考慮主動配電網(wǎng)下多區(qū)域綜合能源系統(tǒng)間電能交互的優(yōu)化調(diào)度策略

孫文杰, 武家輝*, 張強(qiáng)

(1.新疆大學(xué)可再生能源發(fā)電與并網(wǎng)控制教育部工程研究中心, 烏魯木齊 830017; 2.國網(wǎng)新疆綜合能源服務(wù)有限公司, 烏魯木齊 841100)

社會經(jīng)濟(jì)的發(fā)展與國民生活水平的提高離不開能源的供給,中國作為世界能源消費(fèi)大國面臨著能源緊張匱乏的問題。同時,全球環(huán)境問題日益嚴(yán)峻,為應(yīng)對溫室效應(yīng)和化石能源匱乏問題,發(fā)展綠色經(jīng)濟(jì),非化石能源裝機(jī)容量日益增長。能源之間互聯(lián)能源高效利用成為熱點(diǎn)問題[1]。綜合能源系統(tǒng)(integrated energy system, IES)常由分布式電源、熱電聯(lián)產(chǎn)機(jī)組、儲能設(shè)備,以及電熱冷一些負(fù)荷等組成。能夠?qū)崿F(xiàn)電氣熱等資源之間的耦合[2-4],提高能源利用率。多IES以微網(wǎng)形式接入主動配電網(wǎng)(active distribution network, ADN)進(jìn)行能源的互聯(lián),不僅能夠?qū)崿F(xiàn)對ADN的削峰填谷作用也有助于消納微網(wǎng)中的棄風(fēng)棄光。

多個IES微網(wǎng)兼具電源與負(fù)荷雙特性,對ADN來說是電力的產(chǎn)消者,是需求響應(yīng)資源。多IES形成微網(wǎng)聯(lián)盟。聯(lián)盟內(nèi)各IES微網(wǎng)可以通過點(diǎn)對點(diǎn)(peer to peer, P2P)電能共享實(shí)現(xiàn)能源互濟(jì),經(jīng)由上級配電網(wǎng)傳輸。IES內(nèi)部的電熱需求響應(yīng)資源影響各微網(wǎng)之間能量響應(yīng)調(diào)度策略,同時也影響著微網(wǎng)與ADN之間的響應(yīng)機(jī)制。

各IES微網(wǎng)內(nèi)風(fēng)機(jī)光伏容量日益增加,每日微網(wǎng)凈負(fù)荷峰谷趨勢變化明顯。傳統(tǒng)分時電價逐漸很難發(fā)揮對微網(wǎng)的削峰填谷作用。考慮下級多IES微網(wǎng)在上級ADN議價下以微網(wǎng)自身運(yùn)行成本最低為目標(biāo)的調(diào)度自主性,制定相應(yīng)電價策略。

目前,對于綜合能源系統(tǒng)優(yōu)化調(diào)度的研究已有很多成果。文獻(xiàn)[5]分析了一種含負(fù)荷側(cè)價格型需求側(cè)響應(yīng)和電動汽車協(xié)同作用的綜合能源系統(tǒng)隨機(jī)優(yōu)化調(diào)度模型。但未充分挖掘需求側(cè)響應(yīng)可轉(zhuǎn)移可削減種類以及對電動汽車有序充放電對調(diào)度結(jié)果的影響。文獻(xiàn)[6]提出考慮風(fēng)電極限場景微電網(wǎng)-天然氣網(wǎng)多層調(diào)度模型,運(yùn)用卡羅需-庫恩-塔克(Karush-Kuhn-Tucker,KKT)條件對多層模型轉(zhuǎn)化單層模型進(jìn)行求解,有效地提高求解速度。文獻(xiàn)[7]建立包括電轉(zhuǎn)氣設(shè)備、燃?xì)廨啓C(jī)、熱電聯(lián)產(chǎn)機(jī)組等設(shè)備的綜合能源系統(tǒng)模型。以園區(qū)整體調(diào)度費(fèi)用最小為目標(biāo)進(jìn)行日前經(jīng)濟(jì)調(diào)度。文獻(xiàn)[8]通過對工業(yè)園區(qū)內(nèi)設(shè)備建模,以該工業(yè)園區(qū)的總成本最小為目標(biāo)。采用粒子群算法對模型進(jìn)行求解,得到最佳的資源分配方案。文獻(xiàn)[9]建立考慮混合不確定性價格型綜合需求響應(yīng)(integrated demand response, IDR)的綜合能源系統(tǒng)模型,考慮IDR用戶用能行為混合不確定性的特征,提出優(yōu)化調(diào)度策略。文獻(xiàn)[10]分析綜合能源系統(tǒng)中多個分布式能源站和用戶間的博弈關(guān)系,利用Stackberg模型分析各主體間的能源交互策略。文獻(xiàn)[11]分析主動配電網(wǎng)下接入綜合能源系統(tǒng)時雙利益主體之間的協(xié)調(diào)調(diào)度策略,目標(biāo)函數(shù)為配電網(wǎng)的調(diào)度成本,負(fù)荷方差等。采用目標(biāo)級聯(lián)法對模型分解,運(yùn)用粒子群算法在IEEE33節(jié)點(diǎn)對模型求解。以上研究主要是對單一IES進(jìn)行優(yōu)化調(diào)度研究,或者考慮IES接入ADN后的雙方主體的協(xié)調(diào)調(diào)度策略,沒有對多IES互聯(lián)特性進(jìn)行研究或者沒有考慮多IES接入ADN后多IES微網(wǎng)聯(lián)盟主體間進(jìn)行P2P電能共享后對調(diào)度策略的影響。

