CN113592200A

CN113592200A - 一种含水源热泵的区域综合能源系统低碳优化运行方法

Info

Publication number: CN113592200A
Application number: CN202111001542.7A
Authority: CN
Inventors: 周博文; 徐恒志; 杨东升; 李广地; 金硕巍; 罗艳红; 王迎春; 闫士杰
Original assignee: Northeastern University China
Current assignee: Northeastern University China
Priority date: 2021-08-30
Filing date: 2021-08-30
Publication date: 2021-11-02
Anticipated expiration: 2041-08-30
Also published as: CN113592200B

Abstract

本发明的一种含水源热泵的区域综合能源系统低碳优化运行方法，包括：构建包含水源热泵、风机、燃气机组以及多元储能装置的区域综合能源系统总体架构；计算系统运行经济成本和碳排放成本，构建两阶段碳排放模型，提出两个优化目标：购能成本最小和碳排放成本最小；建立各设备机组运性约束以及系统中冷、热、电、气能量平衡约束，形成多目标低碳优化模型；采用NSGA‑Ⅲ算法对低碳优化模型进行求解，得到系统最优运行策略。本发明引入水源热泵机组以多元储能装置，以解决“以热定电”的运行约束、缓解供需两侧热电比差异；建立各设备碳排放模型，进而实现系统的低碳优化运行。

Description

一种含水源热泵的区域综合能源系统低碳优化运行方法

技术领域

本发明属于综合能源系统优化运行领域，涉及一种含水源热泵的区域综合能源系统低碳优化运行方法。

背景技术

随着能源消费结构转型升级，多类能源耦合互联形成的综合能源系统以其特有的优势受到广泛的关注、研究和应用。在江河水系充沛地域，引入水源热泵机组，形成新型热电联产模式，不仅可实现冷/热/电/气等多种能源间的互补转化，还可进一步提高系统清洁能源消纳率。目前，区域综合能源系统中的冷热电三联供(CCHP)大部分以燃气机组作为核心机组，以天然气为燃料，兼具发电、供热等多种能源输出功能。但此系统中电-热能量深度耦合，存在“以热定电”的运行约束。目前的能源系统电热转换方向单一，无法实现很好的电热解耦效果，尤其在热负荷需求较大的冬季，电能产能过剩的情况会更加明显，不仅会降低整个区域电网电能的调峰能力，还会影响风光等可再生能源的并网运行，降低可再生能源利用率。同时，目前系统内碳排放模型的建立并不充分，定量分析不够细致，对含水源热泵系统和清洁能源消纳场景的相关分析较少。

发明内容

为解决上述技术问题，本发明的目的是提供一种含水源热泵的区域综合能源系统低碳优化运行方法，引入水源热泵机组以及多元储能装置，以解决“以热定电”的运行约束、缓解供需两侧热电比差异；同时，建立各设备碳排放模型，进而实现系统的低碳优化运行。

本发明提供一种含水源热泵的区域综合能源系统低碳优化运行方法，包括：

步骤1：构建包含水源热泵、风机、燃气机组以及多元储能装置的区域综合能源系统总体架构；

步骤2：计算系统运行经济成本和碳排放成本，构建两阶段碳排放模型，提出两个优化目标：购能成本最小和碳排放成本最小；

步骤3：建立各设备机组运性约束以及系统中冷、热、电、气能量平衡约束，形成多目标低碳优化模型；

步骤4：在python环境中，采用NSGA-Ⅲ算法对所构建的低碳优化模型进行求解，得到系统最优运行策略。

本发明的一种含水源热泵的区域综合能源系统低碳优化运行方法至少具有以下有益效果：

1)在存在“以热定电”约束的综合能源系统中，引入水源热泵机组以及多元储能装置，形成区域综合能源系统新型运行模式，实现热电解耦，从根本上解决“以热定电”运行约束的问题，有效改善了供需两侧热电比差异，使得溢出电量几乎不存在。

