考慮源、荷不確定性的工業(yè)園區(qū)電-氣互聯(lián)綜合能源系統(tǒng)模糊優(yōu)化調(diào)度

邱革非，何 超，駱 釗，梁俊宇，馮澤華，楊昊天，楊浩宇

（1. 昆明理工大學(xué) 電力工程學(xué)院，云南 昆明 650500；2. 云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，云南 昆明 650217）

0 引言

為有效緩解應(yīng)用化石燃料所帶來的環(huán)境污染問題，世界各國(guó)正在積極推進(jìn)能源結(jié)構(gòu)優(yōu)化，大力發(fā)展新能源發(fā)電技術(shù)［1］。電轉(zhuǎn)氣（P2G）技術(shù)的應(yīng)用可促進(jìn)新能源就地消納，降低碳排放，有效提升能源利用率，改善能源結(jié)構(gòu)，具有良好的發(fā)展前景和運(yùn)用價(jià)值。但由于新能源和電、氣負(fù)荷都存在不確定性，這給工業(yè)園區(qū)電-氣互聯(lián)綜合能源系統(tǒng)（IENGS）的優(yōu)化運(yùn)行帶來了新的挑戰(zhàn)。

當(dāng)前許多關(guān)于IENGS的研究多集中于IENGS的優(yōu)化運(yùn)行方面，例如：文獻(xiàn)［2］基于P2G 裝置對(duì)天然氣系統(tǒng)和電力系統(tǒng)的影響，建立了IENGS 風(fēng)機(jī)失效的風(fēng)險(xiǎn)指標(biāo)，并基于該指標(biāo)提出了以風(fēng)機(jī)失效風(fēng)險(xiǎn)最小、燃煤機(jī)組煤耗成本最少為目標(biāo)的多目標(biāo)優(yōu)化調(diào)度模型；文獻(xiàn)［3］基于綜合能源系統(tǒng)中不同類型能源調(diào)度在時(shí)間尺度上的差異，同時(shí)考慮用戶舒適度及系統(tǒng)運(yùn)行經(jīng)濟(jì)性雙重要求，提出了考慮電-熱分時(shí)間尺度平衡的綜合能源系統(tǒng)優(yōu)化模型；文獻(xiàn)［4］提出了一種魯棒協(xié)同優(yōu)化調(diào)度模型，以研究IENGS 與P2G 協(xié)同優(yōu)化運(yùn)行問題。上述文獻(xiàn)主要為關(guān)于確定性條件下IENGS 的研究，然而隨著間歇式新能源大量接入綜合能源發(fā)電系統(tǒng)中，增加了IENGS 運(yùn)行的不確定性，為保證調(diào)度策略的可靠性及經(jīng)濟(jì)性，在研究IENGS能量控制策略時(shí)應(yīng)當(dāng)考慮其不確定性。文獻(xiàn)［5］將中長(zhǎng)期合同電量分解模型引入IENGS 日前調(diào)度決策過程中，同時(shí)考慮天然氣網(wǎng)絡(luò)約束和風(fēng)電隨機(jī)性對(duì)中長(zhǎng)期交易計(jì)劃的影響，提出了一種計(jì)及中長(zhǎng)期合同電量分解和風(fēng)電不確定性的IENGS日前調(diào)度機(jī)會(huì)約束規(guī)劃模型。文獻(xiàn)［6］采用魯棒優(yōu)化及隨機(jī)優(yōu)化的方法來處理新能源、負(fù)荷的不確定性，構(gòu)建了計(jì)及P2G精細(xì)化模型的綜合能源系統(tǒng)魯棒隨機(jī)優(yōu)化調(diào)度模型。文獻(xiàn)［7］運(yùn)用改進(jìn)光譜聚類情景還原方法描述可再生能源和負(fù)荷的不確定性，提出了一種基于改進(jìn)頻譜聚類方法的電-氣-熱綜合能源系統(tǒng)隨機(jī)優(yōu)化調(diào)度策略。上述文獻(xiàn)為研究IENGS及其不確定性提供了良好的理論基礎(chǔ)，但在關(guān)于IENGS 不確定因素的研究中，多采用隨機(jī)優(yōu)化、魯棒優(yōu)化、獲取分布函數(shù)、情景生成等方法。隨機(jī)優(yōu)化采樣基數(shù)大且計(jì)算復(fù)雜，難以在實(shí)際中廣泛運(yùn)用；魯棒優(yōu)化存在決策過于保守的問題，難以兼顧風(fēng)險(xiǎn)與成本；不確定變量的分布函數(shù)較難獲?。粓?chǎng)景生成計(jì)算量大且非常耗時(shí)。然而，模糊優(yōu)化方法能在缺少不確定變量信息或信息不全時(shí)，較為準(zhǔn)確地描述不確定性。文獻(xiàn)［8］雖然針對(duì)隨機(jī)優(yōu)化、區(qū)間優(yōu)化及魯棒優(yōu)化等處理風(fēng)電出力不確定性存在的不足，提出了一種基于風(fēng)電預(yù)測(cè)誤差模糊集的分布魯棒優(yōu)化方法以求解電力-天然氣耦合系統(tǒng)的協(xié)同調(diào)度決策，但是文獻(xiàn)［8］并未考慮IENGS 中電、氣負(fù)荷的不確定性，故本文采用模糊優(yōu)化方法描述IENGS 中的源、荷不確定性。

