需求響應(yīng)下基于近似動(dòng)態(tài)規(guī)劃的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度

帥航，艾小猛，仉夢林，楊立濱，李湃，樂零陵，方家琨，文勁宇

(1．強(qiáng)電磁工程與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué))，武漢市 430074；2.青海省光伏發(fā)電并網(wǎng)技術(shù)重點(diǎn)實(shí)驗(yàn)室，西寧市 810000；3. 新能源與儲(chǔ)能運(yùn)行控制國家重點(diǎn)實(shí)驗(yàn)室(中國電力科學(xué)研究院有限公司)，北京市 100192；4. 奧爾堡大學(xué)能源學(xué)院，丹麥奧爾堡 9220)

0 引 言

隨著全球能源危機(jī)的加劇以及環(huán)境問題日益惡化，提高能源利用率同時(shí)降低對(duì)化石能源的依賴成為當(dāng)今社會(huì)關(guān)注的焦點(diǎn)。能源互聯(lián)網(wǎng)是在這一背景下提出的。能源互聯(lián)網(wǎng)是指各種一次、二次能源的生產(chǎn)、傳輸、使用、存儲(chǔ)和轉(zhuǎn)換裝置以及它們的信息、通信、控制和保護(hù)裝置直接或間接連接而成的以電網(wǎng)為主干的網(wǎng)絡(luò)化物理系統(tǒng)，其基本物理架構(gòu)一般認(rèn)為包含有電網(wǎng)、熱/冷網(wǎng)、天然氣管網(wǎng)、交通等網(wǎng)絡(luò)[1]。天然氣的可壓縮性使得天然氣管網(wǎng)可以作為一種成本相對(duì)低廉的儲(chǔ)能設(shè)施，其與電力系統(tǒng)聯(lián)合運(yùn)行有助于消納電網(wǎng)中過剩的可再生能源。近年來，隨著電力制氣(power to gas, P2G)技術(shù)的發(fā)展，氣電聯(lián)合系統(tǒng)得到了較為廣泛的研究[2-5]。

隨著對(duì)需求側(cè)管理研究的不斷深入以及眾多需求側(cè)政策文件的出臺(tái)，近年來需求側(cè)響應(yīng)(demand response， DR)在綜合能源網(wǎng)中的研究也逐步開展。文獻(xiàn)[6]研究了考慮氣電聯(lián)合系統(tǒng)中聯(lián)合循環(huán)燃?xì)廨啓C(jī)的需求響應(yīng)機(jī)制，其是基于穩(wěn)態(tài)氣網(wǎng)潮流模型。文獻(xiàn)[7]考慮需求側(cè)響應(yīng)建立了綜合能源社區(qū)中家庭負(fù)荷用能優(yōu)化模型，其目標(biāo)函數(shù)僅為用戶的用能費(fèi)用，未考慮電源側(cè)的運(yùn)行成本。文獻(xiàn)[8]建立了基于DR的區(qū)域能量管理策略，在用戶側(cè)以DR補(bǔ)償費(fèi)用及負(fù)荷峰谷差最小為目標(biāo)提出了負(fù)荷曲線形態(tài)優(yōu)化模型；在供能側(cè)以系統(tǒng)運(yùn)行成本最低優(yōu)化機(jī)組出力，實(shí)現(xiàn)供需雙側(cè)的用能優(yōu)化。由于DR為非線性優(yōu)化問題，文獻(xiàn)[8]中負(fù)荷曲線形態(tài)優(yōu)化求解采用基于經(jīng)驗(yàn)的負(fù)荷控制方法，且其建立的冷熱電綜合能源優(yōu)化模型未考慮能源網(wǎng)絡(luò)的網(wǎng)架結(jié)構(gòu)。由于天然氣系統(tǒng)的暫態(tài)能量傳輸過程較為復(fù)雜，考慮網(wǎng)架結(jié)構(gòu)的氣電聯(lián)合系統(tǒng)在求解上存在諸多挑戰(zhàn)。目前學(xué)者通常采用簡化的穩(wěn)態(tài)能量流模型[9]或借助牛頓-拉夫遜法[10]、分段線性近似法[11]等方法求解該非線性問題。然而上述方法存在許多不足，比如穩(wěn)態(tài)能量流模型忽略了天然氣系統(tǒng)和電力系統(tǒng)時(shí)間常數(shù)上巨大的差異。文獻(xiàn)[12]提出了一種簡化的線性優(yōu)化模型，而且區(qū)別于穩(wěn)態(tài)模型，該模型能考慮天然氣網(wǎng)絡(luò)能量流的動(dòng)態(tài)變化過程，但該文獻(xiàn)并未考慮DR。針對(duì)現(xiàn)有研究存在的不足，本文將建立考慮供需雙側(cè)的氣電聯(lián)合系統(tǒng)運(yùn)行模型，并采用文獻(xiàn)[12]提出的線性化天然氣網(wǎng)絡(luò)能量流模型。

