張 虹，馬鴻君，閆 賀，石 畫(huà)，張 茜

（1. 現(xiàn)代電力系統(tǒng)仿真控制與綠色電能新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室（東北電力大學(xué)）,吉林省吉林市132012；2. 國(guó)網(wǎng)吉林供電公司,吉林省吉林市132012）

0 引言

近年來(lái),微電網(wǎng)（microgrid,MG）技術(shù)蓬勃發(fā)展,其優(yōu)化調(diào)度研究一直是國(guó)內(nèi)外學(xué)者關(guān)注的熱點(diǎn)問(wèn)題［1］。由于微電網(wǎng)自治程度較高,挖掘用戶需求響應(yīng)（demand response,DR）潛力、提高用戶參與調(diào)度積極性已成為微電網(wǎng)優(yōu)化調(diào)度的重要一環(huán)［2］。另一方面,新能源出力不確定性對(duì)微電網(wǎng)的優(yōu)化調(diào)度造成較大挑戰(zhàn)［3］。因此,如何引導(dǎo)用戶積極參與系統(tǒng)協(xié)同優(yōu)化調(diào)度和能量互動(dòng),以及量化不確定性帶來(lái)的運(yùn)營(yíng)成本風(fēng)險(xiǎn)并對(duì)其進(jìn)行管控,將是微電網(wǎng)運(yùn)營(yíng)商面臨的主要問(wèn)題。

在微電網(wǎng)實(shí)際運(yùn)營(yíng)中,用戶與運(yùn)營(yíng)商有著不同的效益目標(biāo)和策略,且在能量互動(dòng)過(guò)程中相互影響,相互作用,自然構(gòu)成了博弈的關(guān)系［4］。文獻(xiàn)［5-6］采用非合作博弈分析微能源網(wǎng)的能量互動(dòng)過(guò)程,不僅考慮了微能源網(wǎng)內(nèi)的運(yùn)行策略優(yōu)化,還兼顧了用戶的能動(dòng)性和用能體驗(yàn)。從博弈的視角來(lái)研究微電網(wǎng)優(yōu)化調(diào)度,能更加深刻地刻畫(huà)出供需雙方能量互動(dòng)過(guò)程,提高用戶參與調(diào)度的積極性［7-9］。

針對(duì)新能源不確定性對(duì)運(yùn)行調(diào)度的影響,目前已有許多文獻(xiàn)研究了考慮不確定性的優(yōu)化調(diào)度策略,并對(duì)風(fēng)險(xiǎn)進(jìn)行了量化分析。文獻(xiàn)［10］基于場(chǎng)景技術(shù)模擬新能源和負(fù)荷的不確定性,建立了考慮條件風(fēng)險(xiǎn)價(jià)值（conditional value at risk,CVaR）的日前-實(shí)時(shí)兩階段隨機(jī)規(guī)劃發(fā)電調(diào)度模型；文獻(xiàn)［11］采用主從博弈對(duì)虛擬電廠和電動(dòng)汽車的能量互動(dòng)過(guò)程進(jìn)行建模,并在優(yōu)化過(guò)程中采用場(chǎng)景法處理新能源不確定性；文獻(xiàn)［12］針對(duì)熱電聯(lián)供型微電網(wǎng)中的風(fēng)電不確定性,構(gòu)建日前經(jīng)濟(jì)調(diào)度雙層魯棒優(yōu)化模型；文獻(xiàn)［13］從電力零售商角度提出兩階段魯棒博弈優(yōu)化模型,同時(shí)解決其面臨的定價(jià)和調(diào)度問(wèn)題。

