計及源荷不確定性和變工況特性的區(qū)域綜合能源系統(tǒng)優(yōu)化調(diào)度

張 濤，黃明娟，劉 伉，王清川，陶 然

（1.三峽大學(xué)電氣與新能源學(xué)院，湖北宜昌 443002；2.智慧能源技術(shù)湖北省工程研究中心（三峽大學(xué)），湖北宜昌 443002）

0 引言

近年來，能源短缺與環(huán)境污染備受關(guān)注，積極推進能源的高效利用與低碳化發(fā)展成為電力行業(yè)發(fā)展的必然趨勢[1]。區(qū)域綜合能源系統(tǒng)（Regional Integrated Energy System，RIES）融合傳統(tǒng)能源和清潔能源于一體，可以根據(jù)用戶需求提供不同形式和品位的能源。但耦合設(shè)備的動態(tài)特性、風(fēng)電及負(fù)荷的不確定性也給系統(tǒng)運行帶來了安全隱患，故為RIES 制定合理有效的調(diào)度方案顯得尤為重要。

在能源結(jié)構(gòu)方面，促進多能互補優(yōu)化是當(dāng)今研究的熱點。文獻[2]以系統(tǒng)總運行成本為目標(biāo)，構(gòu)建了由冷熱電聯(lián)供系統(tǒng)組成的綜合能源系統(tǒng)。文獻[3]構(gòu)建了基于價格型需求響應(yīng)的多目標(biāo)調(diào)度模型。文獻[2-3]僅考慮了基本的冷、熱、電能源需求，而未充分考慮熱能的梯級利用，對于提高系統(tǒng)整體能效水平具有一定局限性。在設(shè)備模型方面，現(xiàn)有研究大多為了簡化計算而忽略設(shè)備的變工況特性。文獻[4-6]基于能源集線器（Energy Hub，EH）原理，研究多能耦合特性對系統(tǒng)優(yōu)化調(diào)度的影響。文獻[7]基于EH 模型，分析了電轉(zhuǎn)氣（Power-to-Gas，P2G）對微能源網(wǎng)的影響。文獻[4-7]基于傳統(tǒng)EH模型，將各能源設(shè)備的轉(zhuǎn)換效率視作定值，忽略了設(shè)備的動態(tài)特性，降低了調(diào)度方案的準(zhǔn)確性。文獻[8]分析了聯(lián)合循環(huán)供熱機組的變工況熱力性能。文獻[9]基于熱負(fù)荷變化，分析吸收式熱泵的變工況特性對系統(tǒng)的影響。文獻[8-9]僅考慮個別設(shè)備的變工況特性，并未涉及其它常用能源設(shè)備的變工況特性，增加了系統(tǒng)的成本預(yù)測誤差。

為進一步提升系統(tǒng)的安全性和可再生能源的消納水平，需要考慮風(fēng)電及負(fù)荷的不確定性給系統(tǒng)造成的影響。文獻[10-12]針對風(fēng)電的隨機性，提出了計及風(fēng)電不確定性的系統(tǒng)優(yōu)化模型，但未考慮負(fù)荷不確定性，無法保證調(diào)度方案的可靠性。文獻[13]采用場景消減技術(shù)生成多個典型場景集，但此方法可能導(dǎo)致極端場景信息丟失。文獻[14]利用魯棒優(yōu)化法對風(fēng)電出力不確定性進行建模。魯棒優(yōu)化法常在極端場景下取得最優(yōu)解，導(dǎo)致調(diào)度方案過于保守。文獻[15]采用模糊聯(lián)系度模型可以準(zhǔn)確評價變壓器油紙絕緣老化狀態(tài)。模糊機會約束一般通過參考?xì)v史數(shù)據(jù)得到相應(yīng)的隸屬度函數(shù)，進而解決不確定性問題，具有更好的適應(yīng)性。

