計(jì)及供能可靠性動(dòng)態(tài)約束與碳減排的充能型微電網(wǎng)互聯(lián)系統(tǒng)優(yōu)化模型

閆佳佳 滕 云 邱 實(shí) 陳 哲

計(jì)及供能可靠性動(dòng)態(tài)約束與碳減排的充能型微電網(wǎng)互聯(lián)系統(tǒng)優(yōu)化模型

閆佳佳1滕 云1邱 實(shí)1陳 哲2

（1. 沈陽(yáng)工業(yè)大學(xué)電氣工程學(xué)院 沈陽(yáng) 110870 2.奧爾堡大學(xué)能源技術(shù)學(xué)院 奧爾堡 DK-9220）

推動(dòng)新能源汽車產(chǎn)業(yè)規(guī)模化發(fā)展是實(shí)現(xiàn)交通和多能源系統(tǒng)低碳轉(zhuǎn)型的重要途徑，為保障系統(tǒng)供能可靠性與碳減排能力的提升，該文構(gòu)建了計(jì)及供能可靠性動(dòng)態(tài)約束與碳減排的充能型微網(wǎng)互聯(lián)系統(tǒng)優(yōu)化模型。首先，研究各微電網(wǎng)的運(yùn)行特性以及微電網(wǎng)間的能量交互特性，建立低碳充能型多能源微網(wǎng)互聯(lián)系統(tǒng)（MCMIS-LCEs）模型，并在此基礎(chǔ)上建立多能源供能與碳減排協(xié)調(diào)模型；其次，考慮能源轉(zhuǎn)換、存儲(chǔ)與充能設(shè)備故障對(duì)MCMIS-LCEs供能可靠性的動(dòng)態(tài)影響，針對(duì)設(shè)備故障特點(diǎn)建立多狀態(tài)可靠性動(dòng)態(tài)量化評(píng)估模型；然后，在互聯(lián)系統(tǒng)供能可靠性約束、運(yùn)行約束等條件下，建立考慮碳減排、充能時(shí)間與供能成本協(xié)同的MCMIS-LCEs多目標(biāo)優(yōu)化模型；最后，基于充能站實(shí)際能源與車流量數(shù)據(jù)進(jìn)行算例的仿真驗(yàn)證。結(jié)果表明，該文提出的MCMIS-LCEs及其優(yōu)化模型能夠?qū)崿F(xiàn)多能源轉(zhuǎn)換、存儲(chǔ)與充能設(shè)備間的高效協(xié)調(diào)，提升整體互聯(lián)系統(tǒng)的經(jīng)濟(jì)性、碳減排能力、垃圾處理能力、電網(wǎng)調(diào)節(jié)能力，以及充能供能可靠性。

新能源汽車 供能可靠性 碳減排 微電網(wǎng)互聯(lián)系統(tǒng) 垃圾處理

0 引言

新能源汽車產(chǎn)業(yè)的快速發(fā)展是實(shí)現(xiàn)“碳達(dá)峰，碳中和”行動(dòng)的重要組成部分。隨著新能源汽車逐步規(guī)模化發(fā)展，我國(guó)電能、氫氣、天然氣驅(qū)動(dòng)汽車保有量預(yù)計(jì)在2035年突破1.5億輛[1-2]。面對(duì)不斷增長(zhǎng)的多能源充能需求和碳減排壓力，提出含電、氫和天然氣等多種能源生產(chǎn)、傳輸、轉(zhuǎn)換、存儲(chǔ)、消費(fèi)各環(huán)節(jié)深度耦合，并具有一定垃圾處理能力的充能型微網(wǎng)是解決新能源汽車充能這一涵蓋環(huán)境、交通、能源等多領(lǐng)域協(xié)同問(wèn)題的有效途徑之一。針對(duì)這一問(wèn)題，國(guó)內(nèi)外研究人員開(kāi)展了較多相關(guān)研究[3-5]，文獻(xiàn)[4]考慮接入垃圾處理設(shè)施，建立由全可再生能源供能的單個(gè)充能型多能源微網(wǎng)模型。但微網(wǎng)內(nèi)風(fēng)光出力、垃圾產(chǎn)量、新能源汽車流量及其充能需求狀態(tài)不斷變化，要求微網(wǎng)有足夠的靈活性來(lái)協(xié)調(diào)設(shè)備之間的運(yùn)行。單個(gè)充能型多能源微網(wǎng)受所處地理位置、氣象條件影響，同時(shí)又存在接入設(shè)備容量、風(fēng)光出力波動(dòng)性大等方面的制約，難以滿足較大規(guī)模新能源汽車的集中充能質(zhì)量和可靠性[6-7]。因此，充分利用多個(gè)多能源微網(wǎng)之間存在的新能源汽車流量錯(cuò)峰、分布式電源互補(bǔ)等特性，實(shí)現(xiàn)微網(wǎng)群之間的互聯(lián)協(xié)調(diào)運(yùn)行，是提高新能源汽車充能以及多能源微網(wǎng)運(yùn)行可靠性的有效手段[8-11]。

另外，在某一時(shí)間尺度內(nèi)，對(duì)于充能型多能源微網(wǎng)所接入配電網(wǎng)的總電能供給量中風(fēng)、光、水、火供能比例一定，則其能源消耗中的碳排放基本為固定值。保證充能型多能源微網(wǎng)內(nèi)新能源汽車和多種負(fù)荷用能需求的前提下，在微網(wǎng)所接入的配電網(wǎng)本身需要火電機(jī)組進(jìn)行調(diào)峰時(shí)，微網(wǎng)為配電網(wǎng)提供的電能調(diào)節(jié)量越多，則該配電網(wǎng)在同樣的電能消耗量下所對(duì)應(yīng)的碳排放量越少[12-13]。因此，考慮單個(gè)充能型多能源微網(wǎng)用能需求的高不確定性，為充分發(fā)揮其自身的碳減排能力，需要對(duì)其周邊多個(gè)充能型微網(wǎng)間的碳減排能力進(jìn)行協(xié)調(diào)優(yōu)化。

