徐澄瑩，朱旭，竇真蘭，楊軍，張春雁

(1.武漢大學(xué)電氣與自動(dòng)化學(xué)院，武漢市 430072；2.國網(wǎng)上海市電力公司，上海市 200023)

0 引 言

隨著“雙碳”目標(biāo)的提出，能源行業(yè)的低碳化結(jié)構(gòu)改革迫在眉睫[1-2]。伴隨城市多元業(yè)態(tài)發(fā)展，科創(chuàng)、商業(yè)、寄宿學(xué)校等小規(guī)模園區(qū)不斷涌現(xiàn)，這些小型園區(qū)由于供能設(shè)備復(fù)雜、容量小、布局分散、遷移頻率高，導(dǎo)致難以與傳統(tǒng)大型工業(yè)園區(qū)的綜合能源站適配。此時(shí)，一種模塊化、可多次組合拆卸遷移、一對多的適應(yīng)各種小體量園區(qū)不同用能特征的新型綜合能源系統(tǒng)——能源艙，便成為新的研究目標(biāo)。

在節(jié)能策略與設(shè)備研究方面，文獻(xiàn)[3]通過引入碳捕集設(shè)備，將能耗設(shè)備排出的CO2進(jìn)行吸收，并轉(zhuǎn)化為新的可利用資源(例如天然氣)，直接實(shí)現(xiàn)了碳排放的減少。同時(shí)，依靠碳與能源交易市場的調(diào)控，可以提升各主體的自主節(jié)能減排意識(shí)，從而達(dá)到降碳效果[4-6]。文獻(xiàn)[7]對綜合能源系統(tǒng)能源集線器(energy hub，EH)模型的研究，文獻(xiàn)[8-9]對用戶側(cè)差異化需求響應(yīng)多能互補(bǔ)的研究，文獻(xiàn)[10-11]對綜合能源系統(tǒng)中冷、熱、電、儲(chǔ)能與分布式能源聯(lián)合的研究，以及文獻(xiàn)[12]對電、熱、氣網(wǎng)建模及綜合能源系統(tǒng)定容選址流程的研究，也從出力優(yōu)化、提高能效等方面間接為低碳目標(biāo)的達(dá)成做出貢獻(xiàn)。然而與此同時(shí)，市場調(diào)節(jié)、碳捕集設(shè)備與分布式新能源的接入加大了源荷的不確定性，如何解決其帶來的波動(dòng)困擾成為一項(xiàng)新的課題。

由于需要在多個(gè)場景間進(jìn)行遷移、復(fù)用，適應(yīng)多種用能場景，能源艙引入了多變的模塊化組合結(jié)構(gòu)，再加之新能源的引入，能源艙在規(guī)劃設(shè)計(jì)時(shí)需要諸多不確定變量納入考慮，通常使用隨機(jī)優(yōu)化與魯棒優(yōu)化方法。文獻(xiàn)[13]通過多場景的日前隨機(jī)優(yōu)化，描述了源-荷的不確定性；文獻(xiàn)[14]針對負(fù)荷增長帶來的不確定性，提出了二階隨機(jī)擴(kuò)展模型。然而，隨機(jī)優(yōu)化的計(jì)算量巨大，并對概率分布的數(shù)據(jù)依賴性大，極易導(dǎo)致模型精確性受到影響。魯棒優(yōu)化方法則在置信范圍內(nèi)最惡劣情況下尋找最優(yōu)解，避免了隨機(jī)優(yōu)化的缺點(diǎn)。文獻(xiàn)[7,15]建立了兩階段魯棒優(yōu)化以解決最惡劣場景下產(chǎn)生的源荷不確定性。而數(shù)據(jù)驅(qū)動(dòng)的魯棒優(yōu)化方法進(jìn)一步改善了傳統(tǒng)魯棒方法模型復(fù)雜求解困難的問題，利用大量歷史數(shù)據(jù)構(gòu)建不確定集，避免了模型難以求解的問題。文獻(xiàn)[16-17]利用數(shù)據(jù)驅(qū)動(dòng)魯棒方法解決了綜合能源系統(tǒng)的機(jī)組組合與配網(wǎng)無功優(yōu)化問題。盡管如此，目前的數(shù)據(jù)驅(qū)動(dòng)兩階段魯棒優(yōu)化方法仍存在結(jié)果保守性過大、概率計(jì)算過于復(fù)雜、需要將模型對偶處理的缺點(diǎn)。

