罗　平，韩露杰，孙作潇，吕　强，陈巧勇

(1.杭州电子科技大学自动化学院，浙江 杭州 310018；2.国网浙江省电力公司杭州供电公司，浙江 杭州 310009)

0　引言

微电网系统可通过优化控制其可控发电单元和储能系统的出力，实现系统运行成本或污染物排放量最小的优化调度目标，故近年来受到学术界和工业界的广泛关注[1-3]。冷热电联供(combined cooling heating and power，CCHP)型微电网相比于普通微电网，具有运行模式多样、能源利用率高、控制灵活、供电可靠性高以及环境污染小等特点，受到各国的广泛重视，已经成为第二代能源技术的重点研究对象[4-6]。但由于冷热电联供型微电网内部的能源结构和设备之间的耦合关系复杂，特别是冷热电联供系统的热电耦合现象，使得优化调度方案的确定变得非常困难。而采用 “以热定电”或“以电定热”的运行方式，在一定程度上起到了热电解耦的作用，但不利于实现热电负荷的统一协调调度[6]。

目前，针对CCHP型微电网优化调度问题，研究者们已取得了一定的研究成果[6-11]。

①文献[6]以包含风机、光伏、热电联供系统、电锅炉、燃料电池和储能系统的并网型微电网为例，求得调度周期内各微电源的最佳出力及系统运行成本。

②文献[7]提出了基于母线式结构的CCHP型微电网优化模型，对系统中的各设备进行了独立建模，并采用0-1混合整数线性规划算法对系统进行了日前经济优化调度。

③文献[8]将微型能源网中的能源分为冷、热、电和气四种形式，提出了基于集中互联能源交换网络的CCHP型微能源网供能构架，并采用Hessian矩阵迭代的内点法对采用该构架建立的经济优化模型进行了求解。

④文献[9]以经济、环保的综合成本为目标函数，建立了CCHP微网系统的环保经济调度模型，并采用混沌粒子群优化算法对其进行了优化求解。该研究结果表明，蓄热蓄冷装置调整了燃气轮机的出力，提高了系统运行的经济性。

⑤文献[10]计及光伏和热电负荷的随机性，综合考虑运行费用和污染气体排放量，建立了多目标机会规划模型，并采用随机模拟技术和Pareto最优解集进行了求解。

⑥文献[11]考虑了风电的随机性，在目前的电力市场环境下，利用场景产生和消除方法进行了微电网的热电联产优化调度。

但以上文献在建立优化目标时，大多直接选定单个目标函数进行优化求解，缺少对其他相关因素的考虑；或者是通过加权或者模糊化的方法，将多目标优化问题转换为单目标优化问题进行求解，导致调度方案适用范围有限、调度计划缺乏灵活性。

本文以某一居民小区日常能源供应为例，建立了以系统运行成本和环境治理成本最小为优化目标的CCHP型微电网优化调度模型。为了提高算法的求解速度和Pareto前沿分布的均匀性和多样性，采用基于优秀粒子引导的改进粒子群算法对该模型进行优化求解，给出了夏季典型日优化调度问题的Pareto前沿。分析了某夏季典型日的多目标优化调度方案，并与“以热定电”和“以电定热”的运行方式的调度结果进行了对比。

1　CCHP型微电网系统模型

本文研究的CCHP型微电网系统主要由风力发电系统、光伏发电系统、燃气轮机发电系统、空调以及储能系统组成。风力和光伏发电系统均采用最大功率跟踪模式发电，以最大限度地利用可再生能源[9]。微型燃气轮机在发电的同时，将产生的烟气余热等低品质热能用于驱动溴化锂吸收式冷热水机组制冷/热能。储能系统包括蓄电池和蓄热/冷槽。空调通过调节蓄热/冷槽、溴化锂冷热水机组出力与冷/热负荷三者之间的功率平衡，达到既可作为电负荷，又可作为冷/热源参与冷/热负荷调度的目的。CCHP型微电网基本结构如图1所示。

图1　CCHP型微电网基本结构图

1.1　燃气轮机发电系统模型

燃气轮机发电系统在发电的同时，将回流换热器排出的高温烟气余热用于驱动溴化锂吸收式制冷机产生冷/热能，能源综合利用率可达80%以上。该系统的数学模型[12]如下：

(1)

