文章快速检索     高级检索
  山东大学学报(工学版)  2017, Vol. 47 Issue (6): 128-133  DOI: 10.6040/j.issn.1672-3961.0.2017.579
0

引用本文 

张恒旭, 韩林晓, 石访. 基于最小偏差法的全球能源优化配置方法[J]. 山东大学学报(工学版), 2017, 47(6): 128-133. DOI: 10.6040/j.issn.1672-3961.0.2017.579.
ZHANG Hengxu, HAN Linxiao, SHI Fang. Optimal allocation of global energy based on minimum deviation method[J]. Journal of Shandong University (Engineering Science), 2017, 47(6): 128-133. DOI: 10.6040/j.issn.1672-3961.0.2017.579.

基金项目

国家电网公司科技资助项目(SGSDDK00KJJS1600061)

作者简介

张恒旭(1975—), 男, 山东夏津人, 教授, 博导, 博士, 主要研究方向为电力系统稳定分析与控制. E-mail: zhanghx@sdu.edu.cn

文章历史

收稿日期:2017-11-13
网络出版时间:2017-11-20 14:59:33
基于最小偏差法的全球能源优化配置方法
张恒旭, 韩林晓, 石访     
全球能源互联网协同创新中心(山东大学), 山东 济南 250061
摘要:全球能源互联网旨在构建以清洁能源为主、电力为中心, 全球范围优化配置资源的世界能源发展新格局, 是实现未来社会经济可持续发展的强力支撑。对全球能源互联背景下的能源配置问题进行研究, 以最小化能源成本和传输损耗为目标函数, 以运输系统容量、能源供给量和能源需求量为约束条件, 构建多目标优化模型。为减少主观性对多目标优化的影响, 运用最小偏差法转化为单目标优化模型, 并采用GAMS软件求解。算例分析表明, 电能替代化石能源能有效降低用能总成本。对比分析洲际电网互联下的优化配置方案, 并分析了其关于环境效益的灵敏度。
关键词全球能源互联网    优化配置    最小偏差法    特高压    清洁能源    
Optimal allocation of global energy based on minimum deviation method
ZHANG Hengxu, HAN Linxiao, SHI Fang     
Collaborative Innovation Center for Global Energy Interconnection (Shandong University), Jinan 250061, Shandong, China
Abstract: Global energy interconnection dedicated to form a new pattern of world energy development in which clean energy plays dominating role, the electric power was the center and the energy resources are optimally allocated worldwide. It will become the strong support to achieve sustainable development of society and economy in the future. To study the energy allocation in the background of global energy interconnection, a multi-objective optimization model was established. In this model, minimizing energy cost and minimizing transmission loss were objectives. Restrictions included energy supply, energy demand and capacity of transmission system. In order to reduce the influence of subjectivity on multi-objective optimization, the model was transformed into single-objective optimization model based on minimum deviation method and solved by GAMS software. The case study showed that electricity replacement could effectively reduce total energy cost. Based on this, the optimal allocation scheme of global energy under transcontinental grids was compared and analyzed, and its sensitivity on environmental benefits was discussed.
Key words: global energy interconnection    optimal allocation    minimum deviation method    ultra-high voltage    clean energy    
0 引言

由于资源枯竭、环境污染和气候变化等问题日益突出, 在全球范围内构建清洁、安全、高效且经济的综合能源体系, 实施“电能替代”与“清洁替代”, 推动能源结构转变已经成为世界各国与各地区共同的目标[1-4]。世界能源资源与负荷中心呈逆向分布, 需要在全球范围内对能源进行大规模优化配置; 传统化石能源通过油轮、输油/气管道、铁路/公路等形式运输, 耗时长、成本高、污染严重。能源均可转化为电能[5-6], 以电能为核心的能源资源配置具有快速、便捷、经济和环保的优点。逐步提高电能在终端能源占比, 在全球能源互联背景下, 应该充分利用特高压等先进输电技术, 以电能的形式实现世界能源的优化配置, 已是大势所趋[4]

