向 航，劉繼春，王 楊

（1.四川大學(xué)電氣工程學(xué)院，四川成都 610065；2.四川電力設(shè)計(jì)咨詢有限責(zé)任公司，四川成都 610041）

0 引言

在“碳達(dá)峰、碳中和”目標(biāo)的引領(lǐng)下，我國(guó)風(fēng)電、光伏新能源發(fā)電裝機(jī)規(guī)模將不斷增加[1-2]。新能源具有綠色低碳環(huán)保的特點(diǎn)，符合可持續(xù)發(fā)展理念和我國(guó)雙碳目標(biāo)發(fā)展戰(zhàn)略。微電網(wǎng)可以集成分布式可再生能源并向用戶直接供電，是促進(jìn)波動(dòng)性新能源高效消納的主要途徑之一[3-4]。為了保證微電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行以及新能源的可靠消納，有必要對(duì)含波動(dòng)性新能源的微電網(wǎng)優(yōu)化運(yùn)行策略[5]進(jìn)行研究。

目前，國(guó)內(nèi)外已對(duì)微電網(wǎng)優(yōu)化運(yùn)行問(wèn)題進(jìn)行了許多研究[6-7]。文獻(xiàn)[7]研究了基于熱電聯(lián)產(chǎn)的微電網(wǎng)的規(guī)劃和運(yùn)行問(wèn)題，提出了一種含熱電聯(lián)產(chǎn)機(jī)組的微電網(wǎng)規(guī)劃與運(yùn)行協(xié)同優(yōu)化運(yùn)行模型，并利用差分進(jìn)化方法求解所提模型。文獻(xiàn)[8-9]進(jìn)一步考慮了新能源出力不確定性的微電網(wǎng)優(yōu)化運(yùn)行問(wèn)題，提出了一種基于信息間隙決策理論的新能源出力不確定性建模方法。負(fù)荷側(cè)需求響應(yīng)（Demand Response，DR）是提高微電網(wǎng)運(yùn)行經(jīng)濟(jì)性和靈活性的重要措施[10-12]，并能有效降低可再生能源發(fā)電波動(dòng)帶來(lái)的系統(tǒng)運(yùn)行風(fēng)險(xiǎn)。文獻(xiàn)[13]提出了一種考慮需求響應(yīng)的微電網(wǎng)運(yùn)行模型，算例結(jié)果分析表明負(fù)荷與新能源發(fā)電的友好互動(dòng)可以有效降低終端用戶用電成本，并提升發(fā)電公司的收益。空調(diào)制冷負(fù)荷是提供需求響應(yīng)服務(wù)的重要組成部分，由于固有的熱量慣性，可為微電網(wǎng)提供大量的靈活性調(diào)節(jié)能力[14-17]。文獻(xiàn)[18]綜合考慮用戶舒適度、可控性等因素，提出了一種制冷負(fù)荷集群響應(yīng)潛力評(píng)估模型。文獻(xiàn)[19]提出一種風(fēng)電與制冷負(fù)荷協(xié)同優(yōu)化運(yùn)行模型，有效提升系統(tǒng)的靈活性并降低新能源棄電率。文獻(xiàn)[20]針對(duì)制冷負(fù)荷設(shè)備眾多、調(diào)節(jié)控制難度大的問(wèn)題，提出一種基于區(qū)塊鏈的空調(diào)制冷負(fù)荷控制方法。

商業(yè)樓宇、居民小區(qū)制冷負(fù)荷終端設(shè)備眾多、結(jié)構(gòu)復(fù)雜，難以對(duì)每臺(tái)終端設(shè)備進(jìn)行集中統(tǒng)一控制，通常可通過(guò)聚合的方式實(shí)現(xiàn)規(guī)?；K端的協(xié)調(diào)控制[21]。文獻(xiàn)[22]對(duì)中央空調(diào)聚合建模進(jìn)行了研究，并利用制冷負(fù)荷聚合調(diào)節(jié)潛力平抑風(fēng)電出力的波動(dòng)性。以空調(diào)為代表的制冷負(fù)荷[23-24]，可以利用自身熱慣性提升微電網(wǎng)靈活性調(diào)節(jié)能力，該能力可以用于平抑新能源出力波動(dòng)性，也可以在負(fù)荷高峰時(shí)段提供主動(dòng)響應(yīng)，減小供能負(fù)擔(dān)，但現(xiàn)有文獻(xiàn)對(duì)制冷負(fù)荷多種效能的協(xié)同研究以及與其它靈活性調(diào)節(jié)資源間（如儲(chǔ)能裝置）的協(xié)調(diào)運(yùn)行策略研究較少。

