图1 WDM-CCS型微网结构
Fig.1 WDM-CCS type microgrid structure
摘要 在“无废城市”方案中关于城市垃圾减量的要求下，针对全可再生能源供能提出的多能源微网运行问题，该文提出一种基于多种能源协调储能并且高效兼容垃圾处理设施的多能源微网优化运行模型。首先，研究垃圾热解气化的能量转换过程，建立垃圾处理设施的电、热、气能量输出特性模型，及其接入的多能源微网的功率平衡特性模型，在此基础上提出含垃圾处理的多源综合协调储能系统（WDM-CCS）模型；然后，研究垃圾处理与多能源微网运行经济性模型，以多能源微网总体运行成本最低和垃圾处理量最大化为目标，建立基于WDM-CCS的多能源微网优化运行模型；最后，以东北某地区多能源微网与垃圾处理设施运行数据为基础，建立基于WDM-CCS的多能源微网仿真模型。仿真结果表明，与传统的多能源微网相比，采用WDM-CCS的多能源微网不仅具有较好的调节能力和较高的可再生能源消纳能力，而且能够有效提高废物处理能力。
关键词：多能源微网 全可再生能源 混合储能系统 环境友好
城市废弃物减量、利用与处理，已成为制约我国生态智慧型城市建设的关键问题。国务院于2019年1月提出的“无废城市”建设方案，有效推动了废弃物源头减量和资源化利用[1-2]。而在废弃物处理过程中，可以产生电、热、气等多种能源形式[3-5]，将废物处理设施与城市中的多能源微网相结合，既能提升垃圾处理能力，又可以参与多能源微网协调优化运行。
多能源微网中由于能源形式多样、供能方式复杂多变、各种能源间相互耦合紧密的特性，使得微网可以通过多种能源形式间的综合协调，实现较好的运行能力和调节能力[6-8]。随着垃圾热解制气技术和微型燃气轮机发电技术的迅速发展，垃圾制气和微燃机接入多能源微网后，对废弃物处理设施能源供需特性与多能源微网协调运行提出了新的挑战。
垃圾热解制气，相较于焚烧垃圾处理技术和垃圾生物填埋处理技术节约土地50%~80%。如将每吨垃圾产气量用于发电，相较于其他垃圾发电技术，发电效率可提高50%左右[9]。目前垃圾热解气化与微燃机结合供气供能设施仅占3%左右，而随着技术的发展，比例也在逐渐增加。
国内外学者对多能源系统运行方式的规划优化、经济成本降低、增加环境效益等方面开展了较多研究。文献[10-11]研究了多能源系统的环境效益特性，建立了考虑环境和经济效益的多能源系统运行优化模型。文献[12]通过合理制定用户侧激励，建立基于负荷满意度的优化运行模型，实现微网收益最大化。文献[13]研究了微网设备容量与调度策略协调的双层优化方法，建立了微网运行成本分层优化模型。
储能系统可促进可再生能源消纳，实现多能源优势互补，提高多能源微网稳定运行能力。文献[14-15]研究了电转气（Power to Gas, P2G）技术的电气转换特性，提出了利用P2G技术对可再生能源进行大规模存储与转换的方法。文献[16]通过建立含P2G多源储能型微网模型，研究了基于经济最优的微网系统日前优化调度策略。文献[17]研究了储热系统与多能源系统间的功率特性，通过对储热环节的控制，构建了含储热的电-热联合系统功率平衡调度模型。文献[18]建立了面向电气热负荷需求的多能互补系统混合储能优化调度模型，缓解了电气热负荷调峰的压力。
本文针对垃圾处理装置接入多能源系统后，多能源负荷、多能源供给、多能源储能与垃圾处理的耗能供能特性、垃圾处理量间的影响机理等方面的研究，提出含垃圾处理的多源综合协调储能系统（Waste Disposal Multi-Energy Comprehensive Coordinated System, WDM-CCS），并基于WDM-CCS建立以运行成本和垃圾处理量为优化目标的多能源微网优化运行模型。研究垃圾热解气化炉、电制氢设备、电锅炉的能量转换与存储过程功率特性，建立有效兼容垃圾处理能源供需特性的多源综合协调储能模型。以多能源微网总运行成本最低和垃圾处理量最优为目标，提出了基于WDM-CCS的多能源微网优化运行模型。最后，以东北某地区多能源微网系统为基础，考虑一定废物处理能力的垃圾热解装置，建立WDM-CCS仿真模型。仿真结果表明，含垃圾处理的多能源微网模型能够有效提高多能源系统功率协调能力和垃圾处理能力。
