曾賢強(qiáng) 張 奕 王曉蘭

(1.蘭州理工大學(xué)電氣工程與信息工程學(xué)院 蘭州 730050；2.蘭州理工大學(xué)甘肅省工業(yè)過(guò)程先進(jìn)控制重點(diǎn)實(shí)驗(yàn)室 蘭州 730050；3.蘭州理工大學(xué)電氣與控制工程國(guó)家級(jí)實(shí)驗(yàn)教學(xué)示范中心 蘭州 730050)

1 引言

關(guān)于全球經(jīng)濟(jì)發(fā)展與節(jié)能降耗多項(xiàng)政策的矛盾日益激化，我國(guó)“雙碳”戰(zhàn)略目標(biāo)達(dá)成的重要途徑在于能源結(jié)構(gòu)的轉(zhuǎn)型，構(gòu)建以新能源為主體的新型電力系統(tǒng)，以促進(jìn)新能源利用效率，保障用能供應(yīng)[1]。隨著能源低碳化的發(fā)展目標(biāo)及新能源發(fā)電的比重提高，傳統(tǒng)“自給自足”的能源系統(tǒng)形式在應(yīng)對(duì)該趨勢(shì)已顯得日漸乏力，電力系統(tǒng)正尋求適應(yīng)性更全面的發(fā)展方式?？紤]上述問(wèn)題，區(qū)域綜合能源系統(tǒng)(Regional integrated energy system，RIES)基于以往常規(guī)電力系統(tǒng)，發(fā)展建立了新式的能源體系且具有更高效復(fù)雜的組成結(jié)構(gòu)、供能方式以及用能特點(diǎn)等，往往可以整合多種能源供給方式以達(dá)到協(xié)同優(yōu)化運(yùn)行的目標(biāo)，滿足荷側(cè)的多元化能量需求，有助于實(shí)現(xiàn)系統(tǒng)中能源綜合利用，提高新能源消納水平[2-3]。因此，利用RIES 是助力低碳發(fā)展的有效途徑之一。

可再生能源具有可緩解能源需求、污染小等優(yōu)點(diǎn)，但大規(guī)模接入電網(wǎng)和負(fù)荷用能特性的多樣化常存在隨機(jī)性、波動(dòng)性等因素限制系統(tǒng)安全運(yùn)行，對(duì)此，傳統(tǒng)確定性優(yōu)化方法已不再適用。如何充分地處理多重不確定性以進(jìn)行RIES 優(yōu)化配置與調(diào)度為當(dāng)前亟需研究的熱點(diǎn)。隨機(jī)規(guī)劃[4-5]和魯棒優(yōu)化(Robust optimization，RO)[6-9]是處理不確定性優(yōu)化問(wèn)題的兩種主要方法，也有研究綜合二者考慮[10]。實(shí)際系統(tǒng)經(jīng)常波動(dòng)頻繁，不確定性因素較多，RO 有別于隨機(jī)規(guī)劃的大量數(shù)據(jù)分布統(tǒng)計(jì)，通過(guò)不確定性變量的可行域即可實(shí)現(xiàn)僅追求極端情況下的運(yùn)行最優(yōu)方案[11]?？紤]以上因素，選擇RO 是破解RIES中新能源出力不確定性優(yōu)化的有效方式，基于魯棒性分析雖有最優(yōu)經(jīng)濟(jì)的求解結(jié)果但相對(duì)保守，為此有關(guān)學(xué)者引入不確定性調(diào)節(jié)參數(shù)來(lái)有效規(guī)避RO 求解時(shí)的問(wèn)題[12]。

