大規(guī)模區(qū)域型微網(wǎng)集群的去中心調(diào)度

趙海兵，封國(guó)棟，高文浩,葛楊,周曉倩,李昭昱

(1.國(guó)網(wǎng)山東省電力公司德州供電公司，山東 德州 253000； 2.上海交通大學(xué) 電氣工程系 電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室， 上海 200240)

0 引 言

集成冷、熱、電、氣等多種能源的區(qū)域型綜合能源系統(tǒng)可以實(shí)現(xiàn)能量的梯級(jí)利用，顯著的提高經(jīng)濟(jì)效益，是現(xiàn)代能源供給體系中一個(gè)重要的組成部分，并為未來的能源發(fā)展指明了方向[1]。區(qū)域型多能互補(bǔ)微網(wǎng)作為區(qū)域型綜合能源系統(tǒng)的具體實(shí)現(xiàn)方式，是未來小區(qū)以及區(qū)域型建筑較有前景的供能方式，為多能流的綜合分析和應(yīng)用提供了全新的視角。目前對(duì)于多能流的區(qū)域型綜合能源系統(tǒng)已經(jīng)有部分研究，多集中在冷能、熱能、電能、氣能中某幾種能流的組合優(yōu)化?；谝粋€(gè)由冷熱電聯(lián)產(chǎn)系統(tǒng)、儲(chǔ)熱裝置以及插電式混合動(dòng)力汽車等組成的居民能源集線器，文獻(xiàn)[2]研究了在不確定性因素下樓宇級(jí)綜合能源系統(tǒng)經(jīng)濟(jì)運(yùn)行問題。計(jì)及電轉(zhuǎn)氣技術(shù)，文獻(xiàn)[3]基于經(jīng)濟(jì)最優(yōu)建立了多源儲(chǔ)能型微網(wǎng)系統(tǒng)的日前優(yōu)化調(diào)度模型。文獻(xiàn)[4]提出了一種采用多種能量轉(zhuǎn)換方法的冷熱電聯(lián)產(chǎn)微電網(wǎng)的非線性最優(yōu)區(qū)間調(diào)度模型。具體而言，考慮風(fēng)電、光伏、冷負(fù)荷、熱負(fù)荷和電負(fù)荷的波動(dòng)，提出了一種以系統(tǒng)成本最低為目標(biāo)，影響環(huán)境效益的非線性區(qū)間優(yōu)化模型。文獻(xiàn)[5]以多微網(wǎng)系統(tǒng)的總體運(yùn)行成本最低為目標(biāo)函數(shù)，建立了考慮微網(wǎng)間功率交互和微源出力協(xié)調(diào)的優(yōu)化調(diào)度模型。

以上文獻(xiàn)均是對(duì)綜合能源系統(tǒng)或者多微網(wǎng)系統(tǒng)的集中式優(yōu)化，然而由于多微網(wǎng)系統(tǒng)中每個(gè)微網(wǎng)可能有不同的管理者，考慮到信息的隱私性以及調(diào)度的獨(dú)立性，集中式優(yōu)化不再適用于未來能源系統(tǒng)的發(fā)展。同時(shí)，隨著越來越多的微網(wǎng)并入集群，由集中式優(yōu)化引起的計(jì)算負(fù)擔(dān)將不斷增長(zhǎng)，分布式計(jì)算由于將優(yōu)化問題分解到每個(gè)微網(wǎng)，將有益于解決這一挑戰(zhàn)。對(duì)于能源系統(tǒng)或者多微網(wǎng)的分布式調(diào)度問題，為避免集中式優(yōu)化方法存在的數(shù)據(jù)采集量大、模型復(fù)雜、與實(shí)際運(yùn)行管理模式不匹配等現(xiàn)實(shí)問題，文獻(xiàn)[6]提出了與能量樞紐分布式粒度相適應(yīng)的多主體協(xié)同優(yōu)化調(diào)度模型，并給出了基于交替方向乘子法的分布式求解流程。針對(duì)電-氣-熱混聯(lián)系統(tǒng)日前調(diào)度問題，文獻(xiàn)[7]建立了以系統(tǒng)經(jīng)濟(jì)成本為目標(biāo)函數(shù)的日前調(diào)度模型，并提出了基于改進(jìn)交替方向乘子法的分布式優(yōu)化調(diào)度方法。文獻(xiàn)[8]分析了不同主體的運(yùn)行特性和運(yùn)行約束，并引入了交替方向乘子法，構(gòu)建了計(jì)及CO2排放水平的綜合能源系統(tǒng)分布式日前低碳經(jīng)濟(jì)調(diào)度模型。文獻(xiàn)[9]以能源中心為基礎(chǔ)，基于輔助問題原則算法、分塊坐標(biāo)下降法和近似牛頓法建立了計(jì)及碳交易成本的多區(qū)域綜合能源系統(tǒng)分散調(diào)度模型。

