考慮風(fēng)光出力相關(guān)性與條件風(fēng)險(xiǎn)價(jià)值的孤島型微電網(wǎng)經(jīng)濟(jì)調(diào)度

陳付雷，方毛林，汪辰晨，李金孟

（1.國(guó)網(wǎng)安徽經(jīng)濟(jì)技術(shù)研究院，安徽合肥 230000；2.中國(guó)能源建設(shè)集團(tuán)安徽省電力設(shè)計(jì)院有限公司，安徽 合肥 230601；3.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 102206）

0 引言

隨著能源稀缺、環(huán)境污染等問(wèn)題的日益嚴(yán)重，世界各國(guó)進(jìn)行了能源結(jié)構(gòu)變革，風(fēng)、光等可再生能源得到了大規(guī)模發(fā)展[1]。由分布式能源構(gòu)成的微電網(wǎng)系統(tǒng)依靠其經(jīng)濟(jì)成本低、環(huán)境友好、靈活性強(qiáng)等優(yōu)勢(shì)得到了廣泛應(yīng)用[2]。為了利用豐富的可再生能源滿(mǎn)足遠(yuǎn)離主電網(wǎng)的島嶼、山區(qū)和其他偏遠(yuǎn)地區(qū)用戶(hù)的用電需求，學(xué)者對(duì)微電網(wǎng)的孤島運(yùn)行模式進(jìn)行了研究和應(yīng)用[3]。然而，可再生電源的出力存在不確定性，在缺乏主電網(wǎng)的支撐時(shí)，可導(dǎo)致微電網(wǎng)供需兩側(cè)功率不均衡和輸電線(xiàn)電壓波動(dòng)，嚴(yán)重影響了系統(tǒng)的安全穩(wěn)定運(yùn)行[4-5]?；诖耍紤]可再生能源出力的不確定性對(duì)孤島微電網(wǎng)調(diào)度運(yùn)行進(jìn)行優(yōu)化是一個(gè)值得深入研究的問(wèn)題。

目前，處理計(jì)及不確定性的微電網(wǎng)優(yōu)化調(diào)度問(wèn)題的主要方法為魯棒優(yōu)化方法。文獻(xiàn)[6]提出了日前計(jì)劃與日內(nèi)調(diào)度的孤島型微電網(wǎng)魯棒優(yōu)化算法。文獻(xiàn)[7-8]提出了具有不同魯棒調(diào)節(jié)參數(shù)的微電網(wǎng)自適應(yīng)魯棒優(yōu)化調(diào)度模型，以提高大規(guī)?？稍偕植际侥茉床⑷胛㈦娋W(wǎng)系統(tǒng)的運(yùn)行經(jīng)濟(jì)性和安全性。文獻(xiàn)[9]建立了兩階段魯棒優(yōu)化模型，以找到微電網(wǎng)運(yùn)行的經(jīng)濟(jì)性和穩(wěn)定性之間的平衡點(diǎn)。然而，采用魯棒優(yōu)化方法確定最壞邊界存在一定的主觀性，并且隨著智能算法、大數(shù)據(jù)技術(shù)的發(fā)展，微電網(wǎng)系統(tǒng)中的不確定性參數(shù)都會(huì)在預(yù)測(cè)情景附近波動(dòng)[10]。

為此，基于場(chǎng)景生成的規(guī)劃方法被應(yīng)用于不確定參數(shù)建模，不確定性被模擬成一系列合理的離散場(chǎng)景，并且通過(guò)隨機(jī)優(yōu)化方法對(duì)場(chǎng)景進(jìn)行求解，其優(yōu)化結(jié)果與實(shí)際值非常接近[11]。文獻(xiàn)[12-13]運(yùn)用蒙特卡洛場(chǎng)景生成方法模擬可再生能源機(jī)組出力的不確定性，構(gòu)建了微電網(wǎng)經(jīng)濟(jì)調(diào)度優(yōu)化模型。在以往的研究中一般根據(jù)先驗(yàn)統(tǒng)計(jì)假設(shè)構(gòu)建分布函數(shù)，導(dǎo)致擬合效果往往與真實(shí)情況相差較大[14]。另外，在微電網(wǎng)調(diào)度中，同一地區(qū)的風(fēng)能和太陽(yáng)能表現(xiàn)出了很強(qiáng)的相關(guān)性[15]，需要進(jìn)一步深入研究。

