趙鵬翔，李 振，王 楠，周喜超，叢 琳

（國網(wǎng)綜合能源服務(wù)集團(tuán)有限公司，北京 100052）

近年來，全球化石能源枯竭，生態(tài)環(huán)境不斷惡化，人類正面臨著環(huán)境污染與資源短缺的雙重壓力。傳統(tǒng)的單一能源系統(tǒng)因其能源綜合利用率低且污染嚴(yán)重等缺點(diǎn)已不能滿足現(xiàn)代社會(huì)的發(fā)展需要。綜合能源系統(tǒng)IES（integrated energy system）能夠統(tǒng)籌多種能源來進(jìn)行協(xié)調(diào)調(diào)度，充分發(fā)揮不同能源的供能優(yōu)勢(shì)，提高能源綜合利用效率[1-2]。園區(qū)綜合能源系統(tǒng)DIES（district integrated energy system）立足于園區(qū)典型場(chǎng)景，服務(wù)更具有針對(duì)性和專一性，資產(chǎn)歸屬相對(duì)統(tǒng)一，能夠合理匯集不同主體的資金、資源優(yōu)勢(shì)，協(xié)調(diào)各方主體的利益[3]，但不同主體決策管理和生產(chǎn)經(jīng)營計(jì)劃并不相同。因此，如何在充分考慮各方主體利益的同時(shí)，制定全系統(tǒng)運(yùn)行優(yōu)化調(diào)度策略是當(dāng)前亟需解決的難題。

目前對(duì)綜合能源系統(tǒng)運(yùn)行優(yōu)化的研究主要集中在挖掘“源-網(wǎng)-荷-儲(chǔ)”各方靈活性，以提升全系統(tǒng)的運(yùn)行經(jīng)濟(jì)性、能源綜合利用效率及可再生能源的消納能力。文獻(xiàn)[4-5]研究氣電耦合綜合能源系統(tǒng)的互補(bǔ)運(yùn)行調(diào)度策略，并重點(diǎn)分析電轉(zhuǎn)氣P2G（power to gas）設(shè)備與儲(chǔ)能裝置對(duì)系統(tǒng)運(yùn)行經(jīng)濟(jì)性的影響，文中以準(zhǔn)確的可再生能源出力預(yù)測(cè)、負(fù)荷需求預(yù)測(cè)為分析基礎(chǔ)，但在實(shí)際生產(chǎn)運(yùn)行時(shí)，可再生能源供能、負(fù)荷用能的預(yù)測(cè)值與實(shí)際值存在偏差，且存在一定的波動(dòng)性，這將為系統(tǒng)經(jīng)濟(jì)、安全運(yùn)行帶來嚴(yán)峻考驗(yàn)。為解決該問題，文獻(xiàn)[6]利用基于實(shí)時(shí)電價(jià)和分時(shí)電價(jià)的兩種用戶側(cè)電能需求響應(yīng)，提高系統(tǒng)“荷”側(cè)運(yùn)行靈活性。文獻(xiàn)[7]研究了天然氣網(wǎng)、電網(wǎng)耦合系統(tǒng)的日前優(yōu)化調(diào)度方法，分析了電能需求響應(yīng)在應(yīng)對(duì)發(fā)電機(jī)組和輸電線路的不確定故障，以及負(fù)荷預(yù)測(cè)不確定性時(shí)的優(yōu)勢(shì)。文獻(xiàn)[8-13]將單一電能需求響應(yīng)擴(kuò)展到電、氣綜合需求響應(yīng)IDR（integrated demand response），提高了能源利用效率。

