一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法与流程

本发明涉及综合能源系统优化运行领域，尤其涉及一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法。

背景技术：

在城市和能源的协同发展过程中，为进一步提高能源利用效率，提升能源系统运行的安全性和经济性，需要构建统一的社会综合能源系统，打破各能源系统单独规划和独立运行的固有模式，进行整体设计和运行优化。能源互联网与综合能源系统的概念应运而生。而作为能源互联网的关键节点，综合能源微网由于其灵活的运行方式，受到了广泛的关注。综合能源微网一般涵盖集成的供电、供气、供暖、供冷等能源系统，以及相关的通信和信息基础设施。综合能源微网中，各个能源间从生产、传输到消费的耦合和互动日益增强，其中以热电联产机组、电锅炉等作为能源转换中枢进行电热耦合的综合能源微网应用最为普遍，是能源互联网的主要表现形式之一，也是目前我国分布式能源结构调整的重要方向。

供能可靠性可用于衡量综合能源系统向用户提供不间断的电、气、冷、热等能源的能力，以保证多类型用户的用能需求。对于电热耦合微网，其可靠性评估的结果可表征系统整体的稳定性。在负荷持续增长而供电容量不足的背景下，对系统的供能可靠性评估显得尤为重要。需求响应是用户在电价或激励等政策下主动调整自身的用电行为以获利的一种方式，进一步将单一的电能需求响应扩展为考虑电气热等多种能源类型的综合需求响应，可以实现多能互济与负荷曲线的平缓，进而提升供能可靠性指标。但综合需求响应的引入也需要供电与供热的能源公司付出相应的经济性代价实现对用户的激励，因此需要综合平衡响应后的可靠性提升与经济性代价，设计一种最优的需求响应方案，实现综合考虑可靠性与经济性的电热联合最优需求响应。

技术实现要素：

本发明的目的在于提供一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法，所述电热耦合微网包括微电网、热网和电锅炉，所述微电网中的元件包括电负荷、向电负荷供电的电能母线、分布式光伏、储电装置以及和上级电网相连的联络线；所述热网中的元件包括热能母线、热负荷以及储热装置；所述电锅炉连接所述电能母线和所述热能母线，令电能和热能耦合；包括如下步骤，

s1、建立电热耦合微网中各元件的出力模型；

s2、建立电热联合响应机制；

s3、基于电热联合响应对电热耦合微网进行可靠性和经济性进行评估；

s4、以综合效益最优为目标建立电热联合响应模型；

s5、基于遗传算法求解电热联合最优响应模型。

优选的，所述步骤s1包括如下具体内容，

s11、建立光伏出力模型；统计历史数据得到全年的光照强度序列，结合光照强度与光伏出力的关系式确定全年的光伏出力模型；

s12、建立电、热负荷出力模型；实时的电负荷可通过典型的年-周、周-日与日-小时曲线得到，计算公式为，

lt＝lp×pw×pd×ph(t)

其中，lp为年负荷峰值，pw为与第t个小时对应的年-周负荷百分比系数，pd为对应的周-日负荷百分比系数，ph(t)为对应的日-小时负荷百分比系数；

所述热负荷的全年时序数据通过实际区域的调研获取；

s13、建立储电装置出力模型；所述储电装置的实时运行情况通过充放电功率与荷电状态两个参量表征，其动态模型如下，

其中，ssoc(t)为t时刻储电装置的荷电状态；pces、pdes分别为储电单元的充放电功率；δtηces、ηdes分别为充放电效率；esoc.max为额定容量；

s14、建立储热装置出力模型；所述储热装置的状态变化根据储热容量、输入输出热功率及热损耗计算获得，其计算公式为，

s(t)＝s(t-1)+phs(t)δt-η×s(t-1)

其中，s(t)与s(t-1)分别表示t时刻与t-1时刻的储热容量，phs(t)表示储热装置在t时刻的输出功率，η表示储热装置的储热效率；

s15、建立电锅炉出力模型；所述电锅炉的制热功率的计算公式为，

qeb＝ηebpeb

其中，qeb表示电锅炉的制热功率，ηeb表示热电功率比，peb表示装置的电功率。

优选的，所述步骤s2包括如下具体内容，

s21、建立基于电价的电热联合响应机制；在峰谷时分电价下，用户会自动调整自身的用电行为，将部分峰时用电转移到谷时，以降低用电费用，用户在不同时刻的用电变化量计算公式为，

