計(jì)及“源荷”雙側(cè)多重不確定性的虛擬電廠運(yùn)行優(yōu)化研究

包 哲, 李 薇, 張瀟方, 許 野, 于松源

(1． 華北電力大學(xué) 環(huán)境科學(xué)與工程學(xué)院, 北京 102206;2． 華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院, 北京 102206)

為有效應(yīng)對溫室氣體大量排放導(dǎo)致的全球氣候危機(jī),習(xí)近平總書記在2020年提出我國力爭在2030年達(dá)到碳達(dá)峰,在2060年實(shí)現(xiàn)碳中和的目標(biāo)。作為我國主要的碳排放源,能源行業(yè)的低碳綠色轉(zhuǎn)型將成為推動“雙碳”目標(biāo)早日實(shí)現(xiàn)的重要舉措[1]。因此,以新能源為主、傳統(tǒng)化石能源為輔、多能源協(xié)同供應(yīng)將成為未來能源行業(yè)的主要結(jié)構(gòu)特征[2]。然而,面對分布式新能源的大規(guī)模接入,如何實(shí)現(xiàn)其高效利用和消納,將成為能源體系重塑過程中面臨的關(guān)鍵性問題。在此背景下,虛擬電廠應(yīng)運(yùn)而生,該能源供給模式可通過對空間分布不同的獨(dú)立能源供給實(shí)體進(jìn)行統(tǒng)一的調(diào)配和管理,以此實(shí)現(xiàn)新能源的最大化消納和經(jīng)濟(jì)性最優(yōu)運(yùn)行[3]。但在實(shí)際運(yùn)行中,能源系統(tǒng)本身存在諸多的不確定性,給虛擬電廠的安全調(diào)度帶來一系列挑戰(zhàn),如隨著風(fēng)、光等新能源的大量接入,其出力的波動性將會降低電能供應(yīng)質(zhì)量,影響系統(tǒng)運(yùn)行的穩(wěn)定性,而負(fù)荷側(cè)能源需求量存在的隨機(jī)性同樣對系統(tǒng)的供能平衡帶來影響[4]。習(xí)近平總書記在黨的二十大報告中也明確指出,未來我國要在確保能源安全的前提下推進(jìn)新型能源體系的建設(shè)。由此可知,克服系統(tǒng)中多重不確定性的影響,保證供能安全,將成為未來虛擬電廠運(yùn)行調(diào)度關(guān)注的焦點(diǎn)問題。

