郭玥彤

第49卷第1期电力系统保护与控制Vol.49No.1

2021年1月1日PowerSystemProtectionandControlJan.1,2021

DOI:10.19783/.200167

计及电气热综合需求响应的区域综合能源系统优化调度

张涛1,2，郭

玥

彤1,2，李逸鸿1,2，余利1,2，章佳莹3

(1.三峡大学电气与新能源学院，湖北宜昌443002；2.新能源微电网湖北省协同创新中心(三峡大学)，

湖北宜昌443002；3.国网浙江省电力有限公司绍兴供电公司，浙江绍兴312000)

摘要：区域综合能源系统(RegionalIntegratedEnergySystem,RIES)是解决社会能源利用效率低以及可再生清洁能

源难以消纳问题的有效途径之一。首先建立了包含风电、多种储能以及电转气(Power-to-Gas,P2G)设备的RIES模

型。针对电、气、热负荷柔性特征和可调度价值，结合三种负荷在RIES中形成的耦合关系，提出计及电-气-热

多种负荷的综合需求响应模型。同时采用典型场景集考虑风电出力的不确定性，建立区域综合能源系统优化调度

模型。该模型以综合运行成本最少、碳排放量最小、能效利用率最高为优化目标，利用非支配排序遗传算法

(NSGA-II)进行求解并输出Pareto最优前沿解集。仿真算例设置了4种场景，分析电、气、热需求响应及P2G、储

能设备接入对区域综合能源系统运行优化的影响。结果验证所建立多目标优化调度模型既能够提高能源利用效率，

也能保证系统的环保经济运行。

关键词：区域综合能源系统；多目标优化调度；综合需求响应；P2G；NSGA-II

Optimizationschedulingofregionalintegratedenergysystemsbadon

electric-thermal-gasintegrateddemandrespon

ZHANGTao1,2,GUOYuetong1,2,LIYihong1,2,YULi1,2,ZHANGJiaying3

(eofElectricalEngineeringandNewEnergy,ChinaThreeGorgesUniversity,Yichang443002,China;

ProvincialCollaborativeInnovationCenterforNewEnergyMicrogrid(ChinaThreeGorgesUniversity),Yichang443002,

China;ngPowerSupplyCompany,StateGridZhejiangElectricPowerCo.,Ltd.,Shaoxing312000,China)

Abstract:ARegionalIntegratedEnergySystem(RIES)isoneoftheeffectivewaystosolvetheproblemsoflowefficiency

ofsocia,theRIESmodelincludingwindpower,

variounergystorageandPower-to-Gas(P2G)oftheflexiblecharacteristicsand

dispatchablevalueofelectric,gasandthermalloads,andthecouplingrelationshipbetweenthethreeloadsinRIES,an

integrateddemandresponmodelthattakesintoaccountelectric,gasandthermalloadsispropod,andtheuncertaintyof

windpowercontributionisconsideredinatypicalscenariottoestablishtheregionalintegratedenergysystemoptimization

elisoptimizedforthelowestcombinedoperatingcost,lowestcarbonfootprintandhighestenergy

efficiencyutilization,andsolvedbyusingtheNon-DominatedSortingGeneticAlgorithm(NSGA-II)tooutputthePareto

enariosaretupinthesimulationcatoanalyzetheimpactofelectricity,gasandheat

demandresponandaccessofPults

showthatthemulti-objectiveoptimizationschedulingmodelcannotonlyimproveenergyefficiency,butalsoensure

environmentalprotectionandtheeconomicoperationofthesystem.

ThisworkissupportedbyNationalNaturalScienceFoundationofChina(No.51407104).

Keywords:regionalintegratedenergysystem;multi-objectiveoptimizationscheduling;integrateddemandrespon;P2G;

NSGA-II

0引言

随着能源危机与环境污染问题的日益加剧，近

基金项目：国家自然科学基金项目资助(51407104)

年来对多种能源互联融合和互补集成的需求不断提

高，区域综合能源系统(RegionalIntegratedEnergy

System,RIES)应运而生，成为未来能源领域的发展

趋势[1-5]。综合需求响应(IntegratedDemandRespon,

IDR)作为传统需求响应(DemandRespon,DR)在

Copyright©博看网htsRerved.