本文设计的多能源微网结构如图1所示，垃圾处理多源综合协调储能系统由以下单元组成：垃圾热解气化炉单元（waste Pyrolysis Gasification furnace Unit, PFU），电制氢单元（Electrolytic Hydrogen Unit, EHU），甲烷储存单元（Methane Storage Unit, MSU），氢能储存单元（Hydrogen Storage Unit, HSU），热能储存单元（Thermal Storage Unit, TSU），燃料电池单元（Fuel Cell Unit, FCU），微燃机热电联产单元（Microturbine Cogeneration Unit, MCU），电锅炉单元（Electric Boiler, EBU）。
WDM-CCS型多能源微网气负荷主要由垃圾热解气化炉提供；电负荷由微型燃气轮机热电联产单元与燃料电池共同提供，当电负荷较少时可将垃圾热解气化炉产生的气体存储售卖，当电负荷较大时加大垃圾热解气化炉的处理量增加气体产量，再通过微燃机热电联产单元提高电量供给；热负荷由微燃机热电联产单元与电锅炉共同提供。
图1 WDM-CCS型微网结构
Fig.1 WDM-CCS type microgrid structure
1.1.1 热解气化模型
垃圾热解气化炉可以处理生活、工业等垃圾，不需要添加辅助燃料，且增加尾气处理装置可使气体排放标准小于国家标准要求。使用垃圾热解气化炉对垃圾进行热解气化时，需将炉内温度控制在450~600℃之间，而因垃圾类型不同产生的可燃气体量也会不同，1t垃圾通过热解可以得到 1 500~3 000m3左右可燃气体，其中可燃气体中CH4含量为3%~10%，H2含量为7.94%~15%。
垃圾热解气化炉用电负荷等效模型为
（1）
式中，
为热解气化装置热解效率，一般为60%~80%；
为
时刻垃圾热解气化炉用电功率，kW。
垃圾热解气化炉产气量可表示为
（2）
式中，Mc为一个运行周期总产气量，m3；PPF-G为垃圾热解气化炉所能发出的等效气出力；Dt为每个调度时段的时间间隔；T为一个运行周期的总时段数。
1.1.2 电氢能量转换模型
电制氢是使用电解器将水转换为氢气与氧气的过程，电制氢设备的转换效率为75%~85%。
（3）式中，
为一个运行周期电制氢设备产生的氢气量，m3；
为电制氢设备氢气转换系数；PEH(t)为t时刻电制氢设备用电功率，kW；
为t时刻电制氢设备中水的容量，m3。
1.1.3 储气模型
垃圾热解气化炉产生的甲烷和氢气与电制氢设备产生的氢气分别送往储气系统进行存储，存储的甲烷可通过微燃机热电联产单元供电供热，氢气可与氧气组成燃料电池进行供电。
（4）式中，
、
分别为t时刻储气罐中氢气、甲烷体积；
、
分别为充放能前（后）储气罐所存储的体积；
、
分别为储氢罐的存储效率和释放效率；
、
分别为储甲烷罐的存储效率和释放效率；
、
分别为储氢罐进气速率和消耗速率；
、
分别为储甲烷罐进气速率和消耗速率；
和
分别为t时刻储氢罐充、放能功率；
、
分别为t时刻储甲烷罐充、放能功率；上标a为充能，-a为放能。
1.1.4 热能存储模型
本文采用储热罐对微燃机热电联产单元与电锅炉单元产生的热能进行存储，以提高热能的利用率。
（5）式中，HHS(t)为t时刻储热罐中的储热容量；HHS(t-1)为充（放）能前（后）储热罐中的储热容量；m为散热损失率；
为t时刻的吸热功率；
为吸热效率；Hcap为储热容量。
1.1.5 氢电能量转换模型
燃料电池是一种将氢气与氧气通过电化学反应转换成电能的装置。
单个燃料电池电压输出模型[19]为
（6）式中，VNernst为燃料电池的可逆电压；Vact为激活超电压；Vohmic为欧姆超电压；Vcon为浓度超电压。
1.1.6 微燃机模型
燃气轮机装置是一种热力发动机，具有运行成本低、使用寿命长等优点，与余热锅炉组成热电联产机组可大幅度提高使用效率[20]，当其单机功率为25~300kW时称为微型燃气轮机（简称微燃机）。
微燃机的数学模型为
（7）式中，
为t时刻微燃机输出功率；
为t时刻微燃机产生余热，kJ/m3；vch为燃气流量；
为燃料平均定压比热容，kJ/(kg×K)；D为微燃机出口燃气温度；pc为微燃机膨胀比； kc为燃气平均比热比；
为转换系数；me(t)为t时刻微燃机发电效率；m1为热损失系数。
1.1.7 电热能量转换模型
电锅炉因其控制灵活、维护方便、安装便捷，所以常用于微网中，以满足热负荷需求。
电锅炉产热模型为
（8）
