含热电联产热电解耦运行方式下的微网能量综合优化

含热电联产热电解耦运行方式下的微网能量综合优化
刘方;杨秀;黄海涛;张美霞
【摘要】通过安装蓄热槽对热电联产"以热定电"约束进行解耦,使微型燃气轮机更加灵活可控参与系统调峰,有利于微网对高渗透率可再生能源的消纳.考虑到风机、光伏出力的随机性以及热电负荷的波动性,建立了基于机会约束规划的微网热电能量综合优化模型.与传统微网优化模型相比,增加了系统热平衡约束,热电联产热电耦合约束,蓄热槽运行约束等.以微网最小运行成本为优化目标,通过遗传算法优化各微源出力,形成最佳运行方式.算例表明:热电联产系统以热电解耦方式运行,有利于提高能源利用效率以及微网运行经济效益.
【期刊名称】《电力系统及其自动化学报》
【年(卷),期】2016(028)001
【总页数】7页(P51-57)
【关键词】微网;优化运行;热电联产;热储能;机会约束规划
【作者】刘方;杨秀;黄海涛;张美霞
【作者单位】上海电力学院电气工程学院,上海200090;上海电力学院电气工程学院,上海200090;上海电力学院电气工程学院,上海200090;上海电力学院电气工程学院,上海200090
【正文语种】中文
【中图分类】TM73
热电联产系统CHP（combined heat and power）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［1-2］。

微网作为分布式发电的有效管理单元和组织形式［3-4］，接入热电联产系统承担起热负荷供给的任务，进而由狭义的“微型电网”发展为更广义的“微型能源网”［4］。

随着微网由电力供应向热电综合供应的发展，系统内能源结构以及设备在不同时间断面的耦合关系愈加复杂，从而给微网的灵活调度管理提出了新挑战，因此研究多能源微网的优化调度更具实际意义。

目前，关于热电联产型微网优化调度，国内外学者已做了一些研究。

文献［5］建立了热电联产系统的节能优化调度模型，重点研究了联产系统的生产成本、环境成本、协调成本对调度策略的影响；文献［6］提出了一种微网热电联合调度的优化模型，考虑了风电出力的波动性，并通过罚函数将联络线的功率波动引入目标函数，使系统运行总成本最小的同时减小了风电出力波动对电网的影响；文献［7］建立了热电联产型微网经济运行模型，考虑燃料电池、蓄电池同时输出有功和无功，并在满足能量供需平衡、电能质量和蓄电池充放电深度等约束条件的基础上，实现考虑制热收益的综合成本最低；文献［8］研究了热电联产系统和储能技术在微网中的应用，在分时电价以及并网运行环境下，对比分析了热电联产和不含热电联产系统时的运行经济效益。

以上研究对热电联产系统大多采用“以热定电”的运行方式，其出力受热负荷需求约束，限制了微型燃气轮机的调峰能力。

针对于此，文献［9］提出安装储热装置等方式对微型燃气轮机进行热电解耦，参与系统调峰，可成为系统未来100%接纳可再生能源的重要手段。

本文考虑到微网内风机、光伏出力以及热电负荷的波动性，基于机会约束规划建立了热电联产型微网能量综合优化模型。

深入研究了热电联产系统运行模型，并配置蓄热槽对微型燃气轮机组进行热电解耦，增强其灵活可调度性，从而更好地参与系
统调峰和备用，提高运行效率。

配置蓄热槽后的热电联产模型纳入到当前微网优化调度中，形成热电综合调度体系，从系统层面实现最优经济运行。

本文研究的CHP型微网系统由光伏发电PV （photovoltaic）、风力发电WT （wind turbine）、蓄电池储能SB（storage battery）、微型燃气轮机MT （micro turbine）、燃料电池FC（fuel cell）、蓄热槽HST（heat storage tank）以及热、电负荷组成。

微网系统能量流动示意如图1所示。

微网系统与外网和蓄电池储能之间电能为双向流动，方便购售电和充放电；微型燃气轮机高温烟气出口处与溴冷机配套使用，产生热能供应热负荷，并将多余部分存储在蓄热槽内以备热能不足时释放。

光伏、风机出力以及热电负荷具有随机性，作为不可控量，其余单元作为可控量维持系统功率平衡。

光伏发电随机模型参见文献［10］；光伏发电和光照强度呈线性比例关系，一般认为服从Bate分布［11-13］；微网某一时段内的负荷波动一般认为服从正态分布［1］，可将热电负荷以同一正态分布表示。

