王 義，靳梓康，王要強(qiáng)，劉明洋，梁 軍

（1.鄭州大學(xué)電氣與信息工程學(xué)院,河南省鄭州市 450001；2.河南省電力電子與電能系統(tǒng)工程技術(shù)研究中心,河南省鄭州市 450001；3.國(guó)網(wǎng)河南省電力公司電力科學(xué)研究院,河南省鄭州市 450052；4.卡迪夫大學(xué)工程學(xué)院,卡迪夫 CF243AA,英國(guó)）

0 引言

園區(qū)綜合能源系統(tǒng)（park-level integrated energy system,PIES）,又稱微網(wǎng)綜合能源系統(tǒng)［1］,由于其內(nèi)部具有多種用能需求,需結(jié)合用戶側(cè)負(fù)荷特性處理微網(wǎng)運(yùn)營(yíng)商（microgrid operator,MGO）與用戶聚合商（user aggregator,UA）的經(jīng)濟(jì)效益問(wèn)題［2-3］。

針對(duì)PIES 的經(jīng)濟(jì)效益問(wèn)題,文獻(xiàn)［4］基于園區(qū)電-熱-氣特性,分析了氫儲(chǔ)能設(shè)備對(duì)電熱價(jià)格的影響。文獻(xiàn)［5］考慮在綜合能源系統(tǒng)中建立供熱精細(xì)化模型,從電熱特性方面考慮UA 的成本。文獻(xiàn)［6］通過(guò)加入余熱回收裝置與碳捕集電廠,提高了系統(tǒng)經(jīng)濟(jì)性。文獻(xiàn)［7］建立了一種電/熱混合儲(chǔ)能模型提高PIES 經(jīng)濟(jì)性。然而,上述文獻(xiàn)未考慮MGO 的定價(jià)策略與UA 用能策略的關(guān)系,忽略了MGO 的利益。

PIES 對(duì)儲(chǔ)能部分有較高的需求。由于個(gè)體儲(chǔ)能價(jià)格偏高且利用率較低,共享儲(chǔ)能模型被提出。文獻(xiàn)［8］鼓勵(lì)UA 通過(guò)共享儲(chǔ)能裝置錯(cuò)峰充放電以實(shí)現(xiàn)利益最大化。文獻(xiàn)［9］在考慮共享儲(chǔ)能設(shè)備的基礎(chǔ)上,通過(guò)規(guī)劃多園區(qū)不同參與方的充放電時(shí)間來(lái)提高系統(tǒng)經(jīng)濟(jì)性。文獻(xiàn)［10］提出了一種考慮共享儲(chǔ)能參與的綜合微網(wǎng)系統(tǒng),降低了微網(wǎng)的用能成本。上述研究未在PIES 中考慮電動(dòng)汽車(chē)（electric vehicle,EV）集群共享儲(chǔ)能特性。相較于儲(chǔ)能設(shè)備前期投資較高以及儲(chǔ)能利用率偏低等規(guī)劃不合理的問(wèn)題［11］,EV 集群用作儲(chǔ)能的成本更低。

目前,已有部分學(xué)者針對(duì)EV 集群可調(diào)度潛力的問(wèn)題進(jìn)行了探索。文獻(xiàn)［12］提出了一種考慮EV集群參與電網(wǎng)調(diào)峰調(diào)頻的控制策略。文獻(xiàn)［13］通過(guò)建立充電站投標(biāo)模型充分挖掘EV 集群可調(diào)度潛力。文獻(xiàn)［14］將EV 集群可調(diào)度潛力模型視作儲(chǔ)能設(shè)備參與MGO 的博弈過(guò)程。上述研究在建立EV集群模型時(shí)未考慮EV 集群的參數(shù)不確定性。文獻(xiàn)［15］利用雙向長(zhǎng)短期記憶（bi-directional long shortterm memory,Bi-LSTM）網(wǎng)絡(luò)法處理EV 集群的不確定性,但并未考慮EV 集群的共享儲(chǔ)能特性。

針對(duì)PIES 的碳排放問(wèn)題,文獻(xiàn)［16-17］在系統(tǒng)優(yōu)化的過(guò)程中引入階梯式碳排放權(quán)交易（carbon emission trading,CET）機(jī)制。文獻(xiàn)［18］在傳統(tǒng)碳捕集模型的基礎(chǔ)構(gòu)建了自由CO2濃度分布模型。文獻(xiàn)［19］通過(guò)加入CO2儲(chǔ)液罐降低了系統(tǒng)碳排放。文獻(xiàn)［20］提出帶有賞罰因數(shù)的CET 機(jī)制,降低了系統(tǒng)的用能成本。

