高瑞陽，王新寶，高嫻，王芳，卞海紅，徐懂理

（1. 南京工程學(xué)院電力工程學(xué)院，南京 210000；2. 南京南瑞繼保電氣有限公司，南京 211100；3. 奧爾堡大學(xué)能源系，奧爾堡9220）

0 引言

在“雙碳”背景下，相對于獨立規(guī)劃運(yùn)行的傳統(tǒng)能源系統(tǒng)，區(qū)域綜合能源系統(tǒng)（regional integrated energy system，RIES）利用協(xié)同調(diào)度多元能源實現(xiàn)多能互補(bǔ)［1-2］，通過電氣接口接入主動配電網(wǎng)（active distribution network， ADN）構(gòu)成含有多個RIES的主動配電網(wǎng)系統(tǒng)［3］，是未來能源系統(tǒng)的重要發(fā)展形式之一。

隨著RIES 接入電網(wǎng)的規(guī)模逐漸增大，用戶對電網(wǎng)電量的需求逐漸減小，導(dǎo)致電網(wǎng)設(shè)備利用率降低［4］。而各RIES 之間存在產(chǎn)消差異，利用聯(lián)絡(luò)線實現(xiàn)多能共享將大幅度提高異質(zhì)能源利用率［5］。對ADN 而言，RIES 具有雙向調(diào)節(jié)效應(yīng)，內(nèi)部靈活性資源與互濟(jì)能源都是其電力需求響應(yīng)資源［6-7］。因此，如何利用ADN 的主動管理、主動規(guī)劃能力，實現(xiàn)靈活性資源整合對提升配網(wǎng)系統(tǒng)的低碳性和經(jīng)濟(jì)性具有重要意義。

目前對于配電網(wǎng)和RIES 的調(diào)度研究主要有以下3種類型。

1）RIES 獨立優(yōu)化調(diào)度。文獻(xiàn)［8］考慮碳信息流和綜合需求響應(yīng)，改善了負(fù)荷時間分布曲線，為實現(xiàn)經(jīng)濟(jì)低碳調(diào)度提供新手段。文獻(xiàn)［9］建立碳捕集-電轉(zhuǎn)氣聯(lián)合運(yùn)行框架，有效改善系統(tǒng)新能源消納能力，實現(xiàn)系統(tǒng)低碳運(yùn)行。文獻(xiàn)［10］根據(jù)用戶出行和充電特性，將電動汽車（electric vehicle，EV）作為可與電網(wǎng)雙向互動的可控負(fù)荷，通過有序充放電達(dá)到對系統(tǒng)削峰填谷的效果。

2）配電網(wǎng)獨立優(yōu)化調(diào)度。文獻(xiàn)［11］考慮主動配電網(wǎng)響應(yīng)，并設(shè)計碳排放責(zé)任目標(biāo)，實現(xiàn)經(jīng)濟(jì)、風(fēng)電消納和社會效益的合理均衡。文獻(xiàn)［12］考慮風(fēng)光出力波動，通過改變?nèi)嵝载?fù)荷邊際效益增強(qiáng)其參與調(diào)度意愿達(dá)到平抑波動的經(jīng)濟(jì)性調(diào)度效果。文獻(xiàn)［13］針對分布式電源消納利用情況，提出分布式電源與配電網(wǎng)間進(jìn)行主從博弈實現(xiàn)電能定價，有效解決系統(tǒng)阻塞問題，促進(jìn)系統(tǒng)經(jīng)濟(jì)運(yùn)行。文獻(xiàn)［8-13］提供了RIES 內(nèi)部大量靈活性資源、降低碳排放手段和配電網(wǎng)內(nèi)部調(diào)峰方法，但側(cè)重于單個能源系統(tǒng)與負(fù)荷進(jìn)行交互，調(diào)度主體單一［14］，導(dǎo)致可調(diào)度資源存在浪費現(xiàn)象。

3）僅考慮電能交互的多RIES 聯(lián)合調(diào)度，即通過各RIES 間母線進(jìn)行電能共享，促進(jìn)內(nèi)部異質(zhì)能源協(xié)同調(diào)度和風(fēng)光消納［15-16］。文獻(xiàn)［17-18］提出綜合需求響應(yīng)（integrated demand response，IDR）協(xié)同調(diào)度，在可以電能共享的多綜合能源系統(tǒng)中改善了負(fù)荷特性，實現(xiàn)用戶IDR 行為有序引導(dǎo)。文獻(xiàn)［19］引入線性化的談判博弈對可以電能共享的多綜合能源系統(tǒng)的利益交互進(jìn)行建模，實現(xiàn)了高經(jīng)濟(jì)效益和高能效利用的多目標(biāo)優(yōu)化。

