陳晚晴，項康利，林曉凡，吳志軍，郭浩辰

（1.國網(wǎng)福建省電力有限公司經(jīng)濟技術(shù)研究院，福州 350012；2.天津大學智能電網(wǎng)教育部重點實驗室，天津 300072）

近年來，傳統(tǒng)化石能源短缺、能源安全和環(huán)境保護等問題日益嚴重[1]，未來能源系統(tǒng)將會朝著清潔、低碳、智慧、綜合的方向發(fā)展。以“源、網(wǎng)、荷、儲”一體化和多能互補協(xié)同為主要特征的綜合能源系統(tǒng)IES（integrated energy system）備受關(guān)注，它可以耦合各種能源網(wǎng)絡(luò)，靈活地轉(zhuǎn)換電能、熱能、冷能和氣能等，高效供應(yīng)能源，并吸收分布式可再生能源[2]，在研究如何提高能源利用效率，促進能源可持續(xù)發(fā)展等方面具有重要的價值。

園區(qū)綜合能源系統(tǒng)CIES（campus integrated energy system）綜合優(yōu)化冷、熱、電、氣等能源在供應(yīng)、傳輸、消費和轉(zhuǎn)換的過程。文獻[3]提出冷、熱、電聯(lián)供CCHP（combined cooling，heating and power）系統(tǒng)的多目標優(yōu)化配置來降低累計投資成本；文獻[4]提出基于冷、熱、電聯(lián)供系統(tǒng)的電氣IES 優(yōu)化規(guī)劃模型。為提高可再生能源利用率，減少對傳統(tǒng)發(fā)電機組的使用，并降低碳排放，電轉(zhuǎn)氣P2G（power-togas）技術(shù)可以將過剩的電能轉(zhuǎn)化為氫氣和天然氣，是電氣之間的重要連接樞紐[5]，它可以提高各發(fā)電機組的靈活性，促進系統(tǒng)經(jīng)濟化和低碳化發(fā)展[6]。文獻[7]研究燃氣輪機和P2G 機組聯(lián)合運行的最優(yōu)策略，利用購買二氧化碳（CO2）與P2G 機組生產(chǎn)的氫氣制甲烷；文獻[8]提出含耦合電轉(zhuǎn)氣P2G和碳捕獲系統(tǒng)CCS（carbon capture system）的優(yōu)化調(diào)度模型，有效減少二氧化碳排放并實現(xiàn)可再生能源的高效利用。因此，本文在系統(tǒng)中同時引入碳捕集設(shè)備和氫儲能設(shè)備，利用P2G 技術(shù)將電力系統(tǒng)中的棄風、棄光轉(zhuǎn)化成氫氣，進一步制成氫燃料電池來供電和熱。

在綜合能源系統(tǒng)中，園區(qū)運營商根據(jù)負荷需求和供需關(guān)系制定合適的價格策略，供應(yīng)商和消費者再根據(jù)運營商給出的價格信息做出回應(yīng)，博弈過程存在先后順序，符合主從之間的動態(tài)博弈情況[9]。文獻[10]提出考慮負荷需求響應(yīng)并以最優(yōu)綜合利潤為目標的區(qū)域綜合能源博弈優(yōu)化策略；文獻[11]提出基于多智能體深度強化學習的“電-熱-氣”綜合能源系統(tǒng)的兩級協(xié)同控制策略模型，提高綜合能源系統(tǒng)能效并降低成本；文獻[12]以能源效率和成本為優(yōu)化目標，提出考慮Stackelberg 博弈動態(tài)定價和運營策略優(yōu)化的熱電一體化能源系統(tǒng)的兩階段能源管理方法。

雖然電儲能可以緩解風光發(fā)電帶來的不確定性問題，但是電儲能只能進行短周期內(nèi)的電能供需平衡調(diào)節(jié)，若需要進行大規(guī)模新能源跨季節(jié)、長周期的儲能，電儲能的容量限制會相對明顯。相比之下，氫儲能的最大優(yōu)勢在于續(xù)航時間更長，系統(tǒng)容量更大，單位容量的投資成本更低。配合其自衰減率低、能量密度高等特點，氫儲能在多日連續(xù)調(diào)峰、季度調(diào)峰上優(yōu)勢明顯。因此，本文將電儲能和氫儲能相結(jié)合，組成電-氫混合儲能系統(tǒng)來探究儲能投資價值。

