基于大數據與雙向耦合的區域綜合能源系統協同優化模型

張章, 張麗潔, 李光毅, 李津

(1.國網河北省電力有限公司經濟技術研究院,河北,石家莊 050081;2.國網雄安綜合能源服務有限公司,河北,雄安 071700)

0 引言

隨著可再生能源的規模化發展,其發電固有的不確定性為綜合能源系統的實際運行帶來了挑戰[1-3]。因此,如何協調區域綜合能源系統,使其高效可靠地運行是目前的難題。

文獻[4]以整個系統的運行成本和主網功率波動量最小為目標進行能源系統優化。在此基礎上,結合多種限制條件,轉變模型規劃形式。算例結果表明,該方案可以保證系統的安全穩定,但是該系統運行中消耗的成本較高。文獻[5]通過分析用戶需求響應能力,結合價格型負荷和替代型負荷,對負荷曲線進行優化,實現能源系統協調優化。經測試得出,該方案能夠提高整個系統的靈活性,保障體系的安全性,但是不能滿足環保性需求,系統優化后仍會產生大量的碳排放量。文獻[6]提出了一種計及多能轉化效率的區域綜合能源系統協同優化模型設計方法,構建目標函數,利用多目標粒子群求解目標函數,得出系統優化結果。通過實例計算,證明了該方案可以有效地改善碳減排率,但是由于該方法僅建立了單一的目標函數,不能全面地反映區域綜合能源系統的實際情況,因此,在標準煤消耗量方面仍然存在一定的問題。

針對上述問題,以提升系統運行的經濟性和環保性為目標,探究區域綜合能源系統協同運行優化問題。

1 能源數據預處理及電-氣雙向耦合建模分析

1.1 區域綜合能源數據處理

區域綜合能源系統運行中會產生大量的運行數據和能源數據,為了提高系統優化效率,在綜合能源系統的開發利用過程中,必須對各種不同的能量數據展開綜合處理,因此,在數據采集階段可以通過壓縮、傳輸等方式降低數據處理復雜度,提升數據傳輸效率,方便后續的區域綜合能量系統協調優化[7]。

在綜合能源數據的具體分析與處理過程中,選取了水、電、氣3種綜合能源資料作為參考。水、電、氣數據處理流程見圖1。

圖1 區域綜合能源數據處理流程

由圖1可知,區域綜合能源數據處理步驟分為數據采集、數據中繼和數據分析3個環節。由于區域綜合能源系統在運行中會產生大量的數據,因此,通過壓縮感知方法對采集得到的能源數據進行壓縮處理,該方法能夠降低數據傳輸壓力,為區域綜合能源系統協同優化提供數據基礎。

1.2 電-氣雙向耦合建模

以氣、電能源為例,分析二者的耦合關系,構建雙向耦合模型,具體可分為燃氣輪機運行模型和電轉氣設備運行模型。

(1) 燃氣輪機運行模型:

PGT=δGTQGTLg

(1)

(2) 電轉氣設備運行模型:

θP→G=δP→GPP→G/Lg

(2)

其中,PGT表示燃氣輪機的輸出功率,δGT表示燃氣輪機天然氣發電能量轉化率,QGT表示燃氣輪機的儲存熱能,P→G表示電轉氣裝置,P→G輸出天然氣的能量轉化率用δP→G描述,θP→G表示電轉氣設備的能量傳遞效率,PP→G表示電轉氣設備功率,Lg表示單位換算系數。

通過上述公式能夠得到氣-電能源之間的雙向耦合關系,上述耦合關系同樣適用于其他能源,分析區域綜合能源系統協同優化方法,實現冷熱電氣不同能源之間的耦合與協調,促進區域綜合能源系統協調、穩定發展。

2 區域綜合能源系統協同優化

在區域綜合能源系統中,主要分為3個部分,分別為供能側、能量轉換設備和需求側[8-9]。根據區域綜合能源系統模型的基本結構,給出模型表達式:

(3)

其中,νi表示多能互補系數,i=1,2,3,CES表示區域綜合能源系統,n表示能源類型數量。

接下來針對區域綜合能源系統模型建立多目標函數,對系統模型進行多目標優化。單一目標函數僅關注系統優化中的某一個具體指標或目標,與單一目標函數相比,多目標函數考慮了多個指標或目標的綜合性,可以平衡不同目標之間的權衡關系。這意味著使用多目標函數可以更全面地反映實際情況,并將多個優化目標進行綜合考慮。因此,本文建立多目標函數,具體目標函數包括運行成本最小化、碳排放量最低以及標準煤消耗量最小化。

(1) 運行成本目標函數

運行成本主要由購買和收益兩部分組成。將運行成本作為目標函數即降低購買成本,提高經濟收益,具體表達式為

minC=Cgas-Cgird-Cs

(4)