以上對(duì)不確定性的處理方法都有各自的局限性：隨機(jī)規(guī)劃、場(chǎng)景法和CVaR 方法都需要確定性的概率曲線生成場(chǎng)景,這在實(shí)際中難以獲?。?4］；魯棒優(yōu)化采用不確定集來(lái)描述隨機(jī)變量,解決了依賴確定性概率分布生成場(chǎng)景的弊端,但也完全忽略了部分可用的概率分布信息,決策易于偏保守［15］。因此,有學(xué)者采用最差條件風(fēng)險(xiǎn)價(jià)值（worst-case conditional value at risk,WCVaR）理論來(lái)評(píng)估僅知道隨機(jī)變量部分概率信息時(shí)最惡劣場(chǎng)景下的系統(tǒng)收益/損失值［16］。文獻(xiàn)［17］建立了基于WCVaR 評(píng)估的分布式發(fā)電系統(tǒng)發(fā)電調(diào)度模型,在一定風(fēng)險(xiǎn)水平下追求凈收益最大化；文獻(xiàn)［18］采用WCVaR 建立了風(fēng)電不確定性最惡劣情況下虛擬電廠能量市場(chǎng)的收益-風(fēng)險(xiǎn)模型,并采用遺傳算法進(jìn)行求解。

綜上所述,本文從博弈的視角建立起供需協(xié)同調(diào)度模型,并在日前調(diào)度階段計(jì)及了新能源不確定性帶來(lái)的實(shí)時(shí)調(diào)控成本風(fēng)險(xiǎn),采用WCVaR 構(gòu)造運(yùn)營(yíng)商在進(jìn)行實(shí)時(shí)策略調(diào)控時(shí)的風(fēng)險(xiǎn)決策模型,得到兩階段雙層優(yōu)化模型。然后將模型轉(zhuǎn)化為易于求解的單層混合整數(shù)線性規(guī)劃問(wèn)題,通過(guò)算例驗(yàn)證所提模型的有效性。

1 微電網(wǎng)供需協(xié)同調(diào)度模式

考慮一個(gè)由微型燃?xì)廨啓C(jī)（micro turbine,MT）、電儲(chǔ)能（electrical energy storage,EES）、風(fēng)力發(fā)電機(jī)（wind turbine,WT）、光伏（photovoltaic,PV）以及住宅用戶組成的并網(wǎng)型微電網(wǎng),結(jié)構(gòu)如附錄A圖A1 所示。運(yùn)營(yíng)商作為系統(tǒng)的唯一供電商,可以通過(guò)調(diào)度各發(fā)電單元出力以及參與日前與實(shí)時(shí)市場(chǎng)電力交易獲取電能并出售給用戶。運(yùn)營(yíng)商與用戶在所提日前調(diào)度框架下進(jìn)行博弈,分別獲取最優(yōu)電價(jià)政策和最優(yōu)用電曲線。同時(shí)運(yùn)營(yíng)商根據(jù)博弈的結(jié)果可以安排發(fā)電計(jì)劃以及在能量市場(chǎng)的交易計(jì)劃。

2 運(yùn)營(yíng)商與用戶主從博弈模型

在供需協(xié)同優(yōu)化調(diào)度中,從運(yùn)營(yíng)商的層面,為了提升用戶參與度,需要在最大化自身運(yùn)營(yíng)收益的同時(shí)充分考慮用戶的用電習(xí)慣,進(jìn)而制定合理的電價(jià)政策和調(diào)度方案；而從用戶層面,每一個(gè)理性的用戶都會(huì)積極響應(yīng)電價(jià)政策,在保證基本用電的同時(shí)通過(guò)調(diào)整自身用電習(xí)慣使得自身用電效益最大化。由于電價(jià)和負(fù)荷存在“制定”和“響應(yīng)”的順序,所以雙方行為屬于分層序貫決策,適合采用主從Stackelberg 博弈來(lái)分析雙方能量互動(dòng)過(guò)程,其中運(yùn)營(yíng)商屬于領(lǐng)導(dǎo)者,用戶屬于跟隨者。考慮到實(shí)時(shí)運(yùn)行時(shí)新能源不確定性會(huì)對(duì)系統(tǒng)的整體運(yùn)營(yíng)成本帶來(lái)較大的影響,因此在制定日前計(jì)劃時(shí)需要考慮實(shí)時(shí)調(diào)控階段產(chǎn)生的成本風(fēng)險(xiǎn)并對(duì)其進(jìn)行管控,進(jìn)而得到柔性的日前調(diào)度方案,運(yùn)營(yíng)商與用戶協(xié)同調(diào)度的框架如附錄A 圖A2 所示。

2.1 運(yùn)營(yíng)商支付函數(shù)

