考慮需求側(cè)響應(yīng)的園區(qū)綜合能源系統(tǒng)優(yōu)化配置

朱志芳，許 苑，岑海鳳，黃文靖，鄭杰輝，李志剛

（1.廣東電網(wǎng)有限責(zé)任公司廣州供電局，廣東廣州 510620；2.華南理工大學(xué)電力學(xué)院，廣東廣州 510641）

0 引言

在“碳達(dá)峰”、“碳中和”、新能源為主體的新型電力系統(tǒng)等國家能源政策背景下，可再生能源的迅速發(fā)展極大地提高了新能源在配電網(wǎng)中的滲透率，傳統(tǒng)的單向功率流配電網(wǎng)逐漸演變?yōu)楣β孰p向流動的主動配電網(wǎng)，隸屬于配電網(wǎng)終端消費(fèi)側(cè)的園區(qū)綜合能源系統(tǒng)（Park-Level Integrated Energy System，PIES）成為現(xiàn)階段實(shí)現(xiàn)多能互補(bǔ)的規(guī)劃建設(shè)重點(diǎn)。PIES 是集合了電、氣、冷、熱等能源形式的區(qū)域級綜合能源系統(tǒng)，在能源綜合利用、節(jié)能減排、可再生能源就地消納等方面具有重要意義[1]。對于主動配電網(wǎng)來說，PIES 與配電網(wǎng)進(jìn)行雙向能量流動，具有“源”、“荷”雙重特性[2-3]。然而，隨著大量實(shí)踐的展開，部分PIES 在運(yùn)營中存在部分設(shè)備長期閑置而部分設(shè)備容量緊缺的問題[4]，造成經(jīng)濟(jì)損失的同時(shí)還削弱了能源間相互轉(zhuǎn)化的能力，降低了PIES 的用能效率。

現(xiàn)有的PIES 一般可接入?yún)^(qū)域配電網(wǎng)及天然氣網(wǎng)，還可以充分利用太陽能、風(fēng)能、生物質(zhì)能等區(qū)域內(nèi)的可再生能源提升系統(tǒng)運(yùn)行效益[5-7]。根據(jù)PIES配置約束的類型可將優(yōu)化問題分為線性規(guī)劃、混合整數(shù)線性規(guī)劃、非線性規(guī)劃等[8-11]。PIES 優(yōu)化配置問題的優(yōu)化目標(biāo)根據(jù)實(shí)際需求可包括經(jīng)濟(jì)指標(biāo)、環(huán)保指標(biāo)（二氧化碳排放量）及節(jié)能指標(biāo)（能耗、能源效率）等[12-14]。

前述研究主要集中在傳統(tǒng)的電力系統(tǒng)運(yùn)行場景下進(jìn)行PIES 的優(yōu)化配置分析，并沒有考慮到PIES 與配電網(wǎng)進(jìn)行能量交互和協(xié)調(diào)配合的內(nèi)在需求。實(shí)際上，PIES 中穩(wěn)定、高度自動化的工商業(yè)負(fù)荷具有較大的需求響應(yīng)潛力。

文獻(xiàn)[15]總結(jié)了需求響應(yīng)建模的方法、調(diào)度架構(gòu)及交易模式。文獻(xiàn)[16]研究了電熱負(fù)荷綜合需求響應(yīng)機(jī)制對提高PIES 熱電聯(lián)產(chǎn)經(jīng)濟(jì)性、靈活性和高效性的作用。文獻(xiàn)[17]構(gòu)建了冷熱電需求耦合響應(yīng)的PIES 優(yōu)化運(yùn)行模型及策略。文獻(xiàn)[18-19]則從園區(qū)內(nèi)部各運(yùn)行主體的角度出發(fā)，利用強(qiáng)化學(xué)習(xí)、博弈論等理論工具進(jìn)行需求響應(yīng)策略研究。但文獻(xiàn)[15-19]主要著眼于需求側(cè)響應(yīng)對電網(wǎng)運(yùn)行的影響，未能在建設(shè)PIES 前考慮需求側(cè)響應(yīng)對優(yōu)化系統(tǒng)配置的作用。

