面向工業生態園的多能流系統優化與 綜合特性分析

孫 昭，榮文杰，王承陽，李寶寬，宋宸宇

（東北大學冶金學院，遼寧 沈陽 110819）

隨著社會經濟的快速發展，傳統單一化石能源供能系統由于其簡單低效、污染物嚴重等缺點[1]，不能滿足當今低碳綠色發展的要求。可再生能源具有綠色環保、來源廣泛和可持續發展等特點，促進了能源系統在環境、經濟、效率等方面的革命[2]。但是，可再生能源受限于不可預測的外部環境，而且單一可再生能源由于其間歇性和隨機性難以向電網系統提供持續穩定的電力，進而無法滿足用電需求[3]。因此，未來的能源系統需要考慮耦合多種能源發電技術的供需平衡并考慮其擾動性、一致性以及可再生能源消納率，達到節能減排、充分利用可再生能源優勢的目的。

多能流系統融合了多種可再生能源和不可再生能源的分布式發電及儲能裝置和需求響應與可控負載等技術，在能源結構調整、提高能源利用率以及減少二氧化碳排放方面具有突出特點[4]。同時應用可再生能源和低碳清潔的技術來抵消其他行業產生的二氧化碳即“碳中和”等方面擁有獨特優勢。Chen C等[5]提出一種用于優化微電網成本的智能能源管理系統并制定了最佳運行策略，保證了經濟優化調度并滿足一定的設計需求。Geidl M等[6]提出了多能流系統的基本模型——能量樞紐（energy hub），分析了系統的經濟性調度與最優潮流的應用。基于能量樞紐的概念，近十年來國內外研究學者對多能流系統的建模和優化運行進行了多方面的研究。Enrico Fabrizio等[7]提出了建筑多能源系統的建模方法。Samaneh Pazouki等[8]將風能、電力和天然氣輸入能量樞紐，并考慮了系統中風力、價格和需求的不確定性對能量樞紐的運行成本與可靠性影響。Ma Tengfei等[9]基于圖論矩陣對多能流系統建模，構建以最小化日運行成本為目標的多能流系統有向圖模型；該多能流系統優化實現了能源結構調整、多種能源互補，提高了可再生能源消耗。Marek Jaszczur等[10]設計和優化了一種家用混合可再生能源系統，基于遺傳算法對該系統進行經濟和環境的多目標優化，確定了二者之間的關系。對于多能流系統的能耗與排放分析，Ehsan Akrami等[11]用能量-?方法對一個多發電系統綜合分析，同時為了評估該系統的性能，并研究了系統中的相關變量對整個系統的相關能量效率和?效率的影響。Wang Jiangjiang等[12]對冷熱電聯產系統（CCHP）和太陽能集熱器耦合系統進行一次能源利用率、?分析和碳排放分析，研究了兩者的互補關系。Paolo Gabrielli等[13]建立了一個包含季節性儲能在內的多能源系統的多目標優化框架，得到成本-排放的Pareto解集，確定了所研究的技術在不同排放條件和不同邊界條件下的潛力。Chen Lingmin等[14]建立了一個利用風能和太陽能的冷熱電聯產的多能流系統的模型框架，以供電損失概率和供熱損失概率來評價系統能源供應的可靠性，考慮可再生能源滲透的因素，提出相關的公式。Eliezer Zahid Gill等[15]對太陽能輔助的多聯產系統進行能量、?、經濟、環境分析，該系統的熱效率達到40%、?效率達到20%以上。對于多能流系統的整體性運行特性分析，Si Fangyuan等[16]建立耦合多能源網絡運行約束的兩階段魯棒優化模型來研究多能源系統的運行經濟性和可靠性，除了經濟性外，網絡多能量流、節點運行狀態與供需平衡也被考慮在不確定性因素對系統的敏感性分析。Nathaniel Pearre等[17]將間歇式可再生能源發電與能量儲存相結合，建立了一個基于數據驅動的控制模型來平滑可再生能源發電進而匹配負載擾動，經濟有效地平衡能量儲存。以上文獻集中于對多能流系統的建模和優化運行及多能流系統部分整體性分析（如經濟性與可靠性），而缺乏對于系統其他方面如可再生能源、余能循環的運行特性，以及多能流系統的擾動性、一致性的整體研究。

