-
近年来，在世界范围内“第三次工业革命”正席卷而来。历史上的工业革命总离不开能源革命与信息革命。可再生能源、分布式发电、智能电网、直流输电、储能、电动汽车等新能源技术与物联网、大数据、移动互联网等信息技术的不断发展，为第三次工业革命奠定了坚实基础。以正在飞速发展的互联网为基础，实现能源流通的智能化，达到能源技术和信息技术深度融合的效果，便形成了能源互联网，即“互联网＋智慧能源”。
能源互联网近几年来蓬勃发展。能源互联网是传统能源架构＋新能源技术＋互联网思维与技术的结合。利用电力电子技术、人工智能技术、信息与通信技术，能源互联网将电、热、气等能源网络，以及广泛接入的分布式能源、储能系统和能源负荷进行优化协调，实现能量和信息的对等交换与共享。由于不同类型的能源存在一定互补特性，能源互联网有望通过能源梯级利用增加终端能源利用效率。以大数据以及广域信息平台为基础的需求侧响应，提高能源生产与传输设施的利用效率。
传统电力系统可分为发电、输电、配电及用电四个环节。在开展电力系统规划的综合评价时，往往也都基于上述4个环节分别进行[1]。然而，园区能源互联网是以智能电网为核心，是对多种能源、负荷和电网进行统一协调优化实现能效最优的复杂系统，评价指标体系的构建和规划方案的综合评价，是园区能源互联网规划所必须解决的关键问题。
目前，以运筹学为基础的的各种评价方法，如层次分析法[2,3]、数据包络法[4,5]、熵权分析法[6,7,8]等，已经成为国内外研究的热点。其中，层次分析法(The Analytic Hierarchy Process, AHP)能够多维度地量化评估者的主观经验判断，因而在电力系统中得到了广泛应用。
为此，本文着重从供电可靠性、能源利用效率、清洁能源消纳和投资经济性等方面，构建了园区能源互联网规划方案的综合评价指标体系，从而对其进行多维度的全面评价。
HTML
-
根据能源互联网的定义和实施目的，显然，应从供电可靠性、设备利用效率、能效水平、绿色低碳，以及经济效益等5方面构建智慧能源系统的多目标综合评估指标体系[9,10]，如表1所示。
一级指标 二级指标 指标含义 系统的供电可靠性 用户平均停电时间 用户在统计期间内的平均停电小时数，AIHC-1 用户平均停电次数 用户在统计期间内的平均停电次数，AITC-1 能源和设备利用的高效性 重载变电站比例 区域内负载率超过80%的变电站数量占比 轻载变电站比例 区域内负载率低于20%的变电站数量占比 线路平均负载率 区域内中压配网线路的负载率平均值 峰谷负荷比 区域最高峰时的负荷与最低时的负荷之比 单位GDP能耗 各种一次能源的电能供应量折算为标煤煤耗量及其与区域GDP的比值。 能源利用的清洁性 新能源渗透率 风、光和燃气三联供装机容量与区域最大负荷之比 新能源消纳电量比 可消纳的分布式能源发电量与区域网供电量之比 减排率 区域内CO2排放量降低的比率 项目投资的经济性 内部收益率 项目投资内部收益率 投资回收年限 项目投资回收年限 Table 1.
Energy internet planning index system -
1)用户平均停电时间
根据《供电系统用户供电可靠性评价规程》(DL/T 836—2012)，用户平均停电时间是指用户在统计期内(通常为1年)的平均停电小时数，记作AIHC-1(h/户)：
((1)) 在不考虑外部影响时，可将其记作AIHC-2(h/户)；不计系统电源不足限电时，可记作AIHC-3(h/户)。
通过自愈配电网的建设，预计示范区供电可靠率可达99.999%，对应AIHC-1为0.5 h/户。
2)用户平均停电次数
用户平均停电时间是指用户在统计期内(通常为1年)的平均停电次数，记作AITC-1(次/户)：
((2)) 在不考虑外部影响时，则记作AITC-2(次/户)；若不计系统电源不足限电时，则记作AITC-3(次/户)。
由于自愈配电网采用断路器作为线路的主要分段开关，大幅减少故障影响范围，预计AITC-1为0.1次/户。
-
设备利用效率指标，是反映区域智慧能源应用对于提高电网设备资产利用效率的定量指标，主要涉及变电站、配电线路的负载情况，以及区域负荷的峰谷比。
1)重载/轻载变电站占比
统计分析区域内涉及的110/10 kV高压变电站和220/110/10 kV变电站的负载率情况，将其中负载率不低于80%的变电站列为重载变电站，将负载率不高于20%的列为轻载变电站，则重载/轻载变电站占比为重载变电站数量和轻载变电站数量与区域内变电站数量的占比。