刘晓黎等[7]基于边际效益均衡与边际效用理论, 构建以最大化绿色经济效益为目标的可再生能源优化配置模型。林伯强等[8]建立综合考虑外部成本、时间成本、损耗等因素的模糊多目标多指数运输模型。姜广君[9]建立多约束条件下我国输煤、输电能源运输体系优化的系统动力学模型。周琦梦[10]利用空间聚合法形成能源中心, 对远距离输煤进行优化, 模拟到2050年输煤、输电以及两者并行下的成本等。舒印彪等[11]认为输电输煤应并行进行并且发展输电为先。王耀华等[12]提出现有市场经济下, 输电技术的不断提高将使输电比输煤更具有经济优势。神瑞宝等[13]认为输煤输电的经济性受多种因素的影响, 需具体分析以判定哪种输送方式更为经济。李立浧等[14]从综合经济效益等方面对输煤输电进行综合比较。江智军等[15]从环境效益角度对输煤输电进行比较。本研究针对洲际互联背景下的全球能源优化配置问题, 通过适当简化, 构建以最小化能源成本和传输损耗为目标的优化模型, 提出基于最小偏差法的求解方法。对比分析传统模式和洲际电网互联模式下的全球能源资源优化配置方案的差异, 阐述洲际电网互联带来的影响, 并从环境效益的角度, 对全球能源配置方案进行灵敏度分析。

1 全球能源优化配置模型 1.1 全球能源配置影响因素

能源传输是能源分布失衡的必然结果, 能源传输形式与能源传输路径的合理选择对于实现能源优化配置至关重要。在能源配置的过程中, 传输路径与传输形式主要受经济性、运输设备、能源供需格局等多方面因素影响。

从经济性角度出发, 能源需求中心从能源供应中心获取能源, 必然会产生相应的费用。同时, 各种能源在运输过程中均存在能源损耗, 包括运输过程中的运输允耗、装载允耗等。因此, 以能源成本与传输损耗作为经济性的量化指标。

公路、铁路、海运、电力网等能源传输系统会对传输容量最大和最小值进行限制。能源供需格局主要是指某地区能源可供应量和需求量。能源可供应量是能源输出区对外可输出的最大量, 某地区的能源对外传输量不应超过该值; 而能源需求量指能源受入区的需求量, 某地区的能源对内传输量不应低于该值, 以满足该地区的能源需求。

1.2 多目标优化模型 1.2.1 目标函数

以经济性指标最优为全球能源配置的优化目标, 即以最小化能源成本与传输损耗作为两个目标函数,

$ \min F = \min \left( {{f_1}(x), {\rm{ }}{f_2}(x)} \right), $ (1)
$ {f_1}(x) = \sum\limits_k {{a_k}(i, j) \cdot {x_k}(i, j)}, $ (2)
$ {f_2}(x) = \sum\limits_k {{b_k}(i, j) \cdot {x_k}(i, j)}, $ (3)

其中: f1(x)为能源总成本; f2(x)为能源总传输损耗; ij分别为能源输出区与能源输入区编号; ak(i, j)和bk(i, j)分别代表第k种能源的单位成本和传输损耗率; xk(i, j)代表第k种能源在能源输出区i与能源受入区j的能源传输量。

1.2.2 约束条件

在约束条件中, 主要考虑运输系统和能源供需格局对全球能源配置的影响。

(1) 运输系统容量约束

$ {r_{k, \min }}(i, j) \leqslant {x_k}(i, j) \leqslant {r_{k, \max }}(i, j), $ (4)

其中: rk, min(i, j)和rk, max(i, j)分别为第k种能源从第i能源输出区传输到第j能源受入区的最小和最大能源传输容量限制。

(2) 能源可供给量约束

$ \sum\limits_j {{x_k}(i, j) \leqslant p(i)}, $ (5)

其中p(i)为第i能源输出区能源可供给量。

(3) 能源需求量约束

$ \sum\limits_i {{x_k}(i, j) \geqslant q(j)}, $ (6)