目前國(guó)內(nèi)外學(xué)者針對(duì)多能源微網(wǎng)集群的優(yōu)化配置、協(xié)調(diào)運(yùn)行等方面開(kāi)展了較多研究。其中，文獻(xiàn)[12]基于多能源微網(wǎng)能量交互策略建立了微網(wǎng)集群優(yōu)化運(yùn)行模型，能夠有效提高多能源利用率，實(shí)現(xiàn)多能源微網(wǎng)集群系統(tǒng)與電、氣兩網(wǎng)之間的協(xié)調(diào)運(yùn)行。文獻(xiàn)[13]提出了基于談判博弈的含電能交互的多微網(wǎng)綜合能源系統(tǒng)多目標(biāo)優(yōu)化配置方法，能夠提高系統(tǒng)運(yùn)行經(jīng)濟(jì)性和能量梯級(jí)高效利用。文獻(xiàn)[14]針對(duì)多個(gè)多能源微網(wǎng)接入電網(wǎng)問(wèn)題，提出了一種多能源微網(wǎng)群的兩級(jí)魯棒優(yōu)化調(diào)度模型。文獻(xiàn)[15]針對(duì)多微網(wǎng)系統(tǒng)并網(wǎng)和孤島兩種模式，提出了一種解決逆變器接口多微網(wǎng)系統(tǒng)嚴(yán)重短路故障引起的欠電壓和過(guò)電流問(wèn)題的方法，可以在故障期間實(shí)現(xiàn)精確的電壓、電流和頻率控制。文獻(xiàn)[16]提出了多個(gè)多能源微網(wǎng)以集群的形式運(yùn)行，可提高低壓區(qū)域的自治能力和能源利用效率。現(xiàn)有文獻(xiàn)研究的多能源微網(wǎng)群大多是通過(guò)電能交互或電、氣兩網(wǎng)交互來(lái)提升自身運(yùn)行可靠性與經(jīng)濟(jì)性。而這些文獻(xiàn)忽略了不同微網(wǎng)所具有的地理位置分布不均、風(fēng)光出力、新能源汽車流量、垃圾堆存量的差異性較大等特點(diǎn)，通過(guò)電能、氫氣、天然氣三種能源進(jìn)行交互，促進(jìn)充能型多能源微網(wǎng)間的相互協(xié)調(diào)，在碳減排目標(biāo)下能夠在滿足自身新能源汽車和多種負(fù)荷可靠用能的基礎(chǔ)上向其所接入配電網(wǎng)提供更多的電能調(diào)節(jié)量。由此可見(jiàn)，分析研究充能型多能源微網(wǎng)互聯(lián)系統(tǒng)對(duì)實(shí)現(xiàn)能源清潔低碳和充分利用有著重要意義。

本文提出一種低碳充能型多能源微網(wǎng)互聯(lián)系統(tǒng)（Multi-energy Charging Microgrids Interconnection System with Low Carbon Emissions, MCMIS-LCEs），并深入分析互聯(lián)系統(tǒng)內(nèi)各微網(wǎng)間的多種能源需求、外電網(wǎng)能量調(diào)節(jié)與碳減排需求，建立MCMIS-LCEs供能及其碳減排協(xié)調(diào)模型。考慮各類設(shè)備的運(yùn)行狀態(tài)影響互聯(lián)系統(tǒng)的供能可靠性與碳減排能力，基于設(shè)備故障特點(diǎn)建立了多狀態(tài)可靠性模型，提出了考慮碳減排、充能時(shí)間與供能成本協(xié)同的低碳充能型多能源微網(wǎng)互聯(lián)系統(tǒng)運(yùn)行優(yōu)化模型，并結(jié)合法線邊界交叉法與原對(duì)偶內(nèi)點(diǎn)法進(jìn)行求解。最后建立仿真模型，將傳統(tǒng)獨(dú)立運(yùn)行的充能型多能源微網(wǎng)與本文提出的由電能、氫氣、天然氣三種能源聯(lián)絡(luò)通道進(jìn)行交互的MCMIS-LCEs進(jìn)行算例對(duì)比，驗(yàn)證本文所提模型的有效性和經(jīng)濟(jì)性。

1 MCMIS-LCEs拓?fù)淠Ｐ?/h2>

本文為充分發(fā)揮多個(gè)電-氫-氣充能型多能源微網(wǎng)（Electric-hydrogen-gas Charging Multi-Energy Microgrid, CME-MG）之間的互補(bǔ)特性，提高各微網(wǎng)的供能可靠性和碳減排能力，構(gòu)建了由多個(gè) CME-MG組成的MCMIS-LCEs，其拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1 MCMIS-LCEs拓?fù)浣Y(jié)構(gòu)圖

MCMIS-LCEs內(nèi)的各CME-MG由包含風(fēng)電、光伏、可熱解垃圾的可再生能源供能，電鍋爐、燃料電池、熱解爐、儲(chǔ)氫、儲(chǔ)氣等設(shè)備進(jìn)行多能源轉(zhuǎn)換與存儲(chǔ)，輸出電、熱、氫、氣多種能源供給各類負(fù)荷和新能源汽車。MCMIS-LCEs由可再生能源供能，系統(tǒng)內(nèi)碳排放主要由氣負(fù)荷用能產(chǎn)生，但考慮到互聯(lián)系統(tǒng)內(nèi)供氣來(lái)源為熱解爐和甲烷化設(shè)備，其中熱解爐作為垃圾處理設(shè)施能夠?qū)⒗ㄟ^(guò)熱解氣化處理產(chǎn)生天然氣，實(shí)現(xiàn)垃圾清潔資源化利用，另外，甲烷化設(shè)備制氣是一個(gè)碳減排過(guò)程，若忽略垃圾處理過(guò)程中的碳排放，則MCMIS-LCEs是一個(gè)無(wú)碳排放或負(fù)碳排放的多能源微網(wǎng)互聯(lián)系統(tǒng)。

MCMIS-LCEs內(nèi)各CME-MG之間存在電能、氫氣和天然氣三種能源聯(lián)絡(luò)通道進(jìn)行能源交互，同時(shí)CME-MG與其所接入的配電網(wǎng)也存在電能交互。在MCMIS-LCEs實(shí)際運(yùn)行時(shí)，分析各CME-MG的風(fēng)光出力特性、設(shè)備運(yùn)行特性、新能源汽車流量、垃圾堆存量差異[17-19]，針對(duì)不同微網(wǎng)的多種能源需求，通過(guò)三種能源聯(lián)絡(luò)通道實(shí)現(xiàn)MCMIS-LCEs內(nèi)各微網(wǎng)間的高效互動(dòng)。MCMIS-LCEs能夠代替其所接入配電網(wǎng)中的火電機(jī)組進(jìn)行調(diào)峰，不僅可為電網(wǎng)提供一定的電能調(diào)節(jié)能力，還可提供一定的碳減排調(diào)節(jié)能力。在保證MCMIS-LCEs內(nèi)新能源汽車和多種負(fù)荷用能可靠性的前提下，充分發(fā)揮電能、氫氣和天然氣三種能源聯(lián)絡(luò)通道的能源交互作用，有效提升MCMIS-LCEs的新能源消納和碳減排能力，為電網(wǎng)提供更多的電能調(diào)節(jié)能力。

2 多能源供能與碳減排協(xié)調(diào)模型

2.1 微網(wǎng)互聯(lián)系統(tǒng)內(nèi)多能源交互與碳減排協(xié)調(diào)模型

本文通過(guò)考慮MCMIS-LCEs內(nèi)個(gè)充能型多能源微網(wǎng)的用能情況，將第個(gè)CME-MG在時(shí)刻滿足自身多源負(fù)荷和新能源汽車用能需求的前提下具有一定調(diào)節(jié)容量時(shí)，可參與CME-MG間多種能源協(xié)調(diào)的最大電能、氫氣、天然氣量表示多種能源調(diào)節(jié)能力。

本文考慮當(dāng)時(shí)刻充能型多能源微網(wǎng)不能夠滿足自身多種負(fù)荷與新能源汽車用能需向其所接入配電網(wǎng)購(gòu)電時(shí)，若其他微網(wǎng)能夠通過(guò)電能、氫氣和天然氣三種能源聯(lián)絡(luò)通道為該微網(wǎng)供能，此時(shí)可減少配電網(wǎng)內(nèi)火電機(jī)組運(yùn)行產(chǎn)生的碳排放。

