国产AV88|国产乱妇无码在线观看|国产影院精品在线观看十分钟福利|免费看橹橹网站

基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化

發(fā)布時間:2024-1-25 | 雜志分類:其他
免費制作
更多內(nèi)容

基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化

第 52 卷 第 2 期 電力系統(tǒng)保護與控制 Vol.52 No.2 2024年1 月16 日 Power System Protection and Control Jan. 16, 2024 DOI: 10.19783/j.cnki.pspc.230860 基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化孫文杰 1,武家輝 1,張 強 2(1.新疆大學(xué)可再生能源發(fā)電與并網(wǎng)控制教育部工程研究中心,新疆 烏魯木齊 830017; 2.國網(wǎng)新疆綜合能源服務(wù)有限公司,新疆 烏魯木齊 841100)摘要:為充分挖掘綜合能源微網(wǎng)(integrated energy microgrid, IEM)的潛在價值,促進可再生能源消納,針對同一配電網(wǎng)下的多個 IEM 協(xié)同管理問題進行研究,提出了一種基于雙層博弈的配電網(wǎng)-多 IEM 協(xié)同優(yōu)化模型。對于 IEM模型的構(gòu)建,考慮在熱電聯(lián)產(chǎn)機組中加入碳捕集系統(tǒng)以及電轉(zhuǎn)氣裝置,用來獲取低碳效益。同時,針對 IEM 中可再生能源與負荷不確定性問題,采用魯棒區(qū)間規(guī)劃進行處理。首先,構(gòu)建配電網(wǎng)運營商(distribution system operator, DSO)與 ... [收起]
[展開]
基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化
粉絲: {{bookData.followerCount}}
文本內(nèi)容
第1頁

第 52 卷 第 2 期 電力系統(tǒng)保護與控制 Vol.52 No.2

2024年1 月16 日 Power System Protection and Control Jan. 16, 2024

DOI: 10.19783/j.cnki.pspc.230860

基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化

孫文杰 1

,武家輝 1

,張 強 2

(1.新疆大學(xué)可再生能源發(fā)電與并網(wǎng)控制教育部工程研究中心,新疆 烏魯木齊 830017;

2.國網(wǎng)新疆綜合能源服務(wù)有限公司,新疆 烏魯木齊 841100)

摘要:為充分挖掘綜合能源微網(wǎng)(integrated energy microgrid, IEM)的潛在價值,促進可再生能源消納,針對同一配

電網(wǎng)下的多個 IEM 協(xié)同管理問題進行研究,提出了一種基于雙層博弈的配電網(wǎng)-多 IEM 協(xié)同優(yōu)化模型。對于 IEM

模型的構(gòu)建,考慮在熱電聯(lián)產(chǎn)機組中加入碳捕集系統(tǒng)以及電轉(zhuǎn)氣裝置,用來獲取低碳效益。同時,針對 IEM 中可

再生能源與負荷不確定性問題,采用魯棒區(qū)間規(guī)劃進行處理。首先,構(gòu)建配電網(wǎng)運營商(distribution system operator,

DSO)與 IEM 聯(lián)盟系統(tǒng)模型框架,分析其不同主體間的博弈關(guān)系。其次,對于雙層博弈,分為主從博弈與合作博

弈。DSO 作為博弈領(lǐng)導(dǎo)者,以自身效益最大為目標(biāo)制定電價引導(dǎo) IEM 聯(lián)盟響應(yīng)。IEM 聯(lián)盟作為博弈跟隨者,以

自身運行成本最小為目標(biāo),通過成員間互相合作能源共享響應(yīng) DSO 的決策。同時采用納什談判理論解決 IEM 聯(lián)

盟的合作運行問題,使用二分法與交替方向乘子法結(jié)合求解模型。最后,在算例中驗證所提模型與方法的可行性

和有效性。

關(guān)鍵詞:綜合能源微網(wǎng);配電網(wǎng)運營商;雙層博弈;碳捕集;魯棒區(qū)間規(guī)劃;納什談判

Coordinated optimization of a distribution network and multi-integrated energy microgrid

based on a double-layer game

SUN Wenjie1

, WU Jiahui1

, ZHANG Qiang2

(1. Engineering Research Center for Renewable Energy Power Generation and Grid-Connection Control,

Ministry of Education, Xinjiang University, Urumqi 830017, China; 2. State Grid Xinjiang

Comprehensive Energy Service Co., Urumqi 841100, China)

Abstract: To fully explore the potential value of the integrated energy microgrid (IEM) and promote the consumption of

renewable energy, a two-layer game-based distribution network-multiple IEM cooperative optimization model is proposed to

address the problem of cooperative management of multiple IEMs in the same distribution network. For the construction of

the IEM model, a carbon capture system and an electricity-to-gas conversion device are added to the cogeneration units to

obtain low-carbon benefits. At the same time, robust interval planning is used to deal with the problems of renewable energy

and load uncertainty in the IEM. This paper initially establishes the framework of the alliance system between the DSO and

IEMs, analyzing the game dynamics among various players. Subsequently, the two-layer game is further categorized into a

master-slave game and a cooperative game. The DSO, as the game leader, sets the tariff to guide the IEM coalition to

optimize with the goal of maximizing its own benefit. And the IEM coalition, as the game follower, responds to the DSO's

decision by cooperating with members to share energy with the goal of minimizing its own operating cost. At the same time,

Nash negotiation theory is used to solve the cooperative operation problem of the IEM coalition, and the dichotomous

method and alternating direction multiplier method (ADMM) are combined to analyze the model. Finally, an illustrative

example is presented to validate the feasibility and effectiveness of the proposed model and methodology.

This work is supported by the National Natural Science Foundation of China (No. 52167016).

Key words: integrated energy microgrid; distribution network operators; two-layer game; carbon capture; robust interval

optimization; Nash bargaining game

基金項目:國家自然科學(xué)基金項目資助(52167016);新疆維吾爾自治區(qū)重點實驗室開放課題(2023D04071)

第3頁

孫文杰,等 基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化 - 27 -

0 引言

推進清潔低碳的能源供應(yīng)體系建設(shè)能夠促進雙

碳目標(biāo)的實現(xiàn)[1-2]。高比例可再生能源并入電網(wǎng),構(gòu)

建新型電力系統(tǒng),勢將面臨一系列挑戰(zhàn)[3]。能源互

聯(lián)網(wǎng)概念的提出,多能互補成為新趨勢,綜合能源

微網(wǎng)(integrated energy microgrid, IEM)能夠?qū)崿F(xiàn)多

種能源之間的耦合,提高資源利用率,在新型電力

系統(tǒng)的建設(shè)過程中有著重要作用[4-6]。在 IEM 中引

入碳捕集系統(tǒng)(carbon capture system, CCS)技術(shù),能

夠有效降低微網(wǎng)的碳排放量[7],促進其低碳化改造,

獲得低碳效益。多個 IEM 作為不同主體接入配電網(wǎng)

進行能源互聯(lián),多主體間進行點對點(peer to peer,

P2P)電能交互共享不僅能夠減少對上級配電網(wǎng)的依

賴,同時能促進分布式能源的就地消納[8-9]。

對于 IEM 聯(lián)盟中各成員,都屬于不同主體,都

有自身利益的考慮。采用博弈論來考慮多主體之間

的 P2P 交易問題是當(dāng)前研究的主要方向[10]。非合作

博弈與合作博弈是博弈模型常用的方法。文獻[10]

提出一種改進的納什談判模型求解多微網(wǎng)電能共享

合作優(yōu)化問題。屬于合作博弈方法范疇。文獻[11]

基于納什談判理論對風(fēng)-光-氫多主體交易談判問題

進行研究,采用交替方向乘子法求解主體之間的電

能交易量,模型構(gòu)造簡單,收斂效果好。文獻[12]

在多綜合能源微網(wǎng)系統(tǒng)中考慮綜合需求響應(yīng),提出

兼顧系統(tǒng)和用戶利益的一主多從模型。文獻[13-15]

建立多微網(wǎng)合作博弈模型,在微網(wǎng)成員合作后的利

益分配問題上運用 Shapley 值法求解。但是 Shapley

值法在解決多主體合作收益分配問題上并不能最大

化總體效益[15],而對比于納什談判,Shapley 值法

考慮因素較少,僅考慮各主體貢獻度大小。此時,

納什談判綜合考慮了貢獻程度與偏好等因素[9],能

夠克服博弈模型的局限性[10],因而更加科學(xué)。

上述文獻主要集中于微網(wǎng)或 IEM 聯(lián)盟間的獨

立優(yōu)化,沒有將配電網(wǎng)與 IEM 結(jié)合進行互動和協(xié)調(diào)