其中,Cgas表示天然氣購買成本,Cgird表示電力購買成本,Cs表示向電網賣電所得收益。

(2) 碳排放目標函數

在碳排放優化目標設計中,充分考慮能源系統中燃氣鍋爐與燃氣輪機的碳排放量,具體表達式為

minE=EGB+EGT+Egird

(5)

其中,燃氣鍋爐用GB描述,GB和GT的碳排放量用EGB和EGT描述,電網的碳排放量用Egird描述。

(3) 標準煤消耗目標函數

除了運行成本與碳排放量等優化目標之外,將標準煤消耗作為另一個優化目標:

minS=SGB+SGT+Sgird

(6)

其中,SGB用于GB運行過程中消耗的煤炭當量,SGT用于描述GT運行過程中消耗的煤炭當量,Sgird用于描述電網產生的煤炭當量。

針對上述建立的多目標優化函數,設置相應的約束條件。

功率平衡約束:

PGT+PGB+Pgird=Pload-Pbess

(7)

其中,Pload表示用戶負荷功率,Pbess表示儲能設備出力。

設備出力約束:

(8)

設備運行約束:

(9)

粒子群算法[10-12]具備的高效、適用范圍廣等優點被逐漸發現,然而,使用單個PSO對所建模型進行求解時,其收斂性較差。為兼顧區域綜合能源系統多目標協調優化問題,設計啟發式規則,在所得解中得到折中解。具體求解過程如下:

(10)

(11)

針對設置的約束條件,引入啟發式規則,獲取冷熱電氣設備的出力范圍大小,并得到設備的開機優先順序:

zn=(Pw>A1) or (Pw>A2)

(12)

其中,zn表示設備啟停次數,Pw表示設備實際開機概率,A1和A2均表示隨機數,二者在(0,1)區間取值。

綜上,給出區域綜合能源系統協同優化模型的求解流程圖,如圖2所示。

圖2 模型求解流程圖

3 算例分析

為了驗證所設計基于大數據與雙向耦合的區域綜合能源系統協同優化模型的應用效果,進行算例分析。

3.1 參數設置

首先,給出某地區綜合能源系統中的主要設備及其具體參數,如表1所示。

表1 系統中各項設備及其具體參數

在上述參數設置下,結合設定的目標函數,測試區域綜合能源系統的成本、碳排放量以及標準煤消耗量,根據測試結果得出相關結論。

3.2 結果及其分析

(1) 運行成本測試結果

以分供系統成本作為參考,測試4個季節典型日中分供系統與綜合能源系統的成本,在分供系統中,能源資源主要來自于一種或有限幾種能源形式,例如燃煤、天然氣等化石燃料。綜合能源系統將多種能源資源進行整合,包括可再生能源如太陽能、風能、地熱能等,以及傳統的化石燃料等,實現了能源資源的多樣化利用。對比結果如表2所示。

從表2中的數據可以看出,由于負荷不同,不同典型日下綜合能源系統與分供系統的成本不同,其中,夏季的運行成本可節省27.12%,是在4個季節中節約率最高的。由此看來,無論何種負荷下的綜合能源系統均可以實現多能互補,多能協調,驗證了所提方法的經濟性。

(2) 碳排放測試結果

將文獻[4]方法、文獻[5]方法和文獻[6]方法作為對比方法,測試應用3種方法后該地區不同時段綜合能源系統的碳排放量,結果如表3所示。

表3 不同方法在不同時段的碳排放量對比結果

由表3可知,與文獻[4]方法、文獻[5]方法和文獻[6]方法相比,所提方法的碳排放量大幅度下降,說明該方法能夠使綜合能源系統具有更佳的低碳性,可提高能源系統的環保性。

(3) 標準煤消耗量測試結果

最后,測試2020年和2021年應用所提方法之前該地區的標準煤的消耗量和應用該方法之后對應的消耗量,對比結果如圖3所示。

(a) 2020年

由圖3可知,該地區的標準煤消耗特點呈現出春秋季節較低,夏冬季節較高的特點,其中,2021年的標準煤消耗量較2020年有所減少,且應用所提方法之后標準煤消耗量明顯低于應用該方法之前,說明應用該方法之后,區域綜合能源系統的能源消耗量得到了降低,再次驗證了該方法的經濟性。

4 總結

本文將提升綜合能源系統的經濟性與環保性作為研究目標,提出一種基于大數據與雙向耦合的區域綜合能源系統協同優化模型設計方法。將碳排放、標準煤消耗等方面設定為目標函數,并通過粒子群算法得到模型的解,獲取多目標優化結果。算例結果表明,應用該方法后成本節約率得到了明顯提升,碳排放和標準煤消耗量明顯降低,驗證了該方法的應用價值。