計(jì)及風(fēng)電隨機(jī)性的跨區(qū)域電-氣互聯(lián)系統(tǒng)分散協(xié)調(diào)調(diào)控

張 瀚，黃 琨，劉鳳全，王成福，周萬鵬，肖少華

（1.國(guó)家電網(wǎng)全球能源互聯(lián)網(wǎng)集團(tuán)有限公司，北京 100031；2.國(guó)網(wǎng)浙江省電力有限公司嘉興供電公司，浙江 嘉興 314033；3.山東大學(xué) 電氣工程學(xué)院，山東 濟(jì)南 250061）

0 引言

當(dāng)前各國(guó)將能源轉(zhuǎn)型、合作作為能源戰(zhàn)略的焦點(diǎn)，旨在促進(jìn)能源資源優(yōu)化配置和提高可再生能源消納水平[1]～[3]。以綜合能源系統(tǒng)（Integrated Energy System，IES）[4]概 念 為 依 托，針 對(duì) 電、氣 互 聯(lián)系統(tǒng)，國(guó)內(nèi)外學(xué)者在可靠性評(píng)估[5]、協(xié)同規(guī)劃和運(yùn)行[6]、能 量 流 分 析[7]，[8]、集 成 建 模 和 隨 機(jī) 優(yōu) 化[9]，[10]等方面取得眾多成果。

現(xiàn)有成果大多集中在區(qū)域型IES中氣、電、冷、熱等多品類能源系統(tǒng)的轉(zhuǎn)換及耦合機(jī)理分析，系統(tǒng)性的跨區(qū)域IES研究還很缺乏[11]，[12]。此外，現(xiàn)有成果較少考慮風(fēng)電隨機(jī)性對(duì)IES運(yùn)行調(diào)控的影響，而利用確定性的單一風(fēng)電預(yù)測(cè)場(chǎng)景數(shù)據(jù)則容易產(chǎn)生較大的計(jì)算誤差[13]。因此，迫切需要改進(jìn)調(diào)控方法，以應(yīng)對(duì)跨區(qū)型IES調(diào)控信息不完全互通而影響集中式調(diào)控。由于分布式優(yōu)化理論分解系統(tǒng)整體的優(yōu)化目標(biāo)，多個(gè)自主體彼此交換部分必要信息，同時(shí)進(jìn)行優(yōu)化調(diào)控以實(shí)現(xiàn)有效的協(xié)調(diào)合作[14]，[15]，因此，該理論與跨 區(qū)型IES協(xié)調(diào) 調(diào)控 需求不謀而合?，F(xiàn)有文獻(xiàn)中分布式優(yōu)化理論大多用于IES中不同能源類別間的分布式協(xié)調(diào)[16]，[17]，對(duì)于不同能源區(qū)域間以及二者同時(shí)考慮的研究仍然較少。在算法層面，對(duì)偶上升法的可分解性和乘子法的上界收斂屬性，在ADMM算法中實(shí)現(xiàn)了有機(jī)結(jié)合，使得該算法在算法收斂性以及解決大規(guī)模復(fù)雜問題方面具有顯著的優(yōu)勢(shì)[18]，[19]，因而成為IES分布式協(xié)調(diào)調(diào)控的重要算法。

在相互間信息不完全已知條件下，本文結(jié)合ADMM算法提出一種考慮風(fēng)電出力隨機(jī)性的CRIEGS分散協(xié)調(diào)調(diào)控策略。該策略可通過分散協(xié)調(diào)方式應(yīng)對(duì)信息不完全互通所帶來的挑戰(zhàn)。首先，在聯(lián)絡(luò)管線公共節(jié)點(diǎn)和耦合元件端口處進(jìn)行分解撕裂，構(gòu)建基于ADMM算法的分布式求解框架，并基于拉丁超立方分層采樣方法和后向場(chǎng)景削減技術(shù)生成典型風(fēng)電場(chǎng)景。進(jìn)而，以各個(gè)具有耦合關(guān)系的能源主體運(yùn)行成本的期望值最小為目標(biāo)，利用潘漢德爾修正穩(wěn)態(tài)潮流模型計(jì)算天然氣系統(tǒng)潮流分布，并考慮網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)電壓、氣壓安全約束條件等。最后，通過模型線性化方法和變懲罰參數(shù)的交替迭代方式，以加快整體求解效率，并通過所搭建的典型算例系統(tǒng)對(duì)所提調(diào)控策略的可行性與有效性進(jìn)行驗(yàn)證。

