区域智能供能系统能量管理系统概述

谢玉荣，梁晓莉，孙利鹏，蒋杰，程友发，何国中

（1.华电电力科学研究院，浙江杭州310030；2.浙江工业大学，浙江杭州310030；3.江苏华电通州热电有限公司，江苏南通226000）

区域智能供能系统能量管理系统概述

谢玉荣1，梁晓莉2，孙利鹏1，蒋杰3，程友发3，何国中3

（1.华电电力科学研究院，浙江杭州310030；2.浙江工业大学，浙江杭州310030；3.江苏华电通州热电有限公司，江苏南通226000）

随着“智能电网”概念到“智能能源网”的转变，区域智能供能系统不再局限于区域供电，而是涵盖电能、热能以及冷能的供应。区域智能供能系统的主要构成有：多种能源来源进行互补的供能系统、科学高效的能量管理系统、及时精确的用户侧监测系统以及可靠的通信系统。本文首先简单介绍了区域供能系统的结构并分析了区域供能系统的供能侧及用户侧特性。基于对大量文献的阅读与分析，对应用于区域智能供能系统的能量管理系统进行分析归纳，在介绍能量管理策略的基础上总结了几种较为经典的适用于区域智能供能系统的多目标优化算法。

区域供能；能量管理；多能互补

0 引言

区域供能系统是指设置在用户端或距离用户现场较近、能够独立输出电能、热能和冷能的系统，系统中包含节能环保的发电装置，充分利用发电余热进行供暖和制冷，有效提高诸如天然气、沼气等一次能源的利用率[1]。国内已有一批区域供能试点工程，如浦东机场一期工程、上海世博会50kW分布式供能系统项目等[2]。

目前，区域供能系统的技术已经比较成熟，对于该系统的研究主要集中于能量管理系统（Energy Management System，EMS）的开发和研制。EMS系统主要包括数据采集和监控系统（SCADA）、能量管理以及网络分析[3]。杨洋[4]针对上海虹桥商务区设计了一套SCADA系统，对生产、运输、换能进行实时监控和经济调度。马晓娟[5]借助防电磁学算法对并网运行的风/光/蓄多能互补系统进行能量优化的模型求解，以最大化程度利用可再生能源为原则进行调度管理。杨琦[6]基于改进微分进化算法，提出一种风光互补混合供电系统优化方式。以综合成本最小为优化目标，该算法具有较好的全局收敛性和快速性。

本文介绍了区域供能系统的结构并分析了区域供能系统的供能侧及用户侧特性，然后对应用于区域供能系统的能量管理系统进行了简单介绍，重点列举了几种典型的多目标优化方法，并总结对比了多目标优化方法的性能。

1 区域供能系统

区域供能系统作为智能能源网的分支，具有以下特点：能源梯度利用、燃料来源范围广、能量损失少、调度运行智能化、设备系统小型化、对环境友好等。

1.1 系统结构

区域供能系统一般包含多能互补的供能系统、进行调度管理的能量管理系统、用户侧监测系统以及将这些系统相互联系的通信系统。较为完整的区域供能系统结构如图1所示。

1.2 供能侧特性

区域供能系统中的供能侧一般包含多种能量源和储能设备，如图1所示，风力发电、太阳能发电、天然气分布式供能、地源热泵、冰蓄冷、燃料电池等技术可以供给用户侧所需的电、热、冷能，称为多能互补技术。

1.2.1 风力发电数学模型

风力发电的输出功率受环境的影响具有很强的随机性和波动性[7]，风机出力Pw与风速、空气密度、风机叶片半径之间的特性关系由下式给出：

式中Pw—风机出力，W；

式中β—桨叶节距角，rad；

λ—叶尖速比。

1.2.2 光伏发电模型

太阳能光伏发电易受周围环境（光照、温度、阴影等）的影响，在局部阴影下其输出电流-电压（I-U）曲线会呈现多阶梯性，功率-电压曲线会呈现多峰值性[8]。

光伏电池Ps-U特性的工程数学模型如下式：

ρ—空气密度，g/m3；

r—风机叶片半径，m;

v—风速，m/s；

Cp—风能利用系数，其计算公式如下：

式中Ps—光伏出力，W；

Im—最大功率点电流，A；

Isc—短路电流，A;

Uoc—开路电压，V；

Um—最大功率点电压，V；

C1，C2—分别是在标准测试条件下，与开路电压Uoc和短路电流Isc，最大功率点电流Im和电压Um等因素有关的两个无量纲量，具体计算方法如下：

1.2.3 燃气轮机模型

微型燃气轮机的输出功率与燃料量成正比，即输出功率是可控且可预测的[9]。燃气轮机透平输出功率Pg为：

式中Pg—燃机出力，W；

qT—透平质量流量，g/s；

cpg—平均比定压热容，J/(kg·K);

