計(jì)及碳交易與需求響應(yīng)的微能源網(wǎng)雙層優(yōu)化模型

摘 要：該文在微能源網(wǎng)的基礎(chǔ)架構(gòu)上，以全年總成本最低為目標(biāo)函數(shù)，結(jié)合碳交易與需求響應(yīng)構(gòu)建微能源網(wǎng)雙層優(yōu)化配置模型。結(jié)合區(qū)域環(huán)境數(shù)據(jù)與年度典型日案例分析，優(yōu)化模型得到最優(yōu)規(guī)劃配置以及在該配置下的各設(shè)備最優(yōu)日運(yùn)行出力調(diào)度情況，相比基礎(chǔ)模型提高了可再生能源裝機(jī)容量并獲得了更高的碳排放權(quán)收益，通過需求響應(yīng)調(diào)整用戶側(cè)靈活可控負(fù)荷，在保證可再生能源的消納能力的前提下，有效節(jié)省了總成本。算例結(jié)果表明，該模型能夠使微能源網(wǎng)在保證系統(tǒng)經(jīng)濟(jì)性的同時(shí)促進(jìn)實(shí)現(xiàn)減碳目標(biāo)，對(duì)MEG的前期規(guī)劃設(shè)計(jì)有重要意義。

關(guān)鍵詞：碳交易；需求響應(yīng)；能源管理；微能源網(wǎng)；雙層優(yōu)化

中圖分類號(hào)：TM73" " " " " 文獻(xiàn)標(biāo)志碼：A

0 引 言

近年來，為進(jìn)一步阻止全球氣候變暖，低碳發(fā)展戰(zhàn)略已成為國(guó)際共識(shí)，習(xí)近平總書記在2020年提出碳達(dá)峰、碳中和的“雙碳”目標(biāo)［1］，為實(shí)現(xiàn)該目標(biāo)，基于可再生、分布式的微能源網(wǎng)（micro energy grid， MEG）有助于貢獻(xiàn)更大的減碳比例［2-3］。MEG涉及多種能源設(shè)備，相同負(fù)荷需求可有多種供能方式和運(yùn)行策略［4］，故MEG的前期建設(shè)的規(guī)劃設(shè)計(jì)極為重要，目前針對(duì)MEG系統(tǒng)規(guī)劃研究包括以下幾個(gè)方面：系統(tǒng)規(guī)劃建模［5］、源-儲(chǔ)優(yōu)化配置［6］以及系統(tǒng)規(guī)劃方法［7］等。為有效減碳，發(fā)展低碳電力，則必須在MEG規(guī)劃設(shè)計(jì)中充分考慮碳排放因素。

文獻(xiàn)［8］將碳交易和燃?xì)鈾C(jī)組引入到電源結(jié)構(gòu)的優(yōu)化過程中，提出綜合考慮發(fā)電運(yùn)行及碳減排效益的低碳電源規(guī)劃模型，使碳處理成本低的燃?xì)獍l(fā)電替代燃煤發(fā)電調(diào)峰；文獻(xiàn)［9］將碳交易引入電力系統(tǒng)經(jīng)濟(jì)調(diào)度，構(gòu)建考慮儲(chǔ)熱裝置和碳排放經(jīng)濟(jì)的含風(fēng)電熱電聯(lián)合調(diào)度模型，優(yōu)化風(fēng)電消納和儲(chǔ)熱裝置配置問題；文獻(xiàn)［10］考慮系統(tǒng)內(nèi)能源和儲(chǔ)能的全壽命周期碳排放成本，建立綜合能源系統(tǒng)低碳規(guī)劃優(yōu)化模型，降低儲(chǔ)能設(shè)備的全生命周期碳成本，提高儲(chǔ)能的設(shè)計(jì)容量與充放電效率。

上述文獻(xiàn)結(jié)合可再生能源著重研究了低碳環(huán)境下的系統(tǒng)供能側(cè)的規(guī)劃與運(yùn)行調(diào)度問題，但忽略了需求側(cè)資源在MEG系統(tǒng)規(guī)劃過程中的重要性，需求響應(yīng)對(duì)促進(jìn)可再生能源消納，提高系統(tǒng)靈活性，實(shí)現(xiàn)能源供需平衡的意義重大，MEG的靈活調(diào)節(jié)能力將成為制約可再生能源發(fā)展的關(guān)鍵因素。

文獻(xiàn)［11］提出考慮需求側(cè)響應(yīng)不確定性下可再生能源高效利用的能量樞紐多目標(biāo)區(qū)間規(guī)劃方法，提高了對(duì)可再生能源的開發(fā)利用能力；文獻(xiàn)［12］提出一種考慮靈活性與經(jīng)濟(jì)性的可再生能源多目標(biāo)源網(wǎng)聯(lián)合規(guī)劃方法，分析了源荷兩端的靈活性需求，提高系統(tǒng)的靈活性以及對(duì)可再生能源的消納能力；文獻(xiàn)［13］建立基于需求側(cè)協(xié)同響應(yīng)的微網(wǎng)多目標(biāo)規(guī)劃模型，降低了微網(wǎng)中的燃?xì)忮仩t和儲(chǔ)熱罐的容量。

上述文獻(xiàn)中需求側(cè)靈活參與系統(tǒng)規(guī)劃與運(yùn)行，對(duì)設(shè)備容量的決策產(chǎn)生影響，提高了系統(tǒng)的調(diào)節(jié)能力，使之與可再生能源發(fā)電規(guī)模相匹配，從而減少棄風(fēng)、棄光等現(xiàn)象，但尚未從供能規(guī)劃角度考慮低碳運(yùn)行。

