劉持濤， 陳 依， 林順富， 顧 華， 蘇 軍， 姚一鳴

(1. 國(guó)網(wǎng)上海市電力公司青浦供電公司， 上海 201700； 2. 上海電力大學(xué)電氣工程學(xué)院， 上海 200090)

1 引言

開(kāi)發(fā)利用可再生能源(Renewable Energy Sources，RES)、節(jié)能減排、構(gòu)建多能互補(bǔ)集成優(yōu)化的綜合能源系統(tǒng)(Integrated Energy System，IES)是助力實(shí)現(xiàn)碳達(dá)峰、碳中和的有力途徑[1]。耦合風(fēng)、光等可再生能源的IES充分挖掘多種能源的供能優(yōu)勢(shì)與潛力，打破各能源系統(tǒng)原有的物理隔離，通過(guò)能源存儲(chǔ)轉(zhuǎn)換、階梯利用及多能互補(bǔ)等手段可提高系統(tǒng)供能靈活性，平抑可再生能源波動(dòng)，促進(jìn)新能源消納，提高能源綜合利用效率[2]。在此背景下，研究如何根據(jù)用戶的用能需求從而確定IES的優(yōu)化配置方案具有重要意義。

然而，設(shè)備容量配置是一個(gè)跨越多年且需計(jì)及短周期運(yùn)行約束的長(zhǎng)周期規(guī)劃問(wèn)題，采用海量的時(shí)間-空間數(shù)據(jù)(如風(fēng)速、輻照度和負(fù)荷需求等)對(duì)系統(tǒng)進(jìn)行仿真、計(jì)算和分析或進(jìn)行大量長(zhǎng)周期隨機(jī)模擬，可在滿足用戶用能需求和相關(guān)約束的條件下，優(yōu)化系統(tǒng)的投資和運(yùn)行成本，從而最大程度地降低系統(tǒng)規(guī)劃決策過(guò)程的風(fēng)險(xiǎn)。但是，這將會(huì)占用大量的計(jì)算資源且規(guī)劃模型求解難度大、仿真時(shí)間長(zhǎng)。為降低計(jì)算量、提高計(jì)算效率，在時(shí)間維度上，可采用聚類或場(chǎng)景削減的思想從原始時(shí)序數(shù)據(jù)中提取典型時(shí)段(小時(shí)、天或周等)[3-6]，如k-means[4]、k-mediods、層次聚類(Hierarchical Clustering，HC)[6]、模糊C均值(Fuzzy C-Means，F(xiàn)CM)和同步回代消除法[3]等聚類和場(chǎng)景削減技術(shù)。然而典型時(shí)段主要存在兩個(gè)問(wèn)題[7-9]：①各典型時(shí)段之間沒(méi)有時(shí)間順序，典型日或周雖然考慮了日內(nèi)或周內(nèi)的時(shí)間順序(如計(jì)及了短期動(dòng)態(tài)特性)，但忽略了原始數(shù)據(jù)更長(zhǎng)的時(shí)序性(如忽略了中長(zhǎng)期動(dòng)態(tài)特性)；②各典型時(shí)段之間能量相互獨(dú)立，因?yàn)閮?chǔ)能需要滿足運(yùn)行時(shí)段內(nèi)始、終荷電狀態(tài)(State Of Charge，SOC)相等。

鑒于上述原因，目前較多關(guān)于規(guī)劃和運(yùn)行的研究?jī)H考慮了短時(shí)(如日內(nèi))儲(chǔ)能[8]。短時(shí)儲(chǔ)能可平抑小時(shí)、分鐘、秒級(jí)功率波動(dòng)，實(shí)現(xiàn)能量短時(shí)跨時(shí)段轉(zhuǎn)移。日間儲(chǔ)能較日內(nèi)儲(chǔ)能具有良好的經(jīng)濟(jì)優(yōu)勢(shì)，且其可實(shí)現(xiàn)能量跨周、月、季節(jié)甚至跨年轉(zhuǎn)移，平抑長(zhǎng)時(shí)功率波動(dòng)，促進(jìn)大規(guī)模新能源消納，在未來(lái)高比例可再生能源系統(tǒng)中具有廣闊的應(yīng)用前景[7,10-12]。儲(chǔ)能參與系統(tǒng)容量規(guī)劃、運(yùn)行優(yōu)化及長(zhǎng)、短時(shí)儲(chǔ)能協(xié)同優(yōu)化的關(guān)鍵在于對(duì)原始時(shí)序數(shù)據(jù)的高效聚類[7]。

