电力论文哪里有？本文针对考虑源-荷双侧不确定性的电-气综合能源配网的优化问题展开研究，主要工作及结论如下：（1）利用机会约束模型处理风电出力的不确定性，并利用燃气轮机和 P2G 的可灵活快速调节的能力去应对这种不确定性，在这些基础之上，构建了一种电-气耦合能源配网的分布式协调优化模型，并通过 ATC 算法实现了两网优化模型的并行求解，通过案例分析证明了 P2G 和燃气轮机在提高系统经济性、提升不确定性的应对能力等方面的有效性。
1 绪论
1.2 国内外研究现状
随着以风电为代表的可再生能源发电比例的逐渐增大，传统化石能源发电的模式逐渐向清洁低碳化过渡。新一轮能源革命蓬勃发展的同时，能源行业也面临着长久以来没有过的局势，综合能源系统的发展将为可再生能源的消纳、环境问题的改善和经济性的提升等带来契机[1]。同时，随着市场的开放，用户也将越来越多的参与到系统的运行过程中，并在其中发挥至关重要的作用，而由此带来的不确定性问题也将愈加显著，使得具有耦合和互动的不同能源网间的优化运行面临前所未有的挑战。电-气综合能源系统作为综合能源系统的典型代表，更直接面对着源-荷双侧的不确定性威胁。本文将对不确定性因素下电-气综合能源系统优化运行的现状进行分析与阐述，主要有以下几个方面：不确定性的研究现状、综合能源系统优化方法研究现状。
1.2.1 不确定性的研究现状
传统的电力系统以单一的电能作为能源的主要供应形式，在风电等新能源大规模发展的趋势下，电力网面对着越来越沉重的新能源消纳负担与不确定性的威胁。针对目前系统内不确定性问题的日益突出，相关学者以优化方法为立足点从不同的方向出发进行了一些探索，具体地分为随机优化、区间优化以及鲁棒优化等几类。
随机优化以场景法为代表，一般使用随机抽样的方法，生成大量风电可能出力的大量场景，并通过场景削减技术获得最终的典型场景集[2]。文献[3]考虑风电的不确定性，将风电预测出力建模为概率场景集，包括风电出力集合和对应的出现的概率的集合。文献[4]通过蒙特卡洛模拟法抽样生成了 1000 个风电出力的场景，通过场景削减技术使场景数达到预先设定的值，并得到与之相关的场景概率。文献[5]提出了一种基于电-气综合能源系统的随机协调调度模型，该模型考虑了 P2G 存储和风力发电带来的成本上升问题，同时提出了 P2G 参与的天然气系统运行模型，并分析了接入 P2G 的好处。文献[6]进一步利用蒙特卡洛抽样表述可再生能源出力情况，并建立了天然气网和电力网络运行的两阶段随机优化调度模型。但是随机优化的关键在于场景的选取，一般场景数越多，所覆盖的不确定性越全，但随之而来的就是计算负担的增加，削减后的场景又很难保证优化结果的可行性[7]。
3 计及风电不确定性的电-气综合配网的分布式协调优化
3.1 风电不确定性模型
随着风电等新能源技术的不断突破和进步，风电等新能源的装机容量不断提升，并网规模进一步扩大成为必然趋势。随之而来的是源侧不确定性的进一步加剧，而这种不确定性已经不仅仅影响着电力输电系统，靠近用户侧的分布式风电在并网容量进一步提升的趋势下，其不确定性也将深刻影响着配电系统的优化运行，影调次日调度计划，加重配电网灵活性调节的负担，同时，其装机容量的不断提升可能导致最终发电量高于用户负荷水平，导致弃风现象，加重风电等新能源的消纳负担。因此，本文考虑风电不确定性的影响，计及燃气轮机和 P2G 的双向作用，利用燃气轮机弥补风电出力低谷的不足，而利用 P2G 来消纳风电出力高峰富余的风电，提升电-气综合配网灵活性水平的同时，促进分布式风电资源的消纳水平。
