靈活性資源參與的電熱綜合能源系統低碳優化

潘 超 范宮博 王錦鵬 徐曉東 孟 濤

靈活性資源參與的電熱綜合能源系統低碳優化

潘 超1范宮博1王錦鵬1徐曉東1孟 濤2

（1. 現代電力系統仿真控制與綠色電能新技術教育部重點實驗室（東北電力大學） 吉林 132012 2. 國網吉林省電力有限公司電力科學研究院 長春 130021）

針對可再生能源的消納問題，研究可控負荷機制與電-熱耦合網中的儲能調控策略，構建綜合靈活性資源模型優化系統的低碳運行。首先分析區域電網中差異化布局的工業負荷調控機制，基于城市能源網架電熱耦合建立可控負荷及電-熱儲能調控模型；然后以經濟成本、風光消納及碳排放為指標構建綜合效益模型，提出碳排放流動拓撲，描述依附于能量流的碳排放流信息；最后對IEEE 33節點電網和45節點熱網耦合能源系統進行仿真，分析多元靈活性資源響應對系統綜合效益的改善效果，并通過拓撲直觀顯示典型場景中電-熱碳排放流動過程。結果表明發掘靈活性資源能夠提升電熱綜合能源系統對風光能源的消納裕度，驗證了所提方法的合理性和有效性。

綜合能源系統 可控負荷 電/熱儲能 優化運行 碳排放流動拓撲

0 引言

現代能源系統向清潔低碳體系轉型已成為主流趨勢，而以電-熱耦合為核心的綜合能源系統（Integrated Energy Systems, IES）為促進可再生能源消納和提高能源效率提供了有效途徑[1]。隨著分布式電源（Distributed Generation, DG）滲透率的提高，IES中儲能、可控負荷等靈活性資源在參與調控的同時開始承擔降低碳排放的職能，而各類資源的接入使得IES運行變得更為復雜[2-3]。因此，如何充分計及IES中各類資源的運行控制特性，發揮其優勢互補能力，從而制定適應IES各場景下的協調運行方案，對于現代綜合能源系統低碳化運行具有重要意義。

目前，對于IES中儲能及可控負荷的優化運行國內外學者已有大量研究。針對儲能系統（Energy Storage System, ESS），早期研究主要集中于單一類型電/熱儲能裝置的接入[4-5]，之后逐漸擴展到電/熱網絡中對儲能多層次、多目標需求下的優化，并逐漸應用于IES中[6-7]。文獻[8]在電熱氫綜合能源系統中建立了以微燃機、電鍋爐和電制氫設備為核心的電熱混合儲能模型，擴展IES消納風電能力。文獻[9]建立了電熱耦合系統的分解優化運行模型，在保障電/熱網信息隱私的同時完成對儲能等設備的出力優化。

隨著電網中友好負荷比例的增加及需求側管理理念的普及，可控負荷也逐漸成為能夠參與IES運行優化的可控資源。文獻[10]考慮區域內工商業與民用負荷平移能力，提出改善變電站綜合負荷特性的負荷平移策略，完成變電站供電區域的合理劃分。為緩解電網中儲能部分調節壓力文獻[11]，基于電力需求彈性理論，引入分時電價機制調整居民用電負荷，從經濟性、居民舒適度及網側功率波動角度建立優化運行模型。在考慮負荷互動響應特性的IES研究中，由于電/熱儲能等能源網絡的緊密耦合，提升需求側負荷的互動能力已成為提升IES整體效益的重要切入點。文獻[12]將負荷調整機制分為價格型需求響應調整及激勵型負荷直接控制，以系統運行成本、污染排放為目標進行微網優化調度，并分析負荷發生轉移及削減前后對微網內峰谷負荷的調整效果。文獻[13]針對園區級電-熱綜合能源系統提出適用于電力負荷、供暖熱負荷與工業熱負荷的激勵型綜合需求響應策略，建立了日前經濟調度模型。以上文獻對儲能、可控負荷參與IES運行調控的能力進行了分析，但對于IES的供需互動需求，尚未完全發揮荷儲側資源協同優勢，且對可控負荷響應機制、形式及限制考慮不足，未能實現對調控資源的“因類施策”。此外，現有針對儲能、負荷側資源的優化模型對于多能源系統低碳運行的研究集中于一次能源消耗產生的碳排放，缺乏對碳排放在IES中流動、轉移的分析。在當前IES低碳運行體系下，如何基于現有城市架構優化IES中各類資源，以實現高效節能減排目標，仍需深入研究。

本文以區域IES為研究對象，分析區域電網中大型工業負荷的調控機制，建立電-熱耦合系統中熱電聯產機組、電制熱設備、電/熱儲能及可控負荷模型，其中重點考慮儲能和可控負荷為主的靈活性資源。采用碳排放流動拓撲模型（Carbon Emission Flow Topology, CEFT），描述IES碳排放流動過程。以經濟運行成本、風光消納率及碳排放量為目標函數構建低碳環境協調運行模型。最終以IEEE 33節點配電網和45節點熱網耦合能源系統為例，仿真分析不同場景下各類資源響應情況，通過評價IES的綜合效益，構建其碳排放拓撲網絡，為低碳環境下IES的優化運行提供輔助決策。

1 電-熱綜合能源系統建模

電-熱綜合能源系統由電/熱網中靈活性資源（可控負荷、電/熱儲能）、能源轉換設備（熱電聯產機組、電制熱設備）及供能網絡（電網、熱網）部分組成。考慮各部分在IES中的運行特性，構建相應模型。