T3—透平入口温度，K；γg—空气等熵指数；

πT—透平压比；

ηT—透平等熵效率，%。

1.2.4 燃料电池模型

燃料电池的内部结构有电解质、电极和正负极连接端子等，阴阳两级分别充满电解液，电极间则为具有渗透性的薄膜。联网的燃料电池[10]瞬时输出功率Pc为：

式中Pc—燃料电池，W；

E—电池电动势，V；

m—换流器调制度；

US—区域供能系统的电压，V；

XS—区域供能系统等效阻抗，Ω；

XT—变压器阻抗，Ω；

δFC—功率调节器超前角，rad；

RFC—电池内阻，Ω。

1.3 用户侧特性

对于一个区域内的用户来说，对电能、冷能、热能都有着不同程度的需求，故供能侧必须要包含能够供应不同能源的设备，如风机、天然气分布式发电系统、热电联产设备等，而为了保障能源供应的可靠性，需要添加一些储能设备。上述设备都通过用户侧区域供能系统的网络相互连接，共同满足用户侧对于不同能量的要求。

基于用户侧安全可靠用能的要求，需要有一套灵活有效的控制策略进行供能侧的管理与用户侧的负荷分配，即能量管理系统。当负荷结构发生变化时，能够迅速响应，进行动态匹配，满足负荷需求。

图1 区域智能供能系统结构图

2 能量管理系统

目前能量管理系统主要针对发输电系统，对电网进行调度决策管理以及控制，旨在提高电能质量，保证电网安全运行以及改善电网运行经济性。随着智能能源网概念的提出与推广，能量管理系统不再局限于对电网的管理与调度，而延伸到能源网领域，在电网管理的基础上实现对冷、热能等的管理。

2.1 能量管理策略

区域供能系统的能量管理策略主要可以分为两种：并网运行时的管理以及独立运行时的管理。

独立运行时，区域供能系统一般由于主电网故障等原因需要切断与主电网的联系以保障区域供能安全稳定。此时，需要最大限度地调动系统中的各种分布式能源保证区域内所有用户对各种能源的需求。然而，如风力发电、光伏发电等的分布式能源具有很强的波动性和随机性，无法满足长期稳定的供能需求。独立状态下，能量管理系统需要对分布式能源单元进行调节控制保证稳定供能、保证供能质量、调节供需平衡，尽力减少能源供应的损耗，通常以网损最小作为运行控制目标的首选。

并网运行时，区域供能系统既可以对用户供能又可将电能送入电网。在供能侧无法满足用户侧的能量需求时，可将大电网的能量供给用户；在供能侧能量无法被用户消纳时又可将多余能量送入大电网，故不存在供需不平衡的问题。在此状态下，系统需要考虑的主要问题为供能的能量质量问题，特别是送入电网的电能质量能否满足相关规定的要求。此时，能量管理策略以运行成本最低为目标，需要能量管理系统在维持能量平衡的基础上，合理地调配供能侧、用户侧与大电网之间的能量交换，通过与电网的电能交换获得更多的经济利益。

2.2 多目标优化方法

能量管理系统中管理策略的目标是在降低系统的综合运行成本的同时保证区域供能系统能够在不同运行状态、不同工作环境下都能达到最优机组的经济出力。多目标优化算法是一种常用的进行各种机组经济调度的方法。

进行多目标优化首先要确立优化模型，根据系统的运行模式确定目标函数，设置相应的约束条件，进而使用智能算法进行模型求解，获得最佳方案。

优化规划目标通常包括系统可靠性、污染物排放量以及系统成本三大类[11]，可靠性指标包含供能不足时间、供能不足时间概率、供能不足容量概率等；污染物排放量指燃料转化过程形成的污染物总量，包括CO、CO2、未燃尽碳氢化合物、硫化物和氮氧化物生产量；系统成本指标包括全寿命周期内的标准化成本和净费用等。

大量文献针对区域供能系统的多目标优化模型求解问题进行相应研究，提出了一些多目标优化方法，下文介绍几种典型的基于智能优化的多目标优化方法。

2.2.1 粒子群算法

粒子群优化算法[12]（Particle Swarm Optimization，PSO）中，每个粒子都被视为优化问题的潜在解，在每次迭代的过程中，粒子i通过2个极值点来更新自己所在的位置参数以及速度vik参数：一个是粒子本身找到的最优解pibest；另一个是整个群体的最优解gbest。

