邹超，吴强
（1.中国电建集团昆明勘测设计研究院，云南 昆明 650224；
2.云南能投电力设计有限公司，云南 昆明 650224）
冷热电联供型微网（combined cooling heating and power Microgrid,CCHP Microgrid）按照“分配得当、各取所需、温度对口、梯级利用”原则，集制冷、供热及发电于一体，以其较高的能源利用效率，高效灵活的能源供应方式成为了实现能源生产和消费转型、提升能源综合利用效率和解决能源环境问题的重要手段[1-2]。近年来我国加大了可再生能源的投资建设，构建新型清洁高效能源供给结构，能源互联网应运而生。因此，对冷热电联供型微网系统优化运行成为研究的热点之一[3]。
在此前提下，研究冷热电联供型微网系统的优化调度策略具有重要的意义[4]。与传统的冷热电联供型微网系统（CCHP Microgrid）仅以经济成本或环境成本为单目标的运行策略相比[5]，本文以微网的经济成本和环境成本为目标，构建冷热电联供型微网系统简化模型并建立相应的约束条件，并采用改进粒子群算法对求解系统进行优化，然后通过算例对所提的优化调度策略进行了仿真验证，研究系统在单一目标同事在兼顾多目标系统下的运行结果，为后面的冷热电联供型微网系统的规划提供前期依据。
本文构建的冷热电联供型微网系统模型主要包含了冷、热、电3 种负荷[6-8]。冷热电联供型微网系统由电制冷机（Electric Refrigerator,ER）、微型燃气轮机（Gas Turbine,GT）、燃气锅炉（Gas Boiler,GB）、天然气内燃机（Gas Combustion Engine,GCE）、燃料电池（Fuel Cell,FC）、光伏系统（Photo Voltaics,PV）、风电系统（Wind Farm,WF）、电锅炉（Electric Boiler,EB）、热回收装置（Heat Recovery Device,HRD）、吸收制冷机（Absorption Chiller,AC）、储热装置（Heat Storage Device,HSD） 和储冷设备（Cold Storage Device,CSD）等组成。冷热电联供型微网系统的结构如图1所示。
图1 冷热电联供型微网系统结构
1.1 微型燃气轮机模型
微型燃气轮机是一种热力发电机，通过将注入的天然气转化为电能，产生的余热可以回收，实现能量的高效利用。燃气轮机的数学模型如式（1）所示：
式中：PGT为燃气轮机的发电功率；
HGT为燃气轮机余热产生的余热；
QGT为消耗天然气的燃料热值；
ηGT.P、ηGT.H分别为燃气的发电效率以及产热效率；
αGT、βGT为系数常数。
燃气锅炉的数学模型：
式中：PGB为燃气锅炉的产热功率；
ηGB为产热效率；
QGB为消耗天然气的燃料热值。
天然气内燃机的数学模型为：
式中：PGC为天然气内燃机的发电功率；
HGC为天然气内燃机余热产生的余热；
QGC为消耗天然气的燃料热值；
ηGC.P、ηGC.H分别为燃气的发电效率以及产热效率；
αGC、βGC为系数常数。
1.2 储能设备
冷热电联供型微网系统包含3 种储能设备：蓄电池储能、储热以及储冷装置。蓄电池的数学模型如式（4）所示：
式中：EFC(t)、EFC(t-1)分别为t和t-1 时刻蓄电池的储能容量；
ηLOSS、ηFC,in、ηFC,dis分别为蓄电池的自放电损耗率和蓄电池的充、放电效率；
PFC,in、PFC,dis为蓄电池的充放电功率。
储热装置的数学模型如式（5）：
式中：EHS(t)、EHS(t-1)分别为t和t-1 时储热装置的储热量；
ηLOSS,h、ηHS,in、ηHS,dis分别为储热装置的自散热损耗率和储热装置的充、放热效率；
PHS,in、PHS,dis为储热的充放热功率。
储冷装置的数学模型如式（6）：
式中：ECS(t)、ECS(t-1)分别为t和t-1 时储冷装置的储冷量；
ηLOSS,c、ηCS,in、ηCS,dis分别为储冷装置的自散冷损耗率和储冷装置的充、放冷效率；
PCS,in、PCS,dis为储冷装置的充放冷功率。
1.3 吸收式制冷机及电制冷机
吸收式制冷机是将燃气轮机产生的一部分热能转化为冷能，电制冷机是将电能转换为冷能。吸收式制冷机的数学模式如式（7）：
式中：QAC、ηAC、QhAC分别为吸收式制冷机输出的冷功率，吸收式制冷机的制冷效率，以及吸收式制冷机吸收的燃气轮机产生的一部分能量。
电制冷机的数学模型如式（8）：
