史 喆，梁 毅，李 華，竇文雷，齊 陽

計及靈活性多目標(biāo)電-熱-交通綜合能源系統(tǒng)區(qū)間優(yōu)化運(yùn)行

史 喆1，梁 毅1，李 華1，竇文雷2，齊 陽1

(1.國網(wǎng)遼寧省電力有限公司經(jīng)濟(jì)技術(shù)研究院，遼寧 沈陽 110000；2.國網(wǎng)遼寧省電力有限公司，遼寧 沈陽 110000)

大量新能源和電動汽車接入后，導(dǎo)致電-熱-交通綜合能源系統(tǒng)有較大的凈負(fù)荷變化，需要系統(tǒng)具有一定的靈活性以匹配源荷兩側(cè)的不確定性。如何處理不確定性與靈活性的矛盾，以及如何實(shí)現(xiàn)經(jīng)濟(jì)性和靈活性的平衡，是電-熱-交通綜合能源系統(tǒng)目前面臨的難題。鑒于此，提出一種計及靈活性多目標(biāo)電-熱-交通綜合能源系統(tǒng)區(qū)間優(yōu)化運(yùn)行模型，以經(jīng)濟(jì)成本最小和系統(tǒng)靈活性最大為目標(biāo)，綜合平衡系統(tǒng)的經(jīng)濟(jì)性和靈活性。利用區(qū)間數(shù)學(xué)描述風(fēng)電出力和電動汽車負(fù)荷的不確定性，將傳統(tǒng)等式約束轉(zhuǎn)化為區(qū)間表達(dá)的形式，使其更具合理性。利用改進(jìn)的多目標(biāo)量子免疫算法對優(yōu)化模型進(jìn)行求解。以遼北某綜合能源系統(tǒng)為例，設(shè)定3種不同場景以驗(yàn)證所提方法的有效性。

綜合能源系統(tǒng)；電動汽車；不確定性；靈活性；多目標(biāo)；區(qū)間優(yōu)化

0 引言

綜合能源系統(tǒng)(integrated energy system, IES)是實(shí)現(xiàn)“碳達(dá)峰、碳中和”的重要手段，通過其內(nèi)部能源設(shè)備實(shí)現(xiàn)能源轉(zhuǎn)換，對電、熱、氣及交通等資源實(shí)現(xiàn)整體協(xié)調(diào)，結(jié)合信息傳輸環(huán)節(jié)和控制調(diào)節(jié)環(huán)節(jié)實(shí)現(xiàn)多能系統(tǒng)的協(xié)調(diào)優(yōu)化[1-3]。隨著新能源和電動汽車(electric vehicle, EV)接入比例的不斷增加，多種能源間的相互聯(lián)系也更加緊密[4-5]。風(fēng)電、光伏等新能源出力具有間歇性、波動性等不確定性因素，影響新能源消納，造成新能源的浪費(fèi)[6-7]。電動汽車具有節(jié)能、綠色及環(huán)保的優(yōu)點(diǎn)[8]，但其時空不確定性又會影響靈活性的提升能力[9]。因此，在接入新能源和電動汽車后，如何處理不確定性與靈活性間的矛盾，以及如何實(shí)現(xiàn)經(jīng)濟(jì)性和靈活性的平衡，是當(dāng)前電-熱-交通綜合能源系統(tǒng)面臨的難題。

目前，已有相關(guān)文獻(xiàn)對含電-熱-交通綜合能源系統(tǒng)優(yōu)化運(yùn)行作了研究。文獻(xiàn)[10]針對風(fēng)電機(jī)組出力難以精準(zhǔn)預(yù)測的問題，同時考慮電網(wǎng)經(jīng)濟(jì)效益和EV聚合商的收益，建立了含風(fēng)電和電動汽車的雙層魯棒優(yōu)化調(diào)度模型。文獻(xiàn)[11]提出一種考慮風(fēng)電不確定性的熱-電耦合微能源系統(tǒng)多目標(biāo)魯棒規(guī)劃方法。文獻(xiàn)[12-13]以風(fēng)電消納最多、負(fù)荷方差最小和火電運(yùn)行成本最低為目標(biāo)，綜合考慮電功率平衡以及各設(shè)備的運(yùn)行約束，建立了考慮分時電價的電動汽車充電模型和促進(jìn)風(fēng)電消納的優(yōu)化模型。文獻(xiàn)[14-15]提出將EV與風(fēng)電協(xié)同優(yōu)化的雙層調(diào)度模型。上層以負(fù)荷方差最小和充電聚合商的運(yùn)行成本最小為目標(biāo)，下層以風(fēng)電預(yù)測出力與電動汽車充電負(fù)荷之差最小為目標(biāo)。文獻(xiàn)[16-17]對負(fù)荷的不確定性和風(fēng)電的不確定性進(jìn)行建模，同時考慮控制電動汽車接入系統(tǒng)的時間和降低系統(tǒng)的碳排放，搭建了以碳排放最小為目標(biāo)的優(yōu)化模型。文獻(xiàn)[17]建立了考慮經(jīng)濟(jì)與碳排放的電-氣-熱-氫綜合能源系統(tǒng)日前調(diào)度模型。文獻(xiàn)[18-19]建立了兩階段魯棒優(yōu)化模型處理風(fēng)光負(fù)荷的不確定性。文獻(xiàn)[20-21]利用隨機(jī)優(yōu)化理論應(yīng)對來自風(fēng)電、光伏、電動汽車負(fù)荷的不確定性，建立虛擬電廠的優(yōu)化模型。文獻(xiàn)[22-23]考慮火電機(jī)組燃料成本、風(fēng)電輸出的不確定性成本和車-網(wǎng)服務(wù)成本，建立了電網(wǎng)與用戶協(xié)同調(diào)度模型。上述文獻(xiàn)對于新能源的出力及負(fù)荷波動的問題，主要以魯棒優(yōu)化和隨機(jī)優(yōu)化進(jìn)行不確定性的建模，但魯棒優(yōu)化的結(jié)果過于保守，對系統(tǒng)經(jīng)濟(jì)性可能產(chǎn)生不利影響；隨機(jī)優(yōu)化又因?yàn)樵趯?shí)際中難以獲得精確的概率分布，優(yōu)化結(jié)果往往存在較大風(fēng)險；而區(qū)間優(yōu)化無需獲取精確的概率分布模型，且可以突出不確定參數(shù)對系統(tǒng)的影響，具有較好的效果。

