蔡 瑤 盧志剛 孫 可 何良策 耿麗君

（燕山大學電氣工程學院 秦皇島 066004）

0 引言

微網是一個集成分布式電源、儲能及負荷的高度自治系統(tǒng)，是實現(xiàn)可再生能源利用和需求側管理的重要途徑[1]。隨著直流電源和直流負荷的大幅增加，交直流混合微網逐漸成為一種重要的微網形式。它可以同時提供交流、直流供電母線，避免大量的交直流轉換設備，減少變換器造成的功率損耗和諧波污染，提高系統(tǒng)的運行效率[2-3]。優(yōu)化調度是微網系統(tǒng)安全、經濟運行的基礎，因此研究交直流混合微網的優(yōu)化調度具有重要意義。

交直流混合微網系統(tǒng)可根據(jù)是否接入大電網分為并網型和獨立型，其中獨立型系統(tǒng)適用于海島或偏遠地區(qū)[4]。目前對于獨立型交直流混合微網的優(yōu)化調度已有一定研究。文獻[5]基于獨立海島系統(tǒng)提出一種含交直流無刷雙饋風力發(fā)電機的優(yōu)化發(fā)電調度策略，并采用混沌萬有引力搜索算法求解優(yōu)化模型。文獻[6]提出考慮儲能運行特性的優(yōu)化調度模型，并通過優(yōu)化儲能的初始荷電狀態(tài)提高系統(tǒng)經濟效益。文獻[7]以可控設備日運行成本最小為目標建立經濟調度模型，并提出一種新型分布式算法提高計算效率。以上獨立系統(tǒng)中的儲能設備都是蓄電池，當可再生能源（Renewable Energy Sources,RES）比例較高時，由于蓄電池的容量有限及缺乏大電網的電力支撐，系統(tǒng)會發(fā)生強制切負荷或棄風棄光現(xiàn)象，供電可靠性和RES消納能力都較低[8]?；陔娊獬?儲氫罐-燃料電池的氫儲系統(tǒng)與蓄電池構成的混合電儲能系統(tǒng)，具有能量密度高、使用壽命長、清潔環(huán)保等優(yōu)勢，有利于提高獨立型微網系統(tǒng)的供電可靠性和RES消納能力[9-10]。此外，氫儲系統(tǒng)中電解槽-儲氫罐還可作為電轉天然氣的重要中間環(huán)節(jié)，或直接滿足氫負荷需求，有利于加強電力、氫氣與天然氣系統(tǒng)的耦合，實現(xiàn)構建多能源微網系統(tǒng)，進行多能源協(xié)調優(yōu)化調度[11-12]。多能源協(xié)調優(yōu)化調度通過發(fā)展多源儲能技術、需求響應技術等，為提高系統(tǒng)供能可靠性、靈活消納RES提供了另一種有效方式[13-15]。當前針對獨立型交直流混合微網系統(tǒng)優(yōu)化調度的研究都僅關注電力系統(tǒng)，未同時涉及氫儲的利用和多能源的協(xié)調優(yōu)化調度。