张涛，等计及电气热综合需求响应的区域综合能源系统优化调度-53-

RIES中的衍生，不仅能够通过价格或激励机制刺激

需求侧调整负荷用能量、平缓负荷波动，还能调整

用户用能方式，实现多能互补[6-7]。考虑多种能源综

合需求响应的RIES优化调度对于提高系统能源利

用效率和运行经济性具有重要意义。

为了提高系统运行效率以及消纳更多的清洁能

源，国内外学者从运行维护成本、环境效益成本等

角度开展了RIES经济运行与优化调度的研究。文

献[8]以运行成本为优化目标，建立了含新能源、储

能设备及CCHP系统的RIES的联合调度模型。文

献[9]将传统的储电、储冷、储热设备和需求侧灵活

性负荷相结合，提出广义储能的概念，以系统总运

行成本为优化指标对RIES进行结构及运行优化研

究。文献[10]在电-气互联系统中引入碳交易机制，

并将碳交易成本计入系统运行成本，分析了天然气

价格、碳交易价格以及天然气网络约束对综合系统

运行的影响。上述文献并未充分利用综合需求响应

进一步对系统进行优化调度，且主要考虑系统运行

的经济性，未将对RIES极为重要的环境及能效指

标与经济指标共同应用到调度问题中。

随着能源网络耦合程度逐渐提高，综合需求响

应成为RIES运行优化的关键环节。文献[11]在传统

需求响应机制的基础上，考虑综合能源系统中各种

能源的价格和需求差异，建立了基于价格的需求响

应优化模型。文献[12-13]考虑电/热负荷需求响应和

供需双侧热/电耦合，建立了考虑热电联合需求响应

的调度模型。文献[14]考虑激励型需求响应资源参

与系统调度，通过经济激励信号引导用户自愿参与

需求响应，但未考虑多种能源间的替代关系。综上，

在考虑需求响应的RIES优化调度的现有研究中，

大多数仅考虑单一电力柔性负荷或热/电耦合，较少

综合考虑电力、天然气、热能共同耦合参与需求响

应，且主要考虑了负荷的可转移特性，但综合需求

响应的管理范围不仅包括需求侧负荷，还包括储能

设备和能量转换设备实现的可替代负荷。

本文在现有研究基础上，首先分析RIES中多

种能源的耦合关系，并根据电、气、热三种负荷自

身的柔性特性和响应能力，构建电、气、热需求响

应模型。然后，利用典型场景处理风电出力的不确

定性，以系统运行成本、碳排放量最低以及能效利

用率最高为优化目标，建立RIES的多目标优化调

度模型。最后，结合实际算例，采用NSGA-II算法

对上述模型进行求解，得到多种场景下的Pareto最

优前沿解集。仿真结果表明，考虑综合需求响应的

RIES的优化调度能够提高能源利用效率，同时保证

系统的环保经济运行。

1RIES结构

本文所研究RIES的结构及能量流向如图1所

示，包含能源供给、能源转换、负荷需求3个模块，

由风机(WindTurbine,WT)、CCHP机组、燃气锅炉

(GasBoiler,GB)、电锅炉(ElectricBoiler,EB)、电储

能(ElectricalenergyStorage,ES)、热储能(Heat

Storage,HS)、气储能(GasStorage,GS)、电负荷、热

负荷、气负荷构成。系统的电负荷由风机、CCHP机

组、燃气轮机及外部电网供应；热负荷由电锅炉、

CCHP机组和燃气锅炉供给；气负荷由系统与上级

电网、气网进行双向能量交换，电、气、热负荷需

求响应灵活参与调度。

图1RIES结构

Fig.1StructureofRIES

图1中，1

e

、2

e

分别输入电能直接供给电负

荷、电锅炉的分配系数，12

ee

1；1

g

、2

g

、3

g



分别为天然气供能给CCHP、燃气锅炉、气负荷的

分配系数，且123

g,g,g,

1

ttt

；

EH

、

GB

、

P2G



为电锅炉、燃气锅炉和P2G的转换效率；e

MT

、h

MT



为CCHP系统的电、热转换效率。

由图1所示的RIES模型结构图中的能源耦合

关系，得到系统耦合表达式为

S+LCPP(1)

式中：L为负荷侧需求矩阵；C为耦合关系矩阵；

P为能源供给矩阵；SP为储能功率矩阵。

根据供给侧接入机组类型以对应类型能源相

加求和的方式得到能源供给矩阵表达式为[15]

in

eew

in

g

P2G

P2GG

g

P2

+

PP

P

P

P

P

P





























(2)

式中：P

w

、P

P2G

分别为风电功率和经P2G设备转

换的功率。

根据系统内部各个机组转换参数可将式(1)转

变为

Copyright©博看网htsRerved.

-54-电力系统保护与控制

11e

egMT

3

g,

21h2

eEHgMT

S

e

ein

e

S

gh

in

g

S

hg

gGB

0+

t

P

L

P

LP

P

LP













































(3)

