考慮能量-輔助服務下的園區綜合能源系統多時間尺度優化模型

譚俊豐，楊蘋,2，張凡，馬溪原，姚森敬

(1. 華南理工大學 電力學院，廣東 廣州 510640；2. 廣東省綠色能源技術重點實驗室（華南理工大學），廣東 廣州 510640；3. 南方電網數字電網研究院有限公司，廣東 廣州 510663)

0 引言

在“雙碳”戰略目標下，以新能源為主體的新型電力系統建設將大力推動用戶側參與新能源消納及支撐系統的實時平衡[1]。園區作為產業用能高度集中的用戶側區域，所構成的綜合能源系統(IES)可形成以冷、熱、電、氣多能互濟互補運行，以多類型可調資源輔助調節的用能模式，進一步提升區域新能源的消納空間[2-3]。與此同時，隨著電力市場改革的深入，園區綜合能源系統逐漸具備向電網提供多類型輔助服務的潛力，通過協調優化內部資源及多能設備的運行獲取市場收益，兼具降低工業成本與支撐系統實時平衡兩大優勢[4]。

目前，相關研究主要集中于優化綜合能源系統的多能協調運行與解決源-荷不確定性問題[5-11]。文獻[5-7]分別從綜合需求響應、負荷直控、可控熱電比等多個角度提出考慮源-荷不確定性下綜合能源系統的多能協同響應策略，以多目標協同優化提高能源利用效率以保障系統的經濟運行；文獻[8-9]從保障極端天氣下綜合能源系統的安全穩定運行出發，提出基于模糊增強集理論下多階段綜合能源系統魯棒優化模型，增強綜合能源系統的運行彈性及穩定性；文獻[10-11]以消納新能源為首要調控目標，提出將大規模電動汽車、熱泵納入地區綜合能源經濟調度的框架，協同多能負荷解決地區新能源的消納難題。上述研究從多角度考慮綜合能源系統的優化調控模型及策略時均缺乏與外部市場環境的深入結合，傳統的分時電價環境使得相應的優化缺乏彈性，難以適應電力現貨市場的價格波動。此外隨著輔助服務交易推廣至用戶側[12-13]，綜合能源系統未來將面向能量-輔助服務的多市場環境，通過多能協調互補的運行方式降低市場風險損失顯得尤為必要。目前對能量-輔助服務市場下可調資源的優化的研究主要針對風電、儲能等單類型能源設備開展[14-17]，而綜合能源系統相較于單類型能源設備，其內部綜合了風電(WP)、儲能(ES)、燃氣機組(GT)、多能負荷等具備快速調節能力的資源，通過靈活的資源組合可向電網提供更為優質的調峰調頻服務以支撐系統的實時平衡，所建立的能源互補運行模式具備更好的系統支撐能力與發展潛力。

為此，在綜合考慮能量-輔助服務市場環境下，本文首先構建園區綜合能源系統的調控框架與流程，然后按照日前-日內-實時的時間尺度提出多階段的電能量市場、調峰調頻輔助服務市場申報模型，并通過等價線性化的方法對應求解，最后設置仿真算例驗證所提的能量-輔助服務多時間尺度優化模型下園區IES 所達到的用能降費效果及支撐新型電力系統實時平衡的調節作用。

1 園區IES 的整體拓撲模型

園區IES 的整體拓撲架構如圖1 所示。其中，園區能源服務商作為工業園區的能源智能決策終端，統籌內部資源調節，負責以源-荷預測為基礎向多個市場申報能源使用計劃，并向園區用戶及設備下達多類型調控指令，通過多時間尺度的優化協同調控作用實現多能互濟互補的運行模式。

按照圖1 的拓撲架構，園區的運行模型可參照能源耦合關系矩陣[18]表達為

圖1 園區IES 的整體拓撲架構Fig. 1 IES topology architecture

2 基于能量-輔助服務下的多時間尺度調控流程

考慮到天然氣市場與電力市場存在一定的時間異步關系[19]，為簡化園區的調度決策，本文按“使用價格+偏差價格”結算天然氣。因此，在電能量-輔助服務市場環境下，園區IES 的整體調控流程如圖2 所示。

