考虑多重不确定因素的可再生能源制氢场站最优运营策略研究.pdf

29第 43 卷第 4 期能 源 工 程考虑多重不确定因素的可再生能源制氢场站最优运营策略研究杨晶1，孟进州2，家正熙3，贾佳1，张栋顺1，杜逸云1，全恒立1(1.国核电力规划设计研究院有限公司，北京 100080；2.国家电投集团新疆能源化工有限责任公司，乌鲁木齐 新疆 830000;3.中电投新疆能源化工集团达坂城风电有限公司,乌鲁木齐 新疆 830000)摘要：以可再生能源制氢场站这一新兴能源制造主体为对象，在电力市场环境下研究面对可再生能源出力和电力市场价格的多重不确定性因素时，可再生能源制氢场站最优运营策略模型，制氢场站的运营策略具体包括制氢场站中长期电量合同分解、电力现货市场购电量以及氢气生产计划。首先，建立了可再生能源制氢场站在电力市场环境下的运营框架，并以此为基础建立了可再生能源制氢场站确定性最优决策模型。其次，采用蒙特卡洛抽样和场景缩减方法，将风电出力的不确定性用具有代表性的典型场景进行刻画。接着，建立了基于信息间隙决策理论的计及现货价格不确定性的可再生能源制氢场站最优运营决策模型，该模型给出的决策能够保证可再生能源制氢场站的总成本不高于其最大所能接受的值。最后，通过算例仿真与对比证明了所提方法的有效性。关键词：可再生能源制氢；电力市场；多重不确定性；信息间隙决策理论中图分类号：TK91文献标识码：ADOI：10.16189/j.nygc.2023.04.005Optimal operation strategy for renewable energy hydrogen production plant considering multiple uncertaintiesYANG Jing1,MENG Jinzhou2,JIA Zhengxi3,JIA Jia1,ZHANG Dongshun1,DU Yiyun1,QUAN Hengli1(1.State Nuclear Electric Power Planning Design&Research Institute Co.Ltd.,Beijing 100080,China;2.SPIC Xinjiang Energy&Chemical Co.,Ltd.,Urumqi 830000,China;3.CPI Xinjiang Energy&Chemical Group Dabancheng Wind Power Co.Ltd.,Urumqi 830000,China)Abstract:The optimal operation strategy model for renewable energy hydrogen production plant were investigated facing multiple uncertainties of renewable energy output and power spot market price.First,the framework for operation of renewable energy hydrogen production plant in electricity market environment was established,and a deterministic optimal decision model was constructed.Second,Monte Carlo sampling and scenario reduction methods were used to depict the uncertainty of wind power output with representative typical scenarios.Furthermore,considering the uncertainty of the power spot market price,an optimal operating decision model for renewable energy hydrogen plants based on the information gap decision theory was developed,ensuring the total cost of renewable energy hydrogen production plant within its maximum acceptable value.Finally,the effectiveness of proposed method was verified through case simulation and comparative analysis.Key words:renewable energy hydrogen production;power market;multiple uncertainties;information gap decision theory;收稿日期：2023-03-09作者简介：杨晶（1988-），女，湖北天门人，硕士，从事电力市场与绿证研究工作。