式中：L

e

、L

g

、L

h

分别为电、热、气负荷需求；Pin

e

、

Pin

g

分别为能源供给侧电、气功率；PS

e

、PS

g

、PS

h

为蓄

电池、储气设备、储热设备与电力、天然气、热力

系统间的交互功率。

2电-气-热综合需求响应模型

传统需求响应仅对电负荷曲线进行调节，调节

方式通常为采用价格信号刺激用户主动改变用电习

惯[16-17]。在RIES中，负荷为电、气、热等多种形

式，天然气与电能拥有相同的市场商品属性，热力

具有供热系统惯性和温度变化时滞性，因此，气、

热负荷也可参与需求响应进行优化调节。

另外，RIES中多种能源的耦合使得负荷能以相

互替代和多能互补的形式参与需求响应。因此，在

RIES中，电、气、热负荷不仅能以各自形式参与需

求响应，还可以通过能源转换设备及储能装置实现

三种负荷耦合互补、相互替代。

本文所构建的综合需求响应包括负荷转移和负

荷替代两个部分，首先基于电、气、热负荷的可调

节性，对电、气、热负荷分别建立需求响应模型，

实现三种负荷在横向时间上的转移。其次，利用

RIES中的能源转换设备及储能设备，使电、气、热

三种负荷耦合互补，实现三种负荷在纵向上的相互

替代。由于负荷替代体现在由于系统设备冗余，用

户可选择消费不同能源类型以满足电、气、热负荷

需求，已涵盖在能源系统耦合关系之中，所以本节

着重对负荷转移进行建模，即根据电、气、热负荷

各自特性，建立需求响应模型。

2.1电负荷需求响应

本文的电负荷转移响应建模采用价格型需求响

应。通过引入峰谷分时电价，对用户形成合理的用

电导向，从而减小负荷峰谷差，提升系统的运行可

靠性[18]。电量电价弹性矩阵法是目前应用最广泛的

价格型响应建模方法，可利用电量电价弹性指标来

表示各时间段内电负荷变化率和电价变化率[19]，其

表达式为

1

p

p

c

L

m

Lc















(4)

式中：m为电量电价弹性指标；

p

c、

p

c为峰谷电

价格和其与固定电价相比的差额；L、ΔL为负荷响

应前的用电量与负荷响应量。

依据分时电价与传统固定电价比值，建立包含

自弹性系数和互弹性系数的电量电价弹性矩阵[20]为

11121

21222

e

12

n

n

nnnn

MMM

MMM

MMM















M









(5)

1

p

p

i

i

ii

ii

c

L

M

Lc















(6)

1

p

p

j

i

ij

ij

c

L

M

Lc















(7)

式中：M

e

为电量电价弹性矩阵；

ii

M为自弹性系数；

ij

M为交叉弹性系数；

i

L、

i

L为i时段用户的电量

及其变化量；

pi

c、

pj

c和

pi

c、

pj

c分别为i、j时段

的电价及其变化量。

根据电量电价弹性矩阵M

e

，求得基于分时电价

的用户负荷响应量为

e,pfe,p0,f

e,0,f

e,e,0,pee,ppe,p0,p

e,0,ge,pge,p0,g

/

00

1

00/

2

00/

t

cc

L

LLcc

Lcc

















M

(8)

式中：

e,t

L为实施分时电价后的用电转移量；

e,0,f

L、

e,0,p

L、

e,0,g

L分别为实施分时电价前峰、平、谷时段

的用电量；c

e,p0,f

、c

e,p0,p

、c

e,p0,g

和

e,pf

c、

e,pp

c、

e,pg

c分别表示传统固定电价和其与峰、平、谷电价

的差值。

2.2气负荷需求响应

进一步考虑价格响应机制在天然气系统中的作

用，类比价格型电力负荷，价格型天然气负荷随分

时气价变化亦存在如式(9)的关系。

g,0,fg,pfg,p0,f

g,g,0,pgg,ppg,p0,p

g,0,gg,pgg,p0,g

00/

00/

00/

t

Lcc

LLcc

Lcc

















M

(9)

式中：

g,t

L为实施分时气价后的用气转移量；

g,0,f

L、

g,0,p

L、

g,0,g

L分别为实施分时气价前峰、平、谷时段

的用气量；

g,p0,f

c、

g,p0,p

c、

g,p0,g

c和

g,pf

c、

g,pp

c、

g,pg

c

分别表示传统固定气价和其与峰、平、谷气价的差

值；

g

M为气价气量弹性矩阵。

2.3热负荷需求响应

热负荷具有感知模糊性和时间延时性。温度是

Copyright©博看网htsRerved.

张涛，等计及电气热综合需求响应的区域综合能源系统优化调度-55-

热负荷的主要调节尺度，用户对其敏感度较低，在

舒适期间内改变温度值对用户并没有太大影响；其

次，受供热系统网络特性的影响，热网在传输热负

荷过程中具有热惯性[21-22]，负荷调节速率较慢。本

文从以上两个特性出发，将热负荷作为柔性负荷参

与区域综合能源系统优化调度。

以ARMA时间序列模型描述供热系统温度动

态特性，如式(10)所示。

h,h,g,,

000

,h,g,,

000

JJJ

tjtjjtjjwtj

jjj

JJJ

ntjtjjtjjwtj

jjj

TTTT

TTTT



































(10)

式中：T

h,t

、T

g,t

、T

n,t

、T

w,t

为t时段热网回水温度、

供水温度、建筑物室内温度、室外温度；J为ARMA

时间序列模型阶次；、、γ、、φ、ω为供热系

统热惯性物理参数。

建筑物室内温度变化与供暖功率、环境温度的

关系表达式为

//

in,1in,out,

e()(1e)tt

tttt

TTRQT





(11)

air

RC

(12)

