基于能源互聯的分布式供能網絡多目標優化

趙明哲，劉亞麗，張國慶

(1.光大環保能源(濟南)有限公司，山東 濟南 250000；2.北京市煤氣熱力工程設計院有限公司山東分院，山東 濟南 250000；3.華北電力大學動力工程系，河北 保定 071000)

0 引言

由于能源供應短缺和環境污染問題的發生，可再生能源的高效利用受到廣泛關注[1]。將各種能源綜合輸入利用的分布式能源系統被認為是提高能源利用效率、減少環境污染、緩解氣候變化的有效途徑[2]。目前，能源體系正在向著互聯互通、協調兼容[3]的能源互聯網方向發展。能源互聯網作為一種新型的能源利用體系[4]，將互聯網信息技術和新能源技術融入其中，突破行業原有的弊端，實現能源的開放共享。中國提出的“互聯網+”智慧能源的計劃[5]，設定了明確的能源互聯目標，強調要建設多能協同的能源網絡，進行能源結構的變革和轉型。建設能源互聯網，加快推進電能替代、清潔替代是實現能源轉型的根本途徑[6]，分布式能源系統在能源轉型[7]過程中起到關鍵作用。

由于單體式分布式能源系統易受到供需波動和外部因素變化的影響，無法保證系統的高效運行實時滿足用戶需求，需同其它分布式系統互聯[8]，進而朝著分布式能源系統互聯的方向轉變[9]。區域分布式能源網絡通過分布式能源技術將天然氣和各種清潔能源連接到終端用戶，實現多元能源產品供求之間的雙向互動，從而形成高效的能源網絡[10]。然而，多個分布式能源系統協同運行的能量耦合關系復雜多變，優化問題對整個能源網絡的性能提升至關重要。

目前針對多個分布式能源系統及其區域供能網絡的優化主要集中在系統集成和運行管理方面。在系統集成方面，設備容量的配置優化是主要內容，如能源網絡各組分的容量優化[11]或綜合能源系統的科學配置[12]。在運行調度管理方面，多目標滾動優化[13]可以充分利用各種清潔能源，實現良好的系統調度。結合區域能源網分布式能源供應系統的數學模型，對設備布局和運行策略進行的優化[14]，多目標優化模型確定了儲能裝置的尺寸和位置[15]，取得了明顯的環境效益和經濟效益。在能源管理方面，對各種儲能技術的運行策略進行了優化[16]，提高了能源樞紐運行的靈活性和經濟性。葛海麟[17]等人基于能量網絡理論對系統進行了優化分析來提高節能潛力。

Zhang等[18]通過求解多目標協同優化模型，獲得了區域分布式能源網絡的最佳系統集成方案，提高了可再生能源的利用率。但是，其模型中的優化目標只考慮了經濟和能效方面對系統的影響，沒有考慮系統運行靈活以及安全可靠等方面的影響。Dai等[19]提出了多個區域建筑的供能系統之間的協同運行策略，結果表明協同優化策略可以大幅降低能源利用的成本，碳排放量和一次能源消耗。文獻[20]中的研究學者通過優化結果發現，盡管獨立優化每個系統可以降低其運行的成本，但是獨立優化所集成的系統方案配置，對整個能源網絡的節能減排的積極性影響甚小。Zheng等[21]則發現協同優化策略有助于提高系統的安全性和可靠性。Wang等[22]提出了一個區域能源供應網絡，該區域能源供應網絡僅考慮了單個熱力融通網絡的互換，連接多個終端用戶和能源輸入，從而實現了低碳，高效和經濟的能源規劃。Wakui等[23]優化了基于熱能和電力共享的住宅能源供應網絡，研究發現熱能和電力共享的能源供應網絡協同運行比單元獨立運行消耗更少的能量，但是該研究只進行了能效性指標的優化研究。

