摘要：科技园等商业园区的用电负荷类型多样，用电特征和规律与传统高耗能工厂园也有较大区别。通过分析商业园区多负荷特征和人员作息规律，基于分时电价机制采取低谷储能峰平释能的运行策略动态调整冷负荷侧制冷机组功率和园区与电网联络线功率，既实现了对蓄冰槽出力的优化调度，同时由园区能量平衡原则得到储能系统的实时充放电功率，实现对储能功率和容量的配置。建立基于能效、经济、环境的多目标优化模型，分别实现蓄能装置的循环电量和循环冷量最小、储能系统成本及购电费用之和最少和环境污染成本最小。采用基于动态惯性权重的多目标非支配粒子群算法对所建模型进行求解，对生成的Pareto解集使用模糊隶属度法筛选得到最优解。通过上海某商业园区算例验证了所提方法的有效性和可行性。
引言
随着我国经济转型和产业调整，商业园区规模不断扩大，其用电、用能需求量持续攀高。园区中用电负荷类型多样，对供电、供能质量要求不断提高。将太阳能与传统冷热电联供系统相结合，基于生命周期法从能源、环境和经济角度对联供系统的设备容量和运行策略进行优化，实现综合效益最大化。构建包含储热的热电联产机组，将储热纳入包含风电的电力系统有功调度体系，通过仿真分析了储热提升风电消纳能力的效果。但是上述研究未考虑储能技术在能源高效利用、多元负荷协同优化运行方面的显著优势。现有商业区存在的负荷峰谷差大;用户缺乏对市场价格信号或激励机制的响应，并且缺乏高效互动的运行机制等问题，可通过配置一定规模的储能解决。
文献[9-10]从容量配置、协调控制策略等不同方面先后开展了源/荷的相关研究，提倡储能装置连接在直流侧与分布式电源作为整体通过电力电子接口连接到微电网;文献[11-12]在协调海水淡化负荷、蓄电池及柴油发电机运行功率分配策略的基础上，提出了含风/光/柴/蓄及海水淡化负荷的微电网多目标容量优化配置模型，建立了含系统投资运行成本和可再生能源利用比例的目标函数，构造了考虑分布式电源、储能及柴机运行特点的约束条件，模型采用自适应多目标差分进化算法进行求解;文献[13]根据楼宇的地理位置和用途，用建筑负荷动态模拟软件DeST对于全年空调工况进行动态分析，选择以燃气内燃机为原动机的冷热电联产系统，并考虑利用补燃方式和电制冷机进行能量补充的2套BCHP系统;之后参照传统分产系统，基于一次能源节约率、年运行费用节约率和投资回收期等评价指标对不同发电功率下的BCHP系统进行分析;文献[14]在考虑电价不确定性和波动性的基础上，建立决策过程的目标函数，并提出通过储能系统实现利润最大化的动态规划模型。然而上述研究多侧重源/储的协调应用，几乎不考虑负荷侧的动态调度。由于商业园区具有多负荷特征，需结合用户侧负荷特性进行源/储/荷三者的协同容量配置。
针对上述研究中存在的不足，本文在商业园区冷热电多类型负荷联产场景下，以夏季园区为例，研究储能系统功率和容量配置。将储能作为源/荷系统之间重要枢纽，在分时电价下采取低谷储能峰平释能的运行策略动态调整冷负荷侧制冷机组功率和园区与电网联络线功率，通过实现对蓄冰槽出力的优化调度，由园区能量平衡原则得到储能系统的实时充放电功率，从而实现对储能功率和容量的配置。根据约束条件建立基于能效、经济、环境的多目标优化模型，分别实现蓄能装置的循环电量和循环冷量最小、储能系统成本及购电费用之和最少和环境污染成本最小。采用基于动态惯性权重的多目标非支配粒子群算法对所建模型进行求解，对生成的Pareto解集使用模糊隶属度法筛选得到最优解。通过上海某商业园区算例验证了所提方法的有效性和可行性。
