多园区综合能源系统分布式协同优化调度方法

1.本发明属于综合能源系统技术领域，涉及一种多园区综合能源系统分布式协同优化调度方法及系统，尤其是源荷不确定情况下的园区综合能源系统分布式协同优化调度方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.在能源危机和环境恶化的时代背景下，综合能源系统(integrated energy system,i es)耦合多种异质能流，实现对能源的灵活利用和效益提升，是实现能源转型的强有力手段。按照应用和地理规模，园区级的综合能源系统可良好适应当地的资源和用能特点，不同园区的资源配置及用能特性不同，通过相互间的协调互联运行，构成多园区综合能源系统，可有效提高供能效率与可靠性。但多园区综合能源系统具有多主体、强耦合的特点，不仅需要考虑每个园区内部多类型能流的转化，而且也需要考虑各园区之间的多类型能源交互，因此对其开展优化调度具有很大困难。
4.然而，目前的相关研究大多为确定性的优化调度，忽略了源荷的不确定性对系统造成的影响，原有的确定性优化不再适用，因此不仅需要考虑系统的经济性，还需计及系统的鲁棒性，两者缺一不可。同时，在兼具鲁棒性和经济性的前提下，对于多个主体合作下合理的利益再分配问题也少有涉及。


技术实现要素：

5.本发明为了解决上述问题，提出了一种多园区综合能源系统分布式协同优化调度方法，本发明可以实现整体系统运行经济性和鲁棒性平衡的同时兼顾各园区的隐私和利益。
6.根据一些实施例，本发明采用如下技术方案：
7.一种多园区综合能源系统分布式协同优化调度方法，包括以下步骤：
8.建立多园区综合能源系统确定性模型，施加约束条件；
9.确定园区综合能源系统内的源荷不确定变量变化范围，构建不确定集合进行表征；
10.基于确定性模型，结合源荷的不确定性，构造园区综合能源系统的两阶段鲁棒优化调度模型，以园区间的交互能源作为第一阶段决策变量，将源荷不确定性集合带入第二阶段当中，以园区内部设备出力和外网购能作为第二阶段的决策变量；
11.将模型拆分为外层主问题和子问题，并将外层子问题拆分为内层的主、子问题，迭代求解内层主、子问题直到收敛，再进行外层主子问题的迭代，直至满足收敛条件，计算出最优解；
12.对不同园区之间进行协同优化，基于非对称纳什议价理论拆分为社会效益最大化
子问题和利益分配子问题，对两个子问题进行求解，得到最终调度方案。
13.作为可选择的实施方式，建立多园区综合能源系统确定性模型的具体过程包括：
14.所述确定性模型目标函数为各个园区的运行成本之和最小，所述运行成本包括独立运行模式下购能成本、设备的运行维护成本以及碳交易成本和互联运行下与其他园区之间的能源交易成本以及过网费用；
15.所述约束条件包括设备出力约束、能量平衡约束和联络线传输功率约束。
16.作为可选择的实施方式，确定园区综合能源系统内的源荷不确定变量变化范围的具体过程包括应用盒式不确定集来对风电光伏、冷热电负荷进行描述，且风机和光伏在时间上的相关性利用pearson相关系数的时间相关性约束模型表示。
17.作为可选择的实施方式，基于确定性模型，结合源荷的不确定性，两阶段鲁棒优化调度模型的第一阶段为园区的过网费用，优化园区间的交互功率值；模型第二阶段以第一阶段的交互功率值为基础，求解园区内的优化调度策略及最恶劣的场景，当第一阶段交互量均为0时，则为各园区在不确定性情况下的独立鲁棒模型。约束包括交互功率约束、内部的等式约束以及限定内部决策变量的非负性的约束。
18.作为可选择的实施方式，采用改进的嵌套式ccg算法进行求解，将模型拆分为外层主问题和子问题，求解外层主问题得到园区间的交易电热量，并更新算法下界；外层子问题为max-min双层优化问题，该问题为双层混合整数线性规划问题，常规的将双层转化为单层方法失效，借鉴ccg算法思想，将外层子问题拆分为内层的主、子问题，迭代求解内层主、子问题直到收敛，从而得到max-min双层优化问题的解。