獨立型交直流混合微網系統(tǒng)中的RES出力、負荷預測的不確定性對調度的影響也不容忽視。目前針對不確定性因素，通常采用隨機優(yōu)化（Stochastic Optimization,SO）和魯棒優(yōu)化（Robust Optimization,RO）方法進行處理[16-17]。針對獨立型交直流混合微網系統(tǒng)，文獻[18]考慮可切負荷和電動汽車充放電的影響，建立以日運行成本最小為目標的經濟調度模型，并采用SO方法處理RES和負荷不確定性問題。文獻[19]考慮RES和負荷的不確定性，提出一種計及儲能損耗特性的可調節(jié)兩階段魯棒優(yōu)化（Two-stage Robust Optimization,TRO）調度模型，并采用列與約束生成（Column and Constraint Generation,C&CG）算法進行求解。為降低可調節(jié)TRO調度結果的保守性，文獻[20]建立了計及源荷不確定性的日前分布式魯棒優(yōu)化調度模型，并在該模型優(yōu)化出的設備開關機狀態(tài)的基礎上進行日內多時間尺度滾動優(yōu)化，根據(jù)RES和負荷的日內預測數(shù)據(jù)進一步調整設備出力。SO是基于不確定性參數(shù)的概率分布，通過生成場景并利用場景削減技術實現(xiàn)將不確定性優(yōu)化問題轉換為確定性優(yōu)化問題進行求解的方法，但實際中很難獲取準確的概率分布，且其場景數(shù)量和計算精度之間存在矛盾，可靠性較低。相比而言，RO不需要不確定性參量的概率分布信息，能夠應對惡劣場景，且可通過設置魯棒不確定度參數(shù)靈活調節(jié)其保守程度，更加適合實際工程需求。因此，本文將采用RO處理系統(tǒng)的源荷不確定性。

基于以上分析，本文針對傳統(tǒng)獨立型交直流混合微網，首先設計出一種包含氫儲系統(tǒng)的交流/直流/氫/熱/氣多能源耦合的新型能量樞紐結構；其次在建立該系統(tǒng)的多能源協(xié)調優(yōu)化調度模型的基礎上，提出構建計及源荷不確定性的TRO模型，通過模型推導將其轉換為具有混合整數(shù)線性形式的主問題和子問題，并采用C&CG算法求解；最后，通過算例驗證了所設計能量樞紐的多能互補效果，及調度結果的魯棒性和經濟性。

1 獨立型交直流混合微網系統(tǒng)的能量樞紐結構及模型

本文所研究的獨立型交直流混合微網主要考慮其所在區(qū)域無大電網提供電力支撐，但可再生能源豐富，且具備一定天然氣供應能力，即認為微網系統(tǒng)與天然氣供應網絡相連。因此，本文將主要考慮風機（Wind Turbine,WT）、光伏（Photovoltaic,PV）和微型燃氣輪機（Micro Turbine,MT）作為供電電源。由于不同電源的電力電子接口不同，為減少電力電子變換設備，傳統(tǒng)獨立型交直流混合微網的結構通常如圖1所示[6,10,19]。其中，AC母線接入WT、MT及交流負荷，DC母線接入PV、蓄電池（Battery Storage,BS）與直流負荷，交直流母線間通過雙向換流器（Bi-directional Converter,BC）相連。系統(tǒng)交流負荷主要由WT供電，直流負荷則主要由PV供電，BC可使交直流母線間功率實現(xiàn)雙向流動，BS可平抑功率波動及削峰填谷，MT可補償整個系統(tǒng)功率缺額。但由于該系統(tǒng)未與大電網連接，且可控設備BS和MT都存在運行功率限制，所以當RES不足時會出現(xiàn)切負荷現(xiàn)象，充足時則會出現(xiàn)棄風棄光現(xiàn)象。

圖1 獨立型交直流混合微網結構圖Fig.1 Structure of isolated AC-DC hybrid microgrid

為提高獨立型交直流混合微網的供能可靠性和RES消納水平，本文設計了一種包含氫儲系統(tǒng)的交流/直流/氫/熱/氣多能源系統(tǒng)，并利用能量樞紐對該系統(tǒng)進行描述和建模。

