CN106058942A - 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型 - Google Patents

Abstract

为了能全部消纳可再生能源、实现对大电网削峰填谷、提高含冷热电联供的能源枢纽的经济效益和调度精确性，以及减少天然气传输成本，本发明构建了含电转气功能、储能、冷热电联供和电能反馈的能量枢纽模型。考虑基于燃料和购售电费率结构的电转气投产因子、能源枢纽产气自用和风电出力的不确定性等因素，对以能量枢纽运行燃料成本最低和与主网能量交互成本最低为优化目标的能量枢纽模型进行优化，来确定所建能源枢纽模型的有效性。

Description

考虑风电不确定性的含电转气和CCHP的能量枢纽优化模型

技术领域

本发明属于多能源利用领域，构建了含电转气功能、储能、冷热电联供和电能反馈的能量枢纽模型。考虑基于燃料和购售电费率结构的电转气投产因子、能源枢纽产气自用和风电出力的不确定性，对以能量枢纽运行燃料成本最低和与主网能量交互成本最低为优化目标的能量枢纽模型进行优化。

背景技术

能源危机和大气污染已成为国内外高度关注的重大战略问题，清洁能源和可再生能源的利用受到了人们的高度重视，并开始对电、气、热等各种形式能源的综合利用进行研究。能量枢纽(energy hub，EH)是分析多能源系统的重要模型，自提出起就受到了学者们的广泛关注。利用能量枢纽对多能源系统建模，可充分考虑各种形式能源的互济与互补，实现各种形式能源的协同优化。

现阶段对含风电的能源枢纽的优化研究，基本上都是以确定性的风电预测曲线作为已知条件，而实际上当前风电功率尚无法精确预测，以确定性的风电预测曲线安排能源枢纽的运行方式可能会偏离最优的运行状态，从而可能导致降低能源枢纽运行经济性和不必要的弃风损失，既使在对风电进行全部消纳的情况下，也会对能源枢纽的优化调度带来较大的波动，不利于较精确的安排各设备出力。文献《考虑风电不确定性的热电厂蓄热罐运行策略》为考虑风电不确定性，建立了基于多场景的含储热的电热综合调度模型来优化确定蓄热罐运行策略，并提出一种简化的实用化方法来确定风电出力。

能量枢纽的基本建模仅考虑多能源系统的传输和转化设备，存在一定的局限性。随着储能、电转气的应用以及分布式新能源并网的普及，充分考虑这些元素对能量枢纽模型的推广具有重要的意义。文献《Matrix modelling ofsmall-scale trigenerationsystems and application to operational optimization》在考虑与外部能量网络相互作用的情况下对CCHP系统进行能量枢纽建模。但是未充分考虑能量枢纽存在向电网输送反馈能源的情况，不利于对电网系统进行削峰填谷，以及未考虑电转气对促进能源枢纽消纳可再生能源的作用。文献《具有电转气功能的多能源系统的市场均衡分析》和《利用电转气技术实现可再生能源的大规模存储与传输》都对含电转气装置的CHP系统构建了能源枢纽模型，所产气输入天然气网络，促进了气-电网络的深度融合。但是未考虑能量枢纽的反馈能源和能源枢纽中的制冷作用对能源枢纽的影响，同时将转化的天然气气输入到天然气网络进行传输，会增加输送成本。文献《能源互联网中能量枢纽的优化规划与运行研究综述及展望》中介绍了考虑能源反馈的能量枢纽模型。但未介绍研究含电转气功能、CCHP和能源反馈的能源枢纽模型。

为了能全部消纳可再生能源、实现对大电网削峰填谷、提高含冷热电联供的能源枢纽的经济效益和调度精确性，以及减少天然气传输成本，本发明构建了含电转气功能、储能、冷热电联供和电能反馈的能量枢纽模型。考虑基于燃料和购售电费率结构的电转气投产因子、能源枢纽产气自用和风电出力的不确定性等因素，对以能量枢纽运行燃料成本最低和与主网能量交互成本最低为优化目标的能量枢纽模型进行优化，来确定所建能源枢纽模型的有效性。

