基于能源路由器的智慧小鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃

程孟增，劉禹彤，商文穎，程 祥

（1.國網(wǎng)遼寧省電力有限公司經(jīng)濟(jì)技術(shù)研究院，遼寧 沈陽 110065；2.沈陽工業(yè)大學(xué) 電氣工程學(xué)院，遼寧沈陽 110870）

0 引言

隨著傳統(tǒng)化石能源的日益枯竭與環(huán)境污染問題的不斷顯現(xiàn)，為解決能源和環(huán)境同時帶來的雙重挑戰(zhàn)，“雙碳”目標(biāo)在我國首次被提出。得益于“雙碳”政策和新能源產(chǎn)業(yè)繁榮發(fā)展的大環(huán)境，能源互聯(lián)網(wǎng)系統(tǒng)勢必迎來重大發(fā)展。隨著能源互聯(lián)網(wǎng)相關(guān)研究的不斷深入，其內(nèi)涵也不斷得以豐富和完善。目前，能源互聯(lián)網(wǎng)主要分為能源局域網(wǎng)、區(qū)域能源互聯(lián)網(wǎng)及全球能源互聯(lián)網(wǎng)3個層級[1]～[3]。能源局域網(wǎng)可以在一定區(qū)域內(nèi)利用能源轉(zhuǎn)換元件將電/氣/熱等多種能源緊密耦合；區(qū)域能源互聯(lián)網(wǎng)則是在能源局域網(wǎng)的基礎(chǔ)上（每個能源局域網(wǎng)相當(dāng)于分布式能源節(jié)點），實現(xiàn)多個能源局域網(wǎng)間的能源協(xié)同互聯(lián)；全球能源互聯(lián)網(wǎng)則是以實現(xiàn)全球能源共享為理念。其中區(qū)域能源互聯(lián)網(wǎng)作為一種新興的供能方式，可以在一定區(qū)域內(nèi)實現(xiàn)能源的“區(qū)域自治”，已成為全球能源系統(tǒng)發(fā)展的重要方向之一[4]，[5]。

目前，學(xué)者們在能源互聯(lián)網(wǎng)規(guī)劃方面的研究主要有兩類：①集中式多能源協(xié)同規(guī)劃；②多區(qū)域協(xié)同規(guī)劃。集中式多能源協(xié)同規(guī)劃是以特定的規(guī)劃原則考慮系統(tǒng)內(nèi)多能耦合、多能互補(bǔ)特性，從而確定區(qū)域能源互聯(lián)網(wǎng)規(guī)劃方案。文獻(xiàn)[6]～[9]分別提出電-氣耦合、電-熱耦合、電-氣-熱耦合、電-冷-熱耦合等多能協(xié)同規(guī)劃，在此基礎(chǔ)上，文獻(xiàn)[10]～[13]分別提出考慮多能負(fù)荷用能不確定性、考慮用戶綜合響應(yīng)參與調(diào)節(jié)、考慮電動汽車充電方式、考慮能源網(wǎng)-交通網(wǎng)融合等優(yōu)化規(guī)劃方法。可見，集中式多能源協(xié)同規(guī)劃在“源-網(wǎng)-荷-儲”方面均已得到大量研究，但其規(guī)劃原則是將待規(guī)劃區(qū)域作為一個“整體”考慮，規(guī)劃結(jié)果不適用于具有數(shù)量多、容量小、分布廣的電/氣/熱負(fù)荷節(jié)點的城鎮(zhèn)能源規(guī)劃。而多區(qū)域協(xié)同規(guī)劃則是在集中式規(guī)劃的基礎(chǔ)上，考慮多個“整體”經(jīng)濟(jì)性最優(yōu)為規(guī)劃目標(biāo)。為此，文獻(xiàn)[14]提出建立上、中、下3層多區(qū)域規(guī)劃模型，基于交替方向乘子算法對模型進(jìn)行分解求解，算例表明該模型具有一定的經(jīng)濟(jì)性與實用性。文獻(xiàn)[15]提出一種既兼顧規(guī)劃經(jīng)濟(jì)成本又考慮運(yùn)行問題的多區(qū)域兩階段容量優(yōu)化配置方法，采用非支配排序遺傳算法對算例進(jìn)行求解，驗證了所提方法的經(jīng)濟(jì)性。由此可見，目前鮮有文獻(xiàn)針對智慧小鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃展開研究，且城鎮(zhèn)的區(qū)域劃分均采用工業(yè)區(qū)、商業(yè)區(qū)、居民區(qū)等固有劃分模式，這在很大程度上限制了多區(qū)域的規(guī)劃結(jié)果。

