电氢热多源联合的微能源网优化模型 [PDF全文]
(黑龙江科技大学 电气与控制工程学院, 哈尔滨 150022)
针对风力等新能源发电出力的随机性与波动性产生的弃风量导致的电网调度能力降低问题,提出一种基于电转氢、电转热、氢转电、氢转热的多源联合微能源网模型。以电解制氢、电加热设备和微燃机为核心,配合储氢、储热及余热利用装置,通过研究模型各单元的运行特性,建立含能量耦合的多能互补矩阵,建立以系统运行成本和弃风量最小为目标的系统运行优化仿真模型,通过差分进化算法求解。算例结果表明,系统24 h内购电36.7 kW·h,售电74.2 kW·h,购热15.6 kW·h,售热9.5 kW·h,运行成本为594.9元。该模型在降低系统弃风量的基础上具有良好的灵活性与经济性。
Optimization model of combined micro energy network for EHR
Zhao Weiguang, Dong Fenglin, Yang Ying, Sun Jianyu, Yu Tianyang
(School of Electrical & Control Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China)
This paper is aimed at addressing the lower grid dispatching capacity resulting from the abandonment produced by wind power and other new energy power generation due to the randomness and volatility of output and thus proposes a multi-source combined micro-energy network model based on electricity-to-hydrogen, electricity-to-heat, hydrogen-to-electricity, and hydrogen-to-heat conversion. The model works by developing a multi energy complementary matrix with energy coupling and a system operation optimization simulation model aimed at minimizing system operation cost and waste air volume by taking electrolytic hydrogen production, electric heating equipment and micro gas turbine as the core, combined with hydrogen storage, heat storage and waste heat utilization devices, and investigating the operation characteristics of each unit of the model; and solving the problem using differential evolution algorithm. The results show that this model features a better flexibility and economy, along with reducing the amount of air curtailment in the system, thanks to the system purchasing 36.7 kW·h, selling 74.2 kW·h, purchasing 15.6 kW·h, selling 9.5 kW·h, and selling heat within 24 hours, at the operating cost of 594.9 yuan.
引言

随着可再生能源在能源系统中的比例不断增加,多能源联合系统与分散式发电功能的运行协调问题日益突出。而微能源网作为一种集合了多种能源生产、分配、消费和转换方式的高效智能能量单元,在实现系统内源储荷协调优化方面发挥着重要作用[1-2],但随着其容量的增加,对其中所包含的储能系统在低成本,大容量等方面的特性提出了更高的要求。电池储能容量低,成本高,调节特性复杂等不足,使其很难满足微能源网的调节要求,同时,也限制了其自我调节的能力,基于传统电池储能的微网系统往往需要配电网支撑。因此,对微能源网及其中包含的储能结构的优化,是提高其内部分布式发电电源的消纳能力和实现多种能源形式自给自足的关键。

微能源网可以通过能量管理来维持内部功率的动态平衡,尽量减少与外部电网的功率交换来保证自身利益,具有一定的自我调节功能[3]。微能源网方面的研究包括以区域并网型微网为基础,引入电热联合调度对微能源网实现优化运行[4]。以可再生能源就地消纳为目标,侧重于微能源网离网自治调度的微能源网自治运行,结合电热联合鲁棒调度模型[5]。针对互联微网之间的协同调度问题呈现的非合作特性,构建基于产销方式的互联性微网自治运行策略[6]。学者对能源网中的储能系统展开了大量的研究,通过构建一种由燃料电池,电解制氢,以及电转气为主体的电气转换储能模型,或者对“风能-电能-蓄热式储能”的联合系统进行优化建模以及高系统风电消纳能力[7-8]。亦或基于建筑相变储能,结合包含热电联供型的光热电站,在满足整个系统能源综合需求的前提下,提高各机组的运行能力,降低系统的运行成本[9]

笔者在满足电、热负荷需求的基础上,提出以微能源网的运行成本最小和风电消纳量最大为目标的优化运行策略。该策略以电解制氢、电加热装置和微燃机为主体,结合储氢、储热,以及余热利用系统的电氢热储能模型为基础,采用差分进化算法进行求解,提升电氢热多源联合微能源网的灵活性与经济性。