在上述研究基礎(chǔ)上，以廣州某園區(qū)為研究對象，兼顧PIES 的運(yùn)行成本、污染排放和能耗3 個(gè)目標(biāo)，考慮電力市場分時(shí)定價(jià)機(jī)制下的需求側(cè)響應(yīng)策略，建立PIES 多目標(biāo)優(yōu)化配置及多屬性決策模型，分析需求側(cè)響應(yīng)對現(xiàn)階段園區(qū)系統(tǒng)的影響，為PIES的建設(shè)和運(yùn)行提供參考。

1 園區(qū)綜合能源系統(tǒng)的基本架構(gòu)

1.1 基本架構(gòu)

圖1 為一個(gè)典型的PIES 結(jié)構(gòu)。園區(qū)內(nèi)包含電、氣、熱、冷4 種能源類型及相應(yīng)的終端負(fù)荷、能源轉(zhuǎn)換設(shè)備和儲能設(shè)備。

圖1 典型PIES結(jié)構(gòu)圖Fig.1 Typical structure of PIES

1.2 設(shè)備特性及運(yùn)行建模

1.2.1 設(shè)備的運(yùn)行特性及狀態(tài)約束

在變工況特性中，部分設(shè)備的工作效率會隨著負(fù)載率的下降而急劇降低。為了簡化規(guī)劃設(shè)計(jì)階段的分析過程，通常將設(shè)備的工作效率設(shè)定為常數(shù)。出于經(jīng)濟(jì)性考慮，為設(shè)備設(shè)定一個(gè)負(fù)載率邊界值，當(dāng)負(fù)載率低于邊界值時(shí)關(guān)閉該設(shè)備。第i個(gè)設(shè)備的輸出功率為：

式中：為設(shè)備輸入功率；ηi，Ploadratei和Ploadi分別為設(shè)備的效率、負(fù)載率和負(fù)載率邊界值；和為設(shè)備輸出功率的下限和上限。其中，Ploadi是效率邊界值在設(shè)備變工況特性曲線上的交點(diǎn)。內(nèi)燃機(jī)的變工況特性曲線在文獻(xiàn)[20]中給出。

綜合能源系統(tǒng)的日內(nèi)運(yùn)行計(jì)劃一般以1 小時(shí)為計(jì)劃間隔，計(jì)劃內(nèi)容包括設(shè)備的運(yùn)行狀態(tài)和輸出功率。為每個(gè)設(shè)備分配二進(jìn)制運(yùn)行狀態(tài)變量，設(shè)備的實(shí)際出力為：

式中：Si為設(shè)備i的運(yùn)行狀態(tài)，取值0 為停機(jī)狀態(tài)，1為正常運(yùn)行狀態(tài)。

1.2.2 儲能設(shè)備約束

儲能設(shè)備的運(yùn)行狀態(tài)可分為充能、放能和停運(yùn)狀態(tài)，為其單獨(dú)增加充能和放能狀態(tài)的運(yùn)行約束：

式中：SB為儲能設(shè)備B 儲存的能量；δB為儲能消耗率；分別是輸入和輸出功率；分別是輸入和輸出效率；Δt是時(shí)間間隔。

儲能設(shè)備可進(jìn)行雙向功率流動，但其充能和放能過程不能同時(shí)進(jìn)行，為減少存儲過程中的能量損失并降低存儲容量成本，設(shè)定儲能設(shè)備的充-放能周期，其約束為：

