黃旭銳，蘇亞納，侯宏娟,3，楊 波，潘 軍，朱以順

（1.廣東電網(wǎng)有限責(zé)任公司廣州供電局，廣東 廣州 510600；2.華北電力大學(xué)能源動(dòng)力與機(jī)械工程學(xué)院，北京 102206；3.華北電力大學(xué)新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，北京 102206）

綜合需求側(cè)響應(yīng)（integrated demand response，IDR）參與的能源樞紐系統(tǒng)在構(gòu)建綜合評(píng)價(jià)指標(biāo)，因目標(biāo)點(diǎn)可行域非凸，在確定權(quán)重方面存在難點(diǎn)。而目標(biāo)的確定，是進(jìn)行能源樞紐系統(tǒng)優(yōu)化的前提。

目前對(duì)于能源樞紐系統(tǒng)優(yōu)化的單目標(biāo)模型中，通常在考慮IDR前提下從能效[1]或收益[2-3]方面進(jìn)行優(yōu)化研究。但在多目標(biāo)模型中，由于各個(gè)目標(biāo)之間可能存在沖突，通常并不能得到使得每個(gè)指標(biāo)都達(dá)到絕對(duì)最優(yōu)解。因此，更多的研究探索通過運(yùn)用一些數(shù)學(xué)方法求得折衷解。文獻(xiàn)[4-5]采用模糊滿足技術(shù)選擇最佳折衷方案。文獻(xiàn)[6]將主觀與客觀賦權(quán)法結(jié)合，提出層次分析-熵權(quán)賦權(quán)法，從經(jīng)濟(jì)、能耗、環(huán)境3方面構(gòu)建評(píng)價(jià)指標(biāo)。一些學(xué)者采用帕累托優(yōu)化方法處理多目標(biāo)優(yōu)化問題：文獻(xiàn)[7]利用處理多目標(biāo)凸優(yōu)化問題的標(biāo)量化方法求解帕累托前沿（PF），將多目標(biāo)優(yōu)化問題處理成凸優(yōu)化問題簡化了問題求解；此外，也有文獻(xiàn)利用智能算法進(jìn)行多目標(biāo)尋優(yōu)，采用遺傳算法[8-9]、粒子群優(yōu)化算法[10]、進(jìn)化算法[11-12]等算法，優(yōu)化產(chǎn)生綜合能源系統(tǒng)最優(yōu)配置方案的帕累托前沿，通過決策者所考慮的目標(biāo)價(jià)值、偏好等策略選擇合適的方案。但該類多目標(biāo)能源樞紐優(yōu)化研究并未考慮到IDR參與的系統(tǒng)優(yōu)化問題。

對(duì)于未計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐高效、經(jīng)濟(jì)等多目標(biāo)運(yùn)行優(yōu)化問題，可以通過分析權(quán)重確定綜合指標(biāo)。而對(duì)于計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐系統(tǒng)評(píng)價(jià)指標(biāo)的建立方法，目前該類研究較少。因?yàn)榫C合需求側(cè)響應(yīng)是通過預(yù)測(cè)需求側(cè)彈性負(fù)荷確定理想負(fù)荷分配/理想運(yùn)行調(diào)度方案，進(jìn)而調(diào)整價(jià)格引導(dǎo)用戶改變用能方式，但當(dāng)以能耗、收益作為子目標(biāo)時(shí)，計(jì)算模型非凸，也就是說博弈均衡后的能耗收益數(shù)據(jù)點(diǎn)在坐標(biāo)系中的可行域非凸，進(jìn)而難以確定多目標(biāo)權(quán)重。

為了使計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐系統(tǒng)供需博弈均衡點(diǎn)可行域?yàn)橥辜?，進(jìn)而簡化多目標(biāo)運(yùn)行優(yōu)化方案的求解，本文采用“成本”替換“收益”作為子目標(biāo)。由于成本只反映系統(tǒng)運(yùn)行時(shí)的實(shí)際成本并不受供需博弈過程中價(jià)格的影響，從而可將供需博弈后的均衡點(diǎn)看成盡可能貼合能源樞紐理想負(fù)荷分配，將計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐多目標(biāo)運(yùn)行優(yōu)化問題簡化為如何確定多目標(biāo)需求下的理想負(fù)荷分配的問題。