綜上所述，MEG系統(tǒng)中“源”與“荷”相近，需求側(cè)資源也可作為同等的能源備選項(xiàng)來達(dá)到功率平衡的目的［14］，MEG系統(tǒng)的規(guī)劃應(yīng)將能源供應(yīng)側(cè)和負(fù)荷需求側(cè)的各種形式的資源綜合成一個(gè)整體。

基于上述研究背景與現(xiàn)狀，供能側(cè)考慮碳交易模型研究MEG低碳環(huán)境對(duì)系統(tǒng)規(guī)劃配置的影響，負(fù)荷側(cè)考慮綜合需求響應(yīng)的靈活調(diào)節(jié)能力，提出計(jì)及碳交易與需求響應(yīng)的MEG雙層優(yōu)化模型，上層規(guī)劃模型求得最優(yōu)規(guī)劃配置后向下傳遞；下層運(yùn)行優(yōu)化模型根據(jù)上層模型確定的配置方案，結(jié)合碳排放交易政策和綜合需求響應(yīng)，以年運(yùn)行成本最低為目標(biāo)函數(shù)，得到最優(yōu)年運(yùn)行出力方案和系統(tǒng)運(yùn)行成本費(fèi)用傳遞給上層規(guī)劃模型，通過上、下層模型之間的遞歸迭代，從而實(shí)現(xiàn)低碳的MEG優(yōu)化配置。最后，以某微網(wǎng)系統(tǒng)為例對(duì)上述模型進(jìn)行驗(yàn)證。

1 微能源網(wǎng)設(shè)備建模

MEG系統(tǒng)中可再生能源出力的隨機(jī)性、用戶負(fù)荷的可調(diào)性以及系統(tǒng)內(nèi)設(shè)備的耦合特性都給MEG的運(yùn)行管理和規(guī)劃帶來不少的挑戰(zhàn)。

因此，MEG數(shù)學(xué)模型的建立是對(duì)其進(jìn)行運(yùn)行優(yōu)化和規(guī)劃的前提條件與支撐［15］。本文根據(jù)能源種類劃分了電、熱、冷3類能源母線，每類母線連接著多種能源設(shè)備，建立的模型結(jié)構(gòu)如圖1所示。

其中能源供給包括大電網(wǎng)、天然氣網(wǎng)、風(fēng)能和光能。能源轉(zhuǎn)換過程包括多種能源裝置耦合互補(bǔ)和梯級(jí)利用，儲(chǔ)電、儲(chǔ)熱、儲(chǔ)冷等設(shè)備根據(jù)能源供給特性、終端用能特性進(jìn)行儲(chǔ)能，提高能源供應(yīng)質(zhì)量與利用效率。終端需求側(cè)根據(jù)氣象特征及使用特性，構(gòu)建用能潛能分析以實(shí)現(xiàn)電、熱、冷多網(wǎng)聯(lián)供。各設(shè)備數(shù)學(xué)模型如下所述，其中風(fēng)電機(jī)組、光伏發(fā)電以及太陽(yáng)能集熱器的數(shù)學(xué)模型可參考文獻(xiàn)［16-17］。

1.1 能源轉(zhuǎn)換裝置模型

本文從不同能量流的等效轉(zhuǎn)化角度，建立各能源間的等效轉(zhuǎn)化模型，如圖2所示。

該模型忽略了能源轉(zhuǎn)換器的內(nèi)部復(fù)雜結(jié)構(gòu)，僅從能效角度來描述其穩(wěn)態(tài)輸入輸出特性。

1.1.1 電能輸出模型

[Poute，j=ηe，iPing，i，i， j∈GICE，GTηe，iPine，i，i， j∈TF，WT，PV] （1）

式中：[Poute，j]——設(shè)備[j]的輸出電功率，kW；[Ping，i]、[Pine，i]——設(shè)備[i]的輸入氣功率和電功率；[ηe，i]——設(shè)備[i]的電能轉(zhuǎn)換效率。

1.1.2 熱能輸出模型

[Pouth，j=ηh，iPing，i，i， j∈GICE，GT，GBηh，iPine，i，i， j∈EHηh，iPinh，i，i， j∈WHB，SC] （2）

式中：[Pouth，j]——設(shè)備[j]的輸出熱功率；[Pinh，i]——設(shè)備[i]的輸入熱功率，kW；[ηh，i]——設(shè)備[i]的熱能轉(zhuǎn)換效率。

1.1.3 冷能輸出模型

[Poutc，j=ηc，iPine，i，i， j∈ECηc，iPinh，i，i， j∈AC] （3）

式中：[Poutc，j]——設(shè)備[j]的輸出冷功率，kW；[ηc，i]——設(shè)備[i]的冷能轉(zhuǎn)換效率。

1.2 儲(chǔ)能設(shè)備模型

MEG中包括電、熱、冷3種儲(chǔ)能方式，能實(shí)現(xiàn)能量的時(shí)序轉(zhuǎn)移，平抑負(fù)荷波動(dòng)，提高M(jìn)EG運(yùn)行的可靠性。儲(chǔ)能需滿足能量充放、儲(chǔ)能容量等約束條件，其廣義儲(chǔ)能的動(dòng)態(tài)通用模型［18］可表示為：

[Smt+1=Smt1-δm+ηm，chPm，chtΔt-Pm，distηm，disΔt] （4）

式中：[m∈{ES，HS，CS}]；[Smt+1、Smt]——儲(chǔ)能裝置[m]在[t+1]和[t]時(shí)刻的儲(chǔ)能量，kWh；[δm]——儲(chǔ)能損失系數(shù)；[ηm，ch]、[ηm，dis]——充放能效率；[Pm，cht]、[Pm，dist]——充放能功率，kW。

