考慮多元異質(zhì)源荷相關(guān)性的區(qū)域綜合能源系統(tǒng)規(guī)劃

楊若浦，劉 佳，曾平良，楊桂興，孫慶宇，李亞樓

（1. 杭州電子科技大學(xué)自動(dòng)化學(xué)院,浙江省杭州市 310018；2. 國(guó)網(wǎng)新疆電力有限公司,新疆維吾爾自治區(qū)烏魯木齊市 830000；3. 國(guó)網(wǎng)新疆電力有限公司阿勒泰供電公司,新疆維吾爾自治區(qū)阿勒泰市 836300；4. 中國(guó)電力科學(xué)研究院有限公司,北京市 100192）

0 引言

區(qū)域綜合能源系統(tǒng)（regional integrated energy system,RIES）是通過(guò)能源轉(zhuǎn)換設(shè)備與能源輸送網(wǎng)絡(luò)實(shí)現(xiàn)各類(lèi)能源之間互聯(lián)互通的能源系統(tǒng),能夠按照不同能源品位的差異性進(jìn)行互補(bǔ)利用,并對(duì)各能源之間的耦合關(guān)系與轉(zhuǎn)換使用進(jìn)行統(tǒng)籌優(yōu)化［1-3］。RIES 能夠協(xié)調(diào)不同能源的時(shí)空分布,對(duì)能源結(jié)構(gòu)的優(yōu)化起到了至關(guān)重要的作用。因此,RIES 逐步成為當(dāng)前的研究熱點(diǎn)之一。

在RIES 規(guī)劃及擴(kuò)展規(guī)劃方面,諸多學(xué)者已展開(kāi)研究。文獻(xiàn)［4］提出了一種考慮風(fēng)電不確定性的綜合能源系統(tǒng)規(guī)劃方法,采用場(chǎng)景分析算法將求解模型簡(jiǎn)化為兩階段求解模型,分析對(duì)比不同方案下規(guī)劃結(jié)果的優(yōu)劣。文獻(xiàn)［5］在RIES 規(guī)劃中引入了廣義儲(chǔ)能,建立多能流廣義儲(chǔ)能模型,將魯棒優(yōu)化（robust optimization,RO）和 隨 機(jī) 優(yōu) 化（stochastic optimization,SO）結(jié)合,生成RO-SO 算法,對(duì)RIES模型進(jìn)行規(guī)劃求解。文獻(xiàn)［6］提出了RIES 的通用建模方法,為RIES 規(guī)劃結(jié)果提供了全壽命周期內(nèi)的評(píng)價(jià)方法。文獻(xiàn)［7］研究了在電-氣耦合系統(tǒng)中供能可靠性對(duì)規(guī)劃結(jié)果的影響,設(shè)置柔性負(fù)荷懲罰機(jī)制,建立電-氣耦合系統(tǒng)協(xié)同規(guī)劃模型。

RIES 運(yùn)行中具有大量的不確定性,廣泛存在于RIES 的輸入端和輸出端,包括風(fēng)電、光伏等分布式能源的波動(dòng)以及能源需求、能源價(jià)格的實(shí)時(shí)變動(dòng)等。目前,處理不確定性的方法主要包括隨機(jī)優(yōu)化、區(qū)間優(yōu)化、魯棒優(yōu)化及其多種改進(jìn)形式等。文獻(xiàn)［8］研究了在風(fēng)電波動(dòng)性影響下的綜合能源系統(tǒng)優(yōu)化模型,通過(guò)拉丁超立方采樣（Latin hypercube sampling,LHS）與同步回代消除法對(duì)風(fēng)電不確定性進(jìn)行了處理。文獻(xiàn)［9］研究了包含風(fēng)、光、氣、氫的綜合能源系統(tǒng)優(yōu)化規(guī)劃模型,采用概率場(chǎng)景分析算法生成風(fēng)電及電動(dòng)汽車(chē)典型場(chǎng)景。文獻(xiàn)［10］建立了計(jì)及綜合需求響應(yīng)不確定性的綜合能源系統(tǒng)模型,采用證據(jù)理論方法研究多種不確定性變量,根據(jù)信任函數(shù)和似然函數(shù)確定信任區(qū)間。

