冰蓄冷空調群參與風光本地消納的微網隨機經濟調度策略

曹建偉，黃申，孫毅，周麗華，管士寧，李澤坤

(1.國網湖州供電公司調度控制中心，浙江 湖州313000；2.華北電力大學電氣與電子工程學院，北京102206)

0 引言

目前，發展以新能源為主的新型電力系統已成為電力行業的時代使命，但新能源出力的隨機性、波動性和間歇性給電力系統的安全穩定運行帶來了很大挑戰，風、光電等的出力特性和負荷特性不匹配將導致時段性供電[1]，因此調動需求側資源參與電網調節，對實現源荷互動十分重要。針對新能源富裕電量，可以通過火電機組出力調節、跨區跨省輸送、需求側管理這3種手段對其進行消納[2]。

就微網而言，廣泛采取“余量上網”的形式消納過剩光伏或者風電出力，其屬于電網側調節手段，已有較多研究成果。文獻[3]針對地區內能源分布不均衡、新能源消納能力不足的問題，提出了綜合考慮新能源消納能力和投資收益的電網互聯通道雙層規劃模型，運用改進的混合遺傳算法求解，提高了風電和負荷的匹配度。文獻[4]針對發用電兩側功率不確定性影響配電網優化調度的問題，構建源荷兩側功率不確定性模型，考慮配電網中的靈活性資源，以配電網綜合運行成本、電壓偏移以及靈活性為目標構建區間優化模型，并基于NSGA-II算法求解Pareto最優解集，提高了系統應對不確定性的能力。文獻[5]針對可再生能源在微網內調度時的能源損耗和用能效率低的問題，建立一種能源在各個設備之間功率交互的優化調度模型，從而實現了微網的能量優化管理。文獻[6]考慮聯絡線資源和儲能壽命特性的微網優化策略，提高聯絡線輸送電能，并且降低功率波動。上述研究在進行消納新能源時，從配電網側調度源荷資源以消納功率，微網剩余的光伏功率需要通過上網傳輸到其他微網，這一部分上傳功率會造成配網的線損增加，導致電網的運行和控制成本增加[7]，因此微網光伏就地消納的經濟性更好。

亦有研究從需求側手段對新能源消納問題進行研究。文獻[8]在考慮火電爬坡率限制的基礎上，提出了負荷曲線等效斜率的需求響應功率量化方法，提高光伏消納能力。文獻[9]針對電網供需不平衡問題，以消納微網中剩余的新能源功率和降低電網的功率波動為目標，提出一種負荷協同調控策略，實現源荷平衡調節。文獻[10]針對電源出力和負荷不確定性問題，在以新能源為主電源的微網中，對用戶實施需求響應時，考慮用戶的隨機性，并將區域內的用戶分類再進行負荷控制，使用動態規劃算法求解，實現微網的優化調度。文獻[11]針對微網容量問題，考慮多尺度不確定性耦合的影響，通過對可中斷負荷、可平移負荷的控制建模，達到優化負荷特性的目的，在運行層面降低成本并提高系統穩定性。上述研究為微網新能源消納問題提供了技術支撐[12]，但大都以電力負荷響應的方法為主，鮮有考慮綜合能源浪潮下需求側蓄冷蓄熱等儲能設備對新能源消納的推進作用[13]。

冰蓄冷空調(ice storage air conditioner，ISAC)作為一種優質的需求側可調節資源，能夠在微網光伏功率較多時進行蓄冰[14]，負荷用電需求較多時進行融冰，利用蓄冷功能靈活調配其用電模式[15-16]。部分研究已將冰蓄冷空調納入電網互動調節策略中，文獻[17]針對越來越多的棄風現象，為消納系統多余的風電功率引入冰蓄冷裝置，對用戶實施需求響應，建立多目標優化模型，利用遺傳算法求解，提高風電消納量。文獻[18]針對微網的負荷波動問題，建立了含冰蓄冷儲能的多時間尺度負荷調度模型，并比較不同運行方式下冰蓄冷儲能的影響，實現了微網經濟穩定運行。由于微網調節能力有限，存在棄風、棄光等問題，文獻[19]通過電、氣、冷、熱等多種能源耦合和存儲，促進新能源消納，提出了能源供需自洽模型，綜合考慮各部分約束條件進行求解，提高風光消納能力降低用能成本。文獻[20]針對微網運行成本優化問題引入冰蓄冷儲能系統，建立新能源和儲能裝置優化模型，以經濟成本最小為目標，運用混合線性整數規劃方法求解，實現微網能源的優化運行。上述研究充分表明冰蓄冷空調具有參與需求響應的靈活性[21-22]，但由于部分微網的供需特殊性，鮮有研究將冰蓄冷空調參與新能源消納過程中造成的配電網線損和經濟性聯合考慮。