綜上所述，本文考慮綜合負(fù)荷矩對城鎮(zhèn)能源互聯(lián)網(wǎng)規(guī)劃的影響，提出一種基于能源路由器的城鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃方法。首先提出能源互聯(lián)網(wǎng)分區(qū)協(xié)同系統(tǒng)結(jié)構(gòu)；其次提出基于自組織特征映射神經(jīng)網(wǎng)絡(luò)聚類算法對城鎮(zhèn)負(fù)荷節(jié)點進(jìn)行分區(qū)，并將聚類中心作為能源路由器選址位置。在此基礎(chǔ)上，從能源供給、能源轉(zhuǎn)換、能源消費(fèi)、能源傳輸?shù)确矫娼⒖紤]多能源局域網(wǎng)協(xié)同的能源路由器模型，針對各能源局域網(wǎng)典型日不同負(fù)荷曲線，建立考慮多能源局域網(wǎng)協(xié)同互聯(lián)的規(guī)劃模型。利用量子遺傳算法求解所建立的規(guī)劃模型，實現(xiàn)多區(qū)域協(xié)同的能源路由器配置。最后，通過算例驗證本文所提方法具有更好的經(jīng)濟(jì)性。

1 城鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃系統(tǒng)結(jié)構(gòu)

城鎮(zhèn)中存在眾多容量小、分布廣的電/氣/熱負(fù)荷節(jié)點，如果采用傳統(tǒng)集中式能源規(guī)劃將造成大量的能源損耗。采用合理的分區(qū)方法將城鎮(zhèn)能源互聯(lián)網(wǎng)劃分為多個能源局域網(wǎng)，各能源局域網(wǎng)以能源路由器為核心，構(gòu)建互聯(lián)互通、協(xié)調(diào)互濟(jì)的能源網(wǎng)絡(luò)，有利于城鎮(zhèn)電網(wǎng)的穩(wěn)定及新能源的就地消納。能源互聯(lián)網(wǎng)分區(qū)協(xié)同系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 能源互聯(lián)網(wǎng)分區(qū)協(xié)同系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of energy internet zoning collaboration system

從圖1中可以看出，該系統(tǒng)主要由上級配電網(wǎng)/配氣網(wǎng)、能源路由器及電/氣/熱負(fù)荷組成。由于熱能傳輸效率較低，不適合遠(yuǎn)距離傳輸，能源互聯(lián)網(wǎng)外部一般只規(guī)劃電、氣能源網(wǎng)絡(luò)，因此各能源路由器向上級配電網(wǎng)/配氣網(wǎng)購買電/氣能源，經(jīng)能源轉(zhuǎn)換元件轉(zhuǎn)換后優(yōu)先供給能源局域網(wǎng)內(nèi)部電/氣/熱能源用戶，在元件出力大于負(fù)荷需求時傳輸給其它能源局域網(wǎng)，在功率不足時優(yōu)先考慮從其它能源局域網(wǎng)接收能源。與傳統(tǒng)集中式規(guī)劃采用單一調(diào)度內(nèi)部儲能元件調(diào)節(jié)的方式不同，分區(qū)協(xié)同改善了能源互聯(lián)網(wǎng)整體的供用能方式，可以提高系統(tǒng)的整體經(jīng)濟(jì)性。

2 基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的能源互聯(lián)網(wǎng)分區(qū)及能源路由器選址方法

