可靠性约束下集成反渗透的能源-水微网成本最优规划与协调运行

《Electric Power Systems Research》：Cost-optimal planning and coordinated operation of RO-integrated energy-water microgrids under reliability constraints

　　

- GA优化光伏、风能和热电容量，采用非线性反渗透模型。
- MSO-WDPO协调联合优化电力调度和淡水生产。
- 与确定性定容相比，蒙特卡洛不确定性使利润降低1.12–2.89%。
- 受控的ENS在保持供水充足性的同时降低了热电容量。
- 在确定性和随机性框架下，GA结果与PSO结果高度吻合。

引言
全球范围内，获取清洁淡水的压力日益增大。全球约40%的人口已面临某种形式的水资源压力，而预测表明，快速的城市化、工业扩张和降雨模式变化将进一步扩大这一差距[1]。这对粮食安全、公共健康和经济产出产生的连锁影响凸显了可扩展的供给侧干预措施的必要性[2]。一项跨学科评估指出，水与电力网络的高度耦合是优先研究领域，呼吁将这两个系统作为单一实体而非独立孤岛进行规划[3]。

海水淡化，尤其是通过反渗透（RO）膜技术，已成为干旱和沿海地区主流的淡水供给途径。其主要缺点是比能耗高，传统淡化厂从中央电网取电，存在输电损耗，并使运营商暴露于波动燃料价格的风险[4]。这些因素削弱了大规模海水淡化的经济可行性和环境效益。

将太阳能、风能和可调度热电源结合在一起的分布式微电网提供了一种替代供应模式。将发电设施布置在淡化负荷附近可减少电气损耗。此外，如果将工厂运行计划视为一个自由度而非固定的负荷曲线，可再生能源在不同时段和季节之间的自然变化可转化为优势[5]。

实现这一理念需要将发电机组调度与淡化排程作为一个统一的集中式决策问题来处理，本文通过微电网系统运营商（MSO）和海水淡化厂运营商（WDPO）两个角色来体现，前者负责机组的规模与调度，后者负责淡化排程和储水箱的控制。在这种集中式框架下，海水淡化厂（WDP）实际上成为一个可移峰的负荷，可以吸收多余的可再生能源出力或在供应不足时削减。尽管存在这种潜力，大多数现有规划工具将淡化需求建模为不可调度的时间序列，从而忽视了联合优化所能带来的效率提升。

本研究通过在共同测试系统上比较三种规划场景，量化了这种协调的价值。除了协调与非协调的比较之外，还引入了可调的能量未供应（ENS）允许值作为额外的灵活性机制。通过容忍一小部分未满足的电力需求，规划者可以进一步减少所需的热电容量，并将资本转向可变可再生能源。本文从5%到20%映射了最优容量配置对ENS阈值的敏感性，为水资源和能源同时稀缺地区在可靠性与投资成本之间取得平衡提供了实用指导。

已发表的水电联合优化工作涵盖两大类，即短期运行调度和长期投资规划。以下讨论对各类中的代表性研究进行了综述，并指出了本文所填补的空白。

运行调度：文献[6]提出了一种基于机组组合的成本模型，用于协调化石燃料机组与海水淡化厂，但可再生能源未纳入发电组合。文献[7]的作者建立了一个非线性规划（NLP）模型，最小化配电系统运营商和WDPO的联合成本，但所有电力均来自大电网采购，现场分布式能源（DER）没有发挥作用。文献[8]提出了一种纳什讨价还价模型，将反渗透厂视为需求侧资源，但对其线性RO近似的依赖可能低估了驱动实际工厂行为的压力-流量耦合。文献[9]通过随机混合整数线性规划（MILP）解决了反渗透厂与需求响应的日前协调问题，但其范围仅限于短期调度，不含投资维度。文献[10]中电力与配水网络的混合整数非线性规划（MINLP）联合优化报告了相对于解耦运行高达4.6%的成本降低，但公式中缺少ENS等可靠性指标。文献[11]开发了一个两阶段随机MILP模型，用于可再生能源丰富的电力系统中淡化厂的风险感知日前调度，其中采用的详细非线性RO膜模型也应用于本文的RO子系统，展示了运行尺度上可达到的物理保真度，但该模型既未处理ENS类可靠性指标，也未涉及容量规划决策。

文献[12]提出了网络约束机组组合方案，将水泵建模为灵活负荷，但其线性化水力关系仅能近似本质上非线性的膜过程。文献[13]将分段线性RO能量模型嵌入发电调度框架中，淡化能耗成本可降低21–40%，但线性化可能遗漏压力、流量和盐分截留之间的高阶相互作用。文献[14]提出了一种基于可行点追踪-逐次凸逼近（FPP-SCA）的分布式水-电力流算法，但其日前范围无法支持容量定容决策。文献[15]将模糊逻辑（FL）与哈里斯鹰优化（HHO）相结合，应用于分时电价下的光伏海水淡化，但未考虑可靠性权衡或长期定容。

容量规划：涉及投资维度的研究相对较少。文献[16]将能源存储的联合投资与运行联合优化建模为MILP，证明了集成规划的价值，但可靠性约束如ENS被遗漏。文献[17]的线性规划（LP）模型对配水设施进行定容并满足网络约束，但同样未建模可靠性。文献[18]优化了DER投资和电网扩展时序，但未与配水系统进行协调。文献[19]提出了基于超结构的框架，将风险、灵活性和韧性指标纳入水-能纽带研究，其中前馈神经网络（FFNN）代理近似灵活性指数，淡化产出通过简化的线性能量-水转换表示而非详细RO物理模型。文献[20]的整体式微型水-能纽带模型联合优化发电和淡化，但未考虑通过ENS放宽可靠性。最后，文献[21]提出了一种包括水的多载体能源系统的分布鲁棒两阶段模型，但淡化特定工艺约束和长期容量决策超出其范围。

