王冰，李娜，楊旭升，王楠，丁建勇

(1.國網(wǎng)綜合能源服務(wù)集團(tuán)有限公司，北京100052；2.東南大學(xué)電氣工程學(xué)院，南京210096)

0 引言

目前，世界面臨著化石能源短缺，環(huán)境污染日益嚴(yán)重等問題，為貫徹落實“雙碳”戰(zhàn)略目標(biāo)，除大力發(fā)展新能源外，還應(yīng)提高能源利用效率、推進(jìn)節(jié)能減排。冷熱電聯(lián)供系統(tǒng)(combined cooling heating and power system，CCHP)是基于能源梯級利用的綜合能源系統(tǒng)，其利用系統(tǒng)發(fā)電產(chǎn)生的余熱煙氣進(jìn)行制熱和制冷，使得能源利用率約為70%～90%，可提高經(jīng)濟(jì)效益、減少環(huán)境污染，有利于緩解能源和環(huán)境危機[1-3]。

迄今為止，我國CCHP主要應(yīng)用于園區(qū)微網(wǎng)，依托天然氣能源、分布式能源和電網(wǎng)電能實現(xiàn)區(qū)域多種負(fù)荷的自給自足，提高經(jīng)濟(jì)效益。文獻(xiàn)[4]從建模、規(guī)劃和能量管理角度對CCHP在微網(wǎng)中的應(yīng)用現(xiàn)狀進(jìn)行了總結(jié)分析。文獻(xiàn)[5]以生產(chǎn)成本、環(huán)境成本和冷熱電協(xié)調(diào)成本等最小為目標(biāo)對微網(wǎng)進(jìn)行優(yōu)化經(jīng)濟(jì)調(diào)度。文獻(xiàn)[6]基于“以熱定電”和“以電定熱”兩種兩種模式對CCHP經(jīng)濟(jì)調(diào)度進(jìn)行研究。但由于單個區(qū)域負(fù)荷特性比較單一，在滿足多種負(fù)荷需求的同時易出現(xiàn)某種能量不足或過剩的現(xiàn)象，這在一定程度上制約著系統(tǒng)優(yōu)化結(jié)果[7]。文獻(xiàn)[8-9]從經(jīng)濟(jì)、能耗和碳排放3個角度構(gòu)建園區(qū)微網(wǎng)相變儲能的優(yōu)化配置模型，以優(yōu)化儲能來調(diào)節(jié)能量過?；虿蛔銌栴}。文獻(xiàn)[10]通過構(gòu)建含電、熱、氣3種儲能的園區(qū)微網(wǎng)優(yōu)化調(diào)度模型，通過場景對比驗證儲能可降低微網(wǎng)的成本。

上述研究多基于一個園區(qū)微網(wǎng)，而不同類型微網(wǎng)其負(fù)荷特性具有一定的差異性與互補性，各自配置儲能設(shè)備不僅成本大且易存在容量浪費。文獻(xiàn)[11-14]提出共享儲能，從共享儲能的構(gòu)建形式、建模優(yōu)化和商業(yè)模式等方面進(jìn)行綜述，闡明了共享儲能在未來能源形勢中發(fā)展?jié)摿?。在?gòu)建共享儲能前需由負(fù)荷聚合商對區(qū)域負(fù)荷進(jìn)行聚合分析，以便確定共享儲能的容量，并使其參與市場交易，文獻(xiàn)[15]從業(yè)務(wù)、調(diào)度控制策略及運營機制方面對負(fù)荷聚合商進(jìn)行了詳細(xì)的闡述。文獻(xiàn)[16]提出了分布式電源、儲能及柔性負(fù)荷在聚合商模式下的聯(lián)合優(yōu)化調(diào)度模型。由于負(fù)荷側(cè)資源出力存在不確定性，聚合商在聯(lián)合調(diào)度內(nèi)部資源時應(yīng)充分考慮不確定性帶來的風(fēng)險與影響，現(xiàn)有在不確定性方面的研究可分為以期望值[17-19]、機會測度[9]和概率可能性[20]衡量的3種方法。文獻(xiàn)[18]以虛擬電廠的期望收益最大構(gòu)建兩階段隨機規(guī)劃交易策略模型，并輔以條件風(fēng)險價值(conditional value at risk, CVaR)來控制風(fēng)險。文獻(xiàn)[19]應(yīng)用兩階段隨機規(guī)劃來處理含多風(fēng)場的熱電優(yōu)化調(diào)度。文獻(xiàn)[13]基于機會約束規(guī)劃考慮風(fēng)電、光伏出力的波動性和負(fù)荷的隨機性來構(gòu)建經(jīng)濟(jì)運行模型。文獻(xiàn)[20]采用魯棒優(yōu)化處理風(fēng)光和負(fù)荷的不確定性，分析不同魯棒系數(shù)下虛擬電廠的優(yōu)化調(diào)度策略。