0引言氢能作为极具发展潜力的能源，因其具有热值高、来源多样、储量丰富及适于大容量、长时间存储的特性,被认为是21世纪的“终极能源”1。2022 年 3 月 23 日，国家发改委和国家能源局联合印发氢能产业发展中长期规划（2021-2035 年）2（以下简称规划）。规划提出，VOL.43No.4Aug.2023第 43 卷第 4 期2023 年 8 月能 源 工 程ENERGY ENGINEERING30VOL.43No.4杨晶等：考虑多重不确定因素的可再生能源制氢场站最优运营策略研究到 2025 年，我国将初步建立以工业副产氢和可再生能源制氢就近利用为主的氢能供应体系；到2030年，形成较为完备的氢能产业技术创新体系、清洁能源制氢及供应体系，产业布局合理有序，可再生能源制氢广泛应用，有力支撑碳达峰目标实现；到 2035 年，可再生能源制氢在终端能源消费中的比重明显提升，对能源绿色转型发展起到重要支撑作用。在此背景下，可再生能源制氢场站发展态势积极。然而，制氢场站内部可再生能源发电难以与其自身制氢用电需求完全适配，差额电量可选择到电力市场中进行交易，包括中长期电力市场和电力现货市场。可再生能源制氢场站在中长期市场中签订的电量合同必须分解到实时运行时段，从而实现与现货市场和自身的制氢计划的关联。因此，中长期电量合同的有效分解对于保证可再生能源制氢场站的利益至关重要。因此，在电力市场环境下，可再生能源制氢场站的运营策略需要包括中长期电量合同的分解、现货市场购电量以及自身制氢计划安排。当前，对于中长期电量合同分解已经有了比较多的研究，但大多数研究仅根据不同发电资源特性对曲线进行分解，如考虑常规火电机组参与的中长期电量合同分解3-5。随着可再生能源并网容量的不断提升，包含可再生能源的中长期合同成为电量分解的重要对象，文献6-8基于不同可再生能源发电机组的发电特性，提出含多类型机组的电力系统电量分解方法，文献 9 从电力市场角度出发，提出了中长期物理合同和金融合同的分解方法，为交易机构的决策提供参考。文献 10考虑了不同机组运行方式优先级，设计了面向多类型机组的分解原则,兼顾了电网调度公平性和经济性。文献 11 提出了考虑现货市场竞价空间的水电站中长期合同电量分解模型，从而保证预留的现货竞价空间均衡，不会引起现货市场价格剧烈波动。然而，以上研究主要基于电源的角度对合同电量进行分解，这类方法对负荷用户缺乏一定的透明性，且无法考虑负荷的特性，在一定程度上忽视了合同分解结果对负荷的不利影响。因此，近年来，越来越多的省份的电力中长期市场中，鼓励用户对合同电量进行自定义分解12，13。在可再生能源制氢计划优化方面，文献 14提出了基于纳什谈判理论建立了风-光-氢多主体合作运行模型，文献 15 提出了电-热-氢气系统的协同优化模型，有效利用多能互补的优势降低系统运行成本。文献 16 提出了考虑制氢场站参与电能量市场和需求响应的市场优化模型，从而有效提供电力市场的整体效率。但以上文献均考虑制氢场站只参与电力现货市场，而未涉及其参与电力中长期市场的运营决策。可再生能源场制氢场站的运营决策需要考虑多方面因素，包括可再生能源出力的不确定性、电力现货市场价格的不确定性以及制氢计划安排等。针对以上难点，本文充分考虑以上三类因素的影响，提出了考虑可再生能源出力和电力现货市场价格等多重不确定性因素影响下，可再生能源制氢场站的最优运营决策分析方法。首先分析了可再生能源制氢场站的运营框架及可再生能源制氢场站的物理模型；接着，分别采用随机抽样和信息间隙决策理论分析可再生能源出力和电力现货市场价格的不确定性；并以此为基础，采用数学优化决策方法，得到市场环境下可再生能源制氢场站最优运营决策模型，从而可以有效提高制氢场站的效益。1市场环境下可再生能源制氢场站运营模型1.1运营框架图 1 为一个典型的可再生能源制氢场站的运营框架。可再生能源制氢场站由可再生能源发电机组（风电机组或光伏，本文以风电机组为例）和制氢系统构成。可再生能源制氢场站利用可再生能源机组发出的电能和从电力市场购买的、由上级电网输送的电能，通过制氢系统，将生产的氢气售卖给下游包括氢能源汽车在内的多种氢气负荷。可再生能源制氢场站的运营决策需要考虑多方面因素，包括从电力市场中购买制氢所需的31第 43 卷第 4 期能 源 工 程电能、风电机组出力调度、产氢计划。