基于云計算的異構能源系統能源管理方法

王斐，田志強，周小光，彭依明，崔旭東，李亞軍

(1.廣東電網有限責任公司廣州供電局，廣州 510620； 2.東方電子股份有限公司，山東 煙臺 264000； 3.華南理工大學，廣州 510635)

0 引 言

提高能源效率并減少溫室氣體排放成為許多國家的關鍵發展目標[1]。適當的能源管理和貿易策略可以最大限度地提高可再生資源開發利用率，優化運營成本，減少碳排放。然而，由于可再生能源的不可控性和間歇性，在異構能源系統中整合可再生能源面臨多方面的挑戰[2-3]。

目前已經有多項工作研究了可再生能源整合問題，以實現在傳統單向功率流電網上進行可再生能源雙向功率流的調度[4-6]。由于傳統的配電管理系統架構通常缺乏分布式可再生發電調度能力，電網和本地負荷必須被動地接受開放式的分布式發電輸出。為了實現可再生能源的管理整合，分布式發電可作為虛擬電廠集體整合[7-9]，管理分布式能源的同時考慮其實際位置來最大化收益[10]。需求響應從需求方的角度實現能源管理。作為智能電網的重要組成部分，需求響應提高了市場效率和運營可靠性[11-13]。微電網通過結合本地分布式能源，儲能系統和可控負載自動運行。多個微電網可以參與市場，并通過兩級多代理系統有效利用可再生能源[14-16]。然而上述可再生能源整合方案，必須針對不同方案建立對應的集中控制實體來實施相應的控制機制，這在實踐中成本很高。隨著更多分布式能源的開發，能源管理的復雜性將大大增加。

凈計量是現有的最大限度提高小型可再生能源供應商的激勵機制[17]。允許客戶在競爭性市場中通過過量生產的可再生能源獲取收益，客戶可以自由選擇售電商。然而實際只有少數售電商可提供購買計劃。個人可再生能源發電商，面臨實際選擇很少的困難。

為了解決上述技術難題，提出了一個基于云計算的方法，為異構能源系統提供面向客戶的能源管理服務，系統內相關的可再生能源提供商組成虛擬能源供應商。所提出的能源管理服務可以由現有的電網公司運營，以促進可再生能源的生產和交易。通過線性規劃模型實現兩個目標：最大限度地提高激勵，提高公司和居民配備可再生能源發電機和使用該服務的意愿(降低全局成本)；通過確定合約來加強可再生能源整合，這些合約類似于機組組合，但適用于可再生能源。

使用所提出的能源管理服務，在系統內交易可再生能源會出現新的價格。按照此價格與同一系統內的其他客戶進行交易，可以降低客戶整體成本并相互受益，而無需專門的物理控制器或運營實體。通過在系統各種組件內進行交易，可以為客戶提供更多選擇。文章的貢獻可總結為：

(1)提出了基于云計算的能源管理方法，它顯著降低了決策所需的基礎設施成本，提高了系統可靠性和可擴展性，以及運營效率；

(2)提出的基于云的虛擬可再生能源交易系統，為小型可再生能源供應商提供了多種交易選擇，促進了可再生能源的整合；

(3)建立了線性規劃模型，使用案例研究對所提出的方法進行評估。

1 云服務模型

文中系統的四個基本要素是多周期波動價格，可再生能源預測，儲能系統狀態和能源需求。能源管理服務考慮以上全部要素，以便實現系統的成本優化。例如，如果波動的價格和儲能系統是唯一考慮的因素，那么當價格較高時，客戶將儲存更多的可再生能源供將來使用。然而，如果他們儲存超過未來需求的能源，則會降低系統的能源供應水平。因此，電力需求和可再生能源預測必須一起考慮。

以下首先介紹基于云的能源管理總體結構，然后分析了用于能源管理的數據。由于客戶之間可能不存在物理能源傳輸線，因此可再生能源交易方案實際上是通過云服務程序中的映射來執行的，這在最后一節中通過協調過程來解決。

1.1 基于云計算的體系結構

云計算具有巨大的優勢，包括可減少資本投資，減少維護費用，提供高效管理等[18-19]。在云架構上提供能源管理服務使得各種組件可通過公共或私有云輕松訪問，例如瀏覽器或應用程序編程接口(API)。即使協調數據的復雜性增加，能源管理也能夠應對效率，可靠性和可擴展性等方面的問題。現有的云計算主要服務模型是基礎架構服務，平臺服務和軟件服務。所提出的管理方法是平臺服務模型的擴展，為分布式能源提供商設計虛擬售電商，以實現最低成本并促進可再生能源整合。