在網(wǎng)側(cè)采用的線性化天然氣管網(wǎng)模型易于求解，但由于需求響應(yīng)模型為非線性優(yōu)化問題，給考慮DR的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度的求解帶來較大困難。為便于快速求解同時(shí)保證模型的優(yōu)化效果，借鑒文獻(xiàn)[8]提出的分步優(yōu)化思路，將原問題分解為電力負(fù)荷側(cè)的用戶負(fù)荷曲線形態(tài)優(yōu)化和網(wǎng)側(cè)的運(yùn)行優(yōu)化。對(duì)于用戶側(cè)的DR優(yōu)化，文獻(xiàn)[8]采用基于經(jīng)驗(yàn)的負(fù)荷控制方法加以求解，為獲得較好的效果本文將基于粒子群算法(particle swarm optimization，PSO)進(jìn)行負(fù)荷曲線形態(tài)優(yōu)化；其次，針對(duì)網(wǎng)側(cè)氣電聯(lián)合系統(tǒng)能量流優(yōu)化問題，在作者前期工作[12-14]的基礎(chǔ)上提出基于近似動(dòng)態(tài)規(guī)劃(approximate dynamic programming, ADP)的經(jīng)濟(jì)調(diào)度優(yōu)化策略。通過本文所提方法綜合考慮供需兩側(cè)實(shí)現(xiàn)氣電聯(lián)合系統(tǒng)的聯(lián)合優(yōu)化運(yùn)行。

1 考慮DR的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度模型

本文建立考慮負(fù)荷側(cè)響應(yīng)的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度模型。氣電聯(lián)合系統(tǒng)由風(fēng)電機(jī)組(wind turbine，WT)、燃煤機(jī)組(coal fired generator，CG)、燃?xì)鈾C(jī)組(gas fired generator，GG)、電池儲(chǔ)能、電力制氣裝置(P2G)、壓縮機(jī)(gas compressor，GC)等組成。氣電聯(lián)合系統(tǒng)具體結(jié)構(gòu)如圖 1所示。電力系統(tǒng)和天然氣系統(tǒng)通過燃?xì)鈾C(jī)和P2G設(shè)備實(shí)現(xiàn)能量的雙向流通。

圖1 氣電聯(lián)合系統(tǒng)示意圖Fig.1 Schematic diagram of integrated gas and power system

在文獻(xiàn)[8]的基礎(chǔ)上，本文考慮負(fù)荷側(cè)響應(yīng)的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度分為以下2步：電力負(fù)荷側(cè)的用戶負(fù)荷曲線形態(tài)優(yōu)化和網(wǎng)側(cè)的運(yùn)行優(yōu)化。(1)將電力負(fù)荷預(yù)測曲線輸入負(fù)荷曲線形態(tài)優(yōu)化算法，以補(bǔ)償費(fèi)用及負(fù)荷峰谷差最小為目標(biāo)，通過需求響應(yīng)改善用戶用電行為，優(yōu)化負(fù)荷曲線形態(tài)，并采用PSO算法求解該非線性問題。(2)根據(jù)優(yōu)化后的電負(fù)荷曲線，以氣電聯(lián)合系統(tǒng)運(yùn)行成本最小為目標(biāo)，優(yōu)化調(diào)度聯(lián)合系統(tǒng)中的可控設(shè)備，使供能側(cè)成本達(dá)到最優(yōu)，本文采用ADP算法求解該優(yōu)化問題。

