基于建筑虛擬儲能的分布式能源系統優化調度

葉家盛， 劉青榮*， 阮應君， 錢凡悅， 孟華

(1. 上海電力大學能源與機械工程學院， 上海 200090； 2. 同濟大學機械與能源工程學院， 上海 200092)

在環境污染和能源危機的不斷加劇情況下，能源結構亟待調整，分布式能源系統具有經濟、環境友好、可持續等優點得到國內外普遍關注[1-3]。隨著可再生能源技術和分布式能源的推廣應用，微電網研究得到快速發展，文獻[4]針對可再生能源和負載功率不確定性問題，考慮了多間隔-不確定性約束并對微電網進行了魯棒調度分析。另外，建筑墻體的隔熱作用和空氣的蓄熱屬性使建筑體本身具有較好的熱惰性，當電氣設備的特征量改變時，室內溫度變化存在一定滯后現象[5]。在用戶可接受溫度范圍內調整溫度變化曲線可提高冷(熱)負荷的靈活性，對優化系統運行成本具有重大意義。針對此類問題，文獻[6-7]對空調負荷虛擬儲能進行了建模研究，結果表明了虛擬儲能策略的優越性和有效性。文獻[8]將虛擬儲能融合到熱電聯供綜合能源系統中，提出了一種聯絡線功率波動平抑策略，并通過案例研究表明了該策略的有效性。文獻[9]同時建立了電動汽車和建筑虛擬儲能模型，并引入區域綜合能源系統的優化調度中，建立了以系統日運行費用最小為目標的經濟優化調度模型。文獻[10]分析了虛擬儲能參與電制冷系統和冷熱電三聯供系統(combined cooling heating and power，CCHP)的優化調度情況。文獻[11]考慮了4種不同建筑的混合能源微網，同時基于建筑虛擬儲能做了動態經濟優化調度和對比分析。

總之，結合虛擬儲能的相關研究已經取得一定的成果，在前人的研究基礎上，現進一步展開研究，根據熱平衡方程建立虛擬儲能模型，描述虛擬儲能參與系統優化調度的過程。優化調度過程的目標函數兼顧環境成本和綜合運行成本，建立以經濟性為準則的多目標優化調度模型。通過和不引入虛擬儲能的調度情況對比，詳細分析虛擬儲能對調度結果產生的影響。

1 分布式能源系統數學模型

考慮典型的分布式能源系統，主要包括蓄電池、吸收式制冷機、微型燃氣輪機和風機等能量存儲和轉換設備，其結構示意圖如圖1所示。

(1)微型燃氣輪機模型。

PMT=PfuelηMT

(1)

式(1)中：PMT、Pfuel分別為燃氣輪機輸出電功率和消耗天然氣功率，kW；ηMT為燃氣輪機發電效率。

(2)吸收式制冷機模型。

QAR=ηHEλMTPMTCOPAR

(2)

式(2)中：QAR為吸收式制冷機輸出功率，kW；ηHE為換熱裝置效率；λMT為燃氣輪機熱電比；COPAR為吸收式制冷劑制冷系數。

(3)蓄電池模型。

引入電池荷電狀態(state of charge,SOC)，得到模型[12]為

(3)

式(3)中：σBT為電池自放電系數；ηBT,ch、ηBT,dis分別為電池充放電效率；PBT,ch、PBT,dis分別為電池充放電功率；EBT為電池額定容量，kW·h；t為時間。該模型中電池容量為40 kW·h,電池自放電系數取值0.01，充放電效率都取0.95，充電功率和放電功率下限取0 kW，上限取值30 kW。

圖1 典型分布式能源系統Fig.1 Typical distributed energy system

(4)建筑虛擬儲能模型。

基本描述方程為

ΔQ=CρV(dTin/dt)

(4)

式(4)中：C為空氣比熱容，J/(kg·℃)；ρ為空氣密度，kg/m3；V為建筑體積容量，m3；Tin為室內溫度，℃。

考慮影響室內熱量的因素主要包括室內外溫差造成的溫度耗散、室內熱源變化、太陽輻射和制冷設備輸出功率。將式(4)展開得

(5)

式(5)中:Kwall、Kwin分別為墻、窗傳熱系數,W/(m2·K)；Swall、Swin分別為墻、窗面積,m2；Tout為室外溫度，℃；G為窗外表面的光照強度，kW/m2；Sc為遮陽系數，取值0.3[13]；Qin為室內熱源發熱功率,kW。