由此可見，對于多RIES 產(chǎn)消能力的互補(bǔ)性應(yīng)用研究大多集中在多RIES 合作運(yùn)行，合作方式以電能共享為主，而對同時考慮多能共享和多種靈活性資源并參與配網(wǎng)調(diào)峰調(diào)度的聯(lián)合優(yōu)化調(diào)度鮮有涉及［20］。為此本文提出考慮靈活性資源和多能共享的低碳區(qū)域綜合能源系統(tǒng)聯(lián)盟-配電網(wǎng)博弈優(yōu)化調(diào)度策略。構(gòu)建以ADN 為領(lǐng)導(dǎo)者、RIES 聯(lián)盟為跟隨者的主從博弈模型，同時內(nèi)嵌多RIES 以多能共享合作方式構(gòu)建的合作博弈模型；引入碳交易機(jī)制及包括EV 在內(nèi)的多種靈活性資源參與ADN 經(jīng)濟(jì)低碳化調(diào)度；利用遺傳算法嵌套IPOPT 求解器求解從主從博弈均衡解，即獲得ADN 與RIES 聯(lián)盟的交互電價策略，實現(xiàn)兩主體效益最大化；最后由算例驗證所提模型對提高各主體效益的有效性。

1 含RIES聯(lián)盟的ADN結(jié)構(gòu)和運(yùn)營模型

1.1 基本結(jié)構(gòu)

如圖1所示為含RIES聯(lián)盟的ADN 系統(tǒng)結(jié)構(gòu)圖。其中，主動配電網(wǎng)與上級電網(wǎng)相連，RIES 聯(lián)盟通過電氣接口與ADN 產(chǎn)生電功率交互，各RIES 之間經(jīng)母線和天然氣管道進(jìn)行電-氣能源互濟(jì)。RIES 內(nèi)部包含碳捕集-電轉(zhuǎn)氣機(jī)組、風(fēng)光及常規(guī)機(jī)組、多元儲能裝置、電-氣負(fù)荷和EV負(fù)荷。

圖1 含RIES聯(lián)盟的ADN結(jié)構(gòu)圖Fig. 1 ADN structure diagram with RIES alliance

1.2 運(yùn)營模型

RIES聯(lián)盟的運(yùn)營形式有兩種：一是協(xié)調(diào)聯(lián)盟內(nèi)部分布式靈活資源并利用各RIES 產(chǎn)消能力差異性，通過互聯(lián)網(wǎng)絡(luò)進(jìn)行多元能源互濟(jì)；二是以分布式雙邊電能交易形式參與ADN 調(diào)度。RIES 聯(lián)盟根據(jù)ADN 發(fā)布的購售電價制定與ADN 的購售電交易策略，RIES內(nèi)部負(fù)荷需求優(yōu)先由新能源與常規(guī)機(jī)組滿足，并通過各RIES之間的配電母線及天然氣網(wǎng)管道實現(xiàn)多元異質(zhì)能源共享互補(bǔ)達(dá)到產(chǎn)消協(xié)調(diào)效果。

經(jīng)過聯(lián)盟內(nèi)部調(diào)度和能源互濟(jì)后依舊存在的不平衡能源稱余缺能源，其中余缺天然氣可與氣網(wǎng)直接交互，余缺電能則參與配電網(wǎng)調(diào)峰調(diào)度。因此由n個RIES 構(gòu)成的RIES 聯(lián)盟的余缺電量PRIES是RIES聯(lián)盟的可調(diào)度功率，如式（1）所示。

式中：PL，i(t)、Pi(t)分別為t時刻第i個RIES 的負(fù)荷量和發(fā)電量；ΔPij(t)為t時刻第i和j個RIES的經(jīng)互聯(lián)母線的互濟(jì)功率；PRIES，s(t)、PRIES，b(t)分別為RIES聯(lián)盟與ADN在t時刻的售、購電功率。

ADN 通過與RIES 聯(lián)盟進(jìn)行雙邊交易以發(fā)揮主動調(diào)度能力。其優(yōu)先消納新能源發(fā)電PADNn以支撐其常規(guī)負(fù)荷PADNL，剩下的不平衡量為如式（2）所示的ADN不平衡負(fù)荷PADN。

此不平衡負(fù)荷優(yōu)先由ADN 所接的RIES 進(jìn)行消納，若仍存在缺額則可從上級電網(wǎng)購電PADNb實現(xiàn)平衡，如式（3）所示。

2 含靈活性資源與低碳交互結(jié)構(gòu)RIES模型

為更好發(fā)揮ADN 主動性，本文引入多種靈活性資源幫助ADN 實現(xiàn)調(diào)峰調(diào)度。同時為響應(yīng)所提低碳交互結(jié)構(gòu)，并降低EV 和碳捕集（carbon capture and storage，CCS）調(diào)度門檻，考慮將二者引入碳交易制度。

