CN113673738B - 基于供需响应与可调场景的综合能源系统优化配置方法 - Google Patents

Abstract

一种基于供需响应与可调场景的综合能源系统优化配置方法：建立园区综合能源系统的能源供需响应模型，并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集；计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求，建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型；将园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合，共同构成规划运行协同优化的园区综合能源系统双层优化配置模型，并采用智能优化算法结合混合整数线性规划方法进行模型求解。本发明统筹考虑了系统在规划和运行阶段的影响因素，能有效实现规划方案的经济性、鲁棒性、环保性和用户满意度的协调优化。

Description

基于供需响应与可调场景的综合能源系统优化配置方法

技术领域

本发明涉及一种综合能源系统优化配置方法。特别是涉及一种基于供需响应与可调场景的综合能源系统优化配置方法。

背景技术

随着全球化石能源的日益枯竭和环境污染问题的逐渐加剧，世界能源格局面临着巨大挑战，可再生能源如太阳能、风能、地热能等能够有效缓解能源供需矛盾、降低污染气体排放，已经越来越受到人们的重视。综合能源系统作为多能耦合的重要载体，集成了冷、热、电、气等多种能源形式，能够实现对各类能源的协同规划和统一调度，促进能量的梯级高效利用，已成为当今能源系统发展的重要方向。

综合能源系统主要由能源网络、能源生产、能源转换、能源存储和能源消费环节组成，是一个复杂的多能耦合系统。由于综合能源系统内多类用户存在多元化的用能需求，并且不同类型能源之间通过能源设备紧密耦合、灵活转化，给系统的规划设计带来了较大困难。已有文献多未充分计及能源供应侧和需求侧在综合能源系统规划中的互动响应特性，并且规划模型对运行场景模拟的考虑不够充分，较难实现规划方案的经济性和鲁棒性间的合理均衡。因此，基于供需响应与可调场景的综合能源系统优化配置研究具有重要意义。

发明内容

本发明所要解决的技术问题是，提供一种能够充分发挥能源供需双侧调控优势、合理兼顾规划方案经济性与鲁棒性的基于供需响应与可调场景的综合能源系统优化配置方法。

本发明所采用的技术方案是：一种基于供需响应与可调场景的综合能源系统优化配置方法，包括如下步骤：

1)建立园区综合能源系统的能源供需响应模型，并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集；

2)计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求，建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型；

3)将步骤2)所建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合，共同构成规划运行协同优化的园区综合能源系统双层优化配置模型，并采用智能优化算法结合混合整数线性规划方法进行模型求解。

本发明的基于供需响应与可调场景的综合能源系统优化配置方法，具有如下优点：

1、本发明统筹考虑了系统在规划和运行阶段的影响因素，能有效实现规划方案的经济性、鲁棒性、环保性和用户满意度的协调优化。

2、本发明通过将供需响应策略和鲁棒可调场景引入综合能源系统的优化配置中，能够有效促进园区的能量供需平衡。

3、本发明能够有效发挥冷、热、电、气多种能源间的互补共济优势，降低系统年化总成本。

附图说明

图1是本发明中规划运行协同优化的园区综合能源系统双层优化配置模型求解流程图；

图2是本发明实例中园区综合能源系统具体结构图；

图3a是本发明实例中园区在过渡季典型日的能源负荷曲线；

图3b是本发明实例中园区在夏季典型日的能源负荷曲线；

图3c是本发明实例中园区在冬季典型日的能源负荷曲线；

图3d是本发明实例中园区在各典型日的光照强度曲线；

图3e是本发明实例中园区在各典型日的风速曲线；

图4a是本发明实例中园区在过渡季典型日的电能供需能流优化调度结果；

图4b是本发明实例中园区在过渡季典型日的天然气供需能流优化调度结果；

图4c是本发明实例中园区在冬季典型日的热能供需能流优化调度结果；

图4d是本发明实例中园区在夏季典型日的冷能供需能流优化调度结果；

图5是本发明实例中不同鲁棒可调参数下的园区配置年化总成本。

具体实施方式

下面结合实施例和附图对本发明的基于供需响应与可调场景的综合能源系统优化配置方法做出详细说明。

本发明的基于供需响应与可调场景的综合能源系统优化配置方法，包括如下步骤：

1)建立园区综合能源系统的能源供需响应模型，并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集；其中：

