【精彩论文】考虑能量-辅助服务下的园区综合能源系统多时间尺度优化模型

考虑能量-辅助服务下的园区综合能源系统多时间尺度优化模型

谭俊丰¹，杨苹^1,2，张凡³，马溪原³，姚森敬³

（1. 华南理工大学 电力学院，广东 广州　510640；2. 广东省绿色能源技术重点实验室（华南理工大学），广东 广州　510640；3. 南方电网数字电网研究院有限公司，广东 广州　510663）

摘要：在“双碳”目标下，构建以新能源为主体的新型电力系统必将推动用户侧参与能量的实时平衡调控。在具有冷、热、电、气多能运行的综合能源系统中，通过结合多种可调资源的辅助调节，协调内部运行策略以支撑和响应电力系统的实时平衡，可促进园区的经济用能及地区新能源消纳。为此，以综合能源系统为视角，提出考虑能量-辅助服务市场环境下的多时间尺度优化模型，通过向电网提供调峰调频等辅助服务以优化园区的用能成本，通过等价线性化的方法求解非线性规划问题。仿真算例分析表明：在所提优化模型下，园区以多能协调互补实现经济用能的同时，通过参与调峰、调频辅助服务有效促进地区新能源消纳及实时平衡。

引文信息

谭俊丰, 杨苹, 张凡, 等. 考虑能量-辅助服务下的园区综合能源系统多时间尺度优化模型[J]. 中国电力, 2022, 55(10): 100-111.

TAN Junfeng, YANG Ping, ZHANG Fan, et al. Multi-time scale optimization dispatch model of integrated energy system considering energy-auxiliary services[J]. Electric Power, 2022, 55(10): 100-111.

引言在“双碳”战略目标下，以新能源为主体的新型电力系统建设将大力推动用户侧参与新能源消纳及支撑系统的实时平衡^[1]。园区作为产业用能高度集中的用户侧区域，所构成的综合能源系统(IES)可形成以冷、热、电、气多能互济互补运行，以多类型可调资源辅助调节的用能模式，进一步提升区域新能源的消纳空间^[2-3]。与此同时，随着电力市场改革的深入，园区综合能源系统逐渐具备向电网提供多类型辅助服务的潜力，通过协调优化内部资源及多能设备的运行获取市场收益，兼具降低工业成本与支撑系统实时平衡两大优势^[4]。目前，相关研究主要集中于优化综合能源系统的多能协调运行与解决源-荷不确定性问题^[5-11]。文献[5-7]分别从综合需求响应、负荷直控、可控热电比等多个角度提出考虑源-荷不确定性下综合能源系统的多能协同响应策略，以多目标协同优化提高能源利用效率以保障系统的经济运行；文献[8-9]从保障极端天气下综合能源系统的安全稳定运行出发，提出基于模糊增强集理论下多阶段综合能源系统鲁棒优化模型，增强综合能源系统的运行弹性及稳定性；文献[10-11]以消纳新能源为首要调控目标，提出将大规模电动汽车、热泵纳入地区综合能源经济调度的框架，协同多能负荷解决地区新能源的消纳难题。上述研究从多角度考虑综合能源系统的优化调控模型及策略时均缺乏与外部市场环境的深入结合，传统的分时电价环境使得相应的优化缺乏弹性，难以适应电力现货市场的价格波动。此外随着辅助服务交易推广至用户侧^[12-13]，综合能源系统未来将面向能量-辅助服务的多市场环境，通过多能协调互补的运行方式降低市场风险损失显得尤为必要。目前对能量-辅助服务市场下可调资源的优化的研究主要针对风电、储能等单类型能源设备开展^[14-17]，而综合能源系统相较于单类型能源设备，其内部综合了风电(WP)、储能(ES)、燃气机组(GT)、多能负荷等具备快速调节能力的资源，通过灵活的资源组合可向电网提供更为优质的调峰调频服务以支撑系统的实时平衡，所建立的能源互补运行模式具备更好的系统支撑能力与发展潜力。

