基于魯棒模型的多站融合場景下綜合能源系統(tǒng)全局低碳策略

湯東升，鐘偉東，慕小斌，戴鳳嬌，趙家振，諸宇浩

(1.嘉興恒創(chuàng)電力設(shè)計研究院有限公司，浙江 嘉興 314000； 2.國網(wǎng)嘉興供電公司，浙江 嘉興 314003；3.全球能源互聯(lián)網(wǎng)研究院有限公司，北京 102209)

0 引 言

作為綜合能源系統(tǒng)在電網(wǎng)企業(yè)內(nèi)部的一種特殊模式，多站融合場景下的綜合能源系統(tǒng)(Integrated Energy System in Multi Station Fusion，IESIMSF)充分利用了電網(wǎng)企業(yè)的制度和技術(shù)優(yōu)勢，在電網(wǎng)企業(yè)的節(jié)能減排工作中發(fā)揮了重要作用[1-2]?！p碳’背景下，低碳運營是IESIMSF的核心建設(shè)運營目標(biāo)，在制定運行策略的過程中，需要綜合考慮經(jīng)濟約束、運行特性約束和安全約束，從電網(wǎng)減碳全局角度出發(fā)，在滿足系統(tǒng)魯棒性的前提下，最大程度的減少碳排放。

目前，專門針對IESIMSF的低碳運行策略的文獻很少，相關(guān)研究主要是針對IESIMSF的某一子系統(tǒng)的運行策略或針對傳統(tǒng)綜合能源系統(tǒng)的運行策略。其中，文獻[3]提出儲能站自律調(diào)峰控制策略，單純以儲能站全壽命周期經(jīng)濟性最優(yōu)為目標(biāo)函數(shù)，以供電區(qū)域“自律”指標(biāo)為限定條件，建立多站融合供電區(qū)域儲能站容量優(yōu)化配置模型；文獻[4]考慮各子系統(tǒng)的資源需求，以提升變電站現(xiàn)有閑置場地利用率為目標(biāo)，提出各子系統(tǒng)的配置原則，而對于運行策略方面，以年度電費最低和儲能年投資成本為目標(biāo)，約束條件中欠缺對各子系統(tǒng)運行特征的考慮。文獻[5-6]綜合研究電力、熱力和天然氣模型，以運行經(jīng)濟性和提高新能源接納能力為目標(biāo)，提出了適用于區(qū)域綜合能源系統(tǒng)的運行策略優(yōu)化方法，具有很大的參考意義；文獻[7-9]針對綜合能源系統(tǒng)的日間運行策略，采用分布魯棒優(yōu)化、場景聚類分析等方法求解以經(jīng)濟運行為目標(biāo)函數(shù)的綜合能源系統(tǒng)日間運行方案，其中的模型不適用于IESIMSF，但方法可參考；文獻[10]以電-熱-氣區(qū)域系統(tǒng)為研究對象，考慮了儲氣罐對提高系統(tǒng)經(jīng)濟性的作用、熱網(wǎng)管道輸送延時特性對系統(tǒng)消納風(fēng)電的作用、以及電轉(zhuǎn)氣設(shè)備對消納風(fēng)電的作用，方法更適用于區(qū)域綜合能源系統(tǒng)，較難應(yīng)用于多站融合系統(tǒng)；文獻[11]采用基于置信間隙決策的決策模型，采用考慮經(jīng)濟性、效率的調(diào)度模型，可實現(xiàn)更為合理而準(zhǔn)確的不確定性優(yōu)化調(diào)度，其中對于不確定性的處理極具參考價值。

