上海交通大学学报, 2024, 58(9): 1357-1369 doi: 10.16183/j.cnki.jsjtu.2023.016

新型电力系统与综合能源

集装箱港口综合能源系统日前-日内两阶段滚动优化调度

周思怡1, 杨欢红,1, 黄文焘2, 周泽1, 焦伟1, 杨镇瑜1

1.上海电力大学 电气工程学院, 上海 200090

2.上海交通大学 电力传输与功率变换控制教育部重点实验室, 上海 200240

Two-Stage Day-Ahead and Intra-Day Rolling Optimization Scheduling of Container Integrated Port Energy System

ZHOU Siyi1, YANG Huanhong,1, HUANG Wentao2, ZHOU Ze1, JIAO Wei1, YANG Zhenyu1

1. College of Electrical Engineering, Shanghai University of Electric Power, Shanghai 200090, China

2. Key Laboratory of Control of Power Transmission and Conversion of the Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China

通讯作者: 杨欢红,副教授;E-mail:yanghuanhong0907@163.com.

责任编辑: 王历历

收稿日期: 2023-01-11   修回日期: 2023-03-15   接受日期: 2023-05-4  

基金资助: 国家自然科学基金项目(52177100)
电力传输与功率变换控制教育部重点实验室开放课题(2022AA05)

Received: 2023-01-11   Revised: 2023-03-15   Accepted: 2023-05-4  

作者简介 About authors

周思怡(1997—),硕士生,从事综合能源系统优化调度研究.

摘要

针对目前集装箱港口综合能源系统(IPES)未考虑冷藏集装箱在港口调度上时间尺度的差异性及可再生能源与负荷不确定性的影响,提出一种集装箱IPES日前-日内两阶段滚动优化调度方法.日前调度针对冷藏集装箱温升阶段,结合冷藏箱入港后的物流过程建立港口冷链能量需求模型,以运行成本最低为目标得到系统各机组的日前出力值;日内调度考虑港口岸电负荷与可再生能源的预测误差及冷、热、电响应速度不同,建立日内双层滚动优化模型,最终得到港口各能源设备的调整出力.算例结果表明,将冷藏集装箱与集装箱IPES进行协同优化调度可有效降低港口运行成本与碳排放量,日前-日内两阶段滚动优化调度模型提高了系统经济性与平稳运行的能力.

关键词: 集装箱港口; 综合能源系统; 冷藏集装箱; 岸电负荷; 两阶段优化调度

Abstract

In view of the fact that the current integrated port energy system (IPES) considers neither the time scale difference of refrigerated containers in port scheduling nor the impact of renewable energy and load uncertainty, this paper proposes a day-ahead and intra-day two-stage rolling optimization scheduling method for a container IPES. In day-ahead scheduling, based on the temperature rise process of refrigerated containers, a port cold chain energy demand model is established, which is combined with the logistics process after the arrival of refrigerated containers. Then, the day-ahead output values of each unit in the system are obtained with the goal of the lowest operating cost. In intra-day scheduling, a two-layer rolling model is proposed to obtain the adjusted output of the port energy equipment, which considers the prediction error of shore power load and renewable energy as well as the different response speeds of cooling, heating and power. The calculation results show that the collaborative optimization scheduling of refrigerated containers and the container IPES can effectively reduce the port operation cost and carbon emissions. The two-stage day-ahead and intra-day rolling optimization scheduling can improve the economy and stability of the system.

Keywords: container port; integrated energy system; refrigerated container; shore power load; two-stage optimization scheduling

PDF (7518KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

周思怡, 杨欢红, 黄文焘, 周泽, 焦伟, 杨镇瑜. 集装箱港口综合能源系统日前-日内两阶段滚动优化调度[J]. 上海交通大学学报, 2024, 58(9): 1357-1369 doi:10.16183/j.cnki.jsjtu.2023.016

ZHOU Siyi, YANG Huanhong, HUANG Wentao, ZHOU Ze, JIAO Wei, YANG Zhenyu. Two-Stage Day-Ahead and Intra-Day Rolling Optimization Scheduling of Container Integrated Port Energy System[J]. Journal of Shanghai Jiaotong University, 2024, 58(9): 1357-1369 doi:10.16183/j.cnki.jsjtu.2023.016

港口承担全球80%的海运商品贸易周转和进出口工作,是典型的高能耗区域,存在冷、热、电、气等多种负荷类型[1].港口综合能源系统(Integrated Port Energy Systems,IPES)能够通过各类耦合设备实现冷、热、电、气等能源的互补,在满足用能需求的前提下提高能源的利用效率,减少环境污染[2-3].目前,为响应国家节能减排号召,港口大量利用可再生能源技术,对靠港船舶普遍采用岸电技术[3]等实现港口绿色发展.岸电技术的引入使得港口具备能源-交通耦合特性,但也增加了港口调度的不确定性.同时,港口冷链运输的需求发展迅速,冷藏集装箱规模也日益增加,成为港口能源消耗的重要组成部分[4-5].为处理冷藏集装箱,港口需要具备提供冷负荷或者热负荷的能力,能够对冷藏货物进行精确控制,这给系统带来时间尺度上的差异.因此,实际IPES在考虑以上可再生能源与岸电技术的随机性与不确定性、冷藏集装箱的时间尺度差异等因素后,系统的运行与管理难度均增大.为发挥IPES的优势,需要制定合理有效的调度策略协调系统内多种设备的运行.

目前,IPES优化运行的研究主要聚焦于日前优化调度.文献[6]中针对IPES系统,利用需求侧响应有效降低港口负荷峰值与系统运行成本并分析岸电对规划成本影响,但未考虑岸电负荷不确定性对系统影响.文献[7]中挖掘岸电负荷与船只行为关系,建立岸电负荷弹性模型,以经济效益最优为目标合理配置港区资源.文献[8-9]中考虑港口电力需求的灵活调度,针对港口中存在各种灵活负载,利用多目标调度方法实现港口能源管理.文献[10-11]中研究岸上电源与港口物流-交通的耦合关系,提出一种IPES物流-能量协同优化调度方法.上述方法均是基于可再生能源发电与负荷预测准确的基础上进行的日前经济调度,未计及预测误差与冷藏集装箱能耗对IPES的运行影响.实际上冷链运输能源需求可占港口总能源需求20%以上,存在较大效能优化区间,合理的调度方案能使IPES的能量计划更加完整,港口能效降低.

