刁涵彬 李培強(qiáng) 呂小秀 劉小龍 李欣然

考慮多元儲(chǔ)能差異性的區(qū)域綜合能源系統(tǒng)儲(chǔ)能協(xié)同優(yōu)化配置

刁涵彬 李培強(qiáng) 呂小秀 劉小龍 李欣然

（湖南大學(xué)電氣與信息工程學(xué)院 長(zhǎng)沙 410082）

儲(chǔ)能作為綜合能源系統(tǒng)融合的紐帶，如何配置電/熱/冷多能存儲(chǔ)是綜合能源系統(tǒng)規(guī)劃中的重要研究?jī)?nèi)容。該文提出考慮電/熱/冷多元儲(chǔ)能差異化建模的區(qū)域綜合能源系統(tǒng)儲(chǔ)能協(xié)同配置方法。多元儲(chǔ)能協(xié)同配置的基礎(chǔ)是耦合能量流和儲(chǔ)能特性描述，在耦合能流上明確含電/熱/冷三種能量形式的綜合能源系統(tǒng)結(jié)構(gòu)，并建立電-熱網(wǎng)絡(luò)模型；在儲(chǔ)能特性描述上基于儲(chǔ)能統(tǒng)一模型建立電儲(chǔ)能有功-無(wú)功特性模型和熱/冷儲(chǔ)能精細(xì)化模型，并定義多元儲(chǔ)能綜合效率用于控制不同類(lèi)型儲(chǔ)能效率對(duì)能源綜合利用效率和經(jīng)濟(jì)性的影響。建立多元儲(chǔ)能協(xié)同配置模型，該模型用于得到多元儲(chǔ)能額定容量、功率、位置等規(guī)劃方案，以經(jīng)濟(jì)性、環(huán)保性為目標(biāo)，有機(jī)融合了典型日優(yōu)化運(yùn)行；采用遺傳算法和Gurobi求解器相結(jié)合的混合策略求解。算例表明多元儲(chǔ)能協(xié)同配置、協(xié)調(diào)運(yùn)行具有優(yōu)越性；考慮多元儲(chǔ)能之間的統(tǒng)一性和差異性有助于得到更加全面的儲(chǔ)能配置方案。

綜合能源系統(tǒng) 電/熱/冷多能存儲(chǔ) 儲(chǔ)能差異化建模 協(xié)同優(yōu)化配置

0 引言

能源互聯(lián)網(wǎng)的重要物理載體——綜合能源系統(tǒng)（或稱(chēng)多能源系統(tǒng)），創(chuàng)新了能源系統(tǒng)的技術(shù)、市場(chǎng)和管理體制，對(duì)提高各種能源利用效率、推動(dòng)能源利用轉(zhuǎn)型、實(shí)現(xiàn)多能源的互補(bǔ)互濟(jì)具有重要意義[1-3]。綜合能源系統(tǒng)可分為跨區(qū)級(jí)、區(qū)域級(jí)和用戶(hù)級(jí)，其中發(fā)揮“承上啟下”作用的區(qū)域多能源系統(tǒng)（Regional Integrated Energy System, RIES）由智能配電系統(tǒng)、供熱/冷系統(tǒng)等供能網(wǎng)絡(luò)耦合而成[2]。儲(chǔ)能作為RIES能源子系統(tǒng)融合的紐帶，電/熱/冷等多能存儲(chǔ)（以下簡(jiǎn)稱(chēng)多元儲(chǔ)能）協(xié)同配置有助于實(shí)現(xiàn)不同類(lèi)型儲(chǔ)能間的互補(bǔ)協(xié)調(diào)，因此RIES中如何協(xié)同配置多元儲(chǔ)能是一個(gè)值得關(guān)注的問(wèn)題。

儲(chǔ)能是提高能源系統(tǒng)時(shí)空范圍優(yōu)化配置能力的有效手段。傳統(tǒng)研究一般集中在電力系統(tǒng)范疇，例如文獻(xiàn)[4]提出了輸電側(cè)儲(chǔ)能和輸電線(xiàn)路聯(lián)合魯棒規(guī)劃方法，并表明儲(chǔ)能對(duì)緩解輸電線(xiàn)路阻塞更為經(jīng)濟(jì)；文獻(xiàn)[5]提出了配網(wǎng)側(cè)儲(chǔ)能有效的配置方法。在能源互聯(lián)網(wǎng)背景下，電力、熱力、天然氣等多種能源系統(tǒng)有機(jī)結(jié)合形成綜合能源系統(tǒng)。在綜合能源系統(tǒng)范疇，儲(chǔ)能配置拓展為電/熱/冷/氣等多能存儲(chǔ)的規(guī)劃研究，文獻(xiàn)[6]對(duì)能源微網(wǎng)中儲(chǔ)能系統(tǒng)容量規(guī)劃和投資效益展開(kāi)了研究；文獻(xiàn)[7]同時(shí)考慮電力和熱力柔性負(fù)荷，提出了RIES中電/熱儲(chǔ)能的優(yōu)化配置方法；文獻(xiàn)[8]針對(duì)季節(jié)性?xún)?chǔ)能的優(yōu)化問(wèn)題，計(jì)及電/熱等多元儲(chǔ)能提出混合整數(shù)線(xiàn)性規(guī)劃方法；文獻(xiàn)[9]提出了一種集主動(dòng)配電網(wǎng)、天然氣網(wǎng)和能源樞紐為一體的綜合能源系統(tǒng)擴(kuò)展規(guī)劃方法，該方法涉及電/熱/氣等儲(chǔ)能的配置；文獻(xiàn)[10]考慮熱網(wǎng)和電網(wǎng)綜合潮流，建立含風(fēng)機(jī)、光伏、電池儲(chǔ)能、微型燃?xì)廨啓C(jī)及燃?xì)忮仩t的能源站雙層規(guī)劃模型；文獻(xiàn)[11]提出了一種考慮交通、天然氣和主動(dòng)配電網(wǎng)絡(luò)耦合的優(yōu)化規(guī)劃框架，該方法涉及電/熱儲(chǔ)能。