文獻[12]提出了一種電-氣互聯(lián)綜合能源系統(tǒng)的聯(lián)合經(jīng)濟運行模型，并引入碳交易機制，以綜合能源系統(tǒng)發(fā)電能源成本與碳交易成本之和最小為目標(biāo)函數(shù)，更側(cè)重經(jīng)濟性；文獻[13]針對如何實現(xiàn)系統(tǒng)低碳經(jīng)濟調(diào)度的問題，將階梯式碳交易引入電-氣-熱綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度模型中，綜合考慮了系統(tǒng)的低碳性和經(jīng)濟性。文獻[14]提出了一種以儲碳設(shè)備為樞紐連接碳捕集電廠和電轉(zhuǎn)氣設(shè)備的運行模式，建立了一種基于分時能源價格的綜合需求響應(yīng)機制，并構(gòu)建了考慮碳捕集系統(tǒng)和綜合需求響應(yīng)的電-氣綜合能源系統(tǒng)低碳經(jīng)濟調(diào)度模型。上述文獻的研究成果各有側(cè)重，但均未考慮電網(wǎng)企業(yè)自身的優(yōu)勢，難以充分挖掘IESIMSF的減碳潛力。

文中充分研究了IESIMSF的構(gòu)成、特點和運行特性等因素，著眼電網(wǎng)減碳全局，充分考慮電網(wǎng)企業(yè)的運營特點和企業(yè)定位，提出了一種滿足經(jīng)濟約束、運行特性約束和安全約束的基于魯棒模型的IESIMSF全局低碳運行策略。該策略能夠切合IESIMSF和電網(wǎng)減碳實際工作，能夠在眾多不確定性因素影響下，精確合理的進行IESIMSF日間低碳運營，達到預(yù)設(shè)的減碳目標(biāo)。

1 IESIMSF低碳運營模式

1.1 IESIMSF典型結(jié)構(gòu)

IESIMSF利用變電站的資源，可全部或部分配置數(shù)據(jù)中心站、5G基站、電動汽車充電站、電池儲能、儲熱設(shè)備、儲冷設(shè)備、電制冷設(shè)備和輔助系統(tǒng)等[15]。IESIMSF典型構(gòu)成如圖1所示。

圖1 IESIMSF典型構(gòu)成

圖1中，Ee，Eg，Eh分別為系統(tǒng)消耗的電能、天然氣和熱能(kW·h)；Eg-e′，Eg-h′，Eg-c′分別為燃氣三聯(lián)供系統(tǒng)生產(chǎn)的電能、熱能和冷能(kW·h);ηgas為燃氣三聯(lián)供系統(tǒng)效率；EhiL，Eh,sd分別為數(shù)據(jù)中心消耗的熱能和儲熱裝置吸收或釋放的熱能(kW·h)；EciL，EcfL，Ec,sd分別為數(shù)據(jù)中心、輔助系統(tǒng)消耗的冷能和儲冷裝置吸收或釋放的冷能(kW·h)；EeiL，Ee,ups，Ee5gL，EefL，EecL，Ee-c，Ee,sd，Ee,r分別為數(shù)據(jù)中心、UPS系統(tǒng)、5G基站、輔助系統(tǒng)、電動汽車充電站和電制冷設(shè)備消耗的電能以及電池儲能系統(tǒng)吸收或釋放的電能、可再生能源發(fā)出的電能(kW·h);ηesd為儲能系統(tǒng)效率。

1.2 IESIMSF低碳運營模式

IESIMSF可分為電、氣、冷、熱四部分。其中，變電站為電力的主要來源，可再生能源發(fā)電和燃氣三聯(lián)供發(fā)電作為補充，配合電池儲能站，為整個系統(tǒng)供電；通過氣網(wǎng)為燃氣三聯(lián)供系統(tǒng)提供燃氣；熱能主要來源于熱力網(wǎng)，燃氣三聯(lián)供系統(tǒng)的余熱作為補充，如果條件允許，可建設(shè)儲熱裝置，提升熱能的利用效率；系統(tǒng)內(nèi)需要的冷能由電制冷設(shè)備和燃氣三聯(lián)供系統(tǒng)供給，為了提升冷能的利用效率，充分利用谷電，提升需求側(cè)響應(yīng)的可調(diào)度容量，可以利用消防水池等建設(shè)儲冷裝置。IESIMSF的能源關(guān)系可表示為：

Etotle=Ee+Eg+Eh

(1)

(2)

