计及新能源不确定性微能源网优化运行研究.pdf

新能源292供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月摘 要：针对微能源网中新能源发电量的不确定性，采用信息间隙决策理论处理微能源网中电源的不确定性，根据决策者对风险的承受能力制定了风险保守型策略以及风险冒险性策略，决策者可以可根据对风险的承受层度选择合适的策略，为系统的调度提供合理的决策基础。同时，通过分析不确定半径与运行决策之间的潜在联系，揭示了新能源发电的波动对微能源网运行调度之间内在的关系。在MATLAB平台对微能源网多能流耦合优化运行进行仿真，实验结果表明信息间隙决策理论可以为决策者提供风险规避和风险冒险边界，决策者根据上述边界在满足自身收益的前提下制定合适的运行策略，所提的运行策略将为微能源网的优化运行提供可行的新思路和方法，并推动我国新能源发展的可持续发展。关键词：微能源网；多能耦合；不确定性；信息间隙决策理论；优化运行中图分类号：TM71 文献标志码：A DOI：10.19421/ki.1006-6357.2023.08.012引文信息上官甲天，茅云寿计及新能源不确定性微能源网优化运行研究J 供用电，2023，40（8）：92-99SHANGGUAN Jiatian，MAO YunshouOptimal operation of micro-energy networks considering new energy uncertaintyJ Distribution&Utilization，2023，40（8）：92-990 引言随着经济的发展和人口的增加，国家对能源的需求不断攀升。积极开发清洁能源是解决传统化石能源短缺问题、满足国家能源需求的有效途径。国家大力推广清洁能源是一项长远发展、多方面考虑的重要战略，有助于促进国家经济发展、环境保护和人类可持续发展1-3。虽然微能源网作为综合能源系统的末梢，可以优化协调异质能量流，在一定程度上提升能源转化效率，但以风能、光能为代表的清洁能源由于其固有的随机特性导致系统的新能源利用率低下4-5。众多科研工作者围绕上述问题展开一系列的研究，文献6充分挖掘微能源网“储”侧、“荷”侧的灵活性资源，并设计了1套“荷-储”互动机制，用以平抑新能源出力的不确定性，提高新能源发电的消纳水平，但由于储能系统昂贵的初始投资成本，该方案在工程应用上具有局限性。文献7研究了电动车“荷”“储”的双重身份，考虑了基于配电网节点电压电动车有序充放电方案，利用电动车储能实现了在实时调度过程中对新能源的消纳。文献8在综合能源系统中引入了光热电站，利用光热电站作为热电联产机组，利用多能互补技术实现对热-电随机负荷的高效供给，该运行策略限制系统在高峰电价时段向电网购电，以实现减少系统对电网的依赖程度。文献9研究了综合能源系统两阶段鲁棒运行优化策略，在最恶劣的场景下通过调动负荷侧多重灵活性资源以及采用虚拟储能技术降低了新能源的不确定性对系统的危害，但求解该优化模型过于复杂，在工程上缺乏时效性。随机优化10-11、机会约束优化12-13、随机-鲁棒14-16等优化算法也常用于处理综合能源系统运行过程中的不确定性问题，但上述方法都需要对不确定量有充分的认知，在工程上具有局限性。本文针对上述问题，在新能源出力严重不确定的环境下，提出了基于信息间隙决策理论的微能源网的优化运行策略，该策略的最大优点在于无须知道不确定性变量的概率分布情况，并且求解该优化模型不需要对计算机算力有过高的要求。具体而言，首先构建微能源网典型结构，并采用能量母线的建模方法对微能源网中的各类异质能量流进行建模。其次，将阶梯式碳交易机制引入到微能源网优化运行的模型中。最后，提出了基于信息间隙理论的微能源网低碳经济运计及新能源不确定性微能源网优化运行研究上官甲天1，茅云寿2（1国网北京市电力公司房山供电公司，北京 房山 102401；2惠州学院，广东 惠州 516007）基金项目：国家自然科学基金项目（62103159）。Supported by the National Natural Science Foundation of China（62003099）新能源293供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月行模型及模型求解方法。1 多能耦合微能源网框架多能耦合微能源网结构示意如图1所示，微能源网可以接入多种异质能源作为能量的输入，并且可以配置多种储能装置实现能量在时空的转移，在微能源网中配置的能量转换元件可以实现替代用能，从而实现能量的高效利用17-18。1.2 阶梯式碳交易机制碳交易机制将碳排放视为一种可以在市场中自由交易的商品。政府或监管部门为每个碳排放源分配碳排放配额，各碳排放源根据自身的碳排放配额制订和调节生产计划，从而达到控制二氧化碳排放的目标。各排放主体实际碳排放量须低于配额，否则需向市场购买碳排放配额。排放低于配额的排放主体也可以将过剩的额度拿到市场上进行交易20。