目前，分布式能源網絡在系統集成[24]、設備配置[25]、熱力分析[26]、運行策略[27]等方面已有大量的優化研究，但研究內容側重以經濟性、能效性、環保性為指標下的研究。然而，在相對完備的優化目標下，對分布式能源網絡進行協同優化的研究相對較少。本文在能源互聯網概念的基礎上，建立了多目標協同優化模型，旨在提升分布式供能網絡的經濟性、能效性、減排性、靈活性和安全性。

1 分布式供能網絡架構

1.1 集成方案

分布式能源網絡初步的集成方案如圖1所示。電力來源包括風力發電、光伏發電、燃氣輪機發電以及從電網購電量，電力負荷包括用戶的用電需求和地源熱泵壓縮機耗電。熱力來源包括太陽能集熱器和燃氣輪機余熱，用以驅動吸收式冷熱水機組制熱或供冷，通過換熱器產出用戶需求的低品位生活熱水。當吸收式冷熱水機組的驅動熱源不足時，一部分天然氣將進入機組直接燃燒提供熱源，驅動制冷(熱)循環。地源熱泵機組消耗電能和利用地熱能，達到制熱或制冷的目的。蓄電池和蓄熱水箱作為能源調控的有效方式，在能量供應不足時釋放能量滿足部分負荷，在能量過剩時儲存能量。

圖1 基于能量樞紐的分布式能源網絡系統架構

1.2 設備建模

本節考慮設備運行的非線性特性，建立了系統組件在運行時長下的全工況動態出力模型，用以表征多種形式的能量流動在不同能源載體之間的轉換和儲存的關系，將模型方程列在了表1中。

表1中各模型方程，其中E和Q代表電量和熱量，單位為kW；gt，sc，wst，pv，shc，hp，abs，wt，分別為燃氣輪機，蓄電池，蓄熱水箱，光伏平板，太陽能集熱器，熱泵機組，吸收式機組和風力發電機；gas和grid代表天然氣和電網；r和t分別為設備所處的負荷率水平以及運行時刻；i，ci，re，co分別代表了風速v(m/s)的實時，切入，額定和切出狀態；I代表了光照強度，單位為W/m2，T代表太陽能組件表面的溫度，單位為℃。

表1 分布式能源網絡設備的動態能量模型[18]

1.3 運行策略

能源網絡的最優運行策略是使新能源裝機工作在最大出力點，優先利用可再生能源滿足負荷。燃氣輪機和吸收式機組作為熱電比調節的主要設備。系統內部采用以電定熱的策略，多個系統之間采用熱電互聯的策略，即過剩的電和熱優先傳輸到其他能源系統。具體策略主要包括以下四種情況。

1)當某個能源站系統電力和熱力供大于求，該系統進行熱電融出，若此時還剩余電力，剩余電力則上網售電；如果此時還剩余余熱，剩余熱力則與環境換熱。

2)當某個能源站系統電力和熱力供不應求，該系統進行熱電融入，若此時存在不足的電力需求，則從電網購電；若此時存在不足的熱力需求，則通過吸收式機組燃燒補充。

3)當某個能源站系統電力供大于求，該系統進行電力融出和熱力融入，若此時還剩余電力，剩余電力則上網售電；若此時存在不足的熱力需求，則通過吸收式機組燃燒補充。

4)當某個能源站系統電力供不應求，該系統進行電力融入和熱力融出，若存在不足的電力需求，則從電網購電；若此時還剩余余熱，剩余熱力則與環境換熱。

2 多目標優化模型

2.1 決策變量

供能網絡協同優化所涉及的三個能源站的有關決策變量如矩陣X所示：

X=[Ngt,Nsc,Nwst,Npv,Nshc,Norc,Nwt,ω,α]

(1)

其中N(kW或kWh)為設備組件的容量；ω為過剩能源的分配系數，表征系統向其他兩個能源站系統進行能源融通時的能量分配情況；α表示為不同電價時段下，地源熱泵出力在總熱(冷)出力中的比值[28]。

