摘 要：在配電網(wǎng)局部區(qū)域，多個(gè)冷熱電聯(lián)供微網(wǎng)共同接入，表現(xiàn)出源荷不確定性和儲(chǔ)能調(diào)度的無序性與互補(bǔ)性。采用魯棒優(yōu)化和共享儲(chǔ)能模式，有助于提升系統(tǒng)抗風(fēng)險(xiǎn)能力并提高儲(chǔ)能容量利用效率。為此，針對(duì)冷熱電聯(lián)供的區(qū)域多微網(wǎng)系統(tǒng)，提出考慮源荷不確定性和多微網(wǎng)自建共享儲(chǔ)能電站協(xié)同調(diào)度的魯棒優(yōu)化模型。該魯棒優(yōu)化調(diào)度模型包含兩階段運(yùn)行決策，旨在計(jì)及源荷不確定性和區(qū)域內(nèi)微網(wǎng)間功率交互交換的影響下，給出自建共享儲(chǔ)能電站容量配置和多微網(wǎng)系統(tǒng)運(yùn)行的最優(yōu)調(diào)度方案，以實(shí)現(xiàn)區(qū)域多微網(wǎng)系統(tǒng)整體運(yùn)營成本和自建共享儲(chǔ)能電站初始投資成本的最小化。仿真結(jié)果驗(yàn)證所提模型的有效性。

關(guān)鍵詞：微電網(wǎng)；儲(chǔ)能；魯棒性；冷熱電聯(lián)供；功率交互

中圖分類號(hào)：TM734 文獻(xiàn)標(biāo)志碼：A

0 引 言

在全球環(huán)境污染日益嚴(yán)重、氣候變化問題不斷惡化和能源需求不斷增長的背景下，中國在2020年提出“雙碳”戰(zhàn)略目標(biāo)，以開發(fā)利用可再生能源（renewable energy source，RES）為主體的能源系統(tǒng)成為未來能源利用設(shè)計(jì)發(fā)展的主流［1］。同時(shí)隨著電力市場(chǎng)的改革，獨(dú)立的利益相關(guān)者可以參與電力交易，大量包含RES的微網(wǎng)將并入配電網(wǎng)［2］。然而，由于RES在短時(shí)間內(nèi)呈現(xiàn)出力不確定性和在長時(shí)間尺度上會(huì)表現(xiàn)出季節(jié)性發(fā)電差異性，會(huì)對(duì)配電網(wǎng)的調(diào)度平衡和安全運(yùn)行產(chǎn)生巨大影響［3］。因此，在RES高比例接入的背景下，如何在實(shí)現(xiàn)RES的就地生產(chǎn)和就地消納的同時(shí)，保障微網(wǎng)與配電網(wǎng)之間形成穩(wěn)定的能量交互關(guān)系，是亟需解決的關(guān)鍵難題［4］。

目前，針對(duì)如何應(yīng)對(duì)微網(wǎng)運(yùn)行調(diào)控中RES隨機(jī)性與間歇性影響的問題，國內(nèi)外學(xué)者已開展了大量研究工作［5］。文獻(xiàn)［6］建立了實(shí)時(shí)能源管理系統(tǒng)來解決各種不確定性對(duì)能源平衡的影響問題，以提高能源交易回報(bào)率；文獻(xiàn)［7-8］采用控制管理策略與儲(chǔ)能裝置相配合的優(yōu)化模型，有效地抑制了光伏功率的波動(dòng)性，提升了系統(tǒng)效率；文獻(xiàn)［9］考慮微網(wǎng)之間的功率傳輸限制與RES出力不確定性因素，提出一種計(jì)及條件風(fēng)險(xiǎn)價(jià)值下基于合作博弈的多能源微網(wǎng)協(xié)同運(yùn)行優(yōu)化模型；文獻(xiàn)［10］考慮微網(wǎng)的源荷雙重不確定性以及時(shí)間序列的時(shí)間自相關(guān)特性，采用多變量核密度估計(jì)，建立了不確定性概率模型。

相較于傳統(tǒng)的單體微網(wǎng)，多微網(wǎng)系統(tǒng)含有的RES數(shù)量更多，總體出力隨機(jī)性更強(qiáng)，且在多微網(wǎng)系統(tǒng)全局考慮的視角下，每個(gè)微網(wǎng)的能量產(chǎn)出和消耗以及儲(chǔ)能充放電行為具有無序性和互補(bǔ)性［11］。倘若多微網(wǎng)系統(tǒng)僅依靠單純的隨機(jī)優(yōu)化調(diào)度模型會(huì)造成能量和儲(chǔ)能容量的浪費(fèi)［12］，從而影響RES的就地消納率和配電網(wǎng)的穩(wěn)定調(diào)度［13］。因此，多微網(wǎng)系統(tǒng)需要配置共享儲(chǔ)能系統(tǒng)，與隨機(jī)優(yōu)化調(diào)度模型共同“合力”提高RES的消納率以及與配電網(wǎng)形成穩(wěn)定的電能交互關(guān)系。已有學(xué)者對(duì)儲(chǔ)能裝置的共享策略進(jìn)行了研究，以進(jìn)一步開發(fā)其潛力［14］。文獻(xiàn)［15］考慮了共享儲(chǔ)能設(shè)備，提出能源容量交易和運(yùn)營博弈以及在分配的容量下的微網(wǎng)最小化運(yùn)營成本；文獻(xiàn)［16］基于合作博弈理論，提出考慮共享儲(chǔ)能設(shè)備的區(qū)域綜合能源多微網(wǎng)系統(tǒng)日前調(diào)度模型。然而，文獻(xiàn)［15-16］主要關(guān)注于儲(chǔ)能電站與多微網(wǎng)系統(tǒng)之間的優(yōu)化調(diào)度和能量交易問題，并未涉及儲(chǔ)能容量規(guī)劃配置問題；文獻(xiàn)［17］涉及了區(qū)域內(nèi)多微網(wǎng)共享儲(chǔ)能電站的容量配置，但未考慮區(qū)域內(nèi)多微網(wǎng)協(xié)同運(yùn)行、電能交互的情況。此外，文獻(xiàn)［15-17］考慮的共享儲(chǔ)能系統(tǒng)與多微網(wǎng)系統(tǒng)的交互行為均基于確定性場(chǎng)景，未考慮RES不確定性的影響。鑒于此，文獻(xiàn)［18-19］采用風(fēng)光出力和負(fù)荷需求的歷史數(shù)據(jù)，生成了大量樣本集合，并利用條件生成或抽樣技術(shù)削減樣本集合得到典型場(chǎng)景，進(jìn)而考慮源荷不確定性對(duì)儲(chǔ)能容量配置以及系統(tǒng)運(yùn)行優(yōu)化的影響。然而，在長時(shí)間的實(shí)際運(yùn)行中，需要應(yīng)對(duì)突發(fā)情況和惡劣場(chǎng)景的出現(xiàn)，僅依靠典型場(chǎng)景法處理不確定性對(duì)儲(chǔ)能容量規(guī)劃配置的影響可能導(dǎo)致冗余容量不足的情況。此外，在生成典型場(chǎng)景時(shí)，往往存在主觀先驗(yàn)知識(shí)和不同系數(shù)比重的調(diào)節(jié)，導(dǎo)致所得到的模型與真實(shí)實(shí)際運(yùn)行情況存在一定差別。

