摘 要：針對(duì)光伏建筑一體化社區(qū)的產(chǎn)消失衡問(wèn)題，以建筑光伏的就地消納和社區(qū)綜合能源系統(tǒng)的低碳經(jīng)濟(jì)調(diào)度為重點(diǎn)開展能源共享，在保護(hù)參與成員隱私的前提下采用交替方向乘子法制定社區(qū)群總運(yùn)行成本最低策略，并基于參與社區(qū)的貢獻(xiàn)度通過(guò) Shapley值法進(jìn)行效益分配。對(duì)交互運(yùn)行下的社區(qū)綜合能源系統(tǒng)進(jìn)行數(shù)學(xué)分析，并與獨(dú)立運(yùn)行下的社區(qū)綜合能源系統(tǒng)進(jìn)行比較。算例結(jié)果表明：交互運(yùn)行策略較獨(dú)立運(yùn)行策略帶來(lái)的運(yùn)行成本效益提升范圍為3%～5%，碳減排效益提升范圍為4%～8%，光伏消納提升率在4%～25%之間；然而，交互運(yùn)行策略對(duì)于單一多電社區(qū)組合的效益提升甚微。

關(guān)鍵詞：綜合能源系統(tǒng)；優(yōu)化調(diào)度；光伏建筑一體化；光伏消納；效益分配

中圖分類號(hào)：TM732 """"""""""""""""""""""""""""""文獻(xiàn)標(biāo)志碼：A

0 引 言

“雙碳”目標(biāo)的提出推動(dòng)了光伏社區(qū)的發(fā)展［1-2］，但由于負(fù)荷側(cè)波動(dòng)性以及可再生能源側(cè)的隨機(jī)性與間歇性，社區(qū)級(jí)綜合能源系統(tǒng)常處于變工況狀態(tài)，這使得系統(tǒng)性能受限［3］。另外，對(duì)于某些供大于求的光伏社區(qū)而言，“棄光”問(wèn)題日益顯著［4］。隨著綜合能源系統(tǒng)的普及［5］，同一配電區(qū)域?qū)⒋嬖谌舾赡茉串a(chǎn)消者，形成區(qū)域微網(wǎng)群［6］。文獻(xiàn)［7］針對(duì)負(fù)荷密集區(qū)能源系統(tǒng)的容量配置及性能指標(biāo)的優(yōu)化情況進(jìn)行了對(duì)比分析，發(fā)現(xiàn)整體規(guī)?；┠軆?yōu)于分散獨(dú)立供能，這為多能源系統(tǒng)協(xié)同運(yùn)行提供了發(fā)展契機(jī)。

目前已有多篇文獻(xiàn)針對(duì)區(qū)域多能源系統(tǒng)的協(xié)同運(yùn)行問(wèn)題開展研究。文獻(xiàn)［8］從源荷匹配的角度提出一種多微網(wǎng)功率交互及共享儲(chǔ)能優(yōu)化方法；文獻(xiàn)［9］基于能量梯級(jí)高效利用，針對(duì)經(jīng)濟(jì)性和效率構(gòu)建了多微網(wǎng)綜合能源系統(tǒng)優(yōu)化調(diào)度模型；文獻(xiàn)［10］通過(guò)建立互聯(lián)的微網(wǎng)結(jié)構(gòu)，實(shí)現(xiàn)了比單微網(wǎng)更好的潮流控制；文獻(xiàn)［11］建立了考慮能源交互的微網(wǎng)群合作博弈模型，提高了系統(tǒng)的整體收益；文獻(xiàn)［12］通過(guò)構(gòu)建了分布式能源網(wǎng)絡(luò)設(shè)計(jì)與運(yùn)行的兩階段規(guī)劃框架，先后確定最優(yōu)運(yùn)行策略及交易能價(jià)；文獻(xiàn)［13］構(gòu)建了一種多能源站容量和調(diào)度的協(xié)同優(yōu)化模型，一次節(jié)能率、年總成本節(jié)約率和二氧化碳減排率較獨(dú)立優(yōu)化分別提高了5.3%、5.1%和1.1%；文獻(xiàn)［14］考慮多微網(wǎng)間的功率交互及可再生能源和負(fù)荷的不確定性，建立了基于魯棒優(yōu)化的多微網(wǎng)魯棒環(huán)境經(jīng)濟(jì)調(diào)度模型；文獻(xiàn)［15］基于高可再生能源滲透比例，采用免疫遺傳算法對(duì)多微網(wǎng)系統(tǒng)的分布式電源和儲(chǔ)能進(jìn)行了優(yōu)化配置。上述研究對(duì)多能源系統(tǒng)進(jìn)行了多方面優(yōu)化，但均依賴于上級(jí)數(shù)據(jù)中心的集中優(yōu)化，該模式需要大量數(shù)據(jù)傳輸，導(dǎo)致隱私泄露問(wèn)題嚴(yán)重。

隨著智能計(jì)算與通信技術(shù)的發(fā)展［16］，分布式優(yōu)化為多能源系統(tǒng)分布式優(yōu)化調(diào)度提供了新方向。文獻(xiàn)［17］提出一種深度強(qiáng)化學(xué)習(xí)方法，通過(guò)集中和分散學(xué)習(xí)尋找決策框架下最優(yōu)能源管理問(wèn)題的最優(yōu)策略，進(jìn)而自適應(yīng)地推導(dǎo)出電力系統(tǒng)的最優(yōu)操作；文獻(xiàn)［18］構(gòu)建了自治、協(xié)同、儲(chǔ)備再分配共3階段的能源管理模型，進(jìn)而實(shí)現(xiàn)多微網(wǎng)的能源高效調(diào)度；文獻(xiàn)［19］利用目標(biāo)級(jí)聯(lián)分析算法分布式求解對(duì)應(yīng)的經(jīng)濟(jì)調(diào)度問(wèn)題，在含有6個(gè)微網(wǎng)的改進(jìn)IEEE 33 系統(tǒng)上進(jìn)行了算例分析；文獻(xiàn)［20］結(jié)合牛頓法和一致性算法實(shí)現(xiàn)了微網(wǎng)群能耗成本的全分布式優(yōu)化；文獻(xiàn)［21］基于交替方向乘子法（alternating direction method of multipliers，ADMM）建立了微網(wǎng)群的雙層分布式優(yōu)化模型，上層協(xié)調(diào)微電網(wǎng)間的交換功率，下層則負(fù)責(zé)優(yōu)化內(nèi)部能源調(diào)度策略；文獻(xiàn)［22］提出一種基于區(qū)塊鏈技術(shù)的多能微網(wǎng)群市場(chǎng)交易機(jī)制，以輔助各微網(wǎng)制定日前調(diào)度計(jì)劃。以上文獻(xiàn)所采用的技術(shù)與算法避免了大量數(shù)據(jù)的傳輸，同時(shí)實(shí)現(xiàn)了隱私保護(hù)，但仍存在一些不足：首先，未從多能源系統(tǒng)內(nèi)部成員構(gòu)成的角度去探究能源交互策略適用性的問(wèn)題；其次，鮮有針對(duì)多能源系統(tǒng)在協(xié)同運(yùn)行下所產(chǎn)生的集體收益引入分配機(jī)制；另外，現(xiàn)有研究多關(guān)注于電力共享，未將熱力共享引入調(diào)度策略，以致系統(tǒng)的靈活性受限。