（1）電能量-輔助服務下的市場出清機制。在圖2 的市場運行流程及框架下，不同市場出清機制如表1 所示。電能量市場在日前由發電側機組及用戶側分別申報價-量曲線及功率基點，按照系統的安全約束機組組合(SCUC)及安全約束經濟調度(SCED)兩階段求解得到日前出清價格及中標量，對于機組的剩余余量，可繼續參與實時市場的出清；而對于調峰調頻服務市場，日前由參與市場的機組或調節設備參與價格及容量的申報，由市場以總成本最小的方式出清申報；此外在實時階段，電網還需根據系統的實時運行狀態向調頻容量中標的單位下達調節指令，并核定調頻里程價格及調節單元的調節精度。對于最終所產生的結果認定與費用結算，由電力市場機構分別按規定核定偏差電量、調節精度[20-21]后完成用戶結算。

表1 不同市場的出清機制對比Table 1 Comparison of clearing mechanisms of different markets

圖2 考慮能量-輔助服務下的園區IES 多時間尺度調控流程Fig. 2 Multi-time scale dispatch process of IES considering energy markets and auxiliary services

（2）園區IES 的多時間尺度調控流程。從圖2的園區能源服務商角度看，在日前階段需擬定次日96 個時段的多能運行計劃、統籌園區設備的調頻預留容量及用戶調峰計劃，并向市場申報相應的功率運行基線、調峰調頻容量，考慮到園區所占的市場份額較小，一般以價格接收者處理價格申報。而隨著源-荷預測曲線在日內逐漸修正，園區能源服務商每15 min 滾動優化備用運行基線，確保所產生的偏差電量不超過考核范圍。當在實時階段接收到分鐘級的調頻指令后，園區能源服務商快速將調頻里程分解到調節設備，完成具體的向上或向下調頻任務。最終，園區IES 的能量運行曲線由日前功率運行基線、備用基線及功率調節曲線疊加而成。

3 園區IES 的多時間尺度調控模型

3.1 日前申報模型

（1）目標函數為

3.2 日內優化及用戶調峰模型

（1）目標函數為

3.3 實時偏差及調頻里程分解模型

3.4 模型求解

在上述多時間尺度優化調控模型中，各階段需求解的模型均涉及0-1 變量與連續變量相乘項，構成復雜的混合整數非線性規劃問題，為便于求解，考慮采用一個新的變量代替目標函數中的相乘項，為了對其進行等價線性化[23]引入約束為

式中：I、x、t分別為0-1 變量、連續變量及等價變量；M為數值較大的正常數。當按上式簡化約束條件后，本文的三階段多時間尺度優化調控模型可轉化為混合整數線性規劃問題，分別按照模型F1-F2-F4及F1-F3-F5的順序進行求解。而商業求解器CPLEX 綜合了分支定界法、割平面法[24-25]等優化算法的優點，具備快速求解混合整數規劃問題的優點，被廣泛應用于規劃問題的求解，因此本文選用CPLEX 求解所提的園區IES 多時間尺度優化模型。

4 算例分析

4.1 參數設置

算例以圖1 為園區IES 的拓撲結構，其中園區的源-荷曲線如圖3 所示，各設備的相關運行參數如表2 和表3 所示，其中風電、多源負荷預測誤差分別服從正態分布N(10%,1.5%)與N(4%,0.5%)。天然氣的日前、實時價格分別取32.81/36.62 美元/(MW·h)，熱值qgas=35.59 kJ/(m3·h)。為模擬電能量市場及調峰調頻輔助服務市場環境，采用圖4 所示的100 組2019 年美國PJM 市場的運行數據，其中：（1）在電能量市場中，針對園區IES 的外送電量按發電側出清價格結算，考慮線路存在阻塞、運維等成本，按90%的日前市場價格作為發電側出清價格； βres取 0.4； λ 、 ρc分別取0.1、1.2；（2）由市場場景提取的模擬預測電價如圖5 所示；（3）在調頻輔助服務中，取當前時段的調頻備用中標量作為基準值，則實際的調頻需求按標幺值在區間[0.5,0.8]模擬；而調頻性能系數k1、k2分別取1、0.95；（4）在調峰輔助服務中，ηms、 αp按常規場景與新能源大發場景的不同，分別 取0.02/0.15、1.50/1.25， βco、 βh分 別 為0.96、0.98，用戶的調峰響應能力如圖6 所示，相關的價格申報如表4 所示。