2 綜合能源系統(tǒng)需求響應(yīng)策略

需求側(cè)響應(yīng)的意義在于利用價(jià)格的變動影響用戶現(xiàn)有的用能習(xí)慣，進(jìn)而改善電網(wǎng)負(fù)荷特性曲線，降低電網(wǎng)的總體運(yùn)行成本。園區(qū)用戶按運(yùn)營主體可分為傳統(tǒng)用戶和能源樞紐[21]。傳統(tǒng)用戶的大部分用能需求較為固定，剩余的用能需求是對價(jià)格敏感的價(jià)格型負(fù)荷，如部分電負(fù)荷；能源樞紐通過各種能源轉(zhuǎn)換設(shè)備利用不同能源間的相互轉(zhuǎn)化滿足用戶相同的用能需求，稱為替代型負(fù)荷，文中所有負(fù)荷均屬此類，由能源樞紐進(jìn)行統(tǒng)一調(diào)度。

價(jià)格型需求響應(yīng)是利用價(jià)格引導(dǎo)某一類能源需求轉(zhuǎn)移到不同的時(shí)間點(diǎn)，而替代型需求響應(yīng)則是不同類型的能源需求在相同時(shí)間點(diǎn)的相互替代[21-22]。兩種類型的需求側(cè)響應(yīng)通過影響PIES 在各時(shí)段的各類能源消耗量來間接影響PIES 與配電網(wǎng)的電力交易量。

2.1 價(jià)格型需求響應(yīng)

文中采用主流的電量電價(jià)彈性矩陣描述電力負(fù)荷需求響應(yīng)，彈性系數(shù)是電量變化量與價(jià)格變化量的比值。彈性系數(shù)τab表示時(shí)段a的電量對時(shí)段b的電價(jià)變化的響應(yīng)，其具體數(shù)值可通過對當(dāng)?shù)馗餍袠I(yè)的電量和電價(jià)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行多元回歸計(jì)算得到。由各個(gè)時(shí)段間的彈性系數(shù)構(gòu)成的電量電價(jià)彈性矩陣Ee如式（10）所示：

需求側(cè)響應(yīng)后n個(gè)時(shí)段的電負(fù)荷向量Qz為：

式中：為響應(yīng)前的電負(fù)荷需求；ΔQn為響應(yīng)后電負(fù)荷的變化值；Δq和Δp分別為電量q和電價(jià)p的變化量。

2.2 替代型需求響應(yīng)

在PIES 中，電、氣、熱、冷等能源通過相關(guān)耦合設(shè)備（燃?xì)廨啓C(jī)、各種鍋爐和制冷機(jī)等）實(shí)現(xiàn)不同能源之間的轉(zhuǎn)換，已具備能源樞紐的特征。能源樞紐可以對不同形式的能源進(jìn)行轉(zhuǎn)化，通過優(yōu)化樞紐的運(yùn)行方式來滿足終端用戶同等的用能需求，同時(shí)提高PIES 的經(jīng)濟(jì)性、靈活性以及能源的利用效率。各能源間的轉(zhuǎn)換必須滿足能量守恒定律，能源間的轉(zhuǎn)換關(guān)系[22]為：

式中：i，j分別為兩種不同的能源類型；ΔR為負(fù)荷增量；W為能源的單位熱值；η為能源的利用率。

設(shè)響應(yīng)后的替代型負(fù)荷為Li，為保證系統(tǒng)中各類型負(fù)荷總量不變，引入負(fù)荷平衡約束。即：

式中：為響應(yīng)前的替代性負(fù)荷；ΔLi為需求響應(yīng)的負(fù)荷變化量；N為能源耦合中的能源類型。

3 考慮需求側(cè)響應(yīng)的園區(qū)綜合能源系統(tǒng)多目標(biāo)優(yōu)化配置模型

基于PIES 的基本架構(gòu)，綜合考慮園區(qū)各種負(fù)荷需求以及用戶側(cè)的綜合需求響應(yīng)，建立PIES 多目標(biāo)優(yōu)化配置模型，得到PIES 的最優(yōu)配置及運(yùn)行方案。