綜上所述，結(jié)合現(xiàn)有研究，本文首先建立了考慮P2G技術(shù)的園區(qū)IENGS模型。然后從源、荷兩側(cè)出發(fā)，用模糊隸屬度參數(shù)來表征新能源、負(fù)荷的不確定性，建立了計(jì)及風(fēng)電及電、氣負(fù)荷的可信性模糊機(jī)會(huì)約束模型，由此構(gòu)建了考慮源、荷不確定性的工業(yè)園區(qū)IENGS 模糊優(yōu)化調(diào)度模型。最后，基于MATLAB 平臺(tái)，采用Yalmip+CPLEX 對(duì)算例進(jìn)行仿真求解，驗(yàn)證了所建模型的合理性和有效性。

1 IENGS模型

1.1 電-氣互聯(lián)轉(zhuǎn)化模型

隨著IENGS 技術(shù)的發(fā)展，P2G 技術(shù)作為一種耦合電力系統(tǒng)與天然氣系統(tǒng)的新技術(shù)正受到廣泛關(guān)注。P2G 技術(shù)借助于電力將水電解為氫氣和氧氣，然后利用Sabatier反應(yīng)將其轉(zhuǎn)化為甲烷（天然氣），其化學(xué)式如式（1）所示［9］。

1.2 工業(yè)園區(qū)IENGS模型

本文以工業(yè)園區(qū)IENGS經(jīng)濟(jì)效益最大化和環(huán)境效益最大化，即系統(tǒng)運(yùn)行成本和棄風(fēng)懲罰成本最小為目標(biāo)，綜合考慮電、氣系統(tǒng)約束，建立了工業(yè)園區(qū)IENGS 模型。在風(fēng)電出力高峰期、電負(fù)荷低谷期，通過P2G裝置將過剩的風(fēng)電轉(zhuǎn)化為天然氣供給天然氣系統(tǒng)，增加系統(tǒng)新能源消納率；在風(fēng)電出力低谷期、電負(fù)荷高峰期，通過燃?xì)廨啓C(jī)組將天然氣轉(zhuǎn)化為電能，增加系統(tǒng)出力，減少主網(wǎng)購(gòu)電成本，平抑負(fù)荷波動(dòng)。下面將給出IENGS的數(shù)學(xué)模型［10-11］。

1.2.1 目標(biāo)函數(shù)