由上述分析可知，現(xiàn)有研究少有考慮多個不同屬性園區(qū)互聯(lián)聚合的場景，本文將4個不同屬性的區(qū)域聚合構(gòu)建虛擬能源站進(jìn)行協(xié)調(diào)優(yōu)化降低系統(tǒng)運行成本，將下方風(fēng)險引入兩階段隨機規(guī)劃，在保證用戶用能需求且節(jié)約成本前提下構(gòu)建虛擬能源站參與電力和天然氣市場獲取收益的優(yōu)化模型，通過算例驗證了所提模型的有效性，并分析了不同風(fēng)險控制因子下的收益，為不同的風(fēng)險偏好者提供參考。

1 虛擬能源站的構(gòu)建與運營

本文將多個電/熱/氣用能區(qū)域聚合為一個整體稱為虛擬能源站，由虛擬能源站運營商負(fù)責(zé)運營區(qū)域內(nèi)所有的燃?xì)廨啓C、余熱鍋爐等產(chǎn)能設(shè)備來滿足各區(qū)域的用能需求，虛擬能源站架構(gòu)圖如圖1所示。

圖1 虛擬能源站運營架構(gòu)圖

虛擬能源站職責(zé)主要包括：

1)具備區(qū)域內(nèi)部用能設(shè)備的的控制運營權(quán)，集中優(yōu)化調(diào)度區(qū)域內(nèi)部各用能設(shè)備的運行功率，滿足各區(qū)域用戶的用能需求；

2)虛擬能源站負(fù)責(zé)在電力市場和天然氣市場簽訂中長期購電、購氣合同，購買其所負(fù)責(zé)區(qū)域用能所需天然氣和電能，向用戶收取供能費用；

3)對用戶設(shè)計補償激勵機制，在滿足用戶用能需求的前提下，當(dāng)削減用戶可削減負(fù)荷時對用戶予以經(jīng)濟(jì)補償；

4)依據(jù)地理位置投資建設(shè)電/熱/氣等儲能設(shè)備以及區(qū)域管網(wǎng)等設(shè)施，以此來提升內(nèi)部多種資源的協(xié)調(diào)運行能力；

5)通過調(diào)整虛擬能源站內(nèi)部的用能負(fù)荷，使虛擬能源站參與電力和天然氣市場的日前現(xiàn)貨市場交易，購買(出售)缺額(富余)的電量和氣量。

2 基于下方風(fēng)險的兩階段隨機規(guī)劃模型

通常不確定方法理論側(cè)重于描述收益不確定性的客觀狀態(tài)，將高于或低于目標(biāo)收益的偏離均認(rèn)為是不確定性帶來的風(fēng)險，從風(fēng)險危害性角度而言，下偏差(低于目標(biāo)收益)更能實際地體現(xiàn)投資者關(guān)于風(fēng)險的心理感受，符合投資者行為特征，這部分收益損失部分即為下方風(fēng)險(downside-risk)。金融領(lǐng)域采用下方風(fēng)險來表示收益的下偏差期望[21-23]，本文將下方風(fēng)險引入到兩階段隨機規(guī)劃(two-stage stochastic programming, TSP)模型構(gòu)建兩階段隨機下方風(fēng)險規(guī)避規(guī)劃(two-stage stochastic downside risk-aversion programming, TSDP)模型實現(xiàn)風(fēng)險規(guī)避，以便于管理者在存在不確定因素的情況下做出保證最小收益的決策。故基于TSDP的收益最大化模型可表示為：