本文針對上述問題提出了多能流系統的優化模型，該模型以最小化系統的總運行成本為目標。同時提出對系統運行特性多角度評價的新方法，包括且不限于面向多能流系統的能效評價模型、面向系統可再生能源的利用與棄置特性參數等。另外，本文從系統內部擾動入手對多能流系統的擾動產生進行分析，并提出了相關的評價公式。最后，本文對某工業生態園區的多能流系統用能網絡的穩態工況進行優化分析及系統評價。

1 系統模型

1.1 系統描述與系統邊界

多能流系統利用先進的轉化技術將多種能源（電力、光伏、風力、天然氣、水等）進行結合，完成能量供應、能量儲存、能量消耗、能量轉換的過程。

研究多能流系統，首先根據實際情況和研究目的劃定系統的邊界條件和定義有關的假設。在本文研究的多能流系統中，相關設備的初投資暫不考慮；根據能量樞紐概念，假設該能量樞紐的能量流動處于穩定流動狀態，整個系統的能源管線內無能量損失，損耗僅發生在能量轉換器內部[18]。對于模型的應用考慮以下邊界：

1）應用的主體為工業園區內部，包括供熱、供電和供冷設備以及園區辦公大樓內冷熱電負載。

2）對于園區內部的能源系統，將光伏、風力發電引入園區能源系統，作為園區的主要供能。當可再生能源不能滿足園區內用能設備時，需要接入城市的電-天然氣網，除此之外不從外界引入任何能源。若可再生能源可以完全滿足園區內的供能，可將該園區視作一個能源孤島。

3）對于園區辦公大樓等建筑，園區內建筑物外墻及屋頂設置太陽能光伏板，同時引入儲電、儲熱、余熱回收裝置。

1.2 系統建模

在整個多能流系統能量樞紐內部，根據“源-網-荷-儲”定義，將整個系統劃分為“系統節點-能源管線-能流網絡”結構，同時給出能源運行過程的能阻定義。圖1多能流系統示意。

1.2.1 節點與管線編碼

對多能流系統內系統節點和能源管線編碼編號，構建輸入管線矩陣Pin和輸出管線矩陣Pout。

輸入管線功率的每個分量Pi,in對應一個系統節點，也即輸入功率的每一行對應系統“管線-節點”的輸入功率。而輸出管線功率矩陣每個向量Pk,out也對應一個系統節點，但是輸出功率矩陣每一行對應系統“節點-管線”的輸出功率，同時輸出管線功率矩陣部分向量代表了系統荷端需求功率。

1.2.2 關聯矩陣

為判斷和表達系統節點和對應能源管線的狀態，本文建立關聯矩陣Cm×n。該關聯矩陣的元素與輸入管線矩陣Pin和輸出管線矩陣Pout一一對應，表達式為：

關聯矩陣Cm×n實際上是0-1矩陣，各元素表示系統節點與對應管線的連接狀態。若矩陣內元素值為1表示該節點連接的能源管線為閉合狀態，反之表示斷開狀態。

1.2.3 能阻關聯矩陣

運行能阻矩陣N的元素由不同能源管線運行能阻組成，且與Pin中輸入管線相對應，表達式為：

在能源系統運行過程，會存在一定的能量損耗，包括流經在能源管線與設備節點的損失以及能源轉換器和儲能節點設備自身損失。采用整體系統優化模型“黑箱理論（black box）”[19]，將所有的損耗折算為能阻系數，對于在非電系統如制冷系統中采用制冷系數折算為能阻系數，熱能系統的能阻定義與電力系統相似。

1.3 構建多能流系統優化模型

多能流系統矩陣模型為：

式中：Pmax表示系統中相關設備的最大容量。同時在每個節點處需要滿足能量輸入輸出保持平衡狀態。除此之外，由于系統中包含儲能節點，需要包含儲能節點約束：

式中：Es,t為某時刻儲能裝置儲存的能量；ηc為儲能裝置的充能效率；Pc,i(t)為某時刻儲能裝置的充能功率；ηd為儲能裝置的放能效率；Pd,i(t)為儲能裝置的放能功率；Es,t+1為儲能裝置運行至下一時間步長的剩余能量；γc,max和γd,max分別為儲能裝置的充、放能效率；Pc,es,max和Pd,es,max分別為儲能裝置的最大充、放能功率。