本文的目標(biāo)函數(shù)如式（4）所示。

式中：f1為系統(tǒng)運(yùn)行成本，包括主網(wǎng)購(gòu)電成本Cb、燃?xì)廨啓C(jī)組廢氣排放成本Cgt、天然氣購(gòu)買成本Cbg、P2G 轉(zhuǎn)換成本CP2G和天然氣儲(chǔ)存成本Cs；T為1 個(gè)調(diào)度周期；CB，t為t時(shí)刻IENGS 向主網(wǎng)的購(gòu)電電價(jià)；PB，t為t時(shí)刻IENGS 向主網(wǎng)的購(gòu)電量，其為決策變量；K為燃?xì)廨啓C(jī)組數(shù)量；wk為燃?xì)廨啓C(jī)組k的廢氣排放成本系數(shù)；J為氣源點(diǎn)數(shù)量；βj為氣源點(diǎn)j的天然氣價(jià)格；Fj，t為t時(shí)刻氣源點(diǎn)j的天然氣供應(yīng)流量，其為決策變量；M為P2G 裝置數(shù)量；δm為P2G 裝置m的運(yùn)行成本系數(shù)；S為儲(chǔ)氣罐數(shù)量；εs、φs為儲(chǔ)氣罐s的運(yùn)行成本系數(shù)；Qs，t-1為t-1 時(shí)刻儲(chǔ)氣罐s的儲(chǔ)氣容量；Fouts，t、Fins，t分 別為t時(shí)刻 儲(chǔ) 氣罐s的 天然氣 輸 出流量 和輸入流量，其為決策變量；f2為棄風(fēng)懲罰成本，用棄風(fēng)懲罰系數(shù)與棄風(fēng)量的乘積表示；λw為棄風(fēng)懲罰系數(shù)；Pw0，t為t時(shí)刻風(fēng)電預(yù)測(cè)出力；Pw，t為t時(shí)刻風(fēng)電實(shí)際出力；Δt為調(diào)度時(shí)間間隔。

1.2.2 電力網(wǎng)絡(luò)約束

電力網(wǎng)絡(luò)約束包括以下常規(guī)約束。

2 IENGS模糊優(yōu)化調(diào)度模型

2.1 風(fēng)電出力及負(fù)荷預(yù)測(cè)的不確定性表達(dá)

目前研究間歇式新能源出力的不確定性與負(fù)荷預(yù)測(cè)不確定性多采用隨機(jī)優(yōu)化與魯棒優(yōu)化的方法［6-7］，但這些方法都存在不具統(tǒng)計(jì)性質(zhì)的誤差，都需要較為全面的不確定性信息。相較而言，模糊變量可以在信息不充分或無(wú)信息時(shí)借助專家系統(tǒng)得到不確定參數(shù)的隸屬度函數(shù)［12］，因此用模糊參數(shù)來表述間歇式新能源出力和負(fù)荷預(yù)測(cè)不確定性更為合理，三角形模糊參數(shù)如圖1所示。

圖1 三角形模糊參數(shù)Fig.1 Triangle fuzzy parameters

間歇式新能源出力和負(fù)荷預(yù)測(cè)的模糊表達(dá)式可用三角隸屬度參數(shù)表示如下：

2.2 可信性模糊機(jī)會(huì)約束規(guī)劃

可信性理論由于具有堅(jiān)實(shí)的公理化體系，相比于傳統(tǒng)隸屬度理論更有利于模糊條件下處理機(jī)會(huì)約束，其被廣泛地應(yīng)用于處理電力系統(tǒng)不確定性問題［13］。下面基于IENGS 確定性優(yōu)化調(diào)度模型，建立考慮不確定性的模糊機(jī)會(huì)優(yōu)化模型。

