11优化方案：园区综合能源系统优化运行研究综述

微信扫码，打开到小程序

第 48 卷 第 7 期：2469-2482 高电压技术 Vol.48, No.7: 2469-2482 2022 年 7 月 31 日 High Voltage Engineering July 31, 2022 DOI: 10.13336/j.1003-6520.hve.20220853 2022 年 7 月 31 日第 48 卷 July 园区综合能源系统优化运行研究综述 朱建全 1，刘海欣 1，叶汉芳 1，陈嘉俊 1，陈来军 2，梅生伟 2,3 （1. 华南理工大学电力学院广东省绿色能源技术重点实验室，广州 510640； 2. 青海大学新能源学院青海省清洁能源高效利用重点实验室，西宁 810016； 3. 清华大学电机工程与应用电子技术系电力系统及发电设备控制和仿真国家重点实验室，北京 100084） 摘 要：针对园区综合能源系统的优化运行问题，从模型、算法和机制 3 个层面综述了其研究现状及存在的主要 问题。在模型层面，依次讨论了园区综合能源系统的基本优化模型、不确定性模型和博弈模型的研究现状；在算 法层面，归纳分析了数学规划方法、启发式方法和强化学习在园区综合能源系统优化运行的应用情况；在机制层 面，概括分析了综合需求侧响应机制、碳交易机制、绿证交易机制及综合能源市场交易机制下园区综合能源系统 优化运行的相关研究。最后，基于园区能源低碳化、市场化、共享化、去中心化及数字化的演变趋势，对园区综 合能源系统优化运行的发展方向进行展望。 关键词：园区综合能源系统；优化运行；低碳；综合需求侧响应；博弈论 Review on Optimal Operation of Park-level Integrated Energy System ZHU Jianquan1, LIU Haixin1, YE Hanfang1, CHEN Jiajun1, CHEN Laijun2, MEI Shengwei2,3 (1. Guangdong Key Laboratory of Clean Energy Technology, Institute of Electric Power, South China University of Technology, Guangzhou 510640, China; 2. Qinghai Key Lab of Efficient Utilization of Clean Energy, Institute for Renewable Energy, Qinghai University, Xining 810016, China; 3. State Key Lab of Control and Simulation of Power Systems and Generation Equipments, Department of Electrical Engineering, Tsinghua University, Beijing 100084, China) Abstract：This paper focuses on the optimal operation of the park-level integrated energy system (PIES), and the current status of research is analyzed from three aspects: model, algorithm, and mechanism. Firstly, the research status of the PIES is expounded from the modeling aspects. The basic optimization model, the uncertainty model, and the game theo- ry-based model are discussed, respectively. Secondly, algorithms employed in the optimal operation of the PIES are summarized, including the mathematical programming method, the heuristic method, and the reinforcement learning method. In addition, the effects of the key mechanisms on the