文中將所建立的模型分解為主問題與子問題，并進(jìn)行迭代求解，如圖2 所示。主問題以PIES 的總成本、污染排放量和能耗為優(yōu)化目標(biāo)，采用多目標(biāo)群搜索算法（Multi-Objective Group Search Optimizer，MOGSO）優(yōu)化PIES 的設(shè)備類型及容量，并將其作為已知參數(shù)傳入子問題。子問題以PIES 的運(yùn)行成本最小為目標(biāo)，結(jié)合綜合需求響應(yīng)策略建立系統(tǒng)運(yùn)行的混合整數(shù)線性規(guī)劃模型，采用Gurobi 求解器求解模型，得到各類型設(shè)備的運(yùn)行狀態(tài)及最優(yōu)小時(shí)出力，并將結(jié)果返回到主問題。最終，主問題根據(jù)子問題的優(yōu)化結(jié)果計(jì)算當(dāng)前設(shè)備配置下的PIES 的總成本、污染排放量和一次能源消耗量。MOGSO 經(jīng)過多次迭代產(chǎn)生一系列帕累托最優(yōu)解，這些最優(yōu)解都是可行的系統(tǒng)配置方案。

圖2 多目標(biāo)優(yōu)化配置方法的流程圖Fig.2 Process of multi-objective optimization configuration method

3.1 多目標(biāo)優(yōu)化配置主問題模型

文中考慮了規(guī)劃周期年內(nèi)的總費(fèi)用、污染排放量和能耗量最小表征不同運(yùn)行指標(biāo)的目標(biāo)函數(shù)。主問題的模型描述為：

式中：F1為年總費(fèi)用，為年等額投資成本、設(shè)備運(yùn)行維護(hù)費(fèi)用以及燃料費(fèi)用的總和；I為設(shè)備總數(shù)；H為年運(yùn)行小時(shí)數(shù)；J為輸入能源類型總數(shù)。第一項(xiàng)是系統(tǒng)每一年的等額投資成本，fi和ci分別為設(shè)備的固定維護(hù)成本和單位投資成本為設(shè)備額定容量；第二項(xiàng)和第三項(xiàng)分別是設(shè)備運(yùn)行維護(hù)費(fèi)用和能源費(fèi)用，ai為可變維護(hù)成本，為設(shè)備第h小時(shí)的有功輸出和分別為第h小時(shí)能源j的價(jià)格和消耗量，PIES與配電網(wǎng)間的購電支出費(fèi)用和售電所得費(fèi)用已統(tǒng)一包含在能源費(fèi)用中。即：

式中：年污染排放量F2采用等價(jià)CO2排放量計(jì)算，文中僅考慮電網(wǎng)燃煤發(fā)電、園區(qū)天然氣發(fā)電以及園區(qū)天然氣鍋爐產(chǎn)生的污染排放；μj為能源排放系數(shù)。風(fēng)能、太陽能等可再生能源的排放系數(shù)為0。即：

式中：年能耗量F3采用電網(wǎng)購電以及園區(qū)內(nèi)消耗天然氣的等價(jià)標(biāo)準(zhǔn)煤耗計(jì)算；λj為標(biāo)準(zhǔn)煤轉(zhuǎn)化系數(shù)。

主問題的優(yōu)化變量是系統(tǒng)中各類型設(shè)備的容量，包括固定容量的燃?xì)廨啓C(jī)、內(nèi)燃機(jī)的臺數(shù)（離散變量）和其他設(shè)備的容量值（連續(xù)變量）。設(shè)備的容量選擇受到園區(qū)資源、場地、技術(shù)等因素的限制，因此主問題包含設(shè)備數(shù)量及容量約束為：

3.2 運(yùn)行子問題模型

子問題的目標(biāo)是使PIES 年F′總成本最小，包括運(yùn)行成本、維護(hù)成本以及能源成本，針對每個(gè)季節(jié)選取1 個(gè)典型負(fù)荷日得到當(dāng)年的負(fù)荷情況。子問題的模型為：

