本文摘要：摘要：园区能源应用过程中会出现单一能源系统在各类型能源之间的利用效率低和运营成本高等问题，亟待构建一套考虑P2G设备、CCHP联供设备和电制冷机等多源系统的综合能源系统。基于设计的综合能源系统多源协同优化运行结构，设定多个优化目标函数，包括投资收益率最大化
摘要：园区能源应用过程中会出现单一能源系统在各类型能源之间的利用效率低和运营成本高等问题，亟待构建一套考虑P2G设备、CCHP联供设备和电制冷机等多源系统的综合能源系统。基于设计的综合能源系统多源协同优化运行结构，设定多个优化目标函数，包括投资收益率最大化、碳减排率最大化和弃能率最小化，采用多目标粒子群求解算法对模型进行求解。算例结果表明：当多能能源转换设备参与系统中进行协同运行时，会造成机组的折旧成本不断增加，从而导致园区综合能源系统的净效益有一定的增加;电转换设备能够有效降低弃能量，提高了碳减排率。
关键词：多能转化;P2G;综合能源;碳减排;多目标优化
随着能源危机问题的逐渐严重，可再生能源的使用能够有效化解这一问题。然而不同的能源系统多以独立模式运行，导致能源利用率不高[1]。
此外，国内能源发展模式也逐步向综合能源方向转变，但仍有很大的问题，例如在发电环节，大部分发电系统产生的热量被释放到大气中，并没有得到充分利用;供热系统中虽然有将热量转化为热能，但该过程中产生的高温蒸汽没有得到利用而被白白浪费;冷负荷供应系统中，考虑到夏季冷负荷需求激增，目前多以电力供应，导致电力负荷高峰甚至尖峰的出现，但发电环节产生的热量并没有得到应用，能源利用率低下[2-3]。
因此，在当前背景下，需要打破原有能源利用模式，开展能源子系统耦合关系分析，构建综合能源系统，从而提高能源利用效率[4-7]。已有研究成果对各类能源系统进行研究，包括电能系统与天然气系统、电能系统与热能系统等，对不同能源子系统间的关联关系进行分析，但毕竟局限，只考虑了系统某一方面的效率，如经济性或者技术性。
因此，本文对单一能源子系统的能源利用率低和单独运行成本高等问题进行了解析，重点考虑多种能源转化设备，包括P2G设备、CCHP联供设备和地源热泵等，选取京津冀地区园区作为研究对象，构建园区综合能源系统，提出协同优化运行模式，并构建多目标优化模型，包括弃能率最小、碳减排率最大和系统净收益最大3个目标，在此基础上形成了综合能源系统多源协同多目标优化模型。
1多能转换系统特征分析
在综合能源系统中，由单一能源构成的供能系统里，一般电源只有一种，例如光伏发电、风力发电、储能系统和大电网直接供电等，由它们满足电负荷需求;热负荷需求需要通过热储能系统、外部热网直接供热等方式来满足;冷负荷需求多以空调直接满足;气负荷需求也是通过外部气网直接供应来满足的[8-11]。这类供能系统都有一个通病，即不同能源之间不能相互连通，从而出现了不同能源的利用效率都偏低的结果[12-15]。
在对单一供能系统存在问题分析的基础上，结合不同能源转换设备的特征，从多个供能子系统出发，将它们整合成一个供能整体。多能转换系统中涉及5类设备，包括电热协同(电锅炉、燃气轮机)、电气协同(P2G)、热气协同(燃气锅炉)、电冷协同(电制冷机)和热冷协同(吸收制冷)。同时，结合不同源侧的供能设备和能源转化设备间的协同优化运行，从而满足园区内不同类型负荷的需求。
2模型构建
2.1模型假设
本文所设计的综合能源系统在运行时，通过合理调整各类设备运行启停时间来控制系统，从而实现系统运行效率最优化。主要前提假设如下：1)电源主要是清洁能源供电、储能设备和电网直供电，在园区用电低谷期，主要优先通过光伏和风电来满足园区内部的电负荷需求。2)热源侧包括热锅炉、储热、地源热泵和外部热网，来满足热负荷需求。3)气源侧包括P2G设备和外部气网，来满足气负荷需求。
2.2目标函数
通过对不同能源转化设备及供能系统的结构和运行特点分析，同时考虑系统投资收益最大化、碳减排最大化和清洁能源弃能率最小化多个优化目标，构建综合能源多源协同优化模型。
2.3约束条件
在考虑系统运行的基础上，需要将不同环节和设备运行的约束条件纳入到模型中，具体约束包括以下几种。
2.3.1电平衡
电平衡是指对于整个系统来说，其内部的用电量和总发电量(包括外网供电)是实时平衡的，即：Pbe,t+PPVe,t+PWTe,t+PGTe,t+PESSd,t=Pse,t+PHPe,t+PEBe,t+PPGe,t+PACe,t+PESSc,t+PPVab,t+PWTab,t+Pelt(8)式中：Pbe,t，Pse,t分别为电网直购电功率和售电时的功率;PWTe,t和PPVe,t分别为风力发电功率和光伏发电功率;PGTe,t为燃气锅炉在t时刻的发电功率;PESSd,t和PESSc,t分别为储能系统在t时刻的放电功率和充电功率;PHPe,t，PEBe,t，PPGe,t和PACe,t分别为地源热泵、电锅炉、P2G设备和电制冷机在t时刻的用电功率;Pelt为园区t时刻的电力实时负荷。
同时，在多源协同系统中，光伏和风电的弃能与实际使用的发电量之和应当等于清洁能源可用发电量：PPVe,t+PPVab,t=PPVt(9)PWTe,t+PWTab,t=PWTt(10)。
2.3.2热平衡
由于构建的综合能源系统中有热负荷来源于外网，因而将外网热能交易考虑进来，从而构成完整的热平衡，即：Pbh,t+PHPh,t+PEBh,t+PGBh,t+PGTh,t+PTSSd,t=Psh,t+PECh,t+PTSSc,t+Phlt(11)式中：Pbh,t，Psh,t分别为t时刻的外网购热功率和售热负荷功率;PHPh,t，PEBh,t，PGBh,t和PGTh,t分别为t时刻地源热泵、电锅炉、燃气锅炉和余热锅炉的供热功率;PTSSd,t，PTSSc,t分别为t时刻热储能的充、放热功率;PECh,t为吸收制冷机的耗热功率;Phlt为园区t时刻的热负荷。
2.3.3气平衡
在构建的多源协同综合能源系统中，考虑P2G能源转换设备和外网供气2个方面的气平衡，即：Pbg,t+PPGg,t=Psg,t+PGBg,t+PGTg,t+Pglt(12)式中：Pbg,t，Psg,t分别为t时刻外网购气功率和售气功率;PPGg,t为P2G设备t时刻的产气功率;PGBg,t为燃气锅炉在t时刻的耗气功率;PGTg,t为燃气轮机在时刻的耗气功率;Pglt为园区t时刻的用气需求负荷。
3算例分析
选取京津冀地区某园区综合能源系统典型日进行算例分析，采用萤火虫算法对模型进行求解，此外，在系统多源协同优化模型中，萤火虫数量=80，光强系数=1.0，最大吸引力=1.0，最大迭代次数=300次，混沌搜索次数为20代，以及下层优化模型中置信度水平取为0.95。
3.1基础数据
算例中所构建的多源协同综合能源系统设计供能机组功率如下：150MW的风电机组、50MW的光伏机组、20MW的燃气轮机、30MW的气储能和30MW的余热锅炉机组。同时，为了简化计算，其他能源设备容量均设置为10MW。根据所选园区所在地的地理特征和园区典型日的供能情况，预测园区在典型日的光伏、风电出力情况以及冷热电负荷的需求情况。
其次，通过对国内外能源市场价格的调研，折算出园区内外部不同能源供给价格。结合构建的多源协同综合能源系统可知，能源转换设备是影响清洁能源消纳和系统运行成本的重要影响因素，这里通过设置3种不同的场景，不同场景中所含能源转换设备不同，从而为讨论不同能源转换设备对系统运行影响情况提供基础。
在场景1中，不考虑能源转换设备，即单一能源系统;场景2则将燃气锅炉和CCHP机组纳入到综合能源系统中，提高气能转换效率;场景3又在场景2的基础上将P2G、电制冷和地源热泵纳入到系统中，全面提升能源转换效率。
3.2优化结果分析
根据基础参数和几种不同场景设置，采用GAMS软件对京津冀某园区的多源协同综合能源系统进行了算例分析，结果如下。
3.2.1场景1协同优化结果
在场景1的参数设置中，园区负荷需求主要来源于光伏发电、风力发电和一些外网能源供应，是比较简单的能源系统。虽然风电能够在园区负荷需求低谷期满足电负荷需求，储能设备在一定程度利用“低充高放”的原理能有效满足园区用电高峰时刻的负荷需求，但仍有几个高峰时段是不足以通过这种形式来满足负荷需求的，需要通过外部电网供能满足。储热设备同样利用该原理，在外部热网低价时购买，在外部热网高价时利用储存的热能满足园区热负荷需求，但这种形式能力也是有限的，大部分情况下都需要通过外部供热系统来满足热负荷需求。
由于大部分情况下都需要外部电网供电，而外部电网电价会高于内部电价(清洁能源发电)，导致该场景下的用户用电成本较高，达到了99.53万元;热负荷供应利用热储能设备进行调节，但热收益仍然较低，仅为0.67万元。同时，由于该系统只考虑了储电设备和储热设备，在缓解弃能问题方面的作用有限，导致其弃能水平仍然较高，达到了21.32%。综合来看，该系统的弃能成本超过了1010万元，导致其整体收益率不到10%，仅有9.3%。
3.2.2场景2协同优化结果