1.1 DR負(fù)荷優(yōu)化模型

按照需求響應(yīng)的方式，電力負(fù)荷通?？梢苑譃椴豢煽刎?fù)荷、可削減負(fù)荷、可轉(zhuǎn)移負(fù)荷[8，15]。不可控負(fù)荷的用電時(shí)間及功率無法被系統(tǒng)改變；可削減負(fù)荷(照明、家用電器等)的用電功率在用戶滿意度允許范圍內(nèi)可作適當(dāng)調(diào)節(jié)。系統(tǒng)運(yùn)行人員通常在負(fù)荷高峰時(shí)段切斷部分可削減負(fù)荷以降低系統(tǒng)的調(diào)峰壓力，在非高峰時(shí)段補(bǔ)回部分削減負(fù)荷量保證用戶的用電滿意度；可轉(zhuǎn)移負(fù)荷(家用電器、電動(dòng)汽車等)的用電功率可在一定時(shí)間段內(nèi)轉(zhuǎn)移，但其用電總時(shí)長和中斷負(fù)荷能量不變。在系統(tǒng)用電高峰期可轉(zhuǎn)移負(fù)荷通過中斷用電需求緩解系統(tǒng)高峰供能壓力，并在負(fù)荷低谷時(shí)段全額補(bǔ)足。

根據(jù)可削減負(fù)荷和可轉(zhuǎn)移負(fù)荷的特點(diǎn)，本文采用如下DR負(fù)荷優(yōu)化模型[8]：DR負(fù)荷優(yōu)化的目標(biāo)函數(shù)如式(1)-(4)所示，式(5)為可削減負(fù)荷和可轉(zhuǎn)移負(fù)荷參加負(fù)荷響應(yīng)后最終負(fù)荷量計(jì)算方法，式(6)為反彈負(fù)荷量計(jì)算方法。

F1=min{C1+C2+C3}

(1)

(2)

(3)

(4)

(5)

(6)

對(duì)于可削減負(fù)荷和可轉(zhuǎn)移負(fù)荷，其需服從回補(bǔ)負(fù)荷量約束式(7)—(8)、負(fù)荷控制量約束式(9)—(10)、負(fù)荷控制次數(shù)約束式(11)以及可轉(zhuǎn)移負(fù)荷中斷時(shí)間約束式(12)。

(7)

(8)

(9)

(10)

(11)

(12)

1.2 氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度模型

本文研究的氣電聯(lián)合系統(tǒng)包含電力系統(tǒng)和天然氣系統(tǒng)。電力系統(tǒng)包含燃煤機(jī)組、燃?xì)鈾C(jī)組、風(fēng)電場、電池和電力負(fù)荷；天然氣系統(tǒng)包含天然氣管網(wǎng)、電轉(zhuǎn)氣設(shè)備(P2G)、氣負(fù)荷(gas load，GL)和壓縮機(jī)。天然氣系統(tǒng)模型采用作者在文獻(xiàn)[12]中提出的線性化模型。

氣電聯(lián)合系統(tǒng)最優(yōu)能量流是一個(gè)多時(shí)段優(yōu)化問題，該問題可建模成馬爾科夫決策過程(Markov decision process，MDP)[13]。下面分別定義MDP問題的狀態(tài)變量、決策變量、轉(zhuǎn)移函數(shù)、目標(biāo)函數(shù)及約束條件。狀態(tài)變量代表當(dāng)前時(shí)段做決策前系統(tǒng)所處的狀態(tài)，包括電力系統(tǒng)側(cè)和天然氣系統(tǒng)側(cè)的狀態(tài)信息，具體定義如式(13)所示。

(13)