園區(qū)綜合能源系統(tǒng)以“源-荷”協(xié)同為主要特征，促進(jìn)清潔能源消納，易于實(shí)現(xiàn)多能耦合。文獻(xiàn)[14]基于外部備用系統(tǒng)、用戶和DIES等3大主體，構(gòu)建了獨(dú)立和合作2種運(yùn)營模式下的DIES隨機(jī)優(yōu)化模型，并采用改進(jìn)Shapley值法進(jìn)行收益分配。文獻(xiàn)[15]綜合考慮新能源供應(yīng)商、綜合能源服務(wù)商和用戶3方的收益，采用改進(jìn)型非支配排序遺傳算法 III NSGA-III（Non-dominated sorting genetic algo?rithm III）進(jìn)行多目標(biāo)求解。但上述文獻(xiàn)的模型并不能描述市場(chǎng)中能源售賣者和購買者之間的交易互動(dòng)過程。在開放競(jìng)爭市場(chǎng)條件下，為詳細(xì)分析能源市場(chǎng)上下游主體的交易過程，文獻(xiàn)[16]采用一種多個(gè)領(lǐng)導(dǎo)者、多個(gè)跟隨者的主從博弈模型分析IES中分布式能源站和多個(gè)用戶之間的交易互動(dòng)。文獻(xiàn)[17]構(gòu)建了一種園區(qū)內(nèi)部用戶間的綜合需求響應(yīng)市場(chǎng)機(jī)制，算例結(jié)果表明該交易機(jī)制下，園區(qū)整體運(yùn)行經(jīng)濟(jì)性得到提升，且用戶可減少對(duì)外提供的私人信息。文獻(xiàn)[18]綜合考慮源網(wǎng)荷儲(chǔ)多方主體的博弈互動(dòng)，對(duì)系統(tǒng)調(diào)度進(jìn)行優(yōu)化，有效降低了系統(tǒng)運(yùn)行成本及網(wǎng)損。文獻(xiàn)[19]采用Stackelberg博弈分析虛擬電力交易中1個(gè)虛擬零售商和多個(gè)購能者之間的交易過程，并證明了Stackelberg博弈均衡解的唯一性，在此基礎(chǔ)上提出了一種基于實(shí)時(shí)電價(jià)RTP（real time price）的需求響應(yīng)方法，但該文獻(xiàn)僅考慮了價(jià)格型電能需求響應(yīng)，忽略了激勵(lì)型響應(yīng)，且不能反映多種能源的需求響應(yīng)情況。

綜上所述，目前在DIES運(yùn)行優(yōu)化研究領(lǐng)域，大部分學(xué)者以電能交易為主要研究內(nèi)容，分析需求響應(yīng)對(duì)系統(tǒng)運(yùn)行經(jīng)濟(jì)性、可靠性的影響，很少考慮天然氣、熱能供給的靈活性，且忽略了“源”側(cè)能源供應(yīng)商與園區(qū)服務(wù)商之間的交易互動(dòng)。為此，本文提出了一種基于“源-荷”雙側(cè)主從博弈的DIES運(yùn)行優(yōu)化方法。首先，構(gòu)建了以能源供應(yīng)商（源側(cè)）、園區(qū)服務(wù)商和園區(qū)用戶（荷側(cè)）為主體的DIES框架。其次，利用主從（Stackelberg）博弈方法分析“源-荷”雙側(cè)3個(gè)主體之間交易互動(dòng)，并以能源供應(yīng)商、園區(qū)服務(wù)商各自收益最大和園區(qū)用戶綜合成本最小為目標(biāo)，考慮功率平衡、設(shè)備出力、可再生能源出力、價(jià)格上下限等約束，優(yōu)化“源”側(cè)能源供應(yīng)商的定價(jià)策略與園區(qū)服務(wù)商各設(shè)備的出力計(jì)劃，以及“荷”側(cè)園區(qū)服務(wù)商的定價(jià)策略與園區(qū)用戶的購能方案。采用粒子群算法與Matlab/Cplex工具箱相結(jié)合的方法求解該雙側(cè)博弈問題的納什均衡點(diǎn)。最后，通過算例仿真，驗(yàn)證了所提控制策略有助于挖掘“源-荷”雙側(cè)靈活性，實(shí)現(xiàn)多能源互補(bǔ)互濟(jì)與用戶的綜合需求響應(yīng)，從而顯著提升系統(tǒng)內(nèi)各主體的經(jīng)濟(jì)收益。

