王 煉竇真蘭吳珠瑛楊震一韓 冬賀林鈺

1.國(guó)網(wǎng)上海市電力公司松江供電公司

2.國(guó)網(wǎng)上海綜合能源服務(wù)有限公司

0 引言

為減少對(duì)化石能源的依賴(lài)，光伏、風(fēng)電等可再生能源被廣泛應(yīng)用。與傳統(tǒng)電力系統(tǒng)相比，以電為核心的電-氫-熱-氣RIES能促進(jìn)可再生能源大規(guī)模利用，降低能耗、減少污染，保證能源的經(jīng)濟(jì)、高效和可靠供應(yīng)［1-2］。為了實(shí)現(xiàn)減排目標(biāo)，Zhang Z N等［3］將P2G與電網(wǎng)和氣網(wǎng)結(jié)合，提出了含碳捕集和P2G設(shè)備的雙層優(yōu)化模型，第一層用于解決設(shè)備規(guī)劃問(wèn)題，第二層進(jìn)行日前優(yōu)化調(diào)度，驗(yàn)證了碳捕集和P2G設(shè)備可提高綜合能源系統(tǒng)（Integrated Energy System，IES）運(yùn)行的經(jīng)濟(jì)性，同時(shí)具有消納可再生能源的能力。除了對(duì)能源結(jié)構(gòu)進(jìn)行調(diào)整，利用經(jīng)濟(jì)手段控制CO2排放已成為另一主要減排途徑。碳交易（Carbon Trading）又稱(chēng)碳排放權(quán)交易，是通過(guò)建立合法的碳排放權(quán)，并允許排放者通過(guò)市場(chǎng)進(jìn)行交易，從而實(shí)現(xiàn)減排目標(biāo)的交易機(jī)制［4］。與傳統(tǒng)行政減排政策不同的是，碳交易機(jī)制將減排的技術(shù)問(wèn)題與可持續(xù)發(fā)展的經(jīng)濟(jì)問(wèn)題結(jié)合起來(lái)，借助碳排放權(quán)交易成為市場(chǎng)經(jīng)濟(jì)框架下解決碳污染問(wèn)題的有效方式之一［5-6］。

Wu Y W等［7］以經(jīng)濟(jì)效益最優(yōu)為目標(biāo)，將低碳電力技術(shù)的成本以及碳交易費(fèi)用加入目標(biāo)函數(shù)中，并將CO2減排目標(biāo)引入約束條件中，驗(yàn)證電網(wǎng)互聯(lián)的經(jīng)濟(jì)效益和環(huán)保效益。秦婷等［8］構(gòu)建了電-熱-氣IES，分析碳交易價(jià)格對(duì)優(yōu)化調(diào)度結(jié)果的影響。盧浩鵬等［9］構(gòu)建了計(jì)及碳交易含熱電聯(lián)產(chǎn)、儲(chǔ)熱、電鍋爐等設(shè)備的熱-電IES及優(yōu)化模型，可以有效促進(jìn)風(fēng)電消納、減少碳排放量、降低系統(tǒng)運(yùn)行成本。但是，上述研究忽略了RIES中源荷側(cè)的不確定性，因此張曉輝等［10］考慮階梯式碳交易和負(fù)荷不確定性建立IES規(guī)劃模型，利用兩階段魯棒優(yōu)化方法應(yīng)對(duì)系統(tǒng)不確定性。Yan Q Y等［11］在多能虛擬電廠(chǎng)中，引入碳交易機(jī)制，構(gòu)建了一種考慮源負(fù)荷多重不確定性的兩階段魯棒可調(diào)調(diào)度模型，該模型可為多能虛擬電廠(chǎng)的減排提供有效指導(dǎo)。目前，通過(guò)魯棒優(yōu)化考慮供需不確定性的單一日前優(yōu)化調(diào)度，無(wú)法達(dá)到提高綜合能源系統(tǒng)短時(shí)間尺度控制精度的目的［12］。此外，現(xiàn)有研究未在階梯式碳交易機(jī)制的基礎(chǔ)上，結(jié)合使用新能源發(fā)電政府額外補(bǔ)貼的碳交易配額，進(jìn)一步提高系統(tǒng)運(yùn)行的低碳經(jīng)濟(jì)性。

