含電轉(zhuǎn)氣及儲(chǔ)能的綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度

王亭嶺，劉國(guó)慶，趙迪迪

含電轉(zhuǎn)氣及儲(chǔ)能的綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度

王亭嶺，劉國(guó)慶，趙迪迪

（華北水利水電大學(xué) 電力學(xué)院，河南 鄭州 450045）

為滿足綜合能源系統(tǒng)的多種能量管理及優(yōu)化調(diào)度，構(gòu)建了含電轉(zhuǎn)氣及儲(chǔ)能的綜合能源系統(tǒng)混合潮流優(yōu)化調(diào)度算法。基于能源集線器理論，建立了含能量轉(zhuǎn)換設(shè)備和能量?jī)?chǔ)存設(shè)備在內(nèi)的能量中心數(shù)學(xué)模型。在計(jì)及電力系統(tǒng)、天然氣系統(tǒng)和耦合環(huán)節(jié)的相關(guān)約束后，以運(yùn)行經(jīng)濟(jì)成本和污染氣體排放量最小為目標(biāo)，通過混合潮流優(yōu)化調(diào)度方法得出多種方案；再利用模糊決策確定出最終調(diào)度方案。確定的調(diào)度方案可兼顧安全性、經(jīng)濟(jì)性、環(huán)保性等多種約束，保證綜合能源系統(tǒng)的穩(wěn)定運(yùn)行。仿真結(jié)果表明，所提算法可以為綜合能源系統(tǒng)和能量中心提供多維度的調(diào)度方案，引入電轉(zhuǎn)氣和儲(chǔ)能裝置后能有效減少綜合能源系統(tǒng)運(yùn)行的經(jīng)濟(jì)成本和污染氣體排放量及在含電轉(zhuǎn)氣設(shè)備時(shí)應(yīng)計(jì)及電轉(zhuǎn)氣運(yùn)行成本對(duì)調(diào)度的影響。

綜合能源系統(tǒng)；電轉(zhuǎn)氣；儲(chǔ)能裝置；能源集線器；多目標(biāo)優(yōu)化調(diào)度

0 引言

能源是驅(qū)動(dòng)社會(huì)發(fā)展和人類生活基礎(chǔ)。隨著環(huán)境問題日益突出，人們對(duì)可持續(xù)能源的需求極為迫切[1]。我國(guó)二氧化碳排放力爭(zhēng)2030年前達(dá)到峰值，力爭(zhēng)2060年前實(shí)現(xiàn)碳中和。區(qū)域綜合能源系統(tǒng)[2-4]（regional integrated energy system，RIES）逐步成為人類用能的發(fā)展趨勢(shì)，可滿足能源梯級(jí)利用和清潔高效的要求。所以，RIES的多目標(biāo)優(yōu)化調(diào)度是亟需解決的問題。

能源集線器[5]（energy hub，EH）通過轉(zhuǎn)換矩陣描述RIES能源之間的轉(zhuǎn)化、傳輸和儲(chǔ)能。文獻(xiàn)[6,7]基于EH模型，研究了可再生能源的不確定性和需求響應(yīng)。文獻(xiàn)[8]建立了考慮約束條件的電熱能源系統(tǒng)優(yōu)化模型，研究了風(fēng)能供熱效益。文獻(xiàn)[9]采用EH的方式描述了含風(fēng)能、沼氣和儲(chǔ)能裝置等全可再生能源系統(tǒng)。電轉(zhuǎn)氣（power to gas，P2G）技術(shù)[10, 11]在電價(jià)低谷或可再生能源出力過剩時(shí)將電能轉(zhuǎn)化為易大量存儲(chǔ)的天然氣儲(chǔ)能，同時(shí)消耗二氧化碳，實(shí)現(xiàn)經(jīng)濟(jì)運(yùn)行，減少溫室氣體排放。儲(chǔ)能裝置有能量時(shí)序轉(zhuǎn)移作用[12]，能改善系統(tǒng)運(yùn)行的靈活性。

能量中心（energy center，EC）作為RIES的核心環(huán)節(jié)，EC中鮮有同時(shí)考慮到P2G和儲(chǔ)電/儲(chǔ)熱/儲(chǔ)氣裝置。文獻(xiàn)[13]分析了P2G對(duì)風(fēng)能消納能力的影響。文獻(xiàn)[10]在P2G的基礎(chǔ)上進(jìn)一步細(xì)化制氫和甲烷化過程，旨在實(shí)現(xiàn)能源的多級(jí)利用。文獻(xiàn)[14]建立含冷熱電聯(lián)供及儲(chǔ)能裝置的系統(tǒng)，驗(yàn)證儲(chǔ)能裝置能夠解耦熱電聯(lián)系并降低運(yùn)行成本。文獻(xiàn)[15]在儲(chǔ)能裝置中考慮3類電力柔性負(fù)荷，減少了設(shè)備資金投入。上述文獻(xiàn)并未同時(shí)考慮P2G和儲(chǔ)能裝置對(duì)系統(tǒng)內(nèi)部運(yùn)行特性的影響，且未研究P2G運(yùn)行成本對(duì)RIES優(yōu)化調(diào)度方案的影響。