針對(duì)以上研究現(xiàn)狀，本文首先建立一種考慮熱電共享策略的多社區(qū)綜合能源系統(tǒng)（community integrated energy system， CIES）分布式低碳經(jīng)濟(jì)調(diào)度模型；進(jìn)一步，基于社區(qū)組合類型設(shè)定8種情景，對(duì)比分析交互策略與獨(dú)立運(yùn)行策略下的性能指標(biāo)差異，探究交互策略適用性；最后，采用Shapley值法按各CIES對(duì)合作聯(lián)盟所做邊際貢獻(xiàn)科學(xué)分配涌現(xiàn)收益，以充分保證各CIES的參與意愿。

1 系統(tǒng)模型建立

1.1 系統(tǒng)描述

獨(dú)立運(yùn)行策略下CIES耦合建筑光伏協(xié)同供能架構(gòu)如圖1所示，其電力主要由燃?xì)廨啓C(jī)、建筑光伏組件和電網(wǎng)提供，并設(shè)置蓄電池以應(yīng)對(duì)光伏發(fā)電高峰及電網(wǎng)“峰谷電價(jià)”的沖擊；用戶冷/熱負(fù)荷主要由地源熱泵與吸收式熱泵協(xié)同滿足，另增設(shè)蓄熱罐以進(jìn)行熱量的多存少補(bǔ)。吸收式熱泵內(nèi)設(shè)直燃區(qū)，在熱量需求無(wú)法自我滿足時(shí)購(gòu)買市政燃?xì)庵苯尤紵a(bǔ)充。

然而，獨(dú)立運(yùn)行策略下某些社區(qū)的高額光伏產(chǎn)電無(wú)法消納，因此對(duì)于滿足區(qū)域協(xié)同運(yùn)行條件的CIES提出交互運(yùn)行策略。如圖2所示，在建筑光伏、CIES和外部電網(wǎng)的共同支持下，基于光伏社區(qū)間的產(chǎn)消特性差異及CIES的策略適應(yīng)性運(yùn)行，完成一定程度的熱電交互，進(jìn)而以更綠色經(jīng)濟(jì)的方式滿足用戶的多元負(fù)荷需求。其中，能源交互所涉及到的過(guò)網(wǎng)費(fèi)用由能源供給方承擔(dān)。相較于獨(dú)立運(yùn)行，交互運(yùn)行下的CIES仍然同電網(wǎng)進(jìn)行交互，并從燃?xì)夤芫W(wǎng)購(gòu)買天然氣發(fā)電或供熱，但此類與上級(jí)能源網(wǎng)絡(luò)的交互優(yōu)先級(jí)劣于社區(qū)間的能源交互。另外，交互策略的實(shí)現(xiàn)依托于上級(jí)能源管理平臺(tái)的參與，即各CIES向能源管理平臺(tái)傳遞自身的能源供需信號(hào)，上級(jí)能源管理部門通過(guò)釋放并調(diào)整相應(yīng)的協(xié)調(diào)信號(hào)，引導(dǎo)下級(jí)CIES的自治調(diào)度以達(dá)成彼此間能源交互匹配，繼而實(shí)現(xiàn)系統(tǒng)整體的最大效益，同時(shí)為參與主體下一步的效益分配做準(zhǔn)備。

1.2 CIES設(shè)備組件模型

1.2.1 外電網(wǎng)

外電網(wǎng)承擔(dān)光伏社區(qū)的部分電力供應(yīng)，假設(shè)電力來(lái)自火電廠。外電網(wǎng)與CIES的交互量[Egrid]計(jì)算如下：

[Egrid（t）=ηplantηgirdFcoal（t）] （1）

式中：[ηplant]——電廠發(fā)電效率，%；[ηgird]——電網(wǎng)輸電效率，%；[Fcoal]——燃煤熱功率，kW；[t]——運(yùn)行時(shí)間，h。

1.2.2 燃?xì)廨啓C(jī)

燃?xì)廨啓C(jī)的發(fā)電量和煙氣余熱分別表示為：

[Egt（t）=Fgt（t）ηe，gt（t）Qgt（t）=Fgt[1-ηe，gt（t）-ηh，los（t）]] （2）

[Emingt≤Egt≤Emaxgt] （3）

式中：[Fgt]——燃機(jī)消耗的燃料熱功率，kW；[ηh，los]——燃機(jī)煙氣廢熱損失，%；[ηe，gt]——燃機(jī)發(fā)電效率，%；[Emingt]、[Emaxgt]——燃機(jī)出力最小、最大值，kW。

1.2.3 地源熱泵

地源熱泵在土壤熱源的輔助下利用電能生產(chǎn)熱水或冷凍水，其出力[Qgshp]可表示為：

[Qgshp（t）=Egshp（t）θgshpCOP] （4）

[0≤Qgshp≤Qmaxgshp] "（5）

式中：[Egshp]——地源熱泵消耗電功率，kW；[θgshpCOP]——地源熱泵性能系數(shù)；[Qmaxgshp]——地源熱泵出力上限，kW。

1.2.4 吸收式熱泵

燃?xì)廨啓C(jī)產(chǎn)生的余熱[Qgt]和蓄熱罐釋放的熱量[Qtes]協(xié)調(diào)配合驅(qū)動(dòng)吸收式機(jī)組運(yùn)行，天然氣燃燒產(chǎn)生的熱量[Qdcz]用作補(bǔ)充熱源，其輸出[Qahp]表示為：

[Qahp（t）=[Qgt（t）+Qdcz（t）+Qtes（t）]θahpCOP] "（6）

[Qdcz（t）=Fdcz（t）ηdcz] "（7）

[0≤Qahp≤Qmaxahp] "（8）

[0≤Qdcz≤Qmaxdcz] "（9）

式中：[θahpCOP]——吸收式機(jī)組性能系數(shù)；[ηdcz]——機(jī)組直燃區(qū)燃燒熱效率，%；[Qmaxahp]——吸收式機(jī)組出力上限，kW；[Qmaxdcz]——吸收式機(jī)組直燃區(qū)產(chǎn)熱功率上限，kW。