為了深度降低碳排放，僅僅通過耦合設(shè)備來實現(xiàn)IES的低碳經(jīng)濟運行是不夠的。碳捕集被認為是提高能源效率、減少碳排放和提高運營經(jīng)濟性的有效措施[13-15]。文獻[16-17]驗證了CCS改造在實際案例中電力系統(tǒng)脫碳的有效性。但是，由于CCS組件的性能，會導致發(fā)電廠的成本增加[18]。然而，一項全面的研究表明，碳交易市場可以推動碳捕獲技術(shù)的重大發(fā)展[19]。傳統(tǒng)的火力發(fā)電裝置可以通過安裝的CCS 裝置改裝為碳捕集發(fā)電廠[20]。電力系統(tǒng)中CCPP的低碳發(fā)電調(diào)度問題已被廣泛研究。文獻[21]提出了一個改進的模型，用于在傳統(tǒng)的經(jīng)濟調(diào)度問題中靈活運行CCPP，并在30 總線電力系統(tǒng)上進行了測試；文獻[22]提出了考慮CCPP靈活運行的多目標低碳經(jīng)濟調(diào)度問題，并通過仿真驗證了所提調(diào)度方法的有效性；文獻[23]提出一種考慮碳捕集和氫氣需求的綜合能源系統(tǒng)低碳優(yōu)化調(diào)度模型，建立了風-光-氫能WPHP（wind-photovoltaic-hydrogen power）一體化模型和CCS 與P2G 耦合模型，為IES可再生能源適應(yīng)可靠供氫提供了有效途徑，解決了P2G 的碳源問題，降低了碳凈排放。因此，本文將碳捕集設(shè)備與電氫儲能結(jié)合，深入研究其在主從博弈框架下的價值。

針對上述問題，本文提出主從博弈框架下多個利益主體的運行優(yōu)化策略；構(gòu)建了氫儲能和碳捕集聯(lián)合優(yōu)化運行模型和CIES 各主體的收益模型，提出保護各主體隱私的分布式求解算法，采用自適應(yīng)差分進化算法結(jié)合Matlab2022b以及Yalmip工具與CPLEX求解器進行求解，最后通過算例分析驗證了本文所提模型和算法的優(yōu)越性。本文創(chuàng)新點如下。

（1）通過將電儲能和氫儲能相結(jié)合形成電-氫混合儲能系統(tǒng)。相較于電儲能系統(tǒng)，這種混合儲能系統(tǒng)具有續(xù)航時間更長、系統(tǒng)容量更大、單位容量投資成本更低的特點，能夠充分發(fā)揮兩種儲能技術(shù)的優(yōu)勢，提供持續(xù)且大容量的能量供應(yīng)，為長周期的電能供需平衡調(diào)節(jié)提供解決方案。

（2）本文提出了一種分布式求解算法，旨在電力市場的激烈競爭中保護各利益主體的信息隱私。傳統(tǒng)的Stackelberg 博弈方法需要公開各參與者的目標函數(shù)、設(shè)備參數(shù)、用能偏好等詳細信息，但這些信息通常被視為商業(yè)機密。該算法通過上層ESP 制定價格策略，下層跟隨者根據(jù)提供的價格信息做出響應(yīng)，從而實現(xiàn)了信息隱私和市場競爭的平衡。

1 園區(qū)綜合能源系統(tǒng)架構(gòu)

本文提出的CIES 包括園區(qū)運營商ESP（energy service provider）、能源供應(yīng)商ES（energy supplier）、負荷聚合商LA（load aggregator）和儲能運營商ESO（energy storage operator）。其中ESP作為能源供需之間的橋梁，連接了供能端、儲能端和負荷端，實現(xiàn)了源、網(wǎng)、荷、儲一體化運行。CIES的架構(gòu)如圖1所示。

圖1 CIES 的架構(gòu)Fig.1 Architecture of CIES

ESP 根據(jù)供需關(guān)系和市場行情制定能源購售價格，購買ES 生產(chǎn)的能源，出售給LA 和ESO，從中賺取利益，與電網(wǎng)相比，ESP 提供更加靈活的價格策略，且購電價格比電網(wǎng)上網(wǎng)價格高，售電價格比電網(wǎng)分時電價低，更好地激勵各利益主體的參與和負荷的調(diào)節(jié)。ES作為系統(tǒng)源端，以天然氣作為輔助燃料，通過CCHP 機組和新能源發(fā)電設(shè)備為系統(tǒng)提供電能、熱能和冷能。根據(jù)上層領(lǐng)導者ESP制定的購能價格，ES 優(yōu)化機組設(shè)備的逐時出力，最大化自身收益；用戶端重新優(yōu)化負荷需求，減少購能支出；ESO 在用能低谷期以較低的價格購買能源儲存起來，在用能高峰期以高價賣出，賺取利益。

