计及电-气-热-氢需求响应...多时间尺度低碳运行优化策略VIP专享VIP免费

电力自动化设备
Electric Power Automation Equipment
ISSN 1006-6047,CN 32-1318/TM
《电力自动化设备》网络首发论文
题目: 计及电---氢需求响应的综合能源系统多时间尺度低碳运行优化策略
作者: 李天格,胡志坚,陈志,刘盛辉
DOI 10.16081/j.epae.202205061
收稿日期: 2021-10-02
网络首发日期: 2022-06-01
引用格式: 李天格,胡志坚,陈志,刘盛辉.计及电---氢需求响应的综合能源系统
多时间尺度低碳运行优化策略[J/OL].电力自动化设备.
https://doi.org/10.16081/j.epae.202205061
网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编
辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、
出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,
只可基于编辑规范进行少量文字的修改。
出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在中国
学术期刊(网络版)出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)是国家新闻出
版广电总局批准的网络连续型出版物(ISSN 2096-4188CN 11-6037/Z,所签约期刊的网络版上网络首
发论文视为正式出版。
电力自动化设备
Electric Power Automation Equipment
---氢需求响应的综合能源系统多时间尺度
低碳运行优化策略
陈 志
(武汉大学 电气与自动化学院,湖北 武汉 430072)
要:为更好促进综合能源系统(IES)的低碳经济运行,提升多时间尺度运行优化管理水平,提出了一种考
虑电-气-热-氢需求响应与阶梯式碳排放费用机制的多时间尺度低碳运行优化策略。综合考虑阶梯式碳排放费
用机制,关注电气热之外的氢负荷需求,通过优化耦合设备中的燃气轮机热电比的可调性,建立了日前-日内
滚动-实时三阶段的多时间尺度优化模型。以 IES 整体运行成本、碳排放费用成本、弃风弃光成本最小为经济
目标,并将原非线性问题转化为混合整数线性问题,调用 Gurobi 求解器求解。通过仿真对比分析各类情形优
化结果,验证了所提策略在促进低碳运行、发挥系统设备灵活性与促进清洁能源消纳的有效性。
关键词:多时间尺度;需求响应;综合能源系统;阶梯式碳费用机制;可调热电比;氢能
文献标志码:A DOI10.16081/j.epae.202205061
0引言
随着社会经济的发展,统用能需求快速扩张
的同时,也涌现出一些新兴的用能需求,为实现人
类可持续发展与环境保护目标,各国纷纷加快能源
结构转型进程,制定能源低碳发展战略[1-3]
国提
补与纵向源网荷储协调发展转型提供条件。
综合integrated energy systemsIES
打破电、气、热等多种传统独立运营的能源体系壁
垒,根据能源互补特性与能量梯级利用的原则,将
多能体系耦合进行统一规划与协调运营,提升综合
网络的能源利用效率与系统可靠性[4-7]随着
给侧结构性改革的持续推进,能源供给结构不断优
化,对 IES 的研究与应用将更为深入与广泛。
现有文献中对 IES 内的电气热以及电气热冷
荷的综合需求响应已取得一定研究[8-10]。文献[8]
出区域综合能源系统的完全解耦、部分解耦与完全
耦合 3种运行模式并提出适用的混合潮流算法;文
[9]通过建立含有电、气、3种储能方式的综合
能源系统的运行方式,以成本费用最小为目标建立
[10]
气热负荷柔性特征和可调度价值,建立负荷需求响
应模型,提高了 IES 内能源利用效率。以上文献大
多考虑电气热以及电气热冷这类传统形式的负荷及
其需求响应,较少考虑极具应用潜力的氢能的情形。
IES 模型的经济目标中引入碳排放惩罚费用,并取
得了较好的碳减排效果[11-14]。文献[12]考虑用能行
收稿日期:2021-10-02;修回日期:2021-12-16
基金项目:国家重点研发计划项目2020YFB0905900
Project supported by the National Key Research and Development
Program of China2020YFB0905900
为的碳排放量并收取碳排放费用,分析了碳排放价
格对减排效益的影响;文献[13]CET GCT
制的基础上,建立碳-绿色市场
并引入 IES 运行优化模型中;文献[14]利用能源-
综合价格来协调碳排放的传递与分配水平,通过双
层模型迭代响应综合价格的变化从而达到碳定价与
碳减排的作用。上述研究中所得碳排放价格或为单
一标价或为竞争均衡价,而前者模型对不同碳排水
平的用户没有起到区别作用,后者模型在实际应用
统,近年也逐步推广IES 的调[15-17]
[15]对考虑碳捕集电厂参与调度的问题建立了三
阶段多时间尺度调度方法;文献[16]
VPP集群为研究对象,提出日前-日内两阶段优
化模型指导 VPP 群参与市场交易与管控能流;文献
[17]IES
优化调度策略,通过协调设备出力提升系统灵活性
与稳定性,但未充分考虑低碳目标与需求响应的可
能性。
综上所述,现有研究较少同时考虑多时间尺度
调节、低碳目标与需求响应,或未涉及氢能利用场
景,或在所建立低碳目标上过于单一或不适于非规
模竞争性主体。基于此,本文提出一种考虑电--
-
尺度优化运行策略。综合考虑阶梯式碳排放费用机
制,引入氢负荷需求,优化耦合设备的工作特性,
--实时三阶段的多时间尺度优
模型。以 IES 、碳
风弃光成本最小为经济目标,并将原问题转化为混
合整数线性问题,调用商业求解器求解,通过对比
网络首发时间:2022-06-01 10:57:54
网络首发地址:https://kns.cnki.net/kcms/detail/32.1318.TM.20220530.1659.001.html
电力自动化设备
分布各类情形优化结果,验证所提策略的可行性。
1---求的源系统低
济优
本章的综合能源系统低碳经济优化框架基于
[18]相关内容建立,并对耦合装置组成进行修
改,在此仅对框架结构进行描述,模型公式详见附
A
1.1 可调热电比与天然气-氢气混合燃烧特性
(Gas turbine, GT)
(Gas boiler, GB)的能量转化过程进行改进。区别
于传统建模中 GTGB 只能燃烧天然气的特点,
文模型允许两者利用一定比例下的天然气-
合气体作为输入;且针对传统模型中 GT
比固定不变的特点,本文模型允许其根据不同时段
下的电价与气价,对其工作过程中的发热与发电功
率比例进行调节。
1.2 电转气环节解耦运行过程与耦合设备建模
氢能具有高热值、零排放、氢元素量多易得等
特点,在未来清洁用能大背景下具有广阔应用与发
展空间。电转气主要过程可概括为图 1所示,涉及
电解槽(Electrolyzer, EL) 、甲烷反应器(Methane
reactor, MR)等设备,通过解耦传统的 P2G
大氢能利用场景。相关耦合设备运行模型见附录 A
1电转气环节解耦运行流程
Fig.1Decouplingoperationprocessofelectrictogaslink
1.3 阶梯式碳费用及固碳收益模型
为体现 IES 低碳运营理念促进节能减排,本
文采用一种阶梯式碳排放税与固碳收益结合的经济
性模型。IES 中有关碳排放来源主要体现在两方面:
一是上级购电与购气,二是耦合单元中的碳排放。
由电能二次能源性质决定,电能的使用虽不产生直
接碳排放,但通过引入“虚拟碳排放”的概念,便
MR
行补贴作为经济收益计入 IES 经济成本模型中。
1.3.1 阶梯式碳费用计量模型
相较于传统的单一碳排放费率,为进一步限制
碳排放量,本文采取阶梯式碳排放税制。阶梯式碳
费用机制划分了多个碳排放量区间,针对一定时间
内的消费行为碳排放量,按区间进行区分计价,排
放量越高,税费越重。
1.3.2 MR 固碳补贴计量模型
耦合单元中 MR 设备通过氢气与 CO2的合成反
生产甲烷,起到固碳作用,可按量给予一定补贴。
2IES特性
2.1 IES 元件运行特性
IES 内所含元件主要分为耦合设备、分布式电
源与储能元件三大类。其特性概括如下:
1)耦合设备的灵活性不及储能设备,在本文
模型中不作为快速调节方式,但其备用调节容量具
有一定的调节作用;
2)分布式电源在出力上限范围内可快速弃风
弃光,其出力具有良好的可调性,但具有出力的不
确定性与波动性;
3储能元件具有布置灵活、调节快速的优势,
但储能容量有一定限制,适用于对 IES 内随机波动
线
2.2
IES 内的电、气、热、氢四类能源负荷,
可利用需求响应特性对其进行需求响应管理。参考
(DR)
[19](PDR)
(IDR)两类。本文所建模型中电能、气能价格采用
日前定价模式,因此 PDR 虑之只需
考虑 IDR 负荷响应。IDR 根据响应 IES 优化指令时