RIES中電/熱/冷/氣等多元儲(chǔ)能配置的研究基礎(chǔ)是綜合能源系統(tǒng)耦合能量流和儲(chǔ)能系統(tǒng)運(yùn)行特性的數(shù)學(xué)描述。耦合能流的數(shù)學(xué)描述主要有能源集線(xiàn)器模型（Energy Hub, EH）和多能流潮流模型，文獻(xiàn)[6-8]儲(chǔ)能配置研究均是基于EH，該類(lèi)配置模型往往只能對(duì)儲(chǔ)能進(jìn)行定容，無(wú)法考慮儲(chǔ)能接入供能網(wǎng)絡(luò)的位置；文獻(xiàn)[9-14]的研究則考慮了多能流潮流，即優(yōu)化中計(jì)及了供能網(wǎng)絡(luò)的運(yùn)行約束。儲(chǔ)能系統(tǒng)運(yùn)行特性的數(shù)學(xué)描述往往包含儲(chǔ)能荷電狀態(tài)方程、儲(chǔ)能容量范圍、充放能功率范圍、充放能功率互補(bǔ)約束、運(yùn)行周期能量守恒等；文獻(xiàn)[15]考慮先進(jìn)絕熱壓縮空氣儲(chǔ)能電站的變壽命特性，建立了儲(chǔ)能定容雙層優(yōu)化模型；文獻(xiàn)[16]考慮熱儲(chǔ)能結(jié)構(gòu)類(lèi)型、體積等特性參數(shù)，開(kāi)展了季節(jié)性?xún)?chǔ)熱的技術(shù)-經(jīng)濟(jì)規(guī)劃研究；文獻(xiàn)[17]考慮儲(chǔ)能的能量存儲(chǔ)特性，將光伏與儲(chǔ)能協(xié)同配置，實(shí)現(xiàn)能源社區(qū)的零凈能耗。以上多能存儲(chǔ)協(xié)同配置研究均考慮了儲(chǔ)能的能量存儲(chǔ)特性，但較少有文獻(xiàn)涉及多元儲(chǔ)能間的特性差異，比如電池儲(chǔ)能系統(tǒng)具有無(wú)功支撐能力，冷/熱儲(chǔ)能的物理特性與電儲(chǔ)能不同，其熱損耗會(huì)受到環(huán)境溫度、蓄水罐高徑比等因素的影響。此外，構(gòu)建綜合能源系統(tǒng)目的之一是提高能源綜合利用效率，而儲(chǔ)能在跨時(shí)段能量存儲(chǔ)過(guò)程中不可避免地產(chǎn)生能量損耗，儲(chǔ)能損耗將對(duì)RIES綜合能效和經(jīng)濟(jì)性產(chǎn)生不同程度的影響，因此在多元儲(chǔ)能協(xié)同配置時(shí)還需控制儲(chǔ)能效率的影響。

基于以上考慮，本文提出考慮多元儲(chǔ)能差異化建模的RIES儲(chǔ)能協(xié)同配置方法。首先，明確包含電/熱/冷三種能量形式的RIES結(jié)構(gòu)，并建立電-熱網(wǎng)絡(luò)模型（Electricity-Thermal Network, E-TN）。其次，計(jì)及電/熱/冷儲(chǔ)能的共性和個(gè)性對(duì)多元儲(chǔ)能進(jìn)行建模，在共性上建立多元儲(chǔ)能統(tǒng)一模型，在個(gè)性上建立電儲(chǔ)能無(wú)功特性模型和熱/冷儲(chǔ)能精細(xì)化模型，并定義多元儲(chǔ)能綜合效率用于控制不同類(lèi)型儲(chǔ)能效率對(duì)配置結(jié)果的影響。然后，提出以經(jīng)濟(jì)性和環(huán)保性為目標(biāo)的多元儲(chǔ)能配置模型，采用改進(jìn)遺傳算法+Gurobi求解器的混合策略求解。最后，將所提方法應(yīng)用于改進(jìn)IEEE 33節(jié)點(diǎn)配電與45節(jié)點(diǎn)熱網(wǎng)耦合系統(tǒng)算例。結(jié)果表明多元儲(chǔ)能協(xié)同配置的優(yōu)越性，以及考慮多元儲(chǔ)能差異性對(duì)儲(chǔ)能配置的積極影響。

1 基于E-TN的區(qū)域綜合能源系統(tǒng)

1.1 區(qū)域綜合能源系統(tǒng)結(jié)構(gòu)

圖1所示為RIES的結(jié)構(gòu)圖。RIES由供能網(wǎng)絡(luò)、耦合環(huán)節(jié)、儲(chǔ)能環(huán)節(jié)和終端用戶(hù)組成。其中供能網(wǎng)絡(luò)主要包括配電網(wǎng)和區(qū)域熱網(wǎng)，耦合環(huán)節(jié)主要有熱電聯(lián)產(chǎn)（Combined Heat and Power, CHP）、電制熱、壓縮制冷（Compression Electric Refrigerator Group, CERG）和吸收制冷（Absorption Chiller, AC），儲(chǔ)能環(huán)節(jié)主要有電儲(chǔ)能（Electrical Energy Storage, EES）、熱儲(chǔ)能（Thermal Energy Storage,TES）和冷儲(chǔ)能（Cold Energy Storage, CES），終端用戶(hù)有電/熱/冷用能需求。

圖1 區(qū)域綜合能源系統(tǒng)結(jié)構(gòu)

1.2 電-熱網(wǎng)絡(luò)建模

根據(jù)RIES中電、熱能流的耦合關(guān)系，建立E-TN。E-TN包括電網(wǎng)、熱網(wǎng)以及電熱耦合單元。

1.2.1 電網(wǎng)模型

電網(wǎng)模型是對(duì)電網(wǎng)運(yùn)行狀態(tài)和運(yùn)行變量的數(shù)學(xué)描述。采用適用于輻射狀配電網(wǎng)的DistFlow模型。

1.2.2 熱網(wǎng)模型

本文忽略二次熱網(wǎng)熱能傳輸損耗及延時(shí)，將換熱站與二次熱網(wǎng)等效為熱網(wǎng)負(fù)荷節(jié)點(diǎn)，根據(jù)質(zhì)調(diào)節(jié)方式，建立計(jì)及供/回水管道的熱網(wǎng)熱力模型為

1.2.3 電熱耦合單元模型

式中，為未配置儲(chǔ)能時(shí)冷節(jié)點(diǎn)i的供冷功率；、分別為制冷性能系數(shù)或熱力系數(shù)；為CERG的耗電功率；為AC的耗熱功率。