對于多個IES微網(wǎng),各微網(wǎng)具有不同特征。IES微網(wǎng)間進(jìn)行互聯(lián)互補(bǔ),協(xié)調(diào)運(yùn)行有助于整體運(yùn)行效益的提高,同時可以互補(bǔ)不同微網(wǎng)的產(chǎn)消特異性差異,進(jìn)而減少對上級電網(wǎng)的依賴。同時,提高能源利用率,減少棄風(fēng)棄光現(xiàn)象。文獻(xiàn)[12]基于納什談判理論對風(fēng)-光-氫多主體交易談判問題進(jìn)行研究,采用交替方向乘子法求解主體之間的電能交易量,模型構(gòu)造簡單,收斂效果好。文獻(xiàn)[13]提出考慮微網(wǎng)間電能交易的冷熱電聯(lián)供多微網(wǎng)分布式優(yōu)化調(diào)度模型。設(shè)定微網(wǎng)間交互電價,將交互成本考慮在運(yùn)行成本中。將主動配電網(wǎng)和多微網(wǎng)作為不同利益主體,采用目標(biāo)級聯(lián)法求解模型。文獻(xiàn)[14]提出電能共享的綜合能源樓宇群運(yùn)行框架,同時優(yōu)化問題分解為樓宇子問題和代理商問題,運(yùn)用交替方向乘子法進(jìn)行求解。文獻(xiàn)[1]提出多個區(qū)域綜合能源系統(tǒng)接入主動配電網(wǎng)運(yùn)行框架,運(yùn)用雙層博弈問題求解模型?？紤]多主體間電能交易和配電網(wǎng)議價問題,最后采用粒子群算法求解。但運(yùn)用粒子群算法收斂速度慢,求解該復(fù)雜非線性問題效果差,最優(yōu)情況難以驗(yàn)證。文獻(xiàn)[15]運(yùn)用納什談判理論建立多主體合作模型,分解問題為聯(lián)盟效益最大化子問題和合作收益分配子問題。增加了多主體間能源共享模型的全面通用性。以上研究大多對多主體微網(wǎng)進(jìn)行調(diào)度研究或針對微網(wǎng)接入配電網(wǎng)的調(diào)度模型采用啟發(fā)式算法進(jìn)行求解。針對上級配電網(wǎng),大多未考慮配電網(wǎng)的潮流約束。同時,微網(wǎng)內(nèi)部風(fēng)電光伏發(fā)電的強(qiáng)隨機(jī)性、各微網(wǎng)內(nèi)風(fēng)機(jī)光伏容量日益增加,每日微網(wǎng)凈負(fù)荷峰谷趨勢變化明顯,常與大電力市場分時電價的峰谷趨勢相背離。