2)线路平均负载率
通过网架运行方式调整、需求响应和分布式能源接入等技术手段，使区域内中压配电线路的负载率处于合理区间，从而一定程度上延缓配电网建设投资，是智慧能源系统的主要作用之一。因此，定义线路平均负载率指标为示范区内中压线路年最大负载率的平均值。
3)峰谷负荷比
区域内相关用户的高峰负荷与其低谷负荷之比，该比值越小，表明负荷越平稳，供用电设备越能得到充分利用，需求响应的作用得到有效发挥，反之，表明电力设备容量在负荷低谷时被闲置，降低了设备利用效率。
通过实施需求响应和分布式能源建设，实现削峰填谷，预计可降低峰谷负荷比19%。
4)单位GDP能耗
各种一次能源的电能供应量折算为标煤煤耗量及其与区域GDP的比值：
((3)) -
1)新能源渗透率
为衡量区域内分布式风电、分布式光伏和燃气分布式能源的装机规模，定义新能源渗透率指标。其计算方式为：
((4)) 2)新能源消纳电量比
区域内分布式风电、分布式光伏和燃气分布式能源的发电量，与该区域网供电量的比值。
3)减排率
目前全球变暖是世界最关心的环保问题之一，而造成全球变暖的温室气体的主要成为即是二氧化碳。因此，对减排率指标ηpoll的定义为应用智慧能源系统后，区域内二氧化氮排放量降低的比率，即
((5)) 式中：Emrec为在综合能源系统应用的情况下，供应区域负荷所产生的碳排量，分为分布式电源和主网电源的排量两部分，其中分布式电源排量通常产生于天然气的消耗，而主网排量则按标煤燃烧排量作为计算标准；Emref为在综合能源系统应用的情况下，供应区域负荷所产生的碳排量，基本由主网排量组成。
1.1 指标体系
1.2 评价指标
1.2.1 系统安全可靠性
1.2.2 能源和设备利用的高效性
1.2.3 绿色低碳
-
1)数据预处理阶段
数据预处理阶段统一了各指标的数据形式，包括统一取值方向、无量纲化处理处理等。根据数据的实际情况，可采用标准化法、归一法等。
2)确定指标权重
权重系数的设置反映了相应指标在整体评价结果中的影响力，因而是综合评价模型的核心，常用方法包括主观赋权法、客观赋权法及综合赋权法等。本文采用AHP进行客观赋权。需要指出的是，在采用AHP进行综合赋权前，填写判断矩阵时需要考虑指标间的相关性。
3)综合评价
由各指标的数值及其相应的权重系数进行加权求和，得到综合评价值，如下式所示。
((6)) 式中：n为指标总数；y为综合评价值；xi为指标i的取值。
-
层次分析法(Analytic Hierarchy Process，AHP)是美国著名的运筹学家T.Lsatty等人在20世纪70年代提出的一种定性与定量相结合的多准则决策、评价方法，主要包括建立层次结构模型、构造判断矩阵、层次单排序及一致性检查和权重计算几个步骤[2]。
-
基于AHP的基本方法[4]，采用专家讨论确定各层指标的判断矩阵如表2，表3，表4，表5，表6所示：
指标 用户平均停电时间/mm 用户平均停电次数 用户平均停电时间/min 1 2 用户平均停电次数 0.5 1 Table 2.
Judgment matrix B1 指标 重载变电站比例 轻载变电站比例 线路平均负载率 峰谷负荷比 单位GDP能耗/(t·万元-1) 重载变电站比例 1 2.4 3 2 2.2 轻载变电站比例 0.42 1 1.8 0.6 0.8 线路平均负载率 0.33 0.56 1 0.6 0.8 峰谷负荷比 0.50 1.67 1.67 1 1.2 单位GDP能耗/(t·万元-1) 0.45 1.25 1.25 0.83 1 Table 3.
Judgment matrix B2 指标 新能源渗透率 新能源消纳电量比 减排率 新能源渗透率 1 1.2 0.8 新能源消纳电量比 0.83 1 0.8 减排率 1.25 1.25 1 Table 4.
Judgment matrix B3 指标 投资回报率 投资回收年限/年 投资回报率 1 1.6 投资回收年限/年 0.63 1 Table 5.
Judgment matrix B4 指标 系统的供电可靠性 能源和设备利用的高效性 能源利用的清洁性 项目投资的经济性 系统的供电可靠性 1 1.2 1.4 2 能源和设备 利用的高效性 0.83 1 1.2 1.4 能源利用的清洁性 0.71 0.83 1 1.6 项目投资的经济性 0.50 0.71 0.63 1 Table 6.