微网系统内蓄电池储能和燃料电池的逆变器提供无功出力，可作为无功补偿装置，因此不考虑负荷无功功率的随机性。

以下所建立模型时间粒度均取1 h。

1.1 蓄电池储能荷电状态模型
与其他储能技术相比，铅酸蓄电池是目前唯一成本可以为用户所接受的大容量储能方式［14］。

本文以铅酸蓄电池为例进行建模。

蓄电池储能SB系统在t时段末的荷电状态与t-1时段末荷电状态和时段t-1到t内充放量及衰减量有关。

荷电状态SOC（state of charge）数学模型表示为
式中：t为时段号；SOC为SB在t时段末的荷电状态；Δt为单位时间；P为SB 在时段t内的充放电功率，正值表示向微网输电，负值表示从微网吸纳电能；
ΔESB为自损耗电量；ηSB，ch、ηSB，dis分别为充电、放电效率；ESB，cap为额定容量；储能系统荷电状态与剩余电量的关系为E=SOCESB，cap。

1.2 微型燃气轮机（MT）运行模型
MT的发电效率以及污染气体排放量和自身容量、负载水平有关［15］。

发电效率ηMTE表示为
式中：rij为常数，由MT生产厂家给出，参见文献［11］；PMTref为MT额定
功率；RMT为负载率。

溴冷机热功率表示为
式中：Q、Q、P分别为溴冷机制热量、MT排气余热量、MT输出有功功率；η、η分别为MT发电效率和散热损失系数；kh溴冷机的制热系数，表示为
式中：T1、T2分别为热烟气进、出溴冷机的温度；T0为当前环境温度。

MT燃料成本表示为
式中：L为天然气低热热值；Cng为天然气价格。

1.3 蓄热槽（HST）运行模型
蓄热槽主要考虑的参数［16］有Δt内的热量自损耗ΔEHST、充放热效率ηHST，ch和ηHST，dis，其蓄热量为
式中：E为蓄热量；Q为热功率，正值表示向微网系统放热，负值表示从溴冷机吸收热量。

1.4 燃料电池（FC）模型
FC燃料成本与输出功率关系特性为
式中：C为燃料成本；P、η分别为FC的输出功率和总效率，函数关系［17］为：η=-0.002 3× P+0.673 5。

1.5 微网运行优化目标
在含有风光储的微网经济优化调度时，运行经济性最高、环境效益最好常作为优化目标。

本文以最小运行成本为优化目标，将环境效益以污染排放成本的形式添加到运行成本，考虑到微型燃气轮机运行效率及调峰需求，在蓄热槽已满时允许部分弃
热，并以惩罚项的形式添加到总运行成本中。

目标函数表示为
式中：T为时段总数；N为微源数；i为微源编号；C为微源i的运行维护成本；C、C分别为MT、FC的燃料成本；C、C分别为MT、FC污染排放成本；C为和外网功率交互成本；C、C为热、电收益；C、Q为弃热惩罚系数和其热量。

1.6 约束条件
1.6.1 热能约束
为提高微型燃气轮机的运行效率以及调峰能力，规定在蓄热槽已满时，可产生多余热能，制定热能约束为
式中：M为热负荷总数；j为编号；Q为热负荷功率；QHST，max、QHST，min、EHST，max、EHST，min分别为蓄热槽热功率上、下限值和热容量上、下限值。

1.6.2 微型燃气轮机运行约束
MT单位电量发电成本随运行功率增大而减小，且运行功率较小时单位电量的污染排放较大，以此厂家建议运行功率不低于额定功率的1/2［18］，制定约束为
式中，PMTref、PMT，climb分别为MT额定有功出力以及爬坡速率限值。

1.6.3 燃料电池约束
式中：PFC，min、PFC，max为FC出力限值；Q、SFC，inv为FC无功出力以
及逆变器额定容量。

1.6.4 储能系统运行约束
储能系统运行约束为
式中：P、Q分别为SB有功、无功出力；PSB，min、PSB，max分别为SB最小、最大有功功率；SSB，inv为SB逆变器额定容量，E、E分别为SB周期始、周期
末荷电量。

1.6.5 微网与外网联络线传输功率约束
微网与外网联络线传输功率约束为
式中：P、Q分别为联络线有功、无功交互功率；Pgrid，max、Pgrid，min为联络线有功传输功率上、下限值，需要强调的是该限制并非联络线物理传输极限，而是为降低功率大幅度波动对外网的冲击而设定；Qgrid，max、Qgrid，min为联络线无功传输功率上、下限值；cos φ为联络线功率因数；c为功率因数限值。