式中：T

in,t

为t时段的建筑物室内温度；

out,t

T为t时

段的室外温度；R为建筑物的等效热阻，单位为

℃/kW；C

air

为室内空气热容(kW·h)/℃；Q

t

为时间

t内向建筑物的热功率。

由式(11)得到由室内温度变化计算热功率的关

系式为

in,1in,

u,

/

/

ot

e

1

(

1e

)

t

t

tt

tt

TT

QT

R





















(13)

根据人体舒适度的温度范围，对于室内温度有

如下约束：

minin,maxt

TTT

(14)

式中，T

min

和T

max

为最低室内舒适温度和最高温度，

单位为℃。

3计及IDR的RIES多目标优化

3.1典型场景集

由于风电出力具有波动性和随机性，其实际出

力往往与预测出力存在偏差。本文主要考虑了风电

出力的预测误差生成典型场景集，再对其进行削减，

从而将不确定性优化问题转化为确定性问题求解。

风电出力预测误差ΔP

w,t

近似服从均值为0、方差为

σ

w,t

的正态分布。t时段风电出力表达式为

w,wf,w,ttt

PPP

(15)

式中，P

w,t

、P

wf,t

分别为t时段的风电实际出力和

预测出力。

首先利用拉丁超立方采样模拟风电波动场景，

生成M个初始场景集，详细步骤见文献[23]。生成

初始场景后，采用同步回代法对生成的场景缩减。

定义M为场景的初始集合，N为削减场景集合，初

始为空集，场景s的发生概率为p(s)，具体削减步

骤如下。

1)计算场景s和s



之间的距离

,ss

D





2

ss

PP



。

2)对每个场景k，D

k

(r)=minD

k,s'

，其中r表示

与场景k距离最近的场景，sM



，ks



。

3)计算概率距离PD

k

(r)=p(k)·D

k

(r)，并选出概

率距离最小的场景d，即minDD

dk

PP，kM。

4)每减去一个场景，将其概率加到距离其最近

的场景上：{}MMd,{}NNd,()pr

()()prpd。

通过不断更新场景及其对应的概率，使缩减后

的场景和初始场景的概率距离最为接近，最终获得

N个风电出力预测误差场景集，并通过式(15)计算

可得相应的风电实际出力。

3.2目标函数

为实现RIES的经济运行、环境友好以及节能

减排，建立了计及经济、环境、能效多目标的目标

函数模型。多目标优化调度问题的目标函数为

123

min(,,)fFFF

(16)

式中：F

1

为经济目标函数；F

2

为环境目标函数；F

3

为能效目标函数。

1)目标1：系统运行成本最少。

在本文所提RIES优化调度模型中，经济目标

函数主要包括系统的外电网购电成本、购气成本、

燃料成本、运维成本。本文将调度周期分成24个时

段，每一个时段为1h，其目标函数为

inin

1e,,g,,

1

,

e,g,

=1

G,,,G

()min[

()()]

NT

ttt

s

i

s

t

s

t

si

t

st

psCC

CPOM

FPP

P









(17)

式中：

T

表示总运行周期；

p(s)

为第个

s

场景发生的

概率；

N

为场景个数；

C

e

,t

、

C

g

,t

分别为

t

时段内购

电、气价格；in

e,,ts

P

、in

g,,ts

P

分别为

t

时段

s

场景下购

电、气量；

,,G

()

its

CP

、

,,G

()

ist

OMP

表示第

i

个可控

机组在

t

时段的燃料成本、运维成本。

各可控机组燃料成本、运维成本表达式如式(18)

和式(19)所示。

Copyright©博看网htsRerved.

-56-电力系统保护与控制

,

Gg,

11

gas,,

,

1TI

its

s

t

ti

it

P

CC

LHVη



(18)

GOM,

1

,,

1

TI

iit

ti

s

OMKP



(19)

式中：I表示可控机组总数；LHV

gas

为天然气低热

值，单位为kWh/m3，取9.7kWh/m3；

,,sit

P为第i

个可控机组在t时段的输出功率，单位为kW；

,,sit

η

为第i个可控机组在t时段的转换效率；K

OM,i

为可

控机组的运行维护比例参数。

2)目标2：系统碳排放量最小。

RIES具有多能互补的特性，能够灵活选择各类

能源输入，达到控制碳排放的目标。因此，RIES

的碳排放为环境评价的关键。环境目标函数为

inin

2ee,,gg,,

1=1

min()

NT

tsts

ts

FPPps



(20)

式中：

e

、

g

分别为向电网购电和天然气网消耗

的二氧化碳排放系数。

3)目标3：能效利用率最高。

能效利用率可评价能源在数量上的利用率，较

高的能源利用率说明系统在运行时可以最大限度地

利用多种能源，因此，在本文提到所提RIES优化

调度模型中，从热力学第一定律出发计算能效利用

率，并将其倒数作为目标函数，如式(21)所示。



=1

,

3

1

,

min



N

ts

ts

T

ts

L

S

psF

(21)