本文為達(dá)到低碳目標(biāo)，構(gòu)建碳捕集與多元混合儲(chǔ)能相結(jié)合的綜合能源艙，通過碳排放的再次利用、電熱多元儲(chǔ)存的能源靈活轉(zhuǎn)換以及蓄電池-超級(jí)電容組合的互補(bǔ)優(yōu)勢，達(dá)到提高能源利用率、節(jié)能低碳的效果。本文提出基于極端場景橢球集的數(shù)據(jù)驅(qū)動(dòng)魯棒優(yōu)化方法，針對魯棒優(yōu)化結(jié)果過于保守的問題，利用橢球集描述風(fēng)電、光伏與用戶側(cè)3種不確定性間的相關(guān)性，使不確定集更加精確，提高結(jié)果的經(jīng)濟(jì)性；針對傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)方法仍需計(jì)算復(fù)雜概率問題的困難，利用橢球集端點(diǎn)提取代表性極端場景；針對傳統(tǒng)列與約束生成法(column and constraint generation method，CCG)需要對子問題進(jìn)行復(fù)雜對偶處理的問題，采用基于橢球極端場景的改進(jìn)方法，極大地降低模型與求解的難度。

1 低碳綜合能源艙兩階段魯棒規(guī)劃模型

1.1 模塊化綜合能源艙整體結(jié)構(gòu)

本文提出的綜合能源艙結(jié)構(gòu)如圖1所示。能源艙包含以下5個(gè)模塊：能源輸入模塊包含上級(jí)的電網(wǎng)和氣網(wǎng)接口，通過此模塊向外購買電和氣；產(chǎn)能模塊有分布式光伏與風(fēng)電機(jī)組、熱電聯(lián)產(chǎn)機(jī)組(combined heat and power，CHP)以及燃?xì)忮仩t(gas boiler，GB)；能量轉(zhuǎn)換模塊有吸收式制冷機(jī)(absorption conditioner,AC)、壓縮式制冷機(jī)(electrical conditioner,EC)以及電轉(zhuǎn)氣(power to gas,P2G)碳捕集裝置；多元混合儲(chǔ)能模塊包括熱儲(chǔ)能(thermal energy storage,TES)與蓄電池(battery energy storage,BES)+超級(jí)電容(super capacitor,SC)混合電儲(chǔ)能；用戶模塊包括對電、熱、冷3種負(fù)荷的用戶接口設(shè)備。

如圖1所示，在能源艙中，余熱回收與吸收式制冷裝置保證了艙內(nèi)多余熱能的梯級(jí)利用；P2G碳捕集設(shè)備使用產(chǎn)生的碳排放實(shí)現(xiàn)了二次收集和轉(zhuǎn)化；電熱多元儲(chǔ)能增強(qiáng)了峰谷時(shí)段多能互補(bǔ)利用的優(yōu)勢；而混合電儲(chǔ)能集合了蓄電池長期穩(wěn)定放電與超級(jí)電容應(yīng)對突變情況的特長，使能量在時(shí)間上的利用更加靈活。然而，能源艙引入的光伏、風(fēng)電、新能源與用戶側(cè)用能習(xí)慣均具有出力間斷性、不確定性的特點(diǎn)，是綜合能源艙規(guī)劃中必須考慮的問題。

1.2 綜合能源艙兩階段魯棒規(guī)劃模型

1.2.1 目標(biāo)函數(shù)

本文提出的綜合能源艙以碳排放量與成本最低為目標(biāo)，設(shè)立目標(biāo)函數(shù)如式(1)所示：

(1)

