考慮綜合能源系統(tǒng)中不確定性因素的建模研究

陳培培，蔣雯佳，周瑜健，顧 馨，桂佩雯，丘世潔

（南京師范大學泰州學院 電力工程學院，江蘇 泰州 225300）

隨著全球氣溫變暖、能源資源短缺等問題的日益突出，我國于2020年9月提出的“雙碳”（即碳達峰與碳中和）行動刻不容緩，在此目標下，電力系統(tǒng)勢必會加快推動向清潔低碳的方向轉型的工作[1]，而綜合能源系統(tǒng)（Integrated Energy System，IES）無疑是最優(yōu)選擇。

IES是新一代的能源系統(tǒng)，與傳統(tǒng)能源系統(tǒng)相比，其可以將新能源、電力和天然氣等多種類型的能源進行耦合互補，不僅能夠提高能源利用率，實現(xiàn)資源的優(yōu)化配置，而且能夠提供一種可持續(xù)發(fā)展的模式[2]。

新能源作為一種清潔高效的能源，將其接入電網具有明顯的優(yōu)勢，但是新能源具有間歇性、波動性的特征，這也會對IES系統(tǒng)的穩(wěn)定運行造成隱患。為了提高IES系統(tǒng)對新能源的消納能力，提出了一種考慮新能源配額制的多園區(qū)IES優(yōu)化調度的模型[3]，以此來保證系統(tǒng)的經濟性；而基于電轉氣技術，提出了一種IES系統(tǒng)多目標優(yōu)化調度模型[4]，考慮到低運行成本、低棄風成本與低環(huán)境污染3個目標，同時，也指出了在氣—電互聯(lián)系統(tǒng)運行時，天然氣系統(tǒng)里的氣負荷變化也會影響整個系統(tǒng)的經濟性[4]。以上所提方法均可以很好地消納新能源，但都沒有考慮新能源引入IES系統(tǒng)中所帶來的不確定性，在分析IES系統(tǒng)規(guī)劃運行時，考慮了風電或光伏這一不確定性因素，從而提高了系統(tǒng)的可靠性[5-6]。

需求響應作為一種“削峰填谷”的重要措施，其需求側負荷可以靈活地參與到電力系統(tǒng)運行中去。在IES系統(tǒng)中，系統(tǒng)呈現(xiàn)出多種能源耦合互補的趨勢，需求響應的新概念“綜合需求響應”也由此清晰。綜合需求響應可分為基于價格型與基于激勵型的，基于價格型的電負荷通過電價的調節(jié)變化引導用戶自主做出用電行為的調整，起到合理分配電能的目的；而基于激勵型的熱負荷是采取經濟補償?shù)却胧┕膭钣脩粼谀硶r刻中斷類似空調這類負荷，從而調度熱負荷，達到節(jié)能減排的目的[7-9]?；诰C合需求響應，建立了以運行成本最低和棄風成本最低的優(yōu)化模型，達到降低運行成本，減少棄風的目的[7]；結合基于價格型和基于激勵型2種綜合需求響應，采用改進的二階振蕩粒子群算法對所提出IES調度模型進行求解，發(fā)現(xiàn)用戶會從經濟效益方面考慮轉移部分用電，從而減少了系統(tǒng)的運行壓力，也提高了系統(tǒng)的可靠性[9]；以工業(yè)園區(qū)IES系統(tǒng)為對象，在IES系統(tǒng)中加入綜合需求響應，充分發(fā)揮了IES系統(tǒng)中電—熱—氣網的耦合優(yōu)點，提高了系統(tǒng)運行的經濟性與靈活性[10]；將傳統(tǒng)的電力系統(tǒng)評價性指標引入到了IES中，建立氣網的可靠性指標，同時加入綜合需求響應貢獻系數(shù)指標，以此對氣電聯(lián)合系統(tǒng)進行有效的可靠性評估[11]。

