图1 考虑能源交互的多区域互联系统结构
Fig.1 Multi- regional interconnected system structure considering energy interaction
摘要 随着我国“双碳”政策的推行，生物质能作为清洁能源不断引起关注。相比化石燃料，生物质具有原料分散、储运模式复杂的特点，如何平衡原料储运成本与能量传输损耗是生物质多区域规划的重要问题。因此，该文提出一种考虑生物质储运模式的多区域综合能源系统协同规划方法。首先，对比分析生物质传统储运和“点-中-心”储运两种模式，并建立秸秆储运成本模型；然后，考虑不同园区负荷需求、资源约束以及生物质机组容量成本阶梯型关系，以区域综合能源系统群整体经济性最优为目标，优化秸秆运输路径与设备管道配置；最后，以吉林省某典型综合区域为例，验证了基于“点-中-心”储运模式协调优化原料运输与区域能源互联协同能够降低系统规划成本。
关键词：多区域综合能源系统 协同规划 生物质储运模式 生物质联供机组
近年来，我国能源供给形式逐渐由单一系统演变为多区域综合能源系统（Integrated Energy System, IES），其在满足各区域能量需求的同时提高了整体的经济性、环保性和可靠性[1-2]。而且在2020年我国提出“双碳”目标，加速能源绿色转型，形成以可再生能源为主的能源结构是一种必然趋势[3]。针对我国东北地区，利用生物质机组将秸秆原料转换为电热能源，既发挥了当地生物质丰富的资源优势，又可以作为供能系统的主要组成部分，因此在东北地区设计规划以生物质联供机组（Biomass Power Generation, BPG）为核心的多区域综合能源系统是能源领域发展的热点之一。
目前考虑生物质能的多区域综合能源系统协同规划研究相对较少，文献[4]研究一种考虑生物质余热回收的混合供能模式，提高生物质燃料利用效率；文献[5]利用生物质能耦合风能，提出一种考虑生物质发电的新型综合能源系统；文献[6-7]建立了考虑生物质能与风光储能等联合互补供能的优化配置模型，有效提高系统经济可靠运行；文献[8-9]考虑热网传输能量损耗与延迟效应建立供热系统模型，研究区域综合能源系统电热联合规划运行方法；文献[10]同时考虑经济性和可靠性，建立区域IES规划运行一体化多目标优化模型。上述研究将生物质机组应用于系统规划运行中，但普遍认为生物质原料具有与传统化石燃料相同的供应特性，并未考虑秸秆原料分散和储运模式复杂的特点。与目前市场机制成熟的化石原料相比，生物质秸秆的储运模型仍处于发展阶段。
生物质能作为一种可储存运输的新型清洁能源，当前主要有两种储运模式。传统集中式储运模式原理简单，但占地面积大、具有严重的火灾隐患。文献[11-12]考虑生物质可用性，按照实际收储运环节建立了生物质收集成本模型；文献[13]提出一种基于生物质成本模型确定最佳收集半径的方法。上述研究均采用传统模式，根据秸秆需求量估算收集范围，忽略了收集半径的合理性，因此随着收集规模增大，分布式储运模式被相应提出。文献[14]提出一种以产消者空间布局和动态能源需求为基础的分布式供能方式，该模式符合生物质供能特点；文献[15]考虑影响秸秆供应链物流成本的关键因素优化分析运输存储成本；文献[16]综合考虑生物质运输成本与污染物排放，提出一种高效经济的秸秆供应方式。上述研究都是将区域内所有生物质资源收集于系统中心，没有考虑实际中如何在多个生物质能源系统间实现资源协调优化分配的问题。
同时，多区域系统中生物质能通常有两种能源供应形式：①通过车辆运载直接将秸秆原料运输至各园区；②在区域中心利用生物质机组将秸秆原料转换为电热能源传输到各园区。但上述两种供能形式都需要将区域内生物质资源统一收集，其作为开展生物质能源系统规划的基础，而且在能源传输方式中还伴随着较高的能源损耗，如何平衡区域内秸秆储运成本与园区间能量传输成本是需要解决的重要实际应用问题。
针对上述问题，本文提出考虑生物质储运模式的多区域综合能源系统协同规划方法，首先，针对生物运输问题，建立精细化的生物质储运成本模型；然后，协同优化秸秆储运成本与能量传输损耗，实现多区域IES设备管道配置、系统整体经济运行；最后，经过基于吉林地区实际数据验证了生物质“点-中-心”储运模式运输原料的多区域IES协同规划方案具备更高的经济性。
针对我国东北地区资源禀赋和用能需求，可考虑建设以生物质机组为核心的多区域综合能源系统，充分利用各园区用能差异使有限秸秆资源实现效益最大化[17]。由于生物质收集区域近似为圆形，而且实际园区开发一般呈圆形向外扩建，所以本文将多区域IES近似为圆形区域。用生物质热电联供（Combined Heat and Power, CHP）机组代替传统供能设备，并与其他设备进行能量耦合，同时园区间建设热网（Heating Network, HN）实现热能交互，其简化的基本结构如图1所示。
该结构主要由秸秆储运系统、各园区CHP系统和区域间能量交互系统构成。
（1）秸秆储运系统：整个多区域系统采用统一的秸秆储运模式，各园区根据自身负荷需求可以跨区域收购运输生物质资源。
（2）各园区CHP系统：各园区根据自身用能特性和建设条件，合理配置各类机组设备满足自身负荷需求。
图1 考虑能源交互的多区域互联系统结构
Fig.1 Multi- regional interconnected system structure considering energy interaction