式中：dk為第k個(gè)典型負(fù)荷日在全年中的天數(shù)，每個(gè)典型負(fù)荷日有24 個(gè)小時(shí)；e 為能源類型，包括電、熱和冷能；分別為設(shè)備的輸入、輸出功率和用戶的負(fù)荷需求。

式（1）—式（9）為PIES 運(yùn)行模型，式（11）—式（14）為需求側(cè)響應(yīng)約束，式（23）為每一時(shí)刻下PIES中各類能源的能量平衡約束。

子問題的優(yōu)化變量包括各種設(shè)備的運(yùn)行狀態(tài)、輸出功率和實(shí)際輸出功率。

4 求解方法

本節(jié)給出圖2 中的多目標(biāo)優(yōu)化配置主問題和運(yùn)行子問題的求解方法，另外，PIES 的規(guī)劃建設(shè)往往涉及多個(gè)利益主體，采用多屬性決策方法從帕累托最優(yōu)解中選出最能均衡各方利益的配置方案。

4.1 主問題求解方法——多目標(biāo)群搜索算法

MOGSO 具有自適應(yīng)搜索策略、允許混合類型變量、收斂速度快等優(yōu)點(diǎn)，在多目標(biāo)優(yōu)化問題中已得到廣泛應(yīng)用。文獻(xiàn)[23]將MOGSO 與粒子群算法（Particle Swarm Optimization，PSO）和傳統(tǒng)的原對偶內(nèi)點(diǎn)法（Primal-Dual Interior Point，PDIP）進(jìn)行了性能測試與對比，結(jié)果顯示MOGSO 在最優(yōu)、最劣及平均最優(yōu)解指標(biāo)上都具有更高的精度，因此文中采用MOGSO 作為主問題的優(yōu)化算法。

MOGSO 中主要有領(lǐng)頭者、跟隨者和游蕩者3種角色，三者之間可以相互轉(zhuǎn)換。領(lǐng)頭者在全局范圍內(nèi)尋找最優(yōu)值的可能區(qū)域，跟隨者在此可能區(qū)域內(nèi)進(jìn)行詳細(xì)的局部搜索，游蕩者采用Lévy 飛行搜索策略避免整個(gè)種群陷入局部最優(yōu)，保障全局收斂性[24]。

4.2 子問題求解方法

原規(guī)劃問題的模型中，運(yùn)行子問題式（3）是非線性約束條件，為便于運(yùn)行子問題的求解，將式（3）轉(zhuǎn)化為線性約束來提高優(yōu)化速度：

當(dāng)Si=0 時(shí)，設(shè)備關(guān)閉，=0；當(dāng)Si=1 時(shí)，設(shè)備開啟，。式（24）中的線性化方法將原來的非線性約束轉(zhuǎn)化為混合整數(shù)線性約束。

經(jīng)過式（24）的線性化方法，運(yùn)行子問題的模型轉(zhuǎn)化為混合整數(shù)線性規(guī)劃問題，該運(yùn)行子問題的混合整數(shù)規(guī)劃可直接調(diào)用現(xiàn)有的商業(yè)運(yùn)籌優(yōu)化求解器（如Gurobi、CPLEX）進(jìn)行高效求解。

4.3 基于證據(jù)推理的多屬性決策方法

決策者由于無法獲取完整信息或者知識儲備不足以做出判斷時(shí)會產(chǎn)生不確定性評估，文中采用基于證據(jù)推理（Evidential Reasoning，ER）的多屬性決策方法[25]在待選的帕累托前沿解中選出最符合實(shí)際需求的系統(tǒng)配置方案。該多屬性決策方法的流程如圖3 所示。

圖3 基于證據(jù)推理的多屬性決策方法流程圖Fig.3 Process of multi-attribute decision-making method based on ER

5 算例分析

5.1 系統(tǒng)及設(shè)備參數(shù)

