計及綜合需求響應和不確定性風險的電氣熱耦合型微電網(wǎng)協(xié)同優(yōu)化

戎澤坤，陳佳佳，趙艷雷，肖傳亮

（山東理工大學 電氣與電子工程學院，山東 淄博 255000）

0 引言

隨著化石燃料的逐漸枯竭和環(huán)境污染的加劇，全球能源結構面臨巨大挑戰(zhàn)，需要進一步調整能源生產(chǎn)和消費方式。為有效利用可再生能源、提高微電網(wǎng)運行效率，能源領域對多能耦合型微電網(wǎng)的研究不斷深入[1]，[2]。

多能耦合型微電網(wǎng)是傳統(tǒng)微電網(wǎng)概念的延伸，而隨著能源耦合程度的加深和各種能源轉換設備的增加，多能耦合型微電網(wǎng)的優(yōu)化配置方式和運行策略成為復雜又亟待解決的問題，目前研究多集中在多能耦合型微電網(wǎng)的系統(tǒng)建模、能量優(yōu)化、規(guī)劃設計等方面。文獻[3]提出了關于多能微電網(wǎng)中熱電聯(lián)產(chǎn)系統(tǒng)容量大小的優(yōu)化部署，可以最大限度地減少CO2排放總量和凈成本。文獻[4]提出了一種用于綜合電、熱和冷的微電網(wǎng)系統(tǒng)兩階段優(yōu)化規(guī)劃和設計方法。第一階段選擇最優(yōu)設備容量，第二階段解決最優(yōu)調度問題。然而，由于大規(guī)模風電并網(wǎng)、多種能源之間的轉換使多能微電網(wǎng)的調度變得更加復雜，上述文獻缺乏對負荷需求側管理和不確定風險的考慮和分析。作為一種具有成本效益的靈活資源，負荷側的需求響應受到越來越多的關注，需求響應可以有效降低負荷波動，促進可再生能源消納，增強電力系統(tǒng)運行靈活性[5]。但是傳統(tǒng)的電力需求響應主要是通過削減或轉移負荷，這往往會影響用戶的用電體驗，導致用戶參與需求響應積極性不高，不能完全激發(fā)用戶的可調負荷響應潛力。隨著燃氣輪機、熱泵和電轉氣（Power to Gas，P2G）等設備的利用，電力、天然氣和熱力系統(tǒng)在多能耦合型微電網(wǎng)中緊密相連，綜合需求響應（Integrated Demand Response，IDR）應運而生。IDR在滿足電網(wǎng)調峰需求的同時，使用戶幾乎不改變能源使用習慣，通過替代能源使用保證用戶用能滿意度[6]。文獻[7]提出了IDR的概念，研究多能源網(wǎng)絡與能源供應商之間的交互策略，仿真結果證明了IDR與傳統(tǒng)電力需求響應相比在能源的靈活轉換、提高用戶用能體驗方面有很大的優(yōu)勢。本文在多能耦合型微電網(wǎng)中考慮電、氣負荷的IDR，充分利用可再生能源、儲能、能源轉換設備，有效激發(fā)用戶參與IDR的積極性。但是，現(xiàn)有研究IDR的文獻大多沒有考慮可再生能源并網(wǎng)帶來的不確定風險，這對微電網(wǎng)穩(wěn)定運行有很大的影響。風電作為具有良好發(fā)展前景的可再生能源發(fā)電方式，近年來得到了迅速發(fā)展[8]。然而風力發(fā)電的隨機性和波動性使多能耦合型微電網(wǎng)的不確定風險增大，這成為影響風電大規(guī)模消納的主要因素。因此，對風電并網(wǎng)型微電網(wǎng)風險評估方法的研究顯得尤為重要。文獻[9]通過風電預測，采用隨機機會約束規(guī)劃研究了動態(tài)優(yōu)化調度問題，但忽略了風電的模糊性。

本文首先在利用可再生能源、儲能和能源轉換設備的基礎上，構建了基于價格的IDR；然后通過考慮風電的模糊特性與隨機特性，提出基于可信性理論的不確定風險模型，進而建立了考慮IDR和不確定性風險的電氣熱耦合型微電網(wǎng)協(xié)同優(yōu)化模型[10]，[11]；最后，基于（Evolutionary Predator and Prey Strategy，EPPS）算法求解模型，旨在提升微電網(wǎng)運行效率，充分挖掘需求側電、氣負荷靈活性和實現(xiàn)不確定風險與成本之間的最優(yōu)權衡。