決策變量定義如下：

(14)

(15)

(16)

(17)

1.2.1氣電聯(lián)合系統(tǒng)目標(biāo)函數(shù)

系統(tǒng)目標(biāo)函數(shù)為最小化聯(lián)合系統(tǒng)的運(yùn)行費(fèi)用：

(18)

(19)

1.2.2氣電聯(lián)合系統(tǒng)約束條件

氣電聯(lián)合系統(tǒng)中的動(dòng)態(tài)最優(yōu)潮流應(yīng)滿足天然氣網(wǎng)絡(luò)側(cè)和電力系統(tǒng)側(cè)的所有運(yùn)行約束。

(1)氣網(wǎng)絡(luò)側(cè)約束條件。

使用流體動(dòng)力學(xué)方程來描述輸氣管道中的能量傳輸相當(dāng)復(fù)雜。 為簡化能量傳輸?shù)拿枋?，本文采用簡化的偏微分方程模?差分形式)[12]。

1)動(dòng)量方程和質(zhì)量守恒方程：

ρj,t+Δt+ρi,t+Δt-ρj,t-ρi,t+

(20)

(21)

式中：ρi,t是t時(shí)刻節(jié)點(diǎn)i的氣體密度;dij，Aij和Lij分別是節(jié)點(diǎn)i和j之間管道的直徑、橫截面積和長度；λ是摩擦系數(shù)。

氣體壓力和氣體密度之間的關(guān)系如下：

pi=c2ρi

(22)

2)邊界條件約束：對(duì)于終節(jié)點(diǎn)(Sink nodes)、源節(jié)點(diǎn)(Source nodes)、交匯節(jié)點(diǎn)(Link nodes)，必須滿足以下約束條件：

(23)

Mi,t=Mj,t?iConnected to GC

(24)

pj,t=(cr).pi,t?iConnected to GC

(25)

(26)

(27)

3)變量的上下界：對(duì)于天然氣系統(tǒng)側(cè)的所有源節(jié)點(diǎn)，質(zhì)量流速滿足以下約束條件：

Mi,t≥0 ?i∈Source nodes, ?t

(28)

而所有非源節(jié)點(diǎn)的氣體壓力被限制于：

(29)

(2)電力系統(tǒng)側(cè)約束條件。

電力系統(tǒng)的約束條件包括電力平衡約束、潮流約束、出力上下限約束和爬坡約束。

1)電力負(fù)荷平衡約束：

(30)

(31)

本文中l(wèi)gci是常量。

2)支潮流約束：本文采用直流潮流約束。 支潮流約束可以表示為

-flim≤SijPij≤flim

(32)

式中：Pij代表線路ij注入功率;Sij表示線路ij注入功率和線路功率流的靈敏度矩陣元素;flim代表線路ij的最大傳輸容量。

3)發(fā)電機(jī)出力上下限及爬坡約束：本文考慮了所有燃煤/氣發(fā)電機(jī)的發(fā)電限制和爬坡速率約束。

(33)

|Pi,t-Pi,t-Δt|≤RiΔt

(34)

4)電池約束：

(35)

(36)

(37)

(38)

(3)能量轉(zhuǎn)換約束。

本文考慮雙向能量轉(zhuǎn)換。 通過燃?xì)獍l(fā)電機(jī)，天然氣中的能量可以轉(zhuǎn)化為電能；相反，電力可通過P2G裝置生產(chǎn)天然氣。 能量轉(zhuǎn)換裝置具有轉(zhuǎn)換效率問題。 電能和氣體能量之間的能量關(guān)系可以由下式表示：

(39)

(40)

式中：ηki和ηin分別是P2G和燃?xì)獍l(fā)電機(jī)的效率；下標(biāo)ki表示P2G將電力系統(tǒng)中母線k的電能轉(zhuǎn)換為天然氣系統(tǒng)中的節(jié)點(diǎn)i的天然氣能。