以廣州某園區(qū)的規(guī)劃設(shè)計(jì)為依據(jù)，應(yīng)用所提出的PIES 優(yōu)化配置模型及優(yōu)化決策方法。經(jīng)調(diào)查，該工業(yè)園區(qū)主要以電、熱和冷負(fù)荷為主，滿足使用太陽能的場地條件的面積為80 000 m2，可接入?yún)^(qū)域天然氣網(wǎng)和區(qū)域電網(wǎng)，園區(qū)內(nèi)可建設(shè)的設(shè)備種類及經(jīng)濟(jì)技術(shù)參數(shù)詳見文獻(xiàn)[26]。

需求響應(yīng)的時(shí)間尺度與系統(tǒng)運(yùn)行計(jì)劃相匹配，均設(shè)為1 h。能源的峰谷平價(jià)格見表1，電量電價(jià)需求側(cè)彈性系數(shù)[27]見表2。PIES 向電網(wǎng)售電的上網(wǎng)電價(jià)為當(dāng)前時(shí)刻向電網(wǎng)購電電價(jià)的0.7 倍。

表1 能源的峰谷平各時(shí)段價(jià)格Table 1 Peak-flat-valley time-of-use energy price

表2 電量電價(jià)彈性系數(shù)Table 2 Electricity price elasticity

該園區(qū)4 個(gè)典型日的電冷熱負(fù)荷曲線、價(jià)格型需求響應(yīng)后的電負(fù)荷曲線及太陽輻射密度曲線如圖4 所示。

圖4 該園區(qū)4個(gè)典型日的負(fù)荷及太陽輻射密度曲線Fig.4 Load curves and solar radiation density curves for park on four typical days

表3 列出了不同能源的CO2排放系數(shù)及標(biāo)準(zhǔn)煤耗轉(zhuǎn)化系數(shù)。MOGSO 的迭代次數(shù)和種群數(shù)目均設(shè)為100。

表3 能源的CO2排放系數(shù)及標(biāo)準(zhǔn)煤耗轉(zhuǎn)化系數(shù)Table 3 CO2 mission factors for different energy and conversion coefficient of standard coal consumption

為了增強(qiáng)PIES 的穩(wěn)定運(yùn)行能力，考慮極端場景對系統(tǒng)的影響。結(jié)合綜合能源系統(tǒng)的運(yùn)行經(jīng)驗(yàn)，在運(yùn)行優(yōu)化子問題中考慮以下極端場景：（1）可再生能源出力最大，持續(xù)時(shí)間4 小時(shí)；（2）系統(tǒng)各類負(fù)荷總和最大，且可再生能源出力很小。兩種極端場景的設(shè)置如表4 所示。

表4 極端場景設(shè)置Table 4 Extreme scenario setting

5.2 園區(qū)優(yōu)化配置流程、結(jié)果及分析

在式（15）—式（20）的多目標(biāo)優(yōu)化問題中，定義了年總費(fèi)用、年CO2排放量和年能耗量3 個(gè)評價(jià)指標(biāo)來定量描述PIES 的綜合效益。但在實(shí)際規(guī)劃設(shè)計(jì)中，投資者對經(jīng)濟(jì)性指標(biāo)的重視程度最高，污染排放指標(biāo)次之，而且在相同的系統(tǒng)負(fù)荷下不同設(shè)計(jì)方案的能耗差別很小。因此，文中最終選擇年總費(fèi)用和年CO2排放量作為多目標(biāo)主問題的優(yōu)化目標(biāo)，將能耗作為決策階段的屬性參與到優(yōu)化中，將三維帕累托最優(yōu)前沿壓縮為二維，更高效地選擇最優(yōu)規(guī)劃方案。

將PIES 設(shè)置為暫不考慮需求側(cè)響應(yīng)，通過MOGSO 優(yōu)化得到下凸的帕累托前沿，前沿上的多個(gè)PIES 容量配置方案的總費(fèi)用與污染排放存在相互矛盾的關(guān)系，年總費(fèi)用較低的系統(tǒng)配置方案具有較高的污染排放量，年總費(fèi)用較高時(shí)則具有較低的污染排放量。

