基于服務(wù)商引導(dǎo)的綜合能源系統(tǒng)源-荷協(xié)同優(yōu)化方法

廖宗毅，萬文略，陳曦，陳嵐

(重慶理工大學(xué)電氣與電子工程學(xué)院，重慶市 400054)

0 引 言

隨著國家能源市場逐步開放，傳統(tǒng)能源服務(wù)已難以適應(yīng)新環(huán)境下用戶的多元化需求，更多市場主體把注意力轉(zhuǎn)移到更經(jīng)濟、高效的綜合能源系統(tǒng)[1]。作為綜合能源系統(tǒng)的終端應(yīng)用形式，園區(qū)型綜合能源系統(tǒng)(community integrated energy system，CIES)具有清潔高效、多負(fù)荷集中等特性，有利于可再生能源消納，可通過優(yōu)化調(diào)度策略發(fā)揮多能源互補優(yōu)勢與協(xié)同效益，具有很大的調(diào)度潛力，有關(guān)CIES優(yōu)化運行的研究已成為熱點[2-3]。

目前國內(nèi)外關(guān)于CIES運行優(yōu)化策略可概括為集中式與分布式兩類。其中集中式優(yōu)化策略大多基于綜合需求響應(yīng)(integrated demand response，IDR)機制引導(dǎo)需求側(cè)調(diào)整用能、平緩負(fù)荷波動，實現(xiàn)多能協(xié)調(diào)互補。文獻(xiàn)[4]考慮峰谷分時電價、天然氣價格信號以及供熱管網(wǎng)熱慣性建立電氣熱IDR策略，提高了CIES的風(fēng)、光消納能力和能源利用率。文獻(xiàn)[5]考慮CIES中多能流耦合特性和用戶側(cè)靈活負(fù)荷的響應(yīng)潛力建立電氣冷IDR策略，綜合考慮供需兩側(cè)經(jīng)濟效益、負(fù)荷峰谷比以及碳排放等目標(biāo)進行優(yōu)化調(diào)度。文獻(xiàn)[6]將分時熱價、電價融入IDR策略中以提高CIES的清潔能源消納能力與經(jīng)濟性。文獻(xiàn)[7]引入電-氣-熱多能IDR策略，兼顧CIES經(jīng)濟成本、碳排放以及能效利用率建立多目標(biāo)優(yōu)化調(diào)度策略，提高了系統(tǒng)整體經(jīng)濟性。文獻(xiàn)[8]以激勵型IDR策略平衡多能流之間的需求并引入條件風(fēng)險價值以兼顧CIES的經(jīng)濟性與安全性。以上研究通過IDR機制實現(xiàn)了系統(tǒng)經(jīng)濟運行、靈活調(diào)度，但僅將CIES作為價格接受者，未能充分挖掘其響應(yīng)潛力，對上級能源網(wǎng)絡(luò)與CIES的交互分析不足。

對于CIES的分布式優(yōu)化，部分學(xué)者通過引入市場因素來實現(xiàn)。文獻(xiàn)[9]提出了以綜合能源銷售商為領(lǐng)導(dǎo)者的主從博弈模型，對電、熱價格進行聯(lián)合優(yōu)化從而引導(dǎo)各方能量交互，實現(xiàn)多主體分布式協(xié)同優(yōu)化。文獻(xiàn)[10]基于主從博弈方法構(gòu)建區(qū)域綜合能源系統(tǒng)服務(wù)商運行策略，以日前-日內(nèi)兩階段價格信號激勵，減小用戶側(cè)支出與負(fù)荷波動，提高服務(wù)商運行利潤。文獻(xiàn)[11]考慮能源供應(yīng)商和用戶的主動性，提出與供需雙側(cè)博弈互動下的園區(qū)運營商引導(dǎo)能源交互模型，在平衡三方主體需求與利益的基礎(chǔ)上實現(xiàn)了CIES優(yōu)化運行。文獻(xiàn)[12]在工業(yè)用戶、園區(qū)能量管理系統(tǒng)和上級電網(wǎng)之間構(gòu)建集中-分布式IDR模型，在保護用戶信息私密性的同時提高了系統(tǒng)整體經(jīng)濟性。在能源市場化背景下，上述研究對CIES源荷交互和多市場主體參與能源交易提供了重要的理論基礎(chǔ)，但對價格機制的應(yīng)用較少，且多數(shù)研究將負(fù)荷聚合商考慮為需求側(cè)，尚未考慮用戶主體的滿意度與響應(yīng)程度。

