冷熱電聯供系統多時間尺度滾動優化運行方法研究

王 智， 陶鴻俊， 張 玲

(華北電力大學 能源動力與機械工程學院，河北保定 071003)

冷熱電聯供(combined cooling, heating and power，CCHP)系統是一種包含發電、供冷、供熱和儲能等不同能量設備在內的供能模式，可實現冷熱電多元化供能，具有能源利用率高、供電可靠性高、環境污染小和調度靈活等特點，已成為分布式供能的主要形式[1]。然而，CCHP系統中不同能量設備之間耦合集成形式復雜多樣，并且可再生能源出力及多元用戶負荷的多重不確定性，給CCHP系統高效、可靠和穩定運行帶來很大挑戰。此外，CCHP系統包含能量生產、傳遞、轉換、傳輸和消費等多種能量設備，不同能量設備的響應時間差異大，給CCHP系統的協調運行帶來挑戰。因此，需要在CCHP系統運行的高效性和平穩性方面開展深入研究。

目前，在CCHP系統優化設計及運行研究方面，張詩鳴等[2]構建了冷熱電聯供單元與液化天然氣冷能階梯利用的能源系統，以運行成本最低為目標，建立多源區域型分布式冷熱電聯供系統的協同優化模型。顧偉等[3]針對熱電聯供系統的優化運行問題，建立了多目標規劃模型，對系統容量進行優化配置，實現CCHP系統的動態調度。徐青山等[4]分析了典型冷熱電聯供系統的供能結構，建立考慮系統間電能交互的冷熱電聯供型系統優化經濟調度模型。王銳等[5]建立了CCHP系統，并考慮風電、光伏功率以及熱電負荷的隨機性，采用機會約束規劃理論建立經濟運行優化模型。Talebjed等[6]將熱經濟性分析與可靠性評估相結合，設計了一種規劃CCHP系統能源集線器的新方法，建立了一種成本效益最佳的CCHP系統，并引入“實際可用性”指標來表示CCHP系統的可用性。Ren等[7]提出了2種集成太陽能和地熱能的CCHP系統，構建了混合CCHP系統的多目標數學模型，確定系統的最佳配置。王志光等[8]基于粒子群優化算法，以聯供系統經濟性、環保性和節能性為優化目標，對以微型燃氣輪機(以下簡稱微燃機)為核心的CCHP系統進行規劃和優化設計，優化了微燃機配置，確定了微燃機機組最佳的運行模式。上述研究分別采用不同的優化方法求解CCHP系統的日前調度與模型規劃，但是其均是基于歷史負荷和可再生能源數據進行優化的，設備的出力均基于長時間尺度負荷，并沒有考慮負荷和可再生能源出力的時變特性。

為了減小功率波動和源-荷偏差對實際系統運行的不利影響，現階段許多學者建立了多時間尺度的優化模型。湯翔鷹等[9]提出了多時間尺度優化調度策略，以減少可再生能源出力和負荷需求的不確定性對系統的影響。吳鳴等[10]提出了基于模型預測控制的CCHP系統動態優化調度策略，來應對可再生能源的大規模接入及負荷的不確定性。Gu等[11]提出了一種包含反饋機制的模型預測控制方案的在線優化方法。何暢等[12]考慮源-荷不確定性及儲能設備配置對CCHP系統優化調度的影響，提出基于多時間尺度和多元儲能的綜合能源系統優化調度策略。王成山等[13]建立了包含滾動優化環節和動態調整環節的兩階段多時間尺度模型預測控制調度策略。靳小龍等[14]針對含智能樓宇的CCHP系統，提出一種基于模型預測的多時間尺度調度方法。張海濤等[15]建立了包含日前經濟優化調度和日內調度2個階段的多時間尺度微電網能量管理優化調度方案。上述研究在日內優化過程中沒有考慮CCHP系統內設備功率調整量對運行的影響。