為提高新能源利用率、降低碳排放量，本文提出碳捕集和氫儲能系統(tǒng)協(xié)同運行優(yōu)化框架。首先，在用電低谷時期，利用電解槽將棄風和棄光電解為氫氣，儲存在儲氫罐中。在用電高峰時期，以氫氣為燃料，利用燃料電池發(fā)電和制熱，滿足用戶需求，除此之外，還可以出售一定量的高純度氫氣，為ESO 提供新的盈利模式。這種應(yīng)用方式類似于蓄電池，在能源系統(tǒng)調(diào)度中發(fā)揮重要作用，提高可再生能源的消納率。與此同時，碳捕集設(shè)備將燃氣輪機和燃氣鍋爐等設(shè)備燃燒產(chǎn)生的二氧化碳捕獲，從而減少二氧化碳排放，具有明顯的環(huán)境效益，并獲取碳交易收入。在氫儲能和碳捕集協(xié)同運行作用下，整個系統(tǒng)運行成本進一步降低，同時提高CIES 的新能源消納率和碳減排率，提高系統(tǒng)的綜合收益。

2 園區(qū)綜合能源系統(tǒng)模型

2.1 氫儲能模型

氫儲能模型主要包括電解槽、氫儲罐和燃料電池，其轉(zhuǎn)換模型為

2.2 碳捕集模型

碳捕集設(shè)備將系統(tǒng)內(nèi)燃氣輪機和燃氣鍋爐等設(shè)備燃燒產(chǎn)生的二氧化碳捕獲，從而降低碳排放。其模型為

2.3 各主體收益模型

本文規(guī)定，5—10月為用戶供冷，11月至次年4月為用戶供熱。雖然冷能與熱能的轉(zhuǎn)化方式不同，但交易模式基本一致，僅對供熱模式進行分析。

2.3.1 含氫儲能的儲能運營商收益模型

在園區(qū)運營商給出購電和售電價格后，儲能運營商通過調(diào)節(jié)蓄電池充放電功率來獲得收益，并達到“削峰填谷”的作用。由于熱儲能和冷儲能技術(shù)還不成熟，本文中沒有考慮。除此之外，棄風、棄光被儲能運營商收購并制成氫氣，直接出售或進一步制成燃料電池發(fā)電和供熱。模型可表示為

式中：IESO為ESO 的收益；和分別為ESO的電儲能凈收入、氫儲能凈收入和運行成本；為蓄電池出售的電功率；為蓄電池購買的電功率；和分別為園區(qū)運營商購電價、購熱價和售電價；為氫儲能售氫量；cH2為氫價；QHT、QEL和QFC分別為燃氫燃氣輪機、電解槽和燃料電池的容量配置；λHT、λEL和λFC分別為燃氫燃氣輪機、電解槽和燃料電池單位配置容量的價格；r和m分別為利率和使用壽命。儲電池和氫儲設(shè)備要保持日周期內(nèi)始末儲量相等。以蓄電池為例，其約束條件可以表示為

2.3.2 含碳捕集的能源供應(yīng)商收益模型

能源供應(yīng)商在ESP給出購能價格的基礎(chǔ)上，調(diào)整內(nèi)部設(shè)備出力。最大目標收益可表示為

式中：IES為ES的收益；為售能收入；為碳交易收入；為燃料成本；為出售給ESP 的電功率和熱功率；aE、bE、dE（aH、bH、dH）為燃氣輪機（燃氣鍋爐）的燃料成本系數(shù)；cES為碳交易價格；μGT和μGB為燃氣輪機和燃氣鍋爐單位碳排放配額；分別為光伏、風電、燃氣輪機、燃料電池輸出的電功率；和分別為燃氣鍋爐、余熱鍋爐和燃料電池輸出的熱功率；ηH為熱交換器的工作效率。

余熱鍋爐輸出的熱功率與燃氣輪機輸出的電功率關(guān)系為

式中，ηGT.E和ηWH.H分別為燃氣輪機的發(fā)電效率和余熱鍋爐的制熱效率。

2.3.3 園區(qū)運營商模型

ESP 根據(jù)日常供需關(guān)系和市場行情制定購買和售出的能源價格，當無法滿足熱負荷需求時，ESP需要給予一定的賠償。最大目標收益為

式中：T為1 d 中的24 h；t為1 d 24 h 中某一小時；IESP為ESP 的收益；分別為電能交易凈收入、熱能交易凈收入和供熱中斷懲罰成本；為出售熱能的價格；分別為出售的電能、熱能功率；分別為購買的電能、熱能功率；λH為熱能的供能中斷懲罰系數(shù)；為供熱中斷量。

