計(jì)及多元不確定性的氫電耦合微電網(wǎng)多階段動(dòng)態(tài)規(guī)劃方法

王笑雪，高 超，劉一欣，梁 棟，侯世昌

（1.河北工業(yè)大學(xué) 省部共建電工裝備可靠性與智能化國家重點(diǎn)實(shí)驗(yàn)室，天津 300130；2.天津大學(xué) 智能電網(wǎng)教育部重點(diǎn)實(shí)驗(yàn)室，天津 300072；3.國網(wǎng)冀北電力有限公司 秦皇島供電公司，河北 秦皇島 066000）

0 引言

微電網(wǎng)是集成多種分布式能源（distributed energy resource，DER）、儲(chǔ)能系統(tǒng)（energy storage system，ESS）和負(fù)荷的小型發(fā)-配-用電系統(tǒng)，是優(yōu)化能源結(jié)構(gòu)、提高可再生能源滲透率的有效手段［1-2］。近年來，氫能發(fā)展得到了廣泛關(guān)注，以分布式可再生能源制氫［3-4］、就近用氫［5］的氫電耦合微電網(wǎng)成為促進(jìn)氫能發(fā)展和利用的一種新模式［6-7］。

投資經(jīng)濟(jì)性是影響氫電耦合微電網(wǎng)發(fā)展和推廣應(yīng)用的主要因素之一，也是微電網(wǎng)規(guī)劃設(shè)計(jì)重點(diǎn)關(guān)注的問題之一。如何兼顧規(guī)劃方案在投資成本、回收期、能源利用率等方面的綜合表現(xiàn)，優(yōu)化DER 長期投資決策和短期運(yùn)行調(diào)度，是規(guī)劃設(shè)計(jì)問題的核心難點(diǎn)。文獻(xiàn)［8］基于偏遠(yuǎn)礦山的能源基礎(chǔ)設(shè)施，針對(duì)微電網(wǎng)的規(guī)劃與運(yùn)行問題提出了一種分層決策模型，使2 個(gè)問題的決策變量得到獨(dú)立優(yōu)化；文獻(xiàn)［9］提出了一種隨機(jī)規(guī)劃方法，考慮了新能源發(fā)電的不確定性，并引入燃料電池和電解水制氫提高系統(tǒng)對(duì)新能源的消納能力；文獻(xiàn)［10］在規(guī)劃中考慮了燃料電池和電解水制氫系統(tǒng)的啟停和退化，構(gòu)建了包含冷、熱、電和氫氣的微電網(wǎng)混合整數(shù)線性規(guī)劃模型；文獻(xiàn)［11］在微電網(wǎng)規(guī)劃設(shè)計(jì)問題中考慮了負(fù)荷需求等的不確定性，以確定DER 的類型、容量以及相應(yīng)的最優(yōu)運(yùn)行策略；文獻(xiàn)［12］提出了一種包括光伏、風(fēng)機(jī)、沼氣發(fā)電機(jī)和燃料電池的混合可再生能源系統(tǒng)，所提規(guī)劃模型使系統(tǒng)在靈活性和能源利用率兩方面都得到了提高；文獻(xiàn)［13］考慮了網(wǎng)絡(luò)拓?fù)洹ER 容量、發(fā)電和需求的隨機(jī)性，以最大限度降低微電網(wǎng)的投資、運(yùn)營成本為目標(biāo)構(gòu)建了規(guī)劃框架，并將其表述為混合整數(shù)非線性規(guī)劃問題。上述研究提出了具有不同目標(biāo)和約束的微電網(wǎng)經(jīng)濟(jì)規(guī)劃方法，為微電網(wǎng)建設(shè)提供了有效的經(jīng)濟(jì)決策支持。然而，上述研究采用了單階段規(guī)劃模型，所有DER 均在規(guī)劃周期的第一年進(jìn)行投資建設(shè)。換言之，此類模型確定的投資決策包括DER 類型、規(guī)模或系統(tǒng)結(jié)構(gòu)，但未考慮DER 的最佳投資時(shí)機(jī)。為應(yīng)對(duì)未來可能的負(fù)荷增長，該規(guī)劃方案可能會(huì)導(dǎo)致微電網(wǎng)初始階段的容量冗余，造成不必要的能源浪費(fèi)。此外，較高的初始投資成本也會(huì)給投資者帶來巨大的財(cái)務(wù)負(fù)擔(dān)。另一方面，隨著光伏、儲(chǔ)能等單位投資成本逐年降低，以動(dòng)態(tài)規(guī)劃視角考慮DER 在未來不同階段的投資方案，有利于實(shí)現(xiàn)更好的源-荷匹配，提升長周期投資經(jīng)濟(jì)性。為此，文獻(xiàn)［14］提出了一種多階段隨機(jī)優(yōu)化模型，證明了多階段投資具有更好的經(jīng)濟(jì)性，文獻(xiàn)［15］提出了一種多階段自適應(yīng)規(guī)劃方法，在得到與傳統(tǒng)多階段規(guī)劃方法相似的投資決策前提下，具備更高的計(jì)算效率，然而文獻(xiàn)［14］和文獻(xiàn)［15］均未考慮源荷短期運(yùn)行的不確定性。文獻(xiàn)［16］針對(duì)獨(dú)立型微電網(wǎng)提出了一種多階段投資規(guī)劃模型，考慮了可再生能源發(fā)電和負(fù)荷需求的不確定性，但是未考慮設(shè)備投資成本的不確定性。