式中，
为t时刻电锅炉的制热功率；
为t时刻电锅炉所需电功率，kW；b为电锅炉的转换效率。
本文在现有电热气混合转换基础上，结合垃圾资源化处理，构建垃圾处理多源综合协调储能系统（WDM-CCS）。WDM-CCS使电、热、气负荷具有可控性，实现全可再生能源的综合利用和转换，弥补了传统储能的不足。
本文在对含WDM-CCS的多能源微网进行建模时，主要对其能量存储功率与能量输出功率环节进行矩阵公式描述。
能量存储方程为
（9）式中，
、
、
分别为制甲烷功率、制氢功率与制热功率；
、
、
分别为电力输入功率、热网输入功率和天然气网输入功率；δ为充能过程电力分配给垃圾热解气化炉的分配系数；
为充能过程电力分配给电制氢设备的分配系数；
、
、
、
分别为垃圾热解气化炉制甲烷、垃圾热解气化炉制氢、电制氢设备制氢和电锅炉产热的转换效率。
能量输出方程
（10）式中，PC,out、PE,out、PR,out分别为储能系统的甲烷输出功率、电力输出功率和热力输出功率；eMC,E、eMC,R分别为微燃机热电联产单元中甲烷转电与甲烷转热的功率；eFC,E为燃料电池单元氢转电功率。
本文建立的垃圾处理多源综合协调储能系统由外特性可看作一个三输入三输出系统，充放电状态由电量、热量与产气量三种状态的输入与输出之差来决定。
WDM-CCS应能在满足自身负荷需求前提下，实现运行成本最小与垃圾处理量最大。因此，本文提出的WDM-CCS的优化运行模型的目标函数为
（11）式中，x为WDM-CCS状态变量，
；
为WDM-CCS运行总成本；
为WDM-CCS垃圾处理量。
2.1.1 WDM-CCS运行成本优化模型
本文考虑WDM-CCS中各组成单元运行成本、维护成本及环境成本，因此，最小运行成本目标函数为
（12）式中，
为运行总成本；
为WDM-CCS各单元运行成本；
为外购电成本；
为垃圾处理收益。
1）WDM-CCS组成单元运行成本
（13）式中，
、
、
、
、
分别为一个运行周期内垃圾热解气化炉、电解水、储甲烷和储氢、储热、微燃机运行成本。
（14）
式中，
、
分别为垃圾热解气化炉和电制氢设备运行成本系数；
为储甲烷和储氢总体单位维护成本；
为t时刻储甲烷和储氢的总储放功率；
为储热的单位维护成本；
为t时刻储热的总储放功率；为微燃机在t时刻的输出电功率；为微燃机总成本；
为微燃机组起停成本；
为t时段微燃机起停成本；
为t时刻可控机组的起停状态；
为微燃机甲烷成本；
为甲烷单价，取5元/m3；
为甲烷低热值，取9.78kW·h/m3。
2）外购电成本
当WDM-CCS型多能源微网无法满足负荷的用电需求时需向外电网购电，这时外电网会在原电价的基础上征收一定的惩罚成本。
（15）式中，Com为单位电价；WOM为一个运行周期所用电量；CCO为每度电的惩罚电价。
3）垃圾处理收益
随着需要处理垃圾量的不断增加，国家相继落实了一些相关的补贴措施，增加处理厂处理垃圾的获利值。
（16）
式中，
为一个运行周期处理垃圾量；Ctip为处理垃圾收取的费用。
2.1.2 垃圾处理最大化模型
一个运行周期内在满足负荷需求的同时最大化处理垃圾，其满足的模型为
（17）式中，
为垃圾热解气化炉t时刻的处理量。
2.2.1 等式约束条件
1）供电平衡约束
（18）式中，
为t时刻外购电功率；
为t时刻网内电负荷。
2）供热平衡约束
（19）式中，
为t时刻外购热功率；
为t时刻网内热负荷。
3）供气平衡约束
（20）式中，
为t时刻外购气功率；
为t时刻网内热负荷。
2.2.2 不等式约束条件
1）垃圾热解气化炉功率约束
（21）
（22）
式中，
为垃圾热解气化炉容纳最大垃圾量；
、
分别为垃圾热解气化炉最小、最大需求功率。
2）电锅炉功率约束
（23）
（24）
式中，
为电锅炉用电功率上限；
、
分别为电锅炉爬坡率的最大值和最小值。
3）电转气设备功率约束
（25）
（26）
式中，
为电制氢设备的最大用电功率；
、
分别为电转气爬坡率的最大值和最小值。
4）氢与甲烷气体存储约束
为保证储能设备的稳定运行，需满足约束条件
（27）式中，
、
分别为t时刻储甲烷与储氢的输出功率；
和
分别为储甲烷和储氢的储能和放能的最小值；
和
分别为储甲烷和储氢的储能和放能的最大值；
、
分别为储甲烷与储氢设备t时刻的储能容量；
和
分别为储甲烷和储氢的最小储能容量；
和
分别为储甲烷和储氢的最大储能容量。