圖1 用戶側(cè)綜合能源艙模塊結(jié)構(gòu)Fig.1 Structure of a user-side integrated energy module

1)投資成本。

投資成本由GB、CHP、SC+BES、TES、AC、EC、P2G的設(shè)備購買建造投資成本構(gòu)成：

(2)

產(chǎn)能與能量轉(zhuǎn)換設(shè)備(GB、CHP、AC、EC、P2G)的投資成本函數(shù)，以燃?xì)忮仩t為例，如式(3)所示：

(3)

儲(chǔ)能設(shè)備由電儲(chǔ)能(electrical energy storage,EES)與熱儲(chǔ)能組成，而電儲(chǔ)能由超級(jí)電容與蓄電池組成，其成本函數(shù)如式(4)所示：

(4)

2)運(yùn)營成本。

運(yùn)營成本由購電、購氣成本以及GB、CHP、SC+BES、TES、AC、EC、P2G的運(yùn)行維護(hù)成本組成，如式(5)所示：

(5)

以購電成本為例，向上級(jí)電網(wǎng)購能的成本函數(shù)如式(6)所示：

(6)

產(chǎn)能與能量轉(zhuǎn)換設(shè)備(GB、CHP、AC、EC、P2G)的運(yùn)行維護(hù)成本函數(shù)，以燃?xì)忮仩t為例如式(7)所示：

(7)

儲(chǔ)能設(shè)備的成本函數(shù)如式(8)所示：

(8)

3)碳排放成本。

將購電和天然氣消耗設(shè)備的使用作為碳排放懲罰的成本構(gòu)成，如式(9)所示：

(9)

4)棄風(fēng)、棄光、切負(fù)荷成本。

(10)

式中：Ppvr(t)、Pwindr(t)、Ploadr(t)分別為光伏、風(fēng)電與負(fù)荷的實(shí)際功率；Ppv(t)、Pwind(t)、Pload(t)分別為實(shí)際投入使用的光伏、風(fēng)電和負(fù)荷電量；αpv、αwind、αload分別為單位棄光、棄風(fēng)、切負(fù)荷功率懲罰成本系數(shù)。

1.2.2 約束條件

1)設(shè)備容量約束。

燃?xì)忮仩t的規(guī)劃容量約束如式(11)所示，熱電聯(lián)產(chǎn)設(shè)備公式與其相同。

(11)

以吸收式制冷機(jī)為例，其能量轉(zhuǎn)換設(shè)備容量約束如式(12)所示：

(12)

儲(chǔ)能設(shè)備容量約束以超級(jí)電容為例，如式(13)所示：

(13)

2)設(shè)備運(yùn)行約束。

(14)

(15)

以SC為例，儲(chǔ)能設(shè)備的充放電約束如式(16)所示，儲(chǔ)能狀態(tài)約束如式(17)所示：

(16)

(17)

3)購能約束。

(18)

4)能量平衡約束。

設(shè)立電平衡約束為：

(19)

能源艙熱平衡如式(20)所示：

(20)

能源艙冷平衡約束如式(21)所示：

PEC(t)ηEC+PAC(t)ηAC=PCOLD(t)

(21)

式中：ηEC、ηAC分別為壓縮式與吸收式制冷機(jī)的制冷效率；PCOLD(t)為冷負(fù)荷功率。冷負(fù)荷由壓縮式與吸收式制冷機(jī)進(jìn)行供冷。

能源艙氣平衡約束如式(22)所示：

(22)

式中：ηP2G為碳捕集裝置的天然氣制作效率。約束式(22)表示熱電聯(lián)產(chǎn)機(jī)組與燃?xì)忮仩t的天然氣來源于碳捕集裝置產(chǎn)生的天然氣和氣網(wǎng)購氣。

2 考慮風(fēng)光源荷相關(guān)性的橢球不確定集構(gòu)建

數(shù)據(jù)驅(qū)動(dòng)橢球不確定集構(gòu)建流程如下：

步驟1：用集合ωi包含風(fēng)電、光伏與負(fù)荷歷史數(shù)據(jù)。

(23)