发明内容

针对现有研究中对含CCHP的能源枢纽建模研究还不够深入和全面，本发明构建了含电转气功能、储能、冷热电联供和电能反馈的能量枢纽模型。考虑基于燃料和购售电费率结构的电转气投产因子、能源枢纽产气自用和风电出力的不确定性，对以能量枢纽运行燃料成本最低和与主网能量交互成本最低为优化目标的能量枢纽模型进行优化。

附图说明

图1是本发明的风电预测区间

图2是本发明的含电转气、储能、冷热电联供和电能反馈的能量枢纽模型

具体实施方式

本发明包括以下步骤：

1、风电出力的不确定性

由于风能具有随机性、间歇性和可控性差等特点，以及受现有风电功率预测方法的限制，风电功率预测存在误差不可避免。整体而言，预测误差呈现出一定的概率分布特性，当前关于风电功率预测误差分布的研究较多，其中正态分布假设应用最为广泛。本发明选择正态分布模型来研究风电预测误差，采用误差区间来描述风电的不确定性(如图1)。风电预测曲线可能是阴影区间内的任意一条曲线，对每个时段而言，越靠近中心值，出现的概率越大。本发明在该波动区间内选择一条风电预测曲线来制定风电出力，其方法为：将风电预测区间等间隔离散化为N条曲线，每条曲线n(n＝1,2,...,N)表示一个场景，每条曲线n对应一个经验概率值f(n)，所有的f(n)之和为1。本发明选取出现概率最大的中心曲线作为最终的风电预测曲线。

2、能量枢纽模型

能源枢纽模型运行策略为：整个运行周期内，能源枢纽通过燃气发电机发电、风电的消纳和向电网购电以及蓄电池放电来满足用电需求，在电转气装置产气的效益大于所耗电成本时，通过向电网购电和使用满足能源枢纽用电需求后剩余的风电进行电化学反应生成天然气，电转气装置产生的天然气储存到储气装置中，供能源枢纽在下一时段首先消耗使用，不足的部分进行购买；其余时段，当满足能源枢纽用电需求后还有剩余的风电时，就售卖给电网，和蓄电池在电价处于高价位时售卖给电网的电能一起形成反馈电能。能源枢纽模型如图2所示。

3、P2G模型及电转气投产因子

在现有的技术发展水平下，从水到生成甲烷完整的化学反应流程的综合能量转换率η_P2G约为60％。P2G技术的数学模型为式(3-1)。

F_P2G,t＝λ·E_t·Y_P2G (3-1)

式中F_P2G,t为通过P2G技术在t时段所生成的天然气量，单位为therm；E_t为P2G设备在t时段所消耗的电能量；Y_P2G为P2G设备把电能量转换为天然气量的效率；电能换气量系数λ＝0.034therm/(kW.h)。

电转气装置是否投入产气，取决于电转气装置产气的效益和所耗电成本的大小，因此与天然气和电的价格以及电转气效率密切相关。电费率采用峰平谷结构，天然气费率结构为使用量越大，价格越低，则定义电转气投产因子e_tc为购买单位天然气的成本与产生单位天然气所耗电量成本之差，表达式为：

$e_{tc}=r_{Lng}-\frac{1}{{\mathrm{\λY}}_{P2G}}\·r_{Elc}---(3-2)$

式中r_Lng为天然气的价格，单位为$/therm；r_Elc为购电价格，单位为$/(kW.h)；当e_tc＞0时，电转气装置投入产气，e_tc≤0时，则不投入。

4、燃气发电机模型

燃气发电机模型采用三阶效率模型，能够较好的体现机组出力波动对系统产生的影响。

F_G,i,t＝λ·E_G,i,t/η_G,i (4-1)

E_G,i,t＝P_G,i,tΔt (4-2)

$\begin{array}{c}{\mathrm{\η}}_{G,i}=(a_i+b_i{P}_{G,i,t}^{*}+c_i{\left(P_{G,i,t}^{*}\right)}^2+\\ d_i{\left(P_{G,i,t}^{*}\right)}^3)/100\×100\%\end{array}---(4-3)$

