考慮源網荷儲聚合交易的區域電熱綜合能源系統優化調度

楊冬梅，王俊，杜煒

(1.南瑞集團有限公司(國網電力科學研究院有限公司)，南京市 211106；2.國電南瑞科技股份有限公司，南京市 211106)

0 引 言

國家發展改革委、國家能源局組織編制印發的《能源技術革命創新行動計劃(2016—2030年)》指出源網荷儲互動市場的清潔能源消納工程是清潔能源利用、智慧能源建設的一個重要落腳點[1]。在源網荷儲建設過程中，電采暖(electric heating，EH)、熱電聯產(combined heat and power，CHP)、熱泵(heat pump，HP)等耦合設備使得電力系統與熱力系統間的耦合程度不斷加深，協調優化電熱能源的生產、傳輸、分配、轉換、存儲、消費等環節的區域電熱綜合能源系統(regional integrated electric and heating system，RIEHS)成為研究熱點[2]。但受清潔能源出力波動、商業模式不健全等因素影響，用戶側資源利用不充分，能源供應呈現出整體富裕但局部短缺的不平衡現象[3]，亟需在RIEHS的優化調度過程中，通過源網荷儲互動交易，消納可能受限的清潔能源，提高運行效率。

目前，在RIEHS的優化調度方面，針對終端電熱系統，文獻[4-6]基于經典熱電聯產經濟調度優化模型，提出了CHP的多目標優化調度方法和CHP隨機多目標優化調度方法；文獻[7-8]考慮集中供熱系統的蓄熱特性和響應特性，建立了熱電聯產機組的多時間尺度協調調度模型；文獻[9-11]基于不同場景的電儲能、熱儲能、電動汽車等資源以及CHP補燃裝置，建立了RIEHS雙層優化調度模型。針對包含電力和熱力網絡的RIEHS，目前研究側重于不同能源在生產、傳輸、消費環節的耦合關系，文獻[12]建立了RIEHS的穩態混合潮流模型，提出了統一計算和順序計算2種混合潮流的計算方法；文獻[13-15]計及電熱傳輸損耗，考慮用戶互補聚合響應，建立了RIEHS優化調度模型，分析了不同運行方式對風電消納的影響；文獻[16]考慮區域熱網管道及建筑的熱慣性，提出了RIEHS的經濟運行策略，提高了可再生能源消納能力。

在源網荷儲交易優化方面，現有研究往往以微網、虛擬電廠(virtual power plant，VPP)為對象，進行可交易資源的優化。在微網方面，文獻[17-18]基于多代理技術提出了微電網與發電商、微網的競價策略；文獻[19]基于博弈論研究了微網與配電側市場的競價機制；文獻[20]建立了微網群內的余電余熱交易機制，開展了微網間的電熱資源交易研究。在VPP方面，文獻[21]分析了VPP聚合優化“源-網-荷-儲”清潔能源發展的控制技術和互動商業模式；在此基礎上，文獻[22]在分散式資源交易準入和調度安全要求下，通過VPP的實時動態組合來整合多種資源參與電力市場交易運行；文獻[23]考慮VPP對內對外的雙側互動特性，進而優化源荷資源的競價策略。總的來說，目前涉及到源網荷儲交易的對象、機制主要圍繞微網和VPP展開，微網往往存在于配網末端節點內，交易執行過程一般不考慮網絡約束，VPP涉及到分布于配網不同節點的資源聚合，交易執行過程需要考慮網絡約束。但目前大多數的源網荷儲交易都為電力資源的交易，較少考慮電采暖等設備以及電網與熱網的耦合特征，在RIEHS優化調度上的應用較少。

綜上所述，現有的RIEHS優化調度主要是針對能源的生產、傳輸、轉換、消費環節進行優化，較少通過交易手段聚合源網荷儲資源參與優化調度，因此有必要從RIEHS源網荷儲資源分布出發，利用VPP對分散在系統區域內不同節點位置的資源進行聚合，并通過交易與調度組織流程參與到RIEHS的優化調度中，提高清潔能源的就地消納和系統運行經濟性。