1、商业园区源/储/荷系统概况
1.1商业园区典型结构分析
本文所述的商业园区夏季典型源/储/荷结构如图1所示，主要包括分布式光伏发电系统、光伏逆变器、储能系统、储能DC/AC变流器、常规电负荷、冰蓄冷空调、冷负荷、园区与电网联络线、大电网。冰蓄冷空调的制冷机组利用从园区与电网联络线获取的电能制冷，将冷量直接供给冷负荷或送至蓄冰槽存储，蓄冰槽存储的冷量可通过换热装置供给冷负荷。当园区中分布式光伏发电系统不足以向负荷供电时，则从大电网购电，分布式发电为负荷供电后如有富余，则可向电网反送电。
1.2商业园区典型日光伏及负荷特性分析
商业园区内的负荷变化与楼内人员的活动规律有密切关系，主要包括常规电负荷、夏季冷负荷和冬季热负荷。常规电负荷主要指照明、电梯、办公电器等用电负荷，它们不随室外空气温度的变化而变化，可认为在全年期间保持基本稳定。夏季冷负荷和冬季热负荷不同时存在，但均与园区内人员作息有密切关系，由于以高科技产业园为代表的商业园区内的人员作息几乎不受季节影响，因此可认为冬季夏季空调负荷变化特征基本保持一致。由文献[17]可知，冰蓄冷空调在冬夏季不同制热制冷工况下的能效比相匹配，用冰蓄冷机组可满足该地区的供热需求。通过对上海某商业园区全年负荷及光伏出力数据进行统计分析，选取的仿真数据来自夏季时段，获得如图2所示的典型日光伏出力、冷
电负荷及分时电价曲线图。从图2看出，光伏主要出力时段为早晨6点左右至下午6点左右，中午时刻达到峰值。空调冷负荷从早上8点左右随着楼内人员工作的开始而迅速上升至高峰，12点左右午休时间有所下降，17点左右又随着楼内人员工作的结束迅速下降;电负荷的变化规律与此类似，在晚上10点至次日清晨最低，仅供维持基础设备的运行以及外部照明。结合分时电价来看，冷电负荷高需求时段基本处于电价高峰期，因此通过储能配置进行削峰填谷和能量再分配具有重要的经济价值和研究意义。
2、冰蓄冷空调特性及设备配置
随着城市峰谷电价差增大，冰蓄冷空调采用冰作为储能介质，使大型空调机组在用电低谷期储存能量，在电网供电高峰期释放能量，达到移峰填谷、减少用电成本的目的。
2.1制冷机组工作特性
上海某商业园区采用离心式双工况制冷机组，离心式制冷机组具有单机制冷容量大、转速高、运行平稳等优点。双工况机组有2种工作模式：空调模式和制冰模式。根据冷负荷特征和分时电价政策，可采用夜间电价低谷时段制冰，白天非谷时段空调制冷和蓄冰槽融冰释冷相结合的运行策略。
2.2蓄冰槽容量配置
蓄冰槽的设备容量与制冷机组的耗电功率和双工况模式下的制冷量有关。蓄冷功率为
因为主要对蓄冰系统进行优化控制，考虑满足冷负荷需求时有10%的裕量，蓄冰槽配置容量如下。
式中：N表示夜晚制冰时间，因本文采用由多目标粒子群算法进行优化的动态调度策略，夜晚制冰时间未知，假设最大制冰时长为电价8h谷时段;Qc为优化日内冷负荷总量。
3、商业园区多目标优化配置模型及求解
基于园区储能系统与分布式电源、多类型负荷之间的关系，考虑电力市场价格机制、节能减排等政策引导，本文从能效因素、经济成本和环境效益3个角度构建储能系统功率和容量优化配置时的目标函数。
3.1优化目标一
储能系统充、放电和蓄冰槽蓄、释冷过程中均有能量的损失，放电深度也会影响设备使用寿命，为提高能源利用效率，减少由能量转换产生的能耗，第1个优化目标是使锂电池循环电量和蓄冰槽循环冷量最小。因为一个优化周期内，储能系统的始末荷电状态和蓄冰槽储冷状态保持不变，故用充电量、蓄冷量表征循环电量和循环冷量。表示为