因此，第個(gè)CME-MG在時(shí)刻獲得其他微網(wǎng)提供的最大碳減排量可表示為

2.2 微網(wǎng)互聯(lián)系統(tǒng)對(duì)外電網(wǎng)的功率支撐與碳減排協(xié)調(diào)模型

當(dāng)外部電網(wǎng)有調(diào)節(jié)需求時(shí)，MCMIS-LCEs可以作為虛擬儲(chǔ)能盡可能地滿足電網(wǎng)需求，在為電網(wǎng)分擔(dān)調(diào)節(jié)壓力的同時(shí)獲得收益，降低互聯(lián)系統(tǒng)的運(yùn)行成本。

考慮各CME-MG所接入的配電網(wǎng)在時(shí)刻需要火電機(jī)組進(jìn)行調(diào)峰時(shí)，若該微網(wǎng)能夠代替火電機(jī)組參與電網(wǎng)調(diào)節(jié)，減少火電機(jī)組運(yùn)行產(chǎn)生的碳排放，則微網(wǎng)為其所接入的配電網(wǎng)提供的充、放電量不僅能夠給配電網(wǎng)提供調(diào)節(jié)能力，還能夠提供一定的碳減排能力。

3 供能可靠性動(dòng)態(tài)量化評(píng)估模型

MCMIS-LCEs內(nèi)多種能源轉(zhuǎn)換、存儲(chǔ)與充能設(shè)備是否能夠正常運(yùn)行決定了系統(tǒng)內(nèi)各微網(wǎng)間進(jìn)行能源交互時(shí)所需能量是否能夠支撐多能源負(fù)荷、新能源汽車用能，以及互聯(lián)系統(tǒng)整體的碳減排能力。

因此，本文對(duì)MCMIS-LCEs的風(fēng)機(jī)、光伏、多能源轉(zhuǎn)換與存儲(chǔ)設(shè)備，以及充電樁、加氫機(jī)等充能設(shè)施的多種運(yùn)行狀態(tài)進(jìn)行分析，針對(duì)各設(shè)備故障特點(diǎn)建立互聯(lián)系統(tǒng)供能可靠性動(dòng)態(tài)量化評(píng)估模型，能夠反映系統(tǒng)運(yùn)行的實(shí)際情況，實(shí)時(shí)保障MCMIS-LCEs可以通過(guò)多能源微網(wǎng)間的高效互動(dòng)實(shí)現(xiàn)系統(tǒng)整體的碳減排能力與供能充能可靠性提升。

1）MCMIS-LCEs供氫可靠性評(píng)估模型

2）MCMIS-LCEs供電可靠性評(píng)估模型

3）MCMIS-LCEs供氣可靠性評(píng)估模型

4）MCMIS-LCEs供熱可靠性評(píng)估模型

4 MCMIS-LCEs多目標(biāo)優(yōu)化模型

本文建立的計(jì)及供能可靠性動(dòng)態(tài)約束與碳減排的充能型微網(wǎng)互聯(lián)系統(tǒng)優(yōu)化模型，是以總運(yùn)行成本最小、平均充能時(shí)間最小和碳減排量最大為優(yōu)化目標(biāo)，在實(shí)現(xiàn)互聯(lián)系統(tǒng)可靠、經(jīng)濟(jì)運(yùn)行的同時(shí)能夠給電網(wǎng)提供更多的電能調(diào)節(jié)量，有效提高互聯(lián)系統(tǒng)自身和配電網(wǎng)的碳減排能力。

4.1 目標(biāo)函數(shù)

本文所提出的低碳充能型多能源微網(wǎng)互聯(lián)系統(tǒng)優(yōu)化模型的目標(biāo)函數(shù)由三個(gè)部分組成，即

1）總運(yùn)行成本1

2）平均充能時(shí)間2

進(jìn)入MCMIS-LCEs內(nèi)有充能需求的新能源汽車的平均充能時(shí)間2表示為

3）碳減排量3

4.2 約束條件

4.2.1 MCMIS-LCEs供能的可靠性動(dòng)態(tài)約束

本文考慮到MCMIS-LCEs內(nèi)各CME-MG的多種能源轉(zhuǎn)換與存儲(chǔ)設(shè)備間的協(xié)調(diào)關(guān)系，當(dāng)設(shè)備故障時(shí)會(huì)對(duì)微網(wǎng)供能的可靠性產(chǎn)生一定影響，因此MCMIS-LCES運(yùn)行時(shí)微網(wǎng)的供氫、供電、供氣、供熱可靠性指標(biāo)約束分別為

4.2.2 MCMIS-LCEs運(yùn)行約束

1）MCMIS-LCEs電網(wǎng)功率平衡約束

2）MCMIS-LCEs內(nèi)碳減排量約束

3）MCMIS-LCEs對(duì)外電網(wǎng)的碳減排量約束

4）微網(wǎng)間電能、氫氣、天然氣交互容量約束

5）微網(wǎng)間電能、氫氣、天然氣交互功率變化約束

6）氫氣、天然氣管網(wǎng)流量約束

其中

4.2.3 各CME-MG運(yùn)行約束

1）功率平衡約束

各充能型多能源微網(wǎng)內(nèi)存在電、熱、氫、氣四種類型負(fù)荷，微網(wǎng)運(yùn)行功率平衡約束為

2）聯(lián)絡(luò)線約束

多能源微網(wǎng)與電網(wǎng)之間的聯(lián)絡(luò)線功率約束可表示為

3）微網(wǎng)內(nèi)部電力線路約束

4）新能源汽車充能時(shí)間約束

5）儲(chǔ)能設(shè)備約束

6）多能源轉(zhuǎn)換設(shè)備功率約束

7）垃圾處理率約束

8）垃圾容量約束

電-氫-氣充能型多能源微網(wǎng)接入熱解爐將垃圾進(jìn)行熱解氣化處理，微網(wǎng)內(nèi)堆存垃圾的容量約束為

4.3 求解方法

針對(duì)MCMIS-LCEs多目標(biāo)優(yōu)化問(wèn)題，本文參考文獻(xiàn)[22-23]結(jié)合法線邊界交叉（Normal Boundary Intersection intersection, NBI）法與原對(duì)偶內(nèi)點(diǎn)法（Primal-dual Interior Point Method）進(jìn)行求解，得到一系列均勻分布的帕累托最優(yōu)解后，采用考慮主觀權(quán)值修正的熵權(quán)雙基點(diǎn)法選取折中最優(yōu)解，能夠同時(shí)考慮各目標(biāo)函數(shù)的重要程度和系統(tǒng)運(yùn)行經(jīng)驗(yàn)。

本文建立的MCMIS-LCEs多目標(biāo)優(yōu)化模型可以簡(jiǎn)化為

求解方法的具體步驟如下：

1）將各目標(biāo)函數(shù)進(jìn)行規(guī)格化，則第個(gè)子目標(biāo)可表示為

其中

3）采用原對(duì)偶內(nèi)點(diǎn)法將多目標(biāo)優(yōu)化問(wèn)題（49）轉(zhuǎn)換為個(gè)單目標(biāo)優(yōu)化問(wèn)題，即