綜上，現(xiàn)有文獻(xiàn)分別從隨機(jī)優(yōu)化調(diào)度、共享儲(chǔ)能等不同角度對(duì)微網(wǎng)進(jìn)行了研究。然而，在考慮冷熱電聯(lián)供（combined cooling heating and power，CCHP）區(qū)域多微網(wǎng)系統(tǒng)中源荷不確定性因素的影響，鮮有對(duì)微網(wǎng)間電功率交互和多微網(wǎng)系統(tǒng)內(nèi)自建共享儲(chǔ)能電站的情況進(jìn)行深入探討。因此，本文考慮在CCHP區(qū)域多微網(wǎng)系統(tǒng)中自建共享儲(chǔ)能電站，并計(jì)及RES出力和可調(diào)性負(fù)荷的波動(dòng)性對(duì)自建共享儲(chǔ)能電站和CCHP多微網(wǎng)系統(tǒng)運(yùn)行的影響，建立基于兩階段魯棒優(yōu)化的CCHP多微網(wǎng)自建共享儲(chǔ)能電站的協(xié)同優(yōu)化調(diào)度模型。本文的主要貢獻(xiàn)如下：

1）考慮CCHP多微網(wǎng)中自建共享儲(chǔ)能電站，建立儲(chǔ)能電站的容量規(guī)劃，從而降低初始投資成本，并綜合考慮每個(gè)微網(wǎng)的儲(chǔ)能充放電行為的差異性，使得儲(chǔ)能容量得到最大限度的利用。

2）考慮微網(wǎng)間的交互功率以及CCHP多微網(wǎng)內(nèi)部不同能源的響應(yīng)特性，建立基于多種形式能源協(xié)同互補(bǔ)的多微網(wǎng)系統(tǒng)運(yùn)行調(diào)度模型，從而提高CCHP多微網(wǎng)整體的RES消納率和優(yōu)化微網(wǎng)內(nèi)部微源出力，達(dá)到進(jìn)一步減少CCHP多微網(wǎng)整體運(yùn)營成本的目標(biāo)。

3）計(jì)及CCHP多微網(wǎng)中的源荷不確定性，構(gòu)建對(duì)應(yīng)的兩階段魯棒優(yōu)化調(diào)度模型：第1階段為固定源荷場(chǎng)景值，根據(jù)CCHP多微網(wǎng)系統(tǒng)優(yōu)化模型，探究自建共享儲(chǔ)能電站的所需容量配置；第2階段為固定儲(chǔ)能電站狀態(tài)值，在源荷不確定集向最惡劣場(chǎng)景變化時(shí)最小化調(diào)度成本，校正第1階段場(chǎng)景值；然后采用列和約束生成（column and constraint generation，Camp;CG）算法對(duì)其進(jìn)行迭代求解，從而使所得優(yōu)化決策結(jié)果可應(yīng)對(duì)RES出力和可調(diào)負(fù)荷需求的不確定性。

1 含自建共享儲(chǔ)能電站的CCHP區(qū)域多微網(wǎng)系統(tǒng)結(jié)構(gòu)

本文闡述了含自建共享儲(chǔ)能電站的CCHP區(qū)域多微網(wǎng)的系統(tǒng)結(jié)構(gòu)，如圖1所示。在CCHP區(qū)域多微網(wǎng)系統(tǒng)中，配電網(wǎng)與系統(tǒng)互相連接，當(dāng)系統(tǒng)負(fù)荷較高時(shí)，配電網(wǎng)可提供額外的電能來保證系統(tǒng)的穩(wěn)定運(yùn)行。系統(tǒng)內(nèi)部，各獨(dú)立微網(wǎng)之間互相連接，形成一個(gè)彈性可靠的電能交互系統(tǒng)，從而使得多微網(wǎng)系統(tǒng)整體運(yùn)行時(shí)能夠更加靈活地響應(yīng)負(fù)荷需求。此外，CCHP區(qū)域多微網(wǎng)系統(tǒng)還設(shè)有自建共享儲(chǔ)能電站，不同類型微網(wǎng)的儲(chǔ)能調(diào)度行為之間可進(jìn)行差異性互補(bǔ)，實(shí)現(xiàn)系統(tǒng)整體運(yùn)營成本最優(yōu)化。區(qū)域多微網(wǎng)系統(tǒng)的共享儲(chǔ)能電站是由區(qū)域內(nèi)所有成員或同一上層公司投資構(gòu)建的，使用時(shí)無需向儲(chǔ)能電站繳納費(fèi)用。圖1中單個(gè)CCHP微網(wǎng)的結(jié)構(gòu)如圖2所示，主要涉及冷、熱、電和氣4種能源形式，主要設(shè)備包括風(fēng)力機(jī)（wind turbine，WT）、太陽電池（photovoltaic，PV）、燃?xì)廨啓C(jī)（gas turbine，GT）、余熱鍋爐（heat recovery boiler，RB）、換熱裝置（heat exchanger，HE）、燃?xì)忮仩t（gas boiler，GB）、吸收式制冷機(jī)（absorption cooler，AC）、電制冷機(jī)（electric cooler，EC）。

結(jié)合圖1和圖"整個(gè)CCHP區(qū)域多微網(wǎng)系統(tǒng)的運(yùn)行邏輯為：1）在CCHP微網(wǎng)運(yùn)行時(shí)，應(yīng)優(yōu)先利用內(nèi)部RES出力。2）CCHP微網(wǎng)的熱負(fù)荷由HE和GB聯(lián)合供應(yīng)，而冷負(fù)荷由EC和AC聯(lián)合供應(yīng)。GT在輸出電功率的同時(shí)，其產(chǎn)生的余熱和廢熱可傳遞至RB進(jìn)行處理，再傳遞至HE和AC進(jìn)一步處理，以供給系統(tǒng)熱負(fù)荷和冷負(fù)荷。3）內(nèi)部微網(wǎng)缺少或者剩余電能時(shí)，應(yīng)優(yōu)先與其他微網(wǎng)進(jìn)行電功率交互。如果仍存在電負(fù)荷不足或者剩余電能，可再與自建共享儲(chǔ)能電站進(jìn)行交互。最后，如果還存在電負(fù)荷不足，可向配電網(wǎng)購電。4）此外，因區(qū)域多微網(wǎng)所屬同一利益主體，為實(shí)現(xiàn)整體利益最大化，微電網(wǎng)之間的功率交互不會(huì)納入運(yùn)行成本中，從而可達(dá)到RES出力被優(yōu)先調(diào)度的效果，同時(shí)為更好地探究共享儲(chǔ)能模式的容量配置問題和提高本地RES的消納率，多微網(wǎng)系統(tǒng)不將電力售出給配電網(wǎng)［20］。

2 兩階段魯棒優(yōu)化調(diào)度模型

本文所建立的兩階段魯棒優(yōu)化調(diào)度模型，通過考慮RES的波動(dòng)性和電負(fù)荷變化，分析CCHP區(qū)域微網(wǎng)系統(tǒng)運(yùn)營調(diào)度和自建共享儲(chǔ)能電站容量配置的影響。第1階段：將源荷預(yù)測(cè)值固定，即整個(gè)多微網(wǎng)系統(tǒng)在確定性優(yōu)化下進(jìn)行，從而根據(jù)多微網(wǎng)系統(tǒng)優(yōu)化模型，確定每個(gè)微網(wǎng)與其他微網(wǎng)、配電網(wǎng)、儲(chǔ)能電站的交互功率，繼而規(guī)劃自建共享儲(chǔ)能電站的容量配置。第2階段：固定儲(chǔ)能電站的狀態(tài)值，在其約束下源荷場(chǎng)景值向?qū)Χ辔⒕W(wǎng)系統(tǒng)優(yōu)化模型最不利的方向變化的同時(shí)最小化運(yùn)營成本；最后校正第1階段場(chǎng)景值。