光熱(Concentrating solar power，CSP)電站獲得了較多學(xué)者的關(guān)注，現(xiàn)多考慮用于RIES 調(diào)度，作為“新型發(fā)電形式”可充分利用其內(nèi)部?jī)?chǔ)熱裝置實(shí)現(xiàn)能流間經(jīng)濟(jì)互補(bǔ)運(yùn)行[13]。建立RIES 不是單純考慮能源的供給，而需要在復(fù)雜系統(tǒng)的運(yùn)行中合理考慮CSP 電站的運(yùn)行特性，并與多種可再生能源設(shè)備出力相配合，共同應(yīng)對(duì)實(shí)際系統(tǒng)中存在的波動(dòng)性，也是提高RIES 新能源消納能力的關(guān)鍵要點(diǎn)[14-15]。另外，為便于引入CSP機(jī)組參與系統(tǒng)運(yùn)行，對(duì)文獻(xiàn)[16]中CSP 電站模型內(nèi)部可看成三個(gè)部分來(lái)作出簡(jiǎn)化分析，即電能轉(zhuǎn)換裝置、熱能轉(zhuǎn)換裝置和儲(chǔ)熱裝置。

在“雙碳”目標(biāo)的大環(huán)境下，為保障負(fù)荷用能需求，應(yīng)充分利用碳交易機(jī)制。由于較多研究通過(guò)購(gòu)能所產(chǎn)生的碳交易費(fèi)用來(lái)支撐系統(tǒng)環(huán)境效益，或僅計(jì)及系統(tǒng)內(nèi)熱電聯(lián)產(chǎn)設(shè)備碳排放成本的計(jì)算以發(fā)揮綠色減排理念[17-19]。因此，多數(shù)文獻(xiàn)存在著對(duì)系統(tǒng)總碳排放成本計(jì)算不全面、較簡(jiǎn)單等問(wèn)題。針對(duì)RIES 低碳運(yùn)行應(yīng)考慮對(duì)整個(gè)能源供應(yīng)環(huán)節(jié)中各主要設(shè)備的碳排放量計(jì)算，更有助于減排環(huán)保[20]。為此，本文建立了較為完整的系統(tǒng)碳交易成本計(jì)算，更利于當(dāng)前RIES 的調(diào)度趨勢(shì)。

本文引入碳交易機(jī)制，構(gòu)建了含CSP 參與的能量樞紐(Energy hub，EH)，在考慮新能源出力和負(fù)荷需求不確性的基礎(chǔ)上，建立了基于兩階段魯棒優(yōu)化的RIES 低碳經(jīng)濟(jì)優(yōu)化規(guī)劃-運(yùn)行模型，對(duì)比分析以最惡劣場(chǎng)景下不同不確定性參數(shù)的模型運(yùn)行成本以及不同不確定波動(dòng)比例下各設(shè)備配置成本，通過(guò)算例驗(yàn)證了該模型的低碳性、經(jīng)濟(jì)性與魯棒性。

2 CSP 參與的RIES 基本架構(gòu)

2.1 能量樞紐數(shù)學(xué)模型

針對(duì)含CSP 電站并實(shí)現(xiàn)多能轉(zhuǎn)換的RIES 優(yōu)化調(diào)整結(jié)構(gòu)進(jìn)行研究，其結(jié)構(gòu)如圖1 所示。其內(nèi)部能源轉(zhuǎn)換裝置由冷熱電聯(lián)產(chǎn)裝置(Combined cooling，heating and power，CCHP)、風(fēng)電(Wind turbine，WT)、光伏(Photovoltaic，PV)、電制冷機(jī)(Electric chiller，EC)、CSP 電站、電轉(zhuǎn)氣裝置(Power to gas，ptg)、燃?xì)忮仩t(Gas boiler，GB)及儲(chǔ)能裝置構(gòu)成。能源輸入主要從外部網(wǎng)絡(luò)購(gòu)電、購(gòu)氣進(jìn)入EH，再依靠各類能源轉(zhuǎn)換設(shè)備運(yùn)行發(fā)出氣、電、熱、冷四種能源，以此滿足能源輸出側(cè)的負(fù)荷需求。

圖1 區(qū)域綜合能源系統(tǒng)結(jié)構(gòu)