上述研究在IES系統(tǒng)中均沒有考慮或者僅單一的考慮了某一類不確定性因素，沒有將新能源、氣負荷和綜合需求響應等多重不確定性因素綜合考慮分析[2-10]。而隨著IES系統(tǒng)中各個能源的耦合程度的不斷加深，其中所存在的多重不確定性因素不可忽視，如何處理這些不確定性因素，對其準確潮流分析、合理規(guī)劃運行等研究具有關鍵作用。因此本文將從源、荷2方面針對IES中的主要不確定性因素進行分析并建立模型，以此提高IES運行的穩(wěn)定性與可靠性。

1 源荷側不確定性因素分析

IES系統(tǒng)雖然可以合理協(xié)調各個子系統(tǒng)的資源，但是該系統(tǒng)中卻存在大量的不確定性因素，而這些不確定性因素的存在也極大地影響了IES系統(tǒng)運行的可靠性，因此分析這些不確定性因素的重要意義不言而喻。IES結構如圖1所示。

從IES系統(tǒng)中的能源側來看，一方面火力發(fā)電機組的出力存在不確定性，另一方面天然氣站的出口壓強也不易獲取；如若接入大量的太陽能、風能等新能源，那么這些新能源所帶來的波動性也勢必會給系統(tǒng)造成更多的不確定性。

從IES系統(tǒng)中的負荷側來看，負荷側除了存在儲能系統(tǒng)、可變負荷（比如電動汽車）這些不確定性因素，還存在氣負荷，家庭用氣負荷就與用電負荷一樣，存在隨機不確定性；當然最重要的一點是，需求響應可以起到“削峰填谷”的作用，如若負荷參與到需求響應中，那么就會大大增加IES系統(tǒng)運行的不確定性。其中IES系統(tǒng)中參與綜合需求響應的負荷是由基于價格的電負荷和基于激勵的熱負荷構成，如圖1所示。

圖1 IES結構圖

除了以上不確定性因素，還存在燃料價格變動、政策調整等影響因素，但在短期內這些影響因素可以暫不考慮。因此本文基于以上影響因素，并結合實際主要考慮針對能源側中新能源、負荷側中氣負荷和綜合需求響應這3方面的不確定性因素進行分析并建立模型，這些不確定性因素均存在一定的波動性。

2 不確定性因素模型

從古至今，不確定現(xiàn)象形式多變，學者們在分析大量的不確定現(xiàn)象的過程中，發(fā)現(xiàn)了這些不確定性信息表現(xiàn)出灰色性、模糊性、未確知性和隨機性等方面的特征，而處理這些信息的方法則被稱為不確定性數(shù)學[12-13]。不確定性因素建模是分析IES系統(tǒng)不確定性的基礎，而針對影響IES系統(tǒng)穩(wěn)定運行的不確定性因素，目前主要有2種方法處理，一是區(qū)間分析法，二是場景分析法。區(qū)間分析法是以區(qū)間來描述不確定性的數(shù)據(jù)，從而實現(xiàn)數(shù)據(jù)的存儲與運算；場景分析法則可利用一些具有代表性的場景來表征不確定性因素的波動特征。

雖然這2種方法都能夠很好地處理不確定性因素，但是考慮到后續(xù)若需進行IES系統(tǒng)的潮流分析，由于區(qū)間分析法采用區(qū)間變量，會導致其在加減迭代過程中不斷增加，從而影響潮流計算結果的精確性；此外，上述不確定性因素具有一定概率分布特征，而場景法恰好能夠根據(jù)其特征將隨機模型轉化成確定的場景模型。因此本文采用第二種方法，即場景分析法。

本文以K均值聚類的方法產生幾種場景的方法為例，K均值聚類方法是通過判斷待聚類點到中心點的距離長短來聚類的一種方法，其算法步驟如下。

步驟1：輸入數(shù)據(jù)樣本，確定聚類個數(shù)、若干聚類對象的聚類中心。

步驟2：計算每個聚類對象中聚類點到中心點的距離后，根據(jù)最小距離對相對應的聚類對象進行重新分類。

步驟3：重新計算各個聚類的平均值作為新聚類中心。

步驟4：重復步驟2和3，直至無改變，同時生成若干場景。

在醫(yī)學生的本科學習過程中，對胃鏡知識涉及的章節(jié)有限，且不作為常規(guī)教學內容，因此，研究生階段學習胃鏡的知識及操作可以幫助消化內科專業(yè)的研究生加深對消化系統(tǒng)疾病的認識并提高診治能力。就目前我科室內鏡室對研究生胃鏡教學的現(xiàn)狀，有以下幾點思考。