optimal operation of the PIES are discussed. Influences brought by the mechanisms of the integrated demand response, emission trading market, green certificate market, and in- tegrated energy market are outlined and analyzed. Finally, this paper puts forward prospects in the development trends of the optimal operation of the PIES. The opportunities and the challenges of the PIES are discussed from the decarboniza- tion, marketization, energy sharing, decentralization, and digitalization aspects, respectively. Key words：park-level integrated energy system; optimal operation; low carbon; integrated demand response; game the- ory 0 引言1 园区综合能源系统(park-level integrated energy system, PIES)，又称园区微网综合能源系统[1]，是指 在特定空间范围内，集成电、热、天然气等多种能 ——————— 基金资助项目：国家自然科学基金 (51977081；51307064)；广东省自 然科学基金(2022A1515011193)。 Project supported by National Natural Science Foundation of China (51977081,51307064), Natural Science Foundation of Guangdong Province (2022A1515011193). 源的终端供能系统[2]。随着能源的集成发展，美国、 加拿大、德国、日本等多个国家均开展了大量 PIES 的研究与实践。在我国，随着三亚崖州湾科技城、 广州中新知识城商住园区、上海临港物流园区等一 大批示范性工业园区、商业园区和物流园区项目的 落地，PIES 的优化运行也受到了广泛关注[3]。 准确的模型是 PIES 优化运行的前提。与单一 的电力系统或热力系统不同，PIES 的用能设备和决 策主体更为多样，能源耦合关系及交互决策行为复 2470 高电压技术 2022, 48(7) 杂。此外，PIES 面临着来自不同能源系统的多重不 确定性的影响，这也对其建模分析提出了较大的挑战。 优化算法是支撑 PIES 优化运行的关键。PIES 优化运行问题本质上是一个非凸非线性随机优化问 题，求解难度高[4]。常用的求解方法包括数学规划 方法、启发式方法、强化学习算法等，这些方法各 具特色，但均在某些方面存在短板，如何针对 PIES 优化运行问题设计一套更为准确、快速、稳定的优 化算法仍有待研究。 运行机制对 PIES 的优化运行具有重要影响。 特别是在“双碳”和市场化变革的背景下，PIES 的优 化运行目标需要更好地兼顾经济性和低碳化目标。 另一方面，随着碳交易市场、绿证交易市场及综合 能源市场的深入发展，PIES 优化运行将逐渐从政策 驱动过渡到市场驱动阶段。 围绕前述要求与挑战，本文重点从模型、算法 和机制 3 个方面梳理了 PIES 优化运行的研究进展， 并针对 PIES 能源低碳化、市场化、共享化、去中 心化及数字化的演变趋势，对其未来研究方向进行 展望。 1 PIES 优化运行概述 1.1 PIES 的基本特性 PIES 是当前综合能源领域的研究热点[5]。对比 传统能源系统，PIES 主要具有如下特性： 1）本地性。PIES 存在相当比例的分布式能源， 可实现就地消纳。这使 PIES 成为发展、消纳分布 式可再生能源的重要载体[6]。 2）多重不确定性。光照强度、风力风向、当 地气温、终端负荷需求、能源价格等因素的随机性 与波动性均会对 PIES 的能源生产、转换、消费等 环节产生影响[7]。 3）灵活性。PIES 供需两侧的能源路径多样，可 控主体较多，这赋予了 PIES 较高的运行灵活性[8]。 4）逐利行为复杂。