對于儲能約束，式(7)的第1和第2項代表儲能裝置的充放能不能超過其最大充放能功率，第3項表示充能和放能不能同時進行，第4項表示儲能裝置在充放能的初始時刻與最終時刻儲存的能量相同。

1.3.1 目標函數

構建一個考慮冷熱電負荷和相關設備約束的優化模型，旨在系統總運行成本最低（包括二氧化碳的排放成本和系統運行所需的能源成本）。

式中：α為碳排放成本因子，取0.038元/kg；βgrid為電網的碳排放因子，取0.889 kg/(kW·h)；βmt為燃氣輪機碳排放因子，取0.184 kg/(kW·h) ；βgb為燃氣鍋爐碳排放因子，取0.226 kg/(kW·h)[9]。

1.3.2 求解過程

本文建立的園區多能流系統優化數學模型 （圖2）屬于混合整數線性優化問題，采用Yamlip工具箱，在MATLAB軟件中建模，并調用CPLEX求解器進行求解。

求解步驟為：

1）根據園區供能結構以及設備的轉換形式建立多能流系統耦合模型；

2）考慮設備的運行特性，建立關聯矩陣，設備效率設定為常數；

3）以購能成本和碳排放成本最小為目標，求解在調度期間各個機組出力情況和相關成本，得到模型的最佳調度方案。

2 案例分析

2.1 情景描述

本研究工業園區含住宅區、工業區、商業區等。總規劃面積10.80 km2，其中工業區面積是1.87 km2，商業區面積和住宅區面積共2.88 km2。

為了對比分析本文提出多能流系統優化方法的通用性，設置3種情景進行分析，具體情況如下：

情景1 采用傳統的冷熱電聯產系統（包含燃氣輪機、燃氣鍋爐和電制冷機、吸收式制冷機），以及外部供電網和天然氣管網。

情景2 在情景1的基礎上，引入可再生能源系統，包括光伏發電和風力發電。

情景3 在情景2的基礎上，引入儲能系統，包括蓄電池和儲熱罐。

假設系統處于并網狀態，在園區內部發電和可再生能源供應不足時向外部電網購電；同時系統內部無天然氣源，所需的天然氣由城市天然氣網供應；系統中的熱負荷由燃氣輪機、燃氣鍋爐供給。園區電價和天然氣價格根據當地定價見表1，園區內相關設備技術參數見表2，園區內電熱冷負荷日前消耗功率如圖3所示，風電、光伏日前預測功率如圖4所示。假設在仿真時間步長內的負荷功率、各設備輸出功率保持不變；光伏、風電以及電、熱、冷的日前預測數據準確[20]。

表1 工業生態園區電價和天然氣價格 單位：元/(kW·h) Tab.1 Electricity and gas prices in industrial eco-parks

表2 相關設備的技術參數 Tab.2 Technical parameters of the relevant equipment

2.2 優化結果

本文提出的多能流優化調度模型各個節點處均符合能量平衡方程，根據“節點-管線”定義結構，包含電力節點、熱節點、冷節點等，用該方法對不同能源節點合理劃分，簡化了處理后系統特性分析的復雜度。以某標準月的日均值作為參考數據進行分析，圖5為不同情境下多能流系統電功率優化調度結果，不同情景下多能流系統日運行成本見表3。

表3 不同情景下多能流系統日運行成本 單位：元 Tab.3 The daily operating costs of multi-energy flow systems in different scenarios

由圖5可見：以電功率為例，在使用傳統的冷熱電聯產系統時（情景1），主要采用外部電網和天然氣網供能，由于外部電網供電過多導致二氧化碳排放量增加，相應的系統中碳排放成本增加；在引入可再生能源組件（情景2），優化后單日分時能流中電力部分下降明顯，同時其峰值也有所平緩。情景3的結果表明，引入儲能設備節點的多能流系統優化體現在對電能峰谷的遷移性以及降低可再生能源組件的棄風率和棄光率上，將閑時用電儲備并輸送至峰值用電時段，從能效的角度上分析儲能系統增加了可再生能源的利用效率。