優(yōu)化。文獻[8]建立多微網(wǎng)-配電網(wǎng)的主從博弈模型。

而主從博弈模型雙方都以各自利益最大化為目標(biāo),

難以獲得整體最優(yōu)[15]。文獻[16]建立主動配電網(wǎng)與

多微網(wǎng)的分布式優(yōu)化調(diào)度模型,運用目標(biāo)級聯(lián)法對

模型進行求解。文獻[17]提出一種兼顧系統(tǒng)建設(shè)成

本和充電站雙重效用函數(shù)的含綜合能源系統(tǒng)的配電

網(wǎng)嵌層規(guī)劃模型。文獻[18]提出一種配電網(wǎng)-多綜合

能源系統(tǒng)的協(xié)調(diào)規(guī)劃模型。其中,配電網(wǎng)運營商

(distribution system operator, DSO)為領(lǐng)導(dǎo)者,跟隨者

為下層綜合能源運營商。文獻[19]以配電網(wǎng)的調(diào)度

成本,負荷方差等為優(yōu)化目標(biāo)來分析多微網(wǎng)接入配

電網(wǎng)后雙方利益主體的協(xié)調(diào)運行策略,采用目標(biāo)級

聯(lián)法對模型分解。在研究 IEM 與配電網(wǎng)協(xié)調(diào)優(yōu)化的

問題上,文獻[16-19]沒有考慮 IEM 聯(lián)盟各成員間互

聯(lián)特性或在IEM聯(lián)盟間進行P2P合作后未對收益公

平分配問題進行求解。同時,在 IEM 與上級配電網(wǎng)

進行電能交易時,單純以固定電價進行交易,這會導(dǎo)

致 IEM 被動接受上級配電網(wǎng)決策[20],缺乏互動性。

同時影響 IEM 聯(lián)盟各成員進行電能交互的積極性[9]。

綜合上述背景與存在的問題,本文研究了 DSO

與 IEM 聯(lián)盟協(xié)調(diào)優(yōu)化問題,建立一種基于雙層博弈

的 DSO-IEM 聯(lián)盟模型框架。同時,為促進電力系

統(tǒng)低碳運行,在 IEM 模型構(gòu)建中加入 CCS 與電轉(zhuǎn)

氣(power to gas, P2G)裝置。為減少 IEM 中可再生能

源與負荷的不確定性對模型求解結(jié)果的影響,采用

區(qū)間規(guī)劃對源荷出力進行約束。DSO 作為博弈領(lǐng)導(dǎo)

者,通過動態(tài)制定電價來引導(dǎo) IEM 聯(lián)盟內(nèi)機組、需

求響應(yīng)等資源進行響應(yīng)。IEM 聯(lián)盟作為博弈跟隨者,

根據(jù)DSO制定的電價進行自身最優(yōu)調(diào)度,并返回IEM

聯(lián)盟各成員向 DSO 的購售電功率策略。同時,IEM

聯(lián)盟成員進行合作博弈,運用納什談判理論分配合

作收益。最后,分別采用二分法[21]與交替方向乘子法

(alternating direction multiplier method, ADMM)[22]對

模型求解,并通過仿真算例驗證方法的可行性與有

效性。

1 系統(tǒng)模型框架與運行策略

1.1 系統(tǒng)框架

系統(tǒng)模型框架主要由 DSO、天然氣網(wǎng)和多個

IEM 組成,如圖 1 所示。各 IEM 與 DSO 相連,具

有自主向 DSO 購售電能力。IEM 間進行 P2P 電能

交互時經(jīng)配網(wǎng)進行傳輸。各 IEM 可向天然氣網(wǎng)購買

天然氣供給燃氣輪機與燃氣鍋爐運行所需,同時

IEM 自身內(nèi)部熱負荷自給自足。

其中,各 IEM 包含新能源機組、熱電聯(lián)產(chǎn)

(combined heat and power, CHP)機組、儲能設(shè)備以及

柔性負荷等,CHP 機組中包含燃氣輪機和燃氣鍋

爐,燃氣鍋爐在燃氣管網(wǎng)和熱負荷之間,充當(dāng)將天

然氣轉(zhuǎn)化為熱能的一種裝置,與燃氣輪機一起實現(xiàn)

熱負荷的保供。IEM 中各設(shè)備通過控制中心來協(xié)調(diào)

電能的調(diào)度與傳輸。同時,控制中心能夠?qū)崿F(xiàn)微網(wǎng)

與外部電網(wǎng)間的電能交互控制,起到能量樞紐點作

用。由于 CHP 機組通過消耗天然氣供應(yīng)電熱需求,

會在運行過程中排放大量CO2 ,為促進雙碳目標(biāo)實

現(xiàn),考慮在 CHP 機組中加入 CCS 與 P2G 裝置。P2G

裝置可通過其內(nèi)部的電解槽消納新能源機組出力高

峰時棄風(fēng)棄光來制取 H2 。同時,CCS 將捕獲的CO2

第4頁

- 28 - 電力系統(tǒng)保護與控制

提供給 P2G 裝置,P2G 裝置會將 H2 與CO2 結(jié)合生

成天然氣,繼續(xù)供給 CHP 機組[10,23]。

圖 1 系統(tǒng)模型框架圖

Fig. 1 System model framework diagram

1.2 系統(tǒng)運行框架

雙層博弈模型框架如圖 2 所示。博弈過程由兩

個階段組成,階段一為主從博弈,DSO 作為博弈主

體,IEM 聯(lián)盟作為博弈從體。階段二為 IEM 聯(lián)盟成

員間的合作博弈,各成員通過相互合作最小化自身

成本。DSO 通過制定 IEM 聯(lián)盟的購售電價來影響

IEM 聯(lián)盟的調(diào)度響應(yīng)。IEM 聯(lián)盟各成員可通過 P2P

電能交互共享來平抑成員間的源荷矛盾。同時,IEM

聯(lián)盟各成員可獨立向 DSO 購買電能。

圖 2 雙層博弈框架圖

Fig. 2 Two-layer game framework diagram

1) 建立 DSO 與 IEM 聯(lián)盟的主從博弈模型,形

成多主體參與的博弈過程。DSO 和 IEM 聯(lián)盟之間

相互影響并存在利益沖突,需要通過博弈來達成合

作與協(xié)調(diào)。同時,將 IEM 聯(lián)盟間的合作博弈模型運

用納什談判理論進行分解,分解為 IEM 聯(lián)盟總體成

本最小與收益分配兩個子問題。

2) 采用二分法求解階段一主從博弈模型,將得

到的 DSO 購售電量、IEM 聯(lián)盟購售電量、IEM 聯(lián)

盟間交互電量等結(jié)果代入階段二。

3) 將階段一求得的各變量參數(shù)代入階段二,對

階段二中的子問題二進行求解。采用 ADMM 求解

計算,最后得出各 IEM 成員間電能交互價格。

2 基于雙層博弈的DSO-IEM聯(lián)盟調(diào)度模型

2.1 IEM 主要組成設(shè)備模型

1) 燃氣輪機模型

將 CCS 與 P2G 裝置加入到 CHP 機組進行協(xié)同

運行,需要對含 CCS 與 P2G 裝置的 CHP 機組模型

進行建立,具體模型參考文獻[10]。

CHP CHP Pit it , CHP , CH4 ? η V Q (1)

CHP E CCS P2G Pit it it it , ,, , ?? ? PP P (2)

式中: CHP Pi t,為第i 個 CHP 機組t 時刻的發(fā)電功率;

CHP η 為 CHP 機組發(fā)電效率; CHP Vi t,為第i 個 CHP 機

組t 時刻的天然氣耗量;QCH4 為天然氣燃燒熱值;

E Pi t, 、 CCS Pi t, 、 P2G Pi t,分別為 CHP 機組供電功率、供給

CCS 與 P2G 裝置的功率。

P2G 裝置電功率與產(chǎn)氣功率的耦合關(guān)系為 P2G P2G Vit it , , ? αP (3)

式中: P2G Vi t,為 P2G 裝置產(chǎn)氣功率;α 為電轉(zhuǎn)氣轉(zhuǎn)換

效率。

P2G 裝置生產(chǎn)天然氣所需 CO2量與電功率的耦

合關(guān)系為 CO2 P2G Wit it , , ? βP (4)

式中: CO2 Wi t,為 P2G 裝置消耗 CO2量; β 為 CO2量

與電功率間的耦合系數(shù)。

CCS 捕集上述 CO2 量與所需電功率的耦合關(guān)

系為

CCS CO2 Pit it , , ? λW (5)

式中,λ 為CCS捕集CO2量與耗電量間的耦合系數(shù)。

CHP 機組、CCS 與 P2G 裝置運行電功率上下

限約束為式(6)。

CHP CHP CHP

min , max

CCS CCS CCS

min , max

P2G P2G P2G

min , max

i t

i t

i t

PPP

PPP

PPP

?