式中Etotle為IESIMSF總能耗，Ehli、Ehlj、Ehlk分別為第i個熱負荷的能耗、第j個冷負荷的能耗和第k個電負荷的能耗;ηCCHP為燃氣三聯(lián)供系統(tǒng)能源利用率；n、m、u分別為熱負荷、冷負荷和電負荷的數(shù)量，其他變量定義同圖1。其中，各類儲能設(shè)備歸類為負荷，定義其充能時符號為正，釋放能量時，符號為負。

為了發(fā)揮IESIMSF在對電網(wǎng)的減碳作用，其低碳運營需從電網(wǎng)全局角度出發(fā)。文中定義數(shù)據(jù)中心站、5G基站、輔助系統(tǒng)、電動汽車充電站為IESIMSF的碳排放源，定義燃氣三聯(lián)供、電池儲能站、儲冷裝置、儲熱裝置、可再生能源發(fā)電站等可調(diào)度容量為IESIMSF的減碳手段。決策者以碳排放源的等效碳排放為基準(zhǔn)，在滿足多種約束條件的前提下，發(fā)揮電網(wǎng)調(diào)度優(yōu)勢，利用可調(diào)度容量進行定向的需求側(cè)響應(yīng)。其中，燃氣三聯(lián)供系統(tǒng)和可再生能源發(fā)電站通過部分替代外部供能(電/熱)降低IESIMSF總體碳排放，儲電/冷/熱系統(tǒng)通過削峰填谷和需求側(cè)響應(yīng)，提升區(qū)域電網(wǎng)可再生能源接納能力，同時，削峰填谷對降低電網(wǎng)網(wǎng)損的貢獻也計入IESIMSF低碳運營模式的減碳量。

2 IESIMSF全局低碳策略模型

2.1 目標(biāo)函數(shù)

IESIMSF低碳策略的目標(biāo)為正常運行條件下全局碳排放比率最低，其運行目標(biāo)函數(shù)如式(3)所示:

(3)

(4)

式中ρE為以火電為基準(zhǔn)的度電碳排放均值;Pit(t)、Pac(t) 、Pidc,other(t)分別為數(shù)據(jù)中心it設(shè)備平均功率、平均電制冷負荷功率、其他負荷平均功率；P5G(t)為5G基站平均功率；Pf(t)為輔助系統(tǒng)平均功率；Pc(t)為電動汽車充電站平均功率；ηCCHP、ηf為燃氣三聯(lián)供系統(tǒng)能源利用率和火電能源利用率均值，PCCHP(t)為燃氣三聯(lián)供系統(tǒng)平均功率；η*sd為某儲能(儲冷、儲熱、電池儲能)系統(tǒng)循環(huán)效率;P*sd(t)為平均循環(huán)功率；Per(t)為可再生能源平均功率;κi為第i個組成部分的宏觀降損系數(shù);Pi(t)為平均功率；t為單位運行時段，取1 h。

2.2 約束條件

2.2.1 經(jīng)濟性約束

IESIMSF的運營需要考慮經(jīng)濟性指標(biāo)約束，考慮IESIMSF建設(shè)規(guī)模的差異性，采用年收益率日化值和投資回收周期日化值兩個指標(biāo)作為經(jīng)濟性指標(biāo)約束，具體如下所述。

(5)

式中ERNa(x)為年投資收益率日化值;ERNa-B為年投資收益率基準(zhǔn)值;RP(x)為投資回收周期日化值;RPB為投資回收周期基準(zhǔn)值。

經(jīng)濟性指標(biāo)的日化值和基準(zhǔn)值均來源于企業(yè)內(nèi)控系統(tǒng)，考慮到電網(wǎng)企業(yè)定位，其經(jīng)濟性約束為相對弱約束。

2.2.2 運行特性約束

(1) 功率平衡約束

IESIMSF需要保證系統(tǒng)內(nèi)的功率平衡。

(6)

(2) 可控容量約束

IESIMSF的可控容量包括燃氣三聯(lián)供、儲冷系統(tǒng)、儲熱系統(tǒng)和電儲能系統(tǒng)的時段內(nèi)可控容量。

(7)

(3) 可控容量爬坡約束

(8)

