含电转气的冷热电联供型微电网多目标优化调度

张承鑫，白尚旻，赵冠雄，马群凯

(1.东北电力大学,吉林 吉林 132012;2.国网吉林供电公司,吉林 吉林 132012;3. 国网长春供电公司,长春 130021)

冷热电联供(combined cooling,heating and power,CCHP)型微电网具有运行模式多样性，较高的能源利用率，将制冷、制热、供电的微源设备相结合可实现能源的梯级利用，减少环境污染[1-3]。

目前对于微电网的研究大多针对经济调度方面，鲜有文献考虑CCHP型微电网污染气体排放的问题，文献[4]以运行成本最低为目标建立含储能的CCHP优化调度模型，解耦以热定电约束；文献[5]建立考虑储能电站的CCHP型微电网的优化经济调度模型。然而，CCHP型微电网运行过程中会产生污染气体，随着各国对污染气体排放问题的关注，以经济调度为单目标的优化结果具有局限性。因此将两者结合的多目标优化具有重要意义。

此外电转气(power to gas,P2G)技术近年来日益成熟，通过转换生成的甲烷属于清洁能源，燃烧过程不会产生污染气体，利于环境的保护，电能的转换也会为风电的消纳提供新的思路[6]。现有针对P2G的研究主要集中在P2G的优化配置方面，文献[7]将P2G视为第二类灵活资源，优化配置风光机组及第三类灵活性资源的容量；文献[8]将风电-氢储能(wind-hydrogen energy storage,W-HES)与火电整合，表明配置一定容量的P2G有利于提高系统经济性。然而目前针对于P2G对CCHP型微电网调度影响鲜有研究，P2G配合燃气轮机实现了电力和天然气系统的双向流动，对CCHP型微电网的运行和调度有着显著的影响，因此考虑CCHP和P2G联合运行具有较强现实意义。

综上所述，本文考虑运行成本和污染气体排放成本建立了含P2G的CCHP型微电网多目标优化调度模型，采用帕累托(Pareto)最优解的多目标粒子群(multi-objective particle sware optimization,MOPSO)算法对模型求解，通过算例仿真对含P2G的CCHP型微电网运行系统的弃风消纳、微电源出力、经济环境效益进行分析。

1 含P2G的CCHP型微电网模型

本文研究的CCHP系统主要包含风机(wind turbine，WT)、燃气轮机(gas turbine，GT)、储电装置(energy storage，ES)、燃气锅炉(gas boiler,GB)、余热锅炉(waste heat boiler，WHB)、换热器(heat exchanger，HE)、吸收式制冷机(absorption refri-gerator，AR)、电制冷机(electrical conditioning，EC)。含P2G的CCHP型微电网(MG)结构示意图见图1。

图1 含P2G的CCHP型微电网结构示意图

WHB、HE、AR模型参见文献[9]，限于篇幅有限，此处不再赘述。

1.1 GT模型

燃气轮机是CCHP系统常用的供能设备。发电的同时将燃烧产生的余热经吸收式制冷机和余热锅炉供冷、供热。忽略GT燃烧天然气网中混合气体与燃烧P2G产生的纯甲烷气体输出相同功率消耗然气量不同的影响。该微源耗气量模型如下：

(1)

式中：PGT,i,t为第i台GT在t时刻发出电功率；ai，bi，ci为GT能量转换系数[10]；QGT,i,t为第i台GT在t时刻耗气量，包括天然气网中注入的气体和P2G制得的甲烷。

1.2 EC模型

EC通过消耗电能制冷，消耗电能与产生冷能关系如下：

QEC,t=PEC,t(1-ηEC,l)ηECCEC

(2)

式中：QEC,t表示t时刻EC制冷量，ηEC,l、ηEC为EC能量损失系数和制冷效率；CEC为EC制冷能效比。

1.3 GB模型

GB通过消耗天然气实现供热，耗气量如下：

(3)

式中：QGB,i,t为第i台GB在t的产热功率;FGB,i,t为第i台GB在t时刻耗气量;ηGB为GB的热效率；LNG为天然气热值，一般为9.7 kW·h/m3[9]。

1.4 P2G模型

(4)