1 DIES架構(gòu)

DIES框架如圖1所示，包括能源供應(yīng)商、園區(qū)服務(wù)商和園區(qū)用戶3個(gè)主體。在開放的市場(chǎng)機(jī)制下，系統(tǒng)各主體因生產(chǎn)經(jīng)營計(jì)劃的不同而有不同的利益，且任一主體用能方式的改變都將會(huì)影響其他主體。為兼顧園區(qū)內(nèi)多方主體利益，本文分析能源供應(yīng)商、園區(qū)服務(wù)商和園區(qū)用戶之間的交易互動(dòng)。

圖1 園區(qū)綜合能源系統(tǒng)Fig.1 District integrated energy system

以“源”側(cè)為例，能源供應(yīng)商作為能源售賣者和能源擁有者，有優(yōu)先決定權(quán)，因此其為博弈中的領(lǐng)導(dǎo)者，園區(qū)服務(wù)商為跟隨者。兩者在做出策略時(shí)有先后順序，即能源供應(yīng)商制定面向服務(wù)商的能源售價(jià)后，后者據(jù)此調(diào)整自身的用能策略，同時(shí)雙方能夠共享信息，即供應(yīng)商能準(zhǔn)確獲得服務(wù)商的用能信息，服務(wù)商能準(zhǔn)確獲得能源售價(jià)。同理，“荷”側(cè)交易中，園區(qū)服務(wù)商為領(lǐng)導(dǎo)者，園區(qū)用戶為跟隨者，且兩者也能夠相互共享信息。因此“源荷”雙側(cè)博弈均屬于完全信息動(dòng)態(tài)博弈。Stackelberg博弈中涉及到的領(lǐng)導(dǎo)者和跟隨者可以很好地描述這種交易互動(dòng)關(guān)系。因此，本文采用Stackelberg博弈方法對(duì)園區(qū)各主體之間的利益關(guān)系進(jìn)行分析。

本文提出的DIES集成能源供應(yīng)商、園區(qū)服務(wù)商及園區(qū)用戶于一體，以園區(qū)服務(wù)商為紐帶，協(xié)同互聯(lián)電氣熱網(wǎng)，實(shí)現(xiàn)經(jīng)濟(jì)、高效供能，具體結(jié)構(gòu)如圖2所示，其中3個(gè)主體如下。

圖2 DIES結(jié)構(gòu)Fig.2 Structure of DIES

（1）能源供應(yīng)商。能源供應(yīng)商含有發(fā)電機(jī)和配氣站，分別向園區(qū)服務(wù)商售電和天然氣。

（2）園區(qū)服務(wù)商。園區(qū)服務(wù)商含有熱電聯(lián)產(chǎn)機(jī)組 CHP（combined heat and power generation）、燃?xì)忮仩tGB（gas boiler）、P2G等傳統(tǒng)可控能量轉(zhuǎn)換設(shè)備，以及風(fēng)力發(fā)電、光伏發(fā)電等新能源設(shè)備。將可再生能源發(fā)電與傳統(tǒng)供能設(shè)備相結(jié)合，以滿足園區(qū)用戶多能源需求。服務(wù)商從能源供應(yīng)商購氣，從熱源廠購熱，從能源供應(yīng)商或電網(wǎng)購電?？赏ㄟ^光伏、風(fēng)機(jī)、CHP進(jìn)行供電，或者直接從電網(wǎng)購電，來滿足下游用戶電能需求。熱能供應(yīng)方面可通過熱源廠、GB、CHP進(jìn)行供熱。天然氣供應(yīng)方面可直接利用從供應(yīng)商購買到的天然氣，或通過P2G進(jìn)行供氣。

（3）園區(qū)用戶。園區(qū)用戶的負(fù)荷種類包括電、氣、熱3種。大量園區(qū)用戶分散參與市場(chǎng)交易會(huì)增加市場(chǎng)負(fù)擔(dān)，且同一園區(qū)的用戶用能特性相似，據(jù)此，將該園區(qū)的所有用戶聚合在一起，統(tǒng)一參與到市場(chǎng)交易中，并以激勵(lì)型綜合需求響應(yīng)的形式參與到市場(chǎng)交易之中。

