含考慮IDR的冷熱電聯(lián)供微網(wǎng)的主動配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度

楊曉輝，張柳芳，吳龍杰，冷正旸，劉康，徐正宏

含考慮IDR的冷熱電聯(lián)供微網(wǎng)的主動配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度

楊曉輝，張柳芳，吳龍杰，冷正旸，劉康，徐正宏

(南昌大學(xué)信息工程學(xué)院，江西 南昌 330031)

多個冷熱電聯(lián)供微網(wǎng)接入主動配電網(wǎng)后，微網(wǎng)和配網(wǎng)作為不同利益主體，系統(tǒng)經(jīng)濟(jì)調(diào)度更具復(fù)雜性。為保護(hù)各自隱私，提出了一種含冷熱電聯(lián)供微網(wǎng)的主動配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度模型。運(yùn)用機(jī)會約束規(guī)劃來處理冷熱電聯(lián)供微網(wǎng)群中新能源及冷熱電負(fù)荷的隨機(jī)性，采用分布式建模方法，以各自區(qū)域的運(yùn)行成本最小化為目標(biāo)，運(yùn)用目標(biāo)級聯(lián)法來并行求取各自區(qū)域的最優(yōu)經(jīng)濟(jì)調(diào)度結(jié)果。同時在冷熱電聯(lián)供微網(wǎng)用戶側(cè)引入綜合需求響應(yīng)(Integrated Demand Respond, IDR)，有利于降低供用能成本。通過改進(jìn)的IEEE33節(jié)點(diǎn)系統(tǒng)算例驗(yàn)證表明，引入IDR后，能有效降低系統(tǒng)運(yùn)行成本，運(yùn)用目標(biāo)級聯(lián)法能在保護(hù)各自區(qū)域隱私的基礎(chǔ)上求取主動配電網(wǎng)和冷熱電聯(lián)供微網(wǎng)各自最優(yōu)的經(jīng)濟(jì)調(diào)度結(jié)果。

冷熱電聯(lián)供微網(wǎng)；主動配電網(wǎng)；綜合需求響應(yīng)；機(jī)會約束規(guī)劃；目標(biāo)級聯(lián)法

0 引言

“十四五”規(guī)劃以來，能源互聯(lián)網(wǎng)已上升至國家戰(zhàn)略發(fā)展地位，我國正在大力推進(jìn)能源改革，提升能源利用率[1]。冷熱電聯(lián)供(Combined Cooling Heating and Power, CCHP)微網(wǎng)不僅可以實(shí)現(xiàn)能量的梯級利用，還能提升能源的利用率，引起了國內(nèi)外廣泛的關(guān)注[2-4]。傳統(tǒng)配電網(wǎng)由于存在自身能耗高、自動化水平低等問題，難以適應(yīng)越來越多的分布式電源(Distributed Generation, DG)接入后管理的新需求[5]。主動配電網(wǎng)憑借其具有靈活的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的優(yōu)勢，能主動地控制和管理局部的分布式電源[6-7]。CCHP微網(wǎng)的用戶側(cè)冷、熱、電等負(fù)荷均可作為柔性負(fù)荷參與其運(yùn)行調(diào)度，且三種負(fù)荷同時參與調(diào)度的靈活性相比于電力需求響應(yīng)會更高[8]。若在用戶側(cè)引入IDR，有利于提升能源利用率，降低供用能成本[9-10]。因此，研究含考慮IDR的CCHP微網(wǎng)的主動配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度具有重要的意義。

目前，含多微網(wǎng)的主動配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度在國內(nèi)外均有研究，分布式優(yōu)化憑借其所需交互信息量少、保護(hù)各主體隱私、求解速度快等優(yōu)勢，引起廣泛關(guān)注[11]。文獻(xiàn)[12]研究配網(wǎng)和微網(wǎng)互動調(diào)度模式，配網(wǎng)以自身利益最優(yōu)為目標(biāo)合理安排各機(jī)組出力，微網(wǎng)則在此基礎(chǔ)上根據(jù)自身條件進(jìn)行二次協(xié)調(diào)，該方法不能實(shí)現(xiàn)多微網(wǎng)和配網(wǎng)的并行求解。文獻(xiàn)[13]建立含多微電網(wǎng)的主動配電網(wǎng)動態(tài)經(jīng)濟(jì)調(diào)度模型，但未考慮到冷、熱負(fù)荷需求。文獻(xiàn)[14]考慮多個CCHP微網(wǎng)接入主動配電網(wǎng)的分布式經(jīng)濟(jì)優(yōu)化調(diào)度，但并未考慮風(fēng)電及冷熱電負(fù)荷的隨機(jī)性。上述文獻(xiàn)均未考慮在CCHP微網(wǎng)的用戶側(cè)引入IDR。

