陳克文，撖奧洋，周生奇，菅學輝，張智晟

（1.青島大學電氣工程學院，山東青島 266071；2.國網山東省電力公司青島供電公司，山東青島 266002）

當今世界，能源危機、環境污染的壓力越來越大，并且工業生產和居民生活對能源的需求也日益增加，如何使能源更加有效地利用，同時使污染物進一步減少，實現能源的清潔利用、可持續發展是當今世界共同關注的焦點[1-4]。綜合能源系統（Integrated Energy System,IES）的提出在世界范圍內引起了普遍的關注，與傳統能源分供的形式相比，它能使能源效益最大化。因此，對于綜合能源系統的研究成為現在的重點問題[5-6]。

關于IES 的建模、需求響應及優化調度方法是現在研究的重點。文獻[7]考慮碳交易方案和不同的空氣污染物控制技術，構建了環境經濟調度模型；文獻[8]在分析用戶能源需求特性和熱網的傳輸特性的基礎上，協同優化需求側、供給側和傳輸側；文獻[9]考慮天然氣的動態潮流，構建了一種新模型；文獻[10]提出了一種考慮電轉氣設備運行成本對系統風電接納能力與運行經濟性影響的日前調度方法；文獻[11]建立了園區綜合能源系統的績效評價指標，從彈性矩陣的角度構建了多能量需求響應模型；文獻[12]針對樓宇系統提出一種虛擬儲能的調度模式，有效地降低了樓宇的運行成本。

鑒于以上背景，文中構建一種綜合能源系統，包含多種能源轉換設備便于達到多元化需求，并且考慮系統的運行費用和環境治理費用，使總和最小，通過模擬退火粒子群算法求解該模型，在綜合考慮系統多約束條件的情況下，合理調度各個設備的有功功率，以使系統在調度周期內所需費用最少。

1 綜合能源系統的優化調度模型

文中研究的綜合能源系統由光伏系統（Photo Voltaics,PV）、電制冷機（Electric Refrigerator,ER）、微型燃氣輪機（Gas Turbine,GT）、溴化鋰制冷機（Lithium Bromide Refrigerator,LBR）、燃氣鍋爐（Gas Boiler,GB）、燃料 電池（Fuel Cell,FC）和電鍋爐（Electric Boiler,EB）等組成。綜合能源系統的結構如圖1 所示。

圖1 綜合能源系統結構

1.1 目標函數

1）運行成本

文中構建的綜合能源系統的運行成本主要包括三部分，分別為電網購電所需費用、向電網售電所得費用和購氣所需費用，即：

式中，Ce,b為系統產電不足時的購電費用，單位:元；Ce,s為系統售賣電所得費用，單位:元；Cg為購買能源轉換設備所需天然氣費用，單位:元。

購電費用為:

式中，M為調度周期總時段數；ce,b,t為系統購電單價，單位:元/kW·h；Pgrid,buy為系統從電網購買的電量，單位:kW·h；Δt為單位調度時長，單位:h。

向電網售電所得費用為:

式中，ce,s,t為系統賣電時的單價，單位:元/kW·h；Pgrid,sell為系統售出的電量，單位:kW·h。

購氣費用為:

式中，cg為購買天然氣的單價，單位:元/m3；VMT、VFC、VGB分別為系統在t時段微型燃氣輪機MT、燃料電池FC和燃氣鍋爐GB所消耗的天然氣量，單位:m3。

2）環境成本

在系統的運行過程中，主要考慮處理CO2的治理費用[13]。這部分CO2主要由與電網進行電力交互時燃煤及能源轉換設備消耗天然氣時產生。因此環境成本Cenv為:

式中，WCO2為系統產生CO2時的懲罰系數；μg、μe分別為單位天然氣、單位電功率下CO2的排放量。

系統的總目標函數為:

1.2 各設備的約束條件

1）各設備電、熱功率滿足功率上下限要求

各設備電、熱功率滿足功率上下限要求為：

式中，Pi是各設備的電功率；Qi是各設備的熱功率；Pimin、Pimax分別是各設備電功率的下限和上限，其電功率上限不得超出額定值，有功功率下限不得小于0；Qimax、Qimin分別是電鍋爐等產熱設備熱功率的上限和下限，其設定同上。

2）電功率平衡約束

在系統中，電功率應在各個時刻保持各設備有功功率及負載消耗的平衡,如下式:

式中，PPV、Pele、PFC、Peb、PMT分別為光伏機組、電制冷機、燃料電池、電鍋爐、燃氣輪機的電功率；Puser表示第t時段滿足系統約束時優化調整后的電負荷需求；Pgrid為正表示從電網購電，為負表示向電網售電。

3）供氣平衡約束

供氣平衡約束如下:

式中，Vg為從天然氣網中獲取的天然氣量；Vuser為用戶側用氣負荷所需量。

4）冷能平衡約束

冷能平衡約束如下:

式中，Quser為系統中用戶的冷負荷；Qco為溴化鋰制冷機的制冷功率；Qele為電制冷機的制冷功率。

5）熱能平衡約束

熱能平衡約束如下:

式中，Huser為用戶的熱負荷；HGB為燃氣鍋爐的產熱功率；HEB為電鍋爐的產熱功率。

2 模型的求解方法

2.1 模擬退火粒子群算法

由于粒子群優化算法（Particle Swarm Optimization,PSO）容易困入局部極值，因此文中將模擬退火[14]思想（Simulated Annealing,SA）和Metropolis 準則引入粒子群優化算法中。當受到擾動而產生的新粒子為x′，粒子群的當前最優粒子為pbest，兩者之間的適應度差值可以表示為:

若Δf＜0，即新粒子的適應度值比當前最優粒子的適應度值小，那么接收新粒子為最優粒子；反之，以的概率接收這個粒子。這就是Metropolis 準則，其中T為模擬退火過程中的當前溫度。文中適應度值代表綜合能源系統中的總成本。

2.2 算法流程

該算法優化系統中各能源轉換設備的功率，從而使算法中的適應度值即系統的總成本最小。

算法的具體步驟如下：

1）設定粒子群的規模，生成各個粒子一定范圍內的初始狀態。

2）根據式（14）和式（15）更新粒子狀態，搜索個體和全局最優粒子。

式中，c1和c2為學習因子，一般取兩者相等；ksi為慣性因子，可根據需要設定；r1和r2為0 到1 中的無規則數；xi,j(t)和vi,j(t)分別為粒子的位置和速度；pi,j為迭代至目前所找到的個體最優值；pg,j為全局最優值。

3）對當前粒子群進行擾動，計算擾動后的個體和全局最優粒子。

4）如果重新搜索到的擾動后的全局最優粒子優于擾動前的最優粒子，則接收該粒子并將其作為新的全局最優解，反之不接收。如果擾動后的解滿足準則，則接收此解作為新的個體最優粒子，反之不接收。

5）根據Tk+1=λ×Tk執行退溫操作，使溫度T不斷下降，其中λ為退溫常數，初始溫度T0=fitness(pg)/log(5)。如果搜索到的解已經滿足條件，則不再搜索，輸出最終結果；反之，回到第2）步，繼續搜索最優解。

3 算例分析

3.1 綜合能源系統的仿真算例

為了驗證模型及算法的有效性，文中以某建筑樓宇綜合能源系統[15-16]為實際算例，該辦公樓建筑面積為1.5萬m2。該建筑吸收來自光伏、電網、燃料電池及燃氣輪機的電能；熱負荷由燃氣鍋爐及電鍋爐提供。

取某一夏季典型日為一個完整的調度周期，每一個小時為一個時段，一個調度周期內共包含24 個時段。建筑的光伏出力及冷、熱、電負荷如圖2 所示。分析該算例時采用分時電價，峰時段（10:00-15:00、18:00-21:00）、谷時段（23:00-次日6：00）及平時段（其他時間）的購電價分別為1.00元/kW·h、0.38 元/kW·h、0.70 元/kW·h；售電價分別為0.70 元/kW·h、0.25元/kW·h、0.40 元/kW·h。

圖2 內部負荷及光伏出力

3.2 算法結果的對比及分析

用兩種算法對綜合能源系統模型進行求解，圖3為兩種算法適應度的變化對比，圖4 為各個設備的出力數據。

圖3 兩種算法的對比

圖4 各設備的出力

從圖3 可以看出，在兩種算法迭代次數相同（均為1 000 次）的情況下，SAPSO 算法的整體效果要優于PSO 算法。盡管基本粒子群算法在前期搜索速度快，但是容易陷入局部極值，從而較早的收斂；而模擬退火粒子群算法能夠跳出局部極值，全局搜索能力更強，收斂的效果優于基本粒子群算法。

如圖4 所示，在谷時段，由于此時電價較低，因此向電網買電用于滿足整體電負荷需求，所以燃氣輪機的功率逐漸減小，電鍋爐的功率較大，電制冷機功率逐漸下降；在峰時段，電負荷、冷負荷需求量整體處于上升趨勢，并趨近于峰值，所以燃氣輪機發電量逐漸增大，且燃氣鍋爐工作在較高功率狀態；由于燃氣輪機處在功率較高的工作狀態時，產生的余熱較多，因此溴化鋰吸收式制冷機功率較高，但仍不能滿足此時的冷負荷需求，因此電制冷機的功率仍然較高，溴化鋰吸收式制冷機與電制冷機共同工作以滿足冷負荷需求。

兩種算法的系統成本如表1 所示。與傳統粒子群算法相比，利用模擬退火粒子群算法得到的系統總成本更低，減少了約5.9%，充分說明了該算法的有效性。

表1 兩種算法的成本對比

4 結論

文中針對綜合能源系統能源需求增長迅速但能源供給結構不合理的問題，構建包含運行費用和環境治理費用的目標函數，利用模擬退火粒子群算法對模型進行求解。通過仿真分析可知，與傳統粒子群算法相比，模擬退火粒子群算法能夠有效減少綜合能源系統在調度周期內的總成本，該模型能夠有效平衡系統的經濟及環境效益，滿足生產時的多目標需求，為綜合能源系統的規劃運行奠定基礎。但是模擬退火粒子群算法也有著收斂性慢的問題，需要更多的迭代次數，找到最優解所需的時間也更長，在今后的研究中可以對此進行優化。