1 CRIEGS協(xié)調(diào)調(diào)控策略

1.1 CRIEGS組成結(jié)構(gòu)及協(xié)調(diào)特點(diǎn)

本文的CRIEGS由耦合元件、天然氣和電力系統(tǒng)組成，典型結(jié)構(gòu)如圖1所示。各區(qū)域內(nèi)部的天然氣系統(tǒng)與電力系統(tǒng)的雙向耦合關(guān)系由電轉(zhuǎn)氣（Power to Gas，P2G）和 燃 氣 機(jī) 組（Gas-Fired Unit，GFU）設(shè)備構(gòu)成，區(qū)域間的天然氣、電力傳輸以管道、電力線路為紐帶。由此，跨區(qū)域能源傳輸與區(qū)域內(nèi)能源交互的內(nèi)外兩層結(jié)構(gòu)已建立成功。

圖1 CRIEGS結(jié)構(gòu)示意圖Fig.1 Schematic diagram of CRIEGS

跨區(qū)協(xié)調(diào)可分為有上級(jí)和無上級(jí)協(xié)調(diào)機(jī)構(gòu)兩種類型，分別對(duì)應(yīng)跨省及以下和跨境范圍。在我國(guó)，跨省電力交易的順利進(jìn)行基于統(tǒng)一調(diào)度、分級(jí)管理模式，在此情況下，上級(jí)協(xié)調(diào)機(jī)構(gòu)可以減少互聯(lián)區(qū)域間信息交互。而在南方電網(wǎng)與東南亞國(guó)家的電力交易中，上級(jí)協(xié)調(diào)機(jī)構(gòu)卻沒有出現(xiàn)，雙方通過簽訂合同，明確電價(jià)、電量和送電周期等信息以及聯(lián)絡(luò)線技術(shù)參數(shù)信息，在滿足輸電協(xié)議以及系統(tǒng)安全要求的前提下進(jìn)行電力輸送。此外，天然氣系統(tǒng)和電力系統(tǒng)之間也尚未形成上級(jí)協(xié)調(diào)機(jī)構(gòu)，兩者長(zhǎng)期的獨(dú)立運(yùn)營(yíng)模式屬于無上級(jí)協(xié)調(diào)類型。

1.2 分布式求解框架

ADMM算法求解問題的基本形式以及對(duì)應(yīng)的縮放型迭代過程為[21]

式中：x和z分別為優(yōu)化問題F和G的變量；A，B和c為線性等式約束系數(shù)矩陣和向量；λ，μ分別為懲罰參數(shù)和對(duì)偶向量；k為迭代次數(shù)。

在跨區(qū)層面分解互聯(lián)的2個(gè)區(qū)域，基于天然氣、電力分別通過管線和電路線路進(jìn)行傳輸?shù)膶?shí)際情況，利用兩者的節(jié)點(diǎn)運(yùn)行狀態(tài)信息反映能源傳輸情況，既可方便信息互通，又不影響私密性。因此本文利用節(jié)點(diǎn)撕裂方法對(duì)聯(lián)絡(luò)管線上的公共節(jié)點(diǎn)進(jìn)行分解，如圖2所示。

圖2 公共節(jié)點(diǎn)分解Fig.2 Decomposition of public nodes

當(dāng)聯(lián)絡(luò)管線上沒有公共節(jié)點(diǎn)時(shí)，可以以管線中點(diǎn)作為虛擬節(jié)點(diǎn)進(jìn)行分解。分解后節(jié)點(diǎn)及管線兩端運(yùn)行狀態(tài)變量應(yīng)滿足：

式中：U，θ分別為公共節(jié)點(diǎn)的電壓幅值和相角；P，Q分別為聯(lián)絡(luò)線路傳輸?shù)挠泄蜔o功功率；f為聯(lián)絡(luò)管道氣流量。

在區(qū)域內(nèi)部，以相互耦合的2個(gè)能源類別為分解對(duì)象，考慮電力、天然氣系統(tǒng)通過耦合元件實(shí)現(xiàn)相互轉(zhuǎn)換，將GFU和P2G設(shè)備分別看作電力系統(tǒng)和天然氣系統(tǒng)的組成元件，進(jìn)而在GFU和P2G設(shè)備的輸入端口處進(jìn)行分解，如圖3所示。