步驟2：構(gòu)建橢球集問題式[18]。

橢球E的數(shù)學(xué)描述為：

E(Α,c)={ω∈Rn|(ω-c)TA(ω-c)≤1}

(24)

式中：A為一個(gè)對稱正定矩陣；c為橢球中心點(diǎn)。調(diào)整A與c的值，可改變橢球長短軸及對稱軸偏移角度，從而描述不確定量相關(guān)性。用體積式(25)表示橢球集可行域大?。?/p>

(25)

式中：det為求取矩陣行列式計(jì)算函數(shù)符號(hào)；ρn為單位球體體積常數(shù)。

確定橢球集特征量的問題為：

(26)

步驟3：求解問題式，得出橢球不確定集和極端場景坐標(biāo)。

Nu為風(fēng)電、光伏、負(fù)荷的數(shù)量和，使用lift-and-project KY-1[19]方法，用Nu維的最小體積橢球場景集和偏差集，將不同日期內(nèi)同一時(shí)段的所有場景包含在內(nèi)，如式(27)所示，形成高維橢球集。

(27)

式中：W與ΔW為不同日期同一時(shí)間場景的集合與偏差集，將高維橢球集旋轉(zhuǎn)平移得到橢球E′，使其中心、對稱軸與原點(diǎn)、坐標(biāo)軸重合，便于求取頂點(diǎn)坐標(biāo)。

(28)

式中：ω′i為變換后的場景；P為A=PTDP的正交分解矩陣；D為由特征值組成的對角矩陣。求得坐標(biāo)軸上的端點(diǎn)坐標(biāo)后，將其逆變換，得到原橢球端點(diǎn)坐標(biāo)，即極端場景坐標(biāo)：

ωi=c+P-1ω′i

(29)

3 雙層魯棒優(yōu)化模型求解流程

由式(1)可見，本文提出的魯棒優(yōu)化模型為min-max-min的3結(jié)構(gòu)層模型，在傳統(tǒng)CCG求解方法中，通常將其拆分為求解極限場景下整體問題最優(yōu)解的主問題Cmain，與需要經(jīng)過拉格朗日對偶處理的max-min子問題Csub。

基于本文提出的橢球不確定集極端場景數(shù)量少的優(yōu)勢，在求解過程中，本文將傳統(tǒng)CCG方法進(jìn)行改進(jìn)，在子問題的求解過程中采用極端場景枚舉的方法，代替了復(fù)雜的對偶簡化，使模型的求解過程變得更為便利。

(30)

式中：帶星號(hào)的變量即為被固定的值。如式(30)所示，主問題為在固定極端場景下整體問題的最優(yōu)解，而子問題則為在主問題規(guī)劃決策變量固定條件下，尋找最小運(yùn)行成本數(shù)值最大的最惡劣場景。

CCG迭代流程如圖2所示。

圖2 CCG迭代流程Fig.2 Iterative process of CCG

模型求解流程為：

1)設(shè)置初始場景。

在初次主問題求解中迭代計(jì)數(shù)變量i=1，隨機(jī)指定初始場景編號(hào)ω1，收斂參數(shù)δ，上界值UB=+∞，下界值LB=-∞。

2)年化規(guī)劃主問題求解。

在特定極端場景下，求解綜合能源系統(tǒng)整體規(guī)劃問題目標(biāo)函數(shù)最小值，并將其與歷次迭代中的結(jié)果對比，取最大值更新下界，如式(31)所示：

(31)

3)日調(diào)度子問題求解。

在主問題規(guī)劃得出的各設(shè)備容量不變的情況下，求解所有極端場景下的模型子問題調(diào)度方案，選取成本最大的場景作為最惡劣場景，記下其場景編號(hào)iworst,并將其成本結(jié)果與歷次迭代子問題結(jié)果對比，取最小值更新上界，如式(32)所示：

(32)

4)判斷收斂性。

將上下界差值與收斂參數(shù)對比，若達(dá)到式(33)收斂標(biāo)準(zhǔn)，則當(dāng)前決策即為能源艙規(guī)劃的最優(yōu)策略。

