賈洋洋,仲海濤,張智晟
(1.青島大學(xué) 電氣工程學(xué)院,山東 青島 266071;2.國網(wǎng)山東省電力公司泰安供電公司,山東 泰安 271000)
隨著社會經(jīng)濟(jì)的飛速發(fā)展,人們對能源的需求不斷增加,傳統(tǒng)的供能模式單一,能源利用率較低且不易控制,運(yùn)行成本受電價(jià)影響較大。以分布式電源為主體、冷熱電聯(lián)供的分布式能源系統(tǒng),具有能源分級利用、安裝地點(diǎn)靈活、易于控制、低碳環(huán)保等特性[1-2]。儲能系統(tǒng)可以平抑可再生能源的出力波動,降低電網(wǎng)負(fù)荷的峰谷差,提高電網(wǎng)的運(yùn)行可靠性[3-4],近年來得到了飛速發(fā)展。分布式能源系統(tǒng)的經(jīng)濟(jì)調(diào)度問題是分布式能源系統(tǒng)經(jīng)濟(jì)安全運(yùn)行的關(guān)鍵,日益引起學(xué)術(shù)領(lǐng)域和工程應(yīng)用領(lǐng)域的關(guān)注。陸月紅等[5]采用混合整數(shù)非線性規(guī)劃方法,解決了含有熱能儲存的建筑分布式能源系統(tǒng)的最優(yōu)調(diào)度問題,并通過實(shí)際算例驗(yàn)證了熱儲能裝置對分布式能源系統(tǒng)節(jié)約成本有著重要的作用?;衄F(xiàn)旭等[6]對氫儲能系統(tǒng)關(guān)鍵技術(shù)及應(yīng)用綜述進(jìn)行了分析,提出:儲氫裝置能量密度高,運(yùn)行維護(hù)成本低,能量存儲時(shí)間較長且可實(shí)現(xiàn)無污染、零排放,是一種新興的儲能裝置;該能量儲備技術(shù)可存儲100 GW·h以上能量,且可同時(shí)滿足極短或極長時(shí)間的供電,是極具潛力的新型大規(guī)模儲能技術(shù)。但是并沒有用實(shí)際算例來分析氫儲能對于節(jié)約分布式能源系統(tǒng)運(yùn)行成本的問題。楊永標(biāo)等[7]以天津中新生態(tài)城能源站冷熱電聯(lián)供系統(tǒng)(combined cooling,heating and power system,CCHP)為例,建立了含光伏和儲能的CCHP調(diào)峰調(diào)蓄優(yōu)化調(diào)度模型,分析了系統(tǒng)中的蓄能對調(diào)節(jié)電網(wǎng)峰谷差、增強(qiáng)電力系統(tǒng)運(yùn)行靈活性的重要作用。基于這些,本文對含儲能裝置的分布式能源系統(tǒng)的經(jīng)濟(jì)調(diào)度問題進(jìn)行研究,構(gòu)建了含有分布式電源、儲氫裝置和冷負(fù)荷及電負(fù)荷的分布式能源系統(tǒng)的經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型,采用粒子群優(yōu)化(particle swarm optimization,PSO)算法、和聲搜索(harmony search,HS)算法、以及改進(jìn)的和聲搜索算法對模型進(jìn)行求解,并對比經(jīng)濟(jì)成本;并經(jīng)實(shí)際算例,對本文提出的含儲氫裝置的分布式能源系統(tǒng)經(jīng)濟(jì)調(diào)度方法的可行性進(jìn)行仿真驗(yàn)證。
本文所研究的分布式能源系統(tǒng)主要設(shè)備包括微型燃?xì)廨啓C(jī)、吸收式冷水機(jī)組、儲氫裝置、電制冷機(jī)、光伏機(jī)組等能量轉(zhuǎn)換設(shè)備以及通信輔助設(shè)備,系統(tǒng)結(jié)構(gòu)如圖1所示。
微型燃?xì)廨啓C(jī)的發(fā)電功率
PMT(t)=qV,gas(t)ηMTLgas.