其中，qon，qmid与qoff分别表示峰、平、谷时段的原始用电量，δqon，δqmid与δqoff分别表示峰、平、谷时段的电负荷改变量，pon，pmid与poff分别表示峰、平、谷时段的电价，δpon，δpmid与δpoff分别表示3个时段的电价改变量，ε为电力价格弹性系数；

综合原始负荷以及分时电价下的负荷改变量，获取采用了基于电价的需求响应机制以后的实时电负荷，

其中，l0(t)与l(t)分别表示实施峰谷电价前后的t时刻的负荷，ton，tmid与toff分别表示用电的峰平谷时段，δton，δtmid与δtoff分别表示3个时段的持续时间；

储电装置作为特殊的电负荷，其将在分时电价下，电价低谷时刻充电，电价高峰时段放电，从而进一步平缓负荷曲线并获得相应收益；对于热负荷基于电价的响应，通过电锅炉与储热的配合，在谷电价时段，电锅炉以最大功率工作，除了供给正常的热负荷外，多余的热量送入储热装置，在峰电价时段，电锅炉与储热装置联合供给热负荷，其中储热装置优先使用；

基于电价的响应，能源公司需要付出应的经济性代价以诱导用户参与响应，也就是峰谷电价实施以后售电收益的变化，计算公式如下，

式中，cpsdr为单次电价响应的费用，pall为峰谷电价实施前的平电价。

s22、建立基于激励的电热联合响应机制；所述基于激励的电热联合响应机制是在尖峰负荷时段或用户可靠性受到影响时，通过提供用户响应的经济奖励，以激励部分用户主动削减负荷，从而保证其余重要负荷的可靠性水平；

对于基于激励的电负荷响应，用户在紧急时刻收到能源公司发出的响应信号后，结合自身的停电意愿确定响应比例，响应模型表示如下

pti＝θki×pt

其中，pti表示响应后的负荷，pt表示原始负荷，ki为能源公司规定的电负荷削减比例，θ表示用户的停电意愿；

对于基于激励的热负荷响应，与电负荷类似，热负荷点收到削减信号后，综合考虑自身的意愿确定热负荷的削减比例，响应模型表示如下

qti＝λhi×qt

式中，qti表示响应后的热负荷；qt表示原始负荷；hi为能源公司规定的热负荷削减比例；λ表示用户的中断供热意愿；

基于激励的响应需要能源公司付出经济性代价，即激励费用，单次激励下的费用计算公式如下

cibdr＝(pti-pt)×tir×e+(qti-qt)×tir×ch

其中，cibdr为单次激励响应的费用，e为单位电量削减后的补偿；ch为单位热量削减后的补偿，tir表示响应时间。

优选的，所述步骤s3具体包括如下内容，

s31、获取初始电负荷、热负荷与光伏的出力曲线；

s32、判断电负荷与热负荷是否参与基于电价的响应，若是，则结合基于电价的响应机制更新电负荷曲线与电锅炉的时序功率，并结合步骤s21中基于电价的响应的计算公式，计算响应费用；若否，则维持之前的电负荷曲线与电锅炉的时序功率不变；

s33、结合各元件的出力模型确定各元件的无故障运行时间；

s34、模拟时钟推进一定时长，并判断是否抽样到故障元件，若是，则执行步骤s35；若否，则执行步骤s37；

s35、对故障元件的故障修复时间进行抽样，判断故障元件是否为上级电网故障，若是，则令微电网以孤岛形式运行，电负荷由光伏和储电装置供应，并执行步骤s38；若否，则执行步骤s36；

s36、故障元件为光伏、储能装置或电锅炉，更新故障元件对应的出力与负荷曲线，并执行步骤s38；其中，光伏故障后其出力为零，储能装置故障后不再参与运行，电锅炉故障后热负荷由储热装置供应；