2.1.1 目標(biāo)函數(shù)

運(yùn)營(yíng)商以日前優(yōu)化調(diào)度成本和實(shí)時(shí)調(diào)控成本風(fēng)險(xiǎn)之和最小作為參與博弈的支付目標(biāo)：

2.1.2 約束條件

1）電價(jià)約束

為了保證運(yùn)營(yíng)商收益,每個(gè)時(shí)段的電價(jià)應(yīng)不低于某一確定值,同時(shí)為了適當(dāng)保護(hù)用戶的用電效益,電價(jià)設(shè)置不宜過(guò)高,應(yīng)在一個(gè)確定的范圍內(nèi)變化：

同時(shí),為了避免運(yùn)營(yíng)商隨意制定電價(jià),并保證一定的競(jìng)爭(zhēng)力,將一天中電價(jià)的均值設(shè)為定值［20］：

式中：pavg為一天內(nèi)電價(jià)的均值。

2）功率平衡約束

日前調(diào)度階段需要根據(jù)新能源出力預(yù)測(cè)值來(lái)進(jìn)行系統(tǒng)功率的平衡,在忽略網(wǎng)絡(luò)損耗的情況下要滿足以下約束式：

3）分布式電源運(yùn)行約束

由于MT 的功率響應(yīng)速度相對(duì)于小時(shí)級(jí)調(diào)度而言較快,因此不考慮其爬坡和啟停約束,僅考慮其出力約束：

2.2 用戶支付函數(shù)

從用戶的角度而言,積極參與主從博弈可以降低用電成本,獲得潛在收益。用戶在博弈過(guò)程中考慮用電經(jīng)濟(jì)性的同時(shí)還要考慮用電滿意度問(wèn)題,博弈策略為{ln,t}。定義用戶的支付函數(shù)［21］為：

式中：ΩUser為用戶用電策略可行集,保證用戶的用電需求在一定范圍內(nèi),由以下約束限定；ωn,t為用戶用電偏好的參數(shù),其值越大說(shuō)明用戶傾向于消耗更多的電能；θn為一個(gè)確定的常數(shù)。

對(duì)于用電效用函數(shù)Un,t(ln,t),采用如式（17）所示的二次凹函數(shù)表示將其分段線性化處理以近似表示用戶的用電效用。不失一般性,采用式（20）來(lái)表示：

3 實(shí)時(shí)調(diào)控階段WCVaR 風(fēng)險(xiǎn)決策模型

文中設(shè)定日前調(diào)度與實(shí)時(shí)調(diào)控階段相關(guān)聯(lián)［23］,即實(shí)時(shí)調(diào)控階段是在日前計(jì)劃的基礎(chǔ)上進(jìn)行。本章建立新能源出力最惡劣概率分布下調(diào)控成本風(fēng)險(xiǎn)最小化模型,并在目標(biāo)函數(shù)中引入棄風(fēng)棄光懲罰以提高系統(tǒng)的新能源消納水平。

3.1 實(shí)時(shí)調(diào)控成本

實(shí)時(shí)調(diào)控成本包括微燃機(jī)的上調(diào)和下調(diào)成本、在實(shí)時(shí)平衡市場(chǎng)的購(gòu)售電成本以及棄風(fēng)棄光懲罰?？紤]到儲(chǔ)能較為靈活,且其調(diào)控成本相比于其他而言較小,所以此處不計(jì)及儲(chǔ)能調(diào)控成本。其表達(dá)式為：

3.2 執(zhí)行調(diào)控約束

無(wú)論是在日前調(diào)度方案基礎(chǔ)上進(jìn)行上調(diào)還是下調(diào),調(diào)控的結(jié)果都需要滿足功率平衡約束和各單元技術(shù)出力約束以及與主網(wǎng)交互功率約束。篇幅所限,儲(chǔ)能運(yùn)行相關(guān)約束不再列寫(xiě)。其表達(dá)式為：

3.3 WCVaR 風(fēng)險(xiǎn)決策模型

為定量分析系統(tǒng)調(diào)控成本風(fēng)險(xiǎn),引入WCVaR評(píng)估僅知道隨機(jī)變量概率分布所屬可能集合時(shí)的最惡劣成本風(fēng)險(xiǎn)。由于篇幅限制,具體的理論概述參考文獻(xiàn)［17］。離散場(chǎng)景下WCVaR 定義為：