本文綜合考慮供需不確定性以及系統(tǒng)運(yùn)行的低碳經(jīng)濟(jì)性，提出計(jì)及碳交易機(jī)制的RIES多時(shí)間尺度優(yōu)化調(diào)度。首先，在日前優(yōu)化調(diào)度中，引入計(jì)及可再生能源出力的獎(jiǎng)懲階梯式碳交易機(jī)制，以提高系統(tǒng)優(yōu)化運(yùn)行的低碳性和經(jīng)濟(jì)性，并提出差分進(jìn)化混合粒子群算法對(duì)多維非線(xiàn)性模型進(jìn)行求解。參考日前優(yōu)化調(diào)度指令，借鑒模型預(yù)測(cè)控制思想實(shí)現(xiàn)日內(nèi)滾動(dòng)優(yōu)化，以提高不確定性條件下區(qū)域綜合能源系統(tǒng)優(yōu)化調(diào)度的精確性。最后，通過(guò)算例分析驗(yàn)證了所提優(yōu)化策略與算法的有效性和適用性。

1 區(qū)域綜合能源系統(tǒng)結(jié)構(gòu)

RIES包括能源供給側(cè)、需求側(cè)以及能源轉(zhuǎn)化存儲(chǔ)層三部分，根據(jù)能源形式對(duì)系統(tǒng)結(jié)構(gòu)進(jìn)行劃分，基于能量母線(xiàn)概念共分為電母線(xiàn)、氫母線(xiàn)、熱母線(xiàn)和氣母線(xiàn)四條母線(xiàn)［13］。本文研究的電-氫-熱-氣RIES的結(jié)構(gòu)如圖1所示。公共電網(wǎng)、風(fēng)電機(jī)組、光伏機(jī)組接入電母線(xiàn)，同時(shí)電母線(xiàn)涵蓋電儲(chǔ)、電解水、電負(fù)荷、燃料電池；氫母線(xiàn)涵蓋電解水、氫儲(chǔ)、燃料電池、甲烷化設(shè)備、氫負(fù)荷；熱母線(xiàn)涵蓋燃?xì)廨啓C(jī)、燃?xì)忮仩t、燃料電池、熱儲(chǔ)、熱負(fù)荷；天然氣接入氣母線(xiàn)，同時(shí)氣母線(xiàn)涵蓋甲烷化設(shè)備、燃?xì)廨啓C(jī)、燃?xì)忮仩t和氣負(fù)荷。

圖1 電-氫-熱-氣RIES結(jié)構(gòu)

能源供給側(cè)的風(fēng)電機(jī)組和光伏機(jī)組發(fā)電的間歇性和波動(dòng)性會(huì)造成棄風(fēng)棄光現(xiàn)象。利用電解水制氫以及各類(lèi)儲(chǔ)能設(shè)備進(jìn)行存儲(chǔ)，是實(shí)現(xiàn)可再生能源多途徑利用的有效途徑之一。此外，電解水和甲烷化反應(yīng)器是P2G過(guò)程的重要設(shè)備［14］，P2G技術(shù)可以實(shí)現(xiàn)電能轉(zhuǎn)化成氫能，再利用氫能和含碳?xì)怏w經(jīng)化學(xué)反應(yīng)轉(zhuǎn)化成天然氣，從而減少系統(tǒng)由燃?xì)廨啓C(jī)、燃?xì)忮仩t排放的含碳?xì)怏w，以達(dá)到系統(tǒng)低碳運(yùn)行的目的［15］。能源需求側(cè)的電負(fù)荷、氫負(fù)荷、熱負(fù)荷、氣負(fù)荷的波動(dòng)性較強(qiáng)，結(jié)合風(fēng)電機(jī)組和光伏機(jī)組發(fā)電的不確定性，基于系統(tǒng)供需側(cè)功率預(yù)測(cè)為多時(shí)間尺度優(yōu)化調(diào)度提供數(shù)據(jù)支撐，以提高RIES的經(jīng)濟(jì)性、可靠性和安全性。