日前-日内两阶段调度策略能够合理解决预测误差与冷藏集装箱接入后带来的不同时间尺度调度问题.现有多时间尺度调度主要应用于园区综合能源系统[12-14]与配电网[15-16],区别于园区综合能源系统,IPES的负荷很大程度上由船舶到港情况与运输情况决定,具有更大负荷波动.文献[17]中设计含模糊逻辑控制的实时分布式需求响应系统,实时控制由数千个热电负荷组成的完全电气化的港口电力系统,但文中并未考虑热电负荷的时间特性.文献[18]中在日前模块和日内模块分别根据预测数据生成粗略调度策略和微调调度策略以实现港口的经济运行,但文中仅考虑冷藏集装箱实时控制调整,对于冷链区域能耗缺少详细建模过程,也未考虑与IPES的协调调度问题.

分析上述文献可知,目前港口日前调度策略无法考虑可再生能源与负荷的预测误差带来的影响;针对冷链区域缺少精细化建模过程,并未考虑冷链区域参与能源系统协同调度的问题,导致港口的能量计划不完整;针对IPES日前-日内两阶段调度方法暂未考虑能量速率在时间尺度上不同带来的影响,不利于实际运行.

针对以上问题,考虑光伏、风电机组出力及岸电负荷的预测差异,建立含集装箱IPES的多时间尺度优化调度.在日前调度中,考虑冷藏集装箱入港的物流过程,分析转运过程中断电时间对冷藏集装箱温度的影响,建立港口冷链能量需求模型,考虑可再生能源出力与岸电负荷的不确定性,以运行费用最小为目标确定各机组出力的日前计划值;在日内调度中,考虑冷、热、电响应速度差异,建立日内双层滚动优化模型,上层模型考虑小时级冷热能调度,下层模型考虑电能响应速度较快,采用分钟级电能调度,及时修正由于预测差异引起的功率波动,实现IPES稳定运行.

1 集装箱港口IPES模型

IPES是可以实现港口多种能源互相转换、协调发展的重要方法[19].同时,近年逐渐成熟的冷链技术让冷链运输的需求大大提升,冷链区域成为IPES中重要的能耗组成部分.因此,冷链区域接入后需要进行能量管理,同时还需要保证冷藏集装箱在转运过程中温度不越线.

所提集装箱IPES构架如图1所示,系统通过能源供给侧、能源负荷侧以及基于能源枢纽概念建立的能源耦合侧实现多能流并存的物流-能量耦合IPES.能源供给侧包括主电网、天然气网、风电(Wind Turbine, WT)、光伏(Photovoltaic, PV);能源负荷侧包含港口冷、热、电负荷、岸电负荷以及冷链区域.指挥中心通过协调船舶进出港、岸电接入及冷藏集装箱的转运使得港口冷链运输有序进行.同时,岸电设备的接入不仅将传统船舶-港口之间基于物流的运作模式转变为物流-能源相结合的运行方式,还为港口带来大量岸电负荷.

图1

图1   IPES构架图

Fig.1   Framework of IPES


能量耦合和转换由能量枢纽实现,如图2所示,冷藏集装箱的加入意味着需要考虑港口电-热耦合问题,增加电锅炉(Electric Boiler, EB)作为电-热耦合设备实现电力向热力转化;微型燃气轮机(Micro-Gas Turbine, MT)、燃气锅炉(Gas Boiler, GB)作为气-热耦合设备实现天然气向热力转化;燃料电池(Fuel Cell, FC)完成气-电转化;电制冷机(Electric Cold, EC)实现电-冷转化;吸收式制冷机(Absorption Refrigerator, AR)实现热-冷转化;储能系统主要包括储电设备(Energy Storage, ES)与蓄热罐(Heat Storage, HS),用来提升系统运行的经济性.

图2

图2   能源枢纽框架

Fig.2   Framework of energy hub


1.1 冷链区域建模

冷链区域主要用来存放冷藏集装箱,冷藏集装箱通常包含自主温度控制设备,通过冷链供电进行温度控制;但也有小部分冷藏集装箱没有自主温度控制能力,只能通过港口外部接口进行温度控制.随着冷藏集装箱逐渐成为港口的重要负荷,港口需要建立冷链能量需求模型.此模型需要着重关注冷藏集装箱的温度变化,尤其是环境温度变化,因为环境温度会影响冷藏集装箱的热梯度从而影响其能量需求.

为具体分析冷藏箱的温升过程,需从冷藏集装箱的物流过程出发,如图3所示.图中:toffton分别为冷藏箱断开、接入时间;tj为岸桥j装卸所需时间;tk为冷藏箱运输与卸货时间;T're(i, t)为第i台冷藏集装箱时刻t的内部温度.一般而言,当装载冷藏箱的集装箱船到达港口时便接通岸边电源,并由码头起重机将冷藏箱堆放在岸区堆场,然后由运输车辆将其运送至冷链区域进行集装箱堆叠.由于冷链区域布置了冷链插头,所以在冷藏集装箱到达冷链区域后即可将其接入区域供能系统并检测其温度,直到最后离开冷链区域.

图3

图3   冷藏箱入港至冷链区域示意图

Fig.3   Schematic diagram of refrigerated containers entry to port and cold chain area


冷藏箱的温升时间即冷藏箱断开时间,包含冷藏箱装卸时间以及冷藏箱运输时间.利用岸桥进行冷藏箱装卸,利用集卡进行冷藏箱运输,最终利用场桥完成到达冷链区域后的卸货工作.正常情况下,船舶到港时间会提前告知港口,由港口分配相应港作机械进行物流服务,不同岸桥数量以及装卸货物量将直接影响最终所需装卸时间,如下式所示:

tj=Ejη1CjCjminCjCjmax

式中:Ej为船舶装卸冷藏箱数量;η1为岸桥装卸效率;Cj为岸桥数量;CjmaxCjmin分别为装卸所需最大、最小岸桥数量.