2)更全面更细致的建立了各设备机组的碳排放模型，制定适当的市场激励机制，使更多的对象参与进来，有效降低了系统运行的碳排放成本，实现了系统的低碳优化运行。

3)专利中的实例直观地表明了，本发明所提出的低碳优化运行方法中经济成本降低约50.91％，碳排放成本降低约49.70％，总体显著降低，证明了本发明所提方法的合理性与有效性。

附图说明

图1为本发明的含水源热泵的区域综合能源系统低碳优化运行方法的流程图；

图2为本发明实施例的含水源热泵的区域综合能源系统架构示意图；

图3为采用NSGA-Ⅲ算法对所构建的低碳优化模型进行求解的流程图；

图4为系统在“以热定电”约束下的日前电能调度计划示意图；

图5为系统在“以热定电”约束下的日前热能调度计划示意图；

图6为系统在“以热定电”约束下的日前冷能调度计划示意图；

图7为系统在“以热定电”约束下的日前气能调度计划示意图；

图8为本发明实施例的日前电能调度计划示意图；

图9为本发明实施例的日前热能调度计划示意图；

图10为本发明实施例的日前冷能调度计划示意图；

图11为本发明实施例的日前气能调度计划示意图；

图12为两种模式下经济成本与碳排放成本的对比示意图。

具体实施方式

如图1所示本发明的一种含水源热泵的区域综合能源系统低碳优化运行方法，包括：

步骤1：基于各设备机组的运行机理，构建包含水源热泵、风机、燃气机组以及多元储能装置的区域综合能源系统总体架构，包括：

步骤101：确定各类设备机组的能量转化关系，建立水源热泵、风机、燃气机组以及多元储能装置的运行数学模型；

1)水源热泵数学模型：

式中：

分别为水源热泵在t时段所供给的热量和冷量；P_t ^WHP为t时段水源热泵的输入电功率；η_H,t、η_C,t分别为水源热泵在t时段的供热、制冷调度系数；COP_H为水源热泵供热性能系数；COP_C为水源热泵制冷性能系数；

其中，根据下式计算水源热泵供热和制冷性能系数：

COP_C＝COP_H-1

式中：T_CW为蒸发器侧热源温度；T_HW为冷凝器侧热源温度；A、B、C、D、E为试验中计算出的拟合系数。

2)风机数学模型：

式中：

为风机在t时段的预测出力；v为实时风速；v_i为切入风速；v_o为切出风速；v_e为额定风速；P_e ^WT为风机额定功率；

具体实施时，实时风速根据下式计算：

式中：f(v)为风速概率密度函数，v为风速；m为形状参数；s为尺度参数；

为平均风速；σ为风速标准差；Γ函数为伽玛函数。

3)燃气机组数学模型：

式中：

为燃气机组在t时段消耗的天然气量；

为燃气机组在t时段的产热量；

为燃气机组在t时段损失的热量；P_t ^GU为燃气机组在t时段的发电功率；

式中：a、b分别为燃气机组发电的转换系数，在燃气机组的燃耗曲线中可以测得；

为燃气机组的发电效率；

为0为停机、1为运行，用于表示燃气机组的运行状态；

式中：

为燃气机组中的制热效率；

4)吸收制冷机数学模型：

式中：

为t时段吸收制冷机的制热量；

为t时段吸收制冷机的吸热功率；

为吸收制冷机的能量转化系数；

5)电制冷机数学模型：

式中：

为t时段电制冷机的制热量；

为t时段电制冷机的输入电功率；

为电制冷机的能量转化系数；

6)热储能装置数学模型

式中：

分别为t+1时段和t时段热储能装置的储热量；

为热储能装置的自然热损失系数；

分别为热储能装置在t时段的储热、放热功率；

为热储能装置的储热、放热效率。

7)电储能装置数学模型

式中：

分别为t+1时段和t时段电储能装置的储电量；

为电储能装置的自然电损失系数；

为电储能装置在t时段的充电、放电功率；

为电储能装置的充电、放电效率；

步骤102，基于能量枢纽的概念，构建区域综合能源系统总体架构：系统总体输入来自外部电网、外部气网及风机发电，其与电、热、冷、气四类负荷与系统中电、热、冷、气四条母线对应相连；