在3種情景下隨著可再生能源組件和儲能系統的引入，購電成本及碳排放成本逐漸降低。相比于情景1，情景3的碳排放成本降低7.33%，購電成本降低21.08%，總成本降低4.33%。但是情景3的購氣成本相對于情景1和情景2增加，主要是由于從電網購電的比例降低，同時需要滿足用戶端的用能以及儲能設備的儲能，因此需要用氣設備過多的出力，導致購氣成本增加。

從上文的優化調度和成本分析發現，在多能流系統中引入儲能節點雖然降低了購電成本和碳排放成本，但是在一定程度上，閑時電網的電能利用過多，導致了電能的不穩定性，因此在基礎目標規劃的基礎上對優化后的系統特性分析尤為重要。

3 多能流系統綜合特性分析

3.1 可再生能源消納率分析

在多能流系統耦合過程中，可再生能源的利用率是影響系統優化運行的重要因素，通過多能耦合節點的靈活調度和儲能設備節點的引入，促進了可再生能源入網。對可再生能源而言，評價其在多能流系統中的特性不僅取決于源端可再生能源組件的供應能力，而且與不同情景下荷端的應用有關。本文定義可再生能源普遍消納系數ζREC為可再生能源的一次入網率，定義可再生能源滯留消納系數ζRSC為可再生能源入網及網內儲能率，則有：

對于標定系數θREC和θRSC，給出參考公式和參考值，取決于系統用能總量和可再生能源組件總量的核算在本文θREC=0.009 32，θRSC=0.030 8。

式中：γpv為光伏發電折損率；γwt為風力發電的折損率；Ppvc為光伏發電的裝機容量；Pwtc為風力發電的裝機容量；Eps為儲能設備的容量；ns為儲能設備的個數；Rk為第k條能源管線用能總量。將相關參數代入式(14)、式(15)中，即可計算θREC和θRSC。

定義可再生能源綜合棄置率ζRER為可再生能源在額定產能功率內無法被利用部分的系數，由于儲能系統在一定程度上消納可再生能源和閑時電網功率，則有：

定義可再生能源滲透率ζREP為單位時間內可再生能源額定輸出功率占調峰的比重，代表系統最高可再生能源占比：

不同情景下多能流系統可再生能源特性參數見表4。通過多能流系統耦合儲能節點和優化可再生能源系統調度響應速度，優化后的情景2和情景3的可再生能源消納能力得到增強。同時可再生能源利用率提高意味著時段內能源棄置率降低，被棄置的大量光伏和風力發電重新流入系統網絡和儲能節點，提高了系統的能效，強化了多能流系統消峰填谷的能力。

表4 不同情景下多能流系統可再生能源特性參數 單位：% Tab.4 The renewable energy characteristics parameters for multi-stream systems in different scenarios

3.2 多能流系統復雜擾動

對于多能流系統而言，源端的擾動主要為可再生能源的不穩定性和關聯可再生能源管線的系統節點輸入端和輸出端的不一致性，故給出新的評價系統能流擾動的特性參數，即擾動性δMFD和一致性θMFC。多能耦合的系統節點的擾動性評價方法是在t時刻的時間尺度Δt內，瞬時負載與平穩負載的平均擾動信號，當系統的能流擾動趨近于0時，內部擾動趨于平穩，即源端和荷端擾動性δMFD,P,t、δMFD,R,t分別為：

圖6為系統負載與光伏發電陣列的能流擾動性變化，圖7為系統負載與風力發電系統的能流擾動行變化。相較于風力發電，光伏發電的擾動性更為集中，風力發電的擾動性分布更為平均，這也是不同可再生能源系統的發電特性所決定的。可見，在隨著系統接入端有效產能單元的增減，造成的擾動性影響也會隨之增加，系統用能的不穩定狀況更為頻繁。因此通過建模優化對源端有效輸入合理控制是降低能流沖擊造成擾動性的最優途徑。