一般港口调度会提高计划船舶离港时间,而货物装卸时间又限制了船舶离港时间,如下式所示:

te=tarr+tjtemintetemax

式中:tetarr分别为船舶离港和到港时刻;temintemax分别为最早、最晚离港时刻.

在冷藏箱运输过程中,忽略集卡等待时间,集卡一般最多可同时运输2个20英尺集装箱或者1个40英尺集装箱(1英尺=30.48 cm).为简化运算,采用“一车一箱”模式,在集卡抵达冷链区域后利用场桥进行卸货操作,完成冷链区域的堆叠.相应冷藏箱运输与卸货所需时间如下:

tk=Scar, kvcar, kCt+Ekη2CkCtminCtCtmaxCkminCkCkmax

式中:Scar, k为第k辆集卡所走路径;vcar, k为第k辆集卡速度; Ct为集卡分配数量;CtmaxCtmin分别为运输作业所需最大和最小集卡数量;Ek为场桥所卸冷藏箱数量;η2为场桥工作效率;Ck为场桥分配数量;CkmaxCkmin分别为装卸作业所需最大和最小场桥数量.

由于冷藏箱断电时间将对货物储存产生一定影响,一般港口要求冷藏箱必须在规定时间内到达冷链区域,利用港作机械能够使断电时间处于一定范围内,如下:

toff=tj+tktoffmintofftoffmax
toffmin=Ejη1Cjmax+Scar, kvcar, kCtmax+Ekη2Ckmaxtoffmax=Ejη1Cjmin+Scar, kvcar, kCtmin+Ekη2Ckmin

式中:toffmintoffmax分别为最短与最长断开时间.

式(1)~(5)刻画了冷藏箱装卸与运输过程中所需时间与港口机械的关系.对于冷藏集装箱进入冷链区域的温度检测主要考虑两方面因素,一方面是由环境温度引起的温升,此时冷藏集装箱内部温度会随着断开时间的增加而升高,如下式所示:

T're(i, t+toff)=T're(i, t)+ T'a(i, t)-T're(i, t)1-e-Ak1toff103mcp

式中:T're(i, t+toff)为冷藏集装箱i断开连接时内部温度;T'a(i, t)为环境温度;A为冷藏集装箱的表面积;k1为冷藏箱内容物的热转换系数;m为货物质量;cp为比热容.

另一方面,由于制冷导致温度下降,此时冷藏集装箱内部温度会随着冷链插头接入时间的增加而降低,如下式所示:

T're(i, t)-T're(i, t+ton)=- Pre(i, t)tonmcp

式中:T're(i, t+ton)为冷藏集装箱i制冷时内部温度; Pre(i, t)为第i台冷藏集装箱时刻t的冷却功率.

根据式(7),得到冷藏箱相应的热能如下:

Hre(i, t)=mcpΔT'(i, t)

式中:Hre(i, t)为冷藏箱相应的能量;ΔT'(i, t)为冷藏集装箱内部制冷前后的温差.

从冷藏箱装卸到运输至冷链区域这段时间冷藏箱处于关断状态,因此冷链区域的能量模型主要与冷藏箱关断时间有关,具体如下:

Pret= i=1ZHre(i, t)/(ton-toff)

式中:Pret为t时刻冷链区域消耗的总功率;Z为单位时间内冷藏集装箱数量.

1.2 船舶岸电系统

如今电气化港口重要的柔性负载之一为岸边电源.假设船舶辅助发电机可以与岸上电源并联运行,船舶辅助发电机的燃油消耗可以用发电机产生功率的二阶多项式近似,如下式所示:

BG=a0+a1PG+a2PG2

式中:BG为船舶辅助发电机1 h内消耗的燃料量;PG为发电机功率;a0、a1、a2为船舶辅机运行参数.

停泊船舶的二氧化碳排放量为

γPG=cBG

式中:γPG为停泊船舶使用辅机产生的二氧化碳排放量;c为船舶辅助发电机的碳排放系数.

岸电连接过程中还需要满足功率平衡约束、辅机功率上下限约束、岸电功率上下限约束、船舶排放约束、辅助船舶发电机的运行约束,表示为

x(t)PG(t)+Pele(t)=Lship(t)x(t)PGmin(t)PG(t)x(t)PGmax(t)Pelemin(t)Pele(t)Pelemax(t)γPGlim(WCO2(t))

式中:x(t)为辅助发电机的运行状态,开启时为1,关闭时为0;Lship(t)为船舶靠港时的服务负荷;PGmax(t)、PGmin(t)分别为辅助发电机的最大与最小功率;Pele(t)为岸电在t时刻向船舶提供的功率,Pelemax(t)、Pelemin(t)分别为其最大与最小值;lim(WCO2(t))为船舶的二氧化碳排放上限.

有关能源系统中各类能源转换设备的模型可参考文献[20],有关储能设备的模型可参考文献[21].

2 多时间尺度优化调度模型

集装箱港口综合能源系统两阶段调度框架如图4所示.日前阶段基于日前预测信息并结合冷藏集装箱到港情况,以运行成本最小为目标得到各机组运行日前计划值,并将此调度策略存储在中央调度平台中以便日内调度模块使用.日内阶段基于超短期预测,考虑冷、热、电响应速度不同带来的影响,在日内阶段建立上层热冷功率与下层电功率的双层滚动优化模型,实现IPES在多时间尺度上的优化.

图4

图4   IPES两阶段优化调度框架

Fig.4   Frame work of two-stage optimization scheduling for IPES


2.1 日前计划模型

2.1.1 船舶岸电及可再生能源的不确定性

在日前计划中,港口可再生能源出力具有较大随机性和波动性,且港口负荷侧的岸电负荷具有持续时间长、波动大的特点.因此,首先需要刻画港口综合能源系统中可再生能源与岸电负荷的波动特性.风电、光伏、岸电负荷均可利用拉丁超立方抽样生成多场景来描述其不确定性;然后,考虑利用概率距离的快速前代削减技术进行场景消减,最终得出相应概率减少后的场景.选取最后获取到的10个具有代表性的风电、光伏、船舶岸电负荷的场景概率Ps, s=1, 2, …, 10,进行后续工作.