式中：ξP2G为P2G转换效率；HQ为天然气热值；PP2G,t为时t刻P2G转换过程耗电量；QP2G,t为t时刻P2G转换后产生的天然气，储存在天然气储存罐中。

2 目标函数及约束条件

2.1 目标函数

本文所提含P2G的CCHP型微电网优化调度模型以全系统运行成本和污染气体排放治理成本为目标。系统运行成本包括GT燃烧天然气消耗成本、从配电网购电成本、弃风惩罚成本、电转气运行成本。污染气体排放成本主要考虑天然气燃烧产生SO2、NO等污染气体治理成本。

本文旨在使系统运行成本最低和环境治理成本最低作为系统优化的2个目标，目标函数表示如下：

(5)

式中：F1表示系统运行成本；F2表示环境成本。

2.1.1 目标1：运行成本

F1=fgas+fgrid+fWT+fP2G

(6)

式中：fgas为GT和GB燃烧天然气成本；fgrid为从配电网购电成本；fWT为弃风惩罚成本；fP2G为P2G运行成本。

2.1.1.1 燃气成本

(7)

式中：T为调度周期总时段；NGT为GT总数；NGB为GB总数；cgas为天然气购气价格，取2.2元/m3。

2.1.1.2 购电成本

(8)

式中：ρt为t时刻CCHP系统从配电网购电价格[5]；Pgrid,b,t为t时刻CCHP系统从配电网购电功率。

2.1.1.3 弃风惩罚成本

(9)

2.1.1.4 P2G运行成本

当风电出力有剩余时，多余的风电通过P2G转化为天然气消纳，P2G运行成本如下：

(10)

式中cP2G为P2G的运行成本系数。

2.1.2 目标2：环境成本

污染气体排放治理成本如下：

(11)

式中：Npg为污染物种类，包括SO2、NO、CO气体；σi为第i种污染物单位排放治理成本系数；Qpg,i为第i种污染物排放量。

2.2 约束条件

2.2.1 等式约束

等式约束包括冷热电负荷平衡约束，储能装置运行状态约束。

2.2.1.1 电负荷平衡约束

Pload(t)=PWT(t)+PGT(t)+PES,d(t)+

Pgrid,b(t)-PP2G(t)-PES,c(t)-PEC(t)

(12)

式中：PWT(t)为t时刻风电计划接纳功率；PGT(t)为t时刻GT输出功率；PES,d(t)为t时刻ES放电功率；Pgrid,b(t)为t时刻从配电网购电功率；PES,c(t)为t时刻ES充电功率；PEC(t)为t时刻EC耗电量；Pload(t)为t微电网t时刻电负荷。

2.2.1.2 热负荷平衡约束

Pheat(t)=PGB(t)+PHE(t)

(13)

式中：PGB(t)为GB在t时刻制热功率；PHE(t)为HE在t时刻制热功率；Pheat(t)为微电网t时刻热负荷。

2.2.1.3 冷负荷平衡约束

Pcool(t)=PAR(t)+QEC(t)

(14)

式中：PAR(t)为AR在t时刻制冷功率；QEC(t)为EC在t时刻制冷功率；Pcool(t)为微电网t时刻冷负荷。

2.2.1.4 储电装置荷电状态约束

S(t)=S(t-1)(1-σES)+[ηES,cPES,c(t)-

PES,d(t)/ηES,d]Δt

(15)

式中：S(t)为ES在t时刻的存储能量；σES为ES自损耗系数；ηES,c为ES充能效率；ηES,d为ES放能效率；Δt为调度时段步长。

2.2.2 不等式约束

2.2.2.1 第k个微电源出力上下限约束

Pk,min≤Pk(t)≤Pk,max

(16)

式中：Pk,min和Pk,max分别表示微电网中各微源系统出力最小和最大功率。

2.2.2.2 储电装置充放电功率约束及容量约束

(17)

式中：Smin、Smax分别为ES容量上、下限；PES,min、PES,max分别为ES最小、最大充放电功率；考虑到储能装置在同一时刻不能同时充放电,设置ES充放电状态变量UES,c、UES,d。

3 基于帕累托最优解的MOPSO算法

结合本研究采用基于帕累托最优解的MOPSO算法求解多目标问题，具体步骤如下。

步骤1:输入含P2G的CCHP型微电网各微电源运行参数、费用参数，确定种群规模，设定惯性权值以及迭代次数；

步骤2:初始化粒子位置X，即各微电源如GT、GB、EC在每个时段功率，生成粒子初始速度v，形成1个粒子，以初始位置作为粒子个体最佳位置；

步骤3:分别计算目标函数F1(以系统运行成本最低)的优化调度模型和目标函数F2(以环境治理成本最低)的优化调度模型，得到每个个体的目标函数值，基于帕累托支配关系排序，计算个体的排挤距离筛选非劣解，优先选择拥挤度大的粒子，选取全局最优解；