IDR的引入能夠有效地提高電力系統(tǒng)中新能源利用率，降低系統(tǒng)運(yùn)行成本[15-16]。文獻(xiàn)[17]提出了一種基于綜合需求響應(yīng)的源荷協(xié)調(diào)CCHP微網(wǎng)模型，同時運(yùn)用場景法來處理微網(wǎng)中新能源出力的隨機(jī)性。文獻(xiàn)[18]在需求側(cè)構(gòu)建綜合能源需求響應(yīng)模型，建立多能互補(bǔ)的熱電聯(lián)供型微網(wǎng)優(yōu)化運(yùn)行模型。文獻(xiàn)[19]基于微型熱電機(jī)組，對居民側(cè)綜合需求響應(yīng)進(jìn)行了研究。上述文獻(xiàn)均未研究考慮IDR的CCHP微網(wǎng)群接入主動配電網(wǎng)后實(shí)際運(yùn)行狀態(tài)，分析兩者的經(jīng)濟(jì)優(yōu)化調(diào)度問題。

針對現(xiàn)有研究存在的不足，本文提出了一種含考慮IDR的CCHP微網(wǎng)的主動配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度模型，以各自區(qū)域的運(yùn)行成本最小化為目標(biāo)，采用分布式建模方法，運(yùn)用目標(biāo)級聯(lián)法(Analytical Target Cascading, ATC)來并行求取各自區(qū)域的最優(yōu)經(jīng)濟(jì)調(diào)度結(jié)果。本文運(yùn)用機(jī)會約束規(guī)劃(Chance Constrained Programming, CCP)來處理CCHP微網(wǎng)群中新能源及冷熱電負(fù)荷的隨機(jī)性，在用戶側(cè)引入IDR來降低系統(tǒng)運(yùn)行的成本。最后，對改進(jìn)的IEEE33節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真分析，驗(yàn)證了所提出模型和方法的有效性。

1 含CCHP微網(wǎng)的主動配電網(wǎng)結(jié)構(gòu)

1.1 含CCHP微網(wǎng)的主動配電網(wǎng)結(jié)構(gòu)

含CCHP微網(wǎng)的主動配電網(wǎng)結(jié)構(gòu)圖如圖1所示，二者通過聯(lián)絡(luò)線電功率交互信息。在考慮IDR的條件下，各CCHP微網(wǎng)合理安排與配網(wǎng)的交互功率、制定分布式電源和不同類型設(shè)備的出力計劃，在滿足自身冷、熱、電負(fù)荷的需求條件下，使CCHP微網(wǎng)的總運(yùn)行成本最少。主動配電網(wǎng)協(xié)調(diào)各CCHP微網(wǎng)的交互功率，合理安排各DG的發(fā)電量和從大電網(wǎng)的購電量，在滿足自身電負(fù)荷的同時使主動配電網(wǎng)的總運(yùn)行成本最少。

圖1 含CCHP微網(wǎng)的主動配電網(wǎng)結(jié)構(gòu)圖

1.2 CCHP微網(wǎng)組成

本文研究的CCHP微網(wǎng)包含冷熱電能源供應(yīng)與轉(zhuǎn)換設(shè)備、IDR項目和電動汽車等單元，具體結(jié)構(gòu)如圖2所示。

圖2 CCHP微電網(wǎng)結(jié)構(gòu)圖

1.3 CCHP微網(wǎng)設(shè)備模型

1) 燃?xì)廨啓C(jī)和燃料電池

燃?xì)廨啓C(jī)輸出功率如式(1)所示。

燃?xì)廨啓C(jī)的熱電比一般為常數(shù)，其表達(dá)式為

燃?xì)廨啓C(jī)運(yùn)行約束為

2) 燃?xì)忮仩t和余熱鍋爐

燃?xì)忮仩t的數(shù)學(xué)模型如式(4)所示。

余熱鍋爐收集燃?xì)廨啓C(jī)和燃料電池的余熱，輸出功率與其效率有關(guān)。

3) 吸收式制冷機(jī)和電制冷機(jī)