2.1.2 目标函数

总体目标函数包括系统购能成本Cbuy、机组运行维护成本Cd、碳排放成本Cemis、停泊船舶运营成本Cship、冷链区域的运营成本Cre,如下式所示:

F=min s=110Ps(Cbuy+Cd+Cemis+Cship+Cre)

(1) 系统购能成本.表示为

Cbuy=Cgrid+CNG=t=1TRgridtPgridtΔT+

t=1TRNGty=1nFMT, yt+FGBt+FFCtHNGΔt

式中:T为调度总时段数目;Cgrid为购电成本;CNG为燃料成本;Rtgrid为第t时段的单位购电价格;RtNG为第t时段的单位天然气价格;Ptgrid为第t时间段的主电网购电功率;Δt为时间间隔;HNG为天然气低热值;FtMT,yFtGBFtFC分别为第t时间段y台微型燃气轮机、燃气锅炉、燃料电池的购气功率.

(2) 机组运行维护成本.表示为

Cd= t=1TΔt(l=110KlPlt)

式中:Kl为设备l的单位运行维护费用,设备集合为{MT,FC,GB,EB,EC,AR,ES,HS,WT,PV};Plt为设备l在第t时段工作的输出功率.

(3) 碳排放成本.表示为

$ \begin{aligned} C_{\text {emis }} & =k_{\text {emis }} \sum_{t=1}^{T}\left[\alpha P_{\mathrm{grid}}^{t} \Delta t+\right. \\ & \left.\quad \beta\left(\frac{\sum_{y=1}^{n} F_{\mathrm{MT}, y}^{t}+F_{\mathrm{GB}}^{t}+F_{\mathrm{FC}}^{t}}{H_{\mathrm{NG}}}\right) \Delta t+\gamma_{P_{\mathrm{G}}} \Delta t\right] \end{aligned}$

式中:kemis为单位碳价;αβ分别为电网和天然气二氧化碳排放系数.碳排放成本包含用电排放成本、天然气排放成本以及船舶辅机排放成本三部分.

(4) 停泊船舶的运营成本.停泊船舶的运营成本包括岸电成本和船舶发电机发动机消耗的燃料成本,具体如下:

Cship=Pele(t)σ(t)Δt+x(t)fcBGΔt

式中:σ(t)为岸电价格;fc为单位燃料成本.

(5) 冷链区域的运营成本.表示为

Cre= RgridtPretΔt+KrePretΔt

式中:Kre为冷藏箱的单位运行费用.

2.1.3 网络平衡约束

包括以下3种约束.

(1) 热网络平衡约束.表示为

HMTt+ HEBt+ HGBt+ Htst, dist= Htst, chrt+ Hloadt

式中:Httst, disHttst,chr分别为第t时段蓄热罐的蓄、放热功率;HtMTHtEBHtGB分别为微型燃气轮机、电锅炉、燃气锅炉在第t时段的制热量;Htload为系统热负荷.

(2) 冷网络平衡约束.表示为

y=1nQMT,yt+ QEC,outt= Qloadt+ Qret

式中:QtMT,yQtEC,out分别为第t时段吸收式制冷机、电制冷机的制冷量;Qtload为系统冷负荷;Qtre为第t时段冷藏集装箱的冷负荷.

(3) 电网络平衡约束.表示为

PWT,st+ PPV,st+ y=1nPMT, yt+ PFCt+ Pgrid,st+ Pbt, dist= Ploadt+ Pele,st+ PEBt+ PECt+ Pbt,chrt+ Pret

式中:PWT,stPPV,stPele,st分别为第t时段s场景下风电、光伏和岸电的输出功率;Pgrid,st为第t时段s场景下的主电网购电功率;Pbt,distPbt,chrt分别为第t时段储电设备的充、放电功率;PMT, yt为第t时段y台微型燃气轮机的输出电功率;PFCt为第t时段燃料电池的输出电功率;Ptload为第t时段系统电负荷.

2.1.4 电网交换功率约束

表示为

PgridminPgrid,stPgridmax

式中:PgridminPgridmax 分别为电网最小、最大购电功率.

2.1.5 设备运行约束

冷藏集装箱运行约束包括功率上下限约束和冷藏集装箱的允许工作温度范围约束,如下式所示:

Premin(i, t)Pre(i, t)Premax(i, t)Tre'min(i, t)T're(i, t)Tre'max(i, t)

式中:Premin(i, t)、Premax(i, t)分别为冷藏集装箱的最小和最大输出功率;Tre'min(i, t)、Tre'max(i, t)分别为冷藏集装箱工作的最小和最大温度.其他相应的设备运行约束已有相关文献建立,具体可参考文献[20].

2.2 日内滚动优化模型

日内滚动优化调度分为两层调度模型,上层热冷调度模型可平抑热冷功率波动,调度时间窗口为2 h,控制时域为1 h;下层电能调度用来平抑电功率波动,调度时间窗口为1 h,控制时域为5 min.考虑到日内调度中冷热调度以小时为单位,暂不考虑储热设备参与日内调度计划.优化模型如图5所示.图中:M为冷热能调度的控制时域;N为电能调度的控制时域.对于上层冷热调度,在t0时刻,系统更新[t0+12, t0+36]时段内的冷热负荷功率预测数据,并调整[t0+12, t0+24]时段内的供冷、热设备出力计划值.类似地,在t0+12时刻,系统更新[t0+24, t0+48]时段内的冷热负荷功率,并调整[t0+24, t0+36]时段内的供冷、热设备出力计划值,以此类推向后滚动优化.对于下层电能调度,在t0时刻,系统更新电负荷在[t0+1, t0+13]时段内的功率预测数据,并根据预测功率调整[t0+1, t0+2]时段的设备出力计划来平抑电功率波动,以此类推向后滚动优化.因此,利用冷热能调度和电能调度时间窗口的不同来实现不同时间尺度下冷热能调度和电能调度.