1.1 能量樞紐結構

能量樞紐是當前多能源系統(tǒng)的一種重要建模工具，它將多能源系統(tǒng)描述為一個多輸入-多輸出端口模型，多種輸入能源在其內部進行分配、轉換和存儲，最終輸出多種能源滿足負荷需求。本文設計的新型能量樞紐結構如圖2所示。電力環(huán)節(jié)中，在圖1獨立型交直流混合微網結構的基礎上，將基于電解槽-儲氫罐-燃料電池的氫儲能系統(tǒng)接入DC母線，與蓄電池構成混合電儲能系統(tǒng)，實現(xiàn)提高電儲能容量，同時MT通過熱電聯(lián)產的實現(xiàn)提高供能效率。氫氣環(huán)節(jié)中，氫負荷由電解槽（Electrolytic Cell,EC）制氫直接供應或由儲氫罐（Hydrogen Storage,HS）供應，儲氫罐內氫氣還可被燃料電池利用實現(xiàn)電能回饋或被甲烷反應器（Methanation Reactor,MR）利用生成甲烷進入天然氣供應系統(tǒng)。熱力環(huán)節(jié)中，采用熱電聯(lián)產設備MT和燃氣鍋爐（Gas Boiler,GB）作為供熱設備，并設置儲熱（Thermal Storage,TS）平抑負荷。天然氣環(huán)節(jié)中，氣負荷直接由天然氣網供應，并設置儲氣（Gas Storage,GS）應對供需不平衡。因此，該能量樞紐中多種能源轉換、存儲設備使得電力、氫氣、熱力與天然氣環(huán)節(jié)間深度耦合，有利于實現(xiàn)多能源協(xié)調優(yōu)化調度，提高獨立系統(tǒng)的供能可靠性，同時促進RES消納與實現(xiàn)節(jié)能減排。

圖2 能量樞紐結構圖Fig.2 Structure of energy hub

1.2 能量樞紐數(shù)學模型

需要說明的是，由于微網系統(tǒng)中供電線路及供氫/熱/氣管道的長度都較短，故本文模型中不考慮能量傳輸過程中的損耗，即不考慮潮流問題[13,19-20]。本文式中變量含義見附錄。

2 多能源協(xié)調優(yōu)化調度模型

交直流混合微網可認為是由交流和直流兩個耦合系統(tǒng)構成，BC可看作耦合元件，相對于傳統(tǒng)交流微網的優(yōu)化調度更加復雜。在對交直流混合微網進行優(yōu)化調度時，需同時滿足交流功率平衡和直流功率平衡約束，以及BC的運行約束[6,10]。因此，本文在對設計的能量樞紐進行多能源協(xié)調優(yōu)化調度時，將其考慮為交流、直流、氫氣、熱力和天然氣五種能源相互耦合的綜合系統(tǒng)，其中多種能源轉換運行約束互相影響，多種儲能設備互為補充，導致整個系統(tǒng)互動機理復雜，需進行合理建模和分析。

2.1 目標函數(shù)

基于能量樞紐的獨立型交直流混合微網系統(tǒng)的優(yōu)化調度旨在通過控制能源的輸入、分配、轉換、存儲及輸出過程，實現(xiàn)多能源協(xié)調利用及系統(tǒng)綜合調度成本最小的目標。本文針對日前調度展開研究，建立的多能源協(xié)調優(yōu)化調度模型的目標函數(shù)為

式中，t為調度時段，t=1,2,3,…,NT；NT為調度周期的總時段，NT=24h；Δt為調度步長，1h；其他參數(shù)及變量見附表1和附表2。

附表1 參數(shù)說明App.Tab.1 The explanation of parameters

附表2 變量說明App.Tab.2 The explanation of variables

需要說明的是，由于本文設計的微網系統(tǒng)沒有大電網的電力支撐，天然氣網的供應能力也有限，在優(yōu)化調度時可能遇到極其惡劣場景，即可再生能源出力不足而負荷需求高峰的場景，此時為維持供需平衡會強制切除部分負荷，本文考慮這些負荷是系統(tǒng)中的不重要負荷。為減小切負荷概率，優(yōu)化調度的目標函數(shù)中加入如式（9）所示的強制切負荷懲罰成本，其中懲罰成本系數(shù)可認為是對被切除負荷的經濟補償單價。

2.2 約束條件

2.2.1 功率平衡約束

多能源系統(tǒng)應在任意時段t滿足交流、直流、氫氣、熱力和天然氣的功率平衡，即式（1）所示的能量樞紐模型。同時為保證系統(tǒng)穩(wěn)定運行，考慮部分不重要負荷在供能不足時可被強制切除，此時功率平衡約束可表示為