EH 能量流動(dòng)關(guān)系可以表示為

式中，L為負(fù)荷矩陣；C為耦合系數(shù)陣；P為能量輸入陣；ES為儲(chǔ)能功率矩陣。

能量輸入陣P具體為

式中，Pe為總進(jìn)電量；Vgas為總進(jìn)氣量；Pcsph為CSP熱出力；Pwt、Ppv分別為WT、PV 出力；Pcspe為CSP電出力；Pebuy為購(gòu)電量；Vgbuy為購(gòu)氣量；ηptg和Pptg分別為ptg 轉(zhuǎn)化效率和耗電量；Hgas為天然氣熱值；Pfd-csp為CSP 光場(chǎng)收集的熱能；ηcsp-tes為光場(chǎng)存入CSP 儲(chǔ)熱裝置的效率；ηtes-e和ηtes-h分別為CSP 中儲(chǔ)熱系統(tǒng)的熱-電轉(zhuǎn)化效率和熱-熱轉(zhuǎn)化效率。

考慮系統(tǒng)的各個(gè)能源轉(zhuǎn)換設(shè)備和儲(chǔ)能裝置功率矩陣ES后，將式(2)擴(kuò)展獲得新的耦合矩陣

式中，Le、Lcold、Lheat、Lgas分別為用戶電、冷、熱、氣能需求；α、β、γ為輸入能源給機(jī)組的分配系數(shù)，且α、β、γ∈[0,1]；ηcchp-e、ηcchp-c、ηcchp-h分別為CCHP由天然氣制電、冷、熱能效率；ηGB為GB 的供熱效率；ηec為EC 的制冷效率；Pes-e、Pes-c、Pes-h分別為儲(chǔ)電、儲(chǔ)冷、儲(chǔ)熱設(shè)備的充放功率。

2.2 碳交易機(jī)制模型

碳交易機(jī)制是將碳排放權(quán)充當(dāng)碳交易市場(chǎng)中的商品并以價(jià)格成本來(lái)督促系統(tǒng)積極減排環(huán)保。我國(guó)正邁向發(fā)展階段，常規(guī)采用基于基準(zhǔn)線法以無(wú)償分配的原則為系統(tǒng)提供碳排放配額。

2.2.1 CCHP 碳交易成本

式中，fcchp-pl、fcchp-pe分別為CCHP 碳排量、碳配額；B為碳排放設(shè)備數(shù)量；T為一個(gè)調(diào)度周期，取24 h；λc為包括燃?xì)廨啓C(jī)、余熱鍋爐和吸收式制冷機(jī)等碳排設(shè)備的碳排放系數(shù)；為t時(shí)刻碳排設(shè)備c的輸出功率；εe和εh分別為機(jī)組電、熱功率碳排放配額單位系數(shù)；Pcchp-e和Pcchp-h分別為t時(shí)刻CCHP 的電出力和熱出力。

2.2.2 購(gòu)電碳排放量

式中，F(xiàn)buy表示單位購(gòu)電量碳排放因子。

2.2.3 可再生能源設(shè)備碳交易成本

因?yàn)閃T、PV 和CSP 在運(yùn)行時(shí)均屬于無(wú)碳排放設(shè)備，即碳排量為0，則相應(yīng)的碳交易成本為

式中，φ為單位電量碳交易配額。

2.2.4 ptg 碳交易成本

式中，λCP為碳排放交易價(jià)格；Pptg為t時(shí)段ptg 所消耗的電能；eptg表示單位電能可消耗CO2的量；ep表示單位電能對(duì)應(yīng)的ptg 碳排放額[18]。

ptg 能與新能源設(shè)備一同參與出售碳排放權(quán)來(lái)獲得收益，則這類設(shè)備碳交易成本為負(fù)值。

2.2.5 RIES 總碳交易成本

式中，CT為RIES 總碳交易成本；fi-pl為機(jī)組i的碳排放量；fi-pe為機(jī)組i的碳配額。

3 兩階段魯棒優(yōu)化模型

3.1 目標(biāo)函數(shù)

模型由兩階段的經(jīng)濟(jì)性目標(biāo)函數(shù)構(gòu)成，第一階段目標(biāo)函數(shù)為系統(tǒng)各裝置的規(guī)劃投資成本最小化，第二階段目標(biāo)函數(shù)為最嚴(yán)重場(chǎng)景下的綜合調(diào)度費(fèi)用，即系統(tǒng)與外網(wǎng)交互的購(gòu)電、氣能費(fèi)用、設(shè)備的運(yùn)維費(fèi)用及碳交易成本。