??

?

?

??

≤ ≤

≤ ≤

≤ ≤

(6)

式中: CHP Pmin 、 CCS Pmin 與 P2G Pmin 分別為 CHP 機組、CCS

和 P2G 裝置的電功率下限; CHP Pmax 、 CCS Pmax 與 P2G Pmax 分

別為其對應(yīng)的電功率上限。

對于 CHP 機組的“以熱定電”約束,此處 CHP

第5頁

孫文杰,等 基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化 - 29 -

機組的電熱耦合特性方程[10]為

CHP CHP CCS P2G

min 1 , , ,

CHP CCS P2G

, ,0 , ,

E CHP CHP CCS P2G

, max 2 , , ,

, max

( )

it it it

m it i it it

it it it it

P hH P P

hH H P P

P P hH P P

? ? ? ?? ? ? ? ? ? ? ??? ? ?

? ??

(7)

將式(6)各機組電功率約束代入式(7)可得

? ? CHP CHP CHP CCS P2G

min 1 , , ,0 max max

E CHP CHP CCS P2G

, max 2 , min min

max , ( ) it m it i

it it

P hH h H H P P

P P hH P P

? ???

? ??

(8)

式中: CHP Hi t,為第i 個 CHP 機組t 時刻的熱出力; 1 h

與 2 h 分別為 CHP 機組最小與最大功率對應(yīng)的電熱

轉(zhuǎn)換系數(shù); mh 為熱電線性供給斜率; Hi,0 為 CHP

機組發(fā)電功率最小時所對應(yīng)的熱出力。

因此, E Pi t, 、 CHP Hi t,與 P2G Vi t,之間的耦合關(guān)系可表

示為

? ? CHP CHP E CHP E

min 1 , , , ,0 ,

P2G CHP CHP E

, max 2 , ,

max ( ), ( ) 1

( ) 1

it it m it i it

it it it

α P hH P h H H P

λβ

α V P hH P

λβ

? ? ?? ?

? ? ?

(9)

2) 燃氣鍋爐模型

燃氣鍋爐熱出力為 GB GB Hit it , GB , CH4 ? η V Q (10)

式中: GB Hi t,為第i 個機組t 時刻的產(chǎn)熱功率; GB η 為

機組產(chǎn)熱效率; GB Vi t,為第i 個機組t 時刻的耗氣量。

3) 儲能設(shè)備模型

各 IEM 中包含電儲能裝置,其模型建立如式

(11)所示,具體包括儲能容量、儲能充放電以及儲

能始末狀態(tài)等約束。

ESSC bat ESSC

, , ,max

ESSD bat ESSD

, , ,max

ESS ESS ESSC ESSC ESSD ESSD

, ,1 , ,

ESS ESS ESS

,min , ,max

ESS ESS

, ,0

0

0 (1 )

it it i

it it i

it it i it i it

i it i

iT i

P OP

P OP

S S η P η P

S SS

S S

?

?

?

? ?

?

? ?? ?

?

?

? ? ?

≤ ≤

≤ ≤

≤ ≤

(11)

式中: ESSC Pi,max 與 ESSD Pi,max 分別為儲能最大充放電功率;

bat Oi t,為二進制變量,表示儲能裝置運行狀態(tài),保證

儲能充放電不能同時進行; ESS

i t, S 為第i 個儲能設(shè)備t

時刻的荷電狀態(tài); ESSC

i η 與 ESSD

i η 分別表示儲能充放

電效率, ESSC ESSD 1 i i η η ≤ ≤ ; ESS

i,max S 與 ESS

i,min S 分別為儲

能容量上下限; ESS

i T, S 為儲能末時刻荷電狀態(tài),此處

保證儲能始末時刻的荷電狀態(tài)相同。

4) 碳排放模型

IEM 中碳排放模型如式(12)所示,碳排放主要

來源于 CHP 機組中的燃氣輪機與燃氣鍋爐。

CHP CHP GB CO2

, , 1, , , ( ) W a P h H bH c W it it it it it ? ? ? ?? (12)

式中:Wi t,為 IEM 的實際碳排放量;a 、b 、c 分別

為燃氣輪機、燃氣鍋爐及 CHP 機組碳排放常數(shù)[23-25]。

2.2 DSO-IEM 聯(lián)盟主從博弈模型

對 DSO 與 IEM 聯(lián)盟之間的主從博弈模型進

行建立,其中 DSO 為博弈主體,IEM 聯(lián)盟為博弈

從體。

2.2.1 博弈主體 DSO 調(diào)度模型

1) 目標(biāo)函數(shù)

以 DSO 自身運行效益最大為目標(biāo)函數(shù),包括與

上級電網(wǎng)和下級 IEM 聯(lián)盟之間收益與成本情況。 24 24 DS DS DB DB PB PB PS PS

DSO

1 1

max ( ) ( ) t t t t tt tt

t t

F uP u P uP uP ? ?

? ?? ? ? ?

(13)

式中:FDSO 為 DSO 自身效益; DB

t u 、 DS

t u 分別為 DSO

向上級電網(wǎng)的購電電價與售電電價; PB

t u 、 PS

t u 分別

為 IEM 聯(lián)盟向 DSO 的購電電價與售電電價; DB Pt 、

DS Pt 分別為 DSO 向上級電網(wǎng)的購售電功率; PB Pt 、

PS Pt 分別為 IEM 聯(lián)盟向 DSO 的購售電功率。

PB PB

,

1

N

t it

i

P P

?

? ? (14)

PS PS

,

1

N

t it

i

P P

?

? ? (15)

式中, PB Pi t, 、 PS Pi t,分別為微網(wǎng)i 在t 時刻向 DSO 購售

電功率。

2) 約束條件

(1) 電價約束

DSO 制定的電價須保證在合理范圍內(nèi),具體包

括電價的上下限與電價平均值約束。

PB PB PB PS PS PS

min max min max

PB PB PS PS

ave ave

1 1

,

/ ,/

t t

T T

t t

t t

u u uu u u

uTu uTu

? ?

?

?

?

?

?

? ?

≤≤ ≤≤

≤ ≥ (16)

式中: PB

max u 、 PB

min u 分別為 DSO 制定 IEM 聯(lián)盟購電

電價上下限; PS

max u 、 PS

min u 分別為 DSO 制定 IEM 聯(lián)

盟售電電價上下限; PB

ave u 、 PS

ave u 分別為購售電電價的

平均值約束,用于避免 DSO 為追求自身利益造成制

定的電價持續(xù)偏高和偏低。

(2) 直流潮流約束

由于配電網(wǎng)內(nèi)的調(diào)度單元主要為有功,因此選

用側(cè)重于有功傳輸且模型更為簡單的直流潮流約束模

型。線路潮流約束如式(17)所示,具體參考文獻[26]。

第6頁

- 30 - 電力系統(tǒng)保護與控制

1

1

1

min max

min max

( )

m mm

mn mn mn

mg md ml

gd l

l m n mn

θ θθ

P PP

P P P

B θ θ P

?

?

?

?

? ? ? ?

?

? ? ? ?

???

≤ ≤

≤ ≤

(17)

式中: mθ 為 m 節(jié)點相角; max

mθ 、 min

mθ 分別為 m 節(jié)點

相角上下限;Pmn 為支路 mn 功率; max Pmn 、 min Pmn 分別

為支路 mn 功率上下限;Pmg 為節(jié)點 m 電源發(fā)出的功

率;Pmd 為節(jié)點 m 負荷; ml1 P 為與 m 節(jié)點相連支路 1

l

的功率; 1 Bl 為支路 1

l 等效導(dǎo)納。

2.2.2 博弈從體 IEM 聯(lián)盟調(diào)度模型

1)目標(biāo)函數(shù)

設(shè)定下游用戶的購電價格是電網(wǎng)的常值峰谷電

價。下游用戶的購電成本為負荷基值成本 load0 ( ) Ci 減

去需求響應(yīng)收益。負荷基值成本為需求響應(yīng)前的負

荷基準(zhǔn)功率乘以常值峰谷電價,為一個常數(shù)。因此,

可不在目標(biāo)函數(shù)中體現(xiàn)。此處以 IEM 聯(lián)盟各成員自

身運行成本最小為目標(biāo)函數(shù),其中包括向 DSO 售電

收益與購電成本、系統(tǒng)燃氣成本、需求響應(yīng)成本、

儲能設(shè)備運行成本、燃氣機組運行成本、IEM 成員

間電能交互成本以及碳交易成本等。

Buy Sell Dr ESS CHP Trade Car minCC C C C C C C ii i i i i i i ? ? ?? ? ? ?