2 碳交易機(jī)制建模

2.1 碳排放配額模型

RIES中的碳排放主要來(lái)源為電網(wǎng)供電、燃?xì)廨啓C(jī)、燃?xì)忮仩t，可采用行業(yè)基準(zhǔn)線(xiàn)法計(jì)算其碳排放配額。其中燃?xì)廨啓C(jī)的熱電比為1.5，根據(jù)上述分配方案將熱電比大于1的燃?xì)廨啓C(jī)歸為供熱行業(yè)，因此需將燃?xì)廨啓C(jī)發(fā)電量折算成供熱量，并根據(jù)折算后總供熱量發(fā)放碳排放配額［16］。

初始配額計(jì)算表達(dá)式為：

2.2 考慮P2G的碳排放模型

P2G過(guò)程中甲烷化反應(yīng)器將氫氣轉(zhuǎn)換為天然氣時(shí)可以吸收一部分RIES運(yùn)行時(shí)排放的CO2［17-18］，因此實(shí)際碳排放模型如式(5)至式(9)所示。

設(shè)備選型約束。

為了確定待選設(shè)備k的類(lèi)型i，應(yīng)滿(mǎn)足以下約束條件：

2.3 獎(jiǎng)懲階梯式碳交易機(jī)制

傳統(tǒng)碳交易機(jī)制不對(duì)CO2的排放量進(jìn)行區(qū)間劃分，而階梯式碳交易機(jī)制指將對(duì)CO2的排放量劃分為多個(gè)區(qū)間進(jìn)行分段處理，碳排放量越多的區(qū)間，單位碳交易價(jià)格越高，系統(tǒng)運(yùn)行總成本越高［19］。獎(jiǎng)懲階梯式碳交易機(jī)制下的總配額表達(dá)式為：

企業(yè)使用新能源發(fā)電量與政府額外補(bǔ)貼的碳交易配額通過(guò)獎(jiǎng)勵(lì)系數(shù)進(jìn)行結(jié)合，提高RIES的運(yùn)行經(jīng)濟(jì)性。額外補(bǔ)貼的碳交易配額，表達(dá)式為：

3 基于短期預(yù)測(cè)的日前優(yōu)化調(diào)度

3.1 關(guān)鍵設(shè)備數(shù)學(xué)模型

本算例將所提計(jì)及動(dòng)態(tài)氫價(jià)和多重不確定性的區(qū)域綜合能源系統(tǒng)規(guī)劃-運(yùn)行兩階段優(yōu)化模型應(yīng)用于某城市的一個(gè)街區(qū)。

1)燃?xì)廨啓C(jī)

燃?xì)廨啓C(jī)發(fā)電、發(fā)熱功率如下：

3)儲(chǔ)能裝置

本文所構(gòu)建的RIES中儲(chǔ)能裝置主要包括電儲(chǔ)能、氫儲(chǔ)能和熱儲(chǔ)能。其廣義數(shù)學(xué)模型如下：

3.2 系統(tǒng)優(yōu)化模型

1)目標(biāo)函數(shù)

本章節(jié)所構(gòu)建的RIES日前優(yōu)化調(diào)度模型，調(diào)度周期為24 h，根據(jù)電、氫、熱、氣負(fù)荷的預(yù)測(cè)值以及風(fēng)機(jī)、光伏出力的預(yù)測(cè)值，考慮以系統(tǒng)的運(yùn)行維護(hù)成本、凈購(gòu)/售電成本、購(gòu)氣成本和碳交易成本構(gòu)成的總成本最低為優(yōu)化目標(biāo)：

(1)運(yùn)行維護(hù)成本

(3)約束條件

為了保證RIES穩(wěn)定運(yùn)行，日前優(yōu)化調(diào)度除了需要滿(mǎn)足設(shè)備的運(yùn)行約束外，還需要滿(mǎn)足母線(xiàn)功率平衡約束和系統(tǒng)約束，功率單位為kW。