圖3 耦合端口分解Fig.3 Decomposition of coupling ports

分解后耦合元件輸入端口兩端的運(yùn)行狀態(tài)變量應(yīng)滿足：

式中：fELE，fGAS分別為GFU耗氣量和天然氣系統(tǒng)供氣量；PGAS，PELE分別為P2G設(shè)備耗電量和電力系統(tǒng)供電量。

式（3），（4）為 多 能 系 統(tǒng) 中 耦 合 變 量 的 線 性 等式約束，將其帶入式（2）后進(jìn)行迭代，對(duì)系統(tǒng)進(jìn)行分布式求解。迭代收斂條件滿足：

式中：μDUAL，μPRI分別為相對(duì)容忍度和絕對(duì)容忍度；s，r分別為對(duì)偶?xì)埐詈驮細(xì)埐睢?/p>

1.3 場(chǎng)景法

利用多個(gè)離散場(chǎng)景表征風(fēng)電的隨機(jī)性是一種簡(jiǎn)單便捷的方法，主要包括場(chǎng)景生成和場(chǎng)景削減2個(gè)過程。本文基于拉丁超立方采樣（Latin Hypercube Sampling，LHS）[22]方 法 對(duì) 日 前 各 時(shí) 段 風(fēng)電預(yù)測(cè)誤差概率分布進(jìn)行分層采樣。假設(shè)在任意t時(shí)段風(fēng)電預(yù)測(cè)出力Pwt的誤差服從正態(tài)分布N（u，σ2），其 中u為 出 力 期 望，σ為 標(biāo) 準(zhǔn) 差，則 對(duì) 應(yīng)的累積概率分布函數(shù)為

將Ft（Pwt）曲線的縱軸均勻分成N等份，其中N為采樣數(shù)。構(gòu)造[0，1]上T×N階隨機(jī)數(shù)矩陣，T為時(shí)段數(shù)。任意元素 εt，n對(duì)應(yīng)t時(shí)段、第n個(gè)采樣區(qū)間的采樣點(diǎn)。風(fēng)電預(yù)測(cè)出力的采樣值由累積概率分布函數(shù)的反函數(shù)計(jì)算得到，即：

由式（7）即可得到風(fēng)電預(yù)測(cè)出力初始場(chǎng)景集，然后結(jié)合Gram-Schmidt序列正交化方法[24]對(duì)初始場(chǎng)景集進(jìn)行排列，并利用向后場(chǎng)景削減技術(shù)[24]對(duì)場(chǎng)景集進(jìn)行削減，以降低求解規(guī)模。

2 日前優(yōu)化調(diào)控

2.1 目標(biāo)函數(shù)

跨區(qū)能源合作通常是為了促進(jìn)送端系統(tǒng)可再生能源消納、保障受端系統(tǒng)能源供應(yīng)安全，最終降低系統(tǒng)整體運(yùn)行成本。因此本文以機(jī)組的燃料成本、可控設(shè)備的運(yùn)行成本以及棄風(fēng)懲罰成本作為目標(biāo)函數(shù)，在保證系統(tǒng)經(jīng)濟(jì)運(yùn)行的前提下，確保風(fēng)電的最大程度消納，各個(gè)能源區(qū)域內(nèi)部電力主體和天然氣主體目標(biāo)函數(shù)的期望E分別為

式 中：S為 場(chǎng) 景 數(shù)；ψs為 場(chǎng) 景s的 概 率；PTUi，t，PGFUi，t分別為t時(shí)段火電機(jī)組和GFU的出力；Pci，t為風(fēng)電機(jī)組棄風(fēng)量，是風(fēng)電預(yù)測(cè)出力與實(shí)際出力PWU的 差 值 ；fWEi，t，fP2Gi，t分 別 為 氣 源 和P2G設(shè) 備 供 氣量；下標(biāo)C，N分別對(duì)應(yīng)不同設(shè)備的成本系數(shù)和數(shù)量。

2.2 約束條件

本文通過添加約束條件來確保系統(tǒng)的功率平衡和安全運(yùn)行。對(duì)于CRIEGS任意節(jié)點(diǎn)k的電功率或氣流量平衡約束條件為