為較好描述虛擬儲能，引入虛擬儲能充放功率和虛擬荷電狀態(state of virtual charge，SOVC)，定義室內溫度在最低可接受溫度時的虛擬荷電狀態為1，在最高可接受溫度時為0，虛擬儲能模型主要參數如下。

(6)

式(6)中：P為充放功率，kW；E、EB分別為虛擬儲能某時刻的容量和額定容量，kW·h；Tin,max、Tin,min分別為室內可接受最大、最小溫度，℃；空氣比熱容取值1 000 J/(kg·℃),空氣密度取值1.2 kg/m3。

2 系統優化調度模型

2.1 目標函數

目標函數以日綜合成本最低為目標，日綜合成本由環境成本和綜合運行成本(燃氣費用、購售電費用和設備維護費用)構成，目標函數的具體表達式為

F=Ffuel+Fpu+Fom+Fen

(7)

(1)燃氣費用。

Ffuel=CfuelPfuel

(8)

式(8)中：Cfuel為天然氣價格，元/(kW·h)；取值0.16元/(kW·h)[10]，Pfuel由式(1)確定。

(2)電網交互費用。

(9)

式(9)中：Cph、Cse為購電、售電價格，元；Ppg,sell、Ppg,buy為售電、購電功率，kW。

(3)設備維護費用。

(10)

(4)來源于電網和燃氣輪機的環境費用。

Fen=W1C1+W2C2

(11)

式(11)中:W1、W2為電網和微燃機的總購(發)電量，kW·h；C1、C2為電網和微燃機每度電帶來的污染氣體的總處理費用，元/(kW·h)。

2.2 約束條件

(1)電力平衡約束。

Pex,t+PWT,t+PMT,t+PBT,t=Pel,t

(12)

式(12)中：Pel,t為建筑t時刻電負荷需求,kW；Pex,t為t時刻與電網交互電負荷,kW。

(2)冷負荷平衡約束。

QAR,t=QC,t

(13)

式(13)中：QC,t為建筑t時刻冷負荷，kW。

(3)微型燃氣輪機出力約束。

(14)

(4)蓄電池約束。

(15)

(5)建筑熱平衡約束。

(16)

(6)室內溫度約束。

Tin,min≤Tin≤Tin,max

(17)

3 算例

3.1 算例介紹

考慮中國北方寒冷地區辦公建筑，以夏季制冷場景為例，引入兩種調度模式，模式1考慮建筑虛擬儲能，模式2則不考慮建筑虛擬儲能。當不考慮虛擬儲能時，室內溫度在工作階段(8:00—19:45)為24 ℃并保存不變，當考慮虛擬儲能時，室內溫度可以在(24±2) ℃范圍內波動。該建筑長40 m,寬20 m,每層高3 m，共10層。建筑相關信息如表1所示，其他相關數據信息如圖2、圖3所示，其中光照強度反映窗戶外表面光照情況。燃氣輪機容量為100 kW，風電數據參考寧夏某地區2017年夏季風電場數據并結合該建筑規模按比例縮小，工作階段前一刻室外溫度為26.77 ℃。

優化調度過程采用的分時電價[14]如表2所示。基于MATLAB平臺構建系統模型，基于Excel制圖軟件對結果進行圖像的繪制，模型的求解主要參考文獻[15]所提的帕累托檔案多目標粒子群算法。算法的種群大小設置為50，迭代次數為800次，學習因子c1=c2=1.15,初始慣性權重取值0.229 8。在優化調度過程，系統采用以熱定電的運行模式并且優先安排風電來滿足建筑的電力負荷。

圖2 電力負荷、風力發電及室內熱源Fig.2 Electric load, wind power generation and indoor heat source

圖3 室外溫度與光照強度Fig.3 Outdoor temperature and light intensity

表1 建筑參數信息Table 1 Building parameter

表2 分時電價Table 2 Time-of-use electricity price

模型在調度過程考慮的污染物及排放系數主要參考文獻[16]，包括二氧化碳[電網的排放系數取值0.889 kg/(kW·h)，燃氣輪機取值0.202 kg/(kW·h)]、二氧化硫[電網的排放系數取值為0.001 2 kg/(kW·h)，燃氣輪機取值為0]、氮氧化物[電網的排放系數取值為0.001 1 kg/(kW·h)，燃氣輪機取值為0]，它們的處理費用分別取值為0.210、14.842、62.964 元/kg。總體表現為電網的環境處理費用C1為0.273 元/(kW·h)，燃氣輪機的環境處理費用C2為0.043 元/(kW·h)，其他主要參數的取值如表3所示。