2.1 考慮綜合負(fù)荷矩的自組織特征映射神經(jīng)網(wǎng)絡(luò)聚類算法

自組織特征映射神經(jīng)網(wǎng)絡(luò)作為一種仿效大腦神經(jīng)系統(tǒng)信息處理過程的無監(jiān)督學(xué)習(xí)算法，可以快速地計算出原始數(shù)據(jù)間的類似度，從而將相似的輸入數(shù)據(jù)分為一組，常以歐式距離或余弦法來衡量原始數(shù)據(jù)間的相似度。自組織特征映射神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示，該網(wǎng)絡(luò)由輸入層與競爭層（輸出層）兩部分組成，輸入層與輸出層之間實行前饋連接[16]，[17]。

圖2 自組織特征映射神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 Self organizing feature map neural network topology

電負(fù)荷矩可以直接反映電能的傳輸損耗[18]?；谶@一思想，本文以綜合負(fù)荷矩最小為相似度準(zhǔn)則，對能源互聯(lián)網(wǎng)進(jìn)行聚類分區(qū)?？紤]到系統(tǒng)中任意節(jié)點i可能同時含有電/氣/熱多種能源形式，本文引入屬性權(quán)重的概念，定義任意節(jié)點i的能源形式r=1，2，3分別表示電、熱、氣，以此來表征任意節(jié)點i中同時含有電/氣/熱能源形式的權(quán)重。其電/氣/熱加權(quán)綜合負(fù)荷矩如下所示：

式中：L為綜合負(fù)荷矩；u為聚類中心；Liu為能源局域網(wǎng)內(nèi)任意節(jié)點i到聚類中心的電/氣/熱負(fù)荷矩；αir為任意節(jié)點i含有電/氣/熱的權(quán)重；ηr為電/氣/熱能源的傳輸效率；Pir為任意負(fù)荷節(jié)點i的電/氣/熱負(fù)荷需求。

2.2 考慮綜合負(fù)荷矩的自組織特征映射神經(jīng)網(wǎng)絡(luò)聚類流程

自組織特征映射神經(jīng)網(wǎng)絡(luò)對城鎮(zhèn)內(nèi)負(fù)荷節(jié)點聚類分為兩個階段：①學(xué)習(xí)階段，隨機(jī)選擇訓(xùn)練數(shù)據(jù)，以綜合負(fù)荷矩為判據(jù)確定最優(yōu)神經(jīng)元，同時更新權(quán)值；②聚類階段，對樣本數(shù)據(jù)進(jìn)行相似度計算，然后將同類的數(shù)據(jù)映射至神經(jīng)元。主要步驟如下。

①權(quán)值初始化。從城鎮(zhèn)內(nèi)負(fù)荷節(jié)點中選取n個數(shù)據(jù)作為自組織特征映射神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本X=[x1，x2…，xn]T，并對神經(jīng)元連接權(quán)重矢量mj=[mj1，mj2…，mjm]T賦予隨機(jī)的權(quán)值作為初始權(quán)值，選擇鄰域半徑及學(xué)習(xí)速率。

②獲得最優(yōu)神經(jīng)元。分別計算樣本訓(xùn)練數(shù)據(jù)X與神經(jīng)元j的綜合負(fù)荷矩L，其中綜合負(fù)荷矩最小的神經(jīng)元即為最優(yōu)神經(jīng)元g。

③調(diào)整權(quán)值。修正最優(yōu)神經(jīng)元及其幾何鄰域內(nèi)神經(jīng)元的權(quán)向量。

④更新神經(jīng)網(wǎng)絡(luò)拓?fù)溧徲蚣皩W(xué)習(xí)速率。

式中：η（t）為初始神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率；t與T分別為當(dāng)前迭代學(xué)習(xí)次數(shù)與迭代學(xué)習(xí)總次數(shù)。

⑤多次迭代學(xué)習(xí)。提供新樣本數(shù)據(jù)并重復(fù)步驟②～④，直至完成所有樣本數(shù)據(jù)的訓(xùn)練或達(dá)到最大迭代學(xué)習(xí)次數(shù)T。

⑥輸出最優(yōu)能源互聯(lián)網(wǎng)分區(qū)及能源路由器選址方法。編號一致的神經(jīng)元為同一能源局域網(wǎng)內(nèi)的負(fù)荷節(jié)點，聚類中心即為能源路由器選址位置。