2.2 優化目標

由于相對指標所表示的目標函數可以更加直觀反映不同系統集成方案的性能差異，因此本文從能效性、經濟性、環境性、靈活性以及安全性等五個方面考慮來作為優化的目標函數。

1)一次能源節約率(primaryenergy saving ratio, PESR)

本文提到的一次能源消耗是指從電網購買電力和與天然氣燃燒相關的能源消耗。一次能源節能率是多能互補分布式供能系統相對于參考系統的節能率，PESR可以表示為：

(2)

其中FDES和Fref(kw)分別是分布式供能系統和參考系統的一次能源消耗量，i為能源站系統的數量，T為運行時長。

2)二氧化碳減排率(arbon dioxide emission reduction ratio, CDERR)

環境方面的評價指標主要包含碳排放和氮排放指標，其中碳排放占據了污染物元素含量的絕大部分。因此，選取二氧化碳減排量用作評價系統的環境性的函數，其中二氧化碳排放量主要來自電網電力和市政燃氣的碳排放量，CDERR可計算為：

(3)

3)年總費用節約率(annual total cost saving ratio, ATCSR)

ATCSR是能源站中分布式供能系統相對于參考系統的成本費用節省比率。

(4)

4)電網購電水平(power purchase level of grid, PPL)

供能網絡生產的電力不足以滿足電負荷需求時，會主動向電網購電。但是，過度依賴于電網補電量會降低系統本身的靈活性，減少系統孤網運行的可能性。電網購電水平[29]可以評價系統運行調度的靈活可調性：

(5)

5)電網交互水平(grid interaction level, GIL)

電負荷大于供給電力時，供能網絡向電網購電；電負荷小于供給電力時，供能網絡向電網售電。系統與電網頻繁的交互行為影響著電網的穩定性，給電網帶來沖擊。用電網交互水平[29]可以評價系統行為對電網的不利影響：

(6)

綜合上述評價指標可知，本文優化問題的目標函數可統一表示為：

2.3 約束條件

多目標協同優化模型除滿足必要的動態能量輸出模型和功率限制外，還需考慮能量供需之間的動態平衡，以及能源互聯的約束條件。其中電力、熱力互聯的能量約束條件[18]分別為：

2.4 優化算法

本文選擇的求解最優結果的智能算法是改進的多目標遺傳算法[30]，它是基于帕累托最優解的多目標優化求解算法。遺傳算法具有全局搜索能力，算法自帶的精英策略和變異操作，是實現群體多樣性，跳出局部最優，面向全局尋優的重要保證。

優化計算流程如圖2所示，主要的流程如下：

流程1：輸入優化模型相關的初始化數據，并設置求解算法的初始參數。

流程2：隨機生成初始種群，計算種群個體的適應度函數，經過非支配排序后，進行選擇，交叉和突變等三種基本遺傳算子操作后，獲得了第一代種群。

流程3：從第二代開始，將父代種群和子代種群合成為一個種群，計算種群個體的適應度函數并進行非支配排序。根據排序和擁擠程度情況，經過遺傳算子操作后，選擇合適的個體形成新的父代種群。

流程4：重復計算步驟2并進行循環計算，直至滿足程序結束條件中的最大進化代數，輸出系統調度和設備容量在內的帕累托最優解集方案。

3 案例研究

研究案例是以上海某區域為主體，當地用戶負荷類型多樣，可再生資源豐富，適宜構建分布式能源網絡進行多元負荷的供給。本文利用MATLAB軟件編程，對多個分布式供能系統構成的能源網絡開展建模與優化研究。為驗證不同優化目標對網絡經濟性、能效、環保型、靈活性以及對電網穩定性的影響，以及不同優化方式對綜合性能的影響，本文設置了以下三種優化方案：