所提出的基于云計算的能源管理方法架構如圖1所示。信息池和服務管理器在云上運行。它們可以通過信息交換線路和客戶端接口訪問其他組件。按不同地理位置分類的順序時間序列數據儲存在信息池中，并由服務器使用。服務器為多個系統提供能源管理服務，并為系統內的每位客戶提供能源交易建議。

圖1 基于云計算的能源管理服務架構

系統內包括兩類可再生能源供應方：第一類是大型可再生發電，由個別公司建造，旨在增加收入，如風力發電場和太陽能發電廠；第二類是具有小型可再生發電機的供應商，例如安裝在各種建筑物的屋頂上的光伏板。這些小型可再生發電供應商既是能源生產者又是能源消費者，降低日常需求的能源成本是他們的首要任務。大型和小型可再生發電機都按照標準與當地電網連接。

儲能系統是所提出的方法的另一個重要組成部分。它能夠快速儲存和釋放能量，如超級電容器。儲能系統由服務經理維護，并與可再生能源發電機協作。儲能和分布式可再生能源在同一地點成對連接，每個儲能的最大儲能容量為Smax。

1.2 數據采集

能源管理服務利用從不同組件收集的順序時間序列數據，其中包括{Gb，Gs，D，Tc，Pm，Pr，Ps}。Gb為大型可再生能源發電機的功率;Gs為小型可再生發電機的功率;D為可以通過歷史數據預測或客戶提前輸入的電力需求；Tc為輸電線的容量；pm為買入傳統能源的價格；ps為用于向電網出售可再生能源的價格；pr為用于在異構能源系統內交易可再生能源的價格。根據當地天氣報告，以及其他環境條件進行可再生能源預測。

{Pm，Pr，Ps}是用來計算滿足客戶電力需求的相應成本的三個價格指標。Pm隨時間變化，由傳統電力公司根據預測將其在每個時間步驟下作為固定已知輸入值提供給能源管理服務程序。環境成本也包含在價格指標中。Ps比Pm更低，因為Ps排除了環境成本，例如二氧化碳排放。二者之間的關系如式(1)所示，其中α取決于每個地區的環境保護標準。當系統形成虛擬售電商時，Pr出現。它在式(2)中作為Ps和Pm的中間值呈現，其中β根據客戶和服務提供商之間的協議決定。

Ps=αPm, 0<α<1

(1)

Pr=β(1-α)Pm+Ps, 0<β<1

(2)

1.3 協調過程

如果由于其他物理網絡約束或由預測誤差引起的數據采集誤差(例如不可預測的電力需求的突然變化)而不能滿足建議的能源需求，則該服務是不可用的。因此，需要協調過程來完成服務程序。當觀察到意外情況或預測誤差時，能源不足或盈余(εa)時將以當前價格P*從外部電網買入或以價格αP*出售到外部電網，并產生差異成本εc。P*與Pm之間的差異也被視為預測誤差并影響εc。

協調過程中使用q分鐘作為協調間隔，它可以根據在實際市場中遵循的原則來分配。在每個協調間隔期間，客戶通過圖1中的輸電網絡的計量系統實時查看本地實際電力生產和需求量。服務經理通過API從客戶獲取這些實時數據，并將差異成本εc與整個系統的總成本Copt之間的比記錄為一個因子δ。如果δ大于閾值ρ，則服務經理將在接下來的K個時間步長內重新啟動能量管理。否則，所確定的決策變量將在下一個協調間隔內連續跟蹤每個客戶。協調過程如圖2所示。

圖2 能源管理協調流程

(3)

(4)

式中Id為按需買入的可再生能源；Is為買入的供儲能的可再生能源；Im為按需買入的傳統能源；Err為出售到異構能源系統的可再生能源；Erm為出售到電網的可再生能源；Esr為出售到異構能源系統的儲存的可再生能源；Esm為出售到電網的儲存的可再生能源。下標中i表示第i個小型可再生發電機，j表示第j個大型可再生發電機，t表示第t個時間步長，z表示第z條輸電線。

2 能源管理服務規劃

為能源管理服務制定線性規劃模型，假設儲能系統和可再生能源的運營成本可以忽略不計。該模型由決策變量{Id,Is,Im,Err,Erm,Esr,Esm,Ebm,Ebr}和狀態變量{S}組成。