s37、判断净负荷是否大于联络线容量，若是，则执行步骤s38；若否，则执行步骤s310；

s38、结合光伏和储能装置的实时出力与负荷，判断其是否满足供电平衡，若是，则直接执行步骤s39；若否，则结合步骤s22中基于激励的电负荷响应和基于激励的热负荷响应模型，启动电热负荷的主动削减，并结合步骤s22中的费用计算公式，计算削减费用；若削减后仍无法恢复供电则切除负荷直至供电平衡，并统计缺供电量与缺供热量等可靠性指标，并执行步骤s39；

s39、结合元件出力模型对故障元件新的运行时间进行抽样；

s310、判断步骤s39中的运行时间是否达到规定的模拟时长，若是，则统计电热耦合微网的年缺供电量与缺供热量并结束评估流程；若否，则返回步骤s34。

优选的，步骤s4中以综合效益最优为目标建立电热联合响应模型，其目标函数为

其中，wp表示平均每年基于电价的电热响应总次数，wq表示平均每年基于激励的响应总次数，i与j分别表示当前基于电价与基于激励的响应次数，cpsdr与cibdr分别表示单次电价响应与激励响应的费用；re与rh分别表示年缺供电量与年缺供热量，ωe与ωh分别表示单位电能与热能的能量损失费用。

优选的，对以综合效益最优为目标建立的电热联合响应模型设定约束条件，以实现效益最优，所述约束条件具体如下，

a、功率平衡约束；电热耦合微网的电热出力需要与电热的负荷相匹配，设置所述功率平衡约束如下，

ppv(t)+pbattery(t)+pgrid(t)＝lele(t)

peb(t)+phs(t)＝lheat(t)

其中，ppv(t)为t时刻的分布式光伏出力，pgrid(t)为t时刻的上级电网的供电功率，pbattery(t)为储电装置的实时功率，lele(t)、lheat(t)分别为t时刻的微网内的电、热负荷，phs(t)为t时刻的储热设备出力，peb(t)为t时刻的电锅炉出力；

b、联络线容量约束；微电网内的净负荷不能大于联络线的最大容量，设定所述联络线容量约束如下，

lele(t)-ppv(t)-pbattery(t)＜ccon

其中，ccon表示联络线的最大容量；

c、优化对象的取值范围约束；调整优化对象时，必须保证峰平谷电价的大小关系，同时基于激励的负荷削减比例不能大于1，设定所述优化对象的取值范围约束如下，

poff≤pmid≤pon

0≤ki≤1

0≤hi≤1

d、设备运行约束；所述设备运行约束为储电与储热装置的充放电或充放热功率不能超过最大允许限值，储能的容量必须满足设备容量限制，同时电锅炉的制热功率不能超过设备的最大允许制热功率。

优选的，所述步骤s5具体包括如下内容，

s51、生成初始种群；确定种群规模与个体的初始编码，即每个个体中优化对象的初始取值；

s52、计算满足约束的个体的目标函数；结合可靠性与经济性评估方法计算当前优化对象取值下个体的可靠性指标与响应费用，并根据步骤s4中的目标函数计算种群中每个个体的目标函数值；

s53、最优个体收敛性判断；判断步骤s52中满足约束约束的最优个体是否收敛，若是，则将其解码输出，以作为最优的电热联合响应机制；若否，则执行步骤s54；

s54、子个体选择；结合轮盘赌算法选择个体，计算每个个体的目标函数值，并按正比例形成圆盘，个体的综合效益最大，则该个体在圆盘上的面积越大，通过产生随机数的方式决定哪些个体被选择，保证目标函数更大的个体以较大的概率遗传到下一代；设种群中个体总数为n，个体i的目标函数值为fi，则个体i被选取的几率为，

s55、交叉运算；选择后的子个体中，对目标函数较大的个体，其各个子个体之间根据一定概率进行单点交叉；

s56、变异运算；对交叉后的个体内部，结合变异概率对基因码进行01变换，并返回步骤s52。

本发明的有益效果是：本发明通过介绍电热耦合微网的基本结构以及主要元件的出力模型以及分析电价与激励两种政策下的电热联合响应机制；并在此基础上，提出了考虑电热联合需求响应的微网可靠性与经济性评估方法，以考虑可靠性成本后的整体经济性最优为目标函数，建立电热联合最优响应模型；最终设计基于遗传算法的模型优化求解方法。模型的优化结果证明了本发明所提的最优响应模型可指导能源公司设计合理的响应方案，实现电热耦合微网综合效益的最大化。