功率平衡的可信性模糊機(jī)會(huì)約束為：

2.3 模糊機(jī)會(huì)約束的清晰等價(jià)類轉(zhuǎn)換

求解模糊機(jī)會(huì)約束規(guī)劃的關(guān)鍵是如何處理機(jī)會(huì)約束，得到其確定性表達(dá)形式。主要方法有清晰等價(jià)類轉(zhuǎn)換、模糊模擬技術(shù)、多種智能算法相結(jié)合的混合智能算法等［14］。對(duì)于清晰等價(jià)類轉(zhuǎn)換，轉(zhuǎn)換后用傳統(tǒng)方法求解，可得到原問題的解析解；模糊模擬技術(shù)迭代次數(shù)較多，計(jì)算慢且最終解不精確；混合智能算法主要用于無(wú)法轉(zhuǎn)化為清晰等價(jià)形式的復(fù)雜機(jī)會(huì)規(guī)劃約束模型。因本文采用三角形模糊參數(shù)來描述風(fēng)電出力及電、氣負(fù)荷預(yù)測(cè)值的不確定性，故采用清晰等價(jià)類轉(zhuǎn)換來處理本文所提及的模糊機(jī)會(huì)約束。

運(yùn)用文獻(xiàn)［15］中的方法，可將系統(tǒng)棄風(fēng)成本的悲觀值轉(zhuǎn)換為：

經(jīng)過清晰等價(jià)類轉(zhuǎn)換后的模型與一般確定性模型無(wú)本質(zhì)區(qū)別，可用一般算法對(duì)其進(jìn)行求解。本文基于MATLAB 2017b 平臺(tái)，采用數(shù)學(xué)建模軟件Yalmip 建立IENGS 模型，并調(diào)用CPLEX 求解器進(jìn)行快速求解。

3 算例分析

3.1 參數(shù)設(shè)置

本文基于修改的IEEE 33 節(jié)點(diǎn)電力系統(tǒng)與比利時(shí)20 節(jié)點(diǎn)天然氣系統(tǒng)［10］組成如附錄A 圖A2 所示的IENGS 進(jìn)行算例分析，分別在節(jié)點(diǎn)1、7、17、21、25、32、33 接入主網(wǎng)饋線。燃?xì)廨啓C(jī)組、P2G 裝置、儲(chǔ)氣罐、天然氣網(wǎng)絡(luò)氣源點(diǎn)參數(shù)分別見附錄A 表A1—A4；天然氣高熱值取39 MJ／m3；在節(jié)點(diǎn)31、33 分別接入裝機(jī)容量為320 MW 的風(fēng)電電源，棄風(fēng)懲罰成本為5 000 元／MW；1 個(gè)調(diào)度周期取24 h，調(diào)度時(shí)間間隔為1 h；可信性置信水平、悲觀值置信度均取0.9；主網(wǎng)購(gòu)電價(jià)見文獻(xiàn)［16］；風(fēng)電和電、氣負(fù)荷預(yù)測(cè)值的三角隸屬度參數(shù)見文獻(xiàn)［17］；風(fēng)電場(chǎng)出力預(yù)測(cè)曲線見圖2；云南省某工業(yè)園區(qū)典型日電、氣負(fù)荷預(yù)測(cè)曲線見圖3。

圖2 風(fēng)電出力預(yù)測(cè)曲線Fig.2 Forecasting curve of wind power

圖3 電、氣負(fù)荷預(yù)測(cè)曲線Fig.3 Forecasting curves of electric and natural gas loads

為了分析比較風(fēng)電出力預(yù)測(cè)的不確定性和電、氣負(fù)荷的不確定性對(duì)園區(qū)IENGS 的影響，設(shè)置了以下4種仿真場(chǎng)景：場(chǎng)景1，不考慮風(fēng)電預(yù)測(cè)及電、氣負(fù)荷的不確定性；場(chǎng)景2，考慮風(fēng)電預(yù)測(cè)的不確定性，不考慮電、氣負(fù)荷的不確定性；場(chǎng)景3，考慮電、氣負(fù)荷的不確定性，不考慮風(fēng)電預(yù)測(cè)的不確定性；場(chǎng)景4，同時(shí)考慮風(fēng)電預(yù)測(cè)及電、氣負(fù)荷的不確定性。