Qgt-co=QGT×COPco

(2)

Qgt-he=QGT×COPhe

(3)

式中：Pe和ηe分别为燃气轮机的输出功率和发电效率；QGT为燃气轮机高温尾气的烟气余热量；ηL为燃气轮机的散热损失系数；Qgt-he、Qgt-co和COPhe、COPco分别为燃气轮机高温尾气余热提供的制热/冷量与溴冷机的制热/冷系数。

1.2　储能系统模型

储能系统包括电储能系统与热/冷储能系统。其中，电储能系统选取蓄电池作为储能设备。其储能容量与蓄电池充放电功率应满足[11]：

EES(t)=(1-τ)EES(t-1)+

(4)

式中：EES(t)为t时刻蓄电池的储能容量；τ为蓄电池的自放电率；PES_ch(t)、PES_dis(t)和ηsch、ηsdis分别为蓄电池在t时刻的充/放电功率和充/放电效率。

对于热/冷储能系统，采用蓄热/冷槽进行蓄热/冷。该系统夏天可蓄冷、冬天可蓄热。其所储能量的计算式为[13]：

R=ρVCPεαΔT

(5)

式中：R和V分别为蓄热/冷槽中的可用能量和可用水的体积；ρ为水的密度；CP为水的比热容；α为蓄热/冷槽容积的利用率；ε为蓄热/冷槽的完善度；ΔT为蓄热/冷槽进水温差。

蓄热/冷槽的动态模型[14]可表示为：

HHS(t)=(1-μ)HHS(t-1)+

(6)

式中：HHS(t)为t时刻蓄热/冷槽的热储能容量；μ为蓄热/冷槽的散热损失率；QHS_ch、QHS_dis和ηhch、ηhdis分别为蓄热/冷槽在t时刻的蓄热/冷功率及蓄热/冷效率。

1.3　空调模型

空调将电能转换成冷能或热能，每小时消耗的电能与产生的热/冷能的关系可表示为：

Qec-co=PE×COPec-co

(7)

Qec-he=PE×COPec-he

(8)

式中：Qec-co、Qec-he分别为空调的制冷量与制热量；PE为空调的输入电功率；COPec-co、COPec-he分别为空调制冷和制热能效比。根据不同的能效标准，空调的制冷/热能效比的取值范围为2.3～3.6。

2　多目标优化调度模型

选取24 h内，蓄电池、蓄热/冷槽和微型燃气轮机在每小时内的出力，为CCHP型微电网优化调度问题的优化变量。在满足各单元物理约束和系统运行约束的条件下，通过合理安排可控微源和储能系统的出力，使系统的运行成本和环境治理成本最低。

2.1　目标函数

目标函数为系统总的运行成本f1(X)和系统污染物排放治理费用即环境成本f2(X)。

f1(X)=JE(X)+JO(X)+JF(X)+JB(X)

(9)

(10)

式中：JE(X)为微电网系统与大电网的电能交互成本；JO(X)为设备的运行维护成本；JF(X)为燃气轮机的燃料成本；JB(X)为蓄电池和蓄冷槽的折旧成本；n为污染物的种类；Vi为第i项污染物的排放治理费用；Qi(X)为第i项污染物的排放量。

因此，CCHP型微电网的目标函数可表示为：

F(X)=min{[f1(X),f2(X)]T}

(11)

2.2　约束条件

2.2.1设备物理约束

设备物理约束通常是由于设备运行的物理极限所致，需强制满足，否则会对设备本身甚至整个微电网系统造成永久性损害。

①蓄电池。

蓄电池首先应该满足充放电功率约束，即：

-PES_ch_max≤PES≤PES_dis_max

(12)

式中：PES_ch_max和PES_dis_max分别为最大允许的充、放电功率；PES为蓄电池功率。

通过等价转换，式(12)的约束可转换成两相邻时刻蓄电池荷电状态(stage of charge,SOC)值应满足的约束[15]。

SOCi+1-SOCi>δ

(13)

式中：SOCi和SOCi+1分别为两相邻时刻的蓄电池SOC值。在不同运行状态下(充电或放电状态)，δ值不同。

②燃气轮机。

燃气轮机发电功率Pgen(t)应当满足功率的上、下限：

Pgen-min≤Pgen(t)≤Pgen-max

(14)