步骤103：根据步骤101所建模型，将各设备机组的输入端和输出端对应接入到系统中的电、热、冷、气四条母线上，耦合形成区域综合能源系统总体架构，如图2所示。

步骤2：计算系统运行经济成本和碳排放成本，构建两阶段碳排放模型，继而提出两个优化目标：购能成本最小和碳排放成本最小。购能成本包括从电网购电的购电成本和从气网购气的购气成本，购电成本与实时用电量和实施电价有关；由于天然气价格施行阶梯气价，购气成本需要分段线性化表示。第一阶段碳排放成本中的单位碳排放成本系数随碳排放量的变化而变化，所以也需要将其进行分段线性化处理；第二阶段碳排放成本需要与规定碳排放强度比较，高于规定进行惩罚，低于规定给予奖励。综上，由于购气单位价格和第一阶段单位碳排放成本不是固定值，此优化模型存在非线性，本发明中将其分段线性化处理，更方便于求解。步骤2具体包括：

步骤201，构建耗电设备及电负荷的碳排放模型：

式中：

为耗电设备及电负荷碳排放总量；

为t时段系统内用户所需的电负荷功率；

为电能到标煤的折算系数；ω_t为标煤的碳排放系数；

步骤202，构建燃气设备及气负荷的两阶段碳排放模型：

1)第一阶段：

式中：

为第一阶段燃气设备及气负荷的碳排放总量；

为t时段系统内用户所需的天然气总量；

为天然气到标煤的折算系数；

2)第二阶段：

式中：

为第二阶段燃气设备的碳排放总量；

为燃气机组运行过程中单位出力所产生的碳排放量；

步骤203，构建多优化目标，包括购能成本最小和碳排放成本最小：

目标1：

式中：C_ep为系统购能总成本；

为系统在t时段从电网购电的购电成本；

为RIES在t时段从气网购气的购气成本；

式中：

为t时段系统从电网购电的购电功率；

为t时段电网售电价格；

为t时段从气网购气的购气总量；

分别为气网第一、二、三阶梯售气价格；

分别为第一、二、三阶梯用气量；

目标2：

式中：C_em为系统碳排放总成本；

为系统在t时段运行时两阶段碳排放成本。由于单位碳排放成本系数随耗能的增大而增大，

可分段线性化表达为：

式中：s_{c_i}，i＝1、2、3)为分段线性化后各段单位碳排放成本系数；L_{c_i}，i＝1、2、3)为分段线性化后各段碳排放量；I_act、I_str分别为实际碳排放强度和规定碳排放强度；s_pf为燃气碳排放价格系数。

步骤3：建立各设备机组运性约束以及系统中冷、热、电、气能量平衡约束，形成多目标低碳优化模型；所述步骤3包括：

步骤301：建立各设备机组运性约束：

1)水源热泵机组运性约束：

式中：

分别为水源热泵各时段最小、最大输入功率；

2)风机运行约束：

式中：P_t ^WT为风机t时段的实际出力；

3)燃气机组运行约束

式中：

分别为燃气机组规定的最小、最大出力值；

为燃气机组的爬坡率。

4)储能装置运性约束

式中：

为电储能/热储能装置的最大输出功率；

为电储能/热储能装置的最大输入功率；

分别为电储能、热储能装置最大装机容量；β_min、α_min分别为电储能、热储能装置最小剩余状态系数；β_max、α_max分别为电储能、热储能装置最小剩余状态系数；