綜上,針對(duì)PIES 進(jìn)行優(yōu)化調(diào)度時(shí),少有文獻(xiàn)考慮基于EV 集群可調(diào)度潛力的共享儲(chǔ)能特性對(duì)于儲(chǔ)能設(shè)備的代替作用。事實(shí)上,隨著PIES 的發(fā)展與EV 保有量的提高,EV 作為儲(chǔ)能設(shè)備,是結(jié)合PIES實(shí)現(xiàn)“光儲(chǔ)直柔”戰(zhàn)略的重要一環(huán)［2］。同時(shí),現(xiàn)有研究大多側(cè)重于UA 的成本最低,未能充分考慮MGO的利益,不能使各參與方滿意。

因此,本文針對(duì)此類含有MGO、EV 以及UA 的PIES,在MGO 制定售能價(jià)格的基礎(chǔ)上,同時(shí)考慮需求響應(yīng)、EV 集群共享儲(chǔ)能和階梯式CET 機(jī)制,建立基于主從博弈理論與基于EV 集群可調(diào)度潛力的共享儲(chǔ)能特性的PIES 低碳優(yōu)化模型,通過(guò)算例分析驗(yàn)證了所提方案的有效性。

1 考慮CET 機(jī)制的PIES 運(yùn)行框架

為便于統(tǒng)一規(guī)劃安排,本文將PIES 內(nèi)分散的用戶計(jì)為UA 模型,EV 統(tǒng)一在充電站進(jìn)行充放電。同時(shí),考慮UA、MGO、電網(wǎng)及EV 充電站之間的能量交互過(guò)程。其中,UA 側(cè)的電負(fù)荷與熱負(fù)荷主要由MGO 側(cè)的燃?xì)鈾C(jī)組（MT）供能,少數(shù)由UA 側(cè)光伏與電制熱設(shè)備供能。UA 可向EV 充電站購(gòu)買(mǎi)電能,具體場(chǎng)景如圖1 所示。

圖1 PIES 框架示意圖Fig.1 Schematic diagram of PIES framework

MGO 為利用MT 對(duì)UA 進(jìn)行電能與熱能供應(yīng)的商戶,其掌握UA 的用能需求并根據(jù)自身利益向UA 報(bào)價(jià)。MGO 根據(jù)UA 提供的信息制定每小時(shí)的電價(jià)與熱價(jià),通過(guò)與UA 進(jìn)行能源交易獲取收益。此外,MGO 可將多余電量出售給電網(wǎng)獲取利潤(rùn)。同時(shí),MGO 側(cè)加入了帶有賞罰因數(shù)的階梯式CET機(jī)制,在系統(tǒng)碳排放高于配額時(shí)進(jìn)行額外懲罰,在碳排放低于配額時(shí)進(jìn)行獎(jiǎng)勵(lì),促進(jìn)系統(tǒng)降低碳排放。

假設(shè)園區(qū)的儲(chǔ)能設(shè)備完全由EV 充電站代替,用于降低前期的建設(shè)成本并提升儲(chǔ)能利用率,同時(shí)提高UA 側(cè)負(fù)荷的靈活性。EV 充電站根據(jù)當(dāng)前停放在充電站內(nèi)EV 的可用電量為UA 提供儲(chǔ)能服務(wù)。UA 可以選擇在用電高峰期時(shí)取用充電站內(nèi)的電量,在滿足EV 期望電量的情況下獲取更高的收益。

UA 側(cè)的用能需求主要有電需求與熱需求。園區(qū)內(nèi)每個(gè)用戶都根據(jù)“光儲(chǔ)直柔”相關(guān)政策的要求安裝光伏與電制熱裝置。假設(shè)MGO 制定的電價(jià)不超過(guò)電網(wǎng)分時(shí)電價(jià),基于此本文假定UA 的電能來(lái)源于MGO 與EV 充電站,不再向電網(wǎng)購(gòu)電。當(dāng)UA 側(cè)光伏裝置產(chǎn)生的電量不能滿足其用電需求時(shí),UA可向MGO 購(gòu)買(mǎi)電量,或從EV 充電站中取用電量。同時(shí),在UA 電量充足且熱能仍有缺額時(shí),其可通過(guò)電制熱設(shè)備獲取熱能。