式中：QER、ηER、PER分别为电制冷机产生的冷功率，电制冷机的产冷效率，以及电制冷机消耗的电功率。
2.1 目标函数
1）运行成本
冷热电联供型微网系统的运行成本包括系统向外部购买的电量，天然气的消耗，各个设备的运维成本。其运行成本式（9）所示：
式中：CF为系统总的运行成本；
CP(t)、Pgrid(t)为t 时刻的分时电价以及系统向电网的购电量；
Cgas(t)、Pgas(t) 为t 时刻的天然气价格以及系统购买的天然气量；
Ci、Pi分别为系统第i个设备的运行维护成本以及在调度总周期内第i个设备的总出力。
2）环境成本
冷热电联供型微网系统环境成本主要考虑包括电网燃煤产生的二氧化碳以及燃气轮机消耗天然气产生的二氧化碳治理费用。环境成本如式（10）所示：
式中：CE为冷热电联供型微网系统的环境成本；
W为系统产生的二氧化碳的惩罚成本，δ、ε分别为购电产本的二氧化碳、消耗天然气产生的二氧化碳排放因子。
基于冷热电联供型微网系统的运行成本和环境成本，总体的冷热电联供型微网系统调度成本如式（11）所示：
2.2 约束条件
1）功率平衡条件
冷热电联供型微网系统的功率平衡条件包含电功率、热功率、冷功率等3个功率平衡条件，电功率平衡条件如式（12）所示：
式（12）中：PPV、PWT为光伏、风力的发电量；
Pgrid为电网的购电量；
Le为系统输送到用户侧的电负荷量。
热功率平衡条件如式（13）所示：
式中：Lh为系统输送到用户侧的热负荷量。
天然气功率平衡条件如式（13）所示：
式中：Qgas为购买的天然气产生的总热量；
Lh为系统输送到用户侧的热负荷量。
冷功率平衡条件如式（15）所示：
式中：Lc为系统输送到用户侧的冷负荷量。
2）能源转换设备出力约束如式（16）～（21）所示：
式中：Pgrid,min、Pgrid,max为向电网购电的上下限值；
PGT,min、PGT,max为燃气轮机发电功率的上下限值；
PGB,min、PGB,max为燃气锅炉发电功率的上下限值；
PGC,min、PGC,max为天然气内燃机发电功率的上下限值；
IER,min、IER,max为电制冷机的出力上下限值；
IAC,min、IAC,max吸收式制冷机的出力上下限值。
3）储能设备约束
储能设备的约束包括蓄电池、储热、储冷装置的容量上下限，各个装置的出力上下限。同时还要保证在调度周期内初始的储能容量和末尾的储能容量一致。
蓄电池的绒里以及出力约束如式（22）～（24）：
式中：EFC,min、EFC,max为蓄电池容量的上下限值；
PFC,min、PFC,max蓄电池出力的上下限值；
、Epend为蓄电池在调度周期内初始和末尾容量。储热装置的容量和出力约束如式（25）～（27）所示：
式中：EHS,min、EHS,max为储热装置容量的上下限值；
QHS,min、QHS,max储热装置出力的上下限值；
Ehstart、Ehend为储热装置初始和末尾容量。储冷装置的容量和出力约束如式（28）～（30）所示：
式中：ECS,min、ECS,max为储冷装置容量的上下限值；
ICS,min、ICS,max储冷装置出力的上下限值；
、Ecend为储冷装置初始和末尾容量。
基本粒子群算法（particle swarm optimization,PSO）是一种基于群体智能的算计搜索算法[9-10]，一般用于对系统优化模型就行求解。基本粒子群算法中，粒子位置及速度公式为：
式中：k为迭代次数；
ω为惯性权重；
η1、η2为加速系数；
Pid为粒子个体最优值位置；
Pgd为全局最优值位置；
xid(k+1)为第i个粒子在t+1次迭代中第d维上的速度；
r1、r2为0～1 之间的随机数。
由于冷热电联供型微网系统含有多个目标函数及约束条件，针对单一目标的粒子群算法不容易得出全局最优解。本文引入基于粒子纬度熵的改进混沌粒子群算法，其更适合与面向多目标求解。
3.1 粒子维度熵
本文更具粒子各维度坐标差异性，引入如下粒子第d维纬度熵色确定方法：
式中，xid表示第i个粒子在第d维上的位置坐标；
p(xid) 为对应位置坐标的概率函数；
xid,min为xid的最小值。种群包含n个粒子纬度熵，归一化的粒子维度熵可由下式表示：
甚至维度熵上线为Emax，在迭代过程中若纬度d维度熵E(xd)＞Emax，则对该纬度的部分粒子坐标进行混沌变异。
3.2 基于粒子纬度熵和贪心策略的改进混沌粒子群算法
为了缩短迭代的收敛路径，可采用如图2所示的贪心变异策略对部分适应度较差的个体坐标进行式（35）的混沌变异。
