考虑市场出清的农业园区能量管理策略

张继国,任洪民,刘大勇,周力威,邵俊岩,贾曜诚,陈厚合

(1.国网吉林省电力有限公司四平供电公司, 吉林省四平市 136000;2.东北电力大学电气工程学院, 吉林省吉林市 132012)

0 引 言

随着农业4.0[1],智慧农业等科技化农业项目的不断推进,集信息、研发、产业于一体的现代化农业园区高速发展,势必成为未来农业生产的主要承载形式[2-3]。农业园区可实现生产要素集中化、工程技术产业化等发展目标,同时也是加快新农村建设、促进农民增收的重要手段[4]。农业园区温室栽培技术可形成不受外界环境影响的生产保护区,使农业生产摆脱地域限制与生长时间限制,大幅提高农作物生产效率[5]。

新型温室栽培技术也使农业园区对电力能源的依赖度逐步增加,农业生产负荷在农村配电网中的比重逐年增加[6-7]。在农业园区规模不断扩大的过程中,传统温室用能方式不合理、能源利用效率低等能源管理问题逐步凸显,为此相关领域专家针对园区能量管理问题进行了初步探索。文献[8]对温室微能源网的多运行模块进行统一建模,结果表明利用储能设备、分时负荷可提高微型能源网的灵活性,但其计算过程中未考虑温室环境系统的能源供给设备特性;文献[9-10]分析了气象灾害对设施农业的影响,主要针对植物生长与综合能源系统供电安全的交互关系进行了初步分析,研究指出有必要针对能源气象学与园区级农业能源网络间的耦合关系开展定量研究;文献[11]在分析农作物生理特性的基础上,解决了光伏发电与温室内农作物的争光问题,但研究过程中尚未考虑温度因素对农作物生长及农业产能的影响;文献[12-13]提出了一种基于作物蒸散量和日光积分的农业温室负荷能量管理模型,结果表明合理地利用光储能量系统可提高农作物销售的总收入,但该模型尚未考虑环境温度对作物生长的影响以及电价变化对农业负荷的影响。

另一方面,随着用电量的逐步增大,农业园区微电网(agricultural park microgrid,APMG)与配电网之间的能量互动愈加频繁,目前已有相关领域专家针对微电网与配电网协调优化调度问题开展研究。文献[14]提出一种基于合作博弈论与Shapley值法的市场交易模型以分析并网型光伏微电网直接参与配电市场交易模式,但研究尚未考虑各微电网的负荷特性;文献[15-16]针对电力市场中的投资现象及交易方式中普遍存在的次序决策问题进行了深入分析,为处于不同决策位置的利益主体参与电力市场竞争提供了参考;文献[17-18]在考虑设备等效寿命损耗的基础上提出一种市场背景下储能系统的最佳配置方案,储能作为独立的运行商参与系统运行,在给自身带来经济性的同时也带来了较好的社会效益,同时在一定程度上改善了电网潮流分布,并实现了代理商在参与电能交易中的最优能量管理。

综上所述,现有研究存在以下问题:1)现代化APMG能量管理策略效率低,相关研究忽略了温室负荷与园区内供能系统的互动方式;2)农业微电网负荷特性对配电市场出清的影响还有待研究。

为解决以上问题,本文提出一种考虑农作物生长特性和配电市场出清的APMG能量管理双层优化模型。首先,从电力设备运行层面分析了APMG的能量调度方式及其参与配电市场出清的能量管理策略;其次,建立农业温室中光照系统、灌溉系统、温控系统的运行模型,及温室最优能量管理模型;进一步,构建农业园区运营商(agricultural park operator,APO)参与配电市场交易的市场出清模型;再次,利用自适应交替方向乘子法(self-adaptive alternating direction multiplier method,SA-ADMM)对双层模型进行交替求解;最后,分别以IEEE-12节点以及内蒙古某县农村配电网为例,证明所提模型和方法的有效性与合理性。