式中F_G,i,t为第i台燃气发电机在t时段的燃气耗量；E_G,i,t为第i台燃气发电机在t时段提供的电能量；η_G,i为第i台燃气发电机的发电效率；a_i、b_i、c_i、d_i为第i台燃气发电机的效率系数；P_G,_i,t、为第i台燃气发电机在t时段的电功率和标幺值。

5、储能设备模型

蓄电池数学模型如式(5-1)所示：

$\begin{array}{c}{S}_{Bat,l,t}=S_{Bat,l,t-1}(1-{\mathrm{\σ}}_{Bat,l})+(P_{Bat,l,t}^{cha}\·{\mathrm{\η}}_{Bat,l}^{cha}\\ +P_{Bat,l,t}^{dis}/{\mathrm{\η}}_{Bat,l}^{dis})\mathrm{\Δ}t\end{array}---(5-1)$

式中：S_Bat,l,t、S_Bat,l,t-1分别为蓄电池组l在t、t-1时段的剩余容量；σ_Bat,l为蓄电池组l的自放电率；为蓄电池组l在t时段的充电功率和放电功率，放电时功率为负值； 为蓄电池组l的充电效率和放电效率。

6、辅助供热供冷设备模型

辅助供热供冷设备包括燃气锅炉、热回收系统、吸收制冷机和电制冷机，它们的模型表达式分别为式(6-1)、式(6-2)、式(6-3)和式(6-4)。

F_Boi,t＝λ·Q_Boi,tΔt/η_Boi (6-1)

$Q_{Hrs,t}=\[\underset{i=1}{\overset{N_G}{\mathrm{\Σ}}}{F}_{G,i,t}(1-{\mathrm{\η}}_{G,i})\]{\mathrm{\η}}_{Hrs}/\mathrm{\Δ}t---(6-2)$

$Q_{Ac,t}=(Q_{Hrs,t}^{Cool}+Q_{Boi,t}^{Cool})C_{OPAc}---(6-3)$

Q_Ec,t＝P_Ec,tC_OPEc (6-4)

式中：F_Boi,t为锅炉在t时段消耗的燃料量；Q_Boi,t为锅炉在t时段提供的热功率；η_Boi为锅炉的热效率；Q_Hrs,t为热回收系统在t时段提供的热功率；η_Hrs为热回收系统的热回收效率；Q_Ac,t为吸收制冷机在t时段提供的冷功率；为热回收系统在t时段提供的冷功率；为燃气锅炉在t时段提供的冷功率；C_OPAc为吸收制冷机的能效比；Q_Ec,t为电制冷机在t时段提供的冷功率；P_Ec,t为电制冷机在t时段制冷所消耗的电功率；C_OPEc为电制冷机的能效比。

7、能源枢纽的多目标优化

本发明对以能量枢纽运行燃料成本最低和与主网能量交互成本最低为优化目标的能量枢纽模型进行优化。

7.1能源枢纽运行燃料成本

能源枢纽运行燃料成本C_Lng是指能源枢纽中燃气发电机组发电与燃气锅炉产热所需购买天然气的费用。

minC_Lng＝r_Lrg(F_G+F_Boi-F_S) (7-1)

$F_G=\underset{t=1}{\overset{T}{\Σ}}\underset{i=1}{\overset{N_G}{\Σ}}(\mathrm{\λ}\·E_{G,i,t}/{\mathrm{\η}}_{G,i})---(7-2)$

$F_{Boi}=\underset{t=1}{\overset{T}{\Σ}}(\mathrm{\λ}\·Q_{Boi,t}\mathrm{\Δ}t/{\mathrm{\η}}_{Boi})---(7-3)$

$F_s=\underset{t=1}{\overset{T}{\Σ}}{F}_{s,t}---(7-4)$

式中：F_G、F_Boi分别为能源枢纽发电总耗气量和锅炉产热总耗气量；F_S为调度周期内能源枢纽消耗生成的天然气量；F_S,t为t时段能源枢纽消耗生成的天然气量。

7.2与主网能量交互成本

$\min C_E=\underset{t=1}{\overset{T}{\Σ}}\left(C_{J,t}{P}_{grid,t}\right)---(7-5)$