式中：β為置信水平；x為決策變量；α為損失閾值；p(y)為隨機(jī)變量的概率密度函數(shù)；W為部分信息已知下的某概率分布集合；yλ為場(chǎng)景λ下的隨機(jī)變量；f(x,yλ）為 系 統(tǒng) 的 損 失 值；NΩ為 場(chǎng) 景 總 數(shù)；(f(x,yλ)-αe)+=max {0,f(x,y)-αe},其中e為單位向量。

式中：z,ζ,ω為對(duì)偶變量。

綜上所述,箱型不確定性下的WCVaR 最小化問(wèn)題,即運(yùn)營(yíng)商問(wèn)題式（1）中的CrtWCVaR最終將轉(zhuǎn)化為如下混合整數(shù)線性規(guī)劃：

3.4 模型轉(zhuǎn)化與求解

在雙層博弈模型中,可以利用KKT（Karush-Kuhn-Tucker）最優(yōu)條件將式（21）轉(zhuǎn)化為上層運(yùn)營(yíng)商決策問(wèn)題的約束,并采用Big-M 法對(duì)互補(bǔ)約束進(jìn)行線性化處理。對(duì)于式（1）中存在的非線性項(xiàng)ptln,t,根據(jù)線性規(guī)劃強(qiáng)對(duì)偶理論對(duì)其處理。篇幅限制,轉(zhuǎn)化過(guò)程可參考文獻(xiàn)［24］,最終得到單層混合整數(shù)線性規(guī)劃問(wèn)題,可以在MATLAB 平臺(tái)利用YALMIP進(jìn)行建模,并調(diào)用GUROBI 求解器進(jìn)行求解。

4 算例分析

4.1 參數(shù)設(shè)置

算例1：確定性調(diào)度模型,用戶不參與協(xié)同優(yōu)化調(diào)度。

算例2：計(jì)及WCVaR 評(píng)估,用戶不參與協(xié)同優(yōu)化調(diào)度。

算例3：計(jì)及WCVaR 評(píng)估,用戶參與協(xié)同優(yōu)化調(diào)度,且用戶為節(jié)約用電型（不考慮約束式（19））。

算例4：計(jì)及WCVaR 評(píng)估,用戶參與協(xié)同優(yōu)化調(diào)度,且用戶為偏好用電型（考慮約束式（19））。

4.2 新能源出力場(chǎng)景

新能源出力值由預(yù)測(cè)值加上預(yù)測(cè)誤差表示,預(yù)測(cè)值見(jiàn)附錄A 圖A4。以風(fēng)電為例,假設(shè)其預(yù)測(cè)誤差服從均值為0、標(biāo)準(zhǔn)差為預(yù)測(cè)值20%的正態(tài)分布,共生成500 個(gè)場(chǎng)景?？紤]到場(chǎng)景數(shù)目過(guò)多會(huì)造成求解的復(fù)雜性,采用K-means 聚類算法將其削減至10 個(gè)典型場(chǎng)景。PV 出力場(chǎng)景設(shè)置同上,削減后保留5 個(gè)場(chǎng)景,最終可以得到50 個(gè)初始的風(fēng)光聯(lián)合出力場(chǎng)景。處理結(jié)果如附錄A 圖A5 和圖A6 所示,離散場(chǎng)景初始概率如附錄A 表A3 和表A4 所示。

4.3 仿真結(jié)果及討論

4.3.1 日前調(diào)度結(jié)果分析

圖1 和圖2 分別是算例3 和算例4 的MT 出力和儲(chǔ)能充放電調(diào)度結(jié)果,可以看出,MT 大多時(shí)段以最小出力運(yùn)行,此時(shí)主要供能方式是邊際成本較低的新能源發(fā)電,而在19～20 h 接近最大出力運(yùn)行以滿足負(fù)荷需求。以算例3 為例,儲(chǔ)能則是在風(fēng)電高發(fā)時(shí)段（1～6 h,24 h）或者電價(jià)較低時(shí)段（7 h）進(jìn)行充電并在高電價(jià)時(shí)段（13 h,14 h,20～22 h）進(jìn)行放電,以進(jìn)行新能源的消納并通過(guò)與配電網(wǎng)的購(gòu)售電進(jìn)行套利,充分顯示了儲(chǔ)能的靈活性。