1 农业园区运营商参与配电市场出清的能量管理策略

温室农作物生长环境的营造过程与APMG的能源供给侧呈现动态耦合,农业园区运营商根据温室微电网环境系统能量需求及配电市场出清电价制定购电计划,并调整能量管理策略,可达到降低购电成本、增产增收的目标。

1.1 温室栽培技术与能源管理

APMG的主要能源消耗来自于温室环境系统,利用土壤、水和气候资源为媒介营造适宜的生长环境以提升农作物产量[19-20]。农作物生长的主要环境指标为光照强度、空气流通度、环境温度、土壤湿度以及施肥程度[21-22],其中施肥频率低,且一般以人工施肥为主,空气循环系统与温度控制系统可以通过导热风扇进行温控调节。因此,温室农作物的日常生长过程主要考虑的能量因素为光、水、温等资源,温室环境系统需根据农作物的种类及生长阶段智能调节资源配比,营造农作物最佳生长环境,APMG基本构成如图1所示。

图1 农业园区能量管理系统示意图Fig.1 Diagram of energy management system in agricultural park

由图1可知,APMG主要包括光储互补发电系统及温室环境系统两部分,光储互补发电系统根据能源需求调整出力。温室环境系统包括光环境系统、水环境系统以及温度环境系统三部分[23-24],通过温室环境传感器实现农作物生长区域湿度、温度以及光照强度的实时监测,并根据农作物品种、生长阶段及自然环境形成最优能量控制策略,通过电排灌、空气能热泵以及智能LED补光灯等设备调节环境,营造最佳农作物生长环境。因此APO还需考虑用电成本。下面进一步针对配电市场结算的机制进行分析。

1.2 农村配电市场结算框架

APO根据农作物生长特性以及配电市场出清结算价格调整自身用电策略,实现最大化收益。因此需对配电市场的出清机制开展研究,农村配电市场出清总体架构如图2所示。

图2 农村配电市场结算出清机制分析Fig.2 Analysis of clearing mechanism in rural distribution market

图2展示了APO参与配电市场出清的双层框架,上层模型根据温室环境系统的电能需求及农村配电市场出清后的节点边际电价(distribution locational marginal price,DLMP)来决策从配电网运营商(distribution system operator,DSO)处的购电量以及光储系统与温室环境系统的互动方式,使其达到运行成本最小的目的。而DSO根据APO提供的购电量以及电能报价进行市场出清,计算配电网的DLMP,确定配电系统中的边际机组,并进一步制定供电方案。

2 农业园区运营商参与配电市场出清的双层优化数学模型

根据APMG的能量管理与配电市场出清相结合的计算框架构建双层优化模型,上层模型主要针对农作物生长环境及APMG能量管理进行建模,下层模型需建立配电市场出清模型,下面针对双层模型进一步开展建模分析。

2.1 上层模型

上层模型为APMG最小化用能成本最优化数学模型,APO需在保证农作物最佳生长的基础上尽量减少购电成本。农作物的生长主要包含光合作用和呼吸作用,整个过程依赖温度、水和光照等自然要素,因此上层模型围绕灌溉系统、温控系统和光照系统进行建模[25]。

2.1.1 上层模型目标函数

上层目标函数为APO最小化运行成本,包括日前园区购电成本与设备老化成本,表示为:

(1)

(2)

2.1.2 上层模型约束条件

1)灌溉系统运行模型。

灌溉系统主要依靠电排灌、喷淋器及湿敏探测仪等设备对植物定期浇水,通过实时湿度追踪与动态调整,提高土壤湿润程度,促进农作物生长。实际灌溉量根据农作物最佳生长环境下的蒸腾量及蒸发量计算[26]。

温室电排灌运行模型可表示为:

(3)

根据文献[19]的研究,农业电排灌的排水量可通过农作物的需水量进行计算,具体计算方法表示为:

(4)

温室中的农作物生长过程中水分发生蒸散作用,表示植被及地面整体向大气输送的水汽总量,农作物蒸散量可通过Penman-Monteith方程计算得到[27]。

2)温控系统运行模型。

温控系统将电子温度计数据传输至控制台,并根据农作物种类调整空气能热泵的暖气输出,对温度进行动态调整,营造农作物最佳生长温度[28]。

空气能热泵运行模型可表示为:

(5)

其中,温室气温降低量可表示为:

(6)

式中:Vgh为温室内空气体积;Qn为热负荷总量。

温室的热损失可表示为:

(7)

式中:us为围护结构的散热系数;As为围护结构的表面面积;ks为换气比例;nh为换气次数;uj为地面传热系数;Fn为室内温度;Fw为室外平均温度。

3)光照系统运行模型。

日光充足时基本可满足温室内农作物光合作用需求,但在不良天气以及太阳完全升起前,需通过智能LED灯进行补光[29],增加农作物光照强度。

智能LED补光灯运行模型可表示为:

(8)

温室内植物的补光强度可表示为:

(9)

植物最佳生长所需的光照强度需严格控制在一定范围内[11],因此需根据植物光合速率计算其最大、最小光补偿点。

植物的补光强度需满足植物的生长需求[12],该生长约束可表示为:

(10)

4)光储互补系统模型。

APMG运营商会安装光储系统为园区提供部分能源,储能设备可灵活调整充放电时间,以降低购电成本。

光伏系统运行模型可表示为:

(11)

储能系统能量模型可表示为:

(12)

式中:Etbat为蓄电池的储能量;Ptbat,c、Ptbat,d分别为蓄电池充放电功率;ωtbat,c、ωtbat,d分别为蓄电池充放电效率。

蓄电池充放电约束可表示为:

(13)

电池能量约束可表示为:

(14)

5)APMG能量平衡模型。

APMG电能平衡约束可表示为:

(15)

农作物最佳生长特性约束可表示为:

(16)

本节所构建的APMG温室环境系统运行模型兼顾计算温室农作物环境指标以及电能消耗量,进一步研究其参与配电市场交易的市场出清模型。

2.2 下层模型

下层模型为APO参与配电市场电能交易的出清模型,包括电力出清目标函数及运行约束条件两部分。本文主要针对APO的运营策略开展研究,故将其他配电运营商的策略进行简化并假设其为固定负荷,根据配电运营商统计值计算。

2.2.1 下层模型目标函数

下层模型目标函数为APMG所在配电网最小化运行成本模型,可表示为:

(17)

2.2.2 下层模型约束条件

农村配电网往往采用开环运行方式,具有辐射型网络的结构特点,故采用适用于辐射状电网潮流计算的Dist flow模型来进行建模[29]。

配电网能量平衡约束可表示为:

(18)

(19)

配电网线路电压降模型可表示为:

(20)

(21)

松弛后的线路能量平衡约束可表示为:

(22)

节点电压安全约束可表示为:

(23)

发电机有功输出安全约束可表示为:

(24)

发电机无功输出安全约束可表示为:

(25)

本节所构建的配电市场出清模型考虑了配电网线损及电压跌落因素,刻画了农村配电网的运行特性,此处值得注意的是,按照现阶段电网运行要求,APO所使用的无功功率不单独进行结算,而是根据功率因数角及有功功率值决定惩罚系数,负荷功率因数角越小,惩罚系数越高,通过此类方法进一步计算无功支出费用。

3 基于SA-ADMM的双层模型求解

在本文中,由于上层模型中APMG降低运行成本的目标与下层模型中市场出清不一致,采用一般迭代计算方法进行计算易导致交易结果发散。故本文采用SA-ADMM来计算所提双层模型,SA-ADMM是交替方向乘子算法的衍生算法[15],其迭代过程中,在更新每个决策变量后,均会对拉格朗日乘子进行重新计算,以修正迭代方向,利用此方法可保证上层模型中的结果始终逼近下层模型。

3.1 自适应交替方向乘子法

SA-ADMM的主体思想是将原始目标函数扩展为拉格朗日函数,以满足变量间的约束关系,原函数的基本形式可表示为:

(26)

式中:f1,…,fn为目标函数;a1,…,an和B为等式约束条件系数;x1,…,xn为待优化变量。

进一步构建扩展拉格朗日函数:

(27)

式中:λT为拉格朗日乘子;ρ为迭代步长。

SA-ADMM的迭代过程可表示为:

(28)

式中:r为迭代乘子;D为算术平方根的次数。

可见,在计算每一层模型后,除更新每一层决策变量外,SA-ADMM算法还对拉格朗日乘子进行更新,保证了结果的收敛性。

3.2 SA-ADMM迭代计算流程

利用SA-ADMM求解电力市场出清目标函数计算流程如图3所示。

图3 双层模型计算流程Fig.3 Two-layer model calculation flow

双层模型的具体计算流程可表示为:

1) 建立APMG最优能量管理策略优化模型式(1)—(16)以及配电市场出清的最优模型式(18)—(25);

2) 设置收敛精度ξ=10-4及迭代步长ρ=0.5×10-2,初始化迭代次数k=0,拉格朗日乘子λ=0以及迭代前的初始电力价格;

3) 根据初始电价,求解上层模型的最优解,得到APMG的购电策略;

4) 更新拉格朗日乘子λk+1/2;

5) 求解下层模型得到电力价格;

6) 更新拉格朗日乘子λk+1;

7) 更新迭代次数,判断是否收敛;若收敛,则输出结果,若不收敛则返回3)直至满足收敛条件。

4 算例分析

本节首先针对IEEE-12节点配电网[30]及单一APMG算例进行计算分析,验证本文所提模型和方法的有效性,进而针对内蒙古某县农村66节点配电网[31]与多APMG耦合的实际系统开展算例分析,以验证其实用性。

4.1 IEEE-12节点配电系统算例

IEEE-12配电系统结构如图4所示,系统的总有功负荷为435.0 kW,节点电压取0.9UN～1.1UN,其中UN为基准电压。

图4 IEEE-12配电网拓扑结构Fig.4 Distribution network topology of IEEE-12

本文所考虑的APMG所配备的光伏发电容量最大为10 kW,储能容量最高为16 kW·h,APMG接入配电网节点5。配电网中接入2台微型燃气发电机(gas turbine,GT)进行售电,具体配电网参数如表1及图5所示。由图5可知,农村配电网上午负荷高峰时段为08:00—10:00,下午高峰时段为14:00—23:00。19:00,达到日前最大负荷峰值411 kW。通过初步计算得到温室环境参数,如图6所示。

表1 配电网电源参数Table 1 Distribution grid power parameters

图5 IEEE-12配电网负荷功率Fig.5 Distribution network load power for IEEE-12

图6 温室自然环境参数Fig.6 Natural environmental parameters for the greenhouse

由图6可知,农作物最佳生长环境:光照强度>400 μmol,温度为15～25 ℃,日耗土壤水量>3 mm)。08:00—17:00,自然光光照强度充足,外界温度逐渐升高,农作物吸收水分进行光合作用及蒸腾作用。但仅利用外界温度无法使农作物达到最佳生长状态,需依赖温室自控设备营造适宜环境,包括提高光照强度、温度以及湿度辅助农作物生长,具体温室设备参数如表2所示。

表2 温室设备参数Table 2 Greenhouse equipment parameters

4.2 配电市场出清结果分析

根据温室农作物最佳生长状态计算APMG温室内部能耗,兼顾考虑光储系统的供能能力,分析其参与配电市场出清下的最佳能量管理策略,本文设置以下4个场景进行对比分析。

场景1：光伏不发电,APMG直接从配电网购电满足温室需求。

场景2：APMG利用储能系统在电价低谷时自动购入额外电能存储,电价高峰时段则自动释放为温室供能,降低APO的购电成本。

场景3：APMG中的光伏系统优先为温室供电,差额从配电市场进行购电补充。

场景4：APMG利用光储系统合理调整能量管理策略实现最佳能量调度。

4.2.1 农业园区购电策略分析

进一步分析APO参与配电市场出清的购电策略,购电功率结果如图7所示。

图7 农业园区多场景下的购电功率分析 Fig.7 Analysis of power purchase in agricultural parks with multiple scenarios