间的长短,具体分为以下几类:
1AIDR,计划提前 1天制定;
2BIDR,响应时长 15min~1h
3CIDR,响应时长 5~15min
4DIDR,实时响应。
2.3 多时间尺度优化计划
本文设计的 IES 多时间尺度低碳优化框架如附
BB1 所示。
1日前优化:时间步长为 1h执行周期24h
该阶段需确定耦合设备的工作计划、AIDR
调用计划;
2日内滚动优化:时间步长为 15min执行
4h该阶段需制定分布式发电的出力计划、
BIDR
以修正日前优化计划的偏差;
电力自动化设备ElectricPowerAutomationEquipmentISSN1006-6047,CN32-1318/TM《电力自动化设备》网络首发论文题目:计及电-气-热-氢需求响应的综合能源系统多时间尺度低碳运行优化策略作者:李天格,胡志坚,陈志,刘盛辉DOI:10.16081/j.epae.202205061收稿日期:2021-10-02网络首发日期:2022-06-01引用格式:李天格,胡志坚,陈志,刘盛辉.计及电-气-热-氢需求响应的综合能源系统多时间尺度低碳运行优化策略[J/OL].电力自动化设备.https://doi.org/10.16081/j.epae.202205061网络首发:在编辑部工作流程中,稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定,且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式(包括网络呈现版式)排版后的稿件,可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定;学术研究成果具有创新性、科学性和先进性,符合编辑部对刊文的录用要求,不存在学术不端行为及其他侵权行为;稿件内容应基本符合国家有关书刊编辑、出版的技术标准,正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性,录用定稿一经发布,不得修改论文题目、作者、机构名称和学术内容,只可基于编辑规范进行少量文字的修改。出版确认:纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约,在《中国学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版,以单篇或整期出版形式,在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出版广电总局批准的网络连续型出版物(ISSN2096-4188,CN11-6037/Z),所以签约期刊的网络版上网络首发论文视为正式出版。电力自动化设备ElectricPowerAutomationEquipment计及电-气-热-氢需求响应的综合能源系统多时间尺度低碳运行优化策略李天格,胡志坚,陈志,刘盛辉(武汉大学电气与自动化学院,湖北武汉430072)摘要:为更好促进综合能源系统(IES)的低碳经济运行,提升多时间尺度运行优化管理水平,提出了一种考虑电-气-热-氢需求响应与阶梯式碳排放费用机制的多时间尺度低碳运行优化策略。综合考虑阶梯式碳排放费用机制,关注电气热之外的氢负荷需求,通过优化耦合设备中的燃气轮机热电比的可调性,建立了日前-日内滚动-实时三阶段的多时间尺度优化模型。以IES整体运行成本、碳排放费用成本、弃风弃光成本最小为经济目标,并将原非线性问题转化为混合整数线性问题,调用Gurobi求解器求解。通过仿真对比分析各类情形优化结果,验证了所提策略在促进低碳运行、发挥系统设备灵活性与促进清洁能源消纳的有效性。关键词:多时间尺度;需求响应;综合能源系统;阶梯式碳费用机制;可调热电比;氢能文献标志码:ADOI:10.16081/j.epae.2022050610引言随着社会经济的发展,传统用能需求快速扩张的同时,也涌现出一些新兴的用能需求,为实现人类可持续发展与环境保护目标,各国纷纷加快能源结构转型进程,制定能源低碳发展战略[1-3]。对此我国提出“双碳”目标,为能源电力系统的横向多能互补与纵向“源网荷储”协调发展转型提供条件。综合能源系统(integratedenergysystems,IES)打破电、气、热等多种传统独立运营的能源体系壁垒,根据能源互补特性与能量梯级利用的原则,将多能体系耦合进行统一规划与协调运营,提升综合网络的能源利用效率与系统可靠性[4-7]。随着能源供给侧结构性改革的持续推进,能源供给结构不断优化,对IES的研究与应用将更为深入与广泛。现有文献中对IES内的电气热以及电气热冷负荷的综合需求响应已取得一定研究[8-10]。文献[8]给出区域综合能源系统的完全解耦、部分解耦与完全耦合3种运行模式并提出适用的混合潮流算法;文献[9]通过建立含有电、气、热3种储能方式的综合能源系统的运行方式,以成本费用最小为目标建立优化模型,提高清洁能源消纳率;文献[10]计及电气热负荷柔性特征和可调度价值,建立负荷需求响应模型,提高了IES内能源利用效率。以上文献大多考虑电气热以及电气热冷这类传统形式的负荷及其需求响应,较少考虑极具应用潜力的氢能的情形。在实现碳减排目标上,不少文献在所建立的IES模型的经济目标中引入碳排放惩罚费用,并取得了较好的碳减排效果[11-14]。文献[12]考虑用能行收稿日期:2021-10-02;修回日期:2021-12-16基金项目:国家重点研发计划项目(2020YFB0905900)ProjectsupportedbytheNationalKeyResearchandDevelopmentProgramofChina(2020YFB0905900)为的碳排放量并收取碳排放费用,分析了碳排放价格对减排效益的影响;文献[13]在CET与GCT机制的基础上,建立碳-绿色证书联合交易市场框架,并引入IES运行优化模型中;文献[14]利用能源-碳综合价格来协调碳排放的传递与分配水平,通过双层模型迭代响应综合价格的变化从而达到碳定价与碳减排的作用。上述研究中所得碳排放价格或为单一标价或为竞争均衡价,而前者模型对不同碳排水平的用户没有起到区别作用,后者模型在实际应用中不适合不具规模的市场参与者参与竞争,且较为复杂。多时间尺度优化调度方法最初应用于电力系统,近年也逐步推广至IES的调度问题中[15-17]。文献[15]对考虑碳捕集电厂参与调度的问题建立了三阶段多时间尺度调度方法;文献[16]以虚拟电厂(VPP)集群为研究对象,提出日前-日内两阶段优化模型指导VPP群参与市场交易与管控能流;文献[17]基于IES内多能灵活性差异,提出多时间尺度优化调度策略,通过协调设备出力提升系统灵活性与稳定性,但未充分考虑低碳目标与需求响应的可能性。综上所述,现有研究较少同时考虑多时间尺度调节、低碳目标与需求响应,或未涉及氢能利用场景,或在所建立低碳目标上过于单一或不适于非规模竞争性主体。基于此,本文提出一种考虑电-气-热-氢需求响应与阶梯式碳排放费用机制的多时间尺度优化运行策略。综合考虑阶梯式碳排放费用机制,引入氢负荷需求,优化耦合设备的工作特性,建立日前-日内滚动-实时三阶段的多时间尺度优化模型。以IES整体运行成本、碳排放费用成本、弃风弃光成本最小为经济目标,并将原问题转化为混合整数线性问题,调用商业求解器求解,通过对比网络首发时间:2022-06-0110:57:54网络首发地址:https://kns.cnki.net/kcms/detail/32.1318.TM.20220530.1659.001.html电力自动化设备分布各类情形优化结果,验证所提策略的可行性。1计及电-气-热-氢需求的综合能源系统低碳经济优化框架本章的综合能源系统低碳经济优化框架基于文献[18]相关内容建立,并对耦合装置组成进行修改,在此仅对框架结构进行描述,模型公式详见附录A。1.1可调热电比与天然气-氢气混合燃烧特性本文针对燃气轮机(Gasturbine,GT)与燃气锅炉(Gasboiler,GB)的能量转化过程进行改进。区别于传统建模中GT、GB只能燃烧天然气的特点,本文模型允许两者利用一定比例下的天然气-氢气混合气体作为输入;且针对传统模型中GT产出热电比固定不变的特点,本文模型允许其根据不同时段下的电价与气价,对其工作过程中的发热与发电功率比例进行调节。1.2电转气环节解耦运行过程与耦合设备建模氢能具有高热值、零排放、氢元素量多易得等特点,在未来清洁用能大背景下具有广阔应用与发展空间。电转气主要过程可概括为图1所示,涉及电解槽(Electrolyzer,EL)、甲烷反应器(Methanereactor,MR)等设备,通过解耦传统的P2G过程,扩大氢能利用场景。相关耦合设备运行模型见附录A。图1电转气环节解耦运行流程Fig.1Decouplingoperationprocessofelectrictogaslink1.3阶梯式碳费用及固碳收益模型为体现IES低碳运营理念,促进节能减排,本文采用一种阶梯式碳排放税与固碳收益结合的经济性模型。IES中有关碳排放来源主要体现在两方面:一是上级购电与购气,二是耦合单元中的碳排放。由电能二次能源性质决定,电能的使用虽不产生直接碳排放,但通过引入“虚拟碳排放”的概念,便可衡量电能消费消费行为中的碳排放量,对之加以合理征税。