式中，Cin為系統(tǒng)設(shè)備的總購(gòu)置成本；Cyw為最嚴(yán)重場(chǎng)景的運(yùn)行費(fèi)用，包括系統(tǒng)的能源消耗成本、各設(shè)備的運(yùn)行維護(hù)費(fèi)用以及碳交易成本；Ccchp、CGB、Cec、Cptg、Ccold、Cheat、Ce分別為CCHP、GB、EC、ptg 以及各儲(chǔ)能設(shè)備的單位投資成本；Scchp、SGB、Sec、Sptg、Scold、Sheat、Se分別為相應(yīng)設(shè)備的配置容量；本文將全年分為過(guò)渡季(d)、夏季(s)、冬季(w)三類季節(jié)；cebuy、cgbuy分別為單位購(gòu)電、購(gòu)氣價(jià)格；Pj,ebuy、Pj,gbuy分別為單位購(gòu)買的電力、氣能；cpv、cwt、cec、cGB、cptg、ccchp、ccsp、ces分別為對(duì)應(yīng)設(shè)備的單位運(yùn)維價(jià)格系數(shù)；Pj,EC、Pj,GB、Pj,cchp分別為j類典型季節(jié)下EC、GB、CCHP 的功率。

3.2 約束條件

針對(duì)本文模型的約束條件應(yīng)有以下3 大類。

3.2.1 能量平衡約束

能量平衡約束需要同時(shí)滿足式(3)和如下約束

3.2.2 出力設(shè)備約束

式中，為機(jī)組i的運(yùn)行標(biāo)志；和分別為機(jī)組i的功率下、上限。具體形式可參考文獻(xiàn)[6]。

3.2.3 儲(chǔ)能約束

式中，ψ為儲(chǔ)冷、儲(chǔ)熱、儲(chǔ)電三類儲(chǔ)能設(shè)備；和分別為ψ類儲(chǔ)能充放功率；和分別為ψ類充放能狀態(tài)標(biāo)志；和分別為ψ類儲(chǔ)能的充放能效率；Sψ為ψ類儲(chǔ)能的容量；為ψ類儲(chǔ)能t時(shí)刻所含能量，且要求一個(gè)調(diào)度周期內(nèi)儲(chǔ)能始末時(shí)刻容量相等。

3.3 不確定性表征

考慮RIES 運(yùn)行存在諸多隨機(jī)因素，本文不確定參數(shù)的主要體現(xiàn)為供能側(cè)WT、PV 和CSP 出力，多能負(fù)荷需求不確定性，采用不確定集合表征方法，描述以區(qū)間形式所示[12]

式中，ures,t和ul,t分別為不確定性變量風(fēng)光出力、CSP 出力和多能負(fù)荷需求的值；、分別為相應(yīng)預(yù)測(cè)值；、分別為相應(yīng)的最大預(yù)測(cè)誤差。

為了更準(zhǔn)確衡量不確定參數(shù)并使得優(yōu)化求解方案具有靈活可調(diào)整性，引入以下約束

式中，ГRES和ГL分別為供能側(cè)能源輸出功率和多能負(fù)荷功率的可調(diào)參數(shù)。

4 求解算法

對(duì)于由式(10)的兩階段經(jīng)濟(jì)目標(biāo)的魯棒優(yōu)化模型，求解方法可采用列與約束生成(Column and constraint generation，C&CG)算法。

將式(10)的問(wèn)題整理，得到下述的矩陣形式

式中，x為第一階段中設(shè)備容量的向量；新能源、負(fù)荷的不確定變量u和第二級(jí)決策中的y為優(yōu)化向量；c、d為目標(biāo)函數(shù)中的系數(shù)矩陣；A、D、F、G為不等式約束的系數(shù)矩陣，E、J為等式約束的系數(shù)矩陣；a、h、g、f為對(duì)應(yīng)約束的常數(shù)列向量。