①電母線(xiàn)：

3.3 模型求解算法

PSO在優(yōu)化初期時(shí)，群體多樣性較高，適應(yīng)值變化較大；進(jìn)入優(yōu)化后期時(shí)，粒子向最優(yōu)粒子靠近，群體多樣性較低，適應(yīng)值變化緩慢，此時(shí)算法會(huì)出現(xiàn)停滯現(xiàn)象［20］。因此，PSO在優(yōu)化過(guò)程中表現(xiàn)為前期收斂速度較快，后期容易陷入局部最優(yōu)解。DE算法全局搜索能力強(qiáng)，采用的貪婪搜索策略使得優(yōu)化后期的種群多樣性好于PSO算法，但其前期尋優(yōu)速度較慢［21］。

差分進(jìn)化混合粒子群算法（PSODE）本質(zhì)為雙種群策略，結(jié)合了兩種算法的優(yōu)勢(shì)，取長(zhǎng)補(bǔ)短。PSODE算法將種群分為兩個(gè)種群，兩個(gè)種群采用PSO和DE兩種不同的迭代進(jìn)化策略，經(jīng)信息交流后選擇適應(yīng)度較好的個(gè)體進(jìn)入下一代。若PSO算法中某個(gè)個(gè)體的適應(yīng)度更優(yōu)，則將DE算法中的某一非最優(yōu)位置替換為該個(gè)體；若DE算法中某個(gè)個(gè)體適應(yīng)度更優(yōu)，則將PSO中的最優(yōu)位置替換為該個(gè)體。同時(shí)，為了避免兩個(gè)種群中的個(gè)體在優(yōu)化后期出現(xiàn)停滯現(xiàn)象，引入變異機(jī)制，即當(dāng)前實(shí)際停滯次數(shù)超出某一預(yù)設(shè)最大允許停滯次數(shù)時(shí)，該個(gè)體將被搜索空間內(nèi)一個(gè)隨機(jī)新個(gè)體替代。PSODE算法流程見(jiàn)圖2。

圖2 PSODE算法過(guò)程

4 基于超短期預(yù)測(cè)的日內(nèi)滾動(dòng)優(yōu)化調(diào)度

日內(nèi)優(yōu)化調(diào)度以日前優(yōu)化調(diào)度結(jié)果為參考值，基于MPC進(jìn)行滾動(dòng)優(yōu)化，使優(yōu)化調(diào)度策略更符合系統(tǒng)實(shí)際運(yùn)行工況。

4.1 MPC算法

MPC算法具有建模方便、魯棒性好、動(dòng)態(tài)性能好以及可以處理多變量、非線(xiàn)性問(wèn)題等優(yōu)點(diǎn)，已作為一種先進(jìn)的控制技術(shù)被廣泛應(yīng)用［22］，主要包括模型預(yù)測(cè)、滾動(dòng)優(yōu)化和反饋校正環(huán)節(jié)（如圖3所示）。

圖3 MPC算法基本原理

1）模型預(yù)測(cè)

在某一預(yù)測(cè)域內(nèi)，根據(jù)系統(tǒng)當(dāng)前時(shí)刻的測(cè)量值以及歷史信息進(jìn)行預(yù)測(cè)得到預(yù)測(cè)域內(nèi)各個(gè)時(shí)刻的預(yù)測(cè)數(shù)據(jù)。

2）滾動(dòng)優(yōu)化

在當(dāng)前時(shí)刻n，使用系統(tǒng)當(dāng)前時(shí)刻的測(cè)量值、預(yù)測(cè)值對(duì)日內(nèi)模型進(jìn)行滾動(dòng)時(shí)域內(nèi)的優(yōu)化調(diào)度求解。該優(yōu)化過(guò)程是反復(fù)在線(xiàn)進(jìn)行的，目的在于縮小實(shí)際值與參考值的偏差。

3）反饋校正

在當(dāng)前時(shí)刻，將前一時(shí)刻的實(shí)際測(cè)量值反饋至模型預(yù)測(cè)中進(jìn)行校正，利用反饋信息構(gòu)成閉環(huán)。