同时,针对MR的固碳效益,可对其进行补贴作为经济收益计入IES经济成本模型中。1.3.1阶梯式碳费用计量模型相较于传统的单一碳排放费率,为进一步限制碳排放量,本文采取阶梯式碳排放税制。阶梯式碳费用机制划分了多个碳排放量区间,针对一定时间内的消费行为碳排放量,按区间进行区分计价,排放量越高,税费越重。1.3.2MR固碳补贴计量模型耦合单元中MR设备通过氢气与CO2的合成反生产甲烷,起到固碳作用,可按量给予一定补贴。2考虑IES元件特性的多时间尺度优化计划2.1IES元件运行特性IES内所含元件主要分为耦合设备、分布式电源与储能元件三大类。其特性概括如下:1)耦合设备的灵活性不及储能设备,在本文模型中不作为快速调节方式,但其备用调节容量具有一定的调节作用;2)分布式电源在出力上限范围内可快速弃风弃光,其出力具有良好的可调性,但具有出力的不确定性与波动性;3)储能元件具有布置灵活、调节快速的优势,但储能容量有一定限制,适用于对IES内随机波动的供需曲线进行快速调节。2.2需求响应资源的分类在IES内的电、气、热、氢四类能源负荷,均可利用需求响应特性对其进行需求响应管理。参考区域电网对电负荷需求响应资源(DR)的管理方式[19],将四种需求响应负荷分为价格型(PDR)和激励型(IDR)两类。本文所建模型中电能、气能价格采用日前定价模式,因此PDR不在优化考虑之列,只需考虑IDR负荷响应。IDR根据响应IES优化指令时间的长短,具体分为以下几类:1)A类IDR,计划提前1天制定;2)B类IDR,响应时长15min~1h;3)C类IDR,响应时长5~15min;4)D类IDR,实时响应。2.3多时间尺度优化计划本文设计的IES多时间尺度低碳优化框架如附录B图B1所示。1)日前优化:时间步长为1h,执行周期为24h。该阶段需确定耦合设备的工作计划、A类IDR负荷调用计划;2)日内滚动优化:时间步长为15min,执行周期为4h。该阶段需制定分布式发电的出力计划、耦合设备备用出力计划以及B类IDR的调用计划。用以修正日前优化计划的偏差;电力自动化设备3)实时优化:执行周期为5min。该阶段需制定各类储能设备的工作状态以及C类和D类IDR调用量,最终确定向上级配电网以及天然气网的购电量与购气量。之前阶段优化所得的控制量作为确定量带入之后阶段的优化模型中进行计算。3多时间尺度协调优化模型3.1日前优化模型日前优化采用适用于较大不确定度的多场景随机规划方法,对于不同的各类负荷、分布式电源出力预测情景下的误差,满足IES运行安全性。3.1.1目标函数日前优化模型的目标函数在系统总运行成本最小的基础上,将弃风弃光量和负荷缺损量折算成惩罚成本计入系统运行成本中,并考虑购能碳费用以及固碳收益。模型表示如下:221buystocpl1taxsubDGloadCOCOmin()()()+()()Ttfftftftftftff(1),ahead,aheadbuy,aheadee,buy,gg,buy,1e,sto,g,sto,h,sto,H2,sto,sto,ahead1e,g,g,H2,cpl,aheade,E()()()((),(),(),())()((),(),(),())()(ssNssssNsssssssssssftpcPtcPtCPtPtPtPtftpWStStStStftpCP,ahead,aheadL,H2,MR,e,EB,mg,GT,mg,GB,1prePV,WT,c,PVPV,PV,DG,aheadpre1c,WTWT,WT,load,ahead(),(),(),(),())((),())(()())()(()())()ssNssssssNsssssssssntPtPtPtPtCPtPtkPtPtftpkPtPtftpk,ahead,IDR,A,DR,A,,IDR,B,DR,B,c,load,loss,,1e,g,h,H2()()()(A6)-(A10)sNnIsnnIsnnssnPtkPtkPt式(2)式中:1f为日前优化模型的目标函数,代表IES运行成本;buy()ft、sto()ft、cpl()ft、DG()ft、load()ft分别为t时刻下上级购能、储能装置、耦合设备、分布式发电和用户负荷管理的成本函数;,aheadsN为日前优化模型考虑场景数;,aheadsp为日前优化过程中第s号场景的发生概率系数;e/g,buy,()sPt为第s号场景t时刻下向上级购电、购气的功率;e/gc为单位购电、购气成本;e/g/h/H2,sto,()sPt为电/气/热/氢储在s场景t时刻下的充放能功率;e/g/h/H2,sto,(())sCPt为储能装置成本函数;e/g/h/H2,sto,(())sWPt为储能装置的维护成本函数;PV/WT,()sPt为分布式发电中光伏、风机在s场景t时刻下的出力;c,PV/WT()kt为弃风弃光惩罚成本系数;prePV/WT,()sPt为分布式发电中光伏、风机在s场景t时刻下的预测出力;PV/WT,(())sCPt为分布式发电在s场景t时刻下的成本函数;e,g,h,H2n中n为指代电/气/热/氢四类负荷的变量,用于简化公式描述的篇幅;,IDR,Ank、,IDR,Bnk分别为各类负荷的A、B类IDR的成本系数;,IDR,A,()nsPt、,IDR,B,()nsPt分别为各类负荷的A、B类IDR在s场景t时刻调用量;c,load,nk为各类负荷缺失惩罚系数;loss,,()nsPt为各类负荷在s场景t时刻下的缺失量。3.1.2约束条件1)功率平衡约束。(1)电功率平衡约束。dise,buy,PV,WT,GT,e,e,sto,fixede,EL,e,MR,e,EB,ee,IDR,A,chae,IDR,B,oss,e,e,sto,()()()()()()()()()()()()()sssssssssslssPtPtPtPtPtPtPtPtDtPtPtPtPt(3)(2)天然气平衡约束。disg,buy,g,MR,g,sto,g,GT,fixedg,GB,gg,IDR,A,g,IDR,B,chaloss,g,g,sto,()()()()()()()()()()sssssssssPtPtPtPtPtDtPtPtPtPt(4)(3)热功率平衡约束。disfixedh,GT,h,GB,h,EB,h,sto,hchah,IDR,A,h,IDR,B,loss,h,h,sto,()()()()()()()()()ssssssssPtPtPtPtDtPtPtPtPt(5)(4)氢能平衡约束。disH2,EL,H2,sto,H2,MR,H2,GT,fixedH2,GB,H2H2,IDR,A,chaH2,IDR,B,loss,H2,H2,sto,()()()()()()()()()()sssssssssPtPtPtPtPtDtPtPtPtPt(6)式中:chae/g/h/H2,sto,()sPt、dise/g/h/H2,sto,()sPt分别为电/气/热/氢储在s场景t时刻下对外充放能的额定功率大小;fixede/g/h/H2()Dt为t时刻下优化模型中的预期电/气/热/氢负荷。2)耦合设备运行约束。IES中各耦合设备EL、MR、GT、GB、电锅炉(Electricboiler,EB)的模型与约束式在附录A中已建立,不再赘述。需要注意的是,在日前优化模型中考虑到多场景随机规划,故耦合设备的运行也应满足多场景下的约束,符号变量对应成多场景下变量,如e,EL()Pt对应于e,EL,()sPt。3)分布式发电出力约束。prePV,PV,preWT,WT,0()()0()()ssssPtPtPtPt(7)分布式发电出力值小于其预测值。4)储能设备运行约束。储能设备运行时主要受充放能功率以及储能状态约束。由于电/气/热/氢储运行约束有一致性,现以电储为例进行说明,其他形式储能约束不再赘述:电力自动化设备chacha,maxe,sto,e,stodisdis,maxe,sto,e,stochadise,sto,e,sto,chachadisdise,sto,e,sto,e,sto,e,sto,e,sto,cape,e,e,sto,e,stomine0()0()()()0()()()/()(1)()/ssssssssssssPtPPtPPtPtPtPtPtStStPtPSmaxe,ee,e,()(0)()sssStSSST(8)式中:chae,sto,s、dise,sto,s分别为电储充放能效率;cap,stonP为电储的容量;e,()sSt、maxeS、mineS分别为电储在s场景t时刻的储能量-容量比状态及其上下限。储能装置的储能量-容量比状态在一个优化周期T内的始末时刻应相等。5)各场景调节约束。machine,machine,bsmachine()()sPtPt(9)式中:machine,bs()Pt为各类耦合设备的基准场景出力值;machine,()sPt为各类耦合设备在s场景下的出力值;machine为各类耦合设备的调节裕度,本文设其为设备最大出力的10%。6)各类DR资源的约束。,max,IDR,A,,IDR,A,max,IDR,A,,IDR,A0()0()nsnnsnPtPPtP(10),max,IDR,B,,DR,B,max,IDR,B,,IDR,B0()0()nsnInsnPtPPtP(11)式中:,IDR,A,()nsPt、,IDR,B,()nsPt分别为各类负荷A类、B类IDR增加的负荷量;,IDR,A,()nsPt、,IDR,B,()nsPt分别为各类负荷A类、B类IDR减损的负荷量。