1 多能耦合型微電網(wǎng)的結構與模型

圖1為多能耦合型微電網(wǎng)的電能量流、天然氣能量流和熱能量流。包含能源供應模塊、能源轉換模塊和負荷需求模塊。

圖1 多能耦合型微電網(wǎng)的能量流模型Fig.1 Energy flow model of multi-energy coupling microgrid

式中：Le，Lg，Lh分別為用戶消耗的電、氣、熱負荷；Le，CL，Lg，CL分別為用戶可調的電負荷和天然氣負荷；Le，NL，Lg，NL分別為用戶固定電負荷和天然氣負荷。

2 考慮IDR和不確定性風險的協(xié)同優(yōu)化模型

2.1 IDR模型

為便于表述，本文以電負荷為例來描述基于價格的IDR模型。在IDR中，采用彈性系數(shù)矩陣描述電力或天然氣價格增減時的負荷需求變化量，電負荷的彈性系數(shù)矩陣為

若t=t′，E（t，t′）為自彈性系數(shù)，否則E（t，t′）為交叉彈性系數(shù)。自彈性是指負荷不能轉移到其他時段，只能接通或斷開負荷才能參與需求響應；而交叉彈性是指負荷可以從高峰時段轉移到非高峰期時段。

需求響應模型通常分為基于激勵和基于價格的兩種模型。本文考慮基于價格的需求響應模型，即價格在不同時期有所不同，因此它會激勵用戶改變消費模式。基于價格的需求響應具有一定的不確定性，因為外部環(huán)境的不確定性、信息延遲、決策主體在響應過程中的感知偏差，使得用戶對導致系統(tǒng)出現(xiàn)的價格變化有一定的響應偏差、反應不足或反應過度，然后根據(jù)價格彈性系數(shù)矩陣，得到電負荷的需求響應模型。

式中：Eg（t，t′）為氣負荷的價格彈性矩陣；L′g（t），ρg（t′）分別為t時刻實施IDR后，用戶對天然氣的需求和天然氣價格。

2.2 不確定風力發(fā)電風險評估模型

風力發(fā)電的預測誤差一直存在，但是在以小時為周期的短周期調度中，可以假設風速預測誤差服從高斯分布[12]。另外，由于風速預測誤差受到溫度、天氣的影響，風電的實際預測值具有模糊性。因此，本文將不確定風電視為模糊隨機變量，提出了一種基于可信性理論的風險評估模型來定量分析不確定風電給微電網(wǎng)帶來的風險。

可信性測度是一種自對偶的測度指標，用于描述模糊事件的可信性。風電預測誤差百分比εw可表示為

式中：Ew+和Ew-分別為正錯誤率和負錯誤率的統(tǒng)計平均值；σ為權重。

預測誤差可分為兩類：一是實際值高于預測值的正誤差；二是實際值低于預測值的負誤差。

對式（8）進行求導，得到可信性模型為

2.3 目標函數(shù)

多能耦合型微電網(wǎng)協(xié)同優(yōu)化的目標是在保證系統(tǒng)安全性的前提下最大限度地利用調度范圍內的風電資源。另外，成本是電力系統(tǒng)應該考慮的主要因素之一，它關系著電網(wǎng)運行的經(jīng)濟性能。但是由于風電的不確定性，必須對風電滲透帶來的風險加以考慮。在前文中，本文研究了可信性理論，以實現(xiàn)運營成本和風險之間的最優(yōu)權衡。多能耦合型微電網(wǎng)每小時運行成本包括從外部電網(wǎng)購買電力成本、購買天然氣成本和實施IDR的成本，本文提出的優(yōu)化模型總目標函數(shù)可表示為

2.4 約束條件

目標函數(shù)需滿足以下約束條件。

①功率平衡約束

多能耦合型微電網(wǎng)負荷需求包括電、氣、熱負

③能源供給模塊，供能側輸出受機組輸出參數(shù)上、下限的約束

④能源轉換模塊約束

熱泵通過消耗電能提供熱量，熱泵的輸出-輸入、燃氣輪機輸出極限、儲氣設備滿足約束條件分別為

式中：Xt為可控制負荷的狀態(tài)值，取值為-1，0，1，分別表示附著在移出、不轉移和移入的狀態(tài)；Le，CL，t和Lg，CL，t分別為t時段參與調度的電力負荷和天然氣負荷。