,e,,h,,g,,tstststs

LLLL

(22)

ininin

,e,,g,,h,,e,,g,,h,,

sss

tststststststs

SPPPPPP

(23)

式中：

e,,ts

L

,

、

h,,ts

L

、

g,,ts

L

分别为系统在

t

时刻

s

场景下的电负荷、热负荷、气负荷；

e,,

s

ts

P

、

g,,

s

ts

P

、

h,,

s

ts

P

分别为

t

时刻电、热、气储能系统与电力、热力、

天然气系统的交互功率，当能量由储能设备流向系

统时，交互功率取正，当能量由系统流向储能设备

时，交互功率取负。

3.3约束条件

所提出的多目标优化调度模型约束条件包括能

量平衡约束、机组和储存设备的运行约束，具体叙

述如下。

1)能量平衡约束

(1)电能平衡约束。电网购电、风电出力供能给

电制冷机、电锅炉以及CCHP电出力，与用户电负

荷构成电能的平衡约束。

1in

e,,e,,e,,,,P2G,,

1ein

g,,MTg,,P2G,P2G,,g,,,

w

e,

()

()

tststststs

ss

tststtststs

LPPP

PPPP









(24)

(2)热能平衡约束

2in

h,,e,,EHe,,,,P2G,,

1hin

g,,MTg,,P2G,P2G,,g,,

2in

g,,GBg,,P2G,P2G,,g,h,,

w

,

()

()

()

tststststs

s

tststtsts

ss

tststtststs

LPPP

PPP

PPPP













(25)

(3)

气能平衡约束

3in

g,,g,g,,P2G,P2G,,g,,

()s

tsttsttsts

LPPP

(26)

式中：1

e,,ts

、2

e,,ts

分别为t时刻输入电能直接供给

电负荷、电锅炉的分配系数；1

g,,ts

、2

g,,ts

、3

g,,ts

分

别为天然气供能给CCHP、燃气锅炉、气负荷的分

配系数。

2)机组约束

RIES是由多个机组共同工作的综合系统，其

内部机组出力受机组自身出力参数上下限约束。

,

,

in

P2G,minP2G,P2G,max

w,w,,max

in

e,max

in

g,m

e,,

in

g,,ax

0

0

0

s

ts

t

t

t

ts

s

PPP

P

P

P

P

P

P















≤≤

≤≤

≤≤

≤≤

(27)

式中：

P2G,max

P、

P2G,min

P为P2G设备的出力上下限；

w,,maxt

P、in

e,max

P、in

g,max

P分别为t时刻风机、电网、

气网的最大供能上限。本文所建立的模型仅考虑能

量单相流动，所以电气能网络的下限取0。

3)储能设备约束

考虑储电、储热和储气三种储能设备，从能量

转换的角度，三种储能设备可用统一的模型表示。

储能系统在运作时会受到储能容量以及充放功率上

限约束，具体数学模型为

dis,,

losschar

,1,char,,

dis

1ts

tststs

P

EEPt





(28)

式中：E

t,s

为t时段储能设备的存储容量；P

char,t,s

、

P

dis,t,s

分别代表储能设备t时段储能充、放电功率；

ηloss、ηchar、ηdis分别为储能设备的自损率、充能效

率和放能效率。

min,max

char,,char,char,

dis,,dis,dis,

char,dis,

1

0

0

1

ts

tstt

tstt

tt

T

EEE

PP

PP

EE





























≤≤

≤≤

≤≤

≤

(29)

式中：E

max

、E

min

为储能设备储能容量的上下限；

α

char,t

、α

dis,t

为充能和放能状态，为0、1变量，1表

示设备处于充能或者放能状态，0表示设备停止充

放状态。

Copyright©博看网htsRerved.

张涛，等计及电气热综合需求响应的区域综合能源系统优化调度-57-

3.4模型的求解

本文所提模型是一个多目标优化问题，因此采

用鲁棒性好、搜索能力强的带精英机制的非支配排

序遗传算法(NSGA-II)进行求解。结合本文优化目

标，以各时段电网和气网出力、机组的出力和分配

系数作为决策变量，通过NSGA-II算法得到Pareto

最优前沿后，使用模糊隶属度函数来评价决策者对

各非劣解的综合满意度，选取综合隶属度最大的作

为折衷解[24]。定义模糊隶属度函数为

min

max

minmax

maxmin

max

1,

,

0,

jj

jj

jjjj

jj

jj

ff

ff

fff

ff

ff























≤

≤≤

≥

(30)

1

J

j

j

U



(31)