文獻(xiàn)[6-9]均是使用對(duì)偶分解算法來處理綜合能源系統(tǒng)的分布式調(diào)度問題，但是由于對(duì)偶分解算法收斂速度慢，隨著并入集群的微網(wǎng)數(shù)目逐漸增多，對(duì)偶分解算法迭代需要的次數(shù)和時(shí)間也大幅度增長(zhǎng)，很難應(yīng)對(duì)未來大規(guī)模能源系統(tǒng)的發(fā)展。不同于對(duì)偶分解算法，原分解算法可以加快分布式算法的聚合速度，并且隨著子系統(tǒng)的數(shù)目增多，迭代次數(shù)不發(fā)生顯著增長(zhǎng)，是分布式優(yōu)化調(diào)度更為合適的選擇。Dantzig-Wolfe分解算法[10-12]是一種基于列生成的原分解算法，其具有收斂速度快，且受子系統(tǒng)規(guī)模影響較小的顯著優(yōu)勢(shì)，已經(jīng)應(yīng)用在需求響應(yīng)以及電動(dòng)汽車充電等領(lǐng)域中。基于Dantzig-Wolfe分解算法，文中研究含冷-熱-電-氣的總線型多能互補(bǔ)微網(wǎng)集群的分布式調(diào)度，并提出對(duì)應(yīng)的分布式優(yōu)化算法框架，同時(shí)與最優(yōu)條件分解算法(Optimal Condition Decomposition, OCD)[13]、預(yù)測(cè)校正近端乘子法(Predictor Corrector Proximal Multiplier, PCPM)[14]以及輔助問題原則(Auxiliary Problem Principle, APP)[15-16]這三種類型的分布式分解算法進(jìn)行對(duì)比分析。

1 多能互補(bǔ)微網(wǎng)集群建模

1.1 總線型微網(wǎng)集群架構(gòu)

總線型微網(wǎng)集群架構(gòu)如圖1所示，每個(gè)微電網(wǎng)(#1～#M,M是微電網(wǎng)的總數(shù)目)通過集群母線并入配電網(wǎng)的節(jié)點(diǎn)N。為了便于分布式算法的應(yīng)用，圖2通過在微電網(wǎng)和配電網(wǎng)之間引入虛擬協(xié)調(diào)器來解耦集群母線。章節(jié)1.2和1.3分別給出了微網(wǎng)的優(yōu)化模型以及虛擬協(xié)調(diào)器的優(yōu)化模型。

圖2 總線型拓?fù)涞牡刃Ъ軜?gòu)

1.2 優(yōu)化模型

1.2.1 微網(wǎng)的優(yōu)化模型

圖3是含冷-熱-電-氣的微網(wǎng)典型拓?fù)浼軜?gòu)，包含供電回路、供熱回路、供冷回路以及供氣回路。其中，供電回路包含燃?xì)廨啓C(jī)(Micro-gas Turbine, MT)、光伏發(fā)電設(shè)備(Photovoltaics, PV)、風(fēng)力發(fā)電設(shè)備(Wind Turbine, WT)、蓄電池；供熱回路包括熱回收系統(tǒng)、燃?xì)忮仩t、蓄熱箱、電轉(zhuǎn)熱設(shè)備(Power to Heat, P2H)；供冷回路包括電制冷機(jī)、吸收式制冷機(jī)；供氣回路包括電轉(zhuǎn)氣設(shè)備(Power to Gas, P2G)、蓄氣箱。每個(gè)微網(wǎng)內(nèi)部含有電負(fù)荷、冷負(fù)荷、熱負(fù)荷以及氣負(fù)荷。

圖3 含冷-熱-電-氣的微網(wǎng)典型拓?fù)浼軜?gòu)