此外，現(xiàn)有對電-熱-交通綜合能源系統(tǒng)優(yōu)化問題的研究以系統(tǒng)經(jīng)濟(jì)性為目標(biāo)，靈活性評估往往以優(yōu)化后的評價形式出現(xiàn)，或以加權(quán)相加的形式與經(jīng)濟(jì)性共同作為單個優(yōu)化目標(biāo)，然而權(quán)重的人為選擇具有隨機(jī)性，無法保證其經(jīng)濟(jì)性和靈活性的平衡，難以得到最優(yōu)解。

針對上述問題，本文提出一種計及靈活性多目標(biāo)電-熱-交通綜合能源系統(tǒng)區(qū)間優(yōu)化方法，綜合平衡系統(tǒng)的經(jīng)濟(jì)性和靈活性。建立含靈活性平衡約束的電-熱-交通綜合能源系統(tǒng)優(yōu)化運(yùn)行模型，利用區(qū)間數(shù)學(xué)描述風(fēng)電出力和電動汽車負(fù)荷的不確定性，將傳統(tǒng)等式約束轉(zhuǎn)化為區(qū)間表達(dá)的形式，使其更具合理性。為平衡系統(tǒng)經(jīng)濟(jì)性和系統(tǒng)靈活性，建立以經(jīng)濟(jì)運(yùn)行成本最小和系統(tǒng)靈活性最大的多目標(biāo)優(yōu)化模型，利用改進(jìn)的多目標(biāo)量子免疫算法對優(yōu)化模型進(jìn)行求解。

1 不確定性區(qū)間及靈活性平衡

1.1 不確定性區(qū)間

本文將調(diào)度周期內(nèi)各時段風(fēng)電出力和電動汽車充電功率表示為式(1)的區(qū)間形式[24]。

1.2 靈活性平衡

風(fēng)電出力的波動及電熱負(fù)荷的預(yù)測誤差造成電熱能量具有上下調(diào)需求[25]，電-熱-交通綜合能源系統(tǒng)調(diào)節(jié)每個時段的機(jī)組出力為電熱能量的供給保留裕度，滿足上述電熱能量的上下調(diào)需求，產(chǎn)生了靈活性區(qū)間。當(dāng)新能源發(fā)電和電動汽車負(fù)荷較小時，系統(tǒng)每個時段凈負(fù)荷幾乎不變，即靈活性需求較小。隨著新能源發(fā)電和電動汽車負(fù)荷的占比增大，系統(tǒng)凈負(fù)荷也將顯著變化，系統(tǒng)靈活性就具有更大需求，以滿足電熱能量的充足供給[26]。當(dāng)靈活性不滿足上述需求時，有可能出現(xiàn)切負(fù)荷或者棄風(fēng)的情況[27]。本文通過各時段靈活性需求和供應(yīng)的關(guān)系，來定義靈活性平衡，如式(2)—式(7)所示，并分別從能源供給環(huán)節(jié)、能源轉(zhuǎn)換環(huán)節(jié)和能源需求環(huán)節(jié)分析靈活性平衡[28]。

1.2.1能源供給環(huán)節(jié)

1) 熱電機(jī)組

熱電機(jī)組的可快速調(diào)節(jié)能力使其成為綜合能源系統(tǒng)中反應(yīng)能力最快的靈活性資源[29]，在出力范圍之內(nèi)，可提供向上、向下的靈活性裕度。

