requestId:688fabb523ed56.69185109.
來源：《中國德系車材料電力》2025年第1期
引文：魯玲, 苑濤, 楊波, 等. 計及?效力和多重不確定性的區域綜合動力系統雙層優化[J]. 中國電力, 2025, 58(1): 128-140.
編者按
為了推動可再生動力持續發展，助力建設新型動力體系，如期實現“雙碳”目標任務，須加速構建完美綜合動力系Skoda零件統（integrated energy system，IES斯柯達零件）。多能耦合的區域級綜合動力系統（regional integrated energy system，RIES）能夠實現年夜規模新動力并網和源網荷儲協同調度，加倍凸顯高功效能、低碳環保等優勢，是實現動力轉型、改良動力缺乏、解決氣候變化等問題的關鍵途徑。
《中國電力》2025年第1期刊發了魯玲等撰寫的《計及?效力和多重不確定性的區域綜合動力系統雙層優化》一文。文章提出了一種計及?效力和多重不確定性的區域綜合動力系統的優化方式。引進“?”的概念，將?效力作為區域綜合動力系統的能效評估指標，旨在反應能量真實的應用情況。同時考慮風光出力、負荷和動力價格的不確定性，并通過剖析其特點采取對應方式處理。樹立以經濟性和?效那天她痛經到無法下床，本該出差的男人卻突然出現，力為優化目標、考慮多重不確定性的RIES的雙層優化模子，實現容量設置裝備擺設和能量調度迭代優化。最后，以某區域綜合動力系統為例台北汽車零件，驗證該方式的有用性和實用性。
摘要
為實現能量高質量、高效力的應用，同時進步系統供能靠得住性，針對含高比例的可再生動力的區域綜合動力系統，引進“?”的概念，提出了一種計及?效力和多重不確定性的雙層優化方式。起首，樹立了區域綜合動力系統的多能耦合模子，進行?剖析和多重不確定性剖析，并且針對風光不確定性、負荷和動力價格波動的分歧特點，分別采取多場景隨機規劃和區間優化的方式進行處理。然后，樹立了上層以?效力和經濟性為優化目標，下層以運行本錢最低為優化目標，兼顧系統容量規劃和調度運行的雙層協同優化模子。最后，選取某園區進行算例剖析，驗證了所提方式的有用性，與其他不確定原因比擬，電負荷的波動對系統的經濟和?效力影響更年夜。
01
區域綜合動力系統結構
RIES可以實現多種異質動力子系統之間的協同調度、互補互濟，從而進步RIES的靈活性、經濟性和綜合動力應用效力。
本文所研討的RIES基礎結構如圖1所示，包含風機（wind turbine，WT）、光伏（photovoltaic，PV）、太陽能集熱器（solar the汽車零件報價rmal collector，STC）等新動力設備，應用可再生動力來發電產熱；冷熱電聯產裝置（combined cooling，heating and power，CCHP）在燃氣輪機發電的同時，應用其余熱來制冷、供熱；電熱鍋爐（electric boiler，EB）和燃氣鍋爐（gas boiler，GB）供熱；接收式制冷機（adsorption chiller，AC）和電制冷機（electric chiller，EC）供冷；為了進步新動力消納程度，參加了電轉氣（power to gas，PtG）裝置和儲能裝置。
圖1 區域綜合動力系統基礎結構
Fig.1 Basic structure of regional integrated energy system
為了便于剖析，以動力集線器（energy hub，EH）為基礎，通過矩陣的情勢描寫整個系統復雜的能量耦合關系，即
式中：L為負荷矩陣；P為輸進功率矩陣；Ps為儲能矩陣；C為耦合系數矩陣。其表達式分別為
式中：、、、分別為電、氣、熱、冷負荷；、、分別為電能、自然氣、熱能的輸進量；
分別為WT、PV的發電量；
為STC供給的熱量；
分別為購買電量和自然氣量；
分別為電、氣、熱、冷儲能設備的充放功率；α、β、γ分別為輸進電能分派給PtG、EB、EC的分派系數；ε、δ分別為輸進自然氣分派給CCHP和GB的分派系數；
為PtG的電能轉化為自然氣的效力；
分別為EB、GB的產熱效力；
為EC的制冷系數；
分別為CCHP設備轉化為電、熱、冷的效力；為自然氣熱值。
02
?剖析和多重不確定性剖析
2.1 ?剖析