微網(wǎng)的目標(biāo)函數(shù)CM包含從外界購(gòu)買天然氣的成本Cbuy,t，以及燃?xì)廨啓C(jī)、燃?xì)忮仩t、吸收式制冷機(jī)、電制冷機(jī)、電轉(zhuǎn)氣設(shè)備、電轉(zhuǎn)熱設(shè)備、光伏發(fā)電裝置、風(fēng)力發(fā)電裝置的運(yùn)行維護(hù)成本Com,t，相關(guān)公式見式(1)～式(3)。其中，T為調(diào)度周期，文中設(shè)置為24 h，Δt為1 h調(diào)度間隔；Fbuy,t為從外界購(gòu)買的天然氣耗量;Cfuel為天然氣的價(jià)格;kmt,kgb,kac,kec,kp2g,kp2h,kpv,kwt,kbt,ktank分別為與MT、燃?xì)忮仩t、吸收式制冷機(jī)、電制冷機(jī)、P2G、P2H、PV、WT、蓄電池和蓄熱箱運(yùn)行維護(hù)成本有關(guān)的系數(shù)；Pmt,t為燃?xì)廨啓C(jī)的功率;Qgb,t為燃?xì)忮仩t產(chǎn)生的熱功率;Qac,t為吸收式制冷機(jī)的制冷功率;Qec,t為電制冷機(jī)的制冷功率;Qp2g,t為P2G設(shè)備產(chǎn)生的氣功率;Qp2h,t為P2H設(shè)備產(chǎn)生的熱功率;Ppv,t,Pwind,t分別為光伏和風(fēng)電的出力；Pc,t,Pd,t分別為蓄電池的充放電效率;Qc,t,Qd,t分別為蓄熱箱存儲(chǔ)和釋放的熱能。

(1)

Cbuy,t=Fbuy,tCfuel

(2)

(3)

微網(wǎng)系統(tǒng)各個(gè)設(shè)備的相關(guān)約束如式(4)～式(19)所示，其中上標(biāo)為 “min”和“max”的變量表示相關(guān)變量的上下限值，詳細(xì)敘述如下：

(1)平衡約束。

式(4)表示微網(wǎng)的電力平衡約束; 式(5)代表微網(wǎng)的熱功率平衡約束；式(6)代表微網(wǎng)的冷功率平衡約束; 式(7)表示微網(wǎng)的氣功率平衡約束。

(4)

(5)

Qac,t+Qec,t=Cload,t

(6)

Fm,t+Fgb,t+Qcg,t·Δt+Gload,t=Fbuy,t+Fp2g,t+

Qdg,t·Δt

(7)

(2)燃?xì)廨啓C(jī)約束。

式(8)分別列出了燃?xì)廨啓C(jī)的燃?xì)夂牧俊峄厥障到y(tǒng)回收的熱功率、燃?xì)廨啓C(jī)的上下限以及爬坡率約束。

(8)

式中Fmt,t為燃?xì)廨啓C(jī)的天然氣耗量;Qrec,t為熱回收系統(tǒng)回收的熱功率;ηmt為燃?xì)廨啓C(jī)的發(fā)電效率;ηrec為熱回收系統(tǒng)的回收效率;Δrd和Δru分別為燃?xì)廨啓C(jī)的爬坡率上下限值。

(3)熱回收系統(tǒng)約束。

式(9)分別是熱回收系統(tǒng)回收的熱功率需滿足的容量約束以及該熱功率用于提供冷熱能的約束。

(9)

(4)蓄電池約束。

式(10)分別列出了蓄電池荷電容量(State of Charge, SOC)不同時(shí)刻之間的關(guān)系式、SOC的上下限約束、SOC相鄰天之間的平衡約束、蓄電池充放電功率的上下限約束。

(10)

式中St為時(shí)刻t蓄電池的SOC值;δ為自放電率;ηc,ηd分別為充電效率、放電效率;Es為蓄電池的容量。

(5)蓄熱箱約束。

式(11)分別列出了蓄熱箱不同時(shí)刻容量之間的關(guān)系式、蓄熱箱儲(chǔ)存熱功率的等式、蓄熱箱釋放熱功率的等式、容量的上下限約束、蓄熱箱用來制熱和制冷的熱功率約束、蓄熱箱的充放電功率約束。

(11)