針對上述不足，本文提出基于綜合能源服務(wù)商(integrated energy services provider,IESP)引導(dǎo)的CIES源-荷協(xié)同優(yōu)化運行策略。在供給側(cè)引入IESP以有機整合能源資源，協(xié)助上級能源網(wǎng)絡(luò)引導(dǎo)多能協(xié)同靈活交易；綜合考慮供能成本、CIES用能需求與需求響應(yīng)程度等因素以確定電力、天然氣價格范圍，基于電網(wǎng)與CIES間聯(lián)絡(luò)線交互功率變化情況以及響應(yīng)反饋信息優(yōu)化電-氣聯(lián)合價格信號。在需求側(cè)，對CIES的可轉(zhuǎn)移電、氣負(fù)荷以及建筑物虛擬儲熱特性建立電氣熱聯(lián)合的IDR策略；在兼顧CIES用能經(jīng)濟性、滿意度以及響應(yīng)合理性的同時，將響應(yīng)信息反饋給上層IESP。將上述源荷交互過程劃分為“優(yōu)化定價”與“經(jīng)濟調(diào)度”2個層級，引入粒子群-混合整數(shù)線性規(guī)劃的雙層優(yōu)化算法進行分層式優(yōu)化與迭代，從而實現(xiàn)求解。最后，由算例仿真驗證所提策略對挖掘CIES調(diào)度潛力、提升系統(tǒng)整體經(jīng)濟性等方面的有效性。

1 用戶側(cè)園區(qū)綜合能源系統(tǒng)模型

1.1 CIES建模

以冷熱電聯(lián)產(chǎn)機組、光伏、風(fēng)機、電制冷及電制熱機等設(shè)備為基礎(chǔ)構(gòu)建CIES，采用“并網(wǎng)不上網(wǎng)”運行方式，具體架構(gòu)如圖1所示。

圖1 CIES架構(gòu)Fig.1 Architecture of CIES

1.1.1 冷熱電聯(lián)產(chǎn)

冷熱電聯(lián)產(chǎn)系統(tǒng)由微型燃?xì)廨啓C、余熱鍋爐和吸收式制冷機等設(shè)備組成，其數(shù)學(xué)模型為：

(1)

(2)

(3)

(4)

1.1.2 電制冷與電制熱機

(5)

(6)

1.1.3 光伏與風(fēng)機

(7)

(8)

本文對風(fēng)機和光伏出力暫不考慮預(yù)測誤差及突發(fā)氣象狀況等影響。

1.1.4 燃?xì)忮仩t

燃?xì)忮仩t消耗天然氣以滿足用戶熱能需求，其模型表示為：

(9)

1.2 IDR模型

需求響應(yīng)機制可引導(dǎo)需求側(cè)改進固有調(diào)度計劃、實現(xiàn)多能協(xié)調(diào)、優(yōu)化負(fù)荷曲線。CIES的能源消耗主要為天然氣與電力，二者均為現(xiàn)代能源系統(tǒng)的重要資源，具有相似的商品屬性，可基于需求彈性策略建立電、氣負(fù)荷的需求響應(yīng)模型[13]。此外，為進一步挖掘用戶調(diào)度潛力，考慮建筑維護結(jié)構(gòu)的虛擬儲熱特性，對用戶熱負(fù)荷構(gòu)建熱能需求響應(yīng)模型。

1.2.1 電、氣需求響應(yīng)

以目前應(yīng)用較廣泛的需求價格彈性法描述負(fù)荷的需求量與價格之間的關(guān)系。以電能為例，其需求響應(yīng)模型可表示為：

Pload,dr=Pload,o+ΔPload

(10)