(4) 供能系統(tǒng)運行約束

IESIMSF的供能系統(tǒng)包括供電網(wǎng)、供熱網(wǎng)、可再生能源發(fā)電、燃氣三聯(lián)供系統(tǒng)的供電、供冷、供熱部分和電制冷系統(tǒng)，其輸出功率需要滿足上、下限約束。

(9)

(5) 儲能系統(tǒng)相關(guān)約束

IESIMSF的儲冷系統(tǒng)、儲熱系統(tǒng)和電儲能系統(tǒng)，需要滿足相關(guān)容量、效率、和充/放約束。

(10)

2.2.3 安全約束

與IESIMSF低碳運行策略相關(guān)的安全約束為數(shù)據(jù)中心UPS的能量約束和機房環(huán)境溫度約束。

(11)

3 IESIMSF全局低碳策略魯棒優(yōu)化

3.1 魯棒優(yōu)化模型

IESIMSF低碳策略這類典型的包含隨機變量的策略優(yōu)化問題，通?？杀硎緸閇16]：

(12)

式中X為策略變量；y為隨機變量；f(X,y)表示目標(biāo)函數(shù)；g、h分別為等式約束集和不等式約束集；hmin和hmax為不等式約束上下限值。

文中將上述優(yōu)化問題轉(zhuǎn)化為魯棒優(yōu)化模型，對目標(biāo)函數(shù)設(shè)定在隨機變量最惡劣的情況下的可接受的魯棒區(qū)間，保證優(yōu)化結(jié)果不溢出[17]。

(13)

式中Y(y,θ)為隨機變量的預(yù)測區(qū)間；y和θ分別為隨機變量的預(yù)測值和偏差系數(shù);f0隨機變量確定為y時的最優(yōu)解；fc為引入隨機變量后預(yù)設(shè)的可接受最差目標(biāo)值;σ為目標(biāo)容忍系數(shù)，σ設(shè)置越大，魯棒性越強，反之亦然。

對于IESIMSF低碳策略優(yōu)化，目標(biāo)函數(shù)為整個系統(tǒng)的碳排放比率最低，等式約束集、不等式約束集在系統(tǒng)的經(jīng)濟約束、運行特性約束和安全約束中分別體現(xiàn)，隨機變量通過挖掘歷史數(shù)據(jù)進行描述。

3.2 隨機變量描述

IESIMSF低碳策略魯棒優(yōu)化模型涉及的隨機變量包括數(shù)據(jù)中心it負荷和可再生能源出力。事實上，環(huán)境溫度也是隨機變量，文中計算過程中采信電網(wǎng)企業(yè)購買的局部天氣預(yù)報值。

通常，隨機變量描述為預(yù)測值和偏差系數(shù)的函數(shù)[18]。

(14)

事實上，上述兩個隨機變量的不確定量為非對稱分布，式(14)可變更為：

(15)

3.3 IESIMSF全局低碳策略魯棒優(yōu)化

設(shè)定f0為確定條件下的最優(yōu)解，則由低碳目標(biāo)公式(3)、約束條件式(5)～式(11)和隨機變量描述公式(15)得到下述魯棒優(yōu)化模型。

(16)

上述模型求解過程中，可能會生成大量不確定場景，求解困難。

由于IESIMSF中數(shù)據(jù)中心為最主要的碳排放源，通常數(shù)據(jù)中心冷負荷約為總負荷的20%～30%，且與數(shù)據(jù)中心it負荷正相關(guān)，而相對電能，冷能、熱能和溫度的變化具有慢特性，所以，可以認為IESIMSF本身即具備對于隨機突變量的魯棒性。文中充分利用此特性，對隨機變量進行平穩(wěn)化處理，篩選出隨機變量的有限場景，并引入可接受概率和最惡劣條件下隨機變量和策略變量的關(guān)聯(lián)函數(shù)，進行相對確定性轉(zhuǎn)換，降低求解難度，其中關(guān)聯(lián)函數(shù)可用逆累積分布函數(shù)表達。則上式可優(yōu)化為：

(17)