時(shí)間序列聚合或聚類[8,9,13-16]較好地解決了上述問(wèn)題，如文獻(xiàn)[8,9]均采用了改進(jìn)的HC對(duì)原始風(fēng)機(jī)、光伏和負(fù)荷功率進(jìn)行時(shí)序聚類，分別建立了考慮日內(nèi)和日間電儲(chǔ)的電力系統(tǒng)最優(yōu)擴(kuò)展規(guī)劃模型和孤島微網(wǎng)容量?jī)?yōu)化配置模型，所采用的時(shí)序聚類方法在一定程度上保留了原始數(shù)據(jù)的時(shí)序性。文獻(xiàn)[15]提出一種基于典型日內(nèi)和典型日間狀態(tài)疊加的數(shù)學(xué)描述方法，由狀態(tài)連接典型日進(jìn)行時(shí)序聚合可以保留原始數(shù)據(jù)的時(shí)序性。文獻(xiàn)[16]采用HC分別對(duì)小時(shí)、天、周進(jìn)行聚類，進(jìn)而利用文獻(xiàn)[17]和文獻(xiàn)[15]提出的時(shí)序聚合分別對(duì)得到的典型小時(shí)和典型日、周進(jìn)行耦合連接，分析了不同時(shí)段聚類方式對(duì)所提居民能量系統(tǒng)容量規(guī)劃和電力系統(tǒng)優(yōu)化調(diào)度結(jié)果的影響。

然而，上述文獻(xiàn)大都忽略了兩個(gè)問(wèn)題：①未考慮負(fù)荷需求的多樣性和不確定性，如文獻(xiàn)[8,9,13-16]；②未同時(shí)計(jì)及電儲(chǔ)和熱儲(chǔ)的日內(nèi)和日間儲(chǔ)能對(duì)系統(tǒng)優(yōu)化規(guī)劃和運(yùn)行的影響，如文獻(xiàn)[1,2,4,8,11]。

針對(duì)以上問(wèn)題，本文基于規(guī)劃區(qū)氣象和建筑物幾何等參數(shù)，利用建筑熱環(huán)境設(shè)計(jì)模擬工具包(Designer’s Simulation Toolkit，DeST)模擬生成了多能負(fù)荷需求，計(jì)及了多能負(fù)荷的多樣性和不確定性；為兼顧計(jì)算速度和精度，對(duì)區(qū)域?qū)崪y(cè)風(fēng)光出力、負(fù)荷數(shù)據(jù)進(jìn)行時(shí)序聚類；最后通過(guò)仿真算例分析了不同案例下系統(tǒng)的容量配置和年化總成本，驗(yàn)證了所提模型的有效性和經(jīng)濟(jì)性。

2 IES結(jié)構(gòu)

本文所研究的系統(tǒng)結(jié)構(gòu)如圖1所示，系統(tǒng)中設(shè)備主要包括風(fēng)機(jī)(Wind Turbine，WT)、光伏電池(Photovoltaic，PV)、熱電聯(lián)產(chǎn)機(jī)組(Combined Heating and Power，CHP)、燃?xì)忮仩t(Gas Boiler，GB)、吸收式制冷機(jī)(Absorption Cooler，AC)、電制冷機(jī)(Electric Cooler，EC)、電儲(chǔ)(Electricity Storage，ES)、熱儲(chǔ)(Heat Storage，HS)。

圖1 綜合能源系統(tǒng)結(jié)構(gòu)Fig.1 Structure schematic of IES

WT、PV、CHP模型參見(jiàn)文獻(xiàn)[18]，GB、EC、AC、ES、HS模型參見(jiàn)文獻(xiàn)[19]，限于篇幅所限，此處不再贅述。系統(tǒng)能量管理策略為：