19.作为可选择的实施方式，对不同园区之间进行协同优化的具体过程包括园区间的耦合体现在互联功率以及交易价格之上，引入一致性变量实现耦合变量的解耦。
20.通过电热能源的交易量构建贡献度函数来对议价能力进行量化，得到各园区在优化时的总提供能量值和总获得能量值，构建各园区的贡献度函数，将贡献度函数添加到纳什议价表达式中，得到多园区的非对称纳什议价收益分配模型，并经相关转化等效为社会效益最大化子问题和利益分配子问题。社会效益最大化子问题目标为不确定变量在最恶劣情况下的整体利益最优即各个园区的运行目标之和，其耦合变量仅为交互的电热功率值，各园区迭代优化求解，直到满足其收敛条件，得到各园区的优化调度计划和交互的电热量。利益分配子问题目标为平衡和优化各方利益，实现合作收益的合理分配，通过对各园区的迭代求解，得到各园区的能源交互价格，最终确定各园区的成本。
21.一种多园区综合能源系统分布式协同优化调度方法，包括：
22.确定性模型构建模块，被配置为建立多园区综合能源系统确定性模型，施加约束条件；
23.不确定性考虑模块，被配置为确定园区综合能源系统内的源荷不确定变量变化范围，构建不确定集合进行表征；
24.优化调度模型构建模块，被配置为基于确定性模型，结合源荷的不确定性，构造园区综合能源系统的两阶段鲁棒优化调度模型，以园区间的交互能源作为第一阶段决策变量，将源荷不确定性集合带入第二阶段当中，以园区内部设备出力和外网购能作为第二阶段的决策变量；
25.求解模块，被配置为将模型拆分为外层主问题和子问题，并将外层子问题拆分为
内层的主、子问题，迭代求解内层主、子问题直到收敛，再进行外层主子问题的迭代，直至满足收敛条件，计算出最优解；
26.协同优化模块，被配置为对不同园区之间进行协同优化，基于非对称纳什议价理论拆分为社会效益最大化子问题和利益分配子问题，对两个子问题进行求解，得到最终调度方案。
27.一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述方法中的步骤。
28.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述方法中的步骤。
29.与现有技术相比，本发明的有益效果为：
30.本发明通过构建两阶段鲁棒优化模型以应对源荷的不确定性，并采用嵌套ccg算法进行求解，解决内层子问题在含0-1变量时无法直接转化为单层子问题的难点；对于不同园区之间通过电热多能互联的模型，基于非对称纳什议价理论拆分为社会效益最大化子问题和利益分配子问题，且能够实现完全分布式的求解，保护了各参与主体的隐私和利益，实现了系统整体的经济性和鲁棒性平衡。
附图说明
31.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
32.图1为本发明实施例一多园区综合能源系统结构图；
33.图2为本发明实施例一园区综合能源系统两阶段鲁棒优化求解嵌套ccg算法的流程图；
34.图3为本发明实施例一多园区综合能源系统分布式协同求解流程图；
35.图4为本发明实施例一各园区的分布式算法迭代求解曲线图；
36.图5为本发明实施例一园区间交互电热功率图；
37.图6为本发明实施例一园区的最恶劣场景图；
38.图7为本发明实施例一园区间交易电热能价格图；
39.图8为本发明实施例一各园区综合能源系统电能调度策略图；
40.图9为本发明实施例一多园区综合能源系统热能调度策略图。
具体实施方式
41.下面结合附图与实施例对本发明作进一步说明。
42.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
43.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