微能源网的碳排放配额 f 可表示为：（4）式中：qe、qh分别为单位发电量碳排放配额和单位供热量碳排放配额；ch为单位发电折算成单位供热排碳配额的折算系数；QGT,t为燃气轮机在t时段的产热功率T为微能源网运行的总时间。微能源网的实际碳排放量w可表示为：（5）式中：wgrid、wGT、wGB分别为向上级电网购电的碳排放权配额、燃气轮机的碳排放权配额、燃气锅炉的碳排放权配额。wgrid、wGT、wGB可表示为：（6）（7）（8）式中：1、2分别为燃煤机组、燃气机组单位电力消耗所产生的碳排放权配额。将用户的实际碳排放量减去用户的碳排放权配额即为实际碳排放权交易额qtrade：（9）本文选用阶梯式碳排放税21，如式（10）所示：（10）式中：Ccarbon为微能源网的碳排放成本；pben为碳交易基准价格；d为区间长度；z为价格增长速率；当qtrade 0，说明用户有富余的碳排放权，可通过碳交易中心出售富余的碳排放权。2 低碳微能源网碳交易优化调度模型2.1 目标函数本文将调度周期划分为1天24个时段，微能源网1.1 微能源网能量流分析本文采用能量母线19的方法对如图1所示的微能源网进行建模，获得如式（1）式（3）所示的电能流、冷能流、热能流3种功率平衡方程。1）电能流。（1）式中：PGT,t、PWT,t、PPV,t分别为燃气轮机、风力发电机组、光伏发电机组在t时段的输出功率；Pgrid,t为微能源网与“网”的交换功率；PES,C,t、PES,D,t分别为微能源网与“储”之间的充电、放电功率；PEL,t、PEC,t分别为在t时段的电负荷与等效冷负荷。2）冷能流。（2）式中：QEC,t、QAC,t分别为电制冷机与吸收式制冷机在t时段的输出功率；QCL,t为在t时段的冷负荷。3）热能流。（3）式中：QHRS,t、QGB,t分别为燃气轮机、燃气锅炉在t时段的产热功率；QTS,C,t、QTS,D,t分别为储热装置的在热能母线上的热能功率交换值；QRC,t、QHL,t、Qwaste,t分别为吸收式制冷机的输入功率、热负荷功率、弃热功率；HE为微能源网中热能转化效率。图1 微能源网结构示意Fig.1 Structure of the micro-energy grid燃气锅炉燃气轮机电制冷机吸收式制冷机热交换器余热回收系统储热罐冷热负荷电负荷风电光伏电网电能母线冷能母线热能母线蓄电池PECPGTQGBQGTQRCQRH电能流热能流冷能流PgridPWTPES,C/PES,DPPVPELQECQACQHLQCLQHRSQTS,C/QTS,D新能源294供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月的运行目标是使总运行成本最小，包括向电网购电成本、购天然气成本、设备运行维护成本、弃风弃光成本以及碳排放成本，低碳微能源网碳交易优化调度模型的目标函数如下：（11）式中：C为微能源网的日运行总成本；Cenergy、COM、Cpenalty、Ccarbon分别为微能源网的能源采购成本、设备运维成本、弃风弃光成本、碳排放成本。Cenergy、COM、Cpenalty的表达式分别如式（12）式（14）所示：（12）（13）（14）式中：Vgas,t为微能源网购天然气量；cgrid,t、cgas分别为微能源网向上级电网购电的分时电价、向天然气公司购气价格；G为微能源网中设备的集合，包含燃气轮机、燃气锅炉、储热系统、储电系统、光伏机组、风电机组、光伏发电机组、电制冷机组、吸收式制冷机组；COM,i、Pi,t分别为上述设备的运行维护成本系数、在t时段设备的输出或消耗功率；cPV、cWT分别为单位弃光成本系数、单位弃风成本系数；PPV,cur,t、PWT,cur,t分别为微能源网在t时段内的弃光功率、弃风功率。2.2 约束条件2.2.1储能系统运行约束储电系统与储热系统的运行约束相近，均可用式（15）式（19）表示：（15）（16）（17）（18）（19）式中：Ex,t、Ex,t-1分别为x类储能系统在时段t和时段t1内的储能量；x=储电系统，储热系统；x、x,C、x,D分别为x类储能系统的自放能率、储能效率和放能效率；Px,C,t、Px,D,t分别为x类储能系统在时段t内的储能功率、放能功率；x,C,t与x,D,t均为0-1变量，分别为x类储能系统在时段t内储能行为；Px,C,max、Px,D,max分别为x类储能系统储能功率和放能功率的上限值。2.2.2新能源发电机组运行约束微能源网在运行过程中的新能源发电机组运行约束如式（20）式（21）所示：（20）（21）式中：、分别为在t时段光伏发电机组、风力发电机组的输出功率预测值。2.2.3能量传输约束微能源网在运行过程中的能量传输约束如式（22）式（23）所示：（22）（23）式中：Pgrid,max、Vgas,max分别为微能源网向上级电网购电的上限、向燃气公司购天然气的上限。3 基于信息间隙决策理论调度模型及求解方法3.1 信息间隙决策理论信息间隙决策理论是一种不依赖于不确定参数的概率分布函数来建模不确定性的非概率方法。通过利用不确定参数的预测数据，信息间隙决策理论能够为不确定性可能产生消极或者积极结果提供有价值的信息，以更好地分析由于与系统参数相关的不确定性而导致的成本减少或增加波动22-24。