考虑微网系统的无功优化，除上述约束外，还需要重点考虑系统潮流约束。

机会约束规划CCP（chance constrained programming）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实现之前作出决策的问题［19］。

考虑到
所做决策在不利情况下难以满足约束，可通过设置置信水平，使约束条件成立的概率不小于置信水平来允许不满足约束。

机会约束规划的一种常见数学表达式描述为式中：f（x，ξ）为目标函数；ξ为随机参数向量；Gi（x，ξ）为机会约束条件；
pr｛·｝为事件成立的概率；α为预先给定的置信水平；Hj（x，ξ）为传统的确定
性约束。

根据功率平衡可将联络线功率（Pt
grid）表示为
式中：P、P、P分别为时段t内的风机出力、光伏出力和负荷功率；NL为负荷总数。

经过这样处理，联络线功率的表达式中包含了风机出力、光伏出力以及负荷功率等不确定性因素。

不确定因素的存在可用概率的形式表示，因此结合式（19）可将
式（23）表示为
对于给定的决策向量α，求解CCP模型需要完成2步：①判断α是否满足置信水平约束；②在满足式（24）条件下求解最优目标。

与确定性约束相比，机会约束
规划因随机变量的存在，需要通过随机模拟判断是否满足机会约束。

本文应用蒙特卡洛方法对随机变量在约束范围内进行N次模拟，假设满足约束条件的次数为N′，
通过大数定律求解N/N′，若N/N′＞α则满足机会约束。

遗传算法是一种基于自然选择和基因遗传学原理的随机并行搜索算法，是一种寻求全局最优解而不需要任何初始化信息的高效优化算法，被广泛应用于电源规划、无功优化及电力市场等电力系统领域［6，20］。

根据前面所述，本文将蒙特卡洛模拟和遗传算法相结合，在优化过程中求解机会约束。

算法描述如下：
步骤1 输入微网系统运行参数以及遗传算法相关参数，并随机生成种群；
步骤2 对染色体进行解码，计算蓄电池储能和燃料电池有功无功出力、燃气轮机
有功出力，确定连联络线交互功率；
步骤3 对随机变量进行蒙特卡洛模拟，判断是否满足机会约束；
步骤4 计算个体适应度；
步骤5 判断是否达到迭代次数，若达到迭代次数，转入步骤6，若未达到迭代次数，则通过轮盘赌选择，并进行多点交叉和多点变异，转入步骤2；
步骤6 输出最优结果。

4.1 基础数据
图2中，微网线路参数分别为：R=0.64 Ω/km，X=0.1 Ω/km；负荷功率因数取0.9。

各微源的参数采用文献［21］数据；各微源污染物排放数据、污染物价值标准、罚款等级见文献［22］。

风机、光伏出力和热、电负荷需求等不可控量预测
值如图3所示。

4.2 优化结果分析
4.2.1 置信水平α对优化结果的影响
图4、图5分别为α=85%和α=95%时的有功优化结果。

置信水平反映联络线功率的波动，置信水平越高，联络线功率波动越小，从而微网系统对电网的影响越小。

从图4和图5对比可以看出，置信水平为95%时，联络
线交互功率较为保守，降低了对电网的影响，且使联络线为系统提供较大的旋转备用，提高了运行可靠性。

然而联络线在低谷电价时段对微网充电功率较小，在峰谷时段向外网售电也受限，却影响微网运行经济性。

在实际工程实践中，应权衡微网运行经济性和外网对扰动的耐受能力，设置合适的置信水平，将联络线功率波动限值在合理的范围内。

4.2.2 无功优化结果
微网并网运行时，通过P/Q控制方式调度各微源有功无功出力。

由于联络线受功
率因数限值，当有功交互功率较小时，无功出力也受限，因此系统内无功缺额主要由SB和FC逆变器提供，从而在一定程度上实现无功自给，提高微网运行静态稳
定性，降低了安装无功补偿装置的成本，见图6。