為了進(jìn)一步分析3 個(gè)優(yōu)化目標(biāo)之間的制約關(guān)系以及能源市場的交易情況，從圖5 的帕累托可行解中分散地選出8 個(gè)可行方案，表5 給出了它們的3 個(gè)目標(biāo)值以及與區(qū)域配電網(wǎng)、區(qū)域天然氣網(wǎng)的交易量。由表5 可見，8 個(gè)方案的年總費(fèi)用和年污染排放量呈負(fù)相關(guān)關(guān)系，而年能耗量只在小范圍波動，進(jìn)一步驗(yàn)證了減少規(guī)劃目標(biāo)的有效性。

圖5 春季典型日不同場景下的園區(qū)系統(tǒng)購售電量Fig.5 Purchasing and selling electricity of park-level PIES under different DR scenarios on a typical day in spring

表5 多目標(biāo)優(yōu)化得到的8個(gè)方案的目標(biāo)值Table 5 Objective value of eight schemes obtained by multi-objective optimization

為了綜合考慮PIES 配置方案的經(jīng)濟(jì)性、環(huán)保性和節(jié)能性，利用多屬性決策方法從8 個(gè)待選方案中選出系統(tǒng)最優(yōu)配置方案。

一般來說，經(jīng)濟(jì)性指標(biāo)是系統(tǒng)規(guī)劃與設(shè)計(jì)中最重要的指標(biāo)，應(yīng)賦予總費(fèi)用較大的權(quán)重系數(shù)，文中給3 個(gè)目標(biāo)分配的權(quán)重系數(shù)依次為0.5、0.3、0.2。經(jīng)過多屬性決策得到各方案的評估結(jié)果，選擇平均效用值最大的方案4 作為該P(yáng)IES 的最優(yōu)配置方案。

5.3 需求側(cè)響應(yīng)對園區(qū)優(yōu)化配置的影響

如圖4 所示，考慮價(jià)格型需求響應(yīng)后，部分峰時(shí)段的電負(fù)荷轉(zhuǎn)移到了谷時(shí)段，降低了區(qū)域電網(wǎng)的電負(fù)荷峰谷差的同時(shí)也降低了園區(qū)的用電成本。設(shè)置如下3 個(gè)場景進(jìn)一步探究需求側(cè)響應(yīng)對園區(qū)綜合能源系統(tǒng)優(yōu)化配置的影響：（1）不考慮需求響應(yīng)；（2）僅引入價(jià)格型需求響應(yīng)；（3）引入價(jià)格型和替代型需求響應(yīng)。

采用文中提出的方法分別得到對應(yīng)場景下的系統(tǒng)最優(yōu)配置方案的各個(gè)目標(biāo)值如表6 所示，詳細(xì)的系統(tǒng)配置方案在表7 中列出。圖5 展示了電負(fù)荷波動最大的春季典型日在不同需求側(cè)響應(yīng)下的PIES 對電網(wǎng)的購售電量。

表6 不同場景下的園區(qū)最優(yōu)規(guī)劃方案目標(biāo)值Table 6 Objective value of optimal planning scheme for park under different DR scenarios

表7 不同場景下的最優(yōu)園區(qū)系統(tǒng)配置方案Table 7 Optimal configuration of park-level PIES under different DR scenarios

結(jié)合表6、表7 和圖5 以及優(yōu)化過程數(shù)據(jù)分析如下：

1）在優(yōu)化目標(biāo)方面，考慮了需求側(cè)響應(yīng)后的PIES 具有更高的經(jīng)濟(jì)性，能耗量基本不變，但污染排放量急劇增加。相對于無需求響應(yīng)的場景，對電負(fù)荷實(shí)行價(jià)格型需求響應(yīng)后系統(tǒng)費(fèi)用減少0.29%、污染排放增加4.03%；而加入了電負(fù)荷價(jià)格型和全部負(fù)荷替代型需求響應(yīng)后系統(tǒng)費(fèi)用減少1.53%、污染排放增加11.13%。對園區(qū)綜合能源系統(tǒng)來說，考慮需求側(cè)響應(yīng)所節(jié)省的費(fèi)用與要付出的環(huán)保代價(jià)并不匹配。