2 DIES模型

2.1 能源供應(yīng)商模型

能源供應(yīng)商通過靈活選擇售能方式實(shí)現(xiàn)自身利益最大，其收益為向園區(qū)服務(wù)商售能所得的收益，其成本包括自身擁有的發(fā)電機(jī)、配氣站運(yùn)行成本和向電網(wǎng)公司支付的過網(wǎng)費(fèi)。因此能源供應(yīng)商的目標(biāo)函數(shù)可表示為

式中：Δt為時(shí)間長度，取為1 h；CES為能源供應(yīng)商的凈收益；T為總時(shí)間段；N為發(fā)電機(jī)組個(gè)數(shù)；、和、分別為能源供應(yīng)商第i個(gè)發(fā)電機(jī)組和配氣站的能源出售價(jià)格及出售功率；cnet為能源供應(yīng)商向電網(wǎng)公司支付的過網(wǎng)費(fèi)用；Ge,t,i和Gs,t分別為第i個(gè)發(fā)電機(jī)組和配氣站的運(yùn)行成本，其表達(dá)式為

式中，ae,i、be,i、ce,i和 as、bs、cs分別為第i個(gè)發(fā)電機(jī)組和配氣站運(yùn)行成本系數(shù)。根據(jù)邊際成本函數(shù)可得出售價(jià)格及出售功率的關(guān)系為

式中，Ae,t,i和As,t為由能源供應(yīng)商決定的價(jià)格-功率曲線的截距，該值被確定后，能源供應(yīng)商將完整的價(jià)格下發(fā)給園區(qū)服務(wù)商。考慮到定價(jià)的合理性，該截距需要滿足如下約束：

2.2 園區(qū)服務(wù)商模型

園區(qū)服務(wù)商的凈收益由向園區(qū)用戶售能獲得的收益與向能源供應(yīng)商購能的成本之差決定，其成本包括考慮需求響應(yīng)時(shí)對(duì)用戶削減負(fù)荷的補(bǔ)償成本、向供給側(cè)購能的成本、環(huán)境污染治理成本，其目標(biāo)函數(shù)可表示為

式中：CSP為園區(qū)服務(wù)商的凈收益；K為集合，K={e，h，g}，e表示電能，h表示熱能，g表示天然氣；和分別為k類能源的出售價(jià)格和需求響應(yīng)后用戶側(cè)k類負(fù)荷。本文考慮的需求響應(yīng)類型是可中斷負(fù)荷。

式中：cDR為單位補(bǔ)償價(jià)格；Lk,t為未進(jìn)行需求響應(yīng)時(shí)的k類負(fù)荷需求。

園區(qū)服務(wù)商的購能成本CBt包括向能源供應(yīng)商購能的成本、從電網(wǎng)公司購電的成本CB1t和向熱源廠購熱的成本CHt，即

園區(qū)服務(wù)商部分的約束條件包括從上級(jí)電網(wǎng)購電量約束、從熱源廠購熱量約束、各個(gè)能流耦合設(shè)備的出力上限及下限約束、向用戶下發(fā)的售能價(jià)格約束，即

3種能源供需平衡約束為

式中：PEin,t、PHin,t、PGin,t分別為園區(qū)服務(wù)商購入的電能、熱能、天然氣；ηCHPe、ηCHPh分別為CHP的發(fā)電效率與制熱效率；ηGB為GB的制熱效率；ηP2G為P2G 的產(chǎn)氣效率；α1、α2為電能分配系數(shù)；β1、β2、β3為天然氣分配系數(shù)。兩組系數(shù)滿足如下約束：

2.3 園區(qū)用戶模型

在需求側(cè)博弈過程中，用戶通過可中斷負(fù)荷參與到需求響應(yīng)中，但是單一的可中斷負(fù)荷補(bǔ)償并不能真實(shí)反映用戶的用能特性，因此引入用能偏好成本Dt，成本化用能舒適度。采用線性加權(quán)的形式將購能成本Ct和用能偏好成本Dt表示成綜合成本函數(shù)CU，即