為此，本文提出了一種考慮制冷負(fù)荷柔性調(diào)節(jié)的微電網(wǎng)兩階段隨機(jī)優(yōu)化運(yùn)行模型，通過(guò)優(yōu)化運(yùn)行制冷負(fù)荷終端控制策略提升微電網(wǎng)整體運(yùn)行的靈活性與經(jīng)濟(jì)性。首先基于日前預(yù)測(cè)值建立微電網(wǎng)確定性多設(shè)備協(xié)同優(yōu)化模型，通過(guò)求解確定性優(yōu)化模型安排制冷負(fù)荷、儲(chǔ)能設(shè)備、柴油發(fā)電機(jī)等設(shè)備運(yùn)行策略與電網(wǎng)購(gòu)電方案。在第一階段運(yùn)行方案的基礎(chǔ)上，根據(jù)風(fēng)光新能源出力以及購(gòu)電價(jià)格波動(dòng)情況，建立新能源功率波動(dòng)平衡模型，利用微電網(wǎng)內(nèi)設(shè)備和上級(jí)電網(wǎng)剩余可調(diào)節(jié)能力去平抑功率波動(dòng)，實(shí)現(xiàn)微電網(wǎng)內(nèi)的功率再平衡，減小新能源隨機(jī)波動(dòng)帶來(lái)的系統(tǒng)運(yùn)行風(fēng)險(xiǎn)。

1 制冷負(fù)荷耗能特性與可調(diào)節(jié)功率建模

1.1 制冷負(fù)荷耗能特性

本文主要考慮集群空調(diào)制冷負(fù)荷終端參與微電網(wǎng)靈活性調(diào)節(jié)，并介紹了制冷負(fù)荷耗能特性與調(diào)節(jié)響應(yīng)潛力建模。制冷機(jī)是空調(diào)的主要耗能元件，因此本文主要考慮空調(diào)制冷機(jī)能耗。利用一階常微分方程來(lái)描述室溫變化與制冷量、房間散熱、面積等參數(shù)間的關(guān)聯(lián)特性，如式（1）所示。

式中：Ts0為設(shè)定溫度；T0為室外溫度；t為時(shí)間；Q為制冷量；α，γ與μ為表征與房間散熱、通風(fēng)、房間制冷體積等相關(guān)特性參數(shù)，推導(dǎo)過(guò)程參見(jiàn)文獻(xiàn)[25]。

求解式（1）可得，空調(diào)處于開(kāi)啟狀態(tài)時(shí)，室內(nèi)溫度隨t的變化關(guān)系為：

式中：Ts0(0)為房間室內(nèi)初始溫度。

當(dāng)趨于穩(wěn)定后，可根據(jù)式（2）計(jì)算溫差（T0-Ts0）狀態(tài)下Q的值：

空調(diào)制冷機(jī)的耗電功率與制冷量呈非線性關(guān)系，已有文獻(xiàn)研究表明制冷機(jī)耗電功率與制冷量可擬合為三次多項(xiàng)式表達(dá)式[26]，即：

式中：P為制冷機(jī)耗電功率；a為空調(diào)制冷量與耗電功率間的三次項(xiàng)擬合系；b為二次項(xiàng)系數(shù)；c為一次項(xiàng)系數(shù)；d為常數(shù)項(xiàng)。

1.2 制冷負(fù)荷可調(diào)節(jié)功率聚合模型

為了保證室內(nèi)用戶的舒適感，室內(nèi)溫度不能超過(guò)最高允許溫度Tmax，室內(nèi)溫度設(shè)定值需保持在[Ts0，Tmax]之間。空調(diào)制冷負(fù)荷可以大致分為變頻與定頻控制2 類，變頻空調(diào)節(jié)能效果更優(yōu)，但造價(jià)更高，本文選擇對(duì)定頻控制空調(diào)進(jìn)行建模，通過(guò)周期性暫?？刂品椒▉?lái)滿足用戶舒適度和減小能耗。制冷負(fù)荷平均用電功率與其開(kāi)啟時(shí)間占整個(gè)運(yùn)行時(shí)間的占空比有關(guān)。當(dāng)溫度設(shè)定值恒定時(shí)，空調(diào)的啟停狀態(tài)會(huì)發(fā)生周期性變化，對(duì)應(yīng)室內(nèi)溫度也會(huì)發(fā)生周期性變化。

