多区域含冷热电联供和储能的综合能源系统运行优化

2022-10-11 01:11赵晶晶应伦杰屈靖雅
电测与仪表 2022年10期
关键词:热网热能储能

赵晶晶,应伦杰,屈靖雅

(上海电力大学 电气工程学院, 上海 200090)

0 引 言

在能源紧缺,环境问题日趋严重的当下,如何有效提高能源利用效率,实现可持续发展的目标,成为当今世界的热门话题[1]。相关学者专家提出“能源互联网”概念,目的是改善当前环境问题[2],能源主干网和综合能源系统组成能源互联网。综合能源系统的核心是冷热电联供系统,将电、热、气耦合在一起,协同运行[3-4],其可以更高效地利用能源,提高系统的经济和环境效益,具有非常好的发展前景。

目前关于IES的研究,主要有三个方面:系统建模、规划与运行优化。文献[4]对区域综合能源系统(Regional Integrated Energy System,RIES)的规划和运行优化方面的问题进行了较为全面的归纳,并对其中存在的问题进行了概括与分析;文献[5]对单个RIES进行了运行优化,单一的负荷特性对优化结果产生了一定影响;文献[6]将多个RIES通过热网联系在一起进行优化,但未考虑可再生能源的随机性,对储能设备(Energy Storage System,ESS)考虑不充分,与实际运行结果有一定距离;文献[7]通过两阶段求解规划策略,提出了将风电不确定性考虑在内的IES规划方法。

通过对上述文献的分析,可以发现,目前对于IES的研究往往是基于单个区域的冷热电联供系统(Combined Cooling Heating and Power,CCHP)系统,系统的负荷特性单一,没有对多个RIES一起进行协同优化。而多RIES的运行优化中未分析ESS解耦热电比的作用,可再生能源的随机性考虑不充分。

针对上述问题,建立含有风电、ESS、CCHP及热网的多RIES运行优化模型,对模型进行仿真分析得到各个区域热、电功率优化情况。仿真结果表明:多个RIES协同运行可以提高经济效益,优化过程中需考虑风电不确定性以得到更贴合实际的结果,ESS在多RIES中可以起到解耦热电约束降低运行成本的作用。

1 多RIES

1.1 多RIES系统结构

区域综合能源系统(RIES)是由可再生能源、CCHP系统、ESS组成的多能源供应系统。文中的研究对象是多RIES,结构图如图1所示。

图1 多区域综合能源系统结构图

如图1所示,系统中有多个区域以及热网、电网和燃气网,每个区域都包含CCHP系统。当某一时段系统中有多余的电能时,可以向电网售电。热网将各个区域的热负荷进行耦合,热能产生过多的区域将多余的热能通过热网传输给产热不足的区域。

1.2 CCHP系统

1.2.1 CCHP系统组成

CCHP系统与天然气网、电网及热网均有交互,其能量流示意图如图2所示。

如图2所示,CCHP系统与电网、热网的交互具有双向性。V1、V2为自动控制阀,热网通过V1与换热装置、储热装置相连,通过V2与热负荷相连。当CCHP系统产生多余热能时,V1打开,V2闭合,热能通过热网传输至其它产热不足区域;当CCHP系统产热不足时,V1闭合,V2打开,热网将热能传输至热负荷。

图2 CCHP能量流示意图

结合热网的多R用最小。在建立CCHP模型时,需要考虑以下几点:

(1)ESS由储IES在并网模式下优化运行的目标是使系统运行费电设给出指令使其储存或释放能量;需要考虑储能设备(ES)和储热设备(HS)两部分组成,运行优化策略成本,以及充放电功率和容量等约束;

(2)使用场景分析法分析风电出力不确定性带来的影响;

(3)在运行过程中需要考虑的约束有:场景约束;等式约束:冷热电功率平衡方程、ESS的储能关系式、节点热量平衡约束、热损平衡约束;不等式约束:各个设备的运行约束、可利用热功率上下限约束。