模型中綜合能源系統(tǒng)設(shè)定為孤網(wǎng)運行，要求ESP 的能源全部來自于ES，而ES 的能源來自于燃氣輪機、光伏、風電。同時，為避免LA 和ESO 直接與電網(wǎng)進行交易，購電價格要大于上網(wǎng)電價，售電價格要小于電網(wǎng)分時電價。為滿足自身的利益需求，購電價格要小于電網(wǎng)的分時電價，售電價格要大于上網(wǎng)電價。同時，購買和出售熱能的價格分別在合理的市場價格區(qū)間內(nèi)，約束條件為

2.3.4 負荷聚合商模型

用戶根據(jù)領(lǐng)導者的定價對負荷進行調(diào)整。最大目標收益函數(shù)為用戶滿意度減去購能成本，即

式中：i∈{E,H}；wE和vE分別為用戶消費電能的偏好系數(shù)；wH和vH分別為用戶消費熱能的偏好系數(shù)；和分別為可調(diào)電負荷和可削減熱負荷；和分別為負荷聚合商購買的電能和熱能功率。其中電負荷包括固定電負荷和可調(diào)節(jié)電負荷，熱負荷包括初始熱負荷和可削減熱負荷，分別表示為

3 主從博弈框架

3.1 博弈基本概念

在CIES模型中，園區(qū)運營商、能源供應(yīng)商、儲能運營商和負荷聚合商之間的決策存在先后順序，并且相互影響，符合主從遞階結(jié)構(gòu)的動態(tài)博弈情況，因此本文以園區(qū)運營商為主從博弈的上層領(lǐng)導者，能源供應(yīng)商、儲能運營商和負荷聚合商為不同利益的跟隨者，構(gòu)建一主多從Stackelberg博弈模型，即

式中，P、S、I分別為博弈模型三要素參與者、策略和收益。其中：參與者包括園區(qū)運營商PESP、能源供應(yīng)商PES、儲能運營商PESO、負荷聚合商PLA；策略中，能源服務(wù)商的策略為購售價格，能源供應(yīng)商的策略為機組出力，儲能運營商的策略為充放電功率，負荷聚合商的策略為負荷需求響應(yīng)；收益為上述參與者的目標函數(shù)，分別對應(yīng)式（8）、式（15）、式（22）和式（30）。

各參與者的策略集表示為

3.2 Stackelberg 博弈均衡

當跟隨者根據(jù)領(lǐng)導者制定的策略做出最優(yōu)響應(yīng)且領(lǐng)導者接受該響應(yīng)時，博弈達到平衡狀態(tài)。設(shè)為Stackelberg均衡解，需滿足

在Stackelberg 均衡解中，任一參與者都無法通過獨自改變策略來獲取更大的收益[24]。

3.3 模型求解方法

在電力市場的激烈競爭中，各利益主體信息是商業(yè)機密，然而傳統(tǒng)的集中式求解方法需要提供各參與者的目標函數(shù)、各設(shè)備參數(shù)、用能偏好等詳細信息。本文提出的差分進化算法是結(jié)合二次規(guī)劃的分布式均衡求解方法，其模型求解流程如圖2所示，其中上層ESP目標函數(shù)的求解是大規(guī)模非線性規(guī)劃問題，采用差分進化算法進行求解，將求解完成得到ESP的電價和熱價傳送給下層跟隨者；下層跟隨者目標函數(shù)中含有二次項，利用Yalmip工具與CPLEX求解器求解計算自身利益，并將優(yōu)化策略反饋給上層領(lǐng)導者。上層領(lǐng)導者根據(jù)下層跟隨者反饋的優(yōu)化策略計算目標收益，并和交叉變異之后的種群計算收益進行比較，將收益大的群體繼續(xù)進行交叉變異，如此迭代計算，直到結(jié)束。

圖2 模型求解流程Fig.2 Flow chart of model solving

4 算例分析

4.1 基本數(shù)據(jù)