PIES 的投资和运行主体众 多，它们以生产者、消费者、产消者等角色参与市 场交易，逐利行为复杂[2,9]。 由于存在以上特性，PIES 的运行模式、场景及 调度策略较传统能源系统更为复杂，给 PIES 的优 化运行研究带来了较大的挑战。 1.2 PIES 优化运行研究概况 本文将 PIES 优化运行归纳为模型、算法和机 制 3 个层面的问题，具体如图 1 所示。在模型层面， 图 1 园区综合能源优化运行相关研究 Fig.1 Research of the optimal operation of PIES 根据不同的应用场景，分别对基本模型、不确定性 模型和博弈模型进行分析；在算法层面，分别综述 了数学规划方法、启发式方法和强化学习在 PIES 优化运行问题的应用现状；在机制层面，梳理了需 求侧响应机制、碳交易机制、绿证交易机制及综合 能源市场交易机制的相关研究及其对 PIES 优化运 行的影响情况。 2 PIES 优化运行模型 本章从 PIES 的基本运行特性、不确定性与逐 利性出发，将已有的 PIES 优化运行模型归纳为基 本模型、不确定性模型与博弈模型 3 类。 2.1 基本优化模型 2.1.1 园区关键元件 PIES 包含电、热、气、冷、氢等多种能源形式， 并通过各种元件实现能源的生产、汇集、转换和消 费[10]。这些元件模型是 PIES 优化运行的基础，以 下将分别进行介绍。 1）源侧元件 PIES 的源侧包含分布式风力发电、光伏发电、 热泵发电及能源转换设备等元件[11-12]。其中，风力 发电、光伏发电设备广泛存在于电力系统，其建模 方式大同小异，此处不再赘述。下文将主要对能源 转换设备进行介绍。 根据能源输入形式的差异，PIES 中的能源转换 设备具有以下分类：(1)以电能作为一次能源的设 备，如电锅炉、电转气设备、电解槽、电制冷设备 等[13]；(2)以天然气作为一次能源的设备，如燃气锅 炉、燃气轮机、热电联产(combined heating and power units, CHP)[14]、冷热电三联产(combined cooling, heating and power units, CCHP)[8]等。尽管能源转换 设备建模已得到较多研究，但已有研究在建模过程 朱建全，刘海欣，叶汉芳，等：园区综合能源系统优化运行研究综述 2471 中容易忽略或过度简化能源转换设备的运行特性， 难以充分体现其耦合和转换能源的作用。例如，在 对热电联产 CHP 机组进行建模时，一般假定 CHP 机组具有凸运行域。然而，对于含燃气–蒸汽联合循 环的 CHP 机组，其实际运行域是非凸的[14]。此外， CHP 机组的热电比系数常被视为恒定参数，这就忽 略了其热电比可调的特性[15]。 2）负荷侧元件 PIES 的终端用户类型较多，在运行过程中具有 较大的弹性空间。比如，电动汽车(electric vehicle, EV)被视为可移动的分布式储能设备，能作为柔性 负荷参与电力负荷削峰填谷[16]。此外，供热系统的 传输时延[17]、园区建筑的热效应[18]、热负荷的 2 维 可控性[19]等也可用于综合需求侧响应。但是，这会 增加模型的复杂度，给求解带来较大的困难。 3）储能侧元件 PIES 包含不同形式的储能[20]。早期以单一的储 电、蓄热[21]、贮气[22]和储氢[23]为主。随着多能互补 技术的发展，热电联供压缩空气混合储能[24]、熔融 盐压缩空气混合储能[25]、氢能–天然气混合储能[26]、 电–热混合储能[27]等混合储能在 PIES 的应用也日益 增多。相比于单一储能，混合储能的运行调节方式 更灵活，综合储能效率更高[28]。但是，混合储能系 统能量流动的时空特性更为复杂，运行与控制难度 加大。因此，文献[24-27]均对问题进行了一定程度 的简化，但这又会与实际运行情况产生出入。 2.1.2 能源集线器建模 能源集线器(energy hub, EH)利用耦合矩阵的形 式描述多种能源的耦合关系，其数学表达为[29] ■ ■ L P C C C L C C C P C C C L P α α αα βα αα β αβ ββ ωβ β αω βω ωω ω ω ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ | ⎥ | ⎥ | ⎥ | ⎥ | ⎥ | ⎥ = | ⎥ | ⎥ | ⎥ | ⎥ | ⎥ | ⎥ | ⎥ | ⎥ | ⎥ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ C P L … … ⋮ ⋮ ⋮ ⋮ ⋮ … ■---------■---------■ (1) 式中：P、L、C 分别为能源输入矩阵、输出矩阵和 耦合矩阵。