其他现有的不确定性建模方法相比，计算效率更高25。该理论优化模型如式（24）所示：（24）式中：F(X,)为优化模型的目标函数；X为该优化问题的决策变量；为该问题的不确定参数；H(X,)=0、G(X,)0分别为该优化问题的等式约束、不等式约束。不确定参数围绕预测值的波动可以由式（25）表示：（25）式中：为不确定参数的预测值；为不确定参数与其预测值的最大偏差，称为不确定半径。保守的决策者倾向于寻找目标函数的最坏预定量，而冒进的决策者更加追求不确定性可能带来的额外收益。保守的决策者与冒进的决策者的决策行为分别可以表示为如下模型：1）保守型策略。保守型策略可视为一种风险规避型策略，该策略可获得对预测和输入不确定性参数新能源295供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月的鲁棒性，从而令优化目标在一定程度上避免受到不确定参数波动的影响，可令决策者获得最优的决策策略。保守型策略的本质是令目标函数不受最大不确定半径影响时，会实现最稳健的决策。数学方法可表示为：（26）式中：C0为在不考虑系统内可再生能源不确定条件下的最优运行成本；RM为鲁棒偏差因子，即预期运行成本高于C0的偏差因子；RM为满足目标运行成本不大于预期目标成本CRM的不确定性半径，RM的值越大表明调度方案对不确定性参数越不敏感，此时系统鲁棒性越好。2）冒险性策略。与保守型策略相比，该冒险性策略的决策者试图乐观地看待可能影响目标函数的潜在不确定事件。在冒险策略中，通过选取最优决策变量，使不确定输入参数的预测误差最小，最终使不确定半径最小。描述该策略的数学关系定义如下：（27）式中：OM为满足目标成本不大于预期目标成本COM的最小不确定半径；OM越小，表明对应的调度方案具有更大的可能性获利，即降低总体运行成本；OM为机会偏差因子，即预期成本低于确定性目标函数C0的偏差因子。利用式（25），将微能源网中的不确定性参数光伏出力、风电出力的波动范围如式（28）式（29）所示：（28）（29）式中：PV、WT分别为光伏发电机组、风力发电机组输出功率的波动幅度。为使模型得出与实际误差相结合的值，以使调度方案更合理可靠，可将保守型策略与冒险性策略的目标函数OM/RM改写如式（30）式（31）：（30）（31）式中：PV、WT分别为光伏发电功率、风力发电的权重因子。3.2 模型求解在3.1节基于信息间隙决策理论模型所构建的优化模型为双层规划模型，上层为最大化不确定参数的偏差的计算，下层为微能源网的最大可能性成本或最小可能性成本的优化，直接求解上述双层规划模型相对困难。考虑到燃气轮机组发电、燃气锅炉发热的成本较高。故当风力发电机组、光伏发电机组出力达到最小值，即为、，此时下层调度成本最高；当风力发电机组、光伏发电机组达到最大值，即为、，下层调度成本最低。因此，可将原双层优化模型转换为单层优化模型，如式（32）、式（33）所示。分别计算得到预测误差和对应的调度方案。（32）（33）式中：WT,RM、PV,RM分别为在保守策略中风电与光电的波动幅值；WT,OM、PV,OM分别为在冒险策略中风电与光电的波动幅值。模型求解流程如图2所示，低碳微能源网多能流耦合优化运行模型的求解可分为2个步骤。步骤1：不考虑新能源发电的波动性，求解出确定性条件下微能源网的最优运行成本C0；步骤2：根据决策者对风险的偏好程度设置成本偏差系数，确定对应的可能成本。本文模型中的成本偏差系数是用来衡量模型中成本预测与实际成本之间偏差的程度，是微能源网优化运行模型中的一个重要参数，决策者可根据成本偏差系数对调度计划进行调整。成本偏差系数是在模型求解的步骤2中，根据决策者基于可接受的收益偏差范围所确定的。在求解最优运行问题时，决策者通过考量其自身所能承受的收益偏差范围，并根据此范围对调度方案进行调整，确保实际运行结果与预测结果的新能源296供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月图3 光伏电站与风力电站的电能输出功率Fig.3 The power output of PV and WT图5 微能源网的调度结果Fig.5 Scheduling results of micro energy network图4 终端用户的负荷需求Fig.4 End-user demand for hot and cold electrical loads偏差在可接受的范围内。通过这种方式，可以更好地应对可再生能源预测误差带来的不确定性，并提高微能源网的运行效率和经济效益。4 算例分析4.1 算例参数以图1所示的微能源网作为研究对象验证本文所提的低碳多能流耦合优化运行策略的有效性。微能源网内部各类能量转换设备与储能装置的技术参数详见文献8。微能源网购电电价及购天然气价格如表1所示。碳排放价格系数为0.21 元/kg，单位发电量碳排放配额为0.728 t/MWh，单位发热量碳排放配额为0.102 t/GJ12。