(1)
式中:PMT為微型燃?xì)廨啓C(jī)的發(fā)電功率,kW;qV,gas為微型燃?xì)廨啓C(jī)燃?xì)庀捏w積流量,m3/h;ηMT為微型燃?xì)廨啓C(jī)發(fā)電效率;Lgas為天然氣的低熱值,Lgas=9.7 kWh/m3;t為時(shí)間。
吸收式冷水機(jī)組可充分利用微型燃?xì)廨啓C(jī)產(chǎn)生的余熱,提高能源的利用率,其制冷量
Qco(t)=QMT(t)ηreckco.
(2)
式中:ηrec為煙氣余熱回收率;制冷系數(shù)kco=0.95;QMT為微型燃?xì)廨啓C(jī)的排氣余熱量。
微型燃?xì)廨啓C(jī)的排氣余熱量及煙氣余熱回收率分別為:
(3)
(4)
式中:ηl為微型燃?xì)廨啓C(jī)的散熱損失系數(shù),ηl=0.03,T0為環(huán)境溫度;T1、T2分別為進(jìn)出溴化鋰制冷機(jī)的煙氣溫度[8-12]。
儲氫裝置主要由電解槽、氫氣燃料電池和儲氫罐3個(gè)部分組成。儲氫裝置系統(tǒng)是一種完美解決風(fēng)光互補(bǔ)存儲剩余低價(jià)能量的一種裝置,它自身技術(shù)成熟可靠,應(yīng)用于含有風(fēng)光發(fā)電的分布式能源系統(tǒng)時(shí),既有及時(shí)、高效、可長期儲能的優(yōu)勢,又可以降低分布式能源系統(tǒng)的運(yùn)行經(jīng)濟(jì)成本,達(dá)到零排放要求[13-15]。該設(shè)備可以從電網(wǎng)中獲得剩余的電量作用于電解槽,產(chǎn)生氫氣儲存在氫氣罐中;當(dāng)電網(wǎng)中用電比較緊張時(shí),燃料電池可以通過燃燒氫氣罐中的氫氣發(fā)電。通過儲氫罐氫氣儲存量描述其數(shù)學(xué)模型為
SH(t+1)=
(5)
式中:SH為氫氣存儲狀態(tài);Pelz為電解槽耗電功率;ηelz為電解槽產(chǎn)氫效率;δelz、δfc分別為電解槽、燃料電池的開關(guān)狀態(tài);Pfc為燃料電池的發(fā)電功率;ηfc為燃料電池的發(fā)電效率[16]。
電制冷機(jī)的耗電功率與制冷功率關(guān)系式為
(6)
式中:PEC為電制冷機(jī)的耗電功率;QEC為電制冷機(jī)的制冷量;kEC為電制冷機(jī)的制冷系數(shù),即
(7)
式中:kN為標(biāo)準(zhǔn)情況下的制冷系數(shù);Tec,o為電制冷機(jī)出水溫度,Tec,o=7 ℃;Tec,i為電制冷機(jī)進(jìn)水溫度[17]。
光伏機(jī)組受室外光輻射照度G與光伏電池板表面溫度的影響[18],光伏機(jī)組發(fā)電功率為
(8)
式中:Pstc為標(biāo)準(zhǔn)測試條件(standard test condition,STC)工況下的最大輸出功率;Tstc為STC工況下光伏電池表面溫度,Tstc=25 ℃;PPV為光伏發(fā)電功率;Gstc為STC工況下的光輻射照度,Gstc=1 000 W/m2;k為溫度功率系數(shù),k=-0.004 7 ℃-1;T為光伏電池板表面溫度。
含混合儲氫裝置的分布式能源系統(tǒng)經(jīng)濟(jì)調(diào)度模型的目標(biāo)函數(shù)為運(yùn)行成本J最小,運(yùn)行成本包括微型燃?xì)廨啓C(jī)成本JMT、與大電網(wǎng)的功率交換成本Jgrid、電解槽損耗成本Jelz和燃料電池?fù)p耗成本Jfc。目標(biāo)函數(shù)為
J=JMT+Jgrid+Jelz+Jfc.