5）储热约束
（28）式中，
为t时刻储热的输出功率；
、
分别为储热的充能（放能）的最小值和最大值；
为储热设备t时刻的储能容量；
、
分别为储热的最小储能容量、最大储能容量。
6）微燃机出力约束
（29）式中，
、
分别为第i个微燃机出力的最小、最大值。
本文所建立的多能源架构在进行仿真时需同时考虑多能源系统运行对环境的影响因素，优化过程需同时以多能源系统运行成本最少和垃圾处理量最大为目的，寻找两者之间平衡的最优解。因此，根据外部影响因素对优化过程的影响，本文选用细菌群体趋药性算法[21-22]进行求解。
（1）初始化：根据WDM-CCS中各组成单元的特性，由垃圾热解气化炉、微燃机热电联产单元、电锅炉等设备出力参数以及等式和不等式约束条件，随机生成初始化多能源微网中各单元的细菌群体，确定各微网单元细菌的初始位置。通过目标函数和细菌进化过程确定计算精度。
系统参数设置为
（30）式中，
为给定计算精度；T0为微网单元细菌的短时间参数；d为微网单元细菌的时间运动参数；
为微网单元细菌的运动转角参数。
（2）微网单元细菌的运动方向选择：考虑实际运行中垃圾热解气化炉、微燃机热电联产单元、电锅炉的转换效率、调度时段之间的配合等因素，设置合理的移动步长和n-1维的角度向量，通过不断改变的运行成本最低和垃圾处理量最大双目标之间的最优解集合，确定算法的运算方向。
（3）计算微网单元细菌的移动步长：利用算法上一次计算所得出的微网单元细菌的最优解或上几步的微网单元细菌的位置信息来确定下一次算法的计算解集，通过高斯概率分布计算结果的偏离误差[23]。
（4）更新微网单元细菌位置：由于微网单元细菌在空间中不断进行搜索，及在计算过程中会通过最新求得的解来不断更新算法的最优解的范围，从而会不断更新微网单元细菌的新位置。
（31）式中，
为移动后的微网单元细菌的位置；
为前一次的微网单元细菌的位置；
为微网单元细菌的运动速度；
为微网单元细菌的移动时间。
（5）终止条件：当满足收敛条件时停止搜索，输出结果。
多能源微网细菌群体趋药性算法流程如图2所示。
图2 多能源微网细菌群体趋药性算法流程
Fig.2 Multi-energy microgrid bacterial population chemotactic algorithm flowchart
本文以东北地区某微网实际运行数据为基础，结合WDM-CCS模型建立多能源微网优化运行仿真模型。并将含WDM-CCS的多能源微网与仅含电池储能的多能源微网进行对比分析。图3给出了多能源微网某一典型日内24h的风电和光伏出力情况，图4给出典型日电、热、气负荷曲线。本文电价时段划分为峰时段11:00~13:00和18:00~20:00、谷时段23:00~07:00，其余时段为平时段。
图3 典型日风电和光伏出力曲线
Fig.3 Typical daily wind power photovoltaic output curve
图4 典型日电热气负荷曲线
Fig.4 Typical daily electric hot gas load curve
传统微网结构一般包含电锅炉、微燃机、电池储能和储热，本文设计的WDM-CCS型多能源微网在传统微网结构的基础上增加了垃圾热解气化炉、电制氢和储气单元，未配置电池储能单元。本文中多能源微网设备的容量配置参数见表1。多能源微网分时电价见表2。天然气价、氢价与热价见表3。以下通过仿真对比配置电池储能的多能源微网与本文所提WDM-CCS型多能源微网运行时的经济性和微网协调能力。
针对多能源微网的电负荷供需特性，通过算例仿真得出图5、图6两种微网电负荷运行功率平衡图。对比分析两种微网中各设备的运行情况，从图5和图6可以看出，1:00~9:00、23:00~24:00时段风光出力大于多能源微网总的电负荷需求，即多能源微网中电负荷差额为负。传统多能源微网采用电锅炉和储能电池来消耗这些剩余电量。WDM-CCS型多能源微网由于加入垃圾热解气化炉和电制氢设备，所以可通过电锅炉、垃圾热解气化炉和电制氢设备来消耗剩余电量，而且还能对垃圾热解气化炉和电制氢设备产生的甲烷与氢气进行存储、售卖。对比图5和图6中10:00~22:00时段微网电负荷平衡图和电负荷差额曲线可以看出，两种类型微网中电负荷差额均为正值。传统多能源微网采用微燃机、储能电池发电以及向电网购电来平衡电负荷需求。而本文提出的WDM-CCS型多能源微网具有能源自给自足的能力，垃圾热解气化炉和电制氢设备将产生满足微燃机供电需求和燃料电池调节需求的甲烷和氢气，实现了WDM-CCS型多能源微网供电需求和多能互补。由两种微网电负荷平衡图可以得出，WDM-CCS型多能源微网将各种单元组成一种混合储能系统，使其在电负荷峰值和谷值时可将电能转换为热能或气，增强了各能源之间的转换效率，更能满足区域内的负荷需求。相比于传统多能源微网，WDM-CCS型多能源微网又降低了多能源微网的购电成本，减少了多能源微网整体的运行成本。