附图说明

图1是本发明实施例中所述电热耦合微网的结构示意图；

图2是本发明实施例中最优响应模型的建立方法流程；

图3是本发明实施例中基于电热联合响应对电热耦合微网进行可靠性和经济性评估的流程示意图；

图4是本发明实施例中基于遗传算法的模型求解流程。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

如图1至图4所示，本实施例中提供了一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法，所述电热耦合微网包括微电网、热网和电锅炉，所述微电网中的元件包括电负荷、向电负荷供电的电能母线、分布式光伏、储电装置以及和上级电网相连的联络线；所述热网中的元件包括热能母线、热负荷以及储热装置；所述电锅炉连接所述电能母线和所述热能母线，令电能和热能耦合；包括如下步骤，

s1、建立电热耦合微网中各元件的出力模型；

s2、建立电热联合响应机制；

s3、基于电热联合响应对电热耦合微网进行可靠性和经济性进行评估；

s4、以综合效益最优为目标建立电热联合响应模型；

s5、基于遗传算法求解电热联合最优响应模型。

本实施例中，所述电热耦合微网以微电网和热网为典型代表，通过电锅炉等能源转换设备实现了不同能源类型之间的转化与耦合，结合能源集线器模型，电热耦合微网中，微电网包括电负荷、向负荷供电的电能母线、分布式光伏、储电装置以及和上级电网相连的微电网联络线；热网主要包括热能母线、热负荷以及储热装置；电锅炉通过连接电能母线与热能母线，实现两种能源的耦合。

实施例一

本实施例中，所述步骤s1包括如下具体内容，考虑到微网的时序特征，各主要元件出力模型如下：

s11、建立光伏出力模型；统计历史数据得到全年的光照强度序列，结合光照强度与光伏出力的关系式确定全年的光伏出力模型；

s12、建立电、热负荷出力模型；实时的电负荷可通过典型的年-周、周-日与日-小时曲线得到，计算公式为，

lt＝lp×pw×pd×ph(t)

其中，lp为年负荷峰值，pw为与第t个小时对应的年-周负荷百分比系数，pd为对应的周-日负荷百分比系数，ph(t)为对应的日-小时负荷百分比系数；

所述热负荷的全年时序数据通过实际区域的调研获取；

s13、建立储电装置出力模型；所述储电装置的实时运行情况主要通过充放电功率与荷电状态两个参量表征，其动态模型如下，

其中，ssoc(t)为t时刻储电装置的荷电状态；pces、pdes分别为储电单元的充放电功率；δtηces、ηdes分别为充放电效率；esoc.max为额定容量；

s14、建立储热装置出力模型；所述储热装置的状态变化根据储热容量、输入输出热功率及热损耗计算获得，其计算公式为，

s(t)＝s(t-1)+phs(t)δt-η×s(t-1)

其中，s(t)与s(t-1)分别表示t时刻与t-1时刻的储热容量，phs(t)表示储热装置在t时刻的输出功率，η表示储热装置的储热效率；

s15、建立电锅炉出力模型；所述电锅炉的制热功率的计算公式为，

qeb＝ηebpeb

其中，qeb表示电锅炉的制热功率，ηeb表示热电功率比，peb表示装置的电功率。

实施例二

本实施例中，所述步骤s2包括如下具体内容，

s21、建立基于电价的电热联合响应机制；在峰谷时分电价下，用户会自动调整自身的用电行为，将部分峰时用电转移到谷时，以降低用电费用，用户在不同时刻的用电变化量计算公式为，

其中，qon，qmid与qoff分别表示峰、平、谷时段的原始用电量，δqon，δqmid与δqoff分别表示峰、平、谷时段的电负荷改变量，pon，pmid与poff分别表示峰、平、谷时段的电价，δpon，δpmid与δpoff分别表示3个时段的电价改变量，ε为电力价格弹性系数；

综合原始负荷以及分时电价下的负荷改变量，可以得到采用了基于电价的需求响应机制以后的实时电负荷，

其中，l0(t)与l(t)分别表示实施峰谷电价前后的t时刻的负荷，ton，tmid与toff分别表示用电的峰平谷时段，δton，δtmid与δtoff分别表示3个时段的持续时间；

