負荷進行精細分類，充分考慮了蓄電池和電動汽車的充放電功能以及電動汽車的出行安排。針對用電設備頻繁啟停的問題，引入設備斷電次數和設備斷電間隔時間進行約束。由于冷熱負荷運行時間的不可控性，所以在其溫度允許范圍內進行優化調度。對于部分具有關聯性的設備，提出基于典型日數據和關聯度的關聯運行約束。最后，引入供能單價，將供能側和用戶側相結合進行日前優化調度。

1 系統總體框架

將小區劃分為供能側和用戶側兩部分，其結構如圖1所示。

供能側包含光伏發電、風力發電及CCHP 系統等，以風能、太陽能、電能和天然氣為來源，通過多種能源互補利用，同時為用戶提供電能、冷能和熱能。在CCHP 系統中，電制冷機消耗電能產生冷能，燃氣鍋爐消耗天然氣產生熱能，燃氣內燃機消耗天然氣產生電能，同時生成大量高溫煙氣經余熱回收裝置進行回收，供給用戶側冷熱負荷，從而實現能量的梯級利用。當燃氣內燃機和燃氣鍋爐產生的熱能大于冷熱負荷需求時，多余熱能存儲到蓄能裝置或耗散在大氣中；當產生的熱能小于冷熱負荷需求時，蓄能裝置釋放能量。此外，吸收式制冷機作為冷熱能轉換設備，當電制冷機產生的冷能不足時，吸收式制冷機可吸收熱能轉化為冷能，以滿足用戶冷負荷需求。

用戶側以居民負荷為核心，將負荷劃分為電負荷、冷負荷和熱負荷3 類，其中電負荷分為不可控負荷和可控負荷［14］，可控負荷又進一步分為可中斷負荷和不可中斷負荷［15］。考慮到電動汽車和蓄電池既能作為負荷消耗電能又能作為電源給其他用電設備供電，對其進行單獨建模。通過優化負荷的使用時間和耗能，可以達到降低電負荷峰谷差和節約用戶費用的目的。

為將供能側和用戶側相結合進行優化調度，引入供能單價，得到優化流程圖如圖2所示。

圖1 智能小區結構Fig.1 Structure of smart community

2 系統模型

2.1 CCHP系統模型

燃氣內燃機及余熱回收裝置、吸收式制冷機、電制冷機、蓄冷和蓄熱設備的建模見文獻［6］，燃氣鍋爐建模見文獻［16］，蓄電池建模見文獻［11］。為保證蓄電池每天正常工作，在文獻［11］的基礎上加入新約束：要求在調度周期內蓄電池首末狀態一致且等于初始儲能量，初始儲能量為蓄電池容量的0.2。

圖2 優化流程圖Fig.2 Flowchart of optimization

CCHP 系統的綜合目標函數包含購能成本、環境折算成本和設備運行維護成本。其中，購能成本fENCost包含系統從電網購電的費用、購買天然氣的費用和向電網售電的收益。

環境折算成本fEVCost指耗能過程中產生的有害溫室氣體（主要為CO2、SO2和NOx［17］）破壞環境所造成的經濟成本。

設備運行維護成本fOMCost為：

綜上，供能側的綜合目標函數為：

其中，α、β、γ為各成本的權重因子。

除各設備建模時所包含的相關約束外，約束條件還應包括如下冷熱電供需平衡約束：

2.2 可再生能源就地消納控制策略

圖3 可再生能源就地消納控制策略Fig.3 Control strategy of local consumption for renewable energy

通過比較系統中發電量和用電量的大小來指導蓄電池進行動作，從而達到增大可再生能源就地消納的目的。當光伏發電量、風機發電量與燃氣內燃機發電量之和大于電制冷機和電負荷需求時，若蓄電池處于狀態上限，此時蓄電池不能充電，多余發電量售往電網；若蓄電池不處于狀態上限，此時強行令蓄電池進行充電，消耗多余發電量，從而增大可再生能源就地消納。蓄電池的充電功率應為多余發電功率、蓄電池充至滿電所需功率以及最大充電功率三者中的最小值。當發電量之和小于電制冷機和電負荷需求時，若蓄電池處于狀態下限，此時蓄電池不能放電，所需電量從電網購得；若蓄電池不處于狀態下限，為了充分利用蓄電池的可調度性，此時不將蓄電池限制于放電模式，而令蓄電池處于既可充電又可放電的狀態，換言之，即便此時用電功率大于發電功率，蓄電池也可在電價低時從電網購電進行充電，在電價高時再進行放電，從而節省成本。