基于MPC算法滾動(dòng)優(yōu)化思想的區(qū)域綜合能源日前-日內(nèi)多時(shí)間尺度優(yōu)化示意如圖4所示?？紤]到電、氫、熱、氣各類(lèi)設(shè)備的動(dòng)態(tài)特性，如電能傳輸具有瞬時(shí)性，可調(diào)控速度為毫秒至秒級(jí)，燃料電池等供電設(shè)備的可調(diào)控速度為秒至分鐘級(jí)，而熱能設(shè)備由于熱慣性的存在，其調(diào)控速度較慢在分鐘至小時(shí)級(jí)［23］。因此，綜合考慮各設(shè)備可調(diào)控速度特性，日內(nèi)計(jì)劃的控制時(shí)域取2 h，每15 min時(shí)段滾動(dòng)1次且只對(duì)第一個(gè)時(shí)段的機(jī)組出力進(jìn)行調(diào)控。

圖4 多時(shí)間尺度優(yōu)化示意圖

4.2 優(yōu)化目標(biāo)

1)目標(biāo)函數(shù)

本章節(jié)所構(gòu)建的RIES日內(nèi)優(yōu)化調(diào)度模型，應(yīng)遵循日前優(yōu)化調(diào)度下各設(shè)備的啟/停狀態(tài)，以及儲(chǔ)能單元的充/放電狀態(tài)，以避免設(shè)備的頻繁啟停。優(yōu)化目標(biāo)在考慮運(yùn)行維護(hù)成本和凈購(gòu)/售電成本、購(gòu)氣成本的基礎(chǔ)上，增加功率變化成本，以盡可能追蹤日前調(diào)度計(jì)劃。其目標(biāo)函數(shù)為：

2)約束條件

日內(nèi)優(yōu)化調(diào)度的設(shè)備運(yùn)行約束參見(jiàn)式(13)至式(32)。電、氫、熱、氣母線(xiàn)功率平衡約束參見(jiàn)式(36）至式(39)，系統(tǒng)約束參見(jiàn)式(40)至式(42)。

5 算例分析

5.1 基礎(chǔ)數(shù)據(jù)

日內(nèi)滾動(dòng)優(yōu)化以設(shè)備日前調(diào)度計(jì)劃為參考值，其中日前供需功率預(yù)測(cè)值如圖5和圖6所示。RIES超短期供需功率預(yù)測(cè)值如圖8和圖9所示，實(shí)際測(cè)量值如圖10和圖11所示，電網(wǎng)購(gòu)/售電價(jià)如圖7所示，各類(lèi)設(shè)備參數(shù)如表1所示。

圖5 供給側(cè)短期預(yù)測(cè)

圖6 需求側(cè)短期預(yù)測(cè)

圖7 購(gòu)/售電價(jià)

圖8 供給側(cè)超短期預(yù)測(cè)

圖9 需求側(cè)超短期預(yù)測(cè)

圖10 供給側(cè)實(shí)際測(cè)量值

圖11 需求側(cè)實(shí)際測(cè)量值

表1 設(shè)備參數(shù)

5.2 日前優(yōu)化調(diào)度

1)算法對(duì)比分析

為驗(yàn)證PSODE算法的有效性，對(duì)以購(gòu)/售電成本以及運(yùn)行維護(hù)成本為目標(biāo)函數(shù)的傳統(tǒng)日前優(yōu)化調(diào)度場(chǎng)景（未考慮碳交易成本），分別采用PSO、DE、PSODE算法進(jìn)行求解。

對(duì)RIES分別采用PSO、DE、PSODE三種算法進(jìn)行日前優(yōu)化調(diào)度，運(yùn)行10次，統(tǒng)計(jì)系統(tǒng)總成本的最大值、最小值、平均值以及標(biāo)準(zhǔn)差，如表2所示，三種算法最小值的迭代曲線(xiàn)如圖12所示。

表2 模型測(cè)試結(jié)果

圖12 算法迭代曲線(xiàn)

從表2可知，PSODE算法平均值較PSO算法和DE算法小，表明該算法精度更優(yōu)；PSODE算法的標(biāo)準(zhǔn)差較其他兩種算法小，多次運(yùn)行結(jié)果較為穩(wěn)定，表明該算法魯棒性更好。從圖12可知，DE算法無(wú)論是收斂速度還是精確性都是三種算法中最差的，PSO算法前期收斂速度較快，但精確性較PSODE算法差，PSODE算法前期收斂速度較慢，是因?yàn)閷?yōu)過(guò)程中需要信息交流?？傮w來(lái)說(shuō)，PSODE算法在求解RIES傳統(tǒng)日前優(yōu)化調(diào)度時(shí)取得了比較理想的效果，與PSO算法和DE算法相比收斂速度較快、精確較高。