當(dāng)制冷終端開(kāi)啟時(shí)，求解式（1）可得室內(nèi)溫度隨t的變化公式，如式（2）所示。同時(shí)當(dāng)制冷終端處于關(guān)閉狀態(tài)時(shí)（制冷量Q=0），室內(nèi)溫度隨t變化公式可同樣求解微分方程可得，即：

聯(lián)合式（2）和式（5）可得室內(nèi)溫度變化范圍為[Ts0，Tmax]時(shí)，空調(diào)終端開(kāi)啟與關(guān)閉持續(xù)時(shí)長(zhǎng)，即：

式中：ton與toff分別空調(diào)終端開(kāi)啟與關(guān)閉持續(xù)時(shí)長(zhǎng)。

當(dāng)外界環(huán)境溫度或設(shè)定溫度發(fā)生變化時(shí)，空調(diào)運(yùn)行占空比也會(huì)發(fā)生變化。當(dāng)室內(nèi)溫度設(shè)定值Ts0越接近Tmax時(shí)，空調(diào)運(yùn)行占空比越小，可以提供的空調(diào)負(fù)荷削減量越大。當(dāng)室內(nèi)溫度設(shè)定值Ts0在[Ts0，Tmax]周期性變化時(shí)，負(fù)荷削減量最大，其對(duì)應(yīng)的占空比R0可根據(jù)空調(diào)終端開(kāi)啟與關(guān)閉持續(xù)時(shí)長(zhǎng)得到，即：

在中央空調(diào)控制過(guò)程中，必須保證空調(diào)允許占空比不低于R0才能不影響用戶的舒適度。在室內(nèi)溫度恒定為Ts0時(shí)，單臺(tái)空調(diào)負(fù)荷用電需求可根據(jù)式（3）-式（4）計(jì)算獲得。當(dāng)室內(nèi)設(shè)定溫度在[Ts0，Tmax]范圍內(nèi)變化時(shí)，單臺(tái)空調(diào)負(fù)荷用電需求可根據(jù)式（9）計(jì)算得到。

式中：Pb為室內(nèi)溫度達(dá)到Tmax對(duì)應(yīng)的空調(diào)耗電功率。

單臺(tái)空調(diào)負(fù)荷可提供的最大調(diào)節(jié)響應(yīng)功率為：

式中：ΔP為室內(nèi)溫度在[Ts0，Tmax]范圍內(nèi)變化時(shí)對(duì)應(yīng)的空調(diào)可調(diào)節(jié)響應(yīng)功率。

當(dāng)外界溫度恒定時(shí)，M臺(tái)空調(diào)聚合最大調(diào)節(jié)功率可近似由式（11）計(jì)算得到。為空調(diào)負(fù)荷在不影響自身用能舒適度下可向微電網(wǎng)提供的調(diào)節(jié)功率范圍。

式中：m為空調(diào)終端編號(hào)；為空調(diào)聚合后可提供的最大調(diào)節(jié)功率。

2 考慮制冷負(fù)荷柔性調(diào)節(jié)的微電網(wǎng)兩階段優(yōu)化運(yùn)行模型

2.1 第一階段優(yōu)化模型

2.1.1 目標(biāo)函數(shù)

微電網(wǎng)典型結(jié)構(gòu)如圖1 所示，包括風(fēng)電場(chǎng)、光伏電站、柴油發(fā)電機(jī)、電能存儲(chǔ)裝置以及本地電力負(fù)荷[25]。本地負(fù)荷通常包括常規(guī)照明、空調(diào)等負(fù)荷。

圖1 微電網(wǎng)結(jié)構(gòu)Fig.1 Structure of micro-grid

空調(diào)負(fù)荷聚合商可以代理商業(yè)樓宇、居民小區(qū)的空調(diào)負(fù)荷，向微電網(wǎng)運(yùn)行商報(bào)相應(yīng)的負(fù)荷需求和可調(diào)節(jié)功率范圍。第一階段微電網(wǎng)優(yōu)化目標(biāo)為供能成本最小化，主要為基于購(gòu)電價(jià)格、光伏和風(fēng)電預(yù)測(cè)值建立以微電網(wǎng)供能成本最小化為目標(biāo)函數(shù)的優(yōu)化模型。本文不考慮風(fēng)光新能源的發(fā)電成本。