储电装置作为特殊的电负荷，起降在分时电价下采用“低储高发”策略，即电价低谷时段充电，电价高峰时段放电，从而进一步平缓符合曲线并获得相应的收益。对于热负荷基于电价的影响，主要通过电锅炉与储热装置的配合，在谷电价时段，电锅炉以最大功率工作，除了供给正常的热负荷外，多余的热量送入储热装置，而在峰电价时段，需要电锅炉与储热装置联合供给热负荷，其中储热装置优先使用。

在基于电价的响应下，能源公司需要付出应的经济性代价以诱导用户参与响应，也就是峰谷电价实施以后售电收益的变化，计算公式如下，

式中，cpsdr为单次电价响应的费用，pall为峰谷电价实施前的平电价。结合上式可进行基于电价的响应经济性分析。

s22、建立基于激励的电热联合响应机制；所述基于激励的电热联合响应机制是在尖峰负荷时段或用户可靠性受到影响时，通过提供用户相应的经济奖励，以激励部分用户主动削减负荷，从而保证其余重要负荷的可靠性水平；激励的方式通过供电方与用户指定双向合同提前确定。

对于基于激励的电负荷响应，用户在紧急时刻收到能源公司发出的响应信号后，结合自身的停电意愿确定响应比例，响应模型表示如下

pti＝θki×pt

其中，pti表示响应后的负荷，pt表示原始负荷，ki为能源公司规定的电负荷削减比例，θ表示用户的停电意愿；

对于基于激励的热负荷响应，与电负荷类似，热负荷点收到削减信号后，综合考虑自身的意愿确定热负荷的削减比例，响应模型表示如下

qti＝λhi×qt

式中，qti表示响应后的热负荷；qt表示原始负荷；hi为能源公司规定的热负荷削减比例；λ表示用户的中断供热意愿，范围在0-1之间，满足指数分布；

基于激励的响应需要能源公司付出经济性代价，即激励费用，单次激励响应的费用计算公式如下

cibdr＝(pti-pt)×tir×e+(qti-qt)×tir×ch

其中，cibdr为单次激励响应的费用，e为单位电量削减后的补偿；ch为单位热量削减后的补偿，tir表示响应时间。

实施例三

如图3所示，本实施例中，基于电热联合响应对电热耦合微网进行可靠性和经济性进行评估。结合元件的时序特性与需求响应机制，采用蒙特卡洛模拟进行考虑电热联合响应后的可靠性评估，并计算响应的经济性代表。重点考虑光伏、储电、储热、电锅炉以及上级电网等元件的故障影响，各元件的无故障工作时间与故障修复时间分别服从以设备故障率和修复率为参数的指数分布。

可靠性指标以缺供电量和缺供热量为代表，分别计算需求响应费用。在电负荷快速增长的背景下，既有可能发生电热耦合微网内的净负荷大于联络线容量以至于联络线过载运行而必须切除符合，也有可能因为设备的故障影响电热耦合微网的连通性而导致符合无法正常功能，需要综合考虑以上两种情况。因此，所述步骤s3具体包括如下内容，

s31、获取初始电负荷、热负荷与光伏的出力曲线；

s32、判断电负荷与热负荷是否参与基于电价的响应，若是，则结合基于电价的响应机制更新电负荷曲线与电锅炉的时序功率，并结合步骤s21中基于电价的响应的计算公式，计算响应费用；若否，则维持之前的电负荷曲线与电锅炉的时序功率不变；

s33、结合各元件的出力模型确定各元件的无故障运行时间；

s34、模拟时钟推进一定时长，并判断是否抽样到故障元件，若是，则执行步骤s35；若否，则执行步骤s37；

s35、对故障元件的故障修复时间进行抽样，判断故障元件是否为上级电网故障，若是，则令微电网以孤岛形式运行，电负荷由光伏和储电装置供应，并执行步骤s38；若否，则执行步骤s36；

s36、故障元件为光伏、储能装置或电锅炉，更新故障元件对应的出力与负荷曲线，并执行步骤s38；其中，光伏故障后其出力为零，储能装置故障后不再参与运行，电锅炉故障后热负荷由储热装置供应；