3.1.3优化结果处理对日前优化模型进行求解,选取:1)耦合装置运行状态;2)A类IDR调用量;作为确定参数代入随后的日内与实时优化模型之中。3.2日内滚动优化模型该优化阶段将实测所得的系统数据反馈到日内滚动优化模型中,结合未来4h内时间步长为15min的风光负荷的超短期预测数据来求解最优控制序列。3.2.1目标函数与日前优化基本相同,日内滚动优化的目标函数同样为IES运行总成本最小、可调节的有耦合设备备用容量出力与IDR类负荷的调用量成本,而A类IDR参数已确定,负荷总成本为B类和C类IDR之和。目标函数形式同上:222buystocpl1taxsubDGloadCOCOmin()()()+()()Ttfftftftftftff(12),dayin,IDR,A,IDR,A,IDR,B,IDR,B,load,dayin1e,g,h,H2,IDR,C,IDR,C,c,load,loss,,()()()()()sNnnnnsssnnnsnnskPtkPtftpkPtkPt(13)式中:,dayinsN为日内优化模型考虑场景数;,dayinsp为日内优化过程中第s号场景的发生概率系数;,IDR,Cnk为某类负荷C类IDR的成本系数;,IDR,C,()nsPt为某类负荷C类IDR在s场景t时刻下的调用量。3.2.2约束条件日内滚动优化模型同日前优化模型一样采用了多场景随机规划方法来应对不确定性带来的影响,因而约束条件与日前优化模型中基本一致,不再赘述。另添加如式(10)的C类IDR的约束条件以及耦合设备备用容量出力约束:minmaxmachinemachine,machineminmaxmachinemachine,machine,machine()()()sssPPtPPPtPtP(14)式中:machine,()sPt为各类耦合设备的备用出力值。该式表示各类耦合设备的备用出力值满足上下限制,且备用容量出力与其日前出力计划之和满足容量限制。3.2.3优化结果日内滚动优化在日前优化确定参数的基础上,将确定:1)分布式发电的出力计划;2)耦合设备备用容量出力计划;3)B类IDR负荷调用量;并作为确定参数代入随后的实时优化模型之中。3.3实时优化模型实时优化的时间步长为5min,此时间尺度下实时负荷波动幅度已很小,多场景随机优化方法已不合适。本文在此采用机会约束方法,设置一定的约束条件,使得约束条件成立的概率不小于某一置信水平。3.3.1目标函数与日内滚动优化基本相同,实时优化的目标函数同样为IES运行总成本最小,变化的只有在IDR类负荷的调用量成本,具体为C类和D类IDR之和。目标函数形式同上:223buystocpl1taxsubDGloadCOCOmin()()()+()()Ttfftftftftftff(15)电力自动化设备,IDR,A,IDR,A,IDR,B,IDR,Bload,IDR,C,IDR,C,IDR,D,IDR,De,g,h,H2c,load,loss,()()()()()()nnnnnnnnnnnkPtkPtftkPtkPtkPt(16)3.3.2约束条件对实时优化模型采用机会约束方法。此时认为短期预测所得的电、气、热、氢实时负荷的偏差值各自满足某一截断正态分布,对储能装置的调控要求为只需满足各类负荷在各自设定的置信水平下的供给率即可,余下的微弱偏差可通过实时的上级购电、购气以及负荷调节满足平衡。故此时约束条件与不区分各类场景的日前、日内滚动优化的约束条件基本相同,不再赘述,但在功率平衡以及分布式发电出力的部分约束上有所变化:1)电功率平衡约束。e,buyPVWTe,GTdise,stoe,ELe,MRe,EBefixedee,IDR,Ae,IDR,Bchae,IDR,Ce,IDR,Dloss,ee,sto()()()()()()()()Pr()()()()()()()PtPtPtPtPtPtPtPtDtPtPtPtPtPtPt(17)2)天然气平衡约束。disg,buyg,MRg,stog,GTfixedg,GBgg,IDR,Agg,IDR,Bg,IDR,Cg,IDR,Dchaloss,gg,sto()()()()()()()Pr()()()()()PtPtPtPtPtDtPtPtPtPtPtPt(18)3)热功率平衡约束。dish,GTh,GBh,EBh,stofixedhh,IDR,Ah,IDR,Bhchah,IDR,Ch,IDR,Dloss,hh,sto()()()()Pr()()()()()()()PtPtPtPtDtPtPtPtPtPtPt(19)4)氢能平衡约束。disH2,ELH2,stoH2,MRH2,GTfixedH2,GBH2H2,IDR,AH2,IDR,BH2chaH2,IDR,CH2,IDR,Dloss,H2H2,sto()()()()Pr()()()()()()()()PtPtPtPtPtDtPtPtPtPtPtPt(20)式中:Pr为置信度表达式;e/g/h/H2为电/气/热/氢功率平衡置信水平。5)分布式发电出力约束。immdayinPVPVPVimmdayinWTWTWT()min(),()()min(),()PtPtPtPtPtPt(21)式中:immPV()Pt、immWT()Pt分别为实时优化中光伏、风机实际的出力上限;dayinPV()Pt、dayinWT()Pt分别为日内滚动优化中得到的光伏、风机的出力计划。此约束表示在实时优化中分布式发电的出力大小在延续日内滚动优化数值的基础上,不能超过现实条件制约下的实时最大出力上限。3.3.3优化结果对实时优化模型进行计算可确定以下优化结果:1)各类储能装置的工作状态与出力;2)C类IDR和D类IDR调用量;3)向上级购电、购气量。3.4模型线性化处理此时所得模型为混合整数非线性模型,需对导致模型非线性的目标函数中的绝对值项与储能状态约束进行线性化,具体处理方法见附录B。处理后的模型为混合整数线性模型,可采用Matlab+Yalmip调用商业求解器Gurobi进行求解。求解流程如附录B图B2所示。4算例分析4.1算例介绍为验证本模型的有效性,设置算例进行分析。模型优化周期为一天24h,负荷及分布式发电的日前、日内、实时的预测误差分别设为3%、1%、0.5%及5%、3%、1%。各类负荷以及光伏风电的出力日前预测基准值以标幺值形式如附录B图B3所示,其中电、气、热、氢负荷峰值设为1000kW、600kW、400kW与200kW,风电与光伏额定容量均为400kW。分时电价见附录B表B1,天然气价为0.35元/kWh;各类设备运行参数、储能参数、四类IDR的经济参数及其他参数分别见附录B表B2-B5。实时优化模型中,各类负荷误差率满足N(0,1/1200)的截断正态分布,置信度均取0.9。本文调用Gurobi求解多时间尺度优化模型,在IntelCorei7@2.90GHz主机算力下,日前计算用时2s,日内单次滚动计算用时20s,滚动80次,实时优化计算用时15s,满足实际工作中的运算速率要求。4.2多时间尺度低碳优化方法有效性分析为验证本文所提的低碳优化方法的有效性,选取三种场景下的IES优化结果对比分析:场景1:不考虑碳排放经济目标;场景2:考虑单一碳排放价格与固碳补贴;场景3:考虑阶梯式碳排放价格与固碳补贴。对以上三类场景进行多时间尺度计算并对比分析日前、日内、实时阶段的IES优化结果。各优化阶段预测负荷、分布式发电出力如附录C图C1电力自动化设备所示,三类场景日前优化的部分结果如表1所示(详细结果见附录C表C1)。表1各场景日前优化部分结果Table1Partialoptimizedresultsofdayahead指标场景1场景2场景3碳排放费用/元01670.51203.9A类IDR成本/元0490.74490.74总碳排放/kg282302784127787总成本/元197412143120971由表1可知,在日前阶段的优化中,相比场景1,考虑碳排放经济目标的场景2与场景3的总碳排放量各减少1.38%与1.57%,表明考虑低碳经济目标有助于减少IES的消费碳排放量。且对比场景2、场景3的碳排放费用发现,后者碳排放费用降低了28%并获得了更大的碳减排效益,说明考虑阶梯式的碳费用机制具有更优的碳减排效益与经济效益。日前阶段各场景下耦合设备的运行状态如附录C图C2所示。整体上看,场景3相对于前两场景,更多地调用GT出力而较少调用EB、EL出力,这是由于在阶梯式碳费用模型作用下,对过多使用电能行为造成的过高碳排费用的修正,将用电需求转移至购气替代以减少碳排放费用。而周期内MR并未工作,说明在日前优化过程中,对氢气转化为天然气暂不具备经济性优势,这主要是由天然气价相对较低且分布式发电的廉价电能供应比例较低所致。以场景3为例,对日内滚动优化下的耦合设备备用容量工作情况进行分析,如图2所示。