为此，在综合考虑能量-辅助服务市场环境下，本文首先构建园区综合能源系统的调控框架与流程，然后按照日前-日内-实时的时间尺度提出多阶段的电能量市场、调峰调频辅助服务市场申报模型，并通过等价线性化的方法对应求解，最后设置仿真算例验证所提的能量-辅助服务多时间尺度优化模型下园区IES所达到的用能降费效果及支撑新型电力系统实时平衡的调节作用。

1  园区IES的整体拓扑模型

园区IES的整体拓扑架构如图1所示。其中，园区能源服务商作为工业园区的能源智能决策终端，统筹内部资源调节，负责以源-荷预测为基础向多个市场申报能源使用计划，并向园区用户及设备下达多类型调控指令，通过多时间尺度的优化协同调控作用实现多能互济互补的运行模式。

图1  园区IES的整体拓扑架构

Fig.1  IES topology architecture

按照图1的拓扑架构，园区的运行模型可参照能源耦合关系矩阵^[18]表达为

式中：等式左侧为能量输入矩阵，右侧分别为能量转换矩阵与负荷矩阵； P_e 、 V_gas 分别为园区IES的电能量、天然气输入；为制冷机的电输入分量、燃气机组出力、风电出力、储能的充放电量；分别为储热器效率、燃气机组的余热分量、燃气锅炉输出；分别为制冷机效率、制冷机的热输入分量；分别为天然气供给燃气机组、燃气锅炉的分量；分别为冷、热、电、气负荷功率。其中，燃气机组、燃气锅炉在能量耦合及转换过程中，还具备运行模型为式中：为燃气锅炉的输出功率； 分别为燃气机组发电效率、余热效率、燃气锅炉转换效率；为天然气热值。
2  基于能量-辅助服务下的多时间尺度调控流程

考虑到天然气市场与电力市场存在一定的时间异步关系^[19]，为简化园区的调度决策，本文按“使用价格+偏差价格”结算天然气。因此，在电能量-辅助服务市场环境下，园区IES的整体调控流程如图2所示。

图2  考虑能量-辅助服务下的园区IES多时间尺度调控流程

Fig.2  Multi-time scale dispatch process of IES considering energy markets and auxiliary services

（1）电能量-辅助服务下的市场出清机制。在图2的市场运行流程及框架下，不同市场出清机制如表1所示。电能量市场在日前由发电侧机组及用户侧分别申报价-量曲线及功率基点，按照系统的安全约束机组组合(SCUC)及安全约束经济调度(SCED)两阶段求解得到日前出清价格及中标量，对于机组的剩余余量，可继续参与实时市场的出清；而对于调峰调频服务市场，日前由参与市场的机组或调节设备参与价格及容量的申报，由市场以总成本最小的方式出清申报；此外在实时阶段，电网还需根据系统的实时运行状态向调频容量中标的单位下达调节指令，并核定调频里程价格及调节单元的调节精度。对于最终所产生的结果认定与费用结算，由电力市场机构分别按规定核定偏差电量、调节精度^[20-21]后完成用户结算。

表1  不同市场的出清机制对比

Table 1  Comparison of clearing mechanisms of different markets

（2）园区IES的多时间尺度调控流程。从图2的园区能源服务商角度看，在日前阶段需拟定次日96个时段的多能运行计划、统筹园区设备的调频预留容量及用户调峰计划，并向市场申报相应的功率运行基线、调峰调频容量，考虑到园区所占的市场份额较小，一般以价格接收者处理价格申报。而随着源-荷预测曲线在日内逐渐修正，园区能源服务商每15 min滚动优化备用运行基线，确保所产生的偏差电量不超过考核范围。当在实时阶段接收到分钟级的调频指令后，园区能源服务商快速将调频里程分解到调节设备，完成具体的向上或向下调频任务。最终，园区IES的能量运行曲线由日前功率运行基线、备用基线及功率调节曲线叠加而成。