式中：

j

f为第j个目标函数值；min

j

f、max

j

f为第j

个目标函数的最小值和最大值；U为每个目标函数

的综合隶属度。

4算例分析

4.1算例模型及参数设置

为验证本文所提计及IDR的RIES模型在系统

优化运行、可再生能源消纳方面的有效性，基于文

献[25-27]中系统能源供需数据、机组设备参数、负

荷数据进行算例仿真。对应的风机预测出力、电-

气-热负荷曲线如图2所示，风电预测偏差的标准

差为0.06。RIES内部设备及储能设备参数见表1

和表2。

图3为峰谷平分时电价及分时气价。选取电力

和天然气的价格型需求弹性系数分别为-0.1和-0.2，

交叉弹性系数均为0.03。热负荷需求响应方面，T

min

取15℃，T

max

取24℃，典型日室外温度如图4所示。

图2电气热负荷和风机预测出力曲线

Fig.2Curveofelectric,gasandheatloadandforecast

outputofwindturbine

表1RIES内部设备参数

Table1ParametersofdevicesintheRIESmodel

参数数值

P2G



0.6

EH



0.75

GB



0.75

E

MT

0.35

H

MT

0.35

om,EH

K

0.045

om,GB

K

0.040

om,MT

K

0.047

表2储能设备参数

Table2Parametersofenergystorageequipment

参数电储能气储能热储能

loss0.010.0050.02

char0.940.960.92

dis0.940960.92

chmin

P

150125125

chmax

P

150125125

min

E

605050

max

E

600500500

图3分时电价和分时气价

Fig.3Priceofelectricityandgas

图4典型日室外温度

Fig.4Outdoortemperatureintypicalday

Copyright©博看网htsRerved.

-58-电力系统保护与控制

电网和天然气网的碳排放参数分别取889g/kW·h及

724.6g/kW·h。调度时长为24h，单位调度时间为

1h，NSGA-Ⅱ的参数设置如下：种群规模为50，

最大迭代次数为200，交叉百分比取0.7，变异百分

取为0.3。

4.2仿真结果分析

为验证P2G设备、储能设备以及考虑电、气、

热负荷需求响应的优势，本文设置了以下四种场景

进行仿真验证：场景1，无P2G，无储能设备，不

考虑电、气、热需求响应；场景2，有P2G，有储

能设备，不考虑电、气、热需求响应；场景3，无

P2G，无储能设备，考虑电、气、热需求响应；场

景4，有P2G，有储能设备，考虑电、气、热需求

响应。得出的Pareto最优前沿解如图5所示，表3

为不同场景目标函数的折衷解。

结合图5和表3可见，场景2和3的三个目标

函数值相较于场景1都有所下降，体现了P2G和储

能设备，以及电、气、热负荷需求响应对系统运行

的优化效果。另外，相较于场景3，场景2增加P2G

和储能设备提高了系统能源的耦合度，因此，场景2

的能源利用效率更高。对比场景4和另外三种场景

可发现，在考虑综合需求响应后，系统运行成本下

降了1653元，碳排放量下降了1.4112吨，能源利

用效率提高到了90.92%，验证了综合需求响应对系

统优化运行有效性，这一方面是由于P2G和储电设

图5不同场景的Pareto前沿对比

Fig.5Paretooptimalfrontsunderdifferentscenes

表3不同场景的折衷解

Table3Compromisolutionunderdifferentscenes

场景

F

1

/

元

F

2

/tF

3

14606976.40891.1053

24579875.89271.1018

34510275.59671.1046

44441674.99771.0999

备将廉价电能转化、存储至高电价时段，另一方面

电、气、热需求响应实现部分负荷转移，平抑负荷

波动，从而实现系统的优化运行。

图6为系统响应前后用户的电、气、热负荷曲

线，需求响应后用户电负荷峰谷差相对于需求响应

前下降了11.94%，气负荷的峰谷差下降了6.9%，

且负荷波动得到了很大程度的平抑，一是由于价格

响应对用户用能习惯产生影响，用户负荷在价格峰、

谷时段分别向下、向上平移，在平时段依据峰、谷

时段的负荷变化进行调整。验证了价格型需求响应

对电、气负荷优化的有效性。二是由于储电、气设

备可根据系统需求充当能源供应者或消费者的角

色，也具有削峰填谷的作用。另外，热负荷的峰谷

差下降了29.02%，需求响应有效地平滑了热负荷曲

线。由此可见，通过优化运行，能够有效地平滑电、

气、热负荷曲线，为提高系统运行经济性、环保性、

能效性提供了保障。

图6系统响应前后用户的电、气、热负荷曲线

Fig.6Electric,gasandheatloadcurveofursbeforeand

aftertheintegrateddemandrespon

选取场景4中折衷解对应的P2G和电储能的出

力情况进行分析，具体出力情况如图7所示。P2G

图7P2G和电储能的出力

Fig.7PowerofP2Gandenergy

Copyright©博看网htsRerved.