針對(duì)以上問題，本文提出一種含P2G及儲(chǔ)電/儲(chǔ)熱/儲(chǔ)氣裝置的RIES多目標(biāo)優(yōu)化調(diào)度方法。首先建立含P2G及儲(chǔ)能的EH模型，構(gòu)建多目標(biāo)優(yōu)化調(diào)度模型。然后通過NSGA-II算法（nondominated sorting genetic algorithm II）得到Pareto前沿面，再通過模糊選擇的決策方法獲得最優(yōu)折衷解。最后，在IEEE 30節(jié)點(diǎn)電力系統(tǒng)和14節(jié)點(diǎn)天然氣系統(tǒng)為前提，通過6個(gè)EC耦合的系統(tǒng)為例進(jìn)行仿真分析，驗(yàn)證所提模型和方法的正確性。

1 RIES數(shù)學(xué)模型

本文中RIES主要由3部分組成，分別為電力系統(tǒng)、天然氣系統(tǒng)和耦合環(huán)節(jié)。

1.1 電力系統(tǒng)模型

交流模型為：

式中：ΔP、ΔQ為節(jié)點(diǎn)有功功率和無功功率不平衡量；P、Q為節(jié)點(diǎn)注入有功功率和無功功率；V、V分別為、節(jié)點(diǎn)電壓幅值；G、B為支路電導(dǎo)和電納；為電壓相角差。

1.2 天然氣系統(tǒng)模型

含燃?xì)鈮嚎s機(jī)的管道圖如圖1所示。

圖1 含燃?xì)鈮嚎s機(jī)的管道圖

圖中：、、、為管道節(jié)點(diǎn)；com、cp為壓縮機(jī)流入和消耗流量；f、f為壓縮機(jī)入口和出口管道流量。

含壓縮機(jī)的天然氣系統(tǒng)模型[16]為：

式中：、為管道系數(shù)；、、、分別為相應(yīng)節(jié)點(diǎn)的燃?xì)鈮毫Γ籧p為壓縮比；gas為天然氣溫度；gas為天然氣熱值；為壓縮機(jī)多變指數(shù)。

不含壓縮機(jī)的天然氣管道流量方程[16]為：

1.3 耦合環(huán)節(jié)模型

在RIES中存在許多耦合設(shè)備。為簡(jiǎn)化，文中的電、熱負(fù)荷指EC出口的負(fù)荷，并將設(shè)備效率假設(shè)為定值。

第一類EC[18]如圖2所示，輸入輸出關(guān)系為：

式中：vAC為輸入電功率分配系數(shù)；ηT為變壓器效率；ηAC為中央空調(diào)能效比；和為CHP發(fā)電和產(chǎn)熱效率；Pe和Ph為輸入的電能與天然氣功率；Le和Lh為輸出的電負(fù)荷與熱負(fù)荷。

第二類EC[18]如圖3所示，輸入輸出關(guān)系為：

式中：vCHP為天然氣分配系數(shù)；ηGB為燃?xì)忮仩t效率。

第三類EC如圖4所示，其中P2G技術(shù)分為電解和甲烷化兩個(gè)流程，如圖5所示，輸入輸出關(guān)系為：

圖5 P2G技術(shù)原理

2 多目標(biāo)優(yōu)化調(diào)度數(shù)學(xué)模型

2.1 目標(biāo)函數(shù)

本文以經(jīng)濟(jì)成本和污染氣體排放量最小為多目標(biāo)構(gòu)建優(yōu)化調(diào)度數(shù)學(xué)模型。為減小電力系統(tǒng)網(wǎng)絡(luò)損耗，經(jīng)濟(jì)成本中計(jì)及網(wǎng)絡(luò)損耗造成的經(jīng)濟(jì)損失部分。其中，經(jīng)濟(jì)成本包含電力和天然氣成本、經(jīng)濟(jì)損失和P2G運(yùn)行成本，模型為：