步骤4:更新粒子速度和位置；

步骤5:计算目标函数F1、F2，更新非劣解集和个体最优解以及全局最优解；

步骤6:判断是否满足最大迭代次数，满足则执行步骤7，不满足则执行步骤4；

步骤7:输出帕累托最优解集。

4 算例分析

本文选取包含P2G设备的冷热电联供型微电网作为仿真对象，天然气价格为2.2元/m3,优化周期为T=24 h，调度时长Δt为1 h。以夏季为例，通过可再生能源最大出力预测和负荷预测得到夏季典型日功率和负荷曲线(见图2)。为了对比分析P2G对冷热电联供型微电网各微源出力影响，分为以下两种场景分析：

图2 夏季典型日负荷及风电功率曲线

场景1：传统冷热电联供型微电网优化运行；

场景2：在场景1运行方式的基础上加入P2G。

4.1 场景1

图3、图4分别为场景1、2的帕累托最优解集散点图。

图3 场景1的帕累托最优解集散点图

图4 场景2的帕累托最优解集散点图

选取帕累托前沿最左边的一个点，即运行成本最低，环境成本最高点进行分析。

4.1.1 不同场景下系统对风电使用情况

图5为两种场景下弃风功率。由于风电功率部分时段远超负荷功率，导致场景1存在在大量时段风电功率无法上网，产生弃风现象。场景2中当P2G加入到CCHP行为微电网后，多余的风电通过P2G转化成天然气注入天然气网消纳，使系统风电完全消纳，增加了系统风电接纳能力，相比场景1弃风率减少9.53%。同时由于P2G加入系统，相当于增加了系统的电负荷，起到了对负荷“填谷”的作用。

图5 两种场景下系统弃风功率

4.1.2 不同场景下对系统微电源出力影响

场景1：该运行方式下，CCHP型微电网独立运

行，不包含P2G，各微电源出力见图6。系统冷负荷由EC和GT提供，热负荷由GB和GT提供。系统存在时段风电功率大于电负荷需求，此时为降低系统运行成本，部分时段ES储能功率提高，在电负荷功率超过风功率时，ES放电供电负荷使用，降低系统运行成本。

图6 不含P2G的CCHP型微电网微电源出力

4.2 场景2

场景2：对比场景1，该运行方式下，P2G投入到CCHP型微电网联合运行，各微电源出力见图7。ES储能充放电次数减小，是因为P2G尽可能将微电网中消纳不掉的风电转换成天然气供GT使用，降低系统运行成本，这就造成了ES充放电次数降低，同时由于P2G产生的甲烷直接供GT使用，使得部分时刻GT出力增加(如9：00—14：00)，GB和AC出力降低。

图7 含P2G的CCHP型微电网各微电源出力

4.3 不同场景下微电网运行成本及环境成本

不同场景下系统运行成本和环境成本见表1。

表1 不同场景下夏季典型日系统运行成本 元

从经济性角度，场景2相较于场景1系统运行成本下降明显，原因是场景2中P2G使弃风电量完全消纳，减少了弃风惩罚成本，同时P2G将转化后的天然气存储起来直接供各GT，减少了GT从天然气网的购气成本，综合可得场景2运行成本更低。

从环境保护角度，P2G转化过程会消耗CO2，同时转化后产生的甲烷属于纯净燃料，燃气轮机燃烧不会产生NO、SO2等污染气体，因此P2G投入到CCHP型微电网使环境成本降低。

5 结论

本文将P2G与CCHP型微电网相结合，建立了考虑运行成本和环境成本的多目标优化调度模型，采用帕累托最优解的MOPSO算法对模型求解。实验结果表明，P2G的投入使CCHP系统的风电消纳能力大大提高，P2G联合CCHP型微电网运行减少了ES充放电功率及次数，进而可减小ES容量。弃风惩罚成本降低使运行成本大大降低，同时P2G产生甲烷直接供给GT不会产生污染气体，使的环境治理成本降低，环境价值转化为经济效益，进一步降低了系统运行成本。综合分析，P2G的投入使CCHP型微电网具有良好经济性和环保性，在未来的能源发展中具有广阔的应用场景。