PDF《含可再生能源的热电联供型微网经济运行优化》

含可再生能源的热电联供型微网经济运行优化 王锐1,

2 ,顾伟1,

2 ,吴志1,

2 ( 1.

东南大学电气工程学院,江苏省南京市

2 1

0 0

9 6;

2.伺服控制技术教育部工程研究中心,江苏省南京市

2 1

0 0

9 6 ) 摘要:热电联供系统具有节能、 环保、 经济等特点, 有着良好的发展前景和应用价值.文中针对由 风电机组、 光伏电池、 燃料电池、 余热锅炉、 燃气锅炉、 蓄电池以及热电负荷构成的热电联供型微网 系统, 考虑风电、 光伏功率以及热电负荷的随机性, 应用机会约束规划理论建立经济运行优化模型, 并提出一种基于随机模拟技术的粒子群优化( P S O) 算法求解模型.根据不同的微源配置, 对系统 的运行方案进行优化.实例分析结果表明, 所提出的方法可以提供微源优化配置建议, 实现微源动 态经济调度, 有效降低系统运行费用. 关键词:热电联供;

微网;

可再生能源;

经济运行;

机会约束规划;

粒子群优化;

随机模拟 收稿日期:

2 0

1 0 -

0 3 -

1 9 ;

修回日期:

2 0

1 1 -

0 1 -

2 3 . 国家自然科学基金资助项目(

5 0

9 0

7 0

0 8,

6 0

9 7

4 0

3 6 ) .

0 引言 热电联供( c o m b i n e d h e a t a n d p o w e r , CHP) 系 统建立在能源梯级利用的概念基础上, 统一解决了 电能和热能的供应问题, 是一种经济节能、 环境友好 的用能方式, 具有良好的社会和经济效益, 在国内外 引起广泛关注[

1 -

5 ] .在发展低碳绿色经济的背景下, 中国也开始重视 CHP 系统的发展, 但技术还不成 熟, 应用尚处于起步阶段. CHP型微网是一个复杂的能量系统, 存在多种 能量平衡关系.在满足用户热电负荷需求的前提 下, 如何根据微源配置( 即参与微源的种类、 微源的 运行参数等) 制定系统未来一段时间内的运行方案 ( 即各微源在各时段的功率分配) , 以使系统获得最 佳经济效益, 是微网经济运行研究中的一个重要内 容.目前, 国内的研究还仅局限在电力微网的层面 上[

6 -

1 0 ] , 对CHP系统涉及较少, 国外在此方面已有 相关研究展开.文献[

1 1 ] 针对由风电机组和质子交 换膜型燃料电池组成的 CHP 系统, 利用进化算法 研究该系统的经济运行问题, 比较了对回收的热能 采取4种不同方案得到的结果.文献[

1 2 ] 研究了由 燃气轮机、 吸附式制冷机和余热锅炉构成的冷热电 三联供系统, 建立简单的线性模型, 对系统运行策略 进行优化.文献[

1 3] 以成本最小化为目标, 建立了 CHP型微网中各种类型微源的优化配置模型, 并采 用粒子群优化( P S O) 算法进行求解. 本文建立了一种含可再生能源的 CHP 型微网 系统, 由风电机组、 光伏电池、 燃料电池、 余热锅炉、 燃气锅炉、 蓄电池等微源和热电负荷构成.由于风 电、 光伏功率以及热电负荷存在很强的随机性, 而且 目前的预测水平还远未达到实际应用的要求, 因此 这些 量将作为未知因素考虑. 含可再生能源的CHP型微网的经济运行优化问题不再如文献[

1 1 -

1 3 ] 所述是常规意义下的确定性问题, 而是一个包含 多个随机变量的规划问题.机会约束规划( C C P) 能 够很好地描述随机变量带来的不确定性, 学者们已 经成功利用 C C P 模型解决了电力系统研究中的很 多问题[

1 4 -

1 7 ] .本文应用 C C P 理论建立含可再生能 源的 CHP型微网经济运行优化模型, 并提出一种 基于随机模拟技术的 P S O 算法求解上述模型.在 预测未来一天2 4h风电、 光伏功率以及热电负荷的 基础上, 根据不同的微源配置, 对系统的运行方案进 行优化.

1 含可再生能源的 C H P型微网系统 本文研究的含可再生能源的 CHP 型微网系统 如图1所示. 图1 含可再生能源的 C H P型微网系统 F i g .