圖1 算例3 中MT 和儲(chǔ)能日前調(diào)度計(jì)劃Fig.1 Day-ahead schedule for MT and energy storage in case 3

圖2 算例4 中MT 和儲(chǔ)能日前調(diào)度計(jì)劃Fig.2 Day-ahead schedule for MT and energy storage in case 4

算例3 和算例4 中的日前市場(chǎng)購(gòu)售電策略如圖3 所示?？梢钥闯鏊憷? 在1～8 h 的購(gòu)電量較算例3高,這是由于在這些時(shí)段算例4 的負(fù)荷水平比算例3高,而這部分負(fù)荷所需電量由運(yùn)營(yíng)商以較低的成本在日前市場(chǎng)購(gòu)得。而由于低電價(jià)時(shí)段風(fēng)電高發(fā),而儲(chǔ)能容量有限,運(yùn)營(yíng)商不得不轉(zhuǎn)向平電價(jià)時(shí)段進(jìn)行集中購(gòu)電（15～18 h,22～24 h）,并在峰電價(jià)時(shí)段出售部分多余電量。

圖3 算例3 和算例4 中日前市場(chǎng)購(gòu)售電量Fig.3 Electricity purchase and sale quantity in dayahead market in case 3 and case 4

4.3.2 最優(yōu)電價(jià)和最優(yōu)負(fù)荷

在供需協(xié)同優(yōu)化的框架下,運(yùn)營(yíng)商和用戶分別可以得到最優(yōu)電價(jià)和最優(yōu)負(fù)荷曲線,如圖4 和圖5 所示,其中算例2 中采用分時(shí)電價(jià)和確定性負(fù)荷。

圖4 各場(chǎng)景下最優(yōu)電價(jià)Fig.4 Optimal price under each scenario

圖5 各場(chǎng)景下最優(yōu)負(fù)荷Fig.5 Optimal load in each scenario

以算例3 為例,由圖4 可以看出,為了引導(dǎo)用戶削減或轉(zhuǎn)移峰值負(fù)荷,電價(jià)取到了所設(shè)定的上邊界（12～14 h,19～22 h）,而相應(yīng)的負(fù)荷結(jié)果如圖5 所示,峰值負(fù)荷較算例2 明顯降低,如20 h 的負(fù)荷降低了14.9%。而在其余時(shí)段負(fù)荷變動(dòng)不大,這是因?yàn)樗憷? 中用戶為節(jié)約用電型,其目標(biāo)是在保證一定用電滿意度的同時(shí)盡可能降低電費(fèi)支出,由于在電價(jià)較低時(shí)段負(fù)荷目標(biāo)也較低,滿意度容易達(dá)成,并不會(huì)由于電價(jià)下調(diào)而產(chǎn)生額外用電。而在算例4 中,負(fù)荷在整個(gè)調(diào)度周期內(nèi)較算例3 高,尤其在1～7 h差別更為明顯,這是因?yàn)樗憷? 中用戶為偏好用電型,在高電價(jià)時(shí)段出于經(jīng)濟(jì)性考慮會(huì)削減部分負(fù)荷,但為了完成目標(biāo)用電量,會(huì)以犧牲滿意度為代價(jià)將削減的部分負(fù)荷“轉(zhuǎn)移”到電價(jià)較低時(shí)段（1～7 h）,同時(shí)也與4.3.1 節(jié)提到的算例4 中1～8 h 的日前購(gòu)電量較算例3 高相對(duì)應(yīng)。2 個(gè)場(chǎng)景下負(fù)荷曲線都得到了改善：算例3 中削峰較為明顯,而由于算例4 中用戶堅(jiān)持用電目標(biāo)完整性,使得峰谷負(fù)荷得到了重新分配。

