基于多目標優化算法的綜合能源循環運行控制策略研究

劉曌煜，王 蕾，王 坤

（國網浙江省電力有限公司經濟技術研究院，浙江杭州 310008）

國家“碳達峰、碳中和”戰略的實施，對低碳能源消費提出了更高的要求。隨著近幾年農業的加速發展，農業生產對各類能源的需求日益增長，但目前農業能源資源的不合理分配，造成其生產成本較高，且不利于快速發展。同時，對本地豐富的能源資源就地開發的利用程度也不夠充分[1-3]。在傳統農業園區，農業生產過程中產生的秸稈等廢料通常采用燃燒等方式處理，燃燒過程中產生的氣體會污染環境，而且秸稈中所蘊含的生物質能也被浪費了。

近年來，綜合能源系統在工業園、校園等應用廣泛。其通過多種能源形式的耦合優化、合理配置，大幅提高能源綜合利用效率，促進可再生能源的就地消納[4-8]，但目前綜合能源系統在農業領域的應用研究仍較少。針對這些問題，該文開展了農業綜合能源循環系統的多目標運行控制研究，以期降低系統運行成本，從而促進清潔能源的就地消納。

1 農業綜合能源循環系統結構

該文構建的典型農業綜合能源循環系統結構，如圖1 所示[9-11]。該系統涉及沼氣、電能、熱能和冷能等多種能源形式，包含沼氣燃氣輪機、余熱回收等多種設備。利用農業生產、日常生活中產生的廢料，通過沼氣池發酵產生的沼氣為農業園區供電、供冷/熱，實現能量的循環利用，從而有利于提高能源利用效率、就地消納光伏等分布式能源。

圖1 農業綜合能源循環系統結構

1）沼氣池利用秸稈、動物糞便等農業生產廢料，通過微生物發酵產生沼氣，其數學模型如式（1）所示：

式中，MBD、rBD、VBD分別為沼氣池的產氣量、產氣率和容積。

2）沼氣燃氣輪機利用沼氣燃燒發電，同時產生的廢氣通過余熱回收可實現農業園區的供熱，其數學模型如式（2）所示：

3）燃氣鍋爐利用沼氣燃燒為農業園區供熱，其數學模型如式（3）所示：

4）余熱鍋爐相關數學模型如下：

5）電制熱相關數學模型如下：

6）電制冷相關數學模型如下：

7）蓄電池當前時段儲存的電量與當前時段的充放電功率及上一時段儲存的電量有關，關系如下：

8）儲熱器在燃氣輪機產熱過剩時儲存熱量，在熱負荷高峰時釋放熱量，其數學模型如下：

9）光伏發電功率與光照強度相關，其發電模型如下：

2 多目標優化運行控制模型

2.1 經濟性與環保性優化

經濟性目標以總成本最小為優化目的，總成本包括運維成本以及從配電網購買電能的成本兩部分，計算方式如下：

式中，CTotal、COm、CE分別為農業綜合能源循環系統的日運行成本、設備維護費用和購買電能費用。

設備維護費用COm與設備的輸出功率相關，計算方式如下：

式中，cOm,i為設備i的單位輸出功率的運行維護成本，為t時段設備i的輸出功率。

購買電能成本CE計算方式如下：

式中，φ為農業綜合能源循環系統的分布式能源消納率；為t時段光伏的調度出力。

2.2 約束條件設置

1）功率需求約束。系統需要滿足農業生產生活中的電、熱和冷負荷需求，從而維持系統電、熱和冷功率的穩定，具體表達如下：

2）設備最大出力約束。為避免損害系統中的沼氣熱電聯產設備、電制冷與電制熱等設備的使用壽命，其運行過程中需要滿足最大出力約束：

3）蓄電池應用約束。為了提高系統的運行壽命，需要對蓄電池充放電功率與放電深度做一定限制，應滿足以下約束條件：

4）儲熱器運行約束。儲熱器運行需要滿足以下約束條件：

5）光伏調度出力約束。光伏電池的實際調度出力值需滿足以下約束條件：

2.3 求解方法

對于農業綜合能源循環系統多目標運行優化模型，該文采用結合基于非支配排序算法與改進遺傳算法（NSMGA）的求解方法進行求解[12-13]。算法流程如圖2 所示。

圖2 基于NSMGA的多目標優化求解方法

主要包括以下步驟：

1）輸入算法初始化數據；

2）生成初始種群；

3）選擇、變異和交叉操作[14-16]；

4）計算進行遺傳操作后的子代種群的適應度值，并將其與父代種群合并；

5）精英保留選擇策略；

6）若滿足終止條件，則將最優解作為結果輸出；否則，返回上一步驟。

3 算例驗證與數值分析

為了驗證所提算法的綜合性能，以某農業園區夏季典型運行日數據進行仿真驗證。該農業園區電、熱和冷負荷數據如圖3 所示。電網分時電價如圖4 所示。

圖3 農業園區電、熱和冷負荷數據

圖4 電網分時電價

3.1 不同優化算法的結果對比

為驗證該文所提NSMGA 算法的優勢，將其與傳統NSGA 算法進行對比，結果如表1 所示。在未優化系統的情況下，運行成本高達4 823 元，光伏消納率僅為68.7%。經過該文所提算法優化控制后，運行成本降為2 728 元，光伏消納率提高至98.5%。另一方面，相比于傳統NSGA 算法，文中所提算法在運行成本和光伏消納率上均更優，這是因為該文所提算法采用分段式編碼和進化操作，提高了算法的搜索能力，使求得的結果更加接近真實最優值。

表1 不同優化算法的結果對比

3.2 不同優化目標結果對比

為驗證不同優化目標對優化控制結果的影響，將該文所提模型與單目標優化模型進行對比，結果如表2 所示。由表2 可知，該文所提的多目標優化控制結果與經濟性目標優化控制結果相比，雖然在系統運行成本上增加了76 元，但光伏消納率大幅提高，其由原先85.7%提高至98.5%；相比于環保性目標優化的控制結果，雖然光伏消納率降低了0.4%，但系統運行成本顯著降低，共減少502 元。由此可見，該文所提出的算法能夠降低系統運行成本，同時也兼顧到了系統的光伏消納率。

表2 單目標優化與多目標優化結果對比

4 結束語

文中開展了農業綜合能源循環系統多目標運行控制策略研究，提出了基于NSMGA 的多目標優化算法。通過算例分析結果表明，文中所提算法相比于傳統NSGA 算法，其計算結果的準確性更高；相比于單目標優化算法，能夠在降低系統運行成本的同時，提高系統光伏消納率。但該文所提算法僅考慮確定性場景下農業綜合能源循環系統的運行控制，并未考慮農業負荷、光伏發電等環境的不確定性。因此，如何在不確定性環境下，優化農業綜合能源循環系統的運行控制，將在下一步研究中開展。