2.3 用戶側模型

2.3.1 電負荷

令Th，i為設備i的預計使用時段數，則有：

針對可中斷電負荷出現的頻繁啟停問題，引入設備斷電間隔時間和設備斷電次數對設備短時間內頻繁啟停行為進行限制。

用電設備的關聯性包含以下2 個方面：一是使用時間不重疊但存在固定先后順序的設備，二是使用時間部分重疊的設備。對于使用時間不重疊但存在固定前后使用順序的設備，引入設備的典型日數據進行分析。若設備m 和設備n 為關聯性設備且在典型日數據中設備m在設備n之前使用，則有：

對于使用時間有重疊的設備，如電飯煲和抽油煙機，當在進行優化時，將2 個設備的運行時段拆分為2 個完全不同甚至是相隔較大的時段，無疑會對用戶的使用舒適度產生極大影響，優化結果將偏離實際。因此，本文通過計算典型日數據中設備使用時間重疊度的大小來判斷設備之間的關聯性，并根據該關聯性大小來合理化設備的啟動時間。

其中，rh，mn為設備m 和設備n 之間的關聯度。A>B時，設備m 與設備n 的使用時段具有重疊性；A≤B時，設備m 與設備n 的使用時段不具有重疊性，此時rh，mn=0。

利用關聯度對設備啟停時間進行修正：

其中，N 為與設備m 有關聯性且典型運行時間重疊的設備個數。

2.3.2 冷熱負荷

用戶側冷負荷主要為空間冷負荷，是指在某一室外溫度下，為了達到用戶所要求的室內溫度，供冷系統向室內供給的冷量，其模型為：

與電負荷的時間可控性不同，冷熱負荷的可控性體現在溫度上。若WCKh，t為用戶設定的溫度，實際上當溫度在WCKh，t附近的一個小范圍內波動時，對用戶的舒適度影響不大，因此可設定溫度調節范圍為：

熱負荷主要包含熱水熱負荷和空間熱負荷兩部分。其中熱水熱負荷是指日常生活中使用熱水進行洗漱、洗澡或洗衣服等形成的熱負荷：

空間熱負荷與空間冷負荷類似，其模型為：

2.3.3 電動汽車

2.3.4 目標函數

用戶側以耗能成本、電池老化成本和電負荷平坦度成本最少為目標函數。

在進行優化時，電網希望用戶的電負荷曲線盡量平坦，即盡可能降低電負荷峰谷差，緩減用電高峰壓力。電負荷平坦度成本fFLCost為：

綜上，用戶側優化的綜合目標函數為：

其中，a、b、c為各成本的權重因子。

2.4 供能單價

在未優化之前，根據用戶習慣用能方式下冷熱電負荷的預測值，以及各時段CCHP 系統購能成本和設備運行維護成本的最小值，利用式（36）可以計算得到用戶習慣用能方式下的供能單價，即用戶習慣用能方式下負荷每單位耗能的成本。利用該供能單價來指導用戶側進行優化，從而得到更為合理的用戶用能計劃。根據優化后的用戶側冷熱電負荷值，對供能側CCHP 系統進行優化，得到優化后各設備的出力及成本，利用式（36）計算得到優化后的供能單價，從而計算得到優化后的用戶側成本。

3 算例分析

3.1 參數設置

某小區結構如圖1 所示，以夏季某日的優化運行為例，熱負荷只考慮熱水熱負荷，冷負荷考慮空間冷負荷。冷熱電負荷預測值見附錄A 圖A1，光伏及風電出力情況見附錄A 圖A2 的出力情況1，室外溫度及光照強度見附錄A 圖A3。該小區中用戶側共有100 戶家庭，分為2 類：A 類家庭50 戶，為白領家庭，負荷主要集中在晚上；B 類家庭50 戶，為老年人家庭，白天與晚上均有一定程度的負荷。本文主要考慮較為常見的幾種負荷，且假設所有用戶的家用電動汽車和蓄電池均為同品牌同型號，所有家庭建筑結構一致。次日，A 類用戶電動汽車有出行計劃，在08:00—09:00 時段用戶從家里出發前往工作地，平均行駛速度為60 km／h，在17:00—18:00 時段用戶從工作地返回家中，平均行駛速度為60 km／h；B類用戶無出行計劃。其他相關參數見附錄A 表A1—A9。

3.2 結果分析

將一天劃分為96 個時段，每段時長15 min，利用Gurobi求解器在MATLAB／Yalmip 環境中進行求解。計算得到優化前的供能單價如圖4 所示。可見供能單價在12:00和20:00左右達到峰值，在00:00時達到谷值。

