能源互联网多能分布式优化研究挑战与展望

 在可再生能源发电技术、互联网技术等先进技术的推动下,能源互联网成为传统能源系统发展的必然趋势。考虑到能源互联网的协调运行与控制技术是制约其发展的关键瓶颈之一,从多能协调运行和分布式协同调控2个方面入手,具体分析了能量枢纽建模、多能流网络建模、优化运行策略等基本方法和研究挑战,并在分层分布式控制架构的基础上结合分布式优化算法介绍了多智能体系统在能源互联网运行调控中的应用。最后对能源互联网分布式运行与控制体系、多能流优化调控以及去中心化交易模式的发展前景做了进一步展望。

0引言

能源是人类生存的物质保障和社会经济发展的动力源泉,然而随着全球经济的飞速发展,能源短缺问题日益凸显。同时,化石能源的大规模使用所导致的环境污染和气候恶化等问题越来越严重。针对能源与环境领域的紧迫形势,清洁可再生能源的发展备受关注,但其消纳问题十分突出,弃风、弃光现象较为严重,并且用能侧的能源利用效率较低,直接制约了我国的经济社会转型。

以物联网、大数据、云计算、移动互联网等为代表的互联网技术的深入发展使其与传统工业相结合的理念备受关注,能源互联网成为解决分布式可再生能源就地消纳问题、实现多种能源网络紧密融合、提高系统整体能效的必然趋势。美国、德国、欧盟和日本分别开展了FREEDM项目、E-Energy计划、FINSENY项目等以寻求在新能源智能并网和能源互联网领域的突破性进展[1-3]。在能源互联网兴起的大背景下,我国研究人员于2012年开始从能源互联网的基本概念、架构设计、核心技术、关键设备、运行调控等不同层面进行探讨[4-5]。2016年,国家发改委和能源局公布了《关于推进多能互补集成优化示范工程建设的实施意见》,为我国能源互联网的进一步发展指明了方向。

开放互联作为能源互联网的核心特征之一,在架构上体现为物理互联和信息互联的融合,而从运行控制的角度考虑,则可分为横向互联与纵向互联2个层面。一方面,横向互联主要体现为多种能源的耦合互补。传统的能源系统是分散化的系统,电力系统、热力系统、天然气系统之间虽然在供能侧存在小范围的能源转化;但整体仍表现为各系统的独立规划、运行与控制,导致能源的综合利用效率较低。如何在多能转化技术的支撑下对多能源网络进行集成优化建模,实现综合能源系统的协调运行是解决从能源生产、传输到能源消费等各个环节中存在的能效问题的关键。另一方面,能源互联网的纵向互联体现在源-网-荷-储的协同运行控制。传统能源系统中的负荷具有单一属性,能源单向流动利于集中管理;但在能源互联网中由于分布式可再生能源的大规模接入,用能环节将具有“源-荷”双重属性。集中分级式调控策略因其高敏感性、低鲁棒性而不再适用于这种支持所有参与者对等接入的自由多边互联网架构,这就需要利用能源路由器等控制设备实现多能源系统的分布式优化,打破能源在生产、传输、转化、存储、利用等各个环节存在的壁垒[6]。此外,分布式的优化方法与控制策略也有利于实现“发用电联合体”的能源互联与共享[7],促进源、网、荷深度融合、紧密互动,为能源市场的多边交易提供坚实基础。

针对能源互联网横向与纵向互联的特点,本文首先分析总结了多能协调优化运行问题中的能量枢纽与多能流网络建模方法以及相关优化运行策略,在此基础上对能源互联网分层分布式控制架构和分布式优化调控算法进行了归纳,并介绍了多智能体系统在能源互联网分布式优化中的应用前景,最后对能源互联网在多能分布式优化运行与控制领域的相关研究进行了展望。

1 多能协调优化运行

能源互联网中由于需要考虑电、气、热等不同能源网络间的横向融合问题,可利用能量枢纽作为综合能源系统中的虚拟节点进行辅助建模分析;对于多能源网络中的协调运行问题还需要计及多能流网络建模,同时应选取合适的优化运行策略。其研究关系如图1所示。

图1 多能协调运行问题研究关系图

1.1 能量枢纽建模与分析

能量枢纽(energy  hub,EH)又称为能量集线器、能量转换中心,是由苏黎世联邦理工学院于2007年首次提出的概念,被视为能够实现多能互补转化与存储的虚拟实体,一般可用耦合矩阵的形式加以描述。

式中：η=(η_ij)为效率矩阵,其中的每个元素ηijηij为效率因子;N=(υ_ij)为分配矩阵,相应元素υ_ij为分配因子。可以看出,能量枢纽是一多输入-多输出端口模型,第i种形式的能源输出量与第j种输入能源用于该种形式输出的分配比例和转化效率成正比。