1.1 靈活性資源模型

IES中荷、儲側靈活性資源可調節自身用能狀態，緩解IES供需不平衡問題。同時其在低碳環境中起到平緩分布式電源出力的作用，將IES無法全額消納的低碳排風光電能分配到其他時段，間接地完成對低碳能源的存儲與再分配。

1.1.1 可控負荷

工業負荷具有耗電量大、受產業類型影響大等特點，可通過改變自身生產計劃、調整生產時間等措施，轉移、削減部分用電負荷，進而響應系統調控[14]。根據文獻[15]對東北地區幾類具有典型行業差異性的工業負荷調控能力進行分析，構建其經濟模型。商、民業負荷緣于其運營機制及占比原因，可調節容量較小，故忽略不計。

1）制造業可控負荷模型

某制造業企業四季典型日負荷曲線及冬季典型日負荷調整特性如圖1所示。

圖1 制造業企業四季典型日負荷曲線及冬季典型日負荷調整特性

機械制造業（Manufacture of general purpose Machinery, MM）企業用電有明顯的上升-下降趨勢，在工作周期內一般保持長時間高/低用電量，在日內工作時間結束后，用電量迅速降低。企業可調整部分日間作業的負荷轉移至夜間，以貼近風電波動情況。該行業所代表工業負荷用電調控形式為連續的中時段（2～3h）用電負荷整段平移，實現提前或推遲用電生產。

2）造紙業可控負荷模型

某造紙業企業四季典型日負荷曲線及冬季典型日負荷調整特性如圖2所示。

造紙行業（Manufacture of Paper, MP）用電時段較為集中，由于行業生產設備工作特性，波峰波谷均在短時間內連續出現。該行業屬穩定負荷用電行業，主要用電設備不允許停電，但可根據生產計劃改變工作時間，例如提前/延長工作時間等。以造紙業為代表的工業負荷用電調控形式為短時（0～1h）調整，通過提前或者延遲用電生產，小幅調整用電狀態。

圖2 造紙業企業四季典型日負荷曲線及冬季典型日負荷調整特性

3）農副產品加工業負荷模型

某農副產品加工業企業四季典型日負荷曲線及冬季典型日負荷調整特性如圖3所示。

對于農副產品加工業（Agricultural Product processing industry, AP）等以調溫為主的用電行業，具有用電時間短、高耗電特征。與流水線生產企業不同，電轉熱用電負荷作為可控負荷可調節空間較大，能夠通過溫度的合理設置來避開高峰用電或者降低用電高峰，從而達到削峰避峰的效果。以農副產品加工業為代表的工業負荷用電調控形式為中時段內（1～3h）分段轉移，將部分尖峰負荷適時分配從而調整用電狀態。

4）冶金業負荷模型

某冶金業企業四季典型日負荷曲線及冬季典型日負荷調整特性如圖4所示。

圖4 冶金業企業四季典型日負荷曲線及冬季典型日負荷調整特性

冶金工業（Smelting ofMetals, SM）用電負荷波動較大，在24h內多次出現短暫的用電高峰，以此類企業為代表工業類型調整局限小、可控性較大，能夠接受用電中斷調控。以冶金業為代表的工業負荷用電調控形式為短時（0～1h）調整，通過接受電網直接調控做出中斷用電調節。

對四類典型工業負荷建立調控經濟模型。

1.1.2 電/熱儲能

目前IES中所廣泛使用的儲電裝置（Battery Energy Storage, BES）有超級電容和電池儲能等，儲熱裝置（Thermal Energy Storage, TES）包括水蓄熱、相變蓄熱等[16-17]。電/熱儲能運行過程中均可動態吸收能量并適時釋放，平抑風光出力的波動性，間接擴大IES消納可再生能源的能力，在滿足電、熱負荷需求的同時緩解電源發電、供熱壓力。對電/熱儲能響應特性及約束建立統一的模型為

通過上述經濟模型描述IES中靈活性資源在系統調控下參與運行的成本費用，其中工業可控負荷調控成本主要來自對負荷生產用電的轉移、削減成本，儲能成本主要源于系統對其充、放能調控成本。

1.2 能源轉換設備模型

作為城市能源架構的電-熱網絡在能源流動、轉換及消耗過程中存在隱含的耦合關系[18]。兩種網絡的銜接環節主要由熱電聯產機組（Combined Heat and Power, CHP）與電制熱設備（Electric Boiler, EB）組成，二者共同作為能源轉換設備。本文CHP機組采用抽氣式熱電聯產，電制熱設備使用電鍋爐。

1.2.1 熱電聯產機組

抽氣式CHP機組相較于背壓式CHP機組擁有更高靈活性，配合熱網中儲熱裝置，可進一步增強IES的熱電調節能力。

1.2.2 電制熱設備

電制熱設備可以降低燃煤機組供熱負擔，通過消耗電能為熱用戶提供高品位熱能，為風光電能消納提供了一條額外途徑，其模型為

1.3 供能網絡模型

供能網絡包括電網、熱網部分，其網架結構形式類似，均可為IES源-荷-儲中的能量提供轉換、流動的載體。

1.3.1 熱網模型

供熱網絡主要由供水網絡與回水網絡構成，供回水網絡中熱能依托于熱水或熱蒸汽進行熱源節點與熱負荷節點間的轉移。

傳統熱網模型包括水力模型與熱力模型，溫度與流量耦合關系強，且包含指數方程，模型較為復雜，計算難度大。本文采用文獻[19]中的方法對熱網模型計算進行簡化，建立熱源與熱負荷管道流量的一元函數關系，簡化后的熱網模型為