綜上所述，本文對(duì)計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐系統(tǒng)，基于日前多目標(biāo)優(yōu)化問題，進(jìn)行如下研究工作：1）建立能源樞紐各設(shè)備數(shù)學(xué)模型，以及分目標(biāo)數(shù)學(xué)模型；2）建立綜合需求側(cè)響應(yīng)數(shù)學(xué)模型；3）基于用戶側(cè)負(fù)荷需求，通過標(biāo)量化方法進(jìn)行能源樞紐系統(tǒng)多目標(biāo)權(quán)重分析并確定理想點(diǎn)，進(jìn)而以目標(biāo)向量點(diǎn)與理想點(diǎn)歸一化后的歐氏距離建立目標(biāo)函數(shù)；4）以負(fù)荷分配為粒子，以在特定權(quán)重下能源樞紐運(yùn)行的目標(biāo)函數(shù)值為適應(yīng)度函數(shù)，通過粒子群優(yōu)化算法確定能源樞紐多目標(biāo)需求下的理想負(fù)荷分配。

1 能源樞紐數(shù)學(xué)模型

能源樞紐基本架構(gòu)（圖1）包括蓄電、蓄冷、蓄熱設(shè)備，電熱泵（制熱），電熱泵（制冷），冷熱電聯(lián)供（combined cooling heating and power，CCHP）設(shè)備等能量轉(zhuǎn)化設(shè)備。能源樞紐一次側(cè)能源供應(yīng)包括電網(wǎng)、市政燃?xì)?、風(fēng)能和太陽能，二次側(cè)（需求側(cè)）包括電負(fù)荷、熱負(fù)荷和冷負(fù)荷3種類型。

圖1 能源樞紐基本架構(gòu)Fig.1 Basic structure of the energy hub

1.1 冷熱電聯(lián)供系統(tǒng)約束

CCHP系統(tǒng)在最大出力和爬坡約束的前提下，還應(yīng)滿足在不同負(fù)荷率下的能量轉(zhuǎn)換關(guān)系：

式中：t為時(shí)間節(jié)點(diǎn)；P為出力（其中冷/熱出力在計(jì)算上均以?來表示）；gi表示CCHP出力類型，gi即ge、gh、gc，分別代表CCHP供電、供熱、供冷；F為天然氣燃燒轉(zhuǎn)化的有用能；ηgi為CCHP的gi種出力的?效率；f為負(fù)荷率；agi、bgi、cgi、dgi為gi種用能方式中?效率與負(fù)荷率關(guān)系的相關(guān)方程系數(shù)。

1.2 儲(chǔ)能設(shè)備約束

儲(chǔ)能設(shè)備約束包括對(duì)電儲(chǔ)、熱儲(chǔ)、冷儲(chǔ)設(shè)備的充放約束、存儲(chǔ)狀態(tài)約束與調(diào)度周期的充放平衡約束，同時(shí)儲(chǔ)能設(shè)備應(yīng)考慮存儲(chǔ)容量與充放系數(shù)的關(guān)系。文獻(xiàn)[7]采用2個(gè)獨(dú)立變量表達(dá)儲(chǔ)能充放行為，并分析了系統(tǒng)在優(yōu)化過程中避免了儲(chǔ)能設(shè)備同時(shí)充放行為造成的額外能耗、成本、污染物排放量，所以本文將儲(chǔ)能的充放行為簡化為1個(gè)變量，其表達(dá)式為

式中：Psi,t,min、Psi,t、Psi,t,max分別代表t時(shí)刻儲(chǔ)能設(shè)備si的充/放出力（正數(shù)為放，負(fù)數(shù)為充）以及出力的上下限；si（se、sh、sc）為儲(chǔ)能設(shè)備類型，分別代表蓄電、蓄熱、蓄冷；S為儲(chǔ)能設(shè)備?存儲(chǔ)量；ηsi,in、ηsi,out、fsi分別代表儲(chǔ)能設(shè)備si的充/放系數(shù)以及儲(chǔ)能設(shè)備存儲(chǔ)率；asi,in、bsi,in、csi,in、dsi,in、asi,out、bsi,out、csi,out、dsi,out代表儲(chǔ)能設(shè)備si的充放系數(shù)與設(shè)備存儲(chǔ)率關(guān)系的相關(guān)方程系數(shù)。