現(xiàn)有研究通常采用隨機(jī)規(guī)劃算法來處理虛擬電廠中源荷側(cè)存在的不確定性。吳孟雪等[5]充分考慮了風(fēng)、光出力的不確定性,基于不確定性風(fēng)險隨機(jī)規(guī)劃算法,建立了多能源優(yōu)化調(diào)度模型。張大海等[6]為克服新能源出力的不確定性,應(yīng)用魯棒隨機(jī)優(yōu)化算法,以經(jīng)濟(jì)效益為優(yōu)化目標(biāo),建立了虛擬電廠運(yùn)行優(yōu)化模型。徐康軒等[7]為提高虛擬電廠在電力市場中的競價能力,減小風(fēng)、光不確定性產(chǎn)生的負(fù)面影響,基于隨機(jī)優(yōu)化算法,建立了虛擬電廠經(jīng)濟(jì)模型。Kong等[8]針對虛擬電廠源側(cè)風(fēng)、光出力不確定性等問題,采用隨機(jī)魯棒規(guī)劃算法,建立了虛擬電廠兩階段運(yùn)行優(yōu)化模型,提升了系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。李志偉等[9]基于機(jī)會約束規(guī)劃算法,建立了含風(fēng)、光、火的多能源運(yùn)行優(yōu)化模型,有效規(guī)避了負(fù)荷側(cè)隨機(jī)性對系統(tǒng)運(yùn)行安全性的影響。邱革非等[10]為降低負(fù)荷側(cè)隨機(jī)性對系統(tǒng)運(yùn)行可靠性和經(jīng)濟(jì)性的影響,提出了基于機(jī)會約束規(guī)劃算法的綜合能源系統(tǒng)運(yùn)行優(yōu)化模型。Ji等[11]基于兩階段隨機(jī)魯棒規(guī)劃方法,開展了不同魯棒水平下綜合能源系統(tǒng)運(yùn)行優(yōu)化研究,明確了魯棒水平與投資收益之間的關(guān)聯(lián)關(guān)系,該結(jié)果可以指導(dǎo)綜合能源系統(tǒng)管理者有效規(guī)避需求側(cè)隨機(jī)性對系統(tǒng)安全性和經(jīng)濟(jì)性的影響。綜上所述,隨機(jī)規(guī)劃算法通過獲取隨機(jī)變量的概率分布函數(shù),設(shè)置不同的置信區(qū)間來處理不確定性對研究目標(biāo)的影響。然而對于風(fēng)、光能源,輻射、風(fēng)速和溫度等自然氣象條件具有一定的關(guān)聯(lián)性,導(dǎo)致風(fēng)電出力和光伏電站出力同樣具有一定的相關(guān)性,但在目前的多數(shù)研究中,通常只考慮了風(fēng)、光資源各自的出力特性,并未基于風(fēng)、光聯(lián)合出力特性將不確定性條件轉(zhuǎn)化為確定性條件,使得模擬結(jié)果與實(shí)際結(jié)果存在一定偏差[12]。另外,傳統(tǒng)隨機(jī)規(guī)劃方法中,將能源需求量視為服從正態(tài)分布的一元隨機(jī)變量N(μ,σ2),其中μ為均值,σ為偏差?？紤]到除去能源需求量本身存在的隨機(jī)狀態(tài)外,在數(shù)據(jù)統(tǒng)計(jì)和計(jì)算過程中,統(tǒng)計(jì)方法、統(tǒng)計(jì)精度和統(tǒng)計(jì)人員經(jīng)驗(yàn)的不同使得隨機(jī)變量中的μ和σ仍存在一定的不確定性,因此導(dǎo)致模擬結(jié)果仍存在一定的誤差和進(jìn)一步優(yōu)化的空間。

針對以上問題,筆者提出一種考慮風(fēng)、光聯(lián)合分布概率和負(fù)荷側(cè)雙重隨機(jī)性的虛擬電廠運(yùn)行優(yōu)化模型。首先,基于Copula函數(shù),擬合風(fēng)、光聯(lián)合出力函數(shù),明確風(fēng)、光的聯(lián)合出力特性;然后,基于雙重隨機(jī)規(guī)劃算法,將負(fù)荷側(cè)多種能源需求量的不確定性轉(zhuǎn)化為確定性參數(shù);最后,結(jié)合上述研究成果,建立虛擬電廠多重不確定性運(yùn)行優(yōu)化模型,獲得虛擬電廠安全性和經(jīng)濟(jì)性最優(yōu)運(yùn)行策略。

1 方法與模型

1.1 研究路線

本文研究路線如圖1所示,首先在充分收集風(fēng)、光出力歷史數(shù)據(jù)的基礎(chǔ)上,通過Kendall秩系數(shù)和Spearman秩系數(shù)檢驗(yàn),獲得描述風(fēng)、光聯(lián)合出力最優(yōu)的Copula函數(shù)表達(dá)式,結(jié)合設(shè)置的置信區(qū)間,完成風(fēng)、光出力的確定性轉(zhuǎn)化,生成風(fēng)、光聯(lián)合出力約束;然后,將雙重隨機(jī)算法與熱、電歷史需求數(shù)據(jù)相耦合,結(jié)合不同的違約水平,規(guī)避負(fù)荷側(cè)雙重不確定性對模擬結(jié)果的影響,獲得熱、電負(fù)荷需求確定性數(shù)據(jù);最后,基于上述研究成果,結(jié)合冷熱電聯(lián)供(CCHP)系統(tǒng)和儲能元件仿真模型,以運(yùn)行成本最小化為目標(biāo)函數(shù),同時引入供需平衡約束和設(shè)備出力約束,建立考慮“源荷” 多重不確定性的虛擬電廠運(yùn)行優(yōu)化模型,最終獲得安全性和經(jīng)濟(jì)性最優(yōu)的運(yùn)行方案。