3 考慮多區(qū)域協(xié)同的能源互聯(lián)網(wǎng)規(guī)劃方法

3.1 考慮多區(qū)域協(xié)同的能源路由器模型

電能路由器是分布在用戶側(cè)的核心控制器件，可以為光伏、儲能裝置等分布式電源與分布式負(fù)荷節(jié)點提供即插即用的交直流接口。本文以能源樞紐的矩陣模型為依托，將電能路由器單一電能接口擴(kuò)展為具有多種能源接口的能源路由器，實現(xiàn)能源互聯(lián)網(wǎng)背景下能源的供需平衡，其數(shù)學(xué)模型為

式中：L，T，P分別為能源輸出、能源轉(zhuǎn)換及能源輸入環(huán)節(jié)。

考慮城鎮(zhèn)能源系統(tǒng)包含多種能源轉(zhuǎn)換環(huán)節(jié)，為更好地體現(xiàn)能源路由器的能源耦合關(guān)系，本文結(jié)合算例待規(guī)劃能源元件類型對能源路由器模型進(jìn)行擴(kuò)展。其能源路由器模型為

3.2 分區(qū)協(xié)同規(guī)劃目標(biāo)函數(shù)

分區(qū)協(xié)同規(guī)劃模型以年費(fèi)用F最少為目標(biāo)，包括能源元件的投資成本Cinv、能源元件的年運(yùn)行維護(hù)成本Cope、各能源路由器向外部配電網(wǎng)/配氣網(wǎng)的主網(wǎng)能源購買成本Ctrade與等值碳稅成本CCO24個部分。

①能源元件投資成本

式中：nequ為待規(guī)劃能源元件種類；Cm，s，Vm，s分別為能源路由器m中能源元件s的單位容量成本與規(guī)劃容量；R為能源元件的貼現(xiàn)系數(shù)；r為能源元件的年貼現(xiàn)率；Ls為能源元件的壽命。

②能源元件運(yùn)行維護(hù)成本

③主網(wǎng)能源購買成本

④等值碳稅成本

式中：ωtax為等值碳稅；為傳統(tǒng)發(fā)電廠產(chǎn)生單位電能時排放的CO2；為能源路由器m的天然氣系統(tǒng)產(chǎn)生單位能量時排放的CO2；ηelec為電網(wǎng)的傳輸效率。

3.3 分區(qū)協(xié)同規(guī)劃約束條件

分區(qū)協(xié)同規(guī)劃的約束條件包括能源路由器約束與功率平衡約束。

①能源路由器約束

②功率平衡約束

3.4 基于量子遺傳算法的分區(qū)協(xié)同規(guī)劃模型求解方法

分區(qū)協(xié)同規(guī)劃是一個多目標(biāo)、多約束條件的復(fù)雜規(guī)劃問題，本文針對此問題采用量子遺傳算法求解所建立的規(guī)劃模型。量子遺傳算法是在遺傳算法的基礎(chǔ)上，將量子計算對傳統(tǒng)遺傳算法的編碼方式和更新方式進(jìn)行改進(jìn)，具有更高的并行性[19]，[20]。結(jié)合本文所建模型，適應(yīng)度函數(shù)是以各能源設(shè)備規(guī)劃容量為因變量，年成本為自變量的非線性函數(shù)；采用量子比特與量子邏輯門更新染色體對能源設(shè)備規(guī)劃容量進(jìn)行編碼與更新?；诹孔舆z傳算法的能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃求解流程如圖3所示，其具體求解方法如下。

圖3 基于量子遺傳算法的城鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃求解流程Fig.3 Solution flow of urban energy internet zoning collaborative planning based on quantum genetic algorithm

①輸入原始參數(shù)。輸入包括當(dāng)前種群進(jìn)化次數(shù)t=0及種群最大迭代次數(shù)T，隨機(jī)生成個體為M的初始種群Q（t0）。

②初始染色體編碼。遺傳算法常采用二進(jìn)制編碼對染色體進(jìn)行取值，量子遺傳算法則是在此基礎(chǔ)上引入了量子編程，采用量子比特概率幅表示染色體的編碼，且一個量子比特會同時處于多個幅度和為1的量子疊加態(tài)中，增加了染色體取值的變化，如下式所示：