44.实施例一
45.一种基于两阶段鲁棒的多园区综合能源系统分布式协同优化调度方法，其中所描述的多园区综合能源系统由三个园区级的综合能源系统组成，各园区间可进行电能和热能的共享交易，每个园区由可再生能源、能源转化设备、能量存储设备及外部能源端口组成，系统整体架构如图1所示。通过本实施例所述的优化调度方法实现源荷不确定性情况下分布式求解，得到各园区的调度策略，兼顾了模型的鲁棒性和经济性，并对多能协同交互的各园区主体合作剩余收益进行了合理分配。
46.1、多园区综合能源系统确定性模型
47.1.1目标函数
48.本实施例所提常规确定性模型的目标函数为整体成本的最优即各个园区的运行成本之和最小，其表达式如下：
[0049][0050]
式中，n为园区的个数，f
ico
为互联运行下园区i的成本。
[0051]
各园区的运行成本由独立运行模式下购能成本、设备的运行维护成本以及碳交易成本和互联运行下与其他园区之间的能源交易成本以及过网费用构成，其表达式如下：
[0052][0053]
式中，c
i,buy
为园区i的购能成本，为园区i的碳交易成本，c
i,om
为园区i中各设备的运行维护成本，c
i,ex
为园区i的能源交易成本和c
i,net
为园区i的过网费用，f
ino
为园区i的独立运行成本。
[0054]
购能成本为园区从外部电网的购电成本与外部天然气网的购气成本之和，其表达式如下：
[0055][0056]
其中，分别为t时刻的购电价格和购气价格，分别为t时刻购电功率和购气功率。
[0057]
碳交易由碳排放配额、实际碳排放量和碳排放权交易三部分组成，排放源由外网购电、燃气轮机以及燃气锅炉构成。
[0058][0059]
式中，为固定碳交易价格，为当日碳排放配额，为当日实际碳排放量。
[0060][0061][0062]
式中，λe、λh分别为单位产电量和产热量的碳配额系数，电量折算成热量后燃气轮
机与燃气锅炉的等效供热量排放相近，c
eh
为电量与热量的折算系数；εe、εh分别为单位产电量和产热量的碳排放系数。
[0063]
园区内各个设备的运行会对设备造成一定的损耗同时还需对设备进行为维修养护等，将其统一折算成各设备运行维护成本。
[0064][0065]
其中，k
trans
、k
chp
、k
pv
、k
wt
、k
gb
、k
ec
、k
ac
、k
bat
、k
tes
、分别为外网购能变压器、燃气轮机、风机、光伏、燃气锅炉、电制冷机、吸收式制冷机，蓄电池和储热装置的单位运行维护成本，其单位为元/kw，功率以设备的输入端为准。
[0066]
园区i与其他园区进行交易的费用，包括电能交易以及热能交易。
[0067][0068]
式中，ωi为与园区i进行互联的园区的集合，和为园区i在t时刻期望与互联的园区j交互的电功率量和热功率量，其值为正时表示园区i从园区j购能，其值为负时表示园区i向园区j售能，和分别为对应的交互电热能价格。值得注意的是，由于能源交易行为仅在内部进行，交易成本相互抵消，其总和为0即内部平衡，因此在求整体成本时，可不考虑交易成本。
[0069]
园区之间进行能量传输的过程即过网,需要根据传输功率量和传输距离缴纳一定的费用，由交易双方进行分摊，
[0070][0071]
式中，和分别为t时刻园区i与园区j交互电能和热能的单位过网费用，其与园区间的传输距离有关。
[0072]
1.2约束条件
[0073]
(1)设备出力约束：
[0074]
(a)燃气轮机
[0075][0076][0077][0078][0079]
式中，和分别为t时刻园区i燃气轮机的产电功率和产热功率，为t时刻燃气轮机消耗的天然气量，η
i,chp,e
和η
i,chp,h
分别为相关的产电和产热的效率。和分别为园区i燃气轮机产电功率上下限，和分别为园区i燃气轮机产热功率上下限。
[0080]
(b)燃气锅炉