圖3 園區IES 的源-荷預測曲線Fig. 3 Source-load prediction curve of park IES

表2 園區IES 的設備參數Table 2 Device parameters of IES

表3 發電設備的容量比例限制Table 3 Limitation on the proportion of power generation

圖4 100 組電力現貨市場場景Fig. 4 100 sets of power spot market scenarios

圖5 市場價格模擬預測Fig. 5 Simulation of power market prices

圖6 調峰需求及用戶響應能力Fig. 6 Peak shaving demand & user responsiveness

表4 調峰服務的申報價格Table 4 Prices of peak shaving market

4.2 園區總體用能方案分析

園區IES 的總體申報結果如圖7 所示，日前申報的整體特點為根據負荷與發電單元的運行特性靈活控制購售電比例，并向調峰調頻服務市場申報可控的容量調節裕度；為進一步驗證本文所提優化模型對園區經濟用能的調控效果，分別按照4 種園區能源使用方案進行園區的優化調控運行：（1）常規日前經濟調度+實時結算；（2）調控設備單獨參與調頻市場；（3）參與電能量-調頻的聯合調控；（4）參與電能量-調峰調頻的聯合調控。所得結果如表5 所示。

圖7 園區總體能量申報結果Fig. 7 The overall energy dispatch results of IES

由表5 的調控成本結果可知，4 個方案的優化效果呈逐級遞增的趨勢，相較于方案1～3，本文所提出的方案4 達到了更優的經濟用能效果，總成本在理論上較傳統方案下降18%，具體可總結為：（1）通過日內啟用預留的備用容量，滾動偏差能量，使得方案2～4 大幅降低能量偏差成本；（2）相較于方案2 中WP、GT、ES 單獨參與調頻輔助服務，在方案3 和方案4 中園區可整合上述發電單元形成調節速率更多樣化、調節誤差互補的調節資源主體，在調頻里程結算中獲得更良好的調節性能系數，提高調頻里程收益；（3）方案4 中園區參與市場調峰后存在用能成本降低與增加調峰收益的雙重獲利因素，其中出現用能成本下降的深層次原因為參與調峰的園區電、冷、熱負荷從高電價時段轉移到了低電價時段，從風電低出力時段轉移到了高出力時段，因而在園區的日負荷不變下，在填谷時段不但電價處于低位，且可通過風電就地消納的方式降低購電量、購氣量，較削峰時段用能具有更優的經濟性，體現調峰市場與電價波動下的雙重響應效果。

表5 園區能源使用方案對比Table 5 Comparison of different energy dispatch schemes美元

4.3 價格波動下的多能協同響應分析

在市場場景差異下，多能協同運行成為優化調控運行的核心，根據價格波動程度的不同所確立對應的多能協同運行策略。為此本文定義同一時段下全場景中多能的變化程度為響應率、發生多能變化時的最高價格為響應價格閾值，并從電、冷兩類型為基礎，選取全場景中最大響應率、最大響應價格閾值的情況為場景A 與場景B，分析園區IES 的多能協同響應情況，具體結果見圖8、圖9 及表6。

表6 園區多能協同響應情況對比Table 6 Comparison of park multi-energy responses

圖8 場景A 的多能協同響應Fig. 8 Multi-energy response of scenario A

圖9 場景B 的多能協同響應Fig. 9 Multi-energy response of scenario B

綜合場景A、B 及平均情況對電能量市場價格的響應程度，可得普遍的價格敏感區間為[25,40]，對于此區間以外的市場價格，園區因電價過高或過低而選擇固定的能量供給及轉換方式；而在價格敏感區間時，將出現能源供給模式的改變，如面對同樣的冷負荷需求，根據電價高低而選擇電轉冷或氣轉熱轉冷的2 種模式，當電價高于響應價格閾值時，更多地采取后者的供冷模式，反之則采用前者的供冷模式。與此同時，從各場景下的平均響應率可看出，與電力市場價格直接關聯的電能量響應率僅稍高于耦合程度較低的冷負荷，表明園區的其他能源運行同樣受電力市場的環境所影響，以多能協同運行的方式形成整體能源供給模式將進一步促進其經濟用能。