本文提出一種考慮源網荷儲聚合交易的RIEHS優化調度方法，首先基于RIEHS的基本結構，構建RIEHS的調度框架，設計考慮源網荷儲交易的RIEHS調度組織流程；其次建立考慮源網荷儲聚合交易的RIEHS兩階段優化調度模型，包括VPP聚合交易優化模型和RIEHS優化調度模型；最后基于改進的IEEE 33節點配電系統和32節點巴厘島配熱系統，構建包含3個VPP的RIEHS進行算例分析，驗證所提方法的有效性。

1 基本假設

1.1 RIEHS調度框架

本文構建的RIEHS調度框架如圖1所示。RIEHS基于CHP和HP耦合了配電網(electric distribution network，EDN)和配熱網(heat distribution network，HDN)。分散于不同節點的源網荷儲資源包括風電(wind power，WT)、光伏(photovoltaic，PV)、分布式電源(distribution generation，DG)、EH、可控負荷(controllable load，CL)和儲能(energy storage，ES)。VPP聚合RIEHS中不同類型、不同位置的源網荷儲資源，以零售的方式與區域內的熱、電負荷用戶進行交易，暫不考慮零售價格對用戶擴散和負荷曲線的影響。基于交易結果，各VPP對所屬的源網荷儲資源進行功率分配的自優化，確定好各VPP的功率后，由RIEHS協同各VPP的調度計劃進行整個區域的潮流優化，完成整個區域內的能量供給，實現經濟調度。

圖1 考慮源網荷儲聚合交易的RIEHS調度框架Fig.1 RIEHS dispatching framework considering aggregation and transaction of generation-grid-load-storage

1.2 考慮源網荷儲聚合交易的RIEHS調度組織流程

在不考慮交易資源響應率和響應時延的情況下，本文暫忽略交易與調度的偏差，結合現有的交易與調度規則，構建了圖2所示的考慮源網荷儲聚合交易的RIEHS調度組織流程。假設調度時刻為t，在45 min前，各VPP完成對源網荷儲資源的聚合及交易信息申報；在30 min前，各VPP完成所轄區域內源網荷儲資源與用戶間的熱電交易；在15 min前，各VPP基于其與用戶的交易信息，考慮源網荷儲資源的邊際成本完成功率分配的優化；在t時刻，系統基于各VPP對源網荷儲資源的功率分配，對整個RIEHS區域進行潮流優化，完成整個配網區域內的能量供給，實現經濟調度。

圖2 考慮源網荷儲聚合交易的RIEHS調度組織流程Fig.2 RIEHS dispatching organization process considering aggregation and transaction of generation-grid-load-storage

2 RIEHS兩階段優化調度模型

2.1 VPP聚合交易優化模型

2.1.1目標函數

以RIEHS內各個區域的VPP運營收益最大為目標建立目標函數，具體如下：

maxFk=Sk-Ck

(1)

(2)

(3)

式中：Fk、Sk、Ck分別為第k個VPP的運營收益、售能收益和運行成本；ρre,k,t、ρrh,k,t分別為t時段第k個VPP向用戶的零售電價和零售熱價；PDG,i,t為t時段節點i上DG的有功功率；PECL,i,t、PHCL,i,t分別為t時段節點i上的可控電負荷(electric controllable load，ECL)和可控熱負荷(heat controllable load，HCL)功率；Pdis,i,t為t時段節點i上儲能系統的放電功率；QEH,i,t為t時段節點i上EH的制熱功率；CDG,i,t、CECL,i,t、CHCL,i,t、CEH,i,t、CES,i,t分別為t時段節點i上的DG運行成本、ECL調用成本、HCL調用成本、EH維護成本和ES維護成本，具體如式(4)—(8)所示[22,24]。

CDG,i,t=aDG,iPDG,i,t

(4)

CECL,i,t=aECL,iPECL,i,t

(5)

CHCL,i,t=aHCL,iPHCL,i,t

(6)

CEH,i,t=aEH,iPEH,i,t

(7)

(8)

式中：aDG,i為節點i上DG燃料成本系數；aECL,i、aHCL,i分別為節點i上ECL和HCL的補償費率；aEH,i為節點i上的EH維護成本系數；IES,i、EESR,i、LCN,i、Δt分別為節點i上儲能系統的投入成本、額定容量、生命周期和時間間隔；PEH,i,t為t時刻節點i上的EH用電功率；Pch,i,t、EES,i,t分別為t時段節點i上儲能系統的充電功率和剩余容量。