步骤302，建立系统中电、热、冷、气能量平衡约束：

1)电能平衡约束：

2)热能平衡约束：

式中：

为t时段系统内用户所需的热负荷功率；

3)气量平衡约束：

4)冷能平衡约束：

式中：

为t时段系统内用户所需的冷负荷总量。

步骤4：在python环境中，采用NSGA-Ⅲ算法对所构建的低碳优化模型进行求解，得到系统最优运行策略，求解流程如图3所示，包括：

步骤401，在python3.8环境中，写入上述搭建完成的区域综合能源系统低碳优化模型；

步骤402，采用NSGA-Ⅲ算法对此模型进行求解，得到系统最优运行策略，包括：

步骤501，设定NSGA-Ⅲ算法的初始参数，包括迭代次数，种群大小，目标函数个数、交叉参数、变异参数、交叉概率、变异概率；

步骤502，根据种群大小，设定一致性参考点的数目，并生成所有参考点，以确保解的多样性；

步骤503，生成初始种群，根据设定的优化目标计算每个个体初始适应度值，并得到初始理想点；

步骤504，通过模拟二进制交叉和多项式变异，保证遗传算子高效性，继而生成子代个体，计算子代个体的适应度值并更新理想点；

步骤505，给出新一代种群数目，将父代与子代组成的种群按照非支配层进行划分，高支配等级的个体优先进入下一代；

步骤506，判断当某一支配等级个体全部进入下一代后，是否超出设定的种群数目，若否则当前支配等级全部进入下一代；若是，则在此支配等级个体中，根据参考点关联个体数目及离参考点的距离逐个选取合适的个体进入下一代，直至新一代种群数目满足先前设定，从而形成新一代种群；

步骤507，判断当前迭代次数是否达到设定的迭代次数，若否，则返回步骤504；若是则进行步骤508；

步骤508，根据最终得到的种群个体及适应度值，得到次多目标优化模型最优解的Pareto前沿；

步骤509，设定目标1与目标2的权重系数，计算Pareto前沿中各解的加权综合成本并比较，得到最优运行策略，各类能量日前供需调度计划：

C_total＝α₁C_ep+α₂C_em

式中：C_total为加权综合成本；α₁、α₂分别为经济成本和碳排放成本的权重系数。

下面结合实例进行对比分析：

实例系统结构如图2所示。水源热泵的制热性能系数取3.50；天然气燃烧低位热值取35.70MJ/kW，燃气机组的转换系数a、b分别取2.5、2；电制冷机制冷效率取0.8，最大制冷功率为150kW；双效吸收制冷机制冷效率取1.1，最大制冷功率为200kW。

传统模式，受“以热定电”约束下运行，即模式1得到的日前各类能量供需调度计划如图4、5、6、7所示；在本发明所提的低碳优化运行方法下实现优化运行，即模式2得到的各类能量供需调度计划如图8、9、10、11所示；两种模式下各项成本对比如图12所示。

如图5所示，此冬季典型场景的主要特征是热负荷需求远大于其它各类负荷，传统运行模式下依靠热电联产机组供热，因此来源于气网的天然气除了少部分直接供给气负荷外，大部分供给燃气机组，保证其产热量满足各时段热负荷的需求。

此运行模式由于以燃气机组为热电联产核心，存在“以热定电”约束，如图4所示在产热的同时各时段产生大量可用电能，尤其在凌晨寒冷时段，随着热需求增大电能产出也随之到达峰值，而此时段电负荷需求处于一天中的谷时；且纵观全天，需求侧和供给侧的电热比相差极大，除电负荷外只有部分电能经由电制冷机供给冷负荷所需，但总体消耗电能远远小于产出，产生大规模弃风和电能溢出。同时，由图7可知此模式运行各时段天然气消耗量较大、电能消耗较少，而天然气消耗存在两阶段碳排放，其折算系数相比于电能也更大，因而运行模式1的碳排放成本会更高。