因子問(wèn)題存在max-min 的形式無(wú)法直接運(yùn)算，須通過(guò)拉格朗日對(duì)偶理論轉(zhuǎn)化為max 問(wèn)題，再引入big-M 法等價(jià)處理模型中的雙線性項(xiàng)，得到形式

式中，α、γ、χ、ω為對(duì)偶變量；uR、uL、upre分別為不確定參數(shù)的最大、最小以及預(yù)測(cè)值；ω+、ω-為ω的正、負(fù)值；為輔助變量，用于約束不確定參數(shù)取值區(qū)間；Г為可調(diào)魯棒參數(shù)，包括ГRES和ГL。本文算法流程圖如圖2 所示。

圖2 算法流程圖

5 算例分析

5.1 基礎(chǔ)數(shù)據(jù)

光熱電站的初期建設(shè)要求較高，且對(duì)于光資源收集和利用需要一定的空間與成本。本文選取的案例背景為我國(guó)西北地區(qū)的某一大型工業(yè)園區(qū)，主要包含風(fēng)力發(fā)電、光伏發(fā)電、CSP 等多種能源耦合，并具有電、冷、熱、氣負(fù)荷形式的EH，系統(tǒng)內(nèi)主要設(shè)備出力參數(shù)如表1 所示。

表1 RIES 設(shè)備出力參數(shù)及取值

本文對(duì)文獻(xiàn)[18]中的算例作一定改進(jìn)，將一年劃分成三類季節(jié)下典型日進(jìn)行仿真分析。設(shè)定不確定性調(diào)節(jié)參數(shù)ГRES、ГL分別取6、12，同時(shí)風(fēng)光、CSP 出力以及多能負(fù)荷的波動(dòng)范圍在±10%。三類典型日下可再生能源出力與負(fù)荷預(yù)測(cè)值如圖3 所示。天然氣價(jià)格為3 元/m3，采用分時(shí)電價(jià)如圖4 所示。其中，各儲(chǔ)能裝置單位投資成本為150 元/kW，單位運(yùn)維成本為0.05 元/kW。各設(shè)備的相關(guān)計(jì)算參數(shù)及經(jīng)濟(jì)參數(shù)見(jiàn)表2 及表3?；贑PLEX 求解器對(duì)本文模型進(jìn)行優(yōu)化求解。

表2 設(shè)備的計(jì)算參數(shù)

表3 設(shè)備的經(jīng)濟(jì)參數(shù)

圖3 可再生能源出力與負(fù)荷預(yù)測(cè)值

圖4 分時(shí)電價(jià)

5.2 仿真結(jié)果分析

如圖5 所示，本文在各季典型日中，以夏季典型日為例分析系統(tǒng)優(yōu)化調(diào)度結(jié)果。由圖5a 可知，夜間時(shí)段，電負(fù)荷主要由WT 來(lái)提供，并通過(guò)ptg 消納富余電能；在分時(shí)電價(jià)機(jī)制下，利用儲(chǔ)電裝置“低儲(chǔ)高發(fā)”來(lái)減少購(gòu)電成本；7～19 時(shí)段，優(yōu)先由儲(chǔ)電裝置結(jié)合新能源設(shè)備出力供電，其余從CCHP 發(fā)電和購(gòu)電來(lái)補(bǔ)充。通過(guò)圖5b 可知，冷需求主要由EC 滿足；3～4、7、23 時(shí)段儲(chǔ)冷裝置在電價(jià)谷時(shí)吸收部分冷能，而在15～16、20 時(shí)段補(bǔ)充EC 和CCHP的缺額功率以保證負(fù)荷的需要。由圖5c 可知，在用熱較少的夏季，熱能主要由CCHP、CSP 以及內(nèi)置儲(chǔ)熱裝置供給；由于未加設(shè)儲(chǔ)氣裝置，即ptg 轉(zhuǎn)化出的天然氣主要提供給GB 產(chǎn)熱并由CSP 內(nèi)儲(chǔ)熱裝置吸收，因此儲(chǔ)熱裝置大多夜間時(shí)段進(jìn)行充熱，在用能高峰時(shí)段放熱。綜上，儲(chǔ)能裝置的使用可改善能源時(shí)空分布，解耦了以往機(jī)組存在“以熱定電”的問(wèn)題。