在獲得熱源節點供熱出力后，即可在滿足節點熱負荷需求約束下求解熱網中管道流量，獲得熱網熱能流動結果。為便于描述熱網中能量流動，設置熱網各節點回水溫度恒定，同一時段供熱網絡所有負荷節點所需熱功率相同[19]。

1.3.2 電網模型

電網模型采用采用經典交流潮流模型，在極坐標下潮流方程為

式中，P、Q分別為節點注入有功和無功功率；U、U分別為節點、電壓幅值；G、B分別為節點導納矩陣中節點、對應的電導、電納；為節點、間的電壓相位差；為電力系統節點數。

2 碳排放流動拓撲模型

在能量傳輸和轉換過程中，嵌入在各種能源中的碳依附于IES能量傳輸進行轉移。隨著能量形式的轉換，碳排放也隨之在不同能源系統中流動。由于網絡中各節點所消耗的能量可以追溯到各個電源[20]，相應的碳排放也可以追溯到各電源。本文參考文獻[21]建立碳排放流動拓撲模型，直觀呈現碳排放從能源產生和轉化方累積到需求方的過程。

流經每條線路的碳排放量與線路潮流相關，支路碳排放強度與功率流入節點碳排放強度相等。

每個節點的碳排放強度由連接到該節點的輸電線路和發電機的有功功率注入量決定。

式中，PG為電源輸出功率；ΓG為電源碳排放強度；G、L分別為連接節點的電源、支路數。

系統碳排放總量遵循碳排放守恒定律，即源-荷側碳排放總量相等，支路損耗產生的碳排放不計入節點碳排放量。

式中，NODE為節點碳排放總量；LOSS為損耗產生的碳排放總量；CHP、GRID、WT、PT分別為IES中熱電聯產機組、上級電網、風電及光伏電源碳排放總量；N為總節點數。

供熱網絡由熱源、熱負荷和供熱管道組成。熱量由熱源產生，在供熱管道[22]中通過水循環輸送給熱負荷。熱網碳排放流動依附于供熱管道中供熱介質的流動，同樣遵循碳排放量守恒定律，表述形式與電網類似。

3 電-熱互聯系統協調運行模型

3.1 目標函數

考慮電-熱互聯系統中靈活性資源的調控特性，在現有網絡架構基礎上分析靈活性資源參與運行對改善IES效益的影響。以冬季供暖期內IES的經濟運行成本、風光消納率、碳排放量為目標對IES中靈活性資源參與調控效果進行評估。

1）經濟運行成本

2）風光消納率

3）碳排放量

式中，G為CHP機組供電碳排放系數；grid為上級電網供電碳排放系數；Pgrid為時刻區域電網向上級電網購電功率；GEN為IES中電源數。

3.2 約束條件

該協調運行模型中主要考慮各類靈活性資源響應特性及設備運行約束，對于IES整體，不允許向上級電網倒送功率，且需滿足系統功率及電壓約束。

1）系統功率平衡約束

2）節點電壓約束

式中，Umax、Umin分別為節點電壓的上、下限。

3）支路功率傳輸約束

3.3 模型求解

本文對低碳環境下電熱互聯IES中各類資源運行進行優化，優化過程中需要考慮各類資源不同運行特性，同時求解各類資源協同作用下IES在經濟環保等多方面上的表現，因而該優化過程是一個多目標、多維度的優化問題。隨著運行場景的改變、參與調控資源的增多，需要在保持解的多樣性的同時仍具有較高的求解效率[23]，本文采用自適應非支配性排序遺傳算法進行求解，相關參數設置見文獻[24]，主要優化運行求解流程如圖5所示。

圖5 優化運行求解流程

4 算例分析

4.1 基本參數設置

本文以改進的IEEE 33節點配電系統與45節點熱網系統耦合IES為例進行分析，區域綜合能源網架結構如圖6所示。配電系統支路參數及負荷分布情況參見IEEE 33節點配電網標準模型[25]，并將各節點負荷擴大1.2倍。熱網管道長度、表面傳熱系數等參數見參考文獻[26]，熱網總負荷為2.78MW。區域典型日電力負荷及風光出力曲線如圖7所示。區域熱網負荷及環境溫度如圖8所示，峰谷平期購電電價見表1。

圖6 區域綜合能源系統結構

圖7 典型日電負荷及風光時序出力

圖8 熱負荷及環境溫度

表1 電網分時電價

Tab.1 Time-of-use electricity price

電、熱網絡間通過熱電聯產機組與電制熱設備相耦合，分別安裝于1、22、32節點處，各設備參數見表2[27]。風電及光伏電源接入節點為17、32及22，將電儲能作為風光電源補充部分安裝于相應節點處。熱儲能作為熱網靈活性資源補充，分別安裝于熱電聯產機組及電制熱設備處。電/熱儲能相關參數見表3，儲能設備的使用年限為10年，年利率為0.067[28]。在該區域中選取四類典型工業企業（制造業、造紙業、農副產品加工業及冶金業）提供可控負荷參與調控，分別位于18、17、33及25節點。其中對用電負荷進行轉移調整，調控產生的轉移用電成本為0.26元/kW，對用電負荷進行甩負荷操作成本為0.4元/kW[29]。單位電網、熱網網損成本分別為5.6元/kW、3.8元/kW[30]。各設備運維成本見表4[31]，各供電單元碳排放強度見表5[32]。