张涛，等计及电气热综合需求响应的区域综合能源系统优化调度-59-

和储能的出力主要受风电、电价及负荷的影响。在

23:00—05:00时段，风电出力较高，电价和气价相

对较低，此时RIES从外网购电、购气量增加，P2G

的输出功率较高，电储能主要为充电状态。在09:00

—13:00和16:00—19:00时段，风电出力偏低，电

价也相对较低，P2G输出功率减小，储能主要为放

电状态。在其余时段，储能会根据自身容量约束对

充放电功率进行适当调整。

表4为场景1至4优化后的24h风电消纳总

量及消纳率，结合图2可见，在23:00—05:00时段，

风电出力以及热负荷均处于高峰，但电负荷却处于

低谷，因此场景1中，CCHP的热电耦合导致风电

消纳率较低；场景2相较于场景1，风电消纳水平

有所提高，这是由于储能设备将风电储存、P2G将

风电转化成天然气，增加凌晨时段风电的消纳量，

且P2G设备处于系统始端，直接将风电转化为气

能，减少了中间能量的转换步骤，从而降低了风电

的冗余量；在场景3中，加入电、气、热需求响应

能将部分负荷转移至凌晨时段，也可提高风电消纳

水平；场景4相较于场景1、2、3，风电消纳率提

高到了95%，这是因为场景4通过P2G、储能设

备和电、气、热需求响应共同作用来平抑风电波动，

具有更稳定的风电消纳能力。

表4不同场景的风电消纳总量和消纳率

Table4Totalwindpowerconsumptionandconsumption

rateunderdifferentscenes

场景风电消纳总量

/kW

风电消纳率

11223883%

21275987%

31281689%

41354095%

4.3算法性能分析

为了验证NSGA-II算法在本文所建立模型求

解上的优越性，本文同时采用非支配排序遗传算法

(Non-dominatedSortingGeneticAlgorithm,NSGA)

对模型计算求解，并将两种算法的优化结果进行

对比。

图8为两种算法的优化结果。由图8可见，

NSGA-Ⅱ算法的解集分布较NSGA算法更加均匀，

收敛性更好，这是因为NSGA-II算法采用拥挤度

和拥挤度算子代替NSGA算法的适应度共享策略，

维持了种群的多样性，使Pareto解集分布更均匀。

表5为两种算法最优折衷解目标函数值及计算时

间。由表5可见，NSGA-II算法的优化性能比NSGA

算法高，这是因为NSGA-II算法通过引入精英策

略，有效保留了精英个体，避免丢失进化过程中取

得的最优解。另外，NSGA算法虽然通过非支配排

序算法保留了种群的多样性，但计算复杂度较高，

本文模型设有三个目标函数，且种群较大，所以采

用NSGA算法求解时间过长。而NSGA-II算法采

用快速非支配排序法对种群进行分级，降低了算法

复杂度，提升了计算速度。因此，可以看出NSGA-II

算法在处理本文这类多目标问题上有更好的性能。

图8NSGA-II与NSGA的Pareto解集对比

Fig.8ComparisonofNSGA-IIandNSGA’sPareto

deconvolution

表5不同算法目标函数的最优折衷解

Table5Optimalcompromisolutionforobjective

functionsofdifferentalgorithms

算法运行成本

/

元碳排放量

/t

能效利用率计算时间

/s

NSGA-II4441674.99771.099976.65

NSGA4510675.83451.1086138.67

5结论

本文利用电、气、热负荷的柔性特性，建立了

计及电、气、热综合需求响应的RIES多目标优化

调度模型，并设置了4个场景进行对比分析，可得

出以下结论：

1)随着电能、气能、热能联系日益紧密，将电、

气、热负荷作为柔性负荷共同参与需求响应，可以

有效降低负荷峰谷差，优化系统运行。

2)电、气、热负荷需求响应之后参与RIES的

优化调度能够有效地提高系统经济性和环保性以及

系统能效利用率。

3)P2G和储能设备在RIES优化运行中表现出

较强的推动作用。将二者结合负荷特性共同参与需

求响应，有利于增加风电的消纳，提高系统的经济

效益和能效利用率。

随着电力领域和现代人工智能技术的发展，结

合大数据信息实现多种能源多网的高效耦合，提高

RIES的综合运行效益是下一步的重点研究方向。

Copyright©博看网htsRerved.

-60-电力系统保护与控制

参考文献

[1]MURTYV,-objectiveenergy

managementinmicrogridswithhybridenergysources

andbatteryenergystoragesystems[J].Protectionand

ControlofModernPowerSystems,2020,5(1):1-20.

DOI:10.1186/s41601-019-0147-z.

[2]WUJ,YANJ,JIAH,atedenergysystems[J].

AppliedEnergy,2016,167:155-157.

[3]rdindustrialrevolution:howlateralpower

istransformingenergy,economy,andtheworld[M].New

York:PalgraveMacMillan,2011.

[4]何伟,陈波,曾伟,等.面向绿色生态乡镇的综合能源

系统关键问题及展望[J].中国电力,2019,52(6):

77-86,93.

