考慮多尺度需求響應的跨區域綜合能源系統運行策略

單周平，曹彬，劉瀟瀟，向運琨，呂干云

（1.國網湖南綜合能源服務有限公司,湖南省長沙市 410083；2.南京工程學院電力工程學院,江蘇省南京市 211167）

0 引言

發展清潔、高效的能源供應方式是目前能源領域研究的重點。綜合能源系統（integrated energy system，IES）可以有效整合多品類能源，充分利用不同能源的互補特性，實現能源的階梯利用和提高能源的利用率[1-5]。不同區域存在不同類型的綜合能源系統，如冷–熱電聯供、熱電聯供和冷電聯供系統等，不同區域的綜合能源系統利用能源聯絡線相連，構成跨區域綜合能源系統（cross regional integrated energy system，CIES）。

CIES間存在電能、熱能和天然氣的交互，可以有效地提高CIES和各IES的運行經濟性，促進風電的并網消納[6-9]。利用需求側用戶的自主行為即需求響應（demand response，DR）對負荷的調節能力，可以有效地配置用戶負荷，緩解系統的供能壓力，同時降低用戶側的購能成本[10-13]。因此，考慮功率交互和需求響應的CIES可以進一步降低系統的運行成本，促進風電的消納。

目前，國內外學者對于CIES的優化運行已有一定的研究。文獻[14]提出了考慮區域間電能和天然氣交互的跨區域分散協同調度模型，利用目標級聯算法分析求解，結果表明區域互聯可以有效地提高系統整體的運行成本；文獻[15]考慮了電網和氣網的網絡模型，并利用二階錐松弛方法將其線性化，最后通過同步交替方向乘子法進行求解，結果表明多區域電–氣互聯可以有效配置各區域的發電資源，減少棄風量；文獻[16]針對風電出力的不確定性及系統調度的安全問題，采用計及自動發電控制的校正控制仿射可調節魯棒優化方法，基于目標級聯分析解決多區域電力系統動態經濟調度問題，實現了系統整體運行的經濟性。

上述研究較少考慮需求側的主動性作用，文獻[17]以系統運行成本最小化為目標，提出了一種多能源系統綜合需求響應策略，并利用粒子群算法進行求解，提高了系統運行的可靠性；文獻[18]通過需求響應聚合用戶的可削減、可轉移負荷，考慮系統運營商和負荷聚合商的交互博弈關系，建立了計及需求響應的雙層調度模型，并利用KKT條件和線性化將其轉化為單層優化模型進行求解；文獻[19]提出了一種基于綜合需求響應和主從博弈的多微網調度策略，利用用戶的響應行為有效地提高多微網系統和各微網用戶的綜合效益；文獻[20]利用價格型和替代型需求側響應特性，建立計及需求側響應的日前優化調度模型，同時考慮可再生能源的波動性，建立多時間尺度的日內滾動調度模型，調整機組出力。然而上述文獻未考慮到需求響應的多時間尺度模型，忽略了負荷側響應對于調整可再生能源波動的能力。

基于上述問題，本文建立考慮多時間尺度需求響應下的跨區域綜合能源系統優化運行模型。在日前將需求響應分為邀約響應和實時響應，日前以系統運行成本最低為目標建立系統運行模型，日內考慮可再生能源的隨機性和負荷的波動性，綜合考慮可再生能源的最大化消納，以系統運行成本最小為目標調整負荷的響應情況。最后，通過算例驗證本文所提出模型的合理性和有效性。

1 跨區域綜合能源系統

1.1 能源集線器架構

單個區域的能源集線器架構如圖1所示。能源集線器連接的主要設備有：風機（wind turbine，WT）、光伏（photovoltaic，PV）、微燃機（micro turbine，MT）、余熱鍋爐（waste heat boiler，WHB）、吸收式制冷機（absorption chiller，AC）、燃氣鍋爐（GB）、電制冷機（electric refrigeration，EC）、電轉氣（electric to gas，P2G）、電鍋爐（electric boiler，EB）、儲電裝置（electrical storage，ES）、儲熱裝置（heat storage，HS）、儲冷裝置（cold storage，CS）和儲氣裝置（gas storage，GS）。其中MT、WHB和AC采用冷–熱電聯產（combined power，heating and cooling，CCHP）的工作模式。