(1)所述的园区综合能源系统的能源供需响应模型，是考虑了园区能源输入、能源生产、能源转换、能源存储环节的协调配合和能源负荷的多类型需求响应模式，具体模型如下：

式中，

为需求响应前的能源负荷矩阵；ΔL_in、ΔL_sft、ΔL_rpl、ΔL_cut分别为能源负荷的削减型响应量矩阵、时移型响应量矩阵、替代型响应量矩阵和紧急切除型响应量矩阵；P_in、P_de、P_tr和P_st分别为园区能源输入、能源生产、能源转换、能源存储变量矩阵；C_in、C_de、C_tr和C_st分别为园区能源输入、能源生产、能源转换、能源存储耦合系数矩阵。其中，

P可具体表示为：

式中，η_t、η_he分别为变压器和热交换器的变换效率；P_b、G_b、H_b分别为园区的购电、购气、购热功率；P_pv、P_wt分别为光伏、风机的输出功率；

分别为微燃机的气转电和气转热效率；η_ec、η_ac分别为电制冷机和吸收式制冷机的制冷系数；H_ng为天然气的低热值，取9.7kWh/m³；G_mt、P_ec、H_ac分别为微燃机的天然气耗量、电制冷机的耗电功率和吸收式制冷机的耗热功率；P_es,d、P_gs,d、P_hs,d、P_cs,d分别为储电、储气、储热、储冷的放能功率；P_es,c、P_gs,c、P_hs,c、P_cs,c分别为储电、储气、储热、储冷的充能功率。

(2)所述的基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集具体为：

针对风光出力和负荷功率的不确定性，采用拉丁超立方抽样技术进行分层抽样和打乱排序，模拟得到N个风光荷场景；针对模拟生成的风光荷场景，根据生成场景与原始典型场景间的鲁棒距离进行场景排序，并基于对规划方案的鲁棒性要求筛选得到N₁个风光荷场景；采用反向场景削减法将N₁个风光荷场景削减至N₂个，得到最终的风光荷鲁棒可调典型场景集。其中：

(2.1)所述的针对风光等分布式能源出力和负荷功率的不确定性，采用拉丁超立方抽样技术进行分层抽样和打乱排序，模拟得到N个风光荷场景。具体为：

(2.1.1)分层抽样

将m维随机向量(ξ₁,ξ₂,…,ξ_m)的每一维等分为N个概率区间，并在每一维的每个区间里随机抽取一个数，然后作逆变换求得ξ_mn作为ξ_m的第n次采样值，表示为：

式中，

为第m维随机变量累计分布函数的逆函数；r_mn为[0,1]内服从均匀分布的随机变量；将每一维随机变量的N个采样值各排成一列，形成的N×m的初始采样矩阵S₀；

(2.1.2)打乱排序

为保持各维随机变量样本间的独立性，将初始采样矩阵S₀中每一列的元素重新排列，形成风光荷采样矩阵S；

(2.2)所述的针对模拟生成的风光荷场景，根据生成场景与原始典型场景间的鲁棒距离进行场景排序，并基于对规划方案的鲁棒性要求筛选得到N₁个风光荷场景，具体为：

(2.2.1)场景排序

定义第n个生成场景(ξ_n1,ξ_n2,…,ξ_nm)与原始典型场景(ξ₀₁,ξ₀₂,…,ξ_0m)间的鲁棒距离为d_n,robust，实质上是通过计算第n个生成场景与原始场景的供需不平衡量偏移距离对第n个生成场景的鲁棒性进行表征，表示为：

式中，第n个生成场景的i+1～m维表示能源需求侧的随机变量，第n个生成场景的1～i维表示能源供应侧的随机变量；根据鲁棒距离大小对各场景进行排序，得到鲁棒排序矩阵S₁；