2 考慮DR的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度求解

2.1 基于PSO的負(fù)荷曲線形態(tài)優(yōu)化

由式(1)-(12)建立的數(shù)學(xué)模型可知，負(fù)荷曲線形態(tài)優(yōu)化為非線性優(yōu)化問題。文獻(xiàn)[8]采用一種基于規(guī)則的負(fù)荷控制求解流程，但其未采用嚴(yán)格的數(shù)學(xué)優(yōu)化算法，無法保證求解結(jié)果的優(yōu)劣。本文應(yīng)用粒子群優(yōu)化(PSO)算法，該算法常用于求解非線性優(yōu)化問題。算法通過初始化一群尋優(yōu)粒子，然后每個(gè)粒子以自己的尋優(yōu)方向和速度反復(fù)迭代尋找問題的最優(yōu)解。每個(gè)粒子根據(jù)自身搜索過程發(fā)現(xiàn)的最優(yōu)位置以及所有粒子發(fā)現(xiàn)的全局最優(yōu)解來更新自身的搜索方向及速度。本文采用如下公式來更新粒子的位置及速度[17]：

(41)

(42)

2.2 基于ADP的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度

本文建立的氣電聯(lián)合系統(tǒng)MDP(Markov decision process)模型為多時(shí)段優(yōu)化問題。傳統(tǒng)上可以采用動(dòng)態(tài)規(guī)劃(dynamic programming, DP)算法求解。DP通過逐時(shí)段求解如下Bellman方程獲得最優(yōu)解：

(43)

式中Vt(·)是代表從時(shí)間段t到T-Δt的氣電聯(lián)合系統(tǒng)的總運(yùn)行成本的值函數(shù)。DP求解面臨“維數(shù)災(zāi)”難題，通過采用諸如查表法等[18]近似方法來近似公式(43)中的值函數(shù)，可以避免DP所面臨的維數(shù)災(zāi)難。此即ADP的基本思想。ADP算法在電力系統(tǒng)運(yùn)行優(yōu)化中得到了諸多研究[18-19]。

(44)

(45)

近似值函數(shù)對(duì)于ADP算法的優(yōu)化效果至關(guān)重要。 在本文中，使用查表法來得到近似值函數(shù)。狀態(tài)變量被離散化，并且在值函數(shù)表每個(gè)特定狀態(tài)St有一個(gè)值函數(shù)Vt(St)與之對(duì)應(yīng)。為了加快算法的收斂速度，采用了狀態(tài)聚合。將電池的荷電狀態(tài)(state of charge，SOC)劃分為如下幾種：{Emin,Emin+ΔE,Emin+2ΔE,…,Emax}，其中ΔE是電池容量的網(wǎng)格大小。同樣，狀態(tài)變量中的其他變量按下式離散化：

ΔO=Omax-Omin

(46)

式中O∈{M,p,Pw,Lt,Pg,Pgas}。式(46)表明近似值函數(shù)表僅僅是電池SOC的函數(shù)。

3 算例分析

3.1 計(jì)算模型及參數(shù)

采用如圖 2所示的氣電聯(lián)合系統(tǒng)仿真驗(yàn)證本文所提方法。電力系統(tǒng)采用Graver 6節(jié)點(diǎn)系統(tǒng)，天然氣系統(tǒng)采用14節(jié)點(diǎn)系統(tǒng)。電力系統(tǒng)包含1臺(tái)燃煤機(jī)組、1臺(tái)燃?xì)鈾C(jī)組、1個(gè)風(fēng)電場以及1臺(tái)電池儲(chǔ)能。天然氣系統(tǒng)包含1個(gè)源節(jié)點(diǎn)和5個(gè)終端節(jié)點(diǎn)。電力系統(tǒng)和天然氣系統(tǒng)通過2臺(tái)P2G設(shè)備和1臺(tái)燃?xì)鈾C(jī)組連接，從而可以實(shí)現(xiàn)能量的雙向流通。系統(tǒng)的參數(shù)如表 1和表 2所示。設(shè)置ΔE=10 MW·h。此外，燃?xì)獍l(fā)電設(shè)備ηki和P2G電站的效率ηin分別取為 0.11 kg/(MW·s)和1.8 MW·s/kg[12]。仿真平臺(tái)為1臺(tái)配備有Intel Core i3和8 GB內(nèi)存的PC機(jī)。