[0081][0082][0083]
式中，和为t时刻园区i燃气锅炉的产热功率和耗气功率，η
i,gb,h
为燃气锅炉的产热效率，和分别为园区i燃气锅炉产热的最大和最小产热功率。
[0084]
(c)电制冷机
[0085][0086][0087]
式中，和分别为t时刻电制冷机的制冷功率和耗电功率，η
i,ec
为电制冷机的制冷系数；和分别为电制冷机的最小和最大制冷功率。
[0088]
(d)吸收式制冷机
[0089][0090][0091]
式中，和为吸收式制冷机的制冷系数，η
i,ac
为吸收式制冷机的制冷系数，和分别为吸收式制冷机的最小和最大制冷功率。
[0092]
(e)蓄电池
[0093][0094][0095][0096][0097][0098][0099]
式中，为t时刻的蓄电池储能量，δ
i,e
蓄电池的自损耗系数，和分别为t时刻的充电和放电功率，η
i,e,ch
和η
i,e,dis
分别为蓄电池的充电和放电效率，和分别为蓄电池的最小和最大的储能容量，和分别为充电和放电的最大功率，和为充电的状态标志位，和分别为蓄电池的初始储能容量和最终储能容量。
[0100]
(g)蓄热装置
[0101][0102][0103]
[0104][0105][0106][0107]
式中，为t时刻的蓄热装置储能量，δ
i,h
为蓄热装置的自损耗系数，和分别为t时刻的充热和放热功率，η
i,h,ch
和η
i,h,dis
分别为蓄热装置的充热和放热效率，和分别为蓄热装置的最小和最大的储能容量，和分别为充热和放热的最大功率，和为充热的状态标志位，和分别为蓄热装置的初始储能容量和最终储能容量。
[0108]
(2)联络线传输功率约束
[0109]
(a)外网购能约束
[0110][0111][0112]
式中，和分别为t时刻园区i从外部购电功率和购气功率，和分别为园区i从外部购电和购气的最大功率。
[0113]
(b)园区间交互功率约束
[0114][0115][0116][0117][0118][0119][0120]
式中，和为园区i与园区j之间交互的电能量和热能量，其值为正时表示园区i从园区j购能，其值为负时表示园区i向园区j售能，对端主体电热能交互量互为相反数，和分别为对应交互的电热能的交易价格，园区间的电、热交易价格相等，和为园区i与园区j之间电能和热能的最大交互量。
[0121]
(3)能量平衡约束：
[0122][0123][0124][0125]
式中，和分别为园区i在t时刻的电、热、冷负荷，其中为
园区i与外部其他园区进行电能交易的量，为园区i与外部其他园区进行热能交易的量。
[0126]
至此，建立了多园区综合能源系统的确定性低碳调度模型，然而源荷预测数据存在随机性，需要考虑不确定性情况下的优化调度，使系统具备更强的鲁棒性。
[0127]
2、多园区综合能源系统两阶段鲁棒优化调度模型
[0128]
2.1源荷不确定集
[0129]
系统内的可再生能源出力以及负荷具有较大不确定性，难以反映源荷不确定性对系统造成的影响。计及源荷的不确定性，应用盒式不确定集来对风电光伏、冷热电负荷进行描述，具体表达式如下：
[0130][0131][0132][0133][0134][0135]
其中，di为园区i的不确定参数集合，和分别为园区i可再生能源即风电和光伏变量的预测出力和实际出力，和分别为冷热电负荷的预测值和实际值，和分别为辅助变量，为源荷上下波动的功率范围，γ
i,d
为不确定度值，描述源荷的不确定性的程度，按不确定时段数占总的时段数可得到不同不确定度的比例。
[0136]
通常，风机和光伏在时间上存在一定的相关性，pearson相关系数的时间相关性约束模型如下所示：
[0137][0138][0139][0140][0141][0142][0143]
式中，分别为相邻时段的偏差的变化标志，为时间相关性的总不确定性度，其值越小则代表时间相关性越大，鲁棒保守性越低。