3.2 不確定性對(duì)調(diào)度結(jié)果的影響

針對(duì)上述4種場(chǎng)景，計(jì)算得到不同場(chǎng)景下IENGS的各項(xiàng)成本如表1 所示，不同場(chǎng)景下系統(tǒng)棄風(fēng)、燃?xì)廨啓C(jī)組出力情況如圖4 所示，電、氣系統(tǒng)獨(dú)立運(yùn)行時(shí)與電-氣系統(tǒng)互聯(lián)運(yùn)行時(shí)的主網(wǎng)購(gòu)電量如圖5所示。

圖4 不同場(chǎng)景下系統(tǒng)棄風(fēng)與燃?xì)廨啓C(jī)組出力Fig.4 Abandoned wind power of system and gas turbine output under different scenarios

圖5 電、氣系統(tǒng)不同運(yùn)行狀態(tài)下的主網(wǎng)購(gòu)電量Fig.5 Electricity purchase of main grid under different operating states of electricity and natural gas systems

表1 不同場(chǎng)景下各成本優(yōu)化結(jié)果Table 1 Optimization results of each cost under different scenarios

由表1 可以看出，考慮源、荷雙重不確定性的場(chǎng)景比確定性場(chǎng)景下系統(tǒng)各項(xiàng)成本均有所增加，其中系統(tǒng)總成本增加了11.49%，棄風(fēng)成本從原先的150.50 萬(wàn)元增加到380.86 萬(wàn)元，增幅高達(dá)153.06%。結(jié)合圖4 可以看出，隨著系統(tǒng)不確定性的增加，系統(tǒng)棄風(fēng)量也在不斷增加，燃?xì)廨啓C(jī)組的出力及出力波動(dòng)范圍也隨之增大。由圖5 可以看出，電-氣系統(tǒng)互聯(lián)運(yùn)行時(shí)的主網(wǎng)購(gòu)電量比電、氣系統(tǒng)獨(dú)立運(yùn)行時(shí)總量少，負(fù)荷高峰時(shí)段購(gòu)電量較為平均，峰谷差小。這是因?yàn)椋何纯紤]IENGS 的源、荷不確定性時(shí)，系統(tǒng)均以確定性的形式安排各子系統(tǒng)的調(diào)度計(jì)劃，不需要各子系統(tǒng)承擔(dān)額外的擾動(dòng)備用；考慮源、荷雙重不確定性后，風(fēng)電及電、氣負(fù)荷的波動(dòng)性與不確定性增大了對(duì)系統(tǒng)優(yōu)化運(yùn)行的干擾，各子系統(tǒng)需要跟隨系統(tǒng)擾動(dòng)來不斷進(jìn)行調(diào)整以平抑系統(tǒng)擾動(dòng)，各子系統(tǒng)不能以最優(yōu)狀態(tài)運(yùn)行，如發(fā)生燃?xì)廨啓C(jī)組頻繁啟停、不能按最實(shí)惠價(jià)格從主網(wǎng)購(gòu)電和購(gòu)買天然氣等現(xiàn)象，導(dǎo)致系統(tǒng)各成本均有所增加，系統(tǒng)對(duì)風(fēng)電的消納能力大幅下降。

雖然確定性場(chǎng)景下系統(tǒng)各項(xiàng)成本最低，但該調(diào)度計(jì)劃不具有靈活性，抗干擾性較差，難以應(yīng)用于實(shí)際調(diào)度中，調(diào)度結(jié)果往往具有較大的運(yùn)行成本樂觀值與較低的棄風(fēng)懲罰悲觀值?？紤]源、荷不確定性后，即使系統(tǒng)成本有所增加，但I(xiàn)ENGS通過P2G裝置和燃?xì)廨啓C(jī)組間的電-氣互相轉(zhuǎn)換，根據(jù)系統(tǒng)需求靈活調(diào)配調(diào)度電、氣網(wǎng)絡(luò)中的能量，提高了系統(tǒng)的調(diào)節(jié)能力，增強(qiáng)了系統(tǒng)的抗干擾能力，使得系統(tǒng)能有效地平抑風(fēng)電及電、氣負(fù)荷不確定性所帶來的系統(tǒng)擾動(dòng)。