在考慮風(fēng)、光、荷等不同隨機(jī)因素之間的相關(guān)性研究方面,文獻(xiàn)［11］采用Copula 理論建立光伏出力相關(guān)性模型,通過(guò)分析秩相關(guān)系數(shù),研究光伏出力相關(guān)性。文獻(xiàn)［12］采用負(fù)荷追蹤系數(shù)研究了電源與負(fù)荷間的相關(guān)性,并分析負(fù)荷追蹤系數(shù)曲線圖。文獻(xiàn)［13］建立考慮電-氣耦合的RIES 多能流穩(wěn)態(tài)模型,采用Nataf 變換得到考慮電負(fù)荷與氣負(fù)荷間相關(guān)性的半不變量。文獻(xiàn)［14］基于Frank Copula 理論對(duì)風(fēng)力發(fā)電與光伏發(fā)電的相關(guān)性展開(kāi)研究,采用Kendall 秩對(duì)不同季節(jié)風(fēng)力發(fā)電與光伏發(fā)電的相關(guān)系數(shù)波動(dòng)進(jìn)行分析。文獻(xiàn)［15］首先采用粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法對(duì)風(fēng)電出力曲線進(jìn)行訓(xùn)練,再采用綜合場(chǎng)景概率法生成光伏出力曲線,最后生成兩者間的斯皮爾曼相關(guān)系數(shù)。文獻(xiàn)［16］建立了不同光伏及光伏與負(fù)荷間的時(shí)空相關(guān)性模型,采用拉丁超立方抽樣和Cholesky 分解技術(shù)對(duì)源-荷時(shí)空相關(guān)性進(jìn)行分析。文獻(xiàn)［17］引入Johnson 分布體系研究多個(gè)風(fēng)電場(chǎng)間的風(fēng)速相關(guān)性,基于相關(guān)性系數(shù)對(duì)相關(guān)性程度展開(kāi)分析。文獻(xiàn)［18］研究了風(fēng)電出力與光伏出力間的相關(guān)性,采用LHS 算法實(shí)現(xiàn)對(duì)樣本矩陣的分層采樣與相關(guān)性控制。

本文提出一種考慮多元異質(zhì)源荷相關(guān)性的RIES規(guī)劃方法。首先,采用Nataf 變換和Cholesky 分解對(duì)LHS 方法進(jìn)行改進(jìn),生成考慮風(fēng)-光-荷相關(guān)性的樣本矩陣；其次,在保證計(jì)算效率和描述精度的前提下,運(yùn)用改進(jìn)聚類(lèi)中心選取的K-means 聚類(lèi)方法生成典型場(chǎng)景,描述風(fēng)、光機(jī)組出力及多能負(fù)荷的不確定性；然后,以系統(tǒng)的投資、運(yùn)行、棄風(fēng)棄光成本以及外部能源交易成本之和最小為目標(biāo),建立含多元異質(zhì)源荷的RIES 規(guī)劃模型；最后,構(gòu)建RIES 測(cè)試系統(tǒng)對(duì)模型及算法的有效性進(jìn)行了驗(yàn)證。

1 計(jì)及相關(guān)性的源荷不確定性建模

本章首先建立風(fēng)力發(fā)電、光伏發(fā)電的出力概率模型,同時(shí)構(gòu)建電負(fù)荷、氣負(fù)荷和熱負(fù)荷的需求概率模型。然后,在多元異質(zhì)源荷概率模型的基礎(chǔ)上,采用Nataf 變換與Cholesky 分解分析風(fēng)-光-荷之間的相關(guān)性,并利用基于相關(guān)性分析的改進(jìn)LHS 方法得到考慮相關(guān)性的風(fēng)-光-荷樣本矩陣。最后,采用改進(jìn)K-means 算法對(duì)采樣得到的樣本矩陣進(jìn)行聚類(lèi),輸出考慮源荷相關(guān)性的典型規(guī)劃場(chǎng)景。風(fēng)、光新能源與電、熱、氣負(fù)荷隨機(jī)概率模型為多元異質(zhì)源荷樣本矩陣生成提供了模型范式,而后者進(jìn)一步為得到用于后續(xù)規(guī)劃的典型源荷場(chǎng)景提供了數(shù)據(jù)基礎(chǔ),各部分間的邏輯關(guān)系如圖1 所示。