式 中：Pk，Qk為 節(jié) 點(diǎn)k注 入 的 有 功 和 無 功 功 率；fTRi，fPRi各自指代區(qū)域間天然氣交換量和壓縮機(jī)耗氣量；fLi，PLi為 氣 負(fù) 荷 和 有 功 電 負(fù) 荷 ；fGFUi，PP2Gi分 別為GFU和P2G設(shè)備的耗氣量和耗電量，并且分別 滿 足fGFUi=ηGFUiPGFUi，PP2Gi=ηP2GifP2Gi；wi為 標(biāo) 識(shí) 符 ，天然氣供應(yīng)端取1，接收端取-1；Q其他下標(biāo)所對(duì)應(yīng)的設(shè)備或負(fù)荷與P相同。

線性化交流潮流算法在文獻(xiàn)[25]，[26]中被應(yīng)用，本文將其應(yīng)用于計(jì)算節(jié)點(diǎn)注入功率，對(duì)節(jié)點(diǎn)注入功率方程和支路潮流方程進(jìn)行線性化處理后，可得：

式 中：bki，gki為 各 自 互 電 納 和 互 電 導(dǎo)；Bki，Gki為 支路ki上的電納和電導(dǎo)；v為有載調(diào)壓變壓器的變比，此處視為常量并取值為1。

本文使用潘漢德爾修正穩(wěn)態(tài)潮流模型表示氣壓與遠(yuǎn)距離輸氣管道的關(guān)系：

式中：Kp為管道的傳輸系數(shù)；η為管道的輸氣效率，取值一般為0.9～0.96；T為管道的輸氣溫度；ρ0，C為天然氣的相對(duì)密度和壓縮因子；L，D分別為管道的長(zhǎng)度和內(nèi)徑。

先對(duì)式（9）左右兩邊同時(shí)進(jìn)行平方近似處理，得到：

采 用 分 段 線 性 化 方 法[26]，[27]對(duì) 式（14）等 號(hào) 兩 邊的二次項(xiàng)進(jìn)行線性化處理，以y=f2為例，分段線性函數(shù)表示為

式中：?為自變量f的分段節(jié)點(diǎn)數(shù)；fi和yi為第i個(gè)分段節(jié)點(diǎn)及其對(duì)應(yīng)的函數(shù)值；ζi為0～1的連續(xù)變量；εi為二進(jìn)制變量，確保fi左右兩端 ζi的值分別 取1和0。

式（14）等號(hào)右邊氣壓二次項(xiàng)的線性化形式與式（15）～（18）一 致，只 需 定 義 不 同 的 輔 助 變 量 即可，這里不再贅述。

機(jī)組和設(shè)備的出力上、下限約束，爬坡約束，管網(wǎng)電壓、氣壓和支路潮流安全約束等安全運(yùn)行約束條件參考文獻(xiàn)[26]。

2.3 迭代求解過程

為進(jìn)一步加快迭代的收斂速度，本文采用變懲罰參數(shù)的迭代方式[29]：

式 中 ：γDEC，γINC為 大 于1常 數(shù) ；φDEC，φINC為 大 于0常數(shù)。

本文所提算法迭代過程如圖4所示。

圖4 迭代過程Fig.4 Iterative process

3 算例分析

本文構(gòu)建如圖5所示的12bus—12node算例系統(tǒng)進(jìn)行仿真分析。

圖5 算例結(jié)構(gòu)圖Fig.5 Structure of the case

由圖5可知，2條聯(lián)絡(luò)線路、聯(lián)絡(luò)管道將2個(gè)具有相同網(wǎng)架結(jié)構(gòu)的電、氣互聯(lián)系統(tǒng)連接起來。各區(qū)域中的GFU，P2G設(shè)備將6節(jié)點(diǎn)天然氣系統(tǒng)和6節(jié)點(diǎn)電力系統(tǒng)進(jìn)行耦合。其中，天然氣系統(tǒng)為比利 時(shí)20節(jié) 點(diǎn) 系 統(tǒng)[30]的 第9～12，17和18管 段，電 力系統(tǒng)由標(biāo)準(zhǔn)IEEE6節(jié)點(diǎn)系統(tǒng)修改得到。

將風(fēng)電預(yù)測(cè)出力的15%作為標(biāo)準(zhǔn)差，取N=1000，利用LHS方法生成24×1000維的風(fēng)電預(yù)測(cè)出力場(chǎng)景集，然后進(jìn)行后向削減為24×10維的場(chǎng)景集，詳細(xì)數(shù)據(jù)及場(chǎng)景概率見表1，2。