其中q(j)为第j能源受入区能源需求量。

2 基于最小偏差法的优化方法 2.1 最小偏差法

在对全球能源进行优化配置时, 综合传输系统的量化指标往往不局限于一个方面, 也就是说, 能源配置问题实质是一个多目标优化问题。然而这些指标之间可能是矛盾的, 即一个指标性能的优化改善可能引起另一个指标性能下降, 将不容易取得最优解。

多目标规划评价函数法常用于解决该问题, 然而, 该方法的缺点在于不能建立一个完全客观的评价标准, 所得到的结果具有一定的主观性。为此, 采用最小偏差法将多目标优化问题转化为单目标优化问题, 进而通过求解单目标优化问题得到优化结果。

最小偏差法的优势在于不需要考虑目标函数的相对重要性, 从而避免了权系数的选择, 只需要分析各目标函数在作为单目标进行优化时的函数值, 其基本原理如下所示,

假设对于多目标函数

$ {F_m} = \left( {{f_{m, 1}}(x), {f_{m, 2}}(x), \cdots, {f_{m, n}}(x)} \right), $ (7)

其中: Fm包含n个目标函数, 分别为fm, 1(x), fm, 2(x), …, fm, n(x)。

利用最小偏差法将多目标函数Fm转化为单目标函数

$ \min F_m^s = \sum\limits_{k = 0}^l {\frac{{{f_{m, k}}(x) - f_{m, k}^{\min }}}{{f_{m, k}^{\max } - f_{m, k}^{\min }}}} + \sum\limits_{k = l + 1}^n {\frac{{f_{m, k}^{\max } - {f_{m, k}}(x)}}{{f_{m, k}^{\max } - f_{m, k}^{\min }}}}, $ (8)

其中: fm, kminfm, kmax分别表示目标函数fm, k的最小值和最大值; l表示最小化目标函数的个数; n表示目标函数的总个数。

2.2 全球能源优化配置方法

基于最小偏差法, 将式(1)~(3)中的双目标函数转化为单目标形式

$ \min {\rm{ }}{F^s}{\rm{ = }}\frac{{{f_1}(x) - f_1^{\min }}}{{f_1^{\max } - f_1^{\min }}} + \frac{{{f_2}(x) - f_2^{\min }}}{{f_2^{\max } - f_2^{\min }}}, $ (9)

其中: f1minf2min分别表示目标函数f1f2的最小值; f1maxf2max分别表示目标函数f1f2的最大值。

考虑式(4)~(6)的约束条件, 则转化后的全球能源优化配置模型为

$ \begin{array}{*{20}{l}} {\min {F^s}}\\ {{\rm{s}}{\rm{.t}}{\rm{.}}\left\{ \begin{array}{l} \sum\limits_j {{x_k}(i, j) \leqslant p(i), } \\ \sum\limits_i {{x_k}(i, j) \geqslant q(j), } \\ {r_{k, \min }}(i, j) \leqslant {x_k}(i, j) \leqslant {r_{k, \max }}(i, j), \end{array} \right.} \end{array} $ (10)

其中:目标函数和约束函数都是仿射的, 因此, 转化得到的能源优化配置模型为线性规划模型, 商业优化软件能够较为迅速、准确的求解其全局最优解。在本研究中, 对上述数学模型在通用代数建模系统GAMS中建立计算模型, 并对其进行优化求解。

3 算例分析 3.1 传统模式下的全球能源优化配置

将全球分为7个区域, 包括亚太地区、中东地区、北美洲、中南美洲、欧洲及欧亚大陆、非洲以及北极地区。基于2010年全球化石能源(原油与天然气)跨区域传输量[16], 计算各区域能源需求量与供给量见表 1, 其中, 数值0代表在本研究场景下该区域对外没有能源需求或供应。

表 1 传统模式下各区域化石能源需求量与供给量 Table 1 Regional fossil energy demand and supply under the traditional mode

设定原油传输损耗率为0.25%[17], 液化天然气传输损耗率为0.30%[18], 且损耗率随传输距离变化上下浮动20.00%, 原油与天然气价格为加权平均后的到岸价格[19], 传输系统最大容量为2010年洲际间各能源实际传输量[16]的两倍。