本文提出了一種氫電耦合微電網(wǎng)多階段動(dòng)態(tài)規(guī)劃模型，考慮了規(guī)劃周期內(nèi)光伏、電儲(chǔ)能、燃料電池和電解水制氫單位投資成本的隨機(jī)不確定性和光伏出力與負(fù)荷需求的不確定性，建立了隨機(jī)-魯棒混合多階段規(guī)劃模型。此外，考慮了光伏、電儲(chǔ)能、燃料電池和電解水制氫系統(tǒng)的退化以及負(fù)荷增長等動(dòng)態(tài)信息，從動(dòng)態(tài)視角實(shí)施投資決策，使模型更具實(shí)用性。仿真結(jié)果表明，與單階段規(guī)劃模型相比，所提模型在投資成本、投資回收期、能源利用效率等方面均有顯著改善。

1 氫電耦合微電網(wǎng)多階段規(guī)劃模型

本文設(shè)計(jì)的并網(wǎng)型氫電耦合微電網(wǎng)結(jié)構(gòu)如圖1所示，由光伏、電解水制氫、燃料電池、電鍋爐、ESS和負(fù)荷構(gòu)成，其中ESS 包括電儲(chǔ)能、儲(chǔ)氫罐和儲(chǔ)熱罐，負(fù)荷包括電負(fù)荷、氫負(fù)荷和熱負(fù)荷。

圖1 氫電耦合微電網(wǎng)結(jié)構(gòu)Fig.1 Structure of hydrogen-electric coupled microgrid

針對(duì)圖1 所示的微電網(wǎng)，多階段規(guī)劃模型的目標(biāo)函數(shù)如式（1）所示，包括各設(shè)備的投資成本Cinv、運(yùn)維成本Com和殘值Csal，其計(jì)算公式分別如式（2）—（4）所示。

式中：PV、 FC、 EZ、 EB、HeatS、 BAT、 HS 分別表示光伏、燃料電池、電解水制氫、電鍋爐、儲(chǔ)熱罐、電儲(chǔ)能、儲(chǔ)氫罐；為設(shè)備k第n年的最小單元裝機(jī)個(gè)數(shù)；為設(shè)備k的最小單元容量為設(shè)備k第n年的單位投資成本；NY為規(guī)劃周期；rloan為貸款比例；SAIR為貸款年利率；r為折現(xiàn)率；Nloan為貸款年限；c和c分別為設(shè)備k1的單位運(yùn)維成本和設(shè)備k2的單位運(yùn)維成本；為設(shè)備k2第n年的有效容量；D為典型日集合；T為調(diào)度時(shí)段集合；ωn，d為第n年典型日d對(duì)應(yīng)的權(quán)重系數(shù)；P和P分別為第n年典型日d下t時(shí)段的購電功率和售電功率；和分別為第n年典型日d下t時(shí)段的購氫體積和售氫體積；c和c分別為單位購電價(jià)格和售電價(jià)格；c和c分別為單位購氫價(jià)格和售氫價(jià)格；c和c分別為設(shè)備k1的單位容量殘值和設(shè)備k2的單位容量殘值。