$C_{J,t}=\left\{\begin{array}{cc}{r}_{Elc,t},& P_{grid,t}\&GreaterEqual;0;\\ R_{Elc,t},& P_{grid,t}<0;\end{array}\right.---(7-6)$

式中：C_E为周期内能源枢纽与主电网的能量交互成本，此成本可正可负；C_J,t为t时段内与主电网交互的实际电价；P_grid,t为t时段内与主电网交互的电量；r_Elc,t为t时段向电网购电的价格；R_Elc,t为t时段向电网售电的价格。

8、约束条件

⑴P2G设备启停次数和储气设备容量约束

$\underset{t=1}{\overset{T}{\&Sigma;}}{u}_{P,t}(1-u_{P,t-1})\&le;3---(8-1)$

0≤R_P2G，t≤R_P2G，max (8-2)

0≤F_s,t≤R_P2G,t (8-3)

式中：u_P,t为P2G设备在t时段的启停状态，当e_tc≤0时，u_P,t取0表示停止产气，当e_tc＞0时，u_P,t取1表示投入产气；R_P2G,t为储气装置在t时段所储存的天然气量；R_P2G,max为储气装置的最大容量。

⑵燃气发电机出力与启动次数约束

$\underset{t=1}{\overset{T}{\&Sigma;}}{u}_{G,i,t}(1-u_{G,i,t-1})\&le;3---(8-5)$

式中：为第i台燃气发电机的切除系数；第i台燃气发电机的额定功率；u_G,i,t为第i台燃气发电机在t时段的启停状态，0表示停机，1表示开机。

⑶风电出力约束

$P_{Wind,j,t}=P_{Wind,j,t}^{for}---(8-6)$

$0\&le;P_{Wind,j,t}\&le;P_{Wind,j}^{nom}---(8-7)$

式中为第j台风力发电机在t时段的预测功率和额定功率。

⑷光伏电池组出力约束

$P_{Pv,k,t}=P_{Pv,k,t}^{for}---(8-8)$

$0\&le;P_{Pv,k,t}\&le;P_{Pv,k}^{nom}---(8-9)$

式中为第k组光伏电池在t时刻的预测功率和额定功率。

⑸蓄电池储能设备约束

$S_{Bat,l}^{\min }\&le;S_{Bat,l,t}\&le;S_{Bat,l}^{\max }---(8-10)$

$0\&le;P_{Bat,l,t}^{cha}\&le;S_{Bat,l}^{nom}{\mathrm{\&gamma;}}_{Bat,l}^{cha}---(8-11)$

$0\&GreaterEqual;P_{Bat,l,t}^{dis}\&GreaterEqual;-S_{Bat,l}^{nom}{\mathrm{\&gamma;}}_{Bat,l}^{dis}---(8-12)$

$P_{Bat,l,t}^{cha}{P}_{Bat,l,t}^{dis}=0---(8-13)$

式中：和分别为蓄电池组l在协调周期内的额定容量和保持稳定运行的最小、最大容量；为蓄电池组l在t时段的最大充电率和最大放电率。

⑹辅助供热供冷设备约束

$0\&le;Q_{Ec,t}\&le;Q_{Ec}^{nom}---(8-14)$

$0\&le;Q_{Ac,t}\&le;Q_{Ac}^{nom}---(8-15)$

$0\&le;Q_{Hrs,t}\&le;Q_{Hrs}^{nom}---(8-16)$

$Q_{Hrs,t}\&GreaterEqual;Q_{Hrs,t}^{Therm}+Q_{Hrs,t}^{Cool}---(8-17)$

$0\&le;Q_{Boi,t}\&le;Q_{Boi}^{nom}---(8-18)$

$Q_{Boi,t}=Q_{Boi,t}^{Therm}+Q_{Boi,t}^{Cool}---(8-19)$

式中Q_Ec,t、为电制冷机t时段的功率和额定功率；Q_Ac,t、为吸收制冷机t时段的功率和额定功率；为热回收系统在t时段的制热功率、制冷功率和额定功率；为燃气锅炉在t时段的制热功率、制冷功率和额定功率。

⑺联络线功率约束

P_grid,min≤P_grid,t≤P_grid,max (8-20)