1.3 風(fēng)電、光熱設(shè)備約束條件

鑒于系統(tǒng)存在棄風(fēng)、棄光的可能性，對(duì)風(fēng)電、光熱出力約束為

式中：下標(biāo)w、s分別代表風(fēng)電和光熱設(shè)備；Pt,max為t時(shí)刻天氣因素下的設(shè)備出力預(yù)測(cè)值

1.4 電制熱、電制冷設(shè)備約束

建立電制熱、電制冷設(shè)備線性數(shù)學(xué)模型，其約束為

式中：下標(biāo)pi=ph,pc分別代表電制熱、電制冷設(shè)備；ηpi、fpi分別代表pi設(shè)備能源轉(zhuǎn)化效率、負(fù)荷率；api、bpi、cpi、dpi代表pi設(shè)備能源轉(zhuǎn)化效率與負(fù)荷率關(guān)系的相關(guān)方程系數(shù)；Leph、Lepc分別代表電制熱、電制冷設(shè)備消耗的區(qū)域電網(wǎng)電量。

1.5 供需平衡約束

假設(shè)用戶側(cè)24 h負(fù)荷需求為L，t時(shí)刻負(fù)荷需求為Lt，t時(shí)刻的運(yùn)行調(diào)度方案為Mt，表達(dá)式為

Mt需滿足的供需平衡方程如下：

式中：Pc代表市電購電量；下標(biāo)egrid、hgrid、cgrid分別代表IES的電、熱、冷網(wǎng)。

1.6 子目標(biāo)數(shù)學(xué)模型

1.6.1 能耗數(shù)學(xué)模型

單耗分析理論是基于?分析和?經(jīng)濟(jì)學(xué)分析的基礎(chǔ)上發(fā)展起來的能量系統(tǒng)分析方法[13-14]。本文基于單耗分析理論建立了系統(tǒng)能耗方程：

式中：B為總?cè)剂舷牧浚籺為時(shí)間，t=1,2,3,…,T，T為總時(shí)間；d為設(shè)備編碼，d=1,2,3,…,D，D為設(shè)備總數(shù)；Bd,t,coal、Qd,t,gas、Bd,t,gas分別表示t時(shí)設(shè)備d的煤耗（包括外網(wǎng)購電對(duì)應(yīng)的供電煤耗）、天然氣消耗量以及折算后的煤耗；β為天然氣-標(biāo)準(zhǔn)煤折算比，β=Cgas/Ccoal（其中Cgas、Ccoal分別為天然氣、標(biāo)準(zhǔn)煤的能值）；Pd,t為t時(shí)d設(shè)備出力；ηd,t為t時(shí)d設(shè)備的?效率。

1.6.2 成本數(shù)學(xué)模型

在IES的調(diào)度運(yùn)行問題中，設(shè)備運(yùn)行成本是成本目標(biāo)函數(shù)的主要組成部分，主要包括IES的外電網(wǎng)購電成本、購氣成本以及系統(tǒng)運(yùn)維成本。

式中：C為運(yùn)行調(diào)度總成本；pd,t,egrid為t時(shí)外電網(wǎng)購電價(jià)格；Pc,d,t,egrid為t時(shí)d設(shè)備市網(wǎng)購電量；pd,t,gas為t時(shí)天然氣購氣價(jià)格；Qd,t,gas為t時(shí)d設(shè)備天然氣購氣量；Cd,t,run為t時(shí)d設(shè)備運(yùn)維成本。

2 綜合需求側(cè)響應(yīng)數(shù)學(xué)模型

在綜合需求側(cè)響應(yīng)中，多種負(fù)荷都有相應(yīng)的需求價(jià)格彈性。需求價(jià)格彈性表示各時(shí)段某類負(fù)荷對(duì)其價(jià)格的靈敏度，即在一定時(shí)段內(nèi)負(fù)荷變化率與該類負(fù)荷價(jià)格變化率之比：

式中：ek,ii為i時(shí)段k類負(fù)荷用量隨該時(shí)段價(jià)格的變化情況，即該時(shí)段的自彈性；ek,ij為k類負(fù)荷i時(shí)段的負(fù)荷用量隨j時(shí)段價(jià)格的變化情況，即j對(duì)i時(shí)刻的交叉彈性；Lk,i0和pk,i0分別為i時(shí)段的k類負(fù)荷原始用量和原始價(jià)格；Lk,i和pk,i分別為實(shí)行分時(shí)價(jià)格后i時(shí)段的k類負(fù)荷用量和分時(shí)價(jià)格；

對(duì)于k類負(fù)荷而言，由自彈性和交叉彈性組成的彈性矩陣Ek為

式中，n為時(shí)段數(shù)，如對(duì)于單日運(yùn)行調(diào)度問題通常n取24。主對(duì)角線元素為自彈性，通常該值為負(fù)；非對(duì)角線元素為交叉彈性，通常該值為正。