由图可知,对比日前-日内各耦合设备的运行状态可以发现,在日内预测负荷变动的情况下,GB工作状态基本没有变化,EB在时段1:00-7:00内有出力的下调,EL在22:00-24:00有出力的上调,MR在20:00前有出力的上调,结合附录C图C3场景3负荷需求响应中A、B、C类IDR分析,这是由于在负荷预测变动与需求响应的双重影响下,1:00-7:00内热负荷通过需求响应机制有较大的削减,并作用于电价相对气价更高的EB的工作状态调整中;而日内优化中氢负荷在全天也主要体现为削减,故而20:00前MR将削减的氢负荷需求转化为天然气并收取固碳收益,而20:00之后MR不出力而EL增加出力也是为了在最后4h的滚动周期中满足全天优化周期首末的储氢罐储能状态相等的约束。(a)GT运行状态(b)EB运行状态(c)GB运行状态(d)EL运行状态(e)MR运行状态图2日前-日内阶段场景3各耦合设备的运行状态Fig.2Operationstatusofeachcouplingdeviceinscenario3inthedayahead-intradayphase对实时优化后的三类场景的部分参数如表2所示(具体细节参数见附录C表C2)。表2各场景实时优化部分结果Table2Partialoptimizedresultsofreal-timeoptimization指标场景1场景2场景3A类IDR成本/元0490.74490.74B类IDR成本/元007.03C类IDR成本/元289.19296.10296.83D类IDR成本/元148.42154.31157.93弃负荷成本/元023.9315.35总成本/元202732199321544总碳排放/kg282862789427843观察表2,从各类IDR与弃负荷成本看,B类负荷在三种场景下都近乎为0,而场景2与场景3的A类IDR成本远大于场景1的0成本,这是碳排放机制与负荷需求响应相互作用的结果,即通过适当减少负荷以降低碳排量费用,而场景3下B类IDR仍在发挥作用是因为阶梯式碳排放机制所带来的更高阶的碳排费用仍在作用于负荷需求响应以减少总经济成本。三种场景下的C类、D类IDR成本无明显差异是由于其均在保持具有相同预测误差的实时负荷波动平衡与储能始末状态约束。最终单周期多时间尺度优化调度后IES各组分出力图见附录C图C4。4.3不同清洁能源发电装机容量下的模型效益分析为分析模型在不同比例分布式清洁发电情况下的工作状态,选取模型中PV/WT装机容量区间200-1000kW,步长200kW进行仿真,其碳排放参数与弃电情况如表3所示(详细结果见附录C表C3)。电力自动化设备表3不同清洁能源发电装机容量下的部分参数Table3Someparametersunderdifferentinstalledcapacityofcleanenergypowergeneration指标200kW400kW600kW800kW1000kW购电碳排费用/元930.6463.9000购气碳排费用/元894.6739.3670.1589.2503.8总碳排放费用/元1825.21203.2670.1589.2503.8弃风惩罚费用/元1.63.04.66.89.3弃光惩罚费用/元0.82.02.43.55.8总成本/元2536321469177981456511827由表3可知,随着清洁分布式发电的装机容量提高,系统运行总成本有大幅下降的趋势,主要得益于向上级购能总量的下降与碳排费用的减少。其中,在清洁能源装机超过600kW时可以确定购电碳排费用为0,但购气碳排费用在此之后降幅缓慢,这是电转气的相关装置容量有限所致。为更好地消纳更高比例的清洁能源接入,耦合装置的装机容量也需有一定的提升。同时,本模型中的弃风弃光电量与惩罚费用都远小于总成本的降额,表明本文模型具有良好的清洁能源消纳能力。4.4可调热电比与天然气-氢气混合利用效益分析为分析GT可调电热比与GT、GB气-氢混用的效益,选取“天然气价高低”、“是否可调热电比”、“是否天然气-氢气混合”三类变量进行16组控制变量对照仿真,其中气价按单价0.35、0.6、0.8、1.4元/kWh设置成低、中、高、特高四档,并根据热电比可调与否以及天然气-氢气混合与否分为可调可混、可调不可混、不可调可混、不可调不可混四类运行情况。仿真结果如表4、5所示。表416组对照仿真的经济成本结果Table4Economiccostresultsof16groupsofsimulation气价情况1/元情况2/元情况3/元情况4/元低气价20884209282124821380中气价27195272152732527369高气价31553315623156331594特高气价41286416904132341970表516组对照仿真的碳排量结果Table5Carbonemissionsof16groupsofsimulation气价情况1/kg情况2/kg情况3/kg情况4/kg低气价27786277872803428034中气价28714287142873728737高气价29633292832968429334特高气价30829302073082930207由表4可知,运行情况1在同等气价下的系统运行费用均最少,说明考虑可调热电比、考虑天然气-氢气混用的方案最具普遍经济性。且在天然气价格较低时,情况2较情况3更具经济性,结合附录C图C5所示不同气价条件下热电比及天然气-氢气运行情况,发现气价越低,GT热电比变动程度越明显,时段范围越大,说明低气价下GT的可调热电比更能发挥经济性作用。反之在高气价情况下,电力具有价格优势,从而由EL产生的氢气更多地参与替代天然气的产电发热过程中,减少高昂天然气的消费,发挥天然气-氢气混合策略的经济性。由表5可知,在中、低气价下,GT热电比可调性能良好降低碳排放,而天然气-氢气混合策略因气价较低经济性不足而几无碳减排作用。高气价下电能更多地替代天然气进行热能供应,从而带来系统总碳排放量上升,此时GT热电比调节作用不显著,而天然气-氢气混合策略的使用,使得电能转换为氢能参与GT、GB工作从而减少总体经济成本。5结论本文在所建立的考虑电-气-热-氢需求响应的IES多时间尺度低碳运行优化模型基础上,通过设置多类场景进行仿真,并将结果从多时间尺度、清洁能源装机容量占比、可调热电比等多个角度进行分析,得到如下结论:1)相较于传统单一式碳排放费用机制,阶梯式碳排放费用机制具有更优越的碳减排性与经济性。2)考虑GT热电比可调以及GT、GB天然气-氢气混用能够根据实际的天然气价与负荷需求,优化能流转换过程,提升运行经济性。3)多时间尺度优化运行方式能够良好应对不同时间维度下的负荷与新能源出力预测,并根据IES内部设备灵活性与需求响应等级进行分级调节,对运行周期内的预测量与实测情况均能有效处理。后续研究可考虑更大规模的IES,考虑IES多节点系统的耦合与动态潮流问题,并思考氢能源汽车、电动汽车等交通网负荷接入IES所来带的影响。参考文献:[1]WILLIANJH,JONESRA,HALEYB,etal.Carbon-neutralpathwaysfortheUnitedStates[J].AGUAdvances,2021,2(1):e2020AV000284.[2]BBCNews.EUcarbonneutrality:leadersagree2050targetwithoutPoland[EB/OL].电力自动化设备(2019-12-03)[2021-09-26].http://www.bbc.com/news/world-europe-50778001.[3]习近平在第七十五届联合国大会一般性辩论上发表重要讲话.http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm.2021.[4]黎静华,朱梦姝,陆悦江,等.综合能源系统优化调度综述[J/OL].电网技术:1-16[2021-03-24].https://doi.org/10.13335/j.1000-3673.pst.2021.0020.LIJinghua,ZHUMengshu,LUYuejiang,etal.Areviewontheoptimalschedulingofintegratedenergysystems[J/OL].PowerSystemTechnology:1-16[2021-03-24].https://doi.org/10.13335/j.1000-3673.pst.2021.0020.[5]袁智勇,赵懿祺,郭祚刚,等.面向能源互联网的综合能源系统规划研究综述[J].南方电网技术,2019,13(07):1-9.YUANZhiyong,ZHAOYiqi,GUOZuogang,etal.Researchsummaryofintegratedenergysystemsplanningforenergyinternet[J].SouthernPowerSystemTechnology,2019,13(07):1-9.[6]CHENYue,WEIWei,LIUFeng,etal.Amulti-lateraltradingmodelforcoupledgas-heat-powerenergynetworks[J].AppliedEnergy,2017,200:180-191.[7]LIPeng,DONGBo,YUHao,etal.Aunifiedenergybusbasedmulti-energyflowmodelingmethodofintegratedenergysystem[J].EnergyProcedia,2019,159:418-423.