隨著分布式電源不斷接入電力系統，電網的調控難度增加。當微網內出現剩余功率，向配電網倒送功率，造成配電網的線損增加。通過冰蓄冷空調消納分布式電源功率使配電網的增量線損減小。將剩余的增量線損和調度成本結合，在盡可能消納電功率的情況下，使調度的經濟性最優。

因此，本文考慮分布式電源出力和負荷的不確定性，綜合考慮需求響應和冰蓄冷空調的協同調控機制上，將配電網線損作為經濟性指標，以調度過程中負荷的調度成本、線損成本和條件風險成本的綜合成本期望值最小，實現微網區域內分布式光伏的本地消納，并提升綜合經濟效益。

1 含冰蓄冷空調集群調控的調度框架

由于風電和光伏具有隨機性和波動性，微網系統內源荷不平衡，風光電量無法由樓宇用戶充分消納，其剩余功率將逆送到配電網，這保證了微網內部功率平衡，但也增加了電力網絡的線損。因此，本文提出了冰蓄冷空調參與微網分布式電源消納架構，如圖1所示。

圖1 冰蓄冷空調參與微網分布式電源消納架構

本文所研究的微網系統主要由燃氣輪機、光伏、風電、電儲能系統、冰蓄冷空調以及用戶負荷構成。其中，冰蓄冷裝置配備于智能樓宇，以冰蓄冷空調為主要形式。冰蓄冷空調有蓄冷模式和釋冷模式，當室內溫度達到臨界點時，可以進行蓄冷或釋冷，在維持室內溫度宜人的同時繼續保持響應功率，使調節深度增加，用戶滿意度也不會有所損失。因此，冰蓄冷空調相比于傳統的空調負荷具有調節更靈活且可深度調節的優勢。

上述各單元可通過電力電子裝置實現設備之間能量和信息的互聯，能量管理系統通過收集發電、用電、電價等信息對能量進行優化管理，并將調度結果下發給冰蓄冷空調、電儲能系統和負載系統。

2 基于場景法的微網不確定性建模

2.1 光伏出力不確定性

Ppv,t=Ppv,pre,t+ξpv,t

(1)

(2)

式中：Ppv,t為光伏實際出力；Ppv,pre,t為光伏預測出力；ξpv,t為光伏預測偏差。

2.2 風電出力不確定性

Pw,t=Pw,pre,t+ξw,t

(3)

(4)

式中：Pw,t為風電實際出力；Pw,pre,t為風電預測出力；ξw,t為風電預測誤差。

2.3 負荷不確定性

PL,t=PL,pre,t+ξL,t

(5)

(6)