表2 能源轉換設備參數

Tab.2 Parameters of energy conversion equipment

表3 儲能設備參數

Tab.3 Parameters of energy storage equipment

表4 設備運維成本

Tab.4 Equipment operation and maintenance cost

表5 供電單元碳排放強度

Tab.5 Carbon emission intensity of power supply unit

4.2 場景設置

分析靈活性資源對IES在經濟運行、風光消納及低碳運行方面的改善作用，設置三個不同場景進行對比分析，各場景中靈活資源多元化逐步擴展。

1）場景1：IES中無任何儲能，由上級電網、熱電聯產機組、風光電源為電網系統供電，由熱電聯產機組、電制熱設備為熱網系統供熱。

2）場景2：在場景1基礎上，添加電/熱儲能單元，作為電/熱系統供能的補充，均發揮存儲系統能量作用。

3）場景3：在場景2基礎上，將工業可控負荷作為可控資源參與調控，與電/熱儲能協調共同參與IES運行優化。

4.3 場景分析

4.3.1 不同配置場景分析

通過電-熱互聯系統協調運行模型優化得到不同場景下區域IES的Pareto運行方案解集，如圖9所示，對比分析不同場景中各類資源對IES綜合效益的影響。結果表明，各效益指標之間存在相互制約的關系。由于IES內部風光電源供電時碳排放強度低于其他類型的供電單元，風光消納率越高，意味著低碳排能源占比越高，碳排放量越低。隨著系統發電量的增加以及調控資源量的提升，經濟成本增加，風光消納率呈上升趨勢，碳排放量也隨之降低。表明電網可通過調控手段調動更多的靈活性資源參與運行，從而改善IES的風光消納率。選取各場景中風光消納率最高方案作為典型方案進行分析，結果見表6。

圖9 各場景多目標優化Pareto解集

表6 各場景典型優化方案結果

Tab.6 Results of typical optimization schemes in different scenes

從表6中可以看出，場景2中電、熱儲能的接入使經濟成本指標比場景1提高約11.3%，風光消納率提高了5.2%，而碳排放量下降了5.0%。這是由于電、熱儲能的安裝成本及其參與運行所需運維費用的增加所導致，同時也降低了傳統高碳排供電單元的供電負擔。緣于電熱儲能的接入，傳統電網被動接納風光出力的現象有所改善，通過對儲能的調節使得IES的風光消納率、碳排放量均有所改善。

而在場景3中，大型工業負荷作為靈活資源參與調控后，各項效益指標比場景2均有明顯提升。其中，經濟成本降低了2.9%，風光消納率提高了2.7%，碳排放量降低了6.1%。相對于場景2，場景3在工業負荷調控環節需付出用電調控成本，但用電負荷也因轉移至低電價區間使得購電耗費降低。相應地，IES中的靈活性資源得到了有效擴充，從而使風光消納率、碳排放指標獲得進一步改善。

選取場景2、場景3中典型方案深入分析24h源-荷-儲波動時序特性，結果如圖10及圖11所示。在場景3中選取具有代表性的四類工業負荷，調控前后的負荷特性如圖11c所示。

圖11 場景3優化前后24h源儲荷功率波動

圖10a及圖11a中，優化前典型日負荷曲線高峰期位于7:00～11:00、16:00～20:00時段，低谷期位于1:00～3:00時段，峰谷差為3.3MW，此時夜間0:00～5:00為主要的棄風時段。由于IES中電源最小出力為供電機組出力與風光出力之和，而熱電聯產機組受夜間供熱限制，導致棄風時段現有用電負荷無法滿足風電消納需求。經過場景2、場景3中典型運行方案優化后，電網峰谷差分別降低了2.4%、17%。兩典型場景中電儲能在用電高峰及棄風時段運行狀態類似，其中場景2電儲能運行時維持較長時間的充/放電狀態，為負荷高峰期持續供給棄風期存儲的電能；而場景3中電儲能因配合工業可控負荷調控，充/放電轉換更為頻繁，體現靈活性資源協同作用下對IES綜合效益的改善。

在兩典型場景中，電制熱設備作為熱電聯產機組的供熱補充，雖然為熱網提供的熱功率不同，但均承擔熱網部分的供熱職能，同時為電網棄電時段風電能源消納提供了一條有效途徑。

由圖11c可知，場景3中參與協調運行的四類工業負荷為響應系統調控做出了相應的調整。其中機械制造企業將位于9:00～15:00、17:00～19:00時段的部分用電負荷分別轉移至1:00～7:00、22:00～24:00時段；造紙企業將位于13:00～15:00時段的用電工序提前至4:00～6:00時段；農副食品加工企業將位于15:00～21:00時段的負荷重新分配至17:00～23:00時段，并將位于2:00～9:00時段的用電工序提前至1:00～7:00時段；冶金企業對位于7:00、9:00、15:00～19:00時段的負荷進行了不同程度的削減。最終相較場景1無靈活性資源調節情況下風光消納率由90.9%提升至98.8%。各類靈活性資源的協調運行結果表明，工業可控負荷相較于儲能單元，其可控容量更大，能夠在其可調節區間內發揮更為明顯的調控效果。但工業負荷在提供部分可控資源時，會受到自身用電工序及生產特性的影響，其靈活調節范圍存在一定的限制，這在場景2、3的典型優化方案中均有所體現。增加儲能后，場景2的風光消納率相較于場景1有顯著上升，場景3增加可控負荷資源后，風光消納率在場景2的基礎上得到進一步提升。