能源儲(chǔ)存設(shè)備的充放能功率受最大充放能功率和當(dāng)前剩余容量限制，且不能同時(shí)充放能，其約束為：

[0≤Pm，cht≤umtPmaxm] （5）

[0≤Pm，dist≤1-umtPmaxm] （6）

[Sm0=SmT] （7）

[Sminm≤Smt≤Smaxm] （8）

式中：[Pmaxm]——儲(chǔ)能設(shè)備[m]的最大充放能功率，kW；[Sm0]、[SmT]——優(yōu)化初始和結(jié)束時(shí)刻儲(chǔ)能設(shè)備[m]的能量，kWh；[Smaxm]、[Sminm]——儲(chǔ)能設(shè)備[m]的儲(chǔ)能上下限，kWh；[umt]——[t]時(shí)刻儲(chǔ)能設(shè)備[m]的充能狀態(tài)，充能時(shí)為1，否則為0。

1.3 碳交易模型

該MEG系統(tǒng)考慮了碳交易機(jī)制，主要包括碳排放權(quán)配額、實(shí)際碳排放量以及碳排放交易3個(gè)環(huán)節(jié)。在碳交易機(jī)制下，首先為各個(gè)碳排放源分配碳排放份額，碳排放源據(jù)此調(diào)節(jié)生產(chǎn)計(jì)劃，若實(shí)際碳排放量高于配額，需從碳交易市場(chǎng)購(gòu)買，反之則向碳交易市場(chǎng)出售碳配額。

以下分別對(duì)這3個(gè)環(huán)節(jié)建立數(shù)學(xué)模型［19］：

[ACO2=AE+AH] （9）

[AE=αet=1TPe，buyt+Poute，GICEt+Poute，GTt+Pe，PVt+Pe，WTt]

（10）

[AH=αht=1TPouth，GICEt+Pouth，GTt+Pouth，GBt+Ph，SCt] （11）

式中：[ACO2]、[AE]、[AH]——系統(tǒng)的碳排放配額、供電配

額和供熱配額，配額大小與設(shè)備輸出功率有關(guān)；[αe]、[αh]——碳排放配額系數(shù)；[T=24] h。

實(shí)際碳排放量計(jì)算式為：

[DCO2=DE+DH] （12）

[DE=βet=1T[Pe，buy（t）+Poute，GICE（t）+Poute，GT（t）]] （13）

[DH=βht=1T[Pouth，GICEt+Pouth，GTt+Pouth，GBt]] （14）

式中：[DCO2]——系統(tǒng)實(shí)際排放的CO2總量，t；[DE]、[DH]——系統(tǒng)供電和供熱產(chǎn)生的CO2量，t；[βe]、[βh]——系統(tǒng)中電和熱出力的碳排放系數(shù)。

MEG的碳交易成本的計(jì)算式為：

[FCO2=pcDCO2-ACO2] （15）

式中：[FCO2]——碳交易成本，[FCO2gt;0]表示MEG從碳交易市場(chǎng)購(gòu)買碳配額，反之，表示MEG向碳交易市場(chǎng)售出碳排放權(quán)；[pc]——碳交易價(jià)格，取0.03 元/kg。

1.4 綜合需求響應(yīng)模型

在MEG中，不局限于對(duì)電負(fù)荷進(jìn)行調(diào)節(jié)，熱、冷負(fù)荷也可參與需求響應(yīng)進(jìn)行優(yōu)化調(diào)節(jié)。

本文所構(gòu)建的綜合需求響應(yīng)主要是采用價(jià)格信號(hào)刺激用戶，主動(dòng)改變其可轉(zhuǎn)移負(fù)荷的使用時(shí)間，使負(fù)荷與可再生能源出力在時(shí)序上更加貼近，減小負(fù)荷峰谷差，從而有助于可再生能源并網(wǎng)，提高經(jīng)濟(jì)效益與環(huán)境效益。

用戶需求具有價(jià)格彈性特征，當(dāng)能源價(jià)格上升，用戶會(huì)傾向于減少該時(shí)段負(fù)荷需求，并將其轉(zhuǎn)移至相鄰時(shí)間節(jié)點(diǎn)，用戶實(shí)際需求的改變?yōu)椋?0］：

[Δqi=q0i+j=1nεijΔpjp0j] （16）

式中：[q0i]、[Δqi]——用戶用能需求的初始值和變化量，kWh；[p0j]、[Δpj]——價(jià)格的初始值和變化量，元/kWh；[εij]——用戶在價(jià)格需求點(diǎn)（[p0j]，[q0i]）的價(jià)格彈性系數(shù)。

定義電價(jià)彈性矩陣[E]：

[E=ε11ε12…ε1nε21ε22…ε2n????εn1εn2…εnn] （17）

若[E]為上三角矩陣，表示用戶將能源消費(fèi)提前，反之表示用戶會(huì)推遲能源消費(fèi)行為。

最終可得到價(jià)格需求響應(yīng)后的負(fù)荷需求為：

[Q=Q0+ΔQNOR?Q0] （18）

[ΔQNOR=EΔPNOR] （19）

[ΔQNOR=Δq1q01Δq2q02…Δqnq0nT] （20）

[ΔPNOR=Δp1p01Δp2p02…Δpnp0nT] （21）

式中：[ΔPNOR]、[ΔQNOR]——價(jià)格和需求的變化率矩陣，表示每個(gè)時(shí)段價(jià)格和需求的偏差百分比；[Q0]、[Q]——響應(yīng)前后的價(jià)格型負(fù)荷需求。

2 雙層配置求解

本文采用雙層規(guī)劃優(yōu)化模型對(duì)MEG進(jìn)行優(yōu)化。上層為規(guī)劃配置模塊，用于系統(tǒng)設(shè)備選型、配置臺(tái)數(shù)和容量；下層為調(diào)度優(yōu)化模塊，計(jì)算最優(yōu)日運(yùn)行出力方案。雙層配置求解模型如圖3所示，上層決策的結(jié)果和決策變量會(huì)影響下層的目標(biāo)和約束條件，下層的決策結(jié)果反饋則影響著上層的決策變量，從而實(shí)現(xiàn)上下層決策的相互作用。