4）采用原對(duì)偶內(nèi)點(diǎn)法對(duì)單目標(biāo)優(yōu)化問(wèn)題（54）進(jìn)行求解，得到一系列均勻分布的帕累托最優(yōu)解集，形成帕累托前沿。

5）采用考慮主觀權(quán)值修正的熵權(quán)雙基點(diǎn)法在求解出的Pareto前沿解集中選取出一個(gè)折中最優(yōu)解。

（6）根據(jù)式（57）計(jì)算各帕累托最優(yōu)解的相對(duì)貼近度，選取相對(duì)貼近度最大的帕累托最優(yōu)解作為折中最優(yōu)解。

求解流程如圖2所示。

圖2 求解流程

5 算例仿真

5.1 基礎(chǔ)數(shù)據(jù)

本文選取我國(guó)西北某城市周邊四個(gè)充能站在某典型日內(nèi)實(shí)際多能源運(yùn)行、汽車流量與垃圾產(chǎn)量數(shù)據(jù)為背景，在改進(jìn)的IEEE 39節(jié)點(diǎn)配電系統(tǒng)、20節(jié)點(diǎn)配氣系統(tǒng)、6節(jié)點(diǎn)熱力系統(tǒng)與輸氫管網(wǎng)耦合成的多能源微網(wǎng)互聯(lián)系統(tǒng)進(jìn)行驗(yàn)證，算例系統(tǒng)圖如圖3所示。各CME-MG的光伏、風(fēng)電裝機(jī)容量，以及日最大用電、用熱、用氣負(fù)荷見(jiàn)附表1；典型日內(nèi)各CME-MG風(fēng)電出力、光伏出力和基本負(fù)荷用能情況分別如附圖1～附圖3所示；電價(jià)、天然氣價(jià)、氫氣價(jià)格的峰、谷、平時(shí)段劃分見(jiàn)附表2；對(duì)于調(diào)節(jié)電網(wǎng)輸入輸出電能、充電、充氫、充氣等各項(xiàng)費(fèi)用單價(jià)見(jiàn)附表3；污染氣體治理單價(jià)與排放系數(shù)參考文獻(xiàn)[24]見(jiàn)附表4；火電機(jī)組燃煤的碳排放系數(shù)參考文獻(xiàn)[25]取值為0.872kg/(kW·h)。在優(yōu)化運(yùn)行過(guò)程中，本文設(shè)定不同CME-MG內(nèi)同種類多能源轉(zhuǎn)換與存儲(chǔ)設(shè)備的運(yùn)行效率與單位維護(hù)成本均相同，則各設(shè)備容量及其運(yùn)行參數(shù)見(jiàn)附表5；各設(shè)備均采用三狀態(tài)模型，各設(shè)備的狀態(tài)轉(zhuǎn)移率參考文獻(xiàn)[26]見(jiàn)附表6，其中tl為設(shè)備的總供能量；MCMIS-LCEs內(nèi)各CME-MG參與能量交互的最大調(diào)節(jié)容量占剩余容量的百分比，以及各CME-MG的供電、供熱、供氫、供氣可靠性指標(biāo)上限值設(shè)置分別見(jiàn)附表7、附表8。

圖3 算例系統(tǒng)圖

隨著電動(dòng)汽車、氫能汽車和天然氣汽車逐步規(guī)模化發(fā)展，本文結(jié)合典型日四個(gè)充能站的實(shí)際車流量，將小型燃油汽車等效為電動(dòng)汽車、大型燃油汽車等效為氫能汽車后得出新能源汽車流量曲線，如圖4所示。

Fig.4 Typical daily vehicle flow curve of each CME-MG

5.2 算例場(chǎng)景

為驗(yàn)證本文提出的計(jì)及供能可靠性動(dòng)態(tài)約束與碳減排的充能型微網(wǎng)互聯(lián)系統(tǒng)優(yōu)化模型的有效性和經(jīng)濟(jì)性，本文設(shè)置了以下兩種場(chǎng)景，并進(jìn)行了對(duì)比分析。

（1）場(chǎng)景一，各電-氫-氣充能型多能源微網(wǎng)（CME-MG）獨(dú)立運(yùn)行，多能源微網(wǎng)間不存在電能、氫氣和天然氣交互。各CME-MG由可再生能源供能，在風(fēng)電、光伏供電不足的情況下，由燃料電池供電或向電網(wǎng)購(gòu)電，并且微網(wǎng)在滿足自身多能源負(fù)荷和新能源汽車用能需求的情況下，能夠給電網(wǎng)一定調(diào)節(jié)的能力；電鍋爐為熱負(fù)荷供熱；電制氫裝置產(chǎn)生的氫氣難以滿足氫汽車充能時(shí)向外購(gòu)氫；熱解爐和甲烷化產(chǎn)生的天然氣為充能站的氣負(fù)荷和天然氣汽車供能，供氣不足時(shí)向外購(gòu)氣。

（2）場(chǎng)景二，即本文提出的低碳充能型多能源微網(wǎng)群互聯(lián)系統(tǒng)（MCMIS-LCEs）。各CME-MG間存在電能、氫氣和天然氣三種能源進(jìn)行交互，同時(shí)各微網(wǎng)與電網(wǎng)間存在電能交互，在滿足多能源微網(wǎng)自身多能源負(fù)荷與新能源汽車用能需求的情況下，可以給電網(wǎng)提供一定的電能和碳減排調(diào)節(jié)能力。

5.3 場(chǎng)景對(duì)比分析

本文對(duì)新能源汽車的儲(chǔ)能容量進(jìn)行研究，得到電動(dòng)汽車的電池容量一般為30～60A·h、電動(dòng)客車和電動(dòng)貨車的電池容量一般為80～100A·h；氫能汽車的儲(chǔ)氫罐容量一般為2.5～6kg、氫能物流車和氫能卡車的儲(chǔ)氫量一般為30～60kg；天然氣車的儲(chǔ)氣容量一般為12～35m3[27-29]，結(jié)合CME-MG在典型日的新能源汽車流量對(duì)各多能源微網(wǎng)的日充電、充氫、充氣量進(jìn)行預(yù)測(cè)，得到各CME-MG在典型日內(nèi)的充能量曲線，如圖5所示。

場(chǎng)景一、場(chǎng)景二下各CME-MG在典型日內(nèi)多能源轉(zhuǎn)換與存儲(chǔ)設(shè)備的優(yōu)化運(yùn)行結(jié)果分別如圖6和圖7所示。場(chǎng)景二下MCMIS-LCEs內(nèi)各CME-MG間分別通過(guò)電能、氫氣、天然氣聯(lián)絡(luò)通道進(jìn)行交互的運(yùn)行結(jié)果如圖8所示。場(chǎng)景一和場(chǎng)景二下各CME-MG在典型日為其所接入配電網(wǎng)提供的碳減排能力分別如圖9和圖10所示。