(1)優(yōu)先利用WT、PV等可再生能源出力，當(dāng)系統(tǒng)出力大于(小于)電負(fù)荷需求時(shí)，根據(jù)ES的荷電狀態(tài)，確定ES的充電(放電)或向配電網(wǎng)售電(購(gòu)電)功率的大小。

(2)CHP和GB滿足熱負(fù)荷需求；CHP燃燒燃?xì)猱a(chǎn)生余熱經(jīng)AC吸收，和EC共同滿足冷負(fù)荷需求。

綜合能源系統(tǒng)容量?jī)?yōu)化配置要解決的問(wèn)題是，在保證可靠的能量供應(yīng)和相關(guān)約束的條件下，以系統(tǒng)總成本為優(yōu)化目標(biāo)，確定設(shè)備的最佳容量。

3 電、熱、冷負(fù)荷需求不確定性建模

本文所研究的規(guī)劃區(qū)位于陜西某一地區(qū)，系統(tǒng)規(guī)劃周期為20年。規(guī)劃區(qū)占地面積1.74 km2，總建筑面積50.36萬(wàn)m2(商業(yè)建筑面積31.76萬(wàn)m2，辦公建筑面積18.60萬(wàn)m2)，規(guī)劃區(qū)逐時(shí)氣象參數(shù)來(lái)自中國(guó)氣象局，采暖控制溫度和空調(diào)控制溫度分別設(shè)為18 ℃和26 ℃。本文暫不考慮規(guī)劃周期內(nèi)區(qū)域多能負(fù)荷的年增長(zhǎng)或周期性變化規(guī)律，但和現(xiàn)有一些研究不同，現(xiàn)有研究大多在確定的負(fù)荷場(chǎng)景或典型日下優(yōu)化系統(tǒng)設(shè)備容量，這樣可能會(huì)導(dǎo)致設(shè)備容量配置得過(guò)于保守，從而會(huì)增大系統(tǒng)規(guī)劃決策過(guò)程及運(yùn)行的風(fēng)險(xiǎn)。因此本文充分考慮在系統(tǒng)規(guī)劃周期內(nèi)多能負(fù)荷的不確定性，基于上述參數(shù)，利用DeST軟件[20,21]模擬生成了規(guī)劃區(qū)2018年全年電、熱、冷負(fù)荷需求(每小時(shí)一個(gè)點(diǎn))，如圖2所示。

圖2 規(guī)劃區(qū)全年電、熱、冷負(fù)荷需求Fig.2 Annual electricity, heat and cooling demands for planning area

從圖2可以看出，模擬生成的負(fù)荷曲線呈現(xiàn)了顯著的時(shí)序性和季節(jié)性，以累計(jì)冷/熱負(fù)荷指標(biāo)為能耗數(shù)據(jù)，模擬數(shù)據(jù)與實(shí)際調(diào)查數(shù)據(jù)結(jié)果見(jiàn)表1。

表1 模擬數(shù)據(jù)和實(shí)際調(diào)查數(shù)據(jù)對(duì)比Tab.1 Comparison between simulated data and actual survey data

由表1可以看出，模擬和實(shí)際調(diào)查的累計(jì)冷/熱負(fù)荷指標(biāo)絕對(duì)誤差在7%左右，可以得出采用DeST軟件模擬生成多能負(fù)荷數(shù)據(jù)是可行的。

本文所研究的系統(tǒng)源于實(shí)際工程項(xiàng)目，利用DeST軟件生成規(guī)劃區(qū)多能負(fù)荷需求需要大量的已知數(shù)據(jù)，如氣象、建筑能耗因子、采暖度日數(shù)、采暖度小時(shí)數(shù)、空調(diào)度日數(shù)、空調(diào)度小時(shí)數(shù)等參數(shù)，此外還需對(duì)采暖控制溫度、空調(diào)控制溫度、內(nèi)擾參數(shù)、通風(fēng)參數(shù)、維護(hù)結(jié)構(gòu)參數(shù)等進(jìn)行設(shè)置，鑒于篇幅限制，此處不再贅述，詳細(xì)流程可參見(jiàn)文獻(xiàn)[21]。