2.2.2 能源輸入約束

1）風機和光伏出力約束

2）與天然氣網絡交易功率約束

2.2.3 能源傳輸約束

為保證能源只能向負荷方向傳輸，能源傳輸功率變量需滿足

2.2.4 能源轉換設備運行約束

考慮到所有能源轉換設備都是可控設備，日前調度應確定其次日各時段運行狀態(tài)，因此各設備約束中均加入運行狀態(tài)變量。此外，本文為各設備都設置了出力下限，防止因輕載導致運行效率下降。

1）雙向變換器

其中，式（17）表示雙向變換器不能同時工作在整流和逆變狀態(tài)；式（20）實現(xiàn)限制BC運行功率的波動幅值，有利于獨立微網系統(tǒng)的電壓和頻率穩(wěn)定。

2）電解槽

3）甲烷反應器

式中，由于甲烷反應器中輸入氫氣、二氧化碳和輸出甲烷氣體的體積比為4:1:1，故式（24）和式（25）的分母中具有系數(shù)4。

4）燃料電池

5）微型燃氣輪機

此外，IMT,t和DMT,t與UMT,t的關系可表示為

式（32）和式（33）可等效為線性約束，即

6）燃氣鍋爐

2.2.5 能源存儲設備運行約束

蓄電池、儲氫、儲熱和儲氣的運行約束類似，四種儲能設備均需滿足

式（39）表示每個時段不能同時工作在充能或放能狀態(tài)。式（44）表示優(yōu)化調度周期始末的儲能容量相等，可為下一調度周期保留一定調節(jié)裕量。

2.2.6 能源輸出約束

系統(tǒng)可能出現(xiàn)切負荷場景，現(xiàn)在考慮可切除的負荷屬于不重要負荷（允許通過經濟補償切除的負荷），故需依據(jù)系統(tǒng)中各類能源的不重要負荷比例設置相應的允許切負荷功率上限，保證其他重要負荷的可靠供給。各類負荷的可切除功率約束為

3 兩階段魯棒優(yōu)化模型及求解

本節(jié)將在上述多能源協(xié)調優(yōu)化調度模型基礎上，構建計及源荷不確定性的兩階段魯棒優(yōu)化模型。

3.1 計及源荷不確定性的兩階段魯棒優(yōu)化模型

3.1.1 源荷不確定性

由于風速、光照強度會受到天氣、季節(jié)等因素的影響，風機和光伏出力具有較強的不確定性。在獨立型交直流混合微網中，風機和光伏的供電比例較高，優(yōu)化調度時不能忽略其預測結果的不確定性。此外，負荷預測也存在不確定性，雖然負荷的波動具有一定規(guī)律性，預測誤差相對RES較小，但多能源系統(tǒng)中電、氫、熱和氣負荷都存在預測誤差，其不確定性影響也不容忽視。魯棒優(yōu)化屬于一種基于區(qū)間擾動信息的不確定性決策方法，其優(yōu)勢在于不需要知道不確定參量的概率分布信息，優(yōu)化結果能夠應對惡劣場景。本文采用魯棒優(yōu)化處理源荷不確定性，通過構建箱型不確定集描述不確定性變量的波動范圍[21]，同時利用不確定度參數(shù)實現(xiàn)靈活調整調度結果的保守性。此時，風機、光伏出力和各類負荷功率的不確定集分別為

此外，當系統(tǒng)優(yōu)化考慮不確定時，式（12）～式（14）所示的約束條件中風機、光伏出力和各類負荷功率預測值應采用相應的不確定變量進行替代。

3.1.2 兩階段魯棒優(yōu)化模型

本文設計的多能源系統(tǒng)運行約束復雜，且源荷不確定性較大，目前尚未有文獻同時計及WT、PV出力和交流、直流、氫、熱和氣負荷預測的不確定性展開魯棒優(yōu)化研究。本文針對該系統(tǒng)構建出一種min-max-min結構的兩階段魯棒優(yōu)化調度模型：第一階段確定能源轉換設備的開關機狀態(tài)和能源存儲設備的充放能狀態(tài)，使其可應對各種RES出力和負荷場景，通常在日內調度中為恒定量；第二階段確定最惡劣場景及此場景下調度成本最低時的能源輸入、分配、轉換、存儲及輸出功率。目標函數(shù)為