式中：Pload,o、Pload,dr分別為原始條件下以及響應(yīng)后的用戶側(cè)電力負(fù)荷需求；ΔPload為電負(fù)荷變化量，其與電價的變化量之間存在以下關(guān)系。

ΔPload,N=MPΔJPN

(11)

(12)

(13)

(14)

考慮需求響應(yīng)的合理性，對用戶參與互動時每時段電、氣負(fù)荷可響應(yīng)范圍做以下約束：

(15)

1.2.2 熱能需求響應(yīng)

不同于電能、天然氣，熱能的消耗在時間尺度上具有一定慣性，其本質(zhì)是建筑物維護結(jié)構(gòu)對熱能的儲存性。根據(jù)文獻(xiàn)[15]可得室內(nèi)環(huán)境熱平衡方程為：

(16)

式中：ΔQ為室內(nèi)熱量的變化量；k=cλ，其中c為空氣比熱容，λ為空氣密度；V為室內(nèi)空氣體積；Tin為室內(nèi)溫度；τ表示熱能平衡方程的時間步長，為便于熱能供需平衡的計算，本文取為1 h。

忽略太陽輻射熱功率的影響，影響建筑內(nèi)部熱量的主要因素為室內(nèi)外溫差與制熱設(shè)備的輸出熱功率?？紤]系統(tǒng)制熱的情況下，式(16)可寫為：

(17)

式中：kwl為建筑墻體維護結(jié)構(gòu)的傳熱系數(shù)；fwl為建筑的外墻面積；kwn、fwn分別為建筑外窗的傳熱系數(shù)與面積；Tout為室外溫度；QH為系統(tǒng)中供暖設(shè)備的制熱功率。熱能需求響應(yīng)模型具體內(nèi)容參考文獻(xiàn)[16-17]。

2 IESP引導(dǎo)源-荷協(xié)同優(yōu)化模型

目前有關(guān)CIES運行優(yōu)化研究多以電網(wǎng)為核心，用戶的設(shè)備、用能需求與滿意度等私密信息均由電網(wǎng)掌握，降低了用戶的參與意愿，亦無法充分調(diào)用響應(yīng)資源。為此本文引入IESP，使其擔(dān)任系統(tǒng)源-荷交互的橋梁；考慮由IESP獲取用戶側(cè)需求與響應(yīng)滿意度等信息，將電力、天然氣交易有機結(jié)合以充分調(diào)動用戶響應(yīng)積極性，通過優(yōu)化能源價格信號引導(dǎo)能源交互，實現(xiàn)合理、高效的源-荷協(xié)同優(yōu)化，具體框架如圖2所示。

圖2 IESP引導(dǎo)源-荷交互Fig.2 IESP guidance of source-load interaction

整個系統(tǒng)的源荷交互包括“優(yōu)化定價”與“經(jīng)濟調(diào)度”2個層級，二者之間互相影響，通過循環(huán)迭代求解。首先，上層的IESP作為源荷交互的載體，為充分調(diào)動CIES響應(yīng)積極性，將電力、天然氣交易有機結(jié)合；綜合考慮供能成本、用戶需求信息等因素以確定電力、天然氣價格上下限；綜合考慮聯(lián)絡(luò)線輸電功率變化情況與用戶響應(yīng)信息反饋以優(yōu)化電-氣聯(lián)合價格信號。而下層的CIES將根據(jù)價格信號自發(fā)轉(zhuǎn)移用能需求，在滿足設(shè)備出力范圍、供需平衡等約束的基礎(chǔ)上進行經(jīng)濟調(diào)度，并向IESP進行信息反饋。