(2.2.2)场景筛选

基于对规划方案的鲁棒性要求从N个风光荷场景中筛选出N₁个，得到鲁棒筛选矩阵S₂，鲁棒可调参数为Γ且Γ∈[0,1]，N_Γ＝N·Γ取整，则

S₂＝S₁([N_Γ-N₁/2+1,N_Γ+N₁/2],1:m)。

(2.3)所述的采用反向场景削减法将N₁个风光荷场景削减至N₂个，得到最终的风光荷鲁棒可调典型场景集，具体为：

(2.3.1)置初始场景数N*＝N₁，各场景概率P_i＝1/N₁；

(2.3.2)计算任意2个场景间的欧氏距离d_ij；

d_ij＝||(ξ_i1,ξ_i2,…,ξ_im)-(ξ_j1,ξ_j2,…,ξ_jm)||；

(2.3.3)对于场景(ξ_i1,ξ_i2,…,ξ_im)，寻找与其距离最近的场景(ξ_j1,ξ_j2,…,ξ_jm)，并与P_i相乘，记为P_KD,i＝P_i…mind_ij,i≠j；

(2.3.4)寻找P_KD,i值最小的场景，并将其发生概率累加到距其最近的场景(ξ_j1,ξ_j2,…,ξ_jm)上，即令P_j＝P_j+P_i，然后将场景(ξ_i1,ξ_i2,…,ξ_im)削减；

(2.3.5)更新场景数N*＝N*-N_i，其中N_i为本轮削减掉的场景数；转至第(2.3.2)步重新计算，直至场景数N*＝N₂，即获得风光荷鲁棒可调场景集

2)计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求，建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型；

(1)所述的园区综合能源系统的上层规划模型，是以系统年化总成本C_total最小为目标函数，以设备配置数量和容量约束、能量供需约束为约束条件；

(1.1)所述的目标函数表达式如下：

min C_total＝C_inv+C_op+C_om,f-C_re

式中，C_total为园区综合能源系统的年化总成本，包括年化投资成本C_inv、年运行成本C_op、年固定维护成本C_om,f和年化设备残值C_re；其中，

(1.1.1)年化投资成本

式中，下标sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备；上标m、n和o分别为对应的能源生产设备、能源转换设备和能源存储设备的编号；Ω_m、Ω_n和Ω_o分别为对应的能源生产设备、能源转换设备和能源存储设备构成的集合；C_sup、

分别为能源生产设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量；C_con、

分别为能源转换设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量；C_sto、

分别为能源存储设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量；

(1.1.2)年运行成本

式中，C_buy、C_om、C_ep、C_dr分别为年购能成本、年可变运维成本、年环境成本和年需求响应成本；D_y为全年总天数；θ_y为典型季节y的天数的全年占比；Y为典型季节集合，包括夏季、冬季和过渡季；Pr_s为鲁棒可调场景s的概率；

为鲁棒可调典型场景集；C_buy,y,s、C_om,y,s、C_ep,y,s和C_dr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本；

(1.1.3)年固定维护成本

式中，C_sup,om,f、C_con,om,f和C_sto,om,f分别为能源生产设备、能源转换设备和能源存储设备的年固定维护成本；

和

分别为能源生产设备、能源转换设备和能源存储设备的固定维护成本系数；

(1.1.4)年化设备残值

式中，C_sup,re、C_con,re和C_sto,re分别为能源生产设备、能源转换设备和能源存储设备的年化设备残值；

和

分别表示能源生产设备、能源转换设备和能源存储设备的净残值率；

和

分别为能源生产设备、能源转换设备和能源存储设备的生命周期。

(1.2)所述的约束条件中：

(1.2.1)设备配置数量和容量约束：

式中，

和

分别表示数量规划能源设备的配置数量及上限；

和

分别表示容量规划能源设备的配置容量及上限；

(1.2.2)能量供需约束

该约束为园区冷能供需平衡约束，式中，D为冷能设备集合，包括电制冷机、吸收式制冷机和储冷设备；k_d、c_d和η_d分别表示能源设备d的配置数量、安装容量和转换效率；L_c,s为鲁棒可调场景s下的冷负荷；

为鲁棒可调典型场景集。

(2)所述的园区综合能源系统的下层运行模型，是以系统年运行成本C_op最小为目标函数，以能量供需平衡约束、购能量约束、设备运行约束、需求响应约束和用户满意度约束为约束条件；