(6)蓄氣箱約束。

式(12)分別列出了蓄氣箱不同時(shí)刻容量之間的關(guān)系式、容量的上下限約束、蓄氣箱存儲(chǔ)氣能與釋放氣能的功率約束。

(12)

式中Wg,t為時(shí)刻t蓄氣箱的可用氣容量;σ為氣損耗率;Gc,Gd分別為氣功率存儲(chǔ)和釋放的效率。

(7)吸收式制冷機(jī)與電制冷機(jī)約束。

式(13)分別列出了吸收式制冷機(jī)與熱回收系統(tǒng)、燃?xì)忮仩t以及蓄熱箱所提供熱能之間的關(guān)系式、吸收式制冷機(jī)所提供的冷功率約束; 式(14)分別列出了電制冷機(jī)所提供的冷功率與所需電功率之間的關(guān)系式、電制冷機(jī)所提供的冷功率約束。

(13)

(14)

(8)燃?xì)忮仩t約束。

式(15)分別列出了燃?xì)忮仩t的燃?xì)夂牧颗c其所提供的熱功率之間的關(guān)系式、燃?xì)忮仩t所提供的熱功率與其制冷功率和制熱功率之間的關(guān)系式；燃?xì)忮仩t所提供的熱功率上下限約束、用于制冷功率和制熱功率的約束。

(15)

式中Qgb,t為燃?xì)忮仩t所提供的熱功率;ηgb為燃?xì)忮仩t的轉(zhuǎn)換效率。

(9)P2G和P2H約束。

式(16)分別描述了電轉(zhuǎn)熱設(shè)備所提供的熱功率與所需電功率之間的關(guān)系式、所提供熱功率的上下限約束；式(17)分別描述了電轉(zhuǎn)氣設(shè)備所提供的氣功率與所需電功率之間的關(guān)系式，電轉(zhuǎn)氣設(shè)備的燃?xì)夂牧颗c氣功率之間的關(guān)系式、所提供氣功率的上下限約束。

(16)

(17)

式中Cp2g,Cp2h分別P2G設(shè)備、P2H設(shè)備的轉(zhuǎn)換效率。

(10)其他約束。

式(18)給出了從外界供氣站所購(gòu)買的燃?xì)饬考s束；式(19)給出了微網(wǎng)與虛擬協(xié)調(diào)器之間功率的上、下限約束。

(18)

(19)

1.2.2 虛擬協(xié)調(diào)器的優(yōu)化模型

虛擬協(xié)調(diào)器的優(yōu)化模型和相關(guān)約束如式(20)～式(22)所示。其中，CV為虛擬協(xié)調(diào)器的總成本；Cex,t為虛擬協(xié)調(diào)器與大電網(wǎng)之間交易成本的總和；Pex,t為虛擬協(xié)調(diào)器與大電網(wǎng)之間的交換功率，購(gòu)入為正，售出為負(fù)；Ebuy,Esell分別為虛擬協(xié)調(diào)器與大電網(wǎng)之間的購(gòu)售電價(jià)；ΦV為所有微電網(wǎng)的集合。式(21)描述的是虛擬協(xié)調(diào)器的功率平衡約束；式(22)給出了其與大電網(wǎng)之間交換功率的上、下限約束。

(20)

(21)

(22)

2 分布式實(shí)現(xiàn)

文中使用基于列生成的DWD方法分布式求解第1部分給出的優(yōu)化模型，其中式(21)給出了虛擬協(xié)調(diào)器和所有微網(wǎng)的耦合約束，該耦合約束限制了分布式求解的可能性。DWD方法將集中式的優(yōu)化模型分解為主問題和子問題，其中主問題在虛擬協(xié)調(diào)器中求解，子問題在每個(gè)微網(wǎng)內(nèi)部求解，通過不斷生成列以及主子問題的交替求解，分布式處理的優(yōu)化問題可以達(dá)到全局最優(yōu)解。

2.1 主問題

主問題表示每次迭代下整個(gè)系統(tǒng)的總運(yùn)行成本，其目標(biāo)函數(shù)可以描述為：

(23)