(1)

s.t.

ax≤b

(2)

T(ωs)x+W(ωs)y=h(ωs)

(3)

(4)

Pprofit，s(x)=cx-Q(y,ωs),?s

(5)

(6)

x≥0,y(ωs)≥0

(7)

式中：f為目標(biāo)函數(shù)；x、y分別為第一、二階段的決策變量；ρs為情景s的概率；c為收益系數(shù)；ωs為隨機事件；a為技術(shù)系數(shù)；b為資源可用系數(shù)；δDRisk為下方風(fēng)險；Ωs為收益目標(biāo)；Pprofit，s為運行收益；T(·)、W(·)和h(·)為系統(tǒng)隨機參數(shù)；Q(·)為第二階段隨機事件發(fā)生的系統(tǒng)資源；ψ為期望下方風(fēng)險；λ為風(fēng)險控制因子，表征決策者對風(fēng)險的偏好程度，λ∈[0,1]。

通過設(shè)置不同的λ，模型可以獲得一系列不同未實現(xiàn)預(yù)期收益風(fēng)險容忍程度的最優(yōu)解，λ值越大對風(fēng)險的容忍程度越大。

3 基于TSDP的虛擬能源站優(yōu)化運行

基于第2節(jié)中構(gòu)建的考慮決策者風(fēng)險偏好的TSDP基礎(chǔ)模型，本文以圖1所示的包含工業(yè)區(qū)、商業(yè)區(qū)、辦公區(qū)和居民區(qū)4種類型用戶的園區(qū)為例，構(gòu)建虛擬能源站優(yōu)化運行模型。模型中，每種用戶類型均以CCHP以保證自己的冷熱需求，屋頂配有光伏發(fā)電裝置，以CCHP、光伏和電網(wǎng)購電滿足各自的用電需求。虛擬能源站通過聚合區(qū)域內(nèi)的各類用戶資源，在滿足各自電熱需求的基礎(chǔ)上，利用現(xiàn)有的能源實現(xiàn)自身效益的最大化，為提高能源的利用率，虛擬能源站在區(qū)域內(nèi)配置熱網(wǎng)和蓄熱裝置。所需燃?xì)夂碗娔芫商摂M能源站與電力和天然氣市場簽訂中長期合同，并參與日前電力和天然氣現(xiàn)貨市場來購買(出售)缺額(富余)的電量和氣量。

本文以供暖季研究虛擬能源站的效益，為便于分析，做以下假設(shè)與說明：

1)工業(yè)區(qū)主要為工業(yè)熱負(fù)荷，假定其熱負(fù)荷不可調(diào)，其他區(qū)域為采暖熱負(fù)荷，具備可調(diào)節(jié)能力；

2)采暖熱負(fù)荷主要受室外溫度和室內(nèi)溫度的影響，考慮到室外溫度預(yù)測偏差較小，假定采暖熱負(fù)荷不存在波動性；

3)各區(qū)域所用天然氣采用的是中長期合同購買方式，為固定購氣價格，中長期電量合同按照虛擬能源站所轄區(qū)域標(biāo)準(zhǔn)凈電負(fù)荷曲線進(jìn)行簽訂；

4)由于屋頂光伏和電負(fù)荷具有波動性和隨機性，以每個區(qū)域的凈負(fù)荷進(jìn)行分析，考慮到虛擬能源站內(nèi)部各區(qū)域之間電力存在互聯(lián)，以虛擬能源站所負(fù)責(zé)區(qū)域整體凈電負(fù)荷的不確定性進(jìn)行分析。