2.1 多種靈活性資源及低碳交互建模

2.1.1 EV有序充放電模型

考慮到當(dāng)下EV 群的大量接入具有靈活、快速、可與電網(wǎng)雙向互動的調(diào)度特點，本文在RIES 中引入EV 作為一種靈活調(diào)度資源，以提高ADN 對RIES 的調(diào)度空間，如圖2 所示，對EV 靈活調(diào)度區(qū)域進(jìn)行分析。

圖2 EV靈活調(diào)度區(qū)域Fig. 2 Flexible dispatching area of EV

EV 在tin時刻接入電網(wǎng)，tout時刻離開電網(wǎng)；AB和ED對應(yīng)EV電池電量上下限，EV沿FA、FE邊進(jìn)行最大功率充、放電。BC邊為車主可接受離開電量范圍，EV達(dá)CD邊時將強(qiáng)制以最大功率充電直至BC邊。對EV個體建模如下。

式中：Sev，i(t)為第i個EV 在t時段的荷電狀態(tài)；ηc、ηf分別為EV的充、放電效率；Pc，i(t)、Pf，i(t)分別為第i個EV在t時段的充、放電功率；Pevu，i(t)為t時段內(nèi)第i個EV 的能耗；Pc，i，max、Pc，i，min和Pf，i，max、Pf，i，min分別為第i個EV 充、放電功率的上、下限；tin，i為第i個EV 接入電網(wǎng)時刻；T為調(diào)度周期，取24。

2.1.2 多元儲能模型

長時儲能電池和儲氣裝置在面臨尖端負(fù)荷時可為系統(tǒng)提供一定的靈活調(diào)度空間，提高系統(tǒng)穩(wěn)定性。ψ表示電、氣儲能裝置的集合，兩者模型類似，所建模型如下。

式中：Sψ，i(t)為儲能裝置i在t時段內(nèi)的存儲量；σψ，i為儲能裝置i的損耗率；ηc，ψ，i、ηf，ψ，i分別為儲能裝置i的充、放能效；Pc，ψ，i(t)、Pf，ψ，i(t)分別為儲能裝置i在t時段內(nèi)充、放能量；SCap，ψ，i為儲能裝置i的容量；Wmin、Wmax分別為儲能最小、最大荷電狀態(tài)系數(shù)。

2.1.3 需求響應(yīng)建模

需求響應(yīng)通過價格信號或直接控制協(xié)議對符合需求進(jìn)行調(diào)整。本文考慮將ADN 釋放的分時價格信號并設(shè)置可中斷負(fù)荷作為對RIES 負(fù)荷的靈活調(diào)整手段。

式中：PL，i，0、PL，i分別為電價需求響應(yīng)前、后負(fù)荷；ρii、ρij分別為自彈性系數(shù)和互彈性系數(shù)；ei、Δei分別為i時段內(nèi)原電價和電價變化量；ej、Δej分別為j時段內(nèi)原電價和電價變化量。

式中：CDR(t)、μIBDR分別為t時刻系統(tǒng)總補(bǔ)償成本和單位補(bǔ)償成本；ΔPe(t)為t時刻電負(fù)荷中斷負(fù)荷量；ζDR為可中斷負(fù)荷比例系數(shù)。

2.2 低碳交互結(jié)構(gòu)

2.2.1 CCS-P2G建模

為改善RIES 中機(jī)組碳排放現(xiàn)象，本文基于碳捕集技術(shù)建立CCS 和電轉(zhuǎn)氣（power to gas，P2G）耦合模型，構(gòu)建動態(tài)碳循環(huán)系統(tǒng)。CCS 捕集能耗Pccs主要包括兩個部分：由常量表示的機(jī)組維持能耗Pccs，b和與碳捕集量相關(guān)的運(yùn)行能耗Pccs，r，P2G 機(jī)組獲得CCS 所捕獲的CO2，并通過電解水獲得另一原料H2O，最后甲烷化合成人工天然氣。常規(guī)機(jī)組、CCS-P2G 爬坡及出力上下限不再贅述，CCSP2G建模如下。

式中：Pe，co2為CCS 捕集單位質(zhì)量CO2的能耗；Mccs(t)為t時段內(nèi)的碳捕集量；η為CCS 的捕集效率；μg為常規(guī)發(fā)電機(jī)組的單位碳排放強(qiáng)度系數(shù)；PG(t)為常規(guī)機(jī)組在t時段內(nèi)的發(fā)電功率；-ω為反應(yīng)平衡系數(shù)；λp2g為P2G 機(jī)組電氣轉(zhuǎn)換效率；Hg為天然氣高熱值，取值為39 MJ/m3；Gp2g(t)、Pp2g(t)分別為P2G在t時段的產(chǎn)氣量與消耗的電功率。