1 电氢热多源联合系统结构模型1.1 系统结构

电氢热多源联合系统(Electric hydrogen heating multi-energy combined system,EHHMCS)是以电力网为核心,结合储氢系统与热力系统MCS,在微网自治运行框架下,实现电能、氢能和热能的耦合互补与协调运行[10-12]。文中构建的EHHMCS结构如图1所示。

图1 EHHMCS系统结构<br/>Fig.1 EHHMCS system structure

图1 EHHMCS系统结构
Fig.1 EHHMCS system structure

图1可见,EHHMCS由6部分组成,分别为电加热单元(Electric heating unit,EHU),电解制氢单元(Electric hydrogen production unit,EHPU),微燃机单元(Micro gas turbine unit,MGTU),余热锅炉单元(Waste heat boiler unit,WHBU),储氢单元(Hydrogen storage unit,HSU)以及储热单元(Thermal storage unit,TSU)。

1.2 电加热单元模型

EHU采用电锅炉作为能量耦合设备进行电热能量转换,其产热量与锅炉功率的关系为

PET(t)=ηePEH(t),

式中:PET(t)——t时刻电锅炉的制热功率;

ηe——电锅炉热效率的值;

PEH(t)——t时刻电锅炉用电功率。

1.3 电解制氢单元模型

EHPU采用电解槽,可将水电解为氢气和氧气,产氢量与电能输入的关系为

vhfPEP(t),

vo=0.5ηfPEP(t),

式中:vh——氢气产生速率;

vo——氧气产生速率;

PEP(t)——电解槽用电功率;

ηf——电解制氢设备氢气转换系数。

1.4 微燃机单元模型

选取燃氢微燃机作为氢电转换部分的能量耦合设备进行发电,该设备以氢气为燃料,燃烧产物只有水,实现真正意义上的发电零排放。微燃机输出的电功率与输入的氢气量有关,其数学模型为

HMT(t)=(PMG(t)Δt)/(ηM(t)CL),

式中:PMG(t)——MGTU输出的电功率;

ηM(t)——MGTU输出的热效率;

HMT(t)——消耗的天然气量;

CL——低位热值常量。

1.5 储氢和储热单元模型

为便于反映储能单元的存储状态,定义储氢单元的等效荷电状态Shse(Hydrogen storage equivalent state of charge)和储热单元的等效荷电状态Shses(Heat storage equivalent state of charge),表达式为

Shse=[WHS(t-1)+P1(t)Δtη1- P2(t)Δt/η2]/Whm,(1)

Shses=[WTS(t-1)+P3(t)Δtη3- P4(t)Δt/η4]/Wtm,(2)

式中:WTS(t)、WHS(t)——t时段TSU和HSU所存储的能量;

P1(t)、P2(t)——t时段HSU输入和输出的能量;

P3(t)、P4(t)——t时段TSU输入和输出的能量;

η1、η2、η3、η4——t时段TSU和HSU能量输入和输出效率。

1.6 余热利用单元模型

余热利用单元采用余热锅炉,可通过回收利用余热生产热水或者蒸汽来供给其他工段使用,其数学模型为

PWH(t)=(hf)/(cf)Ch(t)ηtηr,

式中:PWH(t)——余热锅炉输出热功率;

hf——微燃机燃料单位热值;

cf——微燃机单位燃料成本;

Ch(t)——微燃机每小时运行成本;

ηt——微燃机额定功率;

ηr——余热锅炉热回收系统效率。

2 电氢热多源联合系统建模

对含有电氢热多能源联合系统进行建模,系统内能量的输入、输出、转换、存储等环节可以通过文中提出的具有能量耦合与多能互补矩阵描述,转换公式为

(3)

式中:Pei、Peo——系统电网输入功率和输出功率;

Pti、Pto——系统热网输入功率和输出功率;

ρ——能量流入时分配给EHPU的电能分配系数;