式中，x和y分別為第一和第二階段優(yōu)化變量集合；aTx為式（2）中MT的起動和停機成本之和；bTy為式（2）中綜合調度成本除去MT起動和停機成本外其他成本之和。x和y為

約束條件即式（12）～式（31）和式（34）～式（45），最終可簡化為

式中，κ、σ、π、δ、θ和τ為變量y的各約束條件對應的對偶變量。

需說明的是，對于本文提出的TRO模型，式（46）～式（48）刻畫源荷不確定性時僅考慮最大波動偏差是可行的。因為TRO第一階段優(yōu)化結果可應對惡劣場景，即使實際風光出力或負荷功率偏差超過設定范圍，也可通過優(yōu)化調整第二階段中的各設備出力實現(xiàn)功率平衡。

3.2 求解算法

min-max-min魯棒模型本質為三層模型，基于強對偶理論，可通過引入對偶變量，將內層min問題轉換為max問題，并與中間層max問題合并，最終轉換為兩層min-max模型，進而采用C&CG算法進行求解。C&CG算法將原優(yōu)化問題分解為主問題和子問題進行交替求解，并在求解主問題時不斷加入和子問題相關的變量和約束，可實現(xiàn)以較低的迭代次數(shù)收斂到原優(yōu)化問題的最優(yōu)解。

將式（49）和式（51）所示優(yōu)化模型進行分解，主問題為外層min問題，子問題為內層max問題，可分別用式（52）和式（53）表示。

式中，k為當前迭代次數(shù)；wi、vi和li分別為第i次迭代中子問題優(yōu)化出的最惡劣場景下的風機、光伏出力和各類負荷功率；ψ為引入的輔助變量。

式中，xk為當次迭代過程中主問題優(yōu)化出的第一階段變量取值；φ為子問題目標函數(shù)。

需注意的是，式（53）中目標函數(shù)存在雙線性項δTw、θTv和τTl，不利于優(yōu)化模型的求解?？紤]到子問題的最優(yōu)解中w、v和l為其不確定集的極點[19]，即式（46）～式（48）中引入的互斥變量可定義為二進制變量，此時可通過引入輔助變量及大M法將式（53）轉換為混合整數(shù)線性規(guī)劃模型。現(xiàn)以雙線性項δTw為例說明該過程。

引入輔助變量ε+和ε?，滿足

則式（54）中δTw可表示為

式（55）可利用大M法線性化為

θTv和τTl的處理方法同δTw，不再贅述。最終，主問題和子問題均為混合整數(shù)線性規(guī)劃問題，可通過求解器CPLEX進行求解。圖3為C&CG算法的流程，其中UB和LB分別為迭代過程中綜合調度成本的上界和下界，γ為收斂閾值。

圖3 C&CG算法流程圖Fig.3 Flow diagram of C&CG algorithm

4 算例分析

4.1 參數(shù)設置

本文以圖2系統(tǒng)為研究算例，在Matlab2015b平臺上利用YALMIP建模工具和CPLEX 12.6商業(yè)優(yōu)化求解器求解本文提出的優(yōu)化模型。