式中：Pgen-min为发电机的最小启动功率；Pgen-max为最大发电功率，一般取额定功率值。

此外，燃气轮机还应满足爬坡率的约束：

(15)

式中：Pup、Pdown分别为发电机爬坡率的上、下限。

2.2.2系统运行约束

①功率和能量平衡约束。

系统在运行时，应当满足功率平衡。

Pload(t)=Pgen(t)+PES(t)+PPV(t)+PWT(t)

(16)

式中：Pload(t)、PPV(t)、PWT(t)分别为负荷预测功率、光伏和风力预测发电功率；PES(t)为蓄电池充放电功率。

同时，系统还需满足系统冷/热能平衡：

(17)

式中：Qload(t)、Qair(t)分别为热/冷负荷、空调制热/冷量；Qhs为蓄热/冷槽释放的热/冷量。

②储能设备状态初始时刻和结束时刻相同。

由于CCHP型微电网优化调度呈现周期性，因此，储能设备蓄电池和蓄热/冷槽的能量在调度周期内的初始和结束时刻应保持一致，即应满足如下表达式。

SOCsES=SOCeES

(18)

SOCshs=SOCehs

(19)

式中：SOCsES、SOCeES和SOCshs、SOCehs分别为调度周期内初始时刻和终止时刻蓄电池的荷电状态以及蓄热/冷槽的储热/冷水平。

2.3　约束处理方法

针对如式(12)～式(15)所示的设备物理约束，采用硬约束处理的方法，即将违背约束的运行变量强制赋值为边界值。而对于如式(16)和式(17)所表示的系统运行约束中的功率平衡约束，则采用降维处理方法[16]，即假设等式中有N个变量，选取其中(N-1)个变量作为自变量，剩余1个变量为因变量。因变量值由其他自变量的值和约束等式共同确定。由于本文研究的微电网运行在并网状态，因此将Pgrid(t)作为因变量。

式(18)和式(19)表示的约束与储能设备的物理约束在时间上具有耦合性，很难进行解耦处理。因此本文采用罚函数法进行处理，将违背的约束作为惩罚项加入总的运行成本，形成如式(20)所示的新的目标函数。

F′(X)=F(X)+β×|SOCi+1-SOCi|

(20)

式中：β为约束惩罚因子。

3　优化算法

为提高传统多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法的寻优性能，本文提出了一种基于优秀粒子指导的MOPSO算法。改进的MOPSO算法流程如图2所示。

图2　改进的MOPSO算法流程图

改进的MOPSO算法先利用遗传算法，求解以运行成本最低为目标的CCHP型微电网系统优化调度模型；再利用遗传算法，求解以环境治理成本最低为目标的CCHP型微电网系统优化调度模型，得到相应的调度结果。将这两个优化调度结果作为两个个体随机赋给多目标粒子群算法的初始种群，并利用MOPSO算法对原始的多目标优化问题进行求解，得到对应的Pareto前沿。

4　算例分析

4.1　基础数据

CCHP型微电网的优化调度周期为1 d，单位调度时间Δt为1 h。微型燃气轮机额定输出功率为60 kW，最小启动功率为18 kW，发电效率为0.3，散热损失系数为0.16；使用燃料为天然气，其热值为9.7 Wh/m3，价格为3.3元/m3。假设微型燃气轮机的余热烟气全部供给溴化锂吸收式冷热水机组，则该机组的制冷性能系数为1.2，制热性能系数为0.9。空调的制冷和制热性能系数为2.7。蓄电池和蓄热槽的充放率为0.9，折旧成本为0.05元/(kWh)，容量为200 AH，两相邻时刻SOC最大变化值为0.3。

微电网系统和大电网的污染物排放系数以及处理成本如表1所示。

表1　污染物排放系数以及处理成本

夏季典型日参数预测值如图3所示。

图3　夏季典型日参数预测值曲线

4.2　夏季典型日优化的调度结果分析

改进算法夏季典型日调度方案的Pareto前沿如图4所示。

图4　改进算法的Pareto前沿

对图4中Pareto前沿最左边的一个点，即运行成本最低时系统的调度结果进行分析。此时，运行成本和环境成本分别为1 051.1元和755.0元。当运行成本最低时，电功率调度结果如图5所示。