2.1 決策變量

該源-荷協(xié)同優(yōu)化模型本質(zhì)上是一個非線性優(yōu)化問題，問題的決策變量為IESP給定的電力、天然氣價格信號以及CIES用能需求。

2.2 約束條件

由于綜合能源系統(tǒng)中電-氣能源耦合特性，二者負(fù)荷需求與價格信號的交互作用較為復(fù)雜，為保證源荷交互的合理性，給出相關(guān)約束。

2.2.1 源-荷互動約束

1)價格范圍約束：IESP優(yōu)化電力、天然氣價格信號時，為保障供能網(wǎng)絡(luò)的利益以及CIES需求響應(yīng)合理性，須綜合考慮CIES參與互動時負(fù)荷的最大可移動程度，以及電力、天然氣的成本。

以電價為例，價格上限可由用電峰時段的負(fù)荷及其對應(yīng)的最大可移出水平結(jié)合上文需求響應(yīng)模型得出。考慮定價合理性，任何時刻能源價格都應(yīng)該大于其供應(yīng)成本；確定價格下限時須在考慮谷時段最大移入負(fù)荷的基礎(chǔ)上兼顧售電利益，取理論下限值與電價成本之間的最大值。

(18)

(19)

(20)

2)峰谷價格比約束：為防止用戶側(cè)參與需求響應(yīng)程度不足或響應(yīng)過度以致峰谷倒置，須對天然氣的峰谷價格做出約束。

K1≤JGp/JGv≤K2

(21)

式中：JGp、JGv分別表示天然氣峰時、谷時價格；K2、K1分別為最大、最小峰谷價格比值。

2.2.2 用戶側(cè)約束

1)設(shè)備出力與供需平衡約束。CIES設(shè)備須在合理的出力范圍內(nèi)運行。

(22)

除設(shè)備出力約束之外，須滿足用戶側(cè)的電、氣、冷、熱、煙氣等能量母線的供需平衡約束。

(23)

(24)

(25)

(26)

(27)

2)日負(fù)荷總量約束。為保證用戶側(cè)用能需求，對參與響應(yīng)前后負(fù)荷總量的變化做以下約束：

(28)

3)用能滿意度約束。為保證用戶的用能滿意度，對電力、天然氣用能添加滿意度約束[14]：

(29)

4)用能成本約束。用戶側(cè)須支出的總費用包括滿足用能需求所必要的購能成本以及園區(qū)內(nèi)設(shè)備的運維成本。

CUP=CUB+CUM

(30)

(31)

(32)

用戶希望參與IESP價格引導(dǎo)時，其總經(jīng)濟支出是低于原始情景下的，所以用戶側(cè)經(jīng)濟成本約束為：

(33)

2.3 供能端需求約束

1)削峰填谷約束。IESP引導(dǎo)源-荷協(xié)同優(yōu)化的目的是削減聯(lián)絡(luò)線輸電功率峰谷差、優(yōu)化配置系統(tǒng)資源，要求IESP引導(dǎo)互動后，電網(wǎng)與用戶間的聯(lián)絡(luò)線輸電功率峰谷差減小，日負(fù)荷率提高。

(34)

2)售能滿意度約束?？紤]到供能網(wǎng)絡(luò)的利益訴求，須對IESP進行價格優(yōu)化后電網(wǎng)、氣網(wǎng)的售能收益變化進行約束。

(35)

(36)

SPCmin≤SPC

(37)

SGCmin≤SGC

(38)

2.4 目標(biāo)函數(shù)

IESP引導(dǎo)源荷互動，對電網(wǎng)與CIES間聯(lián)絡(luò)線輸電功率進行“削峰填谷”，其收益來源為電網(wǎng)削峰補償激勵，即目標(biāo)函數(shù)為：

(39)

3 求解方法

不同于傳統(tǒng)經(jīng)濟調(diào)度問題，基于IESP引導(dǎo)的源-荷協(xié)同優(yōu)化模型中的優(yōu)化定價、需求響應(yīng)、經(jīng)濟調(diào)度等問題相互耦合，存在較多雙線性項，難以通過常規(guī)優(yōu)化方法解決。為此本文提出一種粒子群算法結(jié)合混合整數(shù)線性規(guī)劃(particle swarm optimization and mixed integer linear programming,PSO-MILP)的雙層優(yōu)化求解方法，具體的求解流程如圖3所示。