式中Fer(δ,t)、Fit(δ,t)分別為可再生能源出力和數(shù)據(jù)中心it負荷預(yù)測誤差對應(yīng)的最劣化逆累積分布函數(shù);δ為可接受概率。

由于Fer(δ,t)、Fit(δ,t)表征的是相關(guān)歷史數(shù)據(jù)的分布特征，考慮IESIMSF本身即具備對于隨機突變量的魯棒性，可以采用隨機變量對應(yīng)的歷史極值代替Fer(δ,t)、Fit(δ,t)，能夠極大的簡化模型復(fù)雜程度和求解難度，則上式可進一步優(yōu)化為：

(18)

式中exter(δ,t)、exter(δ,t)為可再生能源出力和數(shù)據(jù)中心it負荷預(yù)測誤差對應(yīng)的歷史極值。

3.4 模型求解

求解IESIMSF低碳策略模型的關(guān)鍵在于對于隨機變量的不確定場景的篩選和對模型解集的尋優(yōu)。文中采用經(jīng)驗?zāi)B(tài)分解方法(Empirical Mode Decomposition, EMD)進行隨機變量的場景篩選，得到數(shù)據(jù)中心it負荷和可再生能源出力的預(yù)測曲線，然后，采用粒子群算法對模型進行求解。

EMD把數(shù)據(jù)序列的突變量或高頻震蕩看作局部事件，本質(zhì)上是對一個數(shù)據(jù)進行平穩(wěn)化處理, 產(chǎn)生一系列本征模函數(shù)分量(Intrinsic Mode Function, IMF)的過程[19]。對于IESIMSF這類對隨機變量的突變或高頻振蕩具有一定魯棒性的系統(tǒng)，使用EMD進行預(yù)測和場景篩選可以極大降低計算難度，且不影響求解的準(zhǔn)確度和魯棒性。

采用EMD進行基于歷史數(shù)據(jù)的預(yù)測時，設(shè)歷史數(shù)據(jù)序列為Dats(t)，篩選所有極大值點，用三次樣條函數(shù)對極大值點序列插值，構(gòu)成Dats(t)的上包絡(luò)線，同理利用極小值點得到其下包絡(luò)線。上、下包絡(luò)線的均值為平均包絡(luò)線Dats-pv(t)。將原數(shù)據(jù)序列與平均包絡(luò)線相減，得到新的數(shù)據(jù)序列Dats1(t)，通常，需要多次重復(fù)上述過程，直到所得到的數(shù)據(jù)序列是一個本征模函數(shù)分量IMFsk1(t)為止。即：

(19)

將原始數(shù)據(jù)序列減去IMFsk1(t)后，重復(fù)上述插值過程，反復(fù)迭代后，直到得到不能夠再被分解的差值數(shù)據(jù)序列，此時的序列既可代表預(yù)測曲線的均值或范圍。

粒子群算法(Particle Swarm Optimization, PSO)是一種搜索范圍廣，收斂速度快的算法，適用于文中提出的這類包含多種約束條件的模型[20]。

(20)

式中vij、xij分別為第i個變量在第j維方向的搜索速度與位置；c1、c2為加速常數(shù)，取值為非負數(shù)；Pij為第i個變量在第j維方向的局部最優(yōu)位置；PGj為全局最優(yōu)解在第j維方向位置；rand為[0,1]間的隨機數(shù)。

IESIMSF低碳策略模型求解流程圖如圖2所示。

圖2 IESIMSF低碳策略模型求解流程圖

(1)輸入IESIMSF相關(guān)參數(shù)，包括目標(biāo)函數(shù)和約束函數(shù)相關(guān)的參數(shù)和系統(tǒng)參數(shù)等，輸入數(shù)據(jù)中心it負荷和可再生能源出力歷史數(shù)據(jù);

(2)產(chǎn)生其隨機不確定場景，采用EMD算法進行場景篩選后得到隨機變量預(yù)測均值和范圍;

(3)設(shè)定模型參數(shù)σ、δ，在隨機變量預(yù)測值的基礎(chǔ)上設(shè)定最優(yōu)解f0;