式中：f1為微電網(wǎng)供能成本；Ct,e為t時(shí)段的電價(jià)；Pt,e為t時(shí)段從上級(jí)電網(wǎng)購(gòu)買的電量；Cd和Pt,d為柴油發(fā)電機(jī)發(fā)電成本系數(shù)和出力；Pt,es和Ces為儲(chǔ)能t時(shí)段的充放電功率和相應(yīng)的成本系數(shù)；ΔPt,agg和Cint為t時(shí)段的空調(diào)削減負(fù)荷和補(bǔ)償成本系數(shù)；Cp和Pt,wp為新能源棄電懲罰成本系數(shù)和棄電功率；Cls和Pt,ls為t時(shí)段的失負(fù)荷懲罰成本系數(shù)和失負(fù)荷量；T為調(diào)度周期。

2.1.2 約束條件

微電網(wǎng)內(nèi)空調(diào)負(fù)荷運(yùn)行及調(diào)節(jié)響應(yīng)約束條件如式（1）-式（11）所示，微電網(wǎng)運(yùn)行控制除滿足上述約束外，還需滿足負(fù)荷平衡約束（13）、新能源出力約束（14）-式（15）、上級(jí)電網(wǎng)潮流約束（16）、柴油發(fā)電機(jī)出力約束（17）、儲(chǔ)能裝置運(yùn)行約束（18）-式（23）以及空調(diào)負(fù)荷削減量約束（24）。式（16）表示上級(jí)電網(wǎng)購(gòu)電功率不能超過(guò)線路或者下網(wǎng)變壓器的容量限制。

式中：Pt,dc和Pt,ch分別為儲(chǔ)能在t時(shí)段的放電功率和充電功率；Pt,wt和Pt,pv分別為風(fēng)電、光伏在t時(shí)段的調(diào)度功率；為風(fēng)電、光伏在t時(shí)段的預(yù)測(cè)功率，t時(shí)段新能源預(yù)測(cè)功率和調(diào)度功率的差值即為棄電功率；Pt,l為t時(shí)段的負(fù)荷需求；分別為柴油發(fā)電機(jī)輸出功率的最小值和最大值。

式（18）-式（19）為t時(shí)段儲(chǔ)能充放電功率約束，式（20）表征儲(chǔ)能充電和放電不能在t時(shí)段內(nèi)同時(shí)發(fā)生。式（21）-式（22）為儲(chǔ)能容量約束，式（23）表示調(diào)度周期結(jié)束時(shí)儲(chǔ)能剩余電量應(yīng)與調(diào)度開(kāi)始時(shí)相同，以方便下一個(gè)調(diào)度周期使用。式（24）表示空調(diào)負(fù)荷調(diào)節(jié)功率調(diào)度約束。

2.2 第二階段優(yōu)化模型

2.2.1 目標(biāo)函數(shù)

模型目標(biāo)函數(shù)包含2 個(gè)部分：

1）考慮購(gòu)電價(jià)格、風(fēng)電、光伏出力預(yù)測(cè)偏差的平衡成本。當(dāng)新能源日內(nèi)實(shí)際功率與日前預(yù)測(cè)發(fā)生偏差時(shí)，需調(diào)用空調(diào)負(fù)荷、儲(chǔ)能設(shè)備、柴油發(fā)電機(jī)、上級(jí)電網(wǎng)可調(diào)節(jié)空間去平抑新能源功率波動(dòng)，此部分目標(biāo)函數(shù)為各種波動(dòng)場(chǎng)景下功率平衡成本最小化。

式中：f2為微電網(wǎng)應(yīng)對(duì)波動(dòng)因素的平衡成本；s，S為購(gòu)電價(jià)格、風(fēng)電、光伏出力預(yù)測(cè)偏差場(chǎng)景標(biāo)識(shí)；T為時(shí)段；為場(chǎng)景s下t時(shí)段的購(gòu)電電價(jià)；為t時(shí)段的購(gòu)電功率變化量；為柴油發(fā)電機(jī)t時(shí)段功率輸出變化量；為儲(chǔ)能充電功率或放電功率變化量；為場(chǎng)景s下空調(diào)負(fù)荷調(diào)節(jié)功率變化量；為場(chǎng)景s下微電網(wǎng)失負(fù)荷量。