1.2.2 ESS的作用

负荷热电比与燃气轮机(Gas Turbine,GT)出力热电比越接近,系统中能源的利用越充分,但是在实际运行情况中负荷热电比往往比较大。而 “以热定电”、“以电定热”则会出现经济性降低,高峰热负荷无法满足的问题。ESS可以在时间上解耦能源的生产和消耗,比如将这一时段系统产生的多余热能转移至热负荷较高的时段,提高系统经济效益。

1.2.3 风电不确定性

风电出力存在不确定性和波动性,如果优化计算过程中直接使用风电预测出力曲线,则无法反应真实的运行成本,通过可能出现的场景来模拟风电出力的随机性,场景由拉丁超立方采样(Latin Hypercube Sampling,LHS)得到,其主要为两个步骤,分别是采样和排列。在LHS采样得到场景后,使用Cholesky分解进行排序,降低采样值之间的相关性,从而得到初始场景,最后由于场景数量巨大会导致计算工作量大,所以利用同步回代消除场景,得到最具有代表性的风电出力场景集[8-13]。

假设风电出力波动性满足正态分布,方差为预测误差,暂取10%,采样上述方法得到10个风电出力场景,每一个场景都是实际出力中可能发生的波动,有效反应了风电不确定性,使预测精度得到提高。

1.3 热网系统

热网承担通过管道和热载体输送热能给热用户的任务。热载体主要有水和水蒸气,研究对象为供水供热系统。由于热网能量传输通用模型为非线性,无法通过传统的优化算法进行求解,所以使用简化的热网能量流模型,将其与CCHP运行优化模型通过热功率耦合,构成多RIES优化模型。

主要考虑的约束条件为:节点流量平衡约束;热损平衡约束;可利用热功率上下限约束。

2 多区域IES运行优化模型

2.1 目标函数

对于并入电网且含有热网的多RIES来说,运行优化目标函数为:

minCIES=Ce,b-Ce,s+Cg+CP+CESS

(1)

式中Ce,b为 IES 从电网购电费用(元);Ce,s为 IES向电网售电所得费用(元);Cg为燃气费用(元);CP为热网运行费用(元)。CESS为储能设备运行费用(元)。

(1)购电费用

(2)

式中N为CCHP 系统数量;M为调度周期时段数;Ce,b,t为t时段购电电价(元/kWh) ;Pg,b,i,t为在t时段第i个CCHP系统购电量(kW);Δt为调度时段的时长(h)。

(2)售电费用

(3)

式中Ce,s,t为t时段售电电价(元/kWh) ;Pg,s,i,t为第i个CCHP系统在Δt时段的售电功率(kW)。

(3)燃气费用

(4)

式中Cz为购买天然气的单位热价(元/kWh);QGB,i,t为第i个CCHP系统在时段t燃气锅炉(Gas Boiler,GB)产热功率、PGT,i,t为第i个CCHP系统在时段t微型燃气轮机发电功率(kW);μGT,i、μGB,i分别为第i个 CCHP 系统中GT和GB的效率。

(4)热网运行费用

热网运行费用为管网中循环水泵的电费,不考虑维护成本,即:

(5)

式中CP为热网运行电费(元);R为循环水泵数量;M为调度周期时段数;EHR为耗电输热比;Ce,b,t为t时段购电电价(元/(kW·h));Hi,t为第i台水泵输送的热量(kW);Δt为调度时段的时长(h)。

(5)储能设备运行费用分为储电设备费用、储热设备费用。

CESS=CES+CHS

(6)

式中CES、CHS为储电设备费用和储热设备费用。

储电设备费用:假设ES的充放电成本,每次都相同,则运行成本为:

(7)

式中CES-cap为ES的容量;PES,C/D,i,t为时段t=1,2,…,H时i区域的ES的充放电功率;PES,C/D,i,t为正时表示储电装置放电PES,C/D,i,t为负时表示储电装置充电;Cr为单次完全充放电成本。

储热设备:运行费用主要是水泵运行的电费,即:

(8)

式中QHS,C/D,i,t为时段t=1,2,…,H时i区域的HS的充放热功率;QHS,C/D,i,t为正时表示储热装置放电;QHS,C/D,i,t为负时表示储热装置充电。

2.2 约束条件

2.2.1 CCHP约束条件

(1)冷热电功率平衡约束

(9)