由于本文所建立的規(guī)劃模型中共有6個待規(guī)劃能源設(shè)備，因此將本文所述待規(guī)劃能源路由器的染色體結(jié)構(gòu)分為6個子部分，各子部分表示各染色體所構(gòu)成的個體基因即能源元件的規(guī)劃容量，因此采用量子比特編碼后迭代k次時的第i個基因Qj（k）表示為

③個體評價。測量種群Q（t0）中M個個體，得到確定解P（t0）的二進(jìn)制編碼，求得種群個體適應(yīng)度值對應(yīng)的十進(jìn)制數(shù)。

④記錄種群中最優(yōu)個體及對應(yīng)的適應(yīng)度值大小，以當(dāng)前最優(yōu)個體即當(dāng)前最優(yōu)能源設(shè)備容量配置結(jié)果為進(jìn)化目標(biāo)。

⑤量子旋轉(zhuǎn)門操作更新染色體編碼。量子遺傳算法更新染色體編碼方式的本質(zhì)是改變種群中所有染色體量子比特的量子角度并采取旋轉(zhuǎn)復(fù)數(shù)幅進(jìn)行量子態(tài)的干涉，從而使得染色體取值趨近于較優(yōu)染色體，其量子旋轉(zhuǎn)門如下式所示：

⑥生成下一代群體?；诹孔有D(zhuǎn)門更新染色體編碼，進(jìn)一步得到新的種群Q（t+1）。

⑦多次迭代。重復(fù)步驟③～⑥，直至t=T時終止迭代。

⑧輸出規(guī)劃結(jié)果。輸出最優(yōu)能源元件容量配置結(jié)果及在典型日的調(diào)度結(jié)果。

4 算例分析

選取北方某工商居混合區(qū)小鎮(zhèn)作為本文所提城鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃對象，小鎮(zhèn)目前發(fā)展定位是“產(chǎn)城融合”的低碳小鎮(zhèn)，小鎮(zhèn)內(nèi)現(xiàn)有大量工業(yè)負(fù)荷及居民生活商業(yè)辦公一體化電/氣/熱能源用戶。根據(jù)小鎮(zhèn)的平面設(shè)計圖，采用（x，y）二維坐標(biāo)數(shù)據(jù)確定小鎮(zhèn)內(nèi)負(fù)荷的位置，城鎮(zhèn)電/氣/熱負(fù)荷見圖4，本文擬規(guī)劃能源元件參數(shù)見表1，其中耗氣系統(tǒng)CO2排放系數(shù)為0.19 kg/（kW·h），傳統(tǒng)火電廠CO2排放系數(shù)為0.80 kg/（kW·h），等值碳稅為0.3元/kg，小鎮(zhèn)典型日光伏出力曲線如圖5所示，小鎮(zhèn)分時電價如圖6所示，氣價為3元/m3。

表1 能源元件參數(shù)Table 1 Energy element parameters

圖4 小鎮(zhèn)負(fù)荷節(jié)點Fig.4 Load node diagram of small town

圖5 典型日光伏出力曲線Fig.5 Typical solar photovoltaic output curve

圖6 小鎮(zhèn)分時電價Fig.6 Town time-of-use electricity price

4.1 能源互聯(lián)網(wǎng)分區(qū)與能源路由器配置結(jié)果

本文設(shè)置初始學(xué)習(xí)速率與神經(jīng)元初始鄰域?qū)挾确謩e為0.45與1/3競爭層寬度，小鎮(zhèn)能源互聯(lián)系統(tǒng)內(nèi)100個負(fù)荷節(jié)點訓(xùn)練結(jié)果如圖7所示。此時，聚類中心距團(tuán)簇內(nèi)各負(fù)荷節(jié)點傳輸損耗小，因此，團(tuán)簇內(nèi)聚類中心即為能源路由器的最優(yōu)選址。此時，每個能源局域網(wǎng)包含多個負(fù)荷點，將各團(tuán)簇內(nèi)電/氣/熱負(fù)荷點疊加，可得到各局域網(wǎng)典型日的電/氣/熱負(fù)荷曲線，如圖8所示。