(2.1)所述的目标函数表达式如下：

式中：C_op为系统年运行成本，包括年购能成本C_buy、年可变运维成本C_om、年环境成本C_ep和年需求响应成本C_dr；D_y为全年总天数；θ_y为典型季节y的天数的全年占比；Y为典型季节集合，包括夏季、冬季和过渡季；Pr_s为鲁棒可调场景s的概率；

为鲁棒可调典型场景集；C_buy,y,s、C_om,y,s、C_ep,y,s和C_dr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本；其中，

式中，T为全天调度时段总数；

和

分别为园区在典型季节y中鲁棒可调场景s下t时段的购电、购气和购热功率；

和

分别为t时段的购电、购气和购热价格；m、n和o分别为能源生产设备、能源转换设备和能源存储设备的编号，z∈{m,n,o}；obj∈DE＝{sup,con,sto}，sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备；

分别为能源设备的可变运维系数和配置数量；

为典型季节y中鲁棒可调场景s下t时段能源设备的出力；α为单位碳排放处理费用；β_p、β_g、β_h和β_mt分别为园区购电、购气、购热和微燃机运行的等效碳排放系数；

为微燃机在典型季节y中鲁棒可调场景s下t时段的出力；P_cut,i,y,s为典型季节y中鲁棒可调场景s下负荷类型i的紧急切除量；p_cut,i为负荷类型i的紧急切除惩罚系数；P_sft,i,y,s为典型季节y中鲁棒可调场景s下时移型响应后负荷类型i总变化量；p_sft,i为负荷类型i的时移型响应补偿系数；p_cap,i、p_in,i分别为负荷类型i的削减型响应的容量价格和能量价格；P_cap,i、

分别为负荷类型i的预留可响应负荷量和典型季节y中鲁棒可调场景s下负荷类型i的实际响应负荷量。

(2.2)所述的约束条件中：

(2.2.1)能量供需平衡约束

式中，

为典型季节y中鲁棒可调场景s下t时段响应前的能源负荷矩阵；

和

分别典型季节y中鲁棒可调场景s下t时段的能源负荷削减型响应量矩阵、时移型响应量矩阵、替代型响应量矩阵和紧急切除型响应量矩阵；

和

分别为典型季节y中鲁棒可调场景s下t时段园区能源输入生产、能源输入转换、能源输入存储变量矩阵；C_in、C_de、C_tr和C_st分别为园区能源输入、能源生产、能源转换、能源存储耦合系数矩阵；

(2.2.2)购能量约束

式中，

和

分别为园区在典型季节y中鲁棒可调场景s下t时段的购电、购气和购热功率；P_b,max、G_b,max和H_b,max分别为园区的购电、购气、购热功率上限；

(2.2.3)设备运行约束

式中，

分别表示典型季节y中鲁棒可调场景s下t时段能源设备的出力及出力上限；

E_x,min、E_x,max分别表示典型季节y中鲁棒可调场景s下t时段的储能设备的能量状态及能量状态下限、上限；

分别为典型季节y中鲁棒可调场景s下始、末时段的储能设备能量状态；

(2.2.4)需求响应约束

式中，i∈{e,g,h,c}分别表示电、气、热、冷能源负荷；

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的紧急切除量及上紧急切除限；T_in、

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的可削减时段、削减量及削减上限；

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的时移量及时移上限；k_i,sft为时移型负荷相对于负荷类型i的总量

的占比系数；T为调度周期；E_i为能源价格弹性矩阵；

分别为t时段响应前后的能源价格；

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的被替代负荷量及被替代上限；

分别为典型季节y中鲁棒可调场景s下t时段电、气、热、冷负荷的被替代负荷量矩阵；

分别为典型季节y中鲁棒可调场景s下t时段的电、气、热、冷负荷量；k_e,rpl、k_g,rpl、k_h,rpl、k_c,rpl分别为电、气、热、冷负荷中替代型负荷的占比系数；k_ij表示负荷类型i和负荷类型j间的替代转化效率，且k_ij＝-1/k_ji，i,j∈{e,h,c,g}，i≠j，k_hc＝k_ch＝0；