1.2.5 蓄熱罐

蓄熱罐的儲(chǔ)能狀態(tài)可表示為：

[Qtes（t+1）=（1-ηtes，los）Qtes（t）+ηtes，chQch（t）-ηtes，dischQdisch（t）]

（10）

[0≤Qtes≤Qmaxtes] （11）

式中：[Qtes（t+1）]、[Qtes（t）]——蓄熱罐儲(chǔ)熱前后的儲(chǔ)能狀態(tài)，kWh；[ηtes，los]、[ηtes，ch]、[ηtes，disch]——蓄熱罐自損率、蓄放熱效率，%；[Qch]、Qdisch和[Qmaxtes]——充放熱量和蓄熱罐容量上限，kWh。

1.2.6 蓄電池

蓄電池的儲(chǔ)能狀態(tài)可表示為：

[Ebat（t+1）=（1-ηbat，los）Ebat（t）+ηbat，chEch（t）-ηbat，dischEdisch（t）] （12）

[Eminbat≤Ebat≤Emaxbat] （13）

[0≤Ech≤Emaxch] （14）

[0≤Edisch≤Emaxdisch] （15）

式中：[Ebat（t+1）]、[Ebat（t）]——蓄電池前后時(shí)刻的儲(chǔ)能狀態(tài)，kWh；[ηbat，los]、[ηbat，ch]、[ηbat，disch]——蓄電池自損率、充放電效率，%；[Ech]、[Edisch]——充放功率，kW；[Emaxch]、[Emaxdisch]——充放功率上限，kW；[Emaxbat]、[Eminbat]——蓄電池容量上下限，kWh。

1.3 CIES能量平衡

1.3.1 電平衡

對(duì)于參與交互運(yùn)行的CIES，當(dāng)某一CIES產(chǎn)電不足時(shí)，短缺部分首先由其他CIES補(bǔ)充，若仍有不足再由電網(wǎng)補(bǔ)充；當(dāng)產(chǎn)電過(guò)剩時(shí)，過(guò)剩部分首選融入其他缺電CIES，若仍有盈余，再售向電網(wǎng)。

[Egrid（t）=[Eu（t）+Egshp（t）]-[Epv（t）+Egt（t）+Ein（t）+Edisch（t）]Epv（t）+Egt（t）+Ein（t）+Edisch（t）lt;Eu（t）+Egshp（t）] （16）

[Eexc（t）=[Epv（t）+Egt（t）]-[Eu（t）+Egshp（t）+Eout（t）+Ech（t）]Epv（t）+Egt（t）gt;Eu（t）+Egshp（t）+Eout（t）+Ech（t）] （17）

[i=1，2，3Ein，i+Eout，i=0] （18）

式中：[Eu]——用戶電負(fù)荷，kW；[Epv]——社區(qū)建筑光伏產(chǎn)電功率，kW；[Eexc]——向電網(wǎng)的售電量，kWh；[Ein]、[Eout]——CIES的融入、融出電力，kW。

獨(dú)立運(yùn)行的CIES僅與外電網(wǎng)交互，不參與電力融入、融出，同時(shí)也不需要遵從式（18）的電力交互守恒約束。

1.3.2 熱（冷）平衡

[Qahp（t）+Qgshp（t）+Qin（t）-Qout（t）=Qh（t）] （19）

[i=1，2，3Qin，i+Qout，i=0] （20）

式中：[Qin]、[Qout]——CIES的融入、融出熱（冷）功率，kW。

獨(dú)立運(yùn)行的CIES不參與熱力融入、融出，同時(shí)也不需要遵從式（20）的熱力交互守恒約束。

2 優(yōu)化方法

CIES的調(diào)度優(yōu)化涉及到?jīng)Q策變量、約束條件、目標(biāo)函數(shù)和求解算法4個(gè)因素。其中，約束條件包括設(shè)備運(yùn)行特性約束、功率上下限約束以及能量平衡約束，均已在1.2節(jié)建立。多CIES交互及獨(dú)立運(yùn)行優(yōu)化過(guò)程的決策變量、目標(biāo)函數(shù)和求解算法將在后文給出。

2.1 協(xié)同運(yùn)行

2.1.1 決策變量

多CIES協(xié)同運(yùn)行優(yōu)化的目的是在設(shè)備運(yùn)行及供需平衡約束下，獲得CIES系統(tǒng)內(nèi)部及系統(tǒng)間的最優(yōu)能源調(diào)度。基于多CIES隸屬于不同的利益主體，采用ADMM算法，僅通過(guò)共享各CIES的能源交互期望值即可完成本地優(yōu)化，同時(shí)實(shí)現(xiàn)隱私保護(hù)。因此，能源交互變量作為交互雙方的共享變量，將其進(jìn)行解耦以方便后續(xù)的本地求解。在此，將決策變量整合為：

[X1=[Egt， Egrid， Ebat， Qahp， Qgshp， Qtes， Eij， Eij， Qij， Qij]T， "i≠j]

（21）

式中：i——參與合作的社區(qū)；[Eij]、[Qij]——CIES [i]期望與CIES [j]交互的電、熱功率，kW；[Eij]、[Qij]——CIES j期望與CIES i交互的電、熱功率，kW，這是解耦后的對(duì)偶變量，下標(biāo)[ij]與[ji]等價(jià)。

當(dāng)對(duì)偶變量滿足[Eij=Eij， Qij=Qij]，表明交互雙方達(dá)成能源交互共識(shí)。

2.1.2 目標(biāo)函數(shù)

經(jīng)濟(jì)性是制定能源系統(tǒng)運(yùn)行方案過(guò)程中需要重點(diǎn)考慮的因素，遵循經(jīng)濟(jì)策略［23］意味著將參與協(xié)作的所有光伏社區(qū)的最低總體運(yùn)行成本作為優(yōu)化的目標(biāo)函數(shù)，函數(shù)具體構(gòu)成為：