本文首先基于梯級利用原理，將負(fù)荷按品位劃分；并通過建立動態(tài)能源集線器（Dynamic Energy Hub，DEH）模型從能源供需雙側(cè)分析設(shè)備變工況特性與系統(tǒng)多能耦合間的關(guān)系；其次，引入模糊參數(shù)表示風(fēng)電及負(fù)荷預(yù)測的不確定性；進而，以系統(tǒng)調(diào)度成本、碳排放量最小為目標(biāo)，將模型相關(guān)約束改進為模糊機會約束，構(gòu)建了考慮源荷不確定性的多目標(biāo)優(yōu)化調(diào)度模型。最后，通過CPLEX 求解得到最優(yōu)調(diào)度方案，驗證所提模型的有效性。

1 基于能源梯級利用的設(shè)備變工況耦合模型

RIES 含多種能源形式，通過各耦合設(shè)備可以實現(xiàn)異質(zhì)能流的耦合互濟，滿足用戶多樣用能需求。系統(tǒng)主要由風(fēng)電機組、燃?xì)廨啓C（Gas Turbine，GT）、P2G、余熱鍋爐（Heat Recovery Steam Generator，HRSG）可以簡寫為HR、吸收式制冷機（Absorption Refrigeration，AB）、電制冷（Electric Cooler，EC）、電熱泵（Electric Heat Pump，EHP）、尖峰加熱器（Peakload Calorifier，PCA）和儲能設(shè)備構(gòu)成，除了供應(yīng)基礎(chǔ)電負(fù)荷，還能提供蒸汽熱負(fù)荷、高溫?zé)嶝?fù)荷、中溫?zé)嶝?fù)荷和冷負(fù)荷等多種負(fù)荷形式。其中蒸汽熱負(fù)荷用于供給工業(yè)用戶，中高溫?zé)嶝?fù)荷用于供給商業(yè)及居民用戶[16]。

1.1 基于能源梯級利用的DEH模型

1.1.1 梯級利用原理

能具有品位之分，能的品位可以反映能的質(zhì)量，品位越高表示該能源可用能的比例越大。熱能根據(jù)溫度劃分為不同的品位，溫度越高通常品位越高。熱能的品位A常被看作是熱源溫度所對應(yīng)的卡諾循環(huán)效率，其表達(dá)式為：

式中：T0為低溫?zé)嵩礈囟?；T為高溫?zé)嵩礈囟取?/p>

典型RIES 梯級供能及能量耦合關(guān)系如圖1 所示。具體的梯級利用過程為：燃?xì)廨啓C消耗天然氣產(chǎn)生蒸汽熱能和低溫?zé)崮?。其中蒸汽熱能一部分通過吸收式制冷機轉(zhuǎn)換為冷能，一部分用于尖峰加熱器制取高溫?zé)崴?，另一部分用于供給高溫蒸汽負(fù)荷。低溫?zé)崮軇t通過余熱鍋爐加熱用于供應(yīng)中溫?zé)崴?fù)荷。

圖1 RIES梯級供能及能量耦合關(guān)系Fig.1 Energy cascade supply and coupling relationship of RIES

1.1.2 DEH模型

能源梯級利用豐富了能源形式，也使系統(tǒng)調(diào)控變得復(fù)雜。EH 模型可以反映系統(tǒng)中能源的轉(zhuǎn)換與分配[17]，但將耦合矩陣中的效率視作常數(shù)。實際上，多數(shù)能源設(shè)備的運行效率會隨外界環(huán)境或負(fù)載率的變化而變化。為了提升模型精度，構(gòu)建了既可以體現(xiàn)各種設(shè)備的變工況特性，又能描述不同形式不同品位能源轉(zhuǎn)換關(guān)系的DEH 模型，其表達(dá)式為：

式中：La，Lb，…，Lw為輸出能源功率；Pa，Pb，…，Pw為輸入能源功率；其中a，b，…，w為能源形式合集ζ中的元素，如電、冷等；為電能，熱能，冷能等儲能設(shè)備的充放功率。