图5　电功率调度结果(运行成本最低)

从图5中可以看出：对电能单元调度结果起主要调节作用的是蓄电池和微型燃气轮机。蓄电池在4:00、5:00、17:00、18:00、19:00、24:00处于充电状态，在12:00、14:00、15:00、21:00、22:00处于放电状态，其余时刻不工作。微型燃气轮机在11:00、12:00、13:00、14:00、15:00、16:00、20:00、21:00处于启动状态且以额定功率运行，其余时刻处于停机状态。也就是说，蓄电池在整个调度周期内主要经历了两次充放电。其中：4:00～5:00、5:00～6:00这两个时段大电网电价较低，蓄电池处于充电状态；而在12:00～15:00这一时段，蓄电池大部分处于放电状态,并在电价相对较高的时段以最大功率放电。

空调作为可变负荷，将电能转换成冷能，与蓄冷槽和溴化锂吸收式制冷机共同调节系统内冷负荷的供需平衡。当运行成本最低时，热/冷功率调度结果如图6所示。

图6　热/冷功率调度结果(运行成本最低)

由图6可知，溴化锂吸收式制冷机工作状态与微型燃气轮机的运行状态一致，即在11:00、12:00、13:00、14:00、15:00、16:00、20:00、21:00处于工作状态。蓄冷槽在5:00、18:00、19:00处于储能状态，在12:00、14:00、21:00、22:00处于放电状态。在电价较高时，由于微型燃气轮机的启动，系统内的冷负荷大部分由溴化锂吸收式制冷机来承担，在此基础上的部分冷负荷缺额则由空调和蓄冷槽共同承担；在电价相对较低时，冷负荷几乎全部由空调制冷量来承担，例如1:00、2:00、3:00、4:00、6:00、7:00、8:00、9:00、17:00、23:00。

由以上分析可知，蓄冷槽的运行状态与蓄电池相似，但总的充放量相对较少。这是因为空调的制冷性能系数较高，本文选取2.7。这意味着空调消耗1 kWh的电量可“搬运”2.7 kWh的冷量，使得蓄热槽在转移冷能时的成本相对低廉，即蓄冷槽的能量转移和存储收益(即通过高价蓄能低价放出赚取的差价)没有蓄电池那么明显。另一方面，蓄冷槽的折旧成本也较低。如果想要赚取利润，蓄冷槽放出能量的收益要大于储能和折旧成本的总和。因此，在差价相对较小的情况下，蓄冷槽赚取利润的空间也相应减少。

4.3　“以热定电”方式运行的调度结果分析

当系统采用“以热定电”的方式运行时，可通过求出满足冷负荷需求时微型燃气轮机排放的烟气余热量，得到对应的发电功率。此时，微型燃气轮机应首先满足冷负荷需求。若最大运行功率仍不能满足其冷负荷的需求，则需空调制冷；若微型燃气轮机的发电量在满足电负荷以后仍有剩余，则可向大电网出售。运行周期结束后，其运行成本和环境成本分别为1 936.1元和359.9元。“以热定电”方式下，电功率调度结果如图7所示。

图7　电功率调度结果(以热定电)

由图7可知，燃气轮机在整个周期内基本以额定功率运行，这主要是由于冷负荷过大引起的。由于冷、电负荷大小不匹配，当电负荷较小而冷负荷较大时，微型燃气轮机发出的多余电量一方面可用于空调补充缺额冷负荷所用电量，另一方面可售予大电网。当电负荷和冷负荷都较大时，缺额的电负荷功率只能向大电网购买。

4.4　“以电定热”方式运行的调度结果分析

当系统采用“以电定热”的方式运行时，根据日前预测的电能负荷以及风、光功率出力，可求出净电负荷。通过净电负荷确定微型燃气轮机的出力，若此时的净电负荷大于微型燃气轮机的额定功率，则缺额功率由大电网补充。微型燃气轮机在发出电量的同时，若产生的供冷量仍不能满足冷负荷，则缺额冷负荷由空调制冷弥补；若此时溴化锂吸收式制冷机组产生的冷量有剩余，则丢弃。运行周期结束后，系统的运行成本和环境成本分别为1 719元和 362.9元。“以电定热”方式下，电功率调度结果如图8所示。