[minC1=i=1SCigrid（t）+Cigas（t）+Citran，e（t）+Citran，q（t）+Cicarbon（t）] （22）

[Cigrid（t）=Eigrid（t）pe，buy（t）+Eiexc（t）pe，sell（t）] （23）

[Cgas（t）=[Fgt（t）+Fdcz（t）]pgas] （24）

[Citran，e（t）=αeEout，i（t）+βeE2out，i（t）] （25）

[Citran，q（t）=αhQout，i（t）+βhQ2out，i（t）] （26）

[Cicarbon（t）=[Egrid，buy（t）γgrid+Fgas（t）γgas]ε] （27）

式中：S——合作社區(qū)聯(lián)盟點(diǎn)集合的任意子集；[Cgrid]——購(gòu)電成本，元；[Cgas]——購(gòu)氣成本，元；[Ctran，e]、[Ctran，q]——熱電交互過(guò)程中的向上級(jí)能源網(wǎng)絡(luò)支付的過(guò)網(wǎng)費(fèi)，元；[Ccarbon]——碳排放成本，元；[Pe，buy]和[Pe，sell]——電網(wǎng)分時(shí)購(gòu)售電價(jià)，元/kWh；[Pgas]——折算天然氣價(jià)，元/kWh；[αe]、[βe]、[αh]、[βh]——計(jì)算能源過(guò)網(wǎng)費(fèi)的多項(xiàng)式系數(shù)；[γgas]、[γgrid]——單位天然氣及單位購(gòu)電的CO2排放系數(shù)，kg/kWh；[ε]——碳排放成本，元/t。

2.1.3 求解算法

ADMM算法收斂性好、形式簡(jiǎn)單、魯棒性強(qiáng)，并可保護(hù)各參與主體的隱私［24］，因此采用該算法對(duì)社區(qū)合作聯(lián)盟運(yùn)行成本最小化問(wèn)題進(jìn)行分布式求解，過(guò)程依托于Python編程環(huán)境下的CPLEX求解器。

ADMM算法框架下的求解準(zhǔn)則：1）各CIES間僅共享能源交互期望值；2）各CIES在接收其他CIES的能源交互期望值后依次進(jìn)行本地優(yōu)化。因此，各CIES需針對(duì)目標(biāo)函數(shù)（式（22）），建立本地優(yōu)化的子目標(biāo)函數(shù)，一方面實(shí)現(xiàn)CIES的整體運(yùn)行成本最小化，一方面保護(hù)個(gè)體隱私。子目標(biāo)函數(shù)的構(gòu)建：首先，將目標(biāo)函數(shù)分解為協(xié)同運(yùn)行策略下每個(gè)CIES的本地優(yōu)化子問(wèn)題，即每個(gè)CIES的運(yùn)行成本最小化，具體包括購(gòu)電、購(gòu)氣成本和碳排放成本，同樣附加CIES間交互能源的傳輸成本；其次，采用增廣拉格朗日松弛法，一方面向目標(biāo)函數(shù)引入熱電交互對(duì)偶變量，另一方面引入拉格朗日乘數(shù)[λij，e（t）]、[λij，q（t）]和懲罰因子[ρ]，進(jìn)而構(gòu)建拉格朗日余項(xiàng)[[Eij（t）-Eij（t）]λij，e（t）]、[[Qij（t）-Qij（t）]λij，q（t）]和懲罰項(xiàng)[ρ2Eij（t）-Eij（t）22]、[ρ2Qij（t）-Qij（t）22]作為子目標(biāo)函數(shù)的輔助項(xiàng)。綜上，CIES本地優(yōu)化目標(biāo)模型如式（28）所示。其中，引入拉格朗日余項(xiàng)的目的在于通過(guò)迭代實(shí)現(xiàn)目標(biāo)函數(shù)中對(duì)偶變量[Eij、Eij]及[Qij、Qij]的趨同，而懲罰項(xiàng)的引入則是為了加快這一迭代進(jìn)程。

[minLi=[Cgas，i（t）+Cgrid，i（t）+Citran，e（t）+Citran，q（t）+Cicarbon（t）]+ "i=1，i≠jSEij（t）-Eij（t）λij，e（t）+[Qij（t）-Qij（t）]λij，q（t）+ """""""""""ρ2Eij（t）-Eij（t）22+ρ2Qij（t）-Qij（t）22] （28）

式中：[Li]——增廣拉格朗日函數(shù)；[λij，e]、[λij，q]——拉格朗日乘數(shù)；[ρ]——懲罰因子。

在ADMM算法的求解過(guò)程中，每一輪迭代都伴隨著能源交互期望值和拉格朗日乘數(shù)的更新，而后者通過(guò)增加目標(biāo)函數(shù)中收斂殘差項(xiàng)的權(quán)重來(lái)增強(qiáng)各CIES的合作意愿。經(jīng)過(guò)多次迭代，CIES間的熱電交互功率最終達(dá)成一致，即分布式目標(biāo)函數(shù)中的對(duì)偶?xì)埐钚∮谑諗烤取?yōu)化調(diào)度流程見圖3，具體求解步驟為：

步驟1：設(shè)置最大迭代次數(shù)[kmax]、收斂精度[ξ]和懲罰因子，初始化CIES之間的熱電交易功率和拉格朗日乘數(shù)。

步驟2：CIES1從其他社區(qū)接收到期望交易功率[Ek12（t）]、[Ek13（t）]、[Qk12（t）]和[Qk13（t）]，獨(dú)立求解CIES1的分布式優(yōu)化運(yùn)行模型，將自身的期望交易功率[Ek+112（t）]、[Ek+113（t）]、[Qk+112（t）]和[Qk+113（t）]傳遞給其他社區(qū)。

步驟3：CIES2接收來(lái)自其他社區(qū)的期望交互功率[Ek+112（t）]、[Ek23（t）]、[Qk+112（t）]和[Qk23（t）]，進(jìn)行優(yōu)化調(diào)度，并將期望交互功率[Ek+112（t）]、[Ek+123（t）]、[Qk+112（t）]和[Qk+123（t）]傳遞給其他社區(qū)。

步驟4：CIES3從其他社區(qū)接收到期望交易功率[Ek+113（t）]、[Ek+123（t）]、[Qk+113（t）]和[Qk+123（t）]，然后求解自身的分布式優(yōu)化子問(wèn)題，將其期望交互功率[Ek+113（t）]、[Ek+123（t）]、[Qk+113（t）]和[Qk+123（t）]傳遞給其他社區(qū)。

步驟5：拉格朗日乘數(shù)更新：

[λk+1ij，e（t）=λkij，e（t）+ρ[Ekij（t）-Ekij（t）]λk+1ij，q（t）=λkij，q（t）+ρ[Qkij（t）-Qkij（t）]] （29）

步驟6：更新迭代次數(shù)：[k=k+1]。

步驟7：根據(jù)當(dāng)前參數(shù)判斷收斂條件，如果滿足式（30）迭代終止條件則迭代終止，否則返回步驟2重復(fù)計(jì)算，直到滿足迭代終止條件。