圖1 邏輯架構(gòu)Fig.1 Logical architecture

1.1 風(fēng)-光-荷相關(guān)性分析

風(fēng)、光等可再生能源出力以及冷、熱、電、氣負(fù)荷與環(huán)境溫度、風(fēng)速、天氣密切相關(guān),具有隨機(jī)性、波動(dòng)性和季節(jié)性等特征。同一區(qū)域內(nèi)的源-源、荷-荷以及源-荷之間呈現(xiàn)一定的相關(guān)性,而且這種相關(guān)性的程度隨著地理位置和區(qū)域用能特性而變化。

以中國(guó)某地區(qū)春、夏、秋、冬的風(fēng)電出力、光伏出力、電負(fù)荷、氣負(fù)荷及熱負(fù)荷數(shù)據(jù)為例進(jìn)行相關(guān)性分析,相關(guān)系數(shù)如圖2 所示。其典型曲線見(jiàn)附錄A 圖A1,詳細(xì)數(shù)據(jù)見(jiàn)附錄A 表A1 至表A4。

圖2 風(fēng)-光-荷相關(guān)系數(shù)對(duì)比Fig.2 Comparision of wind-photovoltaic-load correlation coefficients

由圖2 可以看出,電-熱、電-氣、氣-熱間的相關(guān)性隨季節(jié)變化呈現(xiàn)出了不同的變化趨勢(shì)。電-熱、電-氣間的相關(guān)性不隨季節(jié)的變化而發(fā)生明顯變化,電-熱間相關(guān)系數(shù)為負(fù)且在-0.4～-0.2 之間,為弱負(fù)相關(guān)。電-氣間的相關(guān)系數(shù)為正且在0.7～0.9 之間,為強(qiáng)正相關(guān)。氣-熱間的相關(guān)性隨季節(jié)的變化而發(fā)生了較明顯變化:在春、夏、冬3 個(gè)季節(jié),其相關(guān)系數(shù)為負(fù)且在-0.8～-0.6 之間,為強(qiáng)負(fù)相關(guān)；在秋季時(shí),其相關(guān)系數(shù)為負(fù)且在-0.6～-0.4 之間,為中等程度負(fù)相關(guān)。

風(fēng)-光、風(fēng)-電、風(fēng)-熱、風(fēng)-氣以及光-電、光-熱、光-氣間的相關(guān)性隨季節(jié)變化呈現(xiàn)出了不同的變化趨勢(shì)。其中,風(fēng)-光、風(fēng)-電、風(fēng)-熱、風(fēng)-氣間的相關(guān)性隨季節(jié)的變化而發(fā)生明顯變化,而光-電、光-熱、光-氣間的相關(guān)性不隨季節(jié)的變化而發(fā)生明顯變化。

1.2 風(fēng)-光-荷不確定性建模

1.2.1 光伏出力概率模型

本節(jié)采用Beta 分布與非參數(shù)核密度估計(jì)結(jié)合的方式建立光伏出力概率模型。

1）基于參數(shù)Beta 分布的概率模型,其概率密度函數(shù)為［19-20］:

式中:PL和QL分別為電負(fù)荷有功、無(wú)功功率；μP和μQ分別為一定時(shí)間段內(nèi)負(fù)荷有功、無(wú)功功率均值；σP和σQ分別為有功、無(wú)功功率標(biāo)準(zhǔn)差。

同理,熱負(fù)荷與氣負(fù)荷的功率概率密度函數(shù)可以表示為:

式中:PH和PG分別為熱負(fù)荷、氣負(fù)荷的有功功率；μH和μG分別為一定時(shí)間段內(nèi)熱負(fù)荷、氣負(fù)荷有功功率的均值；σH和σG分別為熱負(fù)荷、氣負(fù)荷有功功率的標(biāo)準(zhǔn)差。