2 多元儲(chǔ)能

從電/熱/冷儲(chǔ)能的統(tǒng)一性和差異性?xún)煞矫鎸?duì)多元儲(chǔ)能進(jìn)行數(shù)學(xué)描述。統(tǒng)一性模型體現(xiàn)不同類(lèi)型儲(chǔ)能在跨時(shí)段能量存儲(chǔ)上的共性。差異性模型在統(tǒng)一性模型的基礎(chǔ)上，針對(duì)不同類(lèi)型儲(chǔ)能對(duì)模型進(jìn)行完善，使其更加符合自身特性。

2.1 多元儲(chǔ)能統(tǒng)一性模型

電/熱/冷儲(chǔ)能都是能量存儲(chǔ)設(shè)備，可建立多元儲(chǔ)能統(tǒng)一模型。類(lèi)似于電池儲(chǔ)能荷電狀態(tài)（State of Charge，SOC）概念，引入能量狀態(tài)（State of Energy，SOE）表征多元儲(chǔ)能某時(shí)刻的剩余能量。式（14）表示儲(chǔ)能SOE方程；式（15）表示儲(chǔ)能實(shí)時(shí)能量范圍；式（16）表示一個(gè)運(yùn)行周期的儲(chǔ)能能量守恒；式（17）~式（19）表示儲(chǔ)能功率大小限制及充/放能功率互補(bǔ)約束；式（20）表示儲(chǔ)能對(duì)外功率輸出。

2.2 多元儲(chǔ)能差異性模型

2.2.1 電儲(chǔ)能差異性模型

式中，為EES的實(shí)時(shí)無(wú)功功率；為EES的無(wú)功功率限值；為無(wú)功功率限值與PCS額定功率的比值，取值范圍為[0,1]。EES的有功功率優(yōu)先分配策略還可以用圖3描述，圖3中的灰色區(qū)域表示EES的運(yùn)行范圍，當(dāng)時(shí)，EES運(yùn)行范圍為圖3所示圓形。至此，EES有功-無(wú)功模型被描述為式（14）~式（21）。

2.2.2 熱/冷儲(chǔ)能差異性模型

本文TES包含常壓式熱水蓄熱器及換熱器等附加設(shè)備，接入熱網(wǎng)方式為間接連接，如圖4所示，TES與熱網(wǎng)無(wú)熱媒交換，只通過(guò)換熱器進(jìn)行熱交換。

圖4 熱儲(chǔ)能與熱網(wǎng)間接連接方式

式中，為蓄熱罐的高與直徑的比值，其值為參數(shù)。

至此，TES模型被描述為式（15）~式（20）、式（22）~式（27）。通過(guò)式（27）可知，TES的熱損失和自身參數(shù)、實(shí)時(shí)能量狀態(tài)（即工質(zhì)溫度）、環(huán)境溫度等有密切關(guān)系。與常規(guī)儲(chǔ)能系統(tǒng)模型即多元儲(chǔ)能統(tǒng)一模型相比，兩者的熱損耗都和實(shí)時(shí)能量狀態(tài)有密切聯(lián)系。但精細(xì)化的TES模型引入傳熱效率、對(duì)流傳熱系數(shù)、高徑比等實(shí)際參數(shù)，用等效溫度表征TES某時(shí)刻儲(chǔ)能量，能更好地描述儲(chǔ)熱系統(tǒng)的物理特性；精細(xì)化的TES模型還考慮了環(huán)境溫度對(duì)TES效率的影響。CES采用水蓄冷罐，其模型與TES類(lèi)似，只有蓄冷罐設(shè)計(jì)最高/最低溫度、對(duì)流傳熱系數(shù)、高徑比、環(huán)境溫度等模型參數(shù)不同，不再贅述。

2.3 多元儲(chǔ)能綜合效率

3 協(xié)同優(yōu)化配置

根據(jù)上述RIES模型和多元儲(chǔ)能模型，建立多元儲(chǔ)能協(xié)同配置模型并進(jìn)行求解。

3.1 優(yōu)化變量

多元儲(chǔ)能協(xié)同配置模型中變量可分為規(guī)劃變量和運(yùn)行變量。規(guī)劃變量包括多元儲(chǔ)能的額定功率和額定容量（連續(xù)變量）、電/熱/冷節(jié)點(diǎn)是否投建儲(chǔ)能（0-1變量）。運(yùn)行變量包括規(guī)劃典型日中各時(shí)段的多元儲(chǔ)能充放能功率、EES無(wú)功功率、CHP功率、EB功率、AC功率、CERG功率、補(bǔ)償電容器投入數(shù)量、熱網(wǎng)熱媒溫度、電網(wǎng)節(jié)點(diǎn)電壓、RIES與上級(jí)電網(wǎng)交互功率等。

3.2 目標(biāo)函數(shù)

為追求儲(chǔ)能配置經(jīng)濟(jì)效益和環(huán)境效益最大化，以電/熱/冷儲(chǔ)能投資成本、RIES運(yùn)行成本、配電網(wǎng)容量收益以及環(huán)境成本的總和最小作為優(yōu)化目標(biāo)，目標(biāo)函數(shù)為

3.3 約束條件

3.3.1 規(guī)劃類(lèi)約束

1）電/熱/冷儲(chǔ)能安裝容量與功率約束

2）電/熱/冷儲(chǔ)能安裝位置數(shù)目約束

式中，ES為儲(chǔ)能安裝位置數(shù)量上限。

3.3.2 運(yùn)行類(lèi)約束

1）新能源設(shè)備約束

2）聯(lián)絡(luò)線(xiàn)功率約束

3）CHP爬坡及棄熱約束

式（38）~式（40）為出力及爬坡約束；式（41）為熱電耦合約束；式（42）、式（43）為熱回收約束，表示CHP產(chǎn)生的熱量一部分經(jīng)余熱回收設(shè)備回收供熱，另一部分未被利用成為棄熱；式（44）為棄熱約束，該約束是為了保證CHP高效運(yùn)行。