图8　电功率调度结果(以电定热)

由图8可知：在1:00～13:00这一时段，净电负荷小于微型燃气轮机额定功率，因此完全由微型燃气轮机供应。此时由溴化锂吸收式制冷机组制取的冷量不能满足冷负荷的需求，缺额的冷负荷只能由空调补充，因此大电网在此时段一直处于售电状态。在14:00～21:00这一时段，冷负荷和电负荷都较大，微型燃气轮机即使以额定功率运行，仍不能满足系统的缺额电功率，只能通过向大电网购电的方式进行弥补。而在24：00时，电功率调度结果出现了丢弃制冷量的现象。这也暴露了系统“以电定热”状态运行的弊端，即冷、电负荷不匹配，而电负荷相对冷负荷较高时，会产生能量浪费的情况。

5　结束语

本文针对某大型住宅小区并网模式运行下CCHP型微电网系统的日前优化调度问题，以系统运行成本和污染物治理成本最低为目标，将微型燃气轮机、蓄电池、蓄热/冷槽三类可控单元中每时段的出力作为优化变量，在满足系统运行以及模型约束的条件下，建立了日前多目标优化调度模型。

为了提高算法的求解速度、完善Pareto前沿的性能，采用基于优秀粒子指导的MOPSO算法对模型进行求解，并与“以热定电”和“以电定热”这两种运行方式的调度结果进行了对比。对比结果表明，在后两种运行方式下，微型燃气轮机的出力或者完全跟踪冷/热负荷，无法参与电能调度；或者完全跟踪电负荷，无法参与冷热负荷调度。而CCHP型微电网系统由于存在储能系统，可以通过合理的调度方式实现热电的协调、统一调度，提高了能量的利用率，实现了系统的优化运行。

参考文献:

[1] 刘增环，李洁.基于Multi-agent的微电网运行与研究控制[J].自动化仪表,2015,36(4):13-17.

[2] AKI H.The penetration of micro CHP in residential dwellings in Japan[C]//Power Engineering Society General Meeting.IEEE,2007:1-4.

[3] 董昕昕，孙伟卿，张巍，等.能源互联网背景下的多能源输送网络联合建模[J].自动化仪表，2017，38(1)：16-19.

[4] 张巍,董昕昕,孙伟卿,等.能源互联网中的综合能源系统研究[J].自动化仪表,2017,38(1):12-15.

[5] 袁越,曹阳,傅质馨,等.微电网的节能减排效益评估及其运行优化[J].电网技术,2012,36(8):12-18.

[6] 李正茂,张峰,梁军,等.含电热联合系统的微电网运行优化[J].中国电机工程学报,2015,35(14):3569-3576.

[7] 王成山,洪博文,郭力,等.冷热电联供微网优化调度通用建模方法[J].中国电机工程学报,2013,33(31):26-33.

[8] 徐青山,曾艾东,王凯,等.基于Hessian内点法的微型能源网日前冷热电联供经济优化调度[J].电网技术,2016,40(6):1657-1665.

[9] 戚建文,任建文,渠卫东,等.冷热电联供微网环保经济调度研究[J].电测与仪表,2016,53(16):90-95.

[10]顾伟,吴志,王锐.考虑污染气体排放的热电联供型微电网多目标运行优化[J].电力系统自动化,2012,36(14):177-185．

[11]徐立中,杨光亚,许昭,等.考虑风电随机性的微电网热电联合调度[J].电力系统自动化,2011,35(9):53-60.

[12]魏兵,王志伟,李莉,等.微型燃气轮机冷热电联产系统经济性分析[J].热力发电,2007,36(9):1-5.

[13]崔恒志,黄奇峰,杨世海,等.冷热电联供型微电网容量规划优化研究[J].江苏电机工程,2013,32(3):39-41.

[14]吴雄,王秀丽,别朝红,等.含热电联供系统的微网经济运行[J].电力自动化设备,2013,33(8):1-6.

[15]LUO P,SUN Z X,ZHU S C,et al.The dynamic multi-objective optimal dispatch of grid-connected micro grid[C]// Proceedings of the 35th Chinese Control Conference,2016:2804-2809.

[16]洪博文,郭力,王成山,等.微电网多目标动态优化调度模型与方法[J].电力自动化设备,2013,33(3):100-107.