(9)
a)微型燃?xì)廨啓C(jī)運(yùn)行成本為
(10)
式中:Cgas為天然氣的價(jià)格,Cgas=2.02 元/m3;Vgas為燃?xì)庀牧俊?/p>
b)電網(wǎng)功率交換成本為
(11)
式中:Cpur為購電價(jià)格;Ppur為購電功率;Csale為售電價(jià)格;Psale為售電功率。購電時(shí)電網(wǎng)交換功率Pgrid為正,售電時(shí)Pgrid為負(fù),Ppur、Psale定義如下:
(12)
(13)
c)儲氫裝置成本。儲氫裝置成本主要包括電解槽和燃料電池的維護(hù)成本,開關(guān)損耗與負(fù)荷的功率波動會嚴(yán)重影響設(shè)備的使用壽命;因此,儲氫裝置成本如下:
(14)
(15)
式(14)、(15)中:JC,elz、JC,fc分別為電解槽、燃料電池成本;Helz、Hfc分別為電解槽、燃料電池使用壽命;Jo,elz、Jo,fc分別為電解槽、燃料電池的每小時(shí)經(jīng)濟(jì)成本;Jup,elz、Jdown,elz分別為電解槽的開啟、關(guān)閉損耗;Jup,fc、Jdown,fc分別為燃料電池的開啟、關(guān)閉損耗;Jυ,elz、Jυ,fc分別為電解槽、燃料電池由功率波動引起的成本損耗;υelz(t)、υfc(t)為電解槽、燃料電池功率波動;為方便控制電解槽和燃料電池的工作狀態(tài),引入新的輔助邏輯變量——開啟σj,on與關(guān)閉σj,off(j{elz,fc})。電解槽和燃料電池的狀態(tài)由式(16)、(17)決定。
σj,on(t)=max(δj(t)-δj(t-1),0).
(16)
σj,off(t)=max(δj(t-1)-δj(t),0).
(17)
電解槽和燃料電池功率波動
υj(t)=Pj(t)-Pj(t-1).
(18)
含混合儲氫裝置的分布式能源系統(tǒng)經(jīng)濟(jì)調(diào)度模型需要滿足以下約束條件,具體如下所示:
a)分布式能源系統(tǒng)電功率平衡約束為
PMT(t)+PPV(t)+Pfc(t)+Pgrid(t)=
Pload(t)+Pelz(t)+PEC(t).
(19)
式中Pload為負(fù)荷功率。
b)分布式能源系統(tǒng)冷功率平衡約束為
Qco(t)+QEC(t)=Qcouser(t).
(20)
式中Qcouser為冷負(fù)荷需求。
c)儲氫罐氫氣儲存量約束為
SH,min≤SH(t)≤SH,max.
(21)
式中SH加下標(biāo)min、max來分別表示儲氫罐氫氣儲存量的最小、最大值,下文中的部分參數(shù)以此類推。
d)微型燃?xì)廨啓C(jī)功率約束為
0≤PMT(t)≤PMT,max.
(22)
e)電網(wǎng)功率交換約束為
0≤δsale(t)+δpur(t)≤1.
(23)
式中δsale、δpur分別為買電、賣電狀態(tài),在某個(gè)時(shí)刻不能同時(shí)買與賣,最多只能有一個(gè)值取1。
Ppur(t)-Psale(t)=Pgrid(t).
(24)
Pgrid,min≤Pgrid(t)≤Pgrid,max.
(25)
f)儲氫裝置功率約束為:
0≤δelz(t)+δfc(t)≤1.
(26)
Pj,min≤Pj(t)≤Pj,max.