(2.2.5)用户满意度约束

式中，ICSI_y,s、ICSI_min分别为用户在典型季节y中鲁棒可调场景s下的综合用能满意度及综合用能满意度下限；

分别为典型季节y中鲁棒可调场景s下需求响应前后t时段负荷类型i的负荷量。

3)将步骤2)所建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合，共同构成规划运行协同优化的园区综合能源系统双层优化配置模型，并采用智能优化算法结合混合整数线性规划方法进行模型求解；其中：

(1)所述的规划运行协同优化的园区综合能源系统双层优化配置模型，综合表示如下：

式中，C_total为园区综合能源系统的年化总成本，包括年化投资成本C_inv、年运行成本C_op、年固定维护成本C_om,f和年化设备残值C_re；D_y为全年总天数；θ_y为典型季节y的天数的全年占比；Y为典型季节集合，包括夏季、冬季和过渡季；Pr_s为鲁棒可调场景s的概率；

为鲁棒可调典型场景集；C_buy,y,s、C_om,y,s、C_ep,y,s和C_dr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本。

(2)所述的采用智能优化算法结合混合整数线性规划方法进行模型求解是：综合运用混沌自适应粒子群算法与混合整数线性规划方法，基于MATLAB平台，通过Yalmip工具箱调用Gurobi求解器，对所建立的规划运行协同优化的园区综合能源系统双层优化配置模型进行求解，得到园区综合能源系统的优化配置方案，求解流程如图1所示。

下面给出具体实例。

本发明基于某综合能源园区典型算例进行优化配置仿真分析，具体结构如图2所示。光伏(PV)、风机(WT)为数量待配置设备，微燃机(MT)、电制冷机(EC)、吸收式制冷机(AC)、储电(ES)、储气(GS)、储热(HS)、储冷(CS)为容量待配置设备。全年总天数取365天，其中过渡季183天，夏季92天，冬季90天，园区在各典型日的能源负荷及风光特性曲线如图3a、图3b、图3c、图3d、图3e所示，能源价格如表1所示。

表1 能源价格

基于本发明提出的规划运行协同优化的园区综合能源系统双层优化配置模型，该综合能源园区的能源设备数量与容量配置结果如表2所示

表2 园区优化配置结果

对表2进行分析可知，该优化配置方案是多重因素共同作用的结果，主要体现在以下几个方面：1)本发明模型是以经济性最优为目标进行优化，包括规划阶段的年化投资、固定维护和设备残值成本，以及运行阶段的年购能、可变运维、环境和需求响应成本；2)多类型的能源供需响应措施可在合理兼顾用户满意度的同时进一步缓解供能压力，从而有效降减少设备配置冗余和降低投资成本；3)该方案是基于鲁棒可调场景所得，能实现经济性和鲁棒性间的合理均衡，避免投资浪费。

基于表2的综合能源系统优化配置方案，园区在不同典型日下的电、气、热、冷能量供需情况如图4a、图4b、图4c、图4d所示。其中，针对过渡季典型日的电能和天然气供需情况，分别如图4a、4b所示，在电价较低时段园区优先选择电网购电满足电能需求，不足部分由MT和WT供应；随着电价的升高，电网购电占比减少的同时MT出力增加，不足部分由WT、PV和ES满足。园区的天然气需求主要包括气负荷和MT，主要通过向气网购气满足，不足部分由GS供应。针对冬季典型日的热能供需情况，园区的热力需求包括热负荷和AC，其中大部分由热网购热供应，其余部分由MT和HS满足，并且MT热出力和AC耗热量会随着电价的升高而增加，如08:00-22:00。针对夏季典型日的冷能供需情况，园区的冷能需求主要由EC和AC满足，不足部分由CS供应，并且在电价较高时段，AC冷出力占比也会随之增加，如08:00-22:00。

通过上述分析可以发现，园区的能量供需平衡受多方因素的影响。一方面，根据多元用户的用能和能源价格的变化情况，运营商通过园区侧能量输入、生产、转换、存储和消费等环节的协调配合制定全天的出力调度计划；另一方面，用户侧的多类型DR措施能实现电-气-热-冷负荷的横向互补替代与纵向时序转移，从而在一定程度上改变负荷曲线，促进能量供需平衡。