2）在設(shè)備選擇方面，光伏資源在發(fā)電和制熱之間的分配比例已達(dá)到均衡。由于內(nèi)燃機(jī)-2 的電熱效率比和成本在該園區(qū)中具有較大優(yōu)勢，因此系統(tǒng)僅選擇內(nèi)燃機(jī)-2 作為主力發(fā)電設(shè)備。余熱鍋爐容量與內(nèi)燃機(jī)的數(shù)目呈正相關(guān)。由于蓄電池的成本過高，因此不考慮建設(shè)蓄電池。

3）加入電負(fù)荷價(jià)格型需求響應(yīng)后，為降低用能成本，園區(qū)系統(tǒng)在谷時(shí)段增加電網(wǎng)購電來滿足能源需求。但由于電網(wǎng)購電的污染排放系數(shù)大幅高于天然氣發(fā)電，因此需求側(cè)響應(yīng)加重了園區(qū)用能的污染排放。此外，在園區(qū)負(fù)荷率較低的區(qū)域電網(wǎng)負(fù)荷峰時(shí)段（20:00-22:00），園區(qū)系統(tǒng)可以增加內(nèi)燃機(jī)發(fā)電量并向電網(wǎng)售電，以覆蓋部分的設(shè)備運(yùn)行維護(hù)成本。

4）加入替代型需求響應(yīng)后，園區(qū)系統(tǒng)通過能源耦合進(jìn)一步提高設(shè)備的利用率，減少內(nèi)燃機(jī)數(shù)目并增加燃?xì)忮仩t的建設(shè)，以填補(bǔ)余熱鍋爐和儲熱箱的熱源缺口。在電網(wǎng)電價(jià)的谷時(shí)段購入更多廉價(jià)電能，增加電制冷機(jī)和儲冷箱容量以滿足冷負(fù)荷需求，進(jìn)一步降低園區(qū)運(yùn)行的年總費(fèi)用。

5）12:00-15:00 屬于電網(wǎng)用電峰時(shí)段，電網(wǎng)購電成本較高，此時(shí)園區(qū)光伏出力處于最大時(shí)段，可以滿足一部分電負(fù)荷及冷熱負(fù)荷需求，剩余負(fù)荷缺口通過內(nèi)燃機(jī)發(fā)電來彌補(bǔ)，達(dá)到最經(jīng)濟(jì)的運(yùn)行方式。

6 結(jié)語

提出了一個(gè)考慮需求側(cè)響應(yīng)的園區(qū)綜合能源系統(tǒng)多目標(biāo)優(yōu)化配置計(jì)算及決策方法，該方法以最小化系統(tǒng)總費(fèi)用、污染排放和能耗量為優(yōu)化目標(biāo)，將配網(wǎng)電力交易額包含在能源費(fèi)用中，通過需求側(cè)響應(yīng)間接影響園區(qū)綜合能源系統(tǒng)與配電網(wǎng)的電能交互。結(jié)合用戶需求和各類設(shè)備的約束條件建立優(yōu)化配置模型，利用多目標(biāo)群搜索算法求解可行方案，最后采用基于證據(jù)推理的多屬性決策方法選擇最優(yōu)的系統(tǒng)配置。算例結(jié)果顯示，帕累托可行解包含了一系列的可行配置方案，對待選方案進(jìn)行多屬性決策的平均效用值評估后能得到最優(yōu)的園區(qū)綜合能源系統(tǒng)配置方案。另外，用戶及園區(qū)綜合能源系統(tǒng)的需求側(cè)響應(yīng)可以進(jìn)一步降低系統(tǒng)規(guī)劃和運(yùn)行費(fèi)用，但會造成園區(qū)用能污染排放量劇增。