基于上述分析得出的PIES 運(yùn)行方式為：MGO根據(jù)電網(wǎng)的購(gòu)、售電價(jià)格與UA 的歷史購(gòu)熱價(jià)格分別制定合理的售能策略；UA 根據(jù)自身電、熱負(fù)荷的情況選取最優(yōu)用能方案,同時(shí)優(yōu)化自身電、熱負(fù)荷分布；EV 充電站可以在電價(jià)較低時(shí)充電并通過(guò)向UA出售充電站內(nèi)EV 的電量獲取收益。

2 MGO 模型

MGO 側(cè)MT 產(chǎn)出的熱能與電能供UA 使用。MT 的耗氣成本與其輸出電功率的關(guān)系可表示為：

式中：E為t時(shí)段內(nèi)MT 的耗氣成本；η為MT 的發(fā)電效率；P為t時(shí)段內(nèi)MT 輸出的電功率；Pgas為天然氣價(jià)格；P為MT 輸出功率最大值。

MT 的供熱、供電關(guān)系可表示為：

式中：P為t時(shí)段MT 輸出的熱功率；ηh為熱電比系數(shù)。

考慮到MT 產(chǎn)生的熱量全部供給UA,故UA 購(gòu)買(mǎi)MGO 的熱功率L為：

MGO 的策略集為出售給UA 的熱價(jià)與電價(jià),并利用主從博弈求出最優(yōu)的售價(jià)策略集。MGO 制定的電價(jià)與熱價(jià)約束為［10］：

式中：T為一天內(nèi)的總時(shí)間。

以上各項(xiàng)可以詳細(xì)表示為：

碳排放配額公式為：

式中：Eq為系統(tǒng)整體的碳排放配額；er為MT 單位碳排放配額；ceh為MT 發(fā)電量的折算系數(shù)；eg為購(gòu)電的碳排放配額；Pe,buyt為t時(shí)段MGO 的購(gòu)電量。

碳排放Eall計(jì)算公式為：

式中：es為MT 單位碳排放系數(shù)；eu為上級(jí)購(gòu)電的碳排放系數(shù)［17］。

考慮賞罰的階梯式CET 成本計(jì)算公式如下：

式中：σ為CET 基礎(chǔ)價(jià)格；x為懲罰因子,取0.25；y為獎(jiǎng)賞因子,取0.2；d為碳排放區(qū)間的長(zhǎng)度。

3 EV 模型

3.1 EV 個(gè)體模型

EV 在進(jìn)入充電站后根據(jù)自身用能需求與經(jīng)濟(jì)效益進(jìn)行充放電操作。EV 個(gè)體充放電模型如下：

3.2 EV 集群可調(diào)度潛力模型

由于EV 個(gè)體到達(dá)、離開(kāi)充電站的時(shí)間及其初始SOC 往往具有較大不確定性,無(wú)法充分發(fā)揮EV 的共享儲(chǔ)能特性。因此,本文構(gòu)建EV 集群可調(diào)度潛力模型,集群內(nèi)EV 的樣本數(shù)量越多,可調(diào)度潛力越準(zhǔn)確。EV 可調(diào)度潛力指通過(guò)對(duì)EV 到達(dá)、離開(kāi)充電站時(shí)間及初始SOC 等歷史數(shù)據(jù)進(jìn)行預(yù)測(cè),進(jìn)而明確實(shí)時(shí)階段EV 共享儲(chǔ)能容量及充放電功率的范圍［14］。本文通過(guò)閔可夫斯基求和理論將EV 集群聚合為共享儲(chǔ)能模型,并計(jì)算EV 集群可調(diào)度潛力的包絡(luò)空間邊界。閔可夫斯基求和示意圖見(jiàn)附錄A 圖A1。

由于個(gè)體EV 在計(jì)算充放電功率時(shí)考慮了布爾變量,其出入站時(shí)間屬于同一可行域,EV 個(gè)體具備閔可夫斯基可加性。EV 集群的上下邊界為：

式中：NEV為EV 的種類集合,文中考慮3 種工作在不同時(shí)段的EV；sarrn、sdepn分別為EV 到達(dá)與離開(kāi)充電站時(shí)的電量。詳細(xì)推導(dǎo)過(guò)程見(jiàn)文獻(xiàn)［13］。