4）電/熱/冷節(jié)點(diǎn)功率平衡約束

3.4 模型求解

多元儲(chǔ)能協(xié)同配置模型是混合整數(shù)非線(xiàn)性規(guī)劃問(wèn)題，非線(xiàn)性具體表現(xiàn)為：式（4）為非線(xiàn)性潮流約束，式（21）、式（37）、式（38）為二次圓形約束，式（14）、式（17）、式（18）、式（27）為非凸非線(xiàn)性。其中，式（14）、式（17）、式（18）、式（27）是增加模型復(fù)雜程度的重要因素，其非線(xiàn)性是由規(guī)劃變量（儲(chǔ)能額定功率、額定容量）與運(yùn)行變量（儲(chǔ)能充放能狀態(tài)變量、儲(chǔ)能實(shí)時(shí)能量）的耦合造成的。若直接用遺傳算法等啟發(fā)式算法求解，由于問(wèn)題規(guī)模較大，難以保證多項(xiàng)式時(shí)間內(nèi)收斂，存在“組合爆炸”的問(wèn)題。若將以上單層模型分解為上層配置問(wèn)題和下層運(yùn)行問(wèn)題，一方面可將儲(chǔ)能能量狀態(tài)方程中非線(xiàn)性項(xiàng)解耦，降低求解難度；另一方面將非線(xiàn)性潮流約束和二次圓形約束等歸到下層模型，在線(xiàn)性化處理后可使用常見(jiàn)求解器對(duì)下層模型高效求解，常見(jiàn)的商業(yè)求解器如Gurobi、CPLEX、MOSEK等具有求解速度快、魯棒性強(qiáng)等優(yōu)點(diǎn)。分解后雙層優(yōu)化模型為

式（49）為雙層優(yōu)化模型的上層，即規(guī)劃問(wèn)題；式（50）為雙層優(yōu)化模型的下層，即運(yùn)行問(wèn)題。

針對(duì)下層模型中的非線(xiàn)性潮流約束，采用二階錐松弛將非凸約束式（4）轉(zhuǎn)換為

針對(duì)二次圓形約束，可用幾個(gè)正方形近似代替[23]，因此本文選用兩個(gè)外切正方形約束來(lái)代替圓形約束。以式（21）為例，該式可以被替代為

經(jīng)過(guò)上述處理后，上層模型式（49）為僅含線(xiàn)性不等式約束的混合整數(shù)非線(xiàn)性規(guī)劃問(wèn)題，下層模型式（50）為混合整數(shù)二階錐規(guī)劃問(wèn)題。求解時(shí)通常采用上下層交替優(yōu)化，即式（49）求解出的規(guī)劃變量傳遞給式（50），作為式（50）的已知參數(shù)；式（50）求解出的運(yùn)行變量傳遞給式（49），用于式（49）目標(biāo)函數(shù)的計(jì)算。本文采用改進(jìn)遺傳算法[24]+ Gurobi求解器的混合策略求解所提雙層優(yōu)化模型，求解流程如圖5所示。

圖5 求解流程

4 算例分析

4.1 系統(tǒng)概況

本算例將多元儲(chǔ)能協(xié)同配置方法應(yīng)用到改進(jìn)IEEE 33節(jié)點(diǎn)配電與45節(jié)點(diǎn)熱網(wǎng)耦合系統(tǒng)。RIES結(jié)構(gòu)如圖6所示，IEEE 33線(xiàn)路參數(shù)及負(fù)荷分布來(lái)自MATPOWER；45節(jié)點(diǎn)熱網(wǎng)管道參數(shù)參考文獻(xiàn)[25]，共有66條供、回水管道，圖中只標(biāo)注了供水管道，回水管道用虛線(xiàn)表示，熱、冷負(fù)荷分布見(jiàn)附表1和附表2。配電網(wǎng)電壓上、下限為0.93(pu)、-1.07(pu)，線(xiàn)路電流上限為3(pu)，變電站容量限制為5MV·A，有功功率倒送上限為1.5MW；熱網(wǎng)節(jié)點(diǎn)溫度上下限為55~110℃。設(shè)備具體參數(shù)[26]見(jiàn)附表3~附表5。

圖6 綜合能源系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)

表1 儲(chǔ)能技術(shù)參數(shù)

Tab.1 Technical parameters of energy storage

注：最大/最小儲(chǔ)能量表示最大/最小允許儲(chǔ)能量與額定容量的比值。

表2 儲(chǔ)能經(jīng)濟(jì)參數(shù)

Tab.2 Economic parameters of energy storage

能源價(jià)格參考文獻(xiàn)[26]。貼現(xiàn)率取0.06。RIES購(gòu)電采用峰谷電價(jià)，峰時(shí)段為1.2元/(kW?h)，平時(shí)段為0.86元/(kW?h)，谷時(shí)段為0.5元/(kW?h)。天然氣單位熱值價(jià)格為0.242 3元/(kW?h)。單位變壓器容量收益為380元/(kV·A)。上級(jí)電網(wǎng)供電碳排放強(qiáng)度為0.55kg/(kW?h)，天然氣碳排放強(qiáng)度為0.184 kg/(kW?h)，碳排放價(jià)格取碳稅率20元/t。

通過(guò)對(duì)某地負(fù)荷/光伏年時(shí)序數(shù)據(jù)進(jìn)行場(chǎng)景削減，得到三個(gè)規(guī)劃典型日用于表征規(guī)劃年，分別是供暖季典型日、供冷季節(jié)典型日和過(guò)渡季典型日，三個(gè)典型日的電/熱/冷負(fù)荷值基準(zhǔn)值均為3.715MWe+j2.3Mvar/6.48MWh/2.837MWc。供暖季典型日有電負(fù)荷和熱負(fù)荷，供冷季典型日有電負(fù)荷和冷負(fù)荷，過(guò)渡季典型日僅有電負(fù)荷。三個(gè)規(guī)劃典型日的時(shí)序變化及環(huán)境溫度變化如附圖1所示，累計(jì)天數(shù)分別為120天、120天、125天。