基于此,研究人员建立并完善了考虑储能设备、需求侧响应、电动汽车、新能源并网的能量枢纽静态数学模型,并提出将多能量枢纽网络中的能量传导器视为特殊的“能量枢纽”进行网络综合建模分析[9-10]。文献[11]在热电联产(combined  heat and power,CHP)机组热电比可调的运行模式下建立了能量枢纽的动态扩展模型。文献[12]建立了包括CHP、插电式混合动力汽车(plug-in  hybrid electric  vehicle,PHEV)、蓄热室、太阳能电池板和普通家用电器的住宅区能量枢纽模型。对具有相似特性或功能的系统元件可以由已知元件的模型进行类比处理,如电动汽车停车场的集聚模型可视为额定充放电功率与容量随机波动的动态储能模型[13];冷热电三联产系统问题中冷负荷可等效为负值的热负荷,考虑将吸收式制冷机的工作特性类比CHP系统进行建模[14]。

然而现有研究对能量枢纽中各元件的动态过程考虑较少,如未计及气热转化中的时延特性等,且缺乏对各环节中存在不确定性的考虑,在复杂系统分析中还需对能量枢纽模型做进一步完善。此外,随着能源互联网中不同能源在转换、传输、分配、存储等各个环节的融合深度逐渐提高,能量枢纽数学模型可能难以用公式直接表达,可考虑利用数据挖掘技术识别和获取能量枢纽的关键参数,对其中相应的输入输出量进行关联分析,这也是能量枢纽智能自动化建模的下一步研究方向之一。

1.2 多能流网络建模与求解

考虑多种能源网络的交互与融合,多能流网络建模与混合潮流计算成为能源互联网稳态分析的核心问题[15-16]。包含电能、天然气、热能的多能源网络稳态混合潮流模型的一般表述形式为

式中：F代表电力系统潮流方程;G为天然气系统代数方程,包括支路流量方程、压力回路方程、压力损失方程等;H表示由支路水力方程、压力回路方程、节点工质混合方程等组成的热力系统能流方程;CEH为能量枢纽的输入输出耦合方程;xe,xg,xh,xeh分别代表电力系统、天然气系统、热力系统以及能量枢纽的相关变量。对于含多个能量枢纽的多能源系统,各能量枢纽与传输网络间的功率流向关系也可用矩阵的形式进行表述

式中：P_iα(i=0,⋯,m)为与载能体α相连的第i个能量枢纽的对应输入功率T_jα(j=0,⋯,n)为含有载能体α的第j条传输通道;m、n分别为能量枢纽与传输通道的数量;H_α=γ_ij为α的网络连接矩阵,由{01-1}3种元素构成,0表示对应EH与传输通道不存在α的功率交互,1、-1分别表示对应EH中载能体α的流入和流出。

注意到电、热、气3种能源网络均遵循基尔霍夫第一、第二定律,有学者提出对多能流网络进行“同质化”耦合建模,并引入了“热阻”的概念类比电网模型对热力系统进行分析[17]。但由于电流、热流、气流在传输过程中遵循的物理机理不尽相同,热力网模型中的支路水力方程、支路热力方程和节点工质混合方程以及天然气网模型中的支路流量方程在电网模型中均无法找到类似表述,故在能源互联网短期优化调度和超短期精确控制中的应用存在较大难度。

在混合潮流的求解方法上,现有研究主要可分为统一求解法与解耦求解法两类。采用统一求解法时需要将不同能源网络方程联立进行统一迭代求解,导致非线性方程的维数和决策变量个数大幅增加,对求解过程要求较高,可采用扩展Newton-Raphson法或其他迭代算法[18]。而解耦求解法则是通过对能源耦合部分的能量作等值处理将混合潮流方程分配到不同的能源网络独立求解,从而降低了问题难度[19]。但解耦求解法存在不同能源网络的求解顺序问题,可能出现后求解的系统潮流不收敛的情况,需要对已求解的系统调整参数进行重新计算直到所有系统潮流均收敛为止。在功率流的优化计算方面,可以将求解过程分为配电网三相潮流计算、燃气管网潮流计算及EH潮流计算、系统优化计算3个模块进行[20],从而提高计算效率。也有学者将TLBO  (teaching-learning-based  optimization)优化算法应用于求解多能源系统的最优功率流问题,并综合考虑了能源与环境效益[21]。

以上研究主要基于电-气-热系统的稳态能量流模型,未考虑天然气网和热力网的慢动态特性,可能导致计算结果脱离实际。因此,在能源互联网运行规划与实时调度中需要计及多能源系统传输过程存在的不同时间尺度的影响,引入天然气网与热力网的暂态能量流模型作进一步完善。对于天然气网,其暂态模型主要考虑能量守恒、质量守恒及牛顿第二定律在天然气管道流量方程中的偏微分表述形式,而在气体流量温度与环境温度相同时可忽略能量守恒公式[22]。具体描述为