[i=1，i≠jDEkij（t）-Ekij（t）22+Qkij（t）-Qkij（t）22lt;ξ """"k≥kmax] （30）

2.1.4 基于Shapley值的效益分配機(jī)制

交互運(yùn)行策略下CIES合作聯(lián)盟的整體運(yùn)行成本較獨(dú)立運(yùn)行有所降低，為確保獲得的整體經(jīng)濟(jì)效益能夠合理分配，采用Shapley值法基于個(gè)體貢獻(xiàn)度建立收益分配模型（如式（32）所示），CIES[i]的真實(shí)運(yùn)行成本如式（33）所示，CIES[i]的貢獻(xiàn)度[Di]量化評(píng)估模型如式（34）所示。

[ΔCS=CS-C0S] （31）

[ΔCi=S∈Si（S-1）?。╪-S）！n！[ΔCS-ΔCS＼{i}]] （32）

[Creali=Ci-ΔCi] （33）

[Di=ΔCiΔCS×100%] （34）

式中：[ΔCS]——CIES合作聯(lián)盟的總運(yùn)行成本降低值，元；[CS]、[C0S]——各CIES交互運(yùn)行前后的總運(yùn)行成本，元；[n]——合作聯(lián)盟包含的所有CIES的總集合；[Si]——集合[n]中包含CIES[i]所有子集所形成的集合；[S]——集合[S]中CIES數(shù)量；[ΔCS＼{i}]——集合[S]除去CIES[i]的收益，元；[ΔCi]——CIES[i]分配到的收益，元；[Ci]、[Creali]——CIES[i]交互運(yùn)行前后的運(yùn)行成本，元。

2.2 獨(dú)立運(yùn)行

2.2.1 決策變量

對(duì)于獨(dú)立運(yùn)行策略下的CIES而言，優(yōu)化調(diào)度的決策變量設(shè)定為系統(tǒng)各設(shè)備的逐時(shí)出力，各變量同樣遵從設(shè)備容量上限約束及設(shè)備的能源轉(zhuǎn)換特性約束，表示為：

[X2=[Egt， Egrid， Ebat， Qahp， Qgshp， Qtes]T] （35）

2.2.2 目標(biāo)函數(shù)

將CIES的自身總運(yùn)行成本最小化作為優(yōu)化的目標(biāo)函數(shù)，不再考慮能源交互帶來(lái)的附加成本：

[minC2=Cgrid（t）+Cgas（t）+Ccarbon（t）] （36）

2.2.3 求解方法

CIES在獨(dú)立運(yùn)行策略下的運(yùn)行成本最小化問(wèn)題屬于線性規(guī)劃問(wèn)題，針對(duì)該問(wèn)題調(diào)用CPLEX進(jìn)行求解，可高效快速地輸出優(yōu)化調(diào)度方案。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)及算例設(shè)定

本文選取北京市光伏社區(qū)群為研究對(duì)象，其中所涵蓋的4類建筑參數(shù)見表"建筑逐時(shí)負(fù)荷及光伏發(fā)電見圖4。CIES內(nèi)設(shè)備主要參數(shù)見表2［25-26］。尖峰、峰、平、谷時(shí)電價(jià)分別為1.5065、1.3782、0.8595、0.3658元/kWh，向電網(wǎng)售電價(jià)為購(gòu)電價(jià)的一半；天然氣價(jià)格為0.245 元/kWh；碳排放成本為120 元/t；單位天然氣及單位購(gòu)電的CO2排放系數(shù)分別為0.220 kg/kWh和0.5703 kg/kWh。

在不同的建筑規(guī)模與功能混合下，光伏社區(qū)對(duì)外呈現(xiàn)出差異性較大的產(chǎn)消特性。為探究不同光伏社區(qū)組合在能源交互策略下的效益提升潛能，基于參與社區(qū)的產(chǎn)消匹配差異設(shè)定8種情景，如表3所示。

8種情景下光伏社區(qū)建筑在09：00—18：00的逐時(shí)電力產(chǎn)消特性見圖5。紅色越深表示缺電特性越強(qiáng)，藍(lán)色越深表示余電特性越強(qiáng)。本文所設(shè)8種情景被劃分為3類社區(qū)組合：情景1、情景2中各社區(qū)在任何時(shí)刻均呈缺電特性；情景7、情景8中各社區(qū)在11：00—15：00均呈多電特性且余電量達(dá)到電負(fù)荷的1～2倍；情景3—情景6下各社區(qū)存在一定程度的余缺互補(bǔ)特性。

3.2 綜合性能對(duì)比

交互運(yùn)行策略下余缺互補(bǔ)特性較強(qiáng)的光伏社區(qū)組合可實(shí)現(xiàn)光伏消納水平的顯著提升，如圖6中情景4～情景6較獨(dú)立運(yùn)行分別達(dá)到19.6%、24.9%和11.9%。而對(duì)于余缺互補(bǔ)特性較差的光伏社區(qū)組合，幾乎不具有光伏進(jìn)一步向區(qū)域能源系統(tǒng)滲透的潛能。

系統(tǒng)成本與碳減排指標(biāo)見圖7，光伏社區(qū)聯(lián)盟的運(yùn)行成本節(jié)約率、碳減排率與交互能源滲透率的大小關(guān)系基本一致，交互能源滲透率越高意味著交互策略對(duì)區(qū)域CIES能源調(diào)配靈活性的開發(fā)程度越高。進(jìn)一步對(duì)比發(fā)現(xiàn)，系統(tǒng)性能指標(biāo)與交互電力滲透率的相關(guān)性更強(qiáng)，表明CIES交互電力滲透潛能大小將對(duì)交互策略實(shí)施的效果產(chǎn)生直接影響。以情景4為例，雖然交互熱電滲透率之和與情景1相近，但由于具有更高的電力交互滲透率（為16.2%），并且這部分交互實(shí)現(xiàn)了19.6%的光伏消納的提升，因此其成本及碳減排指標(biāo)更優(yōu)，分別達(dá)到4.9%及7.3%。情景3、情景5、情景6所設(shè)定的光伏社區(qū)組合具有較好的電力余缺互補(bǔ)特性，也能夠?qū)崿F(xiàn)較好的效益提升，碳減排率達(dá)到5.3%、7.4%和4.6%，運(yùn)行成本節(jié)約率達(dá)到4.5%、5.0%和3.8%。

對(duì)于缺電社區(qū)組合而言，其在完成光伏電力的自產(chǎn)自消后仍需CIES進(jìn)行足夠的熱電供應(yīng)，而交互策略對(duì)于協(xié)調(diào)各CIES的設(shè)備出力以使燃機(jī)等設(shè)備在變工況運(yùn)行下保持高效率的能源轉(zhuǎn)換具有一定的積極作用。如情景1、情景"分別具有12.8%及13.2%的交互電力滲透率，這部分交互電力完全來(lái)自燃機(jī)。另外，由于燃機(jī)更高程度的投入運(yùn)行，更多的煙氣余熱可通過(guò)交互被利用，情景1、情景2的交互熱力滲透率分別達(dá)到9.4%和7.1%。綜上，情景1、情景2的成本及碳排指標(biāo)分別可達(dá)到3.0%、4.4%和4.0%、5.1%。因此，對(duì)于光伏匱乏的社區(qū)組合，熱電交互策略仍具有一定的適用性。