（3）区域间能量交互系统：各园区CHP系统之间通过投建热网进行热能交互，没有直接的电能交互，电能采用并网不上网方式与电网交互。
其中，以生物质机组为核心的各园区IES基本结构如图2所示。基于当地资源优势，考虑以生物质联供机组作为各园区主要供能设备，风光机组作为辅助供能设备。同时各园区按需配置电锅炉、蓄电储热等设备实现能源转换与存储，促进可再生能源消纳，解耦热电联系[18]，提高生物质机组运行灵活性。由于本文所考虑的负荷需求种类、拟配置机组类型的常规性，生物质原料分布的广泛性，本文所建立的生物质供能系统结构具有一定的通用性。
图2 以生物质机组为核心的单园区IES结构
Fig.2 The IES structure with biomass unit as the core
目前秸秆原料储运成本居高不下制约了生物质能源系统的发展，根据相关调研，秸秆储运成本可达总收集成本的35%～70%[19]，因此采用科学合理的生物质储运模式，优化系统供能方式尤为重要。本节基于两种生物质储运模式提出相应的供能形式，针对分布式储运模式考虑秸秆在各园区优化分配运输建立一种秸秆储运成本计算模型。
2.1.1 基于传统储运模式传输能量供能
生物质电厂的秸秆原料一般来自附近的农田，传统生物质储运模式是将区域内所有生物质资源直接收集至系统中心。而对于多区域系统存在多个秸秆利用中心，采用该储运模式导致秸秆还需再分配运输到各园区，增加了运输成本。因此，基于生物质传统储运模式可以在区域中心投建生物质电厂，通过电网、热网向各园区传输能量，该供能方式如图3所示。
图3 基于传统储运模式传输能量供能
Fig.3 Energy transmission based on traditional storage and transportation mode
为了准确计算半径为R秸秆分布密度为ρ的区域系统内所有秸秆的运输成本，利用黎曼积分定义法，在收集区域内任取一个面积微元如图3所示，该面积内的秸秆可收购量为
，因此，整个区域系统的秸秆运输成本CT为
（1）
式中，b 为距离曲折因子；
为运输单价；r为收集点与区域中心的距离。
基于生物质传统储运模式传输能量供能方案节省了原料二次运输成本，但需要远距离传输大量电能、热能，电能传输损耗较少，而热能传输损耗相对较大，降低了能源利用效率，增加了管道投资成本。因此针对以生物质能为核心的多区域系统，需构建一种经济合理的供能模式。
2.1.2 基于“点-中-心”储运模式运输原料供能
生物质资源在区域系统内广泛分布，因此可以在各园区分别配置生物质机组，根据负荷需求将秸秆原料就近分配运输至各园区。这种供能模式就地产能就地利用，原料运输损耗较小，能源利用效率较高，同时为进一步提高系统经济性，优化秸秆运输方式，采用新型的分布式“点-中-心”储运模式。
“点-中-心”储运模式是在秸秆收集区域内建立若干暂储站，每个暂储站负责收集自身小半径圆形范围和邻近未覆盖区域内的生物质资源，集中压缩后根据各园区需求优化分配。基于“点-中-心”储运模式运输原料的供能方式如图4所示。
图4 基于“点-中-心”储运模式运输原料供能
Fig.4 Transportation of raw materials for energy supply based on the "point-center-center" storage and transportation mode
生物质“点-中-心”储运模型将半径为R的大区域秸秆利用系统划分为多圈大小相等的暂储站，每个暂储站半径为R1，三者之间的关系为
（2）
式中，Nq为暂储站的总圈数。
根据每圈暂储站圆心所在圆环的周长和暂储站直径可确定第x圈暂储站的数量为
（3）
式中，nx为第x圈暂储站的数量，为正整数；round为四舍五入函数。
所以，区域内秸秆暂储站总数Nzc等于每圈暂储站个数与中心暂储站的总数和，即
（4）
通过利用生物质“点-中-心”储运模式可将秸秆从农田到生物质电厂的运输过程大致划分为两部分：①农田至暂储站：这一环节的特点是运输距离短、重量小、路况复杂，将田间秸秆原料运输到暂储站中心；②暂储站至生物质电厂：这一环节运输距离较长，运输费用在总运输成本中占比较大。
（1）农田至暂储站
这一环节是将辐射半径为R1的圆形田间及邻近未覆盖区域内的生物质运输到暂储站中心。由于一定区域内秸秆量等于其收集面积与秸秆分布密度的乘积，所以单个圆形区域内秸秆量
和第x圈暂储站未覆盖区域内秸秆量Mx分别为
（5）
（6）
因而暂储站z的秸秆量Mz为
（7）
区域内第一阶段运输成本C2-1为所有暂储站从农田收集秸秆的运输费用之和，其包括圆形区域运输成本（实质为传统收集方式）和邻近未覆盖区域运输成本。
式中，
、
分别为秸秆从农田到暂储站的运输单价和距离曲折因子。
（2）暂储站至各园区
在多区域规划系统中，需综合考虑各园区负荷需求差异，对区域内暂储站秸秆进行优化分配运输。这一阶段实质为点对点运输，每个暂储站只能将自身秸秆供应给一个园区，设置其为暂储站运输状态
，从而确定了各暂储站的运输距离lz,i。
区域内第二阶段运输成本C2-2为所有暂储站秸秆分配运输到特定园区的运输费用之和，即
（9）
式中，i为园区编号；NIES为区域内园区数量；代表暂储站z与园区i间的运输状态，为0-1整数变量，1表示暂储站z向园区i供应秸秆，0表示不供应；
、
分别为第二阶段的秸秆运输单价和距离曲折因子；cy为压缩系数，据估计压紧处理可使秸秆密度提高3～8倍。