IESP的價格信號優(yōu)化與CIES響應(yīng)行為組成了一個大規(guī)模非線性優(yōu)化問題，采用粒子群算法可以提高可行解搜索能力，降低問題復(fù)雜度。內(nèi)層是以園區(qū)的設(shè)備出力范圍與能源網(wǎng)絡(luò)供需平衡為約束的，基于經(jīng)濟成本最小化考慮的線性規(guī)劃問題；將內(nèi)層CIES經(jīng)濟調(diào)度的結(jié)果放入外層進行檢驗計算，以簡化內(nèi)層的MILP問題復(fù)雜程度。在此基礎(chǔ)上，將CIES用能成本、用能滿意度以及供能端“削峰填谷”等約束以罰函數(shù)的形式嵌入粒子的適應(yīng)度中進行計算，可一定程度上改進算法的求解性能。粒子群算法中種群數(shù)設(shè)為100，最大迭代次數(shù)為100次，采用文獻(xiàn)[18]的慣性權(quán)重指數(shù)遞減策略，權(quán)重初值與終值分別設(shè)為1.0與0.5，粒子自學(xué)習(xí)率與種群學(xué)習(xí)率均為2。在場景A、B中，能源價格粒子的維度為27維，一天24個時段分時電價信號占24維，峰谷平天然氣價格信號占3維，天然氣價的峰谷時段劃分參考文獻(xiàn)[7]。場景C、D中，價格粒子為48維變量，即24時段的分時電價信號、分時氣價信號。考慮到48維價格粒子產(chǎn)生的可行解范圍較大，為提高算法的可行解搜索能力，對每個種群中的最優(yōu)個體粒子引入反向?qū)W習(xí)策略[19]，生成精英個體反向解以增加粒子種群多樣性。此外，為提高用戶滿意度，每次迭代過程中將式(28)、(29)及式(34)—(38)等約束條件以罰函數(shù)因子寫入粒子適應(yīng)值中。

圖3 PSO-MILP雙層優(yōu)化求解流程Fig.3 Solution flow of PSO-MILP bi-level optimization

4 算例分析

本文CIES架構(gòu)模型及負(fù)荷等數(shù)據(jù)參考了文獻(xiàn)[4,7,20]，設(shè)備具體參數(shù)見表1、表2。內(nèi)層MILP的Gap設(shè)為1×10-5，迭代計算所得結(jié)果中未出現(xiàn)違反模型以及表1中所提等式/不等式約束的情況。電價彈性矩陣的自彈性系數(shù)為-0.10，交叉彈性系數(shù)為0.01，天然氣價彈性矩陣自彈性系數(shù)取-0.20，交叉彈性系數(shù)取0.01[11,21]。熱能需求響應(yīng)模型中建筑維護結(jié)構(gòu)參數(shù)如表3所示，空氣比熱容c與空氣密度λ分別為1 000 J/(kg·℃)和1.2 kg/m3，室內(nèi)空氣體積V為25 600 m3。CIES負(fù)荷的最大可移動水平fmove取10%[14]。設(shè)供能端售電單位成本為0.4元/(kW·h)，天然氣單位成本為1.3元/m3。設(shè)IESP削峰補償單價為6元/(kW·h)，日負(fù)荷率每提升1%補償60元。天然氣峰谷分時價格約束中K1取1，K2取3。日負(fù)荷總量約束中的松弛系數(shù)φ取0.01[22]。用戶側(cè)滿意度約束中[14]，用電最低滿意度SUPmin與用氣最低滿意度SUGmin均設(shè)為0.95。電網(wǎng)售能收益最低滿意度SPCmin與天然氣網(wǎng)收益最低滿意度SGCmin均設(shè)為0.90。為驗證所提模型的有效性，給出5個場景以分析源荷交互行為；其中場景O即為原始場景，場景A—D對應(yīng)于IESP采用4種不同的價格信號與IDR策略，場景具體條件設(shè)置見表4。

表1 設(shè)備出力范圍與運行參數(shù)Table 1 Equipment output and operation parameters

表2 設(shè)備單位出力運維成本Table 2 Operation and maintenance cost per unit output of equipment