基于此，筆者以CCHP系統為研究目標進行日前、日內優化，并在日內調度過程中，采用多時間尺度滾動優化方法，提出了CCHP系統優化調度策略；建立了日前經濟優化調度和日內滾動優化調度模型，在日前調度階段確定了最佳系統結構；在日內滾動優化中確定最佳控制時域長度，引入功率調整量懲罰項，實現源-荷間多種能量的協調優化調度；同時將日內滾動優化的運行成本與系統理想成本進行對比，驗證日內滾動優化在優化運行成本方面的準確性。

1 CCHP系統結構及熱力學模型

CCHP系統的結構如圖1所示，主要包括光伏發電設備、微燃機、余熱鍋爐、換熱器、吸收式制冷機、電制冷機、燃氣鍋爐、蓄電池和蓄熱罐，系統同時也與外部電網有電功率交互。系統中的熱負荷主要由微燃機和燃氣鍋爐供給，冷負荷由吸收式制冷機和電制冷機供給，電負荷主要由微燃機、光伏系統和外部電網供給。

圖1 CCHP系統結構圖Fig.1 CCHP system structure diagram

1.1 微燃機模型

微燃機是CCHP系統的核心設備，微燃機的燃料消耗功率可表示為：

(1)

式中：Pmt,t為t時段微燃機發電功率，kW；Fmt,t為t時段微燃機耗氣功率，kW；ηmt,t為t時段微燃機發電效率，取0.3。

微燃機運行功率約束和爬坡功率約束如下：

Umt,tPmt,min≤Pmt,t≤Umt,tPmt,max

(2)

Umt,tPmt,down≤Pmt,t-Pmt,t-1≤Umt,tPmt,up

(3)

式中：Pmt,min、Pmt,max分別為微燃機的最小出力功率和最大出力功率,kW；Pmt,up、Pmt,down分別為微燃機輸出電功率爬坡速率的上限和下限，kW；Umt,t為t時段微燃機的啟停狀態標記位，取0和1變量，1為工作，0為不工作。

1.2 余熱鍋爐

余熱鍋爐通過回收微燃機所產生的廢熱，達到對廢熱的進一步利用，以減少能量的浪費。

(4)

式中：Pre,t為t時段微燃機的排氣回收余熱功率，kW；ηloss為散熱損失效率，取0.2；ηhr為煙氣熱回收效率，取0.8。

1.3 光伏發電系統

光伏系統輸出功率PPV,t與太陽輻射強度和環境溫度有關，模型[16]如下：

(5)

光伏電池表面溫度Tcell,t的計算公式[17]為：

(6)

式中：PPV,t為t時段光伏系統輸出功率，kW；PSTC為光伏系統額定功率，kW；fPV為光伏功率降額因子，取0.9；It為t時段實際太陽輻射強度，W/m2；ISTC為標準測試條件下太陽輻射強度，取1 000 W/m2；TSTC為標準測試條件下環境溫度，取25 ℃；Tamb,t為t時段實際環境溫度，℃；k為光伏功溫系數，取-0.47%/K；TNOCT為額定電池工作溫度，取47 ℃。

1.4 電制冷機和吸收式制冷機模型

電制冷機利用電能通過壓縮機制冷，其輸出冷功率Cec,t與輸入電功率Pec,t的關系為：

Cec,t=Pec,tCCOP,ec

(7)

式中：CCOP,ec為電制冷系數，取4.0。

吸收式制冷機利用低品位熱能轉化為冷能，其輸出冷功率Cac,t與輸入熱功率Pac,t的關系為：

Cac,t=Pac,tCCOP,ac

(8)

式中：CCOP,ac為吸收式制冷機制冷系數，取0.7。

1.5 燃氣鍋爐

燃氣鍋爐在供熱不足時作為補充熱源，其輸出熱功率Pb,t與消耗天然氣功率Fb,t的關系如下：

Pb,t=ηbFb,t

(9)

式中：ηb為燃氣鍋爐的熱效率，取0.85。

1.6 蓄電池

蓄電池儲能狀態方程為：

Wbt,t+1=Wbt,t·(1-σbt)+

(10)

(11)

蓄電池充放電爬坡功率約束條件如下：

Pbt,c,down≤Pbt,c,t+1-Pbt,c,t≤Pbt,c,up

(12)