（3）暂储站投资与压缩费用
秸秆具有松散性、易压结等特点，一般在暂储站会进行压实预处理，增大秸秆密度，降低运输成本。秸秆压缩成本C2-3可以表示为单位秸秆压实费用py与压缩秸秆量的乘积，即
（10）
同时，区域内投建暂储站会产生一定的投资成本，包括与暂储站个数相关的固定成本和与面积相关的可变成本两部分，所以暂储站投资成本C2-4为
（11）
式中，
、
分别为单个暂储站固定成本和单位面积成本。
综上分析，生物质“点-中-心”储运模型的总运输成本
为
（12）
基于生物质“点-中-心”储运模式运输原料供能方案可以根据就近原则和各园区需求优化分配运输暂储站秸秆，减小运输距离、降低运输成本，但增加了秸秆压缩处理费用和暂储站投资成本。经上述分析，随着暂储站个数增加，降低了第一阶段运输成本，但提高了暂储站至园区的运输费用，也增加了暂储站建设成本。根据模型预测和合理估值，本文所规划区域宜投建三圈暂储站。
考虑到生物质储运成本的影响因素多而复杂，为便于分析，本文的秸秆储运成本模型基于以下假设：①所有暂储站大小相等；②规划区域内秸秆广泛均匀分布；③采用统一的收购价格[19-20]。秸秆储运成本CSC主要包括收购成本C1、运输成本C2和其他成本C3三部分。因此，生物质原料储运成本模型可以表示为
（13）
2.2.1 生物质收购成本
生物质收购成本与其收购价格和收购量成正比，收购价格受当地市场调节作用。多区域系统生物质总收购成本C1等于区域内全部暂储站收购成本之和，即
（14）
式中，
为区域内秸秆收购价格。
2.2.2 生物质其他成本
生物质储运成本除了收购和运输成本，还涉及装卸费用、储存费用、劳动力费用等，这些成本实质上是关于秸秆收购量的线性函数，同时秸秆总储运成本也与收购量成正比，所以其他成本C3与储运成本为固定比例关系，其值为a=0.15。
（15）
2.2.3 生物质储运模型约束条件
为保证生物质“点-中-心”储运模式中秸秆运输体系简单有序，规定单个暂储站的秸秆量只能供应给一个园区；同时园区i的生物质收购量等于为其供应的暂储站秸秆量之和。具体约束为
（16）
（17）
式中，Mi为园区i的秸秆收购量。
本文研究考虑生物质储运模式的多区域协同规划方法，首先，针对多园区机组选型考虑容量与成本之间阶梯型关系，并建立计及能量损耗的园区间互联热网模型；然后，以系统整体经济性为目标建立多区域协同规划模型；最后，在单层运行模型基础上增设规划层决策变量和约束条件，实现机组热网配置选型和优化运行一体化求解。
与常规联供机组相比，生物质机组的规划配置更具复杂性，其不仅要考虑秸秆原料供应，而且受机组容量大小与单位投资成本之间非线性关系的影响。大体趋势为随着机组容量增大，单位投资费用降低，一定范围内机组容量越大越经济。但目前生物质利用技术不够成熟，机组容量相对较小，国内最大的生物质发电机组单机容量达50MW，受生物质原料和成本限制一般机组容量不超过30MW[21]。
传统研究中通常将机组单位投资成本视为常数，不考虑机组容量大小对其影响，而实际中生物质机组不同容量等级的成本系数不同，容量与投资成本之间大致为阶梯型非线性关系，如图5所示。生物质机组单位投资成本随容量增大而呈阶梯型下降层级关系。当机组容量较小时初始成本较高，随着机组逐渐大容量化，每千瓦装机容量的投资成本有所降低。
图5 生物质机组的容量与单位投资成本关系
Fig.5 The relationship between the capacity of the biomass unit and the unit investment cost
按照生物质机组容量与成本的一般性原则，若采用配置一台生物质机组能量传输形式供能，虽然单位投资成本小，但规划容量较大，增加了秸秆原料储运费用和传输能量成本。若采用运输原料供能方式，需综合考虑不同园区负荷需求及生物质机组投资成本，在各园区配置相应容量机组建立以生物质机组为核心的供能系统，提高能源利用率，满足多样化负荷需求。
建立精确的互联系统模型是实现多区域协同规划的基础，本文以热网联结各园区CHP系统，参考文献[22-23]中热力潮流模型，根据水流温度与热能流功率的转换关系建立考虑热能损耗的互联热网传输模型。
热力管道中一般以水作为传热介质，由传统热力潮流模型可得，考虑热能损耗的管道p中水流温度变化可以表示为
（18）
式中，
、
、
分别为管道p在t时刻流入、流出的水流温度和外部土壤温度；
为d型管道的保温性能参数；Lp为管道p的长度；cshc为传输介质比热容；mp(t)为管道p的流量。
根据热能与温度的关系，t时刻热力管道p中热能流功率Qp(t)为
（19）
假设不同型号热网管道均在其推荐流量
下运行时，结合式（18）和式（19）可得考虑能量传输损耗的热网模型为
（20）
式中，
、
分别为t时刻管道p流入、流出的热能流功率。
3.3.1 目标函数
本文所研究的多区域协同规划模型主要考虑系统整体经济性，以全生命周期内等值年总成本最小为目标，包括年投资成本和年运行成本两部分。其中涉及的备选设备有生物质联供机组、蓄热电锅炉（Regenerative Electric Boiler, REB）、蓄电池（Electricity Storage, ES）、风电机组（Wind Turbine, WT）、光伏机组（Photovoltaic, PV）。
（21）
式中，fobj为本文所研究多区域协同规划问题的目标函数；Cinv、Crun分别为年投资成本和年运行成本。