對(duì)多電社區(qū)組合較缺電社區(qū)組合而言，由于光伏出力時(shí)段的各社區(qū)負(fù)荷基本能夠自我滿足，因此燃機(jī)的出力區(qū)間更小，意味著能源交互受到約束。情景7、情景8中的交互熱電滲透率僅約為3.8%。成本及碳排指標(biāo)較獨(dú)立運(yùn)行基本未提升。綜上，交互策略并不適用于此類社區(qū)組合。

3.3 能源調(diào)度分析

為展示CIES內(nèi)部的運(yùn)行狀態(tài)以及社區(qū)間的熱電交互情況，以情景5為例進(jìn)行分析，電、熱平衡分別見圖8、圖9。圖8可見，由于電網(wǎng)“峰谷”電價(jià)以及光伏日間集中出力，燃機(jī)呈間斷性啟停、高負(fù)載運(yùn)行的特點(diǎn)。在23：00—06：00時(shí)段，由于電網(wǎng)電價(jià)的成本優(yōu)勢(shì)，各個(gè)社區(qū)電負(fù)荷完全由電網(wǎng)購(gòu)電滿足，此時(shí)段燃機(jī)停機(jī)，無(wú)熱電交互。另外，在該時(shí)段蓄電池進(jìn)行廉價(jià)電力的存儲(chǔ)，以降低后續(xù)時(shí)段的用電成本。在光伏發(fā)電不足且電網(wǎng)電價(jià)脫離低谷的時(shí)段，如CIES1的17：00—22：00時(shí)段、CIES2的09：00—11：00時(shí)段以及CIES3的07：00—10：00時(shí)段，燃機(jī)啟動(dòng)運(yùn)行。在以低碳經(jīng)濟(jì)為導(dǎo)向的調(diào)度策略下，由于燃機(jī)產(chǎn)能的熱電耦合特性與變工況特性，因此該時(shí)段各社區(qū)間會(huì)存在一定程度的熱電交互以提高CIES群的一次能源利用率與能源轉(zhuǎn)換效率。如CIES1的17：00—18：00時(shí)段以及CIES2的21：00—22：00時(shí)段，燃機(jī)進(jìn)行額外的產(chǎn)電融出，以滿足其他光伏社區(qū)在該時(shí)段的電力需求。

在高輻照度的時(shí)段（11：00—15：00），各社區(qū)建筑光伏具有高效的電力產(chǎn)出。其中，社區(qū)1、社區(qū)3的光伏逐時(shí)發(fā)電可高比例覆蓋逐時(shí)電負(fù)荷，社區(qū)2的光伏發(fā)電則遠(yuǎn)遠(yuǎn)不足。本案例中，社區(qū)1、社區(qū)3向社區(qū)2提供了5532.1 kWh的電力援助，滿足其59.8%的電負(fù)荷需求；而CIES2在07：00—08：00時(shí)段和20：00—22：00時(shí)段分別進(jìn)一步挖掘蓄電池與燃機(jī)的潛能，完成了1107.9 kWh的電力融出。另外，為進(jìn)一步提高光伏就地消納，削弱分布式能源對(duì)電網(wǎng)的沖擊，社區(qū)1～社區(qū)3的蓄電池對(duì)中午時(shí)段的光伏發(fā)電進(jìn)行了儲(chǔ)蓄。需要說(shuō)明的是，CIES2的蓄電來(lái)自其他社區(qū)的光伏余電融入。

熱平衡如圖9所示，各社區(qū)熱負(fù)荷由吸收式熱泵、地源熱泵和社區(qū)間交互熱力協(xié)調(diào)滿足。由于夜間電網(wǎng)的價(jià)格優(yōu)勢(shì)，地源熱泵成為社區(qū)1、社區(qū)3夜間熱負(fù)荷的主要熱源。各社區(qū)日間的熱負(fù)荷優(yōu)先由吸收式熱泵滿足，這是因?yàn)槿计啓C(jī)的投入運(yùn)行產(chǎn)生了大量的煙氣余熱，顯然余熱的利用更為經(jīng)濟(jì)節(jié)能。另外，各社區(qū)煙氣余熱與熱負(fù)荷之間供需失衡促進(jìn)了熱力交互的進(jìn)行。本算例中的3個(gè)社區(qū)共完成了3529.5 kWh的熱交互，提高了區(qū)域能源系統(tǒng)的整體能源利用率。

3.4 效益分配示例

交互運(yùn)行下光伏社區(qū)CIES的運(yùn)行成本包括電網(wǎng)交互成本、天然氣購(gòu)買成本、碳排放成本以及向上級(jí)管網(wǎng)支付的能源傳輸費(fèi)用，詳見表4。由于交互運(yùn)行策略優(yōu)先滿足光伏社區(qū)聯(lián)盟整體的經(jīng)濟(jì)性，因此會(huì)出現(xiàn)某個(gè)或某些光伏社區(qū)運(yùn)行成本較獨(dú)立運(yùn)行模式略高的現(xiàn)象。如圖10所示，雖然交互運(yùn)行下運(yùn)行成本較獨(dú)立運(yùn)行降低5.0%，但CIES1的運(yùn)行成本較獨(dú)立運(yùn)行增加756.4元。因此，采用Shapley值法根據(jù)CIES1、CIES2和CIES3對(duì)聯(lián)盟總目標(biāo)27.5%、52.8%和19.6%的貢獻(xiàn)程度來(lái)分配收益，分配后各CIES的運(yùn)行成本均有所降低。

4 結(jié) 論

本文針對(duì)光伏建筑一體化社區(qū)面臨的產(chǎn)消失衡問(wèn)題，建立了考慮區(qū)域CIES間熱電交互運(yùn)行策略的低碳經(jīng)濟(jì)調(diào)度模型和基于Shapley值的效益分配機(jī)制，通過(guò)設(shè)置具體算例進(jìn)行對(duì)比分析，得到以下結(jié)論：

1） 采用ADMM算法進(jìn)行分布式求解，各光伏社區(qū)僅需傳遞期望能源交互量，這充分保證CIES內(nèi)部設(shè)備與用戶的數(shù)據(jù)隱私。