ηEH、ηEB、ηMe、ηMt、ηET——EHPU电转气能量转换效率,EHU电转热能量转换效率,MGTU氢转电和氢转热能量转换效率,EHPU电转气能量转换效率。

3 电氢热多源联合系统优化运行模型

为减少与外界的能量交换,微能源网通过能量管理尽可能的实现系统自身能量的产销一致,在保证区域电网安全运行的前提下,尽可能降低运行成本。

3.1 目标函数

微能源网优化模型的建立需要考虑用户电负荷,热负荷与电网、热网之间的利益关系。如果优化模型存在多个目标函数,要在满足等式和不等式约束条件下,协调目标函数之间的关系实现整个模型的优化调度。

采用日前调度模型,逐时优化各设备输出功率,求得微能源网日运行成本最优解。

3.1.1 微能源网最小运行成本

最小运行成本可表示为

F1(t)=min(F11(t)+F12(t)+F13(t)),(4)

式中:F1(t)——微能源网运行总成本;

F11(t)、F12(t)——多源联合系统中能量转换单元和储能单元运行成本;

F13(t)——系统的交互成本。

系统能量转换单元运行成本

式中:CEP、CEH、CMG——电解制氢设备、电加热设备和微燃机的运行成本;

C1、C2——电解制氢设备运行成本系数和电锅炉运行成本系数;

CH2、CST、Si(t)——微燃机氢气成本、微燃机启停成本和t时段可控机组i的启停状态;

Ch、KH2——氢气单价和氢气低热值,Ch=2.4元/m3,KH2=3.1 kW·h/m3

系统储能单元运行成本

式中:CTS、CHS——TSU和HSU的运行成本;

C3、C4——TSU和HSU的单位维护成本;

PTS(t)、PHS(t)——t时段储热和储氢的充放功率。

系统与外界交互功率成本

式中:CE、CT——t时段系统与电网和热网的交互成本;

CEb、CTb、CEs、CTs——购电(热)价格和售电(热)价格;

Pex(t)、Pet(t)——系统与电网和热网的交互功率。

规定购电(热)或售电(热)必须单向进行,因此,交互状态变量τ、γ均等于1或都等于0。τ等于1时表示微能源网从外电网购电,等于0时代表向外电网售电; γ等于1时表示微能源网从外电网购热,等于0时代表向外电网售热。

3.1.2 风电消纳量最大

系统的风电消纳量可以用风电预测功率与实际并网功率的差值表出,即系统弃风量最小,表达式为

(7)

式中:Pw(t)——t时段的弃风功率值;

Pwp(t)——t时段风电预测功率;

Pws(t)——风电实际发出功率。

3.2 系统约束条件3.2.1 等式约束条件

电功率平衡

PMe(t)+Pe(t)+Pwi(t)=Pel(t),

式中,Pel(t)——t时段内电负荷。

热功率平衡

PMt(t)+Pet(t)=Ptl(t),

式中,Ptl(t)——t时段内热负荷。

3.2.2 不等式约束条件

电锅炉功率约束

0≤Peb(t)≤Pem,

ΔPei≤ΔPeb(t)≤ΔPea,

式中:Peb(t)——t时段电锅炉用电功率;

ΔPeb(t)——输入功率变化量;

ΔPei、ΔPea——电锅炉爬坡功率最大值和最小值。

电解制氢设备功率约束

0≤PEP(t)≤PEm,

ΔPEi≤ΔPEP(t)≤ΔPEm

式中:PEm——电解制氢设备最大用电功率;

ΔPEP(t)——输入功率变化量;

ΔPEm、ΔPEi——设备爬坡率最大值和最小值。

微燃机约束

PTi≤PMT(t)≤PTm,

式中,PTm、PTi——第i个微燃机出力的最大值和最小值。

储能约束

W1≤Wso(t)≤W2,

S1≤STS(t)≤S2,

S3≤STS(t)≤S4,

式中:Wso(t)——t时段储能设备的储能容量;

W1、W2——储能设备最小最大储能容量;

S1、S2、S3、S4——余氢状态最小最大值和余热状态的最小最大值。

余热锅炉约束

PWi≤PWH(t)≤PWm,

式中:PWH(t)——余热锅炉输出余热功率;