3.3 不同優(yōu)化方法結(jié)果對(duì)比

為了驗(yàn)證本文方法的合理性和有效性，在場(chǎng)景4的基礎(chǔ)上，采用兩階段魯棒優(yōu)化方法［11］（簡(jiǎn)稱方法A）、三角形模糊優(yōu)化方法（即本文方法，簡(jiǎn)稱方法B）以及梯形模糊優(yōu)化方法（簡(jiǎn)稱方法C）對(duì)IENGS 中的源、荷不確定性進(jìn)行處理，分析比較不同不確定性優(yōu)化方法、同一優(yōu)化方法下不同數(shù)學(xué)模型對(duì)系統(tǒng)風(fēng)險(xiǎn)與成本的影響。不同優(yōu)化方法下的系統(tǒng)成本見表2。

表2 不同優(yōu)化方法下的系統(tǒng)成本Table 2 System cost under different optimization methods單位：萬(wàn)元

由表2 可以看出，方法A 求得的各項(xiàng)成本均高于方法B，這是由于方法A 所使用的魯棒優(yōu)化方法要滿足一定的魯棒性，降低了系統(tǒng)風(fēng)險(xiǎn)，故犧牲了部分經(jīng)濟(jì)最優(yōu)性，使得系統(tǒng)優(yōu)化結(jié)果趨于保守，不利于系統(tǒng)的經(jīng)濟(jì)運(yùn)行；而方法B 使用的三角形模糊優(yōu)化方法，可以通過選擇適當(dāng)?shù)闹眯潘?，較好地平衡系統(tǒng)的可靠性與經(jīng)濟(jì)性。

梯形模糊參數(shù)見文獻(xiàn)［18］，α從0.55 增加至0.90，增加步長(zhǎng)為0.05。不同置信水平下，采用方法B和方法C時(shí)系統(tǒng)總成本如圖6所示。

圖6 不同置信水平下的系統(tǒng)總成本Fig.6 Total system cost under different confidence levels

由圖6 可知，隨著置信水平的增大，系統(tǒng)總成本也在不斷增大，這是因?yàn)橹眯潘皆礁撸到y(tǒng)風(fēng)險(xiǎn)越低，可靠性越高，需要投入的成本也就越高；置信水平越低，系統(tǒng)風(fēng)險(xiǎn)越高，其回報(bào)也越高，系統(tǒng)總成本就越低。本文所提及的IENGS 的風(fēng)險(xiǎn)來自風(fēng)電及電、氣負(fù)荷的不確定性，不確定性所帶來的系統(tǒng)波動(dòng)擾亂了系統(tǒng)的功率平衡約束、天然氣流量平衡約束，但可通過選擇適當(dāng)?shù)闹眯潘?，將系統(tǒng)波動(dòng)所帶來的不平衡量控制在可接受的一定范圍內(nèi)，以兼顧系統(tǒng)風(fēng)險(xiǎn)與成本。在相同的置信水平下，采用方法B時(shí)系統(tǒng)總成本均比方法C 小，但隨著置信水平的增大，兩者間的差值也在不斷減小，這說明不同的模糊隸屬度函數(shù)形狀對(duì)系統(tǒng)不確定性處理有不同的側(cè)重，三角形模糊隸屬度函數(shù)對(duì)系統(tǒng)預(yù)測(cè)值有著更高的信任度，所以其成本較低，而梯形模糊隸屬度函數(shù)更符合對(duì)預(yù)測(cè)值的判斷形式，相比而言，其對(duì)預(yù)測(cè)值的信任度較低，優(yōu)化總成本較高。且可信性置信水平越低，兩者間的差別越大。