s37、判断净负荷是否大于联络线容量，若是，则执行步骤s38；若否，则执行步骤s310；

s38、结合光伏和储能装置的实时出力与负荷，判断其是否满足供电平衡，若是，则直接执行步骤s39；若否，则结合步骤s22中基于激励的电负荷响应和基于激励的热负荷响应模型，启动电热负荷的主动削减，并结合步骤s22中的费用计算公式，计算削减费用；若削减后仍无法恢复供电则切除负荷直至供电平衡，并统计缺供电量与缺供热量等可靠性指标，并执行步骤s39；

s39、结合元件出力模型对故障元件新的运行时间进行抽样；

s310、判断步骤s39中的运行时间是否达到规定的模拟时长，若是，则统计电热耦合微网的年缺供电量与缺供热量并结束评估流程；若否，则返回步骤s34。

实施例四

本实施例中，步骤s4中以综合效益最优为目标建立电热联合响应模型。电热耦合微网的需求响应在提升可靠性指标的同时也需要付出一定的经济代价，为综合平衡响应的可靠性与经济性，提出一种以综合效益最优为目标的电热联合响应模型，模型的目标函数为

其中，wp表示平均每年基于电价的电热响应总次数，wq表示平均每年基于激励的响应总次数，i与j分别表示当前基于电价与基于激励的响应次数，cpsdr与cibdr分别表示单次电价响应与激励响应的费用；re与rh分别表示年缺供电量与年缺供热量，ωe与ωh分别表示单位电能与热能的能量损失费用。

本实施例中，以综合效益最优为目标的电热联合响应模型，以峰谷时电价pon、pmid、poff和能源公司规定的电负荷削减比例ki、热负荷削减比例hi为优化对象，其会影响符合响应的比例。随着响应比例的提升，电热耦合微网的能量损失费用减少，但能源公司付出的响应费用增加，需要确定合理的响应方案以实现整体的效益最优。因此，对以综合效益最优为目标建立的电热联合响应模型设定约束条件，以实现效益最优，所述约束条件具体如下，

a、功率平衡约束；电热耦合微网的电热出力需要与电热的负荷相匹配，设置所述功率平衡约束如下，

ppv(t)+pbattery(t)+pgrid(t)＝lele(t)

peb(t)+phs(t)＝lheat(t)

其中，ppv(t)为t时刻的分布式光伏出力，pgrid(t)为t时刻的上级电网的供电功率，pbattery(t)为储电装置的实时功率，lele(t)、lheat(t)分别为t时刻的微网内的电、热负荷，phs(t)为t时刻的储热设备出力，peb(t)为t时刻的电锅炉出力；

b、联络线容量约束；联络线起到连接微电网与上级电网的作用，其本身具有一定的传输限制，也就是，微电网内的净负荷不能大于联络线的最大容量，否则需要切除部分电负荷以保证联络线不会过载运行，设定所述联络线容量约束如下，联络线容量约束；

lele(t)-ppv(t)-pbattery(t)＜ccon

其中，ccon表示联络线的最大容量；

c、优化对象的取值范围约束；调整优化对象时，必须保证峰平谷电价的大小关系，同时基于激励的负荷削减比例不能大于1，设定所述优化对象的取值范围约束如下，

poff≤pmid≤pon

0≤ki≤1

0≤hi≤1

d、设备运行约束；所述设备运行约束为储电装置与储热装置的充放电或充放热功率不能超过最大允许限值，储能的容量必须满足设备容量限制，同时电锅炉的制热功率不能超过设备的最大允许制热功率。

实施例五

如图4所示，本实施例中，基于遗传算法的最优响应模型求解方法。选用遗传算法对模型进行求解，其实质是一种生物进化过程的模拟，通过一代代的遗传，使得最终种群中的最优个体收敛与一个最优值。在遗传算法中，表征每个个体的是其染色体，而染色体由若干基因段组成，各个基因段有其独立的属性，对个体的染色体进行二进制编码以便于后续的遗传运算，结合优化对象，将一个染色体分为五个基因段，分别表示峰电价、平电价、谷电价、激励下的电负荷削减比例、激励下的热负荷削减比例；对每个基因段的数据取值即优化对象，采用二进制编码表示，并按顺序排列为染色体，进行后续的遗传运算；设置编码对象的取值范围以满足优化对象的取值范围约束；功率平衡与联络线容量约束在可靠性评估过程中作为前提条件以判断是否削减或切除负荷。则基于遗传算法的模型求解流程如下，(所述步骤s5具体包括如下内容，)