圖5 夏季典型日下機(jī)組優(yōu)化調(diào)度情況

5.3 碳交易機(jī)制下RIES 經(jīng)濟(jì)性分析

為研究碳交易機(jī)制對(duì)RIES 優(yōu)化運(yùn)行的影響，本文考慮全年設(shè)備的碳交易費(fèi)用如表4 所示。購(gòu)電和CCHP 所產(chǎn)生的總碳交易成本約為733.87 萬(wàn)元；而無(wú)碳排放設(shè)備全年的總碳交易成本收益約為674.77 萬(wàn)元。其中CSP 約占40.1%，可知引入CSP有著較好的環(huán)境效益，還彌補(bǔ)了部分運(yùn)維費(fèi)用；并且在RIES 內(nèi)加入多類新能源設(shè)備具有很好的減碳作用，同時(shí)也可保證系統(tǒng)的經(jīng)濟(jì)性。

表4 RIES 內(nèi)設(shè)備的全年碳交易費(fèi)用

5.4 不確定性參數(shù)對(duì)運(yùn)行結(jié)果的影響

為考慮使RIES 有一定靈活性，在夏季典型日下分析設(shè)定3 組不同參數(shù)的仿真場(chǎng)景進(jìn)行闡述，參數(shù)大小及優(yōu)化模型的運(yùn)行費(fèi)用如表5 所示。

表5 3 組參數(shù)下RIES 的運(yùn)行費(fèi)用

由表5 可得出，總運(yùn)行成本與不確定性參數(shù)呈正相關(guān)。當(dāng)考慮越多的不確定性，運(yùn)行方案愈保守，則經(jīng)濟(jì)性變差，運(yùn)行成本提高主要是系統(tǒng)向外部購(gòu)電、購(gòu)氣功率的增加，但增速卻漸緩，如本文模型較ГRES=12，ГL=24 時(shí)調(diào)度成本低28 714.26 元。這是因?yàn)槟Ｐ驮诳紤]“最惡劣”情況下已能靈活應(yīng)對(duì)所有來(lái)自不確定性的影響，且對(duì)可再生能源消納有更好的效果。因此，若要避免在RIES 優(yōu)化調(diào)度方案會(huì)出現(xiàn)高額運(yùn)行成本和保守性，需要充分考慮不同參數(shù)設(shè)置的有效影響。

5.5 不同波動(dòng)場(chǎng)景下對(duì)系統(tǒng)配置的影響

系統(tǒng)配置的制定方案以過(guò)渡季典型日的所受影響，考慮在風(fēng)光出力、CSP 出力、負(fù)荷、電價(jià)下的多類型因素下選定波動(dòng)比例區(qū)間，得出在滿足低碳經(jīng)濟(jì)目標(biāo)下各不確定因素產(chǎn)生的系統(tǒng)配置方案并分析對(duì)其影響大小。