圖1 單區域能源集線器架構Fig.1 Structure of singleregion energy hub

1.2 系統架構

多區域的能源集線關系如圖2所示，各IES與上級電網和上級氣網連接，當系統供能不足時，可以向上級網絡購能，同時當電能較多時可以向上級電網售電，文中不考慮IES向上級氣網售氣。CIES間利用電力通道和天然氣管道進行連接，由于供冷/供熱管道的傳輸過程較為困難且損耗較大，故本文不考慮CIES供熱、供冷的互聯。

圖2 跨區域綜合能源系統架構Fig.2 Structureof CIES

2 多尺度需求響應模型

跨區域能源服務商（cross regional energy service provider，CRESP）發布需求響應信息，負荷聚合商（load aggregator，LA）申請參與需求響應，按照響應時間將其分為邀約和實時需求響應2種類型。邀約需求響應分為日前24 h需求響應和日內4 h需求響應；實時需求響應采用日內15 min實時需求響應。在實施日內4 h需求響應和日內15 min實時需求響應過程中，假定CRESP和LA的信息交互瞬時發生。本文以CRESP為利益主體，不考慮LA和CRESP的利益耦合關系。LA在整個時段響應過程中處于主動地位，CRESP只能通過價格激勵或者價格信號的發布引導LA進行響應。

2.1 綜合需求響應模型

根據CIES中不同用能性質的負荷和可調節能力，將其負荷分為基礎負荷、可削減負荷、可轉移負荷、可替代負荷和靈活的熱負荷和冷負荷。

1）可削減負荷。

2）可轉移負荷。

3）可替代負荷。

4）熱負荷響應模型。

熱水負荷具備一定的彈性，熱水溫度在合適的范圍內進行削減，對用戶使用的影響較小，建立熱水負荷的數學模型如式(4)所示。

式中：Cw為水的比熱容；ρw為水的密度； Vw為回水的體積；Tg為供水的溫度； Th為回水的溫度；Ht為t時刻熱水的負荷功率。式中，Tg∈[Tg,min,Tg,max]。

5）冷負荷響應模型。

冷負荷類似于熱負荷，考慮用戶對周圍溫度的接受范圍，供冷溫度在一定范圍內進行削減，對用戶的體驗影響較小，得到供冷的數學模型如式(5)所示。

2.2 多尺度需求響應模型

多尺度需求響應分為3個控制子層，如圖3所示：日前24 h控制層，以日前負荷和可再生能源預測為基礎，LA完成需求響應，控制時域為1 h，調度時間窗口為24 h；日內4 h控制層，以日內4 h負荷和可再生能源預測為基礎，LA完成需求響應，控制時域為1 h，調度時間窗口為4 h；日內實時控制層，以日內1 h負荷和可再生能源預測為基礎，LA完成需求響應，控制時域為15 min，調度時間窗口為1 h。

圖3 多尺度需求響應模型Fig.3 Multi-scaledemand response model

2.3 需求響應補償成本

LA參與需求響應的過程中，除了自身的購能成本會有一定程度的降低，CRESP也同樣會給予LA一定的補償成本，補償成本根據響應時間和響應量的不同，給予的補償單價不同，在多尺度需求響應的過程中，具體的補償價格為日前邀約需求響應＜日內邀約需求響應＜實時需求響應，同時LA響應比例越大，CRESP給予LA的補償單價越大，具體的補償成本如式（6）。式中：為系統給予用戶的補償成本；分別為給予用戶的供熱和供冷補償價格；ΔH(t)、ΔC(t)分別為LA對于熱負荷和冷負荷的響應量；分別為日前可削減負荷、可轉移負荷和可替代負荷的補償價格；分別為日內可削減負荷、可轉移負荷和可替代負荷的補償價格；分別為實時可削減負荷、可轉移負荷和可替代負荷的補償價格。