為分析儲(chǔ)能協(xié)同優(yōu)化配置結(jié)果，設(shè)置情景如下：

原始情景S0：設(shè)定各類(lèi)儲(chǔ)能安裝位置數(shù)目上限均為0，不配置儲(chǔ)能，優(yōu)化RIES運(yùn)行。

情景S1：在原始情景的基礎(chǔ)上，設(shè)定EES安裝位置數(shù)目上限為2，僅優(yōu)化配置EES。

情景S2：在原始情景的基礎(chǔ)上，設(shè)定TES安裝位置數(shù)目上限為2，僅優(yōu)化配置TES。

情景S3：在原始情景的基礎(chǔ)上，設(shè)定CES安裝位置數(shù)目上限為2，僅優(yōu)化配置CES。

情景S4：在原始情景的基礎(chǔ)上，設(shè)定儲(chǔ)能安裝位置數(shù)目上限均為2，協(xié)同配置電/熱/冷儲(chǔ)能。

4.2 多元儲(chǔ)能協(xié)同配置與單獨(dú)配置對(duì)比分析

4個(gè)情景的儲(chǔ)能配置結(jié)果見(jiàn)表3，節(jié)點(diǎn)類(lèi)型e代表電節(jié)點(diǎn)，h代表熱節(jié)點(diǎn)，c代表冷節(jié)點(diǎn)。情景S4相比于情景S1所配置EES的總?cè)萘繙p少了34%，相比于情景S2所配置TES的總?cè)萘繙p少了5%，相比于情景S3所配置CES的總?cè)萘繙p少了4%。不同情景的成本明細(xì)見(jiàn)表4。其中，帶“*”表示其為年運(yùn)行成本組成之一。相比于情景S0、S1、S2、S3，情景S4的儲(chǔ)能年投資成本最高，但年運(yùn)行成本、環(huán)境成本、總成本最低，節(jié)省了9.83%的RIES年運(yùn)行成本以及降低9.58%的碳排放量。碳排放減少是由于情景S4的光伏利用率相比S0提高了3%，上級(jí)電網(wǎng)購(gòu)電量相比降低了14%。

表3 不同情景下的儲(chǔ)能配置結(jié)果

Tab.3 Energy storage configuration results under different scenarios

表4 不同情景下的成本明細(xì)

Tab.4 Detailed costs in different scenarios

圖7為規(guī)劃年RIES供能結(jié)構(gòu)對(duì)比情況。相比于原始情景S0，情景S1、S2、S4的上級(jí)電網(wǎng)輸入電量和輸出至上級(jí)電網(wǎng)電量均有所減少，而情景S3變化不明顯，這是因?yàn)榍榫癝3的冷儲(chǔ)能配置僅在兩個(gè)用能終端冷用戶(hù)上，所配置的容量較少，故對(duì)RIES與上級(jí)電網(wǎng)交互電量的影響較小。相比于情景S0、S1、S2、S3，情景S4的上級(jí)電網(wǎng)輸入電量和輸出至上級(jí)電網(wǎng)電量均最小，并且天然氣耗量較大，說(shuō)明多元儲(chǔ)能協(xié)同配置提高了CHP的供能量，減少了RIES對(duì)上級(jí)電網(wǎng)的依賴(lài)程度。不同的儲(chǔ)能配置方案會(huì)影響RIES的供能結(jié)構(gòu)。

圖7 規(guī)劃年RIES供能結(jié)構(gòu)

4.3 考慮多元儲(chǔ)能差異性對(duì)協(xié)同配置的影響

4.3.1 EES無(wú)功功率對(duì)多元儲(chǔ)能協(xié)同配置的影響

圖8 電儲(chǔ)能無(wú)功可調(diào)能力對(duì)配置結(jié)果的影響

4.3.2 TES/CES特性對(duì)多元儲(chǔ)能協(xié)同配置的影響

本節(jié)將所提TES/CES精細(xì)化模型與常見(jiàn)儲(chǔ)能通用模型[7]（即不考慮TES/CES的實(shí)際物理參數(shù)，自損耗系數(shù)為定值）進(jìn)行對(duì)比。圖9為用本文TES/CES模型進(jìn)行配置-運(yùn)行雙層優(yōu)化的供暖季TES運(yùn)行情況，其中規(guī)定熱水從TES上部管道流出即TES放熱時(shí)，TES流量為正。TES精細(xì)化模型用等效溫度表征TES能量狀態(tài)，用流量表征TES充放能功率，與通用模型相比更具物理意義。接入熱節(jié)點(diǎn)h1與接入熱節(jié)點(diǎn)h31的TES充放熱時(shí)段基本相反，體現(xiàn)了接入不同節(jié)點(diǎn)的TES具有一定互補(bǔ)特性。

圖9 情景S4下供暖季熱儲(chǔ)能運(yùn)行方式

表5給出采用精細(xì)化TES/CES模型進(jìn)行儲(chǔ)能配置與采用通用模型進(jìn)行配置的結(jié)果，其中通用模型的TES、CES自損耗率分別取0.014、0.01。由表5可知，兩種模型的配置結(jié)果具有一定差異，采用通用模型所配置的TES容量較大，TES/CES損耗較大，總成本較高，產(chǎn)生差異的原因是儲(chǔ)能模型參數(shù)不同，儲(chǔ)能配置時(shí)通用模型一般根據(jù)經(jīng)驗(yàn)選取損耗系數(shù)，而精細(xì)化TES/CES模型的對(duì)流傳熱系數(shù)、高徑比、環(huán)境溫度等參數(shù)可通過(guò)試驗(yàn)、測(cè)量等方式獲取。

表5 不同熱/冷儲(chǔ)能模型的配置結(jié)果對(duì)比

Tab.5 Comparison of configuration results of different thermal/cold energy storage models

4.4 多元儲(chǔ)能綜合效率對(duì)協(xié)同配置的影響

本節(jié)將分析多元儲(chǔ)能綜合效率對(duì)儲(chǔ)能協(xié)同配置的影響，涉及到供能網(wǎng)絡(luò)損耗、CHP棄熱、RIES能效等指標(biāo)，上述指標(biāo)均為規(guī)劃年總損耗即各典型日損耗的累計(jì)。其中供能網(wǎng)絡(luò)損耗計(jì)算參見(jiàn)式（33），CHP棄熱計(jì)算參見(jiàn)式（42），RIES能效計(jì)算公式為[21]

配置儲(chǔ)能對(duì)RIES能效會(huì)造成影響，一方面接入儲(chǔ)能有利于降低供能網(wǎng)絡(luò)的傳輸損耗和熱源棄熱，由圖10可知情景S1接入EES降低了21MW?h的電網(wǎng)傳輸損耗，情景S2接入TES降低了390MW·h的CHP棄熱，情景S3接入CES降低了5MW?h的熱網(wǎng)傳輸損耗；另一方面，由于儲(chǔ)能不產(chǎn)生能量，僅作為跨時(shí)段的能量存儲(chǔ)設(shè)備，其自身能量損耗會(huì)降低RIES能效，由圖11可知情景S4同時(shí)接入EES、TES、CES產(chǎn)生了大量的儲(chǔ)能能量損耗，其中TES由于效率相對(duì)較低及配置容量相對(duì)較大，使TES損耗占比較多。