表1 微网运行参数
Tab.1 Micro-network equipment under two schemes
类型Pmin/kWPmax/kWRdown/(kW/min)Rup/(kW/min) 热解炉01 000510 微燃机140100510 微燃机240100510 余热锅炉0200510 储热罐0501010 储甲烷罐0100510 电锅炉0150510 储氢罐0100510 蓄电池-10010055
表2 分时电价
Tab.2 Electrical energy gain
类型峰时段平时段谷时段 购电/(kW·h)1.20.60.23 售电/(kW·h)0.650.380.13
表3 供能价格
Tab.3 Energy supply revenue
类型购热/ (kW·h)售热/ (kW·h)购气/ (kW·h)售气/ (kW·h)购氢/ (kW·h)售氢/ (kW·h) 价格0.1530.0920.50.40.770.6
图5 传统微网电负荷平衡图
Fig.5 Traditional microgrid electrical load balance diagram
图6 WDM-CCS微网电负荷平衡图
Fig.6 WDM-CCS microgrid electrical load balance diagram
针对多能源微网的热负荷供需特性，分析两种微网热负荷平衡图，如图7和图8所示。从图7和图8可以看出，在电力峰时段时，热负荷需求较小。传统多能源微网通过微燃机发电调峰，同时产生的热使供热量高于热负荷需求，传统多能源微网考虑自身利益会将这些多余的热量卖给热网。而WDM-CCS型多能源微网在微网多能互补策略下，通过优先将多余热量全部给储热系统，直至储热系统达到上限。在电力负荷谷时段时，风光发电量大且热负荷偏高，微燃机发电机组受供热限制，最小电出力可能等于甚至大于电负荷差额，就会产生弃风弃光现象。传统多能源微网通过向热网买热，减轻供热机组压力，从而减少弃风弃光。而在WDM-CCS型多能源微网中，储热装置优先在电力低谷时段放热，从而提高风光的利用率，并减少了与热网的交互，使微网实现热力的自给自足。由以上分析可以得出：WDM-CCS型多能源微网相比于传统微网，其存在一个整体的混合储能系统，可以优先对热能进行存储和释放，从而保证WDM-CCS型多能源微网的区域能源供给能力，而且WDM-CCS中的各个单元相互独立，从而比传统微网更具调节能力。
图7 传统微网热负荷平衡图
Fig.7 Traditional microgrid heat load balance diagram
图8 WDM-CCS微网热负荷平衡图
Fig.8 WDM-CCS microgrid heat load balance chart
针对多能源微网的气负荷供需特性，传统多能源微网从自身利益考虑，通过向气网购气来满足自身的气负荷需求。而本文所提出的WDM-CCS型多能源微网中含有垃圾热解气化炉和电制氢单元，不仅可以满足微网自身对于气负荷的需求，多余的甲烷和氢气又可向外进行出售增加收益，减少了总体的运行费用。WDM-CCS微网气负荷平衡如图9所示，WDM-CCS微网产氢如图10所示。从图9和图10可以看出，在WDM-CCS型多能源微网中可通过垃圾热解气化炉和电制氢设备生产甲烷和氢气满足多能源微网对于甲烷和氢气的需求。在5:00~9:00时段气负荷处于峰值时段，而微燃机出力较少，电负荷差额为负值，此时通过电锅炉单元、垃圾热解气化炉和电制氢设备消纳电量，产生的甲烷和氢气在满足多能源微网气负荷和燃料电池需求的同时，还能将多余的甲烷和氢气进行存储，用于气负荷和电负荷调峰，或者卖给气网增加多能源微网收益，降低多能源微网总的运行成本。在15:00~20:00时段气负荷也处于峰值时段，而此时的电负荷差额处于正值，微燃机与燃料电池会参与调峰，从而增加了气负荷需求，垃圾热解气化炉会加大对垃圾的处理量，产生甲烷和氢气满足各自的负荷需求。垃圾处理分布如图11所示。在甲烷和氢气负荷处于低谷时段时，WDM-CCS型多能源微网会存储、售卖多余的甲烷和氢气。