以熱力學第二定律為依據的?剖析理論方式，將?作為評價能量價值的參數，賦予了能量“價值”。本文采用了能量品質系數（以下簡稱“能質系數”）λ來權衡能量的品質，定義為?量和能量的比值。為分歧的能量賦予相應能質系數λ，將分歧品質的能量折算為?量進行剖析，即
式中：λ∈[0,1]，數值越年夜，表現能量品質越高；
表1 能量品質系數
Table 1 Energy quality coefficient
此外，本Audi零件文構造的RIES觸及風機、光伏、太陽能集熱器等新動力裝置。台北汽車材料可再生動力來自天然界，無窮無盡，可以近似懂得為風能和太陽能的應用并沒有形成任何情勢的能量損耗和溫度情勢的變化。是以，本文從能量應用的角度將風能和太陽能的能質系數設置為0。
?剖析模子如圖2所示，能量在傳遞過程中，做效能力會不斷下降，即?在傳遞過程中不斷被耗費，該部門被定義為?損
圖2 ?剖析模子
Fig.2 Exergy analysis model
式中：Exin、Exout分別為輸進?（付出?）、輸出?（受害?）；ηex為?效力，可以有用反應能量應用情況和表征能效。
2.2 不確定性剖析
2.2.1 風光不確定性處理
本文基于風光出力的特點，采取多場景隨機規劃方式，將風光出力不確定性問題轉化為確定性問題來求解。
多場景隨機規劃表征風光出力的不確定性，重要包含場景天生和場景削減2個方面。場景天生重要通過隨機抽樣來完成，常見的有拉丁超立方抽樣（Latin hypercube sampling，LHS）、蒙特卡洛抽樣和輪盤賭抽樣等。LHS在每個維度上都確保了樣本點的均勻分布，防止了蒙特卡洛抽樣能夠出現的湊集現象，可以更好地覆蓋輸進空間，進步采樣的效力和準確性。並且LHS通過確定性的方式選擇樣本點，比擬輪盤賭抽樣的樣本點選擇基于隨機性，可以防止抽樣選擇不均勻或禁絕確。
是以，相較于蒙特卡洛抽樣和輪盤賭抽樣，本文采用抽樣加倍均勻高效且準確的LHS，天生M個水箱精初始場景集。然后為了減少類似場景數目和下降計算難度，采取同步回代法對初始場景進行特征歸類剖析，獲得縮減的S個典範場景，具體流程如圖3所示。
圖3 場景縮減流程
Fig.3 Scene reduction process
2.2.2 負荷和動力價格不確定性處理
在實際中獲取負荷和動力價格的概率密度函數較為困難，同時負荷需乞降動力價格之間彼此影響，難以準確預測精準負荷需求以及未來動力價格。相對而言，獲取其取值范圍較為不難。
區間優化更適宜處理概率密度函數函數未知的情況，能汽車冷氣芯夠供給確定性的最優解的區間范圍，比擬含混優化具有更強的靠得住性。並且由于區間能夠清楚地表現變量的范圍和不確定性，結果的可解釋性較好，計算和求解也相對簡單。
是以，本文在考慮負荷和動力價格波動不確定性條件下的RIES容量設置裝備擺設和運行調度問題時，選取區間優化方式來處理。通過獲取歷史數據，應用實時預測值和預測范圍構造的區間來表現其不確定性，即
式中：
為預測電價/自然氣價；
為預測電價/自然氣價的最小值和最年夜值；
為預測負荷；
為預測負荷的最小值和最年夜值。
03
雙層優化模子
本文提出RIES的雙層優化模子兼顧設備容量規劃和運行調度模子，將設置裝備擺設和調度納進統一框架，如圖4所示，高低2層模子通過數據的傳遞實現迭代優化。
圖4 RIES雙層優化模子
Fig.4 Two-layer optimization model for RIES
3.1 常規雙層優化模子
3.1.1 目標函數
上層即規藍寶堅尼零件劃層考慮RIES整體的經濟性和綜合能效。將RIES的總本錢Ctotal和?效力ηex作為目標函數，決策變量為各類設備的容量。
下層為運行層以運行本錢Crun作為目標函數，包含維護本錢Cop、能耗本錢Cec。此外，考慮到環境指標，引進了碳排放本錢Cce，旨在下降碳排放，充足應用可再生動力，決策變量為各設備機組的出力情況。具體數學模子為
式中：Cin宋微只好回道：「沒事，我就回來看看。」為投資本錢；Cin.j、Sj，Cin.k、Sk分別為第j種動力生產設備和第k種儲能設備的單位容量設置裝備擺設本錢和容量；r為貼現率；N為規劃年限；D為天數；Cop,j、Pj,t，Cop,k、Pk,t分別為第j種動力生產設備和第k種儲能設備的單位運維本錢和功率；
分別為購買的電量和自然氣量；
TC:osder9follow7