圖1 研究路線圖

1.2 “源荷”雙側(cè)不確定性的計(jì)算方法

1.2.1 Copula理論

Copula理論是統(tǒng)計(jì)多個隨機(jī)變量相關(guān)性的方法,即一個k元聯(lián)合分布函數(shù)可分解為k個邊緣分布函數(shù)和一個Copula函數(shù),Copula函數(shù)可以描述變量間的相關(guān)性[13]。Copula函數(shù)的具體計(jì)算流程如下:

(1) 確定Copula函數(shù)表達(dá)式中的未知參數(shù)值

目前,應(yīng)用最多的Copula函數(shù)為3種阿基米德Copula,即Frank-Copula、Gumbel-Copula和Clayton-Copula,具體表達(dá)式見表1,其中F1、F2和F3分別為Frank、Gumbel和Clayton 3種Copula函數(shù)的表達(dá)式,u和v分別表示風(fēng)、光各自的邊緣分布函數(shù)。在充分收集風(fēng)、光歷史出力數(shù)據(jù)的基礎(chǔ)上,通過核密度估計(jì)法獲得風(fēng)、光出力各自的邊緣分布函數(shù)。然后,將邊緣分布函數(shù)代入3種阿基米德Copula函數(shù),確定不同Copula函數(shù)中的未知參數(shù)值。

表1 不同Copula函數(shù)表達(dá)式

(2) 確定最佳Copula函數(shù)表達(dá)式

為了在上述3種阿基米德Copula函數(shù)中尋找最適合描述風(fēng)、光聯(lián)合出力特性的Copula函數(shù),本研究中引入Kendall秩系數(shù)和Spearman秩系數(shù),兩者的具體表達(dá)式為

(1)

(2)

式中:τ(u,v)和ρ(u,v)分別為Kendall秩系數(shù)和Spearman秩系數(shù);C(u,v)為Copula函數(shù)表達(dá)式。

1.2.2 雙重隨機(jī)規(guī)劃方法

傳統(tǒng)的隨機(jī)規(guī)劃只是單純地將負(fù)荷側(cè)需求量視為隨機(jī)變量,通過對歷史需求數(shù)據(jù)進(jìn)行確定性變化來處理不確定性帶來的負(fù)面影響,并未考慮在獲取歷史數(shù)據(jù)的過程中存在的不確定性。因此,為進(jìn)一步提升研究結(jié)果的科學(xué)性,引入雙重隨機(jī)規(guī)劃算法來表征負(fù)荷側(cè)存在的不確定性,具體計(jì)算過程如下

minf=CX

(3)

(4)

(5)

(6)

(7)

(8)

式中:Pe為隨機(jī)事件的概率;αr為預(yù)先規(guī)定的約束違反水平,其中r代表約束違反水平的類型,約束違反水平主要用來反映約束的滿意程度,設(shè)計(jì)的約束違反水平越高,意味著該約束的違反程度越高;Pr用來表征事件 { } 的概率分布函數(shù);Φ-1為標(biāo)準(zhǔn)正態(tài)分布變量累積分布函數(shù)的反函數(shù)。

1.3 考慮“源荷”雙側(cè)不確定性的虛擬電廠運(yùn)行優(yōu)化模型

本文虛擬電廠結(jié)構(gòu)和運(yùn)行路徑如圖2所示,包括CCHP系統(tǒng)、風(fēng)光發(fā)電系統(tǒng)、電制冷、電熱泵和電化學(xué)儲能。其中,CCHP系統(tǒng)、風(fēng)光發(fā)電系統(tǒng)和電化學(xué)儲能元件主要滿足用戶的冷、熱、電需求,電制冷和電熱泵主要作為熱電解耦系統(tǒng),以避免造成能源浪費(fèi)。

圖2 虛擬電廠運(yùn)行結(jié)構(gòu)圖

1.3.1 目標(biāo)函數(shù)

為保證各發(fā)電企業(yè)的經(jīng)濟(jì)效益,提升系統(tǒng)在電力市場中的競爭力,以虛擬電廠運(yùn)行成本最小化為目標(biāo)函數(shù)。

(9)