綜合上述背景,現(xiàn)提出考慮主動配電網(wǎng)下多主體能源共享調(diào)度策略,合理制定日前分時電價,實(shí)現(xiàn)微網(wǎng)凈負(fù)荷峰谷時段與日前分時電價的峰谷時段相對應(yīng),提高電網(wǎng)賣電收益。以主動配電網(wǎng)向下級微網(wǎng)的售電收益減去向主網(wǎng)購電成本所得凈收益最大為目標(biāo)函數(shù),充分考慮下級多微網(wǎng)在電網(wǎng)議價下以微網(wǎng)自身運(yùn)行成本最低為目標(biāo)的調(diào)度自主性。采用KKT條件將雙層優(yōu)化問題轉(zhuǎn)化為單層非線性規(guī)劃問題,進(jìn)而通過Big-M法對KKT條件進(jìn)行線性化處理,便于求解模型均衡解。最后,在經(jīng)典算例中驗(yàn)證所提方案的有效性。

1 含多綜合能源系統(tǒng)主體的主動電網(wǎng)架構(gòu)與運(yùn)行

1.1 含多IES主體的ADN架構(gòu)

如圖1所示,系統(tǒng)運(yùn)行框架圖主要由大電網(wǎng)、主動配電網(wǎng)和多個IES微網(wǎng)組成。各IES中分別包含新能源機(jī)組、電氣熱耦合設(shè)備、儲能設(shè)備、碳捕集裝置以及電氣熱柔性負(fù)荷等。

圖1 含多綜合能源系統(tǒng)微網(wǎng)的主動配電網(wǎng)架構(gòu)圖Fig.1 Architecture diagram of active distribution network with multi-integrated energy system microgrid

每個IES微網(wǎng)有著自主向上級配電網(wǎng)購售電能力。同時,各IES與ADN相連,進(jìn)行P2P電能交互時經(jīng)配網(wǎng)進(jìn)行傳輸。各IES可向燃?xì)饩W(wǎng)購買燃?xì)夤┙o能源,自身內(nèi)部熱負(fù)荷自給自足。ADN與上級大電網(wǎng)相連,可以向大電網(wǎng)購電需求。

1.2 含多IES主體的ADN的運(yùn)行策略

多IES微網(wǎng)接入ADN參與響應(yīng)調(diào)度,同時下級多IES微網(wǎng)主體間允許進(jìn)行P2P電能交易,對IES內(nèi)部各種能源流動機(jī)制產(chǎn)生影響,同時影響下級多IES微網(wǎng)層與ADN間的能量流動機(jī)制。本文以ADN向下級微網(wǎng)的售電收益減去向主網(wǎng)購電成本所得凈收益最大為目標(biāo),分析ADN與多IES微網(wǎng)的協(xié)調(diào)調(diào)度機(jī)制。具體流程如下。

(1)多IES主體預(yù)測自身的凈負(fù)荷峰谷時段以及自身負(fù)荷需求并將其傳輸給ADN。

(2)ADN針對其凈負(fù)荷峰谷曲線生成初始電價,下層多IES根據(jù)生成的電價進(jìn)行合作P2P交易,在滿足自身需求的同時參與ADN電力需求調(diào)度,得到各主體間的電能交互功率量以及多IES與ADN間的購售電功率。

(3)以ADN向下級多IES主體的售電收益減去向主網(wǎng)購電成本所得凈收益最大為目標(biāo),充分考慮下級多微網(wǎng)在電網(wǎng)議價下以微網(wǎng)自身運(yùn)行成本最低為目標(biāo)的調(diào)度自主性。不斷更新修正電價,直至多IES主體的電量策略和電價策略趨于穩(wěn)定,輸出穩(wěn)定解。

(4)分析各IES中各能源流動情況,電熱冷資源的平衡情況。

2 區(qū)域綜合能源系統(tǒng)與主動配電網(wǎng)優(yōu)化調(diào)度模型

2.1 IES主要組成設(shè)備數(shù)學(xué)模型

對于上述各IES內(nèi)主要設(shè)備模型,燃?xì)廨啓C(jī)電熱出力模型以及熱鍋爐模型可參考文獻(xiàn)[1]和文獻(xiàn)[16]。電動汽車負(fù)荷模型采用蒙特卡洛法進(jìn)行抽樣生成,具體模型參考文獻(xiàn)[17],此處不再贅述。本節(jié)對用戶需求響應(yīng)模型、碳捕集模型和溫控負(fù)荷模型進(jìn)行建立。

2.1.1 需求響應(yīng)模型

考慮可轉(zhuǎn)移負(fù)荷需求響應(yīng)類型,滿足調(diào)度前后總負(fù)荷保持不變,具體表達(dá)式為

(1)