余熱鍋爐和蓄熱槽收集的余熱部分被吸收式制冷機(jī)吸收用于供給系統(tǒng)的冷負(fù)荷。

電制冷機(jī)的輸出功率如式(7)所示。

4) 熱交換器

余熱鍋爐和蓄熱槽收集的余熱部分被熱交換器吸收用于供給系統(tǒng)的熱負(fù)荷。

5) 蓄熱槽

蓄熱槽可以儲存微網(wǎng)系統(tǒng)內(nèi)的余熱并加以利用，其數(shù)學(xué)模型為

6) 電動汽車

具備車聯(lián)網(wǎng)功能的電動汽車接入微網(wǎng)以后可以參與到IDR中。電動汽車閑置時其蓄電池能夠接受調(diào)度進(jìn)行充電或放電操作，改善微網(wǎng)的負(fù)荷曲線。

7) 風(fēng)力發(fā)電機(jī)

風(fēng)力發(fā)電機(jī)的輸出功率和風(fēng)速有關(guān)，具體公式可以用以下分段函數(shù)表示。

8) 光伏發(fā)電

光伏機(jī)組出力與其光伏電池板面積和輻照強(qiáng)度有關(guān)，其表達(dá)式為

2 含CCHP微網(wǎng)的主動配電網(wǎng)優(yōu)化調(diào)度模型

2.1 主動配電網(wǎng)優(yōu)化調(diào)度模型

2.1.1目標(biāo)函數(shù)

主動配電網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)是總運(yùn)行成本最小。

2.1.2約束條件

1) 功率平衡約束

2) 發(fā)電機(jī)組出力上下限約束

3) 機(jī)組爬坡約束

4) 與大電網(wǎng)交互功率約束

5) 聯(lián)絡(luò)線功率約束

2.2 CCHP微電網(wǎng)優(yōu)化調(diào)度模型

2.2.1目標(biāo)函數(shù)

CCHP微網(wǎng)優(yōu)化調(diào)度的目標(biāo)函數(shù)為微網(wǎng)總運(yùn)行成本最小。

2.2.2約束條件

1) 功率平衡約束

電平衡約束為

熱平衡約束為

冷平衡約束為

2) IDR運(yùn)行約束

本文綜合考慮了冷熱電負(fù)荷的價格型需求響應(yīng)和激勵型需求響應(yīng)，三種負(fù)荷的需求響應(yīng)的數(shù)學(xué)模型類似，本文以電負(fù)荷需求響應(yīng)為例說明：

(1) 價格型需求響應(yīng)，通過電價引導(dǎo)用戶的負(fù)荷在不同的時段轉(zhuǎn)移以達(dá)到錯峰的目的。用戶通過比較各個時段電價的差異來主動調(diào)整負(fù)荷值，以此來降低用電成本。本文采用實(shí)時電價機(jī)制來對負(fù)荷進(jìn)行時序上的調(diào)整，用戶根據(jù)電價改變其用電量，將部分高電價時段負(fù)荷轉(zhuǎn)移到低電價時段?？赊D(zhuǎn)移電負(fù)荷量受一定比例的限制如式(33)和式(34)。在總調(diào)度時段內(nèi)，用戶負(fù)荷的總量不會改變，如式(32)。

(2) 激勵型需求響應(yīng)

激勵型需求響應(yīng)是指能源供應(yīng)商與用戶簽訂合同，使得前者可以在有負(fù)荷削峰需要時切斷用戶的部分負(fù)荷，并給予一定的補(bǔ)償金。其中，補(bǔ)償成本包括預(yù)訂削減補(bǔ)償和實(shí)際削減補(bǔ)償，削減補(bǔ)償量需要滿足的約束條件為