以中國北方某地區(qū)的CIES 為例，分析供熱階段的某一典型日。一天內(nèi)的風光發(fā)電以及電、熱負荷功率預(yù)測曲線如圖3所示。

圖3 功率預(yù)測曲線Fig.3 Power prediction curve

設(shè)用戶可調(diào)節(jié)電負荷占需求電負荷總量的20%，可削減熱負荷占需求熱負荷總量的20%。用戶對電能和熱能的偏好常系數(shù)we、ve和wh、vh分別為1.6、0.002 2 和1.4、0.011。綜合能源系統(tǒng)設(shè)備容量參數(shù)如表1所示。

表1 設(shè)備運行參數(shù)Tab.1 Equipment operating parameters

蓄電池的額定容量為450 kW，容量上、下限分別為90%和10%，爬坡約束為20%，自損率為0.1%，儲電和放電效率均為95%。系統(tǒng)其他運行參數(shù)、偏好系數(shù)、碳捕集、碳交易、成本系數(shù)、氫儲能等系統(tǒng)基本參數(shù)見文獻[24-27]。本文算例中，負荷數(shù)據(jù)和設(shè)備容量數(shù)據(jù)單位均為kW，考慮到負荷的逐年增長，碳排放總體仍呈增長的趨勢，因此為了滿足市場對清潔能源解決方案的需求，并為未來能源系統(tǒng)的規(guī)模擴大奠定基礎(chǔ)，需要借助碳捕集等技術(shù)助力“雙碳”目標的達成[9]。

為了驗證本文所提模型求解方法的優(yōu)越性，對比分析了與傳統(tǒng)的差分進化DE（differential evolution）算法和遺傳算法GA（genetic algorithm）的差別，結(jié)果如表2所示。本文算法在迭代次數(shù)和收斂時間上比2 種傳統(tǒng)算法都有較大的提升。由此可知，改進的差分進化算法結(jié)合二次規(guī)劃的分布式均衡求解方法與傳統(tǒng)的DE和GA相比，既能保護各主體商業(yè)信息隱私，又能在迭代次數(shù)和收斂時間上有較大的提升。

表2 3 種求解算法比較Tab.2 Comparison among three solving algorithms

4.2 不同優(yōu)化場景對比

為了驗證本文所提出的電-氫-碳協(xié)同調(diào)度系統(tǒng)協(xié)同運行優(yōu)化策略的有效性和經(jīng)濟性，分析以下3種不同的CIES運行情景：場景1，不考慮氫儲能和碳捕集的CIES；場景2，僅考慮氫儲能的CIES；場景3，同時考慮碳捕集和氫儲能的CIES。以上3 種場景的運行方式對比結(jié)果如表3所示。

表3 3 種運行方式比較Tab.3 Comparison among three types of operation mode

各主體優(yōu)化迭代過程如圖4 所示，上層園區(qū)運營商為主從博弈中主體的一方，下層的能源供應(yīng)商、負荷聚合商和儲能運營商為跟隨者的一方，進行主從博弈。上層的園區(qū)運營商將電價和熱價傳送給下層的跟隨者，每個跟隨者分別計算自身收益，并上傳給上層領(lǐng)導者，下層跟隨者之間沒有信息交互，因此屬于雙方博弈。從圖4 中可以看出，在第120 次迭代時，基本達到了收斂效果；隨著迭代次數(shù)的增加，領(lǐng)導者的收益逐漸增加，而跟隨者的收益則呈現(xiàn)震蕩或下降趨勢，這體現(xiàn)了各主體之間的博弈過程；當達到Stackelberg 均衡后，各主體收益不再發(fā)生明顯變化，這說明任一主體都不能通過獨立改變策略來獲取更高收益。由此證明在該雙方主從博弈框架的上層領(lǐng)導者ESP 與下層跟隨者達成了博弈的均衡解。最終，ESP、ES、和ESO 的收益分別為10 895.9、5 469.7 和690.2 元，消費者剩余穩(wěn)定在7 505.8元。

圖4 Stackelberg 均衡收斂結(jié)果Fig.4 Stackelberg equilibrium convergence results

圖5為場景1模式下一天的棄風棄光情況，從風光利用情況分析，在沒有氫儲能加入時將近有1/4的風光功率都沒有得到有效利用。

圖5 場景1 中的棄風棄光功率Fig.5 Wind and photovoltaic power abandonment in Scenario 1

在場景2 和場景3 中，氫儲能的加入極大提升風光利用率。在用電低谷時期，利用電解槽將棄風和棄光電解為氫氣，儲存在儲氫罐中；在用電高峰時期，以氫氣為燃料，利用燃料電池發(fā)電和制熱，滿足用戶需求，除此之外，還可以出售一定量的高純度氫氣，為ESO提供新的盈利模式。氫功率平衡情況如圖6所示。