各碳排放环节的单位碳排放量为：燃煤电厂的碳排量为 1.08 t/MWh13；燃气锅炉及燃气轮机组供热碳排放量取0.065 t/GJ。光伏电站与风力电站的电能输出功率如图3所示，终端用户的负荷需求如图4所示。表1 微能源网购电电价及购天然气价格Table1 Time-of-use tariff and natural gas fee for the micro energy grid时间段购电价格/（元 kWh1）购气价格/（元 m3）谷段（1:007:00,22:0024:00）0.3753.1平段（7:0011:00,14:0018:00,20:0022:00）0.8753.1峰段（11:0014:00,18:0020:00）1.4003.100.51.01.52.02.53.0输出功率/MW1357911131517192123时刻光伏风电00.51.01.52.02.53.54.03.0输出功率/MW1357911131517192123时刻电负荷冷负荷热负荷4.2 仿真结果及分析4.2.1确定性微能源网调度结果与讨论将日前对可再生能源发电的预测值视为确定值时，微能源网的调度结果如图5所示，微能源网运行成本明细如表2所示。微能源网在此条件下的调度计划将优先使用可再生能源，在平段时段的电能缺额优先向上级电网购电，在峰段时段的电能缺额优先使用蓄电池以及燃气轮机满足终端负荷。微能源网在1:008:00时段利用蓄电池解决风电的消纳问题，在12:0014:00、19:0020:00利用蓄电池放电以获得降低微能源网运行成本的目的，储能系统在微能源网中实现了剩余可再生能源在时间维度的转移。0510152024时刻2 0001 00001 0002 0003 000电功率/kW蓄电池充电电负荷电制冷机输入燃气轮机光伏风机电网购电蓄电池放电图2 模型求解流程Fig.2 Model solving flow chart输入：风电、光伏出力预测值，冷、热、电负荷预测值求解在确定性条件下微能源网的优化调度模型输出：最优调度成本C0开始输入：成本偏差系数保守型策略冒险性策略得到给定风险偏好程度下的不确定度 及调度方式结束s.t.式(1)式(23)minF(X,)Pt,WT=Pt,WTPt,PV=Pt,PV新能源297供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月图7 冒险型策略下的调度计划Fig.7 Scheduling plan under adventure-based strategy图6 保守型策略下的调度计划Fig.6 Scheduling plan under conservative strategy 表2 微能源网运行成本明细 Table2 Operating cost details of micro-energy grid模型购电成本购气成本运维成本弃风弃光成本碳排放成本总成本确定性模型3 834.74 5 805.15 2 941.9503 255.6115 837.46保守型策略5 305.57 5 826.14 2 900.3703 388.6117 420.69冒险型策略2 723.43 3 034.06 2 373.03 3 418.94 2 703.8414 253.304.2.2基于IGDT的微能源网调度结果与讨论完成第一阶段微能源网在确定条件下优化调度的求解后，将第一阶段的最优调度成本C0=15 837.46 带入第二阶段的保守型调度策略以及冒险型调度策略。设置成本偏差系数，RM=OM=0.05，通过求解上述两个优化模型，可以获得微能源网在冒险型策略下的调度以及在保守型策略下的调度计划，保守型策略下的调度计划如图6所示，冒险型策略下的调度计划如图7所示。成本升高的最主要原因是增大了平段向电网购电功率。蓄电池储能在电网电价峰段增大了向负荷输送电能的功率，一定程度上降低了微能源网的调度成本。对比购天然气费用，保守型模型与第一阶段确定性模型相差不大，这是因为微能源网在内部可再生能源发电严重不足时的情形下，燃气轮机的满负荷运行可以高效利用一次能源进而实现能量梯次利用，以实现冷能、热能、电能的全方位供给。该保守型调度策略将考虑可再生能源发电功率远高于预测值的情形，结合表2可知，造成该策略的调度计划成本降低的最主要原因是微能源网在高峰时段降低了向电网购电功率。但值得注意的是由于储能装置容量不足，当可再生能源发电功率远高于预测值的时，会造成一定的弃风弃光现象，所以在采用保守型调度策略时通常会额外支付一定金额的罚金。为了探求成本偏差系数与不确定半径之间的潜在关系，设置成本偏差系数由0变化至0.10，成本偏差系数变化间隔设为0.01，令权重因子PV:WT=1:1，反复求解基于信息间隙决策理论模型所构建的优化模型为双层规划模型，可以获得微能源网运行成本与不确定半径变化趋势，如图8所示。