[发明专利]考虑阶梯碳交易和需求响应的并网型微电网优化配置方法

权利要求书

1.一种考虑阶梯碳交易和需求响应的并网型微电网优化配置方法，其特征是，它包括以下步骤：

1)构建含氢储能的并网型微电网

并网型微电网包含风力发电机、光伏阵列、柴油发电机、负荷和氢储能系统，其中光伏阵列、风力发电机和氢储能系统分别通过各自的变流器或逆变器接入交流微电网，根据用户的用电情况，用户负荷分为可时移负荷和刚性负荷；

氢储能系统包含电解槽、储氢罐和燃料电池，在风光输出功率大于负荷需求的时段，利用电解槽设备消耗富余的电能通过电解水来产生氢气，并将氢气储存在储氢罐内，相当于增加了电负荷；当风光输出功率小于负荷需求时，燃料电池则以氢气和氧气为原料发生化学反应产生电能以满足负荷需求；

分别建立氢储能系统各设备的数学模型如下：

①建立电解槽数学模型

电解槽的输出功率如式(1)所示：

P_el-out＝η_elP_el-in                (1)

其中，P_el-out为电解槽的输出功率；η_el为电解槽的效率；P_el-in为电解槽的输入功率；

电解槽的最大输入功率除了与其额定容量有关，还受储氢罐剩余储氢容量的影响，电解槽的最大输入功率如式(2)、(3)所示：

E_ht,max＝SOC_ht,maxP_ht,N              (3)

其中，P_el-in,max(t)为电解槽的最大输入功率；P_el,N为电解槽的额定容量；E_ht,max为储氢罐的最大储能容量；E_ht(t)为t时刻储氢罐内储存的能量；P_ht,N为储氢罐的额定容量；类比于蓄电池的荷电状态，定义储氢罐的荷电状态为SOC_ht，SOC_ht,max为储氢罐的最大荷电状态；Δt为时间间隔；

②建立燃料电池数学模型

燃料电池的输出功率如式(4)所示；

P_fc-out＝η_fcP_fc-in                 (4)

其中，P_fc-out为燃料电池的输出功率；η_fc为燃料电池的工作效率；P_fc-in为燃料电池的输入功率，即储氢罐的输出功率；

同电解槽最大输出功率，燃料电池的最大输出功率受其容量与储氢罐剩余容量的限制，如式(5)、(6)所示；

E_ht,min＝SOC_ht,minP_ht,N                        (6)

其中，P_fc-out,max为燃料电池的最大输出功率；P_fc,N为燃料电池的额定容量；E_ht,min为储氢罐的最小储能容量；SOC_ht,min为储氢罐的最小荷电状态；

③建立储氢罐数学模型

储氢罐既能储存电解槽产生的氢气，还能为燃料电池提供氢气，储氢罐的数学模型如式(7)、(8)所示；

储氢罐储氢时：

E_ht(t)＝E_ht(t-1)+P_el-in(t-1)η_elΔt                (7)

储氢罐放氢时：

其中，η_ht为储氢罐的工作效率；

2)构建碳交易机制模型

碳交易是通过买卖碳排放配额来实现碳减排的一种交易机制，根据构建的并网型微电网，认定微电网内的碳排放来源于柴油发电机和向上级电网购买的电力，并且默认向上级电网购买的电力全部来源于火电，因此碳交易的无偿碳排放配额如式(9)所示：

其中，D_G为碳排放配额；α_de为柴油发电机的单位电量碳排放配额；α_grid为外购单位电量的碳排放配额；P_de(t)为柴油发电机t时段的输出功率；P_grid,buy(t)为微电网t时段向上级电网购买的功率；T为碳交易费用的结算周期；

采用阶梯碳交易计算模型，即将碳排放量分为若干个区间，碳排放量越多的区间，碳交易价格越高，碳交易成本则越大，阶梯碳交易成本计算模型如式(10)、(11)所示：

其中，为碳交易成本；为碳交易价格；E_G为系统的碳排放量；L为碳排放量区间长度；λ为碳交易价格的增长幅度；β_de为柴油发电机单位电量的碳排放强度；β_grid,buy为外购单位电量的碳排放强度；为正值时表示系统需要购买碳排放权；为负值时表示系统出售碳排放权以获利；

3)构建需求响应模型

①建立目标函数

需求响应是负荷参与电力调整的一种机制，采用激励型需求响应，其优化目标为调度周期内各个时刻的可再生能源发电功率与负荷功率的差值绝对值之和最小，如式(12)所示：

其中，P_load,before(t)为需求响应前时段t的负荷功率；P_load,after(t)为需求响应后时段t的负荷功率；ΔP_load(t)为t时段的负荷转移量，当其大于0时，为转入负荷，反之为转出负荷；

②建立约束条件

a.建立转移时段约束

负荷只能在同一个调度周期内转入或转出，应满足式(13)约束：

t∈T_n,t'∈T_n                       (13)