建立該模型的目標是最大限度地降低整個異構能源系統在K個時間步長期間每個消費者的成本Cs和大規模可再生發電供應商的收益Cb，目標函數如式(5)所示。其中消費者使用能源成本如式(6)所示，大規模可再生發電供應商收益如式(7)所示。

(5)

(6)

(7)

制定的模型中的目標函數約束如下。約束條件式(8)顯示了吸引客戶參與能源管理的基本標準，無論其他負載管理算法如何，這都為滿足生產消費者所需的電力需求提供了保證。

(8)

(9)

對于可再生能源，約束條件式(10)和式(11)確保出售能源等于其生產量。由于系統內總可用可再生能源取決于系統內消費者的不同選擇，因此還需要式(12)來避免進口量超過可用量。

(10)

(11)

(12)

假定儲能有效，忽略能量轉換損耗，并且充電狀態的范圍為0～Smax。狀態變量S取決于前一時間步驟中的狀態變量和現階段的充電或放電決策，其關系如式(13)所示。約束條件式(14)保證儲能輸出的能量不會超過當前儲能的現有量，約束條件式(15)保證可再生發電機輸入能量后儲能區不會飽和。

(13)

(14)

(15)

Tu和Tl為系統內可再生能源生產的上下限參數，根據機組組合確定。由于能源管理服務將多個分布式能源和需求作為一個整體進行協調，因此它能夠限制可再生能源在這兩個值之間生產。Tu減去Tl的絕對值越小，傳統發電機需要儲備的容量越小。約束條件式(16)中總電力需求量減去傳統發電機的總進口能源，是每個時間步驟下的可再生能源生產量。

(16)

制定的優化問題通過Yalmip求解器來解決，目標函數如式(5)所示，它受到式(8)～式(16)的各種約束，并且所有變量都大于或等于0。

3 案例研究

介紹了不同客戶數量、兩種可再生能源生產與電力需求比例、以及三種管理方法對比的案例。詳細討論了所提出方法的成本節約性能，可再生能源整合，儲能系統的影響和計算性能。

3.1 測試參數

調度時間范圍K設置為24，并且每個時間步長為一個小時。圖3給出了案例研究中所使用的數據。假設系統中僅存在光伏發電一種可再生資源，其發電功率范圍為30 kW～170 kW，根據文獻[20]的數據庫所設計，在這個數據庫中，基于光伏發電裝置能夠在夏季每天從6點到20點工作。

電力需求是基于圖3(b)所示的典型家庭負荷曲線。根據每個家庭的環境或習慣不同的偏好，每個消費者的電力需求是將基準乘以0.5～1.5的范圍內的均勻分布而產生的?？蛻綦S機連接到不同的配電線路，每條線路的可用容量Tc為連接客戶數量乘以115 kW·h，小于最大電力需求量。

為了考慮實際應用，在式(17)中將價格指標Pm設定為二次燃料成本函數，其被熱電廠廣泛使用。假設有一個傳統的發電廠支持系統內3 600名居民，它能夠產生足夠的功率Pout來支持其輸出容量限制下的總電力需求，最大為500 MW，最小為100 MW。成本函數系數(a，b，c)=(240，7，0.007)，Pm設定為每千瓦時1分至6分。用于Ps和Pr的α和β被設置為0.4和0.5。價格指標的值如圖3(c)所示。最大儲能容量均設置為30 kW·h。

圖3 測試系統基準數據

Cost(Pout)=a+b(Pout)+c(Pout)2

(17)

可再生能源生產與電力需求的比例(∑Gs+∑Gb)/D是系統內可再生能源整合的關鍵因素。隨著該比例的提高，可以交易更多可用的可再生能源，以降低全局成本。為了說明不同比例的可再生能源生產對電力需求的影響，案例研究中使用了表1中的兩種可再生能源場景。

表1 可再生能源場景數據

3.2 能源管理方法對比

使用兩種具有不同的管理方法與所提出的方法進行比較。對比方法1為多時間步長(Multi-time, MT)方法，它廣泛用于開放式分布式能源[21]。客戶根據波動的價格指標單獨做出決定。當Ps低時，傾向于儲存生產的可再生能源，當Pm高時使用它，從而降低成本。