Pbt,disc,down≤Pbt,disc,t+1-Pbt,disc,t≤Pbt,disc,up

(13)

式中：Pbt,c,t和Pbt,disc,t分別為t時段電池充、放電功率，kW；Δt為時段長度；Pbt,disc,max和Pbt,c,max分別為蓄電池的最大放電功率和最大充電功率,kW；Wbt,t和Wbt,t+1分別為t時段和t+1時段蓄電池存儲的電能，kW·h；Wbt,min和Wbt,max分別為蓄電池內儲存電能的最小值和最大值，kW·h;σbt為電池自放電率，取0.001；ηbt,c和ηbt,disc分別為蓄電池的充電效率和放電效率，取0.95；Ubt,c,t、Ubt,disc,t分別為t時段蓄電池充、放電狀態標記位;Pbt,c,up、Pbt,c,down和Pbt,disc,up、Pbt,disc,down分別為電池充電爬坡功率的上、下限和放電爬坡功率的上、下限，kW。

1.7 蓄熱罐

蓄熱罐儲能狀態方程為：

Qtst,t+1=Qtst,t·(1-σtst)+

(14)

(15)

式中：Ptst,c,t和Ptst,disc,t分別為t時段蓄熱罐儲熱功率和放熱功率，kW；Qtst,t和Qtst,t+1分別為t時段和t+1時段蓄熱罐存儲的熱能，kW·h；σtst為蓄熱罐自耗熱率，取0.005；ηtst,c和ηtst,disc分別為蓄熱罐的儲熱效率和放熱效率，均取0.9；Ptst,disc,max和Ptst,c,max分別為蓄熱罐的最大放熱功率和最大儲熱功率，kW;Qtst,min和Qtst,max分別為蓄熱罐內儲存熱量的最小值和最大值，kW·h;Utst,c,t和Utst,disc,t分別為t時段蓄熱罐儲、放熱狀態標記位。

1.8 與外部電網交互功率

與外部電網交互功率應滿足上下限約束：

(16)

式中：Pgrid,t和Pexcess,t分別為t時段系統向電網購電和售電功率，kW；Pgrid,max和Pexcess,max分別為系統的最大購電功率和最大售電功率，kW;Ugrid,t、Uexcess,t分別為t時段系統從電網買電、售電功率的狀態標記位。

同一時段內，不能同時進行購電和售電，滿足狀態互斥。

0≤Ugrid,t+Uexcess,t≤1

(17)

2 基于多時間尺度滾動優化調度策略

2.1 優化過程

基于日前預測的可再生能源出力和各類負荷需求，考慮分時電價和各類設備運行約束，時間分辨率為1 h，以一天內CCHP系統的日運行成本最低為目標，確定全天的最優調度計劃值。

在日前預測的基礎上，日內預測控制調度以可再生能源及用戶的冷熱電需求的短期預測值為基礎，并以日前優化調度值為參考，以15 min為時間尺度[10]，進行日內滾動優化，實現多種源-荷之間的最佳能量匹配。

日前和日內滾動優化調度關系以及多時間尺度策略實施流程如圖2和圖3所示。

圖2 日前和日內滾動優化調度關系Fig.2 The relationship between day ahead and intraday rolling optimization scheduling

2.2 日前優化

日前調度優化目標為：

(18)

式中：T為日前調度周期，為24 h;Cgrid,t為t時段CCHP系統與電網交互費用，元；Cng,t為t時段天然氣費用，元；Cbt,t為t時段蓄電池老化成本，元；Com,t為t時段系統運行維護成本，元；Cen,t為t時段系統環境費用，元；CDh為系統日運行成本，元。

圖3 多時間尺度策略實施流程Fig.3 Multi-time scale strategy implementation process

(1) 電網交互費用

Cgrid,t=(Rgrid,tPgrid,t-Rexcess,tPexcess,t)·Δt

(19)

式中：Rgrid,t為t時段對應的購電價格，元/(kW·h)；Rexcess,t為t時段對應的售電價格，元/(kW·h)。

(2) 天然氣費用

(20)