圖10 不同情景的能量損耗對(duì)比

圖11 不同情景的儲(chǔ)能能量損耗對(duì)比

圖12 儲(chǔ)能綜合效率約束對(duì)配置結(jié)果的影響

圖13 儲(chǔ)能綜合效率約束對(duì)RIES能效的影響

4.5 多元儲(chǔ)能協(xié)同優(yōu)化運(yùn)行結(jié)果分析

本節(jié)選取情景S4下RIES供冷季典型日的優(yōu)化運(yùn)行情況進(jìn)行分析，優(yōu)化結(jié)果見(jiàn)圖14。供冷季無(wú)熱用戶(hù)，只存在電用戶(hù)和冷用戶(hù)，熱網(wǎng)傳輸?shù)臒崮芡ㄟ^(guò)吸收制冷設(shè)備供給冷用戶(hù)，圖14c中的制冷設(shè)備功率為各冷節(jié)點(diǎn)AC和CERG的總功率。由圖14可知，無(wú)儲(chǔ)能時(shí)，在光伏出力較大時(shí)段（9:00~16:00）RIES向上級(jí)電網(wǎng)倒送較多電量；有儲(chǔ)能時(shí)，EES在該時(shí)段蓄能消納光伏，TES（h1）在該時(shí)段蓄能以提高EB電功率消納光伏，TES（h31）在該時(shí)段放熱以降低CHP1的供能功率，CES在該時(shí)段蓄能以提高CERG電功率消納光伏，EES、TES、CES相互協(xié)調(diào)增加RIES消納光伏空間，因而RIES向上級(jí)電網(wǎng)倒送電量更少。

圖14 情景S4下RIES優(yōu)化運(yùn)行結(jié)果

4.6 求解方法驗(yàn)證

求解下層模型時(shí)，本文對(duì)非線(xiàn)性潮流約束和二次圓形約束進(jìn)行了松弛處理，線(xiàn)性化的約束主要與RIES電能流有關(guān)。因此將下層運(yùn)行優(yōu)化結(jié)果與MATPOWER潮流計(jì)算結(jié)果進(jìn)行對(duì)比，進(jìn)而驗(yàn)證求解方法的有效性。將情景S4的部分運(yùn)行優(yōu)化結(jié)果（多元儲(chǔ)能、CHP、EB、EC、PV等實(shí)時(shí)功率）作為已知參數(shù)進(jìn)行潮流計(jì)算，得到平衡節(jié)點(diǎn)e1功率與下層模型求解出的上級(jí)電網(wǎng)功率進(jìn)行對(duì)比，結(jié)果如圖15所示。用平衡節(jié)點(diǎn)e1功率計(jì)算得到的年運(yùn)行成本為2 139.8萬(wàn)元，下層優(yōu)化結(jié)果的誤差為6.54×10-4，因此可認(rèn)為在本文多元儲(chǔ)能協(xié)同配置問(wèn)題上，松弛處理后的下層模型計(jì)算是精確的。

圖15 上級(jí)電網(wǎng)功率驗(yàn)證

5 結(jié)論

本文提出了RIES中多元儲(chǔ)能協(xié)同配置方法，通過(guò)算例驗(yàn)證了所提模型的有效性，得到如下結(jié)論：

1）多元儲(chǔ)能協(xié)同配置、協(xié)調(diào)運(yùn)行具有優(yōu)越性，有助于發(fā)揮多能耦合及互補(bǔ)優(yōu)勢(shì)。多元儲(chǔ)能協(xié)同配置減少了單類(lèi)型儲(chǔ)能的配置需求，使儲(chǔ)能配置電/熱/冷多元化；多元儲(chǔ)能協(xié)同配置具有更好的經(jīng)濟(jì)效益和環(huán)境效益，算例中，多元儲(chǔ)能協(xié)同配置節(jié)省了9.83%的RIES年運(yùn)行成本及降低了9.58%的年碳排放量。多元儲(chǔ)能協(xié)調(diào)運(yùn)行提高RIES運(yùn)行經(jīng)濟(jì)性和靈活性，有助于可再生能源就地消納。

2）考慮多元儲(chǔ)能之間的統(tǒng)一性和差異性有助于得到更加全面的儲(chǔ)能配置方案?？紤]EES無(wú)功特性有效減少電網(wǎng)損耗，提高多元儲(chǔ)能協(xié)同配置的經(jīng)濟(jì)性。精細(xì)化TES/CES模型引入對(duì)流傳熱系數(shù)、高徑比等實(shí)際參數(shù)，能夠解決儲(chǔ)能定損耗系數(shù)選取不當(dāng)造成的熱損偏大，配置容量冗余，資源浪費(fèi)等問(wèn)題。

3）多元儲(chǔ)能協(xié)同配置在提高供能網(wǎng)絡(luò)能量傳輸效率和熱源供能效率等方面具有優(yōu)勢(shì)；考慮到儲(chǔ)能能量損耗，可通過(guò)多元儲(chǔ)能綜合效率約束控制多元儲(chǔ)能效率對(duì)RIES經(jīng)濟(jì)性和能效的影響，進(jìn)而合理協(xié)同配置電/熱/冷多類(lèi)型儲(chǔ)能。

附 錄

附表1 熱負(fù)荷分布

App.Tab.1 Distribution of thermal load

序號(hào)熱負(fù)荷/MW所在熱網(wǎng)節(jié)點(diǎn)序號(hào)熱負(fù)荷/MW所在熱網(wǎng)節(jié)點(diǎn) 1234567890.630.8730.2030.4610.6080.3880.5450.2410.223h3h4h6h8h9h10h12h16h171011121314151617180.2370.2320.2340.210.230.2310.2430.3540.337h18h20h21h23h24h26h27h29h30

附表2 冷負(fù)荷分布

App.Tab.2 Distribution of cold load

冷節(jié)點(diǎn)冷負(fù)荷/MW相連的熱節(jié)點(diǎn)相連的電節(jié)點(diǎn)冷節(jié)點(diǎn)冷負(fù)荷/MW相連的熱節(jié)點(diǎn)相連的電節(jié)點(diǎn) c1c2c3c40.630.60.2740.55h3h9h10h12e18e5e8e32c5c6c7c80.1480.1470.2540.232h17h23h29h30e12e22e23e26