其中，由于电力市场包括中长期市场和现货市场，可再生能源制氢场站不仅要决策在中长期市场中签订的电量及其分解计划，还需要考虑从电力现货市场购买缺额电量。图 1可再生能源制氢场站运营框架1.2制氢场站物理模型如图2所示，制氢系统通常由电解槽、压缩机、储氢罐以及电储能装置四个部分组成。图 2制氢系统模型1）电解槽模型17电解槽是电解水产生氢气反应的发生装置，是制氢系统的核心构件。在稳态运行状态下，电解槽的制氢量与电解槽的输入功率可以用式(1)所示的线性关系表示。(1)其中：表示电解槽在 t 时段的产氢量；为 t时段输入电解槽的电功率；为电解槽的产氢效率。输入电解槽的电功率范围如式(2)所示。(2)其中：表示输入电解槽的最大电功率。同时，还需要对输入电解槽的电功率的爬坡性能进行约束，即输入电解槽的电功率在时段间的波动范围不能过大，如式(3)所示：(3)其中：为电解槽的最大爬坡功率。2）氢气压缩机模型18为了方便电解槽产生氢气的存储和后续的运输，在制氢系统中，通常需要采用压缩机将氢气的体积进行压缩，制氢系统中的压缩机通常同样由电能驱动，压缩机的数学模型如式(4)所示：(4)其中：为 t 时刻输入氢气压缩机的电功率，为氢气比热容常数；为 t 时刻压缩机压缩氢气的质量流量；Tin为压缩机输入氢气的温度；com为压缩机工作效率；为氢气等熵指数；Rcomp为氢气的压缩比。输入氢气压缩的电功率还需满足：(5)其中：为输入氢气压缩机的最大电功率。3）储氢罐模型19由于在实际生成中，氢气的产生和消耗或运输不是同步进行的。从而，部分氢气会被储存在储氢罐中。储氢罐内部的储氢量与其内部气压直接相关，所以通常采用气压来表征储氢罐内部的储氢量：(6)其中：表示 t 时段储氢罐的内部气压；T 为储氢罐内部的氢气温度；VS为储氢罐的体积；为 t 时段氢气的使用量。在实际运行中，氢气储气罐内部气压必须保32VOL.43No.4杨晶等：考虑多重不确定因素的可再生能源制氢场站最优运营策略研究持在一定范围以内，如式(7)所示。(7)其中：和分别表示储氢罐内部的最大和最小气压。4)电储能模型14为了在一定程度上平抑风电出力，增加电制氢系统的运行灵活性，在制氢系统中通常装有电储能装置，电储能装置的运行首先需要满足储能动态变化约束，如式(8)所示。(8)其中：表示电储能装置在 t 时段的储能量；为 t 时段的充电功率；为 t 时段的放电功率；ebat,c和 ebat,d分别为电储能装置的充电和放电效率。同时，在同一个时段内，电储能装置不能同时处于充电和放电状态，可以通过 0-1 指示变量 进行约束。系统的运行需满足储能动态变化约束，充放电功率约束等，运行模型可表示为：(9)其中：当时，电储能装置在 t 时段处于充电状态；当时，电储能装置在 t 时段处于放电状态。和分别表示电储能装置的最大充电功率和最大放电功率。同样地，电储能装置的储能量约束如式(10)所示(10)其中：和分别表示电储能装置的最大储能量和最小出能量。2考虑多重不确定性的可再生能源制氢场站运营策略2.1制氢场站运营决策模型2.1.1运营约束除了 1.2 节所示的电解水制氢系统内部流程约束之外，可再生能源制氢场站还需要满足电力市场相关约束：1）月度合同电量分解约束由于可再生能源制氢场站的月度用电量超过或者不足月度电量合同中约定的偏差量均会被电力交易机构考核，从而影响其经济效益，因此，分解后的合同电量总量之和要与月度合同中规定的电量相等，如式(11)所示：(11)其中：表示中长期合同电量分解到 t 时段的电量；QC表示可再生能源制氢场站所签订的月度中长期合同电量总量。2）可再生能源制氢场站电力平衡约束本文考虑可再生能源制氢场站无法通过中长期合同和风电机组出力完全覆盖其制氢的用电需求，缺额电能需求需要参与到电力现货市场中进行购买。在此背景下，可再生能源制氢场站电力平衡约束如式(12)所示。(12)其中：表示可再生能源场站在 t 时段从现货市场购买的电量；表示 t 时段风电机组的调度出力。3）风电出力调度约束(13)t 时段风电机组的调度出力必须小于该时段的预测出力，其中，表示t时段风电机组的预测出力。4）氢气生产计划约束(14)考虑可再生能源制氢场站与下游氢气用能负荷签订的供应合同以月度为供应周期，因此，式(14)表示可再生能源制氢场站生产的氢气要满足一月内下游氢气用能负荷的订单要求。其中：表示 t 时段所生产的氢气；表示氢气订单中约定的氢气交付总量。2.1.2目标函数本文将可再生能源制氢场站运营成本最小化33第 43 卷第 4 期能 源 工 程作为运营决策的优化目标，如式(15)所示。