(4)輸入約束條件，初始化粒子群的速度、位置、個體最優(yōu)值和群體最優(yōu)值等參數(shù)，設(shè)置當(dāng)前迭代次數(shù)開始粒子群迭代，k=0;

(5)計算策略變量適應(yīng)值，得到策略變量和種群的最優(yōu)值和最優(yōu)位置，此處需要注意的是，如果某個策略變量的位置某一維超出了設(shè)定的取值范圍，需剔除這個位置，可設(shè)定這個策略變量對應(yīng)的適應(yīng)度為正無窮，經(jīng)過這樣設(shè)置之后，這個粒子的位置一定不會成為個體最優(yōu)位置，因此更不可能成為群體最優(yōu)位置;

(6)更新策略變量的位置和速度，更新迭代次數(shù)k=k+1。策略變量位置和速度的更新可參考策略變量對應(yīng)的歷史值位置;

(7)重復(fù)(5)、(6)迭代至滿足終止條件。判斷迭代終止條件，即目標(biāo)值是否小于設(shè)定閾值且迭代次數(shù)達到設(shè)定值，若達到終止條件，則迭代終止并輸出結(jié)果。

4 算例分析

4.1 算例參數(shù)

文中算例系統(tǒng)采用某多站融合示范項目，構(gòu)成如圖1所示。其中，數(shù)據(jù)中心it機柜1 271面，額定供電負荷為9.983 MW，電制冷系統(tǒng)能效比大于6W/W；燃氣三聯(lián)供系統(tǒng)總?cè)萘繛?.7 MW，電、冷、熱比為1.2/1.2/0.3；可再生能源發(fā)電(屋頂光伏)額定容量都為1.3 MW，電池儲能站為4 MW/8(MW·h)的磷酸鐵鋰電池組；儲冷系統(tǒng)儲冷容量為1.8 MW×4 h；未配置電加熱設(shè)備，儲熱系統(tǒng)僅存儲燃氣三聯(lián)供產(chǎn)出的熱能并以生活熱水形式消耗；電動汽車充電、5G基站和輔助系統(tǒng)的總負荷為1.3 MW，計算時歸類為其他負荷。計算過程中，將冷能按電制冷系統(tǒng)能效比折算為等效電能。其他參數(shù)如表1所示。

表1 算例參數(shù)

算例所在區(qū)域為可再生能源發(fā)電示范區(qū)，光伏+風(fēng)電的總滲透率為21.32%，工業(yè)用電尖峰段為19:00～21:00，峰段為8:00～11:00、13:00～19:00和21:00～22:00，其他時段為谷段。

4.2 策略求解

選取算例上一年9月歷史數(shù)據(jù)，采用EMD進行數(shù)據(jù)中心it負荷和光伏發(fā)電出力典型日預(yù)測，結(jié)果如圖3和圖4所示。

圖3 數(shù)據(jù)中心it負荷預(yù)測結(jié)果

圖4 光伏發(fā)電預(yù)測結(jié)果

由圖3、圖4可知，數(shù)據(jù)中心it負荷日內(nèi)存在波動較大，光伏發(fā)電預(yù)計為正常發(fā)電水平。

根據(jù)上述預(yù)測均值求解最優(yōu)解f0=0.815設(shè)定模型參數(shù)σ=0.05、δ=99%，PSO迭代次數(shù)為50，求得fIESIMSF=0.813 6，得到圖5所示的日內(nèi)低碳運行策略優(yōu)化結(jié)果，圖中，正值表示能量產(chǎn)出，負值表示能量消耗。