能源轉換和存儲設備參數(shù)見表1和表2[19,22-23]，表1中功率上/下限約束對應式（18）、式（19）、式（21）、式（23）、式（26）、式（28）和式（36），效率分別對應而，表2中BS的額定容量是150kW·h，為提高BS壽命將其容量上限設為135kW·h，而其他儲能設備容量上限即為額定容量。此外，本文設定RES發(fā)電不計能量來源成本，僅考慮運維成本，WT和PV的運維成本系數(shù)均為0.01元/(kW·h)，并且設定MT的起動和停機成本系數(shù)取為5元/次，微網系統(tǒng)從天然氣網絡購買天然氣功率的上限為350kW，單價為0.35元/(kW·h)。此外，碳稅價格取為0.15元/kg[11]，MT和GB的碳排放系數(shù)分別取為0.202kg/(kW·h)和0.270kg/(kW·h)[24]，CO2捕集成本系數(shù)取為0.05元/kg[22]，CO2密度取為1.97kg/m3，氫氣和天然氣的高熱值分別取為3.52kW·h/m3和11.04kW·h/m3。

表1 能源轉換設備參數(shù)Tab.1 The parameters of energy conversion equipment

表2 能源存儲設備參數(shù)Tab.2 The parameters of energy storage equipment

圖4給出了風機、光伏出力和交流、直流、氫、熱和氣負荷功率的日前預測值。在日前兩階段魯棒優(yōu)化調度時，認為最大波動偏差可根據(jù)以往的歷史預測偏差進行設定，且通常負荷預測精度相對于RES出力預測精度更高[12,19-21]，故設定風機、光伏出力的最大波動偏差為預測值的15%，各類負荷功率的最大波動偏差為預測值的5%。并且設定各類負荷的可切除功率上限均為其預測值的10%，懲罰成本系數(shù)均為4元/(kW·h)。迭代收斂閾值γ為2元。

圖4 RES出力和負荷功率預測值Fig.4 Predicated values of RES and load power

4.2 優(yōu)化運行結果分析

現(xiàn)對風機、光伏、各類能源負荷功率的不確定度參數(shù)（即ΠWT、ΠPV、ΠAC、ΠDC、ΠH、ΠT和ΠG）均為6時的情況進行優(yōu)化運行結果分析。

圖5給出了優(yōu)化出的最惡劣場景中RES出力和各類能源負荷功率。

圖5 最惡劣場景下RES出力和負荷功率Fig.5 RES and load power in the worst scenario

圖5中，WT出力在時段19～24達到預測值下限，PV出力在時段9、12～15和18達到預測值下限，交流和直流負荷均在時段19～24達到預測值上限，氫負荷在時段8、13以及18～21達到預測值上限，熱負荷在時段19～24達到預測值上限，氣負荷在時段13和19～23達到預測值上限?？煽闯鯮ES在其出力高峰或負荷需求高峰達到預測值下限，而各類能源負荷基本都在晚上高峰時段達到預測值上限。

為驗證圖5優(yōu)化結果是最惡劣場景，基于確定性優(yōu)化模型，隨機設定不同時段的RES出力和負荷達到其預測值的邊界，時段總數(shù)保持一致，對比以下不同場景中系統(tǒng)綜合調度成本：①WT出力在時段1～4和22～23達到預測值下限，PV出力在時段10～15達到預測值下限，其他取值同圖4中的最惡劣場景；②交流負荷在時段18～23達到預測值上限，氫負荷在時段8～9、12～13及19～20達到預測值上限，氣負荷在時段13～14和18～21達到預測值上限，其他取值同圖3中的最惡劣場景；③所有取值同圖3中的最惡劣場景。其對比結果見表3。

表3 確定性優(yōu)化模型下惡劣場景對比Tab.3 The comparison of different bad cases

場景1中WT出力和PV出力全部在高峰時段達到預測值下限，而場景2中負荷全部在高峰時段達到預測值上限，但都不是最惡劣場景，綜合調度成本都低于場景3。場景3的綜合調度成本與兩階段魯棒模型（2 852.0元）存在微小偏差，是因為兩階段魯棒模型是迭代求解的，偏差在收斂閾值范圍內。