式中ω—惯性权重；

c1，c2—学习因子，通常取值在[0，2]之间；

r1，r2—0～1之间的随机数。

采用PSO算法进行模型求解的步骤如下：

（1）系统进行初始化，向系统中输入风机、光伏、天然气分布式机组、蓄电池、换流器等设备的参数。

（2）设置粒子群的种群规模，学习因子、最大迭代次数等参数，并随机选择粒子的初始位置和速度。

（3）计算出所有粒子的适应度，分别将粒子i所处的最优位置和适应度记录为pibest，将种群中最优个体所在的位置和适应度记录为gbest。

（4）判断整个求解过程是否已经满足最大迭代次数，是则回到步骤（5），否则回到步骤（3）继续寻优。

（5）输出计算结果，即gbest及其对应的最优适应度函数值，算法运行结束，得出最优解。

2.2.2 NSGA-II算法

精英非支配解排序遗传算法（Elitist Non-dominated Sorting GA，NSGA-Ⅱ）[13]对比单目标进化算法的优势在于不需要选取每个优化目标的权重。算法需要对选取的种群进行非支配排序，每个解的适应度就是它的非支配水平。NSGA-Ⅱ算法的步骤如下：

（1）初始化系统，输入系统各部分参数。使用随机函数产生初始化种群P0，通过准稳态仿真的方法来计算P0个体适应度函数值。然后按照个体支配关系对P0进行排序并计算聚集距离。

（2）从父代种群Pt中通过进行选择、交叉和变异这三种操作从而得到子代种群Qt。将这两个种群混合在一起就为新种群Rt，对Rt使用Pareto排序法进行排序，确定Rt全部的非支配解前沿面，选取排序高的个体为选择算子。

（3）对新产生的子代群体进行非支配排序，并采用准稳态仿真策略来计算出在每个选定的时间步长内的指标，包括各设备出力和运行时间、系统未满足负荷量和浪费功率等[11]。

（4）分别计算出处于非支配层的各个体的目标函数和约束值，并将其作为个体适应度函数的评价指标来计算各个体之间的支配关系，对个体使用Pareto排序法进行排序，并计算聚集距离。

（5）根据排序结果，从Rt中选择最优的N个个体再通过交叉、变异等产生新的父代种群Pt+1。

（6）判断终止条件，若满足，则，输出得到最终的优化结果，否则返回步骤（2）。

3 区域智能供能系统发展趋势

区域智能供能系统作为一种新兴事物，其发展方向处于摸索前进的状态。但不可否认的是区域智能供能系统的发展和推广将为能源的开发利用带来前所未有的机遇与挑战。

规模大型化：智能能源网提出了“标准先行、地方先动”的行动准则，首先从地方政府着手，以600多个市级单位为主导，推动集成化改革[14]，在地方推进区域智能供能系统示范，再辐射扩大。

能量低碳化：第四次能源革命被称为新能源革命，在建立可持续化发展的能源系统过程中，需要逐步淘汰煤炭、石油、天然气为代表的化石能源，以低碳可再生的新能源作为替代。虽然这个过程可能持续上百年，但却是不可逆转的趋势，也是区域供能系统的发展方向之一。

供能多样化：目前，区域供能系统主要包括供电、供热以及供冷，未来能源网将电力、燃气、水务、热力、储能、数据、有线电视等资源整合为整体资源，能够极大程度满足用户的各种需求。

4 结语

本文对区域智能供能系统进行了全面的论述，首先介绍了区域供能系统的结构并分析了供能侧及用户侧特性。对应用于区域智能供能系统的能量管理系统进行分析归纳，分析不同运行模式下的能量管理策略，并在此基础上总结了几种较为经典的适用于区域智能供能系统的多目标优化算法。未来区域智能供能系统可能以规模大型化、能量低碳化、供能多样化为发展趋势，满足用户侧对多种类型能量的需求。

[1] 黄洁.区域分布式供能系统的政策问题[J].电力与能源，2012，33(5)：456-459.

[2] 刘惠萍.基于区域分布式能源系统的智能微网能源管理[J].沈阳工程学院学报(自然科学版)，2011，7(4)：294-297.

[3] 郝雨辰，窦晓波，吴在军，等.微电网分层分布式能量优化管理[J].电力自动化设备，2014，34(1)：154-162.

[4] 杨洋.微电网能量管理机制与控制体系的完善[D].上海：上海交通大学，2011：1-73.

[5] 马晓娟.风/光/蓄多能互补微电网系统能量优化研究[D].广西：广西大学，2013：1-54.