圖6 各CME-MG典型日獨(dú)立運(yùn)行結(jié)果

Fig.6 Typical daily independent operation results of each CME-MG

圖7 各CME-MG典型日互聯(lián)運(yùn)行結(jié)果

Fig.7 Typical daily interconnection operation results of each CME-MG

圖9 各CME-MG獨(dú)立運(yùn)行的典型日碳減排曲線

圖10 各CME-MG互聯(lián)運(yùn)行的典型日碳減排曲線

結(jié)合圖6～圖8對(duì)比分析由電、氫、氣多種能源聯(lián)絡(luò)通道進(jìn)行互聯(lián)的充能型多能源微網(wǎng)與傳統(tǒng)獨(dú)立運(yùn)行的多能源微網(wǎng)可知，CME-MG獨(dú)立運(yùn)行時(shí)由可再生能源和燃料電池供電。當(dāng)微網(wǎng)受到所處地理位置和氣象條件影響使得風(fēng)光出力受限，且微網(wǎng)內(nèi)氫汽車充氫需求量大致使微網(wǎng)內(nèi)燃料電池運(yùn)行效率低，難以滿足微網(wǎng)用能需求時(shí)，不平衡功率需要微網(wǎng)接入的配電網(wǎng)承擔(dān)，不僅會(huì)給配電網(wǎng)增添壓力，還會(huì)增加購(gòu)電成本、降低微網(wǎng)的碳減排量；而當(dāng)風(fēng)光出力升高、新能源汽車充能需求小的情況下，微網(wǎng)會(huì)產(chǎn)生一定的棄電量。各CME-MG典型日風(fēng)電、光伏和日負(fù)荷出力曲線如附圖1和附圖2所示，典型日的3:00～6:00時(shí)段和11:00～14:00時(shí)段，場(chǎng)景一的CME-MG1和CME-MG2內(nèi)風(fēng)光出力大，多能源轉(zhuǎn)換設(shè)備功率增加，但受到儲(chǔ)能設(shè)備容量的限制還會(huì)產(chǎn)生一定的棄電量；在該時(shí)段，CME-MG3和CME-MG4的新能源汽車對(duì)電能、氫氣和天然氣的需求較大，當(dāng)通過(guò)增加電制氫、甲烷化、燃料電池等設(shè)備的運(yùn)行功率不能滿足新能源汽車充能需求時(shí)，微網(wǎng)向外購(gòu)買電能、氫氣和天然氣導(dǎo)致運(yùn)行成本增加。而場(chǎng)景二下各多能源微網(wǎng)通過(guò)電能、氫氣、天然氣聯(lián)絡(luò)通道進(jìn)行交互運(yùn)行，各CME-MG典型日風(fēng)電、光伏和日負(fù)荷處理曲線如附圖1～附圖3所示。如附圖1和附圖2，CME-MG1在典型日的4:00～6:00、10:00～13:00和19:00～23:00時(shí)段風(fēng)光出力較大，而如附圖3所示該時(shí)段新能源汽車流量較小，即微網(wǎng)內(nèi)的充能需求量較少，微網(wǎng)存在富裕電量，可以適當(dāng)增大熱解爐的運(yùn)行功率，提高垃圾能源化利用率，并通過(guò)電鍋爐、電制氫、甲烷化、儲(chǔ)氫和儲(chǔ)氣設(shè)備之間的協(xié)調(diào)運(yùn)行，在滿足微網(wǎng)自身用能量的前提下，由MCMIS-LCEs的電能、氫氣和天然氣聯(lián)絡(luò)通道進(jìn)行交互，為其他微網(wǎng)提供所需能源，如圖8～圖10所示，該場(chǎng)景下微網(wǎng)能夠?yàn)樗优潆娋W(wǎng)提供更多的調(diào)節(jié)電量和碳減排量，提高了MCMIS-LCEs的運(yùn)營(yíng)收益和碳減排能力；在典型日16:00～19:00時(shí)段，CME-MG1內(nèi)光伏出力很小、風(fēng)電出力波動(dòng)較大，處于有充氫需求狀態(tài)的氫汽車數(shù)量較大，此時(shí)需要電制氫協(xié)調(diào)儲(chǔ)氫設(shè)備進(jìn)行供能，減小電鍋爐、熱解爐等設(shè)備的運(yùn)行功率，并通過(guò)氫氣交互獲得來(lái)自其他電網(wǎng)提供的氫氣以滿足微網(wǎng)內(nèi)的氫氣需求。

綜上所述，在場(chǎng)景二下各CME-MG能夠在滿足自身用能的前提下將額外能源通過(guò)電能交互、氫能交互和天然氣交互輸送給其他充能型多能源微網(wǎng)，節(jié)約MCMIS-LCEs整體的購(gòu)能成本，提高了互聯(lián)系統(tǒng)的運(yùn)行經(jīng)濟(jì)性；同時(shí)實(shí)現(xiàn)各CME-MG向其所接入的配電網(wǎng)提供更多的調(diào)節(jié)電量，提高配電網(wǎng)的碳減排量，充分發(fā)揮MCMIS-LCEs的碳減排能力。

基于上述對(duì)MCMIS-LCEs內(nèi)多能源轉(zhuǎn)換與存儲(chǔ)設(shè)備的運(yùn)行結(jié)果和CME-MG間的能量交互運(yùn)行結(jié)果分析，得到場(chǎng)景一和場(chǎng)景二下各CME-MG在典型日內(nèi)平均充能時(shí)間、垃圾能源化利用率，以及給電網(wǎng)提供的調(diào)節(jié)能力的運(yùn)行結(jié)果對(duì)比，結(jié)果見(jiàn)表1；兩種場(chǎng)景下各CME-MG典型日運(yùn)行成本結(jié)果對(duì)比見(jiàn)表2。表1中電網(wǎng)調(diào)節(jié)能力上限指在上級(jí)電網(wǎng)有調(diào)峰需求時(shí)，各微網(wǎng)能夠給其提供的最大電量，電網(wǎng)調(diào)節(jié)能力下限指上級(jí)電網(wǎng)有調(diào)谷需求時(shí)，各微網(wǎng)能夠?yàn)槠浯鎯?chǔ)的最大電量。

表1 兩種場(chǎng)景下各CME-MG典型日運(yùn)行結(jié)果對(duì)比

表2 兩種場(chǎng)景下各CME-MG典型日運(yùn)行成本對(duì)比

Tab.2 Comparison of typical daily operating costs of each CME-MG in two scenarios

結(jié)合表1、表2進(jìn)行分析可知，相比于場(chǎng)景一，在本文提出的場(chǎng)景二下，新能源汽車整體的平均充能等待時(shí)間降低了36.56%；碳減排量整體提高了約3.39倍；垃圾能源化利用率整體增幅15.62%；電網(wǎng)調(diào)節(jié)能力整體提升了145.03%；總運(yùn)行成本整體降低了16.91%。綜上所述，通過(guò)本文的模型能夠在實(shí)現(xiàn)互聯(lián)系統(tǒng)可靠、經(jīng)濟(jì)運(yùn)行的同時(shí)能夠給電網(wǎng)提供更多的電能調(diào)節(jié)量，有效提高互聯(lián)系統(tǒng)的碳減排能力。