式中:minC為虛擬電廠運(yùn)行成本的最小值;COC和CMC分別為系統(tǒng)的一次能源購置成本和維護(hù)成本;PNT,t和PE,t分別為t時刻天然氣的購置量和購電量;eNT,t和eE,t分別為t時刻天然氣的購置單價和購電單價;eCCHP、ePV、eWP、eEB和eER分別為CCHP系統(tǒng)、光伏發(fā)電系統(tǒng)、風(fēng)力發(fā)電系統(tǒng)、電熱泵和電制冷機(jī)組的單位運(yùn)行成本;PCCHP, t、PPV, e, t、PWP, e, t、PEB, h, t和PER, c, t分別為t時刻CCHP系統(tǒng)、光伏發(fā)電系統(tǒng)、風(fēng)力發(fā)電系統(tǒng)、電熱泵和電制冷機(jī)組的出力量;T為時間。

1.3.2 約束條件

1.3.2.1 設(shè)備輸出約束

天然氣CCHP系統(tǒng)由燃?xì)廨啓C(jī)、余熱鍋爐、熱交換器和吸收式制冷機(jī)組共同組成,該系統(tǒng)基于能源的梯級利用原理,可實(shí)現(xiàn)冷、熱、電3種能源的協(xié)同供應(yīng)。天然氣CCHP系統(tǒng)的設(shè)備出力約束以及設(shè)備爬坡約束分別如式(10)和式(11)所示。

(10)

(11)

式中:PCCHP, e, t、PCCHP, n, t、PCCHP, h, t和PCCHP, c, t分別為CCHP系統(tǒng)在t時刻的發(fā)電量、抽氣量、供熱量和制冷量;ηe, t、ηn, t、ηh, t和ηc, t分別為CCHP系統(tǒng)在t時刻的發(fā)電效率、抽氣效率、供熱效率和制冷效率;HNT為天然氣的熱值;θt為t時刻系統(tǒng)制熱使用的抽氣量占總抽氣量的比例;δup, e和δdown, e、δup, h和δdown, h、δup, c和δdown, c分別為系統(tǒng)燃?xì)廨啓C(jī)、余熱鍋爐和吸收式制冷機(jī)組每小時出力上升和下降功率約束。

除傳統(tǒng)的CCHP系統(tǒng)外,風(fēng)光發(fā)電系統(tǒng)為虛擬電廠中另一個重要發(fā)電單元,其出力表達(dá)式為:

(12)

(13)

式中:(PPV,e,t,max)βr和(PWP,e,t,max)βr分別為光伏發(fā)電和風(fēng)力發(fā)電的概率分布表達(dá)式;C-1(PPV,e,t,PWP,e,t,βr)為描述風(fēng)、光聯(lián)合出力分布Copula函數(shù)的反函數(shù);βr為風(fēng)、光聯(lián)合出力的違約水平,βr值越大,代表選擇的風(fēng)、光聯(lián)合出力量違約風(fēng)險越高。

在具體研究中,一方面為了保證系統(tǒng)運(yùn)行的穩(wěn)定性,避免供需失衡風(fēng)險;另一方面為給決策者在“低風(fēng)險”和“高回報”中提供更多的參考樣本,因此需要設(shè)定一個相對較寬的βr取值范圍,且范圍的上限和下限不宜設(shè)置過高,本研究中分別選擇0.1和0.01作為違約水平的上限和下限。

虛擬電廠在實(shí)際運(yùn)行中需要引入儲能元件,以避免出現(xiàn)棄風(fēng)、棄光現(xiàn)象,保證風(fēng)、光能源的最大化利用。現(xiàn)階段,應(yīng)用最廣泛的儲能方式為電化學(xué)儲能,其出力約束表達(dá)式為:

(14)

式中:EEES,t和EEES,t-1分別為t時刻和t-1時刻儲能設(shè)備的荷電量;EEES, u, t和EEES, d, t分別為t時刻儲能設(shè)備的充電量和放電量;ηEES, u和ηEES, d分別為儲能設(shè)備的充電效率和放電效率。

