馬艷霞, 周靜涵, 董曉晶, 王華卿, 張瑋琪, 譚忠富, 3

(1.國(guó)網(wǎng)寧夏電力有限公司經(jīng)濟(jì)技術(shù)研究院,寧夏 銀川 75000； 2.華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院,北京 102206;3.延安大學(xué)經(jīng)濟(jì)與管理學(xué)院，陜西 延安 716000)

隨著全球能源儲(chǔ)量日漸減少，人民生產(chǎn)生活對(duì)能源的需求不斷提高、各國(guó)可再生能源滲透比例快速增長(zhǎng)，如何有效地利用能源、合理使用可再生能源、實(shí)現(xiàn)需求側(cè)與供給側(cè)供需平衡、減少化石能源燃燒造成的環(huán)境污染、提高能源供給系統(tǒng)穩(wěn)定性，已經(jīng)成為亟需解決的問(wèn)題[1]。截止2022年2月底，中國(guó)風(fēng)電裝機(jī)容量約3.3億kW，同比增長(zhǎng)17.5%；太陽(yáng)能發(fā)電裝機(jī)容量約3.2億kW，同比增長(zhǎng)22.7%。由于可再生能源發(fā)電存在多重不確定性，且發(fā)電量與用電量在時(shí)間和空間上存在較強(qiáng)的不匹配性，可再生能源并網(wǎng)后，受電力系統(tǒng)調(diào)節(jié)范圍限制，將導(dǎo)致棄風(fēng)、棄光現(xiàn)象，2021年全國(guó)平均棄風(fēng)率為3.1%，棄光率為2%[2]。因此，在提高可再生能源占比的同時(shí)，應(yīng)積極探索提高可再生能源消納水平的途徑。

綜合能源系統(tǒng)能夠有效地整合區(qū)域內(nèi)多種資源，充分挖掘各類(lèi)能源之間的互補(bǔ)潛力，實(shí)現(xiàn)能源子系統(tǒng)之間的協(xié)調(diào)規(guī)劃和能源之間的相互轉(zhuǎn)換，滿(mǎn)足多元化用能需求的同時(shí)，有效地提升能源利用效率、緩解環(huán)境壓力，是解決能源問(wèn)題、促進(jìn)可再生能源消納的有效途徑[3]。因此，考慮可再生能源發(fā)電不確定性，同時(shí)利用天然氣網(wǎng)絡(luò)的儲(chǔ)能和輸送能力，與氫儲(chǔ)能系統(tǒng)結(jié)合形成混合儲(chǔ)能系統(tǒng)，進(jìn)行綜合能源系統(tǒng)優(yōu)化調(diào)度，對(duì)準(zhǔn)確預(yù)測(cè)發(fā)電功率、制定精確的調(diào)度計(jì)劃、提高系統(tǒng)能源利用效率、提高綜合能源系統(tǒng)穩(wěn)定性及經(jīng)濟(jì)性具有重要研究?jī)r(jià)值。

國(guó)內(nèi)外學(xué)者已經(jīng)針對(duì)綜合能源系統(tǒng)優(yōu)化調(diào)度展開(kāi)了廣泛的研究，主要是考慮可再生能源出力功率不確定性，通過(guò)電源之間的互補(bǔ)性提高系統(tǒng)的調(diào)控靈活性[4]。文獻(xiàn)[5-6]在考慮可再生能源發(fā)電不確定性的基礎(chǔ)上，引入儲(chǔ)能裝置以增加系統(tǒng)穩(wěn)定性，并基于成本效益分析提出了包含儲(chǔ)能裝置的綜合能源系統(tǒng)規(guī)模設(shè)計(jì)方案；文獻(xiàn)[7-8]通過(guò)引入P2G技術(shù)和調(diào)峰補(bǔ)償機(jī)制，提高了綜合能源系統(tǒng)對(duì)多種能源、多類(lèi)型負(fù)荷的互補(bǔ)、整合作用，但未能考慮儲(chǔ)能設(shè)備在綜合能源系統(tǒng)中所起到的供能緩沖、能源聚合和增加系統(tǒng)穩(wěn)定性的多重作用；文獻(xiàn)[9]利用區(qū)間線(xiàn)性規(guī)劃方法對(duì)模型進(jìn)行求解，測(cè)算P2G裝置轉(zhuǎn)換效率、相關(guān)組件輸出功率以及運(yùn)營(yíng)成本，確定可再生能源發(fā)電單元的不確定性水平，實(shí)現(xiàn)系統(tǒng)調(diào)度優(yōu)化；文獻(xiàn)[10]基于綜合能源系統(tǒng)的不確定性構(gòu)建了兩階段優(yōu)化調(diào)度模型，利用氫轉(zhuǎn)天然氣和電轉(zhuǎn)天然氣裝置提高對(duì)可再生能源發(fā)電的可容納程度，降低綜合能源系統(tǒng)與主網(wǎng)之間的交互波動(dòng)；文獻(xiàn)[11]基于源荷雙側(cè)不確定性，提出了魯棒優(yōu)化模型，在滿(mǎn)足用戶(hù)負(fù)荷需求的基礎(chǔ)上，通過(guò)協(xié)調(diào)能源服務(wù)主體，實(shí)現(xiàn)社會(huì)福利最優(yōu)化；文獻(xiàn)[12]考慮了電源側(cè)可再生能源發(fā)電不確定性和需求側(cè)負(fù)荷波動(dòng)性，構(gòu)建多目標(biāo)魯棒優(yōu)化模型，縮小負(fù)荷峰谷差、增大風(fēng)電消納率、實(shí)現(xiàn)系統(tǒng)燃料成本最小化。

以上研究對(duì)如何提高綜合能源系統(tǒng)運(yùn)行經(jīng)濟(jì)性及促進(jìn)可再生能源消納進(jìn)行了探討，而較少考慮混合儲(chǔ)能設(shè)備在能源轉(zhuǎn)化過(guò)程中的能量損失和可再生能源不確定性對(duì)系統(tǒng)多目標(biāo)優(yōu)化結(jié)果的作用。因此，本文設(shè)計(jì)含氫能—天然氣混合儲(chǔ)能的綜合能源系統(tǒng)，構(gòu)建考慮不確定性的綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型，利用模糊C均值及綜合質(zhì)量評(píng)估方法將風(fēng)電不確定性出力進(jìn)行模糊聚類(lèi)評(píng)價(jià)，轉(zhuǎn)化為確定性典型場(chǎng)景，利用改進(jìn)的粒子群算法搜尋最佳綜合目標(biāo)優(yōu)化結(jié)果。