2.1 自建共享儲(chǔ)能電站優(yōu)化配置模型

2.1.1 目標(biāo)函數(shù)

自建共享儲(chǔ)能電站以最小化運(yùn)行、維護(hù)和投資總成本[CESS]為目標(biāo)函數(shù)，其表達(dá)式為：

[minCESS=CESS，invc+CESS，deg+CESS，mc] （1）

式中：[CESS，invc]、[CESS，deg]、[CESS，mc]——自建共享儲(chǔ)能電站的日平均投資成本、使用功率成本、維護(hù)成本，元。

1）自建共享儲(chǔ)能電站的日平均初始投資成本

[CESS，invc=IPPmaxESS+ISEmaxESSTpre] （2）

式中：[IP]、[IS]——儲(chǔ)能電站的功率成本、容量成本，元/kW；[PmaxESS]、[EmaxESS]——儲(chǔ)能電站的最大充放電功率、最大容量，kW；[Tpre]——儲(chǔ)能電站預(yù)期的使用時(shí)間，d。

2）自建共享儲(chǔ)能電站使用功率成本

[CESS，deg=t=1TSCCPESS（PESS，c（t）+PESS，d（t））] （3）

式中：[PESS，c（t）]、[PESS，d（t）]——[t]時(shí)段的儲(chǔ)能電站的平均充放電功率，kW；[CPESS]——使用功率成本系數(shù)，元/kW；[TSC]——調(diào)度周期時(shí)段數(shù)，h。

3）自建共享儲(chǔ)能電站日維護(hù)成本

[CESS，mc=εESSEmaxESS] （4）

式中：[εESS]——自建共享儲(chǔ)能電站的日維護(hù)成本系數(shù)，元/kW。

2.1.2 約束條件

自建共享儲(chǔ)能電站荷電狀態(tài)和充放電功率約束如下：

[EESS（t）=EESS（t-1）+PESS，c（t）ηESS，c-PESS，d（t）ηESS，dEESS（0）=30%EmaxESS0≤PESS，c（t）≤US（t）PmaxESS0≤PESS，d（t）≤[1-US（t）]PmaxESS10%EmaxESS≤EESS（t）≤90%EmaxESSEmaxESS=βPmaxESSUS（t）∈{0，1}] （5）

式中：[EESS（t）]——自建共享儲(chǔ)能電站在[t]時(shí)段存儲(chǔ)的能量，kW；[ηESS，c]、[ηESS，d]——自建共享儲(chǔ)能電站的充、放電效率；[EESS（0）]——自建共享儲(chǔ)能電站初始存儲(chǔ)的能量，kW；[β]——自建共享儲(chǔ)能電站能量倍率；[US（t）]——自建共享儲(chǔ)能電站在[t]時(shí)段的充放電狀態(tài)，取值為1表示充電，取值為0表示放電。

2.2 CCHP區(qū)域多微網(wǎng)系統(tǒng)調(diào)度模型

2.2.1 目標(biāo)函數(shù)

CCHP區(qū)域多微網(wǎng)系統(tǒng)以最小化調(diào)度周期[TSC]內(nèi)區(qū)域內(nèi)[NMG]個(gè)微網(wǎng)的總運(yùn)行成本[COC]為目標(biāo)函數(shù)，其表達(dá)式為：

[minCOC=i=1NMGt=1TSCCgrid，i（t）+CMG，mc，i（t）+Cgas，i（t）] （6）

式中：[Cgrid，i（t）]、[CMG，mc，i（t）]、[Cgas，i（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)的購電成本、內(nèi)部設(shè)備維護(hù)成本、內(nèi)部燃?xì)獬杀荆?/p>

1）CCHP微網(wǎng)的購電成本

[Cgrid，i（t）=Bgrid（t）Pgrid，buy，i（t）] （7）

式中：[Bgrid（t）]——[t]時(shí)段微網(wǎng)的購電電價(jià)，元/kW；[Pgrid，buy，i（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)與配電網(wǎng)交互的購電功率，kW。

2）CCHP微網(wǎng)內(nèi)部設(shè)備維護(hù)成本

[CMG，mc，i（t）=εGTPGT，i（t）+εWTPWT，i（t）+εPVPPV，i（t）+εECPEC，i（t）+εRBQRB，i（t）+εHEQHE，i（t）+εGBQGB，i（t）+εACQAC，i（t）] （8）

式中：[εGT]、[εWT]、[εPV]、[εEC]、[εRB]、[εHE]、[εGB]、[εAC]——GT、WT、PV、EC、RB、HE、GB、AC的維護(hù)成本系數(shù)，元/kW；[PGT，i（t）]、[PWT，i（t）]、[PPV，i（t）]、[PEC，i（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)的GT、WT、PV發(fā)電功率與EC輸入電功率，kW；[QRB，i（t）]、[QHE，i（t）]、[QGB，i（t）]、[QAC，i（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)的RB、HE、GB輸出熱功率與AC輸出冷功率，kW。

3）CCHP微網(wǎng)內(nèi)部燃?xì)獬杀?/p>

[Cgas，i（t）=BgasPGT，i（t）ηGTLNG+QGB，i（t）ηGBLNG] （9）

式中：[Bgas]——燃?xì)獾膯挝惑w積價(jià)格，元/m3；[ηGT]——GT的額定發(fā)電效率；[LNG]——燃?xì)鉄嶂?，kW/m3；[ηGB]——GB的熱轉(zhuǎn)換效率。

2.2.2 約束條件

1）電功率平衡約束

[PGT，i（t）+PWT，i（t）+PPV，i（t）+Pgrid，buy，i（t）+ """""""""""PMG，ESS，i（t）-PEC，i（t）-Pload，i（t）+Pinter，ij（t）=0] （10）

式中：[PMG，ESS，i（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)和儲(chǔ)能電站的交互電功率，kW；[Pload，i（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)的電負(fù)荷功率，kW；[Pinter，ij（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)與第[j]個(gè)微網(wǎng)的交互電功率，kW。

2）熱功率平衡約束

[QGB，i（t）+QHE，i（t）-Qheat，i（t）=0] （11）

式中：[Qheat，i（t）]——t時(shí)段第[i]個(gè)微網(wǎng)的熱負(fù)荷功率，kW。

3）余熱平衡約束

[QRB，i（t）=PGT，i（t）λGTηRB=QHE，i（t）ηHE+QAC，i（t）ηAC] （12）

式中：[λGT]、[ηRB]、[ηHE]、[ηAC]——GT熱電比、RB收集余熱效率、HE制熱效率、AC制冷效率。

4）冷功率平衡約束

[QEC，i（t）+QAC，i（t）-Qcold，i（t）=0] （13）

式中：[Qcold，i（t）]——[t]時(shí)段第[i]個(gè)微網(wǎng)的冷負(fù)荷功率，kW。

5）CCHP微網(wǎng)內(nèi)部設(shè)備出力上下限

[PminGT≤PGT，i（t）≤PmaxGTQminGB≤QGB，i（t）≤QmaxGBQminHE≤QHE，i（t）≤QmaxHEQminAC≤QAC，i（t）≤QmaxACPminEC≤PEC，i（t）≤PmaxEC] （14）

式中：[PmaxGT]、[PminGT]、[PmaxEC]、[PminEC]——GT、EC的電功率上下限值，kW；[QmaxGB]、[QminGB]、[QmaxHE]、[QminHE]——GB、HE的熱功率上下限值，kW；[QmaxAC]、[QminAC]——AC的冷功率上下限值，kW。