2.1 上層規(guī)劃模型

2.1.1 上層優(yōu)化目標(biāo)函數(shù)

MEG上層規(guī)劃模型的目標(biāo)函數(shù)由建設(shè)成本[Flcc]和年運(yùn)行成本[Frun]兩部分組成，其中年總運(yùn)行費(fèi)用由下層優(yōu)化模型得到并傳遞回上層，模型為：

[minFtotal=Flcc+Frun] （22）

式中：[Ftotal]——MEG全年總成本，元；其中建設(shè)成本[Flcc]的具體模型為：

[Flcc=d=1DNdVdcd1-Rr（1+r）τd（1+r）τd-1] （23）

式中：[D]——設(shè)備種類數(shù)；[Nd]、[Vd]——設(shè)備[d]的裝機(jī)數(shù)量和單機(jī)額定容量，kW；[cd]——單位容量的建設(shè)成本，元/kW；[R]——固定資本殘值率，取5%；[r]——貼現(xiàn)率，取5%；[τd]——使用年限，a。

2.1.2 上層約束條件

MEG上層規(guī)劃環(huán)節(jié)選擇待配置設(shè)備的數(shù)量作為優(yōu)化變量，用矩陣N表示，在上層規(guī)劃環(huán)節(jié)中，為防止因過度配置而導(dǎo)致的能源浪費(fèi)，通過規(guī)劃設(shè)備的數(shù)量對(duì)待配置設(shè)備的容量上下限進(jìn)行限定：

[0≤Nd≤Nd，max，d∈Ω，Nd∈?] （24）

[Ω=TF，GICE，GT，GB，WHB，EH，PV，WT，SC，EC，AC，ES，HS，CS] （25）

式中：[Nd]、[Nd，max]——設(shè)備[i]的數(shù)量和最大數(shù)量，二者均為正整數(shù)。

2.2 下層優(yōu)化模型

2.2.1 下層優(yōu)化目標(biāo)函數(shù)

MEG下層優(yōu)化調(diào)度模型的目標(biāo)函數(shù)分兩種情況，一是以[Frun1]最低為目標(biāo)函數(shù)，包括年購(gòu)能成本[Fbuy]和年運(yùn)維成本[Fm]；二是以[Frun2]最低為目標(biāo)函數(shù)，在[Frun1]的基礎(chǔ)上增加碳交易成本[Fc]，模型為：

[minFrun1=Fbuy+Fm] （26）

[minFrun2=Fbuy+Fm+FC] （27）

1）年購(gòu)能成本[Fbuy]包括購(gòu)買電能與天然氣的費(fèi)用，計(jì)算式為：

[Fbuy=s=1SDst=1Tpe，buy（t）Pe，buy（t）+pgas（t）Pgas（t）] （28）

式中：[s]——典型場(chǎng)景的指標(biāo)；[Ds]——典型日[s]的天數(shù)；[Pgas]——MEG消耗天然氣總功率，kW；[pe，buy]、[Pe，buy]——MEG與外部電網(wǎng)購(gòu)電的價(jià)格（元/kW）與功率（kW）。

2）MEG中設(shè)備的運(yùn)行維護(hù)費(fèi)用與輸出功率近似成正比，故年運(yùn)維成本[Fm]的計(jì)算式為：

[Fm=s=1SDst=1Tn∈ΩtδnPn（t）+m∈ΩsδmPm，ch（t）+Pm，dis（t）] （29）

[Ωt=TF，PV，WT，GICE，GT，GB，SC，WHB，EHP，EC，AC] （30）

[Ωs=ES，HS，CS] （31）

式中：[Ωt]——能源轉(zhuǎn)換設(shè)備；[Ωs]——儲(chǔ)能設(shè)備；[δn]、[δm]——設(shè)備[n]和[m]的維護(hù)成本系數(shù)；[Pn]——設(shè)備[n]的輸出功率，kW；[Pm，ch]、[Pm，dis]——儲(chǔ)能設(shè)備[m]的充放能功率，kW。

3）年碳交易成本Fc計(jì)算式為：

[Fc=s=1SDst=1TpcDCO2（t）-ACO2（t）] （32）

式中：[DCO2]、[ACO2]——CO2排放配額和實(shí)際碳排放量。

2.2.2 下層條件約束

1）能源平衡約束

MEG運(yùn)行需維持電、熱、冷的能源功率和負(fù)荷需求平衡，具體表示為：

[x∈Ωe，outPoute，x（t）-y∈Ωe，inPine，y（t）=Pe，l（t）] （33）

[x∈Ωh，outPouth，x（t）-y∈Ωh，inPinh，y（t）=Ph，l（t）] （34）

[x∈Ωc，outPoutc，x（t）-y∈Ωc，inPinc，y（t）=Pc，l（t）] （35）

式中：[Ωe，out、][Ωh，out、][Ωc，out]——MEG系統(tǒng)中所有輸出電、熱、冷功率的設(shè)備集合；Pe，l、Ph，l、Pc，l——用戶側(cè)電、熱、冷負(fù)荷。

2）設(shè)備爬坡約束

能源轉(zhuǎn)換設(shè)備的出力受其自身安裝容量的限制，此外能源轉(zhuǎn)換設(shè)備的運(yùn)行還受爬坡約束。

[wminVd≤Poutd≤wmaxVd，d∈Ω] （36）

[-υdΔt≤Poutdt-Poutdt-1≤υdΔt] （37）

式中：[wmin]、[wmax]——最小和最大的輸出功率調(diào)節(jié)因子；[υd]——能源轉(zhuǎn)換設(shè)備[d]的最大爬坡速率，kW/h。