(18)

式中:Ci 為第i 個 IEM 綜合運行成本; Buy Ci 為第i 個

IEM 購電購氣成本; Sell Ci 為第i 個 IEM 向 DSO 售

電收益; Dr Ci 、 ESS Ci 分別為第i 個 IEM 的需求響應(yīng)

成本和儲能運維成本; CHP Ci 、 Trade Ci 、 Car Ci 分別為

第i 個 IEM 的 CHP 機組運行成本、微網(wǎng)間電能交互

成本和碳交易成本。

Buy PB PB buy CH4

, ,,

1

Sell PS PS

,

1

Dr tran tran cut cut cut cut

,, ,

1

ESS ESS ESSC ESSD

, ,

1

CHP CHP CHP 2 P2G CCS

1, 1 , 2, 3, 1

( )

( )

( )

[ () ]

T

i t it it it

t

T

i t it

t

T

i e it e it h it

t

T

i e it it

t

i it it it it

C uP λ V

C uP

C λ P λ P λ H

C λ P P

C aP b P aP aP c

?

?

?

?

? ?

?

? ??

? ?

? ? ???

?

?

?

?

1

Trade P2P

, ,

1 1,

T

t

T N

i i jt i jt

t j ji

C uP

?

? ?

? ??

?

?

?

?

?

?

?

??

?

?

?

?

?

?

?

? ? ??

?

? ?

(19)

式中: CH4

i t, λ 為系統(tǒng)購氣單位價格系數(shù); buy Vi t,為系統(tǒng)t

時刻的購氣總量; tran

e λ 、 cut

e λ 、 cut

h λ 分別為可轉(zhuǎn)移可

削減電熱負荷單位補償價格; tran Pi t, 、 cut Pi t, 、 cut Hi t,分

別為可轉(zhuǎn)移可削減電熱負荷量; ESS

e λ 為儲能單位運

維成本系數(shù);1 a 和 1 b 為 CHP 機組運行成本系數(shù);2 a 、

3 a 分別為 P2G 裝置與 CCS 運行成本系數(shù); 1 c 為運

行常數(shù); i jt, u ? 為 IEM 成員間t 時刻的電能交互單位

價格; P2P Pi jt ? ,為 IEM 成員間t 時刻的電能交互量。

碳交易成本考慮采用階梯碳交易成本模型,具

體參考文獻[27-29]。

碳配額計算公式為

0 CHP RES

, ,, ( ) Wit it it ? ? χ P P (20)

式中: 0 Wi t,為微網(wǎng)碳配額; χ 為單位碳配額系數(shù);

RES Pi t,為微網(wǎng)中新能源出力。

則碳交易成本 Car Ci 模型為

0 0

, ,, ,

0

, ,

0 0

, ,,

0

, ,

Car 0 0

, ,,

0

, ,

( ),

(1 ) ( ),

2

(2 ) (1 2 ) ( 2 ),

2 3

(3 3 ) (1 3 ) (

it it it it

it it

it it it

it it

i it it it

it it

μ W WW W l

μl ω μ WWl

W lW W l

ω μl ω μ WW l

C W lW W l

ω μl ω μ W W

? ?

?? ? ?

? ?

? ?? ? ?

? ??

? ?? ?

< ≤

< ≤

0 0

, ,,

0

, ,

0

, ,

3 ),

3 4

(4 6 ) (1 4 ) ( 4 ),

4

it it it

it it

it it

l

W lW W l

ω μl ω μ WW l

W lW

?

?

?

?

?

?

?

?

?

? ? ?

? ? ? ?

? ? ?? ? ? ?

? ? ?

< ≤

(21)

式中: μ 為基準(zhǔn)價格; ω 為價格增長率;l 為區(qū)間

長度。

2) 約束條件

(1) 需求響應(yīng)約束

各 IEM 內(nèi),實際電負荷由各 IEM 的電負荷預(yù)

測值、可轉(zhuǎn)移值以及可削減值組成。

le pre tran cut

,, , ,

tran tran

, max

tran

,

1

cut cut

, max

0

0

it it it it

i t

T

i t

t

i t

P PP P

P P

P

P P

?

? ?? ? ?

?

?

?

? ?

?

?

?

?

≤ ≤

(22)

式中: le Pi t,為電負荷實際值; pre Pi t,為電負荷預(yù)測值;

tran Pi t,為電負荷可轉(zhuǎn)移值,須保證轉(zhuǎn)移前后總負荷保

持不變; cut Pi t,為電負荷可削減值; tran Pmax 為可轉(zhuǎn)移電

負荷上限值; cut Pmax 為可削減電負荷上限值。

第7頁

孫文杰,等 基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化 - 31 -

各 IEM 內(nèi),實際熱負荷由各 IEM 熱負荷預(yù)測

值和可削減熱負荷組成,具體為

lh pre cut

,, ,

cut cut

, ,max 0

it it it

it i

HH H

H H

? ? ? ?

?

?? ≤ ≤ (23)

式中: lh Hi t,為熱負荷實際值; pre Hi t,為熱負荷預(yù)測值;

cut Hi t,為可削減熱負荷值; cut Hi,max 為可削減熱負荷上

限值。

(2) 功率平衡約束

在實際問題中,由于微網(wǎng)內(nèi)可再生能源與負荷

出力的不確定性常常會影響系統(tǒng)的調(diào)度計劃安排。

因此,針對 IEM 內(nèi)可再生能源與電熱負荷的不確定

性問題,采用魯棒區(qū)間規(guī)劃的思想對電熱功率平衡

約束進行處理,以 IEM1 為例,具體參考文獻[30]。

E ESSD PB PS ESSC P2P P2P

1, 1, 1, 1, 1, 1 2, 1 3,

le RES le le le le

l ,low u ,up

RES RES RES RES

l ,low u ,up

max(

)

tt t t t t t

tt t t

t t

PP P P P P P

P P ν P ν P

ν P ν P

? ??? ? ? ? ? ?

? ? ? ?? ?

? ??

(24)

le le RES RES p

l ul u

le le RES RES

l ul u 0 ,, , 1

t ννν ν

ννν ν

?? ?? ? ? ?

??

≤ ≤ (25)

式中: P2P P1 2, ? t 、 P2P P1 3, ? t 分別為t 時刻 IEM1 提供給 IEM2

和 IEM3 的電能交互量,當(dāng) P2P

1 2, 0 P? t> 時,表示 IEM1

作為電源向 IEM2 提供電能,當(dāng) P2P

1 2, 0 P? t < 時,表示

IEM2 作為電源向 IEM1 提供電能,同理當(dāng) P2P

1 3, 0 P? t >

時,表示 IEM1 作為電源向 IEM3 提供電能,當(dāng) P2P

1 3, 0 P? t < 時,表示IEM3作為電源向IEM1提供電能;

le Pt 、 RES Pt 分別為未考慮不確定時的負荷與新能源

出力預(yù)測值; le ?Pt,up 、 le ?Pt,low 分別為負荷出力允許偏

差上下限; RES ?Pt,up 、 RES ?Pt,low 分別為新能源出力允許偏

差上下限; le

u ν 、 le

l ν 分別為負荷出力允許偏差上下限

對應(yīng)的比例系數(shù); RES

u ν 、 RES

l ν 分別為新能源出力允

許偏差上下限對應(yīng)的比例系數(shù); p ? t 為魯棒因子。

基于對偶理論將式(24)、式(25)中的 max 問題轉(zhuǎn)

化為 min 問題,具體如式(26)所示。

P p le le RES RES

l, u, l, u,

P le le P le le

l, ,low u, ,up

P RES RES P RES RES

l, ,low u, ,up

P le le RES RES

l, u, l, u,

min( )

,

,

,, , , 0

tt t t t t

tt tt t t

tt tt t t

t t tt t

λ ππ π π

λ π P λ π P

λ π P λ π P

λπ π π π

? ? ?? ? ? ?

? ?? ? ? ?

?

? ?? ??

?

??