(27)
本文建立的分布式能源系統(tǒng)優(yōu)化調(diào)度模型是一個(gè)高維度非線性規(guī)劃問題,不少常規(guī)優(yōu)化算法都屬于凸優(yōu)化范疇,有唯一明確的全局最優(yōu)點(diǎn);而絕大多數(shù)智能優(yōu)化算法針對的是多極值問題,通過有效設(shè)計(jì)可以在跳出局部最優(yōu)和收斂到一個(gè)點(diǎn)之間有個(gè)較好的平衡,從而實(shí)現(xiàn)找到全局最優(yōu)點(diǎn)。在電力系統(tǒng)優(yōu)化調(diào)度問題中,粒子群優(yōu)化算法、遺傳算法等常用優(yōu)化算法由于其較好的全局搜索能力得到了廣泛應(yīng)用;但相比粒子群優(yōu)化算法與遺傳算法等常規(guī)算法,和聲搜索算法的原理更為簡單,具有參數(shù)較少、通用性強(qiáng)、搜索速度更快、尋優(yōu)能力更強(qiáng)的特點(diǎn)。因此,本文采用改進(jìn)和聲搜索算法對經(jīng)濟(jì)調(diào)度模型進(jìn)行求解[19-24]。
和聲搜索算法是一種新穎的智能優(yōu)化算法,可以反復(fù)調(diào)整算法記憶庫中的解變量,隨著迭代次數(shù)的增加使函數(shù)值不斷收斂,從而來完成優(yōu)化。該算法概念簡單,參數(shù)可調(diào),易于實(shí)現(xiàn)。類似于模擬退火算法的物理退火模擬、遺傳算法模擬生物進(jìn)化以及粒子群優(yōu)化算法模擬鳥群覓食等,和聲算法模擬音樂演奏的原理。該算法模擬音樂創(chuàng)作的過程,其中音樂家使用他們自己的記憶來重復(fù)調(diào)整樂隊(duì)中每個(gè)樂器的音高以實(shí)現(xiàn)美妙的和聲狀態(tài)。
算法流程如圖2所示,具體的算法步驟可以描述為:
a)確定和聲搜索算法的參數(shù)值:和聲搜索存儲器大小M、取值概率pHMCR、調(diào)整概率pAR、調(diào)整帶寬BW、循環(huán)次數(shù)Tmax。
b)從和聲X的解空間里隨機(jī)生成X1,X2,…,XM共M個(gè)和聲放入和聲記憶庫(harmony memory,HM),并記錄對應(yīng)的函數(shù)值f(X),和聲記憶庫的形式為
(28)
c)生成一個(gè)新的和聲。①在[0,1]之間生成隨機(jī)數(shù)r1并將其與pHMCR進(jìn)行比較。②若r1 d)更新和聲記憶庫。對Xnew進(jìn)行評估,即f(Xnew)。若優(yōu)于和聲記憶庫中的函數(shù)值最差的一個(gè),即f(Xnew) e)檢查算法是否終止。重復(fù)步驟c)和d),直到創(chuàng)作次數(shù)達(dá)到Tmax為止。 圖2 和聲搜索算法流程Fig.2 Harmony search algorithm flow chart 由于常規(guī)和聲搜索算法的pAR和BW都是以固定值來對新的解進(jìn)行調(diào)整,這種參數(shù)更新形式嚴(yán)重影響和聲搜索算法的尋優(yōu)能力,并且可能會出現(xiàn)收斂不穩(wěn)定的結(jié)果?;诖耍疚奶岢鲎赃m應(yīng)全局最優(yōu)和聲搜索算法,采用pAR和BW根據(jù)迭代次數(shù)的增加而減小的方式,對常規(guī)和聲搜索算法進(jìn)行改進(jìn),改進(jìn)公式如下: (29) (30) 式中:N為最大迭代次數(shù);i為當(dāng)前迭代次數(shù)。 改進(jìn)后的和聲搜索算法充分利用了和聲記憶庫中的初始解信息,并以較大概率和帶寬進(jìn)行修正,增強(qiáng)了算法的全局搜索能力,提高收斂速度;并且隨著迭代次數(shù)的增加,修正量變小,搜索范圍變小,結(jié)果更為精確,提高了尋找最優(yōu)解的概率。 