2.1.2約束條件

1)供需平衡約束。

對于VPPk，需要滿足其所轄區域內的供需平衡，具體為：

(9)

(10)

式中：PEL,i,t、PHL,i,t分別為t時段節點i處的用戶電負荷和熱負荷；PEU,k,t、PHU,k,t分別為t時段第k個VPP與所轄范圍內用戶未成交的電負荷和熱負荷，即VPPk與所轄范圍內用戶交易后，VPPk未能供給的負荷部分；PPV,i,t、PWT,i,t分別為t時段節點i處PV和WT通過VPP參與交易的功率。

2)VPP的售能約束。

為保證RIEHS區域內的市場價格穩定性與公平性，借鑒國外零售市場模式[25]和國內應用情況[22,24]，本文在RIEHS內采用統一的全天平均零售電價和熱價，即：各VPP對所轄區域內用戶的零售價格在不同時段有高低差異，但在全天的平均值相同。

(11)

(12)

ρEGmin≤ρEG,k,t≤ρEGmax

(13)

ρEHmin≤ρEH,k,t≤ρEHmax

(14)

式中：ρEG,k,t、ρEH,k,t分別為t時段第k個VPP對所轄區域內用戶的零售電價和零售熱價;T為總時段數；ρEGavg、ρHGavg分別為RIEHS與所轄區域內用戶提前協定好的全天平均售電價格和售熱價格；ρEGmax、ρEGmin分別為零售電價的上、下限；ρEHmax、ρEHmin分別為零售熱價的上、下限。

3)DG的運行與交易約束。

PDG,i,omin≤PDG,i,t≤PDG,i,omax

(15)

-RDG,i,min≤PDG,i,t-PDG,i,t-1≤RDG,i,max

(16)

QDG,i,t=PDG,i,ttanφDG

(17)

PDG,i,tmin≤PDG,i,t≤PDG,i,tmax

(18)

式中：PDG,i,omax、PDG,i,omin分別為節點i上DG有功功率上、下限；RDG,i,max、RDG,i,min分別為節點i上DG爬坡上、下限；QDG,i,t為節點i上t時段的DG無功功率；φDG為DG的功率因數角；PDG,i,tmax、PDG,i,tmin分別為節點i上滿足安全校核的DG出力交易上、下限，其具體數值根據調度約束范圍提前計算得到，下文中滿足安全校核的交易約束同理。

4)CL的運行與交易約束。

本文的CL主要分為ECL和HCL，其運行約束可表示為：

PECL,i,omin≤PECL,i,t≤PECL,i,omax

(19)

PHCL,i,omin≤PHCL,i,t≤PHCL,i,omax

(20)

QECL,i,t≤PECL,i,ttanφECL

(21)

PECL,i,tmin≤PECL,i,t≤PECL,i,tmax

(22)

PHCL,i,tmin≤PHCL,i,t≤PHCL,i,tmax

(23)

式中：PECL,i,omax、PHCL,i,omax分別為節點i上ECL和HCL運行功率上限；PECL,i,omin、PHCL,i,omin分別為節點i上ECL和HCL運行功率下限；QECL,i,t為節點i上ECL的無功功率；φECL為ECL的功率因數角；PECL,i,tmax、PHCL,i,tmax分別為節點i上ECL和HCL功率滿足安全校核的交易上限；PECL,i,tmin、PHCL,i,tmin分別為節點i上ECL和HCL功率滿足安全校核的交易下限。

5)EH的運行約束。

QEH,i,t=ηEHPEH,i,t

(24)

PEH,i,omin≤PEH,i,t≤PEH,i,omax

(25)

QEH,i,tmin≤QEH,i,t≤QEH,i,tmax

(26)

式中：ηEH為EH的熱效率；PEH,i,omax、PEH,i,omin分別為EH用電功率的上、下限；QEH,i,tmax、QEH,i,tmin分別為EH制熱功率滿足安全校核的交易上、下限。

6)ES的運行約束。

(27)

0.2EESR,i≤EES,i,t≤0.8EESR,i

(28)

EES,i,1=EES,i,T

(29)