UB-LB<δ

(33)

若不收斂，則將此時(shí)最惡劣場景iworst的編號(hào)導(dǎo)入主問題中。i=i+1，重復(fù)步驟2)，在下一次迭代中的主問題內(nèi)添加此場景相關(guān)約束條件。

4 算例分析

4.1 參數(shù)設(shè)置

風(fēng)電、光伏、負(fù)荷數(shù)據(jù)來源于比利時(shí)Elia電網(wǎng)2022年1、4、7、8、10、12月每日07:00—18:00整點(diǎn)數(shù)據(jù)，將為0的數(shù)據(jù)加上一個(gè)極小的值以便于矩陣求逆，負(fù)荷規(guī)模為小型辦公園區(qū)型。根據(jù)換算，天然氣價(jià)格為0.295～0.465元/(kW·h)(熱值轉(zhuǎn)換為功率)，電價(jià)為0.19～0.33元/(kW·h)。根據(jù)文獻(xiàn)[20]設(shè)置棄風(fēng)、棄光懲罰系數(shù)為0.6元/(kW·h)，切負(fù)荷懲罰系數(shù)為6元/(kW·h)。設(shè)置電、氣網(wǎng)絡(luò)傳輸功率限值為500、400 kW。

設(shè)置能源艙中熱電聯(lián)產(chǎn)機(jī)組與電熱鍋爐均有3種類型備選，可單選、可多選，每種類型規(guī)劃建設(shè)功率上下限不同。其余設(shè)備數(shù)量均為1臺(tái)，僅對設(shè)備容量進(jìn)行規(guī)劃。

本文模型在MATLAB2021a中運(yùn)算，并使用YALMIP與GROUBI求解器進(jìn)行求解。

4.2 仿真分析

1)不確定集構(gòu)建仿真。

將包含187個(gè)場景(187列)、12個(gè)時(shí)段(36行)的歷史數(shù)據(jù)集標(biāo)幺化處理，通過2.1節(jié)的方法得到72個(gè)場景(72列)、12個(gè)時(shí)段(36行)的極端場景橢球不確定集。

由于高維橢球集及其端點(diǎn)難以在二維圖中展現(xiàn)，現(xiàn)抽取光電與負(fù)荷中各一維數(shù)據(jù)，繪制其同一時(shí)段內(nèi)不同場景所形成的數(shù)據(jù)集合與求得的橢球集，如圖3所示。

圖3 光伏-負(fù)荷相關(guān)性Fig.3 PV-load correlation

其中，黑色實(shí)心點(diǎn)為歷史數(shù)據(jù)點(diǎn)，紅色空心點(diǎn)為極端場景，綠色橢球?yàn)榍蟮玫臋E球集合，藍(lán)色矩形框內(nèi)為傳統(tǒng)盒式不確定集的范圍，灰色部分為盒式集合較橢球集多出的部分。由圖3可見，相較于區(qū)間不確定集對不確定變量僅規(guī)定上下限的粗糙描述而言，橢球不確定集可以靈活調(diào)整其長短軸與傾角，將歷史數(shù)據(jù)的相關(guān)性納入考慮，更加精確地對不確定變量進(jìn)行描述。同時(shí)，由式(28)第3行可見，n個(gè)不確定變量的橢球集會(huì)產(chǎn)生2n個(gè)極端場景，遠(yuǎn)少于區(qū)間不確定集的2n個(gè)極端場景，這為后續(xù)計(jì)算求解的簡化提供了便利。

2)綜合能源艙規(guī)劃仿真。

將上述參數(shù)與數(shù)據(jù)代入構(gòu)建完成的模型中，在MATLAB2021a環(huán)境中運(yùn)行，模型求解在第2次迭代時(shí)收斂，最終規(guī)劃結(jié)果如表1所示。