4 時(shí)間序列聚類

如引言所述，基于傳統(tǒng)聚類和場(chǎng)景削減技術(shù)得到的各典型時(shí)段之間無(wú)時(shí)間順序，忽略了原始數(shù)據(jù)的時(shí)序性，因此無(wú)法考慮跨時(shí)段的約束(如設(shè)備爬坡)。與k-means等聚類技術(shù)不同，層次聚類可方便地選擇不同簇之間的連接標(biāo)準(zhǔn)或加入其他附加約束，主要包括凝聚層次聚類(Agglomerative Hierarchical Clustering，AHC)和分裂層次聚類(Divisive Hierarchical Clustering，DHC)。本文采用的時(shí)間序列聚類為改進(jìn)的基于Ward方法連接的AHC，主要步驟如下：

(1)利用式(1)分別對(duì)全年風(fēng)、光、電、熱、冷數(shù)據(jù)進(jìn)行極值標(biāo)準(zhǔn)化：

(1)

(2)將標(biāo)準(zhǔn)化后的數(shù)據(jù)合成下述矩陣：

(2)

(3)將矩陣X8 760×5每一行看做一個(gè)場(chǎng)景簇，即令初始聚類場(chǎng)景簇?cái)?shù)n=8 760。

(3)

式中，|I|為場(chǎng)景簇I中元素的數(shù)目；Xi為場(chǎng)景簇I中元素的值。

(5)基于Ward方法計(jì)算每對(duì)相鄰場(chǎng)景簇I、J之間的相異度距離：

(4)

不相鄰場(chǎng)景簇之間的相異度距離視為無(wú)窮大。

(6)將最小的D(I′，J′)對(duì)應(yīng)的場(chǎng)景簇I′、J′合并為一個(gè)場(chǎng)景簇。

(I′,J′)∈argminD(I,J)I≠J

(5)

即不相鄰場(chǎng)景簇不能被合并。

(7)聚類場(chǎng)景簇?cái)?shù)n=n-1。

(8)如果n=N(目標(biāo)場(chǎng)景簇?cái)?shù))，執(zhí)行步驟(9)，否則返回步驟(4)。

(9)計(jì)算N個(gè)場(chǎng)景簇中每個(gè)場(chǎng)景與該場(chǎng)景簇之間的相異度距離，將與對(duì)應(yīng)所在場(chǎng)景簇之間相異度距離最小的場(chǎng)景作為該簇的代表場(chǎng)景。

(10)每個(gè)代表場(chǎng)景的持續(xù)時(shí)間為對(duì)應(yīng)所在場(chǎng)景簇的小時(shí)數(shù)。

(11)對(duì)每個(gè)代表場(chǎng)景進(jìn)行反標(biāo)準(zhǔn)化：

(6)

與傳統(tǒng)AHC(計(jì)算任意兩場(chǎng)景簇之間的相異度距離)不同，上述方法僅計(jì)算相鄰場(chǎng)景簇之間的相異度距離，且規(guī)定不相鄰場(chǎng)景簇不能被連接，以盡可能地保留原始數(shù)據(jù)的時(shí)序性。

5 容量?jī)?yōu)化配置模型

5.1 優(yōu)化目標(biāo)

以系統(tǒng)年化投資成本Cinv與年運(yùn)行成本Cope綜合最低為優(yōu)化目標(biāo)建立系統(tǒng)設(shè)備容量?jī)?yōu)化配置模型，即：

minC=Cinv+Cope

(7)

(8)

(9)

式中，C為系統(tǒng)年化總成本；ω為備選設(shè)備，ω∈{WT,PV,CHP,GB,EC,AC,ES,HS}；capω為設(shè)備ω的容量，為非負(fù)連續(xù)變量；cω為設(shè)備ω的單位容量投資成本(WT、PV、CHP、GB、EC、AC，元/kW；ES、HS，元/(kW·h))；κ為貼現(xiàn)率，取8%；μω為設(shè)備ω的生命周期；t為時(shí)間序列(代表場(chǎng)景)；τ(t)為時(shí)間序列t的時(shí)長(zhǎng)，h；π(t)為時(shí)間序列t的權(quán)重；Cope(t)為時(shí)間序列t下系統(tǒng)的運(yùn)行成本。