3.4 不同置信水平下的成本對(duì)比

為進(jìn)一步探究不同置信水平對(duì)系統(tǒng)風(fēng)險(xiǎn)與成本的影響，在場(chǎng)景4的基礎(chǔ)上，選取不同的α，計(jì)算得到系統(tǒng)成本如表3所示。

表3 不同置信水平下的系統(tǒng)成本Table 3 System cost under different confidence levels

結(jié)合圖6，由表3 可以看出，隨著α的降低，系統(tǒng)總成本、棄風(fēng)成本、系統(tǒng)運(yùn)行成本均有所下降，這是因?yàn)棣恋母叩头从沉藢?duì)系統(tǒng)風(fēng)險(xiǎn)的把握。較低的置信水平帶來較少的系統(tǒng)成本，但同時(shí)也意味著系統(tǒng)面臨著較高的運(yùn)行風(fēng)險(xiǎn)。系統(tǒng)棄風(fēng)成本隨α的降低而下降，且下降最為顯著，α=0.55 時(shí)與α=0.9 時(shí)相比，棄風(fēng)成本下降幅度達(dá)77.22%，這是因?yàn)轱L(fēng)電出力與電、氣負(fù)荷的不確定性使系統(tǒng)難以兼顧穩(wěn)定運(yùn)行及新能源消納，導(dǎo)致系統(tǒng)產(chǎn)生大量棄風(fēng)現(xiàn)象，因此系統(tǒng)棄風(fēng)成本受置信水平影響較大。

4 結(jié)論

本文基于電-氣互聯(lián)技術(shù)，同時(shí)考慮電源側(cè)（風(fēng)電）、負(fù)荷側(cè)（電、氣負(fù)荷）的不確定性，提出一種考慮源、荷不確定性的工業(yè)園區(qū)IENGS 模糊優(yōu)化調(diào)度模型。通過算例仿真分析，得出以下結(jié)論。

1）所建立的考慮源、荷不確定性的工業(yè)園區(qū)IENGS 模糊優(yōu)化調(diào)度模型與傳統(tǒng)的確定性模型相比，其系統(tǒng)中各成本均有所提高，但該模糊優(yōu)化調(diào)度模型能夠有效提高系統(tǒng)的運(yùn)行可靠性，增強(qiáng)系統(tǒng)的抗干擾能力。

2）三角形模糊優(yōu)化方法對(duì)不確定變量預(yù)測(cè)值有著更高的信任度，能夠貼切、客觀、準(zhǔn)確地描述IENGS 中的源、荷不確定性問題；結(jié)合可信性模糊機(jī)會(huì)約束規(guī)劃，能夠使系統(tǒng)在提高經(jīng)濟(jì)性的同時(shí)保證安全可靠性，降低因系統(tǒng)不確定性所帶來的運(yùn)行風(fēng)險(xiǎn)。

3）置信水平是影響系統(tǒng)成本的關(guān)鍵因素，尤其是棄風(fēng)成本；隨著置信水平的增大，系統(tǒng)成本隨之增加，其中系統(tǒng)棄風(fēng)成本增加較為顯著，但同時(shí)系統(tǒng)承擔(dān)的風(fēng)險(xiǎn)較??；選擇適當(dāng)?shù)闹眯潘?，可使系統(tǒng)較好地兼顧風(fēng)險(xiǎn)與成本。

本文所提模糊優(yōu)化調(diào)度模型能夠在計(jì)及源、荷雙重不確定性的情況下，兼顧系統(tǒng)風(fēng)險(xiǎn)與成本，提高了系統(tǒng)優(yōu)化調(diào)度方案的可靠性與經(jīng)濟(jì)性，為后續(xù)研究能源調(diào)度過程中的多重不確定性問題提供了良好的參考。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。