2.1.2 碳捕集裝置模型

“碳達(dá)峰,碳中和”背景下,為促進(jìn)低碳經(jīng)濟(jì)化改造,碳捕集、碳封存技術(shù)的利用有助于CO2的消納,IES碳排放模型可表示為

(2)

碳捕集裝置模型可表示為

(3)

2.1.3 儲能設(shè)備模型

本文中考慮的IES微網(wǎng)內(nèi)包含電熱等儲能裝置,其統(tǒng)一模型建立如下,具體包括儲能容量限值、儲能充放電熱功率、儲能始末能量相等、儲能運(yùn)行狀態(tài)以及儲能切換次數(shù)等數(shù)方面,具體表示為

(4)

2.1.4 溫控負(fù)荷模型

溫控負(fù)荷作為主要的柔性負(fù)荷資源之一,有著很好的需求響應(yīng)調(diào)度資源。可以通過管道供熱和空調(diào)制冷來維持室溫,具體模型可表示為

(5)

2.2 含多IES的ADN調(diào)度模型

2.2.1 ADN調(diào)度模型

1)目標(biāo)函數(shù)

對于上層ADN,以ADN向下級微網(wǎng)的售電收益減去向主網(wǎng)購電成本所得凈收益最大為目標(biāo)函數(shù),即

(6)

式(6)中:SA2I(t)為t時段ADN向下級多IES售電收益;CA2G(t)為t時段ADN向上級大電網(wǎng)購電成本。

因?yàn)锳DN向下級微網(wǎng)售電收益與下級微網(wǎng)向ADN購電成本是相同的,所以此處以下級微網(wǎng)向ADN購電成本進(jìn)行說明,表達(dá)式為

φP2P[|p12(t)|+|p13(t)|+|p23(t)|]

(7)

(8)

2)約束條件

(1)電價約束:

(9)

式(9)中:λmin與λmax分別為ADN制定電價的下限與上限;ζ<1,這里表示ADN制定的電價均值小于大電網(wǎng)的分時電價均值,旨在為提高下級多IES微網(wǎng)用戶對ADN售電的滿意度。

(2)二階錐潮流約束:

二階錐潮流參考文獻(xiàn)[18],具體公式為

?i,j∈E,?j∈B

(10)

(3)分布式電源出力約束:

(11)

(4)無功補(bǔ)償約束:

分組投切電容器組(capacitor banks,CB)是常用的離散無功補(bǔ)償裝置,其每個檔位對應(yīng)一個電容值,接入電壓近似為Un,各檔位都對應(yīng)一個無功分量,具體表達(dá)式為

(12)

靜止同步補(bǔ)償器(static synchronous compensator,STATCOM),用于小容量連續(xù)無功補(bǔ)償,具體表達(dá)式為

?i∈BSTATCOM

(13)

(5)有載調(diào)壓變壓器約束:

有載調(diào)壓變壓器約束主要包括檔位與變比選擇,狀態(tài)標(biāo)識約束以及最大切換次數(shù)約束,表達(dá)式為

(14)

(6)功率平衡約束:

(15)

(7)火電機(jī)組爬坡約束:

(16)

式(16)中:γi,down與γi,up分別為第i個火電機(jī)組向下與向上爬坡率。

(8)聯(lián)絡(luò)線交互功率約束:

(17)

2.2.2 多IES微網(wǎng)調(diào)度模型

1)目標(biāo)函數(shù)

(18)

(19)

2)約束條件

(1)P2P交互約束:

(20)

(2)機(jī)組出力約束:

(21)

(3)功率平衡約束:

①電功率平衡約束

(22)

②熱功率平衡約束

(23)

③天然氣功率平衡約束

(24)

2.3 基于KKT條件的多主體聯(lián)盟P2P電能共享模型求解

2.3.1 基于KKT條件的模型轉(zhuǎn)換流程

KKT條件轉(zhuǎn)換流程如下:

(1)對下層多IES微網(wǎng)主體的調(diào)度模型進(jìn)行整理,將等式約束與不等式約束寫成標(biāo)準(zhǔn)形式,即等式約束寫為=0,不等式約束寫為≤0形式,同時引入等式約束乘子(ki)與不等式約束乘子(μj)。

(2)具體按照如下要求對公式進(jìn)行編寫:

(25)

(26)

ki≠0

(27)

μj≥0

(28)

μjgj(X*)=0

(29)

hi(X*)=0,i=1,2,…,p

(30)

gj(X*)≤0,j=1,2,…,q

(31)