2）剩余未平衡功率最小化?？紤]實(shí)際微電網(wǎng)可調(diào)節(jié)能力存在無(wú)法實(shí)現(xiàn)新能源波動(dòng)功率平衡的情況，本文將未平衡功率作為懲罰優(yōu)化目標(biāo)之一。

式中：f3為未平衡功率懲罰項(xiàng)；γ為未平衡功率懲罰因子。

2.2.2 約束條件

式（27）為波動(dòng)場(chǎng)景s下風(fēng)電、光伏輸出功率調(diào)度約束；式（28）-式（29）為上級(jí)電網(wǎng)購(gòu)電和柴油發(fā)電機(jī)運(yùn)行約束約束。式（30）-式（33）為儲(chǔ)能設(shè)備運(yùn)行約束。式（34）為空調(diào)負(fù)荷可調(diào)節(jié)功率調(diào)度約束。

3 算例分析

3.1 算例介紹

系統(tǒng)拓?fù)浣Y(jié)構(gòu)如圖1 所示，微電網(wǎng)中設(shè)備參數(shù)如表1 所示，風(fēng)電、光伏與負(fù)荷日前預(yù)測(cè)值如圖2所示，新能源棄電懲罰成本為2 元/kWh。

表1 微電網(wǎng)內(nèi)設(shè)備及價(jià)格參數(shù)Table 1 Equipment and price parameters of MG

圖2 新能源功率與負(fù)荷需求預(yù)測(cè)值Fig.2 Forecasted value of renewable generation and load demand

本文算例共有3 棟商業(yè)樓宇中央空調(diào)負(fù)荷參與需求側(cè)響應(yīng)，空調(diào)負(fù)荷削減調(diào)控的時(shí)間段為10:00—20:00，各時(shí)段室外預(yù)測(cè)溫度如表2 所示，3 棟樓宇市內(nèi)溫度需求范圍與相關(guān)參數(shù)見(jiàn)表3、表4。算例仿真在MATLAB R2018a 軟件上進(jìn)行，模型求解采用Cplex 12.7.0。

表2 不同時(shí)段室外溫度預(yù)測(cè)值Table 2 Outdoor temperature forecasted value ℃

表3 室內(nèi)溫度需求Table 3 Indoor temperature forecasted value ℃

表4 樓宇中央空調(diào)負(fù)荷參數(shù)Table 4 Parameters of central air conditioning load

3.2 微電網(wǎng)運(yùn)行結(jié)果分析

3.2.1 微電網(wǎng)運(yùn)行經(jīng)濟(jì)性分析

為了分析制冷負(fù)荷靈活調(diào)節(jié)能力的作用，設(shè)置2 種對(duì)比場(chǎng)景。場(chǎng)景1：僅儲(chǔ)能、柴油發(fā)電機(jī)參與靈活性調(diào)控，中央空調(diào)負(fù)荷不提供靈活調(diào)節(jié)功率。場(chǎng)景2：制冷負(fù)荷、儲(chǔ)能、柴油發(fā)電機(jī)等資源協(xié)同參與靈活性調(diào)控。

表5 顯示了2 種場(chǎng)景下的運(yùn)行成本結(jié)果，場(chǎng)景1 中微電網(wǎng)總運(yùn)行成本為122 619.1 元，其中，日前供能成本和波動(dòng)平衡成本分別為118 729.1 元、3 890 元。而場(chǎng)景2 中總運(yùn)行成本為118 577.1 元，較場(chǎng)景1 下降約3.3%。表6 顯示了2 種場(chǎng)景下的失負(fù)荷量和新能源棄電量情況。場(chǎng)景2 總失負(fù)荷量為1 267.8 kWh，較場(chǎng)景1 下降約64.7%，在場(chǎng)景2中制冷負(fù)荷各時(shí)段累計(jì)提供的削減調(diào)控電量達(dá)4 208.4 kWh，空調(diào)負(fù)荷靈活性調(diào)控有效降低了微電網(wǎng)尤其是高峰負(fù)荷時(shí)段的供電壓力，減小了系統(tǒng)失負(fù)荷成本。從表6 可以看出，2 種場(chǎng)景下新能源棄電量均為零，本文考慮優(yōu)先消納新能源，因此棄電懲罰成本較高，單位棄電成本2 元/ kWh，因此在新能源日前預(yù)測(cè)和各種波動(dòng)場(chǎng)景下微電網(wǎng)會(huì)優(yōu)先調(diào)用各種可調(diào)節(jié)資源去平抑新能源波動(dòng)。當(dāng)新能源棄電成本由2 元/kWh 下降至0.5 元/kWh，場(chǎng)景1 中各時(shí)段累計(jì)新能源棄電量將達(dá)到678 kWh，而場(chǎng)景2 中由于空調(diào)負(fù)荷可以降低主動(dòng)削減調(diào)控電量以提升新能源消納能力，因此仍未出現(xiàn)棄電現(xiàn)象。