(15)其中：可再生能源制氢场站的成本主要包括两个部分，分别为从电力现货市场的购电成本 C P 和制氢设备的运行维护成本 C M。1）电力现货市场购电成本(16)其中：为 t 时段电力现货价格。2）制氢设备的运行维护成本(17)其中：C EL 和 C ES分别表示电解槽和电储能的运行维护成本；EL和 ES分别为电解槽和电储能的运行维护成本系数。2.2考虑多重不确定的制氢场站最优运营策略2.2.1信息间隙决策理论信息间隙决策理论（Information gap decision theory,IGDT）通常用于解决含有不确定变量的决策问题。该方法可以帮助决策者在没有掌握不确定参数的具体概率分布情况下，量化参数的不确定性对所要实现的目标的影响，并且在满足期望的最低要求下得到一个满足期望的解20。近年来，信息间隙决策理论在配电网韧性提升21、电网控制22和综合能源系统调度23等领域得到了广泛的应用。下面对信息间隙决策的理论进行简单的接受，假设不确定参数或随机变量为u，其预测为，不确定参数的取值集合为 U，其中：(18)其中：为不确定参数的波动幅度控制参数，。通过 IGDT 可以将确定性模型转化为在特定约束条件下求不确定参数最大波动范围的问题，在 IGDT 模型中，为体现决策者的决策带来的利益不小于期望值，要根据决策的需要设定一个最低预期目标：(19)其中：I0为确定性模型下最优解所获得的收益，为接受度系数，即预期的 IGDT 优化目标和 I0之间的偏差程度。基于 IGDT 的决策模型如下：(20)其中：x 为决策变量；h()和 g()分别为确定性模型中的等式和不等式约束。值得注意的是，当决策目标是成本最小化时，基于 IGDT 做出的决策相应应该为在最大误差范围内，决策者所能接受的最大成本，因此，式(19)将改写为：(21)2.2.3基于随机场景的风电随机出力建模由于 IGDT 只能对单类不确定性进行决策，而本文所研究的可再生能源制氢场站运行策略中，需要同时考虑风电出力的不确定性和现货市场价格的不确定性。因此，本文采用随机场景方法对风电出力的不确定性进行刻画。风电机组的出力的不确定性主要来自于风速的不确定性，假定风速满足 Weibull 分布，其概率分布函数为：(22)其中：v为风速；k和为Weibull分布的分布参数。采用蒙特卡洛抽样方法基于式(22)抽取足够数量的场景，并且采用场景缩减24的方法，筛选出能够代表风速出力不确定性的典型场景。根据各场景下的风速，可以得到风电机组在对应风速下的出力：34VOL.43No.4杨晶等：考虑多重不确定因素的可再生能源制氢场站最优运营策略研究(23)其中：vin、vN和 vco分别为风电机组的切入风速、额定风速和切出风速；Wr为风电机组的额定功率。2.2.2基于 IGDT 的可再生能源制氢场站最优决策模型由于风电机组的出力的不确定性由多个典型的出力场景所表示，假设风电机组出力场景的集合为 S=s1,s2,.,si,.sN，其中 N 为场景总数。则在 2.1 中所介绍的制氢场站运营决策模型中，所有的约束中符号的下标都应加上 s，以表示在各个风电出力场景下，这些约束都应该被满足，式(28)表示基于矩阵向量表示的制氢场站运营决策约束的紧凑形式。根据 2.1 节所建立的确定性决策模型和 IGDT理论。最终，考虑多重不确定性的可再生能源制氢场站的最优决策模型如式(24)-式(28)所示。(24)(25)(26)(27)(28)其中：s,t表示场景 s 下现货市场出清电价与预测电价的误差；Probs为场景 s 的概率；C ac 为可再生能源制氢场站所能接受的最大成本。代表成本接受度系数；、和分别为场景 s 下，现货市场购电成本、电储能的运维成本和电解槽的运维成本；为场景 s 下的现货市场实际电价。由式(24)-式(28)可以看出，基于信息间隙理论模型所得到的决策能够保证可再生能源制氢场站的总成本不高于其最大所能接受的值。3算例分析3.1风电机组出力不确定性建模和现货市场价格预测首先，针对风电机组出力的不确定性，本文采用蒙特卡洛抽样法，假设风电机组的出力满足Weibull 分布，随机抽样产生 1000 组风电出力场景，并且通过场景缩减方法，得到具有代表性的三组场景。如图 3 所示，图 3 仅展示了第 15 日各场景下，各时段的风电机组出力情况，每个场景的概率分别为 0.32、0.37 和 0.31。图 3蒙特卡洛抽样产生的典型风电出力场景（以 24h 为例）图 4现货市场预测电价本文算例分析部分采用的月内各时段现货市场预测价格如图 4 所示。3.2不同风电出力场景的最优运行策略分析35第 43 卷第 4 期能 源 工 程a)场景 1b)场景 2c)场景 3图 5不同场景下不同风电出力场景的最优运行策略可再生能源制氢场站中制氢系统的各项参数可参阅文献 14。