式中：P2G為P2G消耗的電功率。

污染氣體排放量包含購(gòu)電和消耗天然氣時(shí)產(chǎn)生的污染氣體[19]，模型為：

式中：為從電網(wǎng)購(gòu)電時(shí)產(chǎn)生污染氣體的種類，包括CO2、CO、SO2和氮氧化物；e,i,t為時(shí)刻購(gòu)電時(shí)第種污染氣體的排放因子；g,j,t為時(shí)刻消耗天然氣時(shí)第個(gè)EC的排放因子；、分別為污染氣體排放種類和EC的數(shù)量。

2.2 約束條件

2.2.1 電力系統(tǒng)

電壓約束和功率約束分別為：

2.2.2 天然氣系統(tǒng)

管道壓力約束和燃?xì)鈮嚎s機(jī)壓縮比約束為：

式中：min、max為管道壓力上、下限，采用標(biāo)幺值表示；min、max為壓縮比上、下限。

2.2.3 耦合環(huán)節(jié)

耦合環(huán)節(jié)約束主要由設(shè)備容量約束、EC輸入輸出約束和儲(chǔ)能裝置約束組成。第一類和第二類EC輸入輸出約束可由設(shè)備容量約束表示：

儲(chǔ)能裝置數(shù)學(xué)模型[12]可以統(tǒng)一表示為：

第三類EC輸入輸出約束為：

3 多目標(biāo)優(yōu)化算法

NSGA-II算法由Srinivas和Deb在NSGA的基礎(chǔ)上提出，目前在多目標(biāo)優(yōu)化方面有廣泛的應(yīng)用[20-22]。NSGA-II算法能得出多個(gè)可行解，但需要為運(yùn)行人員提供一種明確的調(diào)度方案，所以在獲得最優(yōu)前沿面后，利用模糊選擇求取最優(yōu)折衷解。

模糊隸屬滿意度函數(shù)[23]為：

對(duì)最優(yōu)前沿面的非支配解標(biāo)準(zhǔn)化處理函數(shù)為：

式中：為目標(biāo)函數(shù)個(gè)數(shù)；為非支配解集中個(gè)體數(shù)目；為目標(biāo)函數(shù)權(quán)重賦值，值取1。

為有效求解構(gòu)建的多目標(biāo)優(yōu)化調(diào)度模型，基于MATLAB平臺(tái)對(duì)目標(biāo)函數(shù)、約束條件和NSGA-II算法進(jìn)行編程，多目標(biāo)優(yōu)化調(diào)度流程如圖6所示。

圖6 多目標(biāo)優(yōu)化調(diào)度流程圖

4 算例分析

4.1 系統(tǒng)介紹

本文系統(tǒng)由IEEE 30節(jié)點(diǎn)與14節(jié)點(diǎn)天然氣系統(tǒng)[24]組成，兩者通過6個(gè)EC耦合，結(jié)構(gòu)如圖7所示。EC耦合位置如表1所示，其中EC1、EC2和EC3為第一類；EC4、EC5和EC6為第二類；第三類由EC6改進(jìn)。分時(shí)電價(jià)[25]如圖8所示，天然氣價(jià)格為2.51元/m3。每個(gè)EC負(fù)荷[24]假設(shè)相同，如圖9所示。電力系統(tǒng)節(jié)點(diǎn)電壓和天然氣系統(tǒng)節(jié)點(diǎn)壓力約束分別為0.9 p.u.≤≤1.1 p.u.和0.2 p.u.≤≤1.3 p.u.。能量中心和儲(chǔ)能裝置參數(shù)見附表。購(gòu)電時(shí)，CO、CO2、SO2以及氮氧化物的排放因子[24]分別為0.008、0.864 7、0.039、0.030 9；消耗天然氣時(shí)，排放因子[17]為0.04，t/(MW·h)。假設(shè)仿真時(shí)間步長(zhǎng)內(nèi)，負(fù)荷、電價(jià)和設(shè)備出力都保持不變。

圖7 系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)圖

表1 EC位置

圖8 分時(shí)電價(jià)

圖9 電負(fù)荷和熱負(fù)荷

4.2 場(chǎng)景描述

為研究P2G和儲(chǔ)能裝置對(duì)RIES運(yùn)行調(diào)度的影響，設(shè)置4種不同場(chǎng)景。詳細(xì)場(chǎng)景分類介紹如表2所示。表中符號(hào)×表示不含此項(xiàng)，符號(hào)√表示含有此項(xiàng)。場(chǎng)景1，只含第一類和第二類EC；場(chǎng)景2，在EC6中只加入P2G和儲(chǔ)氣裝置，不含儲(chǔ)電、儲(chǔ)熱裝置也不考慮P2G運(yùn)行成本；場(chǎng)景3，在場(chǎng)景2的基礎(chǔ)上考慮P2G運(yùn)行成本；場(chǎng)景4，含有P2G和儲(chǔ)能裝置。