此外，文獻(xiàn)[11-13]缺少了可再生能源出力不確定性對(duì)目標(biāo)函數(shù)影響的描述。為了評(píng)估參數(shù)不確定性對(duì)目標(biāo)函數(shù)造成的風(fēng)險(xiǎn)損失，條件風(fēng)險(xiǎn)價(jià)值（Conditional Value at Risk，CVaR）理論在電力系統(tǒng)經(jīng)濟(jì)調(diào)度領(lǐng)域得到了很好的應(yīng)用[16]。文獻(xiàn)[17]考慮能源價(jià)格不確定性給電力系統(tǒng)調(diào)度運(yùn)行帶來(lái)的風(fēng)險(xiǎn)，采用CVaR 作為風(fēng)險(xiǎn)度量，建立了風(fēng)險(xiǎn)損失評(píng)估模型。文獻(xiàn)[18]對(duì)風(fēng)電、光伏出力的不確定性進(jìn)行分析，在目標(biāo)函數(shù)中引入CVaR 成本，對(duì)含可再生能源發(fā)電機(jī)組的虛擬電廠進(jìn)行調(diào)度優(yōu)化。在已有研究中，運(yùn)用CVaR 對(duì)可再生能源出力不確定性造成的風(fēng)險(xiǎn)損失進(jìn)行度量時(shí)，未對(duì)碳交易成本進(jìn)行考慮。已有研究表明碳交易機(jī)制在提升微電網(wǎng)系統(tǒng)經(jīng)濟(jì)效益方面作用顯著[19-20]。因此，本文在調(diào)度模型中引入碳交易機(jī)制，分析市場(chǎng)手段對(duì)降低系統(tǒng)運(yùn)行成本和風(fēng)險(xiǎn)損失的作用。

綜上，本文考慮風(fēng)光出力的不確定性和相關(guān)性、風(fēng)險(xiǎn)損失及碳交易等因素對(duì)孤島型微電網(wǎng)調(diào)度優(yōu)化問(wèn)題進(jìn)行了研究?；诜菂?shù)核密度估計(jì)方法和Copula 函數(shù)構(gòu)建風(fēng)光出力聯(lián)合概率分布模型，并通過(guò)蒙特卡洛模擬與K-means 聚類(lèi)技術(shù)得到風(fēng)光出力典型場(chǎng)景；運(yùn)用CVaR 理論評(píng)估風(fēng)光出力不確定性對(duì)系統(tǒng)造成的風(fēng)險(xiǎn)損失，構(gòu)建了冷、熱、電多能耦合的孤島型微電網(wǎng)調(diào)度優(yōu)化模型；分析碳交易機(jī)制對(duì)調(diào)度運(yùn)行成本和風(fēng)險(xiǎn)損失的影響，利用可再生能源機(jī)組發(fā)電的優(yōu)勢(shì)，通過(guò)市場(chǎng)交易提升經(jīng)濟(jì)性。

1 風(fēng)險(xiǎn)損失和風(fēng)光出力相關(guān)性建模

1.1 基于CVaR的風(fēng)險(xiǎn)損失度量

CVaR 表示在一定置信度水平β下，風(fēng)險(xiǎn)損失大于風(fēng)險(xiǎn)價(jià)值（Value at Risk，VaR）的期望。對(duì)于給定的β∈(0,1)，其對(duì)應(yīng)的VaR 和CVaR 求解表達(dá)式如下：

式中：ψ(x,α)為風(fēng)險(xiǎn)損失不大于輔助決策變量α的分布函數(shù)；x為決策變量；ξ為導(dǎo)致系統(tǒng)風(fēng)險(xiǎn)損失的隨機(jī)變量；ρ(ξ)為ξ的概率密度函數(shù)；f(ξ,x)為風(fēng)險(xiǎn)損失函數(shù)；αβ(ξ)為風(fēng)險(xiǎn)度量的VaR 值；R為實(shí)數(shù)；φβ(ξ)為風(fēng)險(xiǎn)度量的CVaR 值。