表3 主要參數信息表Table 3 Main parameter information table

3.2 結果及分析

優化調度過程的時間間隔為15 min，圖4是兩種調度情況下算法求解結果的最優前沿。最優前沿給出了算法搜尋的所有最優解(多目標優化一般不存在唯一最優解，最優解表示的是算法可接受的解)，兩種調度結果輸出的是前沿中總成本(綜合運行成本與環境成本之和)最小的解。

由帕累托前沿可知，單一追求運行費用最小會帶來環境成本的增大，所以實際過程考慮環境因素更有實際意義，同時多目標優化過程提供了決策者許多不同的解，決策者可以根據當地環境政策選擇最合理的調度方案。

圖4 帕累托前沿Fig.4 Pareto frontier

兩種情況下的系統優化調度過程如圖5～圖7所示。

對比兩種調度情況，由于室內溫度的嚴格限制，無虛擬儲能情況下的燃氣發電在系統以熱定電的模式下主要隨室外溫度和光照強度變化。在低電價時期虛擬儲能參與調度時為了降低燃氣費用燃氣輪機出力相對較少，系統在午間的高電價時期，兩類系統都會向電網售電獲得收益，但是虛擬儲能參與調度后可以進一步增加燃氣輪機的出力從而獲得更大收益，這是由于虛擬儲能參與調度時會解除對室內溫度的強約束，如圖7虛擬儲能參與后室溫有較大幅度的波動，優化了建筑冷負荷曲線，在晚間的高電價時期由于光照強度的下降，系統冷負荷需求大量減少導致燃氣輪機發電量不足，不足部分電力需要向電網購買，虛擬儲能參與調度進一步降低了系統在該時間段的購電量，使該時段的購電成本下降。

圖5 考慮虛擬儲能的系統優化調度Fig.5 System optimization scheduling considering virtual energy storage

圖6 不考慮虛擬儲能的系統優化調度Fig.6 System optimization scheduling without virtual energy storage

圖7 室溫曲線Fig.7 Room temperature curve

虛擬儲能調度過程如圖8所示，可以看出，建筑虛擬儲能在低谷電價時期荷電狀態總體維持較低水平，在高電價時期荷電狀態維持在較高水平，說明了虛擬儲能的充放過程可以較好地跟隨電價變化來達到降低系統綜合成本的目的。

系統購售電及制冷情況如圖9和圖10所示，可以看出，低電價時期由于購電成本較低所以兩種調度情況無明顯區別，在整個平價時期，購電量(模式1相比模式2)下降幅度約為13.7%，整個高電價時期購電幅度下降約18.9%，售電情況則主要發生在午間高電價時期，模式1情況下的售電為81.730 kW，模式2情況下售電為34.618 kW,上升幅度約136%。另外，在不考慮建筑虛擬儲能時的建筑總冷負荷需求約為4 527.468 kW,考慮時約為4 785.624 kW,即模式1增幅約為5.7%。由數據結果可知虛擬儲能參與后建筑冷負荷需求以較小幅度增大，但是對系統購售電情況帶來了較大優勢，表4則詳細統計了兩種調度模式下的費用情況。

圖8 虛擬儲能的出力情況Fig.8 The output of virtual energy storage

由表4的費用統計情況可知，在模式1的調度情況下，環境費用相比模式2下降了約6.9%，整個調度過程總費用下降了約3.8%，說明虛擬儲能參與調度對降低系統運行費用，控制環境污染具有積極意義。

圖9 購售電情況Fig.9 Purchase and sale of electricity

圖10 冷負荷需求對比Fig.10 Comparison of cooling load demand

表4 費用統計表Table 4 Fee statistics table

4 結論

建立了建筑虛擬儲能模型并引入分布式能源系統優化調度中，通過調度分析說明了虛擬儲能策略參與的有效性，所得結論如下。

(1)多目標優化過程說明了單一追求綜合運行費用的下降會帶來環境費用的增大，所以考慮環境因素的優化調度更有實際意義，同時虛擬儲能的引入與調控對于降低污染物的排放和環境保護具有積極作用。

(2)根據購售電情況和燃氣輪機調度情況可知，建筑虛擬儲能可以提高系統燃氣輪機的靈活性，降低系統對電網的依賴程度。

(3)建筑虛擬儲能在參與系統優化調度過程中，可以根據電價情況優化建筑的冷負荷曲線，降低系統運行費用，從而提高系統的經濟性。