圖6給出在圖5最惡劣場景下調度成本最低時，各類能源的輸入、分配、轉換、存儲及輸出功率的調度結果，此時系統(tǒng)綜合調度成本為2 852.0元，包括天然氣購買成本2 390.5元，設備運維成本284.7元，CO2排放懲罰成本175.3元和CO2捕集成本1.5元，MT起停成本和強制切負荷懲罰成本均為0元。

圖6 最惡劣場景下調度結果Fig.6 Scheduling results in the worst scenario

圖6中各類能源都實現(xiàn)了功率平衡，且不存在切負荷現(xiàn)象。電力環(huán)節(jié)中，WT和PV出力具有互補特性，夜間交流側WT出力較多，MT工作在以熱定電模式，過剩電能通過BC注入到直流側（時段1～7，10和18～24），優(yōu)先供給直流負荷，多余電能為蓄電池充電或電解制氫；白天直流側PV出力較多，過剩電能優(yōu)先通過BC注入到交流側補充其功率缺額（時段12～16），其余電能為蓄電池充電或電解制氫。氫氣環(huán)節(jié)中，EC所制氫氣優(yōu)先供給氫負荷，減少經過儲氫設備造成能量損耗，其余氫氣儲存在儲氫設備中。儲存的氫氣在EC不工作時（時段18～22）取出滿足氫負荷需求，直流側供能不足時（時段19～23）供給FC滿足直流負荷高峰需求，剩余氫氣在非電解時段通過MR補給天然氣供給（時段1、14和21）。熱力環(huán)節(jié)中，雖然MT的熱電聯(lián)產模式工作效率比GB高，但當RES過剩時（時段1～7和9～12）GB供應熱負荷更加經濟，GB優(yōu)先以最大功率輸出；當RES出力減?。〞r段8和17～18）或MT出力達下限（時段13～16）時，適當減小GB的供熱出力；當電負荷高峰且RES出力不足時（時段19～24），高效率的MT優(yōu)先工作，供應全部熱負荷。儲熱設備具有削峰填谷作用，有利于實現(xiàn)熱能供需平衡。天然氣環(huán)節(jié)中，氣網作為主要氣源，結合MR實現(xiàn)供給MT、GB和氣負荷，但由于氣網存在供應功率上限，因此需由儲氣設備實現(xiàn)供需平衡。

通過以上分析看出，本文設計的能量樞紐結構合理，可實現(xiàn)多能互補和提高系統(tǒng)的供能可靠性。

4.3 不確定度參數(shù)對調度結果的影響

為分析不確定度參數(shù)對調度結果的影響，現(xiàn)考慮RES（風機和光伏）出力的不確定度參數(shù)統(tǒng)一為ΠR，各類能源負荷功率的不確定度參數(shù)統(tǒng)一為ΠL。圖7給出了分別單獨考慮RES出力和負荷功率不確定性時，ΠR、ΠL不同取值時系統(tǒng)綜合調度成本的變化曲線。所有優(yōu)化過程的迭代次數(shù)都在6次以內，驗證了C&CG 算法的快速收斂性。

圖7 不確定度參數(shù)對綜合調度成本的影響Fig.7 Effect of uncertainty parameters on comprehensive scheduling cost

由圖7看出，隨著ΠR或ΠL的增大，綜合調度成本不斷增加，增加趨勢逐漸緩慢，且ΠL對綜合調度成本的影響相對ΠR更明顯。這是因為隨著不確定度參數(shù)的增大，魯棒優(yōu)化的結果更加保守，且優(yōu)化出的最惡劣場景優(yōu)先選擇RES出力高峰的下限、負荷高峰的上限，不確定度參數(shù)較大時對成本影響較小。此外，各類負荷同時考慮不確定性，相對于RES，負荷總功率波動范圍大，不確定度參數(shù)對調度成本影響也較大。因此，改變不確定度參數(shù)，可實現(xiàn)靈活選擇調度方案的保守性。