2.5 求解方法

EPPS算法是基于動物搜索行為和群體生活理論，建立的一種動態(tài)捕食者-獵物模型，該模型能夠很好地平衡動物的局部開發(fā)搜索能力和全局探索搜索能力。與其他優(yōu)化算法相比，EPPS在優(yōu)化多模態(tài)、非凸和高維基準方面顯示出了優(yōu)越的適用性；同時電力系統(tǒng)仿真研究表明，EPPS可以獲得更優(yōu)的解。本文利用EPPS算法求解計及IDR和不確定性風險的電氣熱耦合型微電網(wǎng)協(xié)同優(yōu)化模型，實驗流程如圖2所示。

圖2 多能耦合型微電網(wǎng)協(xié)同優(yōu)化模型求解流程Fig.2 Block diagram of the solution step of the multi-energy coupled microgrid collaborative optimization model

3 仿真分析

為了驗證所提模型的實用性和有效性，本文在一個由5臺風機設備和多種能量轉換設備組成的多能耦合型微電網(wǎng)上進行了仿真驗證。本文采用Matlab優(yōu)化計算，采用EPPS算法求解所提出的優(yōu)化模型。在多能耦合型微電網(wǎng)中，本文將初始電價和天然氣價格分別設定為0.4元/（kW·h）和0.5元/（kW·h）。權重因子σ取值為2.33。需求彈性定義為需求對價格的敏感性，具體數(shù)據(jù)如表1所示。

表1 自彈性和交叉彈性值Table 1 Self and cross elasticity values

假設可調負荷占總負荷需求的20%，即80%的負荷需求被認為是不可控。EPPS的種群大小設置為100，EPPS算法最大迭代次數(shù)設置為50 000次。

多能耦合型微電網(wǎng)中P2G、燃氣輪機、熱泵和儲氣設備的具體參數(shù)取值如表2所示。

表2 能量轉換和儲能設備參數(shù)Table 2 Energy conversion and energy storage equipment parameters

3.1 P2G及儲能設備對多能耦合型微電網(wǎng)調度的影響

傳統(tǒng)的能源系統(tǒng)運行僅限于熱、電、氣等單一能源系統(tǒng)，不能充分利用多能互補優(yōu)勢和協(xié)同效應。在多能耦合型微電網(wǎng)中，P2G是一種間接利用風電的方式，當風機出力在滿足電負荷需求之后有剩余時，將多余的風電轉化為天然氣。因此，本小節(jié)研究P2G設備及儲能設備對多能耦合型微電網(wǎng)調度的影響。圖3給出了P2G和風機出力以及儲氣設備的狀態(tài)。

圖3 P2G輸出功率、風機出力以及儲氣設備狀態(tài)Fig.3 P2G,wind power output and gas storage equipment status

由圖3可知，P2G設備僅在夜間運行，因為夜間風機出力較大，同時夜間的負載需求相對較小。到了夜間，P2G設備將剩余的風電轉化為天然氣供氣負荷使用，剩余的天然氣通過儲氣設備儲存起來，此時儲氣設備中的含氣量逐漸變大。風機出力較低時，P2G設備的轉換功率較低。隨著風機出力的增加，P2G的轉換功率增加，這大大促進了多能耦合型微電網(wǎng)對可再生能源的消納。在利潤方面，儲氣設備可以儲存P2G設備產(chǎn)生的天然氣，在天然氣價格高的時段賣出，由此可獲得更高的經(jīng)濟效益。

儲氣設備使系統(tǒng)能夠在負荷低谷時段存儲相對廉價的天然氣并在天然氣價格較高的時期供微電網(wǎng)使用，降低了系統(tǒng)運行成本。此外，儲氣設備在風電消耗和能源采購成本方面也起到了積極的作用，如表3所示。

表3 P2G及儲氣設備對多能耦合型微電網(wǎng)的影響Table 3 The influence of P2G and gas storage equipment on multi-energy coupling microgrid

由表3可知，系統(tǒng)采用P2G及儲氣設備后，總成本降低了1 352.836 8元，天然氣購買量減少了2 705.673 6 kW，風電消納量增加了19 647.51 kW，風電消納率提高了近20%。

