基于綜合需求響應的微能源網日前優化調度方法

楊歡紅，史博文，黃文燾，丁宇濤，王潔，余威，朱子葉

(1. 上海電力大學電氣工程學院，上海市 200090；2. 電力傳輸與功率變換控制教育部重點實驗室(上海交通大學)，上海市 200240；3.國網湖州供電公司，浙江省湖州市 313200；4.國網上海奉賢供電公司，上海市 201499)

0 引 言

隨著能源互聯網(energy Internet，EI)的發展，面向多能源系統的“源-網-荷”運行模式應運而生[1-2]。一方面加強供能系統集成互補、提高梯級利用；另一方面為“荷側”用能轉換提供了更多途徑[3]。微能源網作為能源互聯網的重要組成部分[4]，能兼顧多種能源優化調度，促進可再生能源消納。但隨著可再生能源滲透率提升和網內設備容量限制，充分協調優化“源-網-荷”，保證系統運行的穩定性和經濟性成為研究熱點。因此，研究微能源網“源-網-荷”協調優化具有重要意義。

微能源網“源-網-荷”優化，可以視為需求側資源、分布式電源、儲能裝置參與微能源網的優化運行，起到削峰填谷、平移波動、延緩投資建設的作用[5]。文獻[6]將需求側響應(demand response，DR)分為電負荷和熱負荷響應，對其熱負荷響應進行精細化建模，建立熱電聯供優化模型，并通過軟件求解。但實際上需求側響應存在投切不確定性、波動性、魯棒性差等特性。文獻[7-8]充分考慮用戶舒適度作為需求側響應的約束條件，進行微能源網優化運行調度。文獻[9]考慮需求響應的不確定性，應用消費者心理學原理建立價格型需求側響應，結合剛性約束和彈性約束對日前-日內時間尺度進行優化決策。以上文獻均考慮計及需求響應的優化調度，大多都是對單一供能系統的“源-荷-儲”優化，未涉及微能源網整體框架下“多能源-多網-多負荷”優化互動，充分挖掘多能負荷的潛力，不利于整體系統優化調度提高。

綜合需求響應(integrated demand response，IDR)是需求側響應的擴展[10]，延伸了微能源網縱向“源-網-荷”協調優化，可視為在能源耦合互補關系下，協調各種柔性負荷、能量樞紐轉換設備，實現終端選擇不同能源達到同等的需求效果[11]。文獻[12]將IDR分為價格型和激勵型，將用能特性習慣和需求響應差異作為一定約束，設定工業園區的互動機制，實現多能需求側響應機制互動。文獻[13]宏觀建立能源日前市場、負荷聚合商模型，提出了一種基于需求側響應的聯合交易策略來實現聚合商利潤最大化。文獻[14]利用價格彈性理論對綜合需求響應建模，應用于多目標動態優化。以上文獻都是對IDR簡單分類建模，考慮整體IDR對系統運行效果影響。少有細化IDR模型，考慮IDR用能替換關聯性和數學表達。因此不利于提高微能源網的優化調度。

根據上述研究背景，本文提出一種基于綜合需求響應的微能源網能源運營商優化調度方法。首先，對微能源網物理結構建立廣義能量樞紐方程，引入微能源網能源運營商概念，制定能源分時價格。細化綜合需求響應模型，微能源網能源運營商以微能源網運營利潤最大化為目標，協調綜合需求響應和能源解耦設備。柔性負荷根據能源售價整合響應資源參加優化調度。仿真算例驗證所提優化策略的合理性。

本文主要的創新點為：1)基于傳統電力需求響應逐步向綜合需求響應轉變，提出計及綜合需求響應的微能源網優化調度方式，進一步提高微能源網“源-網-荷“協調優化；2)考慮到響應負荷冗雜性和運行條件差異化，細化綜合需求響應模型，表征用戶側參加綜合需求響應前后的外部特性。本文研究可為微能源網優化運行和具體綜合需求響應建模提供一定參考價值。

1 微能源網能量樞紐

1.1 微能源網能量樞紐模型

能量樞紐概念廣泛應用于多能耦合系統[15]。能量樞紐將多能源系統抽象分為3個部分：輸入、轉換、輸出，通過雙端口模型，構建三者之間函數。本文微能源網能量樞紐模型如圖1所示。該模型輸入端有電網、天然氣網、風光可再生能源；轉換設備有變壓器、微型燃氣輪機、燃氣鍋爐、電制冷機、溴化鋰機組；輸出端由儲能和負荷兩部分組成。

圖1 微能源網能量樞紐模型Fig.1 Energy hub model of micro energy grid

1.2 廣義微能源網能量樞紐建模

1.2.1 可再生能源模型

由于風速變化隨機性較強且預測精準度不高，風機發電量隨著風速大小而變化，導致風機輸出功率曲線呈現非線性關系，常用分段函數表示。

(1)