1 含氫能—天然氣混合儲(chǔ)能的綜合能源系統(tǒng)結(jié)構(gòu)

電—?dú)饣ヂ?lián)綜合能源系統(tǒng)主要包括小型燃?xì)廨啓C(jī)、電轉(zhuǎn)氣裝置、混合儲(chǔ)能設(shè)備、可再生能源發(fā)電單元和負(fù)荷。利用P2G儲(chǔ)能裝置將可再生能源發(fā)電高峰過(guò)剩的清潔電力轉(zhuǎn)化為天然氣，在可再生能源出力不足而電網(wǎng)負(fù)荷高峰期，利用小型燃?xì)廨啓C(jī)發(fā)電，減少大電網(wǎng)火電機(jī)組調(diào)峰壓力。傳統(tǒng)電—?dú)鈨?chǔ)能系統(tǒng)雖然實(shí)現(xiàn)了電力網(wǎng)和天然氣網(wǎng)的有效耦合，進(jìn)行富余電力的大規(guī)模、低成本存儲(chǔ)，但由于只考慮電轉(zhuǎn)天然氣，直接進(jìn)行天然氣傳輸，而忽略了可再生能源發(fā)電不確定性對(duì)天然氣網(wǎng)絡(luò)的沖擊影響，且能量轉(zhuǎn)換效率僅45%～65%，能量轉(zhuǎn)換損失較大。而氫能—天然氣混合儲(chǔ)能系統(tǒng)(hydrogen-gas energy storage system, HGESS)以電制氫為中間轉(zhuǎn)換環(huán)節(jié)，起到富余能量從電網(wǎng)流向天然氣網(wǎng)絡(luò)的緩沖作用，同時(shí)電制氫環(huán)節(jié)能量轉(zhuǎn)換率達(dá)75%～85%，既實(shí)現(xiàn)能源的高效利用，又充分發(fā)揮了氫能制作簡(jiǎn)單、安全環(huán)保等特點(diǎn)。

HGESS由電制氫(electrolytic hydrogen unit, EHU)、燃料電池(fuel cell unit, FCU)、氫轉(zhuǎn)天然氣(hydrogen to gas unit, H2GU)及氫能存儲(chǔ)(hydrogen storage unit, HSU)4個(gè)單元構(gòu)成，包括電轉(zhuǎn)氫和電轉(zhuǎn)天然氣4個(gè)能量轉(zhuǎn)換階段。第1階段電轉(zhuǎn)氫過(guò)程，當(dāng)系統(tǒng)內(nèi)存在富余電能時(shí)，利用電能將水分解為H2和O2，H2將存入氫存儲(chǔ)系統(tǒng)或直接供應(yīng)；第2階段電轉(zhuǎn)天然氣是當(dāng)系統(tǒng)內(nèi)仍存在未能轉(zhuǎn)換電能時(shí)，H2GU將H2和大氣中捕獲的CO2合成CH4，利用天然氣網(wǎng)絡(luò)進(jìn)行傳輸，直接供應(yīng)系統(tǒng)內(nèi)常規(guī)氣負(fù)荷。當(dāng)系統(tǒng)內(nèi)可再生能源出力不足時(shí)，燃料電池和小型燃?xì)廨啓C(jī)進(jìn)行放電，將H2或CH4中儲(chǔ)存的化學(xué)能轉(zhuǎn)換為電能。與傳統(tǒng)綜合能源系統(tǒng)相比，HGESS系統(tǒng)通過(guò)2個(gè)階段能量轉(zhuǎn)換，在時(shí)間與空間上實(shí)現(xiàn)了可再生能源高效利用及電網(wǎng)與天然氣網(wǎng)絡(luò)耦合。同時(shí)，HGESS系統(tǒng)可以有效地應(yīng)對(duì)可再生能源出力隨機(jī)性及不確定性，當(dāng)系統(tǒng)剩余可再生能源較少時(shí)，能量流通過(guò)第1階段高效型能量閉環(huán)流動(dòng)圈實(shí)現(xiàn)能源高效利用；當(dāng)系統(tǒng)剩余可再生能源較多時(shí)，能量流通過(guò)第2階段能量型能量閉環(huán)流動(dòng)圈實(shí)現(xiàn)能源規(guī)模利用。含混合儲(chǔ)能的綜合能源系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 含混合儲(chǔ)能的綜合能源系統(tǒng)Figure 1 Multi-energy system with hybrid energy storage

2 考慮混合儲(chǔ)能的綜合能源系統(tǒng)優(yōu)化調(diào)度模型

2.1 電源出力模型

1)微型燃?xì)廨啓C(jī)出力模型。

(1)

2)風(fēng)力發(fā)電出力模型。

綜合能源系統(tǒng)中風(fēng)力、光伏發(fā)電受自然風(fēng)速、太陽(yáng)輻射影響，具有較強(qiáng)的不確定性，本文僅考慮風(fēng)電機(jī)組出力不確定性。

自然風(fēng)速可以通過(guò)Weibull函數(shù)描述：

(2)

式中v為風(fēng)速；φ為形狀參數(shù)；?為尺度參數(shù)。根據(jù)風(fēng)速分布函數(shù)，可以計(jì)算風(fēng)力發(fā)電功率為

(3)

式中g(shù)wpp,t為風(fēng)電機(jī)組在t時(shí)刻的發(fā)電功率；vt為t時(shí)刻的自然風(fēng)速；vin、vout分別為切入、切出風(fēng)速；vr為額定風(fēng)速；gr為額定輸出功率。

3)氫儲(chǔ)能設(shè)備充放電模型。

(4)

(5)

2.2 目標(biāo)函數(shù)

本文所提的綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型涉及系統(tǒng)運(yùn)行成本和環(huán)境成本2個(gè)部分。系統(tǒng)運(yùn)行成本包括燃?xì)鈾C(jī)組的燃?xì)赓M(fèi)用、向主網(wǎng)購(gòu)售電費(fèi)用以及混合儲(chǔ)能系統(tǒng)在充放電、合成CH4的過(guò)程中損耗和注入天然氣網(wǎng)絡(luò)的氣收益；環(huán)境成本則包括向外部主網(wǎng)購(gòu)電，化石燃料燃燒造成的大氣污染治理成本、燃?xì)鈾C(jī)組運(yùn)行產(chǎn)生的碳排放成本和儲(chǔ)能系統(tǒng)合成CH4時(shí)消耗CO2所帶來(lái)的環(huán)境效益。

2.2.1 系統(tǒng)運(yùn)行成本

minf1=fpower+fHGESS

(6)