3  园区IES的多时间尺度调控模型

3.1  日前申报模型

（1）目标函数为

式中： N 、 T 、 ω_n 分别为调控场景数、场景时段数、场景概率；分别为日期购气成本、购电成本、运行损耗成本；分别为日前调峰收益、发电机组收益、调频备用容量收益。其具体计算方法为式中：分别为购气价格、日前电价、市场调峰电价、发电侧出清价格、调频备用容量出清价格； β_res 、 β_co 、 β_h 分别为机会成本损失系数、热负荷、冷负荷参与调峰市场的等效耦合系数；为燃气机组的运行成本，而 C_i 为园区其他能源设备集合J中第i个设备的运行成本，J={es, gbo, hbo, co}；分别为及日前购气曲线、购电曲线、常规备用计划、园区各能源设备出力、电、冷、热调峰响应曲线、发电外送曲线及向上、向下调频备用容量的曲线。（2）约束条件。①风电按照日前预测风速下的最大出力运行，该部分电量可分为风电内部消纳量及计划外送电量其中在计划外送电量范围内取向下调频指令的调频备用容量因此风电机组的约束可表示为式中：分别为风电外送电量最小、最大比例；表示风电调频备用容量的最大比例。②燃气轮机出力分为内部供给量计划外送电量及常规备用容量 并在外送功率分量的基础上确定向上、向下调频备用容量因此燃气轮机的约束可表示为式中： P_gt 为燃气轮机的额定容量；为日前机组的“0–1”启停变量、机组小时爬坡率；分别为向下调频容量的最大比例、向上调频备用容量最小、最大比例、常规备用容量的最小比例要求； Δ_gt 为燃气机组提前启用备用容量的时长，常取4 h；分别为燃气机组的启停成本及运行成本。③储能具有快速响应电力系统需求的能力，因此在日前确定调频及常规备用容量，在日内及实时阶段根据园区能源服务商的调节指令开始调节，具体约束条件可表示为式中：分别为向上、向下调频备用容量、常规备用容量；分别为装机容量、荷电状态的最大、最小值；Δt 分别为常规备用容量最小比例、时间间隔。④园区IES的日前阶段能量平衡约束见式（1）（2），而容量约束为式中：为日前确定的调峰需求量。3.2  日内优化及用户调峰模型（1）目标函数为式中：为日内阶段的向上、向下调节状态的0-1变量及所需修正时段数；满足的关系；分别为向上、向下的备用出力成本及园区内部参与削峰、填谷的用户负荷成本，具体计算公式为式中：分别为燃气机组、储能的向上、向下调节量；为园区第m个用户的报价，共M个用户；为第m个削峰填谷用户的第s类负荷的向上、向下调节量，其中S为电、冷、热调峰负荷的集合；为能量设备综合转换系数，参照图1的拓扑结构可得，为用户调峰综合执行偏差率， α_p 为偏差惩罚因子。（2）约束条件。①燃气机组约束条件为②储能约束条件为式中：为0-1变量，表示储能的充放电状态，满足的约束；分别表示在各时段储能的向上、向下备用出力容量；分别最大充放电功率、充放电效率；则表示实时荷电状态，当进入新的滚动优化时段时，柔性资源的剩余可用调节量及将按式（13）发生变化。③园区用户调峰报价约束。为避免园区能源用户盲目报价，按照市场调峰价格设置用户报价的上限，即3.3 实时偏差及调频里程分解模型（1）目标函数为式中：分别实时市场的电能量、天然气偏差成本、向上、向下调频里程收益及调频时段数；具体计算方法如下。①电能量市场偏差成本天然气补充成本 为避免出现过大的偏差电量而带来的惩罚成本，通过日前及日内两阶段的优化调控均可将电量偏差比值控制在 λ 范围内，故在实时运行阶段时可表示为式中：表示为实际运行阶段的实时电量需求及偏差电量，为弃风惩罚系数和实际弃风量；为日内滚动优化的调节量之和；为实时市场出清价格、天然气价格；为天然气负荷的预测偏差量。②向上、向下调频里程收益为式中：分别为各时段的调频里程价格、各时段向上、向下调频需求的标幺值（由下达的调频需求标幺值生成，在数值上等于两个时刻调频需求之差的绝对值与向上、向下调频备用容量之比）；为调频性能系数， k₁ 、 k₂ 、分别为调频速率、响应时间及调频精度，其中 k₁ 、 k₂ 可由市场运行机构测试而得，而具体分为向上调频精度向下调频精度α_cap 、 S_cap 分别为园区IES调频资源的实际向上、向下调频里程、调频的最大允许误差及调频单元核定总容量。其中，按照调频允许误差为1.5% P_N /min的原则^[22]，对增加调频精度误差服从 δ_t(μ,σ) 正态分布的约束，即（2）约束条件。①风电、燃气机组的约束条件为式中：分别为风电向下调频里程及风电小时爬坡率；分别燃气轮机的向上、向下调频里程； Δt_f 为通常取5 min。②储能的约束条件为式中：均为0-1变量，分别为柔性资源的向上、向下调频状态，满足的约束；分别表示储能的向上、向下调频里程；表示参与调频指令容量部分的储能荷电状态。同理，下一时段的调频备用容量将会发生变化，即③系统平衡及容量约束。实时阶段能量平衡约束为式（1）、（2），而调频里程容量约束为3.4  模型求解在上述多时间尺度优化调控模型中，各阶段需求解的模型均涉及0–1变量与连续变量相乘项，构成复杂的混合整数非线性规划问题，为便于求解，考虑采用一个新的变量代替目标函数中的相乘项，为了对其进行等价线性化^[23]引入约束为