3）電能交互功率約束

[0≤Pe，buyt≤uetPmaxe，buy] （38）

[0≤Pe，sellt≤1-uetPmaxe，sell] （39）

式中：[uet]——[t]時(shí)刻MEG購(gòu)電的狀態(tài)變量，MEG購(gòu)電時(shí)為1，其余狀態(tài)時(shí)為0；[Pmaxe，buy]、[Pmaxe，sell]——MEG與上層電網(wǎng)的最大購(gòu)、售電功率。

4）儲(chǔ)能設(shè)備運(yùn)行約束見式（5）～式（8）。

2.3 模型求解

多能互補(bǔ)MEG中耦合了多種類型的設(shè)備，因其變量眾多，無(wú)法快速尋找最優(yōu)解，CPLEX綜合了多種優(yōu)化算法的優(yōu)點(diǎn)，能快速、準(zhǔn)確地求解多變量混合整數(shù)規(guī)劃問題。在Matlab平臺(tái)上先利用啟發(fā)式算法得到一個(gè)可行解插入到CPLEX作為上界，再調(diào)用CPLEX求解器對(duì)所提目標(biāo)函數(shù)進(jìn)行求解，具體流程如圖4所示。

3 算法實(shí)例

選取某具體算例進(jìn)行分析，向模型中輸入基本數(shù)據(jù)（價(jià)格數(shù)據(jù)、負(fù)荷數(shù)據(jù)等）及設(shè)備參數(shù)［21］，根據(jù)環(huán)境因素分析可再生能源出力，利用上述模型求解得到最優(yōu)規(guī)劃配置以及各設(shè)備日運(yùn)行出力情況。

3.1 算法基礎(chǔ)數(shù)據(jù)

3.1.1 典型日選取

全年用能差別很大，為便于計(jì)算將一年劃分為3個(gè)典型日：夏季、冬季和過渡季，從中各選取一個(gè)典型日的負(fù)荷數(shù)據(jù)參與模型優(yōu)化，如表1所示。

3.1.2 場(chǎng)景設(shè)置

本文設(shè)置了如表2所示的4個(gè)場(chǎng)景，對(duì)比分析碳交易和綜合需求響應(yīng)對(duì)MEG的影響情況。

在不考慮碳交易時(shí)目標(biāo)函數(shù)為Frun1，否則為Frun2；不考慮綜合需求響應(yīng)時(shí)調(diào)用Q0，否則調(diào)用Q。

3.1.3 用戶負(fù)荷數(shù)據(jù)

用戶的電、熱和冷能3種負(fù)荷彼此獨(dú)立，根據(jù)1.4節(jié)所述的綜合需求側(cè)響應(yīng)模型得到3個(gè)典型日的響應(yīng)前后的負(fù)荷數(shù)據(jù)[Q0]與[Q]，如圖5所示。

3.1.4 設(shè)備參數(shù)

候選設(shè)備的基本參數(shù)如表3所示，其中GICE與GT的轉(zhuǎn)換效率分別表示電/熱轉(zhuǎn)換比。

3.1.5 可再生能源出力

分析該區(qū)域的環(huán)境數(shù)據(jù)估算出3種可再生能源設(shè)備在3種典型日的單位容量出力，如圖6所示。

3.1.6 MEG能源價(jià)格

MEG中天然氣為固定價(jià)格，其他能源購(gòu)/售價(jià)均采用分時(shí)價(jià)格，如圖7所示。

3.2 MEG優(yōu)化結(jié)果

根據(jù)上述基礎(chǔ)數(shù)據(jù)求解，得到各設(shè)備最優(yōu)配置數(shù)量與相對(duì)應(yīng)配置下的最優(yōu)日運(yùn)行出力情況，并最終計(jì)算出目標(biāo)函數(shù)的最優(yōu)值，以下分別從這3個(gè)方面進(jìn)行闡述。

3.2.1 上層規(guī)劃配置結(jié)果

上層規(guī)劃優(yōu)化得到4個(gè)場(chǎng)景最優(yōu)配置數(shù)量，以下主要從可再生能源設(shè)備與儲(chǔ)能設(shè)備的配置容量進(jìn)行對(duì)比分析，如圖8所示。

能夠觀察到，考慮了碳交易與綜合需求響應(yīng)之后，可再生能源設(shè)備與儲(chǔ)能設(shè)備均有不同程度的升高，其中場(chǎng)景2最為明顯，為降低碳排放，相比場(chǎng)景1增大了52.51%的可再生能源設(shè)備容量，為平滑可再生能源的出力波動(dòng)，儲(chǔ)能設(shè)備容量由此增多53.85%。場(chǎng)景3中對(duì)可再生能源配置影響較小，但降低了32.48%的儲(chǔ)能配置，通過用戶需求側(cè)消納了更多的可再生能源。

故場(chǎng)景4在場(chǎng)景2的基礎(chǔ)上考慮了綜合需求響應(yīng)，替代了儲(chǔ)能裝置的作用，實(shí)現(xiàn)了能量的時(shí)序轉(zhuǎn)移，提高了可再生能源的消納能力，節(jié)約了多余的儲(chǔ)能投資，在保證系統(tǒng)經(jīng)濟(jì)運(yùn)行的條件下，有效地降低碳排放，促進(jìn)低碳經(jīng)濟(jì)。