式中f1為綜合能源系統(tǒng)運(yùn)行成本；fpower為綜合能源系統(tǒng)發(fā)電單元運(yùn)行成本；fHGESS為綜合能源系統(tǒng)混合儲(chǔ)能單元運(yùn)行成本。

1)發(fā)電單元運(yùn)行成本。綜合能源系統(tǒng)發(fā)電單元包括微型燃?xì)廨啓C(jī)和風(fēng)電機(jī)組發(fā)電，其運(yùn)行成本包括燃?xì)鈾C(jī)組的燃?xì)獬杀炯熬C合能源系統(tǒng)供電能力不足時(shí)向大電網(wǎng)端的購(gòu)售電成本，即

(7)

(8)

式中T為調(diào)度周期數(shù)；Cgas為天然氣購(gòu)買(mǎi)價(jià)格；NMT為微型燃?xì)鈾C(jī)組個(gè)數(shù)；Δt為運(yùn)行時(shí)長(zhǎng)。

由于可再生能源機(jī)組出力存在不確定性，綜合能源系統(tǒng)需要與大電網(wǎng)端進(jìn)行能量交互來(lái)維持系統(tǒng)內(nèi)供需平衡，因此，與大電網(wǎng)端進(jìn)行能量交互的成本收益為

(9)

2)混合儲(chǔ)能系統(tǒng)運(yùn)行成本?；旌蟽?chǔ)能系統(tǒng)運(yùn)行成本主要考慮電—?dú)饽芰哭D(zhuǎn)換時(shí)系統(tǒng)的能量損失成本以及儲(chǔ)能系統(tǒng)向天然氣網(wǎng)絡(luò)注入天然氣的收益。

(10)

(11)

(12)

2.2.2 環(huán)境成本

綜合能源系統(tǒng)環(huán)境成本計(jì)算為

minf2=

(13)

2.3 約束條件

2.3.1 電力網(wǎng)絡(luò)約束

1)電力功率平衡約束。

(14)

2)節(jié)點(diǎn)電壓約束。

Ui,min≤Ui,t≤Ui,max

(15)

式中Ui,t為節(jié)點(diǎn)i在t時(shí)刻的電壓；Ui,max、Ui,min分別為節(jié)點(diǎn)i的電壓上、下限。

3)線(xiàn)路功率約束。

Pl,min≤Pl≤Pl,max

(16)

式中Pl為線(xiàn)路l流過(guò)的功率；Pl,max、Pl,min分別為線(xiàn)路l允許經(jīng)過(guò)的功率上、下限。

4)微型燃?xì)廨啓C(jī)出力約束。

(17)

5)微型燃?xì)廨啓C(jī)爬坡約束。

(18)

(19)

式中RU,i、RD,i分別為第i個(gè)燃?xì)鈾C(jī)組爬坡、滑坡上限。

2.3.2 耦合單元約束

P2G和燃?xì)廨啓C(jī)實(shí)現(xiàn)了電網(wǎng)與天然氣網(wǎng)絡(luò)之間的能量互通，二者的耦合模型構(gòu)建如下。

1)P2G耦合單元約束。混合儲(chǔ)能系統(tǒng)將P2G劃分為電解制氫以及氫轉(zhuǎn)天然氣2個(gè)環(huán)節(jié)，氫儲(chǔ)能系統(tǒng)輸出功率與天然氣網(wǎng)絡(luò)注入功率耦合關(guān)系為

(20)

2)微型燃?xì)廨啓C(jī)耦合單元約束。微型燃?xì)廨啓C(jī)在綜合能源系統(tǒng)中既為電源，也是消耗天然氣的氣負(fù)荷單元，燃?xì)鈾C(jī)組發(fā)電量與天然氣消耗量關(guān)系為

(21)

3 綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型不確定性描述

在可再生能源裝機(jī)成本下降以及相關(guān)政策驅(qū)動(dòng)影響下，可再生能源接入比例持續(xù)提高。本文構(gòu)建的綜合能源系統(tǒng)具有較強(qiáng)的多能耦合以及混合儲(chǔ)能靈活性，在充分考慮可再生能源發(fā)電不確定性的條件下，可以通過(guò)挖掘綜合能源系統(tǒng)靈活性，利用各單元耦合協(xié)調(diào)，補(bǔ)償所接入可再生能源出力單元所帶來(lái)的不確定性，減少不確定性風(fēng)險(xiǎn)對(duì)綜合能源系統(tǒng)調(diào)度運(yùn)行造成的成本增量，實(shí)現(xiàn)供能實(shí)時(shí)平衡。

基于本文第1章所構(gòu)建的綜合能源系統(tǒng)優(yōu)化調(diào)度模型，為了提高綜合能源系統(tǒng)運(yùn)行調(diào)度的可靠性及經(jīng)濟(jì)性，對(duì)風(fēng)電機(jī)組出力不確定性進(jìn)行描述，并利用多目標(biāo)CVaR方法描述風(fēng)電出力不確定性對(duì)綜合能源系統(tǒng)運(yùn)行成本和環(huán)境成本造成的風(fēng)險(xiǎn)損失，構(gòu)建混合儲(chǔ)能綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型。

3.1 風(fēng)電機(jī)組出力不確定性描述

在綜合能源系統(tǒng)各單元出力調(diào)度過(guò)程中，需要根據(jù)風(fēng)電機(jī)組歷史出力數(shù)據(jù)提前預(yù)測(cè)機(jī)組未來(lái)出力水平，而風(fēng)力發(fā)電受風(fēng)速影響存在較強(qiáng)的不確定性，為規(guī)避其不確定性造成的綜合能源系統(tǒng)調(diào)度運(yùn)行風(fēng)險(xiǎn)，應(yīng)用多目標(biāo)CVaR方法對(duì)其風(fēng)險(xiǎn)進(jìn)行描述，考慮風(fēng)電機(jī)組出力不確定性后的電力網(wǎng)絡(luò)約束為

(22)

(23)

風(fēng)電機(jī)組的不確定性會(huì)影響綜合能源系統(tǒng)的調(diào)度方案，當(dāng)風(fēng)電機(jī)組出力預(yù)測(cè)值高于實(shí)際值時(shí)，為滿(mǎn)足園區(qū)內(nèi)部負(fù)荷需求，將增大燃?xì)廨啓C(jī)機(jī)組出力以及儲(chǔ)能設(shè)備能源轉(zhuǎn)換水平，增加系統(tǒng)運(yùn)行成本；在預(yù)測(cè)偏差較大時(shí)，受其他出力單元功率約束，將增加園區(qū)系統(tǒng)向主網(wǎng)的購(gòu)電成本；當(dāng)風(fēng)電機(jī)組出力預(yù)測(cè)值低于實(shí)際值時(shí)，則可能增加園區(qū)內(nèi)部可再生能源棄能量，導(dǎo)致系統(tǒng)環(huán)境成本增加。因此，為降低風(fēng)電機(jī)組出力不確定性給系統(tǒng)穩(wěn)定運(yùn)行帶來(lái)的風(fēng)險(xiǎn)，需要借助風(fēng)險(xiǎn)分析方法描述不確定性因素對(duì)目標(biāo)函數(shù)的影響程度。