算例设置以下4个场景进行对比分析，探究不同策略组合下的优化配置效果。

场景1：常规鲁棒场景，不考虑需求侧响应。

场景2：鲁棒可调场景，不考虑需求侧响应。

场景3：常规鲁棒场景，考虑需求侧响应。

场景4：鲁棒可调场景，考虑需求侧响应。

不同场景下的优化配置成本对比如表3所示。

表3 不同场景下的园区优化配置成本

可以发现，4个场景中能源生产设备(PV、WT)的配置数量均为最大上限，反映出分布式能源对IES的协同规划与经济运行具有明显的支撑作用；场景4的能源转换设备和能源存储设备的配置容量均低于/接近场景1、2、3，并且其年化总成本为最低，较之场景1、2、3分别减少了54.45万元、17.75万元和36.53万元，反映出本文所提方法能够有效地降低系统规划成本合减少设备配置冗余；场景3、4的年化总成本分别低于场景1、2，场景2、4的总成本分别低于场景1、3，反映出需求侧响应策略和鲁棒可调场景的引入能进一步降低系统的规划和运行成本。

此外，为探究鲁棒可调场景的选取对园区优化配置结果的影响，本发明基于不同的鲁棒可调参数进行了仿真分析，其年化总成本变化曲线如图5所示。可见，随着的增大，配置的年化总成本逐渐升高，同时能源设备的配置容量也会随之增加，从侧面反映出配置方案鲁棒性和园区应对恶劣场景的能力随之上升。因此，在制定综合能源系统的优化配置方案时应当合理选择鲁棒可调参数，在兼顾系统鲁棒性的同时实现园区的经济性最优。

综上，本发明的基于供需响应与可调场景的综合能源系统优化配置方法，能够有效兼顾规划方案的经济性、鲁棒性、环保性和用户满意度，促进园区的能量供需平衡，降低系统年化总成本，证实了本发明的一种基于供需响应与可调场景的综合能源系统优化配置方法的正确性和有效性。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变换或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，包括如下步骤：

1)建立园区综合能源系统的能源供需响应模型，并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集；所述的基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集具体为：

针对风光出力和负荷功率的不确定性，采用拉丁超立方抽样技术进行分层抽样和打乱排序，模拟得到N个风光荷场景；针对模拟生成的风光荷场景，根据生成场景与原始典型场景间的鲁棒距离进行场景排序，并基于对规划方案的鲁棒性要求筛选得到N₁个风光荷场景；采用反向场景削减法将N₁个风光荷场景削减至N₂个，得到最终的风光荷鲁棒可调典型场景集；所述的针对模拟生成的风光荷场景，根据生成场景与原始典型场景间的鲁棒距离进行场景排序，并基于对规划方案的鲁棒性要求筛选得到N₁个风光荷场景，具体为：

(1)场景排序

定义第n个生成场景与原始典型场景间的鲁棒距离为d_n,robust，实质上是通过计算第n个生成场景与原始场景的供需不平衡量偏移距离对第n个生成场景的鲁棒性进行表征，表示为：

式中，第n个生成场景的i+1～m维表示能源需求侧的随机变量，第n个生成场景的1～i维表示能源供应侧的随机变量；根据鲁棒距离大小对各场景进行排序，得到鲁棒排序矩阵S₁；

(2)场景筛选

基于对规划方案的鲁棒性要求从N个风光荷场景中筛选出N₁个，得到鲁棒筛选矩阵S₂，鲁棒可调参数为Γ且Γ∈[0,1]，N_Γ＝N·Γ取整，则

S₂＝S₁([N_Γ-N₁/2+1,N_Γ+N₁/2],1:m)；

2)计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求，建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型；

3)将步骤2)所建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合，共同构成规划运行协同优化的园区综合能源系统双层优化配置模型，并采用智能优化算法结合混合整数线性规划方法进行模型求解。

2.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，步骤1)中所述的园区综合能源系统的能源供需响应模型，考虑了园区能源输入、能源生产、能源转换、能源存储环节的协调配合和能源负荷的多类型需求响应模式，具体模型如下：