[0144]
2.2园区综合能源系统两阶段鲁棒优化模型与求解
[0145]
对于建立的多园区确定性模型，结合源荷的不确定性，建立其多园区的两阶段鲁棒优化模型，其目标函数表达式如下：
[0146][0147]
其中，对于每个园区而言其为两阶段鲁棒优化模型，即f
ico
，系统目标为各园区在源荷不确定情况下的目标之和，并以园区i为例进行说明。园区两阶段鲁棒模型第一阶段为园区的过网费用，优化园区间的交互功率值；模型第二阶段以第一阶段的交互功率值为基础，求解园区内的优化调度策略及最恶劣的场景，当第一阶段交互量均为0时，则为各园区在不确定性情况下的独立鲁棒模型，即f
ino
。
[0148]
为方便描述将园区的两阶段鲁棒优化模型简化为其矩阵形式：
[0149][0150]
s.t.cyi≤gi[0151]
axi+bdi+dyi＝ci[0152]
exi+fzi≤hi[0153]
xi≥0
[0154]
式中，yi为园区i第一阶段决策变量，即电热交互量；di为不确定参数，包括风电、光伏及冷热电负荷；xi为第二阶段的决策变量，表示园区的能量调度策略。约束第一项为交互功率约束，第二项为内部的等式约束，第三项为相关的不等式约束，其中zi为0-1变量，表示储能的充放状态，最后一项不等式约束限定了内部决策变量的非负性。
[0155]
2.3基于嵌套ccg算法的两阶段鲁棒优化问题求解
[0156]
园区的两阶段鲁棒优化模型为一个min-max-min三层优化问题，难以直接求解。采用改进的嵌套式ccg算法进行求解，将模型拆分为外层主问题和子问题，外层主问题表达式如下：
[0157]
mina
t
yi+γi[0158]
s.t.cyi≤gi[0159][0160][0161][0162][0163]
其中，ξi为引入的辅助变量用以表征第二阶段的目标函数最大值；k为迭代的次数，为第l次迭代对应的第二阶段决策变量，为第l次迭代时子问题求解出的不确定变量最恶劣场景，在主问题中为定值。通过求解主问题，得到园区间的交易电热量，并更新算法下界lb
out
＝a
t
yi+γ。
[0164]
外层子问题为max-min双层优化问题，该问题为混合整数线性规划问题，借鉴传统的ccg算法思想，将外层子问题拆分为内层的主、子问题，迭代求解内层主、子问题直到收敛，从而得到max-min双层优化问题的解，具体表达式如下：
[0165]
内层主问题的求解模型如下：
[0166]
maxξi[0167]
[0168][0169][0170][0171][0172][0173][0174]
其中，ξi为引入的辅助变量，表示内层子问题的最优割目标值，k为目前所有的迭代次数，对应k组0-1变量场景，为传递给第二阶段的第一阶段的决策变量值，为内层主问题第r次迭代时的决策变量，为第r次迭代时内层子问题得到的最优解；和为对偶变量，并且对于式中的互补松弛条件，由于存在非线性项，采用大m法进行等价的线性化处理，转化形式如下：
[0175][0176][0177]
其中，m为一个很大的正数，为0-1辅助变量。
[0178]
通过求解内层主问题，得到不确定变量的值更新内层子问题的上界ub
in
＝θ，并将得到的不确定场景带入到内层子问题当中，具体求解模型如下：
[0179]
minb
t
xi[0180][0181]
exi+fzi≤hi[0182]
xi≥0,zi∈{0,1}
[0183]
内层子问题sps求解主问题得到的不确定场景下的第二阶段优化问题，获得关于储能状态的最优解及决策变量并更新下界若ub
in-lb
in
≤ε
in
则表示算法收敛停止迭代，并更新外层子问题的目标值下界否则重复进行主子问题的迭代求解。当算法收敛并获得最优解时，即获得第二阶段问题中的最恶劣场景，之后的步骤与基本的ccg算法一致，进行外层主子问题的迭代，上下界不断逼近直到满足ub