0≤Pch,i,t≤Pch,i,omax

(30)

0≤Pdis,i,t≤Pdis,i,omax

(31)

Pch,i,tmin≤Pch,i,t≤Pch,i,tmax

(32)

Pdis,i,tmin≤Pdis,i,t≤Pdis,i,tmax

(33)

式中：ηch和ηdis分別為儲能系統的充、放電效率；Pch,i,omax、Pdis,i,omax分別為節點i上儲能系統運行的充、放電功率上限；Pch,i,tmax、Pdis,i,tmax分別為節點i上儲能系統滿足安全校核的充、放電功率交易上限；Pch,i,tmin和Pdis,i,tmin分別為節點i上儲能系統滿足安全校核的充、放電功率交易下限。

2.2 RIEHS優化調度模型

2.2.1目標函數

基于對源網荷儲資源的聚合交易優化結果，以RIEHS運行成本COF最小為目標建立目標函數，具體為：

(34)

式中：PG,i,t和PN,i,t分別為t時段節點i上從主網購買的電功率和天然氣流量；ρG,t和ρN,t分別為t時段從主網的購電價格和購氣價格。

2.2.2約束條件

1)CHP運行約束。

(35)

(36)

Qhe,i,t=QCHP,i,tCophe

(37)

PCHP,i,min≤PCHP,i,t≤PCHP,i,max

(38)

PN,i,min≤PN,i,t≤PN,i,max

(39)

式中：PCHP,i,t為節點i上CHP在t時段的輸出電功率；ηCHP為CHP的發電效率；Hvng為天然氣熱值；QCHP,i,t為節點i上CHP在t時段的排氣余熱量；ηL為CHP散熱損失率；Qhe,i,t為節點i上t時段煙氣余熱提供的制熱量；Cophe為制熱系數；PCHP,i,max、PCHP,i,min分別為節點i上CHP輸出電功率的上、下限；PN,i,max、PN,i,min分別為節點i從主網購買天然氣的流量上、下限。

2)HP運行約束。

QHP,i,t=ηHPPHP,i,t

(40)

PHP,i,min≤PHP,i,t≤PHP,i,max

(41)

式中：QHP,i,t、PHP,i,t分別為t時段節點i上HP的制熱功率和用電功率；ηHP為HP的供熱效率；PHP,i,max、PHP,i,min分別為節點i上HP用電功率的上、下限。

3)靜態無功補償裝置(static var compensator，SVC)約束。

QSVC,i,min≤QSVC,i,t≤QSVC,i,max

(42)

式中：QSVC,i,t為節點i在t時段的SVC補償無功功率；QSVC,i,max、QSVC,i,min分別為節點i上SVC功率的上、下限。

4)配電潮流約束。

根據文獻[24]，采用DistFlow等式表示EDN支路潮流：

(43)

(44)

Pi,t=PEL,i,t-PECL,i,t+PEH,i,t+PHP,i,t+Pch,i,t-

Pdis,i,t-PG,i,t-PCHP,i,t-PPV,i,t-PWT,i,t

(45)

Qi,t=QEL,i,t-QECL,i,t-QDG,i,t-QG,i,t-QSVC,i,t

(46)

(47)

(48)

Vi,min≤Vi,t≤Vi,max

(49)

Iij,min≤Iij,t≤Iij,max

(50)

Pij,min≤Pij,t≤Pij,max

(51)

Qij,min≤Qij,t≤Qij,max

(52)

PG,i,min≤PG,i,t≤PG,i,max

(53)

QG,i,min≤QG,i,t≤QG,i,max

(54)

式中：Pij,t、Qij,t為EDN支路ij在t時段的有功功率和無功功率；Iij,t為支路ij的線路電流幅值；Pj,t、Qj,t分別為節點j處的有功功率和無功功率凈注入值；QEL,i,t、QG,i,t分別為節點i在t時段的負荷無功功率和主網無功功率；Vi,t、Vj,t分別為節點i和j處的電壓幅值；k(j,k)表示以節點j為首節點的末端節點集合；rij和xij分別為支路ij的電阻和電抗；Vi,max、Vi,min分別為節點i處的電壓幅值上下限；Iij,max、Iij,min分別為支路ij的電流幅值上、下限；Pij,max、Pij,min分別為支路ij的有功功率上、下限；Qij,max、Qij,min分別為支路ij的無功功率上、下限；PG,i,max、PG,i,min分別為節點i處從主網購電的有功功率上、下限；QG,i,max、QG,i,min分別為節點i處從主網購電的無功功率上、下限。