3 能源樞紐運(yùn)行優(yōu)化方法

3.1 多目標(biāo)權(quán)重分析

能源樞紐通常以單日負(fù)荷需求，進(jìn)行運(yùn)行優(yōu)化。而對(duì)于單日多目標(biāo)運(yùn)行優(yōu)化問題，常采用標(biāo)量化方法，遍歷權(quán)值求解帕累托前沿，最后通過某種策略進(jìn)行最優(yōu)解選擇。

本文基于用戶側(cè)負(fù)荷需求，采用標(biāo)量化方法過遍歷權(quán)值求取帕累托非劣解集合R，R∈帕累托前沿，表達(dá)式為

式中：λ為權(quán)向量；i為不等式約束條件編碼，i=1, 2,3, …；j為等式約束條件編碼，j=1, 2, 3, …。

采用理想點(diǎn)法，以目標(biāo)向量點(diǎn)與理想點(diǎn)歸一化后的歐氏距離作為目標(biāo)函數(shù)，表達(dá)式為

式中：M為n個(gè)小時(shí)運(yùn)行調(diào)度方案，M=[M1,M2,M3, …,Mn]；N為目標(biāo)個(gè)數(shù)；Fi、分別為第i個(gè)目標(biāo)函數(shù)原始值、歸一化后的目標(biāo)值；Fi,min為第i個(gè)目標(biāo)最小值。通過公式(11)選取R中最優(yōu)解，進(jìn)而確定多目標(biāo)權(quán)重。

3.2 理想負(fù)荷分配求解

對(duì)于綜合需求側(cè)響應(yīng)參與下的能源樞紐系統(tǒng)而言，供需博弈行為意味著博弈平衡時(shí)的多目標(biāo)在某種策略下優(yōu)于無綜合需求側(cè)響應(yīng)參與下的系統(tǒng)運(yùn)行結(jié)果。而本文所建立的分目標(biāo)在供需博弈過程中與博弈過程中的價(jià)格無直接數(shù)量關(guān)系，從而可將供需博弈后的均衡點(diǎn)看成盡可能貼合能源樞紐理想負(fù)荷分配，將計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐多目標(biāo)運(yùn)行優(yōu)化問題簡化為如何確定多目標(biāo)需求下的理想負(fù)荷分配的問題。

目前并無保證所求理想負(fù)荷配全局最優(yōu)的有效方法，為此本文采用一種局部最優(yōu)的優(yōu)化方法，即以負(fù)荷分配為粒子，以在3.1節(jié)特定權(quán)重下能源樞紐運(yùn)行的目標(biāo)函數(shù)為適應(yīng)度函數(shù)，通過粒子群優(yōu)化算法確定能源樞紐多目標(biāo)需求下的理想負(fù)荷分配。

4 案例分析

以廣州夏至日某工業(yè)園區(qū)冷熱電負(fù)荷需求為例進(jìn)行分析。日前，該工業(yè)園區(qū)24 h電、熱、冷負(fù)荷需求如圖2所示，其中，熱、冷負(fù)荷均是?負(fù)荷。由圖2可見：電負(fù)荷占最大比重，其主要用于工業(yè)生產(chǎn)與辦公；熱負(fù)荷主要用于園區(qū)的生活熱水和部分廠房生產(chǎn)用熱；冷負(fù)荷用于中央空調(diào)系統(tǒng)和部分廠房新風(fēng)系統(tǒng)。夏至日均溫取31 ℃，熱網(wǎng)供水溫度55 ℃，冷網(wǎng)供水溫度7 ℃。假設(shè)各原始時(shí)刻電、熱、冷彈性負(fù)荷占比均為10%，均為可轉(zhuǎn)移負(fù)荷。

圖2 24 h電、熱、冷負(fù)荷Fig.2 The 24-hour electrical, heating and cooling load

以風(fēng)電、光熱、CCHP、儲(chǔ)能設(shè)備搭建的能源樞紐系統(tǒng)為研究對(duì)象，分析在計(jì)及綜合需求側(cè)響應(yīng)參與下的能源樞紐系統(tǒng)日前多目標(biāo)運(yùn)行優(yōu)化調(diào)度方案。市電電價(jià)為0.5元/(kW·h)；天然氣熱值取35 564 kJ/m3，標(biāo)準(zhǔn)煤熱值取29 288 kJ/kg；1 m3天然氣相當(dāng)于1.21 kg標(biāo)準(zhǔn)煤，天然氣價(jià)格取3.45元/m3；蓄電池最大容量為1 MW，蓄熱罐最大容量為0.3 MW，蓄冷罐最大容量為0.3 MW。電熱泵制熱時(shí)滿負(fù)荷能值系數(shù)取0.76，制冷時(shí)滿負(fù)荷能質(zhì)系數(shù)取0.61。各污染物排放系數(shù)取值參考文獻(xiàn)[15]。CCHP設(shè)備最大發(fā)電量取15.6 MW，最大制熱?量取2.23 MW，最大制冷?量取2.23 MW；電熱泵最大熱?出力取1.6 MW，最大冷?出力取1.2 MW；其他涉及到計(jì)算燃料消耗量的相關(guān)系數(shù)參照表1。