傳統(tǒng)CCHP系統(tǒng)固定熱電比的出力模式無法滿足系統(tǒng)對能量供應(yīng)的及時調(diào)控,導(dǎo)致能源供給與用戶需求量不匹配,不僅造成能源的大量浪費(fèi),而且降低了聯(lián)供系統(tǒng)的經(jīng)濟(jì)效益。針對上述問題,將天然氣冷熱電聯(lián)供系統(tǒng)與熱電解耦技術(shù)相耦合,根據(jù)用戶側(cè)的負(fù)荷需求變化特征,通過對系統(tǒng)固有熱電比的靈活性調(diào)整,制定供能策略,可以有效提升一次能源的利用效率和系統(tǒng)的經(jīng)濟(jì)性。本研究中CCHP系統(tǒng)采用以熱定電的運(yùn)行方式,導(dǎo)致在生產(chǎn)中會出現(xiàn)剩余電量的情況,因此為避免資源浪費(fèi),特引入電熱泵和電制冷機(jī)組2種熱電解耦技術(shù),利用余電進(jìn)行供熱和制冷,具體運(yùn)行約束公式如下:

(15)

式中:PEB, e, t和PER, e, t分別為電熱泵和電制冷機(jī)組消耗的電量;ηEB和ηER分別為電熱泵運(yùn)行效率和電制冷機(jī)組運(yùn)行效率。

1.3.2.2 供需平衡約束

保證用戶的用能需求,建立合理的能源供需平衡約束,是保證虛擬電廠安全運(yùn)行的重要前提。本研究中,用戶側(cè)負(fù)荷主要分為電負(fù)荷、熱負(fù)荷和冷負(fù)荷,三者的供需平衡約束表達(dá)式如下:

(16)

引入雙重隨機(jī)規(guī)劃算法,根據(jù)式(7)和式(8),對約束公式(16)進(jìn)行確定化處理,結(jié)果如下:

1-αr

(17)

(18)

(19)

式中:1-αr為負(fù)荷側(cè)的風(fēng)險系數(shù),風(fēng)險系數(shù)越低,代表供需失衡出現(xiàn)的概率越低,從保證供能安全的角度出發(fā),不宜將違約風(fēng)險設(shè)置過高。因此,本研究共考慮了2個風(fēng)險系數(shù)(0.01和0.1),即在0.99和0.90的概率下滿足負(fù)荷側(cè)能源需求。

2 研究案例

基于Matlab 2014a軟件搭建仿真平臺,以我國北方某園區(qū)為研究對象,考慮到春季冷、熱、電負(fù)荷具有典型性,不會出現(xiàn)某一種能源需求量過小的狀況,因此選擇春季典型日進(jìn)行算例仿真,根據(jù)歷史數(shù)據(jù)的統(tǒng)計(jì)分析,表2給出了春季典型日部分時刻的雙重隨機(jī)參數(shù)數(shù)據(jù),主要包括負(fù)荷側(cè)冷、熱、電需求量的概率分布,其中N為雙重隨機(jī)參數(shù)。

表2 部分能源需求參數(shù)

表3為研究案例中的部分參數(shù)數(shù)據(jù)。其中,購電價格按照階梯電價的收費(fèi)標(biāo)準(zhǔn),共分為3個等級,即峰時段(11:00—15:00)為1.18元/(kW·h)、平時段(8:00—11:00,16:00—18:00,22:00—23:00)為0.84元/(kW·h)和谷時段(0:00—7:00)為0.56元/(kW·h)。

表3 系統(tǒng)參數(shù)

3 結(jié)果分析

3.1 風(fēng)、光出力結(jié)果分析

基于歷史數(shù)據(jù)和核密度估計(jì)法,獲得風(fēng)、光出力核估計(jì)分布函數(shù),求得風(fēng)、光出力的二元頻率直方圖和二元頻數(shù)直方圖(圖3),結(jié)合最大似然估計(jì)法,求得3種阿基米德聯(lián)合概率分布表達(dá)式中的相關(guān)系數(shù),其中Frank Copula函數(shù)相關(guān)系數(shù)λ=0.511 9,Clayton Copula函數(shù)相關(guān)系數(shù)ξ=0.120 0,Gumbel Copula函數(shù)相關(guān)系數(shù)θ=1.110 1。