式中：Rng為天然氣價格，取3.24元/m3；Hng為天然氣低位熱值，取9.78 (kW·h)/m3。

(3) 蓄電池老化成本[18]

Cbt,t=πbt(Ubt,disc*,t+Ubt,c*,t)·Δt

(21)

式中：πbt為電池單位時間老化成本，18元/次；Ubt,c*,t和Ubt,disc*,t分別為t時段蓄電池開始充、放電標記位。

(4) 運行維護成本

Com,t=[Pmt,t·Kom,mt+Pb,t·Kom,b+Lh,t/ηhe·

Kom,he+Pac,t·Kom,ac+Pec,t·Kom,ec+PPV,t·

Kom,PV+Pre,t·Kom,hr+(Pbt,c,t+Pbt,disc,t)·

Kom,bt+(Ptst,c,t+Ptst,disc,t)·Kom,tst]·Δt

(22)

式中：Kom,mt為微燃機單位運行維護成本，元/(kW·h)；Kom,b為燃氣鍋爐單位運行維護成本，元/(kW·h)；Kom,he為換熱器單位運行維護成本，元/(kW·h)；Kom,ac為吸收式制冷機單位運行維護成本，元/(kW·h)；Kom,ec為電制冷機單位運行維護成本，元/(kW·h)；Kom,PV為光伏系統單位運行維護成本，元/(kW·h)；Kom,hr為余熱鍋爐單位運行維護成本，元/(kW·h)；Kom,bt為蓄電池單位運行維護成本，元/(kW·h)；Kom,tst為蓄熱罐單位運行維護成本，元/(kW·h)；Lh,t為用戶熱負荷，kW；ηhe為換熱器效率，取0.8。

(5) 環境費用

Cen,t=[Pgrid,t·Egrid,CO2+(Fmt,t+Fb,t)·Eng,CO2]·

βCO2·Δt+[Pgrid,t·Egrid,SO2+(Fmt,t+Fb,t)·

Eng,SO2]·βSO2·Δt+[Pgrid,t·Egrid,NOx+

(Fmt,t+Fb,t)·Eng,NOx]·βNOx·Δt

(23)

式中：Egrid,CO2、Egrid,SO2和Egrid,NOx分別為從電網購電所產生的CO2、SO2和NOx的排放量，g/(kW·h)；Eng,CO2、Eng,SO2和Eng,NOx分別為天然氣燃燒所產生的CO2、SO2和NOx的排放量，g/(kW·h)；βCO2、βSO2和βNOx分別為CO2、SO2和NOx的污染物處理成本，元/g。

運行約束條件如下：

(1) 冷功率平衡約束

Pac,t·CCOP,ac+Pec,t·CCOP,ec=Lc,t

(24)

式中：Lc,t為系統在t時段的冷負荷，kW。

(2) 熱量平衡約束

Pac,t+Lh,t/ηhe+Ptst,c,t=Pmt,t/ηmt,t·

(1-ηmt,t-ηloss)·ηhr+Pb,t+Ptst,disc,t

(25)

(3) 電功率平衡約束

PPV,t+Pmt,t+Pgrid,t+Pbt,disc,t=

Le,t+Pec,t+Pbt,c,t+Pexcess,t

(26)

式中：Le,t為t時段的電負荷，kW。

(4) 蓄電池充、放電狀態轉換標記約束

Ubt,c,t+1-Ubt,c,t≤Ubt,c*,t

(27)

Ubt,disc,t+1-Ubt,disc,t≤Ubt,disc*,t

(28)

式中:Ubt,c*,t和Ubt,disc*,t分別為t時段蓄電池開始充、放電標記位。

通過對日前長時間尺度優化調度模型進行求解，得到各聯供設備運行出力和蓄電池充、放電狀態計劃值。

2.3 日內滾動優化

遵循CCHP系統的日前運行計劃，建立如下目標函數：

minCRoll=Cgrid,r,t+Cng,r,t+Cbt,r,t+Ctst,r,t

(29)