采用各場(chǎng)景下求解的多目標(biāo)優(yōu)化模型的25個(gè)Pareto最優(yōu)解，得到Pareto前沿如圖11所示，Pareto最優(yōu)解的平均計(jì)算時(shí)間為32.9s，采用考慮主觀權(quán)值修正的熵權(quán)雙基點(diǎn)法確定的兩種場(chǎng)景下各目標(biāo)函數(shù)的修正權(quán)系數(shù)見(jiàn)表3。對(duì)所有Pareto最優(yōu)解進(jìn)行優(yōu)劣排序后選取相對(duì)貼近度最大的Pareto最優(yōu)解為折中最優(yōu)解，兩種場(chǎng)景下各CME-MG典型日運(yùn)行結(jié)果和運(yùn)行成本見(jiàn)表1、表2。

圖11 Pareto前沿

表3 各目標(biāo)函數(shù)的修正權(quán)系數(shù)

Tab.3 The modified weight coefficient of each objective function

6 結(jié)論

在我國(guó)推進(jìn)碳達(dá)峰、碳中和的背景下，為實(shí)現(xiàn)能源轉(zhuǎn)型和適應(yīng)新能源汽車產(chǎn)業(yè)蓬勃發(fā)展下汽車用戶越來(lái)越多的充能需求，本文提出了一種計(jì)及供能可靠性動(dòng)態(tài)約束與碳減排的充能型微網(wǎng)互聯(lián)系統(tǒng)優(yōu)化模型，并通過(guò)兩種場(chǎng)景下的仿真結(jié)果進(jìn)行分析，結(jié)果表明：

1）與傳統(tǒng)獨(dú)立運(yùn)行的充能型多能源微網(wǎng)相比，本文提出的MCMIS-LCEs考慮各微網(wǎng)間的互補(bǔ)特性，通過(guò)電能、氫氣、天然氣聯(lián)絡(luò)線進(jìn)行交互，能夠提高新能源汽車和多種負(fù)荷的用能可靠性。

2）相比于傳統(tǒng)獨(dú)立運(yùn)行的充能型多能源微網(wǎng)，MCMIS-LCEs中多能源微網(wǎng)間高效協(xié)調(diào)運(yùn)行，可降低新能源汽車的充能時(shí)間、提升垃圾資源化利用率、系統(tǒng)的運(yùn)行靈活性，并且能夠?yàn)榕潆娋W(wǎng)提供更多的電能調(diào)節(jié)能力和碳減排調(diào)節(jié)能力。

3）充能型多能源微網(wǎng)群互聯(lián)協(xié)調(diào)優(yōu)化后能夠降低各微網(wǎng)的運(yùn)行成本，有效提高整體互聯(lián)系統(tǒng)的收益，在未來(lái)充能站的建設(shè)發(fā)展中具有較好的應(yīng)用前景。

附 錄

附表1 各CME-MG基本參數(shù)

App.Tab.1 Basic parameters of each CME-MG

參數(shù)數(shù)值 CME-MG1CME-MG2CME-MG3CME-MG4 光伏裝機(jī)容量/MW213.53 風(fēng)電裝機(jī)容量/MW1095.57 最大用電負(fù)荷/MW1.351.41.21 最大用熱負(fù)荷/MW0.90.850.80.7 最大用氣負(fù)荷/m31101008095 充電樁總數(shù)/臺(tái)35302426 加氫機(jī)總數(shù)/臺(tái)15151012 加氣機(jī)總數(shù)/臺(tái)16141014

附表2 峰、谷、平時(shí)段劃分

App.Tab.2 The division of peak, valley and normal periods

時(shí)段電價(jià)氫氣價(jià)天然氣價(jià) 峰時(shí)段9:00～12:0018:00～23:005:00～8:0010:30～13:0016:00～21:006:00～8:0010:00～13:0015:00～20:00 平時(shí)段8:00～9:0012:00～18:0023:00～24:004:00～5:008:00～10:3013:00～16:008:00～10:0013:00～15:0020:00～22:00 谷時(shí)段0:00～8:000:00～4:0021:00～24:000:00～6:0022:00～24:00

附圖1 各CME-MG典型日風(fēng)電出力曲線

App.Fig.1 Typical daily wind power output curve of each CME-MG

附圖2 各CME-MG典型日光伏出力曲線

App.Fig.2 Typical daily photovoltaic output curve of each CME-MG

附圖3 各CME-MG典型日負(fù)荷曲線

App.Fig.3 Typical daily load curve of each CME-MG

附表3 各時(shí)段單價(jià)

App.Tab.3 Unit price of per period

峰時(shí)段平時(shí)段谷時(shí)段 調(diào)節(jié)電網(wǎng)-輸出電能/[元/(kW·h)]1.1520.9810.631 調(diào)節(jié)電網(wǎng)-輸入電能/[元/(kW·h)]1.0410.8250.583 充電價(jià)/[元/(kW·h)]0.9760.6670.367 充電服務(wù)費(fèi)/[元/(kW·h)]0.80.80.8 充氫價(jià)/(元/kg)656260 充氣價(jià)/(元/m3)4.754.524.27 購(gòu)電價(jià)/[元/(kW·h)]0.9760.6670.367 購(gòu)氫價(jià)/(元/m3)0.2240.2240.224 購(gòu)天然氣價(jià)/(元/m3)4.74.454.11 電負(fù)荷損失成本/[元/(kW·h)]6.86.86.8 熱負(fù)荷損失成本/[元/(kW·h)]3.23.23.2 氫負(fù)荷損失成本/(元/kg)14.714.714.7 氣負(fù)荷損失成本/(元/m3)0.960.960.96 回收垃圾/(元/t)375375375 處理垃圾政府補(bǔ)貼/(元/t)124124124

附表4 污染氣體治理單價(jià)與排放系數(shù)

App.Tab.4 Pollutant gas treatment unit price and emission coefficient

氣體類型治理單價(jià)/(元/kg)排放系數(shù)/[g/(kW·h)] CO0.012 50.170 2 CO20.021335.082 9 NOx0.0230.618 8 SO214.8420.000 092 8

附表5 各CME-MG設(shè)備容量及其運(yùn)行參數(shù)

App.Tab.5 Capacity and operation parameters of devices in each CME-MG

設(shè)備效率(%)單位維護(hù)成本CME-MG1/MWCME-MG2/MWCME-MG3/MWCME-MG4/MW 熱解爐811.23元/(kW·h)1.51.310.8 電制氫840.21元/(kW·h)3323 甲烷化710.66元/(kW·h)3323 電鍋爐950.08元/(kW·h)110.80.8 燃料電池740.14元/(kW·h)1122.5 儲(chǔ)氫9510.53元/m34433.5 儲(chǔ)熱9220.35元/(MW·h)110.81 儲(chǔ)氣959.63元/m34.5433.5 風(fēng)電560.51萬(wàn)元/MW213.53 光伏200.59萬(wàn)元/MW1095.57

附表6 各CME-MG設(shè)備的狀態(tài)轉(zhuǎn)移率

App.Tab.6 State transition rate of devices in each CME-MG

轉(zhuǎn)移率tl0.5tl0 tl-0.0030.0020.001 0.5tl0.020-0.0220.002 00.0230.018-0.041

附表7 各CME-MG的能源調(diào)節(jié)響應(yīng)參數(shù)設(shè)置

App.Tab.7 Energy regulation response parameter setting of each CME-MG

參數(shù)數(shù)值 CME-MG1CME-MG2CME-MG3CME-MG4 εE a(%)80858282 εH2 a(%)7271.57470 εgas a(%)75767372 εa,pg(%)83818282

附表8 各CME-MG的供能可靠性指標(biāo)上限

App.Tab.8 The upper limit of the energy supply reliability index of each CME-MG

參數(shù)數(shù)值 CME-MG1CME-MG2CME-MG3CME-MG4 供電可靠性指標(biāo)上限/MW0.320.290.260.28 供熱可靠性指標(biāo)上限/MW0.0850.0810.0770.069 供氫可靠性指標(biāo)上限/kg4.94.33.23.5 供氣可靠性指標(biāo)上限/m331282124

[1] 許剛, 張丙旭, 張廣超. 電動(dòng)汽車集群并網(wǎng)的分布式魯棒優(yōu)化調(diào)度模型[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(3): 565-578.