3.2优化目标二
第2个优化目标主要考虑商业园区用户侧经济效益，使配置储能后的园区购电费用和储能系统的投资及运行维护成本总和最小，表示为
3.3优化目标三
目前煤电在我国能源结构中仍占有较大比重，为降低燃煤发电带来的环境成本(环境控制成本，环境保护成本)，第3个目标函数是发电侧给园区供电产生的环境损失费用最少，此时商业园区从电网侧购电量最少，不考虑园区多余电能外送情况。
3.4约束条件
本文对储能系统进行优化配置的同时兼顾了冰蓄冷空调的动态调度，约束条件由三部分组成。
3.4.1冰蓄冷空调侧约束
3)状态约束。
由于优化周期具有连续性，应使每个周期内蓄冰槽的始末储冷状态保持一致。
4)负荷平衡约束。
制冷机组在白天空调工况下的制冷量和蓄冰槽释冷量要满足冷负荷需求。
园区在夜间电价低谷期无冷负荷，制冷机组制冷量全部供给蓄冰槽。
3.4.2储能系统性能约束
1)荷电状态约束。
储能系统荷电量由下式推得
与式(12)相似，每个优化周期的储能电池初始荷电量保持一致，有
3.5储能配置
3.6模型求解
Coello等学者提出的多目标粒子群(multi-objectiveparticleswarmoptimization，MOPSO)算法作为一种高效的并行搜索算法，具有依赖经验参数少、收敛速度快、性能良好等优点，可用于解决多目标优化过程中由于目标之间相互冲突，很难找到一个真正意义上的最优解问题。本文的3个目标函数模型中存在复杂的耦合制约关系，因此选用MOPSO方法进行模型的优化求解。
以典型日内24个优化时段中的制冷机组功率波动量和园区与电网联络线功率波动量为决策变量，综合考虑园区内负荷和光伏出力情况确定各决策变量的上、下限，采用基于非支配解的动态惯性权重多目标粒子群算法求解模型。算法流程图见图3。
3.7选取最终解
在实际工程中，决策人员要综合考虑能效、经济和环境3个指标从一组Pareto最优解集中选取最优解，本文采用模糊隶属度函数来对每一个目标分别构造隶属度函数，将其转化为对优化结果的满意度，通过满意度比较找出最终解。定义模糊隶属度函数为
式中：μ(p)为每个解中单个目标函数满意度值;Pmin和δ分别为Pareto最优解集中该目标函数的最小值和函数取值范围。当μ=0时表示对某个目标函数值完全不满意，而当μ=1时表示对某个目标函数值完全满意。对于Pareto最优解集中的每个解，根据下式求解其标准化满意度值，其中标准化满意度值最大的解即为最终所选解。
4、算例分析
4.1基础数据
上海某商业园区所用储能装置为锂电池，表1为上海市分时电价，园区内典型日光伏出力及负荷特征曲线见图2，具体数据见表2。园区中各组件参数如表3所示。
4.2仿真与分析
在Matlab平台上利用MOPSO算法对优化模型进行求解，设定种群数量50，最大迭代次数100，惯性权重动态调整上下限为0.9和0.1。得到典型日光伏出力下3个目标函数的Pareto前沿见图4中黑色图例标示部分。考虑到光伏出力变化的影响，图4还加入了晴天和阴天场景下的仿真结果对比，相应场景下的配置方案和指标变化如表4所示。
图4中：1)由优化算法得到的Pareto前沿是一系列互不支配的非劣解集合，不存在使所有目标均达到最优的解，决策者可根据实际规划和侧重选择合适的配置结果。本文采用3.7节中所述的通过模糊隶属度函数求取Pareto最优解集中每个解的满意度的方法，选择综合满意度值最大的解作为最优解。2)不同场景下的储能系统多目标优化配置得出的pareto解集各不相同，结合表4可知，晴天光伏辐照充足，出力较大，园区内净负荷(实际负荷与光伏出力的差值)减小，所需配置的储能功率和储能容量较典型日有所降低，3个优化目标数值也相应减小。阴天光伏板接收的辐射减少，出力较小，储能配置容量及各项指标均有增加。可见不同的光伏出力情况会影响储能的充放电功率和容量配置。