2)優(yōu)化場(chǎng)景的對(duì)比分析

為驗(yàn)證所提碳交易機(jī)制對(duì)提高系統(tǒng)低碳經(jīng)濟(jì)性的有效性，設(shè)置以下四種場(chǎng)景，并采用PSODE對(duì)優(yōu)化模型進(jìn)行求解。

在以購(gòu)/售能成本以及運(yùn)行維護(hù)成本為目標(biāo)函數(shù)的傳統(tǒng)日前優(yōu)化調(diào)度基礎(chǔ)上，場(chǎng)景1的目標(biāo)函數(shù)中未考慮碳交易成本，但仍以傳統(tǒng)碳交易機(jī)制方式參與碳交易市場(chǎng)；場(chǎng)景2的目標(biāo)函數(shù)中增加了碳交易成本，并以傳統(tǒng)碳交易機(jī)制方式參與碳交易市場(chǎng)；場(chǎng)景3的目標(biāo)函數(shù)中增加了碳交易成本，并以階梯式碳交易機(jī)制方式參與碳交易市場(chǎng)；場(chǎng)景4的目標(biāo)函數(shù)中增加了碳交易成本，并以獎(jiǎng)懲階梯式碳交易機(jī)制方式參與碳交易市場(chǎng)。

表3 碳交易機(jī)制參數(shù)

3）結(jié)果分析

表4 為四種場(chǎng)景下系統(tǒng)運(yùn)行總成本、碳交易成本、其他成本以及碳排放量。

場(chǎng)景1、場(chǎng)景2、場(chǎng)景3的對(duì)比分析：

場(chǎng)景2相較于場(chǎng)景1的總成本減少了6.76%，碳排放量減少了9.75%；場(chǎng)景3相較于場(chǎng)景1的總成本減少了4.29%，碳排放量減少了16.38%，表明在目標(biāo)函數(shù)中增加碳交易成本可以有效減少碳排放，適當(dāng)?shù)靥岣呦到y(tǒng)經(jīng)濟(jì)性。場(chǎng)景3相較于場(chǎng)景2的總成本略微增高，但碳排放減少了7.34%，表明階梯式碳交易機(jī)制以犧牲少量經(jīng)濟(jì)性為代價(jià)提高碳減排效果。

場(chǎng)景2、場(chǎng)景3、場(chǎng)景4的對(duì)比分析：

場(chǎng)景4與場(chǎng)景2總成本基本保持不變，但碳排放量減少了7.44%，說(shuō)明獎(jiǎng)懲階梯式碳交易機(jī)制可以在保證一定經(jīng)濟(jì)性的情況下，具有良好的減排效果；場(chǎng)景4與場(chǎng)景3的碳排放量基本保持不變，但總成本減少了5.51%，說(shuō)明獎(jiǎng)懲階梯式碳交易機(jī)制相比于階梯型碳交易機(jī)制，在保證一定減排效果的基礎(chǔ)上，具有良好的經(jīng)濟(jì)性。

由此可見(jiàn)，碳交易機(jī)制在提高系統(tǒng)運(yùn)行經(jīng)濟(jì)性的同時(shí)，可以提升系統(tǒng)的減排效果；階梯式碳交易機(jī)制與傳統(tǒng)碳交易機(jī)制相比，系統(tǒng)經(jīng)濟(jì)性提高幅度較小，但減排力度明顯提升；獎(jiǎng)懲階梯式碳交易機(jī)制與階梯式碳交易機(jī)制相比，減排力度相當(dāng)，但可以有效地提高系統(tǒng)經(jīng)濟(jì)性。因此，獎(jiǎng)懲階梯式碳交易機(jī)制是一種兼具減排性和經(jīng)濟(jì)性的碳交易機(jī)制，基于獎(jiǎng)懲階梯式碳交易機(jī)制的場(chǎng)景4為最優(yōu)場(chǎng)景。