≥ ≥

≥ ≥

(26)

式中, P

t λ 、 le

l,t π 、 le

u,t π 、 RES

l,t π 、 RES

u,t π 分別為對應(yīng)的對

偶變量。

各 IEM 內(nèi),熱功率由燃氣輪機機組與燃氣鍋爐

供應(yīng),熱功率平衡約束為 CHP GB lh H HH it it it , ,, ? ? (27)

(3) P2P 電能交易約束

IEM 聯(lián)盟成員間的電能交互量應(yīng)在一定范圍

內(nèi),且在同一時刻的兩兩微網(wǎng)間交互量應(yīng)相等。

P2P P2P

, ,max

P2P P2P

, , 0

i jt i j

i jt j it

P P

P P

? ?

? ?

?

?

?

? ? ? ?

(28)

式中, P2P Pi j ? ,max 為 IEM 成員間電能交互量的上限。

2.3 IEM 聯(lián)盟納什談判模型

納什談判模型指多個主體參與者通過協(xié)商解決

利益公平分配問題的模型。IEM 聯(lián)盟各成員屬于多

個不同利益的主體,各成員間進行電能共享以此來

達到整體利益最大化。納什談判模型為

0

1

0

max ( )

s.t.

N

i i

i

i i

C C

C C

?

? ? ?? ?

?

? ?? ?

?

(29)

式中:Ci

?? 為第i 個談判參與者的成本; 0 Ci 為第i 個

參與者的談判破裂點。

在求解該非凸非線性模型時,需要將該問題轉(zhuǎn)

換為聯(lián)盟成本最小化與收益分配兩個子問題分別進

行求解。

2.3.1 聯(lián)盟成本最小子問題一

IEM

1

IEM Buy Sell Dr ESS CHP Car

min

s.t. (1) (12) (19) (28)

N

i

i

i i i ii i i

C

C C C CC C C

?

?

?

?

? ? ? ?? ? ? ?

?

?

?

式 —式 、式 —式

(30)

式中, IEM Ci 為第i 個 IEM 參與合作的成本。

2.3.2 收益分配子問題二

將子問題一中求得的最優(yōu)解變量代入式(31),

以求解微網(wǎng)間交互電價和相對應(yīng)的交互成本。

0 IEM,* Trade

1

0 IEM,* Trade

IEM,* Buy,* Sell * Dr,* ESS,* CHP,* Car,*

Trade P2P

, ,

1 1,

max ( )

s.t.

N

ii i

i

ii i

i i i ii i i

T N

i i jt i jt

t j ji

CC C

CC C

C C C CC C C

C uP

?

? ?

? ??

?

? ? ?

?

?

? ? ?

? ? ? ?? ? ?

?

?

??

?

? ?

=

(31)

式中,帶*的量表示子問題一求出的最優(yōu)解變量。

3 基于雙層博弈的模型求解

采用二分法與 ADMM 對模型求解,二分法求

解主從博弈模型,ADMM 求解 IEM 聯(lián)盟合作博弈

模型。

第8頁

- 32 - 電力系統(tǒng)保護與控制

3.1 二分法求解主從博弈

二分法求解流程如圖 3 所示,具體參考文獻

[9, 21]。

圖 3 二分法流程圖

Fig. 3 Dichotomy flow chart

二分法求解過程中,在每次迭代中不斷更新下

界與上界,使得解區(qū)間逐漸變窄,通過判斷相鄰兩

次計算結(jié)果是否相等來鎖定最優(yōu)解,相等則用二分

法縮小解區(qū)間,不相等則添加約束,更新解區(qū)間。

設(shè) d x 為第 d 次迭代的電能價格,設(shè)此時為區(qū)間

上界,有:

1) dt d t , 2, x x ? ? ,則添加約束為式(32)。

d t d t dt 1, +1, , x x x ? ≤ ≤ (32)

2) dt d t , 2, x x ? ? ,則添加約束為式(33)。

1, 1, , ( )2 d t d t dt x xx ? ? ? ? (33)

在每次迭代中按照式(34)與式(35)來判斷電

價收斂情況,當(dāng)滿足收斂條件時,則跳出循環(huán)輸出

均衡解。

PB PB PB

d t dt dt +1, , , u uu ? ≤ζ (34)

PS PS PS

d t dt dt +1, , , u uu ? ≤ζ (35)

式中: PB

d t, u 、 PS

d t, u 分別為第d 次迭代中t 時刻的 DSO

制定的 IEM 購電與售電價格;ζ 為二分法求解收斂

系數(shù)。

3.2 ADMM 求解 IEM 聯(lián)盟合作博弈

采用 ADMM 求解 IEM 聯(lián)盟間最優(yōu)電能交互價

格,須保證兩兩 IEM 間交互價格相等,對 IEM 的

P2P 交易價格進行解耦,可得

, , 0 i jt j it u u ? ? ? ? (36)

ADMM 通過將一個復(fù)雜問題分解為多個子問

題進行簡化計算,具體步驟如下。

1) 建立 IEM 優(yōu)化模型的增廣拉格朗日函數(shù)。

0 IEM,* Trade

2

,, , , , 2 1 1,

min ln( )

( ) 2

i ii i

T N

i jt i jt j it i jt j it

t i ij

L CC C

ρ λ uu uu ?? ? ? ?

? ??

?? ? ? ?

? ? ?? ? ? ? ? ? ? ? (37)

式中: i jt, λ ? 為拉格朗日乘子; ρ 為懲罰因子。

2) 各IEM交易價格優(yōu)化變量按照式(38)、式(39)

進行更新。

, ,,, ( 1) arg min ( ( ), ( ), ( )) i jt i i jt i jt j it uk L λ ku ku k ? ?? ? ? ?

(38)

, ,,, ( 1) argmin ( ( ), ( ), ( 1)) j it j j it j it i jt uk L λ ku ku k ? ? ?? ? ? ?

(39)

式中, , ( 1) i jt u k ? ? 、 , ( 1) j it u k ? ? 分別為微網(wǎng)i 與 j 第

k ?1次迭代交互電價。

3) i jt, λ ? 更新公式。

, ,, , ( 1) ( ) ( ( 1) ( 1)) i jt i jt i jt j it λ k λ k ρ uk uk ? ?? ? ? ? ? ?? ? (40)

式中, , ( 1) i jt λ k ? ? 為第 k ?1次乘子變量。

4) 判斷收斂條件。

2

, , 2 1

( 1) ( 1)

T

i jt j it

t

uk uk ε ? ?

?

? ?? ? ≤ (41)

式中, ε 為 ADMM 求解收斂系數(shù)。

3.3 求解流程

雙層博弈求解流程如圖 4 所示,階段一在

Matlab 中調(diào)用 Cplex 求解器采用二分法對每一層目

標(biāo)進行求解。在 Matlab 中調(diào)用 Mosek 求解器時,將

圖 4 雙層博弈求解流程圖

Fig. 4 Flow chart for solving the two-layer game

第9頁

孫文杰,等 基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化 - 33 -

階段一所求的 IEM 購售電價、IEM 的購售功率以及

IEM 聯(lián)盟間交互功率量帶入階段二,采用 ADMM

求解 IEM 聯(lián)盟各成員間交互電價。

4 算例分析

本文通過對算例進行仿真,驗證了模型的有效

性。3 個 IEM 中的考慮有 CCS 與 P2G 裝置。DSO

對上級電網(wǎng)的電網(wǎng)電價與上網(wǎng)電價如表 1 所示,各

IEM 電熱負荷與新能源出力預(yù)測曲線如附錄 A 圖

A1 所示,DSO 與 IEM 相關(guān)參數(shù)如附錄 A 表 A1、

表 A2 所示,配電網(wǎng)直流潮流模型選取經(jīng)典 IEEE 9

節(jié)點系統(tǒng),具體系統(tǒng)結(jié)構(gòu)參考 MATPOWER 6.0,配

電網(wǎng)負荷曲線如附錄 A 圖 A2 所示。

表 1 電網(wǎng)電能價格

Table 1 Power grid electricity prices

類別 時段

電網(wǎng)電價/

(元/kWh)

上網(wǎng)電價/

(元/kWh)

谷時段 22:00—06:00 0.4 0.35

平時段

06:00—09:00

14:00—17:00

20:00—22:00

0.79 0.68

峰時段 09:00—14:00

17:00—20:00

1.2 1.12

4.1 場景對比分析

為驗證所提基于雙層博弈的配電網(wǎng)與多綜合能

源微網(wǎng)調(diào)度模型的有效性,設(shè)置了 4 種場景進行對比。

場景 1:本文提出的考慮 DSO 與 IEM 聯(lián)盟的

雙層博弈關(guān)系,考慮各 IEM 中的需求響應(yīng)。

場景 2:考慮 DSO 與 IEM 聯(lián)盟間的主從博弈

關(guān)系,不考慮 IEM 聯(lián)盟間的合作博弈關(guān)系,考慮各

IEM 中的需求響應(yīng)。

場景 3:考慮 DSO 與 IEM 聯(lián)盟的雙層博弈關(guān)