表1 規(guī)劃定容結(jié)果Table 1 Capacity planning result

在最惡劣的場景中，設(shè)備維持的電熱冷氣能源平衡情況如圖4—7所示，圖中正值表示注入或產(chǎn)生的能量，負(fù)值表示消耗或輸出的能量。

圖4 電能平衡出力結(jié)果Fig.4 Power balance output result

圖4中圖例部分“電儲(chǔ)能輸出、存入”為BES+SC混合儲(chǔ)能裝置的充、放電功率，圖4中可以看到其在電費(fèi)峰期12:00—14:00放出電量，在07:00—09:00和17:00電價(jià)谷期儲(chǔ)存能量，實(shí)現(xiàn)了電能的靈活利用和成本的節(jié)省。在中午時(shí)段光照充足、氣溫升高，PV產(chǎn)電量增大的同時(shí)，冷能需求增大導(dǎo)致需要使用耗電的壓縮式制冷機(jī)進(jìn)行供冷。同時(shí)，碳捕集設(shè)備在08:00—17:00時(shí)段，充分發(fā)揮回收碳排放的作用，將設(shè)備排放變?yōu)樘烊粴饫^續(xù)投入能量循環(huán)利用。

如圖5所示，在維持冷平衡時(shí)，能源艙優(yōu)先選用成本低的吸收式制冷機(jī)，依靠設(shè)備產(chǎn)生的余熱進(jìn)行供冷。在13:00時(shí)，氣溫升高、冷能需求最大時(shí)，AC達(dá)到最大功率仍不足以滿足需求，才啟用需要額外耗費(fèi)電能的壓縮式制冷機(jī)。

圖5 冷能平衡出力結(jié)果Fig.5 Cold power balance output result

如圖6所示，當(dāng)設(shè)備在運(yùn)行高峰08:00—17:00時(shí)段具有充足的產(chǎn)熱，此時(shí)吸收式制冷機(jī)充分發(fā)揮多能互補(bǔ)的作用，將余熱轉(zhuǎn)換為冷功率。同時(shí)，熱儲(chǔ)能裝置在07:00—10:00時(shí)和17:00時(shí)儲(chǔ)備熱能，在11:00—13:00時(shí)用能高峰期釋放熱能，進(jìn)行跨時(shí)段能源靈活利用。在09:00—16:00時(shí)段熱功率需求量較大時(shí)，啟用需要額外耗費(fèi)天然氣的燃?xì)忮仩t供熱，其余時(shí)刻優(yōu)先利用熱電聯(lián)產(chǎn)機(jī)組的熱能供應(yīng)。

圖6 熱能平衡出力結(jié)果Fig.6 Thermal balance output result

圖7展示了能源艙運(yùn)行的天然氣平衡情況，在早晚氣價(jià)較低時(shí)優(yōu)先購入天然氣；在耗氣設(shè)備充分運(yùn)行的08:00—17:00時(shí)段，設(shè)備用氣量增加，氣價(jià)處于峰期，同時(shí)產(chǎn)能設(shè)備的碳排放量較大，啟用碳捕集P2G裝置，將產(chǎn)能設(shè)備釋放的CO2固化加工為天然氣。在最惡劣場景中，P2G設(shè)備日運(yùn)行總功率為2 371 kW，產(chǎn)生的天然氣量以燃燒熱值換算為電功率約為2 015.35 kW，折合回收了194.72 m3的CO2，在回收固化碳排放的同時(shí)節(jié)省了能源艙運(yùn)行中購買天然氣的成本。

圖7 天然氣平衡出力結(jié)果Fig.7 Gas balance output result

綜上，能源艙電熱冷氣各用能形式均在最惡劣環(huán)境中保持了平衡，始終以最低成本與低碳排放的方式滿足了各類用能需求，證明了本文提出的基于極端場景的橢球數(shù)據(jù)驅(qū)動(dòng)魯棒優(yōu)化策略的可行性。