PWi、PWm——输出余热功率最小最大值。

联络线功率约束

Pli≤Ple(t)≤Plm,

Pti≤Plt(t)≤Ptm,

式中:Pli、Plm——系统与电网联络线的最小最大功率;

Pti、Ptm——系统与热网联络线的最小最大功率。

4 微能源网运行的优化与求解4.1 微能源网运行策略

基于风电预测功率值与电负荷、热负荷的值,通过协调微能源网内部能量转换单元出力和储能出力,使微能源网在实现自我调节的同时与外电网和热网的交互功率最小。文中基于一种微能源网运行策略,过程如图2所示。

图2 多源联合微能源网运行策略<br/>Fig.2 Multi-source united micro-energy grid operation strategy

图2 多源联合微能源网运行策略
Fig.2 Multi-source united micro-energy grid operation strategy

4.2 模型求解

采用差分进化算法对模型进行求解,是一种随机并行进行的全局搜索算法,具有全局寻优能力强和方便易用的特点,被广泛应用于单目标和多目标优化问题的求解。文中采用基于切比雪夫方法进行非线性多目标聚合的进化算法,其聚合函数定义为

式中:x——系统决策变量;

Fi(x)——目标函数;

λ——权重向量,λi≥0, {Fi(x)|x∈Ω},i∈{1,2,…,m}。

通过随机产生尽可能覆盖全部区域的初始种群,执行差分变异操作产生变异向量,使目标向量与变异向量进行二项式交叉生成最终的实验向量,与目标向量的目标函数值进行比较,若实验向量具有更优的目标函数值,则将目标向量替换为实验向量,否则,该目标向量保持不变,判断是否满足终止条件,若满足则输出结果,否则返回继续迭代求解。差分进化算法的具体流程如图3所示。

图3 多目标差分进化算法流程<br/> Fig.3 Flow of multi-objective differential evolution algorithm

图3 多目标差分进化算法流程
Fig.3 Flow of multi-objective differential evolution algorithm

5 算例仿真分析5.1 系统运行数据

采用MOEA算法对文中提出的电氢热多能源联合系统进行求解,以系统24 h进行优化,步长为1 h,一天24 h预测的电负荷、热负荷功率见图4,采用分时电价进行仿真,通过负荷与发电量的供给关系,将一天24 h划分为峰时、平时和谷时三个电价阶段,其中11:00—13:00、18:00—21:00为峰时; 23:00—5:00为谷时; 其余时间段为平时。分时电价、热价如表1所示。Y代表购电价格,S代表售电价格,T代表购热价格,Z代表售热价格。电氢热多能源系统运行参数如表2所示。微网设备的有功出力和调度出力为连续变量,高载能负荷的投切状态为离散变量,微网设备的启停状态由机组在某时段的出力大小来确定。

图4 典型日电热负荷预测功率<br/>Fig.4 Typical daily heating load forecast power

图4 典型日电热负荷预测功率
Fig.4 Typical daily heating load forecast power

表1 系统分时电价和热价<br/>Table 1 System time-of-use electricity price and heat price

表1 系统分时电价和热价
Table 1 System time-of-use electricity price and heat price

表2 系统运行参数<br/>Table 2 System operating parameters

表2 系统运行参数
Table 2 System operating parameters

5.2 系统优化结果

系统电负荷平衡优化运行结果如图5所示。在0~9 h负荷较小时,系统发电量多于系统消耗量,存在富余电量,EHHMCS通过引入电解制氢设备和电加热设备再配合储氢和储热单元,将多余的电量进行存储,从而提高系统的风电消纳量。当储能单元由输入变为输出时,Shse从最高点开始下降,当系统负荷减少,储能单元由输出变为输入时,Shse开始上升,直到达到储能单元上限,系统电负荷平衡优化运行结果如图6所示。系统Shse、Shses运行结果中0~9 h及21~24 h如图7所示。根据微能源网运行策略,在夜间低谷时段售电价格大大降低的前提下,可以极大的降低负荷低谷时段系统向外兜售电量。当系统中的净负荷变为正值时,系统储能单元向外输出能量,随着系统净负荷功率的增加,微燃机单元会逐渐增加运行机组数目,补充系统功率缺额。由于微燃机成本低于系统购电成本,EHHMCS在交互功率约束和分时电价的作用下,使系统峰时段的购电量降低,即避免了峰上加峰的情况出现,减少微能源网对外部电网的依赖,同时提高了区域电网的调度灵活性。