式中τv,k為第k次迭代下主問題的目標(biāo)函數(shù)；CV,k為第k次迭代下虛擬協(xié)調(diào)器的運(yùn)行成本CV；Ci,k為第k次迭代下微網(wǎng)i的運(yùn)行成本CM，該數(shù)值由微網(wǎng)i在k次迭代后傳遞給虛擬協(xié)調(diào)器；λi,k為第k次迭代下微網(wǎng)i的權(quán)重變量，該值可由虛擬協(xié)調(diào)器最小化目標(biāo)函數(shù)求得。主問題的耦合約束(21)可以分解為：

(24)

(25)

微電網(wǎng)i的每次迭代均會(huì)新增一個(gè)權(quán)重變量λi,k，這些權(quán)重變量表示最優(yōu)解中每次迭代所占據(jù)的權(quán)重值。當(dāng)λi,k=0時(shí)，表示對(duì)應(yīng)迭代次數(shù)下的相應(yīng)值不屬于最優(yōu)解的一部分；當(dāng)λi,k=1時(shí)，表示對(duì)應(yīng)迭代次數(shù)下的相應(yīng)值即為最優(yōu)解。權(quán)重變量λi,k的相關(guān)約束見式(26)和式(27)所示：

(26)

0≤λi,k≤1

(27)

πt為對(duì)應(yīng)于等式約束(24)的對(duì)偶變量，也可以看成影子價(jià)格或者邊際成本，即如果將等式約束式(24)松弛一個(gè)單位，可以帶來πt的收益。針對(duì)DWD分解算法，πt可以看成微電網(wǎng)i與虛擬協(xié)調(diào)器之間的出清電價(jià)；σi為對(duì)應(yīng)著凸等式約束式(26)的對(duì)偶變量(影子價(jià)格/邊際成本)，其表示后續(xù)迭代是否能夠繼續(xù)減少主問題的目標(biāo)函數(shù)值，即微電網(wǎng)i的總成本必須小于或者等于σi以保證最優(yōu)性。每次迭代，主問題將求解出來的λi,k,πt與σi向量發(fā)送給子問題。

2.2 子問題

子問題的目標(biāo)函數(shù)νi,k是微電網(wǎng)原先目標(biāo)函數(shù)Ci,k的擴(kuò)展版，其包括微電網(wǎng)i的成本函數(shù)Ci,k，與虛擬協(xié)調(diào)器交易的成本以及邊際成本σi。在已知權(quán)重系數(shù)λi,k，影子價(jià)格πt與σi的基礎(chǔ)上，每個(gè)微網(wǎng)m最小化求解擴(kuò)展后的目標(biāo)函數(shù)νi,k，得出當(dāng)前迭代下的實(shí)際成本Ci,k與交互功率Pi,t,k，將其上傳給主問題。如果νi,k≤0，意味著當(dāng)前迭代下的最優(yōu)解有能力進(jìn)一步減少主問題的目標(biāo)函數(shù)值，因此是有效的，才會(huì)被添加到主問題的相應(yīng)列中。反之，相應(yīng)參數(shù)被賦予0上傳給主問題，指示當(dāng)前迭代求出的解是無效的。需要說明的是，在開始的前幾次迭代中，即便νi,k≥0也被允許將對(duì)應(yīng)參數(shù)添加到主問題中，直到開始出現(xiàn)vi,k≤0的迭代時(shí)，才將前幾次迭代的列參數(shù)移除或者賦值為0。

(28)

當(dāng)主問題的目標(biāo)函數(shù)值τv,k滿足式(29)，迭代停止，該迭代終止條件由主問題進(jìn)行判斷。ε為聚合容限，被設(shè)置為0.001。同時(shí)添加額外的迭代次數(shù)限制kmax=100，當(dāng)達(dá)到最大迭代次數(shù)時(shí)，程序被強(qiáng)制停止。

(29)

算法首先以空列集合初始化主問題，之后，將主問題求得的權(quán)重系數(shù)λi,k，陰影價(jià)格πt與σi發(fā)送給子問題。每個(gè)微電網(wǎng)在已知權(quán)重系數(shù)和陰影價(jià)格的基礎(chǔ)上，獨(dú)立優(yōu)化各自的子問題，將優(yōu)化后的Ci,k與Pi,t,k參數(shù)值上傳給主問題。主問題添加從子問題傳送的新列后開啟下一次迭代。直到滿足終止條件或者達(dá)到最大迭代次數(shù)，主問題的迭代終止，并將最后一次迭代求得的權(quán)重系數(shù)和陰影價(jià)格發(fā)送給子問題。從文獻(xiàn)[10-12]可知，所需的迭代次數(shù)基本不隨微電網(wǎng)規(guī)模的增長(zhǎng)而增長(zhǎng)，20次左右迭代足夠達(dá)到充分的聚合。具體的算法流程圖見圖4。