由于本文所提出的考虑多重不确定性的可再生能源制氢场站最优运营策略的决策时段较多，总计为 30 天，即 720 小时。为了更加清晰地显示结果，本文仅展示了典型日（第 15日）不同风电出力场景下的月度电量合同分解电量、现货市场购电量及各时段氢气产量，如图 5所示。通常，在电力负荷高峰时段（11 时14 时），电力现货市场的价格偏高，因此可再生能源制氢场站从现货市场购电量降低，月度合同分解电量增加。同时，由于现货市场价格的升高导致产氢成本的提高，因此，在这个时间段内，氢气的产量也偏低。在 14 时16 时，随着现货价格的降低和风电出力的增加，氢气产量逐步提升。而在16 时19 时，虽然在现货市场价格偏低的，可再生能源场站现货市场购电量逐步增加，但由于此时风电机组的出力大幅降低，所以氢气产量逐步降低。在 19 时之后的时段，随着风电机组出力的回升以及现货市场购电量的增加，氢气产量逐步上升。表 1 展示了不同风电出力场景下可再生能源制氢场站的制氢总成本。表 1不同场景下制氢成本场景场景概率制氢成本/元场景 10.32332589场景 20.37303274场景 30.312960843.2不同决策方法下可再生能源制氢场站最优决策为了进一步说明本文所提方法的有效性，将不同决策方法可再生能源制氢场站的结果进行了对比，各类方法如下：（1）不考虑风电机组出力和现货价格的不确定性，即风电机组出力和现货市场价格与其预测值完全一致，可再生能源制氢场站决策采用 2.1节的确定性模型。（2）考虑风电机组出力和现货市场价格的不确定性，采用本文提出的基于随机场景和信息决策理论方法进行决策。（3）考虑风电机组出力和现货市场价格的不确定性，采用 2.1 节的确定性模型进行决策。不同决策方法下的制氢成本如表 2 所示。表 2不同决策方法下的制氢成本方法制氢成本/元成本差/%方法 1258689/方法 2310426+20.00方法 3345537+33.57从表 2 可以看出，在风电机组出力和现货市36VOL.43No.4杨晶等：考虑多重不确定因素的可再生能源制氢场站最优运营策略研究场价格均不存在不确定性时，可再生能源制氢场站可以根据确定性的风电机组出力和现货市场价格决定月度电量合同分解计划和产氢计划，因此制氢总成本最小。在方法 2 中，IGDT 方法所寻求的是在最大可接受的成本下，可再生能源场站对于现货市场价格预测的最大误差，由于在本算例中，成本接受度系数 的取值为 0.2，因此，可再生能源制氢场站所能接受的最大预测误差下的成本自然为确定性决策的 1.2 倍。只要现货市场电价误差预测小于最大误差，可再生能源制氢成本就可以控制在 310426 元以下。在方法 3 中，由于存在不确定性，风电机组的实际出力和现货市场实际价格与预测值存在较大的差异，确定性方法所作出的决策离实际最优决策的距离较大，因此，该方法下的成本比方法 2 更高，从而证明了本文所提出的方法，可以在保证现货市场价格预测值与实际值在最大允许误差之内的前提下，为可再生能源制氢场站提供合理的决策，以控制总成本。4结论随着氢能的不断发展和可再生能源并网容量的逐步提升，可再生能源制氢场站在利用低边际成本的可再生能源制氢的同时，还可以提升风光可再生能源的利用率，多项优势使得可再生能源制氢场站具有广阔的发展空间。在电力市场环境下，可再生能源制氢场站将成为重要的市场主体。而在可再生能源制氢场站参与电力市场时，将会同时面临可再生能源出力和电力市场价格不确定性的多重不确定性因素的影响，这会使得其难以做出最优运营决策。本文基于信息间隙决策理论，构建了可再生能源制氢场站最优运营决策模型。通过算例仿真可以得出，本文所提出的方法可以帮助可再生能源制氢场站在面对多重不确定性时，做出能够将总成本控制在可接受最大成本之下的决策，从而保证其自身基本的经济收益，该方法可为可再生能源制氢场站的运营决策提供有力参考。参考文献1 管煦.氢能：双碳目标下的“终极能源”J.中国工业和信息化,2022,45(5)：18-22.2 国家发改委.氢能产业发展中长期规划(2021-2035年)EB/OL.(2022-03-23)2023-02-15.http：/ 张力,刘俊勇,刘继春,等.火电机组年合同电量的编制与分解算法研究 J.继电器,2007,35(4)：64-69.4 黎灿兵,胡亚杰,赵弘俊,等.合约电量分解通用模型与算法 J.电力系统自动化,2007,31(11)：26-30.5 于继来,王漪.考虑环境指数的火电机组年合同电能月度分解方法 C.秦皇岛：中国高等学校电力系统及其自动化专业第二十七届学术年会,2011.6 邢玉辉,王帮灿,丁文娇,等.计及梯级水量匹配约束的中长期电量合约分解方法 J.