3.2 多目標(biāo)CVaR方法

當(dāng)系統(tǒng)內(nèi)存在多個(gè)損失函數(shù)時(shí)，可采用多目標(biāo)CVaR方法，描述確定置信水平下的風(fēng)險(xiǎn)狀況。設(shè)存在與決策變量x∈X?Rn相關(guān)的n個(gè)損失函數(shù)fk(x,ζ)∈Rn·Rm→Rk(k=1,2,…,K)，其均為連續(xù)函數(shù)，ζ為連續(xù)型隨機(jī)變量，表示可能會(huì)影響損失函數(shù)的不確定性因素，概率密度函數(shù)為p(z)，fk(x,ζ)的分布函數(shù)為

ψk(x,yk)=

(24)

定義損失函數(shù)權(quán)重為λi(i=1,2,…，n)，則決策變量x在置信水平α下，基于權(quán)重λ的α-CVaR損失值可表示為

y*(x,λ)=

(25)

引入損失函數(shù)為

φk,ak(x,yk)=

(26)

則決策變量x在置信水平α下基于權(quán)重λ的α-CVaR損失值為

(27)

式中αi為第i個(gè)損失函數(shù)的置信水平。

定義優(yōu)化函數(shù)以尋求可行域下α-CVaR損失值最小，即

(28)

3.3 綜合能源系統(tǒng)多目標(biāo)CVaR優(yōu)化調(diào)度模型

3.3.1 考慮風(fēng)電機(jī)組不確定性的目標(biāo)函數(shù)構(gòu)建

在考慮不確定性時(shí)，風(fēng)電機(jī)組出力偏差造成的損失將由綜合能源系統(tǒng)中的微型燃?xì)鈾C(jī)組及儲(chǔ)能設(shè)備承擔(dān)。因此，引入風(fēng)電出力預(yù)測(cè)偏差概率，構(gòu)建考慮風(fēng)險(xiǎn)的系統(tǒng)優(yōu)化調(diào)度目標(biāo)函數(shù)。

1)發(fā)電單元運(yùn)行成本。

(29)

(30)

(31)

2)混合儲(chǔ)能系統(tǒng)運(yùn)行成本。

(32)

3)系統(tǒng)運(yùn)行成本。

minf1=fpower+fHGESS

(33)

4)環(huán)境成本。

minf2=

(34)

式中φH2G為P2G裝置承擔(dān)的功率調(diào)整系數(shù)。

3.3.2 考慮不確定性的約束條件構(gòu)建

在考慮不確定性因素時(shí)，需要對(duì)傳統(tǒng)約束條件進(jìn)行不確定性轉(zhuǎn)化，其中，電力功率平衡約束如式(26)、(27)所示。

1)微型燃?xì)廨啓C(jī)出力約束。

(35)

2)微型燃?xì)廨啓C(jī)爬坡約束。

(36)

(37)

式中RU、RD分別為微型燃?xì)廨啓C(jī)爬坡、滑坡上下限。

3)P2G耦合單元約束。

(38)

4)微型燃?xì)廨啓C(jī)耦合單元約束。

(39)

3.3.3 多目標(biāo)CVaR優(yōu)化調(diào)度模型構(gòu)建

利用多目標(biāo)CVaR方法，以考慮不確定性因素目標(biāo)函數(shù)的α-CVaR值最小為目標(biāo)，構(gòu)建損失函數(shù)，即

Fi,αi(T,yi)=yi+(1-αi)-1·

(40)

(41)

s.t.y∈R，x∈X

(42)

式(40～(42)中T為綜合能源系統(tǒng)各出力單元集合；αi為第i個(gè)目標(biāo)函數(shù)的置信水平；yi為第i個(gè)目標(biāo)函數(shù)的α-CVaR值。式(41)等價(jià)于對(duì)于任意x，如果存在y是式(40)的唯一最優(yōu)解，滿(mǎn)足條件：

(43)

則以下結(jié)論成立：

(44)

y=y*(x,λ)

(45)

此時(shí)，對(duì)于任意給定權(quán)值λ，若(x,y)能夠使模型式(41)達(dá)到最優(yōu)的同時(shí)，式(6)成立，則x能夠使模型(27)達(dá)到最優(yōu)。

綜上，構(gòu)建考慮不確定性的綜合能源系統(tǒng)調(diào)度方案α-CVaR值最小的優(yōu)化模型為

(46)

3.3.4 綜合優(yōu)化目標(biāo)函數(shù)

由于系統(tǒng)運(yùn)行成本損失值最小與環(huán)境成本損失值最小存在相互對(duì)立關(guān)系，因此首先采用模糊集理論將目標(biāo)函數(shù)轉(zhuǎn)化為隸屬度函數(shù)，再采用加權(quán)綜合指標(biāo)法將多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)。

優(yōu)化第i個(gè)目標(biāo)函數(shù)的隸屬度函數(shù)為

(47)

因此，綜合目標(biāo)函數(shù)為

minF=ω1F1+ω2F2

(48)

式中ω1、ω2分別為系統(tǒng)運(yùn)行成本、環(huán)境成本權(quán)重系數(shù)，且ω1+ω2=1。

4 求解算法

針對(duì)考慮不確定性的綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型，本文運(yùn)用模糊C均值及綜合質(zhì)量評(píng)估方法(FCM-CCQ)與改進(jìn)的粒子群算法相結(jié)合進(jìn)行求解。在單目標(biāo)優(yōu)化階段，利用模糊C均值及綜合質(zhì)量評(píng)估方法將不確定性問(wèn)題轉(zhuǎn)化為確定性問(wèn)題，通過(guò)選取多組風(fēng)電機(jī)組出力歷史數(shù)據(jù)進(jìn)行聚類(lèi)分析，將歷史出力數(shù)據(jù)聚類(lèi)為幾個(gè)典型場(chǎng)景數(shù)目，在不同典型場(chǎng)景中尋求單目標(biāo)函數(shù)最優(yōu)解。在多目標(biāo)優(yōu)化調(diào)度模型求解階段，基于單目標(biāo)函數(shù)最優(yōu)解結(jié)果，初始化粒子適應(yīng)度，利用改進(jìn)的粒子群算法(improved particle swarm optimization，IPSO)同時(shí)兼顧系統(tǒng)運(yùn)行成本及環(huán)境成本，在多維解空間中構(gòu)造所謂的“粒子群”，粒子群中每個(gè)粒子通過(guò)跟蹤自己和群體發(fā)現(xiàn)最優(yōu)值，不斷修正自己的前進(jìn)方向和速度，從而找尋最優(yōu)解。算法求解流程如圖2所示。