表1 風(fēng)電出力情況Table1 Parameters of wind turbines kW

續(xù)表1

表2 場(chǎng)景概率分布Table2 Parameters of wind turbines

循環(huán)迭代關(guān)鍵參數(shù)設(shè)置情況見表3。

表3 迭代關(guān)鍵參數(shù)Table3 Key iteration parameters

3.1 分散協(xié)調(diào)調(diào)控策略可行性分析

暫不考慮風(fēng)電隨機(jī)性，利用表1數(shù)據(jù)參與系統(tǒng)分散迭代求解。仿真程序在Matlab編寫，每次迭代過程調(diào)用CPLEX進(jìn)行求解。經(jīng)過26次交替迭代過程，程序最終收斂。耦合變量殘差以及目標(biāo)函數(shù)值，如圖6，7所示。

圖6 殘差變化情況Fig.6 Changes in residuals

由圖6可知，在前8次迭代過程中，原始?xì)埐畹臄?shù)值明顯小于對(duì)偶?xì)埐睿f明按照當(dāng)前運(yùn)行狀態(tài)，部分能源主體可以達(dá)到個(gè)體運(yùn)行經(jīng)濟(jì)性最優(yōu)，但是與全局最優(yōu)狀態(tài)偏離較大，無法實(shí)現(xiàn)全局最優(yōu)，因此必須改變運(yùn)行狀態(tài)。為了不犧牲個(gè)體利益，運(yùn)行狀態(tài)并沒有發(fā)生實(shí)質(zhì)性的改變，該結(jié)論可從圖7的目標(biāo)函數(shù)變化情況得出。由圖7可知，前8次迭代完成以后目標(biāo)函數(shù)值緩慢變化，說明各個(gè)能源主體運(yùn)行狀態(tài)改變幅度較小。從第9～14次迭代過程開始，各個(gè)能源主體開始犧牲個(gè)體利益以尋找全局最優(yōu)運(yùn)行狀態(tài)。該結(jié)論也是由圖7目標(biāo)函數(shù)變化情況得出，即目標(biāo)函數(shù)值在第9～14次迭代過程中開始攀升，并逐漸趨于穩(wěn)定。在這個(gè)過程中，原始?xì)埐顢?shù)值先增后減，對(duì)偶?xì)埐罴眲∠陆?，可以表征決策沖突從出現(xiàn)到緩和的變化過程。迭代過程進(jìn)行到第15次以后，原始?xì)埐詈蛯?duì)偶?xì)埐钜鸦揪S持在0.1以下的數(shù)值，迭代逐漸逼近最優(yōu)解。

圖7 目標(biāo)函數(shù)變化情況Fig.7 Changes in the objective function

3.2 變懲罰參數(shù)迭代方式收斂性分析

為驗(yàn)證本文所采用的變懲罰參數(shù)的迭代方法在提高交替迭代收斂性方面的作用，將迭代過程中懲罰參數(shù)不變（設(shè)置為常數(shù)1）的方法作為對(duì)比方法，將其結(jié)果與本文所提變懲罰參數(shù)方法的結(jié)果進(jìn)行對(duì)比，殘差變化情況和其他關(guān)鍵數(shù)據(jù)對(duì)比情況如圖8和表4所示。

表4 收斂情況對(duì)比Table4 Convergence comparison

圖8 殘差變化情況對(duì)比Fig.8 Comparison of residual changes

由圖8可見，在前6次迭代過程中，兩種迭代方式原始?xì)埐詈蛯?duì)偶?xì)埐畹臄?shù)值近似相同，且殘差數(shù)值相對(duì)較大，原因在于邊界耦合變量的初始值均設(shè)置為1，與最終優(yōu)化結(jié)果的數(shù)值相差較大。在第6～12次的迭代過程中，采用懲罰參數(shù)不變的更新方式時(shí)，原始?xì)埐詈蛯?duì)偶?xì)埐罹霈F(xiàn)了明顯的波動(dòng)，而采用變懲罰參數(shù)的更新方式時(shí)殘差的波動(dòng)較小。造成殘差波動(dòng)的原因與增廣拉格朗日松弛算法本身特性有關(guān)。結(jié)合表4以迭代過程中殘差逆向（上升）變化為依據(jù)，統(tǒng)計(jì)的振蕩次數(shù)可見，變懲罰參數(shù)的更新方式可以有效減少殘差的波動(dòng)幅度和次數(shù)，有利于殘差向著收斂條件變化，從而加快收斂速度。在第12次迭代以后，兩種方式下殘差已經(jīng)降低到較低水平，盡管仍然存在振蕩，但波動(dòng)幅度較小。最終，兩種迭代方式分別在第33次和第26次迭代以后達(dá)到收斂。由于是否采用變懲罰參數(shù)的方式，都不會(huì)影響每次迭代區(qū)域內(nèi)部各自的求解過程，因此在總的求解時(shí)間方面，變懲罰參數(shù)方式所減少的求解時(shí)間與減少的迭代次數(shù)緊密相關(guān)。

