考慮電熱聯(lián)合需求響應(yīng)的區(qū)域綜合能源系統(tǒng)多目標(biāo)雙層優(yōu)化調(diào)度

王子馳，雷炳銀，楊靈藝，蘇雨晴，孫煒哲

（平高集團有限公司，平頂山 467000）

區(qū)域綜合能源系統(tǒng)RIES（regional integrated energy system）可以通過多種能源間互補耦合有效提升系統(tǒng)整體能源利用效率和運行經(jīng)濟性[1]。一方面，可以利用電熱聯(lián)合需求響應(yīng)，為RIES的多目標(biāo)優(yōu)化調(diào)度提供更豐富手段[2]；另一方面，可以通過日前-日內(nèi)雙層調(diào)度實現(xiàn)RIES精準(zhǔn)優(yōu)化運行。考慮電熱聯(lián)合需求響應(yīng)的RIES的多目標(biāo)精準(zhǔn)調(diào)度成為關(guān)鍵問題[3]。

針對考慮需求響應(yīng)的RIES 調(diào)度問題，文獻[4]建立了考慮用戶電負荷需求響應(yīng)的日前經(jīng)濟調(diào)度模型，表明用戶側(cè)電力需求響應(yīng)可以提升綜合能源系統(tǒng)運行經(jīng)濟性。文獻[5]建立了考慮配電網(wǎng)聯(lián)絡(luò)開關(guān)狀態(tài)和電熱綜合需求響應(yīng)的安全經(jīng)濟調(diào)度模型，表明電熱綜合需求響應(yīng)可以提升系統(tǒng)運行安全性。文獻[6]基于詳細設(shè)備模型提出了考慮多種能源互補和電熱綜合需求響應(yīng)的園區(qū)微能源網(wǎng)優(yōu)化調(diào)度模型，表明電熱綜合需求響應(yīng)可以提升新能源消納能力、降低總運行成本和提高用能效率。文獻[7]提出了商業(yè)建筑的微能源網(wǎng)的優(yōu)化運行方法，表明電熱系統(tǒng)協(xié)同優(yōu)化可以提升微能源網(wǎng)的運行經(jīng)濟性。文獻[8]建立了包括新能源發(fā)電設(shè)備、電熱冷三聯(lián)供設(shè)備、儲熱蓄電設(shè)備等多種設(shè)備模型，提出了考慮電熱冷耦合和需求響應(yīng)補償?shù)臉怯罱ㄖC合能源優(yōu)化調(diào)度模型，表明熱電耦合設(shè)備結(jié)合電力需求響應(yīng)可以提升綜合能源調(diào)度經(jīng)濟性。文獻[9]建立了涵蓋新能源發(fā)電設(shè)備、儲能設(shè)備、多能耦合設(shè)備、綜合能源負荷等的虛擬電場模型，分別考慮了電價型和激勵型需求響應(yīng)，提出以虛擬電廠經(jīng)濟性為目標(biāo)的優(yōu)化調(diào)度方法，表明兩種電力需求響應(yīng)下的虛擬電廠優(yōu)化調(diào)度可以有效提升整體運行經(jīng)濟性。文獻[10]建立了日前、日內(nèi)、實時3個時間尺度的激勵型需求響應(yīng)模型，提出了微電網(wǎng)能量優(yōu)化調(diào)度方法，表明多時間尺度調(diào)度可有效消除電力系統(tǒng)調(diào)度誤差。文獻[11]提出了考慮價格型需求響應(yīng)的綜合能源系統(tǒng)滾動優(yōu)化的多時間尺度優(yōu)化調(diào)度方法，表明可以通過多時間尺度調(diào)度解決多種能源響應(yīng)時間尺度不一致的問題。

上述已有研究，一方面多以單一指標(biāo)作為RIES的調(diào)度目標(biāo)，而RIES 調(diào)度應(yīng)兼顧經(jīng)濟性和能源利用效率。另一方面，電熱聯(lián)合需求響應(yīng)資源作為RIES的重要調(diào)控手段，有利于RIES 能源優(yōu)化配置和調(diào)度。此外，RIES 的綜合負荷波動量大，基于日前負荷預(yù)測值的日前優(yōu)化調(diào)度難以滿足日內(nèi)實時負荷平衡要求，需要在時序上滾動修正日前調(diào)度計劃。