式中:f(X)、L(X,k,μ)分別為目標(biāo)函數(shù)與增廣拉格朗日函數(shù);hi(X)、gj(X)分別為等式約束與不等式約束;p、q分別為等式約束與不等式約束的個數(shù)。

(3)式(27)求偏導(dǎo)后生成等式約束的個數(shù)與X變量的個數(shù)相等。

(4)式(30)出現(xiàn)變量乘積的情況,運(yùn)用Big-M法對其進(jìn)行線性化處理,具體表示為

μj≤vjM

(32)

-gj≤(1-vj)M

(33)

vj∈{0,1}

(34)

(5)等式與不等式約束乘子個數(shù)需與其相應(yīng)的約束個數(shù)相等。

2.3.2 求解方法

本文具體模型求解流程如圖2所示。

圖2 含多IES的ADN雙層調(diào)度模型求解流程圖Fig.2 Flow chart of solving two-layer scheduling model with multiple IES

在調(diào)度模型構(gòu)建上,上下層存在變量耦合關(guān)系,本文將下層多IES微網(wǎng)主體調(diào)度模型轉(zhuǎn)化為上層的約束條件,運(yùn)用Big-M法將轉(zhuǎn)化后模型中非線性部分線性化。在MATLAB 2018b中調(diào)用求解器GUROBI和YALMIP工具箱對其進(jìn)行求解。

同時,本文KKT耦合約束中上下層耦合變量電價與交互功率變量之間的乘積,若不進(jìn)行線性化處理會導(dǎo)致求解速度非常緩慢,處理方法是將連續(xù)電價變量離散化,即電價[λmin,λmax]變?yōu)閧λmin,λmin+Δλ,λmin+2Δλ,…,λmax},Δλ為設(shè)置離散電價的步長,可自行進(jìn)行選取,本文取Δλ=0.1。繼而利用Big-M法對binvar*sdpvar變量乘積進(jìn)行線性化處理。具體表示為

(35)

(36)

3 算例分析

3.1 算例參數(shù)

本文選取IEEE33節(jié)點(diǎn)系統(tǒng)算例如圖3所示。

圖3 IEEE33節(jié)點(diǎn)系統(tǒng)Fig.3 IEEE 33-node system

系統(tǒng)基準(zhǔn)電壓為UB=12.66 kV,基準(zhǔn)容量為SB=10 MVA。其中, ADN與各IES新能源機(jī)組出力曲線和負(fù)荷預(yù)測曲線分別如圖4、圖5所示,ADN向大電網(wǎng)購電分時電價如表1所示。

表1 配網(wǎng)購電分時電價Table 1 Distribution of time-of-use electricity prices for online shopping

圖4 ADN新能源及負(fù)荷預(yù)測曲線Fig.4 ADN new energy and load forecast curves

圖5 IES新能源及負(fù)荷預(yù)測曲線Fig.5 IES new energy and load forecast curves

3.2 結(jié)果分析

3.2.1 雙層模型求解結(jié)果分析

根據(jù)上述算例參數(shù),算例求解結(jié)果如下。

1)ADN電價制定結(jié)果分析

本文以上層ADN凈收益最大為目標(biāo),考慮下層多IES主體綜合運(yùn)行成本最小目標(biāo)。由上層ADN制定電價策略,旨在通過議價與微網(wǎng)凈負(fù)荷趨勢相一致,達(dá)到削峰填谷作用,提升整體運(yùn)行效益,優(yōu)化結(jié)果如圖6所示。圖6中,ADN的議價方案與IES向ADN購售電功率相一致。在00:00—09:00及22:00—24:00時段,下級多IES微網(wǎng)的凈負(fù)荷趨勢處于低谷時段,有部分時段微網(wǎng)內(nèi)部新能源出力較大,相對于負(fù)荷而言,有剩余,存在下級多IES微網(wǎng)向ADN售電的情況。同時,此時段ADN中風(fēng)電出力較大,處于高峰,因而制定該時段為谷時電價;在14:00—21:00時段,下級IES微網(wǎng)內(nèi)部負(fù)荷較大,新能源機(jī)組出力無法滿足內(nèi)部負(fù)荷需求。此時,IES微網(wǎng)向上級ADN購電功率較多,此時ADN中負(fù)荷需求較大,因而此時制定該時段為峰時電價。