式中，ω1和ω2為權(quán)重系數(shù)。用戶的購能成本和用能偏好成本的表達(dá)式分別為

式中，Mk為用戶對(duì)k類能源的偏好系數(shù)。Mk值越大，則用戶對(duì)該種能源的可削減程度容忍度越小，即可中斷負(fù)荷量較小。

在需求側(cè)博弈互動(dòng)中，求用戶目標(biāo)函數(shù)CU對(duì)實(shí)際用能負(fù)荷Pk,t的一階偏導(dǎo)可得

令式（18）等于0，則可求得某能源價(jià)格下最優(yōu)負(fù)荷響應(yīng)P*k,t，即

式中，Lk,t為未進(jìn)行需求響應(yīng)時(shí)的初始負(fù)荷。

將式（19）代入到服務(wù)商的目標(biāo)函數(shù)中，可將需求側(cè)博弈互動(dòng)中的雙層目標(biāo)函數(shù)轉(zhuǎn)換為單目標(biāo)函數(shù)進(jìn)行求解，簡化了求解過程。

3 源荷雙側(cè)Stackelberg博弈

3.1 Stackelberg博弈的互動(dòng)均衡

Stackelberg博弈中，跟隨者需對(duì)領(lǐng)導(dǎo)者的決策做出最優(yōu)響應(yīng)，領(lǐng)導(dǎo)者接收到跟隨者響應(yīng)后更新自身決策，雙方不斷進(jìn)行交易互動(dòng)以追求各自目標(biāo)最大化，最終達(dá)到Stackelberg博弈的納什均衡。將該過程應(yīng)用于DIES的博弈互動(dòng)時(shí)分析如下。

在DIES的“源”側(cè)博弈互動(dòng)過程中，能源供應(yīng)商以自身售能收益最大為目標(biāo)決策出能源定價(jià)策略，能源服務(wù)商以凈收益最大為目標(biāo)決策出園區(qū)內(nèi)各設(shè)備的計(jì)劃出力及購能策略。該側(cè)的納什均衡解需滿足如下條件：

式中：sES、sSPa分別為“源”側(cè)能源供應(yīng)商、園區(qū)服務(wù)商博弈的策略集；s*ES、s*SPa分別為達(dá)到納什均衡時(shí)，“源側(cè)”兩主體的最優(yōu)策略集；FES、FSPa分別為最優(yōu)策略下的“源側(cè)”兩主體的利益。

在DIES的“荷”側(cè)博弈互動(dòng)過程中，園區(qū)服務(wù)商以售能收益最大為目標(biāo)決策出能源定價(jià)策略，園區(qū)用戶以購能成本最小為目標(biāo)決策出需求響應(yīng)策略?！昂伞眰?cè)的納什均衡解需滿足如下條件：

式中，sSPb、sU分別為“荷”側(cè)園區(qū)服務(wù)商、園區(qū)用戶博弈的策略集；s*SPb、s*U分別為達(dá)到納什均衡時(shí)，“荷”側(cè)兩主體的最優(yōu)策略集；FSPb、FU分別為最優(yōu)策略下“荷”側(cè)兩主體的利益。

如式（20）和式（21）所示，在上述“源荷”雙側(cè)均衡解中，任何一方主體都無法通過單方面調(diào)整決策來獲取更大的收益。

3.2“源荷”雙側(cè)博弈均衡求解

“源荷”雙側(cè)博弈主流程如圖3所示，“荷”側(cè)博弈子流程如圖4所示。在求解“源荷”雙側(cè)博弈均衡時(shí)，具體求解過程如下。

步驟1輸入初始數(shù)據(jù)，包括初始電、氣、熱負(fù)荷曲線、服務(wù)商中各個(gè)設(shè)備的參數(shù)、能源供應(yīng)商制定的初始能源價(jià)格。