圖2 多目標(biāo)調(diào)度優(yōu)化模型求解流程Figure 2 Process chart of the multi-objective scheduling optimization model

更新后粒子的速度和位移、權(quán)重表示方法為

vi(t+1)=ωvi(t)+

a1R1[Xi-xi(t)]+a2R2[Xg-xi(t)]

(49)

xi(t+1)=xi(t)+vi(t+1)

(50)

ω=μ+θN(0,1)

(51)

μ=μmin+(μmax-μmin)rand(0,1)

(52)

式(49)～(52)中ω為慣性權(quán)重因子；θ、μ分別為隨即權(quán)重方差和均值；μmax、μmin分別為隨機(jī)權(quán)重的均值最大、最小值；a1、a2為學(xué)習(xí)因子；R1、R2為[0,1]之間的隨機(jī)數(shù)；xi(t)、vi(t)分別為第i個(gè)粒子在t時(shí)刻的位置和速度；Xi為第i個(gè)粒子目前搜索到的最優(yōu)位置；Xg為所有粒子搜索到的最優(yōu)位置；N(0,1)為標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)；rand(0,1)為0～1之間的隨機(jī)數(shù)。

5 算例分析

5.1 基礎(chǔ)數(shù)據(jù)

為驗(yàn)證模型的有效性，本文選取北方某工業(yè)園區(qū)為背景進(jìn)行算例分析。天然氣網(wǎng)絡(luò)運(yùn)行約束和儲(chǔ)氣罐的具體參數(shù)見(jiàn)文獻(xiàn)[14-15]。結(jié)合該省實(shí)際價(jià)格并參照國(guó)內(nèi)外成熟供能市場(chǎng)綜合折算[16-17]，園區(qū)內(nèi)部及外部供能價(jià)格如表1所示，園區(qū)系統(tǒng)主要設(shè)備參數(shù)如表2所示[18]。

表1 電/氣分時(shí)價(jià)格Table 1 Time-of-use price of electricity and gas

表2 園區(qū)綜合能源系統(tǒng)設(shè)備主要參數(shù)Table 2 Parameters of devices in the park multi-energy systems

系統(tǒng)內(nèi)部風(fēng)電機(jī)組裝機(jī)容量為30 MW、微型燃?xì)廨啓C(jī)機(jī)組裝機(jī)容量為6 MW、儲(chǔ)能裝機(jī)容量為5 MW。多目標(biāo)粒子群算法中，粒子種群數(shù)目為200，混沌搜索代數(shù)為100，算法最高迭代次數(shù)為400；微型燃?xì)廨啓C(jī)發(fā)電模型中，天然氣高熱值為10.8 (kW·h)/m3[13]。參考文獻(xiàn)[18]，設(shè)置主網(wǎng)單位發(fā)電量的CO2排放系數(shù)為1.19 kg/(kW·h)，微型燃?xì)廨啓C(jī)CO2排放系數(shù)為0.68 kg/(kW·h)，H2G裝置單位CO2捕獲系數(shù)為2.2 kg/(kW·h)，單位發(fā)電量單位CO2處置費(fèi)用為1 203元/t；風(fēng)電發(fā)電不確定模型中，切入、切出以及額定風(fēng)速分別為3、26、15 m/s，基于自然條件，結(jié)合發(fā)電模型，本文取1 h為時(shí)間步長(zhǎng)，對(duì)園區(qū)一天24 h進(jìn)行優(yōu)化調(diào)度，根據(jù)風(fēng)電機(jī)組歷史出力數(shù)據(jù)和預(yù)測(cè)數(shù)值，通過(guò)設(shè)置置信度水平，確定出最佳聚類(lèi)場(chǎng)景結(jié)果為10組典型風(fēng)電出力場(chǎng)景，如圖3所示。預(yù)測(cè)園區(qū)典型日電負(fù)荷、天然氣負(fù)荷、氫負(fù)荷需求量如圖4所示。

圖3 典型日風(fēng)電機(jī)組供電量Figure 3 Wind turbine power supply of a typical day

圖4 典型日?qǐng)@區(qū)用戶(hù)電—?dú)狻獨(dú)湄?fù)荷需求Figure 4 Electricity-gas-hydrogen load demand of a park user in a typical day

在綜合能源系統(tǒng)實(shí)際運(yùn)行過(guò)程中，需要同時(shí)考慮系統(tǒng)運(yùn)行成本和環(huán)境成本，通過(guò)調(diào)整單個(gè)優(yōu)化目標(biāo)權(quán)重來(lái)求解綜合目標(biāo)最優(yōu)解，為量化分析系統(tǒng)內(nèi)部風(fēng)電機(jī)組出力不確定性對(duì)系統(tǒng)成本的影響，通過(guò)設(shè)置不同置信度水平反映系統(tǒng)對(duì)風(fēng)險(xiǎn)的規(guī)避程度。本文基于不同置信度水平設(shè)置目標(biāo)函數(shù)權(quán)重，選取6種典型情況進(jìn)行對(duì)比，如表3所示。

表3 情景設(shè)定Table 3 Scenario setting

隨著環(huán)境成本權(quán)重系數(shù)的增加，系統(tǒng)內(nèi)部機(jī)組將承擔(dān)更多的由于風(fēng)電出力不確定性造成的功率調(diào)整，基于目標(biāo)函數(shù)的權(quán)重設(shè)定，參考文獻(xiàn)[18]，設(shè)置系統(tǒng)各單元所承擔(dān)的由于風(fēng)電出力不確定性造成的功率調(diào)整系數(shù)，如表4所示。

表4 功率調(diào)整系數(shù)設(shè)置Table 4 Setting of power adjustment coefficient

5.2 結(jié)果分析

為更好分析風(fēng)力發(fā)電不確定性對(duì)綜合能源系統(tǒng)運(yùn)行成本、環(huán)境成本2個(gè)目標(biāo)造成的影響以及在考慮目標(biāo)函權(quán)重時(shí)混合儲(chǔ)能系統(tǒng)對(duì)綜合能源系統(tǒng)協(xié)調(diào)優(yōu)化運(yùn)行的影響，本節(jié)通過(guò)設(shè)置不考慮不確定性的單目標(biāo)優(yōu)化和考慮不確定性的綜合目標(biāo)優(yōu)化情景進(jìn)行對(duì)比分析。

