江卓翰，劉志剛，許加柱，伍敏，謝欣濤，侯益靈

(1. 能源互聯(lián)網(wǎng)供需運(yùn)營湖南省重點(diǎn)實(shí)驗(yàn)室(國網(wǎng)湖南省電力有限公司經(jīng)濟(jì)技術(shù)研究院)，長沙市 410004；2.湖南大學(xué)電氣與信息工程學(xué)院，長沙市 410082)

0 引 言

冷熱電聯(lián)供(combined cooling, heat and power，CCHP)系統(tǒng)是以天然氣為主要燃料，帶動燃?xì)鈾C(jī)組發(fā)電的同時(shí)，利用余熱回收裝置回收余熱向用戶供熱供冷的能源供應(yīng)系統(tǒng)，其綜合能源利用率可達(dá)70%[1-2]。CCHP能通過能量梯級利用提高一次能源利用率，并且作為提高能源利用效率和節(jié)能減排的有效方式在世界各國得到了快速發(fā)展[3-4]。作為一個(gè)典型的多輸入多輸出、多級能量流和信息流的復(fù)雜能源系統(tǒng)，CCHP系統(tǒng)的經(jīng)濟(jì)、環(huán)境友好運(yùn)行取決于該系統(tǒng)設(shè)備容量和運(yùn)行策略的整體優(yōu)化。

本文重點(diǎn)關(guān)注CCHP系統(tǒng)的容量配置和運(yùn)行優(yōu)化問題，兩者的協(xié)同優(yōu)化是其穩(wěn)定、經(jīng)濟(jì)和高效的重要基礎(chǔ)與保障。針對CCHP系統(tǒng)的容量優(yōu)化配置問題，主要采用多評價(jià)準(zhǔn)則、模糊決策法確定CCHP的最佳配置容量[5-7]。但大多數(shù)研究只關(guān)注單目標(biāo)優(yōu)化或利用加權(quán)值將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題，無法獲得多個(gè)維度的均衡解，考慮問題較為單一。針對運(yùn)行優(yōu)化問題，主要采用數(shù)學(xué)規(guī)劃方法和智能優(yōu)化算法，以經(jīng)濟(jì)目標(biāo)、節(jié)能目標(biāo)、環(huán)保指標(biāo)為優(yōu)化目標(biāo)，優(yōu)化CCHP系統(tǒng)的運(yùn)行策略[8-11]。文獻(xiàn)[12]考慮了電網(wǎng)和氣網(wǎng)的相互依賴性，將效益與成本比最大化作為目標(biāo)函數(shù)確定熱電聯(lián)產(chǎn)機(jī)組的最優(yōu)組合。文獻(xiàn)[13]建立了一個(gè)考慮可靠性約束的多能源系統(tǒng)混合整數(shù)線性規(guī)劃(mixed integer linear programming，MILP)模型。文獻(xiàn)[14]研究了電、氣聯(lián)合的多能源系統(tǒng)優(yōu)化擴(kuò)張模型，在候選熱電聯(lián)產(chǎn)機(jī)組、發(fā)電機(jī)組、輸電線路和天然氣爐中確定了最優(yōu)成本規(guī)劃方案。文獻(xiàn)[15]提出了一種考慮先進(jìn)絕熱壓縮空氣儲能(advanced adiabatic compressed air energy storage, AA-CAES)裝置參與熱電聯(lián)儲/供的微型綜合能源系統(tǒng)優(yōu)化運(yùn)行策略，可有效削減運(yùn)行成本。上述研究探討了電、氣、熱之間的聯(lián)系，在經(jīng)濟(jì)調(diào)度方面取得了一定進(jìn)展，主要涉及到CCHP系統(tǒng)容量配置或者運(yùn)行策略的單方面優(yōu)化，但是未能針對容量配置和日運(yùn)行出力的優(yōu)化調(diào)度進(jìn)行聯(lián)合優(yōu)化。

