共享模式下園區(qū)用戶側(cè)廣義儲能低碳經(jīng)濟調(diào)度策略

田壁源，常喜強，徐海奇，劉博文，張新燕，馬 濤

（1.國網(wǎng)烏魯木齊供電公司，烏魯木齊 830011；2.國網(wǎng)新疆電力有限公司，烏魯木齊 830018；3.新疆大學 電氣工程學院，烏魯木齊 830047）

0 引言

電力行業(yè)作為助力實現(xiàn)“雙碳”目標的關(guān)鍵領(lǐng)域之一，其首要任務(wù)是推動能源低碳轉(zhuǎn)型、構(gòu)建以新能源為主體的新型電力系統(tǒng)［1］。風力發(fā)電和光伏發(fā)電以其節(jié)能、減排、安全、靈活等多重優(yōu)點在“雙碳”布局中得到廣泛應(yīng)用，但因其出力具有較大的隨機性與波動性，給電網(wǎng)的可靠運行帶來挑戰(zhàn)［2］。儲能作為一項新興的電力技術(shù)，能夠?qū)崿F(xiàn)發(fā)用電在時空上的解耦，緩解新能源發(fā)電與負荷用電之間的矛盾，是實現(xiàn)節(jié)能低碳的重要載體之一。

園區(qū)作為地方經(jīng)濟發(fā)展的龍頭，具備較好的能源服務(wù)發(fā)展基礎(chǔ)和市場前景，是新能源消納與節(jié)能減排的重要載體。但園區(qū)能源需求主體多樣，區(qū)域內(nèi)用能負荷總量大且特性復(fù)雜，同時園區(qū)內(nèi)風、光出力不確定性較大，增加了園區(qū)內(nèi)電力系統(tǒng)的不穩(wěn)定性和用戶的用電經(jīng)濟性。目前較好的解決方式是通過引入儲能系統(tǒng)來實現(xiàn)削峰填谷和不連續(xù)性清潔能源的消納，但因其投資成本高，回報周期長，難以有效吸引投資。相比而言，園區(qū)用戶側(cè)分布式儲能系統(tǒng)具備單體項目小、投資規(guī)模小及接近用戶自身用能需求的特點，對實現(xiàn)園區(qū)能源供需平衡、電力清潔起到基礎(chǔ)支撐作用，但用戶側(cè)儲能資源也呈現(xiàn)出布局分散且可控性差等特性。因此，設(shè)計一種簡單可控、且易于實踐的分布式儲能資源運營服務(wù)模式，可以降低用戶側(cè)儲能資源的閑置率，提高用戶用能的經(jīng)濟性和低碳性。

當前電力系統(tǒng)中柔性負荷的比例不斷提高，其中具有一定調(diào)節(jié)能力的電力負荷（如空調(diào)、制冷、取暖、電動汽車等）聚合形成的虛擬儲能功能與實際儲能裝置相近，但相較于實際儲能具有單位成本低、潛力大的優(yōu)點。因此，本文將儲能的概念延伸，把能夠改變能量時空分布的裝置和措施統(tǒng)稱為廣義儲能（generalized energy storage，GES），包括實際儲能的儲電、儲熱、儲氫等裝置，以及虛擬儲能的柔性負荷、電動汽車等需求側(cè)響應(yīng)與管理。隨著廣義儲能逐步融入電力系統(tǒng)，如何整合用戶側(cè)零散分布的虛擬儲能資源，實現(xiàn)與實際儲能的動態(tài)結(jié)合，發(fā)揮廣義儲能匯聚作用進行統(tǒng)一控制與調(diào)度是目前研究的熱點。