3.2.2 下層日運(yùn)行出力優(yōu)化結(jié)果

根據(jù)上層得到的設(shè)備配置情況對(duì)下層模型進(jìn)行優(yōu)化，得到4種場(chǎng)景在不同典型日的各設(shè)備日運(yùn)行出力情況，圖9展示了場(chǎng)景1的在過渡季的日運(yùn)行出力情況。由圖9發(fā)現(xiàn)：01：00—12：00時(shí)用戶電力需求低而風(fēng)電出力高，其售電價(jià)格較低，因此較少向大電網(wǎng)售電，而是選用EC轉(zhuǎn)化為冷能進(jìn)行供應(yīng)和儲(chǔ)存，少量余電存儲(chǔ)于ES；此時(shí)段GICE不出力以免發(fā)電量過剩，主要由GB供熱，WHB補(bǔ)充。12：00以后，電力需求逐漸升高，風(fēng)電出力較小時(shí)，則依靠GICE供電以及部分供熱。夜間電力需求緊張，因此EC減少出力以免增大電力負(fù)擔(dān)，前期CS儲(chǔ)存的冷能開始釋放，與AC配合供應(yīng)用戶冷負(fù)荷需求。

由于過渡季電、熱、冷負(fù)荷較為均勻，可視性更好，因此以下以過渡季為例，將設(shè)備歸類簡(jiǎn)化為燃?xì)庋b置（gas combustion unit， GCU）、可再生能源裝置（renewable energy， RE）、儲(chǔ)能裝置（energy storage unit， ESU），對(duì)比分析4個(gè)場(chǎng)景的日運(yùn)行總出力情況，并計(jì)算了各場(chǎng)景的可再生能源利用率［22］，如圖10所示。

根據(jù)日運(yùn)行出力情況能夠計(jì)算出各場(chǎng)景的碳排放量，如表4所示。

結(jié)合表4與圖10能夠發(fā)現(xiàn)，場(chǎng)景2的減碳效果最好，相比場(chǎng)景1減少了23.94%，燃?xì)庠O(shè)備的日運(yùn)行總出力減少了23.93%，可再生能源總輸出功率增多了61.07%，既減少了實(shí)際碳排放，又增大了碳配額，節(jié)省了大量碳排放成本。但與此同時(shí)，儲(chǔ)能設(shè)備的儲(chǔ)能出力也增大了103.19%，用于存儲(chǔ)用戶無(wú)法及時(shí)消納的可再生能源出力，導(dǎo)致儲(chǔ)能成本增大，用戶側(cè)的可再生能源利用率降低23.74%。通過場(chǎng)景3的數(shù)據(jù)能夠發(fā)現(xiàn)，綜合需求響應(yīng)對(duì)設(shè)備出力情況的影響較小，但由于用戶側(cè)可控負(fù)荷的調(diào)整，有利于增大可再生能源利用率。故場(chǎng)景4在考慮了碳交易的基礎(chǔ)上結(jié)合綜合需求響應(yīng)，雖較場(chǎng)景2多了0.69%的碳排放，但提高了28.93%的可再生能源利用率，減少了42.8%的儲(chǔ)能設(shè)備出力，通過用戶消納更多的可再生能源以節(jié)省儲(chǔ)能成本。

3.3 總優(yōu)化目標(biāo)結(jié)果

上述的上層規(guī)劃容量配置與下層日運(yùn)行出力情況對(duì)經(jīng)濟(jì)效益的表現(xiàn)不夠直觀，此處根據(jù)各部分成本，分析碳交易與綜合需求響應(yīng)對(duì)MEG經(jīng)濟(jì)效益的影響，如表5所示。

根據(jù)表5能夠看出：

1）場(chǎng)景2的總成本最高，比場(chǎng)景1增大了1.36%，原因主要在于建設(shè)成本過高，由于可再生能源裝機(jī)容量過多，其單位容量初始建設(shè)成本更高，且可再生能源出力的增大造成需要更多的儲(chǔ)能設(shè)備平抑MEG負(fù)荷波動(dòng)，故建設(shè)成本比場(chǎng)景1增大了44.09%。

2）場(chǎng)景4的總成本最低，在場(chǎng)景2的基礎(chǔ)上考慮綜合需求響應(yīng)后，節(jié)省了6.46%的總成本，經(jīng)濟(jì)效益最好。場(chǎng)景4中前期的建設(shè)成本投資雖然增大了，但由于在保證可再生能源利用率的前提下，適當(dāng)增多了可再生能源設(shè)備配置比例，使得后期的購(gòu)能和碳交易成本節(jié)省的金額高于前期投資，最終總成本有所降低，達(dá)到更好的經(jīng)濟(jì)效益。

4 結(jié) 論

本文將碳交易模型與綜合需求響應(yīng)模型相結(jié)合，構(gòu)建MEG雙層優(yōu)化配置模型，利用該模型計(jì)算出MEG最優(yōu)規(guī)劃配置，以及此配置下最優(yōu)日運(yùn)行出力方案，實(shí)現(xiàn)了MEG系統(tǒng)的低碳經(jīng)濟(jì)運(yùn)行。通過算例在4個(gè)場(chǎng)景下對(duì)比驗(yàn)證了該模型的有效性，并得出以下結(jié)論：?jiǎn)为?dú)考慮碳交易模型的參與時(shí)，會(huì)大幅提高M(jìn)EG的可再生能源裝機(jī)比例與出力大小，減碳效果優(yōu)異，但可再生能源利用率較小，易增大儲(chǔ)能成本；在此基礎(chǔ)上結(jié)合需求響應(yīng)能夠調(diào)整用戶側(cè)的靈活可控負(fù)荷，從而增大MEG中可再生能源的消納能力，平抑可再生能源波動(dòng)，優(yōu)化儲(chǔ)能配置，促進(jìn)低碳運(yùn)行，提高系統(tǒng)經(jīng)濟(jì)效益。

對(duì)于綜合需求響應(yīng)本文中僅考慮了價(jià)格型需求響應(yīng)，未來還可融入激勵(lì)型與替代型需求響應(yīng)使用戶更多的參與負(fù)荷調(diào)整；本文僅考慮了MEG與大電網(wǎng)的交互，而MEG之間的互動(dòng)也是未來應(yīng)深入研究的方向之一。

［參考文獻(xiàn)］

［1］ ZHOU X Y， WEI X Y， LIN J， et al. Supply chain management under carbon taxes： a review and bibliometric analysis［J］. Omega， 2021， 98： 102295.