3.1 目標(biāo)函數(shù)

以虛擬能源在收益最大化為目標(biāo)函數(shù)為：

maxF=F1+F2+F3-C1-C2-C3-C4

(8)

1)向用戶售能收益

(9)

2)參與日前電力市場收益

F2=

(10)

3)參與日前天然氣市場收益

F3=

(11)

4)中長期購電量成本

(12)

5)中長期購氣量成本

(13)

6)熱負(fù)荷需求響應(yīng)補貼成本

(14)

7)蓄熱裝置成本

(15)

3.2 約束條件

1)微型燃?xì)廨啓C約束

(16)

(17)

(18)

2)余熱鍋爐約束

余熱鍋爐是利用小型燃?xì)廨啓C發(fā)電時排出的高溫?zé)煔膺M(jìn)行工作，起到了廢熱利用的作用。

(19)

(20)

3)熱負(fù)荷約束

本文對建筑物的熱動態(tài)模型采用一階ETP模型進(jìn)行描述，即

(21)

設(shè)室外溫度在1個調(diào)度時間段Δt內(nèi)不變，則

(22)

為滿足室內(nèi)人員供熱舒適度，室內(nèi)溫度應(yīng)滿足

(23)

(24)

4)蓄熱裝置充放速率約束

(25)

(26)

Ac,th+Ad,th≤1

(27)

5)蓄熱裝置容量約束

Sr,th=Sr,(t-1)h+(hrc,thηr,c-hrd,th/ηr,d)Δt

(28)

(29)

Sr,0h=Sr,Th

(30)

式中：Sr,th為蓄熱裝置中的儲熱量；ηr,c、ηr,d分別為儲熱、放熱效率；Sr,0h、Sr,Th分別為初始時刻、時段T蓄熱裝置中的儲熱量；Δt為單位時段時長。

6)電網(wǎng)輸電容量約束

(31)

(32)

7)天然氣約束

(33)

(34)

(35)

8)虛擬能源站電功率平衡

(36)

式中Pload,ith為區(qū)域i凈電負(fù)荷。

9)虛擬能源站熱功率平衡

(37)

10)下方風(fēng)險規(guī)避約束

Pprofit(h)=

(38)

(39)

(40)

式中：Pprofit(h)為h情景下的系統(tǒng)運行收益；Ω為系統(tǒng)目標(biāo)收益；ψ為TSP模型求得的預(yù)期下方風(fēng)險值。

3.3 模型求解

本文所提兩階段隨機下方風(fēng)險規(guī)劃模型的求解過程如圖2所示。編程軟件平臺為MATLAB 2015b，通過YALMIP調(diào)用CPLEX求解。

圖2 兩階段隨機下方風(fēng)險規(guī)劃模型框架

4 算例分析

4.1 算例數(shù)據(jù)

本文以包含居民區(qū)、商業(yè)區(qū)、辦公區(qū)和工業(yè)區(qū)的一個虛擬能源站進(jìn)行分析，室外溫度如圖3所示，圖4為各區(qū)域典型日的凈電負(fù)荷曲線[24]，依據(jù)室外溫度求得的各時間段的熱負(fù)荷如圖5所示，各設(shè)備的參數(shù)見表1。

表1 設(shè)備出力參數(shù)

圖3 室外溫度

圖4 各區(qū)域凈電負(fù)荷

圖5 各區(qū)域熱負(fù)荷

4.2 虛擬能源站中長期購電購氣量

虛擬能源站在進(jìn)行中長期電量和氣量交易時，以典型日各分區(qū)獨立運行時所需電量和氣量總和作為虛擬能源站中長期交易的量。由于各區(qū)域具有發(fā)電設(shè)備，與電網(wǎng)之間存在電量的雙向交互，采用按標(biāo)準(zhǔn)負(fù)荷曲線交易的方式，本文交易價格暫按圖6所示分時電價，向電網(wǎng)反向售電時價格為購電價格的0.8倍。天然氣同樣采取標(biāo)準(zhǔn)負(fù)荷曲線交易方式，價格為固定價格2.91元/m3。