為了計(jì)及規(guī)劃周期內(nèi)設(shè)備性能衰減的影響，提升規(guī)劃方案對(duì)未來動(dòng)態(tài)因素的適應(yīng)性，本文在多階段規(guī)劃中考慮了光伏發(fā)電效率衰減約束（如式（5）所示）、燃料電池和電解水制氫峰值功率退化約束（如式（6）所示）和效率衰減約束（如式（7）所示）［17］。式（8）和式（9）分別表示計(jì)及效率衰減后燃料電池的氫-電轉(zhuǎn)換和電解水制氫的電-氫轉(zhuǎn)換關(guān)系。其余約束，如氫、熱、電功率平衡約束和設(shè)備運(yùn)行約束等具體見附錄A。

相比于其他設(shè)備，電儲(chǔ)能的使用壽命較短，因此除上述運(yùn)行約束外，規(guī)劃模型中還需考慮電儲(chǔ)能的壽命約束。電儲(chǔ)能的壽命可以用其全壽命周期的放電量來表示，當(dāng)電儲(chǔ)能累計(jì)放電量達(dá)到最大放電量時(shí)認(rèn)為電儲(chǔ)能壽命耗盡［16］，需要用新的電儲(chǔ)能進(jìn)行更換。計(jì)及電儲(chǔ)能壽命約束的公式如下：

由于式（10）—（12）中存在二進(jìn)制變量和連續(xù)變量的乘積項(xiàng)，因此引入L1n—L3n這3 個(gè)輔助變 量對(duì)其分別進(jìn)行線性化處理：

結(jié)合式（13）—（15），將輔助變量代入式（10）—（12）中可得：

綜上，氫電耦合微電網(wǎng)多階段動(dòng)態(tài)規(guī)劃模型的變量可歸納為：

式中：x和y分別為由與規(guī)劃層面和調(diào)度運(yùn)行層面相關(guān)的變量組成的向量；和分別為第n年典型日d下t時(shí)段的光伏發(fā)電功率、電儲(chǔ)能充電功率、電鍋爐耗電功率和電負(fù)荷；和分別為第n年典型日d下t時(shí)段儲(chǔ)氫罐充、放氫體積和氫負(fù)荷和分別為第n年典型日d下t時(shí)段燃料電池發(fā)電余熱量、電解水制氫余熱量、電鍋爐產(chǎn)熱量、儲(chǔ)熱罐蓄熱量、儲(chǔ)熱罐放熱量、棄熱量和熱負(fù)荷；分別為第n年典型日d下t時(shí)段電儲(chǔ)能、儲(chǔ)氫罐和儲(chǔ)熱罐的剩余存儲(chǔ)容量；分別為第n年典型日d下t時(shí)段儲(chǔ)氫罐充、放氫的摩爾流量；為第n年典型日d下t時(shí)段的儲(chǔ)氫罐壓力。為了更清楚地描述模型，本文給出了多階段規(guī)劃模型的緊湊形式，如下所示：

式中：c和d為目標(biāo)函數(shù)式（1）的系數(shù)列向量；A、B、Q、G、W、F、M、R和I為各約束條件對(duì)應(yīng)的變量系數(shù)矩陣；a、b、q、g、h和m為常數(shù)列向量；u?如式（21）所示。約束條件中，Ax≥a對(duì)應(yīng)式（13）—（16）、（18）；Bx=b對(duì)應(yīng)式（17）；Qy≥q對(duì)應(yīng)附錄A 式（A7）、（A15）—（A18）；Gy=g對(duì)應(yīng)式（7）—（9）和附錄A 式（A1）—（A4）、（A6）、（A8）、（A13）；Wy≥h-Fx對(duì)應(yīng)式（6）和附錄A 式（A5）、（A10）—（A12）、（A14）；My=m-Rx對(duì)應(yīng)附錄A式（A9）；Iy=u?對(duì)應(yīng)式（5），表示各時(shí)段光伏出力和負(fù)荷需求等于其預(yù)測(cè)功率。