1.3 基于相關(guān)性控制的LHS 方法

本節(jié)主要研究了考慮多元源荷相關(guān)性的LHS方法。先對(duì)樣本進(jìn)行采樣,生成樣本矩陣；再基于生成的相關(guān)性矩陣及標(biāo)準(zhǔn)正態(tài)隨機(jī)向量K,根據(jù)K中元素的排列順序得到順序矩陣R；最后,將樣本矩陣中的元素按照順序矩陣R進(jìn)行排序,得到新的樣本矩陣。主要分為樣本生成和相關(guān)性控制2 個(gè)部分。

1.3.1 Nataf 變換

采用Nataf 變換對(duì)風(fēng)-光-荷分布信息進(jìn)行變換的具體過(guò)程如下。

對(duì)于N維輸入變量X=[x1,x2,…,xN]T,其中xi（i=1,2,…,N）為X中的第i個(gè)元素,其相關(guān)系數(shù)矩陣為ρX=(ρx,ij)N×N,則相關(guān)系數(shù)ρx,ij定義為:

式中:ωi為相應(yīng)變量的期望值；f(xi,xj)dxidxj和f(yi,yj)dyidyj分別為相關(guān)系數(shù)ρx,ij和ρy,ij的二維標(biāo)準(zhǔn)正態(tài)分布概率密度函數(shù)。

1.3.2 Cholesky 分解

借助于LU 分解的隨機(jī)算法思想,從隨機(jī)矩陣投影的角度構(gòu)造一種新的隨機(jī)算法,其具體步驟如下:

1）以ρY=(ρy,ij)N×N為 基 礎(chǔ),對(duì)ρY進(jìn) 行Cholesky 分解,得到其對(duì)應(yīng)的下三角矩陣L；

2）對(duì)Y進(jìn)行抽樣,得到其對(duì)應(yīng)樣本矩陣Yˉ；

3）根據(jù)K=YˉLT得到K,參考K中元素在每列的排序得到排序矩陣R；

4）將樣本矩陣根據(jù)R進(jìn)行排列,即可得到最終的樣本矩陣O。

1.4 改進(jìn)聚類(lèi)中心選擇的K-means 算法

改進(jìn)K-means 算法具有如下特征:在選擇第1個(gè)聚類(lèi)中心時(shí)采用隨機(jī)的方法,在選擇剩余聚類(lèi)樣本時(shí),離聚類(lèi)中心越遠(yuǎn)的樣本越具有優(yōu)先被選擇權(quán)。這樣可以保證在選擇的過(guò)程中能夠盡可能多地選中特征更明顯的點(diǎn),保證聚類(lèi)結(jié)果盡可能多地體現(xiàn)原樣本的特征,確保計(jì)算精度。具體步驟如下:

步驟1:選擇聚類(lèi)中心。在樣本矩陣O中隨機(jī)選取一個(gè)點(diǎn)作為初始聚類(lèi)中心。

步驟2:計(jì)算距離。計(jì)算初始聚類(lèi)中心與其余各點(diǎn)間的距離dij。

步驟3:重新選擇聚類(lèi)中心。優(yōu)先選擇dij更大的點(diǎn)作為新的聚類(lèi)中心。

步驟4:聚類(lèi)。計(jì)算每個(gè)樣本到每個(gè)聚類(lèi)中心的距離,并將樣本與其距離最近的中心分至一類(lèi)。

步驟5:確認(rèn)聚類(lèi)中心。分類(lèi)別再次計(jì)算樣本與聚類(lèi)中心的距離,重新確定聚類(lèi)中心。

步驟6:重復(fù)步驟4 和5,直至聚類(lèi)中心的位置不再變化,則輸出聚類(lèi)結(jié)果。具體結(jié)果及其分析見(jiàn)附錄A。

2 RIES 規(guī)劃模型

2.1 目標(biāo)函數(shù)