與此同時(shí)，CCHP系統(tǒng)的規(guī)劃與運(yùn)行還須考慮風(fēng)光等可再生能源和負(fù)荷的多重不確定性。常用的建模方法主要包括隨機(jī)優(yōu)化[16]、魯棒優(yōu)化[17]和區(qū)間優(yōu)化[18]等。相關(guān)研究中，文獻(xiàn)[16]需要在已知不確定性變量概率密度的基礎(chǔ)上進(jìn)行建模，求解的精度與概率密度的擬合程度相關(guān)；文獻(xiàn)[18]的區(qū)間優(yōu)化方法為出力不確定性信息分布的問題提供了解決思路，可以成功應(yīng)用于能源系統(tǒng)的規(guī)劃與運(yùn)行領(lǐng)域中。但以上文獻(xiàn)主要考慮系統(tǒng)內(nèi)單一的不確定性因素，未能計(jì)量多重不確定性因素的綜合影響，同時(shí)，部分方法刻畫不確定性集合需要獲知準(zhǔn)確的概率密度分布，模型建立受制于數(shù)據(jù)采集系統(tǒng)。

針對上述問題，本文提出一種計(jì)及風(fēng)光儲的CCHP雙層協(xié)同優(yōu)化配置方法，外層采用基于NSGA Ⅱ的多目標(biāo)遺傳算法，得到兼顧經(jīng)濟(jì)性和環(huán)保性的設(shè)備容量配置方案；內(nèi)層優(yōu)化構(gòu)建魯棒模型得到各設(shè)備的優(yōu)化調(diào)度結(jié)果，綜合考慮多重不確定性因素的影響，省去獲取概率密度分布的冗余步驟，通過調(diào)整魯棒參數(shù)兼顧系統(tǒng)的經(jīng)濟(jì)性和魯棒性，充分發(fā)揮多能協(xié)調(diào)互補(bǔ)的優(yōu)勢，達(dá)到內(nèi)層經(jīng)濟(jì)最優(yōu)的目的。

1 含風(fēng)光儲的冷熱電聯(lián)供系統(tǒng)

1.1 冷熱電聯(lián)供系統(tǒng)結(jié)構(gòu)

本文研究的CCHP系統(tǒng)主要包括燃?xì)廨啓C(jī)、燃?xì)忮仩t、余熱回收裝置、電制冷機(jī)、吸收式制冷機(jī)、電力鍋爐、熱交換器和儲電裝置等設(shè)備，其結(jié)構(gòu)如圖1所示。工作原理為：燃?xì)廨啓C(jī)向用戶提供所需電力，同時(shí)，其產(chǎn)生的高溫?zé)煔庥酂峥梢员挥酂峄厥昭b置回收，將收集到的熱量輸送至吸收式制冷機(jī)和熱交換器。若吸收式制冷機(jī)無法滿足用戶的電力需求，則由電制冷機(jī)進(jìn)行補(bǔ)充，為用戶供冷。若煙氣余熱無法滿足用戶的熱負(fù)荷需求，則由燃?xì)忮仩t為用戶供熱。余熱回收裝置和燃?xì)忮仩t的熱量通過熱交換器為熱負(fù)荷供熱，在電價(jià)較低時(shí)也可以由電力鍋爐對熱負(fù)荷進(jìn)行供熱。此外，為盡可能減小電網(wǎng)供需的峰谷差值，加入了儲電裝置進(jìn)行調(diào)節(jié)。除常規(guī)CCHP外，在系統(tǒng)中還加入了光伏和風(fēng)電2種分布式電源，形成含風(fēng)光儲的CCHP系統(tǒng)。

圖1 含風(fēng)光儲的冷熱電聯(lián)供系統(tǒng)結(jié)構(gòu)Fig.1 Structure of a CCHP system with wind power, solar power and energy storage

1.2 雙層協(xié)同優(yōu)化方法

針對計(jì)及風(fēng)光儲的CCHP系統(tǒng)優(yōu)化配置問題，本文提出了一種雙層協(xié)同優(yōu)化方法。外層優(yōu)化采用NSGA Ⅱ算法對綜合能源系統(tǒng)內(nèi)的設(shè)備進(jìn)行規(guī)劃，得到設(shè)備的最優(yōu)容量。內(nèi)層優(yōu)化構(gòu)建魯棒模型，采用分支定界法對系統(tǒng)運(yùn)行成本進(jìn)行優(yōu)化，在滿足系統(tǒng)功率平衡約束和各類耦合元件出力約束的前提下，得到系統(tǒng)的日前調(diào)度方案。