通过求解优化双层模型,得到上层模型中农业园区购电功率的值如图7所示。4种场景下APO的购电功率分别为:171.08、171.32、143.24、131.37 kW。由于储能充放电过程存在损耗,因此场景2中APO的购电功率高于场景1。而场景3中过剩的光伏发电无法存储,因此17:00—19:00仍需从DSO处购买电能。而场景4中APO利用储能装置将过剩的光伏发电进行存储,降低其购电量,下面针对几个重点时段进行分析。

11:00—15:00,光照强度充足,环境温度相对较高,温室内补光灯停止运行,温控系统处于低功率运行状态,光伏系统发电功率可以完全覆盖温室负荷功率,因此场景3与场景4的购电功率均为0。而场景1与场景2中的APO需从配电网进行购电为温控系统和灌溉系统供电。

17:00—19:00,农作物停止光合作用,将温室环境参数调整为植物最佳生长状态下边界值即可,场景3中APMG内光伏系统无法为温室供电,故其购电量与场景1接近。而场景2与场景4中APMG由于配备了储能装置,在电价高峰时刻可利用储能装置内部电能对温室进行供电,降低APMG的购电成本。

可见,场景4中农业园区利用光储互补系统对温室供能,还可降低购电成本,证明了本文所提模型的有效性。

4.2.2 配电市场电源出清结果分析

除分析APO的购电行为外,还需进一步研究DSO的市场出清行为以验证本文出清方式正确性,场景4配电网电源出清结果如图8所示。

图8 IEEE-12系统出清后的电源出力图Fig.8 Diagram of power output for IEEE-12 after clearing

4.2.3 市场出清电价分析

在分析APO与DSO的行为后,进一步针对APMG参与配电市场出清的边际电价进行分析。边际电价为:

(29)

式中:β为式(28)的对偶变量。

不同场景下的APMG购电价格如表3所示。

表3 不同时刻配电网的节点边际电价分析Table 3 DLMP analysis of distribution networks at different moments 元/(kWh)

05:00,场景4中,APO利用园区内的储能装置提前购电,配电网的总负荷量低于GT1最大出力,边际机组为GT1,因此配电网其他用户的购电价格也相对较低。而同样配备储能装置的场景2由于其需为电价更高时段提前存储电能,因此其在此时刻仍保持充电状态,DLMP相对较高。

16:00,场景3和场景4中,APMG的光伏系统为温室供电,燃气轮机发电量高于配电网总负荷,节点边际机组为GT2,因此其DLMP较低,而场景1和场景2中,由于APMG负荷较大,突破燃气轮机最大供应量,DSO需从输电网购电,提高节点边际电价。

场景4中APO能量调度策略不仅减少了成本,还降低了其他用户的购电成本。

4.3 APMG最优能量管理分析

本文所提模型(场景4)的光储互补系统运行方式最佳。因此,进一步分析其中APMG的能量管理策略。

4.3.1 APMG用电功率分析

APMG各组成部分的能量消耗及购电结果反映了其能量调度策略,如图9所示。

图9 场景4的园区能量管理策略Fig.9 Park energy management strategy for scenario 4

02:00—04:00,配电网总负荷较小,储能装置进行小规模充电并在05:00释放,维持配电网总负荷量不超过GT1的最大出力,降低购电成本。

11:00—16:00,温室负荷较小,光伏出力过剩,温室仅依赖光伏供电即可维持运行,蓄电池存储多余电能,用以在夜间释放维持供电,降低APMG运行成本。

进一步针对场景2和场景4的光伏消纳量进行对比以验证本文所提模型优势,结果如图10所示。

图10 光伏出力变化图Fig.10 Diagram of photovoltaic power output changes

由图10可知,场景4中APMG在储能装置参与能量调度下,光伏消纳量由27.84 kWh增加至39.71 kWh,证明了本文所提模型具有进一步消纳光伏发电的能力。场景4中的光伏消纳量增加的根本原因在于储能装置的合理利用。