表2 場(chǎng)景分類

4.3 多目標(biāo)間的特征關(guān)系分析

為分析多目標(biāo)之間的關(guān)系，以場(chǎng)景1的01:00時(shí)刻優(yōu)化結(jié)果進(jìn)行分析，得出Pareto前沿面如圖10所示。01:00時(shí)刻電力系統(tǒng)節(jié)點(diǎn)電壓如圖11所示，可知節(jié)點(diǎn)電壓均在正常范圍內(nèi)。

圖10 場(chǎng)景1的01:00時(shí)段Pareto前沿面

圖11 場(chǎng)景1的01:00時(shí)段節(jié)點(diǎn)電壓

由圖10可知，當(dāng)經(jīng)濟(jì)成本最小為145.14元時(shí)，污染氣體排放量最大為0.35 t；當(dāng)污染氣體排放量最小為0.26 t時(shí)，經(jīng)濟(jì)成本最大為263.89元；因此兩個(gè)目標(biāo)之間存在一定矛盾關(guān)系并且呈現(xiàn)近似反比。折衷解為1=167.63元，2=0.32 t。因此，采用多目標(biāo)優(yōu)化調(diào)度能有效平衡兩者。

污染氣體排放最小和經(jīng)濟(jì)成本最小時(shí)，各EC的運(yùn)行情況如圖12、圖13所示。

圖12 污染氣體排放量最小時(shí)EC運(yùn)行情況

圖13 經(jīng)濟(jì)成本最小時(shí)EC運(yùn)行情況

由圖可知：

（1）污染氣體排放量最小時(shí)，兩類EC運(yùn)行情況相同。此時(shí)電熱負(fù)荷比例接近CHP機(jī)組熱電比（1.33），系統(tǒng)運(yùn)行在購(gòu)買天然氣通過CHP機(jī)組供能，少量購(gòu)電彌補(bǔ)電能缺額工況。

（2）經(jīng)濟(jì)成本最小時(shí)，由于購(gòu)電價(jià)格低于CHP機(jī)組發(fā)電價(jià)格，所以第一類EC負(fù)荷全部由購(gòu)電提供。同時(shí)，燃?xì)忮仩t效率遠(yuǎn)高于CHP機(jī)組供熱效率，所以第二類EC電負(fù)荷全部由購(gòu)電提供，熱負(fù)荷全部由燃?xì)忮仩t供應(yīng)。兩類EC的CHP機(jī)組均不啟動(dòng)。

（3）天然氣價(jià)格是影響系統(tǒng)運(yùn)行成本的主要因素。污染氣體排放量主要受電網(wǎng)供電的排放因子決定。

4.4 不同場(chǎng)景下優(yōu)化調(diào)度結(jié)果分析

4.4.1 P2G成本對(duì)優(yōu)化調(diào)度影響

對(duì)場(chǎng)景2進(jìn)行優(yōu)化，得到折衷解為1=7 214.33元、2=9.101 1 t。與場(chǎng)景1折衷解1=7 623元、2=9.334 8 t相比可發(fā)現(xiàn)，P2G不僅能顯著減少系統(tǒng)運(yùn)行成本，同時(shí)能降低污染氣體排放量，充分證明所提模型的可行性。

圖14 P2G成本對(duì)優(yōu)化調(diào)度的影響

由圖14可以看出：隨著P2G成本系數(shù)增加，P2G功率會(huì)隨之減小，且系統(tǒng)經(jīng)濟(jì)成本會(huì)先增加后減少。對(duì)比場(chǎng)景1可以發(fā)現(xiàn)，P2G仍具有降低經(jīng)濟(jì)成本作用，但效果受到成本系數(shù)影響。

成本系數(shù)在0～6時(shí)，經(jīng)濟(jì)成本與之成正比；在6～10時(shí)，經(jīng)濟(jì)成本與之成反比。可以發(fā)現(xiàn)：當(dāng)P2G運(yùn)行成本在一定范圍內(nèi)，能產(chǎn)生較好的經(jīng)濟(jì)效果，系統(tǒng)會(huì)啟動(dòng)P2G以降低污染氣體排放量；當(dāng)P2G成本過高時(shí)，啟動(dòng)P2G不再具有經(jīng)濟(jì)性，會(huì)限制P2G出力以兼顧經(jīng)濟(jì)指標(biāo)。