圖5 IESIMSF日內(nèi)低碳運行策略優(yōu)化結(jié)果

由圖5可以看出，0:00～6:00時處于該IESIMSF的負荷低谷，同時也是區(qū)域電網(wǎng)的負荷低谷，電池儲能系統(tǒng)和儲冷系統(tǒng)進行定向需求側(cè)響應(yīng)進行充能，CCHP出力較低；當(dāng)IESIMSF負荷增加，且電網(wǎng)處于峰段時，CCHP出力逐步增大，電池儲能系統(tǒng)和儲冷系統(tǒng)根據(jù)情況釋放能量；中午時，電網(wǎng)處于谷段，此時適當(dāng)減少CCHP出力，并為電池儲能系統(tǒng)和儲冷系統(tǒng)充能；電網(wǎng)重新進入峰段，CCHP出力增大，當(dāng)電網(wǎng)進入尖峰段時，CCHP滿發(fā)，釋放電池儲能系統(tǒng)和儲冷系統(tǒng)全部可用能量；電網(wǎng)重新進入谷段，IESIMSF負荷減少，逐步減少CCHP出力。

上述日運行策略在減碳的同時，也通過峰谷電價差和需求側(cè)響應(yīng)等降低了整體的運行成本。

重復(fù)上述運算20次，計算結(jié)果偏差比分布情況如圖6所示。

如圖6可以看出，雖然設(shè)定的容忍度系數(shù)為0.05，但計算結(jié)果偏差最大僅為1.67%，說明PSO的迭代次數(shù)還有減少的空間，且此時得到的低碳運行策略結(jié)果對于諸如負荷波動之類的隨機擾動還有魯棒空間。

圖6 計算結(jié)果偏差比分布

4.3 不同參數(shù)下的運算結(jié)果

模型的容忍度系數(shù)和可接受概率可直接影響運行策略的求解，分別設(shè)定模型參數(shù)σ=0.10、0.15、0.2，δ=99%，σ=0.10，δ=95%、90%、85%。六組參數(shù)下，PSO迭代次數(shù)為50，各計算20次，每組的計算偏差比情況如表2所示。

表2 不同參數(shù)下的偏差比

如表2所示，δ=99%的情況下，增大σ會增加結(jié)果偏差比的范圍，但運算偏差比都比設(shè)定的σ小很多，說明低碳運行策略結(jié)果還有魯棒空間；σ不變的情況下，減小δ會使結(jié)果偏差比增大，低碳運行策略結(jié)果的魯棒空間減小，表中δ=85%時，甚至出現(xiàn)偏差比大于σ的情況，說明PSO迭代50次后仍未得到可用解，根據(jù)PSO原理，增加迭代次數(shù)可解決此問題。

5 結(jié)束語

文中從電網(wǎng)減碳全局角度出發(fā)，提出了基于魯棒模型的IESIMSF全局低碳運行策略，采用EMD算法進行隨機變量場景篩選，并采用粒子群算法高效的求解。

(1)文中定義的IESIMSF全局低碳運營模式和低碳策略模型著眼電網(wǎng)減碳的全局目標(biāo)，能夠充分反映電網(wǎng)企業(yè)的企業(yè)定位和特點，在滿足多種約束條件的前提下，發(fā)揮IESIMSF運營的靈活性特征，最大程度的減少碳排放;

(2)文中提出的IESIMSF全局低碳策略魯棒優(yōu)化模型充分利用IESIMSF冷負荷比例高、且溫度變化具有慢特性的特點，通過對歷史數(shù)據(jù)的平穩(wěn)化處理，對隨機變量的不確定場景進行篩選，對不確定性進行相對確定性轉(zhuǎn)換，在不影響優(yōu)化結(jié)果的準(zhǔn)確性和魯棒性的前提下，降低求解難度，避免優(yōu)化模型不收斂;

(3)文中使用EMD算法進行預(yù)測和場景篩選，可以極大降低場景數(shù)量和計算難度，且不影響求解的準(zhǔn)確度和魯棒性，采用PSO對模型進行求解，求解速度快、求解精度高，所得日內(nèi)低碳運行策略優(yōu)化結(jié)果合理，根據(jù)參數(shù)設(shè)置不同具有不同的魯棒性;

(4)文中提出的基于魯棒模型的IESIMSF全局低碳運行策略為電網(wǎng)減碳工作提供了新的思路，隨著IESIMSF的進一步推廣，本策略進一步迭代調(diào)整，可應(yīng)用于區(qū)域電網(wǎng)對IESIMSF群的低碳運行策略優(yōu)化。