外層以系統(tǒng)年化總成本和污染物年總排放量最優(yōu)為目標(biāo)函數(shù)，以所有設(shè)備的經(jīng)濟(jì)參數(shù)、系統(tǒng)運(yùn)行參數(shù)和內(nèi)層優(yōu)化模型結(jié)果作為輸入，以CCHP的設(shè)備容量配置為輸出；內(nèi)層優(yōu)化模型以考慮污染物排放的年運(yùn)行成本為目標(biāo)函數(shù)，以負(fù)荷數(shù)據(jù)、能源價(jià)格、風(fēng)光出力和外層優(yōu)化模型的結(jié)果為輸入，以CCHP的年運(yùn)行成本為輸出。

2 雙層優(yōu)化模型

2.1 目標(biāo)函數(shù)

2.1.1 外層目標(biāo)函數(shù)

為了兼顧C(jī)CHP系統(tǒng)的經(jīng)濟(jì)性和環(huán)保性，外層優(yōu)化采用CCHP系統(tǒng)的最小年化總成本和最小污染物排放量作為外層目標(biāo)函數(shù)，其中，經(jīng)濟(jì)性目標(biāo)函數(shù)表示為：

minCtotal=ρCinv+Cdo

(1)

式中：Ctotal為CCHP系統(tǒng)的年化總成本；Cinv為設(shè)備投資成本；ρ為投資回收系數(shù)；Cdo為總運(yùn)行成本，為內(nèi)層優(yōu)化模型的輸出結(jié)果。

投資回收系數(shù)的計(jì)算公式為：

(2)

式中：r為年利率；n為設(shè)備的使用年限。

設(shè)備投資成本的計(jì)算公式為：

(3)

式中：下標(biāo)i表示計(jì)算投資成本的設(shè)備類型(此處考慮燃?xì)廨啓C(jī)、燃?xì)忮仩t、熱交換器、電制冷機(jī)、吸收式制冷機(jī)和電力鍋爐6種)；Ii表示第i類設(shè)備是否投建的0-1變量，投建為1，否則置0；Pi表示第i類設(shè)備投建的容量；Ri表示第i類設(shè)備投建的單位容量價(jià)格。

由于CCHP系統(tǒng)所排放的污染物類型主要為CO2、SO2、NOx這3種，因此，將3種污染物年總排放量最小作為環(huán)保性目標(biāo)函數(shù)。

(4)

2.1.2 內(nèi)層目標(biāo)函數(shù)

內(nèi)層優(yōu)化模型以系統(tǒng)年運(yùn)行成本最優(yōu)為目標(biāo)函數(shù)，由于本文采用魯棒優(yōu)化的方法，對于風(fēng)電、光伏全額接納，故不考慮棄風(fēng)棄光成本[19]。內(nèi)層目標(biāo)函數(shù)包括運(yùn)行過程中系統(tǒng)電力和天然氣購買費(fèi)用以及污染物排放的環(huán)境治理成本，具體可以表示為：

(5)

(6)

(7)

2.2 約束條件

2.2.1 子網(wǎng)功率平衡約束

1)電網(wǎng)功率平衡約束。

系統(tǒng)t時(shí)段的電網(wǎng)功率平衡約束為：

(8)

2)氣網(wǎng)功率平衡約束。

系統(tǒng)t時(shí)段的氣網(wǎng)功率平衡約束為：

(9)

3)熱網(wǎng)功率平衡約束。

系統(tǒng)t時(shí)段的熱網(wǎng)功率平衡約束為：

(10)

4)冷網(wǎng)功率平衡約束。

系統(tǒng)t時(shí)段的冷網(wǎng)功率平衡約束為：

(11)

2.2.2 組件性能約束

1)燃?xì)廨啓C(jī)約束。

(12)

2)燃?xì)忮仩t約束。

(13)

3)電制冷機(jī)約束。

(14)

4)吸收式制冷機(jī)約束。

(15)

5)電力鍋爐約束。

(16)

6)熱交換器約束。

(17)

7)儲能裝置約束。

(18)

2.2.3 其他約束

1)與上級電網(wǎng)的交互應(yīng)使承載的負(fù)荷量低于聯(lián)絡(luò)線最大帶載限制容量，則購電容量約束為：

(19)

2)系統(tǒng)正備用約束。

當(dāng)電網(wǎng)負(fù)荷超載時(shí)，上級電網(wǎng)和燃?xì)廨啓C(jī)可以為系統(tǒng)提供系統(tǒng)備用：

(20)

式中：L%表示電網(wǎng)負(fù)荷的旋轉(zhuǎn)備用率。

3)系統(tǒng)負(fù)備用約束。

(21)

4)機(jī)組爬坡約束。

(22)