式中，

为需求响应前的能源负荷矩阵；ΔL_in、ΔL_sft、ΔL_rpl、ΔL_cut分别为能源负荷的削减型响应量矩阵、时移型响应量矩阵、替代型响应量矩阵和紧急切除型响应量矩阵；P_in、P_de、P_tr和P_st分别为园区能源输入、能源生产、能源转换、能源存储变量矩阵；C_in、C_de、C_tr和C_st分别为园区能源输入、能源生产、能源转换、能源存储耦合系数矩阵。

3.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，步骤2)所述的园区综合能源系统的上层规划模型，是以系统年化总成本C_total最小为目标函数，以设备配置数量和容量约束、能量供需约束为约束条件；所述的目标函数表达式如下：

minC_total＝C_inv+C_op+C_om,f-C_re

式中，C_total为园区综合能源系统的年化总成本，包括年化投资成本C_inv、年运行成本C_op、年固定维护成本C_om,f和年化设备残值C_re；其中，

(1)年化投资成本

式中，下标sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备；上标m、n和o分别为对应的能源生产设备、能源转换设备和能源存储设备的编号；Ω_m、Ω_n和Ω_o分别为对应的能源生产设备、能源转换设备和能源存储设备构成的集合；C_sup、

分别为能源生产设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量；

分别为能源转换设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量；

分别为能源存储设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量；

(2)年运行成本

式中，C_buy、C_om、C_ep、C_dr分别为年购能成本、年可变运维成本、年环境成本和年需求响应成本；D_y为全年总天数；θ_y为典型季节y的天数的全年占比；Y为典型季节集合，包括夏季、冬季和过渡季；Pr_s为鲁棒可调场景s的概率；

为鲁棒可调典型场景集；C_buy,y,s、C_om,y,s、C_ep,y,s和C_dr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本；

(3)年固定维护成本

式中，C_sup,om,f、C_con,om,f和C_sto,om,f分别为能源生产设备、能源转换设备和能源存储设备的年固定维护成本；

和

分别为能源生产设备、能源转换设备和能源存储设备的固定维护成本系数；

(4)年化设备残值

式中，C_sup,re、C_con,re和C_sto,re分别为能源生产设备、能源转换设备和能源存储设备的年化设备残值；

和

分别表示能源生产设备、能源转换设备和能源存储设备的净残值率；

和

分别为能源生产设备、能源转换设备和能源存储设备的生命周期。

4.根据权利要求3所述的基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，所述的约束条件中：

(1)设备配置数量和容量约束：

式中，

和

分别表示数量规划能源设备的配置数量及上限；

和

分别表示容量规划能源设备的配置容量及上限；

(2)能量供需约束

该约束为园区冷能供需平衡约束，式中，D为冷能设备集合，包括电制冷机、吸收式制冷机和储冷设备；k_d、c_d和η_d分别表示能源设备d的配置数量、安装容量和转换效率；L_c,s为鲁棒可调场景s下的冷负荷；

为鲁棒可调典型场景集。

5.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，步骤2)所述的园区综合能源系统的下层运行模型，是以系统年运行成本C_op最小为目标函数，以能量供需平衡约束、购能量约束、设备运行约束、需求响应约束和用户满意度约束为约束条件；所述的目标函数表达式如下：

式中：C_op为系统年运行成本，包括年购能成本C_buy、年可变运维成本C_om、年环境成本C_ep和年需求响应成本C_dr；D_y为全年总天数；θ_y为典型季节y的天数的全年占比；Y为典型季节集合，包括夏季、冬季和过渡季；Pr_s为鲁棒可调场景s的概率；

为鲁棒可调典型场景集；C_buy,y,s、C_om,y,s、C_ep,y,s和C_dr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本；其中，

式中，T为全天调度时段总数；

和

分别为园区在典型季节y中鲁棒可调场景s下t时段的购电、购气和购热功率；

和

分别为t时段的购电、购气和购热价格；m、n和o分别为能源生产设备、能源转换设备和能源存储设备的编号，z∈{m,n,o}；obj∈DE＝{sup,con,sto}，sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备；

分别为能源设备的可变运维系数和配置数量；

为典型季节y中鲁棒可调场景s下t时段能源设备的出力；α为单位碳排放处理费用；β_p、β_g、β_h和β_mt分别为园区购电、购气、购热和微燃机运行的等效碳排放系数；