圖13至圖16分別為場(chǎng)景4中電、氫、熱、氣母線(xiàn)功率平衡。

圖13 電日前調(diào)度優(yōu)化結(jié)果

圖14 氫日前調(diào)度優(yōu)化結(jié)果

圖16 氣日前調(diào)度優(yōu)化結(jié)果

圖15 熱日前調(diào)度優(yōu)化結(jié)果

由仿真結(jié)果可知，場(chǎng)景4所提運(yùn)行優(yōu)化策略能夠協(xié)調(diào)系統(tǒng)內(nèi)各設(shè)備運(yùn)行出力，以滿(mǎn)足電、氫、熱、氣負(fù)荷需求。

5.3 日內(nèi)優(yōu)化調(diào)度

1)與電網(wǎng)、天然氣網(wǎng)的日內(nèi)優(yōu)化調(diào)度結(jié)果

圖17a)、b)分別為系統(tǒng)與電網(wǎng)、天然氣網(wǎng)交互功率的結(jié)果，由于考慮日前-日內(nèi)功率變化成本，兩者的日內(nèi)優(yōu)化結(jié)果都可以較好地追蹤日前調(diào)度計(jì)劃。

圖17 供能網(wǎng)絡(luò)日前-日內(nèi)優(yōu)化調(diào)度結(jié)果

2)儲(chǔ)能設(shè)備日內(nèi)優(yōu)化調(diào)度結(jié)果

從圖18中可以看出，由于考慮了日前-日內(nèi)功率變化成本，電儲(chǔ)能、氫儲(chǔ)能、熱儲(chǔ)能的充/放電狀態(tài)、充/放電功率均可以較好地追蹤日前優(yōu)化調(diào)度結(jié)果。

圖18 儲(chǔ)能設(shè)備日前-日內(nèi)優(yōu)化調(diào)度結(jié)果

3)其他設(shè)備日內(nèi)優(yōu)化調(diào)度結(jié)果

圖19為燃?xì)廨啓C(jī)、燃?xì)忮仩t、甲烷化反應(yīng)器、電解水、燃料電池等設(shè)備日前-日內(nèi)調(diào)度結(jié)果，由于考慮了日前-日內(nèi)功率變化成本，各設(shè)備的日內(nèi)優(yōu)化調(diào)度可以較好地追蹤日前優(yōu)化調(diào)度結(jié)果。因此，考慮了日前-日內(nèi)功率變化成本的日內(nèi)優(yōu)化調(diào)度可以在日前優(yōu)化調(diào)度的基礎(chǔ)上較好地調(diào)整各單元出力，以應(yīng)對(duì)RIES供需側(cè)功率的不確定性。日前-日內(nèi)多時(shí)間尺度優(yōu)化調(diào)度的結(jié)合，可以提高RIES運(yùn)行優(yōu)化的經(jīng)濟(jì)、穩(wěn)定性。

圖19 其他設(shè)備日前-日內(nèi)優(yōu)化調(diào)度結(jié)果

6 結(jié)論

為提高RIES優(yōu)化運(yùn)行的低碳經(jīng)濟(jì)性和控制精度，提出計(jì)及碳交易機(jī)制的多時(shí)間尺度優(yōu)化調(diào)度策略?？紤]到現(xiàn)階段傳統(tǒng)碳交易機(jī)制和階梯式碳交易的優(yōu)缺點(diǎn)，首先提出一種考慮可再生能源發(fā)電的獎(jiǎng)懲階梯式碳交易機(jī)制，并將其引入到日前優(yōu)化調(diào)度中，采用PSODE算法進(jìn)行求解。為消除日前調(diào)度計(jì)劃與可控單元實(shí)際出力的偏差，根據(jù)MPC思想進(jìn)行日內(nèi)滾動(dòng)優(yōu)化調(diào)度，以提高RIES運(yùn)行優(yōu)化的控制精度，使其更接近實(shí)際運(yùn)行狀態(tài)。最后，通過(guò)仿真分析驗(yàn)證了所提獎(jiǎng)懲階梯式碳交易機(jī)制的有效性和多時(shí)間尺度優(yōu)化調(diào)度的控制精度，并證明PSODE算法較PSO算法和DE算法有較好的收斂性和精度。