以能源成本为目标进行单目标优化, 最小能源成本为8 974.15亿美元, 对应的能源传输损耗为486万吨油当量; 以能源传输损耗为目标进行单目标优化, 最小能源传输损耗为453万吨油当量, 对应的能源成本为9 670.41亿美元。采用本研究提出的模型和求解方法, 计算结果见表 2, 其中, 实际的能源成本(传输损耗)为单位能源成本(损耗率)乘以实际能源传输量的总和。

表 2 全球化石能源优化配置结果 Table 2 Optimal allocation result of global fossil energy

表 2可得, 优化后的能源成本与实际值相比减少约305.53亿美元, 传输损耗约降低2万吨油当量。因此, 对全球能源的合理优化配置, 有利于改善能源成本与传输损耗。

图 1为优化后的全球能源流; 其中, 箭头走向仅表示跨洲传输时的能源流向, 箭头首末端不代表区域内具体地点, 能源传输量为年度级数据。原油在区域间传输量约为14.16亿吨油当量, 占传输总量的84%;液化天然气在区域间传输总量约为2.70亿吨油当量, 占传输总量的16%。

图 1 优化配置后的全球化石能源流通情况 Figure 1 Global fossil energy flows after optimal allocation
3.2 洲际互联模式下的全球能源优化配置

全球能源互联将逐步实现国内互联、洲内互联、洲际互联三个阶段[4]。基于本研究提出的模型和求解方法分析洲际电力传输对全球能源优化配置的影响。

为了验证算法及简化问题, 假设保持全球能源总需求与总供给不变, 设定电力占能源总量的25%, 传统传输方式比例相应减少, 计算各地区跨区域能源需求量与供给量(见表 3), 其中, 所传输的电能来源均为清洁能源发电。此时, 能源需求方与能源供给方发生变化, 全球能源供-需格局相应发生变化。

表 3 互联模式下各区域能源需求量与供给量 Table 3 Regional energy demand and supply underthe interconnected mode

特高压±1 100 kV直流输电的输送距离可达4 000~5 000 km, 总损耗率约为3%~4%。假设洲际互联电网采用±1 100 kV直流输电, 每千km损耗率取为0.8%。到网电价由送端电源基地上网电价、线损电价、输电电价三部分组成; 其中, 送端光伏上网电价为0.80元/(kW·h), 送端风电上网电价为0.47元/(kW·h), 送端水电为0.30元/(kW·h)[20], 输电电价及线损电价随传输距离的不同而不同[21]。电力网传输约束参考2050年洲际间互联电网电力传输量[4]。在洲际互联背景下, 全球能源优化配置结果见表 4

表 4 全球能源优化配置结果 Table 4 Optimal allocation result of global energy

在当前能源需求-供给格局下, 优化后的能源成本与实际值相比, 减少约953.37亿美元; 与传统模式相比, 减少约647.85亿美元。因此, 洲际互联电网互联有利于改善能源成本。此外, 当以能源成本作为单目标进行优化时, 能源成本为7 833.08亿美元, 与实际能源成本相比仅减少了16%, 原因在于清洁能源发电基地的上网电价较高。洲际互联背景下优化后的能源传输损耗与实际传输损耗相比, 增加了约433万吨油当量; 与传统模式相比, 损耗增加了约435万吨油当量。由此表明, 洲际电力传输模式增加了传输损耗。传输损耗的增加是由于本研究缺少可用数据暂没有考虑煤炭的优化配置; 通过油轮、管道运输石油、天然气损耗较小, 而煤炭的装卸、运输损耗明显大于石油和天然气。如果将煤炭纳入能源优化配置体系, 电能替代导致的损耗将进一步减少。

图 2为优化配置后的全球能源流, 区域间电力传输量约为5.06亿吨油当量, 占传输总量的29.98%;原油传输量约为9.10亿吨油当量, 占总传输量的53.98%;液化天然气传输量约为2.70亿吨油当量, 占传输总量的16.04%。由于存在季节与气候差异, 北美洲与南美洲间的电力负荷特性能够较好地互补互济, 由此, 电力流在两者间为双向流动, 即北美洲向南美洲传输的电力总量约为0.34亿吨油当量/a, 南美洲向北美洲传输的电力总量约为1.38亿吨油当量/a。