3.2 負(fù)荷曲線形態(tài)優(yōu)化

初始負(fù)荷曲線以某地的典型日負(fù)荷曲線為例。設(shè)置圖 2中電網(wǎng)側(cè)的母線2和3上連接的部分負(fù)荷可參與負(fù)荷側(cè)響應(yīng)，即為可控負(fù)荷。可控電負(fù)荷包括照明負(fù)荷和家用電器。其中部分照明負(fù)荷為可削減負(fù)荷，每個(gè)節(jié)點(diǎn)最大可控制量為5 MW，工作時(shí)長與可控時(shí)長均為全天，最大控制次數(shù)為2；家用電器負(fù)荷部分為可削減負(fù)荷，部分為可轉(zhuǎn)移負(fù)荷，工作時(shí)長與可控時(shí)長為08:00—22:00，最大控制次數(shù)為1，每個(gè)節(jié)點(diǎn)最大可控量為8 MW，可削減與可轉(zhuǎn)移負(fù)荷占比分別為25%和75%。負(fù)荷控制參數(shù)設(shè)置與文獻(xiàn)[8]一致。PSO算法種群數(shù)目為200，最大迭代次數(shù)為300，其余參數(shù)參考文獻(xiàn)[17]。電負(fù)荷曲線形態(tài)優(yōu)化結(jié)果如圖 3所示，圖中實(shí)線表示母線2和3的原始負(fù)荷曲線，虛線表示考慮DR后母線2和3的負(fù)荷曲線。對(duì)比母線2和3負(fù)荷控制前后的負(fù)荷曲線可以發(fā)現(xiàn)，在負(fù)荷高峰時(shí)段通過削減部分照明負(fù)荷、家用電器用電量，并同時(shí)轉(zhuǎn)移部分家用電器的用電時(shí)段，負(fù)荷峰值得到有效降低；在負(fù)荷的低谷時(shí)段，系統(tǒng)再全額補(bǔ)足高峰時(shí)段的可轉(zhuǎn)移負(fù)荷電量，并部分回補(bǔ)高峰時(shí)段的削減負(fù)荷電量，從而達(dá)到削峰填谷的效果。

圖2 氣電聯(lián)合系統(tǒng)結(jié)構(gòu)圖Fig.2 Structural diagram of integrated gas and power system

表1 Grave 6節(jié)點(diǎn)電力系統(tǒng)發(fā)電機(jī)參數(shù)Table 1 Parameters of the generators in the Grave 6-node power system

表2 電池參數(shù)Table 2 Parameters of the battery

圖3 負(fù)荷響應(yīng)前后母線2和3電負(fù)荷曲線Fig.3 Load demand of bus 2 and 3 before and after demand response considered

3.3 氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度

風(fēng)電預(yù)測曲線和氣電負(fù)荷曲線如圖 4所示。采用ADP算法優(yōu)化各機(jī)組出力，考慮負(fù)荷側(cè)響應(yīng)前后各設(shè)備出力如圖 5— 8所示?？梢园l(fā)現(xiàn)，由于煤電機(jī)組的燃料費(fèi)用低于燃?xì)鈾C(jī)組，因此電能主要由燃煤機(jī)組提供，燃?xì)鈾C(jī)組主要在負(fù)荷高峰時(shí)段提供電力。另外，P2G設(shè)備主要在t=26～27 h運(yùn)行，這是因?yàn)榇藭r(shí)的風(fēng)電出力高而負(fù)荷低，為吸收過剩的風(fēng)電系統(tǒng)開始儲(chǔ)能，但電池的充電功率已達(dá)上限，多余的風(fēng)電需要P2G消耗。夜間的負(fù)荷相對(duì)較小，該時(shí)間段電池開始充電并在負(fù)荷高峰放電，起到移峰填谷的作用。