結果表明，荷-儲側靈活性資源的參與使負荷時序波動更加貼合風光能源的波動情況，并且在運行過程中能夠根據IES對風光消納及削峰填谷的需求對自身用電狀態進行靈活的調整。在此過程中，儲能的主要作用為存儲棄風棄光較高時段系統難以消納的電能，并在用能高峰時段供給能量。相對而言，由大型工業用戶提供的可控負荷資源可在一定范圍內調整自身用電時段，以配合系統的移峰需求，并在一定程度上促進風光能源消納。其中，以機械制造企業為代表的工業負荷具有大量的可轉移可調節資源，在系統消納風光、削峰填谷方面具有更大的潛力與優勢。

4.3.2 碳排放流動拓撲分析

為對靈活性資源參與IES運行后對IES碳排放改善效果做進一步分析，對場景3中電熱互聯IES典型時段碳排放拓撲進行分析。

（1）時段1：IES電負荷處于較高水平但熱負荷需求較低時，選取的典型時段為12:00～13:00。此時風力發電位于低谷期，光伏發電位于高峰期，熱網由CHP機組、電制熱設備完成供熱。

（2）時段2：風光能源發電棄電時段，當IES產生棄電時電負荷往往處于低谷期，選取的代表時段為3:00～4:00。此時電儲能對風光發電進行存儲，熱儲能配合CHP機組下調供熱功率，電制熱設備作為熱網供熱補充。

（3）時段3：在夜間電、熱負載高峰期，選取的代表時段為19:00～20:00，此時系統開始進入風電發電時段，在完成對風電資源的全額消納的同時，電儲能進行有序放電，補充IES電負荷需求。同時CHP機組供熱增加，熱儲能1開始為低電負荷時段IES供熱需求進行儲熱。

各典型時段下碳排放拓撲如圖12、圖13所示，對應時段IES各負荷節點的碳排放強度如圖14所示。

由圖12a可得，在12:00～13:00時段IES由CHP機組、風光電源及上級電網共同作為主要供電單元，同時電儲能將夜間存儲的風電供給電網部分。且該時段以制造業企業為代表的工業可控負荷進行了部分轉移，降低其位于該時段的用電量，從而令IES中更多受端用戶獲得清潔能源供能，此時IES中各節點碳排放強度如圖14所示，以風電、光伏為主的低碳能源有效地降低了其供電區域內電負荷節點的碳排放強度。由于此時段電網負荷較大、熱網負荷較小，熱網負荷由CHP機組、熱儲能2及光伏發電所轉換的熱功率即可滿足熱網負荷需求。

圖14 典型時段電網節點碳排放強度

在3:00～4:00時段，IES自身CHP機組供電量及風電機組發電量已可滿足電網供電需求，無需向上級電網購電，并且由于CHP機組供熱量限制，IES出現風電消納困難，電儲能開始對IES無法消納的電能進行存儲，低碳排風電開始大面積滲透進入電網。而由圖13b可知電制熱設備通過消納清潔風電能源從而將低碳排電能傳輸至熱網，能夠有效利用低碳風能制熱。且通過機械制造業、造紙業等企業負荷生產調整，也為風電消納提供了有效通道，緩解風電高發期間所帶來的棄風問題。從圖14中可以看出，此時由于風電大面積滲透，更多電負荷節點的碳排放強度有所降低，同時也降低了熱網中部分熱負荷節點的碳排放強度。

在夜間19:00～20:00時段，電、熱系統均處于高負荷需求期，IES在實現該時段對風電的全額消納的同時，仍需由上級電網供電。此時電儲能開始向IES供應已存儲的低碳電能，熱網情形與12:00～13:00時段類似，但由于熱負荷需求增長，熱儲能2開始供熱從而緩解熱源壓力。工業負荷通過改變自身高峰負荷用電時段及進行甩負荷操作響應系統削峰需求，同時促進對清潔能源的消納利用。在靈活性資源協同作用下，由圖14a可以看出該時段部分電負荷節點碳排放強度有所降低，而熱負荷節點碳排放強度維持在較高水平。

從典型時段碳流動拓撲分析可知，該區域IES通過電儲能完成了對風光能源的存儲，并將這部分能源適時地供給系統，完成低碳能源的再分配。由于東北地區熱負荷需求較大，熱儲能主要完成的是對高耗能高碳排熱電聯產機組供熱能源的存儲，并配合電制熱設備對電轉化的熱能進行存儲。工業可控負荷資源雖然不能直接存儲清潔能源，但其通過調整自身生產工序，將原位于高負荷水平期的用電生產轉移至低負荷水平期，促進風光能源消納，減少IES的碳排放。同時，工業用戶在高負荷水平期轉移削減的負荷資源可以使風光能源的碳排拓撲延伸，并滲透至系統更多的負荷節點處，從而進一步降低節點碳排放強度。