4.2.3 热能优化结果
图7给出了置信水平α=85%时的热能优化结果。

由图可见，在MT未开启时热负荷由蓄热槽独立供应。

当MT开启以后，主要溴冷机供应。

MT在整个过程中以较高的功率运行，运行效率较高，且MT在1个周期内只启停1次，降低了调度的
复
杂度。

4.2.4 蓄热槽容量对优化结果的影响
本文取蓄热槽初始容量为额定容量的80%，优化结果见图8～图10。

从图8可看出：当蓄热槽配置容量为1 000 kW·h，运行至t=6时，蓄热槽内剩余热能已经低至底线，需要开启MT满足后续热能需求，此时段为低谷电价，影响系统从外网
购电，降低了经济性。

而当蓄热槽配置容量为1 200 kW·h时，直到运行至t=7
时才开启MT为系统供热，经济性相对较好。

4.2.5 热电解耦前后对比
从图9可以看出，热电联产“以热定电”运行时，MT电功率具有明显的反调峰性，
再加上系统内风机装机较大，使得储能系统在低谷时段需要以较大功率充电吸纳微网内盈余电能，在高峰时段较大功率放电填补电能空缺，增加了调峰的难度，而热电解耦运行方式下，此现象明显改善；由图10可见，“以热定电”运行方式下储能系统荷电量变化较大，需要大容量配置方可满足需求，而热电解耦运行方式下，储能系统荷电量变化较小，在相同配置容量下，将会大大提升微网对可再生能源的消纳能力，提高微网的环保和经济效益。

本文在微网传统经济调度模式的基础上，对热电联产“以热定电”运行约束进行解耦，研究了蓄热装置运行模型，在电能调度的同时对热能进行调度，形成微网热电能量综合优化调度。

最后通过实例验证热电联产热电解耦方式运行具有如下优势：（1）微型燃气轮机运行不受热负荷需求的制约，且反调峰性明显改善，微网运行可靠性提高；
（2）所需配置的储能容量较低，经济性较好，而在同样的储能容量下，可使得系统接纳更高渗透率的可再生能源。