6）CCHP微網(wǎng)與配電網(wǎng)、儲(chǔ)能電站與其余微網(wǎng)間的交互電功率約束

[0≤Pgrid，buy，i（t）≤Pmaxgrid-PmaxMG，ESS≤PMG，ESS，i（t）≤PmaxMG，ESS-Pmaxinter，ij≤Pinter，ij（t）≤Pmaxinter，ij] （15）

式中：[Pmaxgrid]、[PmaxMG，ESS]——微網(wǎng)與配電網(wǎng)、共享儲(chǔ)能電站交互功率的上限值，kW；[Pmaxinter，ij]——第[i]個(gè)微網(wǎng)與第[j]個(gè)微網(wǎng)的交互功率的上限值，kW。

7）自建共享儲(chǔ)能電站平衡約束

[i=1NMGPMG，ESS，i（t）=PESS，d（t）-PESS，c（t）] （16）

8）不確定性集合

引入[ΓPV]、[ΓWT]和[ΓL]作為表示PV、WT出力和電負(fù)荷功率的不確定性調(diào)節(jié)參數(shù)，取值范圍為[0，TSC]的整數(shù)。該參數(shù)的含義為微網(wǎng)調(diào)度周期內(nèi)最惡劣場(chǎng)景的時(shí)段總數(shù)，調(diào)節(jié)參數(shù)數(shù)值越大，CCHP微網(wǎng)運(yùn)營策略越保守；調(diào)節(jié)參數(shù)越小，微網(wǎng)運(yùn)營策略越冒險(xiǎn)。考慮CCHP微網(wǎng)內(nèi)部PV、WT出力和電負(fù)荷功率波動(dòng)范圍位于箱式不確定集合[U]內(nèi)：

[U=u=[uPV（t）， "uWT（t）， "uL（t）]Tt=1， 2， ???， TSCuPV（t）=uPV（t）-ZPV（t）ΔumaxPV（t）t=1TSCZPV（t）≤ΓPVuWT（t）=uWT（t）-ZWT（t）ΔumaxWT（t）t=1TSCZWT（t）≤ΓWT "uL（t）=uL（t）+ZL（t）ΔumaxL（t） "t=1TSCZL（t）≤ΓL Z=[ZPV（t），ZWT（t），ZL（t）]T， "Z∈0，1] （17）

式中：[uPV（t）]、[uWT（t）]、[uL（t）]——[t]時(shí)段PV、WT出力與電負(fù)荷功率的不確定變量，kW；[uPV（t）]、[uWT（t）]、[uL（t）]——t時(shí)段PV、WT出力與電負(fù)荷功率的預(yù)測(cè)值，kW；[ZPV（t）]、[ZWT（t）]、[ZL（t）]——[t]時(shí)段PV、WT出力與電負(fù)荷功率的場(chǎng)景值，取值為0表示為取其預(yù)測(cè)值，取值為1表示為取其最惡劣場(chǎng)景值；[ΔumaxPV（t）]、[ΔumaxWT（t）]和[ΔumaxL（t）]——t時(shí)段PV、WT出力與電負(fù)荷功率的最大波動(dòng)偏差，kW。

3 模型求解

本文所構(gòu)建的兩階段魯棒優(yōu)化調(diào)度模型為兩階段非線性規(guī)劃問題，該模型直接求解較為困難，需對(duì)模型進(jìn)行解耦，將只含整數(shù)變量的自建共享儲(chǔ)能電站容量配置規(guī)劃問題視為主問題，優(yōu)化惡劣場(chǎng)景的CCHP區(qū)域多微網(wǎng)系統(tǒng)調(diào)度問題視為含不確定參數(shù)的子問題，然后可采用Camp;CG算法進(jìn)行迭代求解。其模型的第1階段向量y由儲(chǔ)能電站決策變量構(gòu)成；第2階段向量[x]由區(qū)域多微網(wǎng)調(diào)度模型決策變量構(gòu)成。[x]和[y]可表示為：

[y=[EmaxESS， "PmaxESS， "EESS（t）， "PESS，c（t）， "PESS，d（t）， "US（t）]x=[PWT，i（t）， "PPV，i（t）， "PGT，i（t）， "Pbuygrid，i（t）， """""""PMG，ESS，i（t）， "PEC，i（t）， "Pload，i（t）， "Pinter，ij（t）， """""""QEC，i（t）， "QGB，i（t）， "QHE，i（t）， "QAC，i（t）]] （18）

為方便敘述，將模型等效為通用矩陣的形式表示：

[miny{cTy+maxu∈Uminx∈S（y，u）qTx}s.t. "Ay=0 """""By≤d """""Ex=Fu """""Gx=0 """""Hx+Iy=0 """""Rx+Wy≤r] （19）

式中：[cT]、[qT]——目標(biāo)函數(shù)式（1）、式（6）的系數(shù)矩陣；[A]、[B]——式（5）的系數(shù)矩陣；[d]——式（5）的常數(shù)矩陣；[E、F、G、H]、[I]、[R]——式（10）～式（16）約束的系數(shù)矩陣；[r]——式（15）、式（16）的常數(shù)矩陣。

劃分出的主問題為：

[miny（cTy+ξ）s.t. ""ξ≥qTxk """"""Ay=0 """""By≤0 """""Exk=Fu*k """""Gxk=0 """""Hxk+Iy=0 """""Rxk+Wy≤r] （20）

式中：[ξ]——輔助變量；[k]——當(dāng)前迭代次數(shù)；[u*k]——第k次迭代后的最惡劣場(chǎng)景下u的取值。

劃分出的子問題為：

[maxu∈Uminx∈S（y，u）qTxs.t. ""Exk=Fuk """"""""→ν """"""Gxk=0 """""""""""""→ψ """"""Hxk+Iy*=0 """"→ω """"""Rxk+Wy*≤r """→γ] （21）

式中：[y*]——主問題式（20）的傳遞值；[ν]、[ψ]、[ω]、[γ]——對(duì)偶變量。

劃分后的子問題式（21）為“max-min”形式，可經(jīng)過數(shù)學(xué)推導(dǎo)后轉(zhuǎn)換為“max”形式的單層優(yōu)化問題。根據(jù)對(duì)偶定理，若一個(gè)問題為凸問題，則該問題具有強(qiáng)對(duì)偶性，即該問題的對(duì)偶問題和原問題最優(yōu)值目標(biāo)函數(shù)相等。易證，在給定[y]和[u]值后，式（21）的內(nèi)層“min”原問題為線性規(guī)劃問題，即為凸問題。由此可根據(jù)拉格朗日對(duì)偶原理，將式（21）的內(nèi)層“min”原問題轉(zhuǎn)化為“max”對(duì)偶問題，并與外層的“max”問題進(jìn)行合并，經(jīng)處理后的“max”問題如下：

[max "（Fuk）Tν+（Iy*）Tω+（Wy*）Tγ-rTγs.t. """"q-ETν+GTψ+HTω+RTγ=0 """"""""γ≥0] （22）

在經(jīng)過上述轉(zhuǎn)換后，具備雙層“max-min”形式的子問題（式（21））最終可轉(zhuǎn)換為具備單層“max”形式的子問題（式（22））。但式（22）中由于存在雙線性項(xiàng)[（Fuk）Tν]，所以對(duì)此引入輔助變量，并采用大M法對(duì)其進(jìn)行線性化處理［21］，可得到標(biāo)準(zhǔn)的線性規(guī)劃問題子問題：

[max [ （Fu）Tα1+（Fu±FΔumax）Tα2+ """"""""（Iy*）Tω+（Wy*）Tγ-rTγ]s.t. """"q-ETν+GTψ+HTω+RTγ=0 """"""""φ1+φ2=ν """"""""α1+α2=1 """""""-α1M≤φ1≤α1M """""""-α2M≤φ2≤α2M """"""""t=1TSCα2≤Γ """"""""γ≥0，α1∈{0，1}， "α2∈{0，1}] （23）