4.3 不確定集方法規(guī)劃結(jié)果對比

為了驗(yàn)證本文提出方法的優(yōu)越性，在設(shè)備參數(shù)與風(fēng)光、負(fù)荷數(shù)據(jù)均相同的條件下，構(gòu)建盒式不確定集的魯棒優(yōu)化模型并進(jìn)行求解。橢球集魯棒方法的年化成本為6.37×108元，區(qū)間不確定集魯棒方法年化成本為3.48×109元。由于傳統(tǒng)盒式不確定集不能通過風(fēng)電、光伏與負(fù)荷三者的相關(guān)性進(jìn)行不確定數(shù)據(jù)的精確描述，導(dǎo)致其中往往包含大量極端卻實(shí)際并不存在的惡劣場景。在惡劣環(huán)境中，能源艙趨向于使用購電、購氣、CHP等更穩(wěn)定的傳統(tǒng)能源進(jìn)行供能，無形中增加了用能成本。這使魯棒優(yōu)化的規(guī)劃結(jié)果過于保守，導(dǎo)致了能源艙規(guī)劃結(jié)果的經(jīng)濟(jì)性不理想。

相反，本文提出的極端場景的橢球不確定集可以通過靈活調(diào)整其長短軸與角度，對風(fēng)電、光伏與負(fù)荷間的歷史相關(guān)性進(jìn)行精確描述，在不確定集中減少了不必要的惡劣環(huán)境。這不僅提高了能源艙的經(jīng)濟(jì)性，而且使魯棒優(yōu)化決策更趨向于使用低碳環(huán)保的分布式新能源作為能量供給，大幅降低了碳排放。

同時(shí)，切負(fù)荷情況如圖8所示，去除實(shí)際不存在的惡劣環(huán)境場景后，能源艙棄風(fēng)、棄光與切負(fù)荷量顯著減少。這在減少新能源廢棄率的同時(shí)，保障了用戶用電的可靠性，達(dá)到了兼顧經(jīng)濟(jì)、低碳和運(yùn)行穩(wěn)定安全的目標(biāo)。

圖8 切負(fù)荷比較Fig.8 Comparison of cut load

5 結(jié) 論

本文提出了一種考慮風(fēng)-光-負(fù)荷相關(guān)性的低碳綜合能源艙數(shù)據(jù)驅(qū)動(dòng)魯棒規(guī)劃算法。首先建立了引入混合多元儲(chǔ)能與碳捕集設(shè)備的低碳綜合能源艙兩階段魯棒規(guī)劃模型。其次利用數(shù)據(jù)驅(qū)動(dòng)方法得到考慮不確定性變量間相關(guān)性的橢球集和極端場景，并使用改進(jìn)CCG求解模型。最后通過案例仿真與傳統(tǒng)盒式魯棒方法對比，驗(yàn)證了本文算法的經(jīng)濟(jì)、低碳雙重優(yōu)越性。

本文得出的結(jié)論如下：

1)本文設(shè)計(jì)的模塊化用戶側(cè)綜合能源艙結(jié)構(gòu)具有裝卸、內(nèi)部設(shè)備配置的雙重靈活性，配置了碳捕集與多元混合儲(chǔ)能裝置，有利于助力加快綜合智慧能源縱深推進(jìn)和雙碳行動(dòng)方案落地。

2)由不確定集仿真結(jié)果可見，數(shù)據(jù)驅(qū)動(dòng)橢球方法描述的不確定集合更加精確，相較傳統(tǒng)盒式方法減少了實(shí)際不存在的惡劣場景。驗(yàn)證了橢球集可靈活根據(jù)數(shù)據(jù)相關(guān)性調(diào)整形狀的特點(diǎn)，改善了傳統(tǒng)魯棒優(yōu)化決策過于保守的問題。

3)本文提出的兩階段魯棒優(yōu)化綜合能源艙模型，不僅能夠在最惡劣場景下保障電、熱、冷、氣多種能源的供應(yīng)與平衡，而且相較于傳統(tǒng)盒式魯棒模型，能夠取得更加經(jīng)濟(jì)的規(guī)劃成本、更少的碳排放和更小的棄風(fēng)、棄光、切負(fù)荷浪費(fèi)。