Cgrid,r,t={Rgrid,t(PDh,grid,t+ΔPgrid,t)-

Rexcess,t(PDh,excess,t+ΔPexcess,t)+

μgrid[(ΔPgrid,t)2+(ΔPexcess,t)2]}Δt

(30)

(31)

Cbt,r,t=μbt[(ΔPbt,c,t)2+(ΔPbt,disc,t)2]Δt

(32)

Ctst,r,t=μtst[(ΔPtst,c,t)2+(ΔPtst,disc,t)2]Δt

(33)

式中：CRoll為每次進行滾動優化時控制時域內的運行成本，元；Cgrid,r,t為與電網交互總成本，元；Cng,r,t為燃料成本，元；Cbt,r,t為蓄電池充放、電功率變化懲罰成本，元；Ctst,r,t為蓄熱罐儲放熱功率變化懲罰成本，元；PDh,grid,t和ΔPgrid,t分別為日前購電功率和日內購電調整功率，kW；PDh,excess,t和ΔPexcess,t分別為日前售電功率和日內售電調整功率，kW；μgrid為電網交互功率變化懲罰系數；ΔPmt,t和ΔPb,t分別為日內微燃機和燃氣鍋爐出力調整量，kW；FDh,mt,t和FDh,b,t分別為微燃機和燃氣鍋爐日前耗氣功率，kW；ΔFmt,t和ΔFb,t分別為微燃機日內耗氣功率調整量，kW；μmt和μb分別為微燃機和燃氣鍋爐出力功率變化懲罰系數;ΔPbt,c,t和ΔPbt,disc,t分別為日內蓄電池充電功率和放電功率調整量，kW；μbt為蓄電池充放電功率變化懲罰系數;ΔPtst,c,t和ΔPtst,disc,t分別為日內蓄熱罐儲熱和放熱功率調整量，kW；μtst為蓄熱罐儲放熱功率變化懲罰系數。

滾動優化不僅要滿足功率平衡約束和設備約束，還要遵循日前計劃的設備運行狀態約束。

3 參數設置

系統模型參數設置見表1，電價信息見表2。

過渡季典型日光伏出力和日前負荷預測信息見圖4。

4 算例分析

研究位于北京地區的某近零能耗辦公樓宇，對該辦公樓的CCHP系統進行分析，該辦公樓共有12層，每層樓高4 m，總建筑面積6 912 m2。圖4給出了過渡季典型日可再生能源出力以及各類負荷的日前數據信息。采用MATLAB、Gurobi優化求解器進行優化求解。

4.1 不同結構對日運行成本的影響

分析了不同結構對CCHP系統運行經濟性的影響，具體結構分為：(1) 系統中只設有儲熱裝置(CCHP-T)；(2) 系統中只設有儲電裝置(CCHP-E)；(3) 多元儲能(CCHP-TE),即在系統中配置儲熱和儲電裝置。根據式(18)計算過渡季典型日在不同儲能模式下的日前運行成本，不同結構的日運行費用見表3。其中，環境費用為消耗天然氣和從電網購電所產生的CO2、SO2和NOx污染物的處理費用之和。

表1 系統模型參數

表2 分時電價信息

從表3可以看出，CCHP-TE的日運行成本最低，為545.4元。CCHP-TE的環境費用和日運行成本最低，這是由于蓄熱罐和蓄電池的出力減少了電能和天然氣的消耗，進而降低了環境費用和日運行成本。運行結果表明，在CCHP-TE結構下，各儲能設備協同工作，能夠顯著降低日運行成本，提高CCHP系統的運行經濟性，同時能夠保證系統安全平穩運行，故采用多元儲能模式來提高系統運行的經濟性。