为微燃机在典型季节y中鲁棒可调场景s下t时段的出力；P_cut,i,y,s为典型季节y中鲁棒可调场景s下负荷类型i的紧急切除量；p_cut,i为负荷类型i的紧急切除惩罚系数；P_sft,i,y,s为典型季节y中鲁棒可调场景s下时移型响应后负荷类型i总变化量；p_sft,i为负荷类型i的时移型响应补偿系数；p_cap,i、p_in,i分别为负荷类型i的削减型响应的容量价格和能量价格；P_cap,i、

分别为负荷类型i的预留可响应负荷量和典型季节y中鲁棒可调场景s下负荷类型i的实际响应负荷量。

6.根据权利要求5所述的基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，所述的约束条件中：

(1)能量供需平衡约束

式中，

为典型季节y中鲁棒可调场景s下t时段响应前的能源负荷矩阵；

和

分别典型季节y中鲁棒可调场景s下t时段的能源负荷削减型响应量矩阵、时移型响应量矩阵、替代型响应量矩阵和紧急切除型响应量矩阵；

和

分别为典型季节y中鲁棒可调场景s下t时段园区能源输入生产、能源输入转换、能源输入存储变量矩阵；C_in、C_de、C_tr和C_st分别为园区能源输入、能源生产、能源转换、能源存储耦合系数矩阵；

(2)购能量约束

式中，

和

分别为园区在典型季节y中鲁棒可调场景s下t时段的购电、购气和购热功率；P_b,max、G_b,max和H_b,max分别为园区的购电、购气、购热功率上限；

(3)设备运行约束

式中，

分别表示典型季节y中鲁棒可调场景s下t时段能源设备的出力及出力上限；

E_x,min、E_x,max分别表示典型季节y中鲁棒可调场景s下t时段的储能设备的能量状态及能量状态下限、上限；

分别为典型季节y中鲁棒可调场景s下始、末时段的储能设备能量状态；

(4)需求响应约束

式中，i∈{e,g,h,c}分别表示电、气、热、冷能源负荷；

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的紧急切除量及上紧急切除限；T_in、

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的可削减时段、削减量及削减上限；

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的时移量及时移上限；k_i,sft为时移型负荷相对于负荷类型i的总量

的占比系数；T为调度周期；E_i为能源价格弹性矩阵；

分别为t时段响应前后的能源价格；

分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的被替代负荷量及被替代上限；

分别为典型季节y中鲁棒可调场景s下t时段电、气、热、冷负荷的被替代负荷量矩阵；

分别为典型季节y中鲁棒可调场景s下t时段的电、气、热、冷负荷量；k_e,rpl、k_g,rpl、k_h,rpl、k_c,rpl分别为电、气、热、冷负荷中替代型负荷的占比系数；k_ij表示负荷类型i和负荷类型j间的替代转化效率，且k_ij＝-1/k_ji，i,j∈{e,h,c,g}，i≠j，k_hc＝k_ch＝0；

(5)用户满意度约束

式中，ICSI_y,s、ICSI_min分别为用户在典型季节y中鲁棒可调场景s下的综合用能满意度及综合用能满意度下限；

分别为典型季节y中鲁棒可调场景s下需求响应前后t时段负荷类型i的负荷量。

7.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，步骤3)所述的规划运行协同优化的园区综合能源系统双层优化配置模型，综合表示如下：

式中，C_total为园区综合能源系统的年化总成本，包括年化投资成本C_inv、年运行成本C_op、年固定维护成本C_om,f和年化设备残值C_re；D_y为全年总天数；θ_y为典型季节y的天数的全年占比；Y为典型季节集合，包括夏季、冬季和过渡季；Pr_s为鲁棒可调场景s的概率；

为鲁棒可调典型场景集；C_buy,y,s、C_om,y,s、C_ep,y,s和C_dr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本。

8.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法，其特征在于，步骤3)所述的采用智能优化算法结合混合整数线性规划方法进行模型求解是：综合运用混沌自适应粒子群算法与混合整数线性规划方法，基于MATLAB平台，通过Yalmip工具箱调用Gurobi求解器，对所建立的规划运行协同优化的园区综合能源系统双层优化配置模型进行求解，得到园区综合能源系统的优化配置方案。

Images