耦合矩陣中的耦合因子可表示為：

式中：νba為分配系數(shù)，表示輸入能源b轉(zhuǎn)換為輸出能源a的比例；ηba為耦合設(shè)備的效率。

1.2 梯級用能設(shè)備變工況模型

RIES 的優(yōu)化調(diào)度方案通常受各能源耦合設(shè)備變工況特性的影響。各設(shè)備運行效率的變化會使系統(tǒng)的能源耦合關(guān)系發(fā)生轉(zhuǎn)變，進而間接影響系統(tǒng)的調(diào)度結(jié)果。

系統(tǒng)中各設(shè)備運行效率η隨負(fù)載率變化呈非線性關(guān)系[18-19]，通常以多項式擬合的方式表示，即：

式中：i，n分別為效率函數(shù)多項式的擬合階數(shù)及最高階次數(shù)；αi為設(shè)備效率函數(shù)的第i階多項式擬合因子；ki為設(shè)備的第i階負(fù)載率，即實際輸入功率與額定輸入功率之比。

為反映設(shè)備變工況特性對系統(tǒng)耦合關(guān)系的影響，分別對能源供給側(cè)與需求側(cè)的設(shè)備列寫輸入和輸出關(guān)系，如式（5）和式（6）所示：

式中：Pe為由外部供給獲得的電功率；PGT,e，PGT,st，PGT,l分別為燃?xì)廨啓C輸出的電功率，蒸汽熱功率及低溫?zé)峁β?；Pg，PP2G分別為P2G 輸出的氣功率及耗電功率；Pbuy為從外網(wǎng)購買的電功率；λgas為天然氣低位熱值；FGT為燃?xì)廨啓C的耗氣量；ηst，ηre分別為燃?xì)廨啓C蒸汽比例系數(shù)及余熱比例系數(shù)；ηP2G為P2G 設(shè)備的轉(zhuǎn)換效率。

2 考慮源荷不確定性的多目標(biāo)優(yōu)化

2.1 目標(biāo)函數(shù)

為了兼顧RIES 的經(jīng)濟性與低碳性，構(gòu)建了以系統(tǒng)調(diào)度成本最小和碳排放量最少的多目標(biāo)優(yōu)化調(diào)度模型，并將模型的相關(guān)約束改進為模糊機會約束進行求解。

多目標(biāo)優(yōu)化調(diào)度問題的目標(biāo)函數(shù)可表示為：

式中：F1為系統(tǒng)調(diào)度成本；F2為系統(tǒng)碳排放量。

1）目標(biāo)1：系統(tǒng)調(diào)度成本最少

在本文建立的優(yōu)化調(diào)度模型中，系統(tǒng)調(diào)度成本主要包括系統(tǒng)的P2G 成本、主要設(shè)備運行維護成本、棄風(fēng)成本、外購電成本、外購氣成本。并設(shè)定調(diào)度周期為24 h，單位調(diào)度時長為1 h。其目標(biāo)函數(shù)為：

式中：T為調(diào)度周期；CP2G，Cmc,k，Cw，pre,t，prgas,t分別為P2G 設(shè)備的運行成本、設(shè)備k的單位功率運行維護成本、棄風(fēng)成本、t時刻購電電價及購氣價格；PP2G,t，Pk,t，，Pw,t，Pe,in,t，VGT,t分別為t時刻P2G 運行功率、設(shè)備k的運行功率、風(fēng)機的棄風(fēng)功率、無棄風(fēng)條件下的風(fēng)機輸出功率、從主電網(wǎng)購電量、燃?xì)廨啓C天然氣消耗量。