表1 案例相關(guān)系數(shù)Tab.1 Related coefficients of the case

4.1 不考慮綜合需求側(cè)響應(yīng)的能源樞紐系統(tǒng)多目標(biāo)運(yùn)行調(diào)度結(jié)果

基于圖2所示的原始負(fù)荷需求，根據(jù)3.1節(jié)計(jì)算不考慮綜合需求側(cè)響應(yīng)時(shí)的能源樞紐系統(tǒng)多目標(biāo)運(yùn)行調(diào)度結(jié)果。

其中標(biāo)量化方法的步長取0.001。求解的雙目標(biāo)問題的帕累托前沿如圖3所示。圖3中，紅色數(shù)據(jù)點(diǎn)為帕累托非劣解，藍(lán)色點(diǎn)(207 845, 441 123)為理想點(diǎn)，綠色點(diǎn)(212 021, 445 416)對(duì)應(yīng)的公式(11)目標(biāo)函數(shù)值最小點(diǎn)，該綠色點(diǎn)所對(duì)應(yīng)的權(quán)向量為(0.205, 0.795)T。

圖3 雙目標(biāo)問題的帕累托前沿Fig.3 The Pareto fronts of two-objective problem

4.2 計(jì)及彈性負(fù)荷的能源樞紐系統(tǒng)多目標(biāo)理想負(fù)荷分配

基于圖2所示的原始負(fù)荷需求，已知原始時(shí)刻電、熱、冷彈性負(fù)荷占比為10%。采用粒子群算法，以負(fù)荷分配為粒子（每一粒子各時(shí)刻運(yùn)行方式均采用加權(quán)和單目標(biāo)優(yōu)化方法，權(quán)向量為4.1節(jié)求得的(0.205, 0.795)T），以公式(11)所建立的目標(biāo)函數(shù)為適應(yīng)度函數(shù)，其中粒子數(shù)為50，迭代周期為100。理想負(fù)荷分配及各時(shí)刻負(fù)荷調(diào)節(jié)量如圖4所示。

圖4 理想負(fù)荷分配及各時(shí)刻負(fù)荷調(diào)節(jié)量Fig.4 The ideal load-distribution and load regulations at each time

由圖4可以看出，理想負(fù)荷分配的峰谷趨勢(shì)相比于原負(fù)荷的峰谷更加平緩，這表明調(diào)整負(fù)荷分配有利于能源樞紐緩解高峰負(fù)荷需求，可以達(dá)到移峰平谷的作用。

另外，理想負(fù)荷分配對(duì)應(yīng)的運(yùn)行調(diào)度能耗成本點(diǎn)為(210 412, 443 426)。對(duì)比4.1與該結(jié)果目標(biāo)函數(shù)值，經(jīng)計(jì)算相比于4.1節(jié)的運(yùn)行調(diào)度結(jié)果，該結(jié)果的目標(biāo)函數(shù)值減小了39.9%?？梢?，在建立的多目標(biāo)目標(biāo)函數(shù)基礎(chǔ)上，調(diào)整負(fù)荷分配有利于能源樞紐對(duì)運(yùn)行調(diào)度進(jìn)行深度優(yōu)化。

4.3 計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐系統(tǒng)供需博弈均衡時(shí)的運(yùn)行調(diào)度結(jié)果