云南电力技术,2020,48(3)：21-26.7 赵书强,胡利宁,田捷夫,等.基于中长期风电光伏预测的多能源电力系统合约电量分解模型 J.电力自动化设备,2019,39(11)：13-19.8 张高航,李凤婷.基于风电场运行特性的月度合同电量编制方法 J.中国电力,2019,52(7)：177-184.9 郭鸿业,陈启鑫,钟海旺,等.基于标准化金融交割曲线的现货市场建设路径设计 J.电力系统自动化,2017,41(17)：1-8.10 吴天曈,丁一,尚楠,等.考虑市场力检验的多类机组中长期合约电量联合分解算法 J.电力系统自动化,2021,45(6)：72-81.11 于旭光,李亚鹏,贾泽斌,等.考虑现货市场竞价空间的梯级水电站中长期合同电量分解模型 J.电力系统自动化,2021,45(6)：62-71.12 山东省发展和改革委员会.山东省电力中长期交易规则 EB/OL.(2021-04-30)2023-02-15.http：/ 浙江省发展和改革委员会.浙江省电力中长期规则(2021 年修订版)EB/OL.(2021-12-24)2023-02-15.https：/ 马腾飞,裴玮,肖浩,等.基于纳什谈判理论的风光37第 43 卷第 4 期能 源 工 程氢多主体能源系统合作运行方法 J.中国电机工程学报,2021,41(1)：25-39+395.15 LI J,LIN J,SONG Y,et al.Operation optimization of power to hydrogen and heat(P2HH)in ADN coordinated with the district heating networkJ.IEEE Transactions on Sustainable Energy,2019,10(4)：1672-168316 EL-TAWEEL N A,KHANI H,FARAG H E ZHydrogen storage optimal scheduling for fuel supply and capacity-based demand response program under dynamic hydrogen pricingJIEEE Transactions on Smart Grid,2019,10(4)：4531-454217 KORPAS M,HOLEN A T.Operation planning of hydrogen storage connected to wind power operating in a power marketJ.IEEE Transactions on Energy Conversion,2006,21(3)：742-74918 G K,EK M,KALE C.Techno-economical evaluation of a hydrogen refuelling station powered by Wind-PV hybrid power system：a case study for İzmir-emeJ.International Journal of Hydrogen Energy,2018,43(23)：10615-1062519 FU C,LIN J,SONG Y,et al.Optimal operation of an integrated energy system incorporated with HCNG distribution networksJ.IEEE Transactions on Sustainable Energy,2020,11(4)：2141-215120 BEN-HAIM Y.Information Gap Decision TheoryM.San Diego,CA：Academic 2001.21 陶然,赵冬梅,王浩翔.基于信息间隙决策理论的配电网韧性提升规划方法 J.电力系统自动化,2022,46(9)：32-41.22 刘琪,王守相,赵倩宇,等.基于信息间隙决策理论的下垂控制直流配电网运行参考点优化方法 J.电网技术,2022,46(11)：4381-4391.23 孔德政,张靖,何宇,等.区域综合能源系统 IGDT-MPC 双 层 能 量 优 化 调 度 J.电 网 技 术,2022,46(10)：3970-3979.24 WANG Y,LIU Y,KIRSCHEN D S.Scenario reduction with submodular optimizationJ.IEEE Transactions on Power Systems,2016,32(3)：2479-2480.（责任编辑罗海华）