基于源荷匹配度的多綜合能源社區(qū)日前共享模型

羅筱均，魏震波，田軻，方濤

(1.四川大學(xué)電氣工程學(xué)院，成都市 610065；2.國(guó)網(wǎng)四川省電力公司，成都市 610041)

0 引 言

能源互聯(lián)網(wǎng)建設(shè)是尋求資源節(jié)約、環(huán)境友好的可持續(xù)發(fā)展道路的重要舉措，使區(qū)域內(nèi)冷熱電氣并行發(fā)展、生產(chǎn)和供應(yīng)間協(xié)同優(yōu)化成為可能[1]，而園區(qū)級(jí)綜合能源系統(tǒng)是其典型應(yīng)用之一。

當(dāng)前，分布式能源(distributed energy resources，DERs)因靈活高效、清潔環(huán)保、多元互動(dòng)等優(yōu)勢(shì)，在現(xiàn)代能源系統(tǒng)的滲透率持續(xù)上升。傳統(tǒng)園區(qū)用戶側(cè)電能的生產(chǎn)和消費(fèi)方式也得以改變，利用用戶終端設(shè)備進(jìn)行信息互動(dòng)和能量互連完成智能用電以及能源與信息的雙向交互[2-3]，另一方面，電力市場(chǎng)配售分離改革使更多新興主體涌入市場(chǎng)。綜合能源企業(yè)正從供應(yīng)商轉(zhuǎn)變到服務(wù)商[4-5]，社區(qū)運(yùn)營(yíng)商作為社區(qū)能源管理者，可根據(jù)市場(chǎng)發(fā)布的信息實(shí)現(xiàn)供需平衡，但僅靠社區(qū)內(nèi)部協(xié)調(diào)無法實(shí)現(xiàn)能源利用率最大化。因此，如何開展多用戶多區(qū)域能源互通，實(shí)現(xiàn)內(nèi)部資源合理共享，提升經(jīng)濟(jì)效益成為學(xué)者們研究的熱點(diǎn)。

目前，智能社區(qū)屋頂光伏、電動(dòng)汽車[6]、儲(chǔ)能系統(tǒng)[7]、調(diào)溫負(fù)荷等需求側(cè)資源豐富，作為新型利益主體參與市場(chǎng)競(jìng)爭(zhēng)。例如，文獻(xiàn)[8]設(shè)立3類供給源：電網(wǎng)、儲(chǔ)能、光伏，用戶可根據(jù)自身情況向電網(wǎng)售電；文獻(xiàn)[9]根據(jù)室外溫度預(yù)測(cè)值、可再生能源功率輸出預(yù)測(cè)值、日前電價(jià)信號(hào)和用戶偏好等，提出一種考慮電動(dòng)汽車(electric vehicle，EV)在高電價(jià)時(shí)段供電的家庭能源優(yōu)化調(diào)度算法，以降低用電費(fèi)用。相較于以上文獻(xiàn)個(gè)體用戶獨(dú)立開展能源互動(dòng)方式，社區(qū)運(yùn)營(yíng)商統(tǒng)一管理能源，制定經(jīng)濟(jì)高效用電計(jì)劃解決了個(gè)體用戶不確定性強(qiáng)、能源容量小等問題。另外，已有大量文獻(xiàn)研究了運(yùn)營(yíng)商參與社區(qū)能源調(diào)度優(yōu)化[10-19]。文獻(xiàn)[10]以社交網(wǎng)絡(luò)理論為基礎(chǔ)，研究多用戶聯(lián)盟與綜合能源運(yùn)營(yíng)商的利益沖突，驗(yàn)證了用戶聯(lián)盟力度同運(yùn)營(yíng)商盈利的關(guān)系；文獻(xiàn)[11-12]在智能小區(qū)的背景下，考慮用戶在用電評(píng)價(jià)、用電成本等方面需求，建立運(yùn)營(yíng)商盈利模型；文獻(xiàn)[13]研究社區(qū)內(nèi)運(yùn)營(yíng)商與產(chǎn)消者群的主從博弈關(guān)系，制定運(yùn)營(yíng)商定價(jià)模型和產(chǎn)消者負(fù)荷模型，應(yīng)用說明二者收益有所提升。然而，以上研究局限于單個(gè)社區(qū)自身優(yōu)化，盡管有社區(qū)運(yùn)營(yíng)商調(diào)度，優(yōu)化效果亦不理想。未考慮同其他社區(qū)的能源交互與協(xié)同，無法發(fā)揮資源共享互濟(jì)、降本增效的優(yōu)勢(shì)[14]?；诖?，文獻(xiàn)[15]考慮多個(gè)智能樓宇間，通過光伏、儲(chǔ)能EV等分布式電源實(shí)現(xiàn)電能共享，達(dá)到居民用戶用電費(fèi)用最小的目的；文獻(xiàn)[16]提出合作能源管理方案并應(yīng)用于能源消耗不同的一組智能建筑群，實(shí)現(xiàn)了對(duì)當(dāng)?shù)乜稍偕茉串a(chǎn)生的能量的最佳利用，結(jié)果表明與無源交換相比，電源管理成本和碳排放量顯著降低；文獻(xiàn)[17]研究包含清潔能源的建筑群的整體成本優(yōu)化，但是文章并未考慮能源交互也需要適應(yīng)度的問題；文獻(xiàn)[18]研究了居民用電動(dòng)汽車反向供電的3個(gè)場(chǎng)景：供給自身用電、鄰里用電及反饋到電網(wǎng)，證明此方法能降低用能成本。但是，僅依靠EV充放電的能源共享方式靈活性低，經(jīng)濟(jì)效益不高。