3 CIES運行模型

3.1 約束條件

1）功率平衡。

2）CIES網絡交互功率。

3）耦合設備出力上下限約束。

4）儲能設備約束。

3.2 目標函數

1）日前優化模型。

本文中將CIES視為一個主體，各IES利用電力線路、燃氣管道彼此連接，且CIES同時與外部電網和天然氣網存在功率交互。CIES內各IES間的購/售電價格小于向上級電網的購電價格。對于CIES，建立目標函數如式（15）。

式中：F1為 CIES的運行費用；分別為系統的購電、購氣、機組運維、CIES聯絡線維護、棄風棄光懲罰和處理CO2的單價；分別為CIES的購電、購氣、機組、CIES交互、棄風棄光和排放CO2的功率。

2）日內優化模型。

日內實時需求響應，考慮到各機組的單位調節成本和需求響應的補償成本，同時考慮風電的隨機性和負荷波動性，以系統運行成本最小為目標，建立目標函數如式(16)。

式中：F2為日內的系統運行成本； cw為日內機組單位調節功率的調節價格；Δ Pwt為機組的調節功率。

3.3 CIES運行模型求解

系統日前優化結果包括系統內部機組的運行功率及日前負荷完成響應后的負荷功率，該結果作為日內優化運行的基礎運行狀態數據。日內的運行策略主要考慮日內的風電、光電波動和負荷的日內數據，對日前數據進行修正，以最大化消納可再生能源為目標，調整負荷響應結果和機組出力功率。實時的運行策略主要考慮實時的風電、光電波動和負荷的實時數據，對日內的數據完成修正，以最大化消納可再生能源為目標，調整負荷響應結果和機組出力功率。日前的控制窗口為24 h，日內的控制窗口為4 h，日前和日內的控制時域為1 h，實時的控制窗口為1 h，控制時域為15 min。具體的求解流程如圖4所示。

圖4 CIES優化運行求解流程圖Fig.4 Flow chart of solving optimal operation of CIES

4 算例仿真分析

4.1 仿真基礎數據

CIES的結構如圖1所示，由3個IES組成，其中IES1采取冷–熱–電–氣聯供方式；IES2采取冷–電–氣聯供方式，系統無GB和HS；IES3采取電–熱聯供方式，系統無EC、AC、CS。CIES間設有電、熱、氣交互通道。CIES向電網和IES間的交易電價見表1；CIES向燃氣網和IES間的交易燃氣價格見表2；儲能設備的運行參數見表3；其他設備運行參數見表4；表5為系統運行過程中在不同時間尺度下的可再生能源和負荷預測的誤差率，本文算例均采用最大誤差率。圖5為可再生能源和負荷數據。

表1 CIES交易電價Table 1 Transaction priceof CIES

表2 CIES交易燃氣價Table2 Trading gasprice of CIES

表3 CIES儲能設備參數Table3 Storage device parametersof CIES

表4 CIES其他主要設備參數Table4 Parametersof other main devicesof CIES

表5 可再生能源和負荷預測誤差率Table 5 Error rate of renewable energy and load forecasting

4.2 不同運行場景對比

為說明上文所述優化策略的優勢，采用以下5種運行場景進行分析。

場景1：不考慮需求響應和區域互聯的多IES日前協調運行。

場景2：不考慮需求響應的CIES日前協調運行。

場景3：考慮日前需求響應的CIES日前協調運行。

場景4：考慮多尺度需求響應、不考慮區域互聯的多IES日內協調運行；

場景5：考慮多尺度需求響應的CIES日內協調運行。

5種不同場景下的運行成本如表6所示。場景1下，不考慮需求響應，各IES單獨運行，系統的運行成本為1.36萬元，風電消納率為93.5%。場景2和場景1相比，考慮了區域互聯，不同區域間可以彼此消納多余的可再生能源，風電的消納率達到了94.3%，同時系統的成本降低到1.3萬元。場景3在場景2的基礎上考慮的日前需求響應，LA通過需求響應對負荷曲線進行了一定的調整，總成本降低了11.5%，同時風電的消納

