赵明哲，刘亚丽，张国庆

(1.光大环保能源(济南)有限公司，山东 济南 250000；2.北京市煤气热力工程设计院有限公司山东分院，山东 济南 250000；3.华北电力大学动力工程系，河北 保定 071000)

0 引言

由于能源供应短缺和环境污染问题的发生，可再生能源的高效利用受到广泛关注[1]。将各种能源综合输入利用的分布式能源系统被认为是提高能源利用效率、减少环境污染、缓解气候变化的有效途径[2]。目前，能源体系正在向着互联互通、协调兼容[3]的能源互联网方向发展。能源互联网作为一种新型的能源利用体系[4]，将互联网信息技术和新能源技术融入其中，突破行业原有的弊端，实现能源的开放共享。中国提出的“互联网+”智慧能源的计划[5]，设定了明确的能源互联目标，强调要建设多能协同的能源网络，进行能源结构的变革和转型。建设能源互联网，加快推进电能替代、清洁替代是实现能源转型的根本途径[6]，分布式能源系统在能源转型[7]过程中起到关键作用。

由于单体式分布式能源系统易受到供需波动和外部因素变化的影响，无法保证系统的高效运行实时满足用户需求，需同其它分布式系统互联[8]，进而朝着分布式能源系统互联的方向转变[9]。区域分布式能源网络通过分布式能源技术将天然气和各种清洁能源连接到终端用户，实现多元能源产品供求之间的双向互动，从而形成高效的能源网络[10]。然而，多个分布式能源系统协同运行的能量耦合关系复杂多变，优化问题对整个能源网络的性能提升至关重要。

目前针对多个分布式能源系统及其区域供能网络的优化主要集中在系统集成和运行管理方面。在系统集成方面，设备容量的配置优化是主要内容，如能源网络各组分的容量优化[11]或综合能源系统的科学配置[12]。在运行调度管理方面，多目标滚动优化[13]可以充分利用各种清洁能源，实现良好的系统调度。结合区域能源网分布式能源供应系统的数学模型，对设备布局和运行策略进行的优化[14]，多目标优化模型确定了储能装置的尺寸和位置[15]，取得了明显的环境效益和经济效益。在能源管理方面，对各种储能技术的运行策略进行了优化[16]，提高了能源枢纽运行的灵活性和经济性。葛海麟[17]等人基于能量网络理论对系统进行了优化分析来提高节能潜力。

Zhang等[18]通过求解多目标协同优化模型，获得了区域分布式能源网络的最佳系统集成方案，提高了可再生能源的利用率。但是，其模型中的优化目标只考虑了经济和能效方面对系统的影响，没有考虑系统运行灵活以及安全可靠等方面的影响。Dai等[19]提出了多个区域建筑的供能系统之间的协同运行策略，结果表明协同优化策略可以大幅降低能源利用的成本，碳排放量和一次能源消耗。文献[20]中的研究学者通过优化结果发现，尽管独立优化每个系统可以降低其运行的成本，但是独立优化所集成的系统方案配置，对整个能源网络的节能减排的积极性影响甚小。Zheng等[21]则发现协同优化策略有助于提高系统的安全性和可靠性。Wang等[22]提出了一个区域能源供应网络，该区域能源供应网络仅考虑了单个热力融通网络的互换，连接多个终端用户和能源输入，从而实现了低碳，高效和经济的能源规划。Wakui等[23]优化了基于热能和电力共享的住宅能源供应网络，研究发现热能和电力共享的能源供应网络协同运行比单元独立运行消耗更少的能量，但是该研究只进行了能效性指标的优化研究。

目前，分布式能源网络在系统集成[24]、设备配置[25]、热力分析[26]、运行策略[27]等方面已有大量的优化研究，但研究内容侧重以经济性、能效性、环保性为指标下的研究。然而，在相对完备的优化目标下，对分布式能源网络进行协同优化的研究相对较少。本文在能源互联网概念的基础上，建立了多目标协同优化模型，旨在提升分布式供能网络的经济性、能效性、减排性、灵活性和安全性。

1 分布式供能网络架构

1.1 集成方案

分布式能源网络初步的集成方案如图1所示。电力来源包括风力发电、光伏发电、燃气轮机发电以及从电网购电量，电力负荷包括用户的用电需求和地源热泵压缩机耗电。热力来源包括太阳能集热器和燃气轮机余热，用以驱动吸收式冷热水机组制热或供冷，通过换热器产出用户需求的低品位生活热水。当吸收式冷热水机组的驱动热源不足时，一部分天然气将进入机组直接燃烧提供热源，驱动制冷(热)循环。地源热泵机组消耗电能和利用地热能，达到制热或制冷的目的。蓄电池和蓄热水箱作为能源调控的有效方式，在能量供应不足时释放能量满足部分负荷，在能量过剩时储存能量。