系統節點輸入端和輸出端能源的能流一致性θMFC,t表示為：

對于系統節點輸入端和輸出端能流擾動同調情況，給出發展系數θMFC,P,t、θMFC,R,t表達式：

對該實例的可再生能源入網組件和荷端負載進行能流一致性分析，圖8為系統“負載-光伏”和“負載-風力”的能流一致性變化。在多能流系統中的一致性為用能節點的源荷雙端的信號曲線特性相似程度。由圖8可見，光伏發電的能流一致性最優出現在夜間，此時光伏系統的擾動性也最低，這是由光伏發電的發電時段特性決定的。而風力發電在系統的一致性和擾動性或高或低，但其特性變化較為平均，相較于光伏系統，其在系統負載集中時段的一致性和擾動性評價最優。

3.3 多能流系統余能循環率

本節提出新的面向多能流系統余能評價的一 系列參數，主要解決和分析系統輸出端余能回收率，系統余能節點的余能利用率和重新進入系統內部的余能系統循環率等方面問題。因此，針對工業生態園區內的多能流系統的余能單次利用程度和循環利用率提出余能的一次回收率ηCER、余能利用率ηCEU和余能系統循環率ηCEC等特性參數，其中ηCER指在工業區的生產過程中直接生成的余能與系統負載的比值，代表了在一個時間段內的單向生產活動中回收余能的占比大小，同時定義余能的利用率ηCEU為附加修正系數ηCER的值。

式中：αy為設備余能回收系數；Py為余能系統產生的功率；Ry為系統輸出功率。

圖9為多能流系統的ηCER與ηCEU分布的散點圖。由圖9可見，本算例情景3的余能回收能力主要分布在25%~60%，余熱利用率分布在19%~48%。由于本算例中余能回收主要以燃氣輪機的余熱為主，采用余熱鍋爐回收，同時系統耦合了吸收式制冷機、儲熱罐等設備，導致余熱回收復雜性提高，因此系統在不同時段內的余熱回收分布不同,導致余能的一次回收率ηCER與余能利用率ηCEU出現分散的現象。

在余能循環利用的系統中，定義余能系統循環率ηCEC，表示在一個用能時段中輸出總量來自上一時段回收余能的部分，即在完整周期能量循環的部分余能，表達式為：

圖10為余能系統循環率ηCEC分布散點圖。由圖9、圖10可見：00:00—05:00時余能的一次回收率小于10%，可循環利用的余能保持在10%以下；在10:00—15:00時余能的一次回收率增加，接近50%的占比，此時余能循環率達到50%以上，說明在一次回收率穩定的前提下，余能循環率ηCEC表現出密集集中的特征；該算例由于用能設備的復雜性以及負荷端用能的波動性導致ηCEC分布跨度較大，ηCEC分布在19%~64%。

建立多能流系統可再生能源消納率、系統的擾動性與一致性與余能循環率的綜合評價模型，與傳統的評價指標（如經濟性評價、可靠性評價）相比，該評價方式更注重工業生態園區多能流系統的運行特性，如園區可再生能源消納情況以及多能流系統在遭遇用能突變、能流波動等擾動時情況；同時考慮了多能流系統中余能利用情況。本文提出的評價指標統一了不同主體之間的整體性能，闡明了系統中不同能源管線和設備節點之間的運行特點，為建立節能減排、安全穩定的多能流系統提供了理論依據。

4 結 論

1）通過對工業生態園區多能流系統實例分析，優化后的算例在總運行成本上最高可降低4.33%，二氧化碳排放成本最多可減少7.33%。驗證了工業生態園多能流模型的有效性，實現了對工業生態園區多能流系統的整體優化。

2）提出了一系列對工業生態園區多能流網絡的全新的統一評估方法，從園區主體多能流系統的運行狀態分別定義可再生能源系統、余能系統和網絡的擾動性等。該評估方法對驗證園區多能流系統的優化結果分析后表明，該模型是對多能流系統整體運行狀況、節能減排和經濟運行等多方面優化的一種行之有效的手段。

3）與傳統整體評價指標相比，本文評估方法注重系統的運行特性，統一了不同主體間的整體性能，可用于不同的多能流系統中，為建立節能減排、安全穩定的多能流系統提供了重要的依據。