步驟2能源供應(yīng)商向服務(wù)商下發(fā)第x次博弈的能源價(jià)格pExS。

步驟3服務(wù)商獲得多能源價(jià)格后，將“荷”側(cè)博弈互動(dòng)過程的雙層目標(biāo)函數(shù)轉(zhuǎn)換為單目標(biāo)函數(shù)，進(jìn)行“荷”側(cè)博弈，獲得最優(yōu)售能收益，之后以自身凈收益最大化為目標(biāo)，進(jìn)行尋優(yōu)，并將最終的購能策略上傳給能源供應(yīng)商。

圖3“源荷”雙側(cè)博弈主流程Fig.3 Flow chart of game between supply and demand sides

圖4“荷”側(cè)博弈子流程Fig.4 Flow chart of game on demand side

步驟4能源供應(yīng)商獲得服務(wù)商上傳的最新購能策略后，制定第x+1次博弈的能源價(jià)格。并判斷是否達(dá)到下述約束條件，若尚未達(dá)到，則跳轉(zhuǎn)至步驟2，否則進(jìn)行到步驟5。

式中，ε為迭代收斂最大允許誤差，取值為10-3。

步驟5 輸出能源供應(yīng)商制定的能源價(jià)格，服務(wù)商的購能策略及向用戶制定的能源價(jià)格，用戶的最終負(fù)荷。

4 算例分析

本文基于Matlab平臺(tái)仿真實(shí)現(xiàn)園區(qū)綜合能源系統(tǒng)“源荷”雙側(cè)博弈互動(dòng)。能源供應(yīng)商中含有3臺(tái)發(fā)電機(jī)和1個(gè)配氣站，園區(qū)服務(wù)商含有CHP、GB、P2G、光伏發(fā)電系統(tǒng)、風(fēng)力發(fā)電機(jī)，園區(qū)用戶需求有電、氣、熱3種。用戶側(cè)的電、熱、氣初始用能曲線及風(fēng)力發(fā)電與光伏發(fā)電預(yù)測(cè)出力如圖5所示。園區(qū)用戶的用能偏好系數(shù)在24 h內(nèi)的波動(dòng)曲線如圖6所示。用戶綜合成本函數(shù)中購能成本和用能偏好成本兩者的權(quán)重系數(shù)ω1和ω2皆設(shè)置為0.5，以同等對(duì)待兩項(xiàng)成本。仿真驗(yàn)證時(shí)，使用粒子群算法進(jìn)行迭代求解，種群數(shù)量設(shè)置為50，迭代次數(shù)為100次，迭代收斂最大允許誤差ε為5×10-3。

圖5 初始負(fù)荷及DG出力曲線Fig.5 Curves of initial load and DG output power

圖6 用戶用能偏好系數(shù)Fig.6 User energy preference coefficient

本文通過設(shè)置以下4個(gè)場(chǎng)景研究“源荷”雙側(cè)博弈互動(dòng)結(jié)果、收益收斂性、園區(qū)服務(wù)商產(chǎn)能計(jì)劃、用戶用能偏好系數(shù)的影響。

場(chǎng)景1園區(qū)服務(wù)商與能源供應(yīng)商進(jìn)行多種能源的博弈互動(dòng)。

場(chǎng)景2園區(qū)服務(wù)商與能源供應(yīng)商僅進(jìn)行電能的博弈互動(dòng)，配氣站的氣價(jià)固定。

場(chǎng)景3園區(qū)服務(wù)商與能源供應(yīng)商僅進(jìn)行天然氣能源的博弈互動(dòng)，各個(gè)發(fā)電機(jī)的電價(jià)固定。

場(chǎng)景4園區(qū)服務(wù)商與能源供應(yīng)商不進(jìn)行博弈互動(dòng)，能源供應(yīng)商下發(fā)固定電價(jià)、氣價(jià)。

4個(gè)場(chǎng)景均計(jì)及需求側(cè)博弈。為進(jìn)行對(duì)比，將場(chǎng)景2、3、4中涉及到的固定價(jià)格的截距設(shè)置為場(chǎng)景1中24 h均衡策略中24個(gè)截距的平均值，Ae,t,i分別為93.37、97.26、81.91，As,t為86.26。