刘方（1989—），男，硕士研究生，研究方向为微网经济运行与需求侧管理。

Email：**********************
杨秀（1972—），男，博士，教授，研究方向为分布式发电与微电网的运行与仿真。

Email：*********************
黄海涛（1978—），女，博士，副教授，研究方向为电力系统运行优化。

Email：*************************
【相关文献】
［1］肖青，陈洁，杨秀，等（Xiao Qing，Chen Jie，Yang Xiu，et al）.含多种分布式电源的微网动态经济调度（Dynamic economic dispatch of microgrid with different types of distributed generations）［J］.电力系统及其自动化学报（Proceedings of the CSU-EPSA），
2013，25（4）：22-28.
［2］殷桂梁，李相男，郭磊，等（Yin Guiliang，Li Xiangnan，Guo Lei，et al）.混合储能系统在风光互补微电网中的应用（Application of hybrid energy storage system on wind/solar hybrid microgrid）［J］.电力系统及其自动化学报（Proceedings of the CSU-EPSA），2015，27（1）：49-53，59.
［3］杨新法，苏剑，吕志鹏，等（Yang Xinfa，Su Jian，Lü Zhipeng，et al）.微电网技术综述（Overview on microgrid technology）［J］.中国电机工程学报（Proceedings of the CSEE），2014，34（1）：57-70.
［4］王成山，洪博文，郭力，等（Wang Chengshan，Hong Bowen，Guo Li，et al）.冷热电
联供微网优化调度通用建模方法（A general modeling method for optimal dispatch of combined cooling，heating and power microgrid）［J］.中国电机工程学报（Proceedings
of the CSEE），2013，33 （31）：26-33.
［5］陈洁，杨秀，朱兰，等（Chen Jie，Yang Xiu，Zhu Lan，et al）.基于遗传算法的热电联产型微网经济运行优化（Genetic algorithm based economic operation optimization of a combined heat and power microgrid）［J］.电力系统保护与控制（Power System Protection and Control），2013，41（8）：7-15.
［6］徐立中，杨光亚，许昭，等（Xu Lizhong，Yang Guangya，Xu Zhao，et al）.考虑风电随机性的微电网热电联合调度（Combined scheduling of electricity and heat in a microgrid
with volatile wind power）［J］.电力系统自动化（Automation of Electric Power Systems），2011，35（9）：53-60，66.
［7］周任军，冉晓洪，毛发龙，等（Zhou Renjun，Ran Xiaohong，Mao Falong，et al）.分
布式冷热电三联供系统节能协调优化调度（Energy-saving corrdinated optimal dispatch of distributed combined cool，heat and power supply）［J］.电网技术（Power System Technology），2012，36（6）：8-14.
［8］吴雄，王秀丽，别朝红，等（Wu Xiong，Wang Xiuli，BieZhaohong，et al）.含热电联供系统的微网经济运行（Economic operation of microgrid with combined heat and power system）［J］.电力自动化设备（Electric Power Automation Equipment），2013，33（8）：1-6.
［9］吕泉，陈天佑，王海霞，等（Lü Quan，Chen Tianyou，Wang Haixia，et al）.含储热的
电力系统电热综合调度模型（Combined heat and power dispatch model for power system with heat accumulator）［J］.电力自动化设备（Electric Power Automation Equipment），2014，34（5）：79-85.
［10］金鹏，艾欣，许佳佳（Jin Peng，Ai Xin，Xu Jiajia）.基于序列运算理论的孤立微电网经济运行模型（An economic operation model for isolated microgrid based on sequence operation theory）［J］.中国电机工程学报（Proceedings of the CSEE），2012，32（25）：52-59.
［11］顾伟，吴志，王锐（Gu Wei，Wu Zhi，Wang Rui）.考虑污染气体排放的热电联供型微电
网多目标运行优化（Multi-objective optimization of combined heat and power microgrid considering pollutant emission）［J］.电力系统自动化（Automation of Electric Power Systems），2012，36（14）：177-185.
［12］叶承晋，黄民翔，王焱，等（Ye Chengjin，Huang Minxiang，Wang Yan，et al）.基于离散概率模型的风光互补供电系统优化配置（A hybrid wind/photovoltaic power supply system based on discrete probabilistic methodology）［J］.电力系统自动化（Automation of Electric Power Systems），2013，37（6）：48-54.
［13］梁双，胡学浩，张东霞，等（Liang Shuang，Hu Xuehao，Zhang Dongxia，et al）.基于随机模型的光伏发电置信容量评估方法（Probabilistic models based evaluation method for capacity credit of photovoltaic generation）［J］.电力系统自动化（Automation of Electric Power Systems），2012，36（13）：32-37.
［14］赵波，王成山，张雪松（Zhao Bo，Wang Chengshan，Zhang Xuesong）.海岛独立型微电网储能类型选择与商业运营模式探讨（A survey of suitable energy storage for island stand-alone microgrid and commercial operation mode）［J］.电力系统自动化（Automation of Electric Power Systems），2013，37（4）：21-27.
［15］Bando S，Watanabe H，Asano H，et al.Impact of various characteristics of electricity and heat demand on the optimal configuration of a microgrid［J］.Electrical Engineering in Japan，2009，169（2）：6-13.
［16］彭树勇（Peng Shuyong）.冷热电联供型微电网优化配置与运行研究（Research on the Optimal Configuration and Operation for CCHP Microgrid）［D］.成都：西南交通大学电气工程学院（Chengdu：School of Electrical Engineering，Southwest Jiaotong University），2014.
［17］李乐（Li Le）.微网的经济运行研究（Study of Economic Operation in Microgrid）［D］.北京：华北电力大学电气与电子工程学院（Beijing：School of Electrical and Electronic Engineering，North China Electric Power University），2011.
［18］Canova A，Chicco G，Genon G，et al.Emission characterization and evaluation of natural gas-fueled cogeneration microturbines and internal combustion engines ［J］.Energy Conversion and Management，2008，49（10）：2900-2909.
［19］于佳，任建文，周明（Yu Jia，Ren Jianwen，Zhou Ming）.基于机会约束规划的风-蓄联合动态经济调度（A chance-constrained programming based dynamic economic dispatch of wind farm and pumped-storage power station）［J］.电网技术（Power System Technology），2013，37（8）：2116-2122.
［20］熊信银.遗传算法及其在电力系统中的应用［M］.武汉：华中科技大学出版社，2004. ［21］陈洁，杨秀，朱兰，等（Chen Jie，Yang Xiu，Zhu Lan，et al）.不同运行调度模式下微网经济运行对比分析（Comparison of microgrid economic operation among different dispatch modes）［J］.电力自动化设备（Electric Power Automation Equipment），2013，33（8）：106-113.
［22］王晶，陈骏宇，蓝恺（Wang Jing，Chen Junyu，Lan Kai）.基于实时电价的微网PSO最优潮流算法研究（PSO optimal power flow algorithm for a microgrid based on spot power prices）［J］.电力系统保护与控制（Power System Protection and Control），2013，41（16）：34-40.。