表3 建筑維護結(jié)構(gòu)參數(shù)Table 3 Structural parameters of building maintenance

表4 場景信息Table 4 Scene information

4.1 源-荷交互分析

圖4為PSO-MILP雙層優(yōu)化在求解該問題時的粒子收斂情況。算法經(jīng)過約50次迭代后幾乎實現(xiàn)收斂，而實際上在第45次迭代時，電網(wǎng)與天然氣公司的收益已逼近最后的收斂結(jié)果，但后續(xù)迭代過程中收益曲線又有輕微波動。這是由于源-荷協(xié)同優(yōu)化模型中IESP致力于系統(tǒng)整體經(jīng)濟性的優(yōu)化，即使某些迭代過程中電網(wǎng)與天然氣公司收益相同，但價格信號、輸電聯(lián)絡(luò)線的日負(fù)荷率和削峰容量等也可能不同。此外，需要注意的是，粒子的適應(yīng)度是在IESP削峰補償收益值的基礎(chǔ)上加入了用戶側(cè)經(jīng)濟性、供能端收益以及“削峰填谷”等各方經(jīng)濟訴求所構(gòu)成的懲罰因子值，所以適應(yīng)度本身并不等于IESP的收益，電網(wǎng)與天然氣公司兩大能源供應(yīng)商的收益曲線也并非完全對應(yīng)于粒子的收斂趨勢。

圖4 PSO-MILP可行解收斂情況Fig.4 Convergence of PSO-MILP feasible solution

IESP同時對電價、氣價進行優(yōu)化，在滿足CIES用能經(jīng)濟性、滿意度、響應(yīng)程度、設(shè)備出力情況、供需平衡等條件的基礎(chǔ)上，對園區(qū)調(diào)度計劃與用能方式進行了調(diào)整，使聯(lián)絡(luò)線電交互功率峰谷差減小，功率曲線更平緩。不同場景下的結(jié)果對比如表5所示。

由表5知，在不考慮IESP參與的原始場景O中，CIES與電網(wǎng)聯(lián)絡(luò)線的電交互功率峰負(fù)荷與峰谷差均為1 448.32 kW，而經(jīng)IESP引導(dǎo)后峰負(fù)荷均有所下降。其中，場景C下的峰負(fù)荷降低較明顯，為1 367.23 kW；場景D下峰谷差削減程度最大，由1 448.32 kW削減至1 239.15 kW；場景B下負(fù)荷率最高，由原始的32.51%提升至39.78%。任意情景下的CIES用電滿意度SUP與用氣滿意度SUG、電網(wǎng)收益滿意度SPC以及天然氣網(wǎng)收益滿意度SPC均滿足模型所提相關(guān)約束。但場景C下CIES的用能滿意度最高，分別為0.988和0.978；電網(wǎng)的售能滿意度為對照組中最低值，僅0.900；而天然氣網(wǎng)售能收益滿意度較高，達(dá)0.975。實際上，由于解空間搜索范圍以及DR靈活性的不同，在有限次迭代中求解出的各場景下能量交互策略與調(diào)度結(jié)果呈現(xiàn)一定差異。但結(jié)合表4、5進行分析不難發(fā)現(xiàn)，場景D中的48維價格信號與3種DR策略所對應(yīng)的粒子群搜索空間最廣，屆時IESP在同樣量級的迭代計算中找到的可行解獲利1 487.05元，高于其余所有場景，實現(xiàn)了其自身利益的最大化；而相較于場景D，采用與之相同DR策略、不同價格信號維度的場景B中，IESP的收益則略有下滑，電網(wǎng)、天然氣公司的滿意度也降低；這是由于可行解的搜索空間縮小，有限次迭代得出的交互結(jié)果在整體上變差；此外，縱觀場景B、D下CIES的支出也能發(fā)現(xiàn)，由于場景D的可行解搜索范圍更大，IESP在兼顧自身以及供能網(wǎng)絡(luò)利益的基礎(chǔ)上壓縮CIES的經(jīng)濟支出；即使該模型中的式(33)已向CIES保證其參與互動后的經(jīng)濟性，但I(xiàn)ESP仍在約束范圍內(nèi)企圖讓CIES支出更多以追求自身以及供能網(wǎng)絡(luò)等上層主體的利益。