本節(jié)所建立的模型以總成本最小為目標(biāo)函數(shù),其中包括線路投資成本、外部能源交易成本、設(shè)備運(yùn)行成本以及棄風(fēng)棄光成本。

式 中:Cinv為 投 資 成 本；Cope為 運(yùn) 行 成 本；Ccut為 棄 風(fēng)棄光成本；Ctran為外部能源交易成本。

2.2 約束條件

本文所考慮的約束條件包括電/氣/熱網(wǎng)的安全運(yùn)行約束、能源轉(zhuǎn)換設(shè)備的運(yùn)行約束及其他約束。氣/熱網(wǎng)的安全運(yùn)行約束、能源轉(zhuǎn)換設(shè)備的運(yùn)行約束及其他約束見(jiàn)附錄B,此處僅對(duì)電網(wǎng)運(yùn)行約束進(jìn)行論述。

2.3 模型求解

本文采用分支定界算法對(duì)考慮多元源荷相關(guān)性的RIES 規(guī)劃模型進(jìn)行求解,具體求解步驟如下:

步驟1:輸入RIES 規(guī)劃測(cè)試系統(tǒng)的相關(guān)參數(shù),生成網(wǎng)架結(jié)構(gòu)信息。

步驟2:判斷在當(dāng)前參數(shù)條件下,系統(tǒng)的各類(lèi)能源出力能否滿足各類(lèi)能源負(fù)荷需求,若能滿足則無(wú)須新建線路或機(jī)組；若不能滿足則須新建線路或機(jī)組,并進(jìn)入步驟3。

步驟3:采用1.3 節(jié)提出的基于相關(guān)性控制的LHS 方法生成考慮風(fēng)-光-荷相關(guān)性的源荷樣本矩陣。

步驟4:采用1.4 節(jié)提出的改進(jìn)的K-means 聚類(lèi)方法對(duì)源荷樣本矩陣進(jìn)行聚類(lèi),生成考慮多元源荷相關(guān)性的典型運(yùn)行場(chǎng)景。

步驟5:輸入冷熱電聯(lián)產(chǎn)（CCHP）、熱泵（HP）、燃?xì)忮仩t（GB）機(jī)組模型以及RIES 模型,基于典型源荷場(chǎng)景數(shù)據(jù),采用分支定界算法對(duì)考慮多元源荷相關(guān)性的RIES 規(guī)劃模型進(jìn)行求解。

步驟6:輸出規(guī)劃方案。

3 算例分析

3.1 算例基本情況

采用IEEE 39 節(jié)點(diǎn)電網(wǎng)、比利時(shí)20 節(jié)點(diǎn)氣網(wǎng)以及14 節(jié)點(diǎn)熱網(wǎng)、14 節(jié)點(diǎn)冷網(wǎng)組合作為RIES 規(guī)劃測(cè)試系統(tǒng),其具體節(jié)點(diǎn)分布見(jiàn)附錄B 圖B1。電網(wǎng)中共有40 條輸電線路和10 個(gè)發(fā)電機(jī)組,其中6 個(gè)為光伏發(fā)電機(jī)組、4 個(gè)為風(fēng)電機(jī)組；氣網(wǎng)中共有17 條輸氣管道和5 個(gè)氣源；熱網(wǎng)中共有13 條輸熱管道和4 個(gè)熱源；冷網(wǎng)中共有13 條輸冷管道和4 個(gè)冷源。

風(fēng)、光出力及電、氣、熱負(fù)荷采用第1 章所提隨機(jī)概率模型,其中Weibull 分布中c=8.32,k=5.53；Beta 分布中α=1.45,β=1.38；正態(tài)分布中功率的均值μ=4.37,功率的標(biāo)準(zhǔn)差σ=4.51。生成10 個(gè)典型規(guī)劃場(chǎng)景,其對(duì)應(yīng)的概率如表1 所示,風(fēng)-光-荷具體數(shù)據(jù)見(jiàn)附錄C 表C1。機(jī)組的建設(shè)成本、線路的建設(shè)成本和棄風(fēng)棄光成本見(jiàn)附錄C 表C2。CCHP 機(jī)組、HP 機(jī)組、GB 機(jī)組和氣網(wǎng)、熱網(wǎng)、冷網(wǎng)的參數(shù)信息見(jiàn)附錄C 表C3 至表C6。