圖4 光伏出力和日前負荷預測Fig.4 Photovoltaic output and day-ahead load forecast

表3 不同結構的日運行費用Tab.3 Daily operating costs of different structures 元

4.2 CCHP-TE系統日前調度結果分析

過渡季典型日的日前調度結果如圖5所示，根據日前調度結果可知，微型燃氣輪機全天處于停機狀態；熱負荷先由蓄熱罐供給，不足的部分由燃氣鍋爐供給；冷負荷全部由電制冷機供給；電負荷由外部電網、蓄電池和光伏供給。在>23：00—次日7：00為低谷電價時段，電負荷需求量較低，電負荷全部由外部電網供給并且從電網購電為蓄電池進行充電。在平電價時段，>7：00—8：00和>11：00—16：00的電負荷先由光伏系統供給，光伏系統產生的多余電量進行并網售電，不足的部分由外部電網進行補充；在>21：00—23：00電負荷先由蓄電池進行補充，不足的部分由外部電網供給。在高峰電價時段，>8：00—11：00的電負荷全部由光伏系統滿足，光伏系統多余的發電量進行并網出售；>16：00—21：00的電負荷先由光伏系統供給，不足的部分由蓄電池供給，其余的電量缺額由外部電網供給。

冬季典型日的日前調度結果如圖6所示，在谷電價時段，微型燃氣輪機在01：00—5：00處于停機狀態，電負荷全部由外部電網供給，并從電網買電為蓄電池充電；谷電價的其余時段電負荷全部由微型燃氣輪機供給，多余的電能為蓄電池充電和并網售出。在平電價時段，>7：00—8：00的電負荷全部由微型燃氣輪機滿足，多余電量上網；在>11：00—16：00內電負荷先由光伏系統和微型燃氣輪機供給，不足的部分由外部電網滿足；在峰電價時段內，在>8：00—11：00和>16：00—17：00微燃機處于滿負荷運行狀態，電負荷先由微型燃氣輪機、蓄電池和光伏系統滿足，不足的部分由外部電網供給；在>17：00—21：00電負荷由微燃機和蓄電池提供，多余的電量并網售出。

(a) 電能調度

(a) 電能調度

(b) 熱能調度圖6 冬季典型日日前調度結果Fig.6 Day-ahead scheduling results in the typical day of winter

而在冬季典型日無冷負荷，熱負荷先由微型燃氣輪機回收余熱供給，若有剩余，多余的熱量儲存到蓄熱罐中；不足的部分先由蓄熱罐放熱補充，若仍有缺額，缺額由燃氣鍋爐供給。

4.3 日內滾動優化時長的選取

通過計算過渡季典型日的不同滾動優化時長下系統的運行成本，確定最佳的滾動優化時長M。圖7為不同滾動優化時長下系統的運行成本。

圖7 不同滾動優化時長對運行成本的影響Fig.7 Impact of different rolling optimization period on operating cost

由圖7可以看出，滾動優化時長從1 h增加到4 h時，運行成本從1 114.7元降低到535.6元。滾動優化時長從5 h增加到8 h時，運行成本從877.5元繼續降低到614元，系統運行成本均高于滾動優化時長為4 h所對應的運行成本，同時隨著滾動優化時長的增加，計算時間顯著增加，根據上述優化運行結果可知，當滾動優化時長取4 h時，系統運行的經濟魯棒性較好，故選定滾動優化時長為4 h，取16個采樣點進行滾動優化。

4.4 優化結果分析

為進一步體現日內滾動優化的特點，將多時間尺度協調度與常用的DA-P(Day-ahade programming)的調度結果進行對比分析。DA-P策略是基于日前調度運行基礎上，在日內實際系統運行時，預測所帶來的電負荷功率波動由外部電網進行供給，熱負荷波動由燃氣鍋爐供給，冷負荷功率波動由電制冷機供給。表4為不同運行策略下CCHP系統在過渡季典型日的運行結果。

表4 不同策略下CCHP系統的運行結果

由表4可知，采用多時間尺度滾動優化能夠有效降低運行成本，在DA-P策略下系統日運行成本較日前運行成本上升了10.34%，電網聯絡線交互功率波動率增加了10.16%；多時間尺度調度策略成本比日前運行成本降低1.80%，電網聯絡線交互功率波動率只增加了0.89%。由于DA-P調度策略是基于日前的一次離線長時間尺度優化，源荷之間存在較大的誤差，在實際運行時僅通過外部網絡來平抑預測誤差，平抑過程中所產生的購能成本使實際運行成本比日前優化成本上升；而多時間尺度滾動優化在日前計劃引導下，在日內優化過程中反復滾動減小偏差，有效地降低了電網聯絡線交互功率波動率，保證了CCHP系統經濟平穩運行。