其中Cope(t)包括系統(tǒng)購(gòu)電成本、購(gòu)氣成本、設(shè)備維護(hù)成本及碳排放成本，即：

(10)

Carbon(t)=Pg(t)eg(t)+Fng(t)eng(t)

(11)

式中，Pg(t)為時(shí)間序列t下購(gòu)電功率；Fng(t)為時(shí)間序列t下系統(tǒng)的耗氣量；cg(t)和cng(t)分別為時(shí)間序列t下電價(jià)和氣價(jià)；εω為設(shè)備ω的成本維護(hù)系數(shù)；Pω(t)為時(shí)間序列t下設(shè)備ω的出力；δ為單位CO2的處理費(fèi)用，取0.031元/kg；Carbon(t)為時(shí)間序列t下CO2的排放量；eg(t)和eng(t)分別為時(shí)間序列t下電網(wǎng)和天然氣的CO2排放因子。

5.2 約束條件

(1)功率平衡約束

(12)

(2)可再生能源約束

Pr(t)≤capr

(13)

式中，Pr(t)為時(shí)間序列t下設(shè)備r的輸出功率；r∈{WT,PV}。

(3)能源轉(zhuǎn)換設(shè)備約束

(14)

對(duì)于CHP和GB滿足：

(15)

(4)儲(chǔ)能設(shè)備約束

(16)

0.2capl≤El(t)≤0.9capl

(17)

El(t0)=El(tmax)

(18)

儲(chǔ)能設(shè)備具有最大充放能功率限制，其最大充放能功率與其容量成正比：

(19)

式中，ξl為設(shè)備l的最大充放能功率與其容量的比值；Xl(t)、Yl(t)為充放能狀態(tài)的0、1變量。

考慮到儲(chǔ)能設(shè)備不能同時(shí)進(jìn)行充能與放能，故有以下約束：

Xl(t)+Yl(t)≤1

(20)

(5)爬坡率約束

-rk,down≤Pk(t)-Pk(t-1)≤rk,up

(21)

式中，rk,down、rk,up分別為設(shè)備k的向下爬坡率約束、向上爬坡率約束；Pk(t)、Pk(t-1)分別為時(shí)間序列t、t-1下設(shè)備k的輸出功率，對(duì)電網(wǎng)而言，Pk(t)為時(shí)間序列t下的購(gòu)電功率；k∈{電網(wǎng),CHP,GB}。

(6)與電網(wǎng)交換功率約束

Pg(t)≤Pg,max

(22)

式中，Pg,max為系統(tǒng)與電網(wǎng)交換功率的最大值。

6 算例仿真與分析

6.1 時(shí)間序列聚類有效性驗(yàn)證

根據(jù)第4節(jié)中改進(jìn)的AHC流程，對(duì)規(guī)劃區(qū)全年前2周數(shù)據(jù)進(jìn)行時(shí)間序列聚類，負(fù)荷數(shù)據(jù)如圖2所示，風(fēng)光數(shù)據(jù)選取規(guī)劃區(qū)2018年實(shí)測(cè)標(biāo)幺化(以額定功率為基準(zhǔn))風(fēng)、光出力，如圖3所示。

圖3 規(guī)劃區(qū)2018年全年標(biāo)幺化風(fēng)光出力Fig.3 Per unit of annual wind and solar power output in 2018 for planning area

令目標(biāo)場(chǎng)景簇?cái)?shù)N=96(典型小時(shí))，則應(yīng)由傳統(tǒng)AHC獲得4個(gè)典型日，然后采用典型小時(shí)或日對(duì)前2周數(shù)據(jù)進(jìn)行重構(gòu)，即將其每小時(shí)或日的值對(duì)應(yīng)置換為典型小時(shí)或日，以風(fēng)機(jī)出力為例，時(shí)間序列如圖4所示(這里僅是以前2周的數(shù)據(jù)為例，當(dāng)然也可以對(duì)全年的數(shù)據(jù)進(jìn)行聚類)。