2 氫電耦合微電網(wǎng)隨機(jī)-魯棒動(dòng)態(tài)規(guī)劃模型

在動(dòng)態(tài)規(guī)劃模型中，設(shè)備的成本是影響投資經(jīng)濟(jì)性的主要因素之一。隨著制造工藝的進(jìn)步，設(shè)備的價(jià)格整體上呈下降趨勢(shì)，但依然受一些不確定性因素的影響，成本存在一定隨機(jī)波動(dòng)性。為此，以對(duì)數(shù)正態(tài)分布擬合光伏和電解水制氫系統(tǒng)的單位投資成本［19-20］，以正態(tài)分布［21］和三角形分布［22］分別描述電儲(chǔ)能和燃料電池投資成本的不確定性，最終通過蒙特卡羅抽樣和聚類壓縮得到設(shè)備逐年投資成本的隨機(jī)概率場(chǎng)景?？紤]投資成本不確定性后，式（2）轉(zhuǎn)換為如下形式：

式中：Cinv，n為第n年各設(shè)備的投資成本；k∈{PV，BAT，F(xiàn)C，EZ}；ωs為場(chǎng)景s發(fā)生的概率；S為場(chǎng)景集；為第n年設(shè)備k在場(chǎng)景s下的單位投資成本。

此外，日內(nèi)光伏出力和負(fù)荷需求不確定性以如下箱形不確定集合U描述：

式中：u為由不確定變量組成的向量；u和u分別為第n年典型日d下t時(shí)段的光伏出力和負(fù)荷功率；ΔP和ΔP分別為光伏和負(fù)荷預(yù)測(cè)功率的最大偏差；ΓPV和Γload分別為光伏和負(fù)荷不確定性調(diào)節(jié)參數(shù)，用于調(diào)整規(guī)劃方案的保守性［1］。

綜上，構(gòu)建如下隨機(jī)-魯棒混合多階段動(dòng)態(tài)規(guī)劃模型：

式中：E(cTx)為投資成本的期望值；Ω（x，u）為y的可行域。在式（24）中，外層為最小化問題，其中x是與規(guī)劃決策相關(guān)的第一階段向量，滿足設(shè)備投資成本隨機(jī)場(chǎng)景下總成本的期望值最小，內(nèi)層為最大／最小化問題，可確定光伏出力和負(fù)荷需求的最惡劣場(chǎng)景，y和u是與運(yùn)行決策相關(guān)的第二階段向量。

結(jié)合式（19）、（22）、（24）可知，本文所構(gòu)建的規(guī)劃模型中，設(shè)備k第n年的投資容量Xkn為決策變量，其表征微電網(wǎng)投資主體將設(shè)備的投資由傳統(tǒng)的第1年全部投入轉(zhuǎn)變?yōu)椤岸嚯A段”執(zhí)行。在此架構(gòu)下，投資主體可基于設(shè)備k第n年單位成本、第n年負(fù)荷需求、分布式電源發(fā)電等信息，全面評(píng)估第n年投入設(shè)備k的價(jià)值，進(jìn)而決定設(shè)備k的逐年投資方案，從而優(yōu)化微電網(wǎng)每年的源荷匹配，提升規(guī)劃方案的經(jīng)濟(jì)性。

多階段規(guī)劃模型可通過列與約束生成（column and constraint generation，C&CG）算法進(jìn)行求解［16］。具體步驟如下：

1）根據(jù)光伏、電儲(chǔ)能、燃料電池和電解水制氫的預(yù)測(cè)成本數(shù)據(jù)以及成本分布模型，通過蒙特卡羅模擬生成價(jià)格場(chǎng)景，并采用K-means 聚類法減少場(chǎng)景數(shù)量，得到價(jià)格場(chǎng)景及相應(yīng)的權(quán)重系數(shù)ωs；2）基于文獻(xiàn)［23］所提典型日選取方法，考慮規(guī)劃期內(nèi)負(fù)荷增長率和光伏衰減率，得到規(guī)劃期內(nèi)的典型場(chǎng)景和相應(yīng)的權(quán)重ωn，d；