本文算例取某綜合樓分布式能源系統(tǒng),該綜合樓建筑面積為5 000 m2,主要設(shè)備包含微型燃?xì)廨啓C(jī)、吸收式冷水機(jī)組、混合儲氫裝置、光伏電池和電制冷機(jī)等。以夏季某典型日的用電情況作為典型日進(jìn)行仿真分析,該綜合樓夏季典型日電負(fù)荷與冷負(fù)荷需求曲線如圖3所示,夏季典型日光照強(qiáng)度和環(huán)境溫度曲線如圖4所示。 圖3 夏季典型日電負(fù)荷與冷負(fù)荷需求曲線Fig.3 Electrical load and cold load demand curves in typical day in summer 圖4 夏季典型日光輻射照度和室外溫度曲線Fig.4 Solar radiation intensity and outdoor temperature curves in typical day in summer 微型燃?xì)廨啓C(jī)最大功率PMT,max=200 kW,混合儲氫裝置、光伏電池、電制冷機(jī)等設(shè)備的參數(shù)有:①對于光伏電池板,PPV=15 kW,最大功率點(diǎn)工作電壓Umax=18.5 V,最大功率點(diǎn)工作電流Imax=8.12 A;②對于電解槽,ηelz=7.3 kWh/m3,JC,elz=63.93 元/kW,Jo,elz=0.0156 元/h,Jup,elz=0.957 元/次,Jdown,elz=0.0482 元/次,Jυ,elz=0.39 元/h,Helz=104h;③對于燃料電池,Pfc=5 kW,ηfc=0.768 m3/kWh,JC,fc=233.32 元/kWh,Jup,fc=0.08 元/次,Jdown,fc=0.026 元/次,Jυ,fc=0.05 元/h,Hfc=104h,Jo,fc=0.008 元/h;④對于儲氫罐,罐的容量V=11 m3;⑤對于電制冷機(jī),PEC=70 kW,kEC=4.2。電價(jià)采用分時(shí)電價(jià),見表1。 表1 分時(shí)電價(jià)表Tab.1 Time-of-use electricity price list 本文對以下4種用電情形進(jìn)行仿真比較: 情形1:負(fù)載無序用電,微型燃?xì)廨啓C(jī)與吸收式冷水機(jī)組不動作,光伏發(fā)電剩余電量直接全部賣出,儲氫裝置不動作,不經(jīng)任何優(yōu)化處理。 情形2:儲氫裝置隨分時(shí)電價(jià)高低、光伏發(fā)電及微型燃?xì)廨啓C(jī)功率大小而動作,采用改進(jìn)粒子群優(yōu)化算法進(jìn)行優(yōu)化。 情形3:儲氫裝置隨分時(shí)電價(jià)高低、光伏發(fā)電及微型燃?xì)廨啓C(jī)功率大小而動作,采用和聲搜索算法進(jìn)行優(yōu)化。 情形4:儲氫裝置隨分時(shí)電價(jià)高低、光伏發(fā)電及微型燃?xì)廨啓C(jī)功率大小而動作,采用改進(jìn)和聲搜索算法進(jìn)行優(yōu)化。 4種情形的用電經(jīng)濟(jì)成本依次為2 728.00 元、2 326.82 元、2 153.22 元和2 111.37 元。情形2、情形3和情形4的仿真收斂曲線如圖5所示。 可以看出,改進(jìn)后的和聲搜索算法比粒子群優(yōu)化算法和常規(guī)的和聲搜索算法的優(yōu)化效果更好,能夠更好地分配各微能源的出力,使得成本盡可能低。 由圖5可以看出,粒子群優(yōu)化算法的收斂速度最快,但是容易陷入局部最優(yōu)解,使得最終的優(yōu)化結(jié)果達(dá)不到理想最低狀態(tài);相比改進(jìn)后的和聲搜索算法由于能夠產(chǎn)生多樣的新解,大大提高了全局最優(yōu)搜索能力,改進(jìn)算法后優(yōu)化效果更佳,成本也能達(dá)到最低。 