系,不考慮各 IEM 中的需求響應(yīng)。

場景 4:考慮 DSO 與 IEM 聯(lián)盟間的主從博弈

關(guān)系,不考慮 IEM 聯(lián)盟間的合作博弈關(guān)系,不考慮

各 IEM 中的需求響應(yīng)。

各場景下的 DSO 收益和 IEM 成本分別如表 2

與表 3 所示。

表 2 各場景下的 DSO 收益

Table 2 DSO revenue under each scenario

萬元

場景 DSO 收益

1 1.5528

2 2.6388

3 2.8086

4 3.0098

表 3 各場景下的 IEM 成本

Table 3 IEM cost under each scenario

萬元

場景 IEM1 成本 IEM2 成本 IEM3 成本 IEM 成本

1 2.7772 2.4224 1.5716 6.7712

2 2.7896 2.7061 1.4067 6.9024

3 2.8149 2.7672 2.2583 7.8404

4 3.2765 3.1468 1.6650 8.0883

對比表 2、表 3 中的場景 1 與場景 2,由于場景

2 未考慮 IEM 聯(lián)盟間的電能交互共享,導(dǎo)致 IEM 聯(lián)

盟成員會過于依賴 DSO,向 DSO 購電功率增加。

因而,場景 2 的 DSO 運行效益較場景 1 的 DSO 運

行效益有所增加,IEM 聯(lián)盟運行成本則提高了。這

也說明IEM聯(lián)盟成員間進行P2P電能共享可以有效

降低 IEM 聯(lián)盟的運行成本和提高能源利用率。

對比表 2、表 3 中場景 1 與場景 3,場景 3 的

DSO 收益有所提高,同時場景 3 的 IEM 聯(lián)盟整體

運行成本也有所增加了。這是由于場景 3 未考慮

IEM 中電熱需求響應(yīng),導(dǎo)致 IEM 會提高對 DSO 的

依賴性,在電價較高時向 DSO 進行購電,場景 1

考慮需求響應(yīng)后會將 IEM 中負荷較高時段進行轉(zhuǎn)

移和削減,減少了在電價較高時段 IEM 向 DSO 購

電功率以及 IEM 運行成本。

對比表 2、表 3 中場景 1 與場景 4,由于場景 4

未考慮 IEM 聯(lián)盟間的合作以及需求響應(yīng),場景 4 的

IEM 聯(lián)盟運行成本有所增加。同時,場景 3 較場景

4多考慮IEM間的電能交互合作,因此場景3的IEM

聯(lián)盟運行成本有所降低,這也進一步說明了 IEM 間

合作能夠有效降低成本和提高能源利用率。

合作前后 IEM 聯(lián)盟運行成本和收益如表 4 所示。

表 4 IEM 合作前后成本與收益

Table 4 Costs and benefits before and after the IEM cooperation

萬元

IEM 編號 參與合作

前成本

參與合作

后成本

最終分

配成本

收益

提升值

1 2.7896 2.7772 2.7424 0.0472

2 2.7061 2.4224 2.6582 0.0479

3 1.4067 1.5716 1.3572 0.0495

從表 4 可以看出,IEM 聯(lián)盟各成員在合作前后

收益值分別提升了 472 元、479 元、495 元,總共提

升了 1446 元。這說明了 IEM 聯(lián)盟間進行合作能源

共享可以有效降低其各自運行成本,同時也說明納

什談判運用在各 IEM 間進行收益分配時的公平與

有效。

第10頁

- 34 - 電力系統(tǒng)保護與控制

4.2 能源交易優(yōu)化結(jié)果分析

階段一中 DSO 對 IEM 的購售電價制定結(jié)果如

圖 5 所示。

圖 5 不同場景下主從博弈 DSO 制定電價曲線

Fig. 5 Curves of master-slave game DSO to develop tariff

under different scenarios

分別對場景1與場景2 的DSO制定電價進行分

析。從圖 5 可以看出,場景 2 的 DSO 制定購電電價

一直低于場景 1 的 DSO 制定購電電價,是因為場景

1 比場景 2 多考慮了 IEM 聯(lián)盟的能源合作交易。

因此,降低了 IEM 各成員對 DSO 的依賴程度,IEM

有更多方法來進行自身負荷的平衡。此時,DSO 通

過制定較低購電電價來促進 IEM 與自身進行交互,

以此來提升自身效益,從而獲得更多議價空間。

各 IEM 成員間的交互電價結(jié)果如圖 6 所示。從

圖 6 可以看出,各 IEM 間的交互電價低于 DSO 制

定的購電價格,因而各 IEM 能夠更有效地進行電能

交互,促進多主體之間的合作,同時也保障了 IEM

能夠與 DSO 議價的權(quán)利。

圖 6 各 IEM 間交互電價曲線

Fig. 6 Interaction tariff curve among IEMs

各 IEM 間電能交互互補特性情況以及 IEM1 優(yōu)

化后電功率平衡情況分別如圖 7、圖 8 所示。

圖 7 各 IEM 電能交互圖

Fig. 7 Interaction diagram of electrical energy for each IEM

圖 8 含 CCS 與 P2G 的 IEM1 電功率平衡圖

Fig. 8 IEM1 electrical power balance diagram with CCS and P2G

從圖 7 可以看出,各 IEM 間的電能交互功率之

和為 0,滿足上述電能交互互補特性約束。同時,

IEM1 交互量與圖 8 中電能交互功率相一致。以考

慮含 CCS 與 P2G 裝置的 IEM1 電能優(yōu)化結(jié)果為例,

從圖 8 可以看出,各時段新能源出力較多,即優(yōu)先

消納新能源。優(yōu)化后的負荷曲線比初始負荷曲線較

平緩,說明對 IEM1 也起到了削峰填谷的作用。在

01:00—06:00 以及 23:00—24:00 時段,由于制定

電價較低,所以 IEM 優(yōu)先向 DSO 購電來滿足自身

負荷的需求,此時 IEM 向 DSO 購電相對較多,多

余的電能通過對儲能電池充電以及 P2P 交易傳輸

給其他 IEM 進行消納,以此提高能源利用率。在

07:00—21:00 時段,由于 DSO 制定電價相對較高,

所以 IEM 降低了對 DSO 購電需求,通過增加自身

CHP 機組的出力來滿足自身負荷的需求,以此來降

低自身運行成本。

第11頁

孫文杰,等 基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化 - 35 -

仿真結(jié)果表明,本文所提出的雙層博弈模型有

效實現(xiàn)了配電網(wǎng)與多綜合能源微網(wǎng)間的協(xié)調(diào)運行。

4.3 碳排放與不確定性分析

為進一步說明在 IEM 中加入 CCS 與 P2G 裝置

來獲取低碳效益的情況,各 IEM 的碳排放情況如表

5 所示。

表 5 各 IEM 碳排放情況

Table 5 Carbon emissions of each IEM

kg

IEM

合作前未考慮

CCS 與 P2G

碳排放量

合作前考慮

CCS 與 P2G

碳排放時

合作后未考慮

CCS 與 P2G

碳排放時

合作后考慮

CCS 與 P2G

碳排放時

1 13 034.95 10 573.90 11 626.54 9181.48

2 10 944.83 10 651.23 8907.86 7037.08

3 5791.47 5001.28 5946.15 5108.31

IEM 聯(lián)盟 29 771.25 26 226.41 26 480.55 21 326.87

從表 5 可以看出,各 IEM 在未考慮加入 CCS

與 P2G 裝置時,其合作后比合作前的總體碳排放量

降低了 3290.7 kg。由于合作后 IEM 聯(lián)盟各成員間

通過 P2P 電能交互共享,有了新的能量來源,從而減

少了 CHP 機組出力。因此,合作后總體碳排放量有

所降低。各 IEM 在考慮加入 CCS 與 P2G 裝置時,其

合作后比合作前總體碳排放量降低了 4899.54 kg。同

時,各 IEM 加入 CCS 與 P2G 裝置后進行合作能源共

享總體碳排放量最低,這也驗證了在 CHP 機組中

加入 CCS 與 P2G 裝置有效提高了系統(tǒng)的低碳效益。

不同魯棒因子下 IEM 的碳排放量與其運行成

本如表 6 所示。

表 6 不同魯棒因子下 IEM 碳排放與運行成本

Table 6 IEM carbon emissions and operating costs

under different robustness factors

魯棒因子 P ? t 0 1 1.5 2

IEM 聯(lián)盟

總成本/萬元 4.5310 6.7712 7.6784 8.7282

IEM 聯(lián)盟

碳排放量/kg

20 952.14 21 326.87 21 523.14 21 865.45

由于在魯棒區(qū)間規(guī)劃中,設(shè)置不同魯棒因子會

影響區(qū)間范圍。從表 6 可以看出,碳排放量以及對

應(yīng)運行成本隨著魯棒因子的增加而增加,這是由于

魯棒因子的增加,增加了不確定性,需要更多的能

量和成本來平抑不確定性的影響。這也說明在兼顧

魯棒性的同時必須要舍棄一些經(jīng)濟成本。

5 結(jié)論

本文對于多 IEM 接入配電網(wǎng)后的協(xié)同優(yōu)化管

理問題進行了研究,提出了一種基于雙層博弈的

DSO 與多 IEM 優(yōu)化調(diào)度策略。

1) DSO 在對 IEM 制定購售電價的同時,實現(xiàn)

了 IEM 間收益的合理公平分配,提高了 IEM 的運

行效益,保障了配電網(wǎng)與 IEM 的協(xié)同運行。

2) 對于多 IEM 間不同的源荷矛盾,進行 P2P

電能交互可以有效提升能源利用率,促進新能源消

納。同時,在 IEM 中引入需求響應(yīng),對 IEM 削峰

填谷也起到了相應(yīng)作用,有效降低了 IEM 的運行成

本,降低了對上級電網(wǎng)的依賴。

3) 在 IEM 中,考慮在 CHP 機組內(nèi)加入 CCS 與

P2G 裝置能夠有效降低 IEM 總體碳排放量,促進其

低碳化改造。

4) 采用魯棒區(qū)間規(guī)劃方法處理可再生能源與

負荷的不確定性問題,并運用魯棒因子對其進行調(diào)

整,提高了系統(tǒng)的魯棒性。

附錄 A

第12頁

- 36 - 電力系統(tǒng)保護與控制

圖 A1 各 IEM 新能源與負荷預(yù)測曲線

Fig. A1 New energy and load forecast curve of each IEM

圖 A2 配電網(wǎng)負荷曲線

Fig. A2 Distribution network load curve

表 A1 DSO 基礎(chǔ)參數(shù)

Table A1 DSO basic parameters

參數(shù) 數(shù)值

PB

min u DB u

PB

max u DB 1.5 u

PS

min u DS 0.65 u

PS

max u DS u

PB

ave u 1.2

PS

ave u 0.85

表 A2 IEM 基礎(chǔ)參數(shù)

Table A2 IEM basic parameters

參數(shù) 數(shù)值 參數(shù) 數(shù)值

? CHP 0.35 1 h 0.15

3

CH4 Q /(MJ/m ) 35 2 h 0.2

? GB 0.9 mh 0.85

3 ?/(m /kW) 0.5 ESSC

max P /kW 200

? /(kg/kW) 0.5 ESSD

max P /kW 200

?/(kWh/kg) 1.02 ESSC ? 0.95

CHP

min P /kW 0 ESSD ? 1.04

CHP

max P /kW 2400 ESS

min S /kWh 60

CCS

min P /kW 0 ESS

max S /kWh 540

CCS

max P /kW 600 a/(kg/kW) 0.55

P2G

min P /kW 0 b/(kg/kW) 0.65

P2G

max P /kW 300 c/(kg/kW) 18.2

tran ?e 0.05 cut ?e 0.5

cut ?h 0.25 ESS ?e 0.01

1 a 0.013 29 1 b 4.0×10?6

2 a 0.022 3 a 0.022

? 0.424 ?/( /kg) 元 0.45

l/kg 400 P2P

,max Pi j ? /kW 500

tran Pmax

pre

, 0.15 Pi t

cut Pmax

pre

, 0.15 Pi t

cut Hi,max 0.2 pre Hi t, — —

參考文獻

[1] 張智剛, 康重慶. 碳中和目標(biāo)下構(gòu)建新型電力系統(tǒng)的

挑戰(zhàn)與展望[J]. 中國電機工程學(xué)報, 2022, 42(8):

2806-2819.

ZHANG Zhigang, KANG Chongqing. Challenges and

prospects for constructing the new-type power system

towards a carbon neutrality future[J]. Proceedings of the

CSEE, 2022,42(8): 2806-2819.

[2] 寇洋, 武家輝, 張華, 等. 考慮碳捕集與 CVaR 的電力

系統(tǒng)低碳經(jīng)濟調(diào)度[J]. 電力系統(tǒng)保護與控制, 2023,

51(11): 131-140.

KOU Yang, WU Jiahui, ZHANG Hua, et al. Low carbon

第13頁

孫文杰,等 基于雙層博弈的配電網(wǎng)與多綜合能源微網(wǎng)協(xié)調(diào)優(yōu)化 - 37 -

economic dispatch for a power system considering

carbon capture and CVaR[J]. Power System Protection

and Control, 2023, 51(11): 131-140.

[3] 卓振宇, 張寧, 謝小榮, 等. 高比例可再生能源電力系

統(tǒng)關(guān)鍵技術(shù)及發(fā)展挑戰(zhàn)[J]. 電力系統(tǒng)自動化, 2021,

45(9): 171-191.

ZHUO Zhenyu, ZHANG Ning, XIE Xiaorong, et al. Key

technologies and developing challenges of power system

with high proportion of renewable energy[J]. Automation

of Electric Power Systems, 2021, 45(9): 171-191.

[4] 仇書山, 毛承雄, 馬春艷, 等. 基于能源路由器的配電

網(wǎng)與綜合能源微網(wǎng)群協(xié)同運行優(yōu)化[J]. 高電壓技術(shù),

2022, 48(12): 5024-5036.

QIU Shushan, MAO Chengxiong, MA Chunyan, et al.

Cooperative operation optimization of distribution network

and multi-microgrid integrated energy system based on

energy router[J]. High Voltage Engineering, 2022, 48(12):

5024-5036.

[5] 馬斌, 楊立波, 陳辰, 等. 計及需求響應(yīng)的綜合能源系

統(tǒng)協(xié)同優(yōu)化策略[J]. 可再生能源, 2023, 41(5): 676-684.

MA Bin, YANG Libo, CHEN Chen, et al. Collaborative

optimization strategy of integrated energy system

considering demand response[J]. Renewable Energy

Resources, 2023, 41(5): 676-684.

[6] HU J, LIU X, SHAHIDEHPOUR M, et al. Optimal

operation of energy hubs with large-scale distributed

energy resources for distribution network congestion

management[J]. IEEE Transactions on Sustainable

Energy, 2021, 12(3): 1755-1765.

[7] 張沈習(xí), 王丹陽, 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.

[8] 潘瑞媛, 唐忠, 史晨豪, 等. 基于主從博弈的多主體投

資多微網(wǎng)系統(tǒng)優(yōu)化配置[J]. 中國電力, 2022, 55(6):

65-73, 127.

PAN Ruiyuan, TANG Zhong, SHI Chenhao, et al. Optimal

configuration of multi-microgrid system with multi-agent

joint investment based on Stackelberg game[J]. Electric

Power, 2022, 55(6): 65-73, 127.

[9] 陳樂飛, 朱自偉, 王凱, 等. 基于混合博弈的配電網(wǎng)與

多綜合能源微網(wǎng)優(yōu)化運行[J]. 電網(wǎng)技術(shù), 2023, 47(6):

2229-2243.

CHEN Lefei, ZHU Ziwei, WANG Kai, et al. Optimal

operation of distribution networks and multiple integrated

energy microgrids based on mixed game theory[J]. Power

System Technology, 2023, 47(6): 2229-2243.

[10] 吳錦領(lǐng), 樓平, 管敏淵, 等. 基于非對稱納什談判的多

微網(wǎng)電能共享運行優(yōu)化策略[J]. 電網(wǎng)技術(shù), 2022, 46(7):

2711-2723.

WU Jinling, LOU Ping, GUAN Minyuan, et al. Operation

optimization strategy of multi-microgrids energy sharing

based on asymmetric Nash bargaining[J]. Power System

Technology, 2022, 46(7): 2711-2723.

[11] 馬騰飛, 裴瑋, 肖浩, 等. 基于納什談判理論的風(fēng)–光–

氫多主體能源系統(tǒng)合作運行方法[J]. 中國電機工程學(xué)

報, 2021, 41(1): 25-39.

MA Tengfei, PEI Wei, XIAO Hao, et al. Cooperative

Operation method for wind-solar-hydrogen multi-agent

energy system based on Nash bargaining theory[J].

Proceedings of the CSEE, 2021, 41(1): 25-39.