式中：[Γ=[ΓPV， ΓWT， ΓL]]；[u=[uPV， "uWT， "uL]T]；[Δumax=[ΔumaxPV， ΔumaxWT， ΔumaxL]T]；[ φ1]、[φ2]——引入的輔助連續(xù)變量；[α1]、[α2]——引入的輔助二進(jìn)制向量；[M]——足夠大的正實(shí)數(shù)。

隨后，可采用Camp;CG算法對(duì)主問題（式（20））和子問題（式（23））進(jìn)行交替迭代求解，其流程如下：

[Camp;CG算法 1：Initialization：[BL=-∞]；[Bu=+∞]；[k=1]；[u*1=u]；

2：While （[Bu-BL≥θ]）

3： 求解主問題式（20），獲得最優(yōu)解[y*]，并更新下界[BL=cTy+ξ]；

4： 將[y*]代入子問題式（23），然后求解子問題， 得到最惡劣場(chǎng)景[u*k+1]取值，并更新上界[Bu=mincTy+qTxk，Bu]；

5： If（子問題有解）

增加新的變量[xk+1]和新的約束

[s.t. ""ξ≥qTxk+1 """""""Exk+1=Fu*k+1 """"""Gxk+1=0 """"""Hxk+1+Iy=0 """"""Rxk+1+Wy≤r]；

6： Else（子問題無解）

[s.t. ""Exk+1=Fu*k+1 """"""Gxk+1=0 """"""Hxk+1+Iy=0 """"""Rxk+1+Wy≤r]；

End If

7： [k←k+1]；

8：End While ]

4 算例分析

4.1 算例基礎(chǔ)數(shù)據(jù)

冷熱電聯(lián)區(qū)域多微網(wǎng)系統(tǒng)算例包含3個(gè)CCHP微網(wǎng)，各微網(wǎng)與自建共享儲(chǔ)能電站、配電網(wǎng)直接相連，微網(wǎng)間可通過聯(lián)絡(luò)線進(jìn)行電能交互，其系統(tǒng)結(jié)構(gòu)已在圖1中展示。區(qū)域內(nèi)微網(wǎng)通過Frank-Copula函數(shù)得到典型日出力場(chǎng)景值，結(jié)果如圖3所示［22］。其中MG1為風(fēng)光出力富裕型微網(wǎng)；MG2為富光型微網(wǎng)，不含風(fēng)電；MG3為風(fēng)光出力不足型微網(wǎng)。相關(guān)設(shè)備參數(shù)參考文獻(xiàn)［11］，天然氣價(jià)格為2.2元/m3，微網(wǎng)購電采用分時(shí)電價(jià)模式，微網(wǎng)與配電網(wǎng)間購電價(jià)格如表1所示。

自建共享儲(chǔ)能電站充電和放電效率均為95%，荷電狀態(tài)工作范圍設(shè)定為10%～90%；容量成本為1897元/kWh，功率成本為1000元/kW，日運(yùn)維成本為0.15元/（d·kW），運(yùn)行壽命周期為8 a。

4.2 典型算例設(shè)置

設(shè)置4種策略方案進(jìn)行仿真結(jié)果對(duì)比分析，以體現(xiàn)本文所提調(diào)度策略的特點(diǎn)及其有效性：

方案1：在區(qū)域各微網(wǎng)獨(dú)立運(yùn)行策略基礎(chǔ)上，不考慮源荷不確定性，采用確定性優(yōu)化方法進(jìn)行系統(tǒng)功率調(diào)度。

方案2：在區(qū)域各微網(wǎng)獨(dú)立運(yùn)行策略基礎(chǔ)上，考慮源荷不確定性，采用兩階段魯棒優(yōu)化方法進(jìn)行系統(tǒng)功率調(diào)度。

方案3：在區(qū)域多微網(wǎng)協(xié)調(diào)運(yùn)行策略基礎(chǔ)上，不考慮源荷不確定性，采用確定性優(yōu)化方法進(jìn)行系統(tǒng)功率調(diào)度。

方案4：在區(qū)域多微網(wǎng)協(xié)調(diào)運(yùn)行策略基礎(chǔ)上，考慮源荷不確定性，采用兩階段魯棒優(yōu)化方法進(jìn)行系統(tǒng)功率調(diào)度。

上述中，各微網(wǎng)獨(dú)立運(yùn)行策略與多微網(wǎng)協(xié)調(diào)運(yùn)行策略特指代如下。

1） 各微網(wǎng)獨(dú)立運(yùn)行策略：CCHP區(qū)域內(nèi)的各微網(wǎng)只與配電網(wǎng)進(jìn)行電能交互，微網(wǎng)間不存在電能交互，且獨(dú)立配備儲(chǔ)能裝置。微網(wǎng)內(nèi)部設(shè)備運(yùn)行模式不變，當(dāng)微網(wǎng)內(nèi)部缺少電能或剩余電能時(shí)，優(yōu)先與本地儲(chǔ)能進(jìn)行電功率交互，再與配電網(wǎng)進(jìn)行電功率交互。

2）多微網(wǎng)協(xié)調(diào)運(yùn)行策略：CCHP區(qū)域內(nèi)的各微網(wǎng)不僅與配電網(wǎng)進(jìn)行電功率交互，而且各微網(wǎng)之間、微網(wǎng)與共享儲(chǔ)能電站之間均能進(jìn)行電功率交互。

4.3 不同策略方案下的系統(tǒng)效益對(duì)比分析

對(duì)4種策略方案下的系統(tǒng)效益進(jìn)行分析，主要對(duì)各微網(wǎng)的運(yùn)行成本和儲(chǔ)能容量配置進(jìn)行對(duì)比，結(jié)果分別如表2、表3所示。特別地，對(duì)于方案2、方案4中所采用的兩階段魯棒優(yōu)化方法，其不確定量的波動(dòng)偏差值設(shè)置為預(yù)測(cè)值的10%，不確定性調(diào)節(jié)參數(shù)分別設(shè)置為[ΓPV]=06、[ΓWT]=12、[ΓL]=12。方案4中的Camp;CG算法收斂結(jié)果如表4所示。

方案2與方案1的對(duì)比分析表明：由于MG1是風(fēng)光出力富裕型微網(wǎng)，為實(shí)現(xiàn)RES的本地消納，大量RES電能儲(chǔ)存于本地儲(chǔ)能裝置中，導(dǎo)致儲(chǔ)能容量規(guī)劃偏高。同時(shí)在經(jīng)過魯棒優(yōu)化調(diào)度后，MG1的運(yùn)行成本和儲(chǔ)能容量也只有輕微增加?？紤]到源荷不確定性對(duì)系統(tǒng)的影響，對(duì)比確定性優(yōu)化，MG2和MG3均需要增加1000 kW以上的儲(chǔ)能容量規(guī)劃以提高系統(tǒng)穩(wěn)定性。盡管MG2和MG3的儲(chǔ)能容量大幅增加，但其運(yùn)行成本增加并不明顯。這是因?yàn)樵陔妰r(jià)低谷時(shí)，儲(chǔ)能裝置進(jìn)行充電，在電價(jià)高峰時(shí)進(jìn)行放電，實(shí)現(xiàn)了削峰填谷的效應(yīng)，從而有效降低了多微網(wǎng)系統(tǒng)的運(yùn)行成本。方案4與方案3的對(duì)比分析表明：在考慮源荷不確定性因素后，方案4對(duì)比方案3，自建共享儲(chǔ)能電站，增加了近一倍的儲(chǔ)能容量，表明在確定性優(yōu)化的前提下，RES和負(fù)荷已達(dá)到一個(gè)平衡邊界。而在面臨惡劣場(chǎng)景時(shí)，為確保系統(tǒng)的經(jīng)濟(jì)性和穩(wěn)定性，需將自建共享儲(chǔ)能電站的容量擴(kuò)大近一倍。多方案對(duì)比分析表明：在多個(gè)微網(wǎng)進(jìn)行電能交互后，多微網(wǎng)系統(tǒng)的運(yùn)行成本和儲(chǔ)能容量都大幅降低，表明不同類型的微網(wǎng)之間可有效互補(bǔ)，從而實(shí)現(xiàn)RES的本地消納。此外，采用兩階段魯棒優(yōu)化方法，可實(shí)現(xiàn)多微網(wǎng)系統(tǒng)的經(jīng)濟(jì)性和可靠性雙向受益。