Xu Gang, Zhang Bingxu, Zhang Guangchao. Distributed and robust optimal scheduling model for large-scale electric vehicles connected to grid[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 565-578.

[2] 張沈習(xí), 王丹陽(yáng), 程浩忠, 等. 雙碳目標(biāo)下低碳綜合能源系統(tǒng)規(guī)劃關(guān)鍵技術(shù)及挑戰(zhàn)[J]. 電力系統(tǒng)自動(dòng)化, 2022, 46(8): 189-207.

Zhang Shenxi, Wang Danyang, Cheng Haozhong, et al. Key technologies and challenges of low-carbon integrated energy system planning for carbon emission peak and carbon neutrality[J]. Automation of Electric Power Systems, 2022, 46(8): 189-207.

[3] 王澤鏑, 滕云, 閆佳佳, 等. 垃圾能源利用與城市多能源系統(tǒng)協(xié)同優(yōu)化模型[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(21): 4470-4481.

Wang Zedi, Teng Yun, Yan Jiajia, et al. The optimal model based on waste resourceful and urban multi-energy system collaborative[J]. Transactions of China Electrotechnical Society, 2021, 36(21): 4470-4481.

[4] 滕云, 閆佳佳, 回茜, 等. “無(wú)廢”電-氫充能服務(wù)區(qū)多源微網(wǎng)優(yōu)化運(yùn)行模型[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021, 41(6): 2074-2088.

Teng Yun, Yan Jiajia, Hui Qian, et al. Optimization operation model of “zero-waste” electricity-hydrogen charging service area multi-energy microgrid[J]. Proceedings of the CSEE, 2021, 41(6): 2074-2088.

[5] 王澤森, 唐艷梅, 門向陽(yáng), 等. 獨(dú)立海島終端一體化系統(tǒng)下電動(dòng)汽車的投放數(shù)量規(guī)劃研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(7): 2005-2016.

Wang Zesen, Tang Yanmei, Men Xiangyang, et al. Research on the quantity planning of electric vehicle on the isolated island terminal integration system[J]. Proceedings of the CSEE, 2019, 39(7): 2005-2016.

[6] 郭立東, 雷鳴宇, 楊子龍, 等. 光儲(chǔ)微網(wǎng)系統(tǒng)多目標(biāo)協(xié)調(diào)控制策略[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(19): 4121-4131.

Guo Lidong, Lei Mingyu, Yang Zilong, et al. Multi-objective coordinated control strategy for photovoltaic and energy-storage microgrid system[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4121-4131.

[7] 王澤鏑, 滕云, 回茜, 等. 考慮垃圾處理與調(diào)峰需求的可持續(xù)化城市多能源系統(tǒng)規(guī)劃[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021, 41(11): 3781-3796.

Wang Zedi, Teng Yun, Hui Qian, et al. A sustainable development multi-energy system planning method incorporating the demand of waste disposal and peak shaving[J]. Proceedings of the CSEE, 2021, 41(11): 3781-3796.

[8] Alshareef M, Lin Zhengyu, Li Fulong, et al. A grid interface current control strategy for DC microgrids[J]. CES Transactions on Electrical Machines and Systems, 2021, 5(3): 249-256.

[9] 張釋中, 裴瑋, 楊艷紅, 等. 基于柔性直流互聯(lián)的多微網(wǎng)集成聚合運(yùn)行優(yōu)化及分析[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(5): 1025-1037.

Zhang Shizhong, Pei Wei, Yang Yanhong, et al. Optimization and analysis of multi-microgrids integration and aggregation operation based on flexible DC interconnection[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1025-1037.

[10] 李政, 陳思源, 董文娟, 等. 碳約束條件下電力行業(yè)低碳轉(zhuǎn)型路徑研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021, 41(12): 3987-4000.

Li Zheng, Chen Siyuan, Dong Wenjuan, et al. Low carbon transition pathway of power sector under carbon emission constraints[J]. Proceedings of the CSEE, 2021, 41(12): 3987-4000.

[11] 楊鏡司, 秦文萍, 史文龍, 等. 基于電動(dòng)汽車參與調(diào)峰定價(jià)策略的區(qū)域電網(wǎng)兩階段優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2022, 37(1): 58-71.

Yang Jingsi, Qin Wenping, Shi Wenlong, et al. Two-stage optimal dispatching of regional power grid based on electric vehicles' participation in peak-shaving pricing strategy[J]. Transactions of China Electrotechnical Society, 2022, 37(1): 58-71.

[12] 滕云, 弓瑋, 冷歐陽(yáng), 等. 用于提升電-氣兩網(wǎng)調(diào)節(jié)能力的微網(wǎng)集群協(xié)調(diào)運(yùn)行模型[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021, 41(2): 642-655.

Teng Yun, Gong Wei, Leng Ouyang, et al. Coordination operation model of microgrid cluster for improving electricity-gas networks regulation capability[J]. Proceedings of the CSEE, 2021, 41(2): 642-655.

[13] 李鵬, 吳迪凡, 李雨薇, 等. 基于談判博弈的多微網(wǎng)綜合能源系統(tǒng)多目標(biāo)聯(lián)合優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2020, 44(10): 3680-3688.

Li Peng, Wu Difan, Li Yuwei, et al. Multi-objective union optimal conApp.Figuration strategy for multi-microgrid integrated energy system considering bargaining games[J]. Power System Technology, 2020, 44(10): 3680-3688.

[14] Qiu Haifeng, Zhao Bo, Gu Wei, et al. Bi-level two-stage robust optimal scheduling for AC/DC hybrid multi-microgrids[J]. IEEE Transactions on Smart Grid, 2018, 9(5): 5455-5466.

[15] Sahoo S K, Kishore N K, Sinha A K. Decentralised control and fault ride-through of a multi-microgrid system[J]. IET Smart Grid, 2019, 2(3): 464-476.

[16] 劉海濤, 熊雄, 季宇, 等. 直流配電下多微網(wǎng)系統(tǒng)集群控制研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(24): 7159-7167, 7489.

Liu Haitao, Xiong Xiong, Ji Yu, et al. Cluster control research of multi-microgrids system under DC distribution system[J]. Proceedings of the CSEE, 2019, 39(24): 7159-7167, 7489.

[17] 金國(guó)彬, 潘狄, 陳慶, 等. 考慮源荷不確定性的直流配電網(wǎng)模糊隨機(jī)日前優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(21): 4517-4528.