2) 風(fēng)電機(jī)組

雖然大規(guī)模風(fēng)電的接入會影響系統(tǒng)的穩(wěn)定運(yùn)行，但在一定條件下，風(fēng)電也可以轉(zhuǎn)化為靈活性資源，為系統(tǒng)提供一定的靈活性。在保證風(fēng)電平穩(wěn)出力的情況下，并網(wǎng)一定容量的風(fēng)電能夠降低熱電機(jī)組的出力，改善系統(tǒng)運(yùn)行狀態(tài)，從而提高系統(tǒng)的調(diào)節(jié)能力[30]。理論上，當(dāng)風(fēng)電滲透率越高時，系統(tǒng)可提供的靈活性也會越高，但因其具有不確定性又造成靈活性需求增多。因此，風(fēng)電是在一定條件下才能作為靈活性資源的，要確保不確定性和靈活性間的平衡，才可以高效地將風(fēng)電轉(zhuǎn)化為靈活性資源。

當(dāng)風(fēng)電出力可上調(diào)時，為系統(tǒng)提供向上的靈活性；反之，當(dāng)風(fēng)電出力可下調(diào)時，為系統(tǒng)提供向下的靈活性。因風(fēng)電具有一定的預(yù)測誤差，只能將其一部分作為靈活性資源。棄風(fēng)可提供向下的靈活性。

1.2.2能源轉(zhuǎn)換環(huán)節(jié)

1) 熱泵用電產(chǎn)生靈活性需求，供熱產(chǎn)生靈活性供給。

2) 電鍋爐用電產(chǎn)生靈活性需求，供熱產(chǎn)生靈活性供給。

1.2.3能源需求環(huán)節(jié)

電熱負(fù)荷和電動汽車負(fù)荷產(chǎn)生靈活性需求[31]，取前后兩個時刻的差值得到。但當(dāng)預(yù)測值和實(shí)際值相反時，計算結(jié)果會有偏差，因此對于負(fù)荷波動造成的需求，本文以電負(fù)荷為例對負(fù)荷波動定義如式(13)所示。

2 綜合能源系統(tǒng)多目標(biāo)區(qū)間優(yōu)化調(diào)度策略

本文為應(yīng)對電-熱-交通綜合能源系統(tǒng)中風(fēng)電出力和電動汽車負(fù)荷雙側(cè)的不確定性，并兼顧系統(tǒng)的經(jīng)濟(jì)性和靈活性，提出計及靈活性的綜合能源系統(tǒng)多目標(biāo)區(qū)間優(yōu)化調(diào)度策略。首先，定義區(qū)間多目標(biāo)問題表示為

2.1 計及靈活性的優(yōu)化目標(biāo)

在本文所提區(qū)間多目標(biāo)優(yōu)化模型的目標(biāo)函數(shù)中，分別考慮以煤耗成本和棄風(fēng)懲罰成本最小、以及系統(tǒng)靈活性最大兩個目標(biāo)函數(shù)，其中煤耗成本和棄風(fēng)懲罰成本均可通過價格表示，因此將二者之和作為經(jīng)濟(jì)成本。經(jīng)濟(jì)成本和系統(tǒng)靈活性具體區(qū)間表述為

1) 經(jīng)濟(jì)成本

2) 系統(tǒng)靈活性

2.2 區(qū)間優(yōu)化約束條件

1) 供電平衡約束

2) 供熱平衡約束

3) 靈活性約束

如式(2)、式(3)所示。

4) 風(fēng)電不確定性約束

5) 熱電機(jī)組約束

6) 熱泵約束

7) 電鍋爐約束

8) 電動汽車負(fù)荷不確定性約束

9) 電動汽車荷電狀態(tài)約束

2.3 基于量子免疫多目標(biāo)優(yōu)化的求解方法

經(jīng)濟(jì)目標(biāo)以價格為目標(biāo)，而系統(tǒng)靈活性以百分?jǐn)?shù)為目標(biāo)，通過加權(quán)將二者相加轉(zhuǎn)化為無具體量綱，即單目標(biāo)求解，其結(jié)果對權(quán)值敏感，人為設(shè)定的權(quán)值無法保證所得方案的合理性[33]。因此，本文首先利用約束的可信度將區(qū)間優(yōu)化問題轉(zhuǎn)化為確定優(yōu)化問題，再利用多目標(biāo)優(yōu)化方法對確定優(yōu)化問題求解[34]。

1) 區(qū)間優(yōu)化問題確定性轉(zhuǎn)化

通過引入?yún)^(qū)間可信度[35]，判斷個體是否滿足約束條件，進(jìn)而定義可行解、不可行解的占優(yōu)關(guān)系；通過引入?yún)^(qū)間重疊度，計算個體擁擠距離，最終構(gòu)成適用于區(qū)間多目標(biāo)優(yōu)化問題的智能求解算法。