3) 旋轉(zhuǎn)備用的機(jī)會約束

風(fēng)力、光伏發(fā)電的預(yù)測過程會存在不確定性。冷、熱、電負(fù)荷預(yù)測容易受到外界因素的影響。由于負(fù)荷與風(fēng)光電的預(yù)測誤差服從正態(tài)分布[20]，運(yùn)用機(jī)會約束規(guī)劃能描述隨機(jī)變量的不確定性[21]，設(shè)定相應(yīng)等級的置信水平，能夠?qū)⑿D(zhuǎn)備用約束表達(dá)為以下的概率形式。

3 基于目標(biāo)級聯(lián)法(ATC)的調(diào)度模型求解

3.1 目標(biāo)級聯(lián)法(ATC)

主動配電網(wǎng)的目標(biāo)函數(shù)修改為

3.2 機(jī)會約束處理

由式(38)—式(40)可知，風(fēng)光及冷熱電負(fù)荷的預(yù)測誤差等隨機(jī)變量使模型不能求解。因此，本文將式(38)—式(40)轉(zhuǎn)化為式(43)—式(45)等價確定形式。經(jīng)轉(zhuǎn)換后的確定模型不含隨機(jī)變量可以直接求解[23]。

3.3 求解算法流程

基于ATC的含CCHP微網(wǎng)的主動配電網(wǎng)優(yōu)化調(diào)度模型算法流程具體步驟如下：

1) ATC迭代數(shù)據(jù)初始化，設(shè)置罰函數(shù)乘子初值，置迭代次數(shù)=1。

4 算例分析

圖3 改進(jìn)的IEEE33節(jié)點(diǎn)結(jié)構(gòu)圖

圖4 日前市場交易電價

4.1 考慮IDR的系統(tǒng)調(diào)度結(jié)果分析

4.1.1考慮IDR的系統(tǒng)運(yùn)行成本分析

為驗(yàn)證CCHP微網(wǎng)側(cè)綜合需求響應(yīng)策略的有效性，對比分析以下三種模式下系統(tǒng)的運(yùn)行成本。

1) 模式1。用戶側(cè)不參與需求響應(yīng)。

2) 模式2。用戶側(cè)僅電負(fù)荷參與需求響應(yīng)

3) 模式3。用戶側(cè)冷、熱、電負(fù)荷和電動汽車均參與需求響應(yīng)

表1為三種模式下系統(tǒng)的運(yùn)行成本。由表1可知，當(dāng)僅有電負(fù)荷參與需求響應(yīng)時，系統(tǒng)總成本由74 014.07元下降至72 124.67元，當(dāng)冷、熱負(fù)荷與電動汽車也參與后，系統(tǒng)運(yùn)行成本進(jìn)一步降低至71 439.62元。因此，在CCHP微網(wǎng)的用戶側(cè)引入綜合需求響應(yīng)能有效降低系統(tǒng)運(yùn)行成本。

4.1.2考慮IDR的系統(tǒng)優(yōu)化結(jié)果分析

1) CCHP微網(wǎng)層優(yōu)化調(diào)度結(jié)果

本文以CCHP微網(wǎng)1為例分析考慮IDR的冷、熱、電負(fù)荷日前優(yōu)化調(diào)度結(jié)果，其優(yōu)化調(diào)度結(jié)果如圖5—圖7所示。由圖5可知，CCHP微網(wǎng)1中的電負(fù)荷和電制冷機(jī)的耗電功率由燃?xì)廨啓C(jī)、燃料電池、風(fēng)光聯(lián)合出力、從配網(wǎng)購電、電動汽車放電提供。電動汽車在負(fù)荷高峰期放電，在低谷期充電，起到削峰填谷的作用。在23：00時用戶參與激勵性電需求響應(yīng)，削減部分負(fù)荷。由圖6可知，CCHP微網(wǎng)1中的熱負(fù)荷由熱交換器和燃?xì)忮仩t提供，熱交換器收集燃?xì)廨啓C(jī)和燃料電池的余熱和蓄熱槽的蓄熱供給用戶，當(dāng)熱交換器無法滿足需求時，燃?xì)忮仩t補(bǔ)充供給。由圖7可知，CCHP微網(wǎng)1中的電制冷機(jī)和吸收式制冷劑供給用戶的冷負(fù)荷，二者無法滿足全部用戶的需求。因此，在冷負(fù)荷高峰期，部分用戶參與了激勵性冷需求響應(yīng)。