Judgment matrix A -
AHP的判断矩阵应满足非负性、自反性、互反性和由式(7)定义的一致性[5]：
((7)) 式中：aij为判断矩阵的元素。
然而，由于专家判断的主观性和多样性，综合不同专家判断得到的判断矩阵往往无法满足不一致性条件。为此，文献[7]提出了一种在原有矩阵的基础上构造完全一致性的矩阵的方法，对此，本文不再赘述。
-
基于上述指标体系和判断矩阵，采用AHP方法计算各指标的权重，其结果如表7所示。在实际计算时，需对各指标值按0～100%进行离差标准化。
一级指标 二级指标 权重 系统的供电可靠性 用户平均停电时间 0.12 用户平均停电次数 0.08 能源和设备利用的高效性 重载变电站比例 0.13 轻载变电站比例 0.05 线路平均负载率 0.07 峰谷负荷比 0.11 单位GDP能耗 0.09 能源利用的清洁性 新能源渗透率 0.09 新能源消纳电量比 0.08 减排率 0.08 项目投资的经济性 内部收益率 0.06 投资回收年限 0.04 Table 7.
Weight coefficient of indicators
2.1 基本步骤
2.2 基本AHP的权重计算
2.2.1 判断矩阵
2.2.2 一致性校验
2.2.3 权重计算结果
-
以深圳某大型工业园区的能源互联网为例进行验证。
1)电力负荷与电量
根据市政规划，按照负荷密度法(按不同性质用地的单位面积负荷)预测区域负荷总和为71 MW，扣除集中供冷的冷负荷后，预测电力负荷最大值约为63 MW，负荷密度为65 MW/km2，区域内每年用电量大概为250～270 TWh。
2)电源配置
燃气内燃机总装机容量47.5 MW，溴化锂制冷机总制冷负荷约为31.5 MW，电制冷机组6.3 MW。2台3 MW沼气内燃机组及4台烟气余热发电机组总装机容量为6.7 MW。
3)电网结构
按10 kV双母线的型式建设大型开闭所，并以此对区域内部光伏发电、沼气发电和三联供机组的出力，以及外部110 kV网供电力进行集中分配，接线示意图如图1所示。
Figure 1. 10 kV distributions network structure
4)控制保护方案
本区域采用广域电流保护与主站集中控制相结合的控制保护方案，智能终端之间的实时数据传输延时控制在10 ms以内，使控制响应速度小于100 ms。
-
根据所提的指标体系，对区域能源互联网进行定量评价，如表8所示。
一级指标 二级指标 指标取值 权重系数 系统的供电可靠性 用户平均停电时间/min 5 0.12 用户平均停电次数/(次·年) 0.2 0.08 能源和设备利用的高效性 重载变电站比例 0 0.13 轻载变电站比例 0 0.05 线路平均负载率 35% 0.07 峰谷负荷比 1.3 0.11 单位GDP能耗/(t·万元-1) 0.2 0.09 能源利用的清洁性 新能源渗透率 60% 0.09 新能源消纳电量比 80% 0.08 减排率 90% 0.08 项目投资的经济性 内部收益率 8 0.06 投资回收年限/年 7.8 0.04 Table 8.
Values of the energy internet planning indices 利用式(6)进行综合评价，可得本规划方案的各项得分如表9所示。评估结果如图2所示。
Figure 2. Planning evaluation results
一级指标 二级指标 二级评分 一级评分 系统的供电可靠性 用户平均停电时间 0.114 0.19 用户平均停电次数 0.076 能源和设备利用的高效性 重载变电站比例 0.13 0.415 7 轻载变电站比例 0.05 线路平均负载率 0.065 8 峰谷负荷比 0.097 9 单位GDP能耗 0.072 能源利用的清洁性 新能源渗透率 0.081 0.225 新能源消纳电量比 0.072 减排率 0.072 项目投资的经济性 内部收益率 0.054 0.09 投资回收年限 0.036 Table 9.
Evaluation score of the planning plan scheme
3.1 概况
3.2 指标评价
-
本文针对园区能源互联网的实施目的，从供电可靠性、能源利用效率、清洁能源消纳和投资经济性等方面，建立了完整的能源互联网建设项目评价指标体系，并提出了基于层次分析法赋权的综合评价方法，实现了数据信息的客观性与专家偏好主观性的良好结合。以深圳某园区的能源互联网建设项目为例进行了示例分析。结果表明，从系统的供电可靠性、能源和设备利用的高效性、能源利用的清洁性和项目投资的经济性等4方面，构建了园区能源互联网规划方案的综合评价指标体系，能够客观反映能源互联网提高供电可靠性、提高绿色能源占比、提升综合能源利用效率等核心特征。上述4方面的指标权重系数，建议取值为0.19、0.415 7、0.225和0.09。在此基础上，利用层次分析方法构建判断矩阵，能够一定程度上克服专家判断的主观性和多样性，从而实现对规划方案的多维度评价，使不同能源互联网建设项目的综合比较更为客观准确。
DownLoad:
