計及需求響應的微能網綜合能源多時空尺度優化調度

秦文萍, 楊鏡司, 景 祥, 姚宏民, 李曉舟, 張信哲

(太原理工大學 電力系統運行與控制山西省重點實驗室,太原 030024)

隨著全球化石能源逐漸枯竭和能源供需矛盾加劇,能源高效利用成為能源領域研究的重點[1].為實現“雙碳”目標,具有多能互補、能源階級利用等特點的綜合能源為低碳轉型提供重要解決方案[2].微能網作為綜合能源系統的重要表現形式,可實現多維能源的互補利用和優化匹配,隨著城市的多元性發展,不同類型微能網之間的設備耦合與能源轉換特性差異、各類設備響應特性不同等問題給電網系統調度運行帶來極大困難.因此綜合考慮各微能網之間的利益關系,優化調度微能網的可調控負荷,提升系統能源供應互聯互濟水平,實現能源利用的整體優化是能源領域的研究重點之一.

當前,國內外學者對于微能網優化調度研究已經取得一定成果.在綜合能源需求側響應方面,文獻[3]中提出了計及需求側管理的孤島型微電網優化模型,按電負荷重要程度進行分類處理,在保證供電穩定前提下提高了系統運行的經濟性,但是只考慮了電負荷的需求響應,未涉及熱、氣等柔性負荷;文獻[4]中構建了電-熱-氣多源耦合系統結構,計及直接負荷控制參與的需求響應,分析了多源互補協調優化調度特性,但是只考慮了直接負荷控制參與系統優化;文獻[5]中引入可控負荷參與微電網的經濟調度,建立了電熱聯合系統的雙層優化調度模型,但是只考慮了可轉移負荷對電力系統的影響,忽略了用戶側需求響應負荷的多樣性;文獻[6]中構建了考慮碳捕集系統和綜合需求響應的電-氣綜合能源系統低碳經濟調度模型,引入橫向與縱向需求響應的負荷需求響應模型,實現了電-氣綜合能源系統的低碳運行,但是只考慮了可轉移負荷與可替代負荷,忽略了用戶側能源需求的差異.

在綜合能源能量傳輸與耦合方面,文獻[7]中將氫燃料電池與燃氣輪機轉換為非固定效率運行的形式,降低能量在逐級利用時的損耗,改善熱-電耦合性能;文獻[8]中構建了計及網絡傳輸損耗的電熱綜合能源系統多目標優化調度模型,考慮網絡傳輸損耗對供需平衡的影響,實現電熱能源之間的協調與優化;文獻[9]中提出計及熱能輸運動態特性的電-熱綜合能源系統優化調度方法,考慮熱網延時和儲熱等動態特性, 構建了熱能輸運準動態模型,分析了熱網的虛擬儲能潛力,實現對熱網虛擬儲能的調度利用;文獻[10]中針對海島或偏遠山區供電、供熱/冷的應用場景,提出分布式沼氣-風能-太陽能全可再生能源的微能網模型,提升了系統供能的可靠性和經濟效益.以上研究大多只考慮了電、熱能源利用,通過改進調度策略實現綜合能源的協同優化,未考慮目前大力發展的冷、氫氣等新能源,忽略了電、熱、氣等多能源耦合.

基于此,提出一種考慮需求響應的微能網綜合能源多時空尺度優化運行策略.首先從能源角度對微能網中各設備進行建模分析,引入氫能,將電、熱、氣、氫氣負荷作為整體管理,構建包含3類微能網的綜合能源系統模型.然后建立了由上、中、下共3層組成的協同優化框架的多時空尺度運行模型:上層為日前調度階段,對整個多微能網綜合能源系統(Integrated Electric-Gas-Heat Energy System, IEGHES)進行調度;中層為日內調度階段,對各微能網之間進行優化;下層為實時調度階段,對微能網中具體單元進行調度,調整不平衡功率.3個階段分別引入可替代、可轉移和可削減負荷,階梯式參與需求響應優化調度,將多種能量形態、時間和空間尺度、響應參與者進行協調.最后,算例仿真結果表明,該策略可以利用多種能源的互補優勢,在不同時空尺度上實現多維能源的供需平衡和協同優化,且與傳統模型預測控制(Model Predictive Control, MPC)調度相比,更有利于提高系統運行的經濟性.

1 多微能網綜合能源系統模型

1.1 系統結構

多微能網綜合能源系統對電、天然氣、熱及氫氣進行聯合調度,主要可分為工業、商業和居民微能網共3個類型,如圖1所示.微能網中的分布式電源包括風力機(Wind Turbine, WT)、光伏(Photoroltaic, PV)及熱電聯產(Combined Heat and Power, CHP);系統通過電鍋爐、電解水裝置、熱電聯產裝置、燃料電池等實現電網、熱網、氫氣網及天然氣網之間的能量交互;微能網中各能源對應的儲能裝置對能量流動具有調節作用,可實現對功率缺額的臨時補充,起到削峰填谷作用;微能網的終端電、熱、天然氣、氫氣負荷包含了可替代、可轉移和可削減負荷,可以提升微能網的調節彈性,進一步優化IEGHES運行.該綜合能源系統結構基于實際項目“雄安新區工業園”進行改進,引入氫氣網,對不同微能網的用能需求與差異進行建模,體現了能源結構的多樣性與實用性.

圖1 多微能網綜合能源系統結構Fig.1 Structure of multi-micro energy grid integrated energy system

當前國內推行的微能網多采用同類產業的集群效應,主要負荷類型決定微能網的負荷曲線[11-12].工業微能網多分布在城市郊區地帶,可有效利用風能、光伏等新能源;同時,工業區負荷種類齊全,用能方式靈活多變,對于電、熱、氣的消耗及能量的存儲、轉換等需求較高;工業生產會產生大量余熱,無需額外提供熱量,可以通過能量交互作為商業和居民微能網的熱量來源.商業微能網用能集中在 10:00—22:00,且以餐飲、娛樂、購物等為主,對電和天然氣的需求較高,對熱的需求較低,因此有電、氣存儲;新能源發電除直接上網外也可用于電解水制氫,為氫負荷如氫電動汽車提供能量,需求較小,無需儲能.居民區微能網多分布在城市中心,安裝小型風力機居多,因此配置的新能源電源以光伏為主,風力機為輔;其負荷種類多,對能量需求高,各能源儲能裝置均存在,且可有效利用其需求響應潛力,進一步提高綜合能源系統的優化運行.3個微能網之間可以進行電能、熱能、天然氣能的能量交互,在減少能量損失的同時也可提高系統運行的經濟性及能源協同性.

由以上各類型微能網特性分析得到電、熱、天然氣、氫氣負荷初始值[13],如圖2所示.

1.2 負荷特性及需求響應

在含多微能網的綜合能源系統中,除去配電網側向微能網進行能量輸送和微能網之間的能量交互,需求側響應對能源設備耦合及能量交互也具有重要影響.根據負荷參與響應的特性,將需求響應負荷分為可替代、可轉移和可削減負荷[6].

(1) 在能源總需求量一定時,根據某一時間段的能源價格選擇不同能源達到自身用能需求的負荷稱為可替代負荷,例如微能網可以通過熱電聯產機組或電鍋爐供應熱負荷.

(2) 根據不同時間段能源價格或電力市場激勵措施的不同,改變負荷用能時間,起到削峰填谷作用的負荷稱為可轉移負荷,例如蓄電池、儲熱罐等.

(3) 在能源網負荷高峰時段或緊急情況下,可以減少對能源需求量的負荷稱為可削減負荷,例如空調等.

基于各省現行的電力市場運行規則及安全校核方案,用戶與能源聚合商或售電公司簽訂合同,未直接參與電力市場的負荷則直接由電力公司代理.本文研究的可替代、可轉移和可削減負荷均指符合參與電力市場或需求側響應的負荷,均可控、可調.假設IEGHES為實時信息系統,即能實時獲取電力、熱力、天然氣、氫氣系統的運行狀態及價格波動等信息數據,具體的響應機制如圖3所示.

能源聚合商通過與配電網、配氣網之間進行信息交互,在日前階段向下一級微能網發出需求調度任務,微能網根據這一調度對己上報的用能計劃進行調整,可替代負荷根據調度需求作出調整;日內階段將日前階段調整后的可替代負荷作為已知量負荷,可轉移負荷積極響應作出調整;實時階段則是將前兩個階段的需求負荷作為已知量負荷,可削減負荷根據調度需要作出調整.在上、中、下3層協同優化框架下考慮不同種類的需求響應負荷,可以結合負荷特性合理調度其參與響應,降低補償成本,提高系統運行經濟性,實現系統的協同優化運行.