05101520242 0001 00001 0002 0003 000电功率/kW蓄电池充电电负荷电制冷机燃气轮机光伏风机电网购电蓄电池放电时刻0510152024蓄电池充电电负荷电制冷机弃光弃风燃气轮机光伏风机电网购电蓄电池放电时刻2 0003 0001 00001 0002 0003 000电功率/kW在保守型调度策略将考虑可再生能源发电严重不足时的情形，结合表2可知，造成该策略的调度计划图8 微能源网运行成本与不确定半径变化趋势Fig.8 Trends in dispatch cost and uncertainty radius05 00010 00015 00020 00025 000总运行成本/元0.100.090.080.070.060.050.040.030.020.01000.050.100.150.250.20偏差因子不去顶参数波动幅值保守型策略运行成本保守型策略下不确定参数波动幅值冒险型策略下不确定参数波动幅值冒险型策略运行成本由图8可知，决策者在制定保守型运行策略时，微能源网的运行成本将随着成本偏差系数的增大而增大。结合图6分析可知，伴随风光不确定性的增加，受限于系统燃气轮机的容量，系统将增大向上级电网的购电，这也导致了在该项策略下购电成本的大幅度增加。采用信息间隙决策理论制定保守型运行策略，虽令运行成本在一定程度上上浮，但其在恶劣环境下展现出更强的不确定风险承受能力。决策者在制定冒险型运行策略时，微能源网的运行成本与成本偏差系单位：元新能源298供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月图9 保守型策略不确定波动随成本偏差系数的变化曲线Fig.9 Variation curve of uncertainty fluctuation with cost deviation coefficient for conservative strategy数的呈负相关。随着可再生能源发电的随机性增加，微能源网在平段与谷段将减少燃汽轮机组的输出，在峰段将减少向上级电网的购电行为。在冒险型策略中，决策者视“源”的不确定性为积极因素，“源”的实际输出值将对目标期望有利的趋势发展。为了进一步探寻“源”的不确定性与不确定半径的变化趋势，设置成本偏差系数的变化范围为0.010.15，分别单独考虑风电不确定性、光电不确定性以及同时考虑风光的不确定性，保守型策略不确定波动随成本偏差系数的变化曲线如图9所示。1）微能源网中配置储热装置以及蓄电装置可以有效降低系统的购气成本，降低微能源网总碳排放量，有效提高了综合能源系统消纳风光等清洁能源的能力，实现了综合能源系统的低碳经济运行。2）采用信息间隙决策理论分析在风险规避策略以及风险冒险策略下，本文所提综合能源系统在保证预期收益目标下可承受风电、光伏波动幅度。有利于系统更加精细化的制订其出力计划，为系统提供更加准确、客观的参考建议。参考文献1刘文亮，郭熠昀，杨琪，等“双碳”目标下数据中心节能运行研究综述J 供用电，2021，38（9）：49-55.LIU Wenliang，GUO Yiyun，YANG Qi，et alOverview of energy-saving operation of data center under“double carbon”targetJ Distribution&Utilization，2021，38（9）：49-552刘春蕾，庞鹏飞，石纹赫，等计及碳中和效益及清洁能源消纳的虚拟电厂双层协同优化调度J 供用电，2021，38（9）：19-27.LIU Chunlei，PANG Pengfei，SHI Wenhe，et alTaking into account carbon neutrality benefit and clean energy consumption of virtual power plant two-layer cooperative optimization dispatchingJ Distribution&Utilization，2021，38（9）：19-27.3樊宇琦，丁涛，孙瑜歌，等国内外促进可再生能源消纳的电力现货市场发展综述与思考J 中国电机工程学报，2021，41（5）：1729-1751.FAN Yuqi，DING Tao，SUN Yuge，et alReview and cogitation for worldwide spot market development to promote renewable energy accommodationJ Proceedings of the CSEE，2021，41（5）：1729-17514陈锦鹏，胡志坚，陈颖光，等考虑阶梯式碳交易机制与电制氢的综合能源系统热电优化J 电力自动化设备，2021，41（9）：48-55.CHEN Jinpeng，HU Zhijian，CHEN Yingguang，et alThermoelectric optimization of integrated energy system considering ladder-type carbon trading mechanism and electric hydrogen productionJ Electric Power