圖6 氫功率平衡情況Fig.6 Hydrogen power balance

4.3 運行優(yōu)化結(jié)果分析

圖7 為場景3 模式下的碳排放情況。場景3 中不僅加入了氫儲能還加入了碳捕集，可以捕獲系統(tǒng)排放的二氧化碳，具有明顯的環(huán)境效益。從環(huán)保和經(jīng)濟兩個方面進行分析，碳捕集旨在降低系統(tǒng)的二氧化碳排放量，氫儲能的加入能夠提高系統(tǒng)的風光利用率，從而減少了燃氣輪機和燃氣鍋爐的設(shè)備出力，因此進一步促進了碳排放量的減少，與碳捕集設(shè)備在降碳方面有著協(xié)同作用；氫儲能將棄風棄光收集利用起來獲取收益，減少了燃氣鍋爐和燃氣輪機等設(shè)備非必要的能源生產(chǎn)，碳捕集的加入使得能源供應(yīng)商的碳排放成本大大降低，甚至能夠獲取碳交易收入，豐富了系統(tǒng)的收益來源，因此碳捕集設(shè)備與氫儲能在提高系統(tǒng)的經(jīng)濟性上也有著重要的協(xié)同作用。因此，考慮碳捕集和氫儲能同時加入的場景3，同時提高了CIES的環(huán)保效益和經(jīng)濟效益，兩者還存在一定的協(xié)同效應(yīng)，能夠進一步提高系統(tǒng)的綜合收益。隨著碳交易市場的不斷發(fā)展和完善，場景3所帶來的環(huán)境和經(jīng)濟效益將會進一步增加。

圖7 碳排放曲線Fig.7 Carbon emission curve

圖8 為博弈達到均衡后的電能調(diào)度出力結(jié)果，結(jié)合表3 可以看出，ES 供電由燃氣輪機、光伏風電機組提供。燃氣輪機出力與電負荷曲線類似，在中午11：00—13：00 以及晚上18：00—22：00，燃氣輪機出力相對處于高峰期。夜間23：00—次日早晨06：00電負荷處于低谷期，熱負荷處于高峰期，但由于夜間風力較大，燃氣輪機受到以熱定電的影響也需要輸出一部分熱量，因而造成電負荷供大于求，此時電價相對較低，在該時間段ESO以低價購入電能存儲于蓄電池中。11：00—13：00 和18：00—22：00 2個時間段內(nèi)電負荷需求大，電價相對較高，除燃氣輪機、燃料電池和光伏風電機組提供電能之外，不足部分由ESO來提供，ESO在用電高峰期將蓄電池儲存的電能賣出，通過“低充高放”實現(xiàn)套利，此外，還利用燃料電池供電和熱。

圖8 電能調(diào)度出力結(jié)果Fig.8 Scheduled output result of electric power

圖9 為博弈達到均衡后的熱能調(diào)度出力結(jié)果，熱能調(diào)度分析與電能類似?；谝陨戏治?，本文模型求解的操作方案與實際生活規(guī)則一致，驗證了所提出模型的有效性。

圖9 熱能調(diào)度出力結(jié)果Fig.9 Scheduled output result of thermal energy

5 結(jié) 論

本文提出了冷熱電聯(lián)供系統(tǒng)聯(lián)合碳捕集和氫儲能協(xié)同運行的園區(qū)綜合能源系統(tǒng)優(yōu)化模型。將ESP 作為上層領(lǐng)導者，ES、ESO 和LA 為下層跟隨者，基于保護各主體的隱私性，提高經(jīng)濟性和穩(wěn)定性的前提下，在主從博弈框架下制定運行優(yōu)化策略。最后，通過實際算例得到以下結(jié)論。

（1）考慮源-荷-儲之間的互動性，ESP通過合理的價格信息引導ES的可控設(shè)備出力、ESO的充放能功率以及用戶的用能策略，經(jīng)過多次博弈后達到博弈均衡狀態(tài)，實現(xiàn)多主體多能源協(xié)同優(yōu)化調(diào)度。

（2）本文提出的氫儲能和碳捕集協(xié)同運行優(yōu)化策略提升了風光資源利用率，降低了碳排放，對于提高系統(tǒng)綜合收益和降低能源供需失衡風險方面有重要作用，同時對IES 市場決策也有一定的參考價值。今后研究工作將主要考慮風光出力及負荷需求不確定性對CIES運行優(yōu)化的影響。