由于αβ(ξ)的表達(dá)式難以直接給出，參考文獻(xiàn)[17]對(duì)CVaR 進(jìn)行近似求解：

考慮到實(shí)際應(yīng)用中概率密度ρ(ξ)求解的復(fù)雜性，對(duì)其進(jìn)行離散化處理，將式（2）轉(zhuǎn)換成式（3）所示：

式中：N為場(chǎng)景總數(shù)；pk為場(chǎng)景k發(fā)生的概率。

式（3）中α的最優(yōu)值為αβ(ξ)。

1.2 風(fēng)光出力典型場(chǎng)景生成

Copula 函數(shù)可以描述隨機(jī)變量相關(guān)性，利用各變量的邊緣分布函數(shù)求出聯(lián)合分布函數(shù)[21]。由于不同類(lèi)型Copula 函數(shù)的模擬結(jié)果存在較大差異。本文基于Spearman 秩相關(guān)系數(shù)、Kendall 秩相關(guān)系數(shù)指標(biāo)，選取孤島型微電網(wǎng)系統(tǒng)1 個(gè)月的風(fēng)電、光伏出力數(shù)據(jù)，分別用Normal-Copula，F(xiàn)rank-Copula，Clayton-Copula 函數(shù)擬合風(fēng)光出力，并計(jì)算Empirical-Copula 函數(shù)的秩相關(guān)系數(shù)，結(jié)果如表1 所示。各函數(shù)的指標(biāo)值與Empirical-Copula 函數(shù)越接近，擬合效果越好。

表1 Copula函數(shù)的秩相關(guān)系數(shù)Table 1 Rank correlation coefficient of copula function

由表1 可知，F(xiàn)rank-Copula 函數(shù)模擬的效果最佳，故而采用Frank-Copula 函數(shù)描述風(fēng)光出力的聯(lián)合分布函數(shù)。針對(duì)風(fēng)光出力概率密度函數(shù)無(wú)法利用經(jīng)驗(yàn)分布直接獲取的問(wèn)題，利用非參數(shù)核密度估計(jì)法建立概率密度函數(shù)。隨后，運(yùn)用蒙特卡洛抽樣的方式進(jìn)行場(chǎng)景生成，并基于K-means 方法進(jìn)行聚類(lèi)縮減得到風(fēng)光出力典型場(chǎng)景?？紤]累積分布函數(shù)的反函數(shù)求解難度較大的問(wèn)題，利用三次樣條插值法求解累積概率所對(duì)應(yīng)的每個(gè)時(shí)段的采樣風(fēng)電和光伏出力。具體的典型場(chǎng)景生成步驟參考文獻(xiàn)[15，22]。

2 計(jì)及CVaR 的孤島型微電網(wǎng)系統(tǒng)多場(chǎng)景協(xié)同調(diào)度優(yōu)化模型

本文構(gòu)建了包含冷-熱-電多能耦合的孤島型微電網(wǎng)系統(tǒng)調(diào)度優(yōu)化模型，系統(tǒng)結(jié)構(gòu)如圖1 所示。

圖1 孤島型微電網(wǎng)多能耦合系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure diagram of multi-energy coupling system of islanded microgrid

供能設(shè)備包括熱電聯(lián)產(chǎn)（Combined Heat and Power，CHP）機(jī)組、風(fēng)電機(jī)組（Wind Power Plant，WPP）、光伏機(jī)組（Photovoltaic，PV）、燃?xì)忮仩t（Gas Boiler，GB）、吸收式制冷機(jī)（Absorption Chiller，AC）和電制冷機(jī)（Electrical Chiller，EC）；儲(chǔ)能系統(tǒng)包括電儲(chǔ)能（Electrical Storage，ES）和熱儲(chǔ)能（Thermal Storage，TS）；負(fù)荷類(lèi)型包括電負(fù)荷、熱負(fù)荷和冷負(fù)荷。

2.1 目標(biāo)函數(shù)

優(yōu)化目標(biāo)設(shè)置為最小化系統(tǒng)日運(yùn)行成本期望值的基礎(chǔ)上，利用CVaR 進(jìn)行風(fēng)險(xiǎn)規(guī)避。運(yùn)行成本包括燃料成本Cfuel、運(yùn)行維護(hù)成本Com、碳排放權(quán)交易成本Cct和環(huán)境污染懲罰成本Cenv。