圖4 基于DWD的分布式求解算法流程圖

每個(gè)微網(wǎng)的子問題以及虛擬協(xié)調(diào)器的主問題是獨(dú)立的，所以可以以分布式的方式進(jìn)行求解，其有利于保護(hù)每個(gè)微電網(wǎng)的隱私。實(shí)際上，每個(gè)子問題由對(duì)應(yīng)的微網(wǎng)獨(dú)立的求解，虛擬協(xié)調(diào)器僅僅獲知少量與微電網(wǎng)運(yùn)行有關(guān)的數(shù)據(jù)。而且，分布式計(jì)算對(duì)于通信失敗是更魯棒的，如果某個(gè)微電網(wǎng)與虛擬協(xié)調(diào)器通信失敗，其計(jì)算得出的本地解也總是可行的。在此種情況下，子問題可以僅僅考慮最后一列的參數(shù)值來求取最優(yōu)解，如果之后通信被恢復(fù)，盡管所需的迭代次數(shù)會(huì)明顯增加，但是其最終解的質(zhì)量不會(huì)受到影響。

3 算例分析

針對(duì)冬季典型日，即熱負(fù)荷需求遠(yuǎn)遠(yuǎn)大于冷負(fù)荷需求的時(shí)期，對(duì)所提的模型和分布式算法進(jìn)行仿真分析。其中，微網(wǎng)2的氣負(fù)荷需求很大，微網(wǎng)1/3/4的氣負(fù)荷需求較小，微網(wǎng)1的電負(fù)荷很大，微網(wǎng)2/3/4的電負(fù)荷需求較小，四個(gè)微網(wǎng)的冷熱負(fù)荷需求差距不大。每個(gè)微電網(wǎng)的風(fēng)光功率以及冷熱電氣負(fù)荷曲線如圖5所示。微網(wǎng)2、微網(wǎng)3的燃?xì)廨啓C(jī)運(yùn)行效率比較高，分別是0.6、0.7，而微網(wǎng)1、微網(wǎng)4的燃?xì)廨啓C(jī)運(yùn)行效率比較低，分別是0.4、0.5。P2G設(shè)備電轉(zhuǎn)氣效率在0.7左右，P2H設(shè)備電轉(zhuǎn)熱效率在0.95左右。四個(gè)微網(wǎng)從外界購(gòu)買燃?xì)獾淖畲罅糠謩e是600 kW、 400 kW、 500 kW、 600 kW。微網(wǎng)群從外界電網(wǎng)購(gòu)買/銷售的電功率最大值為800 kW。微網(wǎng)1、微網(wǎng)4與虛擬協(xié)調(diào)器之間交換功率的最大值為500 kW，微網(wǎng)2、微網(wǎng)3與虛擬協(xié)調(diào)器之間交換功率的最大值為800 kW。燃?xì)廨啓C(jī)的最大出力限制分別為300 kW、 400 kW、 450 kW、 350 kW。燃?xì)赓M(fèi)用系數(shù)為0.07 $/kWh，吸收式制冷機(jī)的能效比是0.9左右，電制冷機(jī)的能效比是3左右。