4.3.2 农作物生长模式分析

本文以西红柿为例分析温室栽培增产模式高效性,增产模式的条件为每日增加光合作用时间3 h。西红柿正常生长周期为58天,假设1 000 m2温室可种植西红柿3 000株,每株产量为1.83 kg,西红柿售价为2.5元/kg,人工费用为每日32.5元,每年培育天数为290天,进一步分析增产模式收益。西红柿生长状态分析如图11所示。

图11 西红柿生长状态分析Fig.11 Tomatoes growth status analysis

图12 66节点配电网燃气轮机出力Fig.12 Gas turbine power output of 66-node distribution grid

由图11可知,根据自然环境与温室最佳生长环境的综合指标,优化得到18:00—20:00为西红柿增产模式最佳时间,3个时段的运行状态由缓慢生长转为最佳生长。下面针对西红柿的收益情况进行分析,结果见表4。

表4 西红柿的收益分析Table 4 Revenue analysis of tomatoes

由表4可知,增产模式下,由于其每日光合作用时间增加,可将西红柿生长周期缩短10天,APO仅需额外支付低额的人工费用、购电费用以及其老化费用即可使每日净利润提高27.9%。

4.4 66节点内蒙古某县农网实际算例分析

为深入研究多APMG参与的电力市场出清与能量管理,本文进一步针对66节点实际农村配电系统算例进行分析,具体农网参数可参考文献[31],在此基础上增加燃气轮机4台,GT1、GT2、GT3、GT4电能报价分别为0.38、0.44、0.39、0.42元/kWh。APMG为4个,每个APMG为3.0～4.5亩,APMG1连接节点22、41、44,APMG2连接节点34、48、56,APMG3连接节点52、61,APMG4连接节点30、66。

考虑多个APMG的66节点实际电网算例与IEEE-12算例计算方法相似,上层模型为4个不同APMG的能量管理策略,下层模型仍为配电市场出清模型。

4.4.1 市场出清结果分析

配备光储系统后,APO可实现最优能量管理,同时降低DLMP及燃气轮机出力,如图13所示。

由图13可知,多APMG光储系统运行时,燃气轮机出力明显减小,DLMP随之降低。15:00仅利用GT1发出功率即可满足配电网负荷,09:00及16:00也均有不同程度的DLMP减小及边际机组变化情况。

4.4.2 配电网购电成本对比分析

多APMG的最优能量管理可影响DLMP进而降低配电网用户购电成本,对比结果如表5所示。

表5 用户购电成本分析Table 5 Analysis of the cost of electricity purchased by customers

由表5可知,仅依靠单独APMG调整用能策略可降低配电用户2.16%的购电费用,而通过多个APMG进行调控,可降低6.13%费用。

5 结 论

本文提出了一种APMG参与配电市场高效能量管理优化模型,在考虑农作物最佳生长特性基础上构建温室环境负荷模型,并结合其用电特性与配电市场出清机制进一步构建了最优能量调度双层优化模型,进而利用SA-ADMM进行求解。最后通过算例分析验证了所提模型及方法的正确性和有效性,相关结论如下:

1)配备光储系统的APMG可实现能量合理管控。其中光储系统的联合使用相比于单独使用光伏或储能系统可减少8.29%和23.34%的用能成本,还可进一步消纳过剩的光伏发电。

2)所提出的能量管理模型可使APMG温室环境系统营造最佳植物生长状态,还可进一步通过增产模式降低农作物生长周期,仅需额外花费3.3%的用能成本,即可提升APO 21.33%的日均收益。

3)APMG实现最优能量管理的同时还可降低配电网用户的购电成本。相比于单个APMG参与配电市场出清的场景,多园区参与配电市场出清的购电成本降低效果更强,降低比例从2.16%增加至6.13%。

本文针对APMG参与电力市场进行研究,对于光伏发电的场景分析有所欠缺。未来工作主要包括考虑光伏出力不确定性的APMG投标策略以及考虑多类型电力交易形式的APMG的能量管理研究。