(a) 二元頻率直方圖

根據(jù)上述3種阿基米德Copula函數(shù)的相關(guān)系數(shù),通過式(1)和式(2)計(jì)算得到不同Copula函數(shù)的Kendall秩系數(shù)和Spearman秩系數(shù),計(jì)算結(jié)果如表4所示。由表4可知,原始數(shù)據(jù)中Kendall秩系數(shù)和Spearman秩系數(shù)分別為0.056 4和0.077 2,與其最接近的是Frank Copula函數(shù)的0.056 6和0.085 0。由此可知,Frank Copula函數(shù)評價結(jié)果最優(yōu),所以選擇相關(guān)系數(shù)為0.511 9的Frank Copula函數(shù)描述風(fēng)、光聯(lián)合出力分布,函數(shù)分布如圖4所示。

表4 3種Copula函數(shù)的評價指標(biāo)

圖4 Frank Copula函數(shù)分布圖

基于上述所得Frank Coupla函數(shù),綜合考慮2個風(fēng)、光發(fā)電違約水平(β=0.01和β=0.1),對風(fēng)、光聯(lián)合出力開展模擬計(jì)算,得到圖5所示的風(fēng)、光發(fā)電量。由圖5可知,隨著違約水平變得更為嚴(yán)格(β由0.1降到0.01),風(fēng)、光的出力量均隨之變低,這是因?yàn)榭紤]到風(fēng)、光能源出力的隨機(jī)特性,若要最大程度地保證供能安全,減少供需失衡的風(fēng)險,需要更為保守地估算風(fēng)、光能源的出力量,因此當(dāng)違約水平為0.01時,風(fēng)、光出力量更小,基于此條件下制定的供能策略更容易實(shí)現(xiàn)。

圖5 不同違約水平下風(fēng)、光發(fā)電量

3.2 冷、熱、電負(fù)荷計(jì)算結(jié)果分析

圖6為基于雙重隨機(jī)規(guī)劃算法,不同滿意水平下冷、熱、電3種負(fù)荷的需求量對比圖。由圖6可知,當(dāng)滿意水平α由0.90變?yōu)?.99時,冷、熱、電3種負(fù)荷均呈現(xiàn)出增加的趨勢。這是由于高滿意水平意味著要嚴(yán)格限制供能不足的現(xiàn)象出現(xiàn),因此模型通過增加冷、熱、電負(fù)荷預(yù)估需求量,提升模型的適配度,以此保證3種能源的安全供給。特別是在實(shí)際運(yùn)行中,當(dāng)用戶側(cè)負(fù)荷需求量較平均水平突然增加時,高滿意水平下獲得能源需求量和制定相應(yīng)的供能策略更容易保證供能平衡和供給安全性。值得一提的是,同樣是由高違約水平(β=0.1,1-α=0.1)提升至低違約水平(β=0.01,1-α=0.01),負(fù)荷需求量和風(fēng)、光出力量呈現(xiàn)截然相反的變化趨勢,這是因?yàn)轱L(fēng)、光出力和負(fù)荷需求分別存在供能平衡關(guān)系式的左右兩側(cè),所以導(dǎo)致兩者只有形成“此消彼長”的變化趨勢,才能改變供需平衡的松緊度,以此體現(xiàn)決策者在激進(jìn)的供能策略和保守的供能策略之間的選擇。

(a) 電負(fù)荷曲線圖

3.3 儲能裝置運(yùn)行結(jié)果分析

圖7為不同情景下儲能設(shè)備的運(yùn)行曲線圖。由圖7可知,無論是高違約水平還是低違約水平,電化學(xué)儲能設(shè)備的運(yùn)行策略基本一致,充、放電過程主要受電價的影響。具體來看,放電主要集中在11:00—15:00和19:00—21:00,這是因?yàn)樵谏鲜?個時段,電價處于全天中的高峰時段,因此,從提升虛擬電廠運(yùn)行經(jīng)濟(jì)性的角度出發(fā),選擇在高峰時段進(jìn)行放電供能。反之,在電價較低的0:00—7:00,儲能裝置則進(jìn)入了充電狀態(tài),積蓄電量以保證后續(xù)時段的能源供應(yīng)。而在10:00—12:00,雖然電價低谷時間有所增加,但在該時段系統(tǒng)仍有部分剩余電量,因此,儲能裝置同樣進(jìn)行充電蓄能。