5.2.1 不考慮不確定性的單目標(biāo)優(yōu)化結(jié)果

1)運(yùn)行成本最小的單目標(biāo)優(yōu)化結(jié)果分析。在不考慮風(fēng)電出力不確定性的條件下，以系統(tǒng)運(yùn)行成本最小為目標(biāo)，各單元出力情況如圖5所示。

圖5 運(yùn)行成本最小優(yōu)化結(jié)果Figure 5 Optimization results with minimum operating cost

在23：00—05：00時(shí)段，風(fēng)電機(jī)組處于出力高峰期，在滿(mǎn)足系統(tǒng)電負(fù)荷的基礎(chǔ)上，混合儲(chǔ)能系統(tǒng)通過(guò)電制氫過(guò)程，滿(mǎn)足系統(tǒng)氫負(fù)荷需求，并通過(guò)氫轉(zhuǎn)天然氣進(jìn)一步消納系統(tǒng)風(fēng)電，在滿(mǎn)足系統(tǒng)氣負(fù)荷的基礎(chǔ)上，以天然氣的形式進(jìn)行能量存儲(chǔ)。同時(shí)，由于儲(chǔ)能系統(tǒng)運(yùn)行成本較高，為實(shí)現(xiàn)運(yùn)行成本最小，儲(chǔ)能系統(tǒng)將無(wú)法發(fā)揮最大效用，系統(tǒng)內(nèi)仍存在大量棄風(fēng)電量。

在05：00—07：00時(shí)段，風(fēng)電機(jī)組出力減小，系統(tǒng)負(fù)荷增多，此時(shí)外部電價(jià)處于谷時(shí)段，微型燃?xì)廨啓C(jī)單位運(yùn)行成本和儲(chǔ)能發(fā)電成本均高于外購(gòu)電成本，由于僅考慮系統(tǒng)運(yùn)行成本，所以剩余負(fù)荷均由外網(wǎng)購(gòu)入。

在07：00—18：00時(shí)段，風(fēng)電機(jī)組出力難以滿(mǎn)足系統(tǒng)負(fù)荷需求，外部電價(jià)處于峰、平時(shí)段，系統(tǒng)將優(yōu)先采取微型燃?xì)廨啓C(jī)發(fā)電，剩余電力由外網(wǎng)購(gòu)入。受峰時(shí)段外部高電價(jià)影響，為減少購(gòu)電成本，系統(tǒng)將進(jìn)一步啟動(dòng)燃料電池裝置進(jìn)行放電。

在18：00—23：00時(shí)段，外購(gòu)電價(jià)處于平時(shí)段，微型燃?xì)廨啓C(jī)受爬坡等功率限制，出力減小，剩余電量主要通過(guò)外部購(gòu)電補(bǔ)足。

2)環(huán)境成本最小的單目標(biāo)優(yōu)化結(jié)果分析。以環(huán)境成本最小為目標(biāo)，各單元出力如圖6所示，棄風(fēng)電量始終為零。在22：00—05：00時(shí)段，存在大量未消納風(fēng)電，為提高系統(tǒng)環(huán)境效益，混合儲(chǔ)能系統(tǒng)將通過(guò)電轉(zhuǎn)氫和氫轉(zhuǎn)天然氣兩階段進(jìn)行高效率的能量轉(zhuǎn)換。在05：00—23：00時(shí)段，由于風(fēng)電出力難以滿(mǎn)足系統(tǒng)負(fù)荷需求，系統(tǒng)優(yōu)先采用燃料電池發(fā)電，不足部分由微型燃?xì)廨啓C(jī)和外網(wǎng)補(bǔ)足。由于微型燃?xì)廨啓C(jī)的環(huán)境成本低于外購(gòu)電，系統(tǒng)將不受外部分時(shí)電價(jià)影響，優(yōu)先采用微型燃?xì)廨啓C(jī)發(fā)電，系統(tǒng)負(fù)荷量缺額由外購(gòu)電量補(bǔ)足。

圖6 環(huán)境成本最小優(yōu)化結(jié)果Figure 6 Optimization results of minimum environmental cost

3)單目標(biāo)優(yōu)化結(jié)果對(duì)比分析。以運(yùn)行成本最小為目標(biāo)時(shí)，系統(tǒng)受外購(gòu)分時(shí)電價(jià)影響，外購(gòu)電的優(yōu)先級(jí)高于微型燃?xì)廨啓C(jī)發(fā)電；以環(huán)境成本最小為目標(biāo)時(shí)，由于微型燃?xì)廨啓C(jī)發(fā)電的單位碳排放量低于外部發(fā)電，系統(tǒng)將優(yōu)先采用微型燃?xì)廨啓C(jī)發(fā)電，因此，以環(huán)境成本最小為優(yōu)化目標(biāo)的系統(tǒng)氣負(fù)荷量將高于以運(yùn)行成本最小為優(yōu)化目標(biāo)的氣負(fù)荷量，以環(huán)境成本最小為目標(biāo)的系統(tǒng)日氣負(fù)荷量為177 119.0 m3，以運(yùn)行成本最小為目標(biāo)的系統(tǒng)日氣負(fù)荷量為166 854.4 m3，各時(shí)段氣負(fù)荷需求如圖7所示。在風(fēng)電出力高峰期，系統(tǒng)氣負(fù)荷主要來(lái)源于用戶(hù)的用氣需求，微型燃?xì)廨啓C(jī)處于待機(jī)狀態(tài)，2條單目標(biāo)優(yōu)化曲線(xiàn)基本重合；在05：00以后，受微型燃?xì)廨啓C(jī)出力影響，2條氣負(fù)荷曲線(xiàn)出現(xiàn)波動(dòng)，但由于微型燃?xì)廨啓C(jī)裝機(jī)容量限制，兩者沒(méi)有顯著差異。

圖7 系統(tǒng)天然氣凈負(fù)荷單目標(biāo)優(yōu)化結(jié)果Figure 7 Single-target optimization for the system natural gas net load