式中：I、x、t分别为0-1变量、连续变量及等价变量；M为数值较大的正常数。当按上式简化约束条件后，本文的三阶段多时间尺度优化调控模型可转化为混合整数线性规划问题，分别按照模型F₁-F₂-F₄及F₁-F₃-F₅的顺序进行求解。而商业求解器CPLEX综合了分支定界法、割平面法^[24-25]等优化算法的优点，具备快速求解混合整数规划问题的优点，被广泛应用于规划问题的求解，因此本文选用CPLEX求解所提的园区IES多时间尺度优化模型。

4  算例分析4.1  参数设置

算例以图1为园区IES的拓扑结构，其中园区的源-荷曲线如图3所示，各设备的相关运行参数如表2和表3所示，其中风电、多源负荷预测误差分别服从正态分布N(10%,1.5%)与N(4%,0.5%)。天然气的日前、实时价格分别取32.81/36.62 美元/(MW·h)，热值 q_gas =35.59 kJ/(m³·h)。为模拟电能量市场及调峰调频辅助服务市场环境，采用图4所示的100组2019年美国PJM市场的运行数据，其中：（1）在电能量市场中，针对园区IES的外送电量按发电侧出清价格结算，考虑线路存在阻塞、运维等成本，按90%的日前市场价格作为发电侧出清价格； β_res 取0.4； λ 、 ρ_c 分别取0.1、1.2；（2）由市场场景提取的模拟预测电价如图5所示；（3）在调频辅助服务中，取当前时段的调频备用中标量作为基准值，则实际的调频需求按标幺值在区间[0.5,0.8]模拟；而调频性能系数 k₁ 、 k₂ 分别取1、0.95；（4）在调峰辅助服务中，按常规场景与新能源大发场景的不同，分别取0.02/0.15、1.50/1.25， β_co 、 β_h 分别为0.96、0.98，用户的调峰响应能力如图6所示，相关的价格申报如表4所示。