1 C H P m i c r o g r i d w i t h r e n e w a b l e e n e r g y r e s o u r c e s 风电机组和光伏电池分别以风能和太阳能为原 动力, 作为可再生能源接入微网;

燃料电池和燃气锅 ―

2 2 ― 第35卷第8期2011年4月25日Vol.35No.8Apr.25,

2 0

1 1 炉以天然气为燃料, 将化学能直接转化为电能和热 能;

余热锅炉回收燃料电池产生的废热;

蓄电池作为 储能装置, 根据系统运行情况, 实时进行充放电.此 系统还与大电网进行双向的电功率流动, 当电能不 足时从大电网购买电能, 当电能富足时向大电网销 售电能.整个系统分成2个部分: 用户电负荷由风 电机组、 光伏电池、 燃料电池供给, 并可与大电网和 蓄电池进行双向功率交换;

用户热负荷由燃气锅炉 和余热锅炉供给.

2 C C P理论 C C P主要针对约束条件中含有随机变量, 且必 须在观测到随机变量的实现之前作出决策的情况. 考虑到所作决策在不利的情况发生时可能不满足约 束条件而采取一种原则: 允许所作决策在一定程度 上不满足约束条件, 但是该决策应该使约束条件成 立的概率不小于某一置信水平[

1 8] . 考虑带有随机参数的数学规划模型: m i n f( x, ξ) s . t . g i( x, ξ)≤ {

0 (

1 ) 式中: x为决策向量;

ξ 为随机向量;

f( x, ξ) 为目标 函数;

g i( x, ξ) 为随机约束函数;

i =1, 2, …, q. 实际上, 由于随机变量ξ 使得目标函数和约束 条件的含义并不明确, 因此上述规划模型没有意义. C C P解决了上述问题, 其模型如下: m i n f - s . t . P r { f( x, ξ) ≤ f - } ≥ β P r { g i( x, ξ) ≤0 } ≥ 瞀(2)式中: P r { } 表示括号中事件成立的概率;

α 和β 分别 为事先给定的约束条件和目标函数的置信水平;

f - 为目标函数f( x, ξ) 在置信水平至少为β 时所取的 最小值.

3 含可再生能源的 C H P型微网经济运行优 化模型 本文应 用CCP理论建立了含可再生能源的CHP型微网经济运行优化模型, 以系统运行费用最 小化为目标, 综合考虑系统的能量平衡约束以及各 微源的运行约束, 对系统的运行方案进行优化. 3.

1 目标函数 系统运行费用包括: 从大电网购电的费用;

燃料 电池、 燃气锅炉的天然气使用费用;

风电机组、 光伏 电池、 燃料电池、 余热锅炉、 燃气锅炉、 蓄电池等微源 的维护费用;

向大电网售电的收入.由于目标函数 中含有风电、 光伏功率等随机变量, 运行费用也是一 个随机量, 因此采用确定性的表达式没有意义.根 据式(

2 ) , 目标函数表示如下: m i n f - s . t . P r ∑ n i=1 C i ≤ f { } - ≥ 瞀(3)式中: C i= [ T Cp h+C s e

2 Pe x , i+ Cp h-C s e

2 | Pe x , i |+ Cg ( a s P f l , i η f l , i + Pg b , i ηg ) b +P f l , i Cf l _ o m + P f l , i r f l , i ηh r _ b l Cb l _ o m +Pg b , i Cg b _ o m + | Pb t , i | Cb t _ o m +Pw t , i Cw t _ o m +Pp v , i Cp v _ ] o m T 为单位时段的时间间隔;

n 为时段总数;

Pe x , i为第 i 时段与大电网交换的电功率, 购电为正, 售电为负;

P f l , i为第i时段燃料电池的发电功率;

Pg b , i为第i 时段燃气锅炉功率;

Pb t , i为第i 时段蓄电池充放电 功率, 放电为正, 充电为负;

Pw t , i为第i 时段风电机 组功率;

Pp v , i为第i时段光伏电池功率;

Cp h为从大电 网购电的价格;

C s e为向大电网售电的价格;

Cg a s为天 然气价格;

C f l _ o m 为燃料电池维护费用;

Cb l _ o m 为余热 锅炉维护费用;

Cg b _ o m 为燃气锅炉维护费用;

Cb t _ o m 为 蓄电池维护费用;

Cw t _ o m 为风电机组维护费用;

Cp v _ o m 为光伏电池维护费用;

η f l , i 为燃料电池第i 时段的效 率;

r f l , i 为燃料电池第i 时段的热电比值;

η g b 为燃气 锅炉的效率;

η h r _ b l 为余热锅炉废热回收效率. 3.

2 约束条件 约束条件包括电能、 热能的平衡约束以及各微 源的运行约束.

1 ) 电能平衡约束 电能平衡约束根据蓄电池充电与放电情况分为 如下2种: Pe x , i+P f l , i+Pw t , i+Pp v , i+ Pb t , i η c h -Pe l , i=0 (

4 ) Pe x , i+P f l , i+Pw t , i+Pp v , i+Pb t , i ηd i s-Pe l , i=0 (

5 ) 式中: Pe l , i为第 i时段的电负荷;

η c h 和η d i s 分别为蓄电 池充放电效率;

i =1, 2, …, n, 下同.