out-lb
out
≤ε
out
。
[0184]
嵌套ccg算法的求解流程图如图2所示。
[0185]
3基于两阶段鲁棒的多园区分布式协同优化求解
[0186]
3.1耦合量解耦
[0187]
园区间的耦合体现在互联功率以及交易价格之上，通过引入一致性变量实现耦合变量的解耦，引入的一致性变量表达式如下：
[0188][0189]
[0190][0191][0192]
其中，和分别为园区i与园区j之间交互电能和热能的一致性变量，由于交互功率具有正买负卖的特点，因此其在对端时添加负号；和分别为电能交易价格和热能交易价格一致性变量。
[0193]
3.2基于纳什议价多园区的分布式协同求解
[0194]
本实施例通过电热能源的交易量构建贡献度函数来对议价能力进行量化。首先得到各园区在优化时的总提供能量值和总获得能量值具体表达式如下所示：
[0195][0196][0197]
然后构建各园区的贡献度函数，具体表达式如下：
[0198][0199]
其中，和分别为各园区所能提供和接收电热能的最大值。议价值始终非负，在不存在能量共享下，议价值为0即无利益分配环节。
[0200]
最后，将贡献度函数添加到纳什议价表达式中，得到多园区的非对称纳什议价收益分配模型，其表达式如下：
[0201][0202][0203]
其中，f
ico
为参与合作博弈的效用函数，为议价策略，n为参与议价的主体数量也即园区总数，f
ino
为参与主体合作前的效益，也即合作博弈当中的谈判破裂点，需要满足各主体合作前后效益的提升约束。
[0204]
当上式取得最大值时满足下式：
[0205][0206]
由于总的交易成本满足内部平衡，即因此交易成本可以省略。令带入等价表达式中并对其取对数，则目标函数可转化为：
[0207][0208]
由于f
ino
为参与主体独立运行的成本可视为已知量，同时由于自然对数函数的严格单调递增特性，始终大于0，原式可等价表示及转化，具体如下：
[0209][0210]
上式即为社会效益最大化子问题，目标为不确定变量在最恶劣情况下的整体利益最优即各个园区的运行目标之和，其耦合变量仅为交互的电热功率值。对于社会效益最大化子问题园区i的迭代优化求解过程如下：
[0211][0212][0213][0214][0215][0216]
其中，目标函数由园区的两阶段鲁棒模型以及关于耦合变量的惩罚项组成，k为迭代次数，和分别为第k次迭代时对应于交互电能和热能耦合约束的对偶变量，ρ1为整体效益最优问题的惩罚因子。
[0217]
对于迭代的终止条件也可以由各园区独立判定，各园区的子问题的求解需要满足其原始残差和对偶残差的要求：
[0218][0219][0220]
子问题不断进行迭代求解，直到满足其收敛精度，得到各园区的优化调度计划和交互的电热量。在得到整体效益最优的结果后对原非对称目标函数式取对数，得到收益分配子问题：
[0221][0222]
式中，决策变量为交易的电热价格，该问题可同样采用分布式admm方法进行求解，进而实现对各园区的交易剩余价值合理分配。其迭代求解过程如下：
[0223]
[0224][0225][0226][0227][0228]
其中，为收益分配子问题的决策变量，包含交易电价和交易热价，ρ2为对应于收益分配子问题的惩罚因子，其迭代终止条件与社会效益最大化子问题一致。
[0229]
多园区协同的整体求解过程如图3所示。
[0230]
至此，建立了基于两阶段鲁棒的多园区分布式协同优化模型，采用并行式admm算法和嵌套ccg算法进行求解，算法中的各园区内部问题求解通过cplex和mosek求解器实现。为验证在多园区综合能源系统中进行多能互联、考虑源荷不确定性及各园区互联下的收益提升与分配的优势，特设置以下四个场景进行分析：
[0231]
场景一：计及源荷不确定性，各园区电热联合运行，分布式求解。
[0232]
