周 涣，郑全新，徐诗傲，程 鹏

（荆楚理工学院电子信息工程学院,湖北 荆门 448000）

0 引言

随着经济社会的快速发展，能源利用与环境保护之间的矛盾不断激化，能源问题逐渐引起社会的重视。改变现有的能源利用结构和提高能源的利用效率是应对能源危机和环境污染问题的两种主要途径。IES 能综合系统能源的生产、传输与分配等各个环节，对于构建能源互联网、提高能源利用率、促进可再生能源开发以及实现节能减排目标有着显著意义［1-4］。

在对IES 的优化调度研究中，核心任务是不同类型能源之间如何实现优势互补。 当前，针对大型用能设施的新型城市或产业园区，通过以冷热电联产机组为核心的多能源转换设备，来提升IES 能源利用效率与系统整体效益。目前，对于IES 的研究中，借鉴了计算机技术等技术，通过大数据与云计算等信息技术，实现电能、天然气、冷热能等多种能源融合利用和协同供应的IES 构建，推动能源供应侧与能源需求侧的双向流动与动态平衡。使冷、热、电、气等不同能源之间耦合度加深，不再是彼此独立、互不相连的个体［5-6］。

在多能互补调度方面，基于冷、热、电等多能源之间耦合互补供能方式，是IES 的关键特征之一。IES中的多能互补供能，不但提升了系统的用能效率，而且提升了对新能源的消纳水平［7］。 文献［8-9］在IES 中同时接入电能、天然气、光伏发电与风机，构建了优化目标为降低系统运行成本的经济调度模型并制定了相应的优化策略，但是该策略没有考虑风光电负荷的波动性对系统稳定运行的扰动影响；文献［10］的优化对象为区域级的IES，在其中加入光伏与储能单元，提出了以经济成本最小为目标的优化模型，并制定了对应的优化策略，但是未考虑系统设备出力波动性问题；文献［11］中的IES 包括光伏发电与内燃机出力，将系统运行分为“以热定电”和“以电定热”两种情况，对不同情况下的成本效益与环保效益进行对比分析；文献［12］对冷热电三联供系统提出了主动调度方法；文献［13-14］提出了针对区域能源系统的协同规划方法；文献［15-16］建立了热电联供系统的随机优化模型，并考虑了清洁能源出力及负荷的不确定性；文献［17］把IES 中的不同类负荷详细划分，以提升系统控制的精确性。

针对以上问题，本文主要对多能互补的IES 进行优化调度研究。基于IES 内部多种能源之间的互补关系和考虑可再生能源的消纳，综合考虑IES 组成的多样性和能量流动的复杂性，建立系统中各能源设备的数学模型，并在分析典型IES 组成和结构特征的基础上，提出一种通用的IES 能量流描述方法，建立IES 多能互补模型，以IES 日运行成本最小为目标，对其进行优化调度研究。

1 IES 多能互补结构框架与建模

1.1 IES 多能互补基本架构

本文所研究的基于多能互补的IES 架构主要包括：能源生产环节、多能转换环节和储能环节。 能源生产环节包括向电网购电、向气网购气、燃气轮机（GT）、燃气锅炉（GB）及可再生能源（包含光伏发电（PV）与风机（WT））接入；多能转换环节包括电转气机组（P2G）、电热泵（EH）、电制冷机（EC）、双效吸收式制冷机（DAC）、单效吸收式制冷机（SAC）、吸收式热泵（AR）、尖峰加热器（PC）、余热锅炉（WH）；储能环节包含电储能（ES）、热储能（HS）和冷储能（CS）。

1.2 IES 主要能源设备建模

1.2.1 风机（WT）建模

对于风力发电系统，其发电功率与风速的关系如图1 所示。

图1 风速-功率发电关系曲线图

其数学模型如式（1）所示：

式中：vin为最小风速，vout为最大风速；Pwind，N为额定功率；vrs为额定风速，v为实际风速。

1.2.2 光伏（PV）建模

光伏的输出的功率如式（2）所示：

式中：为第i个光伏发电预测出力；ηPV为光照效率；S为光照面积；为光照强度。

1.2.3 电转气（P2G）机组的功率转换模型如式（3）所示：

式中：和ηP2G分别为第i个P2G 装置的耗电功率、 生产的天然气量和效率；为直接储存到储气罐的天然气；为P2G 直接供应的天然气量；和分别为储气罐的供应量和存储量；和分别为P2G 设备最小最大耗电约束；为最大储气量；T为日前计划时间段，ΔT为日前计划时间间隔。

1.2.4 电热泵（EH）与电制冷机（EC）建模

电热泵的模型可由其能效比表示， 即EH 消耗的电功率与其制热功率可用能效比系数COPEH表示，如式（4）所示：

电制冷机的模型如式（5）所示：

式中：和COPEC分别为该设备的制冷功率、耗电功率和能效比。

1.2.5 电储能（ES）建模

电储能环节采用的设备为蓄电池，其模型如式（6）所示，在电储能的数学模型中，为其在T时段容量；为其充放电功率；EES，max为其容量；ηchr和ηdch分别为充放电效率；ζES为自放电系数。

1.2.6 热储能（HS）建模

模型如式（7）所示，在热储能的数学模型中，为其在T时段容量；ΨHS为其散热损失率；和分别为其在T时段的吸放热功率；ηHSch和ηHSdis分别为其吸放热效率。

1.2.7 冷储能（CS）建模

储冷装置的数学模型如式（8）所示，在冷储能模型中，为其在T时段的容量；σCS为其散热损失率；和分别为其在时段的吸放冷功率；ηlch和ηldis分别为其吸放冷效率。

1.3 IES 能量流模型模型描述

能量的梯级利用主要是针对能量为热能形式时，遵循“温度对口，梯级利用”原理，各品位的热能采取与之对应的利用方式。 例如，高温高压的高品位蒸汽热能用于发电，中温中压的中品位蒸汽热能用于吸收式制热或制冷，低温低压的低品位水汽热能用单效吸收式制冷机或者用于供暖等，燃料燃烧产生的高品位热在对口的利用方其中层层降温，充分利用，从而实现能源高效利用。

本文所建IES 模型，以母线式结构能量流方法为基础，根据各能量类型对母线进行分类。 母线按能量类型分成：冷、热、电和气母线，同时包含IES 中各能源设备和各类型负荷。IES 能量流动示意图如图2所示。

图2 IES 能量流动示意图

如上图2 所示，电负荷由网、风电、光伏出力、电储能及燃气轮机共同供应；不同温度差异的热负荷由系统内燃气轮机发电排出的余热、储热装置和各热能转换设备共同供给；气负荷由气网和P2G 共同供应；冷负荷由冷储能和各冷能转换设备供给。

2 基于多能互补的IES 优化调度

2.1 优化目标

多能互补的IES 的调度目标是减少系统的运行成本， 减少弃风弃光。 目标函数包括系统的购电成本、购气成本、设备运行维护成本、设备的折旧成本、设备的启停成本及系统弃风弃光惩罚成本。 目标函数如下：

其中，购电成本：

购气成本：

式中：ζgas为燃气价格。

设备运行维护成本：

式中：γm，i为设备运行维护成本；为设备的输出功率。

设备折旧成本：

这里主要指电储能的折旧成本。

式中：Cbat，rep为蓄电池的更换成本，Qliferime为单个电池全寿命输出总功率，Cbw为折旧成本。

弃风惩罚成本：

式中：KΔT为ΔT时刻的弃风单价；Pwt为在ΔT时刻的功率；Pwst为时刻的预测功率。

弃光惩罚成本：

式中：SΔT为ΔT时刻的弃光单价；Ppv为ΔT时刻的功率；Ppvt为ΔT时刻的预测功率。

设备启停成本：

式中：Css，i为设备i单位时刻的启停成本；为设备i在时段T的启停状态。

2.2 约束条件

电功率平衡约束：

式中：为电负荷功率。

天然气功率平衡约束：

式中：为购买天然气量。

热功率平衡约束：

热功率平衡方程主要细致分为蒸汽热平衡、高温热平衡、中温热平衡和低温热平衡方程。 式中：是蒸汽热负荷；是高温热负荷；是中温热负荷；是低温热负荷。

电气网络约束及消纳风光电约束：

热功率约束：

对于热负荷来说，本文认为余热锅炉（WH）、燃气锅炉（GB）、电热泵（EH）和热储能（HS）的能量传递为高温热水，通过双效吸收式制冷机（DAC）、尖峰加热器（PC）和吸收式热泵（AR）进行热交换，其中为热负荷。

设备运行约束：

式中：和为时刻设备运行和停机时间，和分别为系统设备最短运行和最短停机时间。P和分别为设备i输入输出功率的上下限；Ri和Di分别为设备i输入输出功率的上下爬坡速率。为设备输入输出功率，输入为正，输出为负。

储能设备约束：

式中：和分别为储能设备i的最大最小容量；和分别为储能设备i的初始和终止状态；和分别为储能设备i的最大充放电功率；和分别为储能设备i的充放能0-1 状态变量，为1 表示充能，为1 表示放能。

3 算例分析

3.1 算例基本情况

本文所考虑多能互补的IES 供能架构如图3 所示。

图3 考虑多能互补的IES 供能架构

本文以中国西北地区某IES 为研究对象，进行算例分析。 上图3 中包含IES 的能源生产设备、多能转换设备设备、储能设备和各能源的能量流关系。 IES 中各设备的运行维护费用和相关参数如表1、表2和表3 所示。

表1 各能源设备运行维护费用参数

表2 各储能设备参数

表3 各能源设备参数

基于多能互补的IES 中冷、电、气、各品位热以及光伏风电负荷预测出力如图4 至图5 所示。

图4 IES 冷-热-电预测负荷曲线

图5 IES 风光电负荷预测负荷曲线

3.2 IES 优化调度运行结果与分析

以1h 为间隔进行优化仿真，在该步长下，各能源设备协同出力优化调度均满足时间尺度要求。针对用户不同能源需求供应相对应的电能、冷能和各品位的热能。 分时电价数据为：峰时段08：00-12：00，14：00-21:00，电价为0.824 元/kW·h；平时段06:00-08:00，12:00-14:00，21:00-23:00，电价为0.542 元/kW·h；谷时段：23:00-06:00，电价为0.325 元/kW·h；天然气价格为2.512 元/m3。 以IES 日运行成本最小为目标函数，运用混合整数规划的方法对算例进行求解，各时段用户的用能策略及电、热、冷和气功率平衡情况如图6 至图9 所示。

图6 电功率优化调度结果

由图6 可得：谷电价时段，是风电大发时段，电网对风电消纳有限，会造成大量弃风现象，不利于系统的经济性。 因此，在IES 优化调度下，能量转换设备与储能设备相互配合，协同互补出力。 在峰平电价时段，从电网购电电价比较高，采用GT 出力更具优势，配合风光机组出力特性满足电负荷需求。 此时段，电储能放电向系统补充电负荷。 GT 发电的收益高于电网购电，达到满发状态，节约了IES 的用能成本。

由图7 可得：储热设备的引入以多能互补原则打破了“以热定电”，使热负荷也能参与到系统调度当中。在电价低谷时段，使用电热泵制热成本较低；在峰平电价时段，电转热成本上升，使用天然气供热，经济性更佳。

图7 热功率优化调度结果

由图8 可得： 储冷装置在低谷电价时段以蓄冷， 在峰平时段用储存的冷量来供应全部或部分冷负荷。 同时，由于夜间电价低谷时期，电制冷机进行工作更加经济，不足冷能由吸收式制冷机补充。

图8 冷功率优化调度结果

由图9 可得：P2G 与储气设备引入，电-气之间双向转换，购能及能量使用方式变得灵活。 在电价处于低谷时段时，P2G 投入使用，将电网没有消纳的电量转化为天然气，可供应气负荷或进行储存；在电价处于峰平时段时，使用电转气成本较高，P2G 停止工作，GT 和GB 消耗天然气。

图9 天然气优化调度结果

由图6 至图9 可知优化调度计划满足IES 中各负荷需求。

4 结论

表4 为本文模型优化前后的日成本费用对比情况。

表4 IES 优化调度前后用成本用对比

综上所述，IES 经过优化调度后，实现了系统内多能互补和能量的协同利用，不但提高了能源利用率，而且降低了自身的用能成本，获得额外的经济效益。 在经过优化后，节约了12.7%的用能费用。