2) 量子免疫多目標(biāo)優(yōu)化方法

本文采用一種基于量子計算與免疫系統(tǒng)的混合多目標(biāo)優(yōu)化算法(hybrid quantum-inspired immune algorithm, HQIA)對所提出的計及靈活性綜合能源系統(tǒng)多目標(biāo)區(qū)間優(yōu)化問題進(jìn)行求解，該方法采用量子比特(Q-bit)位進(jìn)行編碼，以基于混沌分布的方法進(jìn)行種群的初始化，通過混沌量子旋轉(zhuǎn)門實(shí)現(xiàn)對個體的變異以提高種群的質(zhì)量。與傳統(tǒng)的多目標(biāo)優(yōu)化方法相比，能夠找到更好的帕累托前沿，且具有更快的收斂速度。

利用HQIA算法求解的具體流程如圖1所示。

圖1 HQIA多目標(biāo)優(yōu)化算法流程圖

3 算例分析

3.1 算例說明

本文以遼北某區(qū)域綜合能源系統(tǒng)為例，包括1臺320 MW的CHP機(jī)組，1臺效率為0.9、容量為20 MW的電鍋爐，1臺COP值為3、容量為20 MW的熱泵，1個200 MW的風(fēng)電場及20 000輛電動汽車，優(yōu)化周期為24 h，單位時間尺度為1 h。

各負(fù)荷曲線如圖2所示，電負(fù)荷在09：00—11：00和18：00—20：00時段具有峰值，熱負(fù)荷也具有2個峰值，分別在06：00左右和19：00左右。電動汽車負(fù)荷區(qū)間與電負(fù)荷趨勢基本一致，如不對其進(jìn)行調(diào)整，易造成電負(fù)荷“峰上加峰”的現(xiàn)象。風(fēng)電預(yù)測出力區(qū)間如圖3所示，風(fēng)電在夜間有較大出力，也容易產(chǎn)生棄風(fēng)，因此可重點(diǎn)關(guān)注如何在這些時段消納多余的風(fēng)電。

圖2 各負(fù)荷曲線圖

圖3 風(fēng)電預(yù)測出力區(qū)間圖

為了對比分析不同優(yōu)化方法和多目標(biāo)處理對區(qū)域綜合能源系統(tǒng)風(fēng)電消納能力、經(jīng)濟(jì)性及靈活性的影響，本節(jié)構(gòu)建了3種場景，如表1所示。

表1 實(shí)驗(yàn)場景

其中，“經(jīng)濟(jì)性+靈活性”指在人為賦權(quán)重的情況下，由0.1～0.9依次窮舉；“經(jīng)濟(jì)性、靈活性多目標(biāo)”指在全局情況下，不存在人為賦值的主觀性。

3.2 仿真結(jié)果分析

表2為3種場景各項指標(biāo)的對比，可見，在場景I中，魯棒優(yōu)化僅能解決單側(cè)的不確定性描述，且預(yù)測結(jié)果較為保守，因此其棄風(fēng)量相對較高。在場景II中，利用區(qū)間優(yōu)化描述源荷雙側(cè)的不確定性后，其經(jīng)濟(jì)成本比場景I減少了18 993元，經(jīng)濟(jì)節(jié)約率達(dá)到5.83%，棄風(fēng)量也比場景I少，棄風(fēng)率可減小到6.63%。靈活性整體來說并無大的提升。而場景Ⅲ在考慮多目標(biāo)區(qū)間優(yōu)化后，經(jīng)濟(jì)性和靈活性均有顯著提升，其中經(jīng)濟(jì)節(jié)約率為13.22%，棄風(fēng)率減小到5.64%，靈活性提高了7.5%，實(shí)現(xiàn)了靈活性和經(jīng)濟(jì)性的平衡。

表2 仿真結(jié)果各項指標(biāo)對比

1) 場景 Ⅰ 電負(fù)荷平衡(圖4)

圖4 場景I電負(fù)荷平衡

在場景I中，利用魯棒優(yōu)化的方法處理風(fēng)電出力的不確定性，在02：00—16：00時段內(nèi)，CHP機(jī)組電出力幾乎以機(jī)組出力下限運(yùn)行，最大限度地為風(fēng)電提供上網(wǎng)空間。在01：00—08：00時段內(nèi)，電鍋爐和熱泵在保證熱量供應(yīng)平衡的前提下消納多余風(fēng)電，整個調(diào)度周期內(nèi)的棄風(fēng)量為232.24 MWh，主要集中在00：00—06：00和12：00—14：00兩個時段。

2) 場景 Ⅱ 電負(fù)荷平衡(圖5)

在場景II中，考慮區(qū)間優(yōu)化方法處理源荷的不確定性，相較于場景I，該場景的風(fēng)電出力增大，這是由于區(qū)間優(yōu)化對源荷不確定性的處理，使得結(jié)果更加接近實(shí)際情況，電動汽車出力區(qū)間也進(jìn)一步調(diào)整，為風(fēng)電消納提供空間。

場景 Ⅲ 在考慮多目標(biāo)區(qū)間優(yōu)化后，其經(jīng)濟(jì)節(jié)約率為13.22%，棄風(fēng)率下降到5.64%，得到全局最優(yōu)結(jié)果。