2.1.1 系統(tǒng)運(yùn)行成本

1）燃料成本為：

式中：t為調(diào)度時(shí)段，時(shí)間間隔為1 h，調(diào)度周期內(nèi)共24 個(gè)時(shí)段；λgas為天然氣單價(jià)；LHV為天然氣的低熱值；為CHP 機(jī)組的輸出電功率，ηCHP,ele為CHP 機(jī)組的發(fā)電效率；為t時(shí)段燃?xì)忮仩t的輸出功率，ηGB為燃?xì)忮仩t的能量轉(zhuǎn)換效率。

2）運(yùn)行維護(hù)成本為：

式中：λct為碳排放權(quán)交易單價(jià)；Et為t時(shí)段系統(tǒng)的CO2配額量，本文采取基準(zhǔn)線(xiàn)法[23]確定該值；為t時(shí)段系統(tǒng)的CO2排放量；γ為系統(tǒng)碳配額系數(shù)，其值根據(jù)區(qū)域電網(wǎng)基準(zhǔn)線(xiàn)排放因子確定；?CHP，?GB分別為CHP 機(jī)組和燃?xì)忮仩t的CO2排放強(qiáng)度。

4）環(huán)境污染懲罰成本為：

式中：I為污染氣體類(lèi)型總數(shù)；τi為第i類(lèi)污染氣體的排放懲罰系數(shù)；分別為CHP 機(jī)組和燃?xì)忮仩t的第i類(lèi)污染氣體排放強(qiáng)度。

系統(tǒng)中污染物類(lèi)型包括NOx，SO2和CO2氣體。

2.1.2 計(jì)及CVaR的調(diào)度優(yōu)化目標(biāo)函數(shù)

計(jì)及CVaR 的目標(biāo)函數(shù)由2 部分組成：（1）多種場(chǎng)景運(yùn)行成本的期望值；（2）CVaR 成本。通過(guò)引入風(fēng)險(xiǎn)偏好系數(shù)θ對(duì)CVaR 進(jìn)行賦權(quán)，得到優(yōu)化目標(biāo)函數(shù)如式（8）所示。

一般認(rèn)為θ值小于0.05 時(shí)為風(fēng)險(xiǎn)偏好，大于0.1 時(shí)為風(fēng)險(xiǎn)規(guī)避。

2.2 約束條件

1）能量轉(zhuǎn)換約束為：

2）機(jī)組出力及爬坡約束為：

3）電儲(chǔ)能單元約束為：

4）熱儲(chǔ)能單元約束為：

5）功率平衡約束為：

3 算例分析

3.1 系統(tǒng)參數(shù)與場(chǎng)景設(shè)置

為了驗(yàn)證已建模型的可行性和有效性，選取某一孤島型微電網(wǎng)系統(tǒng)的數(shù)據(jù)作為算例進(jìn)行分析。本文構(gòu)建的調(diào)度優(yōu)化模型為混合整數(shù)線(xiàn)性規(guī)劃模型，利用GAMS/BARON 求解器進(jìn)行求解。參考文獻(xiàn)[21，24-25]給出系統(tǒng)運(yùn)行的主要參數(shù)取值情況，如表2 所示；污染物排放參數(shù)如表3 所示；冷、熱、電負(fù)荷曲線(xiàn)如圖2 所示。根據(jù)歷史數(shù)據(jù)，運(yùn)用本文所提的典型場(chǎng)景生成方法生成5 個(gè)場(chǎng)景的風(fēng)光出力曲線(xiàn)如圖3 所示，其中采樣規(guī)模設(shè)置為1 000 次。置信水平β=0.95，風(fēng)險(xiǎn)偏好系數(shù)θ=0.1。

圖2 微電網(wǎng)電、熱、冷負(fù)荷曲線(xiàn)Fig.2 Curves for electric，thermal and cooling load of microgrid

圖3 風(fēng)光出力場(chǎng)景生成結(jié)果Fig.3 Results of scenario generation for WPP and PV output

表2 系統(tǒng)運(yùn)行參數(shù)Table 2 System operation parameters

表3 污染物排放參數(shù)Table 3 Pollutant emission parameters

設(shè)置以下4 種情景進(jìn)行對(duì)比分析：情景1，不考慮條件風(fēng)險(xiǎn)價(jià)值與碳交易機(jī)制進(jìn)行調(diào)度優(yōu)化；情景2，考慮條件風(fēng)險(xiǎn)價(jià)值，不考慮碳交易機(jī)制進(jìn)行調(diào)度優(yōu)化；情景3，不考慮條件風(fēng)險(xiǎn)價(jià)值，考慮碳交易機(jī)制進(jìn)行調(diào)度優(yōu)化；情景4，考慮條件風(fēng)險(xiǎn)價(jià)值與碳交易機(jī)制進(jìn)行調(diào)度優(yōu)化。