圖6 中長期電價

表2為獨立運行時各區(qū)域的用能成本和虛擬能源站的購能成本，圖7所示為各區(qū)域獨立運行時燃?xì)廨啓C出力和與電網(wǎng)的交互功率。

表2 用能成本

圖7 獨立運行時各區(qū)域電功率

結(jié)合圖4和圖5可以看出，由于各區(qū)域因功能屬性不同，其電負(fù)荷和熱負(fù)荷存在較大差異。從圖7可以看出，對于居民區(qū)其全天存在采暖熱負(fù)荷，燃?xì)廨啓C需24 h存在出力以保證余熱鍋爐的運行，除去下午負(fù)荷高峰時段需從電網(wǎng)購進(jìn)部分電量外，其余時段均存在富余的電量售向電網(wǎng)；同理對于工業(yè)區(qū)因需滿足工業(yè)熱負(fù)荷，燃?xì)廨啓C需24 h存在出力，且產(chǎn)生的電量均可滿足區(qū)域用電負(fù)荷，存在富余電量售向電網(wǎng)；由于熱負(fù)荷需求導(dǎo)致居民區(qū)和工業(yè)區(qū)的成本如表2所示主要為購氣成本。商業(yè)區(qū)和辦公區(qū)夜間不存在熱負(fù)荷，僅有較低的電負(fù)荷需求，此時電價較低，從圖7看出均從電網(wǎng)購電，在工作時間段商業(yè)區(qū)的凈電負(fù)荷較大，需從電網(wǎng)購電來滿足電負(fù)荷缺口，而辦公區(qū)在其開始和末尾幾個工作時間段用電負(fù)荷較低，此時存在富余的電量出售給電網(wǎng)。

由各區(qū)域獨立運行結(jié)果可以看出不同區(qū)域之間電負(fù)荷存在互補性，通過虛擬能源站實現(xiàn)不同區(qū)域之間余電消納，形成如圖8所示的虛擬能源站與電力市場和天然氣市場簽訂的中長期電量和氣量曲線，因向電網(wǎng)反向售電價格低于買電價格，通過虛擬能源站形式可將總成本由322 506.83元降低至312 315.75元，節(jié)約10 191.08元(約3.16%)。

圖8 中長期交易電量和氣量

4.3 虛擬能源站參與日前市場優(yōu)化運行

由于屋頂光伏和用戶用電負(fù)荷存在波動性，通過對虛擬能源站整體歷史凈電負(fù)荷數(shù)據(jù)進(jìn)行聚類得到如圖9所示3種典型凈負(fù)荷曲線，夜間電負(fù)荷小且不存在光伏出力，波動較小，白天光伏波動和室內(nèi)人員用電的隨機性使得波動性較大，3種負(fù)荷場景的概率分別為0.11、0.74和0.15。假設(shè)風(fēng)險控制因子λ=0.9，日前市場的電價和氣價如圖10和圖11所示[25]。

圖9 3種場景凈電負(fù)荷曲線

圖10 日前電力市場價格

圖11 日前天然氣市場價格

4.3.1 參與日前市場結(jié)果分析

圖12所示為3種負(fù)荷場景下燃?xì)廨啓C的出力組合，在第一階段確定燃?xì)廨啓C的開機組合及出力，第二階段依據(jù)不同場景凈負(fù)荷的大小優(yōu)化確定各機組的出力增減量，工業(yè)區(qū)燃?xì)廨啓C因其較高的發(fā)電效率在08：00—18：00期間多個時段均以滿功率運行，發(fā)電效率較低的居民區(qū)和辦公區(qū)燃?xì)廨啓C出力主要集中于夜間，與工業(yè)區(qū)燃?xì)廨啓C共同保障夜間的電負(fù)荷和熱負(fù)荷需求。圖13所示為3種負(fù)荷場景下虛擬能源站參與日前電力市場的交易量。