表1 三種模式下的運(yùn)行成本

圖5 CCHP微網(wǎng)1電負(fù)荷平衡曲線

圖6 CCHP微網(wǎng)1熱負(fù)荷平衡曲線

圖7 CCHP微網(wǎng)1冷負(fù)荷平衡曲線

本文采用實(shí)時電價機(jī)制來對負(fù)荷進(jìn)行時序上的調(diào)整。圖8表示的是CCHP微網(wǎng)1在需求響應(yīng)前后負(fù)荷曲線對比圖，由圖8可知，在價格需求響應(yīng)引導(dǎo)下，用戶根據(jù)電價改變其用電量，將部分高電價時段負(fù)荷轉(zhuǎn)移到低電價時段，不會改變用戶負(fù)荷的總量，在實(shí)現(xiàn)經(jīng)濟(jì)性同時也達(dá)到了削峰填谷的目的。

圖8 CCHP微網(wǎng)1需求響應(yīng)前后負(fù)荷曲線對比圖

2) 主動配電網(wǎng)層優(yōu)化調(diào)度結(jié)果

主動配電網(wǎng)層電負(fù)荷平衡曲線如圖9所示。主動配電網(wǎng)層的電負(fù)荷平衡由從大電網(wǎng)購電、3臺DG出力、與微網(wǎng)間交互功率這三部分構(gòu)成。DG出力隨負(fù)荷的變化而變化，在07：00—21：00時段，主動配電網(wǎng)向CCHP微網(wǎng)售電。

4.2 考慮預(yù)測誤差的影響分析

圖9 主動配電網(wǎng)電負(fù)荷平衡曲線

表2 不同置信水平下的運(yùn)行成本

從表2可以看出，在考慮誤差時，配網(wǎng)成本保持不變，這是由于配網(wǎng)并未接入風(fēng)光機(jī)組。在僅考慮CCHP微網(wǎng)的風(fēng)光機(jī)組預(yù)測誤差和冷熱電負(fù)荷誤差條件下，多微網(wǎng)的運(yùn)行成本是增加的，并且隨置信度的不斷提高，系統(tǒng)運(yùn)行成本也隨之不斷增加。

4.3 不同建模方法結(jié)果對比分析

為體現(xiàn)本文所提出的分布式建模方法的優(yōu)越性，采用集中式和分布式兩種方法分別計算系統(tǒng)的總運(yùn)行成本進(jìn)行對比。集中式建模方法是將CCHP微網(wǎng)和主動配電網(wǎng)看成一個整體，對其進(jìn)行優(yōu)化，但這種方法所需的通信交互信息多，且無法顯現(xiàn)配網(wǎng)和微網(wǎng)作為不同主體各自的利益需求。分布式建模方法是將配網(wǎng)和微網(wǎng)看成兩個不同主體分別建模，分析自身區(qū)域的優(yōu)化調(diào)度問題，運(yùn)用ATC求解，通過不斷交替迭代計算，最終求解出各自系統(tǒng)的經(jīng)濟(jì)調(diào)度結(jié)果。

在分布式優(yōu)化時，配網(wǎng)和微網(wǎng)只需通過傳遞配網(wǎng)虛擬負(fù)荷值與微網(wǎng)虛擬電源值即可得到最優(yōu)解，保護(hù)了微網(wǎng)與配網(wǎng)的隱私。而集中式優(yōu)化時，配網(wǎng)和微網(wǎng)需要傳遞各自區(qū)域的隱私數(shù)據(jù)，傳遞數(shù)據(jù)較多。集中式和分布式建模方法所需傳遞的數(shù)據(jù)量如表3所示。由表3可知，采用集中式建模時，配網(wǎng)和微網(wǎng)間傳遞數(shù)據(jù)數(shù)量為4 776，而分布式建模時，配網(wǎng)和微網(wǎng)間傳遞的數(shù)據(jù)量僅為96，約為集中式建模的1/50。由此可見，采用分布式建模方法不需要傳遞各自區(qū)域的隱私數(shù)據(jù)，保護(hù)了微網(wǎng)與配網(wǎng)各自區(qū)域的隱私。