對比方法2采用所提出方法的單一時間步長版本。在該方法中，在每個調度間隔，客戶傾向于通過使用常規發電和本地儲能系統來滿足他們的電力需求。未滿足的需求將以價格Pr從異構能源系統購買可用的可再生能源，或以價格Pm從傳統電網購買。需求滿足后，客戶將剩余的可再生能源儲存到當地的儲能系統，以滿足未來的零成本需求。當儲能系統飽和時，剩余的可再生能源將通過價格Pr與異構能源系統內的其他客戶進行交易，并以價格Ps與主電網進行交易。而方法3采用基于所提出的方法進行能源管理。

3.3 成本節約性能

表2列出了在不同可再生能源場景下三種能源管理方法的成本對比。在場景1中，方法1的成本比方法3多3.86%，方法2則比方法3多3.84%。當場景2中可再生能源與電力需求的比例增加時，更多的可再生能源可在系統內進行交易，因此所提出的方法可以顯著降低成本。而方法2的成本將比方法3高31.7%，方法2也比方法3高30.9%。

表2 不同方法的成本對比

3.4 可再生能源整合分析

為了證明可再生能源整合中使用的上下限參數的影響，表3列出了三種情況，客戶規模為500。表4列出了具有不同能源管理計劃的可再生能源生產情況，其中類型4使用上述的方法2中情況。當Tu設定為較低值時，所提出方法能夠減少最高和最低產量之間的差異，傳統發電機也可以更多地降低備用容量。但是，隨著Tu值的減小，成本會增加，如圖4所示。成本和整合能力之間存在權衡關系。此類分析為能源管理服務商提供了有價值的信息，以確定可再生能源發電的合適界限。

表3 可再生能源發電上下限數量類型

表4 不同上下限類型下可再生能源發電情況

圖4 不同可再生能源發電上下限類型下成本對比

3.5 儲能系統的影響

圖5顯示了可再生能源場景2(表1)下是否使用儲能的影響。當儲能系統不參與能源管理，所提出方法的成本比使用儲能時高7.65%，但比方法2低20.3%。這說明，無論是否采用儲能系統，所提出方法都能夠降低成本，而儲能系統的使用可進一步提升所提出方法的性能。與方法2之間的比較也表明，只有綜合考慮多期信息才能體現儲能系統的優點。如果不考慮未來時間步驟中的信息，客戶將錯過在當前時間步驟中以較高的Pr或Ps出售剩余可再生能源或者在未來時間步驟中以較低價格Pm或Pr購買能源來降低成本的機會。

圖5 儲能對系統成本影響

3.6 計算性能

基于云服務的計算時間可以分為兩部分。第一部分用于執行服務，第二部分用于云管理數據，其中包括每個組件的連接時間。第二部分相對較小，已經有幾項研究來改善通信延遲，從而實現云應用的實時運行。文中所提出方法的計算性能集中體現在執行服務上。服務的執行時間取決于現有云計算平臺提供的不同實例類型。為了估計云計算平臺的計算時間，在案例研究中使用了一個可公共訪問的Linux服務器[22]，該服務器配備了32個內核和128 GB內存。

所提出的方法被公式化為線性規劃問題，它在多項式時間內是可解的。圖6顯示了1 000～15 000個客戶數量的確切計算時間，其中15 000可認為是足夠大的數量以體現中等規模異構能源系統。1 000大小的計算時間僅為7 s，15 000大小的計算時間為3.2 min。它明顯小于日前調度的運行間隔(24 h)，并且足以用于協調過程中的計算。因此，所提出的能源管理方法具備實用性。

圖6 不同用戶數量下的計算時間

4 結束語

提出了一個基于云計算的能源管理方法。能源管理方法利用順序時間序列數據在不同類型的發電機，儲能系統之間進行協調。系統內相關的分布式能源提供商構成虛擬零售電力供應商，使用所提出的方法在系統內交易可再生能源會出現新的價格。按照此價格與同一系統內的其他客戶進行交易，可以降低客戶整體成本并相互受益，而無需專門的物理控制器或運營實體。所提出方法的兩個優點如下：

(1)實現多期全局最優成本：將能源價格和環境問題綜合考慮在成本中，并根據決策變量的各種組合進行計算，這些決策變量通過線性規劃模型為每個客戶提出。可以實現在K個時間步長期間最小化相應成本。能夠提高公司和居民裝備可再生能源發電機和使用該服務的意愿；

(2)通過降低可調度常規發電機的儲備容量，成功促進可再生能源整合。在案例研究中清楚地表述了在最小化相應成本和提高可再生能源整合能力之間的權衡關系。