3.2 算例求解結(jié)果

3.2.1 能源供給結(jié)果

由于不同情景下系統(tǒng)通過(guò)調(diào)度滿(mǎn)足冷、熱、電用能需求的原理一致，并且不同風(fēng)光出力場(chǎng)景只是數(shù)據(jù)值存在差異，不影響功率平衡機(jī)理，因此本節(jié)基于風(fēng)光出力典型場(chǎng)景2，給出情景4 優(yōu)化后的系統(tǒng)冷、熱、電供能結(jié)果，其余情景不再贅述。

1）電負(fù)荷供給調(diào)度結(jié)果。圖4 為電負(fù)荷的調(diào)度結(jié)果，圖4 中在用電高峰時(shí)段（10∶00—20∶00），風(fēng)電和光伏處于滿(mǎn)負(fù)荷運(yùn)行狀態(tài)，未發(fā)生棄風(fēng)棄光現(xiàn)象，系統(tǒng)通過(guò)CHP 機(jī)組和電儲(chǔ)能設(shè)備放電滿(mǎn)足其余的電量供應(yīng)；在用電負(fù)荷需求低于電力供應(yīng)時(shí)段（21∶00—5∶00），風(fēng)電出力的多余電量被儲(chǔ)存在電儲(chǔ)能設(shè)備中，以滿(mǎn)足高峰時(shí)期的用電需求；系統(tǒng)的棄風(fēng)棄光總量為1 917.97 kWh。

圖4 電負(fù)荷的調(diào)度結(jié)果Fig.4 Scheduling result of power load

2）熱負(fù)荷供給調(diào)度結(jié)果。圖5 為熱負(fù)荷的調(diào)度結(jié)果，圖5 中在3∶00—6∶00，系統(tǒng)的熱負(fù)荷由燃?xì)忮仩t提供，而在其他時(shí)段熱負(fù)荷來(lái)自CHP 機(jī)組余熱鍋爐。結(jié)合圖4 分析可知，3∶00—6∶00 電負(fù)荷需求較低，CHP 機(jī)組未出力，余熱鍋爐不提供熱量；而在其他時(shí)間段CHP 機(jī)組處于運(yùn)轉(zhuǎn)狀態(tài)，余熱鍋爐產(chǎn)生的熱量基本滿(mǎn)足系統(tǒng)用熱需求。熱儲(chǔ)能裝置在6∶00將多余的熱量?jī)?chǔ)存，并在18∶00 將熱能放出。

圖5 熱負(fù)荷的調(diào)度結(jié)果Fig.5 Scheduling result of heating load

3）冷負(fù)荷供給調(diào)度結(jié)果。圖6 為冷負(fù)荷的調(diào)度結(jié)果，冷負(fù)荷由吸收式制冷機(jī)和電制冷機(jī)提供，二者協(xié)調(diào)運(yùn)行以滿(mǎn)足系統(tǒng)各時(shí)段的冷能需求。在11∶00—19∶00，冷負(fù)荷由吸收式制冷機(jī)提供，其余時(shí)段全部由電制冷機(jī)提供。11∶00—19∶00 電負(fù)荷需求較高，CHP 機(jī)組處于滿(mǎn)負(fù)荷運(yùn)行狀態(tài)，余熱鍋爐產(chǎn)生的熱量在滿(mǎn)足用熱負(fù)荷后，被輸送到吸收式制冷機(jī)供給冷負(fù)荷；其余時(shí)段，電制冷機(jī)通過(guò)消納可再生能源機(jī)組的發(fā)電量滿(mǎn)足冷負(fù)荷。

圖6 冷負(fù)荷的調(diào)度結(jié)果Fig.6 Scheduling result of cooling load

3.2.2 調(diào)度優(yōu)化結(jié)果

本文選取CHP 機(jī)組發(fā)電量、棄風(fēng)棄光量、運(yùn)行成本期望值和調(diào)度風(fēng)險(xiǎn)成本指標(biāo)，對(duì)不同情景的調(diào)度優(yōu)化結(jié)果進(jìn)行對(duì)比，如表4 所示。