2）交互運(yùn)行策略下的效益提升與光伏社區(qū)間的建筑能源產(chǎn)消匹配度以及多CIES的設(shè)備供能靈活性相關(guān)。本文的設(shè)定情景下，單一缺電社區(qū)群通過(guò)各CIES協(xié)調(diào)優(yōu)化設(shè)備出力實(shí)現(xiàn)3%～4%的成本節(jié)約；余、缺電社區(qū)兼有的社區(qū)群通過(guò)能源交互提升12%～20%的光伏消納；單一多電社區(qū)群通過(guò)能源交互難以進(jìn)一步挖掘到光伏滲透或能源高效利用的潛能。3）通過(guò)基于Shapley值的效益分配機(jī)制充分保證各光伏社區(qū)的參與意愿，避免了個(gè)別社區(qū)成員犧牲自身利益來(lái)達(dá)到整體經(jīng)濟(jì)效益最優(yōu)的情況。

［參考文獻(xiàn)］

［1］ 于瑛， 姚星， 丑錦帥， 等. 城鎮(zhèn)典型住宅建筑屋頂分布式光伏系統(tǒng)潛能分析［J］. 太陽(yáng)能學(xué)報(bào)， 2023， 44（7）： 182-190.

YU Y， YAO X， CHOU J S， et al. Potential analysis of distributed pv systems on roof of typical residential building in urban area［J］. Acta energiae solaris sinica， 2023， 44（7）： 182-190.

［2］ 魏煒， 賈皓越， 穆云飛， 等. 光電-光熱區(qū)域綜合能源系統(tǒng)太陽(yáng)能消納能力評(píng)估模型［J］. 電力系統(tǒng)自動(dòng)化， 2019， 43（20）： 16-23， 38.

WEI W， JIA H Y， MU Y F， et al. Assessment model of solar energy accommodation capability of regional integrated energy system with PVs and solar collectors［J］. Automation of electric power systems， 2019， 43（20）： 16-23， 38.

［3］ 楊承， 楊澤亮， 蔡睿賢. 基于全工況性能的冷熱電聯(lián)產(chǎn)系統(tǒng)效率指標(biāo)比較［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2008， 28（2）： 8-13.

YANG C， YANG Z L， CAI R X. Comparison of CCHP efficiencies ""based ""on ""off-design ""characteristics［J］. Proceedings of the CSEE， 2008， 28（2）： 8-13.

［4］ 熊偉， 馬志程， 張曉英， 等. 計(jì)及風(fēng)、光消納的風(fēng)電-光伏-光熱互補(bǔ)發(fā)電二層優(yōu)化調(diào)度［J］. 太陽(yáng)能學(xué)報(bào)， 202""43（7）： 39-48.

XIONG W， MA Z C， ZHANG X Y， et al. Two-layer optimal dispatch of WF-PV-CSP hybrid power generation considering wind power and photovoltaic consumption［J］. Acta energiae solaris sinica， 202""43（7）： 39-48.

［5］ 王永真， 康利改， 張靖， 等. 綜合能源系統(tǒng)的發(fā)展歷程、典型形態(tài)及未來(lái)趨勢(shì)［J］. 太陽(yáng)能學(xué)報(bào)， 202""42（8）： 84-95.

WANG Y Z， KANG L G， ZHANG J， et al. Development history， typical form and future trend of integrated energy system［J］. Acta energiae solaris sinica， 202""42（8）： 84-95.

［6］ 裴瑋， 杜妍， 李洪濤， 等. 應(yīng)對(duì)微網(wǎng)群大規(guī)模接入的互聯(lián)和互動(dòng)新方案及關(guān)鍵技術(shù)［J］. 高電壓技術(shù)， 2015， 41（10）： 3193-3203.

PEI W， DU Y， LI H T， et al. Novel solution and key technology of interconnection and interaction for large scale microgrid cluster integration［J］. High voltage engineering， 2015， 41（10）： 3193-3203.

［7］ 曹紫霖， 王文靜， 趙薇， 等. 考慮需求響應(yīng)的負(fù)荷密集區(qū)分布式綜合能源系統(tǒng)優(yōu)化調(diào)度研究［J］. 綜合智慧能源， 2023， 45（7）： 11-21.

CAO Z L， WANG W J， ZHAO W， et al. Research on optimal scheduling of distributed integrated energy systems in load-intensive areas considering demand response［J］. Integrated intelligent energy， 2023， 45（7）： 11-21.

［8］ 曲建峰， 湯波， 余光正， 等. 基于源荷匹配的多微網(wǎng)功率交互及共享儲(chǔ)能規(guī)劃［EB/OL］. 現(xiàn)代電力， 1-13[2024-12-27].https：//doi.org/10.19725/j.cnki.1007-2322.2022.0456.

QU Y F， TANG B， YU G Z， et al. Multi-microgrids power interaction and shared energy storage planning based on generation-load matching［EB/OL］. Modern electric power， 1-13[2024-12-27]. https：//doi.org/10.19725/j.cnki.1007-2322.2022.0456.

［9］ 吳迪凡， 張楠， 韓鈺， 等. 考慮能量梯級(jí)高效利用的多微網(wǎng)綜合能源系統(tǒng)優(yōu)化調(diào)度策略［J］. 電力大數(shù)據(jù)， 2023， 26（4）： 19-27.

WU D F， ZHANG N， HAN Y， et al. Optimal dispatching strategy for multi-microgrids integrated energy system based on the efficiency of cascade utilization of energy［J］. Power systems and big data， 2023， 26（4）： 19-27.

［10］ XU A Q， WU J， ZHOU G L， et al. Economic， reliability， environmental and operation factors to achieve optimal operations ""of ""multiple ""microgrids［J］. ""Computers ""amp; chemical engineering， 2023， 176： 108279.

［11］ 劉念， 趙璟， 王杰， 等. 基于合作博弈論的光伏微電網(wǎng)群交易模型［J］. 電工技術(shù)學(xué)報(bào)， 2018， 33（8）： 1903-1910.

LIU N， ZHAO J， WANG J， et al. A trading model of PV microgrid cluster based on cooperative game theory［J］. Transactions of China Electrotechnical Society， 2018， 33（8）： 1903-1910.

［12］ REN F K， LIN X Z， MA X T， et al. A two-stage planning method for design and dispatch of distributed energy networks """Considering """Multiple """energy """trading［J］. Sustainable cities and society， 2023， 96： 104666.

［13］ ZHANG G Q， WANG J J， REN F K， et al. Collaborative optimization for multiple energy stations in distributed energy network based on electricity and heat interchanges［J］. Energy， 202""222： 119987.