單目標(biāo)成本優(yōu)化結(jié)果對(duì)比如表5所示，當(dāng)以運(yùn)行成本最小為優(yōu)化目標(biāo)時(shí)，系統(tǒng)棄風(fēng)量為36.64 MW·h，一方面，系統(tǒng)采用成本更低的外購(gòu)低谷電，減少微型燃?xì)廨啓C(jī)的發(fā)電成本；另一方面，由電轉(zhuǎn)天然氣合成的CH4減少了天然氣購(gòu)買(mǎi)成本，系統(tǒng)總運(yùn)行成本顯著降低。當(dāng)以環(huán)境成本最小為優(yōu)化目標(biāo)時(shí)，系統(tǒng)出力優(yōu)先級(jí)為風(fēng)電機(jī)組最高，然后依次為儲(chǔ)能系統(tǒng)、微型燃?xì)廨啓C(jī)、外網(wǎng)購(gòu)電，系統(tǒng)風(fēng)電均被消納，因此，系統(tǒng)運(yùn)行成本增加至12.847 8萬(wàn)元，而環(huán)境成本減小至8.537 0萬(wàn)元。

表5 單目標(biāo)優(yōu)化結(jié)果對(duì)比Table 5 Comparison of single-target optimization results

由于進(jìn)行單目標(biāo)優(yōu)化時(shí)未考慮風(fēng)電機(jī)組不確定性，系統(tǒng)內(nèi)部機(jī)組出力較為穩(wěn)定，優(yōu)化目標(biāo)不同時(shí)對(duì)運(yùn)行成本的影響僅是各機(jī)組之間的出力調(diào)控。其中，運(yùn)行成本及環(huán)境成本主要組成成分如表6所示。

由表6可知，當(dāng)環(huán)境成本最小時(shí)，在風(fēng)電出力高峰期，系統(tǒng)將通過(guò)儲(chǔ)能系統(tǒng)利用風(fēng)電進(jìn)行能源的多類(lèi)型轉(zhuǎn)化，從而達(dá)到風(fēng)電完全消納的目的；在風(fēng)力發(fā)電低谷期，系統(tǒng)將充分調(diào)動(dòng)微型燃?xì)廨啓C(jī)機(jī)組和混合儲(chǔ)能設(shè)備，以滿(mǎn)足內(nèi)部負(fù)荷需求。因此，相較于以運(yùn)行成本最小為優(yōu)化目標(biāo)的情景，以環(huán)境成本最小為優(yōu)化目標(biāo)時(shí)，系統(tǒng)內(nèi)部燃?xì)廨啓C(jī)機(jī)組及混合儲(chǔ)能運(yùn)行成本顯著增加，外部購(gòu)電成本由60 097.92元減少至39 235.82元，且微型燃?xì)廨啓C(jī)機(jī)組的CO2產(chǎn)出成本由72 494.70元增加至93 583.78元，外部購(gòu)電CO2產(chǎn)出成本由93 452.89元減少至58 279.21元。

表6 單目標(biāo)優(yōu)化成本主要組成部分Table 6 Main components of single-objective optimization cost

5.2.2 考慮不確定性的綜合目標(biāo)優(yōu)化結(jié)果

根據(jù)優(yōu)化調(diào)度模型，選取圖3中風(fēng)電出力6種典型情景進(jìn)行優(yōu)化，隨著置信度水平的增加，同一權(quán)重水平下綜合目標(biāo)函數(shù)值趨向更優(yōu)。在同一置信水平下，環(huán)境成本權(quán)重的增加將導(dǎo)致綜合目標(biāo)函數(shù)值增加，結(jié)果如表7所示。

表7 多情景優(yōu)化調(diào)度結(jié)果Table 7 Multi-scenario optimal scheduling results

由于綜合目標(biāo)優(yōu)化中考慮系統(tǒng)中風(fēng)電出力不確定性，因此優(yōu)化結(jié)果相比于未考慮系統(tǒng)不確定性的單目標(biāo)優(yōu)化結(jié)果，系統(tǒng)運(yùn)行成本、環(huán)境成本在不同置信度水平下均有不同程度的增加，較明顯地反映了系統(tǒng)不確定性對(duì)系統(tǒng)運(yùn)行經(jīng)濟(jì)效益、環(huán)境效益的影響。同時(shí)，隨著置信度水平的提高，系統(tǒng)決策者對(duì)風(fēng)險(xiǎn)的接納程度增加，系統(tǒng)不確定性增加，風(fēng)電出力波動(dòng)性增強(qiáng)，受系統(tǒng)成本目標(biāo)的限制，系統(tǒng)內(nèi)部棄風(fēng)電量增加。

1)同一置信水平優(yōu)化結(jié)果分析。對(duì)比同一置信度水平下不同目標(biāo)函數(shù)權(quán)重優(yōu)化結(jié)果，如圖8～10所示。以情景5、6為主要對(duì)象進(jìn)行分析，當(dāng)環(huán)境成本權(quán)重增加時(shí)，系統(tǒng)棄風(fēng)電量由16.42 MW減少至11.72 MW，微型燃?xì)廨啓C(jī)出力由65.20 MW增加至75.90 MW，外購(gòu)電量由81.95 MW減少至56.32 MW。優(yōu)化結(jié)果中運(yùn)行成本由138 145.88元增加至144 121.96元，環(huán)境成本由96 308.34元減少至94 995.77元，同時(shí)系統(tǒng)綜合目標(biāo)函數(shù)值由0.694 3增加至0.740 0。

圖8 置信度85%下不同目標(biāo)函數(shù)權(quán)重優(yōu)化結(jié)果Figure 8 Optimization results of different objective function weights at the 85% confidence level

圖9 置信度90%下不同目標(biāo)函數(shù)權(quán)重優(yōu)化結(jié)果Figure 9 Optimization results of different objective function weights at the 90% confidence level

圖10 置信度95%下不同目標(biāo)函數(shù)權(quán)重優(yōu)化結(jié)果Figure 10 Optimization results of different objective function weights at the 95% confidence level