圖5 四個(gè)微網(wǎng)的風(fēng)光功率以及電-熱-冷-氣負(fù)荷曲線

3.1 算法對(duì)比

針對(duì)第2章給出的優(yōu)化模型，分別利用文中提出的DWD算法與已有文獻(xiàn)的OCD、PCPM、APP算法進(jìn)行分布式求解，并從達(dá)到最優(yōu)解的迭代次數(shù)、交換變量、是否需要參數(shù)調(diào)節(jié)、算法性質(zhì)、算法應(yīng)用方式等方面對(duì)不同算法進(jìn)行對(duì)比分析，見表1。從已有文獻(xiàn)可知，這些分布式算法均能聚合到集中式所求得的全局最優(yōu)解，所以文中不再進(jìn)行集中式結(jié)果與分布式結(jié)果之間的對(duì)比，僅對(duì)不同類型算法的不同方面進(jìn)行總結(jié)分析。從表1可以看出，DWD所需的迭代次數(shù)最少，交換變量最多，不需要參數(shù)調(diào)節(jié)，屬于序列型的原分解算法；而APP雖然僅僅存在聯(lián)絡(luò)線功率的交換，通信負(fù)擔(dān)輕，而且是相對(duì)節(jié)省運(yùn)行時(shí)間的平行型算法，但是其需要參數(shù)調(diào)節(jié)，所需迭代次數(shù)最多；OCD算法和PCPM算法迭代次數(shù)位于二者之間，交換變量均為聯(lián)絡(luò)線功率和對(duì)偶變量，然而OCD算法是不需要參數(shù)調(diào)節(jié)的平行型算法，PCPM是屬于需要參數(shù)調(diào)節(jié)的序列型算法，從運(yùn)行時(shí)間和性能上將，OCD算法更具有一些優(yōu)勢(shì)。

表1 四種類型分布式算法的對(duì)比

表2給出了四種分布式算法隨著微網(wǎng)規(guī)模增大所需的迭代次數(shù)變化情況，其中可以看出，DWD算法的迭代次數(shù)基本不發(fā)生增長(zhǎng)，完全可以應(yīng)對(duì)未來大規(guī)模微網(wǎng)并入集群而帶來的計(jì)算挑戰(zhàn)。相反，OCD算法、PCPM算法、APP算法的迭代次數(shù)均發(fā)生了很大的增長(zhǎng)，聚合難度大大提升，不適合應(yīng)用在大規(guī)模的優(yōu)化問題中。綜合可知，雖然DWD算法的通信負(fù)擔(dān)相對(duì)重，是相對(duì)耗費(fèi)運(yùn)行時(shí)間的序列型算法，但是其不需要參數(shù)調(diào)節(jié)，迭代次數(shù)較少且隨著規(guī)模的增大變化較小，不同微網(wǎng)之間具有一定的隱私保護(hù)，完全適合未來大規(guī)模微網(wǎng)集群的分布式應(yīng)用。

表2 不同微網(wǎng)規(guī)模下四種類型分布式算法迭代次數(shù)的對(duì)比

3.2 調(diào)度計(jì)劃

由于是冬季場(chǎng)景，所以熱負(fù)荷的需求遠(yuǎn)遠(yuǎn)大于冷負(fù)荷。由于P2G設(shè)備電轉(zhuǎn)氣的效率不高，轉(zhuǎn)成的燃?xì)夤┙o燃?xì)廨啓C(jī)以及燃?xì)忮仩t使用之后，總體效率更會(huì)發(fā)生下降，所以只有在燃?xì)庳?fù)荷需求非常大且從外界購(gòu)買的燃?xì)饬窟_(dá)到最大值的情況下，微網(wǎng)m才會(huì)從其他微網(wǎng)或者大電網(wǎng)處購(gòu)買電力供給電轉(zhuǎn)氣設(shè)備以產(chǎn)生所需的燃?xì)?。由于僅僅微網(wǎng)2的氣負(fù)荷很大，所以僅僅微網(wǎng)2的P2G設(shè)備會(huì)運(yùn)行，微網(wǎng)1/微網(wǎng)3/微網(wǎng)4的P2G設(shè)備并不會(huì)啟動(dòng)運(yùn)行。本章節(jié)給出四個(gè)微網(wǎng)的電-熱-冷-氣四種能流的運(yùn)行計(jì)劃，分別如圖6～圖9所示。