［2］ 趙志耘， 曾文. “碳達(dá)峰、碳中和”目標(biāo)下的科技情報(bào)服務(wù)問題解析［J］. 中國(guó)軟科學(xué)， 2022（1）： 1-6.

ZHAO Z Y， ZENG W. Analysis of scientific and technological intelligence service issues under the goal of “carbon peak and carbon neutrality”［J］. China soft science， 2022（1）： 1-6.

［3］ 孫元章， 張鵬成， 柯德平， 等. 碳達(dá)峰條件下能源互聯(lián)網(wǎng)系統(tǒng)規(guī)劃設(shè)計(jì)與優(yōu)化運(yùn)行［J］. 南方電網(wǎng)技術(shù)， 2022， 16（1）： 1-13.

SUN Y Z， ZHANG P C， KE D P， et al. Planning， design and optimal operation of energy internet system under the condition of peak carbon dioxide emissions［J］. Southern power system technology， 2022， 16（1）： 1-13.

［4］ ESHRAGHI A， SALEHI G， HEIBATI S， et al. Developing operation of combined cooling， heat， and power system based on energy hub in a micro-energy grid： the application of energy storages［J］. Energy amp; environment， 2019， 30（8）： 1356-1379.

［5］ 仇知， 王蓓蓓， 賁樹俊， 等. 計(jì)及不確定性的區(qū)域綜合能源系統(tǒng)雙層優(yōu)化配置規(guī)劃模型［J］. 電力自動(dòng)化設(shè)備， 2019， 39（8）： 176-185.

QIU Z， WANG B B， BEN S J， et al. Bi-level optimal configuration planning model of regional integrated energy system" " considering" " uncertainties［J］." "Electric" " power automation equipment， 2019， 39（8）： 176-185.

［6］ 李利， 韓勝峰， 鄭煥坤等. 考慮源-荷不確定性的微能源網(wǎng)區(qū)間規(guī)劃方法［J/OL］. 電源學(xué)報(bào)： 1-26［2023-11-06］.http：//kns.cnki.net/kcms/detail/12.1420.TM.20220303.20 26.009.html.

LI L， HAN S F， ZHENG H K， et al. An interval planning method for micro energy networks considering renewable generation" "and" "demand" "uncertainty［J/OL］." Journal" "of power supply：1-26［2023-11-06］.http： //kns.cnki.net/kcms/detail/12.1420.TM.20220303. 2026.009.html.

［7］ 趙學(xué)花， 何常根， 羅清雷， 等. 計(jì)及時(shí)間相關(guān)性的微能源網(wǎng)魯棒規(guī)劃方法［J］. 可再生能源， 2020， 38（3）： 388-395.

ZHAO X H， HE C G， LUO Q L， et al. A robust planning method for micro energy grid considering spatiotemporal correlations" " of" " "uncertainties［J］." " Renewable" " energy resources， 2020， 38（3）： 388-395.

［8］ 張曉輝， 梁軍雪， 趙翠妹， 等. 基于碳交易的含燃?xì)鈾C(jī)組的低碳電源規(guī)劃［J］. 太陽(yáng)能學(xué)報(bào)， 2020， 41（7）： 92-98.

ZHANG X H， LIANG J X， ZHAO C M， et al. Research on low-carbon power planning with gas turbine units based on carbon transactions［J］. Acta energiae solaris sinica， 2020， 41（7）： 92-98.

［9］ 王振浩， 許京劍， 田春光， 等. 計(jì)及碳交易成本的含風(fēng)電電力系統(tǒng)熱電聯(lián)合調(diào)度［J］. 太陽(yáng)能學(xué)報(bào)， 2020， 41（12）： 245-253.

WANG Z H， XU J J， TIAN C G， et al. Combined heat and power scheduling strategy considering carbon trading cost in wind power system［J］. Acta energiae solaris sinica， 2020， 41（12）： 245-253.

［10］ 方仍存， 楊潔， 周奎， 等. 計(jì)及全生命周期碳成本的園區(qū)綜合能源系統(tǒng)優(yōu)化規(guī)劃方法［J］. 中國(guó)電力， 2022， 55（12）： 135-146.

FANG R C， YANG J， ZHOU K， et al. An optimal planning method for park IES considering life cycle carbon cost［J］. Electric power， 2022， 55（12）： 135-146.

［11］ 曾博， 徐富強(qiáng)， 劉裕， 等. 考慮可再生能源與需求響應(yīng)協(xié)同增效的能量樞紐多目標(biāo)區(qū)間優(yōu)化規(guī)劃方法［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2021， 41（21）： 7212-7225.

ZENG B， XU F Q， LIU Y， et al. Multi-objective interval optimization approach for energy hub planning with consideration of renewable energy and demand response synergies［J］. Proceedings of the CSEE， 2021， 41（21）： 7212-7225.

［12］ 陳占鵬， 胡炎， 邰能靈， 等. 考慮靈活性與經(jīng)濟(jì)性的可再生能源電力系統(tǒng)源網(wǎng)聯(lián)合規(guī)劃［J］. 電力自動(dòng)化設(shè)備， 2022， 42（9）： 94-101.

CHEN Z P， HU Y， TAI N L， et al. Source-grid joint planning of renewable energy power system considering flexibility and economy［J］. Electric power automation equipment， 2022， 42（9）： 94-101.

［13］ 劉輝， 劉強(qiáng)， 張立， 等. 考慮需求側(cè)協(xié)同響應(yīng)的熱電聯(lián)供微網(wǎng)多目標(biāo)規(guī)劃［J］. 電力系統(tǒng)保護(hù)與控制， 2019， 47（5）： 43-51.