式中：PL,t為實際負荷；PL,pre,t為負荷預測值；ξL,t為負荷預測誤差。

2.4 場景生成和縮減

本文采用蒙特卡羅法模擬分布式電源出力和負荷功率變化過程，并產生預測功率誤差的概率分布，運用隨機抽樣產生隨機數來模擬生成光伏場景、風電場景和負荷場景。

基于蒙特卡羅生成的場景，采用拉丁超立方抽樣技術進行場景生成，主要步驟為：

1)將場景等分為n個概率區間；

2)將概率區間的隨機數作為采樣點；

3)對概率分布函數進行逆變換，獲取樣本值。

由于場景數的大量增加，計算效率下降，導致系統難以優化，故采用同步回代法進行場景縮減，縮減后的典型場景能夠準確反映出原始場景集的概率分布情況，主要步驟為：

1)獲取原始場景集，設置縮減后的場景數為Q；

2)計算每對場景的歐式距離；

3)對任一場景，尋找最靠近場景的距離大小，根據縮減原則進行刪除，將刪除場景概率累加到最近場景；

4)重復步驟3)，直到達到Q；

5)獲得對應場景的概率。

3 考慮冰蓄冷空調群的微網隨機經濟-風險調度策略

3.1 目標函數

本文擬通過對微網系統內冰蓄冷儲能及可控負荷實施主控管理控制，以提升分布式能源消納水平，減少微網系統和配電網之間的功率交互，降低光伏出力不確定對電網的沖擊。

本文以冰蓄冷儲能成本、需求響應成本和條件風險成本最小為目標，并在優化過程中將電網的線損作為衡量運行經濟性的指標。配電網的線損分為技術性損耗功率和由于光伏逆送造成的增量線損兩部分，而線損成本則是由后者所構成。則具體的目標函數由微網調度成本、線損成本及條件風險成本構成。

(7)

(8)

(9)

(10)

(11)

(12)

對于式(10)，冰蓄冷空調在調度過程涉及到兩類激勵價格，第一類是在消納場景中，當微網系統內分布式電源出力過剩時，冰蓄冷空調進行蓄冷，以及當微網系統內缺少功率時，減少制冷機電功率，蓄冷裝置釋冷補充空調負荷，此時激勵價格(記為冰蓄冷空調消納成本)為cx，x=1，y=0。第二類是在削減場景中，當蓄冷裝置儲冰量為0，因削減功率會影響用戶舒適度，從而給予高額補償，此時的激勵價格(記為冰蓄冷空調削減成本)為cx，x=0，y=1。

3.2 約束條件

微網內模型的約束包括元件出力及功率等式約束，其中燃氣輪機出力約束為：

PMT,t,k=fMT,t,kKgasηMT

(13)

式中：PMT,t,k為k場景下t時刻燃氣輪機的輸出電功率；Kgas為天然氣熱值，取9.7 kW/(h·m3)；ηMT為燃氣輪機發電效率。

電儲能系統(以鋰電池儲能系統為例)需滿足其荷電狀態約束：

(14)

冰蓄冷空調通過蓄冰進行能量存儲，蓄冷容量和冷能狀態約束為：

(15)

為了求配電網增量線損，聯絡線功率需滿足微網內外部功率平衡約束：

Ppcc,t=Ppv,k,t+Pw,k,t-PL,k,t-Pdown,k,t

(16)

式中Pdown,k,t為k場景t時刻的微網內可消納功率。

除此以外，本文策略所涉及微網內設備需滿足其功率容量的上下限約束。

PMTmin≤PMT,t,k≤PMTmax

(17)

Wmin≤Wt,k≤Wmax

(18)

(19)

(20)

燃氣輪機、電儲能系統和冰蓄冷空調均屬于微網內可調資源。從配網側來看，該系統不僅需滿足微網內部平衡，還應滿足配網潮流平衡有功功率約束：

(21)

無功約束：

(22)

電壓約束和線路傳輸功率約束分別為：

Vn,min

(23)

(24)

3.3 模型求解

在獲取需求響應負荷的模型參數后，能量管理系統可以模擬調度負荷過程，確定調度成本最小的調度方案。結合3.2節對各類型成本模型的分析，根據式(7)確定求解的目標函數。

(25)

從式(17)—(20)中獲得可調負荷的約束條件：

gj(pi)≤0

(26)

如果目標函數的極值解p*在可行域內，則只需要滿足：

(27)

因為存在多個約束條件，即p*在多個不同約束的邊界面的交集上，由約束條件組成的公共邊界的補空間，當p*出現在公共邊界的可行極值點應滿足式(28)。

(28)

式中αj為拉格朗日乘子；m為j的上限值。將原目標函數和約束條件一起構造完整的方程組如式(29)所示。

(29)

利用拉格朗日構造新的函數如式(30)所示。

(30)

對方程組進行求解：

(31)

