包 哲, 李 薇, 張瀟方, 許 野, 于松源

(1． 華北電力大學(xué) 環(huán)境科學(xué)與工程學(xué)院, 北京 102206;2． 華北電力大學(xué) 控制與計算機工程學(xué)院, 北京 102206)

為有效應(yīng)對溫室氣體大量排放導(dǎo)致的全球氣候危機,習(xí)近平總書記在2020年提出我國力爭在2030年達到碳達峰,在2060年實現(xiàn)碳中和的目標(biāo)。作為我國主要的碳排放源,能源行業(yè)的低碳綠色轉(zhuǎn)型將成為推動“雙碳”目標(biāo)早日實現(xiàn)的重要舉措[1]。因此,以新能源為主、傳統(tǒng)化石能源為輔、多能源協(xié)同供應(yīng)將成為未來能源行業(yè)的主要結(jié)構(gòu)特征[2]。然而,面對分布式新能源的大規(guī)模接入,如何實現(xiàn)其高效利用和消納,將成為能源體系重塑過程中面臨的關(guān)鍵性問題。在此背景下,虛擬電廠應(yīng)運而生,該能源供給模式可通過對空間分布不同的獨立能源供給實體進行統(tǒng)一的調(diào)配和管理,以此實現(xiàn)新能源的最大化消納和經(jīng)濟性最優(yōu)運行[3]。但在實際運行中,能源系統(tǒng)本身存在諸多的不確定性,給虛擬電廠的安全調(diào)度帶來一系列挑戰(zhàn),如隨著風(fēng)、光等新能源的大量接入,其出力的波動性將會降低電能供應(yīng)質(zhì)量,影響系統(tǒng)運行的穩(wěn)定性,而負(fù)荷側(cè)能源需求量存在的隨機性同樣對系統(tǒng)的供能平衡帶來影響[4]。習(xí)近平總書記在黨的二十大報告中也明確指出,未來我國要在確保能源安全的前提下推進新型能源體系的建設(shè)。由此可知,克服系統(tǒng)中多重不確定性的影響,保證供能安全,將成為未來虛擬電廠運行調(diào)度關(guān)注的焦點問題。

現(xiàn)有研究通常采用隨機規(guī)劃算法來處理虛擬電廠中源荷側(cè)存在的不確定性。吳孟雪等[5]充分考慮了風(fēng)、光出力的不確定性,基于不確定性風(fēng)險隨機規(guī)劃算法,建立了多能源優(yōu)化調(diào)度模型。張大海等[6]為克服新能源出力的不確定性,應(yīng)用魯棒隨機優(yōu)化算法,以經(jīng)濟效益為優(yōu)化目標(biāo),建立了虛擬電廠運行優(yōu)化模型。徐康軒等[7]為提高虛擬電廠在電力市場中的競價能力,減小風(fēng)、光不確定性產(chǎn)生的負(fù)面影響,基于隨機優(yōu)化算法,建立了虛擬電廠經(jīng)濟模型。Kong等[8]針對虛擬電廠源側(cè)風(fēng)、光出力不確定性等問題,采用隨機魯棒規(guī)劃算法,建立了虛擬電廠兩階段運行優(yōu)化模型,提升了系統(tǒng)運行的經(jīng)濟性。李志偉等[9]基于機會約束規(guī)劃算法,建立了含風(fēng)、光、火的多能源運行優(yōu)化模型,有效規(guī)避了負(fù)荷側(cè)隨機性對系統(tǒng)運行安全性的影響。邱革非等[10]為降低負(fù)荷側(cè)隨機性對系統(tǒng)運行可靠性和經(jīng)濟性的影響,提出了基于機會約束規(guī)劃算法的綜合能源系統(tǒng)運行優(yōu)化模型。Ji等[11]基于兩階段隨機魯棒規(guī)劃方法,開展了不同魯棒水平下綜合能源系統(tǒng)運行優(yōu)化研究,明確了魯棒水平與投資收益之間的關(guān)聯(lián)關(guān)系,該結(jié)果可以指導(dǎo)綜合能源系統(tǒng)管理者有效規(guī)避需求側(cè)隨機性對系統(tǒng)安全性和經(jīng)濟性的影響。綜上所述,隨機規(guī)劃算法通過獲取隨機變量的概率分布函數(shù),設(shè)置不同的置信區(qū)間來處理不確定性對研究目標(biāo)的影響。然而對于風(fēng)、光能源,輻射、風(fēng)速和溫度等自然氣象條件具有一定的關(guān)聯(lián)性,導(dǎo)致風(fēng)電出力和光伏電站出力同樣具有一定的相關(guān)性,但在目前的多數(shù)研究中,通常只考慮了風(fēng)、光資源各自的出力特性,并未基于風(fēng)、光聯(lián)合出力特性將不確定性條件轉(zhuǎn)化為確定性條件,使得模擬結(jié)果與實際結(jié)果存在一定偏差[12]。另外,傳統(tǒng)隨機規(guī)劃方法中,將能源需求量視為服從正態(tài)分布的一元隨機變量N(μ,σ2),其中μ為均值,σ為偏差?？紤]到除去能源需求量本身存在的隨機狀態(tài)外,在數(shù)據(jù)統(tǒng)計和計算過程中,統(tǒng)計方法、統(tǒng)計精度和統(tǒng)計人員經(jīng)驗的不同使得隨機變量中的μ和σ仍存在一定的不確定性,因此導(dǎo)致模擬結(jié)果仍存在一定的誤差和進一步優(yōu)化的空間。