图 2 优化配置后的全球能源流通情况 Figure 2 Global energy flows after optimal allocation

分别以能源成本与传输损耗为目标进行单目标优化, 所得电力传输情况见表 5。由表 5可以看出, 在本研究场景下, 较大的电能替代会增加传输损耗, 但总体能源成本显著降低; 随着清洁发电成本的进一步降低, 通过全球能源互联网进行大范围能源优化配置、推动电能替代的作用将更加明显。

表 5 不同优化目标下的电力传输情况 Table 5 Power transmission under different optimal objectives

因此, 在未来的全球能源互联网建设中, 应推动技术创新, 提高电力网传输效率, 降低清洁能源上网电价, 以先进的能源技术为清洁替代与电能替代提供支持与保障。

3.3 环境效益影响分析

从环境效益与经济效益的角度出发, 同时计及经济成本与海运所带来的环境成本(交通运输外部成本参考文献[22]), 以能源成本为优化目标进行全球能源优化配置, 此时的电力传输情况见表 6。计算结果表明, 由于清洁能源发电、传输和使用的环境友好性, 当计及环境成本时, 区域间电力传输需求量进一步增加。

表 6 环境效益对电力传输情况的影响 Table 6 Impact of environmental benefits on power transmission
4 结语

针对洲际电网互联背景下的全球能源优化配置问题, 构建双目标优化模型, 运用基于最小偏差法和GAMS软件的求解方法, 对传统模式和洲际互联模式下的能源优化配置进行对比, 并分析环境效益对优化结果的影响。

结果表明, 合理的能源优化配置有利于改善能源传输成本与传输损耗; 洲际互联电网改变了能源供需格局, 有利于改善能源传输成本; 考虑环境成本将进一步提高洲际间电力传输需求量。

全球能源配置还受地缘政治与国际局势等多种因素影响; 本研究还未将煤炭的优化配置和替代纳入模型; 能源的综合利用成本还受转化成本、政府政策导向等一系列因素影响, 所述结果仅针对给定的条件有效。对综合能源传输体系进行全面评价, 还需进一步进行深入研究。