式（15）不僅建立了具有物理意義的EV 集群共享儲(chǔ)能模型,而且從優(yōu)化可行域的角度實(shí)現(xiàn)了EV個(gè)體決策空間的聚合。

綜上,EV 集群共享儲(chǔ)能模型可表示為：

3.3 基于Bi-LSTM 的EV 集群參數(shù)預(yù)測(cè)方法

由式（15）、式（16）可知,已知充電站內(nèi)EV 的充放電最大功率及儲(chǔ)能上下限等歷史數(shù)據(jù)后,可以計(jì)算出EV 在實(shí)時(shí)階段的共享儲(chǔ)能參數(shù)范圍。采用有較強(qiáng)規(guī)律計(jì)算能力的算法對(duì)這些實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)測(cè)可以盡可能地消除不確定性帶來(lái)的影響［15］。因此,本文采用Bi-LSTM 法對(duì)EV 集群的初始SOC、出入站時(shí)間3 個(gè)歷史數(shù)據(jù)進(jìn)行分析。相較于LSTM 等預(yù)測(cè)方法,Bi-LSTMM 能夠進(jìn)一步發(fā)掘當(dāng)前數(shù)據(jù)與過(guò)去及未來(lái)時(shí)刻數(shù)據(jù)的聯(lián)系,提高預(yù)測(cè)精度。Bi-LSTM 法示意圖見(jiàn)附錄A 圖A2。

綜上,EV 充電站向電網(wǎng)的購(gòu)電成本可表示為：

式中：EEV-為EV 充電站一天的購(gòu)電成本；λc為EV 的充電成本系數(shù)；N為EV 的數(shù)量。

同時(shí),EV 充電站向UA 售電的收益可表示為：

式中：EEV+為EV 充電站向UA 售電獲取的收益；λEVt為UA 購(gòu)買(mǎi)電量時(shí)的成本系數(shù)。

因此,一天內(nèi)EV 充電站獲取的收益可表示為：

4 UA 模型

本文中UA 側(cè)電負(fù)荷可分為固定負(fù)荷與柔性負(fù)荷,柔性負(fù)荷又可以分為可轉(zhuǎn)移負(fù)荷與可削減負(fù)荷。UA 可以根據(jù)MGO 提供的價(jià)格,靈活選取柔性負(fù)荷的供電時(shí)間,進(jìn)而實(shí)現(xiàn)需求響應(yīng)。同時(shí),UA 配有電制熱設(shè)備充當(dāng)柔性熱負(fù)荷,在電價(jià)較低或電量充足時(shí)通過(guò)電制熱獲取熱能。

綜上,UA 在t時(shí)段的電負(fù)荷可表示為：

式中：L和L分別為UA 側(cè)柔性電負(fù)荷的最大、最小值；Lˉe,st為需求響應(yīng)后UA 側(cè)的柔性電負(fù)荷值；為UA 在t時(shí)間段內(nèi)進(jìn)行需求響應(yīng)的電負(fù)荷量；k為UA 側(cè)柔性電負(fù)荷的占比。k值越大,系統(tǒng)需求響應(yīng)能力越強(qiáng)。

在PIES 中加入EV 充電站后,UA 可以根據(jù)自身的用電需求從中獲取電能?；诖说贸鯱A 在t時(shí)段的凈電負(fù)荷為：

式中：Lt為UA 從MGO 購(gòu)入的電能為UA 完成電、熱柔性負(fù)荷調(diào)整后的電負(fù)荷為UA 側(cè)的光伏裝置發(fā)出的電功率。

在供熱方面,UA 可在MGO 提供的電價(jià)較低或自身電能充足時(shí)通過(guò)電制熱設(shè)備獲取熱能,電價(jià)較高時(shí)從MGO 購(gòu)買(mǎi)熱能,進(jìn)而實(shí)現(xiàn)電能和熱能的相互轉(zhuǎn)換,這類負(fù)荷稱為可替代負(fù)荷,其模型為：

式中：Le,ht為電制熱設(shè)備產(chǎn)生的熱功率；ηe,h為電制熱設(shè)備的轉(zhuǎn)化效率；Le,hmax為電制熱設(shè)備的最大出力。