5)配熱潮流約束。

根據文獻[26-27]，HDN的模型要考慮水力和熱力兩方面，水力模型如下：

Am=mq

(55)

Bhf=0

(56)

hf=Km|m|

(57)

式中：A為網絡關聯矩陣；B為回路關聯矩陣；m為熱網管道水流流量；K為管道阻力系數；mq為流入負荷節點或流出熱源節點的水流流量；hf為由摩擦損失引起的管道壓降。

熱力模型如下：

Φ-Φih=Cpmq(Ts-To)

(58)

Tend=(Tstart-Ta)e-λL/Cpm+Ta

(59)

(∑mout)Tout=∑(minTin)

(60)

式中：Φ為熱負荷；Φih為HCL功率對應的矩陣表達；Cp為水比熱容；Ts為節點供水溫度矩陣；To為節點回水溫度矩陣；Tstart為管道首端溫度；Tend為管道末端溫度；Ta為環境溫度；λ為傳熱系數；min是流入節點的管道流量；mout是流出節點的管道流量；Tin是輸入管道末端的溫度；Tout是節點混合溫度。其他不等式約束本文不再贅述。

3 求解流程

本文的求解流程如圖3所示。首先，對VPPk進行聚合交易模型的求解，以DG功率、ECL功率、ES充放電功率、EH功率、HCL功率、零售電價和零售熱價為決策變量，優化VPP的運營收益至最大，完成所有VPP的聚合交易后，形成各VPP內資源的功率分配方案。然后，將各類資源的運行方案作為參數納入到RIEHS的調度中，以系統向主網的購電功率和購氣流量、CHP出力、HP出力、電力潮流、熱力潮流為決策變量，優化RIEHS的運行成本至最小。最后，輸出RIEHS調度周期T內每個時段t的VPP能源零售價格、源網荷儲資源的運行方案、RIEHS的調度方案。

圖3 求解流程Fig.3 Solution process

4 算例分析

4.1 基本數據

為了驗證本文所提RIEHS調度方法的有效性，基于MATLAB和GAMS平臺，在win10操作系統，i7CPU，2.20 GHz處理器環境下進行了仿真與優化分析。在本文所提RIEHS調度框架基礎上，基于改進的IEEE 33節點的EDN和32節點巴厘島HDN，構建了圖4所示的測試算例系統，算例中的RIEHS由1臺2 MW的CHP和2臺1.5 MW的HP實現EDN和HDN的耦合聯結。EDN為輻射狀，運行電壓等級為12.66 kV，總有功負荷為3 635 kW，總無功負荷為2 265 kV·A。在HDN中，管道允許最大質量流量為10 kg/s，供水溫度上、下限分別為70 ℃和60 ℃，回水溫度上、下限分別為30 ℃和20 ℃。外界溫度取10 ℃。算例系統中相同顏色的虛框為聚合形成的同一VPP，可見該范圍內的配網共包含3個VPP，其中源網荷儲資源的具體參數如表1所示。

表1 源網荷儲資源參數Table 1 Parameters of the resource of generation-grid-load-storage

圖4 RIEHS測試算例Fig.4 RIEHS test case

DG發電成本設定為0.1美元/(kW·h)，CL補償費率設定為0.13美元/(kW·h)，ES充放電效率均設為90%，EH運行維護成本設定為0.017美元/(kW·h)，ES的運行維護成本設定為0.007美元/(kW·h)。Hvng、ηCHP，ηL、Cophe分別取9.7 kW·h/m3、0.32、0.08、0.9。本文所提考慮源網荷儲聚合交易的區域RIEHS優化調度方法在時間尺度上屬于日前時間尺度，因此采用日前預測值作為模型中的負荷以及風光出力參數。不同節點的電/熱負荷以及風光出力預測值不同，但時序分布采用圖5所示的歸一化曲線[28-29]。主網電價和天然氣價格如圖6所示[30]。零售電價和零售熱價提前約定的均值分別為0.13、0.14美元/(kW·h)。