綜上所述，P2G運(yùn)行成本較高時(shí)，一定程度上會(huì)影響系統(tǒng)優(yōu)化調(diào)度結(jié)果。這說明在RIES優(yōu)化調(diào)度中應(yīng)考慮P2G運(yùn)行成本因素，也證明所提模型必要性。

4.4.2 P2G和儲(chǔ)能裝置對(duì)系統(tǒng)運(yùn)行影響

為分析P2G和儲(chǔ)能裝置對(duì)系統(tǒng)運(yùn)行的影響，分別對(duì)場(chǎng)景1、場(chǎng)景2和場(chǎng)景4進(jìn)行24 h優(yōu)化。3種場(chǎng)景折衷解如表3所示。

表3 不同場(chǎng)景折衷解

由表3可知，與場(chǎng)景2相比，場(chǎng)景4經(jīng)濟(jì)成本降低了1.14%，污染氣體排放量降低了0.95%，說明儲(chǔ)能裝置可以和P2G配合，使RIES實(shí)現(xiàn)優(yōu)化調(diào)度，這充分驗(yàn)證了所提模型的有效性。場(chǎng)景4和場(chǎng)景1相比，經(jīng)濟(jì)成本降低了6.45%，同時(shí)污染氣體排放量降低了3.43%。

為分析系統(tǒng)內(nèi)部運(yùn)行機(jī)理特征，本文對(duì)場(chǎng)景1，2，4優(yōu)化結(jié)果進(jìn)行對(duì)比，系統(tǒng)大致分為低電價(jià)（1:00—7:00，23:00—24:00）、中間電價(jià)（其他時(shí)段）和高電價(jià)（11:00—14:00，19:00—20:00）3種運(yùn)行狀態(tài)。不同場(chǎng)景下EC6的購(gòu)電量和購(gòu)氣量如圖15所示。

對(duì)比圖15中不同場(chǎng)景可知，從場(chǎng)景1到場(chǎng)景2、場(chǎng)景4，低電價(jià)時(shí)購(gòu)電量逐漸增加，將電能轉(zhuǎn)化為天然氣或進(jìn)行儲(chǔ)存。高電價(jià)時(shí)3種場(chǎng)景購(gòu)電量都下降，而購(gòu)氣量均增加，以平衡多目標(biāo)之間的矛盾關(guān)系。24 h內(nèi)場(chǎng)景1的購(gòu)氣量大于場(chǎng)景2和場(chǎng)景4，直接導(dǎo)致經(jīng)濟(jì)成本的增加，引入P2G和儲(chǔ)能裝置后實(shí)現(xiàn)電熱解耦，增加系統(tǒng)運(yùn)行靈活性。

由圖16可見，場(chǎng)景3的P2G在低電價(jià)時(shí)出力小于場(chǎng)景2和場(chǎng)景4，在高電價(jià)時(shí)相反，這主要是由于低電價(jià)時(shí)P2G運(yùn)行成本影響較大，不具經(jīng)濟(jì)性；不計(jì)及運(yùn)行成本時(shí)，P2G出力會(huì)大幅增加，將電能轉(zhuǎn)化后儲(chǔ)存；高電價(jià)時(shí)啟動(dòng)P2G經(jīng)濟(jì)效益會(huì)改善。這證明了RIES優(yōu)化調(diào)度中應(yīng)計(jì)及P2G運(yùn)行成本。

圖16 不同場(chǎng)景下P2G功率

由圖17可以看出，儲(chǔ)能裝置在夜間低電價(jià)時(shí)充能，高負(fù)荷電價(jià)增加后放能，實(shí)現(xiàn)削峰填谷和降低用能成本。

圖17 場(chǎng)景4儲(chǔ)能裝置出力

5 結(jié)論

提出一種含P2G和儲(chǔ)能裝置的多目標(biāo)優(yōu)化調(diào)度方法。設(shè)置4種不同場(chǎng)景對(duì)比分析，可以得出：（1）通過電、氣能源系統(tǒng)間的協(xié)調(diào)優(yōu)化，能夠有效權(quán)衡多目標(biāo)間的矛盾關(guān)系，獲得最佳調(diào)度方案。（2）能量轉(zhuǎn)換設(shè)備能實(shí)現(xiàn)能源間相互替代和優(yōu)勢(shì)互補(bǔ)。（3）P2G和儲(chǔ)能裝置能同時(shí)降低經(jīng)濟(jì)成本和污染氣體排放量，符合RIES的應(yīng)用理念。（4）在RIES中計(jì)及P2G運(yùn)行成本，會(huì)影響系統(tǒng)優(yōu)化調(diào)度方案。