4.3.3 調(diào)度結(jié)果經(jīng)濟(jì)性分析

1）運(yùn)營(yíng)商調(diào)度方案經(jīng)濟(jì)性分析

各個(gè)場(chǎng)景下的最優(yōu)成本以及WCVaR 值如表1所示,其中算例1 作為確定性調(diào)度,未考慮不確定性的影響,所以其日前調(diào)度成本最低。4 種場(chǎng)景中算例2 的日前調(diào)度成本和WCVaR 值最高,這是由于負(fù)荷不參與協(xié)同優(yōu)化調(diào)度,使得日前計(jì)劃中峰荷時(shí)段MT 滿發(fā),在實(shí)時(shí)調(diào)控過(guò)程中只能依賴于在實(shí)時(shí)平衡市場(chǎng)高價(jià)購(gòu)電以應(yīng)對(duì)新能源低發(fā)造成的功率缺額,從而造成WCVaR 值的升高,風(fēng)險(xiǎn)增大。而算例3 和算例4 相比,由于在調(diào)度周期內(nèi)算例3 整體用電量較低,其成本和不平衡功率都有所減小,所以風(fēng)險(xiǎn)調(diào)控成本也較低。通過(guò)4 種場(chǎng)景下成本值和WCVaR 值的對(duì)比分析不難發(fā)現(xiàn)：負(fù)荷參與協(xié)同優(yōu)化調(diào)度可以有效降低系統(tǒng)運(yùn)營(yíng)成本和風(fēng)險(xiǎn)。

表1 各場(chǎng)景下日前調(diào)度成本和WCVaR 值Table 1 Day-ahead dispatching cost and WCVaR values in different scenarios

2）用戶參與協(xié)同優(yōu)化調(diào)度的經(jīng)濟(jì)性分析

用戶參與優(yōu)化前后的月電費(fèi)支出如附錄B 圖B1 所示?？梢?jiàn)3 個(gè)組別用戶用電費(fèi)用依次遞增,這是其用電習(xí)慣導(dǎo)致的,3 個(gè)組別用戶在算例3 中的年電費(fèi)支出較算例2 中分別降低了16.6%,12.9%,8.1%,而在算例4 模式下較算例2 分別降低了11.5%,7.8%,4.2%,說(shuō)明用戶參與協(xié)同優(yōu)化調(diào)度可以節(jié)省部分電費(fèi)支出,獲得潛在收益。

4.3.4 風(fēng)險(xiǎn)決策模型魯棒性和敏感性分析

為驗(yàn)證所提實(shí)時(shí)調(diào)控風(fēng)險(xiǎn)決策模型的魯棒性,對(duì)比分析了CVaR 模型、WCVaR 模型和魯棒優(yōu)化模型。魯棒優(yōu)化方法參考文獻(xiàn)［25］,不確定集采用式（25）的方法構(gòu)建,各模型下的調(diào)控成本風(fēng)險(xiǎn)結(jié)果如表2 所示?？梢钥闯?WCVaR 模型的結(jié)果介于CVaR 和魯棒優(yōu)化模型之間,這是由于其在隨機(jī)變量概率分布不確定的基礎(chǔ)上量化最差條件下的CVaR,避免了極端決策,可兼顧保守性和經(jīng)濟(jì)性。

表2 不同模型的實(shí)時(shí)調(diào)控成本風(fēng)險(xiǎn)Table 2 Real-time control cost risk of different models

以算例4 為例,通過(guò)調(diào)節(jié)置信水平β分析其對(duì)棄風(fēng)棄光電量和WCVaR 的影響,同時(shí)與CVaR 模型進(jìn)行對(duì)比分析,結(jié)果如表3 所示。

表3 不同置信水平下的棄風(fēng)棄光電量和WCVaR 值Table 3 Wind power and photovoltaic curtailment and WCVaR values at different confidence levels