可替代負(fù)荷需要考慮最大、最小可替代負(fù)荷量約束：

式中：ΔL和ΔL分別為可替代電負(fù)荷上、下限。

基于此得出UA 在t時(shí)段的凈熱負(fù)荷Lht：

式中：L為可削減熱負(fù)荷；L為可削減熱負(fù)荷的最大值。

綜上,UA 的收益Euser可表示為：

式中：E為UA 側(cè)的用電效用函數(shù)［21］；為調(diào)整后的電負(fù)荷；a、b、c為用電效用函數(shù)的參數(shù)。

5 基于主從博弈理論的MGO 定價(jià)模型及求解策略

5.1 MGO 與UA 的主從博弈過(guò)程

MGO 通過(guò)與UA 進(jìn)行主從博弈確定最優(yōu)的售能方案,UA 將MGO 的售電方案與EV 充電站的價(jià)格對(duì)比,合理使用EV 充電站服務(wù)以及電制熱設(shè)備,并對(duì)自身電、熱柔性負(fù)荷進(jìn)行動(dòng)態(tài)調(diào)整。

若MGO 制定的價(jià)格與預(yù)期不符,UA 將調(diào)整自身柔性負(fù)荷的占比與購(gòu)能量；同時(shí),MGO 也將根據(jù)UA 購(gòu)能量的變化動(dòng)態(tài)調(diào)整定價(jià)方案?？梢钥闯?兩者的決策方案具有先后順序,MGO 為決策主導(dǎo)者,UA 為決策跟隨者。因此,本模型可視為主從博弈模型,主從博弈證明過(guò)程見(jiàn)附錄B。本文模型的博弈過(guò)程如圖2 所示。

圖2 主從博弈過(guò)程示意圖Fig.2 Schematic diagram of Stackelberg game process

5.2 主從博弈的模型求解方法及流程

MGO 的目標(biāo)是收益最大,在此基礎(chǔ)上設(shè)計(jì)最優(yōu)電價(jià)與熱價(jià)出售方案；上層MGO 的價(jià)格策略由遺傳算法進(jìn)行初始化與更新,下層UA 在收到上層MGO 的價(jià)格后,由CPLEX 求解器求解最優(yōu)收益。求解流程如附錄C 圖C1 所示。

6 算例分析

本文算例以某市PIES 為研究對(duì)象,假設(shè)一天分為24 個(gè)時(shí)段,MGO 側(cè)MT 的參數(shù)及電網(wǎng)分時(shí)電價(jià)等數(shù)據(jù)見(jiàn)文獻(xiàn)［4］；EV 的相關(guān)參數(shù)見(jiàn)文獻(xiàn)［22］；UA側(cè)柔性負(fù)荷占比與熱負(fù)荷上下限等參數(shù)見(jiàn)文獻(xiàn)［11］；遺傳算法的相關(guān)參數(shù)見(jiàn)文獻(xiàn)［10］。為結(jié)合園區(qū)中存在多用戶的實(shí)際情況,針對(duì)不同用戶的用能需求進(jìn)行計(jì)算,本文假設(shè)UA 中存在3 位用戶,其負(fù)荷及光伏出力參數(shù)見(jiàn)附錄D 圖D1；同時(shí),考慮3 類EV 集群模型與4 類EV 充電站［13］,相關(guān)參數(shù)見(jiàn)附錄D 表D1。本文對(duì)EV 集群的歷史數(shù)據(jù)采用Bi-LSTM 法進(jìn)行處理,處理結(jié)果見(jiàn)附錄D 圖D2。針對(duì)本文引入的含賞罰因素的CET 機(jī)制與EV 集群共享儲(chǔ)能特性的PIES 模型,通過(guò)MATLAB 建立4 種場(chǎng)景進(jìn)行對(duì)比分析,并從PIES 經(jīng)濟(jì)性與碳排放的角度分析所提模型的相對(duì)優(yōu)勢(shì)。4 種場(chǎng)景設(shè)置如下：

場(chǎng)景1：考慮儲(chǔ)能,不考慮階梯式CET 機(jī)制；

場(chǎng)景2：考慮EV,不考慮階梯式CET 機(jī)制；

場(chǎng)景3：考慮階梯式CET 機(jī)制,不考慮EV；

場(chǎng)景4：考慮EV 與階梯式CET 機(jī)制。

4 種場(chǎng)景的優(yōu)化運(yùn)行結(jié)果如表1 所示。

表1 不同場(chǎng)景收益與成本分析Table 1 Benefit and cost analysis in different scenarios

分析表1 數(shù)據(jù)可知,相較于考慮普通儲(chǔ)能裝置而不考慮EV 充電站以及CET 機(jī)制（場(chǎng)景1）,分別考慮CET 機(jī)制（場(chǎng)景3）與EV 充電站（場(chǎng)景2）后可以為PIES 帶來(lái)更高的收益。其中,場(chǎng)景2 的EV 集群共享儲(chǔ)能模型相較于場(chǎng)景1 碳排放下降1 242 kg,UA 與EV 的收入和增加1 042 元。這是由于EV 的加入,UA 可以選擇在MGO 提供的電價(jià)較高時(shí)選擇向EV 充電站購(gòu)電,減少自身購(gòu)能成本,并促使MT出力下降,減少PIES 的碳排放量。

場(chǎng)景3 通過(guò)考慮CET 機(jī)制,相較于場(chǎng)景1,PIES的碳排放減少6 325 kg。這是因?yàn)榧尤隒ET 機(jī)制后,為促使系統(tǒng)減排,MGO 側(cè)MT 的出力下降,UA優(yōu)先為自身電負(fù)荷供能,增加電制熱設(shè)備的工作時(shí)段,減少?gòu)腗GO 的購(gòu)熱量,降低了用能成本。

場(chǎng)景4 結(jié)合場(chǎng)景2 和場(chǎng)景3 的優(yōu)點(diǎn),相較于場(chǎng)景2 與場(chǎng)景3 分別減少碳排放7 309 kg 與2 226 kg,大幅減少了PIES 的碳排放；同時(shí),相較于場(chǎng)景3,場(chǎng)景4 在加入EV 后UA 的收入提高836 元。證明了加入基于EV 集群共享儲(chǔ)能模型后可以大幅減小系統(tǒng)碳排放,驗(yàn)證了其合理性。此外,加入EV 充電站后PIES 的整體收入得到了一定幅度的提升,相較于傳統(tǒng)儲(chǔ)能設(shè)備,不僅降低了園區(qū)前期投入成本,同時(shí)為UA 與PIES 帶來(lái)額外的經(jīng)濟(jì)收入。

本文將重點(diǎn)針對(duì)場(chǎng)景1 與場(chǎng)景4 對(duì)于UA 側(cè)負(fù)荷轉(zhuǎn)移特性以及系統(tǒng)碳排放的影響進(jìn)行討論,主要分析普通儲(chǔ)能設(shè)備與EV 集群作為儲(chǔ)能時(shí)上層MGO 制定售能價(jià)格的區(qū)別,同時(shí)分析EV 集群共享儲(chǔ)能對(duì)于提高UA 側(cè)柔性負(fù)荷占比的貢獻(xiàn),并重點(diǎn)分析場(chǎng)景4 中EV 集群共享儲(chǔ)能的充放電特性。

場(chǎng)景4 的收斂曲線見(jiàn)附錄C 圖C2,場(chǎng)景1 與場(chǎng)景4 中MGO 的售能價(jià)格曲線見(jiàn)附錄C 圖C3。

圖3 分別展示了場(chǎng)景1 與場(chǎng)景4 中用戶3 的電熱功率平衡曲線。場(chǎng)景4 中用戶1、2 的電熱功率平衡曲線見(jiàn)附錄D 圖D3。相較于考慮儲(chǔ)能設(shè)備的場(chǎng)景1,場(chǎng)景4 在PIES 中將其替換為EV 集群共享儲(chǔ)能模型并考慮含賞罰因數(shù)的CET 后,可以看出場(chǎng)景4 中用戶3 的可轉(zhuǎn)移負(fù)荷與可削減負(fù)荷可用時(shí)段相比場(chǎng)景1 更多,這是由于為降低自身的用能成本,UA 選擇將柔性負(fù)荷從用能價(jià)格較高的時(shí)段轉(zhuǎn)移至用能價(jià)格較低的時(shí)段,證明了EV 集群共享儲(chǔ)能模型可以提高UA 側(cè)負(fù)荷的靈活性。同時(shí),在MGO 供熱價(jià)格高于其供電價(jià)格的時(shí)段內(nèi),相較于場(chǎng)景1,場(chǎng)景4 中UA 選擇使用可削減負(fù)荷的時(shí)段更多,說(shuō)明其電熱負(fù)荷的靈活性較強(qiáng),且加入含賞罰因數(shù)的CET 機(jī)制可以更好地鼓勵(lì)UA 使用電制熱設(shè)備與需求響應(yīng),降低系統(tǒng)碳排放與用能成本。