图9 WDM-CCS微网气负荷平衡图
Fig.9 WDM-CCS microgrid air load balance chart
图10 WDM-CCS微网产氢图
Fig.10 WDM-CCS microgrid hydrogen production map
图11 垃圾处理分布图
Fig.11 Garbage disposal map
从图11可以看出，在1:00~9:00、23:00~24:00时段由于风光发电量大，电负荷、气负荷需要较小，热负荷需求较高，WDM-CCS型多能源微网会通过电锅炉、电制氢设备和垃圾热解气化炉来协调消耗电能，所以垃圾热解气化炉的垃圾处理量较少。在10:00~22:00时段电负荷、气负荷需要较大，热负荷相对较少，此时WDM-CCS型多能源微网中的电锅炉和电制氢设备不再运行，同时为满足电负荷、气负荷需求，垃圾热解气化炉的垃圾处理量就会相应提升。
基于4.2小节对WDM-CCS型多能源微网与传统微网的对比分析，针对本文的优化目标，得出WDM-CCS型多能源微网与传统微网优化结果见表4。
表4 两种类型下微网多目标优化对比分析
Tab.4 Micro-network equipment under two schemes
类型WDM-CCS传统微网 运行成本/元1 738.452 530.18 购电电量/(kW·h)10256.1 售电电量/(kW·h)3867 购热热量/(kW·h)2586.335 4 售热热量/(kW·h)1373.136 购甲烷量/(kW·h)3.426179.685 2 售甲烷量(kW·h)70.3460 售氢氢量/(kW·h)50.380 弃风电量/(kW·h)20.12211.53 弃光电量/(kW·h)13.54123.12 储电效率(%)40~52.185
由表4可知，综合本文提出的WDM-CCS型多能源微网各个时段充放能与电、热、气负荷需求之间的关系，WDM-CCS系统不仅可以储放电，还可以协调不同时段进行供热、供气得到相应的收益，进而减少总运行成本。通过WDM-CCS系统协调优化后，可减少弃风弃光提高电网调节能力，又可实现垃圾处理量最大化，增加环境效益。
本文针对城市垃圾处理量的增长及微网优化运行的问题，基于全可再生能源供能与负荷之间的协调性，建立了以垃圾热解气化炉、电制氢设备、储能装置为核心的垃圾处理多源综合协调储能模型，以运行成本最低和垃圾处理量最大为目标，提出微网优化运行策略，并通过算例仿真与传统微网进行了对比。
1）WDM-CCS能够有效协调可再生能源供能系统，提高多能源微网运行效率，降低运行成本。
2）基于垃圾处理的WDM-CCS，不仅可以有效提升多能源微网的调节能力，还可以提高垃圾处理效率，减少垃圾存量。
3）针对不同时段的负荷需求，WDM-CCS可更好地调节垃圾热解气化炉的产气量，优化能量存储和转换过程，提高微网供需平衡特性。
4）WDM-CCS中各单元之间的能源存储与转换过程，能够有效提高多能源微网对电、热、气网的调节能力。
参考文献
[1] 韩翠瀛. 创建“无废城市”推动行业加速转型[J]. 中国建材, 2019(7): 15. Han Cuiying. Create a "no waste city" to accelerate the transformation of the industry[J]. China Building Materials, 2019(7): 15.
[2] 蒙天宇. “无废城市”建设的国际经验及启示[N]. 中国环境报, 2019-01-31(3) .
[3] 胡楠, 柳溪, 赵娜娜, 等. 日本循环型社会建设对中国废物管理的启示[J]. 世界环境, 2018 (5) : 48-50. Hu Nan, Liu Xi, Zhao Nana, et al. Enlightenment of japan's recycling society construction on Chinese waste management[J]. World Environment, 2018(5): 48-50.