2.2.2 碳交易制度

碳交易制度是通過建立碳排放權(quán)交易市場，設(shè)立碳權(quán)價格，利用分配碳配額約束并引導(dǎo)各方用能行為，實現(xiàn)節(jié)能減排的一種手段［21］。

本文基于基準(zhǔn)線法采用無償分配法為碳交易參與者提供碳配額，交易者獲得的配額量等于其產(chǎn)量乘以單位有功碳配額系數(shù)。配額分配主要包括：RIES 購電配額ERIES，b、常規(guī)機(jī)組配額EG，EV 與CCS 減排量的等效碳排放配額EEV和ECCS，具體如式（12）所示。

式中：CRIES，c為RIES所分配到的碳排放額度；χe為單位電功率的碳配額；Lev為EV 單位電量下行駛的里程；Egas為燃油汽車單位里程的碳排放量；Enet為EV 所充電產(chǎn)生的等效碳排放量；Pc(t)、Pf(t)分別為EV 在t時段的充、放電功率；Pccs(t)為t時段CCS 的捕集能耗。則RIES 碳交易成本Cco2(t)如式（13）所示。

式中：c為市場碳交易價格；CG，co2(t)、CRIES，b，co2(t)分別為t時段內(nèi)常規(guī)機(jī)組和購電產(chǎn)生的二氧化碳量。

3 各主體決策模型

3.1 主動配電網(wǎng)

ADN 的決策變量為與RIES 聯(lián)盟交互的分時購售電電價，以運(yùn)行效益最大為優(yōu)化目標(biāo)，目標(biāo)函數(shù)FADN如式（14）所示。

式中：IRIES(t)為ADN 與RIES 聯(lián)盟電功率交互收益；Cbuy(t)為ADN 從上級配電網(wǎng)的購電成本。二者表達(dá)式如下所示。

式中：λs(t)和λb(t)分別為t時段ADN 對RIES 的售電價和購電價；λss(t)為t時段上級電網(wǎng)售電電價；PADNb(t)為t時段從上級電網(wǎng)購電功率。

為保證各主體利益，做出以下約束。其中原始交流潮流約束、線路功率容量約束、節(jié)點電壓約束等常規(guī)約束，本文不再贅述。

3.1.1 交互功率容量約束

式中：PRIES，max、PADNb，max分別為ADN 與RIES 聯(lián)盟和上級配電網(wǎng)線路交互的最大功率。

3.1.2 分時電價約束

為避免RIES 越級購電的情況，ADN 所定電價應(yīng)處在上級配電網(wǎng)電價區(qū)間內(nèi)，如式（19）所示。

式中：λss，min(t)為上級配電網(wǎng)的上網(wǎng)成本電價。

考慮到ADN 在博弈中主導(dǎo)定價權(quán)，為保護(hù)用戶利益避免其出現(xiàn)牟利現(xiàn)象，設(shè)定如式（20）約束。

3.2 RIES合作聯(lián)盟

RIES 聯(lián)盟的決策變量為與ADN 交互的電量，根據(jù)ADN 頒布的分時電價，以合作聯(lián)盟形式優(yōu)化自身供能策略，建立計及經(jīng)濟(jì)和低碳減排的目標(biāo)函數(shù)模型，目標(biāo)函數(shù)FRIES如式（21）所示。

式中：CDR，i(t)為第i個RIES 的需求響應(yīng)成本；Co，i(t)為第i個RIES的機(jī)組運(yùn)行成本，由常規(guī)機(jī)組運(yùn)行成本CG，i(t)、新能源機(jī)組運(yùn)行成本Cnew，i(t)、EV 調(diào)度成本CEV，i(t)和儲能裝置成本Cs，ψ，i(t)構(gòu)成，表達(dá)式如下所示。

式中：λg為單位燃料價格；aG、bG和cG為常規(guī)機(jī)組出力系數(shù)；ηnew為新能源機(jī)組運(yùn)維成本系數(shù)；Pnew，i(t)為t時段內(nèi)新能源機(jī)組i出力；ηloss為EV 放電損耗系數(shù)；as，ψ和bs，ψ為儲能成本系數(shù)。

第i個RIES在t時段電、氣功率滿足：

式中：PES，i(t)為電儲能凈放電量；PEV，i(t)為EV凈負(fù)荷量；Gb，i(t)為向天然氣網(wǎng)購氣量；GGS，i(t)為儲氣罐凈出氣量；GL，i(t)為天然氣凈負(fù)荷；ΔGij(t)為與第j個RIES交互的天然氣量。