场景二：计及源荷不确定性，各园区电热联合运行，集中式求解。
[0233]
场景三：不计及源荷不确定性，各园区电热联合运行，分布式求解。
[0234]
场景四：计及源荷的不确定性，各园区独立运行，单独求解。
[0235]
不同场景下的系统总体优化调度结果如表1所示。
[0236]
表1不同场景下总体优化调度结果
[0237][0238]
(1)不同求解方法的结果分析
[0239]
对比场景一和场景二的优化结果可知，集中式方法与分布式方法得到的系统总成本基本一致，分布式方法较集中式方法成本略高2.25元，误差仅为0.0026％，符合求解的精度要求。以场景一为例分析，购能成本为主要的成本项，占比达到94.47％，过网费和运行维护成本占比为0.24％和6.60％。由于引入碳交易机制，系统优先使用天然气来满足负荷要求，系统的环保性要求得以保证，碳排放量为90.31吨，碳交易成本为负值，总成本降低了1.31％。
[0240]
集中式方法需要收集每个园区的内部全部数据，而分布式方法仅需园区间的交互功率信息，考虑了各主体的差异化利益诉求及隐私保护。分布式算法能够满足准确度和隐
私性的要求，具有更强的合理性，算法社会效益最大化子问题的迭代求解过程如图4所示，得到的各园区间的电热能交互功率情况如图5所示。
[0241]
由图4可看出，迭代初期各园区主要以成本项为目标进行优化，一定程度上忽略了园区间的耦合约束。随着迭代次数增加，耦合约束惩罚项重要性逐渐提升，促进交互功率满足耦合约束，各园区的成本目标值逐渐收敛，在76次迭代时满足收敛性的要求。分布式求解的总成本也达到收敛，与集中式方法得到的结果一致。各园区的成本值变化趋势不同，这也体现了各园区之间的博弈过程。
[0242]
由图5可看出，各园区可通过电能和热能交易进行合作，在不同时段实现电能和热能的出售与购入。园区1在日间负荷较高，夜间负荷较低，同时其风电出力在夜间出力也较高，在日间从园区2和3进行购能，夜间进行售能；园区2和3交互电能趋势基本一致并与园区1趋势相反，园区2日间热负荷量大，会从其他园区购热，其余各时刻均以用能最优进行园区间的能量交互。3种能量的各时段的交互量总和均为0，满足内部的能量平衡要求。
[0243]
(2)是否考虑源荷不确定性结果分析
[0244]
为验证构建的两阶段鲁棒优化模型的有效性，将场景一和场景三进行源荷数据以及失负荷量的对比分析。通过对场景一的求解得到各园区的源荷最恶劣场景，以园区1的结果为例，其两阶段鲁棒调度最恶劣场景如图6所示，其中(a)、(b)、(c)和(d)分别为电负荷、热负荷、冷负荷及光伏的场景。采用盒式不确定集处理源荷参数，其不确定度值的选取将会很大程度上影响优化的结果，以不确定变量的变化区间内随机抽取300个场景，计算各场景下总体失负荷量的均值作为评价指标，以表示系统风险，不同不确定度比例下的系统运行成本及失负荷量如表2所示。
[0245]
对比场景一和场景三的优化结果与源荷最恶劣场景可知，计及源荷的不确定性，系统总成本会有显著的提升，这主要是因为系统从外部购能量的提高，系统备用容量提升，可靠性增强。光伏在10-15时段即产电量较高时取最小值，各负荷在价格和用能高峰取最大值，符合最恶劣场景的内涵。
[0246]
表2不确定度比例的灵敏度测试结果
[0247][0248][0249]
由表2可看出，不确定度比例为0时，两阶段鲁棒优化与确定性优化的结果一致。随不确定度比例增大，在日前调度中会考虑到更多时段的源荷情况，运行成本增加，但风险降
低，鲁棒性更强，调度方案更为保守。不确定度比例为1时，失负荷量为0，此时调度方案最为保守。高可靠性带来高成本投入，但高风险能带来高回报，在实际调度中，决策者应综合考虑经济性和鲁棒性，依据实际情况衡量取舍，设置合理的不确定度值以应对源荷的不确定性。
[0250]
(3)利益分配结果分析
[0251]