針對以上問題,筆者提出一種考慮風(fēng)、光聯(lián)合分布概率和負(fù)荷側(cè)雙重隨機性的虛擬電廠運行優(yōu)化模型。首先,基于Copula函數(shù),擬合風(fēng)、光聯(lián)合出力函數(shù),明確風(fēng)、光的聯(lián)合出力特性;然后,基于雙重隨機規(guī)劃算法,將負(fù)荷側(cè)多種能源需求量的不確定性轉(zhuǎn)化為確定性參數(shù);最后,結(jié)合上述研究成果,建立虛擬電廠多重不確定性運行優(yōu)化模型,獲得虛擬電廠安全性和經(jīng)濟性最優(yōu)運行策略。

1 方法與模型

1.1 研究路線

本文研究路線如圖1所示,首先在充分收集風(fēng)、光出力歷史數(shù)據(jù)的基礎(chǔ)上,通過Kendall秩系數(shù)和Spearman秩系數(shù)檢驗,獲得描述風(fēng)、光聯(lián)合出力最優(yōu)的Copula函數(shù)表達式,結(jié)合設(shè)置的置信區(qū)間,完成風(fēng)、光出力的確定性轉(zhuǎn)化,生成風(fēng)、光聯(lián)合出力約束;然后,將雙重隨機算法與熱、電歷史需求數(shù)據(jù)相耦合,結(jié)合不同的違約水平,規(guī)避負(fù)荷側(cè)雙重不確定性對模擬結(jié)果的影響,獲得熱、電負(fù)荷需求確定性數(shù)據(jù);最后,基于上述研究成果,結(jié)合冷熱電聯(lián)供(CCHP)系統(tǒng)和儲能元件仿真模型,以運行成本最小化為目標(biāo)函數(shù),同時引入供需平衡約束和設(shè)備出力約束,建立考慮“源荷” 多重不確定性的虛擬電廠運行優(yōu)化模型,最終獲得安全性和經(jīng)濟性最優(yōu)的運行方案。

圖1 研究路線圖

1.2 “源荷”雙側(cè)不確定性的計算方法

1.2.1 Copula理論

Copula理論是統(tǒng)計多個隨機變量相關(guān)性的方法,即一個k元聯(lián)合分布函數(shù)可分解為k個邊緣分布函數(shù)和一個Copula函數(shù),Copula函數(shù)可以描述變量間的相關(guān)性[13]。Copula函數(shù)的具體計算流程如下:

(1) 確定Copula函數(shù)表達式中的未知參數(shù)值

目前,應(yīng)用最多的Copula函數(shù)為3種阿基米德Copula,即Frank-Copula、Gumbel-Copula和Clayton-Copula,具體表達式見表1,其中F1、F2和F3分別為Frank、Gumbel和Clayton 3種Copula函數(shù)的表達式,u和v分別表示風(fēng)、光各自的邊緣分布函數(shù)。在充分收集風(fēng)、光歷史出力數(shù)據(jù)的基礎(chǔ)上,通過核密度估計法獲得風(fēng)、光出力各自的邊緣分布函數(shù)。然后,將邊緣分布函數(shù)代入3種阿基米德Copula函數(shù),確定不同Copula函數(shù)中的未知參數(shù)值。

表1 不同Copula函數(shù)表達式

(2) 確定最佳Copula函數(shù)表達式

為了在上述3種阿基米德Copula函數(shù)中尋找最適合描述風(fēng)、光聯(lián)合出力特性的Copula函數(shù),本研究中引入Kendall秩系數(shù)和Spearman秩系數(shù),兩者的具體表達式為

(1)

(2)

式中:τ(u,v)和ρ(u,v)分別為Kendall秩系數(shù)和Spearman秩系數(shù);C(u,v)為Copula函數(shù)表達式。

1.2.2 雙重隨機規(guī)劃方法

傳統(tǒng)的隨機規(guī)劃只是單純地將負(fù)荷側(cè)需求量視為隨機變量,通過對歷史需求數(shù)據(jù)進行確定性變化來處理不確定性帶來的負(fù)面影響,并未考慮在獲取歷史數(shù)據(jù)的過程中存在的不確定性。因此,為進一步提升研究結(jié)果的科學(xué)性,引入雙重隨機規(guī)劃算法來表征負(fù)荷側(cè)存在的不確定性,具體計算過程如下

minf=CX

(3)

(4)

(5)

(6)

(7)

(8)

式中:Pe為隨機事件的概率;αr為預(yù)先規(guī)定的約束違反水平,其中r代表約束違反水平的類型,約束違反水平主要用來反映約束的滿意程度,設(shè)計的約束違反水平越高,意味著該約束的違反程度越高;Pr用來表征事件 { } 的概率分布函數(shù);Φ-1為標(biāo)準(zhǔn)正態(tài)分布變量累積分布函數(shù)的反函數(shù)。

1.3 考慮“源荷”雙側(cè)不確定性的虛擬電廠運行優(yōu)化模型

本文虛擬電廠結(jié)構(gòu)和運行路徑如圖2所示,包括CCHP系統(tǒng)、風(fēng)光發(fā)電系統(tǒng)、電制冷、電熱泵和電化學(xué)儲能。其中,CCHP系統(tǒng)、風(fēng)光發(fā)電系統(tǒng)和電化學(xué)儲能元件主要滿足用戶的冷、熱、電需求,電制冷和電熱泵主要作為熱電解耦系統(tǒng),以避免造成能源浪費。

圖2 虛擬電廠運行結(jié)構(gòu)圖

1.3.1 目標(biāo)函數(shù)

為保證各發(fā)電企業(yè)的經(jīng)濟效益,提升系統(tǒng)在電力市場中的競爭力,以虛擬電廠運行成本最小化為目標(biāo)函數(shù)。

(9)