图1 基于能量枢纽的分布式能源网络系统架构

1.2 设备建模

本节考虑设备运行的非线性特性，建立了系统组件在运行时长下的全工况动态出力模型，用以表征多种形式的能量流动在不同能源载体之间的转换和储存的关系，将模型方程列在了表1中。

表1中各模型方程，其中E和Q代表电量和热量，单位为kW；gt，sc，wst，pv，shc，hp，abs，wt，分别为燃气轮机，蓄电池，蓄热水箱，光伏平板，太阳能集热器，热泵机组，吸收式机组和风力发电机；gas和grid代表天然气和电网；r和t分别为设备所处的负荷率水平以及运行时刻；i，ci，re，co分别代表了风速v(m/s)的实时，切入，额定和切出状态；I代表了光照强度，单位为W/m2，T代表太阳能组件表面的温度，单位为℃。

表1 分布式能源网络设备的动态能量模型[18]

1.3 运行策略

能源网络的最优运行策略是使新能源装机工作在最大出力点，优先利用可再生能源满足负荷。燃气轮机和吸收式机组作为热电比调节的主要设备。系统内部采用以电定热的策略，多个系统之间采用热电互联的策略，即过剩的电和热优先传输到其他能源系统。具体策略主要包括以下四种情况。

1)当某个能源站系统电力和热力供大于求，该系统进行热电融出，若此时还剩余电力，剩余电力则上网售电；如果此时还剩余余热，剩余热力则与环境换热。

2)当某个能源站系统电力和热力供不应求，该系统进行热电融入，若此时存在不足的电力需求，则从电网购电；若此时存在不足的热力需求，则通过吸收式机组燃烧补充。

3)当某个能源站系统电力供大于求，该系统进行电力融出和热力融入，若此时还剩余电力，剩余电力则上网售电；若此时存在不足的热力需求，则通过吸收式机组燃烧补充。

4)当某个能源站系统电力供不应求，该系统进行电力融入和热力融出，若存在不足的电力需求，则从电网购电；若此时还剩余余热，剩余热力则与环境换热。

2 多目标优化模型

2.1 决策变量

供能网络协同优化所涉及的三个能源站的有关决策变量如矩阵X所示：

X=[Ngt,Nsc,Nwst,Npv,Nshc,Norc,Nwt,ω,α]

(1)

其中N(kW或kWh)为设备组件的容量；ω为过剩能源的分配系数，表征系统向其他两个能源站系统进行能源融通时的能量分配情况；α表示为不同电价时段下，地源热泵出力在总热(冷)出力中的比值[28]。

2.2 优化目标

由于相对指标所表示的目标函数可以更加直观反映不同系统集成方案的性能差异，因此本文从能效性、经济性、环境性、灵活性以及安全性等五个方面考虑来作为优化的目标函数。

1)一次能源节约率(primaryenergy saving ratio, PESR)

本文提到的一次能源消耗是指从电网购买电力和与天然气燃烧相关的能源消耗。一次能源节能率是多能互补分布式供能系统相对于参考系统的节能率，PESR可以表示为：

(2)

其中FDES和Fref(kw)分别是分布式供能系统和参考系统的一次能源消耗量，i为能源站系统的数量，T为运行时长。

2)二氧化碳减排率(arbon dioxide emission reduction ratio, CDERR)

环境方面的评价指标主要包含碳排放和氮排放指标，其中碳排放占据了污染物元素含量的绝大部分。因此，选取二氧化碳减排量用作评价系统的环境性的函数，其中二氧化碳排放量主要来自电网电力和市政燃气的碳排放量，CDERR可计算为：

(3)

3)年总费用节约率(annual total cost saving ratio, ATCSR)

ATCSR是能源站中分布式供能系统相对于参考系统的成本费用节省比率。

(4)

4)电网购电水平(power purchase level of grid, PPL)

供能网络生产的电力不足以满足电负荷需求时，会主动向电网购电。但是，过度依赖于电网补电量会降低系统本身的灵活性，减少系统孤网运行的可能性。电网购电水平[29]可以评价系统运行调度的灵活可调性：

(5)

5)电网交互水平(grid interaction level, GIL)

电负荷大于供给电力时，供能网络向电网购电；电负荷小于供给电力时，供能网络向电网售电。系统与电网频繁的交互行为影响着电网的稳定性，给电网带来冲击。用电网交互水平[29]可以评价系统行为对电网的不利影响：

(6)