基于此，本文針對(duì)綜合能源社區(qū)提出一種考慮不同社區(qū)間源荷匹配度的能源互動(dòng)形式，由社區(qū)運(yùn)營(yíng)商負(fù)責(zé)日前能源調(diào)度，并對(duì)社區(qū)能源結(jié)構(gòu)進(jìn)行闡述。在此結(jié)構(gòu)下，以含屋頂光伏、電動(dòng)汽車和微型燃?xì)廨啓C(jī)組的社區(qū)為研究對(duì)象進(jìn)行建模分析。社區(qū)在滿足匹配指標(biāo)的基礎(chǔ)上，通過能源調(diào)度獲得社區(qū)群日前成本最小，實(shí)現(xiàn)資源最優(yōu)利用。最后，算例對(duì)不同場(chǎng)景下各社區(qū)的成本進(jìn)行比較，驗(yàn)證匹配成功的社區(qū)之間可以有效消納清潔能源并減少社區(qū)各自的購(gòu)電費(fèi)用。

1 多綜合能源社區(qū)結(jié)構(gòu)

圖1所示為社區(qū)能源網(wǎng)絡(luò)組織架構(gòu)示意圖。其中，社區(qū)運(yùn)營(yíng)商(community operator，CO)根據(jù)能量管理系統(tǒng)(energy management system，EMS)對(duì)區(qū)域內(nèi)的負(fù)荷量、電源出力和天氣等信息進(jìn)行收集和預(yù)測(cè)，在日前負(fù)責(zé)規(guī)劃?rùn)C(jī)組出力，進(jìn)而實(shí)現(xiàn)社區(qū)內(nèi)部能源生產(chǎn)與供應(yīng)之間的協(xié)同。社區(qū)之間通過物理和信息方式連接，運(yùn)營(yíng)商利用各社區(qū)用電行為的互補(bǔ)性和交互關(guān)系，進(jìn)一步實(shí)現(xiàn)能源良好利用和供需平衡。

圖1 社區(qū)能源網(wǎng)絡(luò)組織架構(gòu)Fig.1 Organizational structure of a community energy network

若社區(qū)間未開展能源交互模式，當(dāng)社區(qū)內(nèi)部出現(xiàn)供電缺額時(shí)，運(yùn)營(yíng)商直接向電網(wǎng)購(gòu)電。而在社區(qū)間交互模式下，運(yùn)營(yíng)商根據(jù)匹配信息制定與多個(gè)社區(qū)的能源交互計(jì)劃，通過能源調(diào)度實(shí)現(xiàn)互濟(jì)，獲得經(jīng)濟(jì)效益；當(dāng)交互能源仍無法滿足負(fù)荷需求時(shí)再?gòu)碾娋W(wǎng)購(gòu)電。

社區(qū)內(nèi)部是結(jié)合光伏和冷熱電聯(lián)產(chǎn)的二次能源網(wǎng)絡(luò)，其組織結(jié)構(gòu)如圖2所示。