图3   园区IES的源-荷预测曲线

Fig.3  Source-load prediction curve of park IES

表2  园区IES的设备参数

Table 2  Device parameters of IES

表3  发电设备的容量比例限制

Table 3  Limitation on the proportion of power generation

图4  100组电力现货市场场景

Fig.4  100 sets of power spot market scenarios

图5  市场价格模拟预测

Fig.5  Simulation of power market prices

图6  调峰需求及用户响应能力

Fig.6  Peak shaving demand & user responsiveness

表4  调峰服务的申报价格

Table 4  Prices of peak shaving market

4.2  园区总体用能方案分析

园区IES的总体申报结果如图7所示，日前申报的整体特点为根据负荷与发电单元的运行特性灵活控制购售电比例，并向调峰调频服务市场申报可控的容量调节裕度；为进一步验证本文所提优化模型对园区经济用能的调控效果，分别按照4种园区能源使用方案进行园区的优化调控运行：（1）常规日前经济调度+实时结算；（2）调控设备单独参与调频市场；（3）参与电能量-调频的联合调控；（4）参与电能量-调峰调频的联合调控。所得结果如表5所示。

图7   园区总体能量申报结果

Fig.7  The overall energy dispatch results of IES

表5  园区能源使用方案对比

Table 5  Comparison of different energy dispatch schemes

由表5的调控成本结果可知，4个方案的优化效果呈逐级递增的趋势，相较于方案1~3，本文所提出的方案4达到了更优的经济用能效果，总成本在理论上较传统方案下降18%，具体可总结为：（1）通过日内启用预留的备用容量，滚动偏差能量，使得方案2~4大幅降低能量偏差成本；（2）相较于方案2中WP、GT、ES单独参与调频辅助服务，在方案3和方案4中园区可整合上述发电单元形成调节速率更多样化、调节误差互补的调节资源主体，在调频里程结算中获得更良好的调节性能系数，提高调频里程收益；（3）方案4中园区参与市场调峰后存在用能成本降低与增加调峰收益的双重获利因素，其中出现用能成本下降的深层次原因为参与调峰的园区电、冷、热负荷从高电价时段转移到了低电价时段，从风电低出力时段转移到了高出力时段，因而在园区的日负荷不变下，在填谷时段不但电价处于低位，且可通过风电就地消纳的方式降低购电量、购气量，较削峰时段用能具有更优的经济性，体现调峰市场与电价波动下的双重响应效果。4.3  价格波动下的多能协同响应分析

在市场场景差异下，多能协同运行成为优化调控运行的核心，根据价格波动程度的不同所确立对应的多能协同运行策略。为此本文定义同一时段下全场景中多能的变化程度为响应率、发生多能变化时的最高价格为响应价格阈值，并从电、冷两类型为基础，选取全场景中最大响应率、最大响应价格阈值的情况为场景A与场景B，分析园区IES的多能协同响应情况，具体结果见图8、图9及表6。

图8   场景A的多能协同响应

Fig.8  Multi-energy response of scenario A

图9  场景B的多能协同响应

Fig.9  Multi-energy response of scenario B

表6  园区多能协同响应情况对比

Table 6  Comparison of park multi-energy responses

综合场景A、B及平均情况对电能量市场价格的响应程度，可得普遍的价格敏感区间为[25,40]，对于此区间以外的市场价格，园区因电价过高或过低而选择固定的能量供给及转换方式；而在价格敏感区间时，将出现能源供给模式的改变，如面对同样的冷负荷需求，根据电价高低而选择电转冷或气转热转冷的2种模式，当电价高于响应价格阈值时，更多地采取后者的供冷模式，反之则采用前者的供冷模式。与此同时，从各场景下的平均响应率可看出，与电力市场价格直接关联的电能量响应率仅稍高于耦合程度较低的冷负荷，表明园区的其他能源运行同样受电力市场的环境所影响，以多能协同运行的方式形成整体能源供给模式将进一步促进其经济用能。4.4  园区辅助服务参与效果分析4.4.1  园区多能协同调峰效果