图5

图5   日内滚动优化调度示意图

Fig.5   Schematic diagram of daily rolling optimization scheduling


2.2.1 上层滚动优化模型

在上层冷热调度策略中,需要根据冷、热负荷的波动调整各设备的出力.为确保系统安全可靠运行,引入甩负荷惩罚保证系统运行时刻的功率平衡,其目标函数包括机组变化成本和甩负荷成本,其中机组变化成本包括燃料变化成本(ΔCtNG)、电锅炉变化成本(ΔCtEB)、电制冷机组变化成本(ΔCtEC)以及冷藏集装箱变化成本(ΔCtre),如下式所示:

F1=mint=t0t0+2M(ΔCNGt+ΔCEBt+ΔCECt+

Δ Cret+ClossQlosstΔt+ClossHlosstΔt)

式中:Closs为甩负荷惩罚系数;Qtloss为减载的冷负荷功率;Htloss为减载的热负荷功率.

上层冷热调度策略需满足的约束条件包含冷功率约束、热功率约束及机组约束,为了保证系统冷热功率平衡,极端情况下允许系统减负荷,具体如下.

(1) 冷功率约束,表示为

y=1nΔ QMT,ytQEC,outt=(Δ Qloadt- Qlosst)+Δ Qret

式中:ΔQtMT,y、ΔQtEC,out、ΔQtre分别为第t时段吸收式制冷机、电制冷机、冷藏集装箱的制冷功率调整量;ΔQtload为第t时段冷负荷与日前预测值的功率误差.

(2) 热功率约束,表示为

y=1nΔ HMT,ytHEBtHGBtHloadt- Hlosst

式中:ΔHMT,ytΔHEBtΔHGBt分别为第t时段y台微型燃气轮机、电锅炉、燃气锅炉的制热功率调整量;ΔHtload为热负荷与日前预测值的误差.

(3) 机组约束,表示为

-0.1QMTmaxΔQMT(t)0.1QMTmax-0.2QECmaxΔQEC(t)0.2QECmax-0.1QremaxΔQre(t)0.1Qremax-0.1HGBmaxΔHGB(t)0.1HGBmax-0.2HEBmaxΔHEB(t)0.2HEBmax

式中:QMTmaxQECmaxQremax分别为吸收式制冷机、电制冷机、冷藏集装箱的制冷量最大值;HGBmaxHEBmax为燃气锅炉、电锅炉的制热量最大值;考虑到电制冷机、电锅炉与电力母线相连,波动幅度较大,为方便计算,取值波动幅度为±0.2,其他机组波动幅度为±0.1.

2.2.2 下层滚动优化模型

在下层优化过程中,考虑可再生能源出力波动、电负荷和岸电负荷波动变化对日前计划影响,并对其做出修正.同样为了保证系统可靠运行,引入甩负荷惩罚保证系统运行时刻的功率平衡,其目标函数包括主电网购电费用(ΔCtgrid)和燃料电池变化成本(ΔCtFC),如下式所示:

F2=min t=t0t0+4NCgridtCFCt+ClossPlosstΔt)

式中:Ptloss为减载的电负荷功率.

下层电能调度策略需满足的约束条件包含电平衡约束与电网交换功率约束,具体如下.

(1) 电平衡约束,表示为

ΔPWT,st+ΔPPV,st+y=1nΔPMT, yt+

ΔPgrid,st+ΔPFCt=(ΔPloadt-Plosst)+

Δ Pele,stPEBtPECtPret

式中:ΔPWT,stΔPPV,stΔPele,st分别为s场景下风电、光伏和岸电的输出功率调整量;ΔPgrid,st为s场景下的购电功率调整量;ΔPMT, ytΔPFCt第t时段y台微型燃气轮机、燃料电池的功率调整;ΔPEBtΔPECtΔPret为第t时段电锅炉、电制冷机、冷藏集装箱的功率调整;ΔPtload为电负荷与日前预测值的功率误差.

(2) 电网交换功率约束.对于分钟级的电能调度,需要加强对系统功率平衡要求,同时为了维持外部电网的稳定性应限制与电网联络线的功率波动,设置取值波动幅度为±0.05,如下式所示:

-0.05 Pgrid,smax≤Δ Pgrid,st≤0.05 Pgrid,smax

式中:Pgrid,smax为s场景下主电网最大购电功率.

2.2.3 考虑日内储能的下层滚动优化模型

在上述模型的基础上,为进一步研究电储能装置对日内电能调度的影响,增设如下模型,其目标函数与功率约束条件如下式所示:

F3=mint=t0t0+4NCgridt+ΔCFCt+  ΔCbtt+ClossPlosstΔt)ΔPWT,st+ΔPPV,st+y=1nΔPMT,yt+  ΔPgrid,st+ΔPFCt+ΔPbt, dist=  (ΔPloadt-Plosst)+ΔPele,st+ΔPEBt+  ΔPECt+ΔPret+ΔPbt,chrt

式中:ΔCtbt为蓄电池变化成本;ΔPtbt,dis为蓄电池的放电功率调整;ΔPtbt,chr为蓄电池的储电功率调整.

3 算例验证

3.1 参数设置

选取上海某港口作为算例分析,以一天(24 h)为调度周期,日前单位调度时段为1 h,日内冷热调度时段为1 h,电能调度时段为5 min.对于冷链区域的冷藏集装箱,假设数量为1 200个,集装箱类型考虑20英尺和40英尺两种类型,具体参数[9]表1所示.冷藏集装箱的内部温度则取决于其冷藏物的类型和范围,考虑6种常用的冷藏物类型及范围[5],并假设装有各类型冷藏物的集装箱数量分别为200个.

表1   冷藏集装箱参数

Tab.1  Parameters of refrigerated containers

冷藏箱
类型
A/m2m/tk1/(W·
m-2·K-1)
cp/(kJ·
kg-1·K-1)
20英尺73.56[18.0, 21.0]0.4[1.46, 4.06]
40英尺135.26[22.5, 26.5]0.4[1.46, 4.06]

新窗口打开| 下载CSV


对于岸电系统,假设泊位上的每艘船舶都运行一台辅助发电机,并与岸上电源供应系统并联,船舶辅助发电机的最小和额定功率分别为0.5和5 MW;天然气价格为2.5元/m3,购电价格采用分时电价,谷时段0:00—6:00、23:00—24:00电价为0.45元/(kW·h);峰时段7:00—11:00、18:00—22:00电价为1.21元/(kW·h);其余时段为平时段,电价为0.73元/(kW·h);港口碳排放量系数αβc分别为0.71、2.26、3.2,单艘船排放上限为200 kg/h,港口排放上限为12 t/h;相关设备参数如表2所示;相应负荷与可再生能源的预测数据如图6所示.