3）給定一組u值作為初始的最惡劣場(chǎng)景，設(shè)置下界值SLB=-∞、上界值SUB=∞以及迭代次數(shù)l初始值為1，根據(jù)最惡劣場(chǎng)景下的u求解主問題，并用主問題的目標(biāo)函數(shù)值更新SLB；

4）將第l次迭代時(shí)主問題的解代入子問題進(jìn)行求解，得到子問題最優(yōu)值，更新上界SUB=

5）設(shè)置收斂閾值ξ=0.01，若(SUB-SLB)/SLB≤ξ則停止迭代，否則在主問題中引入新的割約束式（25），更新l=l+1，并重新求解主問題，更新下限SLB，跳轉(zhuǎn)至步驟4）進(jìn)行迭代求解直到算法收斂。

式中：α為輔助變量。

3 算例分析

本文將微電網(wǎng)規(guī)劃周期設(shè)置為10 a，并設(shè)置系統(tǒng)的折現(xiàn)率為5 %［16］，貸款利率為6.5 %［16］，貸款年限為6 a，負(fù)荷增長率為3 %［24］，其余主要參數(shù)見附錄B表B1。

BIM在施工過程中的質(zhì)量控制的最大優(yōu)點(diǎn)，就是提高了施工單位項(xiàng)目部?jī)?nèi)部班組實(shí)施質(zhì)量信息的溝通效率，而且大大改善了施工單位與其他項(xiàng)目參與方的溝通組織及協(xié)調(diào)?；贐IM溝通，不管你在哪里，都能隨時(shí)隨地檢查質(zhì)量信息，移動(dòng)端就能發(fā)出指令要求，就能要求整改并上傳質(zhì)量信息。坐在辦公室的項(xiàng)目領(lǐng)導(dǎo)只需打開相關(guān)系統(tǒng)及軟件，就能夠?qū)崿F(xiàn)查閱質(zhì)量信息及發(fā)布遠(yuǎn)程管理指令，便于工程項(xiàng)目的遠(yuǎn)程管理、控制及組織協(xié)調(diào)。

以文獻(xiàn)［25-27］中光伏、電儲(chǔ)能、燃料電池、電解水制氫設(shè)備未來逐年單位投資成本預(yù)測(cè)為基準(zhǔn)值，基于文獻(xiàn)［19-22］構(gòu)建的各設(shè)備投資成本分布模型（如附錄B表B2所示），由蒙特卡羅模擬得到1 000個(gè)隨機(jī)場(chǎng)景，并采用K-means 聚類法進(jìn)行場(chǎng)景壓縮，通過誤差平方和（sum of squared error，SSE）確定場(chǎng)景數(shù)量，如附錄B圖B1所示?？梢钥闯觯琒SE隨著聚類數(shù)的增加而減小，當(dāng)聚類數(shù)大于20 時(shí)，下降速度變得十分緩慢。因此，本文選取20 個(gè)隨機(jī)場(chǎng)景以平衡準(zhǔn)確性和計(jì)算效率，對(duì)應(yīng)20 個(gè)光伏、電儲(chǔ)能、燃料電池和電解水制氫未來的單位成本場(chǎng)景，如附錄B 圖B2 所示，其中每個(gè)場(chǎng)景發(fā)生的概率如附錄B 表B3所示。C&CG 算法的收斂迭代過程如附錄B 圖B3所示。

3.1 規(guī)劃結(jié)果分析

為了驗(yàn)證本文所提方法相比于單階段規(guī)劃方法以及未考慮投資成本不確定性的多階段規(guī)劃方法的優(yōu)勢(shì)，設(shè)置如下案例：

案例1，投資決策采用傳統(tǒng)的單階段規(guī)劃模型，考慮設(shè)備的退化，負(fù)荷增長率設(shè)為3 %；

案例2，投資決策采用多階段規(guī)劃模型，考慮設(shè)備的退化，但不考慮投資成本不確定性（即不考慮投資成本的波動(dòng)情況），負(fù)荷增長率設(shè)為3 %；