3 求解方法

3.1 外層優(yōu)化模型求解方法

外層優(yōu)化配置模型存在2個(gè)不同目標(biāo)，數(shù)學(xué)規(guī)劃方法和單目標(biāo)智能尋優(yōu)算法無法對其求解，因此有必要選擇一種多目標(biāo)優(yōu)化方法對其求解。NSGA Ⅱ算法采用帶精英策略的快速非支配排序，是一種建立在帕累托最優(yōu)解理論上的多目標(biāo)智能優(yōu)化算法,具有運(yùn)行速度快和解集收斂性好的優(yōu)點(diǎn)。因此，外層優(yōu)化配置模型采用NSGA Ⅱ算法進(jìn)行求解，具體步驟如下：

1)系統(tǒng)初始化，輸入系統(tǒng)參數(shù)。

2)初始化種群。每一個(gè)種群個(gè)體代表一組設(shè)備的配置容量。

3)將種群個(gè)體代入內(nèi)層優(yōu)化得到運(yùn)行出力方案，隨后計(jì)算出年經(jīng)濟(jì)成本和年污染物排放量。

4)選擇、交叉、變異產(chǎn)生子代種群。

5)取父代和子代合集，進(jìn)行帕累托排序，計(jì)算擁擠度距離，形成新一代種群。

6)判斷終止條件。如果滿足終止條件，輸出協(xié)同優(yōu)化方案，否則返回步驟4)。

需要說明的是，在種群個(gè)體初始化和交叉變異的過程中，若采取隨機(jī)取值直接作為種群個(gè)體的初始位置，極可能使得機(jī)組的容量配置方案無法滿足內(nèi)層出力平衡約束，導(dǎo)致求解失敗。若出現(xiàn)求解失敗的種群個(gè)體，則算法無法對父代和子代的集合進(jìn)行非支配排序和擁擠度計(jì)算。為防止此類情況發(fā)生，對相應(yīng)過程中的每個(gè)種群個(gè)體采取自循環(huán)策略，將種群個(gè)體位置代入到內(nèi)層求解模型中進(jìn)行求解，僅當(dāng)求解成功時(shí)跳出自循環(huán)，否則個(gè)體重新取值，直至求解成功。

3.2 內(nèi)層構(gòu)建魯棒模型

3.2.1 構(gòu)建不確定集

考慮風(fēng)機(jī)和光伏出力的不確定性，各時(shí)段出力可表示為：

(23)

利用魯棒理論構(gòu)建含加法最大不確定集，單獨(dú)的風(fēng)力波動或者光伏波動均可采用下述不確定集合表述：

(24)

3.2.2 對偶變換

由于模型中存在不確定量無法直接進(jìn)行求解，因此需要對式(20)和(21)進(jìn)行對偶變換得到式(25)和(26)。

(25)

(26)

構(gòu)建魯棒模型后，整個(gè)模型為一個(gè)混合整數(shù)線性規(guī)劃問題，可以調(diào)用CPLEX求解器，采用分支定界法對MILP進(jìn)行求解。當(dāng)內(nèi)層求解完成后，計(jì)算該配置方案下的年總運(yùn)行成本，并作為輸入量反饋給外層優(yōu)化，外層利用內(nèi)層優(yōu)化的容量配置方案得到年化總成本和年污染物排放量，根據(jù)NSGAⅡ算法進(jìn)行迭代更新，實(shí)現(xiàn)雙層優(yōu)化配置方案尋優(yōu)。整體流程見圖2。

圖2 雙層優(yōu)化求解流程Fig.2 Flowchart of two-layer optimization solution

4 仿真分析

本文以某園區(qū)典型日負(fù)荷數(shù)據(jù)為依據(jù)，驗(yàn)證雙層協(xié)同整體優(yōu)化方法。根據(jù)該園區(qū)的冷熱電負(fù)荷需求，將該園區(qū)分為春、夏、秋、冬4季，典型日冷熱電負(fù)荷如圖3所示，風(fēng)、光日出力曲線如圖4所示。

圖3 典型日冷熱電負(fù)荷Fig.3 Typical daily load

圖4 風(fēng)、光日出力曲線Fig.4 Daily output curve of wind and solar power

在上述情況下，本文考慮燃?xì)廨啓C(jī)、燃?xì)忮仩t、電制冷機(jī)、吸收式制冷機(jī)、電力鍋爐和熱交換器等設(shè)備構(gòu)成的CCHP系統(tǒng)的協(xié)同優(yōu)化配置問題，設(shè)備相關(guān)參數(shù)見表1。