圖6 ADN議價與IES購售電功率Fig.6 ADN bargaining and IES buying and selling power

2)下層IES1微網(wǎng)優(yōu)化結(jié)果分析

IES1微網(wǎng)優(yōu)化調(diào)度結(jié)果如圖7所示。

圖7 IES1優(yōu)化調(diào)度情況Fig.7 IES1 optimal scheduling situation

如圖7(a)所示,電力系統(tǒng):在00:00—05:00時段,因?yàn)镮ES1中光伏不出力,所以向上級ADN購電以及通過需求響應(yīng)轉(zhuǎn)移部分負(fù)荷來滿足當(dāng)前負(fù)荷需求。06:00—18:00時段,微網(wǎng)內(nèi)部電負(fù)荷主要由光伏出力和向ADN購電以及內(nèi)部熱電聯(lián)產(chǎn)機(jī)組來滿足需求,部分時段通過其他IES微網(wǎng)進(jìn)行電能互補(bǔ)來補(bǔ)充(如09:00等部分時段微網(wǎng)3給微網(wǎng)1進(jìn)行傳輸電能)?？梢钥闯鯥ES1向ADN購電時段與圖6中IES購電功率曲線相一致。

如圖7(b)熱力系統(tǒng):微網(wǎng)內(nèi)部熱負(fù)荷主要進(jìn)行自給自足進(jìn)行消納。IES1內(nèi)部熱出力主要通過熱鍋爐和儲熱設(shè)備放熱以及熱電聯(lián)產(chǎn)機(jī)組產(chǎn)熱來供給,在電價谷時段,熱電聯(lián)產(chǎn)機(jī)組少放電出力,通過熱負(fù)荷需求響應(yīng)用熱以及儲熱設(shè)備儲熱激勵燃?xì)廨啓C(jī)機(jī)組帶熱負(fù)荷增加。如圖7(c)所示,燃?xì)庀到y(tǒng),負(fù)荷來源主要來自燃?xì)廨啓C(jī)與熱鍋爐運(yùn)轉(zhuǎn)以及自有氣負(fù)荷,通過氣管網(wǎng)購氣滿足要求。

3)下層IES2微網(wǎng)優(yōu)化結(jié)果分析

IES2微網(wǎng)優(yōu)化調(diào)度結(jié)果如圖8所示。

圖8 IES2優(yōu)化調(diào)度情況Fig.8 IES2 optimal scheduling situation

如圖8(a)所示,電力系統(tǒng):07:00—17:00時段,IES2光伏發(fā)電較多,優(yōu)先消納新能源發(fā)電,在部分時段有向電網(wǎng)售電的情況,同時需求側(cè)響應(yīng)通過將該部分時刻負(fù)荷轉(zhuǎn)移以滿足負(fù)荷需求(如07:00—13:00時段)。17:00—21:00時段,光伏發(fā)電較少,微網(wǎng)內(nèi)部主要通過向電網(wǎng)購電以及燃?xì)廨啓C(jī)發(fā)電和電池放電來滿足內(nèi)部負(fù)荷需求。在16:00—21:00時段,有向大電網(wǎng)購電情況較多,因此與上述制定峰時電價時段情況一致。

如圖8(b)所示,熱力系統(tǒng):微網(wǎng)內(nèi)部熱負(fù)荷主要進(jìn)行自給自足進(jìn)行消納。IES2微網(wǎng)內(nèi)部熱出力主要通過燃?xì)廨啓C(jī)組與熱鍋爐放熱來提供。14:00—20:00時段,通過需求側(cè)響應(yīng)轉(zhuǎn)移相應(yīng)負(fù)荷來減輕負(fù)荷需求,與此對應(yīng)05:00—07:00時段和21:00—24:00時段通過需求響應(yīng)負(fù)荷增加。如圖8(c)所示,燃?xì)庀到y(tǒng):負(fù)荷來源主要來自燃?xì)廨啓C(jī)與熱鍋爐運(yùn)轉(zhuǎn)以及自有氣負(fù)荷,通過氣管網(wǎng)購氣滿足要求。