圖5 多能負荷、風電和光伏出力的歸一化值Fig.5 Normalized value of multi-energy load and output of WT and PV

圖6 主網電價和天然氣價格Fig.6 Electricity and natural gas prices on the main network

4.2 結果有效性分析

為了驗證本文所提方法的有效性，設置表2所示的6個場景進行對比分析。

表2 不同的源網荷儲資源聚合場景Table 2 Different aggregation scenarios of the resource of generation-grid-load-storage

6種場景下的調度結果如表3所示。場景1僅有WT和PV參與到交易中，聚合成本為0，VPP的總交易收益為1 080.68美元。用戶側資源的低利用率導致配網的調度成本增加，需要從主網購買更多的電或者氣來供給區域內的多能負荷，運行成本達到11 229.73美元。場景2中，DG參與了交易，向用戶提供了一部分可控的電能服務，因此，相比場景1，VPP的交易收益增加了267.65美元，系統需要供給的負荷減少，運行成本降低了774.88美元。場景3中，在場景2的基礎上，EH參與了交易，電能消耗替代了部分熱能消耗，電熱負荷曲線的時間分布得到了改善，相比場景2，VPP的交易收益增加了346.24美元，系統運行成本降低了352.04美元。場景4中，在場景3的基礎上，CL參與了交易，包括ECL和HCL，用戶側的資源被進一步挖掘，通過交易參與到調度中，相比場景3，VPP交易收益增加了143.63美元，系統運行成本降低了546.41美元。場景5中，在場景4的基礎上，增加了儲能參與交易，儲能起到了一定的能量時移作用，相比場景4，VPP的交易收益增加了67.88美元，系統運行成本降低了231.87美元。場景6中，場景包含的資源不再通過VPP聚合參與交易，而是直接受RIEHS調度，相比場景5，系統運行成本增加了1 862.35美元。

表3 6種場景的調度結果對比Table 3 Comparison of dispatching results in six scenarios 美元

總體來說，方案5聚合源網荷儲多種資源進行交易，通過交易手段挖掘用戶側資源的響應潛力，緩解調度壓力，相比僅有清潔能源的接入，區域促成的交易收益提高了76.38%，系統運行成本降低了16.97%，相比不考慮聚合交易的一般調度方法，系統運行成本降低了16.65%。可見考慮源網荷儲聚合交易的電熱綜合能源系統優化調度方法有利于提高系統的經濟性。

4.3 交易與調度優化結果分析

4.3.1VPP零售價格分析

各VPP的零售價格如圖7所示，為了最大化VPP的交易收益，零售價格在全時段上呈兩級階梯分布，其趨勢與負荷曲線的峰谷基本一致，階梯中個別出現的中間點是為了滿足式(11)—(14)中約定的平均售價而導致的。售電價格基本上是在07:00—18:00時段處于高峰，其余時段為低谷，售熱價格基本上是在11:00—14:00和18:00—22:00時段處于高峰，其余時段為低谷，在此基礎上各VPP零售價格階梯有些許差異，主要是由VPP聚合資源的差異性導致的。

圖7 各VPP的零售價格Fig.7 Retail price of each VPP

系統內對源網荷儲聚合交易的成交結果如圖8、9所示。圖8中ETV1、ETV2、ETV3分別對應3個VPP的電交易量。圖9中HTV1、HTV2、HTV3分別對應3個VPP的熱交易量。根據圖8，區域內總的電交易量達到16 841.00 kW·h，3個VPP的電交易量分別為5 229.80、7 881.30、3 729.90 kW·h。整體而言，在07:00—18:00時段，交易維持在較高水平，一方面是因為該時段WT和PV的出力較高，可交易的可再生能源較多。另一方面是因為該時段電負荷曲線和外部市場電價處于尖峰，VPP的大量出力有利于減少系統對主網的購電功率，從而起到降低運行成本的作用。所有VPP中，VPP1和VPP2的交易量在01:00—04:00時段不斷上升，之后的時段則較為平穩，VPP3的交易量最少，并且集中在07:00—19:00時段，主要是因為VPP1的資源構成包括WT和DG，VPP2的資源構成包括WT、PV、DG、ES，可控DG使得交易量在全時段上的分布比較平緩，VPP3的資源構成包括PV、ECL、ES，一方面PV出力的時段分布集中，僅在白天出力，使得可交易資源的在全時段上呈現集中分布特點，另一方面，ECL和ES交易量有限，使得可交易量相對VPP1和VPP2較少，僅在需求大的時段(06:00—18:00)開展交易。