在“雙碳”目標的驅(qū)動下，共享儲能作為結(jié)合儲能技術(shù)與共享經(jīng)濟理念的一類新型商業(yè)模式，以共享的形式將電源、電網(wǎng)、負荷側(cè)廣義儲能資源以電網(wǎng)為樞紐進行整合，有潛力在新能源消納及提供輔助服務(wù)等方面發(fā)揮重要的作用。文獻［3］提出了一種考慮廣義儲能和園區(qū)可再生能量共享的協(xié)調(diào)控制方案，旨在追求儲能資源利用率最大化；文獻［4］建立了多用戶共享儲能的容量配置投資決策模型，以提高共享儲能的經(jīng)濟效益。鮮有文獻深入探討用戶側(cè)廣義儲能中虛擬儲能與實際儲能的響應(yīng)機制對實現(xiàn)園區(qū)用戶低能耗、低碳的影響。

綜上，本文從促進用戶側(cè)廣義儲能資源開放共享、高效利用，提高清潔能源消納水平實現(xiàn)“雙碳”目標出發(fā)，將共享經(jīng)濟概念與儲能技術(shù)相結(jié)合，搭建了園區(qū)多用戶多類型儲能資源共享運營架構(gòu)。從園區(qū)共享用戶群用能經(jīng)濟性和低碳效益2個角度出發(fā)，建立了園區(qū)用戶側(cè)廣義儲能共享與協(xié)同調(diào)度模型，并根據(jù)實際儲能與虛擬儲能充放電的響應(yīng)特征，提出了相應(yīng)的儲放控制策略，采用多目標粒子群優(yōu)化算法求解該優(yōu)化模型。最后，算例仿真結(jié)果驗證了所提共享模式及響應(yīng)策略在園區(qū)低碳運行、用戶用能經(jīng)濟性及廣義儲能資源利用率、清潔能源消納方面凸顯優(yōu)勢。

1 園區(qū)廣義儲能共享策略

1.1 園區(qū)廣義儲能運營架構(gòu)

園區(qū)廣義儲能共享的核心思想在于儲能所有權(quán)和使用權(quán)相分離，通過對時空分散的用戶側(cè)各類型儲能資源進行分類管理、智能化集中調(diào)控和優(yōu)化調(diào)配，實現(xiàn)對用戶側(cè)儲能資源的集中共享。本文構(gòu)建的廣義儲能模型由兩部分組成：一部分是由分布式儲電、儲熱裝置構(gòu)成的實際儲能；另一部分由靈活性負荷需求響應(yīng)和電動汽車充放電管理構(gòu)成的虛擬儲能。園區(qū)能源系統(tǒng)主要由園區(qū)能源代理商（park energy agent，PEA）、園區(qū)能源調(diào)度中心（park energy dispatching center，PEDC）、各類用戶、電動汽車充放電站、電儲能（electric energy storage，EES）、電鍋爐（electric boilers，EB）、蓄熱式電鍋（electric boiler heat storage，EBHS）及分布式風電/光伏組成，運營架構(gòu)如圖1所示。

圖1 園區(qū)廣義儲能運營架構(gòu)Fig.1 GES operational architecture

1.2 園區(qū)廣義儲能協(xié)同優(yōu)化框架

本文將廣義儲能的聚合分成2個階段。第一階段：PEA對園區(qū)用戶申報的各類儲能資源進行分類匯總，將日內(nèi)各時段可參與共享的實際儲能及虛擬儲能數(shù)據(jù)上報園區(qū)能源調(diào)度中心。第二階段：PEDC利用多類型工、商業(yè)用戶用電行為的互補性與廣義儲能系統(tǒng)所產(chǎn)生的聚合效應(yīng)，進一步擴充虛擬儲能可用容量，同時根據(jù)清潔能源出力預(yù)測數(shù)據(jù)對PEA上報的負荷響應(yīng)合同進行調(diào)整。園區(qū)廣義儲能協(xié)同優(yōu)化框架如圖2所示。

圖2 園區(qū)廣義儲能協(xié)同優(yōu)化框架Fig.2 GES collaborative optimization framework of park