附表3 電設(shè)備參數(shù)

App.Tab.3 Parameters of electrical equipment

設(shè)備所接入的電節(jié)點(diǎn)容量/MW單個(gè)容量/Mvar組數(shù)日最大投切次數(shù)單位運(yùn)維成本/(元/kW) PV1e203.5———0.01 PV2e291.8———0.01 CB1e18—0.12580.021 CB2e32—0.12580.021

附表4 熱設(shè)備參數(shù)

App.Tab.4 Parameters of thermal equipment

設(shè)備所接入的電節(jié)點(diǎn)所接入的熱節(jié)點(diǎn)電功率/MW熱電比爬坡率/（MW/h）發(fā)電效率棄熱系數(shù)單位運(yùn)維成本/（元/ kW） 最大最小 CHP1CHP2EBe13e31e19h31h32h11.871.541.850.860.5601.51.510.40.4—0.30.3—0.20.2—0.0680.0680.016

附表5 冷設(shè)備參數(shù)

App.Tab.5 Parameters of cold equipment

設(shè)備所接入的冷節(jié)點(diǎn)最大冷功率/MW熱力系數(shù)（或性能系數(shù)）單位運(yùn)維成本/（元/kW） ACCERGc1~c8c1, c2, c40.40.30.730.0080.008

附圖1 規(guī)劃典型日負(fù)荷及光伏功率時(shí)序變化

App.Fig.1 Timing change of planning typical daily load and photovoltaic power

[1] 別朝紅, 王旭, 胡源. 能源互聯(lián)網(wǎng)規(guī)劃研究綜述及展望[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2017, 37(22): 6445-6462, 6757. Bie Zhaohong, Wang Xu, Hu Yuan. Review and prospect of planning of energy internet[J]. Proceedings of the CSEE, 2017, 37(22): 6445-6462, 6757.

[2] 程浩忠, 胡梟, 王莉, 等. 區(qū)域綜合能源系統(tǒng)規(guī)劃研究綜述[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(7): 2-13. Cheng Haozhong, Hu Xiao, Wang Li, et al. Review on research of regional integrated energy system planning[J]. Automation of Electric Power Systems, 2019, 43(7): 2-13.

[3] 陳柏翰, 馮偉, 孫凱, 等. 冷熱電聯(lián)供系統(tǒng)多元儲(chǔ)能及孤島運(yùn)行優(yōu)化調(diào)度方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(15): 3231-3243. Chen Pohan, Feng Wei, Sun Kai, et al. Multi-energy storage system and islanded optimal dispatch method of CCHP[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3231-3243.

[4] Wang Siyuan, Geng Guangchao, Jiang Quanyuan. Robust co-planning of energy storage and transmission line with mixed integer recourse[J]. IEEE Transactions on Power Systems, 2019, 34(6): 4728-4738.

[5] Zheng Yu, Hill D J, Dong Zhaoyang. Multi-agent optimal allocation of energy storage systems in distribution systems[J]. IEEE Transactions on Sustainable Energy, 2017, 8(4): 1715-1725.

[6] 李建林, 牛萌, 周喜超, 等. 能源互聯(lián)網(wǎng)中微能源系統(tǒng)儲(chǔ)能容量規(guī)劃及投資效益分析[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(4): 874-884. Li Jianlin, Niu Meng, Zhou Xichao, et al. Energy storage capacity planning and investment benefit analysis of micro-energy system in energy interconnection[J]. Transactions of China Electrotechnical Society, 2020, 35(4): 874-884.

[7] 許周, 孫永輝, 謝東亮, 等. 計(jì)及電/熱柔性負(fù)荷的區(qū)域綜合能源系統(tǒng)儲(chǔ)能優(yōu)化配置[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(2): 53-59. Xu Zhou, Sun Yonghui, Xie Dongliang, et al. Optimal configuration of energy storage for integrated region energy system considering power/thermal flexible load[J]. Automation of Electric Power Systems, 2020, 44(2): 53-59.

[8] Gabrielli P, Gazzani M, Martelli E, et al. Optimal design of multi-energy systems with seasonal storage[J]. Applied Energy, 2018, 219: 408-424.

[9] Wang Jueying, Hu Zhijian, Xie Shiwei. Expansion planning model of multi-energy system with the integration of active distribution network[J]. Applied Energy, 2019, 253: 113517.

[10] 白牧可, 唐巍, 吳聰, 等. 基于熱網(wǎng)-電網(wǎng)綜合潮流的用戶(hù)側(cè)微型能源站及接入網(wǎng)絡(luò)優(yōu)化規(guī)劃[J]. 電力自動(dòng)化設(shè)備, 2017, 37(6): 84-93. Bai Muke, Tang Wei, Wu Cong, et al. Optimal planning based on integrated thermal-electric power flow for user-side micro energy station and its integration network[J]. Electric Power Automation Equipment, 2017, 37(6): 84-93.

[11] Xie Shiwei, Hu Zhijian, Wang Jueying, et al. The optimal planning of smart multi-energy systems incorporating transportation, natural gas and active distribution networks[J]. Applied Energy, 2020, 269: 115006.

[12] 韓佶, 苗世洪, 李超, 等. 計(jì)及相關(guān)性的電-氣-熱綜合能源系統(tǒng)概率最優(yōu)能量流[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(5): 1055-1067. Han Ji, Miao Shihong, Li Chao, et al. Probabilistic optimal energy flow of electricity-gas-heat integrated energy system considering correlation[J]. Transactions of China Electrotechnical Society, 2019, 34(5): 1055-1067.

[13] Wang Yongli, Wang Yudong, Huang Yujing, et al. Operation optimization of regional integrated energy system based on the modeling of electricity-thermal-natural gas network[J]. Applied Energy, 2019, 251: 113410.

[14] 陳彬彬, 孫宏斌, 尹冠雄, 等. 綜合能源系統(tǒng)分析的統(tǒng)一能路理論(二): 水路與熱路[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(7): 2133-2142, 2393. Chen Binbin, Sun Hongbin, Yin Guanxiong, et al. Energy circuit theory of integrated energy system analysis(Ⅱ): hydraulic circuit and thermal circuit[J]. Proceedings of the CSEE, 2020, 40(7): 2133-2142, 2393.