圖8 電交易結果Fig.8 Electricity transaction results

圖9 熱交易結果Fig.9 Heat transaction results

根據圖9，區域內總的熱交易量達到4 032.60 kW·h，3個VPP的熱交易量分別為1 628.70、1 259.00、1 144.90 kW·h。整體而言，熱交易在各時段的分布相對平穩，在基礎腰線上出現局部的交易峰值，主要因為熱資源種類僅有EH和HCL，EH在全時段上平穩運行參與交易，HCL則分布發生在各個時段，受零售熱價的階梯分布影響，HCL的交易造成的熱交易峰值分布與零售熱價峰值分布一致。

4.3.2系統運行情況分析

源網荷儲交易后，經過RIEHS的優化運行，系統從主網的購電和購氣情況如圖10所示。其中購電總量為75 415.32 kW·h，購氣總量為4 790.52 m3。相比僅考慮WT和PV的交易，購電量降低了6 439.72 kW·h，購氣量降低了1 933.93 m3。可見通過源網荷儲的聚合交易，有效促進了需求側資源的就地消納，減少了RIEHS從主網的購能成本。

圖10 購電和購氣結果Fig.10 Purchase results of electricity and natural gas

各個VPP交易后的源荷資源供用能情況如圖11—13所示。其中，EH在VPP供用電功率圖中表示用電功率，在VPP供熱功率圖中表示供熱功率。

圖11 VPP1的運行情況Fig.11 Operation of VPP1

由圖11—13可知，WT和PV的出力全部消納，DG主要工作在06:00—23:00時段，ECL主要工作在零售電價高峰時段，HCL主要工作在零售熱價高峰時段，EH在全時段上以較高功率工作，可以看出，同一種資源，盡管在不同的VPP，不同的位置，但是運行方式卻是基本一致的，這也有利于對多種資源的運行優化與管理。

圖12 VPP2的運行情況Fig.12 Operation of VPP2

圖13 VPP3的運行情況Fig.13 Operation of VPP3

儲能的運行情況如圖14所示。VPP2和VPP3的儲能除了容量大小差異外，充放電的模式基本一致，為一天兩充兩放型，05:00—06:00和24：00時段充電，01:00—03:00和07:00—12:00時段放電，符合區域內負荷高峰時段發電，低谷時段充電的經濟原理。

圖14 儲能運行情況Fig.14 Operation of ES

5 結 論

本文針對RIEHS對源網荷儲資源的聚合交易與調度問題，提出了考慮源網荷儲聚合交易的區域電熱綜合能源系統優化調度方法。設計了考慮源網荷儲交易的RIEHS調度組織流程，進而建立考慮源網荷儲聚合交易的RIEHS兩階段優化調度模型，分別優化VPP對源網荷儲資源的聚合交易和RIEHS的調度計劃。通過本文的算例，得到如下結論：

1)考慮源網荷儲聚合交易的RIEHS優化調度方法能夠通過交易手段挖掘用戶側資源的響應潛力，相比不考慮聚合交易的一般調度方法，調度成本降低了16.65%，有利于緩解系統調度壓力，提高系統運行經濟性。

2)在VPP聚合熱資源進行交易時，EH的交易在全時段上分布平穩，HCL則分布發生在各個時段，受零售熱價的階梯分布影響，HCL交易造成的熱交易峰值分布與零售熱價峰值分布一致。二者疊加后的熱交易量在各時段的分布相對平穩，但在熱交易量基礎腰線上出現局部的交易峰值。

3)通過源網荷儲的聚合交易，相比僅考慮新能源的交易，系統購電量降低了7.87%，購氣量降低了28.76%，有效促進了需求側資源的就地消納利用。

4)本文RIEHS調度針對的是日前調度，采用風光預測數據作為基本參數，后續將在此基礎上，進一步深入研究風光隨機特性對日內交易與調度的影響。