表6 不同場景下CIES的運行成本Table 6 Operating costs of CIESin different scenarios

水平達到了96.13%。場景4和場景3相比，考慮了多尺度需求響應，但忽略了區域互聯，系統對于可再生能源的消納水平降低至95.03%，同時總成本也出現了一定程度的提升，但是和場景2相比，系統的成本降低了0.07萬元，可再生能源的消納率提升了0.73%。場景5和場景3相比，通過引入多尺度需求響應，盡管風電和負荷均存在著波動性，系統運行成本沒有發生巨大的提升，可再生能源的消納率可以達到96.15%，有效提升了日內可再生能源的消納水平。

圖5 可再生能源和負荷數據Fig.5 Renewable energy and load data

4.3 日前運行結果

圖6表示在場景2下系統的出力結果圖，不考慮需求響應，在電、熱、冷、氣相互耦合和區域互聯的基礎上，系統生成實時運行計劃。在夜間風電高發時期，同時系統的購電價格處于低谷時期，系統優先通過電鍋爐和電制冷機將電能轉化為冷能和熱能優先出力，同時引導電轉氣機組將電能轉化為天然氣進行供能，同時蓄電池充電，系統存在的電能不足量向上級電網進行購買。在電價峰時段，同時電負荷也處于峰時段，系統引導蓄電池進行放電滿足用戶需求，同時CCHP機組開始工作，利用天然氣同時滿足系統的電、熱、冷3種負荷的需求。在全時段內，IES1可以從IES2、IES3獲得電功率的支持，緩解系統的供能，同時減少系統整體的購能成本。

圖6 場景2下IES1電功率出力結果Fig.6 Electric power output results of IES1 under scenario 2

圖7為在場景2和場景3下，參與需求響應前后的負荷曲線的變化情況。CRESP發布日前需求響應要求，LA通過價格信號和補償參與響應，實現了負荷由峰時段向谷時段的轉移，同時在風電高發時期，利用電熱、電冷、電氣負荷的替代作用，對于整體負荷曲線起到了明顯的削峰填谷作用，更大化地實現對風電的消納。對于LA而言，在價格峰時段，降低了負荷需求，在不影響用戶體驗的前提下，將負荷轉移至價格谷時段，一定程度上也降低了LA的購能成本，實現了CRESP和LA的雙向共贏。

圖7 日前需求響應下負荷響應曲線Fig.7 Load response curve considering day ahead demand response

圖8為在場景3下的出力結果圖。通過考慮日前需求響應，系統提高了對夜間風電的消納水平，同時減少了蓄電池和CCHP機組的工作時長，減少了系統機組的運維成本。

圖8 場景3下IES1電功率出力結果Fig.8 Electric power output results of IES1 under scenario 3

4.4 日內運行結果

圖9 為日內對需求響應情況的一個修正曲線，日內需求響應以最大化消納風電為目標，首先根據4 h風電及負荷預測的一個誤差情況，對4 h的負荷曲線進行調整，得到新的小時級的負荷響應曲線。其次，利用1 h內的實際風電情況，對15 min級的負荷曲線進行實時地調整，最大程度上減少棄風棄光現象的發生。

圖9 場景5下系統負荷響應曲線Fig.9 System load responsecurve under scenario 5

5 結論

1）引入需求響應可以有效引導用戶改變用能的習慣，尤其是電負荷和氣負荷可以起到明顯的削峰填谷的效應，并在不影響用戶體驗的前提下合理調整冷負荷和熱負荷的功率，減少CIES在價格高峰時的購能成本，有效提高系統運行的經濟性。

2）通過引入多尺度的需求響應，實時調整LA的負荷曲線，同時調整耦合機組的出力功率，進一步實現對可再生能源的消納，提高系統運行的準確性。

3）本文在考慮多尺度需求響應的運行策略下，將用戶的成本和系統的成本捆綁考慮，未分開單獨進行考慮，所以未來會繼續對CIES的安全經濟運行進行深入研究。