2 ) 热能平衡约束 P f l , i r f l , i ηh r _ b l+Pg b , i -Pt h , i =0 (

6 ) 式中: Pt h , i为第i时段的热负荷.

3 ) 与大电网功率交换约束 Pe x , m i n ≤ Pe x , i ≤ Pe x , m a x (

7 ) 式中: Pe x , m a x和Pe x , m i n分别为与大电网功率交换的最 大和最小值, 即向大电网购电和售电的最大功率.

4 ) 燃料电池运行约束 Δ P f l _ d o w n T ≤ P f l , i -P f l , i -

1 ≤ Δ P f l _ u p T (

8 ) P f l , m i n ≤ P f l , i ≤ P f l , m a x (

9 ) ―

3 2 ― ・学术研究・ 王锐, 等 含可再生能源的热电联供型微网经济运行优化 式中: Δ P f l _ u p和ΔPfl_down分别为燃料电池单位时段内 功率最大增发量和最大减发量;

P f l , m a x和Pfl,min分别 为燃料电池的最大和最小发电功率.

5 ) 余热锅炉运行约束 Pb l , m i n ≤ P f l , i r f l , i ηh r _ b l ≤ Pb l , m a x (

1 0 ) 式中: Pb l , m a x和Pb l , m i n分别为余热锅炉的最大和最小 功率.

6 ) 燃气锅炉运行约束 Pg b , m i n ≤ Pg b , i ≤ Pg b , m a x (

1 1 ) 式中: Pg b , m a x和Pg b , m i n分别为燃气锅炉的最大和最小 功率.

7 ) 蓄电池运行约束 Pb t , m i n ≤ Pb t , i ≤ Pb t , m a x (

1 2 ) ∑ n i=1 Pb t , i T =0 (

1 3 ) Wb t , m i n ≤ Wi n i t - ∑ j i=1 Pb t , i T ≤ Wb t , m a x (

1 4 ) 式中: j=1, 2, …, n;

Pb t , m i n和Pb t , m a x分别为蓄电池的 最大充放电功率;

Wb t , m a x和Wb t , m i n 分别为蓄电池的 最大和最小储能量;

式(

1 3) 表示蓄电池最终储能量 与初始储能量 Wi n i t相等. 3.

3 含随机变量的约束条件处理方法 与传统的优化方法不同, 由于风电、 光伏功率以 及热电负荷具有随机性, 某些约束条件不再具有确 定性.本文根据 C C P理论建立模型, 对含有随机变 量的不等式约束, 以概率的形式进行描述, 使其能够 在一定的置信水平下成立.置信水平的设置根据系 统实际的运行要求进行. 根据等式约束( 式( 4) ~式( 6) 和式(

1 3) ) , 可将 Pe x , i, Pg b , i表示为含有 Pw t , i, Pp v , i, Pe l , i, Pt h , i等随机变量的函数.一方面消去模型中的等式约束, 将原 问题转化为只含有不等式约束的新问题, 便于 P S O 算法求解过程中的粒子可行性的检验.同时, Pe x , i, Pg b , i成为随机量, 因此, 不等式约束(式(7)和式(

1 1 ) ) 可以用概率形式描述为: P r { Pe x , m i n ≤ Pe x , i ≤ Pe x , m a x}≥α i (

1 5 ) P r { Pg b , m i n ≤ Pg b , i ≤ Pg b , m a x}≥λ i (

1 6 )

4 基于随机模拟的 P S O 算法 4.

1 随机模拟 C C P相比于确定性规划的难点在于如何处理 机会约束, 如果机会约束比较容易处理, 则可以将机 会约束转化为各自的确定性等价类, 然后利用传统 方法求解其等价的确定性模型.对于复杂的机会约 束, 可以引入随机模拟技术进行处理. 随机模拟, 即MonteCarlo模拟, 其基础是从已 知的概率分布中对随机变量进行抽样, 从而为系统 决策提供依据或对系统决策进行检验.在求解上述 优化模型过程中, 主要在两处引入了随机模拟技术.

1 ) 计算目标函数值 对于带有随机变量ξ的目标函数: m i n f - s . t . P r { f( x, ξ)≤ f - }≥ 瞀(17)随机模拟算法如下: ①根据随机变量ξ 的概率分布 Φ( ξ) , 生成N个独立的随机向量ξ i( i=1, 2, …, N) ;

②置f i=f( x, ξ i) ;

③取N′= β N , 根据大 数定律, 取序列{ f 1, f 2, …, fN } 中第 N ........