2）目標(biāo)2：系統(tǒng)碳排放量最少

本文以碳排放量為指標(biāo)，來衡量該模型對系統(tǒng)的低碳性，其目標(biāo)函數(shù)為：

式中：we，wg分別為購電、購氣的碳排放系數(shù)；Pg,in,t表示購氣量。

2.2 約束條件

1）設(shè)備出力約束

各設(shè)備需滿足的功率約束與爬坡約束：

儲能設(shè)備約束：

式中：μ為0-1 變量，表示各儲能設(shè)備的工作狀態(tài)；k為儲能設(shè)備類型，具體為儲電設(shè)備ES,蓄熱設(shè)備HS、蓄冷設(shè)備CS；Pc,k,max，Pd,k,max為各儲能設(shè)備的最大充、放能功率；Ek,max，Ek,min為各儲能設(shè)備的最大和最小儲能能量；Ek,0，Ek,T為各儲能設(shè)備調(diào)度首末時段的荷電狀態(tài)。

風(fēng)電出力約束：

式中：Pw,t,a為風(fēng)機t時刻上網(wǎng)功率。

2）系統(tǒng)可信性模糊機會約束

針對風(fēng)電及負(fù)荷的不確定性，利用模糊參數(shù)表示風(fēng)電出力和負(fù)荷，將確定性的約束轉(zhuǎn)換為模糊機會約束，再利用清晰等價類對其求解[20]。分別列舉電功率、冷功率、中溫?zé)峁β?、蒸汽熱功率、高溫?zé)峁β实目尚判詸C會約束：

式中：α為置信水平；QAB，QEC分別為吸收式制冷機、電制冷機組的制冷功率；HEHP,out，HHR,out，HGT,st，HAB,in分別為電制熱泵的輸出熱功率、余熱鍋爐的輸出熱功率、燃?xì)廨啓C輸出的蒸汽熱功率和吸收式制冷機組的輸入熱功率；HPCA,in，HPCA,out分別表示尖峰加熱泵的輸入蒸汽熱功率和輸出高溫?zé)峁β?；ηc,ES，ηd,ES分別為儲電設(shè)備的充放能效率；ηc,CS，ηd,CS分別為蓄冷設(shè)備的充放能效率；ηc,HS，ηd,HS分別為蓄熱設(shè)備的充放能效率。

2.3 模型求解

本文所建模型為多目標(biāo)非線性規(guī)劃問題，通過MATLAB/CPLEX 求解模型。具體求解步驟如下：

1）以各耦合設(shè)備出力為決策變量，基于DEH模型與梯級用能設(shè)備變工況模型構(gòu)建了兼顧經(jīng)濟性與低碳性的優(yōu)化調(diào)度模型。

2）將設(shè)備效率模型進行分段線性化處理。

3）基于線性加權(quán)原理，引入多組權(quán)重系數(shù)得到相應(yīng)的多目標(biāo)非劣性妥協(xié)解前沿。

4）基于信息熵權(quán)重理論求得非劣性妥協(xié)解前沿中的最優(yōu)解[21]。

3 算例分析

3.1 參數(shù)設(shè)置

仿真算例以圖1 所示RIES 為研究對象，驗證所建模型在系統(tǒng)低碳經(jīng)濟運行、風(fēng)電消納等方面的有效性?；谖墨I[20]的分時電價與梯形隸屬度參數(shù)進行算例仿真。設(shè)備運行參數(shù)見表1 所示。其中擬合系數(shù) 中i=0，1，…，n為效率函數(shù)的擬合階數(shù)。系統(tǒng)典型日風(fēng)電、負(fù)荷預(yù)測出力曲線和各設(shè)備效率擬合曲線見圖2 和圖3。

圖2 風(fēng)電及負(fù)荷預(yù)測出力曲線Fig.2 Wind power and load forecast output curve

圖3 設(shè)備效率擬合曲線Fig.3 Equipment efficiency fitting curve

表1 設(shè)備運行參數(shù)Table 1 Operating parameters of equipment

設(shè)定置信水平α=0.85，天然氣價格為3 元/m3。電網(wǎng)和天然氣的碳排放系數(shù)分別為0.889 t/MWh 和0.725 t/MWh[22]。