4)下層IES3微網(wǎng)優(yōu)化結(jié)果分析

IES3微網(wǎng)優(yōu)化調(diào)度結(jié)果如圖9所示。

圖9 IES3優(yōu)化調(diào)度情況Fig.9 IES3 optimal scheduling situation

如圖9(a)所示,電力系統(tǒng):06:00—18:00時段,IES2光伏發(fā)電較多,優(yōu)先消納新能源發(fā)電,在部分時段有向電網(wǎng)售電的情況(如06:00—13:00部分時段)。同時,需求側(cè)響應(yīng)通過將該部分時刻負(fù)荷轉(zhuǎn)移以滿足負(fù)荷需求(如07:00—13:00時段),與之對應(yīng)14:00—21:00時段相應(yīng)通過需求響應(yīng)增加負(fù)荷需求。19:00—21:00時段,光伏不出力,微網(wǎng)內(nèi)部主要通過向電網(wǎng)購電和燃?xì)廨啓C(jī)組出力來滿足負(fù)荷需求。同時,該時段有向大電網(wǎng)購電情況較多,因此與上述制定峰時電價時段情況一致。

如圖9(b)所示,熱力系統(tǒng):微網(wǎng)內(nèi)部熱負(fù)荷主要進(jìn)行自給自足進(jìn)行消納。IES3微網(wǎng)內(nèi)部熱出力主要通過燃?xì)廨啓C(jī)組與熱鍋爐放熱以及儲熱罐放熱來提供。14:00—20:00時段,通過需求側(cè)響應(yīng)轉(zhuǎn)移相應(yīng)負(fù)荷來減輕負(fù)荷需求,與此對應(yīng)05:00—09:00時段和11:00—13:00時段通過需求響應(yīng)負(fù)荷增加。如圖9(c)所示,燃?xì)庀到y(tǒng):負(fù)荷來源主要來自燃?xì)廨啓C(jī)與熱鍋爐運(yùn)轉(zhuǎn)以及自有氣負(fù)荷,通過氣管網(wǎng)購氣滿足要求。

5)電能交互優(yōu)化結(jié)果

電能交互互補(bǔ)特性結(jié)果如下。

如圖10所示,可以看出IES微網(wǎng)間電能交互變量相加和為0,與上述電能交互互補(bǔ)約束相一致,同時與各IES微網(wǎng)中電力系統(tǒng)電能平衡結(jié)果相一致。在09:00、11:00、13:00等部分時段IES3微網(wǎng)內(nèi)部新能源機(jī)組出力較多,該時段IES3微網(wǎng)在電能交互中充當(dāng)電源形式將多余電量傳輸給IES1和IES2微網(wǎng)用來滿足其負(fù)荷的需求。在16:00時段,IES2和IES3微網(wǎng)在電能交互中充當(dāng)電源形式將多余電能傳輸于IES1微網(wǎng),實(shí)現(xiàn)能源共享。19:00時段,電能交互只發(fā)生于微網(wǎng)1和微網(wǎng)2之間。

圖10 IES間電能互補(bǔ)情況Fig.10 Power complementarity between IES

3.2.2 場景對比分析

為了驗(yàn)證考慮下級多IES微網(wǎng)間電能交互與ADN議價策略對本文所提含多IES微網(wǎng)的主動配電網(wǎng)雙層調(diào)度模型的影響,設(shè)置4種場景進(jìn)行對比驗(yàn)證。

(1)場景1:本文提出考慮下層多IES微網(wǎng)間電能交互以及上層主動配單網(wǎng)議價策略的雙層調(diào)度模型。

(2)場景2:不考慮上層主動配電網(wǎng)對下層的議價方案,但考慮下層多IES微網(wǎng)間電能交互情況。

(3)場景3:不考慮下層多IES微網(wǎng)間的電能交互但是對上層主動配電網(wǎng)進(jìn)行議價策略進(jìn)行考慮。

(4)場景4:不考慮上層主動配電網(wǎng)對下層的議價方案,同時也不考慮下層多IES微網(wǎng)間電能交互的情況。

分別對上述4種場景中的模型進(jìn)行建立與求解,得到各場景下ADN獲得的收益與各場景下多IES的成本,進(jìn)行對比如表2、表3所示。

表2 各場景下ADN獲得收益對比Table 2 Comparison of ADN gains under different scenarios

表3 各場景下IES成本對比Table 3 Comparison of IES cost in different scenarios

對表2中各場景下ADN獲得凈收益的情況進(jìn)行對比。

1)按有無能源互聯(lián)來對比

(1) 場景1與場景3對比來說,因?yàn)閳鼍?下層多IES微網(wǎng)間沒有考慮電能交互,此時場景1中微網(wǎng)中新能源機(jī)組出力較大時可以通過微網(wǎng)間能源交互即電能共享來消納,從而減少棄光現(xiàn)象。所以,此時場景3中未考慮電能交互時,當(dāng)微網(wǎng)中出現(xiàn)電能缺額時,需通過向上級ADN進(jìn)行購電來滿足負(fù)荷需求,因而此時上級ADN售電收益增加。