設備的日前調度和多時間尺度滾動優化的調度結果如圖8所示。

(a) 電網交互功率

(b) 蓄電池充放電功率圖8 日前優化和日內滾動優化的結果Fig.8 Results of day-ahead optimization and intraday rolling optimization

日內滾動優化結果表明，在峰電價時段售電量增加，結合蓄電池調度結果，在谷電價時段購電為蓄電池充電，在峰電價時段蓄電池放電。蓄電池充放電狀態保持日前運行計劃，避免頻繁充放電，可延長蓄電池使用壽命，保證系統經濟平穩運行。

不同典型日的日前運行成本和日內滾動優化運行成本如表5所示。由表5可知，日內滾動優化能夠有效降低預測誤差對調度策略經濟性的影響，減小運行偏差。

表5 不同典型日的日前運行成本和日內滾動優化運行成本

4.5 理想成本與日內滾動優化成本

假設可再生能源出力和負荷預測是準確的，進行一次全局優化得到的成本為理想成本。理想成本基于準確的負荷和可再生能源出力預測，以15 min為時間尺度有效減小了預測偏差，對未來24 h(96個時段)的運行工況進行統籌考慮和全局優化，得到全面的優化結果，能在更廣泛的時間范圍內實現優化配置，降低運行成本。優化結果如圖9所示。

圖9 理想成本與日內滾動優化成本對比圖Fig.9 Comparison of ideal cost and intraday rolling optimization cost

不同典型日的滾動優化成本均稍高于理想成本，冬季典型日、夏季典型日、過渡季典型日的滾動優化成本分別比理想成本高1.80%、 10.00%和 0.02%。滾動優化算法的成本與理想成本接近，誤差較小，能有效體現經濟調度的準確性。

不同典型日的日運行成本差異是由不同典型日內的各類負荷需求不同造成的，由負荷預測數據和運行結果可知，在冬季典型日，光伏出力較低，總發電量為550.6 kW·h，系統總熱負荷為5 668.3 kW·h，無冷負荷，總電負荷為4 916.9 kW·h，總負荷需求最大。微型燃氣輪機和燃氣鍋爐需要消耗大量天然氣和購電來滿足熱負荷和電負荷需求，因而產生大量的運行費用和環境費用，總運行成本最高；過渡季典型日的冷、熱負荷同時存在，但是二者需求量均較低，系統總冷負荷為1 066 kW·h，且冷負荷全部由電制冷機供給，總熱負荷為465.1 kW·h，總電負荷為2 324.9 kW·h，且光伏出力較高，光伏總發電量為2 292.5 kW·h，總負荷最低，總運行費用最低。夏季典型日，光伏出力充足，光伏總發電量為2 484.7 kW·h，總冷負荷為6 706.9 kW·h，冷負荷主要由電制冷機供給，無熱負荷，總電負荷為3 386.8 kW·h，總負荷介于冬季典型日和過渡季典型日之間，運行費用介于上述二者之間。

5 結 論

(1) 建立了多時間尺度優化模型，從整體優化到局部滾動優化，通過逐級細化，不僅提高了運行控制的精度，也使全局經濟性進一步提高。

(2) 在日前優化階段分析了3種系統結構CCHP-T、CCHP-E、CCHP-TE對日運行成本的影響，CCHP-TE的日運行成本最低，表明多元儲能可以提高系統的運行經濟性。

(3) 以日內運行成本最低為目標確定了最佳控制時域為4 h，并與DA-P運行策略進行對比，滾動優化運行成本比DA-P運行成本降低11%，電網交互波動率降低8.4%，有效降低了預測誤差對實際經濟運行的影響，也降低了電網聯絡線交互功率的波動。

(4) 比較不同典型日的日內運行成本，滾動優化算法成本和理想算法成本相近，相差較小，能夠有效體現經濟調度準確性。