综合上述评价指标可知，本文优化问题的目标函数可统一表示为：

2.3 约束条件

多目标协同优化模型除满足必要的动态能量输出模型和功率限制外，还需考虑能量供需之间的动态平衡，以及能源互联的约束条件。其中电力、热力互联的能量约束条件[18]分别为：

2.4 优化算法

本文选择的求解最优结果的智能算法是改进的多目标遗传算法[30]，它是基于帕累托最优解的多目标优化求解算法。遗传算法具有全局搜索能力，算法自带的精英策略和变异操作，是实现群体多样性，跳出局部最优，面向全局寻优的重要保证。

优化计算流程如图2所示，主要的流程如下：

流程1：输入优化模型相关的初始化数据，并设置求解算法的初始参数。

流程2：随机生成初始种群，计算种群个体的适应度函数，经过非支配排序后，进行选择，交叉和突变等三种基本遗传算子操作后，获得了第一代种群。

流程3：从第二代开始，将父代种群和子代种群合成为一个种群，计算种群个体的适应度函数并进行非支配排序。根据排序和拥挤程度情况，经过遗传算子操作后，选择合适的个体形成新的父代种群。

流程4：重复计算步骤2并进行循环计算，直至满足程序结束条件中的最大进化代数，输出系统调度和设备容量在内的帕累托最优解集方案。

3 案例研究

研究案例是以上海某区域为主体，当地用户负荷类型多样，可再生资源丰富，适宜构建分布式能源网络进行多元负荷的供给。本文利用MATLAB软件编程，对多个分布式供能系统构成的能源网络开展建模与优化研究。为验证不同优化目标对网络经济性、能效、环保型、灵活性以及对电网稳定性的影响，以及不同优化方式对综合性能的影响，本文设置了以下三种优化方案：

方案1：以PESR，ATCSR，CDERR，PPL，GIL为优化目标，基于热力、电力互联共享的三个分布式能源系统进行协同优化。

图2 基于遗传算法的多目标协同优化流程

方案2：以PESR，ATCSR，CDERR为优化目标，基于热力、电力互联共享的三个分布式能源系统进行协同优化；

方案3：以PESR，ATCSR，CDERR为优化目标，三个分布式能源系统进行独立优化。

3.1 基础数据

不同建筑类型和用户组成的区域负荷由DeST软件模拟预测得出，太阳光照强度，风资源水平，室外温度等气象参数则借助DeST软件中的Medpha单元模拟得出。

选取三个区域全年中的典型日负荷数据如图3所示，全年逐时气象参数的相关数据如图4所示。

系统中设备的关键技术参数[31]列在了表2中；单位容量下的设备初始投资成本与运行维护成本[14]列在了表3中。

表2 设备组件的关键性能参数

表3 设备投资与维护成本 元/kW

表4列出了天然气的燃料价格以及上海地区电力峰谷时段的价格[32；表5列出了与求解算法相关的初始设置参数。

表4 天然气价格和电网峰谷价格

表5 遗传算法和求解程序的初始参数设置

图3 三个子区域内冷、热、电及生活热水负荷的典型日变化曲线

图4 可再生资源的全年分布情况

3.2 优化结果

分别运行三种优化方案的计算程序，求解得到了三种方案的最优帕累托前沿解集，将其分别展示在图5中。在优化方案1中，ATCSR指标变化范围为8.7%至30.9%，PESR指标变化范围为10.7%至37.0%，CDERR指标变化范围34.9%至50.5%，PPL指标的变化范围在4.4%至25.3%，GIL指标的变化范围为4.8%至26.5%。

在优化方案2中，ATCSR指标的变化范围为23.6%至30.1%，PESR指标的变化范围为20.9%至35.1%，CDERR指标变化范围37.4%至50.1%。

在方案3中，其ATCSR指标在7.7%到24.2%之间变化，PESR指标在15.1%至31.0%之间变化，CDERR指标从33.4%到46.7%之间变化。

优化方案的结果表明，协同优化得到的方案在节能、减排、能效等方面的平均性能表现均优于独立优化得到的方案。

考虑年总成本节省率，一次能源节能率，二氧化碳减排率，电网购电水平，电网交互水平在各优化方案中具有同等重要的权重，根据正向指标与负向指标之和最大化的原则，选取最优解对应的方案如表6所示。

表6 三种优化方案下系统配置的优化结果

协同优化(方案1和2)与独立优化(方案3)相比，分别增加了新能源机组48.9%和51.9%的装机容量，当地可再生资源得到充分开发和利用。区域分布式供能网络协同优化的本质机理是基于多个能源站之间能量融通和多种能源互补进行的优化，三个能源站系统借助区域之间的能源共享实现了互联，使得设备组件的资源配置更加合理。