2 多時空尺度下的多微能網優化調度模型

本文建立的多微能網綜合能源系統為多維能源供需平衡模型,優化框架如圖4所示.上層日前優化時間尺度為1 h,執行時間為24 h,計劃提前1 d制定;中層日內優化時間尺度為15 min,執行周期為24 h,響應時長為15 min～1 h;下層實時優化時間尺度為5 min,調整實時階段不平衡功率,響應時長為5～15 min.

圖4 IEGHES多時空尺度優化框架Fig.4 Multi-space-scale optimization framework of IEGHES

2.1 日前階段

(1)

(2)

(3)

(4)

(5)

(6)

2.1.2日前約束條件

(1) CHP機組運行約束.

CHP機組主要包含燃氣輪機和鍋爐,可為外界提供電和熱,數學模型[11]為

(7)

(8)

(9)

(2) 電鍋爐運行約束[11]:

Heb=ηebPeb

(10)

(11)

式中:Heb為電鍋爐的輸出熱功率;ηeb為電鍋爐的制熱效率,取95%;Peb為電鍋爐的電功率;Heb,i,max為電鍋爐功率的最大值.

(3) 電解水裝置約束.

電解裝置是電轉氣(Power-to-Gas, P2G)的核心組成部分,利用新能源發電進行電解水操作獲得氫氣,數學模型[16]為

Aec=βecVecAH2

(12)

(13)

(14)

式中:Aec為電解水裝置產生的氫氣量;βec為電解裝置效率,取90%;Vec為電解裝置的額定容量;AH2表示額定產氫量,取350;βec,in為電解裝置的輸入功率;Pec為電解裝置的額定功率;a0、b0為效率函數系數,分別取 0.010 9 和 1.067 6;Aec,i,max為電解水制取得到的氫氣功率最大值.

(4) 烷化裝置約束.

氫氣在烷化裝置里經化學反應可得到天然氣,數學模型[17]為

(15)

(16)

式中:Gch為轉化得到的天然氣量;βch為氫氣轉換效率,取73%;Aecch為制天然氣所需氫氣量;MH2為氫氣轉換成天然氣的摩爾質量折算系數;κ為天然氣管道每立方米對應的氣體質量;Gch,i,max為烷化反應后得到的天然氣功率最大值.

(5) 能源購買上、下限約束:

(17)

式中:i=1,2,3;Pb,i,max、Gb,i,max分別為微能網i的電、氣購買上限;Pb,max、Gb,max分別為多微能網綜合能源系統電、氣的總上限.

(6) 能量交互約束:

(18)

(7) 儲能設備運行約束.

儲能設備在多微能網中的能量管理中起著重要作用,通用模型為

(19)

(20)

式中:i=1,2,3;Ex,i,max、Ex,i,min分別為儲能設備的上、下限值;Px,c,i,max、Px,d,i,max分別為充、放能量的最大值;λx,c,i、λx,d,i分別為充、放能量的0-1狀態量.

(8) 可替代負荷約束.

可替代負荷指用戶可以根據自身的用能目的選擇不同能源供應方式,而選擇多取決于當下價格.以電/天然氣可替代負荷為例,微能網可利用燃氣鍋爐或電鍋爐供應熱負荷,為了便于研究,提出電/氣能源邊際替代率,表示在相同時間段里,用戶消耗電能與消耗天然氣能量之比:

(21)

電能與天然氣能的可替代負荷數學模型[17-18]表示為

Ppl(t)=Pbuy0(t)+βegGrep(t)-Prep(t)

(22)

Gpl(t)=Gbuy0(t)+Prep(t)/βeg-Grep(t)

(23)

式中:ΔPrep(t)、ΔGrep(t)分別為可替代負荷響應前后電能與天然氣需求量的變化量;Pbuy0(t)、Gbuy0(t)分別為系統初始購電量與購天然氣量;Prep(t)、Grep(t)分別為t時刻參與調度的可替代電負荷量與天然氣負荷量.各類可替代負荷應滿足如下約束條件:

(24)

式中:Prep,t,i、Hrep,t,i、Grep,t,i、Arep,t,i分別為可替代電、熱、天然氣、氫氣負荷在t時刻的替代量最大值.

(9) 能量平衡約束:

(25)

2.2 日內階段

(26)

(27)

2.2.2日內約束條件 日內階段將日前階段調整后的可替代負荷作為已知量負荷,在此基礎上進行日內優化調度,可轉移負荷積極響應需求,其余約束條件相同.