式中：Pwt(v)為風機輸出功率；v、vin、vsp、vout分別表示風機當前風速、切入風速、額定風速、切出風速；Pwt,sp為風機額定功率。

光伏板發電受太陽輻射和溫度影響，其擬合發電輸出函數為：

(2)

式中：Ppv、Pmax分別為光伏板實際發電輸出功率、標準測試的最大測試功率；ZT、ZS分別為實際光照強度、標準測試光照強度；Tt、Ts分別為光伏板實際溫度和參考溫度；l為溫度系數。

1.2.2 轉換設備模型

轉換設備的能源轉換關系常常是非線性的，利用分段線性化將非線性方程轉換成混合整數規劃問題[16]，轉換設備模型統一表示為：

Xi=ηkXj

(3)

式中：Xi、Xj分別表示輸出、輸入能源量；ηk表示設備k的轉換因子。

1.2.3 儲能裝置模型

圖1所示的微能源網能量樞紐模型中含有冷、熱、電儲能裝置，以電力儲能為例[10]，模型方程為：

(4)

式中：Es,t為t時刻儲能裝置容量；εs為自損耗系數；ηin、ηout分別為儲能裝置充、放電轉換效率；Pin,t、Pout,t分別為儲能裝置充、放電功率。另外2種能源儲能裝置建模相似。

1.3 廣義能量樞紐方程

本文在能量樞紐的基礎上，增加綜合需求響應、儲能模塊、可再生能源模塊，建立廣義微能源網能量樞紐方程[10]，模型為：

P=CI±SE±D

(5)

式中：P為輸出矩陣；I為輸入矩陣；C為耦合矩陣；S為儲能裝置損耗矩陣；E為儲能裝置充放能矩陣；D為綜合需求響應矩陣。

耦合矩陣為：

(6)

輸入矩陣表示如下：

I=[Pnet,tPpv,tPwt,tPMT,t
HMT,tHGB,tPAC,tPEC,t]T

(7)

式中：Pnet,t、Ppv,t、Pwt,t、PMT,t、HMT,t、HGB,t、PAC,t、PEC,t分別為單位時間內大電網交換功率、光伏實際發電功率、風機實際發電功率、微型燃氣輪機輸入功率、微型燃氣輪機進氣功率、燃氣鍋爐進氣功率、溴化鋰機組工作功率、電制冷機工作功率。

儲能裝置能量轉換矩陣為：

(8)

式中：ηE、ηH、ηC分別為電、熱、冷儲能裝置的充放能轉換因子。

儲能裝置充放功率矩陣為：

(9)

式中：PS,t、PH,t、PC,t分別為單位時間內電、熱、冷儲能裝置充放能功率。

綜合需求響應矩陣為：

(10)

式中：D1、D2、D3分別為轉移型、轉換型、可削減型需求響應矩陣；Pshift,t、Hshift,t、Cshift,t分別為t時刻電、熱、冷能轉移型負荷的轉移功率；Ptrans,t、Htrans,t、Ctrans,t分別為t時刻電、熱、冷能轉換型負荷的轉換功率；Pcut,t、Hcut,t、Ccut,t分別為t時刻電、熱、冷能可削減型負荷的削減功率。

2 綜合需求響應模型

IDR作為DR的延伸，IDR可以分為價格型和激勵型。價格型IDR可視為小型柔性負荷，客戶為謀求經濟效益而主動參加需求響應，更加適合微能源網等小型綜合型網絡，價格型IDR模型可以分為轉移型、轉換型和可削減型[11]。轉移型是傳統電力需求響應的衍生，擴展到冷熱電負荷時間尺度上的轉移。轉換型是通過不改變客戶的使用需求，改變其供能方式或者用能高峰期由其他能源來代替?？上鳒p型是時間尺度上單種能源負荷減少。

2.1 轉移型需求響應模型

轉移型大多是響應負荷時間尺度上轉移，可以視為某時段對柔性負荷功率的數值增減。考慮負荷多樣性、設備冗雜性，提出適合大部分轉移型需求響應模型。以電負荷需求響應為例，將一天分為24個時段，模型為：

(11)

(12)

(13)

(14)

(15)

冷熱負荷響應模型同電負荷響應模型。

2.2 轉換型需求響應模型

轉換型是IDR的重點表現，是將冷熱電能經過轉換設備實現能源互補、替換。轉換型需求響應通過智能電表和智能終端管理系統，來完成能耗轉換的管控、需求響應的調度。該模型可以表示為：

(16)

(17)

(18)

(19)

2.3 可削減型需求響應模型

可削減型是在滿足用戶基本用能情況下，可進行削減的部分負荷(如洗碗機、電動車)，常應用于用能高峰期減少用能需求，模型可以表示為：

(20)