此外，若考慮不同DR策略的靈活性，可見場景A、C下均未考慮熱能DR，可知場景A的價格信號空間搜索范圍以及DR策略都是最差、最有限的，屆時在同樣規(guī)模的迭代計算中，IESP找到的解所對應(yīng)的收益也更低。而相比于場景D，場景C雖然價格信號同型但未計及熱能DR，在同樣的價格信號搜索空間內(nèi)取得了較高的收益，甚至通過價格激勵使其削峰容量達(dá)到最高，但其對輸電聯(lián)絡(luò)線負(fù)載功率的平緩效果并不如場景D，究其根本是DR靈活性的不足使其解空間“隱性”的縮小了。

由于篇幅限制，下文僅對場景D下的IESP引導(dǎo)互動效果以及CIES調(diào)度計劃做具體說明，其余場景的價格信號優(yōu)化與引導(dǎo)互動見附圖A1—A4。場景D下的優(yōu)化結(jié)果如圖5、6所示。結(jié)合圖6與表5可知，原始情景下01：00—04：00時段的聯(lián)絡(luò)線電交互功率為0，經(jīng)IESP引導(dǎo)后略有提高。設(shè)19：00—21：00時段為用電高峰期，考慮由IESP對此時段內(nèi)電交互功率進行削減，3個時段總削峰容量為189.1 kW·h，日負(fù)荷率提高了6.77%。屆時，用戶側(cè)CIES總經(jīng)濟成本降低，電網(wǎng)與氣網(wǎng)收益均有所下降，IESP從電網(wǎng)側(cè)獲取了1 487.05元削峰補償。

表5 不同引導(dǎo)方式結(jié)果對比Table 5 Comparison of the results of different guidance modes

圖5 場景D下IESP價格信號Fig.5 IESP price signal in scenario D

圖6 場景D下IESP引導(dǎo)效果Fig.6 IESP guidance effect in scenario D

總的來說，5種情景下各方收益均有不同，相比于原始情景，考慮IESP參與交易時電網(wǎng)、氣網(wǎng)收益均受了一定影響。但是對系統(tǒng)整體而言，經(jīng)IESP引導(dǎo)后電網(wǎng)與CIES聯(lián)絡(luò)線電交互功率曲線更加平緩，實現(xiàn)了“削峰填谷”，IESP以靈活的價格機制深度挖掘了CIES調(diào)度潛力，使源荷交互更靈活高效，提高了系統(tǒng)整體經(jīng)濟性。

4.2 CIES經(jīng)濟調(diào)度分析

圖7—10為考慮IESP引導(dǎo)時系統(tǒng)的能源母線供需情況。園區(qū)供能網(wǎng)絡(luò)中存在能源轉(zhuǎn)化裝置，在滿足自身用能需求的前提下將以經(jīng)濟成本最低為目標(biāo)進行調(diào)度，合理調(diào)整各個設(shè)備的啟停與出力。結(jié)合圖5可知，CIES對IESP的價格信號的響應(yīng)情況，CIES滿足自身用能需求的基礎(chǔ)上為追求經(jīng)濟性自發(fā)轉(zhuǎn)移了部分用能需求。由圖7結(jié)合圖5可見，19：00—20：00時段電力價格略高于原始情景時，用戶削減了部分電負(fù)荷，而22:00時段的電價有明顯降低，該時段用電需求得以提升。01：00—06：00時段電價較低，用戶提高了電負(fù)荷并開啟電制熱裝置。

圖7 電能供需平衡Fig.7 Balance of power supply and demand

由圖8，結(jié)合圖5可見，相比于原始情景，12：00—13：00時段天然氣價格降低，用戶將一定量天然氣需求轉(zhuǎn)移到該時段上并開啟燃?xì)忮仩t以補充熱能。