可轉移負荷可以根據微能網的用能高峰低谷時段靈活選擇負荷使用時間,通過分時電價和政府相應激勵措施引導負荷在不同時段的價格變化,用戶調整用能行為,數學模型[19-21]如下:

(28)

(29)

(30)

(31)

式中:Pextr(t)、Hextr(t)、Gextr(t)、Aextr(t)分別為轉移前的電、熱、天然氣和氫氣的負荷量;ΔPtrans(t)、ΔHtrans(t)、ΔGtrans(t)、ΔAtrans(t)分別為用戶在t時刻轉移的電、熱、天然氣和氫氣負荷量;αt′,t=1為負荷量從t′時刻轉入到t時刻,αt′,t=-1為負荷量從t時刻轉到t′時刻.各類可轉移負荷應滿足如下約束條件:

(32)

式中:Ptrans,t,i,max、Htrans,t,i,max、Gtrans,t,i,max、Atrans,t,i,max為t時刻轉移的電、熱、天然氣、氫氣負荷最大值.

2.3 實時階段

考慮日內階段風力機、光伏等新能源發電功率、常規負荷日前預測的誤差,在該階段引入風力機、光伏、常規負荷的功率值實際擾動,因此不再考慮棄風棄光現象,對該階段的目標函數進行優化:

(33)

式中:ΔPS-pv(t)為t時刻預調度階段模擬光伏功率PS-pv與日前預測光伏功率Ppv差值;ΔPS-wt(t)為t時刻預調度階段模擬風力機功率與PS-wt日前預測風力機功率Pwt差值;ΔPS-load(t)為t時刻預調度階段模擬常規負荷功率PS-load與日前預測常規負荷功率Pload差值.

(34)

(35)

(36)

(37)

(38)

2.3.2實時約束條件 實時階段將日前優化后的可替代負荷與日內優化后的可轉移負荷作為已知量負荷,可削減負荷參與需求響應,其余約束條件相同.

可削減負荷在電力系統中承擔著降低能源需求量的責任,其數學模型[22-24]如下:

Pxj(t)=Pex,xj(t)-αtΔPxj(t)

(39)

Hxj(t)=Hex,xj(t)-αtΔHxj(t)

(40)

Gxj(t)=Gex,xj(t)-αtΔGxj(t)

(41)

Axj(t)=Aex,xj(t)-αtΔAxj(t)

(42)

式中:Pex,xj(t)、Hex,xj(t)、Gex,xj(t)、Aex,xj(t)分別為用戶在t時刻響應前的電、熱、天然氣和氫氣負荷量;ΔPxj(t)、ΔHxj(t)、ΔGxj(t)、ΔAxj(t)分別為在t時刻削減的電、熱、天然氣和氫氣負荷量;αt=1為在t時刻負荷被削減,αt=0為在t時刻負荷未被削減.各類可削減負荷應滿足如下約束條件:

(43)

式中:Pxj,t,i,max、Hxj,t,i,max、Gxj,t,i,max、Axj,t,i,max分別為在t時刻削減的電、熱、天然氣、氫氣負荷的最大值;i=1,2,3.

2.4 模型求解

3 算例分析

3.1 算例數據

基于改進后的實際項目“雄安新區工業園”進行算例分析.工業、商業、居民微能網中均具有1個120 MW容量的光伏場,1個150 MW容量的風電場;各微能網向上層配網購買電能和天然氣能的最大值均為400 kW,算例拓撲已在圖1中展示.負荷比例如表1所示,各可調度負荷參與需求響應的補償價格如表2所示,能源價格[26]如圖5所示,其他參數見文獻[27].本文仿真環境為Intel(R) Core(TM) i7-10750H CPU @ 2.60 GHz,利用軟件 MATLAB R2014a進行計算,日內階段調用模型時間為21.3 s,實時階段調用模型時間為30.8 s,算法求解效率滿足調度需求.