4.4 園區輔助服務參與效果分析

4.4.1 園區多能協同調峰效果

調峰用戶的響應結果及執行效果分別如圖10、表7 所示。其中，在如圖10 a) 所示的常規場景下，執行調峰后園區整體的電負荷峰谷差將直接削減6.89%，峰-谷時段的負荷削減與提升平均分別達到9.5%與6.2%，所達到的削峰填谷效果將有效減輕電網對負荷峰谷差的調節壓力；而對于參與調峰的用戶而言，在調峰需求受限的情況下，用戶1 和用戶2 調峰的補償費用申報較低，因此相較于用戶3 所獲得的調峰量與調峰收益更有優勢。

表7 調峰執行效果對比Table 7 Comparison of peak-shaving effects

而圖10 b)中所示的新能源大發場景下，面對更大壓力的調峰需求，在大部分時段園區需啟用全部調峰用戶參與調峰，因而所產生的收益、峰谷變化差更為明顯；即便因調峰能力有限難以滿足所有時段的需求，但仍保持90%以上的平均執行度及接近50%的完全執行度，在滿足新能源大發時期電網的調節需求時，保障園區IES 的調峰輔助服務收益，間接降低園區用能成本。

圖10 調峰用戶響應結果Fig. 10 Peak shaving response result of users in the IES

4.4.2 調頻效果及收益分析

實時階段參與分鐘級時間尺度的調頻里程結果如圖11 所示。當面對實際的向上、向下調頻指令時，園區內部的燃氣機組、風電分別承擔了大部分的向上、向下調頻里程任務，其中向下調頻里程大部分由運行成本較低且容量足夠的風電執行，風電參與向下調頻的平均容量比例達到55%，表明風電同樣可承擔較高的調頻里程，可以適配新型電力系統的實時平衡調節需求；而儲能參與調頻出力則與日內滾動優化調控相似，需動態考慮其充放電特性及容量上限，而制定具體的向上、向下調頻出力，因而參與獲得的調頻里程較低，其角色以補充調頻里程的缺額為主，保證園區IES 的整體調頻精度；表8 則展示了具體所完成調頻任務的月度收益結果，可見，燃氣機組及風電在參與調頻服務的整體收益及單位容量收益上均明顯優于儲能，呈現較高的調頻性價比，因而成為較為優質的調頻資源；在園區內部能源設備的協同響應下，所獲得的容量收益、里程收益將平均降低其購電成本的8%，進一步降低用能成本。

圖11 調頻里程分解結果Fig. 11 Decomposition result of frequency regulation mileage

表8 園區參與調頻輔助服務的收益Table 8 Park profits in participating in frequency regulation

5 結論

本文在考慮能量-輔助服務市場聯合調控下建立了園區綜合能源系統的多時間尺度優化模型，通過日前-日內-實時3 階段的多能協同調控，在多市場環境中實現園區經濟用能的同時，有效參與支撐新型電力系統的實時平衡，具體結論為：（1）通過園區整體參與多時間尺度優化調控及調峰調頻聯合調控，所得調控經濟性優于傳統方案及設備單獨調控方案，園區根據電價水平的高低而改變園區多能供給及轉換方式，并通過日內滾動修正、調頻誤差互補等方式，有效提升園區用能成本；（2）園區通過參與電網的調峰輔助服務在有效降低園區負荷峰谷差的同時，在面對新能源大發場景時仍然具備動態的調峰消納能力，協助地區參與完成不同場景下的調峰任務；（3）園區在面臨實時的分鐘級時間尺度調頻任務時，優先將調頻指令分解至調節容量更充裕的風電、燃氣機組，而儲能則主要補充調頻里程的缺額及調節誤差，三者協同提升調頻里程收益。