圖9為系統(tǒng)熱能供需情況，考慮建筑虛擬儲能特性，部分時段熱能需求有一定轉(zhuǎn)移。圖10為系統(tǒng)冷能供需情況，CIES以吸收式制冷與電制冷設(shè)備共同供給用冷需求。整個系統(tǒng)供能網(wǎng)絡(luò)全部滿足出力范圍與供需平衡約束，CIES通過合理安排設(shè)備調(diào)度計劃實現(xiàn)了經(jīng)濟調(diào)度。

圖11為CIES的建筑內(nèi)外環(huán)境溫度。室外環(huán)境溫度已知，室內(nèi)由系統(tǒng)制熱設(shè)備供給熱能，綜合考慮建筑維護結(jié)構(gòu)面積與傳熱系數(shù)等因素，可知CIES室內(nèi)溫度為15～17 ℃。

圖8 天然氣供需平衡Fig.8 Balance of natural gas supply and demand

圖9 熱能供需平衡Fig.9 Heat energy supply and demand balance

圖10 冷能供需平衡 Fig.10 Cooling energy supply and demand balance

圖11 CIES室內(nèi)外溫度Fig.11 Indoor and outdoor temperature in CIES

5 結(jié) 論

本文提出基于IESP引導(dǎo)的CIES源-荷協(xié)同優(yōu)化模型。在需求側(cè)，基于可轉(zhuǎn)移電、氣負(fù)荷以及建筑虛擬儲熱特性建立電氣熱IDR策略以挖掘CIES調(diào)度潛力；在供給側(cè)引入IESP以引導(dǎo)多能協(xié)同靈活交易，綜合CIES與電網(wǎng)間聯(lián)絡(luò)線交互功率變化情況、CIES用能需求以及響應(yīng)反饋信息以優(yōu)化電-氣聯(lián)合價格。通過PSO-MILP雙層優(yōu)化算法對模型進行分層優(yōu)化、循環(huán)迭代求解。最后以算例仿真驗證了所提模型與方法的有效性，得到以下結(jié)論：

1)以IESP作為源荷交互載體并引入電-氣聯(lián)合價格引導(dǎo)機制，可深度激發(fā)CIES響應(yīng)積極性以實現(xiàn)源荷協(xié)調(diào)交互；在保障CIES參與滿意度、用能經(jīng)濟性的基礎(chǔ)上充分挖掘其調(diào)度潛力，對CIES與主網(wǎng)聯(lián)絡(luò)線電交互功率進行“削峰填谷”，提高系統(tǒng)整體經(jīng)濟性。

2)PSO-MILP雙層優(yōu)化算法可對所提模型中的源荷交互行為進行分層優(yōu)化，循環(huán)迭代求解。PSO的自趨優(yōu)性與群體性可協(xié)助IESP進行價格信號可行解的搜索；經(jīng)濟調(diào)度層采用MILP可保證CIES滿足供需平衡與設(shè)備出力等約束；“優(yōu)化定價”與“經(jīng)濟調(diào)度”兩階段的循環(huán)迭代可保證源荷交互合理性，與此同時解決了IESP價格、CIES的需求及IDR等行為中存在的雙線性項問題。

本文所提模型基于CIES多能源IDR策略及IESP價格機制對源荷交互行為進行刻畫，對園區(qū)調(diào)度潛力進行了挖掘，改善了系統(tǒng)整體經(jīng)濟性。但所用求解算法中粒子的適應(yīng)度包含著用戶、供能端的各種滿意度約束的懲罰因子，此為智能優(yōu)化算法的固有問題，即解的隨機性與弱可解釋性；智能優(yōu)化算法雖然在實際工程與各類文獻(xiàn)中廣泛應(yīng)用，為大量高維度的非凸、非多項式問題提供了解決辦法，但其對罰函數(shù)的處理以及固有的隨機搜索特性使求解的穩(wěn)定性與可解釋性有限。此外，所提模型對CIES的儲能以及向上層電網(wǎng)售電等情況考慮不足，下一階段將圍繞以上問題進行改進。