1）年投资成本
年投资成本包含各园区所有机组设备的年等额投资成本
和区域间互联管道投资成本
。
（22）
（1）设备年等额投资成本包括生物质联供机组等设备的年投资成本，即
（23）
（24）
（25）
式中，
为s型设备k的年投资成本，设备k包括生物质机组、蓄热电锅炉、蓄电池、风光机组；W为成本年折算系数；w为折现率；n为全生命周期；
为设备k可选型号集合；
、
为园区i中s型设备k的安装状态变量（0-1变量）和安装容量；
为s型设备k的单位容量投资成本。
（2）热网投资成本由固定成本和可变成本两部分组成，前者指挖掘铺设费用，与管道容量无关，后者与管道容量相关。
（26）
式中，Nnet为待规划热网管道数；
为热网管道可选型号集合；
、
为d型管道p的选型系数（0-1变量）和安装容量；
、
为d型管道p的单位长度固定成本和单位容量成本。
2）年运行成本
年运行成本包括设备、管道年运行维护成本
、
，年购电成本Cgrid和秸秆年储运成本CSC，即
（27）
为了减少数据简化计算，本文根据研究地区一年气温变化及负荷需求特征选取夏季、过渡季、冬季三种典型日数据为代表进行求解，各成本计算方法为
（28）
（29）
（30）
式中，Dm为第m种典型日的天数；
为园区i的机组数量；
为t时刻s型设备k的输出功率；
为d型管道p的输出功率；
、
分别为设备k、管道p的单位容量运行维护费用；fgrid(t)、Pi,grid(t)分别为t时刻电网电价和园区i的购电量。
3.3.2 约束条件
多区域协同规划模型中约束条件主要包括能量平衡约束、热网选型传输约束和设备运行约束等。
1）电热功率平衡约束
（31）
式中，
、
分别为t时刻园区i中s型生物质机组的发电功率、供热功率；Pi,REB(t)为蓄热电锅炉的耗电功率；Pi,ES_C(t)、Pi,ES_D(t)分别为蓄电池的充、放电功率；Qi,REB_h(t)为蓄热电锅炉的直接供热功率；Qi,HS_C(t)、Qi,HS_D(t)分别为蓄热装置的蓄热、放热功率；Qi,ex(t)为热网交互功率；Pi,load(t)、Qi,load(t)为t时刻园区i中电热负荷需求。
2）管道选型约束
（32）
式（32）表示每条管道最多投建一种型号管道。
3）热能传输约束
（33）
式中，
、
分别为管道p从园区i至j和园区j至i的热能传输功率；
、
为管道传输状态变量（0-1变量），表示两个园区不能同时给对方传输热量，而且传输功率不能超过管道安装容量。
4）设备运行约束
与式（32）和式（33）所示区域间互联热网功率传输与选型约束类似，园区i中各类设备只能选择一种型号，各机组都应运行在其额定范围内。
不同于传统将规划与运行分两阶段求解的思路，本文的多区域协同规划模型将规划与运行融为一层，建立典型的混合整数线性规划模型，调用成熟的商用求解器Cplex12.8进行联合求解，求解流程见附图1。
本文以吉林省某典型综合区域为研究对象进行仿真分析，该地区按照功能性质可分为工业区、居民区和商业区，如图1所示。根据不同区域地理环境和资源条件，各园区供能设备容量规划上限有所差异，尤其是风光等可再生能源差异明显：各园区都规划一定容量的光伏机组而居民区商业区没有风电机组安装条件。此外，工业区和商业区采用分时电价，具体数据见附表1；居民区采用单一电价，全天均为0.53元/(kW·h)。
同时，为了减少变量简化计算，依据研究地区一年气温、光照、风况等具有明显季节特点，结合实际历史负荷数据取三种典型日进行研究：冬季典型日为供暖期共计169天，夏季典型日为6月～8月共92天，过渡季典型日为其余时段共104天。各典型日的园区电热负荷需求和风光出力如附图2～附图4所示。设定区域规划年限取20年，折现率为6.7%。区域内拟规划的各类机组和热网管道参数信息见附表2、附表3，综合区域相关信息见附表4。
为验证基于秸秆“点-中-心”储运模式运输原料供能的多区域系统协同规划方法的优越性，设置4种规划方案。方案1：基于传统生物质储运模式，配置1台生物质机组通过能量传输供能；方案2：基于传统生物质储运模式运输原料，各园区均配置生物质机组协同运行；方案3：基于生物质“点-中-心”储运模式运输原料，各园区CHP系统独立运行；方案4：基于生物质“点-中-心”储运模式运输原料，建设互联热网多区域系统协同规划运行。
1）生物质资源优化利用分析
针对上述4种方案，区域内生物质资源消耗情况见表1。
表1 生物质消耗情况对比
Tab.1 Comparison of biomass consumption
参数方案1方案2方案3方案4 工业区秸秆消耗量/万t23.3(区域总量)(区域总量)13.914.113.4 居民区秸秆消耗量/万t7.18.06.8 商业区秸秆消耗量/万t2.21.23.0 秸秆储运成本/万元8 2059 4897 8627 819 秸秆运输成本/万元16272 7181 3341 297
（1）从成本来看，方案1采用传统收集模式将秸秆运输到区域中心，集中发电产热后向各园区供能；方案2秸秆集中收集后还需根据各园区需求二次运输，增加了运输成本；方案4采用“点-中-心”储运模式，在初始规划阶段考虑暂储站与各园区距离，近似采用就近原则直接运输至所需园区，减小运输距离，运输成本降低了25.4%。
（2）从各园区秸秆消耗量来看，方案4考虑投建热网可与其他园区进行热能交互，在采用“点-中-心”储运模式下为降低成本就近运输，因此商业区秸秆消耗量略有增加，工业区居民区有所减小。