圖12 3種場景各燃?xì)廨啓C的出力

圖13 3種場景虛擬能源站參與日前市場的電量

結(jié)合圖10日前市場購售電價，可以看出圖9中在00：00—02：00時間段市場售電價格高于中長期市場谷時段價格，通過調(diào)用發(fā)電效率較高的工業(yè)區(qū)燃?xì)廨啓C向市場售出電量獲得收益；在02：00—04：00時段市場電力價格較低，虛擬能源站調(diào)用產(chǎn)熱效率較高的居民區(qū)和辦公區(qū)的燃?xì)廨啓C保障供熱，電量差額從市場購買，其他時段同理。

圖14所示為3種負(fù)荷場景下虛擬能源站參與日前天然氣市場的交易量。對比圖9和圖10可以看出虛擬能源站在參與電力市場和天然氣市場交易量曲線具有一定的互補性，在日前市場電價較低時降低燃?xì)廨啓C出力，從市場購電，利用節(jié)約的天然氣量參與天然氣市場獲取收益；在天然氣市場購氣價格較低，且燃?xì)廨啓C發(fā)電成本低于電力市場售電價格時，從天然氣市場購氣用于發(fā)電，并將富余電量售向電網(wǎng)賺取收益。

圖14 3種場景虛擬能源站參與日前市場的氣量

4.3.2 熱負(fù)荷及其響應(yīng)結(jié)果分析

除工業(yè)區(qū)外其余3個區(qū)域熱負(fù)荷為采暖熱負(fù)荷，具備可調(diào)性，在滿足其室內(nèi)舒適度溫度要求的前提下，通過調(diào)節(jié)其供熱量參與熱負(fù)荷需求響應(yīng)，熱負(fù)荷需求響應(yīng)補貼單價參考文獻(xiàn)[25]，3個區(qū)域的室內(nèi)采暖溫度分別為居民區(qū)24 ℃、商業(yè)區(qū)20 ℃和辦公區(qū)22 ℃，各區(qū)域每個時段的最低需求溫度和3種負(fù)荷場景下參與需求響應(yīng)的室內(nèi)溫度如圖15—17所示。

圖15 3種場景下居民區(qū)溫度變化

由圖15可知，虛擬能源站主要在01：00—04：00、06：00—07：00、11：00—14：00、18：00—19：00和21：00—23：00時間段對居民區(qū)進(jìn)行溫度調(diào)節(jié)實行熱負(fù)荷需求響應(yīng)。結(jié)合圖12中燃?xì)廨啓C出力分析，在01：00—04：00時段，市場電價低，隨著中、高負(fù)荷情景用電負(fù)荷的增大，通過增加購電量彌補熱負(fù)荷需求響應(yīng)降低燃?xì)廨啓C出力帶來的電負(fù)荷缺額；在11：00—14：00時段室外溫度較高，各區(qū)域?qū)κ覂?nèi)溫度要求降低，該時段市場氣價達(dá)到高峰，市場電價與中長期電價相近，通過熱負(fù)荷需求響應(yīng)降低燃?xì)廨啓C的出力，將富余天然氣參與市場獲取更高收益，電負(fù)荷缺額通過市場購電滿足；在06：00—07：00時段，市場氣價處于低谷，隨著不同場景負(fù)荷的增大，工業(yè)區(qū)燃?xì)廨啓C出力增大，產(chǎn)熱量增大，導(dǎo)致熱負(fù)荷需求響應(yīng)量降低；在18：00—19：00和21：00—23：00時段，市場氣價處于高峰時段，居民區(qū)燃?xì)廨啓C處于關(guān)停狀態(tài)，不同場景電負(fù)荷的增加量由市場購電滿足，熱負(fù)荷由蓄熱裝置滿足，通過熱負(fù)荷需求響應(yīng)降低工業(yè)區(qū)燃?xì)廨啓C出力，以便參與市場獲取更多收益。