假設(shè)用戶側(cè)電、熱、冷負(fù)荷需求均由能源樞紐滿足，且用戶隨能源樞紐的價(jià)格波動(dòng)，積極調(diào)節(jié)負(fù)荷需求。假設(shè)3種負(fù)荷初始價(jià)格均取0.5元/(kW·h)；交叉彈性數(shù)值均取1 000，自彈性數(shù)值均取0。供需博弈中，用戶側(cè)以最小用能費(fèi)用為目標(biāo)，以前次負(fù)荷需求向量為初值，在0.9~1.1倍初始負(fù)荷需求向量間通過非線性尋優(yōu)方法求解新的負(fù)荷需求向量；能源樞紐以盡可能貼近理想負(fù)荷分配為目標(biāo)，同時(shí)考慮固定權(quán)向量下的結(jié)果有被支配解的可能，在一定范圍內(nèi)微調(diào)權(quán)向量；加入過往博弈記憶分析模塊，若當(dāng)前博弈結(jié)果劣于前者，及時(shí)糾偏。實(shí)際負(fù)荷需求與理想負(fù)荷分配的偏差用D表示，表達(dá)式為

式中：Lk,t表示博弈過程中用戶側(cè)t時(shí)刻k類負(fù)荷需求量；Lideal,k,t表示理想負(fù)荷分配中t時(shí)刻k類負(fù)荷理想值。

計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐與用戶側(cè)的供需博弈過程如圖5a)所示，紅色點(diǎn)為每一次博弈后的偏差D-用戶側(cè)用能成本點(diǎn)，隨著博弈次數(shù)的增加到50次之后出現(xiàn)了往復(fù)現(xiàn)象，最終均衡于藍(lán)色“*”點(diǎn)，即用戶側(cè)由初始負(fù)荷需求調(diào)整為均衡點(diǎn)時(shí)的負(fù)荷需求；圖5b)表示博弈過程中每次博弈的負(fù)荷分配所對(duì)應(yīng)的目標(biāo)函數(shù)值。而圖6為博弈均衡時(shí)各負(fù)荷24 h價(jià)格。該價(jià)格相比于初始價(jià)格調(diào)節(jié)趨勢(shì)，與圖4理想負(fù)荷分配的各時(shí)刻負(fù)荷調(diào)節(jié)方向相反，以達(dá)到激勵(lì)用戶調(diào)節(jié)自身負(fù)荷需求貼近能源樞紐理想負(fù)荷分配的目的。

圖5 供需博弈過程Fig.5 The game progress of supply side and demand side

圖6 均衡點(diǎn)各負(fù)荷價(jià)格Fig.6 The price at each load at the balance point

另外，供需博弈均衡時(shí)的負(fù)荷分配所對(duì)應(yīng)的能源樞紐能耗-成本點(diǎn)為（210 133，446 935），相比于4.2節(jié)的運(yùn)行調(diào)度結(jié)果，雖然該結(jié)果的目標(biāo)函數(shù)值增加了16.8%，但相比于4.1節(jié)的運(yùn)行調(diào)度結(jié)果，該結(jié)果的目標(biāo)函數(shù)值減小了23.1%。

可見，基于綜合需求側(cè)響應(yīng)，能源樞紐應(yīng)用價(jià)格激勵(lì)措施引導(dǎo)用戶側(cè)改變用能方式。隨著供需博弈過程逐漸貼近理想負(fù)荷分配，優(yōu)化結(jié)果逐漸良好。即使達(dá)不到完全貼合理想負(fù)荷分配的要求，但貼近程度越高（偏差D越?。玫降膬?yōu)化結(jié)果也越好。

5 結(jié) 論

本文基于計(jì)及綜合需求側(cè)響應(yīng)的能源樞紐日前多目標(biāo)優(yōu)化問題，提出一種局部最優(yōu)的多目標(biāo)優(yōu)化方法。建立了能耗、成本子目標(biāo)函數(shù)，分2階段進(jìn)行優(yōu)化：1）基于用戶側(cè)初始負(fù)荷需求，通過標(biāo)量化方法進(jìn)行能源樞紐系統(tǒng)多目標(biāo)權(quán)重分析并確定理想點(diǎn)，進(jìn)而以目標(biāo)向量點(diǎn)與理想點(diǎn)歸一化后的歐氏距離建立目標(biāo)函數(shù)；2）以負(fù)荷分配為粒子，以在特定權(quán)重下能源樞紐運(yùn)行的目標(biāo)函數(shù)值為適應(yīng)度函數(shù)，通過粒子群優(yōu)化算法確定能源樞紐多目標(biāo)需求下的理想負(fù)荷分配。

通過實(shí)例驗(yàn)證，計(jì)及綜合需求側(cè)響應(yīng)，合理地調(diào)整負(fù)荷分配能有效降低能源樞紐期望的目標(biāo)函數(shù)值，而供需博弈過程中的負(fù)荷分配貼近理想負(fù)荷分配的程度越高，運(yùn)行優(yōu)化結(jié)果越良好。