5 結論

考慮低碳環境下靈活性資源參與的電熱綜合能源系統協調優化，得出以下結論：

1）綜合能源系統的靈活性資源可以描述電/熱儲能及工業可控負荷參與系統調控的特性，便于根據靈活性資源因類施策，挖掘多元化資源消納風光及低碳排放的潛力。

2）采用的優化運行模型通過自適應非支配性排序遺傳算法優化靈活性資源運行方案，通過其協同作用改善IES在經濟性、風光消納率及碳排放方面的效益，在可行域內提供合理多樣的優化方案，并采用碳排放流動模型對結果進行進一步分析。結果表明靈活性資源參與電熱綜合能源系統調控，能夠緩解系統能源供需壓力，滿足IES的低碳需求。

3）靈活性資源中電儲能主要完成對清潔能源的存儲與再分配，熱儲能完成對熱網富余熱能的存貯，增加CHP機組出力的可調節空間。工業可控負荷通過調整用電時序，增進對低碳能源的消納，在負荷高峰期響應系統要求參與調峰，減少對高耗能能源的使用。同時規模化用電調整可促進低碳能源在IES內的滲透，利于實現低碳環境下系統的經濟運行。

[1] 余曉丹, 徐憲東, 陳碩翼, 等. 綜合能源系統與能源互聯網簡述[J]. 電工技術學報, 2016, 31(1): 1-13.

Yu Xiaodan, Xu Xiandong, Chen Shuoyi, et al. A brief review to integrated energy system and energy internet[J]. Transactions of China Electrotechnical Society, 2016, 31(1): 1-13.

[2] 張大海, 贠韞韻, 王小君, 等. 考慮廣義儲能及光熱電站的電熱氣互聯綜合能源系統經濟調度[J]. 電力系統自動化, 2021, 45(19): 33-42.

Zhang Dahai, Yun Yunyun, Wang Xiaojun, et al.Economic dispatch of integrated electricity-heat-gas energy system considering generalized energy storage and concentrating solar power plant[J]. Automation of Electric Power Systems, 2021, 45(19): 33-42.

[3] 張濤, 郭玥彤, 李逸鴻, 等. 計及電氣熱綜合需求響應的區域綜合能源系統優化調度[J]. 電力系統保護與控制, 2021, 49(1): 52-61.

Zhang Tao, Guo Yuetong, Li Yihong, et al. Optimization scheduling of regional integrated energy systems based on electric-thermal-gas integrated demand response[J]. Power System Protection and Control, 2021, 49(1): 52-61.

[4] 王典, 潘超, 鹿麗, 等. 計及風-光時序相關特性的源-儲并網階段式規劃策略[J]. 東北電力大學學報, 2020, 40(4): 1-10.

Wang Dian, Pan Chao, Lu Li, et al. Source-storage staged planning strategy considering wind-photovoltaic timing related characteristics[J]. Journal of Northeast Electric Power University, 2020, 40(4): 1-10.

[5] Giannitrapani A, Paoletti S, Vicino A, et al. Optimal allocation of energy storage systems for voltage control in LV distribution networks[J]. IEEE Transactions on Smart Grid, 2017, 8(6): 2859-2870.

[6] 姜海洋, 杜爾順, 朱桂萍, 等. 面向高比例可再生能源電力系統的季節性儲能綜述與展望[J]. 電力系統自動化, 2020, 44(19): 194-207.

Jiang Haiyang, Du Ershun, Zhu Guiping, et al. Review and prospect of seasonal energy storage for power system with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2020, 44(19): 194-207.

[7] Xiao Hao, Pei Wei, Dong Zuomin, et al. Bi-level planning for integrated energy systems incorporating demand response and energy storage under uncertain environments using novel metamodel[J]. CSEE Journal of Power and Energy Systems, 2018, 4(2): 155-167.

[8] 滕云, 孫鵬, 羅桓桓, 等. 計及電熱混合儲能的多源微網自治優化運行模型[J]. 中國電機工程學報, 2019, 39(18): 5316-5324, 5578.

Teng Yun, Sun Peng, Luo Huanhuan, et al. Autonomous optimization operation model for multi-source microgrid considering electrothermal hybrid energy storage[J]. Proceedings of the CSEE, 2019, 39(18): 5316-5324, 5578.

[9] 張雨曼, 劉學智, 嚴正, 等. 光伏-儲能-熱電聯產綜合能源系統分解協調優化運行研究[J]. 電工技術學報, 2020, 35(11): 2372-2386.

Zhang Yuman, Liu Xuezhi, Yan Zheng, et al. Decomposition-coordination based optimization for PV-BESS-CHP integrated energy systems[J]. Transactions of China Electrotechnical Society, 2020, 35(11): 2372-2386.

[10] 李振坤, 岳美, 胡榮, 等. 計及分布式電源與可平移負荷的變電站優化規劃[J]. 中國電機工程學報, 2016, 36(18): 4883-4893, 5112.

Li Zhenkun, Yue Mei, Hu Rong, et al. Optimal planning of substation considering distributed generation and shiftable loads[J]. Proceedings of the CSEE, 2016, 36(18): 4883-4893, 5112.

[11] 孫建軍, 張世澤, 曾夢迪, 等. 考慮分時電價的主動配電網柔性負荷多目標優化控制[J]. 電工技術學報, 2018, 33(2): 401-412.

Sun Jianjun, Zhang Shize, Zeng Mengdi, et al. Multi-objective optimal control for flexible load in active distribution network considering time-of-use tariff[J]. Transactions of China Electrotechnical Society, 2018, 33(2): 401-412.

[12] 彭春華, 劉兵, 左麗霞, 等. 計及分類需求響應的孤島微網并行多目標優化調度[J]. 電力系統保護與控制, 2019, 47(5): 60-68.