圖5 場景II電負(fù)荷平衡

3) 場景 Ⅲ 電負(fù)荷平衡(圖6)

3.3 靈活性分析

為了直觀分析靈活性，本文從靈活性供需關(guān)系和靈活性裕量兩個角度進(jìn)行分析，其中靈活性裕量為靈活性供給與需求的差值。

圖7為場景I的靈活性供需關(guān)系，各時段的靈活性供給均滿足靈活性需求。圖8為場景I的靈活性裕量，在11：00—12：00、16：00—18：00以及21：00—23：00時段內(nèi)靈活性裕量較小，若此時系統(tǒng)電源遇到故障或需要切負(fù)荷時，很難保證系統(tǒng)的運(yùn)行狀態(tài)可以快速跟上系統(tǒng)靈活性需求的變化。

圖9為場景II的靈活性供需關(guān)系，與場景I對比，在18：00—19：00和21：00—22：00時段內(nèi)的靈活性供給水平有明顯提升。圖10為場景II的靈活性裕量，在16：00和23：00兩個時刻的靈活性裕量幾乎為0，而其他時刻則保留了較大的靈活性裕量，總靈活性裕量要比場景I多29.1963 MWh。這是由于這個時段電動汽車負(fù)荷的平移將系統(tǒng)總負(fù)荷曲線進(jìn)行了調(diào)整，各機(jī)組之間的協(xié)調(diào)出力為系統(tǒng)靈活性的提高提供了條件。

圖7 場景I的靈活性供需關(guān)系

圖8 場景I的靈活性裕量

圖9 場景II的靈活性供需關(guān)系

圖10 場景II的靈活性裕量

圖11為場景 Ⅲ 的靈活性供需關(guān)系，與場景II對比，在18：00—21：00時段的靈活性供給水平有明顯提升。圖12為場景 Ⅲ 的靈活性裕量，與場景II對比，23：00時的靈活性裕量明顯增大，不再為0。在18：00—21：00時段內(nèi)的靈活性裕量也有所提升，為系統(tǒng)保留了很大的靈活性裕量，總靈活性裕量要比場景II多18.5191 MWh?？紤]多目標(biāo)優(yōu)化可為靈活性提升提供條件，得到全局最優(yōu)結(jié)果。

圖11 場景 III 的靈活性供需關(guān)系

圖12 場景III的靈活性裕量

4 結(jié)論

本文兼顧經(jīng)濟(jì)性和靈活性，提出一種多目標(biāo)電-熱-交通綜合能源系統(tǒng)區(qū)間優(yōu)化運(yùn)行方法。采用區(qū)間數(shù)學(xué)描述風(fēng)電出力和電動汽車負(fù)荷的不確定性，以經(jīng)濟(jì)性和靈活性作為優(yōu)化目標(biāo)建立多目標(biāo)優(yōu)化調(diào)度模型，采用多樣性保持能力較強(qiáng)的量子免疫算法進(jìn)行求解。通過3種場景的對比驗(yàn)證了所提方法可有效處理源荷雙側(cè)的不確定性，降低系統(tǒng)運(yùn)行成本的同時提高了系統(tǒng)的靈活性，實(shí)現(xiàn)了經(jīng)濟(jì)性和靈活性的平衡。

[1] 楊海柱, 李夢龍, 江昭陽, 等. 考慮需求側(cè)電熱氣負(fù)荷響應(yīng)的區(qū)域綜合能源系統(tǒng)優(yōu)化運(yùn)行[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(10): 30-37.

YANG Haizhu, LI Menglong, JIANG Zhaoyang, et al. Optimal operation of regional integrated energy system considering demand side electricity heat and natural-gas loads response[J]. Power System Protection and Control, 2020, 48(10): 30-37.

[2] LU Xiaojun, WANG Jun, LIU Gang, et al. Station- and-network-coordinated planning of integrated energy system considering integrated demand response[J]. Global Energy Interconnection, 2021, 4(1): 39-47.

[3] LI Jiaxi, WANG Dan, JIA Hongjie, et al. Prospects of key technologies of integrated energy systems for rural electrification in China[J]. Global Energy Interconnection, 2021, 4(1): 3-17.

[4] 李更豐, 別朝紅, 王睿豪, 等. 綜合能源系統(tǒng)可靠性評估的研究現(xiàn)狀及展望[J]. 高電壓技術(shù), 2017, 43(1): 114-121.

LI Gengfeng, BIE Zhaohong, WANG Ruihao, et al. Research status and prospects on reliability evaluation of integrated energy system[J]. High Voltage Engineering, 2017, 43(1): 114-121.

[5] 朱劉柱, 尹晨旭, 王寶, 等. 面向能源轉(zhuǎn)型的綜合能源業(yè)務(wù)布局及發(fā)展研究[J]. 供用電, 2021, 38(9): 28-34.

ZHU Liuzhu, YIN Chenxu, WANG Bao, et al. Research on comprehensive energy business layout and development suggestions for energy transition[J]. Distribution & Utilization, 2021, 38(9): 28-34.