图5 EHHMCS电负荷平衡优化运行结果<br/>Fig.5 EHHMCS electric load balance optimization operation results

图5 EHHMCS电负荷平衡优化运行结果
Fig.5 EHHMCS electric load balance optimization operation results

图6和7系统Shse、Shses的运行结果可以看出,当系统处于用热高峰时,系统发电量大于消耗量,系统通过电加热设备将一部分电能转化为热能供热负荷使用,同时,储热单元也进行放热,Shses下降,如图7系统Shse、Shses运行结果中0~5 h所示。在MGTU运行时会产生大量热能,基于微能源网运行策略,EHHMCS会首先通过WHBU将MGTU的余热收集储存起来或者给热负荷使用,多于热能将存储于TSU,直到达到其容量上限,由图7系统的Shse和Shses运行结果中的10~16 h及16~21 h。在系统电负荷谷时段,系统最小发电量大于负荷量,会产生弃风现象,EHHMCS中TSU会在谷时段优先放热,从而提高风电的利用率,并尽量减少系统与外界的交互功率,实现系统能量的自给自足。

EHHMCS系统运行结果如表3所示。其中,C代表系统运行成本,E代表系统购电量,I代表系统售电量,U代表系统购热量,K代表系统售热量。由表3可知,文中提出的模型可以在减小微能源网与外界主电网交互功率的基础上控制系统的运行成本。

图6 EHHMCS热负荷平衡优化运行结果<br/>Fig.6 EHHMCS heat load balance optimization operation results

图6 EHHMCS热负荷平衡优化运行结果
Fig.6 EHHMCS heat load balance optimization operation results

图7 EHHMCS系统Shse、Shses运行结果<br/>Fig.7 EHHMCS system Shse,Shses running results

图7 EHHMCS系统Shse、Shses运行结果
Fig.7 EHHMCS system Shse,Shses running results

表3 EHHMCS系统运行结果<br/>Table 3 EHHMCS system operation results

表3 EHHMCS系统运行结果
Table 3 EHHMCS system operation results

5.3 EHHMCS多能源联合系统Pareto解集

利用差分进化算法求解,种群规模设置为200,迭代次数设置为500,在交叉概率0.5,变异概率0.6的参数下,系统在得到最优解时又能使运行时间较短,得到如图8所示的EHHMCS优化的Pareto前沿图。

图8 EHHMCS系统Pareto解集<br/>Fig.8 Pareto solution set of EHHMCS system

图8 EHHMCS系统Pareto解集
Fig.8 Pareto solution set of EHHMCS system

图8可以看出,系统的最大风电消纳量即系统弃风量与系统运行成本不支配,随着系统弃风量的降低,运行成本会增加。可根据实际情况选择或者根据模糊度隶属函数计算出每个解的满意度值,最大值即为最优方案。

6 结 论

针对新能源发电随机性与波动性造成电网调节能力下降,以及产生弃风量的问题,建立了以电解制氢、电加热装置和微燃机为核心,配合储氢、储热单元以及余热利用装置的多源联合微能源网优化模型,考虑系统运行成本最低与系统风电消纳量最大,提出一种微能源网运行策略。

(1)相对于传统热电联合微能源网系统仅仅考虑系统运行成本,EHHMCS型微能源网考虑了系统与外部电网、热网的交互功率并使其最小化,可以最大程度上实现系统本身的产销一致,减小系统对外部电网的依赖性。

(2)相对于传统热电联合微能源网系统,EHHMCS型微能源网降低系统运行成本的同时,能最大程度减少弃风量。

EHHMCS型微能源网具有良好的经济性与灵活性,在未来新能源战略中具有广阔的发展前景。在后续工作中,将更深入的将电转气,电制冷等多种能源转化模式与微能源网结合起来,进一步考虑多能源网络的约束。

参考文献