IES系統(tǒng)中不確定性因素有新能源出力、氣負荷、基于價格的電負荷和基于激勵的熱負荷，那么通過K均值聚類法生成c個場景的話，其概率分布特征如式（1）—（4）所示，則總概率分布集Xc等于各個場景概率集之積，總場景數(shù)Nc等于各個不確定性因素場景之積。

式中：Xn表示新能源出力概率分布集；Pn表示新能源出力；μn表示新能源出力負荷概率，且μn1+μn2+…+μnN=1。

式中：Xq表示氣負荷概率分布集；Pq表示氣負荷；μq表示氣負荷概率，且μq1+μq2+…+μqN=1。

式中：Xd表示基于價格的電負荷概率分布集；Pd表示基于價格的電負荷；μd表示基于價格的電負荷負荷概率，且μd1+μd2+…+μdN=1。

式中：Xr表示基于激勵的熱負荷概率分布集；Pr表示基于激勵的熱負荷；μr表示基于激勵的熱負荷負荷概率，且μr1+μr2+…+μrN=1。

生成第c個場景μc的概率為

其中Σμc=1。

3 算例分析

本文采用6節(jié)點的系統(tǒng)，如圖2所示，G表示發(fā)電機，L表示負荷。算例中假設新能源采用風電、氣負荷、基于價格的電負荷和基于激勵的熱負荷數(shù)據(jù)[9]，并將其負荷擴大100倍。

圖2 輔助檢查工具

圖2 6節(jié)點系統(tǒng)示意圖

表1中列出了不同不確定性因素的每個場景的概率，可以發(fā)現(xiàn)所生成的每個場景概率不同，且每個不確定性因素的場景總概率均為1。

表1 不確定性因素的每個場景的概率

但是由于不確定性因素較多，其總場景數(shù)目Nc達到了81，數(shù)目較多，不便于后續(xù)研究。因此下面的算例引入等效負荷的概念，等效負荷等于用電負荷減去風電，而在本文中等效負荷則定義為基于價格的電負荷和基于激勵的熱負荷之和減去風電，如式（6）所示。如此，不確定性因素減少為2個。

等效負荷概率分布特征如式（7）所示

式中：Xe表示等效負荷概率分布集；Pe表示等效負荷；μe表示等效負荷負荷概率，且μe1+μe2+…+μeN=1。

式（5）更新為

根據(jù)K均值聚類方法生成等效負荷的3個場景如圖4所示，每個場景的概率分別是0.385、0.325和0.29?？倛鼍皵?shù)目則大大減少，根據(jù)計算結果為9個。

從圖3和圖4中可以看出，風電具有反調峰特性，在用電負荷較低時，風電出力較多。另外，不難發(fā)現(xiàn)，等效負荷曲線走勢受基于激勵的熱負荷的影響較大，2者曲線走勢相似。

圖3 不確定性因素的場景圖

圖4 等效負荷的場景圖

進一步結合圖3（b）與圖4，根據(jù)式（8）計算9個場景的概率（保留3位小數(shù)），具體見表2，其總概率為1。

表2 總場景的概率

4 結束語

本文從綜合能源系統(tǒng)中源荷側2方面考慮，針對其中的不確定性因素進行了分析并建立模型。通過分析IES中的不確定性因素，確定對能源側中的新能源與負荷側中的氣負荷、基于價格的電負荷和基于激勵的熱負荷這4種不確定性因素進行分析，并采用場景分析法，結合K均值聚類方法對其分別建立模型；為了進一步簡化總場景的數(shù)目，引入了等效負荷的概念。IES系統(tǒng)中的不確定性因素模型的建立，為后續(xù)研究IES潮流分析、優(yōu)化運行等內容奠定了基礎，有利于進一步提高IES系統(tǒng)運行的穩(wěn)定性與可靠性。