案例3，投資決策采用本文提出的多階段規(guī)劃模型，負(fù)荷增長率設(shè)為3 %；

案例4，投資策略與案例1 相同，負(fù)荷增長率設(shè)為4 %；

案例5，投資策略與案例3 相同，負(fù)荷增長率設(shè)為4 %。

圖2、3 和附錄B 圖B4 分別展示了案例1 — 5 下DER 和ESS 的投資容量及投資時(shí)間、累計(jì)凈現(xiàn)值和光伏本地消納率。其中，光伏本地消納率指光伏自發(fā)自用部分電量與光伏總發(fā)電量的比值。從圖2 中可以看出，在相同負(fù)荷增長率下，多階段規(guī)劃模型的初始配置容量均低于單階段規(guī)劃模型，且考慮投資成本不確定性后的多階段規(guī)劃模型的初始配置容量更低。以負(fù)荷增長率為3 % 為例，本文提出的模型（案例3）相比于單階段規(guī)劃模型（案例1），光伏、電儲(chǔ)能、燃料電池、電解水制氫、電鍋爐、儲(chǔ)熱罐和儲(chǔ)氫罐的初始投資容量分別降低了15.4 %、11.1 %、1.4 %、13.7 %、3.3 %、10.8 %、1.2 %；與此同時(shí)，相比于未考慮投資成本不確定性的多階段規(guī)劃模型（案例2）分別降低了5.4 %、6.2 %、0.7 %、12.6 %、1.1 %、7.3 %、0.6 %。另外，由圖3 可知，采用本文提出的模型能在滿足規(guī)劃初期負(fù)荷需求的前提下，顯著降低初始投資成本。

圖2 案例1— 5的投資規(guī)劃方案Fig.2 Investment planning schemes of Case 1-5

圖3 案例1— 5的累計(jì)凈現(xiàn)值Fig.3 Cumulative net present values of Case 1-5

此外，本文提出的多階段規(guī)劃模型將光伏和電解水制氫設(shè)備的投資分布在未來多個(gè)階段，有效利用了設(shè)備成本降低的趨勢(shì)，提升投資經(jīng)濟(jì)性。案例2 雖然同樣采用多階段投資策略，但未能充分利用設(shè)備成本波動(dòng)特性，在2027 年投入光伏容量較低。相較而言，本文方法在2027 年增加了較大容量的光伏和電池配置，以提升后續(xù)階段微電網(wǎng)運(yùn)行的經(jīng)濟(jì)性。從圖B4中可以看出，多階段規(guī)劃模型在初期光伏本地消納率更高，源荷匹配性更強(qiáng)。在2027 年由于新增較大容量光伏，微電網(wǎng)上送電量增加，導(dǎo)致本地消納率有所降低。此外，圖2（b）中案例1 在2027年也配置了儲(chǔ)能，這是因?yàn)閱坞A段規(guī)劃模型同樣考慮了電儲(chǔ)能壽命約束式（10）—（12），因此在2027 年需要進(jìn)行電儲(chǔ)能替換。

假定貸款比例設(shè)置為0.8，案例1 — 5 的投資決策及成本如表1 所示。其中，投資回收期是指未來現(xiàn)金凈流量的現(xiàn)值等于原始投資額現(xiàn)值時(shí)所經(jīng)歷的時(shí)間。可以看出，案例3和案例1相比總投資成本降低了近5.0 %，初始投資成本降低了近13.9 %，投資回收期縮短了近32.9 %。且隨著負(fù)荷增長率的提高，多階段規(guī)劃模型初始投資成本降低的百分比進(jìn)一步提升。這是因?yàn)殡S著負(fù)荷增長率的提高，單階段規(guī)劃模型將提高初始光伏／儲(chǔ)能配置容量，以滿足未來負(fù)荷增長需求。然而，在本文提出的多階段動(dòng)態(tài)投資策略下，負(fù)荷增長導(dǎo)致的容量需求將在未來以最經(jīng)濟(jì)的方式進(jìn)行優(yōu)化，因此光伏／儲(chǔ)能的初始配置容量幾乎相同，有利于緩解初期的資金壓力，降低借貸成本。此外，案例3和案例2相比總投資成本降低了近3.6 %，初始投資成本降低了近6.5 %，投資回收期縮短了近1.4 %，體現(xiàn)了在多階段規(guī)劃中考慮設(shè)備投資成本不確定性的價(jià)值。