因此，本文首先確立典型能源用戶的電熱聯(lián)合需求響應(yīng)函數(shù)。其次，構(gòu)建RIES 的經(jīng)濟和能效多目標(biāo)雙層優(yōu)化調(diào)度模型。第1 層為日前全局優(yōu)化調(diào)度模型，用以優(yōu)化調(diào)度計劃；第2 層為日內(nèi)滾動優(yōu)化調(diào)度模型，用以修正日前調(diào)度計劃的偏差。最后通過改進的帶精英策略的非支配排序遺傳算法

NSGA-Ⅱ（elitist non-dominated sorting genetic algo?rithm）求解上述模型。通過算例來驗證了本文所提模型對于RIES的能效水平和經(jīng)濟性的提升作用。

1 電熱聯(lián)合需求響應(yīng)

能源系統(tǒng)的電熱聯(lián)合需求響應(yīng)包含電力需求響應(yīng)和熱力需求響應(yīng)，通常分為價格型響應(yīng)和激勵型響應(yīng)兩大類[12-13]。

1.1 電力需求響應(yīng)

1.2 熱力需求響應(yīng)

由于在保證舒適度的前提下室內(nèi)溫度在一定的區(qū)間內(nèi)波動，因此在負荷高峰時期，可以降低室內(nèi)溫度進而減少熱負荷；在負荷低谷時期，可以適當(dāng)提升室內(nèi)溫度起到蓄熱作用。優(yōu)化設(shè)定室內(nèi)溫度對于提升整個綜合能源系統(tǒng)經(jīng)濟性具有重要意義。基于建筑物的熱路模型，用戶的室內(nèi)溫度模型可表示為

2 RIES 調(diào)度模型

典型集中式RIES 如圖1 所示，包含電力系統(tǒng)、熱力系統(tǒng)及綜合負荷用戶。電力系統(tǒng)包括燃煤發(fā)電機組、熱電聯(lián)產(chǎn)機組等電源；熱力系統(tǒng)包括燃煤供熱機組、熱電聯(lián)產(chǎn)機組等熱源；綜合負荷用戶的負荷包括電力負荷和熱力負荷，利用電力負荷與熱力負荷的需求響應(yīng)，通過電源和熱源的優(yōu)化調(diào)度，可實現(xiàn)區(qū)域綜合能源系統(tǒng)經(jīng)濟高效運行。

圖1 RIES 運行結(jié)構(gòu)Fig.1 Operation structure of RIES

2.1 日前全局優(yōu)化調(diào)度模型

日前優(yōu)化調(diào)度模型以24 h 為周期、以1 h 為步長，以各機組的各時段供電、供熱出力大小以及激勵型需求響應(yīng)量的大小和持續(xù)時間為優(yōu)化變量，以各機組的出力上下限、爬坡速率、備用約束和各時段的電、熱功率平衡為約束條件，構(gòu)建以經(jīng)濟性和能效為目標(biāo)函數(shù)的優(yōu)化求解模型。

2.1.1 日前調(diào)度目標(biāo)函數(shù)

經(jīng)濟性目標(biāo)為RIES的運行成本，涵蓋調(diào)度周期內(nèi)燃煤供熱機組、熱電聯(lián)產(chǎn)機組、燃煤發(fā)電機組運行費用及需求響應(yīng)成本。經(jīng)濟性目標(biāo)函數(shù)可表示為

式中：νCP,min、νCB,min、νCHP,P,min、νCHP,H,min分別為燃煤發(fā)電機組、燃煤供熱機組、熱電聯(lián)產(chǎn)機組發(fā)電、熱電聯(lián)產(chǎn)機組制熱降功率速率限制，νCP,max、νCB,max、νCHP,P,max、νCHP,H,max分別為燃煤發(fā)電機組、燃煤供熱機組、熱電聯(lián)產(chǎn)機組發(fā)電、熱電聯(lián)產(chǎn)機組制熱升功率速率限制。