Jin Guobin, Pan Di, Chen Qing, et al. Fuzzy random day-ahead optimal dispatch of DC distribution network considering the uncertainty of source-load[J]. Transactions of China Electrotechnical Society, 2021, 36(21): 4517-4528..

[18] 韓景超, 王正發(fā), 劉雙龍. 城市生活垃圾制氣技術(shù)研究[J]. 環(huán)境與發(fā)展, 2020, 32(12): 64-66.

Han Jingchao, Wang Zhengfa, Liu Shuanglong. Research on gasification technology of municipal solid waste[J]. Environment and Development, 2020, 32(12): 64-66.

[19] 金紅洋, 滕云, 冷歐陽(yáng), 等. 基于源荷不確定性狀態(tài)感知的無(wú)廢城市多能源協(xié)調(diào)儲(chǔ)能模型[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(13): 2830-2842.

Jin Hongyang, Teng Yun, Leng Ouyang, et al. Multi-energy coordinated energy storage model in zero-waste cities based on situation awareness of source and load uncertainty[J]. Transactions of China Electrotechnical Society, 2020, 35(13): 2830-2842.

[20] Lisnianski A, Elmakias D, Laredo D, et al. A multi-state Markov model for a short-term reliability analysis of a power generating unit[J]. Reliability Engineering & System Safety, 2012, 98(1): 1-6.

[21] He Ruiwen, Deng Jianhua, Lai L L. Reliability evaluation of communication-constrained protection systems using stochastic-flow network models[J]. IEEE Transactions on Smart Grid, 2018, 9(3): 2371-2381.

[22] 黃庶, 林舜江, 劉明波. 含風(fēng)電場(chǎng)和抽水蓄能電站的多目標(biāo)安全約束動(dòng)態(tài)優(yōu)化調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(1): 112-121.

Huang Shu, Lin Shunjiang, Liu Mingbo. Multi-objective security constrained dynamic optimal dispatch with wind farms and pumped storage stations[J]. Proceedings of the CSEE, 2016, 36(1): 112-121.

[23] 楊柳青, 林舜江, 劉明波, 等. 考慮風(fēng)電接入的大型電力系統(tǒng)多目標(biāo)動(dòng)態(tài)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(10): 286-295.

Yang Liuqing, Lin Shunjiang, Liu Mingbo, et al. Multi-objective dynamic optimal dispatch for large-scale power systems considering wind power penetration[J]. Transactions of China Electrotechnical Society, 2014, 29(10): 286-295.

[24] 雍靜, 趙瑾, 郇嘉嘉, 等. 基于混沌增強(qiáng)煙花算法的多能源系統(tǒng)并網(wǎng)優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2019, 43(10): 3725-3733.

Yong Jing, Zhao Jin, Huan Jiajia, et al. Multi-energy system optimal dispatch based on chaos enhanced firework algorithm in grid connection[J]. Power System Technology, 2019, 43(10): 3725-3733.

[25] 王魯浩, 李歧強(qiáng), 丁然, 等. 可再生能源微網(wǎng)魯棒多目標(biāo)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2017, 32(5): 184-192.

Wang Luhao, Li Qiqiang, Ding Ran, et al. Robust multi-objective optimization scheduling of micro-grids with renewable energy[J]. Transactions of China Electrotechnical Society, 2017, 32(5): 184-192.

[26] Bao Minglei, Ding Yi, Singh C, et al. A multi-state model for reliability assessment of integrated gas and power systems utilizing universal generating function techniques[J]. IEEE Transactions on Smart Grid, 2019, 10(6): 6271-6283.

[27] 張衛(wèi)國(guó), 宋杰, 郭明星, 等. 考慮電動(dòng)汽車充電需求的虛擬電廠負(fù)荷均衡管理策略[J]. 電力系統(tǒng)自動(dòng)化, 2022, 46(9): 118-126.

Zhang Weiguo, Song Jie, Guo Mingxing, et al. Load balancing management strategy for virtual power plants considering charging demand of electric vehicles[J]. Automation of Electric Power Systems, 2022, 46(9): 118-126.

[28] 郜昊強(qiáng), 宋業(yè)建. 氫燃料電池汽車發(fā)展趨勢(shì)分析[J]. 汽車零部件, 2018(12): 75-77.

Gao Haoqiang, Song Yejian. Development trend analysis of hydrogen fuel cell vehicle[J]. Automobile Parts, 2018(12): 75-77.

[29] 駱玲. 營(yíng)運(yùn)天然氣汽車燃料消耗量測(cè)量方法研究[D]. 西安: 長(zhǎng)安大學(xué), 2014.

Optimization Model of Charging Microgrid Interconnection System Considering Dynamic Constraints of Energy Supply Reliability and Carbon Emission Reduction

Yan Jiajia1Teng Yun1Qiu Shi1Chen Zhe2

（1. School of Electrical Engineering Shenyang University of Technology Shenyang 110870 China 2. Depth Energy Technology Aalborg University Aalborg DK-9220 Denmark）

Promoting the large-scale development of the new energy vehicle industry is an important way to realize the low-carbon transformation of transportation and multi-energy systems. In order to ensure the improvement of system energy supply reliability and carbon emission reduction capability, an optimization model of charging microgrid interconnection system considering dynamic constraints of energy supply reliability and carbon emission reduction was constructed in this paper. Firstly, the operation characteristics of each microgrid and the energy interaction characteristics between microgrids are studied, and the model of the multi-energy charging microgrids interconnection system with low carbon emissions(MCMIS-LCEs) was established. On this basis, a multi-energy supply and carbon emission reduction coordination model was established; Secondly, considering the dynamic impact of energy conversion, storage and charging equipment failures on the energy supply reliability of the MCMIS-LCEs, a multi-state reliability dynamic quantitative evaluation model was established according to the characteristics of equipment failures; Then, under the conditions of energy supply reliability constraints and operation constraints of interconnected systems, a multi-objective optimization model of the MCMIS-LCEs considering carbon emission reduction, charging time and energy supply cost coordination was established; Finally, simulation verification is performed based on the actual energy and vehicle flow data of the charging station. The simulation results demonstrate that the MCMIS-LCEs and its optimization model proposed in this paper can realize the efficient coordination between multi-energy conversion, storage and charging equipment, and improve the economy, carbon emission reduction capacity, waste process capacity, grid regulation capacity, and the reliability of energy supply of the whole interconnected system.

New energy vehicles, energy supply reliability, carbon emission reduction, microgrid interconnection system, waste process

10.19595/j.cnki.1000-6753.tces.220107

TM732

國(guó)家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目（2017YFB0902100）。

2022-01-21

2022-06-12

閆佳佳 女，1996年生，博士研究生，研究方向?yàn)槎嗄茉聪到y(tǒng)規(guī)劃及優(yōu)化運(yùn)行等。E-mail：714431086@qq.com

滕 云 男，1973年生，博士，教授，博士生導(dǎo)師，研究方向?yàn)樵偕茉窗l(fā)電、多能源系統(tǒng)優(yōu)化運(yùn)行與控制等。E-mail：tengyun@sut.edu.cn（通信作者）

（編輯 赫蕾）