其中，t为负荷转入时段；t'为负荷转出时段；T_n为第n个调度周期；

b.建立转移量约束

负荷转移量应满足一个调度周期内需求响应前后总负荷需求不变，且每个时段的负荷转移量应不超过最大要求转移量，如式(14)所示：

其中，ΔP_load,max(t)为时段t的最大负荷转移量；

4)构建微电网双层优化配置模型及其求解

构建的双层优化模型包含两个优化任务，上层优化为容量配置优化，以微电网等年值综合成本最小为目标；下层为系统运行优化，以微电网年运行成本与年碳交易成本之和最小为目标；上层容量配置结果传递给下层，下层根据已知的设备容量将求解的最优运行结果传递给上层，上下层迭代，得到最优配置结果；

①建立上层优化模型的步骤：

a、建立上层优化模型的目标函数

上层以满足微电网建设和运行要求下运营商建设微电网的等年值综合成本F最小为目标；决策变量为各设备的安装容量，目标函数为式(15)-(18)：

其中，F为等年值综合成本；F_inv为等年值投资成本；F_main为年维护成本；F_om为年运行成本；Ω_k为投建设备的集合；包含光伏阵列、风力发电机、柴油发电机、电解槽、储氢罐、燃料电池；C_k为第k类设备的单位容量投资成本；P_k,N为第k类设备的装机容量；r^CR为资金收回系数；γ为贴现率；y_k为第k类机组的运行年限；C_main,k为第k类设备的单位容量年维护成本；

b、建立上层优化模型的约束条件

由于区域内用于安装各类设备的建设面积有限，因此各设备的可配置容量应满足约束为式(19)：

其中：分别为第k类设备的最小、最大安装容量；

②建立下层优化模型的步骤

a、建立下层优化模型的目标函数

下层考虑阶梯碳交易机制和需求响应，以系统年运行成本与年碳交易成本之和最小为目标；目标函数为式(20)：

其中，F₁为下层优化目标值；F_fuel为年燃料费用，只考虑柴油发电机的燃油消耗；F_dr为用户参与需求响应的年负荷转移补偿成本；F_grid为与大电网的年功率交互成本；F_waste为年可再生能源浪费惩罚费用；Ω_D为典型日集合，包括夏、冬和春秋三个典型日；为典型日d在一年中所占的天数；C_fuel为柴油单价；为柴油发电机在d典型日中时段t的功率；a、b分别为油耗—功率曲线中的斜率和截距系数；C_dr为单位电量负荷的转移补偿成本；C_grid,buy(t)为t时段购电电价；C_grid,sell(t)为t时段的售电电价；分别为典型日d内时段t微电网的购、售电功率；C_waste为单位可再生能源浪费惩罚费用；为典型日d内时段t的可再生能源浪费功率；

b、建立下层优化模型的约束条件

约束1：功率平衡约束：如式(21)所示：

其中，为光伏阵列在典型日d内t时段的输出功率；为风力发电机在典型日d内t时段的输出功率；为典型日d内t时段的负荷功率；

约束2：分布式电源出力约束：如式(22)所示：

约束3：氢储能系统约束：氢储能中的电解槽、燃料电池和储氢罐的功率上、下限约束见式(23)-(25)，储氢罐荷电状态的上、下限约束见式(26)，为保障氢储能能够连续有效的工作，其荷电状态应保证在调度周期始末相等，见式(27)等式约束；

SOC_ht(t₀)＝SOC_ht(t_N)                      (27)

其中，为典型日d内时段t储氢罐的荷电状态；t₀、t_N分别为调度周期始末时刻；SOC_ht(t₀)和SOC_ht(t_N)分别为调度周期始末储氢罐的荷电状态；

约束4：功率交换约束：并网型微电网与大电网相接，能够进行购售电，但由于线路的功率限制以及过大的售电功率会对大电网造成影响，因此微电网的购售电功率应满足式(28)所示的不等式约束；

其中，和分别为微电网向大电网购电和售电的功率最大值；

约束5：可再生能源的弃电量约束：为保障可再生能源的利用率，微电网的可再生能源弃电量应满足式(29)所示的不等式约束；

其中，为典型日d内最大可再生能源弃电量；

③对构建的双层优化配置模型进行求解

采用遗传算法和CPLEX求解器进行联合求解，首先，读取全年气象数据、年负荷数据及相关参数，利用k-means算法对风速、光照和负荷按照夏、冬、春秋季进行聚类，获得典型场景；其次，上层模型采用遗传算法，随机产生种群，生成容量配置方案，并将其传递给下层；然后，下层模型在上层模型输出的设备容量基础上，计算得到需求响应后的负荷，并按照此负荷进行微电网运行模拟，以年运行成本与年碳交易成本之和最小为目标，采用CPLEX求解器求得最优运行方案，并将其传递给上层；最后，上层模型根据容量配置方案及下层模型的最优运行方案进行适应度值的计算，并对种群进行选择、交叉、变异步骤，将产生的新种群传递给下层优化模型进行循环迭代计算，当达到要求的循环次数后，停止循环，输出最后一代种群。