通过场景一和场景四的对比可知，互联运行较独立运行总成本降低了3583.02元，达到成本的4.1％。各园区通过电热互联合作，从外部电网和天然气网的购能量减少，碳排放量减少，因而购能成本和碳交易成本降低，多能的互联进一步提升了各园区的设备利用率，因而其运行维护成本有所上升。相较于独立运行，园区间的能量交互需要缴纳一定的过网费用，但其数值较小，综合各项成本，总成本降低。可见，园区间相互合作，互为备用，可提高整体用能水平。针对各园区，由利益分配子问题得到的园区间电热交易价格如图7所示，其非对称纳什议价利益分配结果如表3所示。
[0252]
由图7可知，园区间的交易电能议价价格在各个时段均低于外部电网价格，热能议价价格也处于一个较低的水平。因此，在各园区的内部能源不足时，首先会从其他能源充足的园区进行购能，然后再向上级能源网络进行购能，交易双方都能从中获得更好的收益，实现运行成本的降低。因而，各园区可以依据得到的交互能量功率和价格确定交易成本，实现各园区的利益分配得到其最终的成本。
[0253]
表3多园区互联利益分配情况单位：元
[0254][0255]
由表3可知，各园区的交易成本有正有负，交易成本的总和为0，符合能源交易内部平衡的要求。园区1的能源交易成本为负，表示其向其他园区出售能量较多，其最终成本降低。园区2的能源交易成本为正，表示其从其他园区购买能量较多，其总成本有所上升，园区3亦如此。由于交易能源价格低于外网购能，园区间多能交互协同进一步优化了园区调度策略，各园区的最终成本均低于独立运行的成本，成本减少的比例分别为7.6％、4.1％和1.2％，各个园区能够积极的参与到合作当中。减少的成本依据交易电能和热能的综合贡献度来对分配，相较于标准形式的纳什议价各园区的成本降低一致，该方法能够
[0256]
体现各园区在合作当中起到的作用差异，实现利益的公平合理分配。
[0257]
下面以场景一为例，具体分析求解得到的各园区综合能源系统的调度策略，进一步验证所得结果的合理性。
[0258]
图8为场景三下的电能调度策略，其中的(a)、(b)、(c)分别对应园区1、2、3。在调度周期内的任意时刻，各园区均满足电能的供需平衡，各园区的电负荷主要由可再生能源和燃气轮机满足，不足部分由园区交互电能、大电网购电和蓄电池满足。其优化调度策略主要受分时电价的影响，各园区的大电网购电均集中于电价谷时，蓄电池在此时段进行充电，在电价高峰和用能高峰时进行放电，起到良好的削峰填谷的作用。以园区1为例，在0:00-6:00和23:00-24:00时段，其电负荷值及电价较低时从电网购电和进行储能，充分利用此时的风电并向其他园区售电；在11:00-16:00时段负荷水平较高，主要以燃气轮机产电为主，蓄电池放电并向其他园区购电；在18:00-22:00时段负荷水平较低而电价较高，充分利用储能和可再生能源，并向其他园区售电。对于其他园区的调度策略分析与上述分析类似，在此不再赘述。
[0259]
图9为场景三下的热能调度策略，其中的(a)、(b)、(c)分别对应于园区1、2、3。在调度周期内的任意时刻，各园区均满足热能供需平衡，各园区的热负荷由燃气轮机、燃气锅炉、蓄热装置以及园区间的交互热能提供。在园区1中，1：00-6:00时段和23:00-24:00，热负荷主要由燃气锅炉满足，蓄热装置释放一定的热能，此时负荷水平较低可向其他园区售热；7:00-22:00时段，热能主要由燃气轮机提供，结合其他园区的用能差异，存在一些交互热能行为，并向吸收式制冷机提供热能。其他时间段和园区2、3的调度策略与上述分析同理，在此不再赘述
[0260]
各园区的冷负荷供能形式较为简单，基于分时电价，电价高峰时冷负荷全部由吸收式制冷机满足，在平时段和谷时段则全部由电制冷机满足，因此不再对各园区的冷能调度计划单独分析。
[0261]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。