[4] 滕云, 左浩, 李新, 等. 基于光伏储能分离配置的配电网电压薄弱性抑制方法[J]. 可再生能源, 2018. 36(8): 1158-1162. Teng Yun, Zuo Hao, Li Xin, et al. The separation of PV and energy storage’s characteristics of weakness inhibition in the distribution network nodes[J]. Renewable Energy, 2018, 36(8): 1158-1162.
[5] 原凯, 李敬如, 宋毅, 等. 区域能源互联网综合评价技术综述与展望[J]. 电力系统自动化, 2019, 43(14): 41-52,64.Yuan Kai, Li Jingru, Song Yi, et al. Summary and prospect of comprehensive evaluation technology of regional energy internet[J]. Automating of Electric Power Systems, 2019, 43(14):41-52, 64.
[6] Ren Hongbo, Gao Weijun. A MILP model for integrated plan and evaluation of distributed energy systems[J]. Applied Energy, 2010, 87(3): 1001-1014.
[7] 周贤正, 陈玮, 郭创新.考虑供能可靠性与风光不确定性的城市多能源系统规划[J].电工技术学报, 2019, 34(17): 3672-3686. Zhou Xianzheng, Chen Wei, Guo Chuangxin. Urban multi-energy system planning considering energy supply reliability and scenery uncertainty[J]. Transactions of China Electrotechnical Society, 2019, 34(17): 3672-3686.
[8] 滕云, 张铁岩, 陈哲. 多能源互联系统优化运行与控制技术研究现状与前景展望[J]. 可再生能源, 2018, 36(3): 467-474. Teng Yun, Zhang Tieyan, Chen Zhe. Research status and prospects of the optimization and operation of multi-energy interconnected systems[J]. Renewable Energy, 2018, 36(3): 467-474.
[9] 袁国安. 生活垃圾热解气化技术应用现状与展望[J].环境与可持续发展, 2019, 44(4): 66-69.Yuan Guoan. Application status and prospects of domestic waste pyrolysis and gasification technology[J]. Environment and Sustainable Development, 2019, 44(4): 66-69.
[10] 贾宏杰, 王丹, 徐宪东, 等. 区域综合能源系统若干问题研究[J]. 电力系统自动化, 2015, 39(7): 198-207. Jia Hongjie, Wang Dan, Xu Xiandong, et al. Research on some key problems related to integrated energy systems[J]. Automating of Electric Power Systems, 2015, 39(7): 198-207.
[11] 卢志刚, 隋玉珊, 冯涛, 等. 考虑储热装置与碳捕集设备的风电消纳低碳经济调度[J]. 电工技术学报, 2016, 31(17): 41-51. Lu Zhigang, Sui Yusan, Feng Tao, et al. Low-carbon economic dispatch of wind power consumption considering heat storage devices and carbon capture equipment[J]. Transactions of China Electrotechnical Society, 2016, 31(17): 41-51.
[12] 曾君, 徐冬冬, 刘俊峰, 等. 考虑负荷满意度的微电网运行多目标优化方法研究[J].中国电机工程学报, 2016, 36(12): 3325-3334. Zeng Jun, Xu Dongdong, Liu Junfeng, et al. Multi-objective optimal operation of microgrid considering dynamic loads[J]. Proceedings of the CSEE, 2016, 36(12): 3325-3334.
[13] Dufo-Lopez R, Jose L, Javier C. Optimization of control strategies for stand-alone renewable energy systems with hydrogen storage[J]. Renewable Energy, 2007, 32: 1102-1126．
[14] 孔令国, 蔡国伟, 陈冲, 等. 基于氢储能的主动型永磁直驱风电机组建模与并网控制[J]. 电工技术学报, 2017, 32(18): 276-285. Kong Lingguo, Cai Guowei, Chen Chong, et al. Modeling and grid control of active permanent magnet direct driven wind turbine based on hydrogen energy storage[J]. Transactions of china Electrotechnical Society, 2017, 32(18): 276-285.
[15] 刘维康, 王丹, 余晓丹, 等. 考虑电气转换储能和可再生能源集成的微能源网多目标规划[J]. 电力系统自动化, 2018, 42(16): 11-20, 72,197-200. Liu Weikang, Wang Dan, Xu Xiaodan, et al. Multi-objective planning of micro-energy network considering the integration of electrical conversion energy storage and renewable energy[J]. Automating of Electric Power Systems, 2018, 42(16): 11-20, 72, 197-200.
[16] 陈沼宇, 王丹, 贾宏杰, 等. 考虑P2G多源储能型微网日前最优经济调度策略研究[J]. 中国电机工程学报，2017, 37(11): 3067-3077. Chen Zhaoyu, Wang Dan, Jia Hongjie, et al. Research on optimal day-ahead economic dispatching strategy for microgrid considering P2G and multi-source energy storage system[J]. Proceedings of the CSEE, 2017, 37(11): 3067-3077.