下面以光伏典型日工况为例展开进一步分析。优化前园区未配置储能电池，净购电费用为4.3844*104元，电厂环境损失费用为1.5521*103元;配置后锂电池额定功率1.327*103kW，额定容量8.03*103kW×h，此时园区经济成本(目标函数2)为3.8436*104元，电厂环境损失费用(目标函数3)为178.8元，比原系统均有降低，能效指标即目标函数1的结果为3.517*106kW。
图5—7为典型日光伏出力下优化调度后冰蓄冷空调运行状态。
由上图看出，蓄冰槽在电价低谷时段匀速蓄冷，对冷负荷侧起到填谷作用的同时保证制冷机组功率的稳定;在电价非谷时段释冷，与制冷机组共同承担冷负荷需求从而减小对电网的依赖程度。图7中的蓄冰槽储冷状态表示实时蓄冷量与蓄冰槽额定容量的比值，在优化调度过程中实时蓄冷量始终保持在允许范围内(与额定容量比值处于0.1—0.9之间)。
由园区内能量平衡约束式(21)和图8—10可知，联络线功率的波动量与储能功率和制冷机组功率波动量之和保持一致。储能系统采用在负荷较低的电价谷时段恒功率充电，在负荷集中的峰平时段放电的运行策略，联合制冷机组最大限度降低了联络线在负荷高峰时段的购电需求从而减少园区侧购电成本，提高了园区的经济效益，充放电过程中储能电池的荷电状态SSOC在限定范围0.1—0.9内变化。
4.3储能配置的敏感性分析
在4.2仿真与分析中可知光伏电站的出力特性对储能配置结果有较大影响，光伏出力越大，新能源发电对园区的贡献度越高，园区内净负荷(实际负荷与光伏出力的差值)越小，可以减少储能需配容量;此外，设备造价也是影响储能容量的重要因素，目前储能造价仍偏高，尚未达到规模化投入阶段，随着相应政策的扶持和储能技术的提升，储能成本将大幅下降，可以配置更多的储能容量。
5、结论
分析典型商业园区多类型负荷特征和人员作息规律，考虑源/储/荷协同运行策略，在峰平谷分时电价下根据约束条件建立基于能效、经济、环境的多目标储能优化配置模型，分别实现蓄能装置的循环电量和循环冷量最小(减少能量传递过程中的损耗)、储能系统成本及购电费用之和最少和环境污染成本最小。模型以优化日内制冷机组和园区与电网联络线功率波动量为决策变量，采用基于动态惯性权重的非支配多目标粒子群算法进行求解，对生成的Pareto解集使用模糊隶属度法筛选得到最优解。通过上海某商业园区算例验证了所提方法的有效性和实用可行性。
结果显示：1)由多目标粒子群算法得到的非支配三维Pareto前沿可为折中选取能效最大化、经济最优化、环境污染最小化这组目标提供丰富的信息。2)与单一类型的常规电负荷相比，园区中冷热电联供的能源系统增加了储能合理配置的复杂度，通过对冷负荷侧的蓄能装置进行优化调度降低了电网在电价高峰期的冷负荷供电压力;储能可实现园区能量的再分配，给园区带来显著的经济效益，同时兼顾企业社会责任最大限度减轻电厂供给侧产生的环境污染。考虑到光伏发电和负荷全年的特性的变化会对储能配置产生影响，下一步研究工作将对此进行后续深入研究。(杨锡运 张璜 修晓青 付果 李建林)
原标题：基于商业园区源/储/荷协同运行的 储能系统多目标优化配置