水源热泵机组只需消耗少量的电能就可产生大量热量，非常适用于此热负荷需求量大的典型场景。由图8所示，其与燃气机组协同运行，搭配热电储能装置可极大程度实现热电解耦，相较于传统运行模式(图4所示)，新模式最明显的优势在于溢出电量几乎不存在，这意味着所有产出电能实现就地消纳，以热定电约束从根本上得到解决。对其得以解决的原因进行深入分析可以看出，传统运行模式下，供热结构较为单一，燃气机组热电产出比例相对固定，在满足热负荷供应的前提下产生大量溢出电能；水源热泵机组加入后，丰富了热电联产结构，系统电、热能量供给的灵活性大大提高。

由图10所示，2:00-7:00时段从气网所购天然气全部用以供给用户所需气负荷，而燃气机组在此时段停机。究其原因，如图8所示，此时正处于电价谷时，供热性能优良的水源热泵机组可直接从电网购入电能产出热能供给此时段热负荷所需，而用户电负荷所需也可直接由电网供给；同时为进一步提高经济效益，电储能装置在此时段也处于充电状态，储备电能以供给峰时所需。纵观全天电能调度计划，风电全部利用，水源热泵机组各时段都投入运行且电价谷时出力最高，二者的大规模利用有效提高了系统清洁能源利用率，实现了绿色低碳化运行。

由图11所示，相较于模式1，热能由燃气机组和水源热泵机组双重供给，除直接供给热负荷外部分供给吸收制冷机组产出冷能供给冷负荷所需。由于引入了碳排放优化目标，系统在满足能量供给的前提下，增大了水源热泵机组的出力，在经济成本不显著增大的同时提高清洁能源利用率，减少了一定的碳排放。在凌晨时段，热储能装置处于充热状态，原因是此时段水源热泵机组可利用谷时电能大规模制热，对一部分热能加以储存以供后续时段部分热负荷所需，可进一步提高系统运行经济性。

由图10可以看出模式2中系统大部分冷能由吸收制冷机提供，这与模式一大不相同，其原因为新型运行模式不再产生大量多余电能，电、热能量实现充分解耦，电制冷和吸收制冷可选择性大大提高，案例中所选用的双效吸收制冷效率明显高于电制冷效率，因而制定如上的供能计划。同时，由于天然气售价为阶梯式价格，通过图7和图10对比可以看出，在热电解耦后各时段的天然气购买量大幅减少，基本维持在第1～2档价格内，由于3档气价较高，原所需消耗的3档天然气可由其它形式能量代替，达到了更经济的运行效果。

本发明提出的低碳优化运行方法，相较于传统运行模式，最明显的优势在于溢出电量几乎不存在，说明包括风电在内的各所有产出电能实现就地消纳，以热定电约束从根本上得到解决。另一方面，由于引入了碳排放优化目标，系统在满足能量供给的前提下，增大了水源热泵机组的出力，在经济成本不显著增大的同时提高了系统清洁能源利用率，有效降低了碳排放成本。

图12直观地表明了，相较于传统模式运行(模式1)，本发明所提出的低碳优化运行方法(模式2)中经济成本降低约50.91％，碳排放成本降低约49.70％，总体显著降低，证明了本发明所提方法的合理性与有效性。

采用本发明的运行方法，在江河水系充沛地域，将水源热泵机组引入区域综合能源系统中，同时搭配储电、储热装置协同运行，使溢出电量几乎不存在，从根本上解决了“以热定电”的运性约束问题；

本发明构建两阶段碳排放模型，更细致地定量分析了各设备机组及电、气负荷的碳排放情况，支撑了低碳优化模性的建立；

本发明采用分段线性化出力优化模型中，并采用NSGA-Ⅲ算法求解此多目标优化模型，得到合理的、可信性强的系统最优运行策略。

以上所述仅为本发明的较佳实施例，并不用以限制本发明的思想，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。