附表A 能量中心和儲(chǔ)能裝置參數(shù)

Tab.A Parameters of energy center and energy storage device

設(shè)備名稱變壓器CHP機(jī)組中央空調(diào)燃?xì)忮仩tP2G 容量/kW200200100100200 儲(chǔ)能設(shè)備儲(chǔ)氣裝置儲(chǔ)電裝置儲(chǔ)熱裝置 最大儲(chǔ)能量Pmax/kW600600600 最小儲(chǔ)能量Pmin/kW00.4Pmax0.4Pmax 充/放能效率10.960.98 自損率00.010.02 初始狀態(tài)/kW0.5Pmax0.5Pmax0.5Pmax

[1] 別朝紅, 王旭, 胡源.能源互聯(lián)網(wǎng)規(guī)劃研究綜述及展望[J].中國(guó)電機(jī)工程學(xué)報(bào), 2017, 37(22): 6445-6462.

BIE ZHAOHONG, WANG XU, HU YUAN.Review and prospect of planning of energy internet[J].Proceedings of the CSEE, 2017, 37(22): 6445-6462(in Chinese).

[2] 降國(guó)俊, 崔雙喜, 樊小朝, 等.計(jì)及綜合需求側(cè)響應(yīng)的電–氣綜合能源系統(tǒng)協(xié)調(diào)優(yōu)化運(yùn)行[J].電測(cè)與儀表, 2020, 57(18): 43-49.

JIANG GUOJUN, CUI SHUANGXI, FAN XIAOCHAO, et al.Coordinated and optimal operation of electric-gas integrated energy system considering integrated demand side response[J].Electrical Measurement & Instrumentation, 2020, 57(18): 43-49(in Chinese).

[3] 杜先波, 陶蘇朦, 劉述波, 等.綜合能源系統(tǒng)日前–日內(nèi)多目標(biāo)優(yōu)化控制策略[J].電測(cè)與儀表, 2020, 57(16): 109-117.

DU XIANBO, TAO SUMENG, LIU SHUBO, et al.Day-ahead and intraday optimal control strategies of integrated energy system considering multiple objectives[J].Electrical Measurement & Instrumentation, 2020, 57(16): 109-117(in Chinese).

[4] 曾紅, 劉天琪, 何川, 等.含電轉(zhuǎn)氣設(shè)備的氣電互聯(lián)綜合能源系統(tǒng)多目標(biāo)優(yōu)化[J].電測(cè)與儀表, 2019, 56(8): 99-107.

ZENG HONG, LIU TIANQI, HE CHUAN, et al.Multi-objective optimization for integrated natural-gas and electricity energy system considering power-to-gas[J].Electrical Measurement & Instrumentation, 2019, 56(8): 99-107(in Chinese).

[5] 郭亦宗, 王楚通, 施云輝, 等.區(qū)域綜合能源系統(tǒng)電/熱云儲(chǔ)能綜合優(yōu)化配置[J].電網(wǎng)技術(shù), 2020, 44(5): 1611-1621.

GUO YIZONG, WANG CHUTONG, SHI YUNHUI, et al.Comprehensive optimization configuration of electric and thermal cloud energy storage in regional integrated energy system[J].Power System Technology, 2020, 44(5): 1611-1621(in Chinese).

[6] HEIDARI A, MORTAZAVI S S, BANSAL R C.Stochastic effects of ice storage on improvement of an energy hub optimal operation including demand response and renewable energies[J].Applied Energy, 2020, 261: 114393.

[7] ZHANG X, SHAHIDEHPOUR M, ALABDULWAHAB A, et al.Hourly electricity demand response in the stochastic day-ahead scheduling of coordinated electricity and natural gas networks[J].IEEE Transactions on Power Systems, 2015, 31(1): 592-601.

[8] 顧澤鵬, 康重慶, 陳新宇, 等.考慮熱網(wǎng)約束的電熱能源集成系統(tǒng)運(yùn)行優(yōu)化及其風(fēng)電消納效益分析[J].中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(14): 3596-3604.

GU ZEPENG, KANG CHONGQING, CHEN XINYU, et al.Operation optimization of integrated power and heat energy systems and the benefit on wind power accommodation considering heating network constraints[J].Proceedings of the CSEE, 2015, 35(14): 3596-3604(in Chinese).

[9] 馮智慧, 呂林, 許立雄.基于能量樞紐的沼–風(fēng)–光全可再生能源系統(tǒng)日前–實(shí)時(shí)兩階段優(yōu)化調(diào)度模型[J].電網(wǎng)技術(shù), 2019, 43(9): 3101-3109.