方案1：以PESR，ATCSR，CDERR，PPL，GIL為優化目標，基于熱力、電力互聯共享的三個分布式能源系統進行協同優化。

圖2 基于遺傳算法的多目標協同優化流程

方案2：以PESR，ATCSR，CDERR為優化目標，基于熱力、電力互聯共享的三個分布式能源系統進行協同優化；

方案3：以PESR，ATCSR，CDERR為優化目標，三個分布式能源系統進行獨立優化。

3.1 基礎數據

不同建筑類型和用戶組成的區域負荷由DeST軟件模擬預測得出，太陽光照強度，風資源水平，室外溫度等氣象參數則借助DeST軟件中的Medpha單元模擬得出。

選取三個區域全年中的典型日負荷數據如圖3所示，全年逐時氣象參數的相關數據如圖4所示。

系統中設備的關鍵技術參數[31]列在了表2中；單位容量下的設備初始投資成本與運行維護成本[14]列在了表3中。

表2 設備組件的關鍵性能參數

表3 設備投資與維護成本 元/kW

表4列出了天然氣的燃料價格以及上海地區電力峰谷時段的價格[32；表5列出了與求解算法相關的初始設置參數。

表4 天然氣價格和電網峰谷價格

表5 遺傳算法和求解程序的初始參數設置

圖3 三個子區域內冷、熱、電及生活熱水負荷的典型日變化曲線

圖4 可再生資源的全年分布情況

3.2 優化結果

分別運行三種優化方案的計算程序，求解得到了三種方案的最優帕累托前沿解集，將其分別展示在圖5中。在優化方案1中，ATCSR指標變化范圍為8.7%至30.9%，PESR指標變化范圍為10.7%至37.0%，CDERR指標變化范圍34.9%至50.5%，PPL指標的變化范圍在4.4%至25.3%，GIL指標的變化范圍為4.8%至26.5%。

在優化方案2中，ATCSR指標的變化范圍為23.6%至30.1%，PESR指標的變化范圍為20.9%至35.1%，CDERR指標變化范圍37.4%至50.1%。

在方案3中，其ATCSR指標在7.7%到24.2%之間變化，PESR指標在15.1%至31.0%之間變化，CDERR指標從33.4%到46.7%之間變化。

優化方案的結果表明，協同優化得到的方案在節能、減排、能效等方面的平均性能表現均優于獨立優化得到的方案。

考慮年總成本節省率，一次能源節能率，二氧化碳減排率，電網購電水平，電網交互水平在各優化方案中具有同等重要的權重，根據正向指標與負向指標之和最大化的原則，選取最優解對應的方案如表6所示。

表6 三種優化方案下系統配置的優化結果

協同優化(方案1和2)與獨立優化(方案3)相比，分別增加了新能源機組48.9%和51.9%的裝機容量，當地可再生資源得到充分開發和利用。區域分布式供能網絡協同優化的本質機理是基于多個能源站之間能量融通和多種能源互補進行的優化，三個能源站系統借助區域之間的能源共享實現了互聯，使得設備組件的資源配置更加合理。

圖5 多目標優化下的最優帕累托前沿解集

3.3 討論分析

3.3.1 優化方案分析

方案1和方案2對應的最優解，其一年內的能源生產和能源消耗結構如圖6所示。與方案2相比，方案1中供能網絡的電網購電量從13.40%減少到8.10%，表明系統的靈活性和獨立性大大增加。極端情況下，系統可以不依賴于電網電力，滿足大部分的區域建筑和區域用戶的電力負荷。但是，隨著系統獨立性水平的增加，其節能減排的效益往往會下降，廢熱量從22.43%上漲到28.08%，致使過剩能源量的產生。

方案1中系統從電網購電和向電網售電之和共減少6.03%，表明系統在全年運行時長下，減少了同電網的電力交互行為，確保系統運行可靠性的同時，增加了對電網安全性的保護。與方案2相比，方案1中的電力融入量從4.03%下降到2.59%，電力融出量從2.59%下降到2.57%。優化結果表明三目標協同優化的方案使得區域分布式供能網絡整體同電網交互水平提高的同時，也增加了網絡內部各個子系統之間運行的互聯互通，使得過剩的電力和熱力被有效地共享利用，通過能源互聯的網絡實現系統運行的高效性。