圖4 風(fēng)機(jī)出力時(shí)間序列聚合Fig.4 Time aggregation for wind power output

為進(jìn)一步量化分析，引入均方根誤差(Root-Mean-Square Error，RMSE)：

(23)

需要特別說(shuō)明的是，上述僅從重構(gòu)與原始數(shù)據(jù)之間的逼近程度上進(jìn)行了對(duì)比分析，更為重要的是，本文采用的時(shí)間序列聚類考慮了原始數(shù)據(jù)的時(shí)序性，這是傳統(tǒng)典型日所無(wú)法體現(xiàn)的。按照上述流程，對(duì)規(guī)劃區(qū)全年風(fēng)、光、荷進(jìn)行時(shí)序聚類，選擇典型小時(shí)數(shù)為672(即為下文Case 2的規(guī)劃周期)，以多能負(fù)荷為例，得到的時(shí)間序列如圖5所示。

圖5 負(fù)荷時(shí)間序列聚類結(jié)果Fig.5 Result of time-period clustering on load demands

對(duì)比圖2和圖5可以看出，得到的時(shí)間序列整體波動(dòng)趨勢(shì)與原始數(shù)據(jù)一致，且峰值大小較接近于原始數(shù)據(jù)的峰值，這是典型日所無(wú)法達(dá)到的?？梢?jiàn)本文采用的時(shí)間序列聚類可用較少的數(shù)據(jù)點(diǎn)來(lái)表征原始數(shù)據(jù)的特征，在一定程度上保留了原始數(shù)據(jù)的時(shí)序性。

6.2 算例說(shuō)明

典型算例如圖1所示，供選設(shè)備參數(shù)見(jiàn)表2，儲(chǔ)能方面，考慮日內(nèi)和日間儲(chǔ)能，對(duì)于日內(nèi)電儲(chǔ)和熱儲(chǔ)，ξl取1/4，日間ξl取1/48[8,9]。電價(jià)采用常見(jiàn)峰-谷-平機(jī)制，峰：08∶00～11∶00、18∶00～23∶00，0.98元/(kW·h)；谷：23∶00～07∶00，0.50元/(kW·h)；平：07∶00～08∶00、11∶00～18∶00，0.75元/(kW·h)。天然氣價(jià)格為2.67元/m3，單位熱值價(jià)格為0.268元/(kW·h)。eg(t)和eng(t)分別取0.997 0 kg/(kW·h)和0.538 6 kg/(kW·h)[22]。

表2 設(shè)備的經(jīng)濟(jì)及技術(shù)參數(shù)Tab.2 Economic and technical parameters of equipment

為對(duì)比分析不同方法對(duì)系統(tǒng)容量配置和經(jīng)濟(jì)性的影響，設(shè)置以下三個(gè)案例：

Case 1：全年時(shí)序仿真，即τ(t)=1，π(t)=1，對(duì)日間儲(chǔ)能而言，式(18)即全年第1 h與第8 760 h儲(chǔ)能容量相等。

Case 2：即本文提出的時(shí)間序列聚合仿真(672 h)，π(t)=1，τ(t)為典型小時(shí)所在簇中的總小時(shí)數(shù)，式(18)即時(shí)間序列第1 h與第672 h儲(chǔ)能容量相等。

Case 3：典型日法(28個(gè))，即τ(t)=1，π(t)為典型日中每個(gè)小時(shí)的權(quán)重，其均等于該典型日所在簇中的總天數(shù)，典型日由AHC獲得。

本文建立的模型是一個(gè)非線性規(guī)劃，在Matlab R2016a環(huán)境下采用粒子群算法(Particle Swarm Optimization，PSO)進(jìn)行求解，種群規(guī)模、迭代次數(shù)分別設(shè)為200、400，所有案例均在配置為Intel (R) Core (TM) i7-9 750H CPU @ 2.60 GHz、RAM為16.0 GB的筆記本上完成。