s51、生成初始种群；确定种群规模与个体的初始编码，即每个个体中优化对象的初始取值；

s52、计算满足约束的个体的目标函数；结合可靠性与经济性评估方法计算当前优化对象取值下个体的可靠性指标与响应费用，并根据步骤s4中的目标函数计算种群中每个个体的目标函数值；

s53、最优个体收敛性判断；判断步骤s52中满足约束约束的最优个体是否收敛，若是，则将其解码输出，以作为最优的电热联合响应机制；若否，则执行步骤s54；

s54、子个体选择；结合轮盘赌算法选择个体，计算每个个体的目标函数值，并按正比例形成圆盘，个体的综合效益最大，则该个体在圆盘上的面积越大，通过产生随机数的方式决定哪些个体被选择，保证目标函数更大的个体以较大的概率遗传到下一代；设种群中个体总数为n，个体i的目标函数值为fi，则个体i被选取的几率为，

s55、交叉运算；选择后的子个体中，对目标函数较大的个体，其各个子个体之间根据一定概率进行单点交叉；

s56、变异运算；对交叉后的个体内部，结合变异概率对基因码进行01变换，并返回步骤s52。

实施例六

本实施例中，以某工业园区内的电热耦合微网为例进行分析。

(1)算例概况与基本参数

该工业园区内的电热耦合微网的基本结构如图1所示。光伏机组的装机容量为5.4mw；储电装置额定容量18mwh，最大允许充放电功率1.35mw，充放电效率0.85；电锅炉最大电功率6mw，热电比0.9；储热装置额定容量12mwh，最大充放热功率2.4mw，充放热效率0.9。微网内电负荷峰值20mw，热负荷峰值4.6mw，电热耦合微网联络线的最大容量为16mw。

设定不考虑需求响应时的电价为0.5元/(kw·h)，一天之中，选取11：00—15：00，19：00—21：00为峰时；00：00—07:00为谷时；其余时段为平时，不同时段的价格弹性系数见表1。激励响应方面，削减单位热量的补偿ch为3.2元/(kw·h)，削减单位电量的补偿e为8元/(kw·h)。单位电能与热能的能量损失费用分别为0.8元/(kw·h)与0.6元/(kw·h)。各类设备的可靠性参数见表2。

表1价格弹性矩阵

表2元件可靠性参数

(2)算例结果

目前该工业区已经实施了需求响应，峰时电价0.7元/(kw·h)，平时电价0.5元/(kw·h)，谷时电价0.3元/(kw·h)，电负荷规定削减比例80％，热负荷比例70％。但其响应参数的设定是参考一般的行业取值，并未结合本发明所提模型进行优化求解。

为证明本发明所提的响应模型可实现响应策略的最优，分别对比无需求响应、采用目前的需求响应以及采用优化求解后的需求响应策略三种场景下的年缺供电量re、缺供热量rh、需求响应费用cdr以及综合效益idr，结果如表3所示：

表3不同场景下的可靠性指标与综合效益

表中场景1表示无需求响应，场景2与3分别表示现存的响应策略与优化后的响应策略。在场景3下，采用本发明所提模型优化后的响应方案为：峰时电价0.76元/(kw·h)，平时电价0.47元/(kw·h)，谷时电价0.25元/(kw·h)，电负荷规定削减比例74％，热负荷比例65％。对比可知，优化以后虽然增加了需求响应的投资，但可靠性指标更优，同时考虑可靠性损失与响应费用，优化以后电热耦合微网整体的响应经济性更优，证明了本发明所提模型的有效性。

通过采用本发明公开的上述技术方案，得到了如下有益的效果：

本发明提供了一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法，通过介绍电热耦合微网的基本结构以及主要元件的出力模型以及分析电价与激励两种政策下的电热联合响应机制；并在此基础上，提出了考虑电热联合需求响应的微网可靠性与经济性评估方法，以考虑可靠性成本后的整体经济性最优为目标函数，建立电热联合最优响应模型；最终设计基于遗传算法的模型优化求解方法。本发明中的模型优化结果证明了所提的最优响应模型可指导能源公司设计合理的响应方案，实现电热耦合微网综合效益的最大化。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。