REIS 之間通過聯(lián)絡(luò)母線實現(xiàn)多能互濟(jì)，為保障各RIES 利益，規(guī)定有能源剩余的RIES 可以輸送給缺能RIES 的能源量不超過自身剩余能源量，缺能RIES 只可接受不超過所缺能源缺額，具體約束如下。

式中：PRIES，eq，i(t)為第i個RIES 的凈負(fù)荷缺額，即大于0 時為缺能狀態(tài)。天然氣交互具有相同特性，文中不再贅述。

3.3 基于納什議價分配合作收益

在RIES 合作聯(lián)盟中，假設(shè)每個RIES 都是獨立且理性的個體，其間既有合作關(guān)系也有競爭關(guān)系，因此各個RIES 不會不顧自身利益而與其他個體交互。為保證參與合作的RIES 的積極性，本文需進(jìn)一步研究合作博弈帶來的收益公平分配問題。

考慮到納什議價理論能夠滿足參與合作的所有個體的帕累托最優(yōu)，本文以各RIES 獨立參與ADN交互的收益作為談判崩裂點，采用納什議價模型進(jìn)行求解，模型表示如式（27）所示。

式中：n為RIES 組成合作聯(lián)盟的數(shù)量；FRIES，i和FRIES，0分別為第i個RIES 聯(lián)盟合作議價和獨立參與交易后的收益。

式（27）為非凸非線性問題，此處利用文獻(xiàn)［22］中的方法將上述問題等效轉(zhuǎn)化為兩個凸的子問題，即社會效益最大化問題和支付效益最大化問題，并利用交替方向乘子法（alternating direction method of multipliers，ADMM）予以順序求解。其子問題依次表示如式（28）—（29）所示。

式中：FRIES，i*為第i個RIES 的收益；Zi為第i個RIES的議價收益轉(zhuǎn)移。

4 區(qū)域綜合能源系統(tǒng)聯(lián)盟-主動配電網(wǎng)博弈均衡分析及求解流程

4.1 博弈框架

ADN 和RIES 聯(lián)盟均有自我趨利屬性，且兩者利益沖突，存在明顯的博弈關(guān)系。ADN 作為上層領(lǐng)導(dǎo)者，將所制定的分時電價下派至下層跟隨者RIES 聯(lián)盟，再根據(jù)下層反饋的用能策略與需求響應(yīng)信息，以最大化交互效益為目標(biāo)優(yōu)化能價策略。其存在的信息先后迭代關(guān)系呈現(xiàn)主從階梯結(jié)構(gòu)的動態(tài)博弈特點，屬于典型主從博弈關(guān)系。下層RIES 聯(lián)盟內(nèi)部各個RIES 合作目標(biāo)呈現(xiàn)一致性，即利用多能共享實現(xiàn)運(yùn)行效益最大化。故本文將ADN 作為領(lǐng)導(dǎo)者，RIES 合作聯(lián)盟作為跟隨者，建立如圖3 所示的RIES 聯(lián)盟-ADN 博弈調(diào)度框架。

圖3 RIES聯(lián)盟-ADN博弈調(diào)度框架Fig. 3 Scheduling framework of RIES alliance-ADN game

其中，用Stackelberg 博弈來描述ADN 和RIES聯(lián)盟追求各自目標(biāo)最優(yōu)的決策過程，該Stackelberg博弈模型可表示為：

該模型包括參與者、策略和效用函數(shù)。其中參與者為領(lǐng)導(dǎo)者ADN 和跟隨者RIESn聯(lián)盟；策略包括ADN 與RIES 聯(lián)盟的交互電價λADN，RIES 聯(lián)盟中機(jī)組的輸出功率QRIES，電氣負(fù)荷需求響應(yīng)量LRIES，EV 有序充放電功率Pev，儲能有序充放電功率Pes；效用函數(shù)為FADN、FRIES。

在博弈過程中，主從雙方都不能通過改變策略時來獲取更多收益，此時博弈達(dá)到Stackelberg 博弈均衡（λAND*，QRIES*，LRIES*，Pev*，Pes*），如式（31）所示。

4.2 求解

本文采用遺傳算法嵌套IPOPT 求解器的方式求解博弈模型，上層采用遺傳算法更新并求解ADN定價及效益，下層RIES 聯(lián)盟策略及議價均使用IPOPT進(jìn)行求解。求解流程如圖4所示。