6.3 優(yōu)化結(jié)果分析

各案例下系統(tǒng)設(shè)備容量?jī)?yōu)化結(jié)果及年化總成本見(jiàn)表3。

表3 綜合能源系統(tǒng)容量?jī)?yōu)化結(jié)果及年化總成本Tab.3 Capacity optimization results and total annual cost of IES under each case

從表3可以看出，相比Case 3，Case 2下系統(tǒng)年化總成本較低，且各設(shè)備容量配置較接近Case 1，主要原因在于：①Case 3在一定典型日數(shù)目下，無(wú)法保留原始數(shù)據(jù)的峰值部分，導(dǎo)致能源轉(zhuǎn)換設(shè)備容量均較Case 1低，Case 2較好地保留了原始數(shù)據(jù)的峰值部分，因此各設(shè)備容量與Case 1下較接近；②Case 3僅考慮了風(fēng)、光、荷的短期動(dòng)態(tài)特性，其僅利用日內(nèi)儲(chǔ)能平抑風(fēng)機(jī)、光伏出力波動(dòng)，從而達(dá)到供需平衡，因此Case 3下，日間電儲(chǔ)和熱儲(chǔ)配置容量均為零，日內(nèi)儲(chǔ)能容量均較Case 1和Case 2高；③Case 2考慮了原始數(shù)據(jù)的時(shí)序性，其可利用日內(nèi)和日間儲(chǔ)能在計(jì)及供、需短期和長(zhǎng)期動(dòng)態(tài)特性情況下保持平衡，因此Case 2下儲(chǔ)能設(shè)備容量較接近于Case 1。

需要指出的是，雖然Case 2下系統(tǒng)年化總成本絕對(duì)誤差為5.64%，但Case 1為全年時(shí)序仿真，其計(jì)算時(shí)間約為5×105s，Case 2、Case 3約5 000～5 400 s，可見(jiàn)本文提出方法可在減小計(jì)算量的同時(shí)保持較高的準(zhǔn)確性，驗(yàn)證了其可行性和有效性。

改變聚類數(shù)目，Case 2、Case 3下年化總成本變化如圖6所示。從圖6可以看出，在絕大部分聚類數(shù)目下，Case 2的經(jīng)濟(jì)性均優(yōu)于Case 3，且當(dāng)聚類數(shù)目達(dá)到2 500～3 000之間時(shí)，Case 3下的年化總成本高于Case 1，可見(jiàn)系統(tǒng)配置日間儲(chǔ)能有明顯的經(jīng)濟(jì)優(yōu)勢(shì)，驗(yàn)證了本文所提方法的有效性；隨著聚類數(shù)目的增加，Case 2下年化總成本逐漸接近于Case 1下的110.083 2×106元，驗(yàn)證了規(guī)劃模型的準(zhǔn)確性。

圖6 年化總成本Fig.6 Total annul cost

7 結(jié)論

本文充分考慮了規(guī)劃周期內(nèi)區(qū)域多能負(fù)荷的不確定性，且計(jì)及原始風(fēng)機(jī)、光伏、多能負(fù)荷數(shù)據(jù)的時(shí)序性，建立了考慮日內(nèi)和日間儲(chǔ)能的綜合能源系統(tǒng)容量?jī)?yōu)化配置模型，通過(guò)仿真分析不同案例對(duì)系統(tǒng)容量配置和經(jīng)濟(jì)性的影響，得出以下結(jié)論：

(1)相比利用典型日進(jìn)行系統(tǒng)規(guī)劃，本文提出的方法可以在減小計(jì)算量的同時(shí)獲得較為準(zhǔn)確的系統(tǒng)容量配置和經(jīng)濟(jì)優(yōu)勢(shì)。

(2)儲(chǔ)能作為未來(lái)高比例可再生能源系統(tǒng)靈活調(diào)節(jié)的重要手段，本文提出方法對(duì)考慮日內(nèi)和日間儲(chǔ)能的多能系統(tǒng)規(guī)劃和運(yùn)行具有一定的借鑒意義和工程應(yīng)用價(jià)值。