圖6 四個(gè)微網(wǎng)的電功率曲線

從圖6可以看出，由于微網(wǎng)2的燃?xì)獠蛔?，氣?fù)荷和熱負(fù)荷很高且燃?xì)廨啓C(jī)運(yùn)行效率低，微網(wǎng)2會(huì)從外界大量輸入電力啟動(dòng)P2G設(shè)備和P2H設(shè)備來滿足氣負(fù)荷和熱負(fù)荷的需求。燃?xì)廨啓C(jī)由于缺少燃?xì)獯蟛糠謺r(shí)刻并不工作，儲(chǔ)能設(shè)備在一天的初始和最后的一些時(shí)刻充電，中間的一些時(shí)刻放電以應(yīng)對(duì)增長(zhǎng)的負(fù)荷需求；微網(wǎng)1由于電負(fù)荷很大，燃?xì)廨啓C(jī)在大部分時(shí)刻都會(huì)啟動(dòng)運(yùn)行，同時(shí)也會(huì)從外界輸入電力以滿足電力供應(yīng)。由于燃?xì)獬渥愕娇梢怨┙o燃?xì)廨啓C(jī)和燃?xì)忮仩t產(chǎn)生足夠的熱量并且燃?xì)廨啓C(jī)運(yùn)行效率低，所以電轉(zhuǎn)熱不啟動(dòng)運(yùn)行；微網(wǎng)3和微網(wǎng)4的電負(fù)荷和氣負(fù)荷均比較小，所以大量多余的電力會(huì)輸出給微網(wǎng)1和微網(wǎng)2使用。由于熱負(fù)荷需求較大，所以燃?xì)廨啓C(jī)基本在一天內(nèi)均啟動(dòng)運(yùn)行，又由于微網(wǎng)3燃?xì)廨啓C(jī)的運(yùn)行效率比較高，所以在熱需求不足的時(shí)刻，電轉(zhuǎn)熱設(shè)備會(huì)啟動(dòng)運(yùn)行進(jìn)行彌補(bǔ)。而微網(wǎng)4燃?xì)廨啓C(jī)的運(yùn)行效率比較低，所以電轉(zhuǎn)熱設(shè)備不啟動(dòng)運(yùn)行。

從圖7可以看出，微網(wǎng)2的鍋爐和電轉(zhuǎn)熱設(shè)備滿足了大部分熱能需求，熱回收系統(tǒng)在初始的一些時(shí)刻產(chǎn)生的熱量存儲(chǔ)到蓄熱箱中，在中間熱需求增大的時(shí)刻，蓄熱箱釋放熱量彌補(bǔ)熱能的少量不足；微網(wǎng)1和微網(wǎng)4的電轉(zhuǎn)熱設(shè)備并不運(yùn)行，所以其熱需求由鍋爐、熱回收系統(tǒng)和蓄熱箱共同滿足，并且鍋爐和熱回收系統(tǒng)、蓄熱箱之間的熱量輸出互補(bǔ)。不同于微網(wǎng)1、微網(wǎng)2、微網(wǎng)4，微網(wǎng)3由四種熱能來源滿足熱負(fù)荷需求，分別是鍋爐、熱回收系統(tǒng)、電轉(zhuǎn)熱設(shè)備以及蓄熱箱。

圖7 四個(gè)微網(wǎng)的熱功率曲線

從圖8可以看出，由于是冬季場(chǎng)景，熱負(fù)荷的需求很大，所以熱回收系統(tǒng)和燃?xì)忮仩t產(chǎn)生的熱量全部供給了熱負(fù)荷，吸收式制冷機(jī)并未使用，所有的冷負(fù)荷需求由電制冷機(jī)全部滿足。

圖8 四個(gè)微網(wǎng)的冷功率曲線

從圖9可以看出，微網(wǎng)從外界購(gòu)買的燃?xì)饬砍藵M足氣負(fù)荷需求之外，還會(huì)供應(yīng)給燃?xì)忮仩t和燃?xì)廨啓C(jī)使用，并且在一些時(shí)刻剩余的燃?xì)饬窟€會(huì)儲(chǔ)存到蓄氣箱中供后續(xù)時(shí)刻釋放使用。由于僅僅微網(wǎng)2的P2G設(shè)備啟動(dòng)運(yùn)行，所以僅僅微網(wǎng)2的P2G設(shè)備在某些時(shí)刻會(huì)產(chǎn)生燃?xì)狻?/p>

圖9 四個(gè)微網(wǎng)的氣功率曲線

4 結(jié)束語

針對(duì)含有綜合能源的微網(wǎng)集群，通過引入虛擬協(xié)調(diào)器分解總線型拓?fù)?，提出DWD分布式算法求解多區(qū)域經(jīng)濟(jì)調(diào)度問題, 并且與其他類型的算法進(jìn)行了對(duì)比。從中可以看出，DWD算法應(yīng)用于未來的大規(guī)模集群上具有相當(dāng)好的性能，具有其他算法所不具有的顯著優(yōu)勢(shì)。同時(shí)，含冷熱電氣的綜合能源系統(tǒng)將是未來小區(qū)的典型能源發(fā)展模式，這一課題值得之后的深入研究。