图2 贪心变异策略示意图
式中，k为迭代次数；
xi,max为xi的最大值；
z(k+1)为第k+1 代的Logistic 混沌方程取值。
本文采用基于粒子维度熵的改进混沌粒子群算法[11-12]对模型进行求解。综合能源系统的调度模型求解是一个单目标优化问题，优化变量包括各时刻热电联产机组和电锅炉出力、储能装置的储放能功率、电动汽车的充放电功率等。计算流程如下：
1）初始化粒子群，确定每个粒子的位置初值。
2）根据适应度评价函数计算每个粒子的适应度值。
3）更新粒子个体极值Pid和种群全局极值Pgd，保留最优的个体极值和全局极值。
4）根据式（30）和式（31）来更新粒子的位置。
5）根据式（32）和式（33）计算n个粒子维度熵，若某一维度熵E(xd)＞，则对该维度适应度较差的80%个体坐标进行式（34）的变异。
6）判断是否达到迭代停止条件，若满足终止条件，则停止计算，否则转到步骤2。
以图1所示系统为模型，该系统包括1 台燃气轮机发电机、1 台天然气内燃机、1 台电制冷机、1 台吸收式制冷机和1 组储电设备等。粒子群个数为100，迭代次数为100，图3为经济最优目标时可用粒子群示意图。模型中Pgrid,min=-200 kW，Pgrid,max=300 kW；
IER,min=-100 kW、IER,max=100 kW；
PGB,min=-50 kW，PGB,max=200 kW，W=4.125×10-3s/kg；
δ=872×10-3kg/(kW·h)；
ε=5.42 kg/克卡等参数设定后，算例分别以电定热和经济最优运行模式下一天0 至24时时间段电、热、冷功率优化结果如图4～图6所示。电价图如图7所示。
图3 经济最优目标时可用粒子群示意图
图4 经济最优以及以电定热运行模式下电网运行曲线
图6 经济最优以及以电定热运行模式下冷网运行曲线
图7 电价图
如图4所示，在电网运行曲线中，在0 至6时及10 至16 时时间段用电低谷期以及风光发电高峰期，向电网提供电力；
而在6 至10 时及16 至22 时时间段用电高峰期，向电网购买电量。由图可知，通过经济最优运行模式下多目标优化，负荷曲线较以电定热运行模式下的负荷曲线有所优化，并将部分在用电高峰时期的负荷转移至用电低谷期，起到了对用电负荷“削峰填谷”的作用。
如图5所示，在热网运行曲线中，在6 至20 时时间段为用热高峰期，由图可知，通过经济最优运行模式下多目标优化，负荷曲线较以电定热运行模式下的负荷曲线整体降低，且将部分用热负荷优化至用热低谷时段，能一定程度上缓解用热高峰压力，且在用热低谷期进行储热。
图5 经济最优以及以电定热运行模式下热网运行曲线
如图6所示，在冷网运行曲线中，在6 至18 时时间段为用冷高峰期，由图可知，通过经济最优运行模式下多目标优化，负荷曲线较以电定热运行模式下的负荷曲线整体降低，且将部分用冷负荷优化至用冷低谷时段，能一定程度上缓解用热高峰压力，且在用冷低谷期进行储冷。
综上所述，用改进粒子群算法，对多约束条件目标求解进行优化，能有效降低冷热电负荷，从而达到冷热电联供型微网系统的经济性。
本文构建含燃气轮机、燃气锅炉、电制冷机、风光等机组的冷热电联供型微网系统简化模型并建立相应的约束条件，并以微网的经济成本和环境成本为目标，并采用改进粒子群算法，对多约束条件目标求解进行优化。然后通过算例对所提的优化调度策略进行了仿真验证，仿真结果表明算法能够确保系统的经济性和环保性。
猜你喜欢电联储热微网碱金属熔盐修饰MgO对其储热性能的影响研究电力科技与环保(2022年3期)2022-07-15热电联供系统复合除湿空调系统动态仿真煤气与热力(2022年2期)2022-03-09大规模弃风与储热协调调控评估方法储能科学与技术(2022年1期)2022-02-12东方氢能首套商用氢燃料电池冷热电联供系统正式交付能源研究与信息(2021年2期)2021-11-14多进程混合通信系统及其在微网EMS中的应用能源工程(2021年3期)2021-08-05微型冷热电联供系统制冷工况性能实验研究煤气与热力(2021年6期)2021-07-28基于电压一致性的能源互联微网无功功率分配控制与信息技术(2021年2期)2021-07-23热源循环泵流量对热电联供系统优化运行影响煤气与热力(2021年2期)2021-03-19储热技术研究进展化工管理(2020年11期)2020-01-13微网换流器可靠性及容错控制研究电子制作(2019年11期)2019-07-04