式中：l为管道长度;t为时间;ρ为天然气密度;v为天然气轴向流速;P_gas为天然气压力;G为重力加速度;H为高程;F为摩擦因子;D为管道内径。热力网的暂态模型主要考虑热流体温度在管网、换热器、散热器处的动态变化[23],如管网支路中的热流体温度可简单表示为关于时间t和空间位置x的函数T(t,x),相应关系式为

式中α为管道的热损耗系数。总的来说,天然气网和热力网的动态工况模型因系统连接方式、用户使用习惯及运行控制水平的不同而变化,在能源互联网多时间尺度混合潮流模型中可根据实际情况进行适当简化。

此外,由于能源互联网中可再生能源的高渗透率以及高比例柔性负荷的参与,上述混合潮流模型中还需要考虑不确定因素在不同能源网络间的传播问题。但目前这方面的研究成果较少,如何类比电力系统随机潮流建立能源互联网随机混合功率流模型进行分析计算将是接下来的研究重点之一。

1.3 优化运行策略

基于上述能量枢纽和多能流网络的建模方法与分析,可将能源互联网中的优化运行问题分为2层：第1层是以多能源最优混合潮流为核心的跨区级和区域级的能量优化调度[15];第2层是根据某一能量枢纽内的设备配置及系统约束决定各时段该能量枢纽内部的能源分配、转化与存储策略等[24]。

单个能量枢纽的运行优化问题由于不需要考虑混合潮流计算,使其相较于跨区级和区域级的能源互联网优化调度更容易求解。优化模型中通常将能量枢纽与其连接的分布式电源和负荷等视为一个整体进行分析,选取能量枢纽运行成本最低、能效最高、碳排放量最少等为目标函数[11],能源分配系数、CHP热电比、需求响应(demand  response,DR)功率等为决策变量[25]。约束条件包括能量平衡约束、能源网络输入功率限制与机组出力限制等技术条件约束,发电机与储能设备等运行特性约束以及需求响应约束等。相应优化问题的一般建模思路如图2所示。

图2 优化运行问题建模思路

考虑到热电负荷、市场价格和风速等系统的不确定性,可采用随机规划方法研究能源市场环境下的能量枢纽最优运行问题[26]。对于计及CHP机组运行约束及储能元件寿命等因素所带来的优化模型非凸性,运用混合整数线性规划方法建模分析并利用数值方法与人工智能算法相结合的手段进行求解是解决该问题的有效途径[27-28]。但现有研究对多能源系统中包含用户进行用能形式切换的综合能源需求响应考虑还不够充分。同时,由于能源互联网支持分布式设备即插即用的特点,如何在能量枢纽优化建模中考虑其组成元件及拓扑结构变化造成的影响是一个亟待解决的问题。

对于跨区级和区域级的能源互联网,多个能量枢纽以虚拟节点的形式接入电网、热网、燃气网等多能源网络,其整体的优化调度就需要研究多能源最优混合潮流问题[29]。结合式(3)所示的多能源网络稳态混合潮流方程建立的能源互联网优化调度模型[14]为

式中：x为状态变量,包括电力系统中的电压、电流,天然气系统的气压、流量,热力系统的热媒温度、流量[30],能量枢纽的交换功率等;u为控制变量,包括电力系统发电单元出力,天然气系统压缩机变比,热力系统的热源出力,能量枢纽分配系数等。目标函数f(x,u)的选取通常要考虑能源互联网的经济效益和环境效益。等式约束h(x,u)=0主要包括网络混合潮流平衡方程、能量枢纽内部能量方程、网络与能量枢纽耦合方程;不等式约束g(x,u)≤0主要包括技术约束、系统运行约束、能量枢纽自身约束等。

上述模型主要适用于区域能源互联网稳态运行模式下的长时间尺度优化调度方案,而对于能源互联网的故障状态或异常状态,则需要采用自适应的协调优化模型,计及线路、设备故障等突发因素对能源互联网运行的影响[31]。另一方面,主干电网作为能源互联网的核心支撑网架,各区域综合能源系统在实现自治多能协调优化的同时应保证电网的电压质量和稳定性。此外,考虑到大规模可再生能源接入等不确定因素影响下广域多能源系统的复杂性与随机性,多能协调运行策略由集中式优化向分布式优化的转变已成为一种必然趋势。在能源互联网的分层分布式控制结构下采用分布自治的运行调控模式可降低优化模型的求解难度,该部分内容将在下一节中详细介绍。