表2   模型参数

Tab.2  Parameters of model

设备参数数值
MT(2台)出力上下限/kW3000/0, 2200/0
电效率0.35, 0.8
热效率0.65, 0.35
FC出力上下限/kW2000/0
电效率0.65
GB出力上下限/kW3500/0
EB出力上下限/kW5000/0
转热系数0.93
EC出力上下限/kW400/0
制冷系数4
AR出力上下限/kW2200/0
制冷系数1.2
ES出力上下限/kW2000/-2000
HS出力上下限/kW1000/-1000
电网出力上下限/kW20000/0
冷藏箱(单台)出力上下限/kW0/5
温度上下限/℃-16/-20
船舶辅机出力上下限/MW0.5/5

新窗口打开| 下载CSV


图6

图6   负荷与可再生能源出力

Fig.6   Load and renewable energy output


为验证港口含冷藏集装箱的港口综合能源系统日前-日内两阶段滚动优化调度的优势,设置3种方案场景进行对比.

场景1:港口综合能源系统与冷链区域单独调度,且只进行日前优化调度.

场景2:港口综合能源系统与冷链区域协同调度,且只进行日前优化调度.

场景3:考虑港口综合能源系统与冷链区域协同调度,进行日前-日内两阶段滚动优化调度.

3.2 日前调度分析

场景1与场景2的调度结果如表3所示.由表3可知,场景1中由于冷链区域单独调度的目标是将集装箱业务的运营成本降至最低,同时保持集装箱内良好的制冷水平,所以相比场景2的冷链区域运营成本有所降低,但同时由于冷链区域无法和能源系统耦合,能源系统无法调整灵活调整冷藏集装箱断开时间与接入时间,所以总成本(F)比场景2高14.78%.

表3   日前优化调度分析

Tab.3  Day-ahead optimization scheduling analysis

场景类型Cbuy/元Cd/元Cemis/元Cship/元Cre/元F/元
场景1232703.87315805.83249571.9754166455.548978.5678423515.7887
场景2178394.53265927.00427366.9112166455.5410852.03368996.0197

新窗口打开| 下载CSV


场景2的能量供需平衡如图7所示,在电价谷时段,港口更倾向于从主电网购电,在电价较高时段主要通过调度燃气轮机供电满足港口运行要求.热负荷在低电价时主要由电锅炉与燃气锅炉供热, 其他时刻主要由燃气轮机供应.冷负荷在低电价时选择消耗电能的电制冷机制冷, 在电价较高时选择吸收式制冷机制冷能够更好地降低港口综合能源系统的供能成本.同时,在电价谷时段,电负荷需求较少,港口利用蓄电池储存多余电能,但此时随着热负荷需求提高,蓄热罐会在电锅炉与燃气锅炉供能不足时释放热量;在电价峰时段,电负荷逐渐上升,为降低系统对外部电网的依赖,蓄电池开始释放电能;在电价平时段,此时燃气轮机出力减少,提供的热能减少,由蓄热罐开始释放热能进行热量补充.因此,储能装置的加入能够实现一定程度上的“削峰填谷”作用,提高系统运行经济性.

图7

图7   系统能量供需平衡图

Fig.7   Diagram of system energy supply and demand balance


为定量分析本文所提方法的优势,将场景1与场景2进行详细对比,选取常用的鱼、肉等冷冻食品为参考.冷藏箱关断时间与温度关系如图8所示.由图可见,冷藏集装箱在刚到达港口后有一定温度跃升,此后在运输过程中处于断电时间,断电时间与温度呈现一定相关性,断电时间越长,到达冷链区域时的温度越高.到达冷链区域后,整个冷藏集装箱6种类型冷藏物(各类型选取一种)的内部温度和环境温度如图9所示.由图可见,整个调度期间无论环境温度如何变化,冷藏物内部温度都保持稳定状态.假设两种场景所分配的港作机械数量保持一致,两种方案冷链区域的电力消耗对比如图10所示.由图可见,场景2冷藏集装箱的电力需求在低电价期间增加,在高电价期间减少,实现了与能源系统的配合,经济性更好.

图8

图8   冷藏箱关断时间与温度关系

Fig.8   Off time versus temperature of refrigerators


图9

图9   冷藏集装箱内部温度与环境温度

Fig.9   Internal temperature and ambient temperature of refrigerated containers


图10

图10   场景1与场景2冷藏集装箱负荷对比

Fig.10   Comparison of refrigerated container loads of Scenarios 1 and 2


3.3 日内优化调度分析

场景3的优化结果如图11所示.由图可见,对于上级冷热调度,在 2:00—7:00、11:00、13:00—15:00日内超短期预测的热负荷相较于日前计划值有所增加,这部分主要通过电锅炉和燃气锅炉出力增加来保持热功率平衡,在其他时段即 0:00—1:00、8:00—10:00、12:00、16:00—23:00,日内超短期预测的热负荷比日前计划值小但冷负荷较日前计划值增加,因此由燃气轮机降低输出功率来抑制热负荷波动,此时电锅炉和燃气轮机给吸收式制冷机提供热功率来制冷.冷负荷波动主要由电制冷机与吸收式制冷机平衡,在电价低谷时利用电制冷机具有更好的经济性.从图11(f)11(g)可知,对下层电能调度,由于日内调度的预测时间尺度最小、预测精度最高,电功率波动相应也较大,所以为了大电网的稳定性,与电网交换功率只在电价高峰期有所降低,其他电功率波动由燃料电池来平抑,进一步提升系统经济性.