[12] 李鵬, 吳迪凡, 李雨薇, 等. 基于綜合需求響應(yīng)和主從

博弈的多微網(wǎng)綜合能源系統(tǒng)優(yōu)化調(diào)度策略[J]. 中國電

機工程學(xué)報, 2021, 41(4): 1307-1321.

LI Peng, WU Difan, LI Yuwei, et al. Optimal dispatch of

multi-microgrids integrated energy system based on

integrated demand response and Stackelberg game[J].

Proceedings of the CSEE, 2021, 41 (4): 1307-1321.

[13] 帥軒越, 王秀麗, 吳雄, 等. 計及條件風(fēng)險價值下基于

合作博弈的多微網(wǎng)協(xié)同優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2022,

46(1): 130-138.

SHUAI Xuanyue, WANG Xiuli, WU Xiong, et al.

Cooperative optimal scheduling of multi-microgrids based

on cooperative game considering conditional value at

risk[J]. Power System Technology, 2022, 46(1): 130-138.

[14] 李咸善, 馬凱琳, 程杉. 含多區(qū)域綜合能源系統(tǒng)的主

動配電網(wǎng)雙層博弈優(yōu)化調(diào)度策略[J]. 電力系統(tǒng)保護與

控制, 2022, 50(1): 8-22.

LI Xianshan, MA Kailin, CHENG Shan. Dispatching

strategy of an active distribution network with multiple

regional integrated energy systems based on two-level

game optimization[J]. Power System Protection and Control,

2022, 50(1): 8-22.

[15] CHIS A, KOIVUNEN V. Coalitional game-based cost

optimization of energy portfolio in smart grid

communities[J]. IEEE Transactions on Smart Grid, 2019,

10(2): 1960-1970.

[16] 徐青山, 李淋, 盛業(yè)宏, 等. 冷熱電聯(lián)供型多微網(wǎng)主動

配電系統(tǒng)日前優(yōu)化經(jīng)濟調(diào)度[J]. 電網(wǎng)技術(shù), 2018, 42(6):

1726-1734.

XU Qingshan, LI Lin, SHENG Yehong, et al. Day-ahead

optimized economic dispatch of active distribution power

第14頁

- 38 - 電力系統(tǒng)保護與控制

system with combined cooling, heating and power-based

microgrids[J]. Power System Technology, 2018, 42(6):

1726-1734.

[17] 張林垚, 鄭潔云, 孔順飛, 等. 考慮綜合能源系統(tǒng)的配

網(wǎng)規(guī)劃模型及其求解方法[J]. 南方電網(wǎng)技術(shù), 2019,

13(6): 76-86.

ZHANG Linyao, ZHENG Jieyun, KONG Shunfei, et al.

Planning model of distribution network considering the

integrated energy system and its solution method[J].

Southern Power System Technology, 2019, 13(6): 76-86.

[18] 劉暢, 劉文霞, 高雪倩, 等. 基于主從博弈的配電網(wǎng)多綜合能源系統(tǒng)協(xié)調(diào)規(guī)劃[J]. 電力自動化設(shè)備, 2022,

42(6): 45-52.

LIU Chang, LIU Wenxia, GAO Xueqian, et al. Coordinative

planning of distribution network and multiple integrated

energy systems based on Stackelberg game[J]. Electric

Power Automation Equipment, 2022, 42(6): 45-52.

[19] 馬燕峰, 謝家榮, 趙書強, 等. 考慮園區(qū)綜合能源系統(tǒng)

接入的主動配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動

化, 2022, 46(13): 53-61.

MA Yanfeng, XIE Jiarong, ZHAO Shuqiang, et al. Multiobjective optimal dispatching for active distribution network

considering park-level integrated energy system[J].

Automation of Electric Power Systems, 2022, 46(13): 53-61.

[20] TUSHAR W, SAHA T K, YUEN C, et al. Grid influenced

peer-to-peer energy trading[J]. IEEE Transactions on

Smart Grid, 2020, 11(2): 1407-1418.

[21] CHENG Y, ZHANG N, ZHANG B, et al. Low-carbon

operation of multiple energy systems based on energycarbon integrated prices[J]. IEEE Transactions on Smart

Grid, 2020, 11(2): 1307-1318.

[22] 黃鋮, 劉海濤, 馬丙泰, 等. 基于納什談判的共享儲能

電站優(yōu)化運行研究[J]. 電力建設(shè), 2022, 43(2): 1-9.

HUANG Cheng, LIU Haitao, MA Bingtai, et al. Research

on optimal operation of shared energy-storage power station

applying Nash negotiation[J]. Electric Power Construction,

2022, 43(2): 1-9.

[23] 崔楊, 閆石, 仲悟之, 等. 含電轉(zhuǎn)氣的區(qū)域綜合能源系

統(tǒng)熱電優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2020, 44(11): 4254-4263.

CUI Yang, YAN Shi, ZHONG Wuzhi, et al. Optimal

thermoelectric dispatching of regional integrated energy

system with power-to-gas[J]. Power System Technology,

2020, 44(11): 4254-4263.

[24] MA Yiming, WANG Haixin, HONG Feng, et al.

Modeling and optimization of combined heat and power

with power-to-gas and carbon capture system in integrated

energy system[J]. Energy, 2021, 236.

[25] 郝婷, 樊小朝, 王維慶, 等. 階梯式碳交易下考慮源荷

不確定性的儲能優(yōu)化配置[J]. 電力系統(tǒng)保護與控制,

2023, 51(1): 101-112.

HAO Ting, FAN Xiaochao, WANG Weiqing, et al. Optimal

configuration of energy storage considering the source-load

uncertainty under ladder-type carbon trading[J]. Power

System Protection and Control, 2023, 51(1): 101-112.

[26] 李國慶, 王沖, 雷順波, 等. 考慮碳捕集技術(shù)的電力系統(tǒng)

雙層優(yōu)化配置[J]. 電力自動化設(shè)備, 2023, 43(1): 25-31.

LI Guoqing, WANG Chong, LEI Shunbo, et al. Bi-level

optimal allocation of power system considering carbon

capture technology[J]. Electric Power Automation

Equipment, 2023, 43(1): 25-31.

[27] 徐韻, 徐耀杰, 楊嘉禹, 等. 于階梯碳交易的電轉(zhuǎn)氣虛

擬電廠低碳經(jīng)濟調(diào)度[J]. 電力系統(tǒng)及其自動化學(xué)報,

2023, 35(7): 118-128.

XU Yun, XU Yaojie, YANG Jiayu, et al. Low carbon

economic dispatching for power-to-gas virtual power

plant based on stepped carbon trading[J]. Proceedings of

the CSU-EPSA, 2023, 35(7): 118-128.

[28] 趙毅, 王維慶, 閆斯哲. 考慮階梯型碳交易的風(fēng)光儲

聯(lián)合系統(tǒng)分布魯棒優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護與控制,

2023, 51(6): 127-136.

ZHAO Yi, WANG Weiqing, YAN Sizhe. Distributionally

robust optimization scheduling of a joint wind-solarstorage system considering step-type carbon trading[J].

Power System Protection and Control, 2023, 51(6): 127-136.

[29] 畢銳, 王孝淦, 袁華凱, 等. 考慮供需雙側(cè)響應(yīng)和碳交

易的氫能綜合能源系統(tǒng)魯棒調(diào)度[J]. 電力系統(tǒng)保護與

控制, 2023, 51(12): 122-132.

BI Rui, WANG Xiaogan, YUAN Huakai, et al. Robust

dispatch of a hydrogen integrated energy system considering

double side response and carbon trading mechanism[J].

Power System Protection and Control, 2023, 51(12):

122-132.

[30] XU Jiazhu, YI Yuqin. Multi-microgrid low-carbon economy

operation strategy considering both source and load

uncertainty: a Nash bargaining approach[J]. Energy, 2023,

263.

收稿日期:2023-07-07; 修回日期:2023-11-02

作者簡介:

孫文杰(1998—),男,碩士研究生,研究方向為可再生

能源發(fā)電與并網(wǎng)技術(shù);E-mail: 1149714104@qq.com

武家輝(1988—),女,通信作者,博士,副教授,研究

方向為新型電力系統(tǒng)穩(wěn)定與控制。E-mail: 128489085@

qq.com

(編輯 姜新麗)

百萬用戶使用云展網(wǎng)進行電子書冊制作,只要您有文檔,即可一鍵上傳,自動生成鏈接和二維碼(獨立電子書),支持分享到微信和網(wǎng)站!
收藏
轉(zhuǎn)發(fā)
下載
免費制作
其他案例
更多案例
免費制作
x
{{item.desc}}
下載
{{item.title}}
{{toast}}