4.4 自建共享儲(chǔ)能電站優(yōu)化結(jié)果

方案3和方案4中自建共享儲(chǔ)能電站的運(yùn)行優(yōu)化結(jié)果如圖4所示，其一天內(nèi)最大剩余電量分別為6491 kW和11985 kw，因荷電狀態(tài)一般為額定容量的90%，所以其規(guī)劃容量分別為7212 kW和13316 kW。分析圖4a可知，自建共享儲(chǔ)能電站在01：00時(shí)段具有一定的初始存儲(chǔ)能量，并且此時(shí)RES出力小于用電負(fù)荷，因此會(huì)向區(qū)域內(nèi)微網(wǎng)輸送電能。在02：00—08：00時(shí)段，在電價(jià)分時(shí)機(jī)制的激勵(lì)下，系統(tǒng)將購買電能并進(jìn)行儲(chǔ)存；而在11：00—16：00時(shí)段，由于RES出力大于用電負(fù)荷，電站將繼續(xù)進(jìn)行充電儲(chǔ)存。在17：00后，電價(jià)處于峰時(shí)段和平時(shí)段，且RES出力小于用電負(fù)荷（21：00時(shí)段除外，此時(shí)MG1的WT出力達(dá)到峰值，儲(chǔ)能電站開始充電儲(chǔ)存能量），因此開始向區(qū)域內(nèi)微網(wǎng)輸送電能，從而保證系統(tǒng)調(diào)度的經(jīng)濟(jì)性和穩(wěn)定運(yùn)行。

分析圖4可知，考慮源荷不確定性后，自建共享儲(chǔ)能電站在01：00—08：00和17：00—24：00時(shí)段的充放電行為與圖4a基本一致。而在11：00—16：00的RES出力峰值時(shí)段，則會(huì)出現(xiàn)更多小功率的充放電行為。這從側(cè)面驗(yàn)證了在確定性優(yōu)化的情況下，RES和儲(chǔ)能電站的出力和負(fù)荷達(dá)到平衡邊界。

4.5 協(xié)調(diào)運(yùn)行模式下微網(wǎng)間交互功率和儲(chǔ)能調(diào)度結(jié)果

協(xié)調(diào)運(yùn)行模式下，兩種優(yōu)化方式下微網(wǎng)間交互功率以及儲(chǔ)能調(diào)度結(jié)果如圖5所示。在確定性優(yōu)化場(chǎng)景下的01：00時(shí)段，MG1的RES出力超過本地電負(fù)荷，因此MG1和MG2、MG3之間存在功率交互。

此外，儲(chǔ)能電站的初始存儲(chǔ)能量被釋放，向MG2和MG3放電。在02：00—08：00時(shí)段，區(qū)域內(nèi)微網(wǎng)的RES出力小于其本地電負(fù)荷，同時(shí)在電價(jià)分時(shí)機(jī)制的激勵(lì)下，多微網(wǎng)系統(tǒng)向配電網(wǎng)購買電力。此時(shí)，自建共享儲(chǔ)能電站開始進(jìn)行充電。在09：00—24：00時(shí)段，MG1的RES出力首先滿足本地負(fù)荷，然后開始承擔(dān)MG2和MG3部分電負(fù)荷，并為自建共享儲(chǔ)能電站進(jìn)行儲(chǔ)能。在11：00—13：00時(shí)段，MG2的RES出力滿足本地負(fù)荷之后，也開始承擔(dān)MG3的一部分電負(fù)荷，以及自建共享儲(chǔ)能電站的儲(chǔ)能任務(wù)。除此之外的時(shí)間段內(nèi)，MG2與MG3的RES出力均小于其本地電負(fù)荷，因此MG2與MG3的一部分缺額電負(fù)荷由MG1和自建共享儲(chǔ)能電站承擔(dān)。

在考慮源荷不確定性的情況下，微網(wǎng)間交互功率曲線以及自建共享儲(chǔ)能電站的整體出力曲線與確定性優(yōu)化結(jié)果基本一致。然而，與確定性優(yōu)化的不同之處在于，在優(yōu)先滿足微網(wǎng)本地負(fù)荷所需后，微網(wǎng)間交互功率整體減小。此外，自建共享儲(chǔ)能電站更傾向于在電價(jià)處于谷時(shí)段進(jìn)行儲(chǔ)能操作，以便在電價(jià)峰時(shí)段對(duì)用電負(fù)荷進(jìn)行供應(yīng)。

4.6 不確定性對(duì)比分析

針對(duì)方案4為探究設(shè)置不同的不確定性調(diào)節(jié)參數(shù)（[ΓPV]、[ΓWT]、[ΓL]）對(duì)于含自建共享儲(chǔ)能電站CCHP區(qū)域多微網(wǎng)系統(tǒng)的影響，參數(shù)設(shè)置及其優(yōu)化結(jié)果如表5所示。

分析表5可知：CCHP區(qū)域多微電網(wǎng)系統(tǒng)在不確定性調(diào)節(jié)參數(shù)從方案A～方案E逐漸增大的情況下，自建共享儲(chǔ)能電站備用容量呈兩倍以上的增長趨勢(shì)，而日運(yùn)行費(fèi)用則增加約20%。具體來說，不確定性調(diào)節(jié)參數(shù)的增大更多地影響到CCHP區(qū)域多微電網(wǎng)系統(tǒng)的備用容量增加，即初始投資成本增加，而系統(tǒng)的運(yùn)行費(fèi)用的增幅相對(duì)較小。因此，在進(jìn)行魯棒優(yōu)化時(shí)，應(yīng)根據(jù)具體情況合理選擇適當(dāng)?shù)牟淮_定性調(diào)節(jié)參數(shù)，從而提高系統(tǒng)對(duì)風(fēng)險(xiǎn)的穩(wěn)定抵抗能力，同時(shí)提高經(jīng)濟(jì)效益。

為評(píng)估兩階段魯棒優(yōu)化和其他不確定性優(yōu)化方法的性能，采用K-均值生成典型出力場(chǎng)景，對(duì)不確定性進(jìn)行處理，其主要通過處理大量歷史數(shù)據(jù)進(jìn)行聚類，劃分不同場(chǎng)景集，再通過一定的指標(biāo)對(duì)所獲得的場(chǎng)景集進(jìn)行削減，得到典型場(chǎng)景［23］，對(duì)比結(jié)果如表6所示。根據(jù)表6可知：兩種優(yōu)化方法在日運(yùn)行總成本或各微網(wǎng)日運(yùn)行成本方面呈現(xiàn)出細(xì)微的差異，然而在儲(chǔ)能容量方面卻存在顯著出入，相差達(dá)3000 kW以上。更具體地說，與典型場(chǎng)景法相比，采取兩階段魯棒優(yōu)化的方法，不僅能有效降低運(yùn)行費(fèi)用，而且還能夠提高多微網(wǎng)系統(tǒng)的魯棒性，保障經(jīng)濟(jì)效益的同時(shí)增強(qiáng)系統(tǒng)應(yīng)對(duì)風(fēng)險(xiǎn)的能力。