表3 不同建模方法傳遞數(shù)據(jù)量

集中式和分布式建模計算的系統(tǒng)運(yùn)行成本如表4所示。由表4可知，通過ATC求解模型時，系統(tǒng)運(yùn)行成本幾乎接近于集中式。同時，分布式建模所需的交互信息少，能在保護(hù)各自區(qū)域隱私的基礎(chǔ)上使主動配電網(wǎng)和冷熱電聯(lián)供微網(wǎng)群能夠同時達(dá)到各自的經(jīng)濟(jì)最優(yōu)。隨著智能小區(qū)理念的推廣，越來越多售電主體進(jìn)入市場，本文所提分布式建模方法有較好的適用性。

表4 集中式與ATC計算結(jié)果對比

5 結(jié)論

本文提出了一種含考慮IDR的CCHP微網(wǎng)的主動配電網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)度模型，采用目標(biāo)級聯(lián)法求取各自區(qū)域的最優(yōu)調(diào)度結(jié)果。通過算例分析，主要得出以下結(jié)論：

1) 在CCHP微網(wǎng)的用戶側(cè)引入綜合需求響應(yīng)，考慮冷熱電負(fù)荷和電動汽車作為柔性負(fù)荷參與需求響應(yīng)，可有效降低系統(tǒng)的運(yùn)行成本。

2) 針對CCHP微網(wǎng)群中新能源及冷熱電負(fù)荷的隨機(jī)性，運(yùn)用機(jī)會約束規(guī)劃處理，仿真表明置信度越高，系統(tǒng)運(yùn)行成本越高。

3) 通過目標(biāo)級聯(lián)法求解模型時，能夠在保護(hù)各自區(qū)域隱私的同時使主動配電網(wǎng)和CCHP微網(wǎng)達(dá)到各自經(jīng)濟(jì)最優(yōu)，為日后不同售電主體進(jìn)入電力市場后的能量管理提供了新思路。

[1] 劉滌塵, 彭思成, 廖清芬, 等. 面向能源互聯(lián)網(wǎng)的未來合配電系統(tǒng)形態(tài)展望[J]. 電網(wǎng)技術(shù), 2015, 39(11): 3023-3034.

LIU Dichen, PENG Sicheng, LIAO Qingfen, et al. Outlook of future integrated distribution system morphology orienting to energy internet[J]. Power System Technology, 2015, 39(11): 3023-3034.

[2] 胡榮, 馬杰, 李振坤, 等. 分布式冷熱電聯(lián)供系統(tǒng)優(yōu)化配置與適用性分析[J]. 電網(wǎng)技術(shù), 2017, 41(2): 418-425.

HU Rong, MA Jie, LI Zhenkun, et al. Optimal allocation and applicability analysis of distributed combined cooling heating power system[J]. Power System Technology, 2017, 41(2): 418-425.

[3] 何黎君, 程杉, 陳梓銘, 等. 考慮交互功率控制和雙邊競價交易的多微電網(wǎng)雙層優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(11): 10-17.

HE Lijun, CHENG Shan, CHEN Ziming, et al. Two-layer optimal dispatching of multi-micro grid considering interactive power control and bilateral bidding transaction[J]. Power System Protection and Control, 2020, 48(11): 10-17.

[4] YANG Xiaohui, LENG Zhengyang, XU Xiaoping, et al. Multi-objective optimal scheduling for CCHP microgrids considering peak-load reduction by augmented ε-constraint method[J]. Renewable Energy, 2021, 172: 408-423.

[5] 呂天光, 艾芊, 孫樹敏, 等. 含多微網(wǎng)的主動配電系統(tǒng)綜合優(yōu)化運(yùn)行行為分析與建模[J]. 中國電機(jī)工程學(xué)報, 2016, 36(1): 122-132.

Lü Tianguang, AI Qian, SUN Shumin, et al. Behavioural analysis and optimal operation of active distribution system with multi-microgrids[J]. Proceedings of the CSEE, 2016, 36(1): 122-132.

[6] 葉亮, 呂智林, 王蒙, 等. 基于最優(yōu)潮流的含多微網(wǎng)的主動配電網(wǎng)雙層優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(18): 27-37.