圖2 社區(qū)內(nèi)部能流圖Fig.2 Diagram of community internal energy flow

微型燃?xì)廨啓C(jī)組(簡(jiǎn)稱微燃機(jī)組)是社區(qū)的主要能量來源，其中鍋爐的余熱可作為社區(qū)內(nèi)熱力負(fù)荷的能量來源，而制冷機(jī)供應(yīng)社區(qū)中的冷負(fù)荷。微燃機(jī)組的運(yùn)行由社區(qū)運(yùn)營(yíng)商采用以熱定電策略實(shí)現(xiàn)管理和控制。然而光伏運(yùn)行存在間歇性和隨機(jī)性，微燃機(jī)組在以熱定電的管控策略下無法保證每時(shí)段穩(wěn)定供電，運(yùn)營(yíng)商需要從外部主網(wǎng)購(gòu)電。

2 基于匹配度指標(biāo)的多綜合能源社區(qū)調(diào)度優(yōu)化模型

2.1 匹配指標(biāo)

綜合考慮社區(qū)光伏曲線和日負(fù)荷曲線的趨勢(shì)，社區(qū)間曲線差異程度越大越能高效進(jìn)行能源互補(bǔ)和消納。為了衡量社區(qū)的匹配度，實(shí)現(xiàn)能源的有效利用，提出基于Spearman相關(guān)系數(shù)和歐氏距離的社區(qū)間匹配度衡量指標(biāo)。

Spearman相關(guān)系數(shù)是統(tǒng)計(jì)學(xué)中利用單調(diào)方程評(píng)價(jià)2個(gè)統(tǒng)計(jì)變量間相關(guān)性的指標(biāo)，表示2個(gè)獨(dú)立變量的相關(guān)方向。其直觀定義為：在3個(gè)二元分布的隨機(jī)向量(a1,b1)，(a2,b2)，(a3,b3)中，至少有一個(gè)分布與其他分布協(xié)同出現(xiàn)的概率，與其中至少有一個(gè)分布與其他分布不協(xié)同出現(xiàn)的概率之間的差值[19]來描述隨機(jī)變量的相關(guān)性，計(jì)算方法如式(1)所示：

(1)

式中：ρ為任意兩向量間的相關(guān)系數(shù)；6為斯皮爾曼相關(guān)系數(shù)標(biāo)準(zhǔn)公式的系數(shù)；J為向量維度，本文將一天劃分為24個(gè)時(shí)段，即代表24對(duì)獨(dú)立同分布的數(shù)據(jù)；dj為兩向量中元素在升序序列中的秩次之差。

按照式(1)計(jì)算社區(qū)之間負(fù)荷和光伏出力的相似度，相似度越低，社區(qū)越容易匹配成功實(shí)現(xiàn)能源共享。但Spearman系數(shù)的缺點(diǎn)在于：當(dāng)變量的秩次不變而值發(fā)生變化，會(huì)依然判斷為原來的相關(guān)程度；忽略數(shù)值的差異，無法準(zhǔn)確判斷此刻的相關(guān)性。Spearman劣勢(shì)分析如圖3所示，當(dāng)改變曲線中最大數(shù)與最小數(shù)的值時(shí)，曲線圖會(huì)出現(xiàn)明顯不同但相關(guān)性判斷并未發(fā)生改變。

歐式距離是衡量變量間絕對(duì)距離的指標(biāo)，它定義于歐幾里得空間中。歐氏距離只考慮距離的遠(yuǎn)近，忽略圖形的相似度。歐氏距離劣勢(shì)分析如圖4所示，藍(lán)色作為基準(zhǔn)曲線，橙色與黃色曲線上的各點(diǎn)均與藍(lán)色線各點(diǎn)的歐式距離相等，但藍(lán)色與橙色曲線的相似程度更高。

圖3 Spearman劣勢(shì)分析Fig.3 Spearman weakness analysis

圖4 歐氏距離劣勢(shì)分析Fig.4 Euclidean distance weakness analysis

綜上所述，根據(jù)Spearman系數(shù)與歐式距離在衡量相似度上呈現(xiàn)出的優(yōu)劣互補(bǔ)特點(diǎn)，提出按權(quán)重分配決定出社區(qū)間匹配程度的綜合指標(biāo)。由于二者量綱不同，對(duì)歐氏距離進(jìn)行歸一化：