本文充分考慮到廣義儲能中各調(diào)節(jié)手段的時空特性，在電價峰時段，PEDC以削減園區(qū)全體用戶的用能成本最大為目標，調(diào)度廣義儲能進行放電，以削減園區(qū)峰時段的用電量；在清潔能源過剩及電價平谷時段，PEDC以降低園區(qū)用能碳排放為目標，調(diào)度廣義儲能進行充電，以消納園區(qū)清潔能源富余電量，并為后續(xù)電價峰時段的負荷削減做準備。

2 廣義儲能資源模型

2.1 實際儲能資源

實際儲能包括電儲能、熱儲能等。

2.1.1 電儲能模型

式中：SOCt為儲能t時段的SOC值；Pch、Pdis、ηch、ηdis分別為儲能充、放電功率及效率；Δt為充放電的一個持續(xù)時段；SEES,rate為電儲能的額定容量。

2.1.2 蓄熱式電鍋爐蓄熱式電鍋爐是在電鍋爐基礎(chǔ)上加裝了蓄熱罐，打破其常規(guī)的“以熱定電”模式。模型如下式中：H、P、S分別為熱功率、電功率、容量；PEinB,t、HEouBt,t、HEinBHS,t、HEouBtHS,t、SEBHS,t分別為電鍋爐t時刻輸入電功率、輸出熱功率及蓄熱式電鍋爐t時刻輸入/輸出熱功率、熱容量；ηEB、νEB,t、αEBHS分別為電鍋爐的效率因子、能量分配因子及能量損失因子；Δt為熱儲能的一個持續(xù)時段。

2.2 虛擬儲能資源

虛擬儲能包含可削減/轉(zhuǎn)移的需求側(cè)靈活性負荷以及電動汽車充放電負荷。

參與需求響應(yīng)的用戶可通過簽約響應(yīng)合同的方式進行負荷轉(zhuǎn)移/削減。因轉(zhuǎn)移負荷而增加或者減少的用電量可視為虛擬儲能的充、放電，因削減負荷而減少的用電量可視為虛擬儲能的放電。

（1）可轉(zhuǎn)移負荷

式中：PLi,t、Ptiran,t、Priep,t與xitran,t、xirep,t分別為t時刻用戶i的負荷功率及可轉(zhuǎn)出/轉(zhuǎn)入負荷功率及可轉(zhuǎn)出/轉(zhuǎn)入負荷比例；titran,sta、titran,end與tirep,sta、tirep,end分別為可轉(zhuǎn)出/轉(zhuǎn)入負荷時段的起始、末尾時刻。

（2）可削減負荷

式中：PLi,t、Pdiim,t分別為t時刻用戶i的負荷功率及可削減負荷功率；yidim,t為t時刻用戶i的可削減負荷的削減比例；tidim,sta、tidim,end分別為可削減負荷允許削減時段的起始、末尾時刻。

因篇幅限制，關(guān)于電動汽車移動儲能模型及充放電管理策略詳見文獻［5］。

3 園區(qū)廣義儲能低碳經(jīng)濟調(diào)度模型

3.1 目標函數(shù)

本文以園區(qū)共享用戶群用能成本最小、低碳效益最優(yōu)為目標實施廣義儲能資源共享服務(wù)，具體目標函數(shù)如下。

3.1.1 參與共享用戶群用能成本

式中：fuse、fbuy、fEV、fGES分別為參與共享用戶群最小凈用能成本、購電成本、電動汽車用電成本及PEA運營成本；fE、fEB分別為購電成本與電鍋爐用電成本；fDR為參與需求響應(yīng)收益；fEV,DR為電動汽車參與GES收益；fEbEuSy、SbEuEyS,i,t、CEbuEyS,t分別為PEA在t時刻購買用戶i的實際儲能使用權(quán)支出、容量及價格；Pbiuy,t、Cbiuy,t分別為用戶i在t時刻的購電功率及電價；Pdiim,t、Ptiran,t、Priep,t分別為用戶i在t時刻參與削減及轉(zhuǎn)入/轉(zhuǎn)出的負荷；δdim、δtran、δrep分別為削減、轉(zhuǎn)移和替代負荷的補償系數(shù)；ftEV,ch、ftEV,dis分別為電動汽車在t時刻的充放電價格；eEV,dist為t時刻電動汽車放電補償系數(shù)；PrEeVd,,tch、PaEdV,t,dis與 freEdV,t,ch、faEd,Vt,dis分別為電動汽車在t時刻的可減少充電量與可增加放電量及響應(yīng)價格；N為共享用戶群組成的集合；i為集合N中的元素，i∈N；T為一個運行日所包含的時段總數(shù)。