4.1 博弈互動(dòng)結(jié)果分析

系統(tǒng)不含有儲(chǔ)能系統(tǒng)等時(shí)間耦合設(shè)備，因此可獨(dú)立分析各時(shí)間段的“源荷”雙側(cè)博弈情況。本文以第12 h的結(jié)果為例進(jìn)行分析。表1為4個(gè)場(chǎng)景下第12 h園區(qū)服務(wù)商與能源供應(yīng)商雙方的凈收益情況。場(chǎng)景1中，當(dāng)雙方進(jìn)行電、氣多種能源的博弈互動(dòng)時(shí)，雙方收益是4個(gè)場(chǎng)景中最大的；場(chǎng)景2與場(chǎng)景3中，當(dāng)某一能源的價(jià)格被固定時(shí)，雙方收益均會(huì)有一定程度的減少；場(chǎng)景4中，當(dāng)園區(qū)服務(wù)商和能源供應(yīng)商不進(jìn)行博弈互動(dòng)時(shí)，雙方收益是4個(gè)場(chǎng)景中最少的。這是因?yàn)楫?dāng)服務(wù)商與能源供應(yīng)商進(jìn)行多種能源博弈互動(dòng)時(shí)，能夠充分發(fā)揮多種能源的互補(bǔ)替代作用，服務(wù)商有更多購能選擇，供應(yīng)商有更靈活的定價(jià)策略。因此，本文所提的博弈互動(dòng)能夠使參與者的經(jīng)濟(jì)性得到提升。

表1 能源供應(yīng)商和園區(qū)服務(wù)商收益Tab.1 Revenues of energy supplier and service provider

4.2 收益的收斂性分析

本文采用粒子群算法求解雙方博弈過程。圖7和圖8分別為場(chǎng)景1、2、3下，第12 h的園區(qū)服務(wù)商與能源供應(yīng)商各自收益的收斂情況。通過不斷迭代求解，兩者收益最終達(dá)到穩(wěn)定值，由此可見，本文采用的粒子群算法在求解該博弈均衡解時(shí)具備良好的收斂性。

圖7 能源供應(yīng)商收益的收斂曲線Fig.7 Convergence curves of energy supplier revenue

圖8 園區(qū)服務(wù)商收益的收斂曲線Fig.8 Convergence curves of service provider revenue

迭代初始時(shí)，雙方的收益變化較大，每一輪博弈都會(huì)引起雙方策略較大變動(dòng)。隨著迭代次數(shù)的增加，能源供應(yīng)商收益整體上呈現(xiàn)下降趨勢(shì)，園區(qū)服務(wù)商收益整體上呈現(xiàn)上升趨勢(shì)，并在約50次博弈后，競(jìng)爭互動(dòng)態(tài)勢(shì)逐漸緩和，雙方收益函數(shù)都達(dá)到了互動(dòng)均衡下的最優(yōu)解，體現(xiàn)了雙方博弈互動(dòng)直至收斂的過程。當(dāng)達(dá)到Stackelberg博弈均衡后，其收益及定價(jià)策略、購能策略基本不發(fā)生改變，即在該策略集下，博弈中的任何參與者都不能通過單獨(dú)改變自己的策略來獲得更多的收益。最終，場(chǎng)景1下，能源供應(yīng)商與園區(qū)服務(wù)商的收益分別穩(wěn)定在173.84$與298.37$，能源供應(yīng)商制定的價(jià)格-功率曲線的截距如下：Ae,t,i分別取94.99、99.66、80.39，As,t為86.60。園區(qū)服務(wù)商的購能策略將在后文中詳述。在場(chǎng)景2和場(chǎng)景3下，雙方收益穩(wěn)定值為表1所示數(shù)值。

4.3 園區(qū)服務(wù)商用能情況

服務(wù)商從能源供應(yīng)商購買能量后，以自身售能收益最大為目標(biāo)優(yōu)化各設(shè)備出力，以滿足用戶的多種用能需求。圖9～圖11分別為電、熱、氣能源的供給情況。