圖4 求解流程Fig. 4 Solution flow chart

上層遺傳算法包括以下步驟。

1）輸入基本數(shù)據(jù)和參數(shù)。

2）初始化種群a，生成ADN 分時電價，設(shè)置迭代次數(shù)K=0。

3）ADN 將分時電價下發(fā)至下層跟隨者，RIES聯(lián)盟調(diào)用IPOPT求解器計算自身收益。

4）ADN根據(jù)下層反饋策略計算自身收益F1。

5）a種群通過交叉、變異形成新種群b。

6）再次調(diào)用IPOPT求解器計算下層收益，ADN根據(jù)反饋更新自身收益F2。

7）比較歷史收益，進(jìn)行選擇操作，若F2>F1，a=b，F(xiàn)1=F2，否則保留結(jié)果。

8）判斷是否達(dá)到最大迭代次數(shù)，達(dá)到則輸出策略及對應(yīng)收益。

下層RIES 之間通過多能共享形式進(jìn)行合作博弈，以聯(lián)盟形式響應(yīng)上層調(diào)度，調(diào)用IPOPT 求解器計算各RIES 內(nèi)部機(jī)組出力情況、靈活性資源響應(yīng)量、RIES 間交互功率量，將優(yōu)化結(jié)果反饋至上層。最后，為保證各RIES 合作積極性，基于納什議價完成RIES聯(lián)盟中的分配合作剩余。

5 算例分析

5.1 算例參數(shù)

如圖5 所示，算例中的ADN 基于IEEE 14 節(jié)點系統(tǒng)進(jìn)行設(shè)計，分別于6、11、12 節(jié)點接入3 個RIES，構(gòu)成RIES 聯(lián)盟。通過節(jié)點1 接入上級配電網(wǎng)，節(jié)點2、3 分別配備風(fēng)光機(jī)組。設(shè)定種群個體數(shù)為50，最大迭代次數(shù)為200，種群交叉概率為0.95，變異概率為0.3。各RIES 的風(fēng)光預(yù)測及負(fù)荷預(yù)測曲線如圖6 所示，RIES 與ADN 交互功率上限為1 000 kw。CCS-P2G 機(jī)組及常規(guī)機(jī)組數(shù)據(jù)參考文獻(xiàn)［23-24］，碳交易數(shù)據(jù)參考文獻(xiàn)［25-26］，EV 數(shù)據(jù)參考文獻(xiàn)［27］。

圖5 ADN網(wǎng)絡(luò)結(jié)構(gòu)圖Fig. 5 Structure diagram of ADN network

圖6 各RIES負(fù)荷及新能源預(yù)測曲線Fig. 6 Load and new energy prediction curves of each RIES

5.2 結(jié)果分析

5.2.1 配電網(wǎng)-RIES聯(lián)盟博弈優(yōu)化結(jié)果分析

1）ADN定價結(jié)果分析

基于本文所述模型及求解方法，計算ADN 的優(yōu)化分時電價，其均衡結(jié)果如圖7所示。

圖7 ADN分時電價結(jié)果Fig. 7 Time-of-use pricing results of ADN

ADN 通過設(shè)置購售電差價獲得盈利，為能夠給RIES 提供更優(yōu)價格，并保證一定盈利，ADN 定價始終處于上級電網(wǎng)定價之間，且售電價高于購電價。此外，ADN 的售電價格波動趨勢受上級電網(wǎng)分時電價趨勢影響，購售電價格與實際用電負(fù)荷趨勢一致，目的是為了優(yōu)化負(fù)荷曲線并激勵RIES 參與調(diào)度。

2）RIES合作議價結(jié)果分析

如表1 為分析納什議價結(jié)果，考慮3 種模式下的各RIES成本收斂情況如下。

表1 模式1—3下各RIES運(yùn)行成本Tab. 1 Operating cost of each RIES under mode 1—3元

模式1，所有RIES獨立與ADN交易；

模式2，所有RIES 參與合作博弈，但不考慮納什議價；

模式3，所有RIES 參與合作博弈，并采用納什議價進(jìn)行分配。

根據(jù)表1 中數(shù)據(jù)可以發(fā)現(xiàn)：由于模式1 中的RIES 只能單獨與ADN 交易，模式2 的RIES 合作博弈聯(lián)盟形式比模式1 的RIES 群運(yùn)行成本降低了507.8 元。但是，RIES3 的合作運(yùn)行成本相比于獨立交易上升了198.1 元，將導(dǎo)致其更傾向于獨立運(yùn)行，破壞其合作積極性。本文所提納什議價分配方法（模式3）根據(jù)合作互濟(jì)功率量進(jìn)行合理有效分配合作收益，使3 個RIES 成本均在獨立運(yùn)行成本之下，合理降低聯(lián)盟總成本的同時利于維持聯(lián)盟長期合作。