表4給出同時考慮RES出力和負荷功率不確定性且ΠR=ΠL=Π，不同Π時的優(yōu)化結果對比。Π為0可等效為確定性優(yōu)化調度，Π為24可得到魯棒優(yōu)化的最保守調度結果。在Π的調節(jié)范圍內，系統(tǒng)切負荷功率不超過總負荷功率的0.07%，棄風和棄光總功率不超過總RES功率的1.99%，說明本文所設計的孤立微網系統(tǒng)具有較高的供能可靠性和RES消納水平。

表4 不同不確定度參數(shù)下優(yōu)化結果對比Tab.4 The comparison of optimal results with different uncertainty parameters

4.4 不同優(yōu)化方法對比

分別采用確定性優(yōu)化（DO）、隨機優(yōu)化（SO）和兩階段魯棒優(yōu)化（TRO）求解本文模型，并對比其優(yōu)化結果。其中SO以多場景（500場景）的綜合調度成本期望值最小為目標，場景生成時考慮所有時段RES出力、負荷功率服從正態(tài)分布，期望值為預測值，標準偏差為最大波動偏差的1/3[19]，TRO的不確定度參數(shù)均為6。首先用三種方法優(yōu)化出能源轉換設備的開關機狀態(tài)和能源存儲設備的充放能狀態(tài)，以及對應的綜合調度成本。然后在此基礎上，隨機生成200個概率分布場景進行求解，得到所有場景下系統(tǒng)調度的平均成本、最大成本和切負荷場景數(shù)。此處，為了能夠生成較為惡劣的場景，考慮RES出力、負荷功率預測曲線整體服從正態(tài)分布。不同優(yōu)化方法的結果對比見表5。

表5 不同優(yōu)化方法的結果對比Tab.5 The comparison of different optimal methods

分析表5，DO的綜合調度成本最低，但其優(yōu)化出的能源轉換設備的開關機狀態(tài)和能源存儲設備的充放能狀態(tài)在RES和負荷波動時，出現(xiàn)切負荷概率極高，且多場景下的平均成本和最大成本都最高，魯棒性和經濟性都較差。TRO的綜合調度成本最高，是因為其調度結果最為保守。TRO調度結果在多場景下的最大成本最小，切負荷概率也最低，說明其魯棒性最好，而平均成本居中，說明其經濟性介于SO和DO之間。因此，綜合考慮魯棒性與經濟性，TRO在處理不確定性問題時更具有優(yōu)勢。

此外，為分析預測偏差對TRO調度結果的影響，表6分別給出RSE出力和負荷功率的最大波動偏差為其預測值的15%和0%、15%和5%以及20%和5%的情況下的TRO方法的優(yōu)化結果，分別對應工況1、工況2和工況3。

表6 不同預測偏差下TRO結果對比Tab.6 The comparison of TRO results in different prediction errors

分析表6，隨著RSE出力或負荷功率的最大波動偏差的增大，TRO的綜合調度成本增大，這是因為TRO的調度結果更加保守；同時TRO調度結果在多場景下的最大成本也有所增加，這是因為隨機場景可能更加惡劣。但是，在任何預測偏差下，TRO調度結果在多場景下的平均成本相差不大，切負荷概率也較小，所以仍然兼具魯棒性和經濟性。

5 結論

本文針對獨立型交直流混合微網，設計了考慮氫儲的新型能量樞紐結構，構建了計及源荷不確定性的TRO模型，并通過C&CG算法進行求解。通過算例分析得到以下結論：

1）所設計的新型能量樞紐能夠實現(xiàn)多能互補，提高系統(tǒng)供能可靠性和RES消納水平。

2）所構建TRO模型在給定不確定度參數(shù)時，可利用C&CG算法快速求解出最惡劣場景及相應調度方案，并可以通過調節(jié)不確定度參數(shù)，靈活選擇調度方案的保守性。

3）TRO在處理源荷不確定性問題時具有優(yōu)勢，不同預測偏差下調度結果都兼具魯棒性與經濟性。

附錄 系統(tǒng)參數(shù)及變量說明

（續(xù)）