表4 不同情景的優(yōu)化結(jié)果Table 4 Optimization results of different scenarios

3.3 調(diào)度結(jié)果分析

3.3.1 CVaR的合理性與優(yōu)化效果分析

1）合理性分析：觀察表4 可知，常規(guī)求解模型（情景1）求解時(shí)，微電網(wǎng)調(diào)度運(yùn)行成本期望值為7 673.871 元，風(fēng)險(xiǎn)成本為12 499.19 元，按照式（10）求得的目標(biāo)函數(shù)值為8 923.79 元。考慮CVaR 的調(diào)度模型（情景2）求解后，微電網(wǎng)調(diào)度運(yùn)行成本期望值為7 837.484 元，風(fēng)險(xiǎn)成本為8 261.677 元，目標(biāo)函數(shù)值為8 663.652 元。由此可知，考慮CVaR 后目標(biāo)函數(shù)值降低了260.134 元，降低幅度約2.92%，體現(xiàn)了在目標(biāo)函數(shù)中考慮CVaR 的合理性。

2）優(yōu)化效果分析：以情景2 為例，考慮CVaR 進(jìn)行經(jīng)濟(jì)調(diào)度時(shí)，相對(duì)于情景1，系統(tǒng)增加CHP 機(jī)組的發(fā)電量，減少風(fēng)光機(jī)組的上網(wǎng)功率，以降低風(fēng)光出力波動(dòng)造成的風(fēng)險(xiǎn)損失。計(jì)算可知，系統(tǒng)用163.667 元的額外成本支出規(guī)避了4 237.523 元的風(fēng)險(xiǎn)損失；棄風(fēng)棄光量增加了131.462 kWh，間接反映出系統(tǒng)應(yīng)對(duì)風(fēng)光出力波動(dòng)的能力提升了131.462 kWh。因此，考慮CVaR 進(jìn)行經(jīng)濟(jì)調(diào)度，可以幫助系統(tǒng)在計(jì)劃制定階段用較小的成本支出規(guī)避大額的風(fēng)險(xiǎn)損失。

3.3.2 碳交易機(jī)制效益分析

以情景4 為例，圖7 展現(xiàn)了系統(tǒng)碳配額與碳排放情況。憑借可再生能源發(fā)電的優(yōu)勢(shì)，系統(tǒng)的碳排放量遠(yuǎn)低于配額值，富余的碳排放權(quán)額度為11 068.011 kg。按照碳交易價(jià)格0.15 元/kg 計(jì)算，微電網(wǎng)可獲利1 660.20 元。

圖7 調(diào)度周期內(nèi)系統(tǒng)碳配額與碳排放情況Fig.7 Carbon quota and carbon emission of system in scheduling period

微電網(wǎng)作為以可再生能源作為主要電能輸出的系統(tǒng)，在滿(mǎn)足碳配額要求的情況下，碳排放權(quán)額度存在大量的富余，通過(guò)市場(chǎng)行為進(jìn)行碳排放權(quán)交易、售出多余的額度，能夠有效提高系統(tǒng)的經(jīng)濟(jì)性。

此外，對(duì)比情景3 與情景1 的調(diào)度結(jié)果，在碳交易機(jī)制影響下，系統(tǒng)運(yùn)行成本期望值降低了1 566.044 元，降低幅度約20.40%，碳交易機(jī)制對(duì)微電網(wǎng)效益提升的作用顯著。風(fēng)險(xiǎn)成本減少223.30元，減少幅度約1.79%，總體上看，風(fēng)險(xiǎn)成本雖有小幅度減少，但數(shù)值仍然很大。對(duì)比情景4 與情景2，系統(tǒng)運(yùn)行成本期望值減少了1 546.283 元，減少幅度約19.73%，風(fēng)險(xiǎn)成本減少了1 478.41 元，減少幅度約17.89%?？梢?jiàn)，碳交易機(jī)制不僅可以顯著提升系統(tǒng)運(yùn)行的經(jīng)濟(jì)性，而且可以有效降低系統(tǒng)的風(fēng)險(xiǎn)損失。

3.4 靈敏度分析

為了分析關(guān)鍵參數(shù)對(duì)優(yōu)化結(jié)果的影響，選取風(fēng)險(xiǎn)偏好系數(shù)θ與碳交易價(jià)格λct，計(jì)算不同取值情況下調(diào)度優(yōu)化的結(jié)果。