参考文献
[1] JACOBSON M Z, DELUCCHI M A. Providing all global energy with wind, water, and solar power, part I: technologies, energy resources, quantities and areas of infrastructure, and materials[J]. Energy Policy, 2011, 39(3): 1154-1169
[2] DELUCCHI M A, JACOBSON M Z. Providing all global energy with wind, water, and solar power, part Ⅱ: reliability, system and transmission costs, and policies[J]. Energy policy, 2011, 39(3): 1170-1190
[3] 白建华, 辛颂旭, 刘俊, 等. 中国实现高比例可再生能源发展路径研究[J]. 中国电机工程学报, 2015, 35(14): 3699-3705
BAI Jianhua, XIN Songxu, LIU Jun, et al. Roadmap of realizing the high penetration renewable energy in China[J]. Proceedings of the CSEE, 2015, 35(14): 3699-3705
[4] 刘振亚. 全球能源互联网[M]. 北京: 中国电力出版社, 2015.
[5] 王益民. 全球能源互联网理念及前景展望[J]. 中国电力, 2016, 49(3): 1-5, 11
WANG Yimin. Concept and prospect of global energy interconnection[J]. Electric Power, 2016, 49(3): 1-5, 11 DOI:10.11930/j.issn.1004-9649.2016.03.001.05
[6] 刘振亚. 全球能源互联网:必须以电为中心[J]. 电气时代, 2016(1): 34-36
[7] 刘晓黎, 张泽中, 黄强, 等. 面向可再生能源配额制的可再生能源优化配置模型研究[J]. 太阳能学报, 2008(2): 256-260
LIU Xiaoli, ZHANG Zezhong, HUANG Qiang, et al. Study on the optimal configuration model of renewable energy facing renewable portfolio standard[J]. Acta Energiae Solaris Sinica, 2008(2): 256-260
[8] 林伯强, 姚昕. 电力布局优化与能源综合运输体系[J]. 经济研究, 2009, 44(6): 105-115
LIN Boqiang, YAO Xin. Power industry location optimization and integrative energy transportation system[J]. Economic Research Journal, 2009, 44(6): 105-115
[9] 姜广君. 我国能源运输通道体系综合评价及优化研究[D]. 北京: 中国矿业大学(北京), 2011.
[10] 周琦梦. 基于空间数据聚合的中国煤电输送系统分析[D]. 上海: 华东理工大学, 2014.
[11] 舒印彪, 张运洲. 优化我国能源输送方式研究[J]. 中国电力, 2007, 40(11): 4-8
SHU Yinbiao, ZHANG Yunzhou. Research on the optimization of energy transportation mode in China[J]. Electric Power, 2007, 40(11): 4-8
[12] 王耀华, 张风营, 白建华. 输煤输电经济性比较[J]. 中国电力, 2007(12): 6-9
WANG Yaohua, ZHANG Fengying, BAI Jianhua. Comparative research on the economy of coal transportation and power transmission[J]. Electric Power, 2007(12): 6-9 DOI:10.3969/j.issn.1004-9649.2007.12.002
[13] 神瑞宝, 张粒子, 张洪, 等. 输煤输电经济性比较研究[J]. 中国电力, 2013, 46(10): 133-139
SHEN Ruibao, ZHANG Lizi, ZHANG Hong, et al. Economic comparisons of coal transportation and power transmission[J]. Electric Power, 2013, 46(10): 133-139 DOI:10.3969/j.issn.1004-9649.2013.10.026
[14] 李立浧, 饶宏, 张东辉, 等. 输煤输电的技术经济比较研究及其重要战略意义[J]. 中国工程科学, 2015, 17(9): 63-68
LI Licheng, RAO Hong, ZHANG Donghui, et al. Comparison between coal transportation and power transmission in terms of technology and cost[J]. Engineering Sciences, 2015, 17(9): 63-68
[15] 江智军, 谌洪江, 刘见, 等. 输煤与输电环境效益比较分析[J]. 科学技术与工程, 2016, 16(17): 302-308
JIANG Zhijun, CHEN Hongjiang, LIU Jian, et al. Comparative study on environmental benefits of coal transportation and power transmission[J]. Science Technology and Engineering, 2016, 16(17): 302-308 DOI:10.3969/j.issn.1671-1815.2016.17.055
[16] BP集团. BP世界能源统计年鉴(2011版)[R]. 伦敦: BP集团, 2011.
[17] 娄希杰, 张玉良, 秦海洋. 浅析进口原油海运损耗[J]. 中国石油和化工标准与质量, 2014(7): 71-71
[18] 李晓宇, 王长友, 刘玉文, 等. "十三五"期间中国天然气行业竞争态势及对策[J]. 天然气工业, 2016, 36(2): 119-124
LI Xiaoyu, WANG Changyou, LIU Yuwen, et al. Competition situation of China's natural gas industry during the 13th Five-Year Plan and the corresponding countermeasures[J]. Natural Gas Industry, 2016, 36(2): 119-124 DOI:10.3787/j.issn.1000-0976.2016.02.017
[19] 国网能源研究院. 国际能源与电力价格分析报告2012[M]. 北京: 中国电力出版社, 2012.
[20] 刘振亚. 特高压交直流电网[M]. 北京: 中国电力出版社, 2013.
[21] 丁伟, 胡兆光. 特高压输电经济性比较研究[J]. 电网技术, 2006, 30(19): 7-13
DING Wei, HU Zhaoguang. The research on the economy comparison of Ultra High Voltage[J]. Power System Technology, 2006, 30(19): 7-13 DOI:10.3321/j.issn:1000-3673.2006.19.002
[22] 付建飞. 交通运输业外部成本计算方法研究[J]. 铁道运输与经济, 2008, 30(8): 14-16