场景2在场景1的基础上，增加了燃气锅炉和CCHP机组，但储能设备没有改变，清洁能源利用情况相似，具体的冷热电负荷满足情况及不同能源的供给情况。由于气转换设备的参与，CCHP和燃气轮机也参与到电负荷供应系统中，在外网电价高峰时刻可以减少外网电能的购买，用电高峰期可以额外满足143MW的电负荷需求。同时，换热装置通过吸收余热锅炉的余热，能够在在6:00—12:00和17:00—19:00增加197.4MW的热负荷供应，燃气锅炉也能够增加280MW的热负荷供应量，从而有效降低了外网购热量。此外，CCHP中的吸收制冷装置通过将余热锅炉的余热转换为冷负荷进行供应，额外提供了219.15MW的冷负荷。
4结论
通过在单一供能结构的能源系统中加入不同种类的能源转换设备，从而提高综合能源系统的能源利用率和减少清洁能源弃能率;同时通过多能转换设备的使用，还可以利用协同作用满足冷热电负荷需求，提高系统协调能力。具体结论如下：1)通过研究多能转换设备的特性和不同设备约束，构建了以园区综合能源系统收益率最大化、碳减排率最大化和清洁能源弃能率最小为目标的协同优化模型。2)选取了京津冀某园区进行了算例分析，结果表明，单一能源系统供能水平低，需要较多的外部支持，导致系统经济效益低，用户成本用能成本高，达到了140万元;同时，清洁能源弃能率高达21.32%。3)考虑多种能源转换设备协同工作时，能够有效提高能源利用率，降低清洁能源弃能率(不足10%，相比单一能源系统减少了10.76%);在满足负荷需求的同时，经济方面的效益也很显著，系统收益率相比场景1的结果增加了84.31%。
参考文献
[1]龚晓琴，王进，王珑，等.含电转气的电-气互联综合能源系统低碳经济运行[J].电力科学与技术学报，2020，35(2):76-83.GONGXiaoqin，WANGJin，WANGLong，etal.Lowcarboneconomicoperationforintegratedelectricityandnatural-gasenergysystemwithpower-to-gas[J].JournalofElectricPowerScienceandTechnology，2020，35(2)：76-83.
[2]李宇泽，齐峰，朱英伟，等.多能互补综合能源电力系统的建设模式初探[J].电力科学与技术学报，2019，34(1):3-10.LIYuze，QIFeng，ZHUYingwei，etal.Apreliminaryinvestigationonconstructionmodesofamulti-energycomplementaryintegratedenergysystem[J].JournalofElectricPowerScienceandTechnology，2019，34(1):3-10.
[3]谢可，余晗，郝艳亚，等.基于可信数据的综合能源交易系统设计[J].电力信息与通信技术，2019，17(10):44-48.XIEKe，YUHan，HAOYanya，etal.Designofintegratedenergytransactionsystembasedontrusteddata[J].ElectricPowerInformationandCommunicationTechnology，2019，17(10):44-48.
[4]张松光，黄辉，文安，等.含风电和柔性直流的电力系统多场景概率无功优化[J].电力电容器与无功补偿，2019，40(2):83-89.ZHANGSongguang，HUANGHui，WENAn，etal.Reactivepoweroptimizationonmulti-scenarioprobabilityofpowersystemcontainingwindpowerandflexibleDC[J].PowerCapacitor&ReactivePowerCompensation，2019，40(2):83-89.
[5]王若谷，戴立森，梁芷睿，等.基于不同种类储能电池的微电网综合储能系统性能对比[J].电力电容器与无功补偿，2019，40(1):166-171，179.WANGRuogu，DAILisen，LIANGZhirui，etal.Performancecomparisonofmicrogridintegratedenergystoragesystembasedondifferentkindsofbatteries[J].PowerCapacitor&ReactivePowerCompensation，2019，40(1):166-171，179.
作者：徐文涛1，张晶1，马红明2，孙艺新3，李梦宇2，喻小宝4
转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/28679.html