3.4.1 風(fēng)險(xiǎn)偏好系數(shù)對(duì)優(yōu)化結(jié)果的影響

圖8 為不同θ下的調(diào)度優(yōu)化結(jié)果，θ的變化范圍為0～0.15，間隔為0.015。由圖8 可以看到，θ從0 增長(zhǎng)到0.15，計(jì)及CVaR 的目標(biāo)函數(shù)值從6 107.773 元增加到7 339.254 元。隨著θ的增大，決策制定者越來(lái)越傾向于規(guī)避風(fēng)光出力波動(dòng)帶來(lái)的風(fēng)險(xiǎn)，盡可能增加CHP 機(jī)組的發(fā)電量來(lái)滿(mǎn)足用戶(hù)負(fù)荷需求，導(dǎo)致更高的系統(tǒng)運(yùn)行成本。此外，隨著風(fēng)光機(jī)組上網(wǎng)功率的減少，碳交易機(jī)制提升系統(tǒng)經(jīng)濟(jì)效益的作用也會(huì)降低。

圖8 不同θ 下的調(diào)度優(yōu)化結(jié)果Fig.8 Scheduling optimization results with different θ

3.4.2 碳交易價(jià)格對(duì)優(yōu)化結(jié)果的影響

圖9 為θ=0.1 情況下，不同碳交易價(jià)格的調(diào)度優(yōu)化結(jié)果，λct的變動(dòng)范圍為每噸100～200 元，間隔為10 元。由圖9 可以看出，隨著λct的增大，目標(biāo)函數(shù)值由7 570.4 元減少到5 843.433 元。隨著碳交易價(jià)格的增加，系統(tǒng)通過(guò)售出碳排放權(quán)獲得的收益也會(huì)增加，降低調(diào)度運(yùn)行成本的作用也會(huì)隨之增強(qiáng)。

圖9 不同碳交易價(jià)格下的調(diào)度優(yōu)化結(jié)果Fig.9 Scheduling optimization results under different carbon trading price

4 結(jié)論

本文提出了一種綜合考慮風(fēng)光出力相關(guān)性與CVaR 的孤島型微電網(wǎng)經(jīng)濟(jì)調(diào)度模型，計(jì)及機(jī)組發(fā)電、能量轉(zhuǎn)換、碳排放配額、儲(chǔ)能運(yùn)行等約束。通過(guò)4 個(gè)場(chǎng)景的對(duì)比分析，驗(yàn)證了模型的有效性。主要結(jié)論如下：

1）計(jì)及CVaR 和運(yùn)行成本對(duì)微電網(wǎng)進(jìn)行經(jīng)濟(jì)調(diào)度，系統(tǒng)通過(guò)在計(jì)劃階段增加CHP 機(jī)組的發(fā)電量，減少風(fēng)光機(jī)組的上網(wǎng)功率，實(shí)現(xiàn)了以較小的成本支出對(duì)大部分風(fēng)險(xiǎn)損失的規(guī)避。

2）碳交易機(jī)制的引入，有助于微電網(wǎng)系統(tǒng)充分發(fā)揮可再生能源發(fā)電的優(yōu)勢(shì)，通過(guò)市場(chǎng)途徑提升運(yùn)營(yíng)效益、降低風(fēng)險(xiǎn)損失。

3）隨著風(fēng)險(xiǎn)規(guī)避系數(shù)的增加，系統(tǒng)調(diào)度的目標(biāo)函數(shù)值不斷增大，反映了調(diào)度決策者對(duì)風(fēng)險(xiǎn)厭惡程度的升高；隨著碳交易價(jià)格的變高，目標(biāo)函數(shù)值不斷降低，表明碳交易機(jī)制帶來(lái)的經(jīng)濟(jì)提升和風(fēng)險(xiǎn)降低作用持續(xù)增強(qiáng)。

值得指出的是，本文只考慮了風(fēng)光出力的不確定與相關(guān)性，并沒(méi)有考慮風(fēng)光出力與負(fù)荷的相關(guān)性，同時(shí)，碳交易價(jià)格也存在不確定性，如何在調(diào)度運(yùn)行中考慮這些因素的影響是下一步深入研究的方向。