表1 案例1 — 5的投資決策及成本Table 1 Investment decision-making and costs of Case 1-5

此外，選取3 組不確定性調(diào)節(jié)參數(shù)分析其對(duì)規(guī)劃方案保守性的影響，參數(shù)的選取以及規(guī)劃總成本如表2所示，表中負(fù)值表示收益。

表2 不同不確定性參數(shù)下氫電耦合微電網(wǎng)的總成本和運(yùn)行成本Table 2 Total costs and operation costs of hydrogen-electric coupled microgrid under different uncertain parameters

從表2 可以看出，隨著不確定性調(diào)節(jié)參數(shù)的增大，氫電耦合微電網(wǎng)的總成本和運(yùn)行成本均隨之增加。換言之，微電網(wǎng)在制定日前調(diào)度計(jì)劃時(shí)越多地考慮不確定性因素，得到的方案越保守，相應(yīng)的規(guī)劃周期內(nèi)的總成本和運(yùn)行成本也越高。通過靈活調(diào)整該參數(shù)，可實(shí)現(xiàn)對(duì)規(guī)劃方案保守度的調(diào)整。

3.2 調(diào)度結(jié)果分析

以冬季某典型日的數(shù)據(jù)為例對(duì)調(diào)度結(jié)果進(jìn)行分析。冬季24 h的購／售電價(jià)格和購／售氫價(jià)格如附錄B 圖B5 所示，某典型日下電、熱、氫負(fù)荷如附錄B圖B6所示。該典型日的電、氫和熱能流調(diào)度結(jié)果分別見附錄B圖B7 — B9，其中電、氫、熱負(fù)荷對(duì)應(yīng)的值是該典型日的最惡劣場(chǎng)景下的值。由圖可知：［01:00，08:00）時(shí)段和24:00 時(shí)購電價(jià)格較低，微電網(wǎng)向電網(wǎng)購買電能，在滿足電負(fù)荷需求的基礎(chǔ)上，可以對(duì)電儲(chǔ)能充電，也可以通過電解水制氫以及電鍋爐產(chǎn)熱分別滿足氫、熱負(fù)荷；［08:00，10:00）時(shí)段，光伏發(fā)電和電儲(chǔ)能放電可滿足電負(fù)荷需求，同時(shí)供給電解水制氫系統(tǒng)工作，產(chǎn)生的余熱連同儲(chǔ)熱罐一同供給熱負(fù)荷；［10:00，18:00）時(shí)段，光伏產(chǎn)生的電能充足，多余的電能可以供給電儲(chǔ)能充電、電解水制氫和電鍋爐產(chǎn)熱，同時(shí)向電網(wǎng)出售富余的電能；［18:00，24:00）時(shí)段，由于電價(jià)較高，燃料電池和電儲(chǔ)能發(fā)電滿足電負(fù)荷需求，從而降低購電成本，并通過余熱和儲(chǔ)熱罐放熱滿足熱負(fù)荷需求、儲(chǔ)氫罐放氫滿足氫負(fù)荷需求。

4 結(jié)論

本文提出了一種氫電耦合微電網(wǎng)隨機(jī)-魯棒混合多階段動(dòng)態(tài)規(guī)劃模型，所得結(jié)論如下。

1）所提模型綜合考慮了規(guī)劃階段光伏、電儲(chǔ)能、電解水制氫、燃料電池的投資成本不確定性以及運(yùn)行階段光伏發(fā)電和負(fù)荷需求不確定性。同時(shí)，模型計(jì)及了設(shè)備效率衰減、負(fù)荷增長等動(dòng)態(tài)因素，確定最佳投資容量和時(shí)機(jī)，能夠給投資者提供更加合理的投資決策。

2）所提模型以動(dòng)態(tài)投資視角確定規(guī)劃方案，可利用設(shè)備投資成本逐年降低屬性，優(yōu)化投資方案。在仿真案例中，與傳統(tǒng)的單階段投資規(guī)劃模型相比，所提模型總成本降低了近5.0 %，初始投資成本降低了近13.9 %，投資回收期縮短了近32.9 %，具有較好的經(jīng)濟(jì)性。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。