表1 設(shè)備的經(jīng)濟(jì)技術(shù)參數(shù)Table 1 Economic and technical parameters of the devices

價(jià)格方面，考慮到系統(tǒng)的環(huán)保性，對電網(wǎng)和燃?xì)廨啓C(jī)的污染物排放設(shè)置懲罰費(fèi)用，具體治理費(fèi)用和折算系數(shù)見文獻(xiàn)[20]。此外，與電網(wǎng)的交互采用分時(shí)電價(jià)，具體的價(jià)格信息如表2所示。與氣網(wǎng)的交互采用固定氣價(jià)，取2.05元/m3。

表2 分時(shí)電價(jià)Table 2 Time-of-use price

4.1 外層多目標(biāo)優(yōu)化求解

本文假設(shè)CCHP系統(tǒng)的生命周期為15 a，年利率為0.08。NSGA Ⅱ算法參數(shù)設(shè)置如下：種群數(shù)量為30，迭代次數(shù)為100，交叉概率為0.6，變異概率為0.4，對外層多目標(biāo)優(yōu)化問題進(jìn)行求解，得到圖5所示帕累托最優(yōu)解集。

由圖5可知，CCHP系統(tǒng)的經(jīng)濟(jì)性和環(huán)保性是一對相互矛盾的指標(biāo)，在提升一方性能的同時(shí)會降低另一方的性能?？尚薪庵写嬖?0個(gè)前沿解，為分析經(jīng)濟(jì)性和環(huán)保性指標(biāo)之間的關(guān)系，從帕累托前沿解中選出3

圖5 外層多目標(biāo)優(yōu)化的帕累托前沿解Fig.5 Pareto frontier solution for outer multi-objective optimization

個(gè)方案，分別對應(yīng)經(jīng)濟(jì)性最好、環(huán)保性最好和兩者性能折中的方案。為定量比較不同方案的差異并體現(xiàn)本文模型的優(yōu)越性，算例對不包括儲能和風(fēng)光出力的獨(dú)立運(yùn)行系統(tǒng)進(jìn)行優(yōu)化，將其作為方案4與前3個(gè)方案進(jìn)行比較，得到各場景的系統(tǒng)設(shè)備配置方案，如表3所示。

本文獨(dú)立運(yùn)行的CCHP系統(tǒng)采用粒子群算法以系統(tǒng)的經(jīng)濟(jì)性最優(yōu)得到方案4。由表3可知，計(jì)及風(fēng)光儲的CCHP系統(tǒng)與獨(dú)立運(yùn)行的CCHP系統(tǒng)相比，在經(jīng)濟(jì)效益和環(huán)保效益方面均具有明顯優(yōu)勢。在計(jì)及風(fēng)光儲的CCHP系統(tǒng)中，隨著燃?xì)廨啓C(jī)容量配置減少，年污染排放量也隨之減少，這是因?yàn)槿細(xì)廨啓C(jī)是CCHP的主要污染源，減少燃?xì)廨啓C(jī)的出力能夠有效減少CO2、SO2、NOx等氣體的排放，提升空氣質(zhì)量。與此同時(shí)，燃?xì)廨啓C(jī)具有熱電聯(lián)產(chǎn)的特性，燃?xì)廨啓C(jī)出力不夠時(shí)，電負(fù)荷的缺額可以通過與上級電網(wǎng)的交互得到相應(yīng)補(bǔ)充，但無法保證熱負(fù)荷的供給需求，因此作為備用熱源的燃?xì)忮仩t配置容量進(jìn)一步增加用以滿足熱網(wǎng)需求。由于同等出力情況下，燃?xì)廨啓C(jī)的排放量高于燃?xì)忮仩t，整體的環(huán)保性依舊得到相應(yīng)提升。另外，增大燃?xì)忮仩t容量將會增加安裝成本，燃?xì)廨啓C(jī)容量減少引起電力缺額會進(jìn)而導(dǎo)致購能成本增加，年化總成本也隨之增大。