為討論兩階段魯棒優(yōu)化和確定性優(yōu)化的性能差異，本文通過設(shè)置不確定量的不同波動(dòng)偏差值，在多個(gè)方案下進(jìn)行優(yōu)化結(jié)果的對(duì)比分析。采取以下3種優(yōu)化方案進(jìn)行比較：1）構(gòu)造正常情況下的確定性優(yōu)化方案。2）固定源荷場(chǎng)景值和自建共享儲(chǔ)能電站的充放電狀態(tài)值，采用方案4的狀態(tài)固定值進(jìn)行確定性優(yōu)化。3）構(gòu)造理論最惡劣場(chǎng)景的確定性優(yōu)化方案，即靜態(tài)魯棒優(yōu)化。魯棒優(yōu)化的不確定性調(diào)節(jié)參數(shù)仍設(shè)置為[ΓPV]=06、[ΓWT]=12、[ΓL]=12。從而對(duì)比確定性優(yōu)化和兩階段魯棒優(yōu)化的結(jié)果，對(duì)比結(jié)果如表7所示。

由表7可知：正常情況下的確定性優(yōu)化方案，其運(yùn)行成本最小，但未考慮風(fēng)光和可調(diào)性負(fù)荷的不確定性因素。當(dāng)采取方案4的狀態(tài)固定值時(shí)，確定性優(yōu)化在不同預(yù)測(cè)誤差范圍下的成本略高于兩階段魯棒優(yōu)化，失去了一部分經(jīng)濟(jì)性。相對(duì)而言，靜態(tài)魯棒優(yōu)化與兩階段魯棒優(yōu)化相比過于保守，在不同預(yù)測(cè)誤差范圍下的運(yùn)行成本均高于兩階段魯棒優(yōu)化。從上述內(nèi)容可看出，兩階段魯棒優(yōu)化方案的實(shí)質(zhì)與之前的確定性優(yōu)化方案存在較大差異。具體來說，在數(shù)學(xué)式的對(duì)偶化過程中，原問題的對(duì)偶變量被轉(zhuǎn)化為每個(gè)場(chǎng)景值的比重系數(shù)，即所有場(chǎng)景值的比重系數(shù)由原問題的對(duì)偶變量決定。在實(shí)際情況中，場(chǎng)景值均在最惡劣情況的概率較小，而兩階段魯棒優(yōu)化在經(jīng)濟(jì)性和魯棒性上較為平衡，且不會(huì)出現(xiàn)過于保守的情況，在工程應(yīng)用上更具實(shí)際意義。

5 結(jié) 論

本文針對(duì)CCHP區(qū)域多微網(wǎng)系統(tǒng)，建立了一個(gè)考慮源荷不確定性和多微網(wǎng)自建共享儲(chǔ)能電站協(xié)同調(diào)度的魯棒優(yōu)化模型。通過考慮微網(wǎng)內(nèi)部RES出力和用電負(fù)荷的不確定性，對(duì)比在獨(dú)立運(yùn)行方式和協(xié)調(diào)運(yùn)行方式下的系統(tǒng)優(yōu)化結(jié)果，得到如下結(jié)論：

1）相比于微網(wǎng)獨(dú)立配置儲(chǔ)能裝置，整體儲(chǔ)能容量，方案3比方案1下降80.17%，方案4比方案2下降67.22%；即CCHP區(qū)域多微網(wǎng)系統(tǒng)自建共享儲(chǔ)能電站，可顯著降低儲(chǔ)能配置容量。

2）相比獨(dú)立運(yùn)行方式，協(xié)調(diào)運(yùn)行方式下，系統(tǒng)日運(yùn)行成本方案3比方案1下降33.36%，方案4比方案2下降26.81%。系統(tǒng)整體經(jīng)濟(jì)性成為了更為重要的考慮因素，所以當(dāng)區(qū)域內(nèi)微網(wǎng)的RES出力滿足本地負(fù)荷后，將承擔(dān)鄰近微網(wǎng)的部分缺額電負(fù)荷和自建共享儲(chǔ)能電站的充電負(fù)荷。盡管此舉可能會(huì)提高區(qū)域內(nèi)個(gè)別微網(wǎng)的運(yùn)營成本，但卻具有降低多微網(wǎng)系統(tǒng)運(yùn)營調(diào)度成本的作用。

3）相較于確定性優(yōu)化，兩階段魯棒優(yōu)化調(diào)度模型具備更強(qiáng)的魯棒性，能夠有效應(yīng)對(duì)負(fù)荷波動(dòng)和RES出力波動(dòng)等惡劣場(chǎng)景。此外，該方案能夠根據(jù)實(shí)際情況選擇合適的預(yù)測(cè)誤差和不確定性調(diào)節(jié)參數(shù)，以在經(jīng)濟(jì)效益和系統(tǒng)穩(wěn)定性之間達(dá)到平衡。

［參考文獻(xiàn)］

［1］ 周孝信， 陳樹勇， 魯宗相， 等. 能源轉(zhuǎn)型中我國新一代電力系統(tǒng)的技術(shù)特征［J］. 中國電機(jī)工程學(xué)報(bào)， 2018， 38（7）： 1893-1904， 2205.

ZHOU X X， CHEN S Y， LU Z X， et al. Technology features of the new generation power system in China［J］. Proceedings of the CSEE， 2018， 38（7）： 1893-1904， 2205.

［2］ 杜錫力， 李笑竹， 陳來軍， 等. 面向多場(chǎng)景調(diào)節(jié)需求的集中式共享儲(chǔ)能魯棒優(yōu)化配置［J］. 電工技術(shù)學(xué)報(bào)， 202""37（23）： 5911-5921.

DU X L， LI X Z， CHEN L J， et al. Robust and optimized configuration of centralized shared energy storage for multi-scenario regulation demand［J］. Transactions of China Electrotechnical Society， 202""37（23）： 5911-5921.

［3］ 符楊， 張智泉， 李振坤， 等. 基于二階段魯棒博弈模型的微電網(wǎng)群及混合交直流配電系統(tǒng)協(xié)調(diào)能量管理策略研究［J］. 中國電機(jī)工程學(xué)報(bào)， 2020， 40（4）： 1226-1240.

FU Y， ZHANG Z Q， LI Z K， et al. A two-stage robust game approach for coordinated energy management in hybrid AC/DC distribution system with microgrid clusters［J］. Proceedings of the CSEE， 2020， 40（4）： 1226-1240.

［4］ 張靠社， 馮培基， 張剛， 等. 考慮機(jī)會(huì)約束的多能源微電網(wǎng)雙層優(yōu)化配置［J］. 太陽能學(xué)報(bào)， 202""42（8）： 41-48.

ZHANG K S， FENG P J， ZHANG G， et al. Bi-level optimization configuration method for multienergy microgrid """considering """chance """constraints［J］. """Acta energiae solaris sinica， 202""42（8）： 41-48.

［5］ 孫可， 張全明， 王蕾， 等. 考慮安全裕度的微電網(wǎng)兩階段魯棒規(guī)劃［J］. 電網(wǎng)技術(shù)， 2020， 44（12）： 4617-4626.

SUN K， ZHANG Q M， WANG L， et al. Two-stage robust planning for microgrid considering security margin［J］. Power system technology， 2020， 44（12）： 4617-4626.