YE Liang, Lü Zhilin, WANG Meng, et al. Bi-level programming optimal scheduling of ADN with a multi-microgrid based on optimal power flow[J]. Power System Protection and Control, 2020, 48(18): 27-37.

[7] JAMALI S, BAHMANYAR A, RANJBAR S. Hybrid classifier for fault location in active distribution networks[J]. Protection and Control of Modern Power Systems, 2020, 5(2): 174-182.

[8] 崔鵬程, 史俊祎, 文福拴, 等. 計及綜合需求側(cè)響應(yīng)的能量樞紐優(yōu)化配置[J]. 電力自動化設(shè)備, 2017, 37(6): 101-109.

CUI Pengcheng, SHI Junyi, WEN Fushuan, et al. Optimal energy hub configuration considering integrated demand response[J]. Electric Power Automation Equipment, 2017, 37(6): 101-109.

[9] RAKIPOU D, BARATI H. Probabilistic optimization in operation of energy hub with participation of renewable energy resources and demand response[J]. Energy, 2019, 173: 384-399.

[10] 江岳春, 曾誠玉, 郇嘉嘉, 等. 計及人體舒適度和柔性負(fù)荷的綜合能源協(xié)同優(yōu)化調(diào)度[J]. 電力自動化設(shè)備, 2019, 39(8): 254-260.

JIANG Yuechun, ZANG Chengyu, HUAN Jiajia, et al. Integrated energy collaborative optimal dispatch considering human comfort and flexible load[J]. Electric Power Automation Equipment, 2019, 39(8): 254-260.

[11] WU Junfeng, YANG Tao, WU Di, et al. Distributed optimal dispatch of distributed energy resources over lossy communication networks[J]. IEEE Transactions on Smart Grid, 2017, 8(6): 3125-3137.

[12] 艾欣, 許佳佳. 基于互動調(diào)度的微網(wǎng)與配電網(wǎng)協(xié)調(diào)運(yùn)行模式研究[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(1): 143-149.

AI Xin, XU Jiajia. Study on the microgrid and distribution network co-operation model based on interactive scheduling[J]. Power System Protection and Control, 2013, 41(1): 143-149.

[13] 謝敏, 吉祥, 柯少佳, 等. 基于目標(biāo)級聯(lián)分析法的多微網(wǎng)主動配電系統(tǒng)自治優(yōu)化經(jīng)濟(jì)調(diào)度[J]. 中國電機(jī)工程學(xué)報, 2017, 37(17): 4911-4921.

XIE Min, JI Xiang, KE Shaojia, et al. Autonomous optimized economic dispatch of active distribution power system with multi-microgrids based on analytical target cascading theory[J]. Proceedings of the CSEE, 2017, 37(17): 4911-4921.

[14] 徐青山, 李淋, 盛業(yè)宏, 等. 冷熱電聯(lián)供多微網(wǎng)主動配電系統(tǒng)日前優(yōu)化經(jīng)濟(jì)調(diào)度[J]. 電網(wǎng)技術(shù), 2018, 42(6): 1726-1734.

XU Qingshan, LI Lin, SHENG Yehong, et al. Day-ahead optimized economic dispatch of active distribution power system with combined cooling, heating and power-based microgrids[J]. Power System Technology, 2018, 42(6): 1726-1734.

[15] ZHENG Shunlin, SUN Yi, LI Bin, et al. Incentive-based integrated demand response for multiple energy carriers considering behavioral coupling effect of consumers[J]. IEEE Transactions on Smart Grid, 2020, 11(4): 3231-3245.

[16] YANG Zhao, HU Junjie, AI Xin, et al. Transactive energy supported economic operation for multi-energy complementary microgrids[J]. IEEE Transactions on Smart Grid, 2021, 12(1): 4-17.

[17] 袁桂麗, 董金鳳, 魏更, 等. 基于需求響應(yīng)和多能互補(bǔ)的冷熱電聯(lián)產(chǎn)微網(wǎng)優(yōu)化調(diào)度[J]. 電力建設(shè), 2019, 40(9): 64-72

YUAN Guili, DONG Jinfeng, WEI Geng, et al. Optimal scheduling of combined cooling heating and power microgrid based on demand response and multi-energy coordination[J]. Electric Power Construction, 2019, 40(9): 64-72.