表5 場(chǎng)景1和場(chǎng)景2下的微電網(wǎng)運(yùn)行成本Table 5 Operation cost of MG in case 1 and case 2

表6 場(chǎng)景1和場(chǎng)景2下的微電網(wǎng)失負(fù)荷與新能源棄電量Table 6 Micro-grid load loss and renewable energy abandonment in case 1 and case 2

3.2.2 微電網(wǎng)能量流平衡結(jié)果分析

基于日前預(yù)測(cè)場(chǎng)景的微電網(wǎng)電力平衡結(jié)果分別如圖3 和圖4 所示。從各時(shí)段功率決策結(jié)果來(lái)看，場(chǎng)景1 中高峰負(fù)荷時(shí)段存在棄電量情況，單時(shí)段最大失負(fù)荷功率達(dá)到964.9 kW，運(yùn)行周期內(nèi)累計(jì)失負(fù)荷量達(dá)到3 597.1 kWh。相比之下，場(chǎng)景2 中單時(shí)段最大失負(fù)荷功率為776.2 kW，累計(jì)失負(fù)荷量下降至1 267.8 kWh，高峰需求期間的負(fù)荷損失減少約2 329 kWh。由于空調(diào)制冷負(fù)荷可以參與調(diào)控，減小高峰時(shí)段的負(fù)荷需求，同時(shí)也使得電網(wǎng)總購(gòu)電量也從場(chǎng)景1 中的82 046.9 kWh 降低至場(chǎng)景2 的80 343.1 kWh，從而降低微電網(wǎng)的供電負(fù)擔(dān)和提升整體的運(yùn)行經(jīng)濟(jì)性。

圖3 場(chǎng)景1微電網(wǎng)各時(shí)段功率調(diào)度結(jié)果Fig.3 Hourly power scheduling results in case 1

圖4 場(chǎng)景2微電網(wǎng)各時(shí)段功率調(diào)度結(jié)果Fig.4 Hourly power scheduling results in case 2

3.3 新能源波動(dòng)平抑效果分析

本文采用K-means 算法對(duì)原始波動(dòng)場(chǎng)景進(jìn)行聚類分析以獲取典型波動(dòng)場(chǎng)景，購(gòu)電價(jià)格典型場(chǎng)景如圖5 所示。新能源發(fā)電功率典型場(chǎng)景如圖6 所示。s1-s10 為根據(jù)歷史新能源出力情況聚類獲得的10種典型場(chǎng)景。

圖5 購(gòu)電價(jià)格波動(dòng)場(chǎng)景Fig.5 Fluctuation scenarios of electricity purchase price

圖6 新能源波動(dòng)場(chǎng)景Fig.6 Fluctuation scenarios of renewable energy output

本文以波動(dòng)場(chǎng)景s1 為例，分析場(chǎng)景1 和場(chǎng)景2下的波動(dòng)平衡情況。將新能源實(shí)際發(fā)電功率與預(yù)測(cè)功率定義為偏差功率，在新能源偏差功率為正的情況下，微電網(wǎng)運(yùn)營(yíng)商需降低供能設(shè)備出力或電網(wǎng)購(gòu)電量，反之微電網(wǎng)運(yùn)營(yíng)商需增加供能設(shè)備出力或電網(wǎng)購(gòu)電量以滿足供能缺口。在波動(dòng)場(chǎng)景s1 中，新能源向上波動(dòng)總電量為6 082 kWh，向下波動(dòng)總電量為-2 297 kWh。場(chǎng)景1 和場(chǎng)景2 下偏差功率平衡結(jié)果分別如圖7 和圖8 所示。

圖7 場(chǎng)景1下新能源偏差功率平衡情況Fig.7 Power balance of renewable energy deviation in case 1