[6] 吳建中. 歐洲綜合能源系統(tǒng)發(fā)展的驅(qū)動與現(xiàn)狀[J]. 電力系統(tǒng)自動化, 2016, 40(5): 1-7.

WU Jianzhong. Drivers and state-of-the-art of integrated energy systems in Europe[J]. Automation of Electric Power Systems, 2016, 40(5): 1-7.

[7] 杜永峰. 計及風(fēng)光不確定性的電氣熱綜合能源系統(tǒng)日前區(qū)間優(yōu)化[J]. 熱力發(fā)電, 2022, 51(2): 85-91.

DU Yongfeng. Day-ahead interval optimization of electricity-gas-heat integrated energy system considering uncertainty of wind and PV[J]. Thermal Power Generation, 2022, 51(2): 85-91.

[8] MWASILU F, JUSTO J J, KIM E K, et al. Electric vehicles and smart grid interaction: a review on vehicle to grid and renewable energy sources integration[J]. Renewable and Sustainable Energy Reviews, 2014, 34: 501-516.

[9] LIU Hang, NIE Shilin. Low carbon scheduling optimization of flexible integrated energy system considering CVaR and energy efficiency[J]. Sustainability, 2019, 11(19).

[10] 胡福年, 徐偉成, 陳軍. 計及電動汽車充電負(fù)荷的風(fēng)電-光伏-光熱聯(lián)合系統(tǒng)協(xié)調(diào)調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(13): 10-20.

HU Funian, XU Weicheng, CHEN Jun. Coordinated scheduling of wind power photovoltaic solar thermal combined system considering electric vehicle charging load[J]. Power System Protection and Control, 2021, 49(13): 10-20.

[11] 張敏, 王金浩, 常瀟, 等. 考慮可再生能源不確定性的熱-電耦合微能源系統(tǒng)多目標(biāo)魯棒規(guī)劃方法[J]. 中國電力, 2021, 54(4): 119-129, 140.

ZHANG Min, WANG Jinhao, CHANG Xiao, et al. A multi-objective robust planning method for thermal- electrical coupling micro-energy system considering the uncertainty of renewable energy[J]. Electric Power, 2021, 54(4): 119-129, 140.

[12] 孫波, 孫佳佳, 董浩. 基于分時充電電價的電動汽車消納風(fēng)電的機(jī)組調(diào)度優(yōu)化模型[J]. 可再生能源, 2017, 35(1): 110-118.

SUN Bo, SUN Jiajia, DONG Hao. Unit dispatch optimization model of electrical vehicle to accommodate the wind power based on time-of-use charging price[J]. Renewable Energy Resources, 2017, 35(1): 110-118.

[13] HUANG Zhao, FANG Baling, DENG Jin. Multi-objective optimization strategy for distribution network considering V2G enabled electric vehicles in building integrated energy system[J]. Protection and Control of Modern Power Systems, 2020, 5(1): 48-55.

[14] 黃景光, 鄭欽杰, 林湘寧, 等. 電動汽車與風(fēng)電協(xié)同入網(wǎng)的雙層優(yōu)化策略[J]. 可再生能源, 2021, 39(4): 514-520.

HUANG Jingguang, ZHENG Qinjie, LIN Xiangning, et al. A bi-layer optimal strategy of electric vehicle and wind power collaborative access to the grid[J]. Renewable Energy Resources, 2021, 39(4): 514-520.

[15] 陳忠華, 高振宇, 陳嘉敏, 等. 考慮不確定性因素的綜合能源系統(tǒng)協(xié)同規(guī)劃研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(8): 32-40.

CHEN Zhonghua, GAO Zhenyu, CHEN Jiamin, et al. Research on cooperative planning of an integrated energy system considering uncertainty[J]. Power System Protection and Control, 2021, 49(8): 32-40.

[16] JU Liwei, LI Huanhuan, ZHAO Junwei, et al. Multi- objective stochastic scheduling optimization model for connecting a virtual power plant to wind-photovoltaic- electric vehicles considering uncertainties and demand response[J]. Energy Conversion Management, 2016, 128: 160-177.

[17] 劉海濤, 朱海南, 李豐碩, 等. 計及碳成本的電-氣-熱-氫綜合能源系統(tǒng)經(jīng)濟(jì)運(yùn)行策略[J]. 電力建設(shè), 2021, 42(12): 21-29.

LIU Haitao, ZHU Hainan, LI Fengshuo, et al. Economic operation strategy of electric-gas-heat-hydrogen integrated energy system considering carbon cost[J]. Electric Power Construction, 2021, 42(12): 21-29.

[18] DING Tao, LIU Shiyu, YUAN Wei, et al. A two-stage robust reactive power optimization considering uncertain wind power integration in active distribution networks[J]. IEEE Transactions on Sustainable Energy, 2015, 7(1): 301-311.