(2)

式中：ρnew為新的社區(qū)間匹配程度衡量指標(biāo)；λ為權(quán)重系數(shù)；xm、ym為不同變量在空間的位置；dm為xm與ym間的歐氏距離；dmax、dmin為歐式距離的最大、最小值。ρnew越小，社區(qū)間差異越大。

在調(diào)度優(yōu)化模型中引入匹配約束，為運(yùn)營(yíng)商調(diào)度篩選出適宜能量交互的潛在社區(qū)?；谠春蓴?shù)據(jù)的社區(qū)匹配，可以較精準(zhǔn)發(fā)現(xiàn)在同一時(shí)段中出現(xiàn)缺額的社區(qū)和盈余的社區(qū)，實(shí)現(xiàn)快速對(duì)接。排除因交互能量少而傳輸損耗占比高的社區(qū)，減少信息的流通。在運(yùn)營(yíng)商的調(diào)度下，社區(qū)實(shí)現(xiàn)更為精準(zhǔn)能源交互。通過算例驗(yàn)證得出，匹配后的社區(qū)實(shí)現(xiàn)了高消納、高傳輸效率，減少了信息流通量和傳輸損耗。匹配與調(diào)度相結(jié)合的形式可以實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)。

匹配成功的社區(qū)的能源共享主要表現(xiàn)為某些社區(qū)有盈余，其他社區(qū)能源缺額的情況。當(dāng)整體社區(qū)都出現(xiàn)缺額時(shí)，社區(qū)將從電網(wǎng)購(gòu)電。

2.2 目標(biāo)函數(shù)

社區(qū)運(yùn)營(yíng)商根據(jù)匹配信息開展社區(qū)群間能源共享。當(dāng)整體出現(xiàn)電能缺損時(shí)，與電網(wǎng)交易，實(shí)現(xiàn)社群日前成本最低。目標(biāo)函數(shù)中還考慮了微燃機(jī)組運(yùn)行維護(hù)成本和電動(dòng)汽車電池?fù)p耗，如式(3)所示：

(3)

2.3 約束條件

2.3.1微燃機(jī)、余熱鍋爐運(yùn)行約束

(4)

(5)

2.3.2電動(dòng)汽車約束

用戶出行前要保證電動(dòng)汽車電量充裕，以保證順利出行，本文將用戶出行前電動(dòng)汽車的期望電量值設(shè)定為額定電量的85%。另一方面，電動(dòng)汽車到家時(shí)應(yīng)保留一定裕量，將該電量隨機(jī)設(shè)置在額定電量的20%～50%，有降低電池?fù)p耗的作用。電動(dòng)汽車充放電滿足互斥原則。用戶的出行和到達(dá)時(shí)間存在不確定性，采用高斯分布統(tǒng)計(jì)用戶出行分布[20]。基于上述約束，提出以下優(yōu)化過程的約束條件：

1)用戶出行需求約束：

(6)

2)荷電狀態(tài)約束：

(7)

3)充放電約束：

(8)

2.3.3社區(qū)內(nèi)功率平衡

本文將電力負(fù)荷分為不可轉(zhuǎn)移負(fù)荷和可轉(zhuǎn)移負(fù)荷。不可轉(zhuǎn)移負(fù)荷指在供電時(shí)間不能調(diào)整的負(fù)荷；可轉(zhuǎn)移負(fù)荷指根據(jù)電價(jià)信息用電時(shí)間允許調(diào)整的負(fù)荷。社區(qū)內(nèi)的電負(fù)荷應(yīng)滿足：

(9)

以社區(qū)n功率平衡為參考，其余社區(qū)功率平衡等式相同。

(10)

2.3.4區(qū)間購(gòu)售電平衡

(11)

2.3.5匹配約束

開展能源交互的社區(qū)數(shù)量由匹配指標(biāo)決定。當(dāng)社區(qū)的匹配值大于一常數(shù)時(shí)，將其記為可參與調(diào)度的社區(qū)，公式如下：

(12)

根據(jù)式(1)—(12)構(gòu)建考慮社區(qū)購(gòu)電成本、微燃機(jī)組運(yùn)維成本、EV電池?fù)p耗成本最小的綜合優(yōu)化目標(biāo)。該模型為混合整數(shù)線性規(guī)劃模型，在MATLAB 2016a平臺(tái)下使用CPLEX進(jìn)行求解。