图11

图11   不同时间尺度下的优化结果

Fig.11   Optimization results in different time scales


根据图11的日内滚动优化实时结果,可计算得到港口综合能源系统在各时段内运行的综合性能参数.如表4所示,与日前优化的参数对比可知,日内调度阶段充分考虑冷热电响应速率在时间尺度上的影响,能够实时更新港口综合能源系统的可再生能源和负荷的预测数据.表中:空白表示不适用.因此在典型日中,日前-日内滚动优化调度在原有日前调度的基础上提高运行成本节约率2.21个百分点,减少二氧化碳排放率1.83个百分点.综上,日内实时调度在兼顾经济性、低碳性的条件下,同时考虑系统的运行误差,系统各设备能够根据预测误差做出实时调整,实现系统的稳定运行.

表4   系统运行优化的性能指标

Tab.4  Performance indicators for system operation optimization%

优化阶段运行成本
节约率
二氧化碳
减排率
运行误差
降低率
日前优化30.4429.93
日内滚动优化32.6531.7612.05

新窗口打开| 下载CSV


3.4 日内储能调度的影响

蓄电池充放电功率如图12所示,相应不同电能调度策略的运行结果如表5所示.由图12可知,蓄电池工作会遵循日前调度计划,降低了因频繁充放电带来工作损耗,延长蓄电池寿命.由表5可知,日内电能调度主要工作由燃料电池承担,储能装置的加入可降低机组的调节负担,同时减少电网联络线功率波动.进一步说明多时间尺度策略即能够及时平抑负荷与可再生能源的误差功率波动,也能保证系统的稳定运行.

表5   不同电能调度策略的运行结果

Tab.5  Operation results of different power dispatching strategies

调度策略与外部电网
交互的平均
功率/kW
电网联络线
交互功率
波动/%
燃料电池
功率波动/
%
日前调度6296.95
不考虑日内储能调度策略6166.832.114.3
考虑日内储能调度策略6222.251.212.7

新窗口打开| 下载CSV


图12

图12   蓄电池充放电功率

Fig.12   Battery charging and discharging power


4 结论

针对集装箱港口综合能源系统,考虑将冷链区域与能源系统相耦合以及能量在时间尺度上的差异性,建立集装箱港口综合能源系统日前-日内两阶段滚动优化调度方法,主要结论如下:

(1) 冷链区域的能耗关系到港口综合能源系统综合效益的提高,当港口综合能源系统与冷链区域协同调度时,减少了高电价时期的冷藏集装箱的电力需求,提高了低电价期间的电力需求,港口经济性可提高14.78%.

(2) 设计冷链区域与能源系统耦合模型,结合冷、热、电、气等多种能源形式更有利于能源的转化,提高能源综合利用率,减少港口碳排放.

(3) 日前-日内两阶段调度在日前调度的基础上对港口进一步调整,能够及时修正由于预测差异引起的功率波动,对日前计划进行不断滚动优化,以实现港口综合能源系统与外部电网的稳定运行,同时保证系统经济性与低碳性.

参考文献

ZHANG J T, SONG Y J.

Mathematical model and algorithm for the reefer mechanic scheduling problem at seaports

[J]. Discrete Dynamics in Nature & Society, 2017, 2017: 1-13.

[本文引用: 1]

邰能灵, 王萧博, 黄文焘, .

港口综合能源系统低碳化技术综述

[J]. 电网技术, 2022, 46(10): 3749-3764.

[本文引用: 1]

TAI Nengling, WANG Xiaobo, HUANG Wentao, et al.

Review of low-carbon technology for integrated port energy systems

[J]. Power System Technology, 2022, 46(10): 3749-3764.

[本文引用: 1]

杨欢红, 谢明洋, 黄文焘, .

含废物处理的城市综合能源系统低碳经济运行策略

[J]. 电网技术, 2021, 45(9): 3545-3552.

[本文引用: 2]

YANG Huanhong, XIE Mingyang, HUANG Wentao, et al.

Low-carbon economic operation of urban integrated energy system including waste treatment

[J]. Power System Technology, 2021, 45(9): 3545-3552.

[本文引用: 2]

PU Y E, CHEN W, ZHANG R C, et al. Optimal Operation strategy of port integrated energy system considering demand response[C] //2020 IEEE 4th Conference on Energy Internet and Energy System Integration (EI2). Wuhan, China: IEEE, 2020: 518-523.

[本文引用: 1]

CASTELEIN B, GEERLINGS H, VAN DUIN R.

The reefer container market and academic research: A review study

[J]. Journal of Cleaner Production, 2020, 256: 120654.

[本文引用: 2]

方斯顿, 赵常宏, 丁肇豪, .

面向碳中和的港口综合能源系统(一): 典型系统结构与关键问题

[J]. 中国电机工程学报, 2023, 43(1): 114-135.

[本文引用: 1]

FANG Sidun, ZHAO Changhong, DING Zhaohao, et al.

Port integrated energy systems toward carbon neutrality (part I): Typical topology and key problems

[J]. Proceedings of the CSEE, 2023, 43(1): 114-135.

[本文引用: 1]

SONG T L, LI Y, ZHANG X P, et al.

Integrated port energy system considering integrated demand response and energy interconnection

[J]. International Journal of Electrical Power & Energy Systems, 2020, 117: 105654.

[本文引用: 1]

赵景茜, 米翰宁, 程昊文, .

考虑岸电负荷弹性的港区综合能源系统规划模型与方法

[J]. 上海交通大学学报, 2021, 55(12): 1577-1585.

DOI:10.16183/j.cnki.jsjtu.2021.293      [本文引用: 1]

建立考虑岸电负荷弹性的港区综合能源系统规划模型,精细化建模岸电负荷;其次,将模型解耦为岸电负荷弹性与综合能源系统规划两部分,计算港口-船只主从博弈模型下的岸电负荷曲线;最后,采用最佳响应法迭代求解考虑岸电负荷弹性的最优综合能源系统规划方案.仿真结果表明,该模型可以帮助合理配置港区资源,有效提升港区的用能效率,增加港区收益,助力港区节能减排.

ZHAO Jingqian, MI Hanning, CHENG Haowen, et al.