[19] 翟晶晶, 吳曉蓓, 傅質(zhì)馨, 等. 考慮需求響應(yīng)與光伏不確定性的綜合能源系統(tǒng)魯棒優(yōu)化[J]. 中國電力, 2020, 53(8): 9-18.

ZHAI Jingjing, WU Xiaobei, FU Zhixin, et al. Robust optimization of integrated energy systems considering demand response and photovoltaic uncertainty[J]. Electric Power, 2020, 53(8): 9-18.

[20]QU Zhengwei, HOU Shuo, WANG Yunjing, et al. Synergistic optimization scheduling of a wind-thermal power system considering V2G technology based on probability model[J]. IEEJ Transactions on Electrical and Electronic Engineering, 2019, 14(2): 1008-1015.

[21] 蘇永新, 聶偉棋, 譚貌. 考慮風(fēng)電接入和氣電轉(zhuǎn)換的綜合能源系統(tǒng)日前區(qū)間優(yōu)化[J]. 電力系統(tǒng)自動化, 2019, 43(17): 63-71.

SU Yongxin, NIE Weiqi, TAN Mao. Day-ahead interval optimization of integrated energy system considering wind power integration and gas-electricity transformation[J]. Automation of Electric Power Systems, 2019, 43(17): 63-71.

[22] ZHANG Yuxian, QIAN Xiaoyi, PENG Huideng, et al. An allele real-coded quantum evolutionary algorithm based on hybrid updating strategy[J]. Computational Intelligence and Neuroscience, 2016, 50.

[23] 周建力, 烏云娜, 董昊鑫, 等. 計及電動汽車隨機(jī)充電的風(fēng)-光-氫綜合能源系統(tǒng)優(yōu)化規(guī)劃[J]. 電力系統(tǒng)自動化, 2021, 45(24): 30-40.

ZHOU Jianli, WU Yunna, DONG Haoxin, et al. Optimal planning of wind-photovoltaic-hydrogen integrated energy system considering random charging of electric vehicles[J]. Automation of Electric Power Systems, 2021, 45(24): 30-40.

[24] 韓帥, 孫樂平, 盧健斌, 等. 含電動汽車的氣電互聯(lián)虛擬電廠區(qū)間多目標(biāo)優(yōu)化調(diào)度策略[J/OL]. 儲能科學(xué)與技術(shù): 1-9[2022-03-18]. https://doi.org/10.19799/j.cnki. 2095-4239. 2021. 0611.

HAN Shuai, SUN Leping, LU Jianbin, et al. Multi-objective optimal dispatch strategy of gas-electric interconnected virtual power plant interval with electric vehicles[J/OL]. Energy Storage Science and Technology: 1-9 [2022-03-18]. https://doi.org/10.19799/j.cnki. 2095- 4239. 2021. 0611.

[25] 林文智, 楊蘋, 陳芯羽, 等. 計及需求響應(yīng)不確定性的園區(qū)綜合能源系統(tǒng)日前經(jīng)濟(jì)優(yōu)化調(diào)度[J]. 電力建設(shè), 2021, 42(12): 9-20.

LIN Wenzhi, YANG Ping, CHEN Xinyu, et al. Day-ahead optimal economic dispatch of park integrated energy system considering uncertainty of demand response[J]. Electric Power Construction, 2021, 42(12): 9-20.

[26] 高強(qiáng), 劉暢, 金道杰, 等. 考慮綜合需求響應(yīng)的園區(qū)綜合能源系統(tǒng)優(yōu)化配置[J]. 高壓電器, 2021, 57(8): 159-168.

GAO Qiang, LIU Chang, JIN Daojie, et al. Optimal configuration of park-level integrated energy system considering integrated demand response[J]. High Voltage Apparatus, 2021, 57(8): 159-168.

[27] 林鴻基, 閆園, 文福拴, 等. 高比例可再生能源電力系統(tǒng)中計及靈活調(diào)節(jié)產(chǎn)品的實(shí)時調(diào)度[J]. 電力建設(shè), 2019, 40(10): 18-27.

LIN Hongji, YAN Yuan, WEN Fushuan, et al. Real-time dispatch considering flexible ramping products in a power system with high proportion of renewable energy generation[J]. Electric Power Construction, 2019, 40(10): 18-27.

[28] 湯翔鷹, 胡炎, 耿琪, 等. 考慮多能靈活性的綜合能源系統(tǒng)多時間尺度優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動化, 2021, 45(4): 81-90.

TANG Xiangying, HU Yan, GENG Qi, et al. Multi-time- scale optimal scheduling of integrated energy system considering multi-energy flexibility[J]. Automation of Electric Power Systems, 2021, 45(4): 81-90.

[29] 李健, 李雪峰, 張娜, 等. 計及儲熱備用效益的電熱綜合能源系統(tǒng)優(yōu)化調(diào)度模型[J]. 電網(wǎng)技術(shù), 2021, 45(10): 3851-3859.