5）備用約束

在調(diào)度周期內(nèi)的每個調(diào)度時刻，均應(yīng)滿足每個用戶的電力以及熱力負荷供需平衡。

2.2 日內(nèi)滾動優(yōu)化調(diào)度模型

由于用戶電負荷和室外溫度具有隨機性，因此本文提出日內(nèi)滾動優(yōu)化調(diào)度模型用以修正日前調(diào)度計劃的誤差。基于模型預(yù)測控制思想，按4 h 為周期、15 min為步長，以日前調(diào)度計劃為基線，進一步優(yōu)化燃煤發(fā)電機組出力、燃煤供熱機組出力和熱電聯(lián)產(chǎn)機組出力，跟隨用戶綜合負荷的波動。

2.2.1 日內(nèi)調(diào)度目標(biāo)函數(shù)

日內(nèi)滾動優(yōu)化調(diào)度目標(biāo)包括經(jīng)濟性和能源利用效率。日內(nèi)調(diào)度的經(jīng)濟性目標(biāo)函數(shù)，相比于日前調(diào)度的經(jīng)濟性目標(biāo)函數(shù)，增加了溫度偏差罰函數(shù)，用于補償用戶因降低熱負荷所引起的舒適度降低，其表達式為

2.2.3 模型預(yù)測控制方法

模型預(yù)測控制是基于對受控對象進行預(yù)測的進階過程控制方法，其核心思想是滾動時域策略[17]。本文提出的日內(nèi)滾動修正調(diào)度方法步驟如下。

步驟4 在第t+Δt時刻，更新系統(tǒng)狀態(tài)，重復(fù)上述步驟，實現(xiàn)滾動優(yōu)化。

2.3 求解算法

帶精英策略的NSGA-Ⅱ可用于求解多目標(biāo)優(yōu)化問題。但本文所提出的優(yōu)化模型約束條件多，帶來不可行解數(shù)量大、收斂速度慢的問題，因此對上述算法進行如下改進以提升優(yōu)化求解效果。

（1）定義約束違反值來定量描述解對約束的違反程度，即其與可行解的差距。多目標(biāo)優(yōu)化調(diào)度模型的等式約束和不等式約束可表示為

（3）采用帶約束的支配關(guān)系，改變非支配排序方式。支配關(guān)系由個體約束違反值來決定，約束違反值小的個體支配約束違反值大的個體。如果個體的約束違反值相等，再通過原始的帕累托（Pare?to）支配關(guān)系對其進行判定。通過帶約束的支配關(guān)系可以保證更接近滿足約束條件的個體優(yōu)先保留，從而保證最終的迭代結(jié)果盡可能接近可行解。

3 算例分析

3.1 算例場景與數(shù)據(jù)

為了驗證本文所提模型的有效性，選取我國北方某地RIES，以1 d為調(diào)度周期。RIES供電和供熱設(shè)備性能指標(biāo)和經(jīng)濟參數(shù)見表1。本算例中設(shè)置了居民型、商業(yè)型、工業(yè)型3 類用戶，每類包含2 個用戶，6個用戶的電負荷日前預(yù)測曲線如圖2所示。

表1 RIES 相關(guān)設(shè)備參數(shù)Tab.1 Parameters of RIES equipment

圖2 各類型用戶的電負荷預(yù)測曲線Fig.2 Power load prediction curves of users

經(jīng)調(diào)研可得，3 類用戶的需求響應(yīng)時段和協(xié)議響應(yīng)量見表2。雖然工業(yè)用戶負荷總量大，但多為生產(chǎn)性負荷，協(xié)議響應(yīng)量占總負荷的比例不高。相反，居民用戶負荷總量不大，但負荷重要性不高，協(xié)議響應(yīng)量占總負荷的比例較大。需求響應(yīng)成本函數(shù)二次項系數(shù)設(shè)置為20，一次項系數(shù)設(shè)置為500。