A planning model and method for an integrated port energy system considering shore power load flexibility

[J]. Journal of Shanghai Jiao Tong University, 2021, 55(12): 1577-1585.

[本文引用: 1]

ZHANG Q Y, SHAN Q H, LI T S. Large port energy management based on distributed optimization[C]//2020 7th International Conference on Information, Cybernetics, and Computational Social Systems. Guangzhou, China: IEEE, 2020: 108-113.

[本文引用: 2]

KANELLOS F D.

Multiagent-system-based operation scheduling of large ports’ power systems with emissions limitation

[J]. IEEE Systems Journal, 2019, 13(2): 1831-1840.

[本文引用: 1]

MAO A J, YU T T, DING Z H, et al.

Optimal scheduling for seaport integrated energy system considering flexible berth allocation

[J]. Applied Energy, 2022, 308: 118386.

[本文引用: 1]

黄逸文, 黄文焘, 卫卫, .

大型海港综合能源系统物流-能量协同优化调度方法

[J]. 中国电机工程学报, 2022, 42(17): 6184-6196.

[本文引用: 1]

HUANG Yiwen, HUANG Wentao, WEI Wei, et al.

Logistics-energy collaborative optimization scheduling method for large seaport integrated energy system

[J]. Proceedings of the CSEE, 2022, 42(17): 6184-6196.

[本文引用: 1]

杨洪朝, 杨迪, 孟科.

高比例可再生能源渗透下多虚拟电厂多时间尺度协调优化调度

[J]. 智慧电力, 2021, 49(2): 60-68.

[本文引用: 1]

YANG Hongzhao, YANG Di, MENG Ke.

Multi-time scale coordination optimal scheduling of multiple virtual power plants with high-penetration renewable energy integration

[J]. Smart Power, 2021, 49(2): 60-68.

[本文引用: 1]

王磊, 周建平, 朱刘柱, .

基于分布式模型预测控制的综合能源系统多时间尺度优化调度

[J]. 电力系统自动化, 2021, 45(13): 57-65.

[本文引用: 1]

WANG Lei, ZHOU Jianping, ZHU Liuzhu, et al.

Multi-time-scale optimization scheduling of integrated energy system based on distributed model predictive control

[J]. Automation of Electric Power Systems, 2021, 45(13): 57-65.

[本文引用: 1]

栗然, 孙帆, 刘会兰, .

考虑能量特性差异的用户级综合能源系统混合时间尺度经济调度

[J]. 电网技术, 2020, 44(10): 3615-3624.

[本文引用: 1]

LI Ran, SUN Fan, LIU Huilan, et al.

Economic dispatch with hybrid time-scale of user-level integrated energy system considering differences in energy characteristics

[J]. Power System Technology, 2020, 44(10): 3615-3624.

[本文引用: 1]

江千军, 王磊, 桂前进, .

考虑多时间尺度灵活性的含大规模风电电力系统机组组合研究

[J]. 智慧电力, 2021, 49(1): 35-41, 70.

[本文引用: 1]

JIANG Qianjun, WANG Lei, GUI Qianjin, et al.

Power system unit commitment with large-scale wind power considering multi-time scale output flexibility

[J]. Smart Power, 2021, 49(1): 35-41, 70.

[本文引用: 1]

陆秋瑜, 于珍, 杨银国, .

考虑源荷功率不确定性的海上风力发电多微网两阶段优化调度

[J]. 上海交通大学学报, 2022, 56(10): 1308-1316.

DOI:10.16183/j.cnki.jsjtu.2021.409      [本文引用: 1]

针对海上风力发电多微网源荷功率不确定性大、经济效益低的问题,提出考虑源荷不确定性的海上风力发电多微网两阶段优化调度方法,以提升海上风力发电多微网的日运行收益.所提两阶段优化调度方法包括日前和时前两个阶段.在日前阶段,所提方法基于风力发电出力和负荷需求预测数据,考虑预测误差的分布特征,建立随机优化模型,制定燃油发电机组组合计划和电池储能荷电状态值,从而最大化日运行收益的期望值.在日前优化的基础上,依托时前风力发电出力和负荷需求的预测数据,建立确定性优化模型,通过调节燃油发电机组出力、风力发电出力和电池储能充放电功率,最大化每小时的运行收益.以实际工程中的海上风力发电多微网源荷预测数据为基础,建立仿真模型,对所提方法进行验证.仿真结果表明,与传统调度方法相比,所提两阶段优化调度方法可以提高运行收益和风力发电资源整体消纳率.

LU Qiuyu, YU Zhen, YANG Yinguo, et al.

Two-stage optimal schedule of offshore wind-power-integrated multi-microgrid considering uncertain power of sources and loads

[J]. Journal of Shanghai Jiao Tong University, 2022, 56(10): 1308-1316.

[本文引用: 1]

GENNITSARIS S G, KANELLOS F D.

Emission-aware and cost-effective distributed demand response system for extensively electrified large ports

[J]. IEEE Transactions on Power Systems, 2019, 34(6): 4341-4351.

[本文引用: 1]

PEI R, XIE J H, ZHANG H L, et al.

Robust multi-layer energy management and control methodologies for reefer container park in port terminal

[J]. Energies, 2021, 14(15): 4456.

[本文引用: 1]

何大春, 黄俊辉, 李志杰, .

港口综合能源系统的AHP-模糊综合评价法

[J]. 上海海事大学学报, 2020, 41(2): 85-89.

[本文引用: 2]

HE Dachun, HUANG Junhui, LI Zhijie, et al.

AHP-fuzzy comprehensive evaluation method of port integrated energy system

[J]. Journal of Shanghai Maritime University, 2020, 41(2): 85-89.

[本文引用: 2]

程杉, 黄天力, 魏荣宗.

含冰蓄冷空调的冷热电联供型微网多时间尺度优化调度

[J]. 电力系统自动化, 2019, 43(5): 30-38.

[本文引用: 1]

CHENG Shan, HUANG Tianli, WEI Rongzong.

Multi-time-scale optimal scheduling of CCHP microgrid with ice-storage air-conditioning

[J]. Automation of Electric Power Systems, 2019, 43(5): 30-38.

[本文引用: 1]

/