(a) 低違約水平:α=0.99、β=0.01

3.4 供電策略結(jié)果分析

圖8為不同違約水平下虛擬電廠供電策略的對比圖。由圖8可知,無論是選擇高違約水平還是低違約水平,供電策略和供電曲線的變化基本保持一致。總體來看,系統(tǒng)中的主要電能供給單元是燃?xì)廨啓C(jī),出力占比最高,且由于加入了儲能裝置,風(fēng)、光等新能源也完成了全部消納。與此同時,由于加入的電制冷機(jī)組和電熱泵系統(tǒng)作為系統(tǒng)中的熱電解耦裝置,系統(tǒng)中不再出現(xiàn)資源浪費(fèi)現(xiàn)象,發(fā)電單元在滿足用戶側(cè)電負(fù)荷的基礎(chǔ)上,剩余電量由儲能裝置、電鍋爐和電制冷機(jī)組共同綜合利用。

3.5 冷、熱供應(yīng)策略結(jié)果分析

圖9為不同違約水平下的供熱和供冷策略圖。由圖9可知,2個場景下供熱和供冷策略同樣基本保持一致。具體來看,冷熱供應(yīng)主要以吸收式制冷機(jī)組和余熱鍋爐為主。而電鍋爐和電制冷機(jī)組主要作為輔助能源,其中電鍋爐主要在0:00—6:00和23:00—24:00 2個時間段集中工作,電制冷機(jī)組的出力時間主要集中在7:00—21:00。這是因?yàn)槔湄?fù)荷需求出現(xiàn)在7:00—21:00,電制冷機(jī)組的運(yùn)行效率優(yōu)于電熱泵,因此從節(jié)約成本、提高效率的角度出發(fā),在全天中出現(xiàn)冷負(fù)荷的時段,系統(tǒng)優(yōu)先使用剩余電量驅(qū)動電制冷機(jī)組供冷。在其余時段,負(fù)荷側(cè)只有電和熱2種能源需求,系統(tǒng)會選擇電熱泵使用余電制熱。

(a) 高違約水平:α=0.90、β=0.1

3.6 系統(tǒng)運(yùn)行成本分析

表5為不同情景下虛擬電廠在春季典型日的運(yùn)行成本和一次能源消耗量對比。由表5可知,低違約水平(α=0.99、β=0.01)情景下運(yùn)行成本和天然氣消耗量均高于高違約水平(α=0.90、β=0.1)情景下。由前述可知,在更為嚴(yán)格的違約約束條件下,風(fēng)、光能源的出力量更小,而冷、熱、電3種負(fù)荷的需求量更大,因此系統(tǒng)需要消耗更多的天然氣驅(qū)動CCHP系統(tǒng)來滿足用戶側(cè)更多的能源需求,導(dǎo)致經(jīng)濟(jì)性進(jìn)一步降低。由此可知,違約水平可以指導(dǎo)決策者權(quán)衡運(yùn)營成本和供能違約風(fēng)險。如果決策者更加關(guān)注系統(tǒng)的運(yùn)行成本,則違約水平將被設(shè)置得更高,但會面臨更高的能源供給違約風(fēng)險;如果決策者更加關(guān)注能源供給的安全性,違約水平則會被設(shè)置得更低,但會導(dǎo)致更高的運(yùn)營成本。

表5 不同情景下運(yùn)行成本和一次能源消耗量的對比

4 結(jié)論與展望

(1) Copula函數(shù)和雙重隨機(jī)規(guī)劃算法可通過設(shè)置違約水平和滿意水平,有效地將“源荷”雙側(cè)的不確定性約束轉(zhuǎn)變?yōu)榇_定性約束。與高違約水平相比,在低違約水平(高滿意水平)下,風(fēng)、光的出力量隨之降低,而冷、熱、電3種負(fù)荷的需求量則增加。

(2) 虛擬電廠運(yùn)行策略受違約水平和滿意水平的影響較小,主要受一次能源價格和設(shè)備運(yùn)行效率的影響。而運(yùn)行成本和一次能源的使用量受違約水平和滿意水平的影響較大,在低違約水平(高滿意水平)下,雖然系統(tǒng)運(yùn)行的安全性提升,但系統(tǒng)的經(jīng)濟(jì)效益更低,因此決策者在制定運(yùn)行策略時需要在供能違約風(fēng)險和經(jīng)濟(jì)收益間做出權(quán)衡。