先對前兩行等式方程組進行求解，排除不滿足第3行條件的解，即得到符合條件的極值點。隨后根據所得極值點，確定調度成本最低的方案。

因此，冰蓄冷空調集群參與含新能源微電網調度策略的流程如圖2所示。

圖2 冰蓄冷空調參與含新能源微電網調度流程

4 算例仿真與分析

4.1 基礎數據及場景集

本文使用Python3.7進行仿真實驗[23]，通過設置微網系統內冰蓄冷空調占空調負荷的比例不同，驗證本文提出的以冰蓄冷空調為調度負荷的隨機優化調度策略的可行性和有效性[24-25]。微網系統內的算例仿真參數設置如表1—3所示[26]。

表1 微網內設備參數

表2 調度成本

表3 預測誤差

微網系統內的光伏、風電出力曲線和負荷預測的期望值曲線如圖3所示。

圖3 光伏、風電和負荷期望曲線

從圖3可以看出風電和光伏出力具有波動性，風電在凌晨00：00到04：00出力處于高峰，白天出力處于低谷，光伏出力特點與風電相反，夜間出力處于低谷，中午時分出力高峰，由于分布式電源的出力隨機性導致微網系統內源荷不平衡，微網頻繁和配網進行交互，整體的運行經濟性較低。

各典型場景在縮減后的概率如表4所示。本文采取場景法描述分布式電源和負荷的隨機性和波動性得到6個典型場景，如圖4所示。

表4 各典型場景概率

圖4 光伏場景、風電場景和負荷場景構建結果

4.2 微網隨機優化調度結果

在冰蓄冷空調完全參與調度的情況下，本文通過對冰蓄冷空調等微網內設備的調度，使微網內負載需求與分布式電源出力曲線相匹配，普通空調和冰蓄冷空調分別參與隨機優化調度后可消納功率期望值曲線如圖5所示，微網內各設備出力期望值如圖6所示。

圖5 不同類別空調參與隨機優化調度結果

圖6 微網內各設備出力及冰蓄冷空調調節情況

通過圖5和圖6可知，在00：00—04：00，風電出力達到峰值，在這一時間段內，分布式電源的總出力遠大于負荷需求，如不采取消納措施，多余的發電量將全部逆送到配電網，會對電網造成沖擊增加電量損耗，電網整體運行經濟性下降，因此調度冰蓄冷空調和電儲能系統，其中冰蓄冷空調啟動蓄冷模式，減少微網向配網的功率倒送。類似3，在11：00—13：00光伏出力達到峰值，但由于此時用戶對空調的使用需求較大，因此，不啟用冰蓄冷空調的蓄冷或釋冷模式，運用電儲能系統對多余電量進行消納。而在18：00—22：00，負荷需求達到峰值，然而此時各分布式電源出力水平較低，為滿足微網系統內的功率平衡，需要削減空調負荷。同時，為了不降低用戶滿意度，在這一時段內，冰蓄冷空調停止制冷機供冷，采用蓄冷裝置融冰供冷(即釋冷模式)。由上述分析可發現，冰蓄冷空調的蓄冷模式和釋冷模式可根據分布式電源的出力變化進行靈活切換，相比于普通空調具有靈活調節的能力。

針對微網系統內各用電設備進行分析，冰蓄冷空調在各典型場景下各時段的蓄冷功率和釋冷功率變化如圖7所示，其中蓄冷裝置中蓄冷量的變化如圖8所示。

圖7 冰蓄冷空調在典型場景下各時段蓄冷功率和釋冷功率

圖8 冰蓄冷空調在典型場景下各時段的蓄冷量

由圖8可知，冰蓄冷空調在分布式電源出力峰值且負荷需求較低時(即00：00—05：00)，啟用蓄冷裝置將電能轉化為冷量儲存；在負荷高峰時(即18：00—24：00)，則啟用釋冷模式提供冷負荷，從而實現負荷轉移，減少和配網之間的功率交互。

燃氣輪機在各典型場景下各時段的出力如圖9所示。燃氣輪機是微網系統內重要的電源補充設備，在系統功率出現缺額時可以快速開啟進行補充，但由于負荷和分布式電源都具有很強的隨機性，燃氣輪機的頻繁啟停導致調度的成本增加，而通過冰蓄冷空調蓄冷與釋冷轉移負荷，可使微網系統內的凈負荷趨于平滑，因此在隨機優化調度中減少了燃氣輪機的啟停次數，在晚間時段進行集中供能，降低調度成本。