3.3 場(chǎng)景法及分散協(xié)調(diào)調(diào)控策略有效性分析

通過上述算例結(jié)果和分析，已經(jīng)可以驗(yàn)證本文所提分散協(xié)調(diào)調(diào)控策略的可行性，以及變懲罰參數(shù)的迭代更新方式在加快收斂速度等方面的優(yōu)勢(shì)。為了進(jìn)一步分析本文采用的場(chǎng)景法在表征風(fēng)電出力隨機(jī)性方面的作用，以及整個(gè)分散協(xié)調(diào)調(diào)控策略計(jì)算結(jié)果的正確性，在前文的基礎(chǔ)上，利用表1，2的風(fēng)電場(chǎng)景數(shù)據(jù)進(jìn)行目標(biāo)函數(shù)期望的最優(yōu)值求解，并假設(shè)風(fēng)電預(yù)測(cè)出力概率最大的場(chǎng)景3為實(shí)際出力，分別計(jì)算實(shí)際出力和預(yù)測(cè)出力情況下的目標(biāo)函數(shù)值，并以實(shí)際出力的目標(biāo)函數(shù)值為基準(zhǔn)計(jì)算其他目標(biāo)函數(shù)及其期望的誤差，如表5所示。然后，將系統(tǒng)各個(gè)能源主體看作一個(gè)整體，即將式（8）和式（9）的目標(biāo)函數(shù)整合，將各類約束條件集中羅列，進(jìn)行統(tǒng)一集中式求解，與分散協(xié)調(diào)求解結(jié)果對(duì)比如表6所示。

表5 目標(biāo)函數(shù)對(duì)比Table5 Comparison of objective functions

表6 與集中式調(diào)控結(jié)果對(duì)比Table6 Comparison with the results of centralized regulation

由表5可見，在假定風(fēng)電預(yù)測(cè)出力概率最高的場(chǎng)景為實(shí)際出力時(shí)，采用單一確定性預(yù)測(cè)出力的目標(biāo)函數(shù)計(jì)算誤差較場(chǎng)景法的誤差要大，即給優(yōu)化結(jié)果造成的負(fù)面影響，同時(shí)考慮到場(chǎng)景法較其他解析方法原理和實(shí)現(xiàn)方法更加簡(jiǎn)潔，而且需要的數(shù)據(jù)較其他抽樣方法更少，因此在跨區(qū)協(xié)調(diào)調(diào)控中具有很好的適用性。由表6可見，在求解時(shí)間方面，分散式調(diào)控的求解時(shí)間要遠(yuǎn)遠(yuǎn)大于集中式調(diào)控，這是由于分散式框架中各個(gè)能源自主體之間需要時(shí)刻交換需要的信息，以同時(shí)進(jìn)行優(yōu)化，最終迭代求得全局最優(yōu)解，即本文提出的基于ADMM的分散求解框架本質(zhì)屬于一個(gè)大型循環(huán)框架，因此，運(yùn)算的冗余程度提高。這也從側(cè)面體現(xiàn)了本文中調(diào)度模型線性化處理的必要性。

4 結(jié)論

本文提出一種考慮風(fēng)電隨機(jī)性的跨區(qū)多能系統(tǒng)分散協(xié)調(diào)調(diào)控策略，基于ADMM分布式優(yōu)化算法和耦合系統(tǒng)分解方式，實(shí)現(xiàn)了CRIEGS的分散協(xié)調(diào)調(diào)控，并以場(chǎng)景法應(yīng)對(duì)單一風(fēng)電出力預(yù)測(cè)場(chǎng)景存在較大計(jì)算誤差的問題。算例結(jié)果表明，所提分散協(xié)調(diào)調(diào)控策略能夠?qū)崿F(xiàn)多區(qū)、多能源類別間調(diào)控信息不能完全互通條件下的協(xié)調(diào)調(diào)控，并通過交替迭代以達(dá)到最優(yōu)運(yùn)行狀態(tài)。最終，通過與傳統(tǒng)的集中式調(diào)控方式進(jìn)行比對(duì)，證明了所提策略的可行性與有效性。