式中P_grid,t为t时段时能源枢纽与电网交互的电功率；P_grid,max为交互功率的最大限值；P_grid,min为交互功率的最小限值，此值为负数，表示能源枢纽能反馈给电网电量的最大值。

⑻冷、热、电负荷平衡约束

$Q_{Ac,t}+Q_{Ec,t}\&GreaterEqual;Q_{D,t}^{Cool}---(8-21)$

$Q_{Hrs,t}+Q_{Boi,t}\&GreaterEqual;Q_{D,t}^{Therm}---(8-22)$

$\underset{i=1}{\overset{N_G}{\mathrm{\&Sigma;}}}{P}_{G,i,t}+\underset{j=1}{\overset{N_{Wind}}{\mathrm{\&Sigma;}}}{P}_{Wind,j,t}+\underset{k=1}{\overset{N_{Pv}}{\mathrm{\&Sigma;}}}{P}_{Pv,k,t}+\underset{l=1}{\overset{N_{Bat}}{\mathrm{\&Sigma;}}}(P_{Bat,l,t}^{cha}+P_{Bat,l,t}^{dis})+P_{grid,t}=P_{D,t}+P_{Ec,t}+I_t{P}_{P2G,t}$

式中为t时段能源枢纽需要满足的冷负荷；为t时段能源枢纽需要满足的热负荷；P_D,t为t时段能源枢纽需要满足的预测电功率；P_P2G,t为t时段电转气装置消耗的电功率。

Claims (5)

1.考虑风电不确定性的含电转气和CCHP的能量枢纽优化模型，包括如下步骤：

⑴风电出力的不确定性；

⑵能量枢纽模型；

⑶P2G模型及电转气投产因子；

⑷燃气发电机模型；

⑸储能设备模型；

⑹辅助供热供冷设备模型；

⑺能源枢纽的多目标优化；

⑻约束条件。

2.根据权利要求1所述的考虑风电不确定性的含电转气和CCHP的能量枢纽优化模型，其特征在于：能源枢纽模型运行策略为，整个运行周期内，能源枢纽通过燃气发电机发电、风电的消纳和向电网购电以及蓄电池放电来满足用电需求，在电转气装置产气的效益大于所耗电成本时，通过向电网购电和使用满足能源枢纽用电需求后剩余的风电进行电化学反应生成天然气，电转气装置产生的天然气储存到储气装置中，供能源枢纽在下一时段首先消耗使用，不足的部分进行购买；其余时段，当满足能源枢纽用电需求后还有剩余的风电时，就售卖给电网，和蓄电池在电价处于高价位时售卖给电网的电能一起形成反馈电能。

3.根据权利要求1所述的考虑风电不确定性的含电转气和CCHP的能量枢纽优化模型，其特征在于：在现有的技术发展水平下，从水到生成甲烷完整的化学反应流程的综合能量转换率η_P2G约为60％；P2G技术的数学模型为式下式，

F_P2G,t＝λ·E_t·Y_P2G

式中F_P2G,t为通过P2G技术在t时段所生成的天然气量，单位为therm；E_t为P2G设备在t时段所消耗的电能量；Y_P2G为P2G设备把电能量转换为天然气量的效率；电能换气量系数λ＝0.034therm/(kW.h)；

电转气装置是否投入产气，取决于电转气装置产气的效益和所耗电成本的大小，因此与天然气和电的价格以及电转气效率密切相关；电费率采用峰平谷结构，天然气费率结构为使用量越大，价格越低，则定义电转气投产因子e_tc为购买单位天然气的成本与产生单位天然气所耗电量成本之差，表达式为：

$e_{tc}=r_{Lng}-\frac{1}{{\mathrm{\&lambda;Y}}_{P2G}}\&CenterDot;r_{Elc}$

式中r_Lng为天然气的价格，单位为$/therm；r_Elc为购电价格，单位为$/(kW.h)；当e_tc＞0时，电转气装置投入产气，e_tc≤0时，则不投入。

4.根据权利要求1所述的考虑风电不确定性的含电转气和CCHP的能量枢纽优化模型，其特征在于：本发明对以能量枢纽运行燃料成本最低和与主网能量交互成本最低为优化目标的能量枢纽模型进行优化；