Automation Equipment，2021，41（9）：48-55.5钱朝飞含风电制氢及多储能的综合能源系统优化调度与碳排放分析D 南宁：广西大学，20216唐力，刘继春，杨阳方，等基于信息间隙决策理论的多种零售合同模式下售电公司购售电策略J 电网技术，2019，43（6）：1978-1986.TANG Li，LIU Jichun，YANG Yangfang，et alStudy on strategies of electricity procurement and sale of power retailer with multiple retail contract modes based on information gap decision theoryJ Power System Technology，2019，43（6）：1978-19867于丽芳，李燕雪，朱明晞，等电-氢-碳综合能源系统协同经济调度J 电力需求侧管理，2022，24（6）：63-69.YU Lifang，LI Yanxue，ZHU Mingxi，et alCoordinated economic dispatch of electricity-hydrogen-carbon integrated energy systemJ Power Demand Side Management，2022，24（6）：63-698茅云寿面向共享储能的微能源网运行优化研究D 广州：广东工业大学，20229YANG G，ZHAI X QOptimization and performance analysis of solar hybrid CCHP systems under different operation strategiesJ Applied Thermal Engineering，2018（133）：327-340.10 ZHONG W F，XIE S L，XIE K，et alCooperative P2P energy trading in active distribution networks：an MILP-based Nash bargaining solutionJ IEEE Transactions on Smart Grid，2021，12（2）：1264-127611 CAO X Y，WANG J X，ZENG BA chance constrained information-gap decision model for multi-period microgrid planningJ IEEE Transactions on Power Systems，2018，33（3）：2684-2695仅考虑光的不确定性仅考虑风的不确定性考虑风、光的不确定性1.201.000.800.600.400.200不确定参数波动幅值成本偏差系数0.010.030.050.070.090.110.130.15由图9可知，在同一成本偏差系数下，同时考虑风光不确定性的场景的不确定参数波动幅值最小。以RM=0.0.5为例，微能源网的期望运行成本为19 423元，单独考虑风电出力不确定性时，未来实际风电发电相对于预测值的最大波动范围为0.215，即当未来每日实际风力发电围绕预测风力发电的波动幅度不超过21.5%，能保证微能源网的运行成本不会低于预期值；单独考虑光伏发电不确定性时，未来每日实际光伏发电围绕预测发电的波动幅度不超过41.2%，综上所述可知由于不确定性的叠加，满足期望收益时的不确定性波动范围将进一步收窄。5 结语在可再生能源波动性对微能源网的经济可靠调度带来的巨大挑战下，本文提出了低碳微能源网多能流耦合优化调度策略。研究了微能源网各类异质能量流的耦合情况，采用基于能量母线的建模方法对微能源网内部能量流进行建模，并采用信息间隙决策理论研究风、光出力不确定问题影响调度策略的内在机理，得出以下结论：新能源299供用电DISTRIBUTION&UTILIZATION第 40 卷 第 8 期2023 年 8 月12 崔杨，周慧娟，仲悟之，等考虑源荷两侧不确定性的含风电电力系统低碳调度J 电力自动化设备，2020，40（11）：85-91.CUI Yang，ZHOU Huijuan，ZHONG Wuzhi，et alLow-carbon scheduling of power system with wind power considering uncertainty of both source and load sidesJ Electric Power Automation Equipment，2020，40（11）：85-9113 宋祺鹏，石岩，韩子龙，等泛在电力物联网下的配电网典型配置模式研究J 供用电，2020，37（1）：15-20.SONG Qipeng，SHI Yan，HAN Zilong，et alResearch on typical configuration mode of distribution network