圖9 微網系統內燃氣輪機在典型場景下各時段出力

4.3 隨機調度經濟-風險變化

圖10為風險中性(j=0)和規避風險(j=20)兩種不同風險偏好系數下冰蓄冷空調參與微網隨機經濟調度的成本期望值。

圖10 不同風險條件下調度成本期望值對比

從圖10可知：隨著冰蓄冷空調比例增加，微網調度成本期望值隨之降低。對比風險中性和規避風險兩種情況，在規避風險的情況下，微網需要儲備更多的備用容量以保障電網的穩定運行，因而使調度成本期望值增加。但隨著冰蓄冷空調的增加，負荷側可調度資源的增多，電源側的備用容量可以相應減少而不影響電網的穩定性，所需調度成本也隨之下降。

4.4 冰蓄冷空調參與調度的經濟性對比

本文通過設置不同比例的冰蓄冷空調參與微網互動來對比所提調度策略的優化效果，不同比例冰蓄冷空調配置下微網和配電網交互功率期望值如圖11所示。隨著冰蓄冷空調的比例不斷提高，微網和配電網之間的功率交互逐漸減小。當比例達到80%時，優化效果大幅度提升。通過提升冰蓄冷空調的使用比例，可在減小交互功率的同時平抑電網功率波動，使無法及時消納的功率平穩向配電網輸送，以降低對電網的沖擊。

圖11 不同比例冰蓄冷空調參與下微網和配網交互功率期望值

在風險中性情況下，不同比例冰蓄冷空調參與微網互動的調度成本期望值如圖12所示。

圖12 不同比例冰蓄冷空調參與下的微網調度成本期望值

隨著微網系統內冰蓄冷空調參與的比例上升，利用冰蓄冷空調的蓄冷工作可對負荷需求曲線進行調整使系統內凈負荷平滑，同時通過減少燃氣輪機的啟停次數與購氣成本，使得微網的調度成本期望值不斷下降。與普通空調相比，冰蓄冷空調既可以由制冷機供冷，也可以由蓄冷裝置融冰供冷，同時在調度過程中，可在不影響用戶舒適性的前提下響應削減電功率，具有明顯優勢。冰蓄冷空調的增加減少了空調負荷的削減功率，進而降低了響應成本。通過將電能轉化為冷量儲存在微網內，減少了向配網倒送的功率，降低電網的增量網損。

為進一步驗證冰蓄冷空調的經濟性，對比微網系統內分別配備冰蓄冷空調、電儲能和普通空調的調度成本期望值，如圖13所示。

圖13 不同情況調度成本期望值對比

在調用負荷資源時，配備冰蓄冷空調的成本期望值小于電儲能系統，在晚間負荷削減時間段，其成本高于消納時段，主要是因為在夜間需要進行削減空調功率和從配電網購買電量維持平衡，造成成本上升，這一時間段冰蓄冷儲能和電儲能均釋放能量供給負荷，從轉化效率上蓄冰只進行一次轉換，而儲電需要二次轉換，能量從白天轉移到夜間的過程中損耗較小，因而成本降低。

5 結論

本文考慮了冰蓄冷空調的調節優勢，面向含不確定性風電、光伏的微電網調度場景，提出了以冰蓄冷空調集群作為手段的經濟性調度策略。在冰蓄冷空調參與新能源微網的整體調度框架下，針對微網內風、光及負荷的不確定性，構建了基于場景法的微網隨機經濟-風險調度模型，綜合考慮了微網內能源調度成本、線損成本以及條件風險價值，并給出了唯一性解求解方式。通過對比隨機調度結果以及冰蓄冷空調集群參與調度的成本，驗證了本文策略對促進風電、光伏本地消納有顯著作用，能夠提高微網系統運行經濟性。

后續研究將進一步以冰蓄冷空調集群為媒介，充分考慮其運行優化過程中的碳排放折算，為低碳微網的發展提供參考。