LIU H， LIU Q， ZHANG L， et al. Multi-objective planning for combined heat and power microgrid considering demand" " side" "cooperative" "response［J］." "Power" "system protection and control， 2019， 47（5）： 43-51.

［14］ 孫亮， 孫健， 張程， 等. 計(jì)及需求側(cè)響應(yīng)的微能源網(wǎng)日前調(diào)度及定量評(píng)估［J］. 太陽(yáng)能學(xué)報(bào)， 2021， 42（9）： 461-469.

SUN L， SUN J， ZHANG C， et al. Day-ahead schedule and quantitation evaluation of micro-energy network considered requirement-side response［J］. Acta energiae solaris sinica， 2021， 42（9）： 461-469.

［15］ 王成山， 洪博文， 郭力， 等. 冷熱電聯(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2013， 33（31）： 26-33， 3.

WANG C S， HONG B W， GUO L， et al. A general modeling method for optimal dispatch of combined cooling， heating and power microgrid［J］. Proceedings of the CSEE， 2013， 33（31）： 26-33， 3.

［16］ 李德智， 龔桃榮. 用戶側(cè)多能互補(bǔ)微能源網(wǎng)的規(guī)劃方法［J］. 中國(guó)電力， 2019， 52（11）： 68-76.

LI D Z， GONG T R. Planning method of multi-energy complementary micro energy grid on user side［J］. Electric power， 2019， 52（11）： 68-76.

［17］ 曹宇， 汪可友， 石文輝， 等. 風(fēng)-光-海水抽蓄聯(lián)合發(fā)電系統(tǒng)的調(diào)度策略研究［J］. 電力系統(tǒng)保護(hù)與控制， 2018， 46（2）： 16-23.

CAO Y， WANG K Y， SHI W H， et al. Study on dispatching strategies of a wind-solar-seawater pumped storage hybrid power system［J］. Power system protection and control， 2018， 46（2）： 16-23.

［18］ 刁涵彬， 李培強(qiáng)， 呂小秀， 等. 考慮多元儲(chǔ)能差異性的區(qū)域綜合能源系統(tǒng)儲(chǔ)能協(xié)同優(yōu)化配置［J］. 電工技術(shù)學(xué)報(bào)， 2021， 36（1）： 151-165.

DIAO H B， LI P Q， LYU X X， et al. Coordinated optimal allocation of energy storage in regional integrated energy system considering the diversity of multi-energy storage［J］. Transactions of China Electrotechnical Society， 2021， 36（1）： 151-165.

［19］ 袁桂麗， 劉培德， 唐福斌， 等. 計(jì)及綠色電力證書與碳交易制度的“源-荷”協(xié)調(diào)優(yōu)化調(diào)度［J］. 太陽(yáng)能學(xué)報(bào)， 2022， 43（6）： 190-195.

YUAN G L， LIU P D， TANG F B， et al. Source-load coordination optimal scheduling considering green power certificate and carbon trading mechanisms［J］. Acta energiae solaris sinica， 2022， 43（6）： 190-195.

［20］ 張伊寧. 考慮需求響應(yīng)的能源互聯(lián)網(wǎng)優(yōu)化運(yùn)行研究［D］. 杭州： 浙江大學(xué)， 2019.

ZHANG Y N. Research on optimal operation for energy internet" considering" demand" response［D］." Hangzhou： Zhejiang University， 2019.

［21］ 趙政嘉， 滕振山， 王志光， 等. 考慮工程設(shè)備差異性的微能源網(wǎng)設(shè)備綜合優(yōu)化配置［J］. 電力系統(tǒng)自動(dòng)化， 2021， 45（23）： 84-93.

ZHAO Z J， TENG Z S， WANG Z G， et al. Comprehensive optimal equipment configuration for micro energy network considering" "engineering" "differences［J］." Automation" "of electric power systems， 2021， 45（23）： 84-93.

［22］ 邢毓華， 師高翔. 含風(fēng)光柴蓄的電動(dòng)汽車充電站容量?jī)?yōu)化配置方法［J］. 電氣傳動(dòng)， 2021， 51（7）： 67-74.

XING Y H， SHI G X. Optimal capacity allocation method of electric vehicle charging station for micro-grid with PV， wind turbine， diesel generation and storage batteries［J］. Electric drive， 2021， 51（7）： 67-74.

BI-LEVEL OPTIMIZATION MODEL FOR MICRO ENERGY GRID CONSIDERING CARBON TRADING AND DEMAND RESPONSE

Duan Xinhui1，2，Huang Rong1，Qi Chuanjie1，Chen Bowen1

（1. Department of Automation， North China Electric Power University， Baoding 071003， China；

2. Baoding Sinosimu Technology Company Limited， Baoding 071051， China）

Abstract：The global greenhouse effect is becoming more and more serious， and the construction and operation optimization of the micro energy grid plays an important role in realizing the goal of carbon reduction. This paper constructs a bi-level optimization configuration model for micro energy grids based on the basic architecture of micro energy grids， combining carbon trading and demand response with the objective function of minimizing the annual total cost. Combined with regional environmental data and annual typical day case analysis， the optimization model obtains the optimal planning configuration and the optimal daily operating output scheduling of each equipment under the configuration， which increases the installed capacity of renewable energy to obtain higher carbon emission right income compared with the basic model， and adjusts the flexible and controllable load of the customer side through demand response， which saves the total cost effectively under the premise of ensuring the capacity of renewable energy consumption. The results of the arithmetic example show that the model can enable the micro energy grid to promote the realization of carbon reduction goals while ensuring the system economy， which is important for the pre-planning and design of MEG.

Keywords：carbon trading； demand response； energy management； micro energy grid； bi-level optimization