圖9 電能供應(yīng)情況Fig.9 Results of power supply

圖10 熱能供應(yīng)情況Fig.10 Results of heat supply

圖11 天然氣供應(yīng)情況Fig.11 Results of gas supply

電能供給方面，在夜間00：00—06：00與23：00—24：00間，風(fēng)力資源充足，且園區(qū)電負(fù)荷需求處于平、谷期，服務(wù)商以經(jīng)濟(jì)性、環(huán)保性為目標(biāo)，主要應(yīng)用風(fēng)力發(fā)電進(jìn)行供電；在白天07：00—22：00間，風(fēng)、光可再生能源發(fā)電不能滿足園區(qū)電負(fù)荷需求，因此服務(wù)商將從能源供應(yīng)商購電，或購氣通過CHP發(fā)電。

熱能供應(yīng)方面，在白天CHP運(yùn)行發(fā)電時(shí)，為提升其能源利用效率，將充分利用其發(fā)電時(shí)產(chǎn)的熱能為用戶供熱。但CHP與GB制熱效率低下，且熱價(jià)比電價(jià)低，因此熱負(fù)荷的供給將主要由熱源廠提供。

天然氣供給方面，服務(wù)商可選擇從配氣站購氣，或通過P2G制氣，但P2G制氣效率較低，因此服務(wù)商將主要從配氣站購氣以滿足氣負(fù)荷需求。同時(shí)，電、熱、氣負(fù)荷需求響應(yīng)也能減少服務(wù)商的購電、熱、氣成本。

4.4 用戶用能偏好系數(shù)影響

圖12顯示了用戶用能偏好系數(shù)變化對(duì)負(fù)荷需求的影響。本文設(shè)置該系數(shù)數(shù)值從200開始，以200為步長逐步增長到4 000，用戶的實(shí)際負(fù)荷曲線將逐漸向原始負(fù)荷曲線靠近，即用戶的可中斷負(fù)荷量減少，用戶對(duì)該種能源的偏好程度增加，其靈活響應(yīng)能力降低。當(dāng)系數(shù)越接近于4 000時(shí)，變化幅度越低，說明其靈敏度開始降低。因此選擇較為合適的系數(shù)將有利于更好地挖掘用戶需求響應(yīng)的靈活性。

圖12 用能偏好系數(shù)的影響Fig.12 Effects of energy preference coefficient

5 結(jié)論

本文提出一種基于“源荷”雙側(cè)主從博弈的園區(qū)綜合能源系統(tǒng)運(yùn)行優(yōu)化方法，分析了“源荷”雙側(cè)博弈互動(dòng)對(duì)DIES運(yùn)行經(jīng)濟(jì)性的影響。最后，通過算例仿真，驗(yàn)證了所提模型及運(yùn)行優(yōu)化方法的有效性。主要結(jié)論如下。

（1）相比于“荷”側(cè)單側(cè)需求響應(yīng)，“源荷”雙側(cè)博弈互動(dòng)能更有效地提高DIES中各主體的經(jīng)濟(jì)收益。

（2）粒子群算法在求解Stackelberg博弈時(shí)，能夠確定納什均衡解，且求解算法有較好收斂性。根據(jù)該均衡解，優(yōu)化園區(qū)服務(wù)商中各設(shè)備的出力，有助于實(shí)現(xiàn)電、氣、熱多能源互補(bǔ)利用，提升能源利用率，降低成本，提高系統(tǒng)運(yùn)行靈活性。

（3）園區(qū)用戶用能偏好系數(shù)的提高，會(huì)減少用戶參與需求響應(yīng)時(shí)的可中斷負(fù)荷量，從而影響“荷”側(cè)靈活性。

本文僅考慮了園區(qū)綜合能源系統(tǒng)三方主體的經(jīng)濟(jì)性，未考慮可再生能源出力的不確定性。在未來的工作中，將在本文基礎(chǔ)上計(jì)及可再生能源出力預(yù)測(cè)的不確定性，研究園區(qū)綜合能源系統(tǒng)的多目標(biāo)運(yùn)行優(yōu)化策略。