方案4中暂储站在园区间的运输状态如图6所示。本文所规划区域采用“点-中-心”储运模式共设置38个暂储站，其中居民区和商业区所需秸秆燃料由其邻近的11个、5个暂储站供应，其余运输至工业区。综合考虑能量传输与秸秆储运成本，实现生物质资源优化利用，使区域整体秸秆收储运成本减少了386万元。
图6 方案4各暂储站运输状态
Fig.6 Scheme 4 transportation status of each temporary storage station
2）设备配置和成本分析
不同方案下设备管道配置结果见表2。
（1）方案1中区域内所有秸秆原料供应给1台生物质机组，通过建设热网在峰平时电价阶段向工商业区供能，因此配置的生物质机组和OA、OC管道容量较大。
表2 不同方案多区域系统规划结果
Tab.2 Results of multi-regional system planning for different schemes
方案园区BPG/MWREB/MWHS/(MW·h)ES/(MW·h)PV/MWWT/MW热网HN/MW 1A工业区20.0(Ⅳ)(区域中心)41.730.030.02010OA管道20.0(Ⅲ) B居民区15.80010—OB管道4.6(Ⅱ) C商业区3.711.430.05—OC管道11.4(Ⅲ) 2A工业区13.3(Ⅲ)39.522.130.02010AB管道6.7(Ⅱ) B居民区6.1(Ⅲ)15.60010—BC管道10.0(Ⅲ) C商业区2.0(Ⅱ)8.211.430.05—AC管道— 3A工业区14.0(Ⅲ)40.624.230.02010AB管道— B居民区6.5(Ⅲ)7.75.3010—BC管道— C商业区2.0(Ⅱ)11.512.030.05—AC管道— 4A工业区13.3(Ⅲ)39.120.930.02010AB管道6.3(Ⅲ) B居民区5.3(Ⅱ)18.60010—BC管道10.0(Ⅲ) C商业区2.0(Ⅱ)7.45.330.05—AC管道3.0(Ⅱ)
（2）方案2和方案4基于秸秆储运模式不同，方案2中各园区秸秆消耗量更接近实际需求，热网传输能量较少，所以居民区选用效率较低的Ⅲ号机组，且不规划AC热力管道。
（3）方案4与方案3相比，考虑建设互联热网，在峰时电价时段利用居民区较低电价转换为热能向工商业区供应，因此方案4中居民区蓄热电锅炉容量较大，选用效率较高的Ⅱ号生物质机组与热网进行更多能量交互，以减少系统总购电成本。
四种方案的成本对比见表3。方案1仅配置1台生物质机组，投资成本较低，但投建大规模热网运行费用较高，而且受管道能量传输限制增加了购电成本。与方案2、方案4相比可得，若利用传统储运模式则通过热网向各园区供能总成本较低，若采用“点-中-心”储运模式优化运输秸秆原料，则应在各园区分别配置生物质机组，提高能源利用效率，使总成本降低了3.9%，经济性更优。此外，对比方案3、方案4可知，配置互联热网可以利用居民区较低电价为其他园区供能，减少设备投资冗余，节省购电成本143万元。
表3 不同方案成本对比
Tab.3 Cost comparison of different schemes（单位：万元）
成本方案1方案2方案3方案4 总成本33 44833 83732 85732 181 投资成本4 9325 2505 2515 248 运行成本3 0972 7602 6322 775 购电成本17 21416 33717 11316 339 秸秆储运成本8 2059 4897 8627 819
3）各园区系统运行情况分析
基于园区设备和互联管道规划结果，实现多区域IES整体优化运行。根据研究地区负荷特性，冬季热需求相比其他季节差异明显，因此以冬季典型日为例分析方案4中多区域系统协同运行情况。
多区域IES冬季典型日电负荷平衡状态如图7所示。工商业区采用分时电价机制，峰平时电价阶段主要由生物质机组供能减少购电；谷时电价时段增加购电利用电锅炉实现电热转换，同时蓄电池蓄电为后期备用。商业区各类机组配置容量小，峰时电价阶段仍需电网购电，蓄电池一天内会进行两次完全充放电过程。居民区采用单一电价不配置储能装置，生物质机组全天运行，在8:00～21:00由于自身电价较低，因此该时段大量购电转换为热能传输至其他园区，降低系统运行成本。
图7 多区域IES冬季电负荷平衡状态
Fig.7 Multi-regional IES electric load balance in winter
图8为多区域IES冬季热负荷平衡状态，工业区凌晨电价较低，蓄热电锅炉半蓄热模式运行，满足自身热需求的同时存储部分能量；在电价峰平时阶段生物质机组大量供热，缺额部分由电锅炉补充。在8:00～21:00时段居民区电价较低，利用电锅炉向热网注入热功率，减少其他园区的供热成本；其余时段正好相反。商业区在0:00～7:00没有热负荷，为充分利用分时电价优势蓄热电锅炉运行，产生的热能一部分通过热网为居民区供热，少部分自身存储为峰时电价阶段利用；白天热需求较大、电价较高时从热网吸收能量。
图8 多区域IES冬季热负荷平衡状态
Fig.8 Multi-regional IES thermal load balance in winter