表1 用戶側負荷比例Tab.1 Load ratio at user side

表2 需求響應補償價格Tab.2 Compensation price of demand response

圖5 能源價格Fig.5 Prices of energy

3.2 日前調度分析

以居民微能網為例,圖6所示為日前調度階段電力、熱力、氫氣和天然氣系統的功率優化結果.由圖6(a)可知,23:00—9:00是用電低谷時期,電價較低,此時微能網傾向于向配電網購買電能以滿足自身的用能需求,缺額部分可依靠WT和CHP滿足;電鍋爐此時可大功率運行滿足用戶晚上的熱能需求,電解裝置消耗電能以滿足用戶氫氣需求,如氫電動汽車在夜晚集中充電;在用電高峰時期如10:00—14:00,PV開始出力,電鍋爐減少功率消耗,相比于向配網高價購買電能,微能網更傾向于利用CHP提供能量,電解水裝置降低消耗,優先滿足電能需求.由圖6(b)可知,10:00—21:00為居民熱負荷的低谷時期,此時電鍋爐主要滿足電力系統穩定運行,產熱較少,CHP可滿足該時段熱能需求;在22:00—9:00,除電鍋爐大功率運行外,居民微能網還可以通過與另兩個微能網的能量交互獲得熱能.由圖6(c)可知,23:00—9:00是用電低谷時期,電解裝置可在該時段大功率運行產生氫氣為氫負荷供能,如氫燃料電動汽車,也符合晚上集中充電的用能特性,部分氫氣在此時可進入烷化裝置制取天然氣;10:00—22:00 電能優先滿足電力系統運行,電解裝置產氫量下降.由圖6(d)可知,23:00—9:00時段電解裝置產生較大量的氫氣,經過烷化裝置可得到天然氣以滿足自身天然氣需求;10:00—22:00向上層配氣網購買能量,彌補天然氣空缺;CHP機組滿功率運行是因為相比于購能價格,從利益角度出發,系統將優先考慮CHP供電供熱,所以天然氣消耗量大.

圖6 居民微能網日前各系統功率優化結果Fig.6 Power optimization results of each system of residential micro-energy grid in day-ahead scheduling

由圖6中各系統原始負荷與日前調度后負荷曲線對比可知,電負荷曲線在22:00—8:00有所上升,在13:00—15:00、18:00—20:00有所下降;熱負荷曲線在23:00—9:00 有所上升,在11:00—15:00、18:00—22:00有所下降;氫氣負荷曲線在23:00—9:00有所上升,在13:00—15:00、18:00—21:00有所下降;天然氣負荷曲線在22:00—8:00有所上升,在12:00—14:00、19:00—21:00有所下降.這說明日前調度階段引入可替代負荷后改善了用能特性,起到了削峰填谷的作用.

圖7為日前階段各類型微能網的能量交互調度結果,其中白色表示電能量,淺灰色表示熱能交互量,深灰色表示天然氣能交互量.

圖7 各微能網能量交互調度結果Fig.7 Energy interactive scheduling results of each micro-energy grid

由圖7可知,各微能網的能量交互主要集中在21:00—7:00.24:00—3:00是居民微能網用能低谷時段,商業微能網此時也處于休業狀態,因此在滿足自身用電需求外可以將電能出售給夜間仍生產的工業微能網以獲得收益;21:00—7:00是商業微能網的休業時段,此時對熱能的需求不高,因此該時間段商業微能網出售熱能給需要供暖的居民微能網和夜間生產的工業微能網;商業微能網和居民微能網在 23:00—5:00 對天然氣能的需求少,可出售給對燃氣需求量大的工業微能網用于生產,自身也可以有所收益.由以上分析可知,開展能源互動可促進能源供需平衡,實現多維能源的經濟靈活運行.

3.3 日內調度分析

以居民微能網為例,圖8為日內調度階段電力、熱力、氫氣和天然氣系統的功率優化結果.

由圖8可知,日內階段通過對15 min時間尺度的多能微網進行優化調度,電能、熱能、天然氣、氫氣這4個系統的能源調度細節更具體,實現了多維能源的供需平衡.但是與日前調度階段相比仍存在一些差異,如圖8(a)中,在12:00—14:00和18:00—20:00 時間段,電鍋爐消耗功率較日前階段減少,向配網購買電能減少或為0,降低了高峰時段的購能成本;在圖8(b)中,能量交互較日前階段提前到了19:00,這是因為電鍋爐產熱量減少,CHP機組產熱無法滿足需求,缺額熱量來源于另外兩個微能網.日內調度階段在日前階段基礎上繼續引入可轉移負荷,由圖8各系統日前負荷與日內調度后負荷曲線對比可知,引入可轉移負荷仍可實現多能源供需平衡的調度,削峰填谷能力加強,也體現了日內階段協調調度的能力.

3.4 實時調度分析

以居民微能網為例,圖9為5 min時間尺度下實時階段電力、熱力、氫氣和天然氣系統對不平衡功率的調整.實時階段在日內調度基礎上繼續引入可削減負荷,旨在修正引入WT、PV和負荷波動時造成的能源供需雙方功率不平衡問題.由圖9可知,引入可削減負荷對居民微能網內部各具體部分進行協調調度和實時調整,可以有效覆蓋微能網內電力、熱力、氫氣、天然氣系統引入的不平衡功率.若在某時刻PV、WT實際值增大或減小,負荷實際值增大或減小,剩余能源設備將調整出力值,需求響應負荷根據需求增加或減少功率,彌補差額,進一步實現多微能網的靈活運行以及在不同時間和空間尺度上的供需平衡.