5.5.1 單一不確定性對(duì)系統(tǒng)設(shè)備配置的影響

如圖6 所示，分析單一不確定性因素波動(dòng)偏差對(duì)RIES 規(guī)劃方案的影響，分別設(shè)置波動(dòng)比例為0%、±5%、±10%、±15%下的仿真場(chǎng)景。當(dāng)圖6a 中風(fēng)光出力變化較低水平時(shí)，ptg 與儲(chǔ)熱裝置容量相較于未設(shè)置波動(dòng)達(dá)10%以上增幅且CCHP 接近5%，其余機(jī)組無(wú)明顯波動(dòng)；隨著波動(dòng)持續(xù)上升，ptg 容量也進(jìn)一步提高以吸收更多電能，其余設(shè)備容量有部分變化；直至波動(dòng)范圍最高，除EC 外，其余機(jī)組容量的變化率均超過(guò)15%。這是由于風(fēng)光出力波動(dòng)影響能源側(cè)的輸入，系統(tǒng)將依賴更可靠的氣網(wǎng)來(lái)應(yīng)對(duì)。圖6b 中，CSP 儲(chǔ)熱裝置出力波動(dòng)陸續(xù)增加，但系統(tǒng)整體設(shè)備容量不太敏感，可以忽略不計(jì)，說(shuō)明本文方案具備一定魯棒性。當(dāng)圖6c 所設(shè)±5%負(fù)荷波動(dòng)比例時(shí)，因CCHP 內(nèi)部的燃?xì)廨啓C(jī)等裝置存在啟停時(shí)間不能頻繁關(guān)停，需要擴(kuò)大儲(chǔ)能容量配合出力變化，因此導(dǎo)致前期CCHP、GB、ptg、各儲(chǔ)能裝置的容量變化較大；面臨逐步增加的波動(dòng)將依靠GB、ptg 這類較為靈活的能源轉(zhuǎn)換設(shè)備代替其滿足用能變化需求。圖6d 中，整體設(shè)備的容量幾乎未受電價(jià)因素影響，可能是該EH 的輸入以燃?xì)鈾C(jī)組及CSP 等新能源設(shè)備為核心，考慮了能源互補(bǔ)的替代作用。

圖6 單一波動(dòng)場(chǎng)景下RIES 配置方案

5.5.2 多重不確定性對(duì)RIES 設(shè)備配置的影響

同時(shí)將第5.5.1 節(jié)內(nèi)單一不確定性因素綜合考慮，對(duì)于系統(tǒng)的配置方案在承受多重不確定性因素的影響情況。從圖7 可知，分析RIES 機(jī)組配置所受綜合不確定性時(shí)，當(dāng)設(shè)定波動(dòng)比例在±10%以內(nèi)，GB、EC、CCHP、儲(chǔ)電裝置均有較大幅度波動(dòng)，說(shuō)明系統(tǒng)為減輕綜合不確定性的影響，主動(dòng)加強(qiáng)與外部市場(chǎng)的實(shí)時(shí)互動(dòng)。最嚴(yán)重的波動(dòng)場(chǎng)景下受系統(tǒng)供需平衡和低碳成本約束的影響迫使各機(jī)組容量趨于穩(wěn)定。這表明共同作用下各設(shè)備需要充分的配置方案以承受多重不確定性因素的影響，但隨著多重波動(dòng)范圍擴(kuò)大，系統(tǒng)經(jīng)濟(jì)配置目標(biāo)也仍能滿足。此時(shí)相較于單一情況下證明了RIES 在一定波動(dòng)范圍內(nèi)存在機(jī)組的互補(bǔ)運(yùn)行，提高能源綜合利用能力。

圖7 多重波動(dòng)場(chǎng)景下RIES 配置方案

6 結(jié)論

本文基于兩階段魯棒優(yōu)化方法，建立了碳交易機(jī)制下考慮可再生能源出力和負(fù)荷不確定性的優(yōu)化模型，構(gòu)建了計(jì)及光熱電站的RIES 魯棒優(yōu)化配置與運(yùn)行模型。通過(guò)算例分析，得到以下結(jié)論。

(1) 本文的雙層優(yōu)化配置方法在不確定性因素上考慮了源側(cè)和荷側(cè)，通過(guò)對(duì)不同波動(dòng)場(chǎng)景設(shè)定下優(yōu)化模型的運(yùn)行費(fèi)用結(jié)果進(jìn)行比較分析，反映了實(shí)際系統(tǒng)中可能存在的多個(gè)波動(dòng)偏差對(duì)未來(lái)規(guī)劃配置的影響程度。

(2) 光熱電站參與可減弱熱電耦合程度，其供熱、供電方式對(duì)促進(jìn)可再生能源的消納具有積極作用；考慮碳交易機(jī)制下的RIES 對(duì)碳排放量進(jìn)行一定的限制作用，而無(wú)碳排放設(shè)備的收益同時(shí)降低了系統(tǒng)綜合運(yùn)行成本，兼顧了經(jīng)濟(jì)性和環(huán)保性。