综上所述，在考虑生物质能的多区域系统规划研究中，选择合理的生物质储运模式确定能源输送方式极为重要。基于生物质“点-中-心”储运模式运输原料的多区域协同规划方案能够优化分配秸秆资源，节省原料运输成本，减小设备容量浪费，整体经济性更优。虽然与生物质相关的分布变量、价格变量会因研究地区不同有所差异，但变量本身具有可调性，对本文建立的协同规划模型和求解算法没有影响，因此上述结论具有普遍意义。
本文基于生物质传统储运模式和“点-中-心”储运模式实现原料运输与能量传输的平衡供能，建立了精细化的秸秆储运成本模型，提出以生物质机组为核心的多区域协同规划方法。并以吉林省某综合区域为例，得到生物质多区域系统协同优化秸秆原料储运成本与能量传输损耗可以节约25.4%的燃料运输成本，使系统规划总成本降低了3.9%，实现更高的整体效益。虽然不同地区生物质能分布不同，但从生物质供能系统结构、储运成本参数、协同规划模型来看，本文所提方法和上述结论具有通用性。
在后续研究中，由于近年来东北地区风电光伏等可再生能源的装机容量持续增加，其较大的随机性、波动性对综合能源系统规划产生一定影响，未来将进一步研究考虑风、光等可再生能源随机性的多区域系统规划方法。
附图1 模型求解流程
App.Fig.1 Model solving process
附图2 多区域IES各典型日负荷
App.Fig.2 Each typical daily load of the multi-regional IES
附图3 规划地区各典型日光伏出力
App.Fig.3 Each typical daily photovoltaic output in the planned area
附图4 规划地区风电场典型日出力
App.Fig.4 Each typical daily wind power output in the planned area
附表1 园区分时电价
App.Tab.1 TOU electricity prices in the park
时段类型时段电价/[元/(kW·h)] 谷时阶段0:00～07:0021:00～24:000.291 平时阶段7:00～08:0012:00～17:000.633 峰时阶段8:00～12:0017:00～21:001.055
附表2 生物质机组可选型号参数
App.Tab.2 Optional model parameters of biomass unit
设备类型Ⅰ型Ⅱ型Ⅲ型Ⅳ型 初始成本/(元/kW)12 60011 3509 5008 500 运维成本/[元/(kW∙h)]0.0440.0460.0470.050 发电效率0.350.330.310.29 产热效率0.500.500.480.45
附表3 热力管道可选型号参数
App.Tab.3 Optional model parameters for heating pipes
管道类型Ⅰ型Ⅱ型Ⅲ型 固定投资成本/(元/m)200280500 可变投资成本/[元/(km∙kW)]132546 运维成本/[元/(kW∙h)]0.030.030.03 额定流量/(kg/s)30.7450.2680.42
附表4 园区各设备成本参数
App.Tab.4 Cost parameters of equipment in the park
设备名称初始成本/(元/kW)运维成本/[元/(kW∙h)] 蓄热电锅炉1 2400.03 储能电池7800.013 光伏机组4 2000.039 风电机组7 5000.023
附表5 综合区域相关信息
App.Tab.5 Comprehensive area related information
参数数值 冬季典型日天数169 夏季典型日天数92 过渡季典型日天数104 OA热力管道长度/km7.1 OB热力管道长度/km4.3 OC热力管道长度/km7.1 AB热力管道长度/km10.5 BC热力管道长度/km8.9 AC热力管道长度/km12.0 秸秆收购价格/(元/t)230 农田-暂储站秸秆运输价格/[元/(t∙km)]7 暂储站-园区秸秆运输价格/[元/(t∙km)]5 农田-暂储站距离曲折因子1.5 暂储站-园区距离曲折因子2.0 压缩系数3 压缩成本/(元/t)26
参考文献
[1] 刁涵彬, 李培强, 吕小秀, 等. 考虑多元储能差异性的区域综合能源系统储能协同优化配置[J]. 电工技术学报, 2021, 36(1): 151-165.
Diao Hanbin, Li Peiqiang, Lü Xiaoxiu, et al. Coordinated optimal allocation of energy storage in regional integrated energy system considering the diversity of multi-energy storage[J]. Transactions of China Electrotechnical Society, 2021, 36(1): 151-165.
[2] Cheng Yaohua, Zhang Ning, Lu Zongxiang, et al. Planning multiple energy systems toward low-carbon society: a decentralized approach[J]. IEEE Transactions on Smart Grid, 2019, 10(5): 4859-4869.