under ubiquitous power Internet of ThingsJ Distribution&Utilization，2020，37（1）：15-20.14 田盈，郭宝甫，王卫星，等一种提高微电网储能电站电池使用经济性的 混合储能容量配置方法J 供用电，2019，36（1）：81-86.TIAN Ying，GUO Baofu，WANG Weixing，et alA capacity configuration method of hybrid energy storage for improving the battery economy of microgrid energy storage power stationJ Distribution&Utilization，2019，36（1）：81-86.15 肖海伟，汪平，黄娟考虑耐受渗透比的低压配电网储能优化配置J 供用电，2019，36（8）：67-72，90.XIAO Haiwei，WANG Ping，HUANG JuanOptimized configuration of energy storage in low-voltage distribution network considering tolerant permeability ratioJ Distribution&Utilization，2019，36（8）：67-72，9016 汤翔鹰，胡炎，郑棣，等考虑电网灵活性的微电网储能优化配置方法J 供用电，2020，37（12）：54-60.TANG Xiangying，HU Yan，ZHENG Di，et alResearch on optimal configuration of energy storage in microgrid considering grid flexibilityJ Distribution&Utilization，2020，37（12）：54-6017 GRASINGER M，OMALLEY D，VESSELINOV V，et alDecision analysis for robust CO2 injection：application of Bayesian-Information-Gap Decision TheoryJ International Journal of Greenhouse Gas Control，2016（49）：73-8018 YAZDANINEJAD M，AMJADY N，DEHGHAN SVPP self-scheduling strategy using multi-horizon IGDT，enhanced normalized normal constraint，and bi-directional decision-making approachJ IEEE Transactions on Smart Grid，2020，11（4）：3632-364519 李化林，戴承承，黄重阳，等考虑需求侧管理的配电网分布式电源优化配置研究J 供用电，2020，37（7）：24-29.LI Hualin，DAI Chengcheng，HUANG Chongyang，et alStudy on optimal allocation of distributed generation in distribution network considering demand side managementJ Distribution&Utilization，2020，37（7）：24-29.20 XUEMEI S，BIN Y，XUYANG W，et al.Study on optimal allocation of distributed generation in urban and rural distribution network considering demand side managementC/2017 International Conference on Smart Grid and Electrical Automation（ICSGEA）IEEE，2017.21 BENHAIM YInformation Gap decision theoryM San Diego：Academic Press Inc，2001：317-346.22 宋坤隆，谢云云，陈晞，等基于信息间隙决策理论的电网负荷恢复鲁棒优化J 电力系统自动化，2017，41（15）：113-120，175.SONG Kunlong，XIE Yunyun，CHEN Xi，et alRobust restoration method for power system load based on information gap decision theoryJ Automation of Electric Power Systems，2017，41（15）：113-120，175.23 蔡紫婷，彭敏放，沈美娥考虑