Peng Chunhua, Liu Bing, Zuo Lixia, et al. Parallel multi-objective optimal dispatch of island micro-grid considering load classified demand response[J]. Power System Protection and Control, 2019, 47(5): 60-68.

[13] 王昀, 謝海鵬, 孫嘯天, 等. 計及激勵型綜合需求響應的電-熱綜合能源系統日前經濟調度[J]. 電工技術學報, 2021, 36(9): 1926-1934.

Wang Yun, Xie Haipeng, Sun Xiaotian, et al. Day-ahead economic dispatch for electricity-heating integrated energy system considering incentive integrated demand response[J]. Transactions of China Electrotechnical Society, 2021, 36(9): 1926-1934.

[14] 許健, 劉念, 于雷, 等. 計及重要負荷的工業光伏微電網儲能優化配置[J]. 電力系統保護與控制, 2016, 44(9): 29-37.

Xu Jian, Liu Nian, Yu Lei, et al. Optimal allocation of energy storage system of PV microgrid for industries considering important load[J]. Power System Protection and Control, 2016, 44(9): 29-37.

[15] 國網吉林經研院2020年清潔能源大省戰略下靈活性負荷技術特性研究[R]. 長春: 國家電網吉林電力經濟技術研究院, 2021.

[16] 陳亞愛, 林演康, 王賽, 等. 基于濾波分配法的混合儲能優化控制策略[J]. 電工技術學報, 2020, 35(19): 4009-4018.

Chen Yaai, Lin Yankang, Wang Sai, et al. Optimal control strategy of hybrid energy storage based on filter allocation method[J]. Transactions of China Electrotechnical Society, 2020, 35(19): 4009-4018.

[17] Tahir M F, Chen Haoyong, Mehmood K, et al. Integrated energy system modeling of china for 2020 by incorporating demand response, heat pump and thermal storage[J]. IEEE Access, 2019, 7: 40095-40108.

[18] 周長城, 馬溪原, 郭祚剛, 等. 面向工程應用的用戶級綜合能源系統規劃[J]. 電工技術學報, 2020, 35(13): 2843-2854.

Zhou Changcheng, Ma Xiyuan, Guo zuogang, et al. User-level integrated energy system planning for engineering applications[J]. Transactions of China Electrotechnical Society, 2020, 35(13): 2843-2854.

[19] 孫國強, 王文學, 吳奕, 等. 輻射型電–熱互聯綜合能源系統快速潮流計算方法[J]. 中國電機工程學報, 2020, 40(13): 4131-4142.

Sun Guoqiang, Wang Wenxue, Wu Yi, et al. Fast power flow calculation method for radiant electric-thermal interconnected integrated energy system[J]. Proceedings of the CSEE, 2020, 40(13): 4131-4142.

[20] Rosen M A, Kleme J. Allocating carbon dioxide emissions from cogeneration systems: descriptions of selected output-based methods[J]. Clean. Prod, 2008, 16(2): 171-177.

[21] Cheng Yaohua, Zhang Ning, Wang Yi, et al. Modeling carbon emission flow in multiple energy systems[J]. IEEE Transactions on Smart Grid, 2019, 10(4): 3562-3574.

[22] Huang Xianzheng, Xu Zhaofeng, Sun Yong, et al. Heat and power load dispatching considering energy storage of district heating system and electric boilers[J]. Journal of Modern Power Systems and Clean Energy, 2018, 6(5): 992-1003.

[23] Bramerdorfer G. Multiobjective electric machine optimization for highest reliability demands[J]. CES Transactions on Electrical Machines and Systems, 2020, 4(2): 71-78.

[24] 王嶸冰, 徐紅艷, 郭軍. 自適應的非支配排序遺傳算法[J]. 控制與決策, 2018, 33(12): 2191-2196.

Wang Rongbing, Xu Hongyan, Guo Jun. Adaptive non-dominated sorting genetic algorithm [J]. Control and Decision, 2018, 33(12): 2191-2196.

[25] 張紹平. 分布式電源在配電網中的優化配置研究[D]. 南昌: 南昌大學, 2021.

[26] 張義志. 考慮多能網絡的綜合能源系統最優能流計算和恢復重構方法研究[D]. 北京: 北京交通大學, 2018.

[27] 崔楊, 陳志, 嚴干貴, 等. 基于含儲熱熱電聯產機組與電鍋爐的棄風消納協調調度模型[J]. 中國電機工程學報, 2016, 36(15): 4072-4081.

Cui Yang, Chen Zhi, Yan Gangui, et al. Coordinated wind power accommodating dispatch model based on electric boiler and CHP with thermal energy storage[J]. Proceedings of the CSEE, 2016, 36(15): 4072- 4081.

[28] 許周, 孫永輝, 謝東亮, 等. 計及電/熱柔性負荷的區域綜合能源系統儲能優化配置[J]. 電力系統自動化, 2020, 44(2): 53-59.

Xu Zhou, Sun Yonghui, Xie Dongliang, et al. Optimal configuration of energy storage for integrated region energy system considering power/thermal flexible load[J]. Automation of Electric Power Systems, 2020, 44(2): 53-59.

[29] 陳寒, 唐忠, 魯家陽, 等. 基于CVaR量化不確定性的微電網優化調度研究[J]. 電力系統保護與控制, 2021, 49(5): 105-115.

Chen Han, Tang Zhong, Lu Jiayang, et al. Research on optimal dispatch of a microgrid based on CVaR quantitative uncertainty[J]. Power System Protection and Control, 2021, 49(5): 105-115.