[3] 李晖, 刘栋, 姚丹阳. 面向碳达峰碳中和目标的我国电力系统发展研判[J]. 中国电机工程学报, 2021, 41(18): 6245-6259.
Li Hui, Liu Dong, Yao Danyang. Analysis and reflection on the development of power system towards the goal of carbon emission peak and carbon neutrality[J]. Proceedings of the CSEE, 2021, 41(18): 6245-6259.
[4] 许健, 施锦月, 张建华, 等. 基于生物质热电混合供能的城镇综合能源双层优化[J]. 电力系统自动化, 2018, 42(14): 23-31.
Xu Jian, Shi Jinyue, Zhang Jianhua, et al. Bi-level optimization of urban integrated energy system based on biomass combined heat and power supply[J]. Automation of Electric Power Systems, 2018, 42(14): 23-31.
[5] Bamisile O, Huang Qi, Dagbasi M, et al. Steady-state and process modeling of a novel wind-biomass comprehensive energy system: an energy conservation, exergy and performance analysis[J]. Energy Conversion and Management, 2020, 220(6): 113139.
[6] 许伟, 肖湘宁. 基于模式转换的独立微电网实时运行控制[J]. 电工技术学报, 2019, 34(增刊1): 282-291.
Xu Wei, Xiao Xiangning. Real-time operational control of stand-alone microgrid based on mode switch[J]. Transactions of China Electrotechnical Society, 2019, 34(S1): 282-291.
[7] 郭威, 杨鹏, 孙胜博, 等. 计及生物质能的热电联供系统经济运行优化策略[J]. 电力系统保护与控制, 2021, 49(11): 88-96.
Guo Wei, Yang Peng, Sun Shengbo, et al. Optimization strategy of a rural combined heat and power system considering biomass energy[J]. Power System Protection and Control, 2021, 49(11): 88-96.
[8] 张义志, 王小君, 和敬涵, 等. 考虑供热系统建模的综合能源系统最优能流计算方法[J]. 电工技术学报, 2019, 34(3): 562-570.
Zhang Yizhi, Wang Xiaojun, He Jinghan, et al. Optimal energy flow calculation method of integrated energy system considering thermal system modeling[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 562-570.
[9] Wu Chenyu, Gu Wei, Jiang Ping, et al. Combined economic dispatch considering the time-delay of district heating network and multi-regional indoor temperature control[J]. IEEE Transactions on Sustainable Energy, 2018, 9(1): 118-127.
[10] 边晓燕, 史越奇, 裴传逊, 等. 计及经济性和可靠性因素的区域综合能源系统双层协同优化配置[J]. 电工技术学报, 2021, 36(21): 4529-4543.
Bian Xiaoyan, Shi Yueqi, Pei Chuanxun, et al. Bi-level collaborative configuration optimization of integrated community energy system consideringeconomy and reliability[J]. Transactions of China Electrotechnical Society, 2021, 36(21): 4529-4543.
[11] 翟明岭, 张旭, 程飞, 等. 生物质发电中农户秸秆供应成本敏感性分析[J]. 动力工程学报, 2016, 36(7): 569-574, 588.
Zhai Mingling, Zhang Xu, Cheng Fei, et al. Sensitivity analysis on supply cost of farmer straw for power generation[J]. Journal of Chinese Society of Power Engineering, 2016, 36(7): 569-574, 588.
[12] Yang Hanyu, Li Canbing, Shahidehpour M, et al. Multistage expansion planning of integrated biogas and electric power delivery system considering the regional availability of biomass[J]. IEEE Transactions on Sustainable Energy, 2021, 12(2): 920-930.
[13] 李鹏超, 单明, 杨旭东. 农村生物质成型燃料加工厂最佳收集半径计算模型[J]. 区域供热, 2019, 4(6): 115-120, 129.
Li Pengchao, Shan Ming, Yang Xudong. Calculation model of optimum collection radius for rural biomass fuel processing plant[J]. District Heating, 2019, 4(6): 115-120, 129.
[14] 任洪波, 邓冬冬, 吴琼, 等. 基于热电共融的区域分布式能源互联网协同优化研究[J]. 中国电机工程学报, 2018, 38(14): 4023-4034, 4308.
Ren Hongbo, Deng Dongdong, Wu Qiong, et al. Collaborative optimization of distributed energy network based on electricity and heat interchanges[J]. Proceedings of the CSEE, 2018, 38(14): 4023-4034, 4308.
[15] 李昂. 生物质原料供应链物流系统的成本优化模型研究[D]. 北京: 华北电力大学, 2017.
[16] Zhao Xingang, Li Ang. A multi-objective sustainable location model for biomass power plants: case of China[J]. Energy, 2016, 112: 1184-1193.
[17] 姚志力, 王志新. 考虑负荷特性的区域冷热电联供系统站网协同优化设计方法[J]. 电工技术学报, 2021, 36(22): 4760-4772.
Yao Zhili, Wang Zhixin. Station and network coordinated design method of regional combined cooling heating and power system considering load characteristic[J]. Transactions of China Electrotechnical Society, 2021, 36(22): 4760-4772.
[18] 刁涵彬, 李培强, 王继飞, 等. 考虑电/热储能互补协调的综合能源系统优化调度[J]. 电工技术学报, 2020, 35(21): 4532-4543.