3.2 不同優(yōu)化場景對比分析

為驗證設(shè)備變工況特性及能源梯級利用的優(yōu)勢，本文設(shè)置了3 種場景進行仿真驗證：（1）場景1：考慮能源的梯級利用，但不考慮設(shè)備變工況特性；（2）場景2：考慮設(shè)備變工況特性，但不考慮能源的梯級利用；3）場景3：同時考慮設(shè)備變工況特性及能源的梯級利用。各場景的優(yōu)化結(jié)果對比如表2 所示。

表2 各場景優(yōu)化結(jié)果對比Table 2 Results comparison of scenes

3.2.1 經(jīng)濟性

由表2 可知，場景1 的日總調(diào)度成本最高，場景3 的日總調(diào)度成本最低，即考慮能源的梯級利用和設(shè)備的變工況特性可以提升系統(tǒng)的經(jīng)濟性。

場景3 相較于場景1 購氣成本減少了48.27%，調(diào)度成本降低了6.7%。圖4、圖5 為2 個場景的電負(fù)荷調(diào)度情況，場景1 中各時刻主要通過燃?xì)廨啓C和風(fēng)電供應(yīng)電能，而場景3 在部分時刻主要以購電和風(fēng)電供應(yīng)電能。由于場景1 不考慮設(shè)備變工況特性，各設(shè)備默認(rèn)一直運行于額定效率，在該條件下燃?xì)廨啓C具有良好的熱電聯(lián)供能力，且經(jīng)濟性好，故作為主要的供能設(shè)備，導(dǎo)致系統(tǒng)的購氣量顯著增加。場景3 在7：00-12:00 時段，燃?xì)廨啓C運行效率較低，無法高效地提供余熱，此時利用余熱鍋爐和吸收式制冷機供能的經(jīng)濟性不如電制熱和電制冷設(shè)備高，因此增加了電制熱和電制冷設(shè)備出力，在提高購電成本的同時大大減少了購氣成本。因此，考慮設(shè)備變工況特性可以根據(jù)實際工況合理制定調(diào)度方案，提升系統(tǒng)運行經(jīng)濟性。

圖4 場景1電負(fù)荷優(yōu)化調(diào)度Fig.4 Electric load optimization scheduling of scenario 1

圖5 場景3電負(fù)荷優(yōu)化調(diào)度Fig.5 Electric load optimization scheduling of scenario 3

場景3 相較于場景2 調(diào)度成本降低了4.9%。場景2 未考慮能源的梯級利用，停用了部分能源轉(zhuǎn)換設(shè)備，并將各品位熱均歸算為中溫?zé)嶝?fù)荷，導(dǎo)致系統(tǒng)的熱負(fù)荷需求量增大。由圖6、圖7 可見，場景2 中熱負(fù)荷只能由燃?xì)廨啓C、電熱泵和儲熱設(shè)備提供，故系統(tǒng)購電購氣量大幅度增加。場景3 中，余熱鍋爐和吸收式制冷機可以利用余熱共同承擔(dān)系統(tǒng)的能源供應(yīng)，其運行成本遠(yuǎn)低于電熱泵和電制冷機。雖然考慮能源的梯級利用會增加系統(tǒng)耦合設(shè)備的數(shù)量和種類，增加相應(yīng)的設(shè)備費用，但多能耦合豐富了調(diào)控手段，其帶來的收益遠(yuǎn)大于設(shè)備維護費用對總成本的影響。

圖6 場景2熱負(fù)荷優(yōu)化調(diào)度Fig.6 Heat load optimization scheduling of scenario 2

圖7 場景3熱負(fù)荷優(yōu)化調(diào)度Fig.7 Heat load optimization scheduling of scenario 3