表1汇总了已综述研究的方法论特征和局限性，包括本文以便直接比较。在本比较中，配水网络（WDN）列表示是否明确建模了网络本身（包括管道、水泵、储罐和压力或扬程平衡），而区别于将淡化或用水需求纯粹视为聚合负荷。

表1的比较揭示了文献中的一致分化。保留基于物理的RO模型的运行调度研究，如[6,10,13,11]，仅限于固定资产基础且无容量规划结果，而规划期研究如[16,17,19,20]则用简化的线性或代理能量转换替代了RO过程，且未报告ENS类可靠性指标。已综述的研究中，没有任何一项在单一联合框架中同时结合了多年规划期、完整非线性RO表示和显式可靠性机制，而这正是本文所针对的组合。

由于问题范围、规划期限、RO物理表示、输入数据集（太阳/风资源、成本、电价）和可靠性指标方面的根本差异，与以往研究进行直接定量比较（如最优DER容量或总成本）是不可行的。因此，表1呈现的是特征级比较，将本文定位在现有技术前沿并与之对比，突出了方法论贡献：具有完整非线性RO物理模型的多年规划、MSO-WDPO联合运行以及可调ENS可靠性约束。

在上述识别的空白背景下，本文做出三项主要贡献：
• 开发了一种遗传算法（GA）驱动的规划框架，用于能量-水微电网中光伏、风力涡轮机（WT）和热电机组（TG）资产的定容，保留了完整的非线性RO模型。由于水泵功率方程、膜透过率关系和指数浓度极化因子均未经线性化计算，容量决策反映了真实的能量-水耦合而非简化近似。GA解决方案在确定性和随机性框架下对每种情况均与粒子群优化（PSO）进行了交叉验证。
• 将MSO与WDPO之间的运行协调嵌入规划循环中。对于GA提出的每一组DER容量候选方案，都求解了详细的逐时调度，其中淡化厂排程是一个决策变量而非预定输入。通过在相同测试系统上对比协调与不协调规划，隔离了这种协调的经济效益。
• 通过Beta、Weibull和自回归蒙特卡洛场景来表示太阳能、风能和负荷的不确定性，并缩减为加权代表场景集。每个案例均在确定性和随机性框架下求解，量化了确定性定容高估利润和低估可靠运行所需热电容量的程度。
• 引入了水平全域ENS允许值作为可靠性机制，并通过对比有无ENS允许值条件下的协调运行，量化了其对最优发电组合、总投资和运营商利润的影响。从5%到20%ENS范围的敏感性分析进一步映射了所需TG容量降低的程度。

章节片段
能量-水微电网联合优化模型
联合优化指在单一数学规划中同时处理两个或多个相互依赖子系统[22]。本文所考虑的系统架构如图1所示。由光伏、风电和热电机组组成的微电网同时向居民用户和反渗透淡化设施供电。红色箭头追踪从发电机到高压泵和居民母线的电能路径，蓝色箭头追踪从海水到……

不确定性建模
太阳能、风能和电力负荷是规划者需要应对的日间变化的主要来源，因此每种都建模为围绕季节日平均曲线构建的随机变量，随机性叠加在该平均值之上。用水需求和进水温度被视为固定值，因为两者在本文所用时间尺度上受天气变化影响不大，且均以海水淡化约束中的形式直接输入模型。所得场景集反映了……

案例研究
所提出的框架在三种规划场景上进行评估，这些场景逐步增加微电网与淡化厂之间的协调程度，第三种场景还引入适度的可靠性允许值。
• 案例1（独立运行）：微电网和淡化厂作为两个独立的序贯子问题进行规划和运行。淡化排程首先由WDPO产生，WDPO在满足整个季节总用水量的同时最小化自身的加权电价成本……

季节电力调度
图8展示了案例3在随机性框架下（GA）的代表性夏季日的逐时调度，沿单一最高概率场景链评估，并使用规划期限的第10年数据，因为累计50%的负荷增长使该系统在那一年最接近容量极限。夏季是四个季节中最受约束的。负荷远高于其他季节的水平，热电机组（TG）全天大部分时间维持在接近其装机容量上限的水平……

结论与未来工作
本研究开发了一种基于GA的规划工具，并通过PSO进行了交叉验证，在10年规划期上对耦合反渗透淡化厂的微电网的DER容量和逐时运行计划进行联合优化，在适应度评估中保留了完整的非线性RO模型以避免现有文献中常见的线性化妥协。三种规划场景，即解耦运行、严格可靠性的协调运行和带有……

声明生成式AI及AI辅助技术的使用
在本文撰写过程中，作者使用了ChatGPT以改善文本的可读性。在使用该工具/服务后，作者根据需要审查和编辑了内容，并对发表内容的全部责任负责。

CRediT作者贡献声明
Imran Abubakar Abdullahi：原创草稿撰写、可视化、软件、方法论、形式化分析、概念化。Ali T. Al-Awami：撰写—审阅与编辑、验证、监督、资源、方法论、调查、资金获取、概念化。Mohamed R. Elkadeem：撰写—审阅与编辑、可视化、验证、方法论、调查、形式化分析、数据整理。Mohammad A. Abido：撰写—审阅与编辑、验证、监督、项目管理……

Imran Abubakar Abdullahi | Ali T. Al-Awami | Mohamed R. Elkadeem | Mohammad A. Abido | Eman G. Atiya