式中:minC為虛擬電廠運行成本的最小值;COC和CMC分別為系統(tǒng)的一次能源購置成本和維護成本;PNT,t和PE,t分別為t時刻天然氣的購置量和購電量;eNT,t和eE,t分別為t時刻天然氣的購置單價和購電單價;eCCHP、ePV、eWP、eEB和eER分別為CCHP系統(tǒng)、光伏發(fā)電系統(tǒng)、風(fēng)力發(fā)電系統(tǒng)、電熱泵和電制冷機組的單位運行成本;PCCHP, t、PPV, e, t、PWP, e, t、PEB, h, t和PER, c, t分別為t時刻CCHP系統(tǒng)、光伏發(fā)電系統(tǒng)、風(fēng)力發(fā)電系統(tǒng)、電熱泵和電制冷機組的出力量;T為時間。

1.3.2 約束條件

1.3.2.1 設(shè)備輸出約束

天然氣CCHP系統(tǒng)由燃?xì)廨啓C、余熱鍋爐、熱交換器和吸收式制冷機組共同組成,該系統(tǒng)基于能源的梯級利用原理,可實現(xiàn)冷、熱、電3種能源的協(xié)同供應(yīng)。天然氣CCHP系統(tǒng)的設(shè)備出力約束以及設(shè)備爬坡約束分別如式(10)和式(11)所示。

(10)

(11)

式中:PCCHP, e, t、PCCHP, n, t、PCCHP, h, t和PCCHP, c, t分別為CCHP系統(tǒng)在t時刻的發(fā)電量、抽氣量、供熱量和制冷量;ηe, t、ηn, t、ηh, t和ηc, t分別為CCHP系統(tǒng)在t時刻的發(fā)電效率、抽氣效率、供熱效率和制冷效率;HNT為天然氣的熱值;θt為t時刻系統(tǒng)制熱使用的抽氣量占總抽氣量的比例;δup, e和δdown, e、δup, h和δdown, h、δup, c和δdown, c分別為系統(tǒng)燃?xì)廨啓C、余熱鍋爐和吸收式制冷機組每小時出力上升和下降功率約束。

除傳統(tǒng)的CCHP系統(tǒng)外,風(fēng)光發(fā)電系統(tǒng)為虛擬電廠中另一個重要發(fā)電單元,其出力表達式為:

(12)

(13)

式中:(PPV,e,t,max)βr和(PWP,e,t,max)βr分別為光伏發(fā)電和風(fēng)力發(fā)電的概率分布表達式;C-1(PPV,e,t,PWP,e,t,βr)為描述風(fēng)、光聯(lián)合出力分布Copula函數(shù)的反函數(shù);βr為風(fēng)、光聯(lián)合出力的違約水平,βr值越大,代表選擇的風(fēng)、光聯(lián)合出力量違約風(fēng)險越高。

在具體研究中,一方面為了保證系統(tǒng)運行的穩(wěn)定性,避免供需失衡風(fēng)險;另一方面為給決策者在“低風(fēng)險”和“高回報”中提供更多的參考樣本,因此需要設(shè)定一個相對較寬的βr取值范圍,且范圍的上限和下限不宜設(shè)置過高,本研究中分別選擇0.1和0.01作為違約水平的上限和下限。

虛擬電廠在實際運行中需要引入儲能元件,以避免出現(xiàn)棄風(fēng)、棄光現(xiàn)象,保證風(fēng)、光能源的最大化利用?，F(xiàn)階段,應(yīng)用最廣泛的儲能方式為電化學(xué)儲能,其出力約束表達式為:

(14)

式中:EEES,t和EEES,t-1分別為t時刻和t-1時刻儲能設(shè)備的荷電量;EEES, u, t和EEES, d, t分別為t時刻儲能設(shè)備的充電量和放電量;ηEES, u和ηEES, d分別為儲能設(shè)備的充電效率和放電效率。