圖7 能源互聯(lián)網(wǎng)分區(qū)及能源路由器選址結(jié)果Fig.7 Energy internet zoning and energy router location results

圖8 能源局域網(wǎng)典型日負(fù)荷曲線Fig.8 Energy LAN typical daily load curve

從圖8可以看出，由于各能源局域網(wǎng)內(nèi)負(fù)荷節(jié)點的建設(shè)受聚集效應(yīng)影響，使得采用綜合負(fù)荷矩的分區(qū)方式的各區(qū)之間用能行為仍存在較大差異?；谀茉淳钟蚓W(wǎng)1～3個典型日負(fù)荷曲線，運(yùn)行matlab編寫代碼求解，得到的結(jié)果如表2所示，對應(yīng)適應(yīng)度值為13 939.52。

表2 各能源路由器內(nèi)容量配置結(jié)果Table 2 Capacity configuration results of each energy router

為比較量子遺傳算法的有效性及優(yōu)越性，本文將兩種算法的進(jìn)化代數(shù)同時設(shè)置為250，種群數(shù)設(shè)置為50。圖9為適應(yīng)度值隨迭代次數(shù)變化情況，表3為不同迭代次數(shù)下2種算法求得的最優(yōu)目標(biāo)函數(shù)值。從圖9和表3中可以看出，迭代初期量子遺傳算法迭代曲線斜率大于遺傳算法，量子遺傳算法與遺傳算法分別于56代、78代左右趨于平穩(wěn)并收斂，量子遺傳算法的收斂速度比遺傳算法更快，迭代結(jié)束后量子遺傳算法得到的適應(yīng)度值明顯低于遺傳算法。因此，在求解文中所建規(guī)劃模型時，量子遺傳算法的效率比遺傳算法更高，得到的結(jié)果也更好。

表3 不同迭代次數(shù)下2種算法的求解結(jié)果Table 3 Solution results of two algorithms under different iteration times

圖9 適應(yīng)度值隨迭代次數(shù)變化Fig.9 The fitness value changes with the number of iterations

4.2 分區(qū)協(xié)同規(guī)劃效益分析

設(shè)置3種不同規(guī)劃方式對本文所述方法的效益進(jìn)行對比分析。3種規(guī)劃方式經(jīng)濟(jì)性如表4所示。

表4 3種規(guī)劃方式經(jīng)濟(jì)性對比Table 4 Economic comparison of three planning methods萬元

方式1采用集中式規(guī)劃，即只配置單一能源路由器對能源互聯(lián)網(wǎng)進(jìn)行整體規(guī)劃。方式2采用分區(qū)獨(dú)立規(guī)劃，即分區(qū)后各能源路由器單獨(dú)規(guī)劃，僅考慮能源局域網(wǎng)內(nèi)部能源傳輸、能源轉(zhuǎn)換、能源負(fù)荷供需關(guān)系。方式3采用分區(qū)協(xié)同規(guī)劃，即分區(qū)后各能源路由器在考慮所在能源局域網(wǎng)內(nèi)部能源傳輸、能源轉(zhuǎn)換、能源負(fù)荷供需關(guān)系的同時，還要考慮各能源局域網(wǎng)間供需關(guān)系。

由表4可以看出，與集中式規(guī)劃相比，分區(qū)獨(dú)立規(guī)劃與分區(qū)協(xié)同規(guī)劃均明顯降低能源購置成本，這是因為考慮綜合負(fù)荷矩的城鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)方法在保證傳輸損耗較小的基礎(chǔ)上，各區(qū)域負(fù)荷特性差異仍較大，可以更好地發(fā)揮出燃?xì)廨啓C(jī)的熱電效應(yīng)，雖然在能源設(shè)備投資成本及能源設(shè)備運(yùn)行維護(hù)成本上有所提高，但能源購置費(fèi)用與等值碳稅成本顯著降低。