表1 各場(chǎng)景概率Table 1 Probability of each scenario

各場(chǎng)景中的風(fēng)-光-荷功率情況如附錄C 圖C1所示?？梢园l(fā)現(xiàn),在個(gè)別場(chǎng)景中會(huì)出現(xiàn)電負(fù)荷大于風(fēng)電出力值與光伏發(fā)電出力值之和的情況,同時(shí)電負(fù)荷、氣負(fù)荷與熱負(fù)荷的總和在部分場(chǎng)景中也會(huì)出現(xiàn)大于風(fēng)電出力值與光伏發(fā)電出力值之和的情況。因此,需要對(duì)本文設(shè)定的RIES 進(jìn)行規(guī)劃,通過(guò)新建線路或機(jī)組來(lái)改善系統(tǒng)的運(yùn)行狀態(tài)。

3.2 相關(guān)性規(guī)劃結(jié)果對(duì)比分析

為驗(yàn)證本文所提模型的有效性,設(shè)計(jì)以下2 種方案進(jìn)行對(duì)比分析驗(yàn)證:

方案1:不考慮多元源荷之間的相關(guān)性,即在采樣過(guò)程中生成的樣本矩陣未按照源荷間相關(guān)性排列。

方案2:按照本文設(shè)計(jì)的規(guī)劃模型進(jìn)行RIES規(guī)劃。

方案2 規(guī)劃后的系統(tǒng)如圖3 所示。2 種不同方案下得到的建設(shè)成本和運(yùn)行成本如表2 所示。通過(guò)對(duì)規(guī)劃結(jié)果的分析可知,方案1 所需的總成本為80 717.91 萬(wàn)元,方案2 所需的總成本為74 269.87 萬(wàn)元?？梢钥闯?相較于不考慮多元源荷之間的相關(guān)性,本文所建立的規(guī)劃模型所需的規(guī)劃總成本更低。

表2 規(guī)劃結(jié)果Table 2 Planning results

圖3 方案2 規(guī)劃后的系統(tǒng)示意圖Fig.3 Schematic diagram of system after planning by scheme 2

從建設(shè)成本上看,方案2 低于方案1,這是由于考慮了多元源荷之間的相關(guān)性后,RIES 內(nèi)部可以根據(jù)風(fēng)光出力曲線與負(fù)荷需求曲線對(duì)CCHP 機(jī)組、HP機(jī)組及GB 機(jī)組的出力進(jìn)行調(diào)節(jié),減少了所需新建線路的數(shù)量,達(dá)到了降低建設(shè)成本的目的,新建線路信息見(jiàn)附錄C 表C7。結(jié)合附錄A 表A5 中風(fēng)-電、光-電、電-熱及電-氣4 組相關(guān)性結(jié)果可知,當(dāng)電負(fù)荷需求增大時(shí),光伏發(fā)電機(jī)組的出力與氣負(fù)荷需求會(huì)增大,而風(fēng)電機(jī)組的出力與熱負(fù)荷的需求會(huì)減少。此時(shí),通過(guò)降低HP 機(jī)組的出力,使得更多的電能能夠直接供應(yīng)電負(fù)荷需求。同時(shí),降低CCHP 機(jī)組、GB機(jī)組的冷、熱出力,使得更多的氣能能夠供給氣負(fù)荷和電負(fù)荷的需求。通過(guò)調(diào)節(jié)能量轉(zhuǎn)換設(shè)備的運(yùn)行狀態(tài)可以實(shí)現(xiàn)能源的高效利用,從而減少所需新建線路的數(shù)量,降低系統(tǒng)的建設(shè)成本。