FENG ZHIHUI, LV LIN, XU LIXIONG.Two-stage optimal dispatch model of day-ahead and real-time for biogas-wind-solar fully renewable energy system based on energy hub[J].Power System Technology, 2019, 43(9): 3101-3109(in Chinese).

[10]崔楊, 閆石, 仲悟之, 等.含電轉(zhuǎn)氣的區(qū)域綜合能源系統(tǒng)熱電優(yōu)化度[J].電網(wǎng)技術(shù), 2020, 44(11): 4254-4263.

CUI YANG, YAN SHI, ZHONG WUZHI, et al.Optimal thermoelectric dispatching of regional integrated energy system with power-to-gas[J].Power System Technology, 2020, 44(11): 4254-4263(in Chinese).

[11] 張亞迪, 孫欣, 謝敬東, 等.考慮電轉(zhuǎn)氣和可平移負(fù)荷的區(qū)域綜合能源系統(tǒng)優(yōu)化運(yùn)行[J].電力建設(shè), 2020, 41(12): 102-111.

ZHANG YADI, SUN XIN, XIE JINGDONG, et al.Optimized operation of regional integrated energy system considering power-to-gas and shiftable load[J].Electric Power Construction, 2020, 41(12): 102-111(in Chinese).

[12] 馬騰飛, 吳俊勇, 郝亮亮, 等.基于能源集線器的微能源網(wǎng)能量流建模及優(yōu)化運(yùn)行分析[J].電網(wǎng)技術(shù), 2018, 42(1): 179-186.

MA TENGFEI, WU JUNYONG, HAO LIANGLIANG, et al.Energy flow modeling and optimal operation analysis of micro energy grid based on energy hub[J].Power System Technology, 2018, 42(1): 179-186(in Chinese).

[13] 董帥, 王成福, 梁軍, 等.計(jì)及電轉(zhuǎn)氣運(yùn)行成本的綜合能源系統(tǒng)多目標(biāo)日前優(yōu)化調(diào)度[J].電力系統(tǒng)自動(dòng)化, 2018, 42(11): 8-15.

DONG SHUAI, WANG CHENGFU, LIANG JUN, et al.Multi-objective optimal day-ahead dispatch of integrated energy system considering power-to-gas operation cost[J].Automation of Electric Power Systems, 2018, 42(11): 8-15(in Chinese).

[14] 劉滌塵, 馬恒瑞, 王波, 等.含冷熱電聯(lián)供及儲(chǔ)能的區(qū)域綜合能源系統(tǒng)運(yùn)行優(yōu)化[J].電力系統(tǒng)自動(dòng)化, 2018, 42(4): 113-120.

LIU DICHEN, MA HENGRUI, WANG BO, et al.Operation optimization of regional integrated energy system with CCHP and energy storage system[J].Automation of Electric Power Systems, 2018, 42(4): 113-120(in Chinese).

[15] 許周, 孫永輝, 謝東亮, 等.計(jì)及電/熱柔性負(fù)荷的區(qū)域綜合能源系統(tǒng)儲(chǔ)能優(yōu)化配置[J].電力系統(tǒng)自動(dòng)化, 2020, 44(2): 53-59.

XU ZHOU, SUN YONGHUI, XIE DONGLIANG, et al.Optimal configuration of energy storage for integrated region energy system considering power/thermal flexible Load[J].Automation of Electric Power Systems, 2020, 44(2): 53-59(in Chinese).

[16] 王英瑞, 曾博, 郭經(jīng), 等.電–熱–氣綜合能源系統(tǒng)多能流計(jì)算方法[J].電網(wǎng)技術(shù), 2016, 40(10): 2942-2951.

WANG YINGRUI, ZENG BO, GUO JING, et al.Multi-energy flow calculation method for integrated energy system containing electricity, heat and gas[J].Power System Technology, 2016, 40(10): 2942-2951(in Chinese).

[17] 陳勝, 衛(wèi)志農(nóng), 孫國(guó)強(qiáng), 等.電–氣混聯(lián)綜合能源系統(tǒng)概率能量流分析[J].中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(24): 6331-6340.

CHEN SHENG, WEI ZHINONG, SUN GUOQIANG, et al.Probabilistic energy flow analysis in integrated electricity and natural-gas energy systems[J].Proceedings of the CSEE, 2015, 35(24): 6331-6340(in Chinese).

[18] 林威, 靳小龍, 穆云飛, 等.區(qū)域綜合能源系統(tǒng)多目標(biāo)最優(yōu)混合潮流算法[J].中國(guó)電機(jī)工程學(xué)報(bào), 2017, 37(20): 5829-5839.