(2) 場景2與場景4進(jìn)行對比驗(yàn)證,此時是在無議價情況下進(jìn)行。情況與①類似,場景4中下級多IES未考慮電能交互情況時ADN收益相對場景2中考慮下級多IES間電能交互情況收益增大,此時,下級多IES向ADN購電功率增大。

2)按有無議價來對比

(1) 場景1與2對比,在場景1中考慮議價情況下,ADN收益是比場景2中未考慮議價情況下收益是增大的,可以看出上級ADN對下級IES的議價是符合時段內(nèi)下級IES向上級ADN購售電功率趨勢的情況下收益是增大的,也進(jìn)一步說明議價是有必要的。

(2) 場景3與4對比,同樣與①中類似,在場景3考慮議價時是比場景4中未考慮議價收益是增大的。

對表3中各場景下各IES成本情況進(jìn)行對比分析。

1)按有無能源互聯(lián)來對比

(1) 場景1與場景3對比,是在有議價的情況下,場景1有電能交互相對于場景3無電能交互來說下級IES成本是減少的。由于下級多IES微網(wǎng)間通過將多余電能通過微網(wǎng)間傳輸?shù)姆绞竭M(jìn)行消納,進(jìn)而減少了棄光現(xiàn)象,同時向主網(wǎng)購電成本進(jìn)而減小。

(2) 場景2與場景4對比,在無議價的情況下,與①同樣,場景2有電能交互相對于場景4無電能交互,其多IES成本是減少的。由于微網(wǎng)間的電能互補(bǔ)減少了向上級ADN購電的功率。

2)按有無議價來對比

(1) 場景1對于場景2來說,在有電能交互的情況下,場景1在有上級ADN議價的情況下相對于場景2無上級ADN議價的情況下,成本有所增加。由于當(dāng)上級ADN沒有進(jìn)行對下層進(jìn)行議價時,下層多IES向上級購電功率曲線與購電電價是相悖的,進(jìn)而對于上級ADN來說,其收益是降低的。當(dāng)議價后,得到分時電價曲線是與IES向ADN購售電功率曲線趨勢是一致的,從而購電越多電價越高,因此,在議價情況下上級ADN收益是增大的可從上述可以看出。但同時,下級多IES微網(wǎng)的成本也將有所增加。

(2) 場景3與場景4對比,在沒有電能交互的情況下,與①同樣,場景3在有議價的情況下,使得上級ADN收益變高的同時,同樣下級多IES的成本有所增加。

4 結(jié)論

本文對于多IES微網(wǎng)接入主動配電網(wǎng)后對主動配電網(wǎng)的需求響應(yīng)能力,考慮多IES微網(wǎng)間電能交互情況以及主動配電網(wǎng)對于IES的議價情況。建立含多IES微網(wǎng)的主動配電網(wǎng)調(diào)度模型,并同時對調(diào)度結(jié)果進(jìn)行分析,得到如下結(jié)論。

(1)對于下級多IES微網(wǎng)考慮各微網(wǎng)間不同的源荷矛盾,進(jìn)行P2P電能的交互,可以有效提升能源的利用率,降低微網(wǎng)整體的成本,促進(jìn)新能源的消納,減少棄風(fēng)棄光現(xiàn)象發(fā)生。與未考慮微網(wǎng)間進(jìn)行能源互補(bǔ)利用的策略相比,效益是更優(yōu)的。

(2)對于上級主動配電網(wǎng)ADN對下級IES進(jìn)行議價策略,立足于主動配電網(wǎng)ADN來說,是能夠使配網(wǎng)效益得到更大的提升,使得電價策略與自身凈負(fù)荷相一致,有助于對ADN的削峰填谷。

(3)下層各IES微網(wǎng)考慮了電氣熱冷多種資源間的協(xié)同優(yōu)化,多種能源系統(tǒng)配合電力系統(tǒng)完成其優(yōu)化與購售電量的制定。完成了多種異質(zhì)能間的協(xié)同配合,提升了能源利用率。

(4)本文所考慮的想法可為多IES微網(wǎng)接入主動配電網(wǎng)后進(jìn)行高效運(yùn)行調(diào)度策略提供一些參考。