3.1.2 園區(qū)低碳效益

園區(qū)低碳效益是指PEDC通過廣義儲能充電所消納的清潔能源電量及放電所替代的園區(qū)下網(wǎng)電量（假設(shè)下網(wǎng)電量均來自火電機組）而獲的碳排放配額，其計算公式為

式中：Kcarbon、Icarbon分別為單位電量碳排放配額及周期內(nèi)PEDC可獲得的碳排放配額；EGPVES,ch,t、EGWETS,ch,t和EGdiEs,St分別為t時刻廣義儲能充電所消納的清潔能源電量及廣義儲能放電量；因本文采用充電與放電分別計量疊加計算的方式，故單位電量碳排放配額取正常值一半，Kcarbon=0.364 kg/kWh［6］。

3.1.3 儲能等效利用率

儲能等效利用率指標是指周期內(nèi)各類儲能資源的實際儲放量與總可用儲放容量的比值，用以反映儲能資源的利用程度，其計算公式為

式中：GESU為儲能等效利用率；EGi,cEhS,t、EGi,EdiSs,t分別為t時刻儲能i的實際儲、放功率；SGES為總可用儲放容量；k為周期內(nèi)儲能i的循環(huán)利用次數(shù)；SGi,cEhS、SGi,dEiSs分別為第k次儲能i的可用儲放容量。

3.2 約束條件

約束條件包括實際電儲能運行約束、蓄熱式電鍋爐運行約束以及虛擬EV儲能充放電約束和可轉(zhuǎn)移/削減負荷約束，因篇幅限制，此處不再贅述。

3.3 模型求解

為權(quán)衡用能成本最小與低碳效益最優(yōu)2個具有矛盾關(guān)系的目標，對上述建立的模型設(shè)計不同比例權(quán)重，將所建立的多目標優(yōu)化模型轉(zhuǎn)化為單目標優(yōu)化模型，具體做法如下所述。

（1）以調(diào)度周期內(nèi)用能成本最小為目標函數(shù)求解所提模型，得到用能成本最小值δmin和此時的碳排放量值fmax。

（2）以調(diào)度周期內(nèi)低碳效益最優(yōu)為優(yōu)化目標，求解所提模型，得到碳排放量最小值fmin和此時的用能成本值δmax。

（3）由于目標函數(shù)的優(yōu)化方向不同，故在進行多目標加權(quán)為單目標時，需要進行相應(yīng)的處理，設(shè)定ωδ和ωf分別為園區(qū)用戶群用能成本最低和最小化碳排放量目標函數(shù)的權(quán)重系數(shù)，則可對目標函數(shù)進行加權(quán)處理，具體如下

權(quán)重系數(shù)的取值體現(xiàn)調(diào)度中對該目標的重視程度，且滿足ωδ+ωf=1，可根據(jù)調(diào)度需求及系統(tǒng)要求，分配權(quán)重系數(shù)。因此，當ωδ和ωf被設(shè)定后，則園區(qū)用戶群用能成本和碳排放量能夠被獲得。

本文采用自適應(yīng)粒子群算法（adaptive particle swarm algorithm，A-PSO）解決賦權(quán)后的單目標優(yōu)化問題，有關(guān)A-PSO的流程與細節(jié)參考文獻［7］，此處不再贅述。模型求解步驟如下：