式中Pd,i,t、Hd,i,t、Cd,i,t分别为i区域t时刻用户电、热、冷负荷需求;PWT,i,t,Pec,i,t分别为i区域t时刻风机出力和电制冷机消耗功率;μhri为热回收器的回收效率,取0.75;μhei为热交换器效率,取0.9;Eec,i为i站点电制冷机制冷效率。

(2)运行上下限约束

(10)

式中各个不等式的上下限,为第i个区域各类设备的运行上下限,以及与电网、热网交互功率的上下限。

(3)ES储存能量约束

假设充ES的放电效率等于充电效率,则有:

(11)

式中W(T+1)和W(T)分别为时间点T+1和T时ES的荷电状态;Wmin和Wmax分别为ES荷电状态的下限和上限;σES为自放电率;μES为充放电效率。

(4)HS储存能量约束

假设充HS的放热效率等于充热效率,则有:

(12)

式中E(T+1)和E(T)分别为时间点T+1和T时HS的储热状态;Emin和Emax分别为HS储热容量的下限和上限;σHS为热能耗散率;μHS为充放热效率。

(5)场景约束

当风电出力波动与预测值不同时,为维持系统功率平衡则需要调整GT、GB出力,所以加入场景约束。

(13)

2.2.2 热网约束条件

(1)节点流量平衡

对于热网中的任一节点i,流进节点i的流量等于流出节点i的流量,即:

Qi,t+∑Qij,t=0

(14)

式中qi,t为t时段节点i与第i个CCHP系统之间的流量;qij,t为t时段与节点i相连接的各管段流量。

(2)热能-流量约束

(15)

式中C为水的比热容;Hex,i,t为第i个CCHP系统在t时刻与热网交互功率;Ts和Tr分别为给水温度和回水温度。

(3)热损平衡约束

Hi,t,2=ρiHi,t,1

(16)

其中:

(17)

式中δ为管道热损率,取0.1 ;若热水由节点i流向下一节点j时(Hi,t,1>0),ρi<1;若热水由下一节点j流向i(Hi,t,1<0)时,ρi>1。

(4)可利用热功率上下限约束

若可利用热功率太小,导致管段热煤温度低于回水系统热媒温度,热网无法提供热能;若可利用热功率太大,将会发出噪音。所以需要有上下限约束限制可利用热功率的大小[14-18],从而有:

(18)

式中不等式上下限为可利用热功率上下限。Hij为ij管段可利用热功率。

2.2.3 耦合约束

如图2所示,多RIES系统在换热器输出端有与热网的耦合环节,所以有CCHP-热网能量耦合约束也就是热平衡约束,即:

(19)

2.3 求解方法

综上,文中模型是0-1混合整数线性规划模型,其中优化变量有:各个CCHP中各源设备的出力;从电网购售电量;转换设备的输入;储能的输入/输出功率;热网中各管段交汇热功率。等式约束:冷热电功率平衡方程;ESS的储能关系式;节点热量平衡约束;热损平衡约束。不等式约束:各个设备的运行约束,可利用热功率上下限约束。

采用Yalmip+ Cplex在MATLAB中进行优化计算。

3 算例分析

3.1 基础数据

以某多RIES为例进行仿真分析,如图3所示,该区域一共有4个子区域,分别为居民区、商业区、办公区和工业区。所有的子区域均包含CCHP系统,通过环状热网形成多区域综合能源系统。

图3 区域划分图

各个区域的CCHP系统能量流情况如图2所示。其中各个区域均配置ESS,工业区建有风电场,风电预测误差为10%,仿真以冬季典型日为例。

3.2 风电出力波动的影响

当将不同的风电预测误差代入后,如表1所示,可发现含热网及储能的多RIES系统日运行费用随着误差的变大而增加。所以有必要在运行优化中考虑风电的波动性,这样得到的优化结果更符合实际运行情况。

表1 不同预测误差下的运行成本

3.3 日运行成本分析

为验证多RIES优化后的优势,在预测误差为10%的风电场景集基础上,在冬季典型日对系统电、热功率优化情况进行分析。

场景1:不含有热网,热负荷由GB、GT供应,电负荷由风电、GT、电网供应;