[15] 尹斌鑫, 苗世洪, 李姚旺, 等. 考慮變壽命特性的先進(jìn)絕熱壓縮空氣儲(chǔ)能電站容量規(guī)劃模型[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(3): 612-622. Yin Binxin, Miao Shihong, Li Yaowang, et al. A capacity planning model of advanced adiabatic compressed air energy storage plant considering lifetime varying characteristic[J]. Transactions of China Electrotechnical Society, 2020, 35(3): 612-622.

[16] Ochs F, Dahash A, Tosatto A, et al. Techno-economic planning and construction of cost-effective large-scale hot water thermal energy storage for renewable district heating systems[J]. Renewable Energy, 2020, 150: 1165-1177.

[17] Novoa L, Flores R, Brouwer J. Optimal renewable generation and battery storage sizing and siting considering local transformer limits[J]. Applied Energy, 2019, 256: 113926.

[18] Das C K, Bass O, Mahmoud T S, et al. An optimal allocation and sizing strategy of distributed energy storage systems to improve performance of distribution networks[J]. Journal of Energy Storage, 2019, 26: 100847.

[19] 柳文潔. 熱水蓄熱罐在熱電聯(lián)產(chǎn)供熱系統(tǒng)中的應(yīng)用研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2016.

[20] 王小惠, 何兆禹, 徐超, 等. 斜溫層單罐儲(chǔ)熱同時(shí)蓄放熱過(guò)程動(dòng)態(tài)特性模擬[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(20): 5989-5998, 6179. Wang Xiaohui, He Zhaoyu, Xu Chao, et al. Dynamic simulation on simultaneous charging/discharging process of water thermocline storage tank[J]. Proceedings of the CSEE, 2019, 39(20): 5989-5998, 6179.

[21] 劉洪, 趙越, 劉曉鷗, 等. 計(jì)及能源品位差異的園區(qū)多能源系統(tǒng)綜合能效評(píng)估[J]. 電網(wǎng)技術(shù), 2019, 43(8): 2835-2843. Liu Hong, Zhao Yue, Liu Xiaoou, et al. Comprehensive energy efficiency assessment of park-level multi-energy system considering difference of energy grade[J]. Power System Technology, 2019, 43(8): 2835-2842.

[22] 丁明, 解蛟龍, 劉新宇, 等. 面向風(fēng)電接納能力評(píng)價(jià)的風(fēng)資源/負(fù)荷典型場(chǎng)景集生成方法與應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(15): 4064-4072. Ding Ming, Xie Jiaolong, Liu Xinyu, et al. The generation method and applications of wind resources/load typical scenario set for evaluation of wind power grid integration[J]. Proceedings of the CSEE, 2016, 36(15): 4064-4072.

[23] Chen Xin, Wu Wenchuan, Zhang Boming, et al. Data-driven DG capacity assessment method for active distribution networks[J]. IEEE Transactions on Power Systems, 2016, 32(5): 3946-3957.

[24] 林曉明, 張勇軍, 陳伯達(dá), 等. 計(jì)及多評(píng)價(jià)指標(biāo)的園區(qū)能源互聯(lián)網(wǎng)雙層優(yōu)化配置[J].電力系統(tǒng)自動(dòng)化, 2019, 43(20): 8-15. Lin Xiaoming, Zhang Yongjun, Chen Boda, et al. Bi-level optimal configuration of park energy internet considering multiple evaluation indicators[J]. Automation of Electric Power Systems, 2019, 43(20): 8-15.

[25] 張義志, 王小君, 和敬涵, 等. 考慮供熱系統(tǒng)建模的綜合能源系統(tǒng)最優(yōu)能流計(jì)算方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(3): 562-570. Zhang Yizhi, Wang Xiaojun, He Jinghan, et al. Optimal energy flow calculation method of integrated energy system considering thermal system modeling[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 562-570.

[26] 崔全勝, 白曉民, 董偉杰, 等. 用戶(hù)側(cè)綜合能源系統(tǒng)規(guī)劃運(yùn)行聯(lián)合優(yōu)化[J].中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(17): 4967-4981, 5279. Cui Quansheng, Bai Xiaomin, Dong Weijie, et al. Joint optimization of planning and operation in user- side multi-energy systems[J]. Proceedings of the CSEE, 2019, 39(17): 4967-4981, 5279.

Coordinated Optimal Allocation of Energy Storage in Regional Integrated Energy System Considering the Diversity of Multi-Energy Storage

Diao Hanbin Li Peiqiang Lü Xiaoxiu Liu Xiaolong Li Xinran

（College of Electrical and Information Engineering Hunan University Changsha 410082 China）

Energy storage is the link of integrated energy system integration. How to allocate multiple types of energy storage is an important research content in integrated energy system planning. A collaborative energy storage configuration method for regional integrated energy systems considering differential modeling of electricity/heat/cold multi-energy storage is proposed. The basis of the multi-energy storage collaborative configuration is the description of coupling energy flow and energy storage characteristics. On the coupling energy flow, the integrated energy system structure containing three energy forms of electricity, heat and cold is defined, and the electricity-thermal network model is established. Based on the unified model of energy storage, the reactive power model of electrical energy storage and the refined model of thermal /cold energy storage were established, and the multi-energy storage comprehensive efficiency was defined to control the influence of different types of energy storage efficiency on the comprehensive energy utilization efficiency and economy. The multi-energy storage collaborative configuration model is established, which is used to get the multi-energy storage rated capacity, power and other planning schemes. With the goal of economy and environmental protection, it organically integrates the typical daily optimal operation. The hybrid algorithm combining genetic algorithm and Gurobi solver is used to solve the model.The example shows that the cooperative configuration and coordinated operation of multi-energy storage have advantages. Considering the unity and difference between multi-energy storage is helpful to get a more comprehensive energy storage configuration scheme.

Integrated energy system, multi-energy storage of electricity/thermal/cold, differential modeling of energy storage, collaborative optimization configuration

TM715

10.19595/j.cnki.1000-6753.tces.200386

國(guó)家自然科學(xué)基金（51677059）和國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFB0905304）資助項(xiàng)目。

2020-04-19

2020-06-30

刁涵彬 男，1997年生，碩士研究生，研究方向?yàn)榫C合能源系統(tǒng)規(guī)劃與運(yùn)行。E-mail：564749324@qq.com

李培強(qiáng) 男，1975年生，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)分析與控制、負(fù)荷建模等。E-mail：596905210@qq.com（通信作者）

（編輯 赫蕾）