[8]徐宪东,贾宏杰,靳小龙,等.区域综合能源系统电/气/热混合潮流算法研究[J].中国电机工程学报,2015,35(14):3634-3642.XUXiandong,JIAHongjie,JINXiaolong,etal.Studyonhybridheat-gas-powerflowalgorithmforintegratedcommunityenergysystem[J].ProceedingsoftheCSEE,2015,35(14):3634-3642.[9]施泉生,丁建勇,刘坤,等.含电、气、热3种储能的微网综合能源系统经济优化运行[J].电力自动化设备,2019,39(08):269-276+293.SHIQuansheng,DINGJianyongLIUKun,etal.Economicoptimaloperationofmicrogridintegratedenergysystemwithelectricity,gasandheatstorage[J].ElectricPowerAutomationEquipment,2019,39(08):269-276+293.[10]张涛,郭玥彤,李逸鸿,等.计及电气热综合需求响应的区域综合能源系统优化调度[J].电力系统保护与控制,2021,49(01):52-61.ZHANGTao,GUOYuetong,LIHongyi,etal.Optimizationschedulingofregionalintegratedenergysystemsbasedonelectric-thermal-gasintegrateddemandresponse[J].PowerSystemProtectionandControl,2021,49(01):52-61.[11]陈志,胡志坚,翁菖宏,等.基于阶梯碳交易机制的园区综合能源系统多阶段规划[J].电力自动化设备,2021,41(09):148-155.CHENZhi,HUZhijian,WENGChanghong,etal.Multi-stageplanningofpark-levelintegratedenergysystembasedonladder-typecarbontradingmechanism[J].ElectricPowerAutomationEquipment,2021,41(09):148-155.[12]熊宇峰,陈来军,郑天文,等.考虑电热气耦合特性的低碳园区综合能源系统氢储能优化配置[J].电力自动化设备,2021,41(09):31-38.XIONGYufeng,CHENLaijun,ZHENGTianwen,etal.Optimalconfigurationofhydrogenenergystorageinlow-carbonparkintegratedenergysystemconsideringelectricity-heat-gascouplingcharacteristics[J].ElectricPowerAutomationEquipment,2021,41(09):31-38.[13]骆钊,秦景辉,梁俊宇,等.含碳-绿色证书联合交易机制的综合能源系统日前优化调度[J].电力自动化设备,2021,41(09):248-255.LUOZhao,QINJinghui,LIANGJunyu,etal.Day-aheadoptimalschedulingofintegratedenergysystemwithcarbon-greencertificatecoordinatedtradingmechanism[J].ElectricPowerAutomationEquipment,2021,41(09):248-255.[14]CHENGYaohua,ZHANGNing,ZHANGBaosen,etal.Low-carbonoperationofmultipleenergysystemsbasedonenergy-carbonintegratedprices[J].IEEEtransactionsonsmartgrid,2020,11(2):1307-1318.[15]崔杨,邓贵波,曾鹏,等.计及碳捕集电厂低碳特性的含风电电力系统源-荷多时间尺度调度方法[J/OL].中国电机工程学报:1-18[2021-09-26].https://doi.org/10.13334/j.0258-8013.pcsee.210697.CUIYang,DENGGuibo,ZENGPeng,etal.Multi-Timescalesource-loaddispatchmethodofpowersystemwithwindpowerconsideringlow-carboncharacteristicsofcarboncapturepowerplant[J].ProceedingsoftheCSEE:1-18[2021-09-26].https://doi.org/10.13334/j.0258-8013.pcsee.210697.[16]刘方,徐耀杰,杨秀,等.考虑电能交互共享的虚拟电厂集群多时间尺度协调运行策略[J/OL].电网技术:1-17[2021-09-26].https://doi.org/10.13335/j.1000-3673.pst.2021.0491.LIUFang,XUYaojie,YANGXiu,etal.Multi-timescalecoordinatedoperationstrategyofvirtualpowerplantclustersconsideringpowerinteractivesharing[J].PowerSystemTechnology:1-17[2021-09-26].https://doi.org/10.13335/j.1000-3673.pst.2021.0491.[17]汤翔鹰,胡炎,耿琪,等.考虑多能灵活性的综合能源系统多时间尺度优化调度[J].电力系统自动化,2021,45(04):81-90.TANGXiangying,HUYan,GENGQi,etal.Multi-time-scaleoptimalschedulingofintegratedenergysystemconsideringmulti-energyflexibility[J].AutomationofElectricPowerSystems,2021,45(04):81-90.[18]陈锦鹏,胡志坚,陈颖光,等.考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化[J].电力自动化设备,2021,41(09):48-55.CHENJinpeng,HUZhijian,CHENYinguang,etal.Thermoelectricoptimizationofintegratedenergysystemconsideringladder-typecarbontradingmechanismand电力自动化设备electrichydrogenproduction[J].ElectricPowerAutomationEquipment,2021,41(09):48-55.[19]金力,房鑫炎,蔡振华,等.考虑特性分布的储能电站接入的电网多时间尺度源储荷协调调度策略[J].电网技术,2020,44(10):3641-3650.JINLi,FANGXinyan,CAIZhenhua,etal.Multipletime-scalessource-storage-loadcoordinationschedulingstrategyofgridconnectedtoenergystoragepowerstationconsideringcharacteristicdistribution[J]PowerSystemTechnology,2020,44(10):3641-3650.作者简介:李天格(1998—),男,硕士研究生,主要研究方向为综合能源系统优化与运行(E-mail:tiangeli_whu@163.com);胡志坚(1969—),男,博士,教授,博士研究生导师,通信作者,主要研究方向为电力系统稳定分析与控制、新能源与分布式发电等(E-mail:zhijian_hu@163.com)。