圖5 3種不同情形收斂曲線Fig.5 Convergence curves of three different situations 為驗(yàn)證儲氫裝置接入對分布式能源系統(tǒng)的影響,采用本文提出的分布式能源系統(tǒng)經(jīng)濟(jì)調(diào)度方法進(jìn)行調(diào)度,各微能源出力結(jié)果如圖6所示。 圖6 各微能源出力結(jié)果Fig.6 Output result of each micro-source 由圖6可知,由于綜合大樓24:00—次日06:00為休息時(shí)間,電負(fù)荷和冷負(fù)荷需求低,而且電價(jià)比較低;所以該時(shí)間段微型燃?xì)廨啓C(jī)并不工作,此時(shí)間段電價(jià)較低,儲氫裝置電解槽開始工作,將低電價(jià)的電能轉(zhuǎn)化成氫氣儲存在儲氫罐中。當(dāng)綜合大樓在07:00—17:00時(shí)開始工作,電負(fù)荷和冷負(fù)荷需求不斷增大,達(dá)到用電高峰,此時(shí)間段電價(jià)達(dá)到峰時(shí)電價(jià);因此微型燃?xì)廨啓C(jī)開始工作,作為主要提供電能的設(shè)備,光伏機(jī)組開始工作產(chǎn)生部分電能作為輔助,且儲氫裝置電解槽處于關(guān)閉狀態(tài),燃料電池開始工作,將儲存的氫氣轉(zhuǎn)化為電能提供給負(fù)荷,從而減少從電網(wǎng)的購電量,降低運(yùn)行成本。18:00—22:00微型燃?xì)廨啓C(jī)功率下降,光伏機(jī)組出力變?yōu)榱?,此時(shí)電負(fù)荷需求相對仍舊比較大,電價(jià)仍處于峰時(shí)電價(jià);因此儲氫裝置燃料電池繼續(xù)工作,提供部分電能來降低從電網(wǎng)的購電量,進(jìn)而節(jié)省運(yùn)行成本。22:00—23:00,此時(shí)用電高峰期結(jié)束,電價(jià)變成谷時(shí)電價(jià);所以此時(shí)完全從大電網(wǎng)購電,用于電負(fù)荷和冷負(fù)荷的需求。從上述分析可知,儲氫裝置對電網(wǎng)調(diào)峰調(diào)蓄具有重要的作用,在用電低谷期且電價(jià)低時(shí)耗電儲氫,在用電高峰期且電價(jià)較高時(shí)耗氫產(chǎn)電,從而緩減電力負(fù)荷的峰谷差,同時(shí)也降低了系統(tǒng)的運(yùn)行成本;因此,本文提出的分布式能源系統(tǒng)經(jīng)濟(jì)調(diào)度方法是可行的。 本文對含混合儲氫裝置的分布式能源系統(tǒng)的經(jīng)濟(jì)調(diào)度問題進(jìn)行了研究,構(gòu)建了含有微型燃?xì)廨啓C(jī)組、吸收式冷水機(jī)組、儲氫裝置、光伏機(jī)組、電制冷機(jī)以及其他通信輔助設(shè)備的經(jīng)濟(jì)調(diào)度數(shù)學(xué)模型,分別采用粒子群優(yōu)化算法、常規(guī)和聲搜索算法和改進(jìn)和聲搜索算法進(jìn)行求解;實(shí)際算例仿真驗(yàn)證了儲氫裝置對于降低分布式能源系統(tǒng)的經(jīng)濟(jì)成本的有效性,驗(yàn)證了改進(jìn)和聲搜索算法收斂性能的優(yōu)越性。該研究為分布式能源系統(tǒng)的建設(shè)提供了一定的理論支持。但本文提出的是日前調(diào)度模式,沒有考慮到可再生能源及負(fù)載實(shí)時(shí)變化等不確定因素的影響,在以后的研究工作中應(yīng)該進(jìn)一步考慮。3.2 改進(jìn)和聲搜索算法
4 算例分析
4.1 算例介紹
4.2 算例結(jié)果仿真分析
5 結(jié)束語