當(dāng)環(huán)境成本函數(shù)權(quán)重增加時(shí)，在風(fēng)電出力低谷期，系統(tǒng)將增加微型燃?xì)廨啓C(jī)機(jī)組和混合儲(chǔ)能系統(tǒng)出力，減少外部購(gòu)電量，因此系統(tǒng)內(nèi)部出力增加將導(dǎo)致運(yùn)行成本增加；在風(fēng)電出力高峰期，系統(tǒng)在滿(mǎn)足基礎(chǔ)電負(fù)荷需求的基礎(chǔ)上，將增加混合儲(chǔ)能系統(tǒng)出力，混合儲(chǔ)能運(yùn)行成本增加，混合儲(chǔ)能設(shè)備第1階段以電轉(zhuǎn)氫為主進(jìn)行能量轉(zhuǎn)化，可滿(mǎn)足系統(tǒng)氫負(fù)荷需求，第2階段以電轉(zhuǎn)天然氣為主，在滿(mǎn)足系統(tǒng)氣負(fù)荷需求的基礎(chǔ)上，能通過(guò)從外部捕獲CO2，實(shí)現(xiàn)CO2負(fù)排放，混合儲(chǔ)能系統(tǒng)能量階梯利用的環(huán)境效益得以發(fā)揮。同時(shí)，隨著環(huán)境成本函數(shù)權(quán)重增加，系統(tǒng)棄風(fēng)電量減少，能源利用效率提高。因此，考慮系統(tǒng)不確定性的綜合目標(biāo)成本函數(shù)較好地協(xié)調(diào)了運(yùn)行成本與環(huán)境成本之間的平衡關(guān)系，同時(shí)量化了系統(tǒng)不確定性帶來(lái)的經(jīng)濟(jì)損失，比不考慮不確定性的單目標(biāo)模型更具有實(shí)際應(yīng)用意義。

2)同一權(quán)重系數(shù)優(yōu)化結(jié)果分析。對(duì)比同一權(quán)重系數(shù)下不同置信度水平系統(tǒng)優(yōu)化結(jié)果，以情景2、4、6為例，隨著置信度水平的提高，系統(tǒng)將增大儲(chǔ)能出力以提供備用服務(wù)，情景2儲(chǔ)能充放電為36.06 MW，綜合目標(biāo)函數(shù)值為0.933 5；情景4儲(chǔ)能充放電總值為41.33 MW，綜合目標(biāo)函數(shù)值為0.852 0；情景6儲(chǔ)能充放電總值為52.77 MW，綜合目標(biāo)函數(shù)值為0.740 0。

因此，兩階段混合儲(chǔ)能能夠有效地提高園區(qū)系統(tǒng)調(diào)度的靈活性，減少風(fēng)電不確定性對(duì)園區(qū)各單元出力的影響，使系統(tǒng)優(yōu)化結(jié)果趨向更優(yōu)。一方面，由于儲(chǔ)能系統(tǒng)具有較高的運(yùn)行成本，需要合理確定系統(tǒng)運(yùn)行成本和環(huán)境成本權(quán)重水平，發(fā)揮儲(chǔ)能系統(tǒng)的環(huán)保價(jià)值，尋求系統(tǒng)綜合效益最優(yōu)；另一方面，置信水平的增加使得系統(tǒng)優(yōu)化調(diào)度結(jié)果趨向更優(yōu)，說(shuō)明在含不確定性電源出力的綜合能源系統(tǒng)優(yōu)化調(diào)度中，想要獲得較優(yōu)的優(yōu)化方案，則需要承擔(dān)較高的風(fēng)險(xiǎn)。因此，系統(tǒng)決策者需要明確風(fēng)險(xiǎn)厭惡水平，通過(guò)設(shè)置可接受的置信度水平，求解可接受風(fēng)險(xiǎn)范圍內(nèi)的優(yōu)化調(diào)度方案。

6 結(jié)語(yǔ)

為了提高綜合能源系統(tǒng)能源利用效率，分析風(fēng)電機(jī)組出力不確定性為系統(tǒng)調(diào)度帶來(lái)的風(fēng)險(xiǎn)，本文構(gòu)建了綜合能源系統(tǒng)運(yùn)行成本最小和環(huán)境成本最小的多目標(biāo)優(yōu)化調(diào)度模型，并利用系統(tǒng)的天然氣網(wǎng)絡(luò)，結(jié)合P2G裝置，實(shí)現(xiàn)棄風(fēng)電量的多級(jí)利用。研究結(jié)果如下。

1)氫能—天然氣混合儲(chǔ)能系統(tǒng)以電為基礎(chǔ)，通過(guò)第1階段電—?dú)滢D(zhuǎn)化和第2階段電—?dú)廪D(zhuǎn)化，有效地實(shí)現(xiàn)了系統(tǒng)內(nèi)部能源轉(zhuǎn)化，滿(mǎn)足系統(tǒng)多類(lèi)型能源需求。隨著環(huán)境成本權(quán)重系數(shù)的增加，混合儲(chǔ)能系統(tǒng)通過(guò)增大電氣轉(zhuǎn)化量，能有效增加系統(tǒng)可再生能源消納能力，降低棄風(fēng)電量，具有較高的環(huán)保價(jià)值。

2)系統(tǒng)運(yùn)行成本最小優(yōu)化目標(biāo)與環(huán)境成本最小優(yōu)化目標(biāo)存在對(duì)立性，當(dāng)以運(yùn)行成本最小為優(yōu)化目標(biāo)時(shí)，由于混合儲(chǔ)能系統(tǒng)的運(yùn)行成本較高，混合儲(chǔ)能系統(tǒng)工作效率受成本的限制，無(wú)法有效消納可再生能源，造成系統(tǒng)存在棄風(fēng)電量；當(dāng)以環(huán)境成本最小為優(yōu)化目標(biāo)時(shí)，將更好地發(fā)揮系統(tǒng)中混合儲(chǔ)能系統(tǒng)的作用，通過(guò)能源轉(zhuǎn)化實(shí)現(xiàn)系統(tǒng)棄風(fēng)電量完全消納；在多目標(biāo)優(yōu)化中，混合儲(chǔ)能系統(tǒng)的運(yùn)行雖然增加了系統(tǒng)運(yùn)行成本，但實(shí)現(xiàn)了能源多級(jí)利用，減少能量損失和棄風(fēng)電量，進(jìn)而使得綜合優(yōu)化效果更佳。

3)多目標(biāo)CVaR優(yōu)化調(diào)度模型可以有效地反映風(fēng)電機(jī)組不確定性出力為系統(tǒng)調(diào)度帶來(lái)的風(fēng)險(xiǎn)水平，利用模糊C均值及綜合質(zhì)量評(píng)估方法與改進(jìn)的粒子群算法可以簡(jiǎn)化模型的復(fù)雜程度，將不確定性問(wèn)題轉(zhuǎn)化為確定性問(wèn)題。通過(guò)設(shè)置不同置信度水平，可以得到系統(tǒng)決策者不同風(fēng)險(xiǎn)態(tài)度下的優(yōu)化調(diào)度方案。風(fēng)險(xiǎn)承受能力越強(qiáng)，系統(tǒng)綜合成本越小，調(diào)度損失、污染排放越低，優(yōu)化調(diào)度結(jié)果越優(yōu)。因此，本文所構(gòu)建的綜合能源系統(tǒng)多目標(biāo)CVaR優(yōu)化調(diào)度模型兼具經(jīng)濟(jì)與環(huán)境效益。