调峰用户的响应结果及执行效果分别如图10、表7所示。其中，在如图10 a)所示的常规场景下，执行调峰后园区整体的电负荷峰谷差将直接削减6.89%，峰-谷时段的负荷削减与提升平均分别达到9.5%与6.2%，所达到的削峰填谷效果将有效减轻电网对负荷峰谷差的调节压力；而对于参与调峰的用户而言，在调峰需求受限的情况下，用户1和用户2调峰的补偿费用申报较低，因此相较于用户3所获得的调峰量与调峰收益更有优势。

表7  调峰执行效果对比

Table 7  Comparison of peak-shaving effects

图10  调峰用户响应结果

Fig.10  Peak shaving response result of users in the IES

而图10 b)中所示的新能源大发场景下，面对更大压力的调峰需求，在大部分时段园区需启用全部调峰用户参与调峰，因而所产生的收益、峰谷变化差更为明显；即便因调峰能力有限难以满足所有时段的需求，但仍保持90%以上的平均执行度及接近50%的完全执行度，在满足新能源大发时期电网的调节需求时，保障园区IES的调峰辅助服务收益，间接降低园区用能成本。4.4.2  调频效果及收益分析

实时阶段参与分钟级时间尺度的调频里程结果如图11所示。当面对实际的向上、向下调频指令时，园区内部的燃气机组、风电分别承担了大部分的向上、向下调频里程任务，其中向下调频里程大部分由运行成本较低且容量足够的风电执行，风电参与向下调频的平均容量比例达到55%，表明风电同样可承担较高的调频里程，可以适配新型电力系统的实时平衡调节需求；而储能参与调频出力则与日内滚动优化调控相似，需动态考虑其充放电特性及容量上限，而制定具体的向上、向下调频出力，因而参与获得的调频里程较低，其角色以补充调频里程的缺额为主，保证园区IES的整体调频精度；表8则展示了具体所完成调频任务的月度收益结果，可见，燃气机组及风电在参与调频服务的整体收益及单位容量收益上均明显优于储能，呈现较高的调频性价比，因而成为较为优质的调频资源；在园区内部能源设备的协同响应下，所获得的容量收益、里程收益将平均降低其购电成本的8%，进一步降低用能成本。

图11   调频里程分解结果Fig.11  Decomposition result of frequency regulation mileage
表8  园区参与调频辅助服务的收益Table 8  Park profits in participating in frequency regulation5  结论本文在考虑能量-辅助服务市场联合调控下建立了园区综合能源系统的多时间尺度优化模型，通过日前-日内-实时3阶段的多能协同调控，在多市场环境中实现园区经济用能的同时，有效参与支撑新型电力系统的实时平衡，具体结论为：（1）通过园区整体参与多时间尺度优化调控及调峰调频联合调控，所得调控经济性优于传统方案及设备单独调控方案，园区根据电价水平的高低而改变园区多能供给及转换方式，并通过日内滚动修正、调频误差互补等方式，有效提升园区用能成本；（2）园区通过参与电网的调峰辅助服务在有效降低园区负荷峰谷差的同时，在面对新能源大发场景时仍然具备动态的调峰消纳能力，协助地区参与完成不同场景下的调峰任务；（3）园区在面临实时的分钟级时间尺度调频任务时，优先将调频指令分解至调节容量更充裕的风电、燃气机组，而储能则主要补充调频里程的缺额及调节误差，三者协同提升调频里程收益。

（责任编辑　张重实）

作者介绍

谭俊丰（1997—），男，通信作者，硕士研究生，从事综合能源系统优化调控运行研究，E-mail：[e-mail]；

★

杨苹（1967—），女，教授，博士生导师，从事综合能源系统优化调控运行、大规模风电并网控制技术研究，E-mail：[e-mail]；

★

张凡（1990—），男，博士，从事电网数字化和智能化领域的技术研究和管理，E-mail：[e-mail].

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹

校对：李博

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。