（1）讀入園區(qū)用戶負荷參數(shù)、各儲能的參數(shù)、風光發(fā)電情況，儲能的初始電量以及相關(guān)的約束條件，生成園區(qū)廣義儲能共享策略的初始種群；

（2）初始化粒子群，包括粒子數(shù)目、位置、迭代次數(shù)、權(quán)重參數(shù)；

（3）計算粒子的適應(yīng)值并對其進行評價，分別記錄粒子個體和群體的最優(yōu)位置及最佳適應(yīng)值；

（4）利用粒子群算法對新種群執(zhí)行優(yōu)化，選取全局最優(yōu)粒子，進行種群進化方向的引導；

（5）計算種群的進化因子，判斷種群進化狀態(tài)，自適應(yīng)調(diào)節(jié)種群進化所需權(quán)重ω及認知系數(shù)c1、社會系數(shù)c2等重要參數(shù)；

（6）求解更新后的粒子個體和群體的最優(yōu)位置及最佳適應(yīng)值，并將當前的群體極值與之前最好的群體極值進行比較，如果優(yōu)于之前最好的群體極值則進行替代更新，并記錄此時粒子的位置；

（7）判斷迭代結(jié)果或者迭代次數(shù)是否滿足終止條件，若滿足條件，迭代終止并輸出最優(yōu)解方案，否則返回步驟（3）。

4 算例分析

4.1 算例條件

本文選取某園區(qū)5家不同類型用戶（A1—A3、B1、B2）為算例對象，A1為平峰型用戶—化工廠；A2為雙峰型用戶—服裝廠；A3為三峰型用戶—商業(yè)區(qū)（含酒店、餐廳）；B1為電動汽車充電站（園區(qū)共享儲能站）；B2為園區(qū)分布式風光發(fā)電用戶。以冬季某典型日為運行日，日內(nèi)各用戶的電負荷、園區(qū)熱負荷及風電、光伏出力相對功率曲線如圖3所示，其中用戶A1、A2、A3及B1的負荷基準值分別為10 MW、4 MW、5 MW、4 MW，熱負荷基準值為8 MW，用戶B2的風電、光伏出力基準值分別為12 MW、10 MW。假設(shè)園區(qū)用戶擁有的分布式儲能使用權(quán)均出售給PEA，并由PEDC進行統(tǒng)一調(diào)控。為了提高儲能利用率，將儲能使用權(quán)的使用分為0：00—13：00與13：00—24：00兩個時段，通過日前交易獲得的儲能使用權(quán)僅可在相對應(yīng)的時段內(nèi)使用。購售電價及儲能使用權(quán)價格均采用分時價格模式，如圖4所示。

圖3 園區(qū)用戶相對功率Fig.3 Relative power of park users

圖4 價格曲線Fig.4 Price curves

單位實體儲能參數(shù)如表1所示，各類用戶擁有的實體蓄電池、儲熱罐數(shù)量及分布式風電/光伏裝機容量如表2所示。園區(qū)內(nèi)各類電動汽車的車輛參數(shù)及停駛情況概率分布數(shù)據(jù)參考文獻［7］。設(shè)置園區(qū)儲能共享的優(yōu)化周期1 d，T=1 h。算例中可削減負荷占比10%，可轉(zhuǎn)移負荷占比30%，電動汽車充電負荷最多可轉(zhuǎn)移50%，負荷響應(yīng)補償合同如表3所示，各用戶申報的負荷響應(yīng)合同數(shù)量如表4所示。采用Matlab軟件編寫自適應(yīng)粒子群算法對優(yōu)化模型進行求解，種群數(shù)量設(shè)為60，最大迭代次數(shù)取30。

表1 單位實體儲能參數(shù)Fig.1 Parameters of unit physical storage

表2 園區(qū)用戶實體儲能數(shù)量及分布式電源參數(shù)Fig.2 Energy storage quantity and distributed generation parameters of users in the park