Multi-timescalelow-carbonoperationoptimizationstrategyofintegratedenergysystemconsideringelectricity-gas-heat-hydrogendemandresponseLITiange,HUZhijian,CHENZhi,LIUShenghui(SchoolofElectricalEngineeringandAutomation,WuhanUniversity,Wuhan430072,China)Abstract:Inordertobetterpromotethelow-carboneconomicoperationoftheintegratedenergysystem(IES)andimprovethemulti-time-scaleoperationoptimizationmanagementlevel.Amulti-time-scaleoptimizationoperationstrategy,considerstheelectricity-gas-heat-hydrogendemandresponseandthesteppedcarbonemissioncostmechanism,isproposed.Thesteppedcarbonemissioncostmechanismandthehydrogenloaddemandotherthanelectric-gas-heatarespeciallyconsidered.Byoptimizingtheadjustabilityofthegasturbineheat-to-electricityratiointhecoupledequipment,amulti-timescaleoptimizationmodelofday-ahead-intra-dayrolling-real-timeisestablished.TheeconomicgoalistominimizetheoveralloperatingcostofIES,thecostofcarbonemissions,andthecostofabandoningwindandlight.TheoriginalnonlinearproblemistransformedintoamixedintegerlinearproblemandsolvedbytheGurobisolver.Throughsimulationcomparisonandanalysisoftheoptimizationresultsofvarioussituations,theeffectivenessoftheproposedstrategyinpromotinglow-carbonoperation,givingfullplaytotheflexibilityofsystemequipmentandpromotingcleanenergyconsumptionisverified.Keywords:multipletimescales;demandresponse;integratedenergysystem;steppedcarbonemissioncostmechanism;adjustableheat-electricityratio;hydrogenenergy李天格电力自动化设备附录A图A1综合能源系统运行框架图Fig.A1OperationalframeworkdiagramofintegratedenergysystemA-1电转气环节解耦运行过程与耦合设备建模1)EL设备。H2,ELELe,ELminmaxe,ELe,ELe,ELminmaxe,ELe,ELe,ELe,EL()()()(1)()PtPtPPtPPPtPtP(A1)式中:e,EL()Pt为t时刻输入EL的电能;H2,EL()Pt为t时刻输出EL的氢能;EL为EL能量转换效率;maxe,ELP、mine,ELP分别为EL的输入功率上下限;maxe,ELP、mine,ELP分别为EL的爬坡上下限。2)MR设备。g,MRMRH2,MRminmaxH2,MRH2,MRH2,MRminmaxH2,MRH2,MRH2,MRH2,MRe,MRMR,eH2,MR()()()(1)()()()PtPtPPtPPPtPtPPtPt(A2)式中:H2,MR()Pt为t时刻输入MR的氢能;g,MR()Pt为t时刻输出MR的天然气;MR为MR中氢气转甲烷的能量转换效率;maxH2,MRP、minH2,MRP分别为MR的输入功率上下限;maxH2,MRP、minH2,MRP分别为MR的爬坡上下限;e,MR()Pt为t时刻MR合成反应消耗电能;MR,e为MR合成反应的耗电比例。3)GT设备。e,GTh,GTGTmg,GTminmaxmg,GTmg,GTmg,GTminmaxmg,GTmg,GTmg,GTmg,GTminmaxGTe,GTh,GTGTmg,GTH2,GTg,GTminGTg,GTmg,GT()()()()(1)()()/()()()()()/()1PtPtPtPPtPPPtPtPPtPtPtPtPtPtPt(A3)式中:e,GT()Pt、h,GT()Pt分别为t时刻输出GT的电能、热能;mg,GT()Pt为t时刻输入GT的天然气-氢气混合气体;GT为GT能量转换效率;maxmg,GTP、minmg,GTP分别为GT的输入功率上下限,本文分别取2、0.5;maxmg,GTP、minmg,GTP分别为GT的爬坡上下限;minGT、maxGT分别为GT的热电比上下限;H2,GT()Pt、g,GT()Pt分别为t时刻输入GT的天然气-氢气混合气体中氢气、天然气量;minGT为输入GT的燃气中天然气含量的最低比例,本文取70%。4)GB设备。h,GBGBmg,GBminmaxmg,GBmg,GBmg,GBminmaxmg,GBmg,GBmg,GBmg,GBmg,GBH2,GBg,GBminGBg,GBmg,GB()()()(1)()()()()()/()1PtPtPPtPPPtPtPPtPtPtPtPtA4)式中:mg,GB()Pt为t时刻输入GB的天然气-氢气混合气体量;h,GB()Pt为t时刻输出GB的热能;GB为GB能量转换效率;maxmg,GBP、minmg,GBP分别为GB的输入功率上下限;maxmg,GBP、minmg,GBP分别为GB的爬坡上下限;H2,GB()Pt、g,GB()Pt分别为t时刻输入GB的天然气-氢气混合气体中氢气、天然气量;minGB为输入GB的燃气中天然气含量的最低比例,本文取70%。5)电锅炉(Electricboiler,EB)。h,EBEBe,EBminmaxe,EBe,EBe,EBminmaxe,EBe,EBe,EBe,EB()()()(1)()PtPtPPtPPPtPtP(A5)式中:e,EB()Pt为t时刻输入EB的电能;h,EL()Pt为t时刻输出EB的热能;EB为EB能量转换效率;maxe,EBP、mine,EBP分别为EB的输入功率上下限;maxe,EBP、mine,EBP分别为EB的爬坡上下限。A-2阶梯式碳费用及固碳收益模型1)阶梯式碳费用计量模型。具体模型如下:222taxtax,etax,gCOCOCOfff(A6)电力自动化设备e,buy,aee,buy1g,buy,agg,buy1()()TtTtEPtEPt(A7)2e,buy,aeee,buy,aeee,buy,aetax,eCOee,buy,aeeeee,buy,aeee,buy,aeeee,buy,ae0,if(),if2=(1)(2),if23(12)(3)(2),if3ElEllElfElllElEllEl(A8)2g,buy,aggg,buy,aegg,buy,agtax,gCOgg,buy,aggggg,buy,aggg,buy,agggg,buy,ag0,if(),if2=(1)(2),if23(12)(3)(2),if3ElEllElfElllElEllEl(A9)式中:2tax,eCOf、2tax,gCOf、2taxCOf分别为上级购电、购气的碳排放税及其两者总和;e,buy,aE、g,buy,aE为上级购电、购气内含碳排放量;e、g分别为单位电力消耗、单位天然气消耗的碳排放;e,buy()Pt、g,buy()Pt分别为t时刻的上级购电、购气量;T为一天24小时优化周期;e、g分别为电力、天然气碳费用基价;el、gl分别为电力、天然气阶梯式计税碳区间长度;为价格增长幅度。2)MR固碳补贴计量模型。模型如下:2subCOsubsubg,MR1()TtfPt(A10)式中:2subCOf为MR设备固碳收益;sub为单位固碳量补贴费;sub为产单位天然气量所固定的碳量;g,MR()Pt为t时刻MR输出功率。电力自动化设备附录B图B1多时间尺度优化框架图Fig.B1Multi-timescaleoptimizationframeworkdiagram图B2多时间尺度优化求解流程图Fig.B2Multi-timescaleoptimizationsolutionflowchart图B3各类负荷及分布式发电出力日前预测基准值Fig.B3Predictedbenchmarkvaluesofvariousloadsanddistributedpowergenerationoutputbeforetheday表B1分时电价表TableB1Electricitypricelist时段价格(元/kWh)1:00-7:00\23:00-24:000.388:00-11:00\15:00-18:000.6812:00-14:00\19:00-22:001.20表B2各类耦合设备运行参数TableB2Operatingparametersofvariouscouplingequipment设备容量/kW能量转换效率/%爬坡约束/%备用容量/%EL4009020±5MR2008020±5EB2009020±5GB4008520±5GT4008020±5表B3储能运行参数TableB3Energystorageoperatingparameters设备容量/kW能量转换效率/%容量约束/%最大功率约束/%蓄电池3009510~9030储气罐4009510~9030储热罐4009510~9030储氢罐2009510~9030表B4负荷需求响应经济参数TableB4Loaddemandresponseeconomicparameters负荷类型A类IDR(元/kWh)B类IDR(元/kWh)C类IDR(元/kWh)D类IDR(元/kWh)弃负荷惩罚(元/kWh)电负荷1.251.502.002.0010气负荷气价+0.35气价+0.65气价+1.05气价+1.0510热负荷1.501.802.502.5010氢负荷1.501.802.502.5010电力自动化设备表B5其他参数TableB5Otherparameters变量符号取值变量符号取值e1kg/kWhg0.6kg/kWhel、gl5000kg50%c,PVk、c,WTk0.2元/kWhsub0.1元/kgsub0.6kg/kWhB-1模型线性化处理1)对储能元件运行约束式(8)进行线性化。