[30] 黃偉, 柳思岐, 葉波. 考慮源-荷互動的園區綜合能源系統站-網協同優化[J]. 電力系統自動化, 2020, 44(14): 44-53.

Huang Wei, Liu Siqi, Ye Bo. Station-network cooperative optimization of integrated energy system for park considering source-load interaction[J]. Automation of Electric Power Systems, 2020, 44(14): 44-53.

[31] 刁涵彬, 李培強, 王繼飛, 等. 考慮電/熱儲能互補協調的綜合能源系統優化調度[J]. 電工技術學報, 2020, 35(21): 4532-4543.

Diao Hanbin, Li Peiqiang, Wang Jifei, et al. Optimal dispatch of integrated energy system considering complementary coordination of electric/thermal energy storage[J]. Transactions of China Electrotechnical Society, 2020, 35(21): 4532-4543.

[32] Cheng Yaohua, Zhang Ning, Zhang Baosen, et al. Low-carbon operation of multiple energy systems based on energy-carbon integrated prices[J]. IEEE Transactions on Smart Grid, 2020, 11(2): 1307-1318.

Low-Carbon Optimization of Electric and Heating Integrated Energy System with Flexible Resource Participation

Pan Chao1Fan Gongbo1Wang Jinpeng1Xu Xiaodong1Meng Tao2

（1. Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology of Ministry of Education Northeast Electric Power University Jilin 132012 China 2. Electric Power Research Institute State Grid Jilin Electric Power Co. Ltd Changchun 130021 China）

The modern energy system is in the low-carbon transition stage. However, due to the randomness and volatility of renewable energy, it is difficult to integrate into the grid and the low-carbon process is limited. Integrated Energy Systems (IES) focus on meeting the demand for interaction between supply and demand. In recent years, increasingly resources on the load and energy storage side have begun to participate in the low-carbon operation of the system, but the resource synergy advantage has not been fully utilized, and there is a lack of analysis on the flow and transfer of carbon emissions in IES. To solve these problems, this paper proposes a low carbon optimization model of electric and heating integrated energy system considering the participation of flexible resources, analyzes the improvement effect of multiple flexible resources response on the comprehensive benefits of the system, and visually presents the flow process of electric thermal carbon emissions topologically, promoting the efficient consumption of low carbon energy in IES.

First, analyze the industrial load regulation mechanism of differentiated layout in the regional power grid, and establish the model of cogeneration unit, electric heating equipment, electric/thermal energy storage and controllable load in the electric-thermal coupling system based on the urban energy grid. Then, a comprehensive benefit model is built with economic cost, wind and solar usage and carbon emissions as indicators, and a carbon emission flow topology is proposed to describe the carbon emission flow information attached to the energy flow. Finally, the electric-thermal coupling energy system is simulated to obtain the regulatory results of flexible resources and carbon emission flow information in different resource allocation scenarios. In this model, the improvement effect of flexible resource participation response on the comprehensive benefits of the system is analyzed from the perspective of economy and low carbon, and a more comprehensive evaluation model is formed by visualizing the flow process of electric and thermal carbon emissions through topology.

In the IEEE 33 node distribution network and 45 node heat network coupling system, different scenarios are divided according to the flexible resource composition for simulation. The results show that under the collaborative regulation of resources on the load storage side, compared with the scenario without flexible resources, the economic cost is increased by about 8.1%, the wind and solar usage rate is increased by 7.9%, and the carbon emissions are reduced by 10.8%. Through the reasonable conversion of energy storage operation mode, the power supply burden of traditional high carbon emission power supply units is reduced. The participation of industrial controllable loads has effectively expanded the flexible resources, reducing the peak valley difference by 17%, further promoting the consumption of solar energy and reducing carbon emissions. The topology analysis of carbon flow in typical periods of the operation cycle shows that the carbon emission topology of wind and solar energy in IES can be extended to more load nodes in the system through the storage and redistribution of low carbon and excess energy, and the reasonable electricity production transfer of industrial users, thus reducing the node carbon emission intensity and the total carbon emissions in the operation cycle.

The following conclusions can be drawn from the simulation analysis: (1) The flexible resource model can describe the adjustment characteristics of energy storage and the industry specific industrial load regulation characteristics, and can make policy based on the resource type. (2) By optimizing the flexible resource operation scheme, the benefits of IES in terms of economy, wind and solar usage rate and carbon emissions can be improved, and diversified optimization schemes can be provided within feasible areas. The carbon emission flow model adopted can accurately describe the carbon emission flow process of IES in the operation cycle. (3) Through flexible resource control, it can promote the penetration of low-carbon energy in IES, reduce the use of energy-intensive energy, and help achieve the economic operation of the system in a low-carbon environment.

Integrated energy system, controllable load, electric/thermal energy storage, optimized operation, carbon emission flow topology

10.19595/j.cnki.1000-6753.tces.211725

TM732

國家重點研發計劃重點專項（2016YFB0900100）和常規水電站結合抽蓄、光伏、風電、電化學儲能聯合開發研究（525687200009）資助。

2021-10-29

2022-01-21

潘 超 男，1981年生，副教授，博士，研究方向為電力系統穩定與分析。E-mail：31563018@qq.com

范宮博 男，1997年生，碩士研究生，研究方向為綜合能源系統優化。E-mail：1820913741@qq.com（通信作者）

（編輯 赫 蕾）