Diao Hanbin, Li Peiqiang, Wang Jifei, et al. Optimal dispatch of integrated energy system considering complementary coordination of electric/thermal energy storage[J]. Transactions of China Electrotechnical Society, 2020, 35(21): 4532-4543.
[19] 高建伟, 张昊渤, 纵翔宇. 生物质电厂秸秆收购优化方案及其成本估算模型[J]. 可再生能源, 2017, 35(1): 141-147.
Gao Jianwei, Zhang Haobo, Zong Xiangyu. Optimization of straw purchase scheme and cost estimation on biomass power generation[J]. Renewable Energy Resources, 2017, 35(1): 141-147.
[20] 张淑妹. 生物质发电燃料收储站选址研究[D]. 北京: 华北电力大学, 2018.
[21] 卓振宇, 张宁, 谢小荣, 等. 高比例可再生能源电力系统关键技术及发展挑战[J]. 电力系统自动化, 2021, 45(9): 171-191.
Zhuo Zhenyu, Zhang Ning, Xie Xiaorong, et al. Key technologies and developing challenges of power system with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2021, 45(9): 171-191.
[22] 刘洪, 赵晨晓, 葛少云, 等. 基于精细化热网模型的电热综合能源系统时序潮流计算[J]. 电力系统自动化, 2021, 45(4): 63-72.
Liu Hong, Zhao Chenxiao, Ge Shaoyun, et al. Sequential power flow calculation of power-heat integrated energy system based on refined heat network model[J]. Automation of Electric Power Systems, 2021, 45(4): 63-72.
[23] 孙鹏, 滕云, 冷欧阳, 等. 考虑供热系统多重热惯性的电热联合系统协调优化[J]. 中国电机工程学报, 2020, 40(19): 6059-6071.
Sun Peng, Teng Yun, Leng Ouyang, et al. Coordinated optimization of combined heat and power systems considering multiple thermal inertia of heating system[J]. Proceedings of the CSEE, 2020, 40(19): 6059-6071.
Abstract With the implementation of China's “dual carbon” policy, building an integrated energy system dominated by renewable energy is the direction of future energy system. Biomass energy has attracted widespread attention due to its advantages of environmental protection, renewability, wide distribution and other advantages. Compared with fossil fuels, biomass has the characteristics of scattered raw materials and complex storage and transportation mode. How to balance raw material storage and transportation costs and energy transmission losses is an important issue for biomass multi-regional planning. Therefore, this paper proposed a collaborative planning method for a multi-regional integrated energy system that considered the biomass storage and transportation mode, and taken a typical comprehensive area in Jilin Province as an example, it is verified that the proposed planning method can significantly reduce the system planning cost.
Firstly, in view of the resource endowment and energy demand of northeast China, a multi-regional interconnection system structure is constructed, which consists of straw storage and transportation system, CHP system of each park and inter-regional energy interaction system. Secondly, considering the disadvantages of the transmission energy supply scheme based on traditional storage and transportation mode in the multi-regional system, a transportation raw material energy supply mode based on biomass "point-middle-center" storage and transportation mode is constructed. And a refined cost model of biomass storage and transportation is established. Finally, fuel transportation and energy transmission are compared based on different biomass storage and transportation modes, a multi-regional cooperative planning model is established with the aim of regional overall economy. This planning method can realize a balanced energy supply between fuel transportation and energy transmission, so as to make reasonable allocation and efficient utilization of straw in the region, and improve the overall economy of the system.
Based on the actual data of a typical comprehensive region in Jilin Province, the simulation results show that the "point-middle-center" storage and transportation mode is adopted in the multi-regional system of biomass, and the distance between the temporary storage station and each park was considered in the initial planning stage, which can optimize the distribution of straw resources and reduce the transportation cost by 25.4%. At the same time, through the collaborative optimization of straw raw material storage and transportation cost and energy transmission loss to realize the optimal utilization of straw resources, the total cost of collecting, storing and transporting straw in the region is reduced by 3.86 million yuan, and the total cost of system planning is reduced by 3.9%. In addition, each park according to its own electricity price mechanism and energy demand to achieve thermal interaction, can reduce equipment capacity waste, achieve higher overall benefits.
The following conclusions can be drawn from the simulation analysis: (1) The distributed "point-middle-center" storage and transportation mode is adopted in the multi-regional system, which can be transported by the adjacent temporary storage station according to the demand of straw fuel in each park, thus saving the transportation cost. (2) The multi-regional collaborative planning scheme based on biomass "point-middle-center" storage and transportation mode by transporting raw materials can optimize the allocation of straw resources, improve the utilization ratio of equipment, reduce capacity waste, and improve the overall economy. (3) From the aspects of biomass storage and transportation, energy supply mode and system coordination planning model, the method presented in this paper and the above conclusions are universal.
keywords：Multi-regional integrated energy system, collaborative planning, biomass storage and transportation mode, biomass cogeneration unit
DOI:10.19595/j.cnki.1000-6753.tces.211757
中图分类号：TM732
国家自然科学基金资助项目（51977005）。
收稿日期 2021-11-01
改稿日期 2021-12-10
刘小慧 女，1996年生，硕士，研究方向为综合能源系统规划与运行。E-mail：19121460@bjtu.edu.cn
王小君 男，1978年生，教授，博士生导师，研究方向为综合能源系统规划与运行、人工智能在能源系统中的应用、电力系统分析与控制等。E-mail：xjwang1@bjtu.edu.cn（通信作者）
（编辑 赫 蕾）