與分區(qū)獨(dú)立規(guī)劃相比，分區(qū)協(xié)同規(guī)劃在設(shè)備投資成本、能源購置成本、等值碳稅成本上均有一定減少，這是由于通過能源局域網(wǎng)間能源路由器的協(xié)調(diào)互聯(lián)，使得城鎮(zhèn)在運(yùn)行時，可以將不同能源局域網(wǎng)的負(fù)荷特性充分發(fā)揮起來，進(jìn)一步改善了城鎮(zhèn)能源系統(tǒng)的運(yùn)行狀態(tài)。分區(qū)協(xié)同規(guī)劃總成本節(jié)省約502萬元。

4.3 典型日系統(tǒng)調(diào)度結(jié)果分析

各能源局域網(wǎng)典型日調(diào)度結(jié)果如圖10～12所示。由圖10～12可以看出，在00：00-07：00與23：00-24：00時間段電價相對較低，3個區(qū)域在此時對儲電裝置進(jìn)行充電。從07：00時開始，雖然3個能源局域網(wǎng)用電量呈上升趨勢，但光伏出力逐漸增大，當(dāng)光伏與燃?xì)廨啓C(jī)組出力總量大于其自身負(fù)荷及電鍋爐耗電時，或燃?xì)廨啓C(jī)出力因熱電比受限時，各能源局域網(wǎng)將多余電能傳輸給其余能源局域網(wǎng)，從而減少城鎮(zhèn)整體能源系統(tǒng)的能源購置成本。在午間12：00時左右，由于屬性和作用相似的部門分布比較集中，能源局域網(wǎng)3與居民用戶用電特點較為接近，呈“凹”狀，而能源局域網(wǎng)1與能源局域網(wǎng)2表現(xiàn)出不同的負(fù)荷特性，能源局域網(wǎng)3將充足的電能支援給其余兩個能源局域網(wǎng)。在13：00-15：00時，光伏出力逐漸降低，此時電價相對較高，儲電裝置參與調(diào)節(jié)以保證系統(tǒng)的供能成本；從18：00時開始，光伏出力降為0，能源局域網(wǎng)3電能與熱能需求均較大，儲能電池與燃?xì)廨啓C(jī)配合充分發(fā)揮燃?xì)廨啓C(jī)的供能經(jīng)濟(jì)性，將富裕的電能傳輸給其他區(qū)域有助于優(yōu)化系統(tǒng)整體的用能方式。

圖10 能源局域網(wǎng)1電/氣/熱功率調(diào)度結(jié)果Fig.10 Energy LAN 1 electric/thermal/pneumatic power dispatching results

圖11 能源局域網(wǎng)2電/氣/熱功率調(diào)度結(jié)果Fig.11 Energy LAN 2 electric/thermal/pneumatic power dispatching results

圖12 能源局域網(wǎng)3電/氣/熱功率調(diào)度結(jié)果Fig.12 Energy LAN 3 electric/thermal/pneumatic power dispatching results

5 結(jié)束語

針對“雙碳”背景下城鎮(zhèn)能源系統(tǒng)面臨形態(tài)調(diào)整、可再生能源消納受限及電力改革進(jìn)程加快等問題，本文提出了基于能源路由器的城鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃方法，建立了基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的能源互聯(lián)網(wǎng)分區(qū)及能源路由器選址方法、考慮多區(qū)域協(xié)同的能源路由器模型以及分區(qū)協(xié)同規(guī)劃模型，同時采用量子遺傳算法求解所建立的規(guī)劃模型。算例表明，本文提出的基于能源路由器的城鎮(zhèn)能源互聯(lián)網(wǎng)分區(qū)協(xié)同規(guī)劃方法可以實現(xiàn)各類能源設(shè)備的配置及能源路由器間能源的協(xié)同運(yùn)行。同時，通過對比量子遺傳算法與遺傳算法，可以看出量子遺傳算法運(yùn)算效率更高，結(jié)果更優(yōu)。對比3種規(guī)劃方式的成本可以看出，本文提出的規(guī)劃方法具有更好的經(jīng)濟(jì)效益與環(huán)境效益，多個能源路由器互補(bǔ)協(xié)調(diào)規(guī)劃可以有效地緩解不同負(fù)荷峰谷時段不匹配以及負(fù)荷熱電比與燃?xì)廨啓C(jī)熱電比不匹配的問題，為城鎮(zhèn)能源互聯(lián)網(wǎng)規(guī)劃提供理論參考。