圖8 場(chǎng)景2下新能源偏差功率平衡情況Fig.8 Power balance of renewable energy deviation in case 2

在場(chǎng)景1 中，通過(guò)調(diào)用儲(chǔ)能、柴油發(fā)電機(jī)與電網(wǎng)購(gòu)電剩余可調(diào)節(jié)能力空間，新能源向上波動(dòng)功率被平抑為零，向下波動(dòng)功率由-2 297 kWh 降低為-1 178.4 kWh。在場(chǎng)景2 中，空調(diào)負(fù)荷可以在滿足用能舒適度的前提下通過(guò)增加或減小用電需求降低新能源偏差功率，整體新能源向下波動(dòng)功率由-1 178.4 kWh 降低為-453.0 kWh，降幅達(dá)61.6%。場(chǎng)景1 和場(chǎng)景2 下新能源波動(dòng)平抑前和平抑后結(jié)果如圖9 所示。

圖9 不同場(chǎng)景下新能源波動(dòng)平抑情況Fig.9 Stabilization of new energy fluctuations in different cases

經(jīng)過(guò)調(diào)用微電網(wǎng)可用調(diào)節(jié)能力，波動(dòng)平抑后的新能源各時(shí)段出力與預(yù)測(cè)值偏差程度減小，且場(chǎng)景2 中新增空調(diào)參與靈活性調(diào)控可以使得新能源波動(dòng)偏差更小，空調(diào)與儲(chǔ)能、燃機(jī)等裝置協(xié)同參與調(diào)控對(duì)于新能源波動(dòng)平抑有更加明顯的效果。

3.4 制冷負(fù)荷終端運(yùn)行情況分析

以場(chǎng)景s1 為例分析不同樓宇空調(diào)制冷負(fù)荷削減情況。圖10 和圖11 分別了顯示3 棟樓宇制冷負(fù)荷參與調(diào)節(jié)響應(yīng)的功率和運(yùn)行占空比情況，從整體削減功率來(lái)看，制冷負(fù)荷在高峰時(shí)段削減功率更大，由于系統(tǒng)調(diào)節(jié)需求和不同樓宇空調(diào)制冷負(fù)荷調(diào)節(jié)潛力有所差異，3 棟樓宇在各時(shí)段的削減功率有所差異。

圖10 制冷負(fù)荷削減功率決策結(jié)果Fig.10 Hourly power regulation results of cooling load

圖11 中央空調(diào)運(yùn)行占空比Fig.11 Hourly operation duty circle of central air conditioning load

從如圖11 可知，3 棟樓宇空調(diào)運(yùn)行占空比呈現(xiàn)先升后降的趨勢(shì)。這是因?yàn)轭A(yù)測(cè)的室外溫度呈現(xiàn)出先上升后下降的趨勢(shì)（如表2 所示）。本文進(jìn)一步分析了不同室外溫度環(huán)境下樓宇空調(diào)運(yùn)行占空比情況，以第二棟樓宇為例，其在不同室外溫度環(huán)境下各時(shí)段運(yùn)行占空比情況如圖12 所示，可以看出，室外溫度越高，空調(diào)開(kāi)啟的時(shí)間越長(zhǎng)，相應(yīng)的空調(diào)運(yùn)行占空比會(huì)提升。

圖12 不同室外溫度下中央空調(diào)負(fù)運(yùn)行占空比Fig.12 Hourly operation duty circle of central air conditioning load in different outdoor temperature

4 結(jié)論

本文提出了一種考慮制冷負(fù)荷柔性調(diào)節(jié)的微電網(wǎng)兩階段隨機(jī)優(yōu)化運(yùn)行模型，通過(guò)周期性暫?？刂品椒ê蛢?yōu)化運(yùn)行制冷終端設(shè)備占空比策略，提升集群制冷負(fù)荷可調(diào)節(jié)響應(yīng)潛力。通過(guò)算例仿真發(fā)現(xiàn)，考慮制冷負(fù)荷聚響應(yīng)能力和儲(chǔ)能設(shè)備優(yōu)化控制策略后，微電網(wǎng)日內(nèi)高峰時(shí)段負(fù)荷損失量減少約2 329 kWh，系統(tǒng)總運(yùn)行成本降低約3.3%。同時(shí)，制冷負(fù)荷可以有效平抑新能源波動(dòng)性，整體可使新能源波動(dòng)偏差功率減小約61%。