3.2.2 低碳性

碳排放量可以直觀反映系統(tǒng)的低碳性。圖8為場景1 至場景3 系統(tǒng)碳排放量與購能總量（包括購氣量與購電量）之間的關(guān)系，即碳排放量隨購能總量的增大而增大，故系統(tǒng)的購電、購氣量可以直接影響碳排放量。如圖8 所示，場景3 的碳排放量最低，故考慮設(shè)備變工況模型的梯級優(yōu)化方法在提高系統(tǒng)低碳性上效果最顯著。

圖8 各場景購能量與碳排放量Fig.8 Energy and carbon emissions in each scenario

場景3 相比場景1 碳排放量下降了26.06%，主要原因在于場景1 的購氣量遠(yuǎn)大于場景3，可見考慮設(shè)備變工況特性可以提升系統(tǒng)的低碳性。場景1 中，各設(shè)備均運行在額定工況下，而燃?xì)廨啓C因具有良好經(jīng)濟性，在各時段作為主要供能設(shè)備，因此大大增加了系統(tǒng)的購氣量。場景3 中，系統(tǒng)可以根據(jù)當(dāng)前電價水平與各設(shè)備的實際運行效率合理制定調(diào)度策略，在燃?xì)廨啓C運行效率較低無法高效地為其他設(shè)備提供余熱時，會優(yōu)先選擇能效更高的電制熱和電制冷機供能，雖然增加了一定購電量，但也大大減少了購氣量，使系統(tǒng)總體碳排量更少。

場景3 相比場景2 碳排放量下降了7.9%，證明考慮能源梯級利用在低碳調(diào)度方面的有效性。場景2 中，由于停用了部分能源設(shè)備且熱負(fù)荷需求增大，燃?xì)廨啓C替代了余熱鍋爐、尖峰加熱器等設(shè)備供熱，并長期處于高負(fù)載運行狀態(tài)，并與電熱泵共同承擔(dān)熱能的供應(yīng)。而冷負(fù)荷主要由電制冷機提供，故該場景下系統(tǒng)對電力與天然氣需求量明顯提升，進而提高了系統(tǒng)的碳排放量。

3.3 變工況對風(fēng)電消納的影響

為分析設(shè)備變工況特性對系統(tǒng)風(fēng)電消納的影響，將場景1 和場景3 在24 h 內(nèi)的風(fēng)電消納率進行對比，如圖9 所示。

圖9 2種場景下的風(fēng)電消納率Fig.9 Wind power consumption rate under two scenarios

在21:00-6:00 時段，場景3 的風(fēng)電消納慮均高于場景1，即考慮設(shè)備的變工況特性可以促進風(fēng)電的消納。夜間為風(fēng)電富余時段，場景1 中各設(shè)備均以額定效率運行，由于燃?xì)廨啓C具有良好的熱電聯(lián)供能力，故長期處于工作狀態(tài)。且燃?xì)廨啓C存在“以熱定電”約束，其實際運行效率低于額定效率，故在供應(yīng)同等蒸汽熱負(fù)荷時，場景1 可以供應(yīng)更多的電能，進而減小了風(fēng)電上網(wǎng)空間，降低了風(fēng)電消納率。因此，考慮設(shè)備變工況特性可以準(zhǔn)確評估風(fēng)電消納水平，提升風(fēng)電消納率，同時提升調(diào)度方案的準(zhǔn)確性。

3.4 不同置信水平下調(diào)度結(jié)果分析

置信水平在一定程度上可以把控風(fēng)電出力及負(fù)荷預(yù)測不確定性帶來的風(fēng)險。置信水平α越大，系統(tǒng)的安全可靠性就越高。為研究置信水平對系統(tǒng)經(jīng)濟性和低碳性的影響，置信水平從0.6 開始，以0.05 為間距增加至1，所得結(jié)果如圖10 所示。

圖10 不同置信水平下的成本與碳排放量Fig.10 Cost and carbon emissions under different confidence levels