[6] 杨琦，张建华，刘自发，等.风光互补混合供电系统多目标优化设计[J]. 电力系统自动化，2009，33(17)：86-90.

[7] 李媛媛，邱跃丰，马世英，等.风电机组接入对系统小干扰稳定性的影响研究[J].电网技术，2012，36(8)：49-55.

[8] Qi Jun，Zhang Youbing，Chen Yi. Modeling and maximum power point tracking (MPPT) method for PV array under partial shade conditions[J]. Renewable Energy，2014，66：337-345.

[9] 张化光，邓玮，耿加民.发电用燃气轮机的非线性数学建模及稳定性分析[J].中国电机工程学报，2007，27(26)：108-114.

[10] 沈海权，李庚银，周明.燃料电池和微型燃气轮机的动态模型综述[J].电网技术，2004，28(14)：79-82，89.

[11] 郭力，刘文建，焦冰琪，等.独立微网系统的多目标优化规划设计方法[J].中国电机工程学报，2014，34（4）：524-536.

[12] WANG L，SING H C.PSO-based multi-criteria optimum design of a grid connected hybrid power with multiple renewable source sources of energy// Proceedings of 2007 IEE E Swarm Intelligence Symposium，April 1-5，2007，Honolulu，HI，USA.Piscataway，NJ，USA: IEEE，2007:250-257.

[13] 徐大明，康龙云，曹秉刚.基于NSGA-Ⅱ的风光互补独立供电系统多目标优化[J].太阳能学报，2006，27(6)：593-598.

[14] 王明俊.智能电网与智能能源网[J].电网技术，2010，34（10）：1-5.

修回日期：2016-11-22

华电电力科学研究院介绍

华电电力科学研究院（简称“华电电科院”）成立于1956年。2003年电力体制改革时归属于中国华电集团公司，是国有全资的科研机构。

历经几代人50多年的积累、创新和发展，在发电领域取得了骄人成绩，形成了“发电技术监督管理与服务、发电技术研究与应用、电力行业标准与检测、水利水电装备研究与制造成套”四大业务板块。

华电电科院建有“空调蓄能与建筑节能重点实验室”，正在筹建国家能源局“国家能源分布式能源技术研发（实验）中心”。华电集团的“动力技术研究中心、煤炭质检计量中心”、“国家电力水电施工设备、电力金属结构检测中心”挂靠我院。我院先后建立了博士后科研工作站、院士工作站、浙江大学研究生教育实践基地等，并与浙江大学联合培养硕士研究生。

华电电科院拥有两家全资子公司和五家参股公司，是院体系开展产业化的平台，主要开展技术成果的产业化和推广应用、节能降耗项目的合同能源管理等业务。

华电电科院坚持以科学发展观为指导，以创造可持续价值发展为引领，以科技创新、服务华电为战略定位、坚持以人为本、科技创新，秉承“自强求变、厚德求进”的企业精神和“诚信、求真、和谐、创新”的核心价值观，为发电企业的安全稳定、经济高效、节能环保运行提供可持续的技术服务和创新支持，努力为电力行业的科学发展及技术进步做出贡献。

Review on Energy Management System Applied to Regional Intelligent Power System

XIE Yu-rong1，LIANG Xiao-li2，SUN Li-peng1，JIANG Jie3，CHENG You-fa3，HE Guo-zhong3
（1.Huadian Electric Power Research Institute of Hangzhou 310030，China；2.Zhejiang University of Technology，Hangzhou 310030，China；3.Jiangsu Huadian Tongzhou Thermal Power Co.，Ltd，Nantong 226000，China）

As the transformation of the concept from “smart grid”to “smart energy grid”，regional intelligent power system is no longer limited to the electricity supply but covers the supply of electricity，heat energy and cold energy. Regional intelligence system is composed of multi-energy complement system，energy management system，user monitoring system and communication system. At first，structure of regional intelligent power system is introduced and the characteristics of both power and user side are analyzed. Based on the reading and analysis of a large number of literatures，energy management system corresponding to intelligent power system is analyzed，energy management strategy is introduced and several multi-objective algorithms suitable for intelligent power system are summarized.

regional power supply；energy management system （EMS）array；multi-energy complement

10.3969/J.ISSN.2095-3429.2016.06.001

TM615

A

2095-3429（2016）06-0001-05

谢玉荣（1982-），男，江苏扬州人，博士，主要从事光伏发电与并网技术研究；梁晓莉（1990－），女，浙江台州人，研究生，主要从事光伏发电与并网技术研究；孙利鹏（1990-），男，江苏泰州人，研究生，主要从事光伏发电与并网技术研究。

2016-09-22