(21)

(22)

3 微能源網能源運營商經濟運行

微能源網能源運營商[17]作為連接外部分供系統和內部能源需求的連接點，不僅需要考慮外部分供能市場價格，還須滿足內部供需前提下為微能源網謀取最大化效益。能源運營商功能如圖2所示。能源運營商會根據日前外部電網電價、天然氣售價、負荷曲線預測等制定相對應終端售價。忽略冷熱能存儲困難、傳輸滯后等問題，將冷熱能分時定價，一天分為3個階段(平峰、高峰、低谷)實施不同價格機制。通過集中控制將需求響應指令直接下達綜合需求響應及能源解耦設備。

圖2 能源運營商功能Fig.2 Function of energy operator

能源耦合設備如冷熱電聯供(combined cooling, heating and power，CCHP)建立能源之間關系，提供多能互補基礎。但考慮到微能源網中用能負荷相似性如夏季用電高峰期也是冷負荷的高峰期，冬季用電高峰期也是熱負荷的高峰期。能源運營商為更好從縱橫2個維度來協調優化IDR，需要打破能源之間過多的耦合關系，即部分能源分時段解耦，利用大型終端設備協調能源解耦，如溴化鋰機組、熱泵機組。

3.1 目標函數

微能源網能源運營商作為中間商、決策者，根據外部能源價格協調內部電熱冷能源價格，實現微能源網運營商利潤最大化。以日前24 h購買電、氣能源成本最低，根據網內日前預測負荷制定網內24 h電、熱、冷能分時價。取調度時間步長為1 h，則目標函數為：

maxF=Min-Mout

(23)

(24)

3.2 約束條件

3.2.1 功率平衡

經濟優化的前提是保證系統內各種能源功率平衡。

(25)

(26)

(27)

3.2.2 設備約束

能量轉換設備和儲能設備都有各自的工作范圍，正常經濟運行調度是不允許設備超出其工作區間的。能量轉換設備出力上下限約束為：

(28)

(29)

以電儲能為例，儲能裝置約束條件除式(4)外，還包括[10]：

(30)

3.2.3 能源傳輸線約束

外部能源傳輸到微能源網系統，能源傳輸線存在能源傳輸約束。

(31)

3.3 模型求解

實際電力系統經濟調度問題大多數都是非凸優化問題，通常采用分段線性化技術把設備運行工況線性化處理，把非凸優化調度模型轉變成混合整數線性規劃(mixed integer linear programming, MILP)模型進行求解[18]。本文統一能量刻度，將冷熱能功率均轉化為kW來計量，對網內各個設備線性化建模，把微能源網能源運營商日前優化調度問題轉換成混合整數線性規劃問題，通過YALMIP建模工具，調用CPLEX求解器，在MATLAB平臺上完成全局最優解求解，具體求解流程如圖3所示。

圖3 優化調度流程Fig.3 Flow chart of optimized scheduling

4 算例分析

4.1 仿真場景

將上海某高校微電網用能數據進行處理，得到電、熱、冷負荷數據，微能源網能源運營商采用分時電價策略響應大電網的削峰填谷需求，熱、冷價同時采用分時價格來加深微能源網內部綜合需求響應，能源分時售價如圖4所示，天然氣購氣價格為3元/m3，燃氣低熱值為9.7 kW·h/m3。為保證響應有效性，本文提出的所有優化調度方式都控制響應時段在07:00—23:00之間，禁止低峰時段無效響應。

圖4 能源分時售價Fig.4 Time-of-use energy price

表1 設備轉換率Table 1 Conversion rates of devices

4.2 經濟性對比

本文與2種傳統優化調度方式對比，通過經濟性來體現所提方法的優越性。3種方式都是在相同建模思路和微能源網相關參數下，通過編程求解。

場景1：本文所提方法。

場景2：相同微能源網運營商背景下，對比傳統的電力需求側優化調度。

場景3：相同微能源網系統背景下，對比沒有需求側優化調度。

經濟成本分為購氣成本、購電成本和需求補償金額，對比結果見表2。市場交易利潤分為電能、熱能、冷能交易利潤，對比結果見表3。

表2 3種場景的成本對比Table 2 Cost comparison among three scenarios

表3 3種場景的利潤對比Table 3 Profit comparison among three scenarios

1)成本分析。

場景1、2、3的系統總成本分別為1 539.4、1 847.6、1 779.5元。場景1的系統總成本比場景2的系統總成本減少16.6%，電力成本降低41.3%，購氣成本上升56.8%。場景1的系統總成本比場景3的系統總成本提高15.5%，電力成本降低42.7%，購氣成本上升96.8%。如表2所示，購電成本的降低一部分轉換到購氣成本，購氣成本上升為系統提供熱冷分時售價和響應的基礎。