從表3 可以看出,隨著置信水平的提高,棄風(fēng)棄光電量增多,且WCVaR 值呈升高趨勢(shì)。這是因?yàn)轱L(fēng)險(xiǎn)水平β反映了運(yùn)營(yíng)商的風(fēng)險(xiǎn)偏好程度和保守度,當(dāng)β從0.91 增加到0.99 的過(guò)程中,運(yùn)營(yíng)商對(duì)風(fēng)險(xiǎn)由喜好逐漸轉(zhuǎn)變?yōu)閰拹?在實(shí)時(shí)調(diào)控階段的策略也隨之變得更加保守,更傾向于使用微型燃?xì)廨啓C(jī)和市場(chǎng)購(gòu)電等成本較高的發(fā)電資源來(lái)進(jìn)行供需平衡。同時(shí)可以看出同一置信水平下WCVaR 高于CVaR,更能適應(yīng)新能源的波動(dòng)性,所以魯棒性更強(qiáng)。

為了進(jìn)一步說(shuō)明置信水平對(duì)調(diào)度方案的影響,給出置信水平為0.9 和0.95 的調(diào)控方案分別如附錄B 圖B2 和圖B3 所示,不難發(fā)現(xiàn)更高的置信水平對(duì)應(yīng)著更保守的調(diào)控策略。由于置信水平影響著決策者對(duì)“極端場(chǎng)景”的界定,置信水平升高時(shí)選取的極端場(chǎng)景更為惡劣,所得到的WCVaR 值也更高。

附錄B 圖B4 給出了WCVaR 值隨擾動(dòng)區(qū)間變化的情況,可以看出,隨著擾動(dòng)區(qū)間的增大,WCVaR 值有所升高。這是由于擾動(dòng)區(qū)間大小表征著新能源出力的“不確定度”,即允許參考概率分布偏差的范圍,擾動(dòng)區(qū)間越大,其不確定范圍越大,需要調(diào)度更多的發(fā)電資源加以應(yīng)對(duì),得到的方案也更加保守；從側(cè)面說(shuō)明了運(yùn)營(yíng)商對(duì)新能源出力不確定性的考慮更充分,成本風(fēng)險(xiǎn)隨之加大。

5 結(jié)語(yǔ)

本文從微電網(wǎng)運(yùn)營(yíng)商的角度構(gòu)建了計(jì)及WCVaR 評(píng)估的供需協(xié)同兩階段日前優(yōu)化調(diào)度模型,通過(guò)對(duì)算例的分析得出如下結(jié)論。

1）所提兩階段日前調(diào)度模型可以在日前調(diào)度過(guò)程中充分展望未來(lái)新能源不確定性造成的調(diào)控成本風(fēng)險(xiǎn),決策隨機(jī)變量最惡劣概率分布下的最優(yōu)日前調(diào)度方案,使調(diào)度結(jié)果更具魯棒性,同時(shí)可根據(jù)運(yùn)營(yíng)商的風(fēng)險(xiǎn)態(tài)度調(diào)節(jié)模型保守度。

2）在主從博弈的框架下進(jìn)行能量互動(dòng),運(yùn)營(yíng)商可準(zhǔn)確獲得用戶負(fù)荷曲線,制定電價(jià)政策以及日前調(diào)度方案；而用戶可以改善負(fù)荷曲線,節(jié)省電費(fèi)支出：對(duì)節(jié)約用電型用戶來(lái)說(shuō),可以起到很好的削峰效果,而對(duì)于偏好用電型用戶來(lái)說(shuō),可以對(duì)峰谷負(fù)荷實(shí)現(xiàn)重新分配。

3）運(yùn)營(yíng)商協(xié)同用戶進(jìn)行優(yōu)化調(diào)度,可以有效降低系統(tǒng)運(yùn)營(yíng)成本和風(fēng)險(xiǎn),進(jìn)而提高系統(tǒng)整體運(yùn)營(yíng)經(jīng)濟(jì)性和穩(wěn)定性。

文中所提兩階段調(diào)度模型在日前實(shí)施,第2 階段所得實(shí)時(shí)調(diào)控方案只是針對(duì)新能源不確定性最惡劣場(chǎng)景下的模擬調(diào)控量,并不作為實(shí)際調(diào)控方案實(shí)施,實(shí)時(shí)調(diào)控需要在調(diào)度日根據(jù)最新的新能源預(yù)測(cè)信息進(jìn)行決策。另一方面,現(xiàn)階段研究只考慮了電能的調(diào)度,未考慮冷熱電多能流的調(diào)度情況,這將是下一步研究的方向。

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。