圖16和圖17為商業(yè)區(qū)和辦公區(qū)溫度變化，虛擬能源站對其溫度調(diào)節(jié)集中于11：00—17：00。結(jié)合圖13和圖14看出，在11：00—14：00時段通過熱負(fù)荷需求響應(yīng)降低燃?xì)廨啓C的出力，將富余天然氣參與市場獲取更高收益，電負(fù)荷缺額通過市場購電滿足，且隨著不同場景電負(fù)荷的增大，從市場的購電量增大；在14：00—17：00時段，氣價回落，電價達(dá)到低谷，不同場景下通過增大市場購電量滿足電負(fù)荷增量，在高負(fù)荷場景采用熱負(fù)荷需求響應(yīng)降低商業(yè)區(qū)燃?xì)廨啓C出力，增加參與天然氣市場的收益來降低由于增大市場購電量帶來總購能成本。

圖16 3種場景下商業(yè)區(qū)溫度變化

圖17 3種場景下辦公區(qū)溫度變化

圖18和圖19分別為3種場景熱負(fù)荷需求響應(yīng)量和蓄熱裝置出力，由圖18可以看出其總響應(yīng)量在01：00—04：00、11：00—17：00時段隨著不同場景電負(fù)荷的增大而增大，較低的市場電價使得虛擬能源站從市場的購電量增大，并通過增大熱負(fù)荷需求響應(yīng)量增大參與天然氣市場的售氣量來降低負(fù)荷增大帶來的購能成本增加量。其他時段熱負(fù)荷響應(yīng)量隨不同場景電負(fù)荷的增大而減小，這些時段市場電價高于中長期電價，燃?xì)廨啓C整體出力增加，受蓄熱裝置出力功率約束，熱負(fù)荷需求響應(yīng)量降低。

圖18 3種場景熱負(fù)荷需求響應(yīng)量

圖19 3種場景下蓄熱裝置出力

由圖19看出，在00：00—01：00、07：00—11：00和17：00—18：00時間段市場氣價低電價高，通過增大燃?xì)廨啓C出力滿足不同場景電負(fù)荷增長需求，并將多余熱量通過蓄熱裝置進(jìn)行蓄熱，受蓄熱裝置儲熱功率約束除08：00—09：00時段低負(fù)荷場景不存在出力，其余時段均為滿功率蓄熱；在11：00—14：00、18：00—19：00和21：00—23：00時間段市場氣價高峰，虛擬能源站降低燃?xì)廨啓C出力，由蓄熱裝置放熱滿足熱負(fù)荷需求，結(jié)合圖13看出隨不同場景電負(fù)荷的增大，從市場的購電量增大；在19：00—21：00時段，電價處于高峰，氣價低于后兩個時段，以在滿足蓄熱裝置功率約束前提下進(jìn)行蓄熱，為后兩個時段削減燃?xì)廨啓C出力儲備熱量；其余時段市場電價氣價低于中長期價格，不同負(fù)荷場景下結(jié)合熱負(fù)荷需求響應(yīng)通過蓄熱裝置協(xié)調(diào)各時段的熱量供應(yīng)，以使虛擬能源站收益最大。

4.3.3 靈敏度分析

4.3.3.1 風(fēng)險控制因子分析

如圖20所示為不同風(fēng)險控制因子λ下虛擬能源站的收益與風(fēng)險。當(dāng)λ=1時，本文模型即為TSP模型，其收益期望為5 990.14元，風(fēng)險值為2 354.51元，本文以λ=0.9進(jìn)行分析，收益期望值為4 420.47元，風(fēng)險值為2 119.05元。相較于傳統(tǒng)兩階段(TSP)模型，本文所提模型可為不同風(fēng)險愛好的虛擬能源站提供不同的決策，降低預(yù)期風(fēng)險值。