[18] 程杉, 魏昭彬, 黃天力, 等. 基于多能互補(bǔ)的熱電聯(lián)供型微網(wǎng)優(yōu)化運(yùn)行[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(11): 160-168.

CHENG Shan, WEI Zhaobin, HUANG Tianli, et al. Multi-energy complementation based optimal operation of a microgrid with combined heat and power [J]. Power System Protection and Control, 2020, 48(11): 160-168.

[19] HOUWING M, NEGENBORN R R, DE S B. Demand response with micro-CHP systems[J]. Proceedings of the IEEE, 2010, 99(1): 200-213.

[20] 朱建全, 段翩, 劉明波. 計及風(fēng)險與源-網(wǎng)-荷雙層協(xié)調(diào)的電力實(shí)時平衡調(diào)度[J]. 中國電機(jī)工程學(xué)報, 2015, 35(13): 3239-3247.

ZHU Jianquan, DUAN Pian, LIU Mingbo. Electric real-time balance dispatch via bi-level coordination of source grid-load of power system with risk[J]. Proceedings of the CSEE, 2015, 35(13): 3239-3247.

[21] 周瑋, 孫愷, 孫輝, 等. 基于機(jī)會約束規(guī)劃的主動配電網(wǎng)最大供電能力雙層優(yōu)化[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(4): 70-77.

ZHOU Wei, SUN Kai, SUN Hui, et al. Bi-level optimization model for load supplying capability in active distribution network based on chance-constrained programming[J]. Power System Protection and Control, 2018, 46(4): 70-77.

[22] 張旭, 王洪濤. 高比例可再生能源電力系統(tǒng)的輸配協(xié)同優(yōu)化調(diào)度方法[J]. 電力系統(tǒng)自動化, 2019, 43(3): 67-83, 115.

ZHANG Xu, WANG Hongtao. Optimal dispatch method of transmission and distribution coordination for power systems with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2019, 43(3): 67-83, 115.

[23] 龐碧君. 線性規(guī)劃與隨機(jī)線性規(guī)劃[M]. 鄭州: 鄭州大學(xué)出版社, 2009.

[24] ALIREZA S, NEJAD F, SHAHRZAD H, et al. A novel stochastic energy management of a microgrid with various types of distributed energy resources in presence of demand response programs[J]. Energy, 2018, 160: 257-274.

Economic optimal dispatch of an active distribution network with combined cooling, heating and power microgrids considering integrated demand response

YANG Xiaohui, ZHANG Liufang, WU Longjie, LENG Zhengyang, LIU Kang, XU Zhenghong

(College of Information Engineering, Nanchang University, Nanchang 330031, China)

When several combined cooling, heating and power (CCHP) microgrids are connected to an active distribution network, the microgrid and network serve as different stakeholders, and the economic optimal dispatch of the system becomes more complex. To protect privacy, an economic optimal dispatch model of an active distribution network with CCHP microgrids is proposed. Chance-constrained programming is used to deal with the randomness of new energy and cooling, heating and power load in the CCHP microgrids. The distributed modeling method is adopted to minimize the operating cost of each region. Analytical target cascading (ATC) is used to determine the optimal economic dispatch results in their respective regions in parallel. At the same time, the introduction of an integrated demand response (IDR) in the user side of the CCHP microgrid is conducive to reducing energy supply costs. Verification on an improved IEEE33-bus system example shows that the introduction of IDR can effectively reduce the operating cost of the system. The optimal economic dispatch results of the active distribution network and CCHP microgrids can be obtained using ATC and protect the privacy of each region.

This work is supported by the National Natural Science Foundation of China (No. 61963026).

CCHP microgrids; active distribution network; integrated demand response;chance constrained programming; analytical target cascading

10.19783/j.cnki.pspc.210425

國家自然科學(xué)基金項目資助(61963026)

2021-04-16；

2021-08-20

楊曉輝(1978—)，男，通信作者，博士，教授，研究方向?yàn)橹悄芸刂?，新能源發(fā)電與微電網(wǎng)技術(shù)；E-mail: yangxiaohui@ncu.edu.cn

張柳芳(1995—)，女，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化運(yùn)行調(diào)度。E-mail: 506610174@qq.com

(編輯 周金梅)