圖9 居民微能網實時各系統不平衡功率調整Fig.9 Real-time unbalanced power adjustment of each system in residential micro-energy grid

3.5 需求響應分析

以居民微能網為例,圖10為各階段調用不同需求響應負荷之后的電、熱、氫氣、天然氣負荷曲線對比.由圖10可知,通過對能源價格和激勵信號的綜合響應,需求側能夠充分發揮優化潛力,對負荷曲線的影響較為明顯,既促進了能源供需平衡,又起到了削峰填谷的作用.日前階段引入可替代負荷,用戶可根據能源價格或用能需求隨機選擇來達到自身的目的,可以提高系統的可再生能源消納能力,如在12:00—13:00,天然氣負荷曲線較原始曲線減少約15%,電負荷此時無變化,在 13:00—14:00,電負荷較原始曲線減少約18.2%,天然氣負荷曲線上升約15%至原始曲線,充分體現了能量的替代性;日內階段引入可轉移負荷,在用能高峰期將負荷轉移至低谷期,如在 13:00—14:00,電負荷較日前階段減少7.68%～10.63%,負荷曲線在該段低于日前曲線,在 22:00—24:00,電負荷較日前階段增加約4.76%,在該時段高于日前曲線;實時階段引入可削減負荷,進一步修正負荷曲線,在用能高峰期減少負荷使用,如在11:00—13:00,電負荷較日內階段減少2.59%～10.7%,負荷曲線在該時段低于日內負荷曲線,降低了用能高峰時期的壓力.

圖10 居民微能網各階段調用需求響應負荷曲線對比Fig.10 Comparison of demand response load curves of residential micro-energy grid in different stages

3.6 成本分析

表3為各微能網在日前、日內和實時階段的各項成本對比.

表3 微能網在各階段的成本對比Tab.3 Cost comparison of micro-energy grid in different stages 元

考慮各個微能網中能量交互與傳播損耗的重合部分,計算得到日前、日內和實時階段的總成本分別為 18 531.25、17 401.51和17 380.05元.以居民微能網部分數據為例,日內階段購能成本較日前階段減少147.70元,實時階段較日內階段減少123.70元,這是由于隨著調度的進行,微能網的能源供需平衡能力得到改善,向配網購能有所減少;環境保護成本與購能量相關,因此也從 209.28 元減少到204.38元,再減少到175.49元;不同需求響應負荷的調度成本不同,可削減負荷作為補償成本較高的類型,在實時階段起到修正負荷曲線的作用,調用較少,成本最低,為 101.75 元.

為驗證本文策略的經濟性與可行性,利用傳統MPC調度對日內結果進行滾動優化,得到實時階段的優化成本,如表4所示.

表4 MPC調度下微能網實時階段成本Tab.4 Real-time stage cost of micro-energy grid in MPC scheduling 元

考慮3個微能網中傳輸損耗重合的部分,計算得到MPC調度下實時階段總成本為17 398.04元,較日內階段成本減少 3.47 元,較本文策略的實時調度成本增加 17.99 元,由此可見本文多時空尺度優化運行策略可以提高系統運行的經濟性.

4 結語

通過協調多種能量形式、時空尺度和響應參與者,建立一種新的多維能源供需平衡模型,該模型適用于具有多個社區的能量管理,易于擴展.上層對整個多微能網系統進行日前調度,中層對各微能網進行日內調度,下層對網內不平衡功率進行實時調整.3個階段分別引入可替代、可轉移和可削減負荷進行階梯式需求響應策略,能夠進一步修正多能負荷曲線,對能源的供需平衡起到促進作用,實現系統經濟性和可靠性運行.在多時空尺度上考慮更全面的目標和約束條件,采取更有效的措施促進多維綜合能源的供需平衡;隨著時間尺度的減小,調度方案與系統的實際運行偏差逐漸減小,驗證了該策略的可行性和有效性.

本文在綜合能源中加入氫氣網,作為未來能源發展的新興力量,下一步將更加詳細地研究利用電解水制氫、存儲、轉換(通過內燃機、燃料電池或其他方式轉換為電能)等的相關內容.