表3 負荷響應(yīng)合同F(xiàn)ig.3 Load response contract

表4 園區(qū)用戶負荷響應(yīng)合同數(shù)量Fig.4 Number of user load response contracts in the park個

4.2 基礎(chǔ)運行結(jié)果分析

兩階段廣義儲能聚合結(jié)果如圖5所示。其中，圖5(a)為PEA階段各用戶上報的可參與儲能共享的實際/虛擬儲能容量及EV儲能容量；圖5(b)為經(jīng)過PEDC階段調(diào)整后的各時段廣義儲能容量。可以看出，調(diào)整后的各時段廣義儲能可用充放電容量更接近園區(qū)負荷調(diào)整及清潔能源消納的需求。

圖5 廣義儲能可用容量Fig.5 Generalized available energy storage capacity

計及廣義儲能調(diào)度前后的園區(qū)電、熱負荷曲線如圖6所示?？梢钥闯?，基于分時電價機制，利用實際儲能固有的能量時間轉(zhuǎn)移特性及經(jīng)濟補貼機制下靈活性資源的“虛擬轉(zhuǎn)移”能力，在園區(qū)清潔能源電量富裕及電價谷時段進行廣義儲能儲存能量，而電價峰時段及園區(qū)下網(wǎng)負荷較重時進行廣義儲能釋放能量，調(diào)整后的園區(qū)高峰時段電、熱負荷均明顯減少，低谷時段電、熱負荷明顯增加。

圖6 考慮廣義儲能前后的電、熱負荷曲線Fig.6 Electric and heat load curves before and after considering generalized energy storage

計及廣義儲能調(diào)度前后下網(wǎng)負荷曲線如圖7所示?？梢钥闯觯瑘@區(qū)下網(wǎng)負荷曲線的峰谷差由24.8 MW降至14.1 MW，且調(diào)度后無棄風、棄光情況發(fā)生，實現(xiàn)了兼顧低碳經(jīng)濟運行、縮小峰谷差以及提升系統(tǒng)運行穩(wěn)定性的調(diào)度效果。

圖7 園區(qū)下網(wǎng)負荷曲線Fig.7 Off grid load curves of the park

4.3 廣義儲能響應(yīng)策略分析

實際儲能與虛擬儲能的調(diào)度結(jié)果如圖8所示?？梢钥闯?，當廣義儲能系統(tǒng)進行充電時，一定比例的實際儲能首先進行充電響應(yīng)，由虛擬儲能填補剩余儲能需求，當某時段虛擬儲能響應(yīng)量不足，出現(xiàn)的功率缺額將由預(yù)留的實際儲能進行填補。當廣義儲能系統(tǒng)進行放電時，采用由虛擬儲能進行優(yōu)先響應(yīng)的放電控制策略，并由實際儲能來填補剩余所有儲能需求。

圖8 廣義儲能響應(yīng)情況Fig.8 Generalized energy storage response

不同控制策略下的GES經(jīng)濟收益曲線如圖9所示。從圖中可以看出，充電時，實際儲能優(yōu)先響應(yīng)控制策略下GES收益，比虛擬儲能優(yōu)先響應(yīng)的收益要高；而放電時，受虛擬儲能響應(yīng)不確定性的影響，虛擬儲能優(yōu)先響應(yīng)控制策略下GES收益高于實際儲能優(yōu)先響應(yīng)情況。另外，前期虛擬儲能所占比例較低時，參與調(diào)度的實際容量存在冗余，冗余的容量無法進一步提高GES的經(jīng)濟收益，故該階段利用虛擬儲能容量提高帶來的的經(jīng)濟收益走勢先升后平。而隨著虛擬儲能所占比例的繼續(xù)增大，實際儲能響應(yīng)電量的需求處于不飽和的狀態(tài)，GES收益受虛擬儲能響應(yīng)不確定性的影響，故走勢為緩降。