傳統(tǒng)CCHP系統(tǒng)固定熱電比的出力模式無法滿足系統(tǒng)對能量供應(yīng)的及時調(diào)控,導(dǎo)致能源供給與用戶需求量不匹配,不僅造成能源的大量浪費,而且降低了聯(lián)供系統(tǒng)的經(jīng)濟效益。針對上述問題,將天然氣冷熱電聯(lián)供系統(tǒng)與熱電解耦技術(shù)相耦合,根據(jù)用戶側(cè)的負(fù)荷需求變化特征,通過對系統(tǒng)固有熱電比的靈活性調(diào)整,制定供能策略,可以有效提升一次能源的利用效率和系統(tǒng)的經(jīng)濟性。本研究中CCHP系統(tǒng)采用以熱定電的運行方式,導(dǎo)致在生產(chǎn)中會出現(xiàn)剩余電量的情況,因此為避免資源浪費,特引入電熱泵和電制冷機組2種熱電解耦技術(shù),利用余電進行供熱和制冷,具體運行約束公式如下:

(15)

式中:PEB, e, t和PER, e, t分別為電熱泵和電制冷機組消耗的電量;ηEB和ηER分別為電熱泵運行效率和電制冷機組運行效率。

1.3.2.2 供需平衡約束

保證用戶的用能需求,建立合理的能源供需平衡約束,是保證虛擬電廠安全運行的重要前提。本研究中,用戶側(cè)負(fù)荷主要分為電負(fù)荷、熱負(fù)荷和冷負(fù)荷,三者的供需平衡約束表達式如下:

(16)

引入雙重隨機規(guī)劃算法,根據(jù)式(7)和式(8),對約束公式(16)進行確定化處理,結(jié)果如下:

1-αr

(17)

(18)

(19)

式中:1-αr為負(fù)荷側(cè)的風(fēng)險系數(shù),風(fēng)險系數(shù)越低,代表供需失衡出現(xiàn)的概率越低,從保證供能安全的角度出發(fā),不宜將違約風(fēng)險設(shè)置過高。因此,本研究共考慮了2個風(fēng)險系數(shù)(0.01和0.1),即在0.99和0.90的概率下滿足負(fù)荷側(cè)能源需求。

2 研究案例

基于Matlab 2014a軟件搭建仿真平臺,以我國北方某園區(qū)為研究對象,考慮到春季冷、熱、電負(fù)荷具有典型性,不會出現(xiàn)某一種能源需求量過小的狀況,因此選擇春季典型日進行算例仿真,根據(jù)歷史數(shù)據(jù)的統(tǒng)計分析,表2給出了春季典型日部分時刻的雙重隨機參數(shù)數(shù)據(jù),主要包括負(fù)荷側(cè)冷、熱、電需求量的概率分布,其中N為雙重隨機參數(shù)。

表2 部分能源需求參數(shù)

表3為研究案例中的部分參數(shù)數(shù)據(jù)。其中,購電價格按照階梯電價的收費標(biāo)準(zhǔn),共分為3個等級,即峰時段(11:00—15:00)為1.18元/(kW·h)、平時段(8:00—11:00,16:00—18:00,22:00—23:00)為0.84元/(kW·h)和谷時段(0:00—7:00)為0.56元/(kW·h)。

表3 系統(tǒng)參數(shù)

3 結(jié)果分析

3.1 風(fēng)、光出力結(jié)果分析

基于歷史數(shù)據(jù)和核密度估計法,獲得風(fēng)、光出力核估計分布函數(shù),求得風(fēng)、光出力的二元頻率直方圖和二元頻數(shù)直方圖(圖3),結(jié)合最大似然估計法,求得3種阿基米德聯(lián)合概率分布表達式中的相關(guān)系數(shù),其中Frank Copula函數(shù)相關(guān)系數(shù)λ=0.511 9,Clayton Copula函數(shù)相關(guān)系數(shù)ξ=0.120 0,Gumbel Copula函數(shù)相關(guān)系數(shù)θ=1.110 1。