以正文中电储运行约束为例:chacha,maxe,sto,e,stodisdis,maxe,sto,e,stochadise,sto,e,sto,chachadisdise,sto,e,sto,e,sto,e,sto,e,sto,cape,e,e,sto,e,stomine0()0()()()0()()()/()(1)()/ssssssssssssPtPPtPPtPtPtPtPtStStPtPSmaxe,ee,e,()(0)()sssStSSST引入二值变量chae,sto,()sBt、dise,sto,()sBt以表征电储的充放能状态,值1值0分别表示处于/不处于某状态,对之进行线性化等效处理得到:chacha,maxchae,sto,e,stoe,sto,disdis,maxdise,sto,e,stoe,sto,chadise,sto,e,sto,chachadisdise,sto,e,sto,e,sto,e,sto,e,sto,e,e,0()()0()()()()1()()()/()(1)sssssssssssssPtPBtPtPBtBtBtPtPtPtStStcape,sto,e,stominmaxee,ee,e,()/()(0)()ssssPtPSStSSST其他形式能源的储能约束的线性化方法与之一致,不再赘述。2)对目标函数表达式中绝对值项进行线性化。以式(2)为例,该式中用户负荷管理的成本函数()loadft表示如下:,ahead,IDR,A,IDR,A,load,ahead,IDR,B,IDR,B,1e,g,h,H2c,load,loss,,()()()()snnsNsnnssnnnskPtftpkPtkPt为对上式中的绝对值项进行等效线性化,引入实数辅助变量,A()nUt、,B()nUt与二值辅助变量,A()nt、,B()nt、,A()nt、,B()nt。对此可等效表示为:,ahead,IDR,A,Aload,ahead,IDR,B,B1e,g,h,H2c,load,loss,,,IDR,A,,A,IDR,A,,A,IDR,A,,A,IDR,A,,A,()()()()()()()M()()()()M()snnNsnnsnnnsnsnnsnnsnnsnnkUtftpkUtkPtPtUtPttPtUtPttA,A,IDR,B,,B,IDR,B,,B,IDR,B,,B,IDR,B,,B,B,B()()1()()()M()()()()M()()()1nnsnnsnnsnnsnnnttPtUtPttPtUtPtttt式中:M为一较大常数。正文中其他目标函数中的绝对值项亦可依此进行线性化转换,在此不一一列举转换。至此模型线性化完成,此时模型由混合整数非线性模型转化为混合整数线性模型,可利用Gurobi进行求解。电力自动化设备附录C(a)电负荷各阶段预测值(b)气负荷各阶段预测值(c)热负荷各阶段预测值(d)氢负荷各阶段预测值(e)光伏各阶段预测出力值(f)风电各阶段预测出力值图C1各优化阶段预测负荷、分布式发电出力值Fig.C1Predictedloadandoutputvalueofdistributedpowergenerationineachoptimizationstage表C1各场景日前优化结果TableC1Optimizedresultsofdayahead指标场景1场景2场景3上级购电费用/元8433.27967.37858.7上级购气费用/元9246.49246.49341.8碳排放费用/元01670.51203.9弃风弃光/元000耦合设备运行费用/元1672.01666.71687.2储能设备运维费用/元97.3597.3597.35分布式发电运维费用/291.56291.56291.56A类IDR成本/元0490.74490.74总成本/元197412143120971购电碳排放/kg123791199011772购气碳排放/kg158511585116015总碳排放/kg282302784127787电力自动化设备(a)GT运行状态(b)EB运行状态(c)GB运行状态(d)EL运行状态(e)MR运行状态图C2日前阶段的各场景下各耦合设备的运行状态Fig.C2Theoperatingstatusofeachcouplingdeviceineachscenariointhepreviousstage(a)电负荷需求响应与弃负荷量(b)气负荷需求响应与弃负荷量电力自动化设备(c)热负荷需求响应与弃负荷量(d)氢负荷需求响应与弃负荷量图C3场景3各优化阶段负荷需求响应与弃负荷量Fig.C3LoaddemandresponseandabandonmentofloadineachoptimizationstageinScenario3表C2各场景实时优化结果TableC2Optimizedresultsofreal-timeoptimization指标场景1场景2场景3上级购电费用/元8529.98064.07957.7上级购气费用/元9207.99205.99300.6碳排放费用/元01673.61212.8弃风弃光/元19.3519.3519.35耦合设备运行费用/元1690.41685.71706.2储能设备运维费用/元98.8198.8398.76分布式发电运维费用/288.70288.70288.70A类IDR成本/元0490.74490.74B类IDR成本/元007.03C类IDR成本/元289.19296.10296.83D类IDR成本/元148.42154.31157.93弃负荷成本/元023.9315.35总成本/元202732199321544购电碳排放/kg125011211311899购气碳排放/kg157851578115944弃风电量/kWh65.3665.3665.36弃光电量/kWh31.3731.3731.37总碳排放/kg282862789427843(a)电负荷相关出力子图(b)气负荷相关出力子图电力自动化设备(c)热负荷相关出力子图(d)氢负荷相关出力子图图C4三阶段优化调度后IES各组分出力图Fig.C4TheoutputmapofeachIEScomponentafterthethree-stageoptimizationscheduling表C3不同清洁能源发电装机容量下的相关参数TableC3Relevantparametersunderdifferentinstalledcapacityofcleanenergypowergeneration指标200kW400kW600kW800kW1000kW清洁能源占比/%10.0320.2030.1540.1450.64购电碳排放/kg16505118217283.64123.01222.1购气碳排放/kg1610615941157781482013397总碳排量/kg326102776223061.61894314619.1购电碳排费用/元930.6463.9000购气碳排费用/元894.6739.3670.1589.2503.8总碳排放费用/元1825.21203.2670.1589.2503.8弃风电量/kWh7.814.922.933.846.4弃光电量/kWh3.89.811.917.429.1弃风惩罚费用/元1.63.04.66.89.3弃光惩罚费用/元0.82.02.43.55.8总成本/元2536321469177981456511827(a)低气价模式下运行状态(b)中气价模式下运行状态电力自动化设备(c)高气价模式下运行状态(d)特高气价模式下运行状态图C5不同气价条件下热电比及天然气-氢气运行情况Fig.C5Heat-electricityratioandnaturalgas-hydrogenoperationunderdifferentgasprices

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

碳中和
已认证
内容提供者

碳中和

确认删除?
回到顶部
微信客服
  • 管理员微信
QQ客服
  • QQ客服点击这里给我发消息
客服邮箱