4.1能源枢纽运行燃料成本

能源枢纽运行燃料成本C_Lng是指能源枢纽中燃气发电机组发电与燃气锅炉产热所需购买天然气的费用：

$\begin{array}{c}\min C_{Lng}=r_{Lrg}\left(F_G+F_{Boi}-F_S\right)\\ F_G=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{N_G}{\mathrm{\&Sigma;}}}\left(\mathrm{\&lambda;}\&CenterDot;E_{G,i,t}/{\mathrm{\&eta;}}_{G,i}\right)\\ F_{Boi}=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\left(\mathrm{\&lambda;}\&CenterDot;Q_{Boi,t}\mathrm{\&Delta;}t/{\mathrm{\&eta;}}_{Boi}\right)\\ F_s=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}{F}_{s,t}\end{array}$

式中：F_G、F_Boi分别为能源枢纽发电总耗气量和锅炉产热总耗气量；F_S为调度周期内能源枢纽消耗生成的天然气量；F_S,t为t时段能源枢纽消耗生成的天然气量；

4.2与主网能量交互成本

$\begin{array}{c}\min C_E=\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\left(C_{J,t}{P}_{grid,t}\right)\\ C_{J,t}=\left\{\begin{array}{cc}{r}_{Elc,t},& P_{grid,t}\&GreaterEqual;0;\\ R_{Elc,t},& P_{grid,t}<0;\end{array}\right.\end{array}$

式中：C_E为周期内能源枢纽与主电网的能量交互成本，此成本可正可负；C_J,t为t时段内与主电网交互的实际电价；P_grid,t为t时段内与主电网交互的电量；r_Elc,t为t时段向电网购电的价格；R_Elc,t为t时段向电网售电的价格。

5.根据权利要求1所述的考虑风电不确定性的含电转气和CCHP的能量枢纽优化模型，其特征在于：

5.1 P2G设备启停次数和储气设备容量约束

$\begin{array}{c}\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}{u}_{P,t}\left(1-u_{P,t-1}\right)\&le;3\\ 0\&le;R_{P2G,t}\&le;R_{P2G,\max }\\ 0\&le;F_{s,t}\&le;R_{P2G,t}\end{array}$

式中：u_P,t为P2G设备在t时段的启停状态，当e_tc≤0时，u_P,t取0表示停止产气，当e_tc＞0时，u_P,t取1表示投入产气；R_P2G,t为储气装置在t时段所储存的天然气量；R_P2G,max为储气装置的最大容量；

5.2联络线功率约束

P_grid,min≤P_grid,t≤P_grid,max

式中P_grid,t为t时段时能源枢纽与电网交互的电功率；P_grid,max为交互功率的最大限值；P_grid,min为交互功率的最小限值，此值为负数，表示能源枢纽能反馈给电网电量的最大值；

5.3冷、热、电负荷平衡约束

$\begin{array}{c}{Q}_{Ac,t}+Q_{Ec,t}\&GreaterEqual;Q_{D,t}^{Cool}\\ Q_{Hrs,t}+Q_{Boi,t}\&GreaterEqual;Q_{D,t}^{Therm}\\ \underset{i=1}{\overset{N_G}{\mathrm{\&Sigma;}}}{P}_{G,i,t}+\underset{j=1}{\overset{N_{Wind}}{\mathrm{\&Sigma;}}}{P}_{Wind,j,t}+\underset{k=1}{\overset{N_{Pv}}{\mathrm{\&Sigma;}}}{P}_{Pv,k,t}+\underset{l=1}{\overset{N_{Bat}}{\mathrm{\&Sigma;}}}\left(P_{Bat,l,t}^{cha}+P_{Bat,l,t}^{dis}\right)+P_{grid,t}=P_{D,t}+P_{Ec,t}+P_{P2G,t}\end{array}$

式中为t时段能源枢纽需要满足的冷负荷；为t时段能源枢纽需要满足的热负荷；P_D,t为t时段能源枢纽需要满足的预测电功率；P_P2G,t为t时段电转气装置消耗的电功率。