3 算例分析

3.1 仿真參數(shù)

本文的系統(tǒng)配置條件如下：1)同一區(qū)域選取3個(gè)社區(qū)，社區(qū)1、社區(qū)2、社區(qū)3分別包含5棟建筑、4棟建筑和6棟建筑，每棟建筑的屋頂配有光伏板，其光伏裝機(jī)容量取值為60～120 kW；2)每個(gè)社區(qū)電動(dòng)汽車數(shù)量均設(shè)置為20輛，型號(hào)為比亞迪宋Pro；3)每個(gè)社區(qū)配有微型燃?xì)廨啓C(jī)(500 kW)、余熱鍋爐、制冷機(jī)各1臺(tái)。選取3個(gè)社區(qū)某夏季典型日的實(shí)際負(fù)荷數(shù)據(jù)進(jìn)行算例分析，如圖5—7所示。微燃機(jī)、EV具體參數(shù)、電價(jià)設(shè)置見表1、2。

圖5 社區(qū)1日負(fù)荷功率曲線Fig.5 Daily load power curve of community 1

圖6 社區(qū)2日負(fù)荷功率曲線Fig.6 Daily load power curve of community 2

圖7 社區(qū)3日負(fù)荷功率曲線Fig.7 Daily load power curve of community 3

3.2 場(chǎng)景設(shè)置

通過對(duì)匹配指標(biāo)的靈敏度仿真，得出本文適用的匹配常數(shù)數(shù)值。匹配值靈敏度分析如圖8所示，在[0.4,0.7]區(qū)間，成本增幅低，交易量降速緩慢，適宜取值。

本文將匹配值設(shè)為0.5并搭建3個(gè)場(chǎng)景：

場(chǎng)景1：社區(qū)獨(dú)立，不進(jìn)行能源交互；

場(chǎng)景2：所有社區(qū)不實(shí)施匹配計(jì)劃，各社區(qū)間均可能源交互；

場(chǎng)景3：根據(jù)匹配指標(biāo)的值實(shí)現(xiàn)能源互通。

表1 微燃機(jī)和電動(dòng)汽車參數(shù)設(shè)置Table 1 Parameter settings of micro-combustion unit and electric vehicle

表2 電價(jià)參數(shù)Table 2 Electricity parameter

圖8 匹配值靈敏度分析Fig.8 Sensitivity analysis of match value

3.3 計(jì)算結(jié)果及分析

結(jié)合圖5—7可以發(fā)現(xiàn)，社區(qū)不同時(shí)段的負(fù)荷值、光伏出力有明顯差異，為能源交互提供了良好背景。針對(duì)場(chǎng)景1，供電出現(xiàn)缺額時(shí)，社區(qū)運(yùn)營(yíng)商直接從電網(wǎng)購(gòu)電，但能源利用率低，棄光問題無法解決。場(chǎng)景2的能源交互情況如圖9所示，每個(gè)社區(qū)都需要實(shí)時(shí)接收其余社區(qū)的能源信息，更大規(guī)模的信息交互容易造成信息通道阻塞。社區(qū)2與社區(qū)3的交互功率很小，能源互通優(yōu)勢(shì)未展現(xiàn)，社區(qū)交互效果不理想。

通過匹配值求出社區(qū)1同社區(qū)2，社區(qū)1同社區(qū)3均可能源傳輸。場(chǎng)景3社區(qū)功率交互如圖10所示，場(chǎng)景3運(yùn)用匹配指標(biāo)為社區(qū)能源交互提供指導(dǎo)，將社區(qū)2與社區(qū)3的能源交互放到社區(qū)1與社區(qū)2，社區(qū)1與社區(qū)3實(shí)現(xiàn)，降低信息復(fù)雜度，簡(jiǎn)化信息處理過程，提高能源傳輸效率，并有效消納了光伏。

圖9 場(chǎng)景2社區(qū)功率交互Fig.9 Community power interaction in scene 2

圖10 場(chǎng)景3社區(qū)功率交互Fig.10 Community power interaction in scene 3

圖11—13分別為3個(gè)社區(qū)匹配后的功率平衡圖。在00:00—06:00時(shí)段，社區(qū)3的微燃機(jī)組出力有盈余，可向社區(qū)2、社區(qū)3提供部分冷、熱能源供應(yīng)。