由圖10 可見，隨置信水平α的增大，系統(tǒng)調(diào)度成本和碳排放量總體呈現(xiàn)上升趨勢，表明系統(tǒng)的高可靠性依賴高投入。

α=0.85 和α=0.9 時調(diào)度成本出現(xiàn)了明顯的拐點，在0.85～0.9 范圍內(nèi)，系統(tǒng)調(diào)度成本漲幅不大，且碳排放量平穩(wěn)上升，表明隨風(fēng)險的降低，系統(tǒng)成本并未顯著增加，而在0.6～0.85 區(qū)間和0.9～1 區(qū)間，系統(tǒng)調(diào)度成本漲幅較大，因此當(dāng)α=0.85 時已達(dá)到了一個較好的置信水平，即在系統(tǒng)風(fēng)電和負(fù)荷不確定性處于較低風(fēng)險下的同時可以兼顧系統(tǒng)的經(jīng)濟性和低碳性。故本文選取α=0.85 作為最優(yōu)置信水平。

3.5 源荷不確定性程度對系統(tǒng)調(diào)度的影響

模糊參數(shù)反映了可再生能源出力及負(fù)荷預(yù)測的準(zhǔn)確性。風(fēng)電出力受多種因素影響，難以預(yù)測，故其模糊參數(shù)左右擴展幅度較大。而負(fù)荷預(yù)測更為準(zhǔn)確，左右擴展幅度較小。為研究源荷不確定性程度對系統(tǒng)造成的影響，在α=0.85 時，用w1-w4表征風(fēng)電出力的模糊度，w5-w8表征負(fù)荷的模糊度，將模糊程度從1 增加至3，相應(yīng)風(fēng)電出力及負(fù)荷的模糊程度也逐漸提高，梯形模糊隸屬度參數(shù)（無量綱）如表3 所示。

表3 梯形模糊隸屬度參數(shù)Table 3 Trapezoid fuzzy membership parameters

由圖11 可見，在一定置信水平下，系統(tǒng)調(diào)度成本和碳排放量隨風(fēng)電出力、負(fù)荷模糊程度的增加而增大。且從模糊程度1 至2，系統(tǒng)在調(diào)度成本和碳排放量上的漲幅都大于模糊程度2 至3 的漲幅，表明系統(tǒng)在經(jīng)濟運行與低碳環(huán)保方面的敏感度隨模糊程度的提升而有所降低。綜上所述，系統(tǒng)通過犧牲調(diào)度和環(huán)境成本來確保系統(tǒng)的安全穩(wěn)定運行。

圖11 不同模糊度下的成本與碳排放量Fig.11 Cost and carbon emission under different fuzziness

4 結(jié)論

針對RIES 的多能協(xié)同優(yōu)化問題，本文提出一種計及源荷不確定性和設(shè)備變工況特性的RIES 調(diào)度模型。結(jié)論如下：

1）熱能梯級利用豐富了能源形式和耦合設(shè)備的調(diào)控手段，使系統(tǒng)可以靈活協(xié)調(diào)各設(shè)備出力以供應(yīng)不同品位的能源需求。相較于傳統(tǒng)調(diào)度模型，考慮能源梯級利用使系統(tǒng)經(jīng)濟性提升了4.9%，碳排放量降低了7.9%。

2）考慮設(shè)備的變工況特性，可以根據(jù)當(dāng)前時刻設(shè)備實際運行效率合理安排系統(tǒng)調(diào)度，提升RIES模型的精確度。相較于采用固定能效值的系統(tǒng)，考慮設(shè)備的變工況特性可以降低系統(tǒng)調(diào)度成本和碳排放量，同時提升風(fēng)電消納水平。

3）置信水平、模糊度與系統(tǒng)調(diào)度成本、碳排放量呈負(fù)相關(guān)，決策者需要根據(jù)實際情況選擇一個最佳置信水平與模糊度，既可以兼顧系統(tǒng)的經(jīng)濟性與低碳性，又能將風(fēng)險控制在最低水平。