［14］ 馬麗葉， 劉美思， 尹鈺， 等. 主動(dòng)配電網(wǎng)中多微網(wǎng)魯棒環(huán)境經(jīng)濟(jì)調(diào)度研究［J］. 太陽(yáng)能學(xué)報(bào)， 2020， 41（11）： 1-10.

MA L Y， LIU M S， YIN Y， et al. Robust environment economic scheduling of multimicrogrids in active distribution "network［J］. "Acta "energiae "solaris "sinica， 2020， 41（11）： 1-10.

［15］ 王守相， 張齊， 王瀚， 等. 高可再生能源滲透率下的區(qū)域多微網(wǎng)系統(tǒng)優(yōu)化規(guī)劃方法［J］. 電力自動(dòng)化設(shè)備， 2018， 38（12）： 33-38， 52.

WANG S X， ZHANG Q， WANG H， et al. Optimal planning method for regional multi-microgrid system with high renewable energy penetration［J］. Electric power automation equipment， 2018， 38（12）： 33-38， 52.

［16］ 葉宇劍， 袁泉， 劉文雯， 等. 基于參數(shù)共享機(jī)制多智能體深度強(qiáng)化學(xué)習(xí)的社區(qū)能量管理協(xié)同優(yōu)化［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 202""42（21）： 7682-7695.

YE Y J， YUAN Q， LIU W W， et al. Parameter sharing empowered multi-agent deep reinforcement learning for coordinated ""management ""of ""energy ""communities［J］. Proceedings of the CSEE， 202""42（21）： 7682-7695.

［17］ MONFAREDI F， SHAYEGHI H， SIANO P. Multi-agent deep reinforcement learning-based optimal energy management for grid-connected multiple energy carrier microgrids［J］. International journal of electrical power amp; energy systems， 2023， 153： 109292.

［18］ HOU H， WANG Z， CHEN Y， et al. Multi-stage hybrid energy management strategy for reducing energy abandonment and load losses among multiple microgrids［J］. International journal of electrical power amp; energy systems， 2023， 148： 108773.

［19］ 周曉倩， 艾芊. 配電網(wǎng)與多微網(wǎng)聯(lián)合分布式魯棒經(jīng)濟(jì)調(diào)度［J］. 電力系統(tǒng)自動(dòng)化， 2020， 44（7）： 23-30.

ZHOU X Q， AI Q. Combined distributed robust economic dispatch of distribution network and multiple microgrids［J］. Automation of electric power systems， 2020， 44（7）： 23-30.

［20］ 陳剛， 楊毅， 楊曉梅， 等. 基于分布式牛頓法的微電網(wǎng)群分布式優(yōu)化調(diào)度方法［J］. 電力系統(tǒng)自動(dòng)化， 2017， 41（21）： 156-162.

CHEN G， YANG Y， YANG X M， et al. Distributed optimization scheduling method for microgrid cluster based on distributed Newton method［J］. Automation of electric power systems， 2017， 41（21）： 156-162.

［21］ 王皓， 艾芊， 吳俊宏， 等. 基于交替方向乘子法的微電網(wǎng)群雙層分布式調(diào)度方法［J］. 電網(wǎng)技術(shù)， 2018， 42（6）： 1718-1727.

WANG H， AI Q， WU J H， et al. Bi-level distributed optimization for microgrid clusters based on alternating direction ""method ""of ""multipliers［J］. ""Power ""system technology， 2018， 42（6）： 1718-1727.

［22］ 黃悅?cè)A， 劉興韜， 陳慶， 等. 基于區(qū)塊鏈的微網(wǎng)群交易機(jī)制及日前優(yōu)化調(diào)度［J］. 科學(xué)技術(shù)與工程， 2023， 23（2）： 610-618.

HUANG Y H， LIU X T， CHEN Q， et al. Micogrids trading mechanism and day-ahead optimal scheduling based ""on ""blockchain［J］. ""Science ""technology ""and engineering， 2023， 23（2）： 610-618.

［23］ ZHAO X， ZHENG W Y， HOU Z H， et al. Economic dispatch of multi-energy system considering seasonal variation based on hybrid operation strategy［J］. Energy， 202""238： 121733.

［24］ RAJAEI A， FATTAHEIAN-DEHKORDI S， FOTUHI-FIRUZABAD M， et al. Decentralized transactive energy management of multi-microgrid distribution systems based on ADMM［J］. International journal of electrical power amp; energy systems， 202""132： 107126.

［25］ LI Y X， WANG J J， ZHOU Y， et al. Multi-dimension day-ahead scheduling optimization of a community-scale solar-driven CCHP system with demand-side management［J］. Renewable and sustainable energy reviews， 2023， 185： 113654.

［26］ 任福康， 陳宜， 王江江. 耦合太陽(yáng)能和地?zé)崮艿睦錈犭娐?lián)供系統(tǒng)優(yōu)化［J］. 工程熱物理學(xué)報(bào)， 202""42（1）： 16-24.

REN F K， CHEN Y， WANG J J. Optimization of combined cooling， heating， and power system coupled with ""solar ""and ""geothermal ""energies［J］. ""Journal ""of engineering thermophysics， 202""42（1）： 16-24.

OPTIMIZATION OF THERMOELECTRIC INTERACTION STRATEGRY OF COMMUNITY INTEGRATED ENERGY SYSTEM BASED ON

BUILDING PHOTOVOLTAIC

Wei Changqi"Zhou Yuan"Jin Ying"Zhao Lei"Li Yuxin"Wang Jiangjiang1

（1. Hebei Key Laboratory of Low Carbon and High Efficiency Power Generation Technology， North China Electric Power University，

Baoding 071003， China； 2. Beijing Electronic Intelligent Energy Co.， Ltd， Beijing 100015， China）

Abstract：To address the imbalance between the production and consumption of solar power in integrated communities， this article focuses on optimizing the on-site consumption of building-integrated photovoltaics （BIPV） and implementing low-carbon economic scheduling in community energy systems to facilitate energy sharing. The study employs the alternating direction multiplier method to develop a strategy for minimizing the total operating cost of community groups while also preserving the privacy of participating members. Additionally， the Shapley value method is utilized to allocate benefits based on the contribution of participating communities. Through mathematical analysis， this article examines the performance of the community integrated energy system under interactive operation and compares it with the independent operation approach. The calculations demonstrate that the interactive operation strategy offers a 3% to 5% increase in operating cost efficiency compared to independent operations. It also results in a carbon emission reduction efficiency improvement of 4% to 8% and a 4% to 25% increase in photovoltaic consumption. However， the interactive operation strategy has a negligible impact on the efficiency improvement in a single multi-power community combination.

Keywords：integrated energy system； optimal scheduling； building integrated photovoltaics； photovoltaic absorption； benefit allocation