表3 設(shè)備容量配置方案Table 3 Device configuration plan

4.2 內(nèi)層日運(yùn)行出力調(diào)度

在方案2的基礎(chǔ)上，分析不同季節(jié)的CCHP運(yùn)行情況，給出最優(yōu)調(diào)度結(jié)果，如圖6所示。

CCHP中電力主要通過燃?xì)廨啓C(jī)出力和向上級電網(wǎng)購電2種方式完成，除了滿足電負(fù)荷外，還需要滿足電力鍋爐和電制冷機(jī)的用能需求。熱網(wǎng)中，熱負(fù)荷的供給出力除了滿足純熱負(fù)荷外，還需要滿足吸收式制冷機(jī)的制冷用能需求，在燃?xì)廨啓C(jī)供熱不足時(shí)，由電力鍋爐提供熱量；冷網(wǎng)中，在吸收式制冷機(jī)供電不足時(shí)，由電制冷機(jī)提供輔助支持。對比圖6中各季節(jié)電出力可以看出，在春季，燃?xì)廨啓C(jī)和風(fēng)光出力滿足負(fù)荷側(cè)需求，由于配置了一定容量的電力鍋爐，在供熱不足時(shí)電力鍋爐將部分電能轉(zhuǎn)換為熱能供給熱網(wǎng)負(fù)荷，為降低購能成本，在用電高峰時(shí)段將剩余電能出售給上級電網(wǎng)，實(shí)現(xiàn)經(jīng)濟(jì)效益的最大化。在夏季，熱負(fù)荷的需求大幅降低，由于燃?xì)廨啓C(jī)在產(chǎn)電的同時(shí)也可以產(chǎn)熱，在滿足了熱負(fù)荷需求后，多余熱能通過吸收式制冷機(jī)供給冷負(fù)荷，因此電力鍋爐的耗電大幅減少。春夏兩季的電負(fù)荷需求偏小，主要以燃?xì)廨啓C(jī)產(chǎn)電為主，多余電能可以出售給上級電網(wǎng)；秋冬兩季的電負(fù)荷需求偏大，燃?xì)廨啓C(jī)產(chǎn)能不夠，此時(shí)需要向上級電網(wǎng)進(jìn)行購電?？梢钥闯觯锒瑑杉镜氖垭娏棵黠@減少，且購電量大幅增加。綜合以上可以看出，內(nèi)層優(yōu)化在滿足各網(wǎng)平衡的前提下會根據(jù)各類負(fù)荷的時(shí)間特性調(diào)整各設(shè)備的相應(yīng)出力，使得運(yùn)行總成本最小。

進(jìn)一步分析各季節(jié)儲能裝置的出力情況，得到儲能裝置在不同季節(jié)下的荷電狀態(tài)，如圖7所示。

圖7 儲能裝置在不同季節(jié)的荷電狀態(tài)Fig.7 SOC of the battery in different seasons

由圖7可知，儲能裝置的荷電狀態(tài)均處于0.3～0.9之間，滿足儲能裝置荷電狀態(tài)約束條件。雖然各季節(jié)的負(fù)荷類型占比不同，但對于儲能裝置而言，均選擇在08:00—11:00和18:00—23:00這2個(gè)用電高峰期進(jìn)行放電，在07:00前進(jìn)行充電，其余時(shí)間段略有不同，而儲能裝置在調(diào)節(jié)峰谷差的同時(shí)也能夠降低系統(tǒng)的購能成本。安裝儲電裝置會增加系統(tǒng)的購置安裝費(fèi)用，但儲電設(shè)備在平抑波動的同時(shí)也可以利用峰谷差價(jià)提高經(jīng)濟(jì)效益，圖7中不同季節(jié)的荷電狀態(tài)均能體現(xiàn)出蓄電池削峰填谷的特性，實(shí)現(xiàn)了系統(tǒng)內(nèi)層優(yōu)化中總運(yùn)行成本的最小化。

4.3 風(fēng)光不確定性對系統(tǒng)運(yùn)行的影響

本文計(jì)及了風(fēng)光的不確定性，對系統(tǒng)的運(yùn)行有直接影響。為分析各類可再生能源不確定性對內(nèi)層優(yōu)化的影響，在方案1的規(guī)劃配置下，分4種場景分析，不同場景下的運(yùn)行成本如表4所示。