圖20 不同風(fēng)險控制因子下收益與風(fēng)險

從圖20可以看出當(dāng)風(fēng)險控制因子λ<0.73時，風(fēng)險值大于預(yù)期收益，此時無法保證收益率?？紤]到隨著風(fēng)險值的增大偏好者越來越少，本文將λ≥0.73區(qū)域按3:2:1的比例分為風(fēng)險厭惡區(qū)、風(fēng)險保守區(qū)和風(fēng)險偏好區(qū)，每個區(qū)域情況分別為：1)風(fēng)險厭惡區(qū)：當(dāng)0.73≤λ<0.865時，風(fēng)險-收益比高于50%，但整體風(fēng)險值相對較小，適合對于風(fēng)險持厭惡態(tài)度的保守型決策者；2)風(fēng)險中立區(qū)：當(dāng)0.865≤λ<0.955時，風(fēng)險值和預(yù)期收益均增大，收益增長率高于風(fēng)險增長率，風(fēng)險-收益比波動幅度不大，適合對于風(fēng)險持中立態(tài)度的決策者；3)風(fēng)險偏好區(qū)：當(dāng)0.955≤λ≤1時，高風(fēng)險與高收益并存，風(fēng)險-收益比較低，適合對于風(fēng)險持樂觀態(tài)度的激進(jìn)型決策者。

4.3.3.2 售能收費比例系數(shù)分析

圖21所示為不同風(fēng)險控制因子下調(diào)整向用戶售能收費比例系數(shù)對虛擬能源站收益的影響，從圖中可以看出虛擬能源站的收益受到風(fēng)險控制因子和比例系數(shù)的雙重影響。

圖21 比例系數(shù)靈敏度分析

當(dāng)收費比例系數(shù)不低于0.95時，虛擬能源站在控制因子不低于0.75時可以保證存在收益。隨著收費比例系數(shù)的增大，在保證收益的基礎(chǔ)上風(fēng)險控制因子的調(diào)節(jié)范圍增大，并且可以在比例系數(shù)不低于0.98時通過調(diào)整風(fēng)險控制因子實現(xiàn)風(fēng)險的完全規(guī)避。因此虛擬能源站在進(jìn)行決策時要統(tǒng)籌考慮風(fēng)險控制因子和收費比例系數(shù)的選取。

5 結(jié)論

本文基于多個區(qū)域構(gòu)建虛擬能源站參與日前市場獲取收益，利用不同區(qū)域間負(fù)荷特性的互補性及熱負(fù)荷的響應(yīng)特性，實現(xiàn)多區(qū)域間協(xié)調(diào)優(yōu)化供能，通過采用基于下方風(fēng)險的兩階段隨機規(guī)劃模型來解決不確定性帶來的風(fēng)險，在保證最小收益要求的基礎(chǔ)上形成運行策略。通過算例分析得到以下結(jié)論。

1)通過構(gòu)建虛擬能源站，用戶可節(jié)約用能費用，虛擬能源站通過協(xié)調(diào)優(yōu)化幾個區(qū)域之間的能量交互可以提高系統(tǒng)整體的經(jīng)濟(jì)效益；

2)虛擬能源站基于日前市場的電價和氣價制定不同負(fù)荷場景下的設(shè)備出力調(diào)整策略，虛擬能源站參與日前電力市場和天然氣市場交易量的曲線具有一定互補性；

3)系統(tǒng)風(fēng)險值隨風(fēng)險控制因子的降低而降低，且下降速率低于收益期望的下降速率，選擇較高的風(fēng)險控制因子可獲得更高的收益。

本文虛擬能源站向內(nèi)部用戶的功能費用暫按傳統(tǒng)模式下各用戶的運行費用的部分比例收取，且未考慮虛擬能源站收益與用戶之間的利益分配，后續(xù)將在虛擬能源站模式下用戶的供能費用和利益分配方面繼續(xù)開展研究；同時在風(fēng)險區(qū)域劃分中會涉及到人為心理學(xué)，后續(xù)也將在心理學(xué)與優(yōu)化控制結(jié)合方面開展研究。