(a) 二元頻率直方圖

根據(jù)上述3種阿基米德Copula函數(shù)的相關(guān)系數(shù),通過式(1)和式(2)計算得到不同Copula函數(shù)的Kendall秩系數(shù)和Spearman秩系數(shù),計算結(jié)果如表4所示。由表4可知,原始數(shù)據(jù)中Kendall秩系數(shù)和Spearman秩系數(shù)分別為0.056 4和0.077 2,與其最接近的是Frank Copula函數(shù)的0.056 6和0.085 0。由此可知,Frank Copula函數(shù)評價結(jié)果最優(yōu),所以選擇相關(guān)系數(shù)為0.511 9的Frank Copula函數(shù)描述風(fēng)、光聯(lián)合出力分布,函數(shù)分布如圖4所示。

表4 3種Copula函數(shù)的評價指標(biāo)

圖4 Frank Copula函數(shù)分布圖

基于上述所得Frank Coupla函數(shù),綜合考慮2個風(fēng)、光發(fā)電違約水平(β=0.01和β=0.1),對風(fēng)、光聯(lián)合出力開展模擬計算,得到圖5所示的風(fēng)、光發(fā)電量。由圖5可知,隨著違約水平變得更為嚴(yán)格(β由0.1降到0.01),風(fēng)、光的出力量均隨之變低,這是因為考慮到風(fēng)、光能源出力的隨機特性,若要最大程度地保證供能安全,減少供需失衡的風(fēng)險,需要更為保守地估算風(fēng)、光能源的出力量,因此當(dāng)違約水平為0.01時,風(fēng)、光出力量更小,基于此條件下制定的供能策略更容易實現(xiàn)。

圖5 不同違約水平下風(fēng)、光發(fā)電量

3.2 冷、熱、電負(fù)荷計算結(jié)果分析

圖6為基于雙重隨機規(guī)劃算法,不同滿意水平下冷、熱、電3種負(fù)荷的需求量對比圖。由圖6可知,當(dāng)滿意水平α由0.90變?yōu)?.99時,冷、熱、電3種負(fù)荷均呈現(xiàn)出增加的趨勢。這是由于高滿意水平意味著要嚴(yán)格限制供能不足的現(xiàn)象出現(xiàn),因此模型通過增加冷、熱、電負(fù)荷預(yù)估需求量,提升模型的適配度,以此保證3種能源的安全供給。特別是在實際運行中,當(dāng)用戶側(cè)負(fù)荷需求量較平均水平突然增加時,高滿意水平下獲得能源需求量和制定相應(yīng)的供能策略更容易保證供能平衡和供給安全性。值得一提的是,同樣是由高違約水平(β=0.1,1-α=0.1)提升至低違約水平(β=0.01,1-α=0.01),負(fù)荷需求量和風(fēng)、光出力量呈現(xiàn)截然相反的變化趨勢,這是因為風(fēng)、光出力和負(fù)荷需求分別存在供能平衡關(guān)系式的左右兩側(cè),所以導(dǎo)致兩者只有形成“此消彼長”的變化趨勢,才能改變供需平衡的松緊度,以此體現(xiàn)決策者在激進的供能策略和保守的供能策略之間的選擇。

(a) 電負(fù)荷曲線圖

3.3 儲能裝置運行結(jié)果分析

圖7為不同情景下儲能設(shè)備的運行曲線圖。由圖7可知,無論是高違約水平還是低違約水平,電化學(xué)儲能設(shè)備的運行策略基本一致,充、放電過程主要受電價的影響。具體來看,放電主要集中在11:00—15:00和19:00—21:00,這是因為在上述2個時段,電價處于全天中的高峰時段,因此,從提升虛擬電廠運行經(jīng)濟性的角度出發(fā),選擇在高峰時段進行放電供能。反之,在電價較低的0:00—7:00,儲能裝置則進入了充電狀態(tài),積蓄電量以保證后續(xù)時段的能源供應(yīng)。而在10:00—12:00,雖然電價低谷時間有所增加,但在該時段系統(tǒng)仍有部分剩余電量,因此,儲能裝置同樣進行充電蓄能。