3）RIES1響應(yīng)ADN調(diào)度結(jié)果分析

ADN 最終定價與上級電網(wǎng)分時電價趨勢大體一致，可分為“峰-谷-平”3 個時段。結(jié)合RIES1 響應(yīng)情況，可以看出在谷時段00：00—08：00，23：00—24：00 時，RIES1 與ADN 購電交互頻繁，積極響應(yīng)ADN 填谷調(diào)度，具體表現(xiàn)在：如圖8（a）所示的電力系統(tǒng)中系統(tǒng)優(yōu)先消納新能源，得到凈電負(fù)荷曲線，ADN 的谷時電價引導(dǎo)常規(guī)發(fā)電機(jī)組少發(fā)電（如圖8（a）中00：00—08：00），多從配網(wǎng)購電輔助其填谷。多余電量向蓄電池充電（如圖8（a）中00：00、04：00、06：00），仍有缺額或盈余則傳遞給其他RIES 系統(tǒng)。圖8（b）所示的天然氣系統(tǒng)中由于此時電價較低，電轉(zhuǎn)氣成本較低，RIES1 與氣網(wǎng)交互減少，優(yōu)先由電轉(zhuǎn)氣和其他RIES 互濟(jì)支撐氣負(fù)荷（如圖8（b）中23：00—24：00和00：00—08：00）。

圖8 RIES1響應(yīng)情況Fig. 8 Response of RIES1

ADN 峰時電價時段：19：00—23：00，RIES1與ADN 售電電交互頻繁，響應(yīng)ADN 削峰調(diào)度，具體表現(xiàn)在：如圖8（a）所示的電力系統(tǒng)在優(yōu)先消納新能源后，因此時段內(nèi)電網(wǎng)購電成本高，功率缺額由常規(guī)機(jī)組盡力滿足（如圖8（a）中20：00—23：00），碳捕集機(jī)組出力上升以減少常規(guī)機(jī)組滿載運(yùn)行帶來的高碳排放量。儲能、EV 均放電減少負(fù)荷壓力（如圖8（a）中21：00—23：00），功率缺額向配網(wǎng)購電，但盈余則售至ADN 側(cè)，幫助配網(wǎng)完成削峰調(diào)度，獲得更高收益。圖8（b）所示的天然氣系統(tǒng)中ADN 電價較高，且RIES 凈負(fù)荷曲線處于峰值，電轉(zhuǎn)氣成本高，RIES1 氣負(fù)荷由其他RIES 互濟(jì)和氣網(wǎng)購氣支撐（如圖8（b）中19：00—23：00）。

5.2.2 多場景對比分析

為驗證本文所提博弈的耦合關(guān)系和靈活性資源對RIES調(diào)度的經(jīng)濟(jì)性影響，本文設(shè)置如下4種場景進(jìn)行分析。

場景1：固定電價，不考慮需求響應(yīng)、EV、儲能設(shè)備等靈活性資源，各電-氣區(qū)域綜合能源系統(tǒng)獨立運(yùn)行。

場景2：固定電價，考慮需求響應(yīng)、EV、儲能設(shè)備等靈活性資源，各電-氣區(qū)域綜合能源系統(tǒng)獨立運(yùn)行。

場景3：固定電價，考慮需求響應(yīng)、EV、儲能設(shè)備等靈活性資源，各電-氣區(qū)域綜合能源系統(tǒng)合作運(yùn)行。

場景4：本文所提由主動配電網(wǎng)進(jìn)行調(diào)度并計及需求響應(yīng)、EV、儲能設(shè)備等靈活性資源，各電-氣區(qū)域綜合能源系統(tǒng)合作運(yùn)行。

對比表2 中4 種場景下各RIES 成本可以發(fā)現(xiàn)：場景1 中各RIES 獨立運(yùn)行，且不考慮“荷-儲”靈活性資源，各自負(fù)荷完全由各自RIES 內(nèi)部機(jī)組承擔(dān)，棄風(fēng)棄光現(xiàn)象嚴(yán)重，造成了資源浪費，導(dǎo)致經(jīng)濟(jì)效益低下和高碳排放成本；場景2 對比場景1，引入多種靈活性資源，實施多元需求響應(yīng)策略優(yōu)化負(fù)荷曲線，考慮多元儲能裝置和EV 有序充放電策略，緩解峰時高碳壓力，并利用其與電力系統(tǒng)雙向互動，達(dá)到削峰填谷、節(jié)約成本的效果；場景3 相比場景2，考慮各RIES 間以多能共享方式進(jìn)行合作博弈，能源互濟(jì)使得能效利用率進(jìn)一步提升，有效釋放儲能裕度，降低儲能成本。而共享能源不需要承擔(dān)碳排放成本，各RIES 可選擇在自身碳排放較小時產(chǎn)能，由EV和儲能存儲，并在高碳排放時互濟(jì)，進(jìn)而有效降低碳成本；場景3 相比于場景4，未考慮ADN 調(diào)度，實施固定電價。因此，RIES 與配電網(wǎng)交互電量完全受內(nèi)部凈負(fù)荷趨勢和各機(jī)組出力影響，配網(wǎng)側(cè)被動供能，極大影響兩主體各自利益。場景4中由配電網(wǎng)主動調(diào)度，與RIES聯(lián)盟構(gòu)成主從博弈，實施內(nèi)部購售電價，保證交互有序性，合理優(yōu)化下層機(jī)組出力和靈活性資源調(diào)度，因此兩主體利益得到保證，驗證了本文所提博弈的耦合關(guān)系和靈活性資源能夠有效提高RIES 調(diào)度的低碳性和經(jīng)濟(jì)性。