圖4 供能單價Fig.4 Unit price of energy supply

利用該供能單價來指導用戶側進行優化，可得到2 類用戶的負荷優化結果見附錄B 圖B1 和圖B2。圖B1 為A 類用戶優化后的負荷安排。由圖B1 可知，洗碗機、洗衣機和掃地機器人的運行時間由原來的晚間（供能單價峰時段）調度至清晨和下午（供能單價平時段）；抽油煙機和電飯鍋為關聯設備且時間具有重疊性，優化后2 個設備同時啟停；烘干機和熨斗為關聯設備且具有先后運行順序，優化后烘干機在熨斗之前完成運行，符合用戶需求。在00:00—08:00 時段，為滿足用戶出行需求，電動汽車一直充電至08:00，電動汽車充滿電。在08:00—09:00 和17:00—18:00時段，用戶往返家里和工作地，電動汽車消耗電量。18:00 后用戶回到家中，開始進行煮飯、洗澡等活動，此時電負荷大且供能單價高，故電動汽車被調度作為電源向其他家用電負荷供電，電池電量進一步降低。圖B2中，蓄電池與電動汽車均于供能單價谷時段進行充電，于供能單價峰段放電。2類用戶室內溫度和熱水溫度曲線見附錄B 圖B3和圖B4，全天溫度均滿足用戶需求。

將優化后的冷熱電負荷實際值反饋至CCHP 系統，對CCHP 系統進行優化，得到系統各設備最佳出力。熱、冷負荷平衡圖分別如圖5 和圖6 所示，電負荷平衡圖如附錄B圖B5所示。

圖5 熱負荷平衡圖Fig.5 Balance diagram of heating load

圖6 冷負荷平衡圖Fig.6 Balance diagram of cooling load

設置以下3 種方案對比以驗證所提模型的優越性：方案1，供能側采用CCHP 系統進行綜合供能，用戶側不進行負荷優化調度，以冷熱電負荷預測值計算供能側和用能側的成本；方案2，供能側采用冷熱電分供系統供能，燃氣內燃機產生的余熱不進行回收，電制冷機和蓄冷設備供給冷負荷，燃氣鍋爐和蓄熱設備供給熱負荷，用戶側進行負荷優化調度；方案3，供能側采用CCHP 系統進行綜合供能，用戶側進行負荷優化調度，即本文所提模型。對上述3種方案進行計算，得到各方案下的成本情況如表1所示。

表1 3種方案的成本比較Table 1 Cost comparison among three cases

對比方案1 和方案3，對用戶側進行優化調度后，用戶側成本及電負荷平坦度成本急劇降低，說明對用戶負荷進行優化調度能有效降低電負荷峰谷差和節約用戶費用。雖然方案3 的環境成本較方案1稍高，但其雙側成本和電負荷峰谷差降低明顯。對比方案2 和方案3，供能側采用CCHP 系統通過對多種能源進行互補利用來為用戶側供能，能有效降低雙側成本和電負荷峰谷差，減少環境污染。

為驗證本文所提可再生能源就地消納策略的有效性，分析光伏和風電在不同出力情況下的就地消納率。在原有出力情況上新增2 種風光出力情況，見附錄A 圖A2 中的出力情況2 和出力情況3。計算得到不同出力情況下，有、無就地消納策略時光伏及風電的就地消納率如表2所示。

表2 3種出力情況下的就地消納率Table 2 On-site absorption rate under three kinds of output conditions

由表2 可知，隨著光伏和風電出力的增大，其就地消納率增長變快，即可再生能源就地消納策略的效果變顯著。隨著可再生能源技術的發展，未來將有越來越多的可再生能源接入系統，可再生能源就地消納策略將發揮越來越重要的作用。

4 結論

本文綜合考慮供需雙側進行智能小區綜合能源日前優化調度研究。在供能側，結合光伏發電、風力發電以及CCHP 系統來進行多種能源互補利用，提出了增大光伏發電和風力發電就地消納的控制策略；在用戶側，將家用儲能和電動汽車納入考慮范疇，對用戶負荷進行精細分類和建模，充分分析了用電設備頻繁啟停、電動汽車充放電及出行優化安排、關聯設備運行時間約束以及時間具有不可控性的冷熱負荷溫度優化的問題。通過算例仿真分析，驗證了所提方法能有效降低電負荷峰谷差，節約用戶費用和減少環境污染。

隨著可再生能源技術的迅速發展，系統中光伏、風電等可再生能源的接入將不斷增加，系統的不確定性增大。此外，隨著用戶負荷的不斷增加，負荷使用的不確定性也將對系統優化結果造成一定的影響。如何考慮和處理模型中的不確定性是筆者的下一步研究方向。

附錄見本刊網絡版（http：//www.epae.cn）。