[17] 吴巍, 汪可友, 李国杰, 等. 提升风电消纳区间的鲁棒机组组合[J].电工技术学报, 2018, 33(3): 523-532. Wu Wei, Wang Keyou, Li Guojie, et al. Robust unit combination for improving wind power consumption interval[J]. Transactions of China Electrotechnical Society, 2018, 33(3): 523-532.
[18] 陈柏翰, 冯伟, 孙凯, 等. 冷热电联供系统多元储能及孤岛运行优化调度方法[J]. 电工技术学报, 2019, 34(15): 3231-3243. Chen Bohan, Feng Wei, Sun Kai, et al. Optimal scheduling method for multiple energy storage and island operation of combined heat and cold power system[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3231-3243.
[19] Correa J M, Farret F A, Canha L N, et al. An electrochemical-based fuel-cell model suitable for electrical engineering automation approach[J]. IEEE Transactions on Industrial Electronics, 2004, 51(5): 1103-1112.
[20] 赵冬梅, 夏轩, 陶然. 含电转气的热电联产微网电/热综合储能优化配置[J]. 电力系统自动化, 2019, 43(17): 46-61. Zhao Dongmei, Xia Xuan, Tao Ran. Optimal configuration of micro-grid electricity/heat integrated energy storage for combined heat and power generation with electricity to gas[J]. Automating of Electric Power Systems, 2019, 43(17): 46-61.
[21] 韩佶, 苗世洪, 李超, 等. 计及相关性的电-气-热综合能源系统概率最优能量流[J]. 电工技术学报, 2019, 34(5): 1055-1067. Han Ji, Miao Shihong, Li Chao, et al. Probabilistic optimal energy flow of electric-gas-heat integrated energy system considering correlation[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1055-1067.
[22] 任新伟, 徐建政. 改进细菌群体趋药性算法在无功优化中的应用[J]. 电力系统及其自动化学报, 2015, 27(5): 81-85. Ren Xinwei, Xu Jianzheng. Application of improved bacterial population chemotactic algorithm in reactive power optimization[J]. Journal of Electric Power Systems and Automation, 2015, 27(5): 81-85.
[23] Lu Zhigang, Feng Tao, Li Xueping. Low-carbon emission/economic power dispatch using the multi-objective bacterial colony chemotaxis optimization algorithm considering carbon capture power plant[J]. International Journal of Electrical Power & Energy Systems, 2013, 53: 106-112.
Multi-Energy Microgrid Optimization Operation Model Considering Waste Disposal and Multi-Source Coordinated Energy Storage
Abstract Aiming at the problem of urban waste reduction in the “no waste city” plan, the multi-energy microgrid operation problem raised by full renewable energy supply, this paper proposes a coordinated energy storage based on multiple energy sources and is highly compatible Multi-energy microgrid optimized operation model for waste treatment facilities. First, the energy conversion process of waste pyrolysis and gasification is studied, and the power, heat, and gas energy output characteristics model of the waste treatment facility and the power balance characteristic model of the multi-energy microgrid connected to it are established, based on this, the garbage treatment is proposed multi-source integrated coordinated energy storage system (WDM-CCS); Then, study the economic model of garbage disposal and multi-energy microgrid operation, With the goal of minimizing the overall operating cost and maximizing the amount of waste disposal, the multi-energy microgrid optimization operation model of WDM-CCS is established. Finally, based on the operational data of multi-energy microgrid and garbage disposal facilities in a certain area in Northeast China, a multi-energy microgrid simulation model based on WDM-CCS is established. The simulation results show that compared with the traditional multi-energy micro-grid, the multi-energy micro-grid using WDM-CCS not only has better regulation ability and higher regenerative energy consumption, and can effectively improve waste disposal capacity.
keywords：Multi-energy microgrid, fully renewable energy, hybrid energy storage system, environmentally friendly
中图分类号：TM711
DOI: 10.19595/j.cnki.1000-6753.tces.200067
滕 云 男，1973年生，博士，教授，研究方向为可再生能源发电、多能源系统优化运行与控制。E-mail：tengyun@sut.edu.cn
吴 磊 男，1993年生，硕士研究生，研究方向为多能源系统优化运行与控制。E-mail：531124597@qq.com（通信作者）
国家重点研发计划资助项目（2017YFB0902104）。
收稿日期 2020-01-16
改稿日期 2020-02-27
（编辑 郭丽军）