3.2 IDR對多能耦合型微電網(wǎng)調度的影響

為分析IDR模型在平滑負荷曲線特性方面的性能，本文采用文獻[12]定義的負荷因子、峰谷差因子、峰補償因子3個因子來描述負荷曲線在實施IDR前后的變化。負荷因子用于評價負荷曲線的平滑度，其值為100%時，說明負荷需求全天不發(fā)生變化。峰谷差因子值越大表示峰谷差越大。峰補償因子定義為實施基于價格的IDR后峰值負荷減少的量。

實施IDR前后，負荷特征如表4所示。

表4 實施IDR前后的負荷曲線特征Table 4 Characteristics of the load curve before and after implementing IDR

由表4可以看出，實施IDR后，電負荷的負荷因子增加了4.87%，峰谷差因子降低了7.92%。此外，峰補償因子增長高達4.39%，天然氣負荷在參與IDR后也有著同樣的變化趨勢。所以多能耦合型微電網(wǎng)在實施IDR后，負荷在高峰期有所削減，在低谷期有一定的上升，起到了很好的削峰填谷的效果。

圖4，5分別為IDR對多能耦合型微電網(wǎng)調度的影響。由圖4，5可知，本文所提出的IDR模型可以有效地平滑負荷曲線、減少峰值負荷。

圖4 實施IDR前后的電負荷需求曲線Fig.4 The electricity load demand curve before and after implementing IDR

圖5 實施IDR前后的天然氣負荷需求曲線Fig.5 The gas load demand curve before and after implementing IDR

3.3 可信性理論的效用分析

風機出力預測值、優(yōu)化值與風機出力上下限如圖6所示。

圖6 風機出力預測值、優(yōu)化值與風機出力上下限Fig.6 The predicted value,optimized value of wind turbine output,and upper and lower limits

由圖6可知，每小時最優(yōu)風機出力在多數(shù)時期都高于預測值。此外，風機出力的優(yōu)化值也不完全是其出力上限，這是因為較高的風電滲透水平可能會給微電網(wǎng)帶來一定的運行風險。所提模型能夠有效權衡系統(tǒng)運行的效益和風險。

風機出力的可信性與系統(tǒng)運行成本之間的關系如圖7所示。

圖7 可信性與運行成本的關系Fig.7 The relationship between the credibility and operation cost

由圖7可以看出，二者呈負相關性。這表明較大的可信性（對應于較低的風險）對應的系統(tǒng)運行成本較高。所以要在兩者之間進行權衡，不能一味的增大風機出力而忽略了潛在的風險。

圖8對比了可信性測度、模糊和隨機測度對風機出力的影響。

圖8 不同測度模型下每小時風機最優(yōu)出力Fig.8 The optimal hourly integrated wind power under different measures

3種測度模型對應的24 h風機出力分別為98 176.65，114 554.99，10 376.23 kW，對應的可信度分別為11.99，8.77，9.09。雖然可信性理論模型下的風機出力略小于其它兩種測度模型，然而高風電滲透率對應著較低的可信度，可能給系統(tǒng)運行帶來風險。

4 結論

為了提高多能耦合型微電網(wǎng)的靈活性，本文建立了計及IDR和不確定性風險的電氣熱耦合型微電網(wǎng)協(xié)同優(yōu)化模型。通過對仿真結果進行分析比較，驗證了本文提出模型的有效性，并得出以下結論：①本文所提模型滿足了用戶多樣化的能源需求，降低了微電網(wǎng)運行成本，極大提高了多能耦合型微電網(wǎng)對可再生能源利用率；②將基于電價的IDR納入到電氣熱耦合型微電網(wǎng)中，在提高負荷因子、降低峰谷差因子和提高峰值補償因子等方面起到了積極作用?？紤]IDR后，電、氣負荷因子分別提高了4.87%和4.02%，峰谷因子分別降低了7.92%，7.45%，峰值補償系數(shù)分別達到4.39%和8.96%；③通過對風電不確定性的分析，從風險規(guī)避角度看，風電滲透率高并不一定有利于多能耦合型微電網(wǎng)的運行。本文通過可信性理論將不確定風電視為模糊隨機變量，使優(yōu)化結果能夠同兼顧經(jīng)濟性與風險水平。