2)盈利分析。

場景1、2、3的系統總盈利為3 447.3、3 004.1、2 799.6元。場景1的系統總盈利比場景2的系統總盈利提高了12.8%，電力交易利潤提高了96.8%。場景1的系統盈利比場景3的系統總盈利提高了18.7%，電力交易利潤提高1.47倍。場景1的系統總盈利相比于場景2和場景3系統總盈利的提高在于涉及熱冷能源售賣。熱冷能源響應接入體現單純電力響應所不具備的利潤優勢。

4.3 橫向響應分析

采用本文所提優化調度方法(模式1)與其他2種優化調度方式進行對比：

模式2：相同微能源網運營商背景下，對比傳統的電力需求側優化運行；

模式3：相同微能源網運營商背景下，對比采取熱冷能源均價綜合需求側優化運行。

通過響應參與度、削峰填谷等方面對比來體現本文所提計及冷熱電分時售價的能源運營商優化調度的優越性。各模式響應參與度如圖5所示。

圖5 各模式響應參與度Fig.5 Participation in response in each mode

在對比模式2，相同微能源網因考慮熱冷能源響應的接入，導致現負荷現峰值差波動、削峰填谷、響應參與度相差甚遠。響應參與度為單種能源單位時間內參與響應量與該時間段內最大響應量之比。由圖5可知，電力響應參與度模式1、3優于模式2，模式2多在平、峰時段參與響應，電力峰值中無參與響應，反之，模式1、3在其峰值參與，在11:00、12:00、19:00、20:00，模式1響應參與度比模式3分別提高9.6%、27.3%、52.2%、61.6%，表明能源運營商的介入有效地控制參與響應的柔性負荷，實現削峰填谷的作用，冷熱能源的定價可以調動響應的積極性。由圖5可知，熱、冷能參與度在08:00、09:00參與熱能響應度，模式1比模式3提高27.3%、56.5%，在15:00、16:00，參與冷能響應度，模式1比模式3提高18.9%、16.8%。冷熱響應時段多發生在負荷平、峰時段，為能源間互補提供最大響應量，平移負荷曲線波動。

峰值差、峰谷差作為衡量優化調度的重要指標。原峰值差為84.47 kW，原峰谷差為268.23 kW。圖6為各模型優化前后負荷曲線。由圖6可知，模式1峰值差為50.53 kW，下降40.17%，峰谷差為205.50 kW，下降23.38%；模式2峰值差為66.01 kW，下降21.85%，峰谷差為236.2 kW，下降11.9%；模式3峰值差為49.15 kW，下降41.87%，峰谷差為225.05 kW，下降15.9%。從圖中可知模式3峰值差略低于模式1，但是從曲線的波動來說，模式1明顯優于模式3，證明能源運營商制定熱冷分時定價能使得熱冷響應有序出現，不存在因恒價出現無序排插和響應量。峰谷差方面，模式1優于模式3，模式3優于模式2，說明模式1削峰填谷能力優越性；另一方面IDR的介入，按照用戶側主觀性協調控制柔性負荷進行轉移和轉換，保證用戶用能舒適度。

圖6 各模型優化前后負荷曲線Fig.6 Load curves of each model before and after optimization

4.4 縱向響應分析

以本文優化調度為例，縱向分析調度周期內冷熱電負荷曲線。多能優化前后負荷曲線如圖7所示。

圖7 多能優化前后負荷曲線Fig.7 Load curve before and after multi-energy optimization

從圖7中可以看出，各負荷曲線優化后都能起到削峰作用，電負荷曲線削峰作用最佳，冷熱負荷曲線起到一定削峰作用；圖7中證明現電負荷曲線通過用戶側用能替換、能源轉換設備調整等方式，能很好起到削峰作用。冷負荷曲線在07:00—11:00之間收到轉換量優化曲線，在15:00—18:00響應電負荷，晚高峰時期轉入量配合轉移量實現削峰。熱負荷曲線在08:00—10:00有明顯的下降，熱負荷響應轉換有兩方面，而作為補充量，只能接受電響應的轉入，導致熱負荷曲線在該時段下降。電冷負荷能通過轉換設備和用能替換接受其他2種能源響應優化，因此優化效果大于熱負荷曲線。

5 結 語

本文以微能源網優化調度為背景，建立微能源網廣義能量樞紐方程。針對網內多能柔性負荷，建立了綜合需求響應模型，并細分3種類型，優化響應資源。引入能源運營商概念，制定能源分時售價，以微能源網收益最大為目標，通過在Matlab平臺建立模型運行約束與目標，求解該混合整數優化問題。算例結果表明綜合需求響應參加微能源網優化調度能起到削峰填谷作用，進一步提升網內系統能量優化調度，合理能源價格設置，提高綜合需求響應參與度，減少微能源網對外電網、氣網的需求，降低微能源網運行成本。