EH 模型的数学形式简洁直观，但在实 际应用中尚存在以下问题[29-33]： 1）PIES 具有多条能源传递路径，需引入分配 系数表征能量流在不同路径的传递特性。此外，该 分配系数还通常被作为决策变量参与优化，这增加 了 EH 模型的非线性和求解难度[30]。 2）PIES 的能源耦合关系复杂，难以直接建立 EH 的耦合矩阵。为此，需要根据能源类型及其聚 合–存储–转换规律，将 PIES 的 EH 整体模型拆分为 若干个子 EH 模型，以降低耦合矩阵的建模难度[29,31]。 3）EH 模型需要根据应用场景逐一构建。为自 动生成耦合矩阵，一些学者提出了基于标准化分部 建模[32]和基于图论[33]的模型自动构建方法，但仍存 在可拓展性较差、无法处理随机性等缺陷。 2.2 不确定性模型 PIES 面临不同能源系统的多重不确定性因素 的影响。为考虑这些不确定性因素的影响，随机规 划、区间线性规划、鲁棒优化、模糊规划和信息间 隙决策理论等在 PIES 的优化运行中得到了广泛应 用，具体如表 1 所示。从随机性的来源看，已有研 究主要关注了风、光、负荷和电价的不确定性，但 有关非电能源价格不确定性的研究几乎处于空白状 态。从随机性的处理方法看，随机规划和鲁棒规划 由于其简明易行、理论完善等特点，在 PIES 的优 化运行中最为常见。以下主要按随机性的处理方法 进行分类介绍。 2.2.1 随机规划 随机规划(stochastic programming, SP)以概率的 形式刻画随机参数，并将不确定性问题转化为确定 性问题进行求解。常用的随机规划模型包括期望值 模型[34]、机会约束规划模型[35]和风险度量模型[36-37] 3 种。其中，期望值模型以期望值的形式给出目标 函数，结构简单，求解方便；机会约束规划模型要 求在某一定置信水平下满足某些约束条件[38]；风险 度量模型一般利用条件风险价值等工具规避系统在 恶劣场景下的风险。 SP 目前在 PIES 不确定性建模中应用最为广 泛，但还存在一定的局限性。一方面，SP 依赖于准 确的随机概率分布信息，而这在实际应用中往往难 以获得。另一方面，SP 需要考虑大量随机场景，计 算负担较重。虽然采用场景削减等技术可减小计算 量，但又会在一定程度上损失计算精度。 2.2.2 区间线性规划 区间线性规划(interval linear programming, ILP) 以区间的形式刻画不确定性参数。比如，文献[39] 采用区间描述工况、气温等因素引发的多能耦合机 组运行状态的不确定，建立了基于 ILP 的区间优化 运行模型。为保证解的可行性，文献[40]利用增强 ILP 算法求解 PIES 的区间优化问题，并通过额外添 加约束条件的方式，将决策结果限制在可行域内。 2472 高电压技术 2022, 48(7) 表 1 PIES 优化运行的不确定性处理方法 Table 1 Uncertainty methods for the optimal operation of PIES 类别 求解 特点 文献 PIES 的随机性 出力侧随机 负荷侧随机 主观随机 价格随机 其他 随机规划 常结合蒙特卡洛抽样、点估 计、场景削减等方法降低计 算量 经济性好；需给出概率分布，鲁棒 性差、求解时间较长 [34] — 电热 — 电价 温度 [35] 光伏 — — 电价 — [36] 风电 — — 电价 — [37] 风、光 — — — — 区间线性规划 分别求解最优和最劣子模型 无需给出概率分布或隶属度函数； 结果以区间形式给出 [39] — — — — 设备能源转 换效率 [40] 光伏 电 — — — 鲁棒优化 利用对偶理论等工具转化内 层问题，寻找鲁棒可行解 鲁棒性好、求解用时较短；经济性 较差，等价对偶模型转换困难 [42] 风电 — — — — [43] 风电 — — — — [44] 风电 — — — — [45] 风电 — — — — 模糊规划 模糊化约束边界和目标函 数等 定量分析带模糊性的不确定性问 题；隶属度函数的建立带有主观性 [47] 光伏 电–热 负荷响应 — — [48] 风、光 — 负荷响应 — — 信息间隙理论 预设最差或最好目标，体现 风险规避或风险追求的策略 方式 给出鲁棒解与机会解；目标的预设 带有主观性 [51] 风、光 电–热–冷 — — — [52] — — — 电价 — [53] 风、光、 潮汐 电–气–热 — — — ILP 不需要准确的随机分布信息，应用方便