圖9 不同控制策略下的GES收益曲線Fig.9 GES yield curves under different control strategies

綜上所述，考慮實際儲能具有響應(yīng)速度快、精度高的特點，而虛擬儲能響應(yīng)電量具有較大的不確定性劣勢，在廣義儲能充電時，利用實際儲能為虛擬儲能提供輔助服務(wù)，可有效降低調(diào)度過程中因虛擬儲能不確定性而帶來的儲能充電容量損失，有利于負荷側(cè)資源更好地參與系統(tǒng)運行。在廣義儲能放電時，采用虛擬儲能優(yōu)先響應(yīng)的控制策略則可以有效地提高廣義儲能參與園區(qū)負荷調(diào)控的響應(yīng)質(zhì)量，一定程度上減少了對實際儲能的需求。

4.4 儲能共享結(jié)果分析

為了驗證廣義儲能共享模式及響應(yīng)策略的優(yōu)越性，在4.2節(jié)基礎(chǔ)場景的基礎(chǔ)上，設(shè)置3種方案進行對比：方案1中系統(tǒng)無儲能共享；方案2中僅實際儲能參與共享；方案3為本文所提方案。其中方案1與方案2的優(yōu)化對象為園區(qū)用戶用能成本。不同方案下的優(yōu)化運行結(jié)果如表5所示。

表5 結(jié)果對比Fig.5 Comparison of results

由上表可知，方案2較方案1的儲能利用率提高了51.1%，對應(yīng)的園區(qū)總用能成本減少了4.1%，而獲得的碳排放配額則增加了5 883kg，說明引入共享理念參與儲能具有良好的經(jīng)濟性和低碳性，實現(xiàn)了電能的時間轉(zhuǎn)移與價值提升。因方案3中虛擬儲能與實際儲能一同參與共享，使得方案3較方案2的儲能利用率降低了3.3%，雖然園區(qū)總用能成本只降低了1.6%，但獲得的碳排放配額大幅增加了14 037kg，說明引入廣義儲能概念使得園區(qū)能源系統(tǒng)運行的經(jīng)濟性和低碳效益進一步提高。

結(jié)合以上數(shù)據(jù)分析可知，虛擬儲能的加入輔助實體儲能完成系統(tǒng)經(jīng)濟穩(wěn)定運行的同時，在一定程度上降低了園區(qū)用能成本，同時隨著風/光電消納率的提高，使得園區(qū)獲得了更多的碳排放配額收益?？梢?，在儲能共享模式下，利用廣義儲能系統(tǒng)的彈性儲/放特征，通過對園區(qū)源、荷側(cè)資源的統(tǒng)一聚合調(diào)控，進一步挖掘了廣義儲能系統(tǒng)的潛力，使得廣義儲能相比實際儲能獲得更優(yōu)的靈活性、經(jīng)濟性及低碳性優(yōu)勢。

5 結(jié)束語

本文從促進園區(qū)用戶側(cè)廣義儲能資源開放共享、高效利用出發(fā)，借鑒共享經(jīng)濟理念，提出了一種多用戶多類型儲能資源網(wǎng)絡(luò)化運營平臺架構(gòu)，整合了碎片化的園區(qū)用戶側(cè)分布式儲能資源，實現(xiàn)用戶側(cè)分布式儲能資源信息化管控和互聯(lián)共享。為實現(xiàn)園區(qū)廣義儲能資源優(yōu)化調(diào)控，本文進一步建立了以園區(qū)共享用戶群用能成本最小及低碳效益最優(yōu)為目標的優(yōu)化調(diào)度模型，并提出了實際儲能與虛擬儲能的儲放控制策略。算例結(jié)果表明：本文所提共享模式及響應(yīng)策略能夠有效提升廣義儲能資源參與園區(qū)負荷調(diào)控的響應(yīng)質(zhì)量，實現(xiàn)了兼顧園區(qū)用能經(jīng)濟低碳、促進清潔能源消納以及縮小下網(wǎng)負荷峰谷差、提升用戶側(cè)儲能資源利用率的調(diào)度效果。D