圖11 社區(qū)1功率平衡圖Fig.11 Power balance in community 1

圖13為商住兩用型社區(qū)，考慮到社區(qū)屬性，社區(qū)3配置更多的光伏出力，但能耗也相對(duì)更高。為了保證商用區(qū)域的溫度，冷負(fù)荷也會(huì)全天存在且占比較高。在00:00—06:00時(shí)段，因?yàn)槔?、熱?fù)荷大，微燃機(jī)出力更多，部分熱、冷能可以售出，電動(dòng)汽車受電價(jià)引導(dǎo)開始充電。

圖13 社區(qū)3功率平衡圖Fig.13 Power balance in community 3

為引導(dǎo)光伏全消納，在12:00—20:00時(shí)段，社區(qū)1供電存在缺額，首先將信息發(fā)布給其他社區(qū)運(yùn)營(yíng)商，購(gòu)買光伏；在光伏無法滿足供給的情況下，再向電網(wǎng)購(gòu)電。EV根據(jù)優(yōu)化目標(biāo)實(shí)現(xiàn)智能充放電，在負(fù)荷高峰期時(shí)合理放電，在夜間進(jìn)行充電。由于考慮可轉(zhuǎn)移電負(fù)荷，從圖11—13可看到各社區(qū)負(fù)荷曲線波動(dòng)幅度減緩，光伏、微燃機(jī)都被合理調(diào)度。

各場(chǎng)景下社區(qū)的成本如表3所示，以場(chǎng)景1中各社區(qū)成本為參考：場(chǎng)景2能源互動(dòng)一定程度上能夠降低某些社區(qū)的費(fèi)用，但是隨著社區(qū)數(shù)量越來越龐大、交互信息越來越復(fù)雜，能量管理系統(tǒng)對(duì)信息的分析、規(guī)劃程度有限，會(huì)導(dǎo)致社區(qū)能源無法及時(shí)傳送造成棄能，一些社區(qū)的成本并不會(huì)減少。匹配后的能源互動(dòng)，保證參與優(yōu)化的社區(qū)成本降低，未參與優(yōu)化的社區(qū)不會(huì)分?jǐn)偝杀?，傳輸效率更高。社區(qū)2和社區(qū)3被消納的光伏分別為社區(qū)賺取了76.3元和43.7元。

社區(qū)匹配后存在的不足：經(jīng)濟(jì)效益未有顯著提高，微燃機(jī)以熱定電的特性造成在負(fù)荷高峰時(shí)段能源供應(yīng)不足，存在缺額；運(yùn)營(yíng)商需要向電網(wǎng)購(gòu)電，而此時(shí)正值峰值電價(jià)。

表3 各場(chǎng)景下社區(qū)成本對(duì)比Table 3 Community cost comparison under various scenes

4 結(jié) 論

本文以綜合能源社區(qū)為研究對(duì)象，以社區(qū)運(yùn)行的經(jīng)濟(jì)性和消納清潔能源為重點(diǎn)，從源荷匹配的角度開展能源共享形式，制定社區(qū)群日前成本最小策略。通過算例仿真分析得到以下結(jié)論：

1) 經(jīng)匹配指標(biāo)引導(dǎo)開展社區(qū)能源交互能夠降低各自的用能成本，良好的互動(dòng)方式在一定程度上實(shí)現(xiàn)了能源的協(xié)調(diào)互濟(jì)。

2) 相較于僅電能雙向流動(dòng)模式，多能多向共享模式在靈活性上更占優(yōu)勢(shì)。通過能源共享充分挖掘社區(qū)能源響應(yīng)潛力，可提高能源利用率。

下一步研究方向?yàn)?，考慮用戶行為的不確定性，將日前市場(chǎng)與實(shí)時(shí)市場(chǎng)兩階段的能源調(diào)度相結(jié)合。

致 謝

本文研究得到了以下項(xiàng)目支持：甘肅省科技重大專項(xiàng)計(jì)劃“光熱-光伏-風(fēng)電新能源基地市場(chǎng)消納和調(diào)度控制關(guān)鍵技術(shù)與示范應(yīng)用”(19ZD2GA003)。