表2 各類用戶需求響應(yīng)時段與響應(yīng)量Tab.2 Demand response periods and quantities of users

圖3 為室外溫度的日前預(yù)測值，其用于室內(nèi)熱負荷建模以及熱負荷需求響應(yīng)量的計算。建筑物等效熱阻R設(shè)置為0.2 ℃/MW，其散熱時間常數(shù)設(shè)置為2 h。

圖3 室外溫度預(yù)測曲線Fig.3 Outdoor temperature prediction curve

3.2 優(yōu)化結(jié)果與分析

3.2.1 日前全局優(yōu)化調(diào)度

為了驗證所提出的日前優(yōu)化調(diào)度模型，算例中設(shè)置兩種運行場景。場景1 為在不考慮電熱聯(lián)合需求響應(yīng)的情況下進行優(yōu)化調(diào)度；場景2為在考慮電熱聯(lián)合需求響應(yīng)的情況下進行優(yōu)化調(diào)度。應(yīng)用本文提出的改進NSGA-Ⅱ算法對上述兩種場景進行求解。改進NSGA-Ⅱ算法的初始種群數(shù)量設(shè)為200，迭代次數(shù)設(shè)為1 000代。

兩種場景下，Pareto 最優(yōu)解前沿如圖4 所示。比較兩種運行場景下的Pareto 最優(yōu)解前沿可以看出，考慮電熱聯(lián)合需求響應(yīng)的場景2的最優(yōu)解范圍更廣，整體上的解更優(yōu)。特別是當(dāng)能效高于42.5%時，場景2的Pareto最優(yōu)解明顯全面優(yōu)于場景1。

圖4 兩種場景下Pareto 最優(yōu)解前沿對比Fig.4 Comparison of Pareto optimal solution frontier in two scenarios

分別選取兩種場景下的單指標(biāo)最優(yōu)解進行對比，如表3 所示。場景1 經(jīng)濟性最優(yōu)解和能效最優(yōu)解分別為1.69×106￥和44%，而場景2 經(jīng)濟性最優(yōu)解和能效最優(yōu)解分別為1.67×106￥和44.78%，可見場景2 的經(jīng)濟性和能效目標(biāo)的最優(yōu)解均好于場景1。表明本文提出的考慮需求響應(yīng)多目標(biāo)優(yōu)化調(diào)度擴展了Pareto前沿解的空間，可以得到更優(yōu)的解。

表3 兩種場景下單指標(biāo)最優(yōu)解Tab.3 Optimal solutions of single indicator in two scenarios

在經(jīng)濟性或能效指標(biāo)接近的情況下，選取兩種場景下優(yōu)化結(jié)果進行對比，如表4 所示。場景1 的最優(yōu)經(jīng)濟性指標(biāo)為1.692×106￥，此時場景1的能效指標(biāo)為41.369%；選取場景2 在相近經(jīng)濟性指標(biāo)下的Pareto 最優(yōu)解，可知能效為41.204%。相似經(jīng)濟性指標(biāo)條件下，場景2 與場景1 的能效指標(biāo)相差較小。場景1的最優(yōu)能效指標(biāo)為43.999%，此時場景1的經(jīng)濟性指標(biāo)為2.075×106￥；選取場景2在相近能效指標(biāo)下的Pareto最優(yōu)解，可得經(jīng)濟性指標(biāo)為1.96×106￥。相似能效指標(biāo)條件下，場景2 的經(jīng)濟性指標(biāo)比場景1的經(jīng)濟性指標(biāo)提升了5.5%。可見，考慮電熱聯(lián)合需求響應(yīng)的多目標(biāo)優(yōu)化調(diào)度可以提高調(diào)度方案的整體優(yōu)化性能。