從外部能源交易成本來(lái)看,方案2 依舊低于方案1。參考附錄A 表A5 可知,光-氣具有極強(qiáng)正相關(guān)性,風(fēng)-氣總體呈現(xiàn)正相關(guān)性,熱-氣總體呈現(xiàn)強(qiáng)負(fù)相關(guān)性,電-氣具有強(qiáng)相關(guān)性。因此,在氣負(fù)荷使用高峰期,風(fēng)電出力與光伏發(fā)電出力也會(huì)增大,熱負(fù)荷值會(huì)降低。此時(shí),CCHP 機(jī)組、GB 機(jī)組減少出力,盡可能多地將從外部能源網(wǎng)獲得的天然氣直接供給天然氣負(fù)荷,同時(shí)增多的電負(fù)荷需求可由增多的風(fēng)電與光伏發(fā)電供給。

從設(shè)備運(yùn)行成本來(lái)看,方案2 高于方案1,這是由于當(dāng)考慮多元源荷之間的相關(guān)性后,CCHP 機(jī)組、HP 機(jī)組與GB 機(jī)組的工作狀態(tài)與工作時(shí)間會(huì)根據(jù)源荷波動(dòng)進(jìn)行調(diào)整。因此,相較于方案1 而言,方案2 中的能源耦合設(shè)備的運(yùn)行時(shí)間與運(yùn)行狀態(tài)會(huì)發(fā)生變化,增加了能源耦合設(shè)備的維護(hù)成本。因此,方案2 得到的設(shè)備運(yùn)行成本會(huì)高于方案1。

從棄風(fēng)棄光成本來(lái)看,方案2 的規(guī)劃結(jié)果低于方案1。從建設(shè)成本的規(guī)劃結(jié)果可知,當(dāng)氣負(fù)荷需求增大時(shí),CCHP 機(jī)組、GB 機(jī)組會(huì)減少出力。由于光-氣具有極強(qiáng)正相關(guān)性,風(fēng)-氣總體呈現(xiàn)正相關(guān)性,熱-氣具有強(qiáng)負(fù)相關(guān)性,電-氣具有強(qiáng)相關(guān)性,那么此時(shí)光伏出力、風(fēng)電出力以及電負(fù)荷需求都會(huì)增大,熱負(fù)荷需求會(huì)降低。因此,此時(shí)可以將增大的風(fēng)電出力與光伏出力用于供給電負(fù)荷需求,這能夠提高風(fēng)、光出力的消納,降低棄風(fēng)棄光成本。

3.3 運(yùn)行效果對(duì)比分析

RIES 的電網(wǎng)供用電/熱平衡如圖4 所示。從RIES 的供電平衡性來(lái)看,當(dāng)電力負(fù)荷較小時(shí),CCHP 機(jī)組降低電能出力,HP 機(jī)組將多余電能轉(zhuǎn)換為熱能,此時(shí)熱能主要由HP 機(jī)組提供。當(dāng)電力負(fù)荷較大時(shí),CCHP 機(jī)組提高電能出力,減少熱負(fù)荷供能,保證電負(fù)荷的正常用電。

圖4 規(guī)劃后RIES 供用電/熱平衡示意圖Fig.4 Schematic diagram of RIES electricity/heat balance after planning

方案1 與方案2 的風(fēng)、光消納對(duì)比如圖5 所示。方案1 所消納的風(fēng)、光總量為13 334 kW·h,方案2所消納的風(fēng)、光總量為14 645 kW·h。結(jié)合圖4 可以看出,在方案2 中,當(dāng)棄風(fēng)棄光率較高時(shí),HP 機(jī)組能夠?qū)⒃緹o(wú)法消納的風(fēng)、光出力轉(zhuǎn)換為熱能,對(duì)風(fēng)、光出力進(jìn)行有效消納。

圖5 2 種方案下RIES 風(fēng)、光消納對(duì)比Fig.5 Comparison of RIES wind and photovoltaic accomodation with two schemes

4 結(jié)語(yǔ)