圖3 不同場(chǎng)景下用戶3 的電熱功率平衡圖Fig.3 Electric and heating power balance diagram of user 3 in different scenarios

圖4 與圖5 分別為4 類EV 充電站總儲(chǔ)能容量變化圖與各充電站充放電功率變化圖。根據(jù)圖4 中分時(shí)電價(jià)曲線以及圖4、圖5 中EV 集群的電量變化圖可知,EV 集群選擇在00：00—09：00、14：00—18：00、21：00—24：00 時(shí)段進(jìn)行充電。這是因?yàn)榉謺r(shí)電價(jià)較低,此時(shí)充電可以降低成本；在電價(jià)較高的10：00—14：00、18：00—21：00 時(shí)段內(nèi),4 類充電站均不同程度地進(jìn)行了放電操作,說(shuō)明在電價(jià)較高時(shí)UA 選擇從EV 中獲取電量,進(jìn)而減少自身購(gòu)能成本。同時(shí),圖5 還表明,當(dāng)EV 集群充放電功率在可調(diào)度潛力邊界范圍內(nèi)時(shí),EV 集群共享儲(chǔ)能模型具有較好的魯棒性,為后續(xù)園區(qū)的規(guī)劃提供儲(chǔ)能余量。

圖4 場(chǎng)景4 的EV 共享儲(chǔ)能容量變化圖Fig.4 Capacity change diagram of EV shared energy storage in scenario 4

圖5 場(chǎng)景4 下各充電站電量變化圖Fig.5 Electricity quantity change diagram of each charging station in scenario 4

7 結(jié)語(yǔ)

本文構(gòu)建了適用于工業(yè)園區(qū)的PIES,針對(duì)園區(qū)儲(chǔ)能設(shè)備前期投入較高等問(wèn)題,提出了利用基于EV 集群可調(diào)度潛力的共享儲(chǔ)能模型作為儲(chǔ)能設(shè)備參與調(diào)度過(guò)程,同時(shí)建立了MGO 與UA 間的主從博弈模型,有效增加了UA 收入,大幅減少了系統(tǒng)碳排放,實(shí)現(xiàn)兩者的雙贏。得到的主要結(jié)論如下：

1）本文所提模型充分挖掘了EV 集群的共享儲(chǔ)能特性,由EV 充電站自主決定其充放電過(guò)程,為園區(qū)帶來(lái)收益的同時(shí)降低了園區(qū)的碳排放量。同時(shí),EV 集群共享儲(chǔ)能模型具有較好的魯棒性與可擴(kuò)展性,為后續(xù)園區(qū)的規(guī)劃提供儲(chǔ)能余量。

2）加入EV 集群共享儲(chǔ)能模型能夠提高UA 側(cè)負(fù)荷的靈活性,降低UA 的用能成本,同時(shí)為上層MGO 的定價(jià)策略提供思路。

3）引 入CET 機(jī) 制 后,MGO 通 過(guò) 調(diào) 整MT 機(jī) 組的出力改變自身的售能策略。結(jié)果表明,系統(tǒng)的碳排放下降了15%,證明引入含賞罰因數(shù)的階梯式CET 機(jī)制在降低碳排放方面具有一定優(yōu)勢(shì)。

本文所提策略利用EV 集群共享儲(chǔ)能特性降低園區(qū)用能成本,有助于“雙碳”目標(biāo)下PIES 的建設(shè)。若MGO 中沒(méi)有燃?xì)鈾C(jī)組,本文模型可簡(jiǎn)化為MGO向電網(wǎng)購(gòu)能并出售給用戶獲取利潤(rùn),熱能部分由各用戶根據(jù)自身情況產(chǎn)熱或從外界購(gòu)熱,EV 集群共享儲(chǔ)能模型仍然為用戶提供儲(chǔ)能服務(wù)。后續(xù)研究將進(jìn)一步發(fā)掘EV 路徑規(guī)劃在PIES 中的應(yīng)用以及UA中用戶之間的合作博弈過(guò)程。

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。