表2 4種場景下各RIES成本Tab. 2 Costs of each RIES under four scenarios元

5.2.3 不同場景下低碳優(yōu)化分析

為進(jìn)一步分析碳交易機(jī)制下的低碳交互效果，對場景2—4的碳排放行為進(jìn)行分析。由于場景1并不考慮靈活性資源，高碳排行為無法緩解，因而不再贅述。RIES1 碳排放行為優(yōu)化結(jié)果如圖9—10所示。

圖9 場景4下RIES1碳交易Fig. 9 Carbon trading of RIES1 under scenario 4

圖10 各場景下部分碳交易行為Fig. 10 Partial carbon trading behaviors under various scenarios

如圖9—10 所示，結(jié)合上述表2 中的碳交易成本，由于ADN調(diào)度場景4存在供能規(guī)律性與集中性特點，場景4 的總碳排放成本較低。具體體現(xiàn)在：不考慮ADN 與RIES博弈行為，場景2—3中的常規(guī)機(jī)組出力、配網(wǎng)購電、購氣均勻分散且出力頻繁，導(dǎo)致整體碳排放偏高。而場景4 在動態(tài)定價和碳交易的驅(qū)動下，將靈活改變碳排放行為，如14：00—18：00，選擇與配網(wǎng)交互進(jìn)而代替常規(guī)機(jī)組高碳排放行為，并利用P2G 消納配網(wǎng)能源降低購氣碳成本。場景4 中出現(xiàn)負(fù)荷高峰期碳排放減小，是EV進(jìn)行車到網(wǎng)的放電行為所導(dǎo)致的。EV 受ADN 調(diào)度影響，其等效碳排額即有序充放電行為與ADN 交互相關(guān)，如EV 放電時段時與ADN 交互形式為售電，而EV 充電時段則為購電。這說明在RIES 與ADN 博弈的情況下，EV 能夠有序的消納多余能源；并且EV等效碳配額出現(xiàn)負(fù)值，即為EV放電行為，表示EV 放電代替其他形式的高碳行為，有效降低系統(tǒng)碳排放。由此可見，在ADN 調(diào)度下，EV等靈活性資源可以實現(xiàn)有效響應(yīng)，通過轉(zhuǎn)移高碳行為達(dá)到整體減排效果，實現(xiàn)系統(tǒng)低碳運(yùn)行。

6 結(jié)論

本文基于多能共享方式組建RIES 聯(lián)盟，考慮多種靈活性資源提升主動配電網(wǎng)對RIES 的調(diào)度能力，構(gòu)建了以ADN 為領(lǐng)導(dǎo)者，RIES 聯(lián)盟為跟隨者的多利益主體雙層低碳交互機(jī)制，實現(xiàn)了RIES 和ADN 主從博弈互動和多能共享的低碳經(jīng)濟(jì)優(yōu)化調(diào)度。主要得到以下結(jié)論。

1）考慮電-氣能源共享和多種靈活性資源，建立了區(qū)域綜合能源系統(tǒng)聯(lián)盟-配電網(wǎng)博弈優(yōu)化模型，ADN 通過合理的價格信息引導(dǎo)RIES 聯(lián)盟的可控設(shè)備出力、需求響應(yīng)量、EV 有序充放電策略以及多元儲能策略，實現(xiàn)了多主體多能源協(xié)同優(yōu)化調(diào)度。

2）下層各RIES 之間進(jìn)行合作博弈，通過聯(lián)絡(luò)線和天然氣網(wǎng)絡(luò)實現(xiàn)電-氣能源互濟(jì)，獲得合作最優(yōu)效益后基于納什議價理論進(jìn)行利益分配，保證合作成員積極性，并有效促進(jìn)機(jī)組出力的優(yōu)化，提高調(diào)度經(jīng)濟(jì)性。

本文未考慮電-氣能源在調(diào)度時間尺度上的差異性，在后續(xù)的研究工作中需進(jìn)一步考慮多種能源功率互濟(jì)和需求響應(yīng)資源在不同時間尺度上的調(diào)度特性對系統(tǒng)運(yùn)行的經(jīng)濟(jì)性影響。