本文提出了一種描述風(fēng)、光等多能源出力及多能負(fù)荷之間相關(guān)性的分析方法,建立了以投資成本、運(yùn)行成本、棄風(fēng)棄光成本與外部能源交易成本之和最小為目標(biāo)函數(shù)的RIES 規(guī)劃模型?；诟倪M(jìn)IEEE 39 節(jié)點(diǎn)電網(wǎng)、比利時(shí)20 節(jié)點(diǎn)氣網(wǎng)以及14 節(jié)點(diǎn)熱網(wǎng)、14 節(jié)點(diǎn)冷網(wǎng)組合模型對(duì)所提方法進(jìn)行了仿真驗(yàn)證,結(jié)果證明了本文所提規(guī)劃模型、求解方法的有效性以及能源耦合設(shè)備對(duì)風(fēng)、光出力消納的積極作用,并得到以下結(jié)論:

1）建立了考慮相關(guān)性的源荷不確定性模型。首先,通過(guò)Beta 分布與非參數(shù)核密度估計(jì)構(gòu)建光伏出力綜合概率模型,建立風(fēng)電出力與多能負(fù)荷需求概率模型。然后,采用Nataf 變換與Cholesky 分解的風(fēng)-光-荷相關(guān)性分析方法,有效分析了風(fēng)電出力、光伏發(fā)電出力、電負(fù)荷需求、氣負(fù)荷需求與熱負(fù)荷需求之間的相關(guān)性。最后,提出了基于相關(guān)性控制的LHS 方法與改進(jìn)的K-means 方法,生成考慮多元源荷相關(guān)性的RIES 典型運(yùn)行場(chǎng)景,能夠在考慮多元源荷相關(guān)的條件下處理多元源荷的不確定性,滿足計(jì)算精度要求,最大可能地保留了數(shù)據(jù)特征。

2）建立了考慮多元源荷相關(guān)性的RIES 規(guī)劃模型。首先,對(duì)能量轉(zhuǎn)換設(shè)備（CCHP 機(jī)組、HP 機(jī)組與GB 機(jī)組）進(jìn)行建模,描述了能量轉(zhuǎn)換設(shè)備的工作原理與特性。然后,基于能量樞紐原理建立了包含風(fēng)電機(jī)組、光伏發(fā)電機(jī)組以及多能負(fù)荷的RIES 模型。最后,基于對(duì)各能源轉(zhuǎn)換設(shè)備工作原理、各能源運(yùn)行特征、各類(lèi)負(fù)荷需求特征的研究,建立了以投資、運(yùn)行、棄風(fēng)棄光、外部能源交易成本之和最小為目標(biāo)函數(shù)的RIES 規(guī)劃模型,其約束條件包含了規(guī)劃決策變量約束、網(wǎng)絡(luò)安全運(yùn)行約束以及能源轉(zhuǎn)換設(shè)備運(yùn)行約束,優(yōu)化了能源轉(zhuǎn)換設(shè)備的運(yùn)行狀態(tài),保證了規(guī)劃結(jié)果能夠在各隨機(jī)場(chǎng)景下安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。

3）研究了考慮多元源荷相關(guān)性的RIES 規(guī)劃模型求解方法,建立了RIES 測(cè)試算例,采用分支定界法對(duì)模型進(jìn)行求解,并對(duì)求解得到的規(guī)劃結(jié)果進(jìn)行對(duì)比分析,總結(jié)了考慮多元源荷相關(guān)性對(duì)RIES 規(guī)劃產(chǎn)生的影響。通過(guò)對(duì)結(jié)果的分析可以驗(yàn)證,本文所建立的規(guī)劃模型與分支定界算法能夠有效解決含有CCHP 機(jī)組、HP 機(jī)組、GB 機(jī)組、風(fēng)電機(jī)組、光伏發(fā)電機(jī)組與電負(fù)荷、氣負(fù)荷、熱負(fù)荷的RIES 規(guī)劃問(wèn)題。通過(guò)設(shè)置對(duì)照方案對(duì)得到的規(guī)劃結(jié)果進(jìn)行分析,可以驗(yàn)證考慮多元源荷相關(guān)性能夠有效解決RIES 的棄風(fēng)棄光問(wèn)題,提高能源利用效率,實(shí)現(xiàn)能源轉(zhuǎn)換設(shè)備的優(yōu)化運(yùn)行,降低RIES 的規(guī)劃總成本。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。