表4 兩種場景下的指標(biāo)對比Tab.4 Comparison of indicators in two scenarios

3.2.2 日內(nèi)滾動優(yōu)化調(diào)度

日內(nèi)滾動優(yōu)化調(diào)度以日前全局優(yōu)化調(diào)度結(jié)果為基礎(chǔ)，通過各供能設(shè)備的出力調(diào)整來平衡波動的負荷。選取能效指標(biāo)不低于43%條件下經(jīng)濟性指標(biāo)最優(yōu)的Pareto 最優(yōu)解作為日前調(diào)度計劃，進行日內(nèi)滾動優(yōu)化調(diào)度。以上午07：00—11：00 為例，每隔15 min 進行一次日內(nèi)優(yōu)化調(diào)度，共需16 次滾動優(yōu)化調(diào)度。

首先，應(yīng)用本文第2.2節(jié)所提出方法得到07：00—11：00時段的日內(nèi)優(yōu)化調(diào)度的Pareto最優(yōu)解前沿如圖5所示。經(jīng)濟指標(biāo)和能效指標(biāo)最優(yōu)解及Pareto最優(yōu)解序列的中位解如表5所示。僅將中位解第1個時段（07：00—07：15）的調(diào)度計劃作為該時段的日內(nèi)優(yōu)化調(diào)度執(zhí)行方案。

表5 日內(nèi)優(yōu)化調(diào)度單指標(biāo)最優(yōu)解和中位解Tab.5 Optimal and median solutions of single indicator of intraday optimal scheduling

圖5 日內(nèi)調(diào)度Pareto 最優(yōu)解前沿Fig.5 Pareto optimal solution frontier of intraday scheduling

其次，通過滾動優(yōu)化可以依次求解得到07：00—11：00 所有時段的日內(nèi)優(yōu)化調(diào)度計劃，如圖6～9 所示。從圖中可以看出，日內(nèi)調(diào)度計劃與日前調(diào)度計劃基本趨勢一致。由于區(qū)域綜合負荷和用戶電熱聯(lián)合需求響應(yīng)量的實際值與日前預(yù)測值存在誤差，因此在日內(nèi)調(diào)度中對燃煤發(fā)電機組、熱電聯(lián)產(chǎn)機組和燃煤供熱機組的出力進行了修正。可見，本文所提出的日內(nèi)滾動優(yōu)化調(diào)度方法可以對日前優(yōu)化調(diào)度計劃進行修正，實現(xiàn)負荷平衡。

圖6 熱電聯(lián)產(chǎn)機組發(fā)電計劃Fig.6 Power generation plan of combined heat and power unit

圖7 熱電聯(lián)產(chǎn)機組供熱計劃Fig.7 Heating plan of combined heat and power unit

圖8 燃煤發(fā)電機組發(fā)電計劃Fig.8 Power generation plan of coal-fired thermal power unit

圖9 燃煤機組供熱計劃Fig.9 Heating plan of coal-fired unit

4 結(jié) 論

本文針對綜合能源系統(tǒng)調(diào)度問題，提出了考慮電熱聯(lián)合需求響應(yīng)的RIES多目標(biāo)雙層優(yōu)化調(diào)度模型，并改進了傳統(tǒng)NSGA-Ⅱ求解算法，提高了求解效率。結(jié)合案例得出結(jié)論如下：

（1）本文所提出的多目標(biāo)優(yōu)化調(diào)度模型綜合考慮了RIES 的經(jīng)濟性和能效水平，可為區(qū)域供能系統(tǒng)提供Pareto最優(yōu)調(diào)度方案；

（2）電熱聯(lián)合需求響應(yīng)可以提高RIES 調(diào)度方案的經(jīng)濟性和能效水平。相比于不考慮電熱聯(lián)合需求響應(yīng)的多目標(biāo)優(yōu)化調(diào)度，本文所提出的模型可以有效擴展Pareto 最優(yōu)解空間，提高調(diào)度方案的整體優(yōu)化性能；

（3）基于模型預(yù)測控制的日內(nèi)滾動優(yōu)化調(diào)度方法可以對日前優(yōu)化調(diào)度計劃進行修正，補償區(qū)域綜合負荷和用戶電熱聯(lián)合需求響應(yīng)量的實際值與日前預(yù)測值存在的誤差，實現(xiàn)負荷平衡。