(a) 低違約水平:α=0.99、β=0.01

3.4 供電策略結(jié)果分析

圖8為不同違約水平下虛擬電廠供電策略的對比圖。由圖8可知,無論是選擇高違約水平還是低違約水平,供電策略和供電曲線的變化基本保持一致?？傮w來看,系統(tǒng)中的主要電能供給單元是燃?xì)廨啓C,出力占比最高,且由于加入了儲能裝置,風(fēng)、光等新能源也完成了全部消納。與此同時,由于加入的電制冷機組和電熱泵系統(tǒng)作為系統(tǒng)中的熱電解耦裝置,系統(tǒng)中不再出現(xiàn)資源浪費現(xiàn)象,發(fā)電單元在滿足用戶側(cè)電負(fù)荷的基礎(chǔ)上,剩余電量由儲能裝置、電鍋爐和電制冷機組共同綜合利用。

3.5 冷、熱供應(yīng)策略結(jié)果分析

圖9為不同違約水平下的供熱和供冷策略圖。由圖9可知,2個場景下供熱和供冷策略同樣基本保持一致。具體來看,冷熱供應(yīng)主要以吸收式制冷機組和余熱鍋爐為主。而電鍋爐和電制冷機組主要作為輔助能源,其中電鍋爐主要在0:00—6:00和23:00—24:00 2個時間段集中工作,電制冷機組的出力時間主要集中在7:00—21:00。這是因為冷負(fù)荷需求出現(xiàn)在7:00—21:00,電制冷機組的運行效率優(yōu)于電熱泵,因此從節(jié)約成本、提高效率的角度出發(fā),在全天中出現(xiàn)冷負(fù)荷的時段,系統(tǒng)優(yōu)先使用剩余電量驅(qū)動電制冷機組供冷。在其余時段,負(fù)荷側(cè)只有電和熱2種能源需求,系統(tǒng)會選擇電熱泵使用余電制熱。

(a) 高違約水平:α=0.90、β=0.1

3.6 系統(tǒng)運行成本分析

表5為不同情景下虛擬電廠在春季典型日的運行成本和一次能源消耗量對比。由表5可知,低違約水平(α=0.99、β=0.01)情景下運行成本和天然氣消耗量均高于高違約水平(α=0.90、β=0.1)情景下。由前述可知,在更為嚴(yán)格的違約約束條件下,風(fēng)、光能源的出力量更小,而冷、熱、電3種負(fù)荷的需求量更大,因此系統(tǒng)需要消耗更多的天然氣驅(qū)動CCHP系統(tǒng)來滿足用戶側(cè)更多的能源需求,導(dǎo)致經(jīng)濟性進一步降低。由此可知,違約水平可以指導(dǎo)決策者權(quán)衡運營成本和供能違約風(fēng)險。如果決策者更加關(guān)注系統(tǒng)的運行成本,則違約水平將被設(shè)置得更高,但會面臨更高的能源供給違約風(fēng)險;如果決策者更加關(guān)注能源供給的安全性,違約水平則會被設(shè)置得更低,但會導(dǎo)致更高的運營成本。

表5 不同情景下運行成本和一次能源消耗量的對比

4 結(jié)論與展望

(1) Copula函數(shù)和雙重隨機規(guī)劃算法可通過設(shè)置違約水平和滿意水平,有效地將“源荷”雙側(cè)的不確定性約束轉(zhuǎn)變?yōu)榇_定性約束。與高違約水平相比,在低違約水平(高滿意水平)下,風(fēng)、光的出力量隨之降低,而冷、熱、電3種負(fù)荷的需求量則增加。

(2) 虛擬電廠運行策略受違約水平和滿意水平的影響較小,主要受一次能源價格和設(shè)備運行效率的影響。而運行成本和一次能源的使用量受違約水平和滿意水平的影響較大,在低違約水平(高滿意水平)下,雖然系統(tǒng)運行的安全性提升,但系統(tǒng)的經(jīng)濟效益更低,因此決策者在制定運行策略時需要在供能違約風(fēng)險和經(jīng)濟收益間做出權(quán)衡。