從圖5—圖 7可以發(fā)現(xiàn)，考慮DR前后燃煤機(jī)組、P2G和電池出力趨勢變化不大，燃煤機(jī)組和P2G的總體出力水平基本保持不變，僅在高峰時(shí)段有所降低。這是由于參與負(fù)荷控制的用戶占比不高，對(duì)燃煤機(jī)組出力的影響較小，但考慮DR后高峰時(shí)段負(fù)荷水平降低，導(dǎo)致發(fā)電需求變小，相應(yīng)燃煤機(jī)組出力有所降低。從圖 6 可以發(fā)現(xiàn)，考慮DR后燃?xì)鈾C(jī)組的總出力降低，由負(fù)荷控制前的47.86 MW·h降低至40.71 MW·h，減少14.94%。從圖 8可以發(fā)現(xiàn)電池主要在夜間充電并在負(fù)荷高峰放電，起到削峰填谷的作用。DR對(duì)電池充放電行為影響較小。

圖4 風(fēng)電和氣/電負(fù)荷曲線Fig.4 Wind power and gas/power load curve

圖5 燃煤機(jī)組出力Fig.5 Power output of coal-fired generator

圖6 燃?xì)鈾C(jī)組出力Fig.6 Power output of gas generator

圖7 P2G設(shè)備總出力Fig.7 Power output of P2G facilities

圖8 電池SOC狀態(tài)Fig.8 State of charge of the battery

考慮負(fù)荷控制后，聯(lián)合系統(tǒng)電源側(cè)的總?cè)剂铣杀緸?33.08萬元，負(fù)荷控制的總成本為0.131 6萬元，因此系統(tǒng)運(yùn)行總成本為133.21萬元。若不允許負(fù)荷控制，系統(tǒng)的總運(yùn)行費(fèi)用為133.74萬元。由此可見，考慮負(fù)荷控制后系統(tǒng)的總運(yùn)行成本更低，這是因?yàn)榭紤]負(fù)荷控制后燃?xì)鈾C(jī)組的出力降低，而負(fù)荷側(cè)補(bǔ)償成本低于燃?xì)鈾C(jī)組的運(yùn)行成本。由此表明，通過管控用戶的用電行為可以進(jìn)一步提高綜合能源系統(tǒng)的能源利用效率，實(shí)現(xiàn)能源的高效利用。

為了驗(yàn)證所提ADP算法的有效性，對(duì)比了ADP、模型預(yù)測控制(model predictive control，MPC)和短視策略(myopic policy)[18]在考慮DR后的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度求解結(jié)果，如表 3所示。從仿真結(jié)果可以發(fā)現(xiàn)，相比于其他2種算法，所提ADP算法求得的運(yùn)行費(fèi)用最低，驗(yàn)證了本文所提方法的有效性。

表3 優(yōu)化結(jié)果對(duì)比Table 3 Optimization result of ADP, MPC and myopic policy

4 結(jié) 論

本文提出了一種需求響應(yīng)下基于ADP的氣電聯(lián)合系統(tǒng)最優(yōu)運(yùn)行策略。綜合本文研究，可以得到以下結(jié)論：

(1)本文研究了考慮DR的氣電聯(lián)合系統(tǒng)經(jīng)濟(jì)調(diào)度問題，采用分步優(yōu)化方法將原問題分解為負(fù)荷形態(tài)曲線優(yōu)化和氣電聯(lián)合系統(tǒng)的最優(yōu)能量流優(yōu)化，并分別采用PSO和ADP算法求解上述2個(gè)子優(yōu)化模型，仿真結(jié)果驗(yàn)證了所提算法的有效性。

(2)通過本文的仿真分析，考慮DR后聯(lián)合系統(tǒng)的總運(yùn)行成本更低。由此表明，通過管控用戶的用電行為同時(shí)聯(lián)合優(yōu)化氣、電網(wǎng)絡(luò)的運(yùn)行可以提高綜合能源系統(tǒng)的能源利用效率，實(shí)現(xiàn)能源的高效利用。