LI Jian, LI Xuefeng, ZHANG Na, et al. Optimal dispatch model of electricity-heat integrated energy system considering reserved benefits of heat storage[J]. Power System Technology, 2021, 45(10): 3851-3859.

[30] ZHU Mengting, XU Chengsi, DONG Shufeng, et al. An integrated multi-energy flow calculation method for electricity-gas-thermal integrated energy systems[J]. Protection and Control of Modern Power Systems, 2021, 6(1): 65-76.

[31] 方紹鳳, 周任軍, 許福鹿, 等. 考慮電熱多種負(fù)荷綜合需求響應(yīng)的園區(qū)微網(wǎng)綜合能源系統(tǒng)優(yōu)化運(yùn)行[J]. 電力系統(tǒng)及其自動化學(xué)報, 2020, 32(1): 50-57.

FANG Shaofeng, ZHOU Renjun, XU Fulu, et al. Optimal operation of integrated energy system for park micro-grid considering comprehensive demand response of power and thermal loads[J]. Proceedings of the CSU-EPSA, 2020, 32(1): 50-57.

[32] 周瑋, 胡姝博, 孫輝, 等. 考慮大規(guī)模風(fēng)電并網(wǎng)的電力系統(tǒng)區(qū)間非線性經(jīng)濟(jì)調(diào)度研究[J]. 中國電機(jī)工程學(xué)報, 2017, 37(2): 557-564.

ZHOU Wei, HU Shubo, SUN Hui, et al. Interval nonlinear economic dispatch in large scale wind power integrated system[J]. Proceedings of the CSEE, 2017, 37(2): 557-564.

[33] 陸立民, 褚國偉, 張濤, 等. 基于改進(jìn)多目標(biāo)粒子群算法的微電網(wǎng)儲能優(yōu)化配置[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(15): 116-124.

LU Limin, CHU Guowei, ZHANG Tao, et al. Optimal configuration of energy storage in a microgrid based on improved multi-objective particle swarm optimization[J]. Power System Protection and Control, 2020, 48(15): 116-124.

[34] 曾紅, 劉天琪, 何川, 等. 含電轉(zhuǎn)氣設(shè)備的氣電互聯(lián)綜合能源系統(tǒng)多目標(biāo)優(yōu)化[J]. 電測與儀表, 2019, 56(8): 99-107.

ZENG Hong, LIU Tianqi, HE Chuan, et al. Multi-objective optimization for integrated natural-gas and electricity energy system considering power-to-gas[J]. Electrical Measurement & Instrumentation, 2019, 56(8): 99-107.

[35] 閆紅. 基于區(qū)間可信度下界的多目標(biāo)優(yōu)化算法研究及應(yīng)用[J]. 計算機(jī)科學(xué), 2017, 44(增刊2): 577-579, 585.

YAN Hong. Research and application of multi-objective optimization algorithm based on interval reliability lower bound[J]. Computer Science, 2017, 44(S2): 577-579, 585.

Interval optimal operation of a multi-objective electric-thermal-transportation integrated energy system considering flexibility

SHI Zhe1, LIANG Yi1, LI Hua1, DOU Wenlei2, QI Yang1

(1. Economic Research Institute of State Grid Liaoning Electric Power Co., Ltd., Shenyang 110000, China;2. State Grid Liaoning Electric Power Co., Ltd., Shenyang 110000, China)

The access of a large number of new energy sources and electric vehicles leads to large net load changes in an electric thermal transportation integrated energy system. This requires the system to have a certain flexibility to match the uncertainty on both sides of the source load. How to deal with the contradiction between uncertainty and flexibility and how to achieve the balance between economy and flexibility are difficult problems faced by the electric thermal transportation integrated energy system. In this paper, a multi-objective interval optimal operation model of electric thermal transportation integrated energy system considering flexibility is proposed. Aiming at minimizing economic cost and maximizing system flexibility, the economy and flexibility of the system are comprehensively balanced. The uncertainty of wind power output and electric vehicle load is described by interval mathematics, and the traditional equation constraint is transformed into an interval expression to make it more tractable. An improved multi-objective quantum immune algorithm is used to solve the optimization model. Taking an integrated energy system in northern Liaoning as an example, three different scenarios are set to verify the effectiveness of the proposed method.

integrated energy system; electric vehicle; uncertainty; flexibility; multi-objective; interval optimization

10.19783/j.cnki.pspc.220022

國家電網(wǎng)有限公司科技項目資助(2021YF-48)

This work is supported by the Science and Technology Project of State Grid Corporation of China (No. 2021YF-48).

2022-01-05；

2022-04-07

史 喆(1978—)，男，通信作者，碩士，高級工程師，研究方向?yàn)殡娏W(wǎng)絡(luò)規(guī)劃研究；E-mail: 394243244@qq.com

梁 毅(1980—)，男，碩士，高級工程師，研究方向?yàn)榕潆娋W(wǎng)規(guī)劃研究；

李 華(1986—)，女，碩士，高級工程師，研究方向?yàn)殡娏ο到y(tǒng)安全防御。

(編輯 姜新麗)