［6］ WANG L Z， LIU J X， YUAN R F， et al. Adaptive bidding strategy for real-time energy management in multi-energy market "enhanced "by "blockchain［J］. "Applied "energy， 2020， 279： 115866.

［7］ ZHANG D L， CHEN Y C， WANG L Z， et al. Control strategy and optimal configuration of energy storage system for smoothing short-term fluctuation of PV power［J］. Sustainable energy technologies and assessments， 202""45： 101166.

［8］ MUBAARAK S， ZHANG D L， WANG L Z， et al. Efficient photovoltaics-integrated hydrogen fuel cell-based hybrid system： energy management and optimal configuration［J］. 202""13（1）： 013502.

［9］ 帥軒越， 王秀麗， 吳雄， 等. 計(jì)及條件風(fēng)險(xiǎn)價(jià)值下基于合作博弈的多微網(wǎng)協(xié)同優(yōu)化調(diào)度［J］. 電網(wǎng)技術(shù)， 202""46（1）： 130-138.

SHUAI X Y， WANG X L， WU X， et al. Cooperative optimal scheduling of multi-microgrids based on cooperative game considering conditional value at risk［J］. Power system technology， 202""46（1）： 130-138.

［10］ YANG Y， JI Y F， GENG G C， et al. Probabilistic revenue analysis of microgrid considering source-load and forecast uncertainties［J］. IEEE access， 202""10： 2469-2479.

［11］ 李咸善， 方子健， 李飛， 等. 含多微電網(wǎng)租賃共享儲(chǔ)能的配電網(wǎng)博弈優(yōu)化調(diào)度［J］. 中國電機(jī)工程學(xué)報(bào)， 202""42（18）： 6611-6625.

LI X S， FANG Z J， LI F， et al. Game-based optimal dispatching strategy for distribution network with multiple microgrids leasing shared energy storage［J］. Proceedings of the CSEE， 202""42（18）： 6611-6625.

［12］ 吳盛軍， 李群， 劉建坤， 等. 基于儲(chǔ)能電站服務(wù)的冷熱電多微網(wǎng)系統(tǒng)雙層優(yōu)化配置［J］. 電網(wǎng)技術(shù)， 202""45（10）： 3822-3832.

WU S J， LI Q， LIU J K， et al. Bi-level optimal configuration for combined cooling heating and power multi-microgrids based on energy storage station service［J］. Power system technology， 202""45（10）： 3822-3832.

［13］ 桑博， 張濤， 劉亞杰， 等. 期望場(chǎng)景下的并網(wǎng)型微電網(wǎng)兩階段魯棒優(yōu)化調(diào)度［J］. 中國電機(jī)工程學(xué)報(bào)， 2020， 40（19）： 6161-6173.

SANG B， ZHANG T， LIU Y J， et al. Two-stage robust optimal scheduling of grid-connected microgrid under expected scenarios［J］. Proceedings of the CSEE， 2020， 40（19）： 6161-6173.

［14］ DAI R， ESMAEILBEIGI R， CHARKHGARD H. The utilization of shared energy storage in energy systems： a comprehensive ""review［J］. IEEE ""transactions ""on ""smart grid， 202""12（4）： 3163-3174.

［15］ DOROUDCHI E， KHAJEH H， LAAKSONEN H. Increasing self-sufficiency of energy community by common thermal energy storage［J］. IEEE access， 202""10： 85106-85113.

［16］ JO J， PARK J. Demand-side management with shared energy storage system in smart grid［J］. IEEE transactions on smart grid， 2020， 11（5）： 4466-4476.

［17］ 謝雨龍， 羅逸飏， 李智威， 等. 考慮微網(wǎng)新能源經(jīng)濟(jì)消納的共享儲(chǔ)能優(yōu)化配置［J］. 高電壓技術(shù)， 202""48（11）： 4403-4413.

XIE Y L， LUO Y Y， LI Z W， et al. Optimal allocation of shared energy storage considering the economic consumption of microgrid new energy［J］. High voltage engineering， 202""48（11）： 4403-4413.

［18］ JIANG S， WEN S L， ZHU M， et al. Scenario-transformation-based optimal sizing of hybrid hydrogen-battery storage for multi-timescale islanded microgrids［J］. IEEE transactions on sustainable energy， 2023， 14（3）： 1784-1795.

［19］ LIANG J K， TANG W Y. Sequence generative adversarial networks for wind power scenario generation［J］. IEEE journal on selected areas in communications， 2020， 38（1）： 110-118.

［20］ QIU H F， GU W， XU Y L， et al. Robustly multi-microgrid scheduling： stakeholder-parallelizing distributed optimization［J］. IEEE transactions on sustainable energy， 2020， 11（2）： 988-1001.

［21］ 吳江， 王晶晶， 張強(qiáng)， 等. 考慮電轉(zhuǎn)氣消納風(fēng)電的電-氣綜合能源系統(tǒng)兩階段魯棒協(xié)同調(diào)度［J］. 太陽能學(xué)報(bào)， 202""43（2）： 436-443.

WU J， WANG J J， ZHANG Q， et al. Two-stage robust cooperative scheduling for electricity-gas integrated energy system considering power-to-gas for wind power accommodation［J］. Acta energiae solaris sinica， 202""43（2）： 436-443.

［22］ 林順富， 劉持濤， 李東東， 等. 考慮電能交互的冷熱電區(qū)域多微網(wǎng)系統(tǒng)雙層多場(chǎng)景協(xié)同優(yōu)化配置［J］. 中國電機(jī)工程學(xué)報(bào)， 2020， 40（5）： 1409-1421.

LIN S F， LIU C T， LI D D， et al. Bi-level multiple scenarios collaborative optimization configuration of CCHP regional multi-microgrid system considering power interaction ""among ""microgrids［J］. ""Proceedings ""of ""the CSEE， 2020， 40（5）： 1409-1421.

［23］ BAGHERI F， DAGDOUGUI H， GENDREAU M. Stochastic optimization and scenario generation for peak load shaving in smart district microgrid： sizing and operation［J］. Energy and buildings， 202""275： 112426.

ROBUST OPTIMIZATION OF MULTI-MICROGRID SYSTEMS IN

CCHP REGIONS CONSIDERING SELF-BUILT SHARED ENERGY

STORAGE STATION

Yu Jianwu"Bao Shiyuan""Li Shan""Wu Honglin"Li Haixiao"2

（1. School of Electrical and Electronic Engineering， Chongqing University of Technology， Chongqing 400054， China；

2. Chongqing Engineering Research Center of Energy Internet， Chongqing 400054， China）

Abstract：In a local distribution network area， multiple combined cooling， heating， and power （CCHP） microgrids are integrated， exhibiting uncertainties in generation and load， as well as the disorder and complementarity in energy storage scheduling. Adopting robust optimization and a shared energy storage model helps enhance the system's risk resistance and improve the utilization efficiency of storage capacity. Therefore， a robust optimization model considering source-load uncertainties and cooperative scheduling of self-built and shared energy storage plants in multiple microgrids is proposed for a regional multi-microgrid system with combined cooling， heating and power supply. This robust optimization scheduling model includes two-stage decision-making process， aiming to provide a optimal scheduling scheme for self-built shared energy storage power station capacity planning and multi-microgrid system operations， taking into account the impact of source-load uncertainties and power interaction exchange between regional microgrids. The goal is to minimize the overall operational costs of the regional multi-microgrid system and the initial investment costs of self-built shared energy storage stations. The simulation results demonstrate the effectiveness of the proposed model.

Keywords：microgrid； energy storage； robustness； combined cooling， heating and power； interactive power