表4 不同場景下的運(yùn)行成本Table 4 Operating costs in different scenarios

由表4可以看出，考慮了可再生能源不確定性的后3種場景均比第一種確定性模型的總成本要高，這是由于計(jì)及了源側(cè)的不確定性后，需要考慮系統(tǒng)在最惡劣場景下依舊滿足模型約束條件的情況，得到的結(jié)果具有一定的保守性，因此總成本也隨之上升，且考慮源側(cè)不確定性的因素越多，總成本上升越多。場景4綜合考慮了風(fēng)光的多重不確定性因素，相比場景2和場景3的總成本要更高，但十分接近僅考慮風(fēng)電不確定時(shí)的總成本，一方面是因?yàn)轱L(fēng)電相比光伏的出力更大進(jìn)而使得對目標(biāo)函數(shù)的影響程度更深，另一方面也能體現(xiàn)本文所建模型的優(yōu)越性。同時(shí)，本文所提方法無須獲取風(fēng)光出力的概率密度分布，簡化了工作步驟。

4.4 魯棒參數(shù)對系統(tǒng)運(yùn)行的影響

在方案1的外層規(guī)劃配置下，內(nèi)層構(gòu)建了魯棒模型，系統(tǒng)不確定性的本質(zhì)是其包含的各類不確定性的匯總，主要來自于風(fēng)光出力和電網(wǎng)負(fù)荷的不確定性。為了比較風(fēng)光出力不確定度對系統(tǒng)總運(yùn)行成本的影響，保證各設(shè)備的配置方案不變，可再生能源的波動范圍均設(shè)為20%，電網(wǎng)負(fù)荷的旋轉(zhuǎn)備用率為10%，設(shè)置魯棒參數(shù)分別為0、20%、40%、60%、80%、100%，分析不同魯棒參數(shù)對系統(tǒng)運(yùn)行影響，結(jié)果如表5所示。

由表5可知，當(dāng)魯棒參數(shù)取0時(shí)為一個(gè)確定性方案，魯棒優(yōu)化結(jié)果等同于傳統(tǒng)優(yōu)化結(jié)果；當(dāng)魯棒參數(shù)取值100%時(shí)為一個(gè)不確定性方案，此時(shí)系統(tǒng)最為保守，魯棒性最強(qiáng)，但是總運(yùn)行成本最高?？梢钥闯?，魯棒參數(shù)值與系統(tǒng)的總成本成正比關(guān)系，購能費(fèi)用的占

表5 不同魯棒參數(shù)下的運(yùn)行成本Table 5 Operating costs under different robust parameters

比要遠(yuǎn)大于治理費(fèi)用。當(dāng)魯棒參數(shù)慢慢增大時(shí)，需要考慮的風(fēng)光出力不確定性的范圍也隨之增大，雖然治理費(fèi)用略有下降，但是購能費(fèi)用明顯增加使得系統(tǒng)總成本也增大，可見系統(tǒng)的魯棒性與經(jīng)濟(jì)性之間存在矛盾，相互制約。

與常規(guī)的配置優(yōu)化方法相比，內(nèi)層建立的魯棒模型能夠通過盒式不確定集表征風(fēng)光的不確定度，無須考慮可再生能源的概率模型，僅需要設(shè)定好風(fēng)光出力的波動范圍，便可以通過魯棒參數(shù)控制系統(tǒng)魯棒性的強(qiáng)弱，使得含風(fēng)光儲的CCHP系統(tǒng)能夠大大節(jié)約經(jīng)濟(jì)成本。綜合考慮，本文建立的內(nèi)層優(yōu)化魯棒模型兼具經(jīng)濟(jì)性和魯棒性，充分體現(xiàn)了內(nèi)層優(yōu)化的有效性。

5 結(jié) 論

1)針對計(jì)及風(fēng)光儲的CCHP系統(tǒng)，本文提出了一種雙層協(xié)同優(yōu)化配置方法，確定了各耦合元件的最優(yōu)容量和最優(yōu)運(yùn)行策略，使其年總經(jīng)濟(jì)成本最低。

2)本文提出的優(yōu)化配置模型在經(jīng)濟(jì)效益和環(huán)境效益2個(gè)指標(biāo)上相較于傳統(tǒng)獨(dú)立系統(tǒng)存在明顯優(yōu)勢，能夠?qū)崿F(xiàn)協(xié)同優(yōu)化。工程建設(shè)可根據(jù)實(shí)際情況從Pareto前沿解中進(jìn)行選擇，具有更高的實(shí)用性。

3)本文建立了考慮可再生能源不確定性和負(fù)荷不確定性的魯棒優(yōu)化模型，可以通過設(shè)置魯棒參數(shù)控制系統(tǒng)魯棒性的強(qiáng)弱，兼具經(jīng)濟(jì)性和保守性。