场景2:含热网不含储能,热负荷由GB、GT以及热网供应,电负荷由风电、GT、电网供应;

场景3:含储能及热网,热负荷由GB、GT、HS以及热网供应,电负荷由风电、GT、电网、ES供应。

三种场景下的多RIES运行成本如表2所示。场景1中多RIES系统由于不含有热网,所以无法在区域间对热能进行协调分配,导致燃气费用高,因此在该方式下日运行成本较高。场景2中多RIES系统含有热网,可将某区域多余热能进行转移,使燃气费用下降,所以运行成本比方式一低,但由于不含储能设备,无法在时间上解耦能源的生产和消耗,因此日运行成本略高。场景3中多RIES系统含有热网及储能设备,由于加入储能设备,在一定程度上脱离“以热定电”的限制,使GT的电出力限制得到缓解,因此系统日运行成本得到进一步优化,经济效益增加,得到最优运行方式。

表2 三种场景下多RIES的运行成本

3.4 CCHP工况分析

以下的分析都是基于场景3的运行方式,系统电功率优化情况如图4所示,图4中ES为正时表示储电装置放电,为负时表示储电装置充电;与电网交互功率为正时表示购电,为负时表示售电。从图4中可以看出,除了居民区,各个区域均主要以GT发电,并在用电低谷时刻向电网售电。ES在大部分用电低谷时刻处于充电状态,用电高峰时刻处于放电状态。

图4 电功率优化结果

系统热功率优化结果如图5所示,图中HS为正或负时,分别表示储热装置充热和放热;与热网交互功率为正或负时,分别表示各区域向热网获取和传输热能。从图5中可以看出,在大部分热负荷较低时刻,HS处于充热状态,而在热负荷较高时刻HS处于放热状态。由于商业区、办公区负荷热电比相对较低,商业区与办公区通过热网传输多余的热量给居民区与工业区。可见各个区域通过热网进行热能的协调分配,提升热能利用率。

图5 热功率优化结果

3.5 热网工况分析

在运行方式3中,热媒在热网中的流速如图6所示,图6中当流速为负时即为反方向流动,可见热网各管段传输功率趋势与热媒流速趋势大体一致。

图6 各管道热媒流速示意图

由图6可知,本算例热网有两种工况:在9:00~17:00时间段,商业区向居民区、工业区传输热能(1-2、1-3),办公区向工业区传输热能(3-4);其他时间段,商业区向居民区传输热能(1-2),办公区向工业区、居民区传输热能(1-3、3-4)。进一步证明热网能够将各个区域的热能进行协调分配。

3.6 热电比分析

如图7所示,由于商业区、办公区的工作特性,在23:00~8:00时间段负荷热电比为零,远远小于算例中GT的出力热电比1.5,加入储能设备后,GT产出的多余热能一部分储存在储热装置中,相当于变相的增加热负荷,使负荷热电比趋向1.5。对于居民区、工业区,虽然储能设备也变相地对负荷进行时空上的平移,但因为算例中热电负荷功率较大,ESS并不具有显著影响。

图7 热电比优化结果

4 结束语

通过建立含有储能及CCHP系统的多区域综合能源系统的优化模型,进行算例分析。仿真结果表明:

(1)ESS可以改善多RIES的热电负荷比,在一定程度上解耦热电运行约束,提高经济性;

(2)在优化过程中需要考虑风电出力的波动性,得到更接近实际运行情况的结果;

(3)含有热网的多RIES将多个区域耦合在一起,实现区域热能的交换,利用不同区域间负荷特性的互补性,使能量管理优于单区域运行优化,提升系统运行经济性。

文章对天然气网络考虑不充分,所以天然气价格波动,天然气管道约束等问题将成为下一步的研究方向。

猜你喜欢
热网热能储能
热网异常工况的辨识
考虑用户优先级的云储能用电策略优化
双套燃气蒸汽联合循环机组热网水系统节能改造
300MW级超临界供热机组热网加热器串并联比选方案探讨
储能技术在光伏发电系统中的应用
关于热网换热站节能监管与应用探究
一种疏水箱热能回收再利用装置
储能: 碳中和下的新赛道
热能来自何处
看,光电家居