LIN WEI, JIN XIAOLONG, MU YUNFEI, et al.Multi-objective optimal hybrid power flow algorithm for integrated local area energy system[J].Proceedings of the CSEE, 2017, 37(20): 5829-5839(in Chinese).

[19] SHABANPOUR-HAGHIGHI A, SEIFI A R.Multi-objective operation management of a multi-carrier energy system[J].Energy, 2015, 88: 430-442.

[20] WANG Y, LI C, JIN X, et al.Multi-objective optimization of rolling schedule for tandem cold strip rolling based on NSGA-II[J].Journal of Manufacturing Processes, 2020, 60: 257-267.

[21] LEE U, PARK S, LEE I.Robust design optimization (RDO) of thermoelectric generator system using non-dominated sorting genetic algorithm II (NSGA-II)[J].Energy, 2020, 196: 117090.

[22] 覃琴, 施浩波, 周勤勇, 等.兼顧系統(tǒng)強(qiáng)度和直流支撐的500 kV電網(wǎng)分區(qū)方法[J].電網(wǎng)技術(shù), 2018, 42(12): 4138-4144.

QIN QIN, SHI HAOBO, ZHOU QINYONG, et al.Partitioning method for 500kV power network considering AC system strength and supporting ability to HVDC[J].Power System Technology, 2018, 42(12): 4138-4144(in Chinese).

[23] 黃俊.綜合能源系統(tǒng)多目標(biāo)優(yōu)化運(yùn)行算法研究[D].廣州: 華南理工大學(xué), 2019.

HUANG JUN.Multi-objective optimization operation and algorithm for integrated energy system[D].Guangzhou: South China University of Technology, 2019(in Chinese).

[24] LIN W, JIN X, MU Y, et al.A two-stage multi-objective scheduling method for integrated community energy system[J].Applied energy, 2018, 216: 428-441.

[25] 王英瑞.基于條件風(fēng)險(xiǎn)價(jià)值的電–熱–氣綜合能源系統(tǒng)經(jīng)濟(jì)調(diào)度[D].北京: 華北電力大學(xué), 2017.

WANG YINGRUI.Economic scheduling of integrated energy systems containing electricity, heat, and natural gas based on conditional value-at-risk[D].Beijing: North China Electric Power University, 2017(in Chinese).

[26] LIU W, WEN F, XUE Y.Power-to-gas technology in energy systems: current status and prospects of potential operation strategies[J].Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 439-450.

Multi-objective Optimal Scheduling of Integrated Energy System Including Power-to-Gas and Energy Storage

WANG Tingling, LIU Guoqing, ZHAO Didi

(School of Electric Power, North China University of Water Resources and Electric Power, Zhengzhou 450045, China)

In order to satisfy various energy management and optimal scheduling of the integrated energy system, a hybrid power flow optimal scheduling algorithm including power-to-gas and energy storage for the integrated energy system was constructed.Based on the theory of energy hub, the mathematical model of energy center including energy conversion equipment and energy storage equipment was established.After considering the related constraints of power system, natural gas system and coupling link, aiming at minimizing the economic cost of operation and the emission of polluting gas, a variety of schemes were obtained through the hybrid power flow optimization dispatching method, and then the final dispatching scheme was determined by fuzzy decision-making.The proposed scheduling scheme can take into account the security, economy, environmental protection and other constraints to ensure the stable operation of the integrated energy system.The simulation results show that the proposed algorithm can provide a multi-dimensional scheduling scheme for the integrated energy system and energy center, and the introduction of power-to-gas and energy storage devices can effectively reduce the economic cost of the integrated energy system and the emission of polluting gas, as well as the impact of the power-to-gas operation cost on the scheduling when the power-to-gas equipment is included.

integrated energy system; P2G; energy storage device; energy hub; multi-objective optimization scheduling

10.3969/j.ISSN.1672-0792.2021.10.001

TM734

A

1672-0792(2021)10-0001-10

2021-06-21

國(guó)家自然科學(xué)基金聯(lián)合基金（U1804149）；河南省高等學(xué)校重點(diǎn)科研項(xiàng)目（19A470002）

王亭嶺（1975—），男，副教授，主要研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行、分布式控制與優(yōu)化；

劉國(guó)慶（1995—），男，碩士研究生，研究方向?yàn)榫C合能源系統(tǒng)優(yōu)化調(diào)度；

趙迪迪（1998—），女，碩士研究生，主要研究方向?yàn)榕潆娋W(wǎng)無功優(yōu)化。