图5 多目标优化下的最优帕累托前沿解集

3.3 讨论分析

3.3.1 优化方案分析

方案1和方案2对应的最优解，其一年内的能源生产和能源消耗结构如图6所示。与方案2相比，方案1中供能网络的电网购电量从13.40%减少到8.10%，表明系统的灵活性和独立性大大增加。极端情况下，系统可以不依赖于电网电力，满足大部分的区域建筑和区域用户的电力负荷。但是，随着系统独立性水平的增加，其节能减排的效益往往会下降，废热量从22.43%上涨到28.08%，致使过剩能源量的产生。

方案1中系统从电网购电和向电网售电之和共减少6.03%，表明系统在全年运行时长下，减少了同电网的电力交互行为，确保系统运行可靠性的同时，增加了对电网安全性的保护。与方案2相比，方案1中的电力融入量从4.03%下降到2.59%，电力融出量从2.59%下降到2.57%。优化结果表明三目标协同优化的方案使得区域分布式供能网络整体同电网交互水平提高的同时，也增加了网络内部各个子系统之间运行的互联互通，使得过剩的电力和热力被有效地共享利用，通过能源互联的网络实现系统运行的高效性。

图6 分布式能源网络全年运行的能源生产和能源消耗结构

3.3.2 性能指标分析

三种方案目标函数的优化结果如图7所示。方案2与方案3相比，指标ATCSR，PESR，CDERR分别增加了3.43%，21.73%，19.84%，表明多个分布式能源系统经过协同优化后的综合性能得到了提升，系统及其所在网络的整体经济性、能效性和环保性表现更佳。

方案1与方案2相比，虽然指标ATCSR，PESR，CDERR分别下降了7.59%，8.70%，2.67%，但是以PPL和GIL为子优化目标的方案1，其PPL和GIL指标分别降低了14.36%和18.36%，表明系统的灵活性更强，对电网的安全性更高。

图7 三种优化方案下的多目标评价函数值

综上所述，方案2在经济性能，环保性能以及节能性等方面的综合性能表现最好；方案1在系统灵活性以及对电网的保护性方面表现最好；协同优化方案在各方面的性能表现均优于独立优化的方案。

3.3.3 出力调度分析

图8展示了协同优化(方案2)下分布式能源网络整体的电力调度情况。在冬季典型日的一天中，燃气轮机发电量、光伏发电量、风机发电量满足了大部分的电负荷需求，电网电力作为电负荷不足的补充，占电力来源的12.9%。以电力互联的能源利用形式共享的电量占总发电量的16.0%，共享电力对分布式能源网络的电力调度起到了积极的调控作用，在燃气轮机停止运行的0∶00至8∶00时间段内，配置了风力发电的2号能源站将富余的电力融入到其他两个能源站，提高了新能源的发电量，其中可再生能源发电量占总发电量的55.2%。

由于地源热泵运行需消耗电力，热泵机组一般在夜间电网电价较低时运行。蓄电池则在用户电负荷低谷时开始储存电力，并在用户电负荷急剧上升的时间段将储存的电能释放，满足部分电力需求。

能源网络内部的热力调度如图9所示。选取夏季典型日协同优化的数据结果，热力负荷需求包括冷需求和生活热水需求，燃气轮机的热量满足了大部分的热力需求，驱动吸收式冷热水机组产出相应能源产品。能源站富余的热力，通过热力共享形式融入到其他能源站系统，大大减少了各个能源站热量的剩余，使能源生产和消耗的结构更加合理有序，减少了废热的产生和余热量的浪费。当燃气轮机余热或集热器的热量不足时，例如在7∶00至8∶00时间段和22∶00至24∶00时间段，天然气则会进入吸收式机组中直接燃烧来补充热力的需求。

图8 基于电共享的分布式能源网络的电力调度

图9 基于热共享的分布式能源网络的热力调度

4 结论

(1)从多能互补的分布式供能系统到多站协同的区域分布式供能网络，协同优化是通过优化设计和调度管理获得收益的有效方法。与独立优化相比，区域分布式能源网络的协同优化分别使ATCSR增加3.43%，PSER增加21.73%和CDERR增加19.84%，这为基于能源互联的供能网络协同优化模型的应用提供了理论基础。

(2)同以三个指标为优化目标的方案2相比，以五个指标为优化目标的方案2的PPL和GIL评价指标分别降低了14.36%和18.36%，表明系统自身的运行灵活性更强，对电力网络的运行安全性更高。

(3)通过电力和热力融通，分布式能源网络中设备组件的发电和产热，能量的存储和释放，电力的购买和热量的补充等形式相互协调，使得过剩电降低1.31%，废弃热减少19.47%，实现了科学的多能量调度，表明协同优化使能源生产和能源消耗的结构更加合理。