风电出力受风速随机性影响，呈现明显的不确定特性，风速与风电出力之间的关系如式(3-1)。从风速的角度出发，风的类型一共包括四种[63]：基本风、阵风、渐变风以及随机风，各种类型风的表达式如式(3-2)~(3-6)。不难看出，若风速出现较大变化，相应地，风电机组的出力也会随之变化，这种不确定的特性，在风电进一步发展的趋势下越来越影响着电力系统的优化运行，影响着调度计划的制定与执行。因此，合理模拟风电出力的不确定性，对于后期进行系统的优化运行与调整调度计划具有重要的意义。为处理这种不确定性，本文针对风电出力的历史数据进行研究，并采用神经网络对于风电出力历史数据进行训练，并预测所需调度周期内的风电出力，同时为表示其出力的不确定性，计及预测误差预的影响。
4 计及双侧不确定性的电-气综合能源配网的分布式协调优化
4.1 需求响应不确定性建模
随着市场的开放和需求响应管理技术的不断发展，电/气负荷越来越成为一种可以灵活调控的资源，并广泛参与到综合能源系统的优化运行中。系统不确定性的来源逐渐从原来的源侧逐渐过渡到源荷双侧。传统仅考虑负荷预测本身的不确定性的模型对于负荷的预测一般比较准确，随着需求响应技术的引入，负荷侧的不确定性越来越受到用户心理等行为影响，传统仅靠预测负荷来处理荷侧不确定性的方法已经不再适用于目前用户广泛参与调度的系统，须对用户响应行为的不确定性做深入的分析。根据文献[66]，目前各国还未有关实时气价需求响应的研究，故本文中气网的需求响应行为参考电网需求响应行为建模，具体地，将负荷分为电力固定负荷（FL）和需求响应负荷/天然气固定负荷（GFL）和天然气需求响应负荷。
4.2 考虑双侧不确定性的电-气耦合配网分布式优化原理
具体到本章所建立的优化模型，耦合变量包括 P2G 对于风电的耗电量、燃气轮机的发电量、可替代负荷响应量，其分布式优化的示意图如图 4-2。
本章采用的算例以第三章为基础，并增加可转移电/气需求响应供应商、可削减电/气负荷供应商、可转换电/气负荷供应商，所接入的位置如图 4-4 所示，具体接入类型如表4-1 所示，各类负荷占总负荷的比例参照文献[66]设计所得，可削减负荷一般指部分民用负荷（洗衣机、采暖制冷设备和洗碗机），可转移负荷一般包括用能时间段比较灵活的负荷（电动汽车、燃气车辆和蓄冷设备），可转换负荷一般包括用户的厨房电器等。
5 结论与展望
风电出力呈现明显的不确定性，深刻影响着电网调度计划的执行，且市场的开放进一步促进着源-荷的互动能力，用户心理行为同样存在着不确定性，在这种趋势下，源-荷双侧的不确定性成为影响调度计划和系统运行的重要因素。本文针对考虑源-荷双侧不确定性的电-气综合能源配网的优化问题展开研究，主要工作及结论如下：
（1）利用机会约束模型处理风电出力的不确定性，并利用燃气轮机和 P2G 的可灵活快速调节的能力去应对这种不确定性，在这些基础之上，构建了一种电-气耦合能源配网的分布式协调优化模型，并通过 ATC 算法实现了两网优化模型的并行求解，通过案例分析证明了 P2G 和燃气轮机在提高系统经济性、提升不确定性的应对能力等方面的有效性。
（2）针对天然气负荷高峰时段天然气井出力不足而导致的切气负荷现象，在电-气综合配网中通过引入储气罐和配合 P2G 来应对这种问题，并通过案例分析证明了储气罐在天然气网优化调度中的独特作用，以及 P2G 在提升系统经济性和缓解天然气网用气压力方面的有效性。
（3）考虑到未来随着市场的不断开放和电力市场的不断激励，用户侧也将自主的参与到综合能源系统的优化运行过程中，本文在考虑风电不确定性的基础上，进一步考虑了需求侧响应资源，将可转换需求响应作为新的耦合资源加入到分布式优化的模型中，对可转移电/气负荷、可削减电/气负荷和可转换电/气负荷分别建立了模型，构建了一种考虑综合需求响应的电-气耦合能源配网的分布式优化模型，并通过 ATC 算法实现两网的优化求解。通过案例分析证明了系统内考虑需求响应在实现负荷曲线削锋填谷和提升经济性方面的独特优势。
（4）进一步地，考虑对可转移电/气负荷、可削减电/气负荷和可转换电/气负荷的不确定性，进行电-气综合配网的分布式优化，通过案例分析证明了在系统中考虑综合需求响应不确定性的必要性。
参考文献（略）