圖6 分布式能源網絡全年運行的能源生產和能源消耗結構

3.3.2 性能指標分析

三種方案目標函數的優化結果如圖7所示。方案2與方案3相比，指標ATCSR，PESR，CDERR分別增加了3.43%，21.73%，19.84%，表明多個分布式能源系統經過協同優化后的綜合性能得到了提升，系統及其所在網絡的整體經濟性、能效性和環保性表現更佳。

方案1與方案2相比，雖然指標ATCSR，PESR，CDERR分別下降了7.59%，8.70%，2.67%，但是以PPL和GIL為子優化目標的方案1，其PPL和GIL指標分別降低了14.36%和18.36%，表明系統的靈活性更強，對電網的安全性更高。

圖7 三種優化方案下的多目標評價函數值

綜上所述，方案2在經濟性能，環保性能以及節能性等方面的綜合性能表現最好；方案1在系統靈活性以及對電網的保護性方面表現最好；協同優化方案在各方面的性能表現均優于獨立優化的方案。

3.3.3 出力調度分析

圖8展示了協同優化(方案2)下分布式能源網絡整體的電力調度情況。在冬季典型日的一天中，燃氣輪機發電量、光伏發電量、風機發電量滿足了大部分的電負荷需求，電網電力作為電負荷不足的補充，占電力來源的12.9%。以電力互聯的能源利用形式共享的電量占總發電量的16.0%，共享電力對分布式能源網絡的電力調度起到了積極的調控作用，在燃氣輪機停止運行的0∶00至8∶00時間段內，配置了風力發電的2號能源站將富余的電力融入到其他兩個能源站，提高了新能源的發電量，其中可再生能源發電量占總發電量的55.2%。

由于地源熱泵運行需消耗電力，熱泵機組一般在夜間電網電價較低時運行。蓄電池則在用戶電負荷低谷時開始儲存電力，并在用戶電負荷急劇上升的時間段將儲存的電能釋放，滿足部分電力需求。

能源網絡內部的熱力調度如圖9所示。選取夏季典型日協同優化的數據結果，熱力負荷需求包括冷需求和生活熱水需求，燃氣輪機的熱量滿足了大部分的熱力需求，驅動吸收式冷熱水機組產出相應能源產品。能源站富余的熱力，通過熱力共享形式融入到其他能源站系統，大大減少了各個能源站熱量的剩余，使能源生產和消耗的結構更加合理有序，減少了廢熱的產生和余熱量的浪費。當燃氣輪機余熱或集熱器的熱量不足時，例如在7∶00至8∶00時間段和22∶00至24∶00時間段，天然氣則會進入吸收式機組中直接燃燒來補充熱力的需求。

圖8 基于電共享的分布式能源網絡的電力調度

圖9 基于熱共享的分布式能源網絡的熱力調度

4 結論

(1)從多能互補的分布式供能系統到多站協同的區域分布式供能網絡，協同優化是通過優化設計和調度管理獲得收益的有效方法。與獨立優化相比，區域分布式能源網絡的協同優化分別使ATCSR增加3.43%，PSER增加21.73%和CDERR增加19.84%，這為基于能源互聯的供能網絡協同優化模型的應用提供了理論基礎。

(2)同以三個指標為優化目標的方案2相比，以五個指標為優化目標的方案2的PPL和GIL評價指標分別降低了14.36%和18.36%，表明系統自身的運行靈活性更強，對電力網絡的運行安全性更高。

(3)通過電力和熱力融通，分布式能源網絡中設備組件的發電和產熱，能量的存儲和釋放，電力的購買和熱量的補充等形式相互協調，使得過剩電降低1.31%，廢棄熱減少19.47%，實現了科學的多能量調度，表明協同優化使能源生產和能源消耗的結構更加合理。