HEWei,CHENBo,ZENGWei,blemsand

prospectsofintegratedenergysystemforgreenecological

townships[J].ElectricPower,2019,52(6):77-86,93.

[5]齐世雄,王秀丽,邵成成,等.计及弹性恢复的区域综

合能源系统多目标优化调度[J].中国电力,2019,52(6):

19-26.

QIShixiong,WANGXiuli,SHAOChengcheng,etal.

Multi-objectiveoptimaldispatchofdistrictintegrated

energysystemconsideringresilience[J].ElectricPower,

2019,52(6):19-26.

[6]YANGHZ,LIML,JIANGZY,-timescale

optimalschedulingofregionalintegratedenergysystems

consideringintegrateddemandrespon[J].IEEEAccess,

2020,8:5080-5090.

[7]WANGJ,ZHONGH,MAZ,andprospect

ofintegrateddemandresponinthemulti-energy

system[J].AppliedEnergy,2017,202:772-782.

[8]刘涤尘,马恒瑞,王波,等.含冷热电联供及储能的区

域综合能源系统运行优化[J].电力系统自动化,2018,

42(4):113-120,141.

LIUDichen,MAHengrui,WANGBo,ion

optimizationofregionalintegratedenergysystemwith

CCHPandenergystoragesystem[J].Automationof

ElectricPowerSystems,2018,42(4):113-120,141.

[9]李宏仲,房宇娇,肖宝辉.考虑广义储能的区域综合

能源系统优化运行研究[J].电网技术,2019,43(9):

3130-3138.

LIHongzhong,FANGYujiao,ch

onoptimizedoperationofregionalintegratedenergy

systemconsideringgeneralizedenergystorage[J].Power

SystemTechnology,2019,43(9):3130-3138.

[10]卫志农,张思德,孙国强,等.基于碳交易机制的电-

气互联综合能源系统低碳经济运行[J].电力系统自动

化,2016,40(15):9-16.

WEIZhinong,ZHANGSide,SUNGuoqiang,etal.

Carbontradingbadlow-carboneconomicoperationfor

integratedelectricityandnaturalganergysystem[J].

AutomationofElectricPowerSystems,2016,40(15):

9-16.

[11]HELG,LUZG,nmentaleconomic

dispatchofintegratedregionalenergysystemconsidering

integrateddemandrespon[J].ElectricalPowerand

EnergySystems,2020,116.

[12]宋阳阳,王艳松,衣京波.计及需求侧响应和热/电耦

合的微网能源优化规划[J].电网技术,2018,42(11):

3469-3476.

SONGYangyang,WANGYansong,rid

energysourceoptimizationplanningconsideringdemand

sideresponandthermo-electricalcoupling[J].Power

SystemTechnology,2018,42(11):3469-3476.

[13]刘天琪,卢俊,何川,等.考虑联合热电需求响应与高

比例新能源消纳的多能源园区日前经济调度[J].电力

自动化设备,2019,39(8):261-268.

LIUTianqi,LUJun,HEChuan,-aheadeconomic

dispatchofmulti-energyparksconsideringintegrated

thermo-electricdemandresponandhighpenetrationof

renewableenergy[J].ElectricPowerAutomationEquipment,

2019,39(8):261-268.

[14]黄海涛,王岱锋,王俊伟.计及需求响应的区域电—

气互联系统综合优化运行分析[J].水电能源科学,

2019,37(7):200-204.

HUANGHaitao,WANGDaifeng,WANGJunwei.

Analysisofintegratedoptimizationoperationofregional

electro-gassystemconsideringdemandrespon[J].Water

ResourcesandPower,2019,37(7):200-204.

[15]陈丽萍,林晓明,许苑,等.基于能源集线器的微能源

网建模与多目标优化调度[J].电力系统保护与控制,

2019,47(6):9-16.

CHENLiping,LINXiaoming,XUYuan,ng

andmulti-objectiveoptimaldispatchofmicroenergygrid

badonenergyhub[J].PowerSystemProtectionand

Control,2019,47(6):9-16.

[16]彭春华,刘兵,左丽霞,等.计及分类需求响应的孤岛

微网并行多目标优化调度[J].电力系统保护与控制,

2019,47(5):60-68.

PENGChunhua,LIUBing,ZUOLixia,el

multi-objectiveoptimaldispatchofislandmicro-grid

consideringloadclassifieddemandrespon[J].Power

SystemProtectionandControl,2019,47(5):60-68.

[17]宁佳,汤奕,高丙团.基于需求响应潜力时变性的风

火荷协同控制方法[J].电工技术学报,2019,34(8):

Copyright©博看网htsRerved.

张涛，等计及电气热综合需求响应的区域综合能源系统优化调度-61-

1728-1738.

NINGJia,TANGYi,nated

controlmethodofwindfarm-AGCunit-loadbadon

time-varyingcharacteristicsofdemandresponpotential[J].

TransactionsofChinaElectrotechnicalSociety,2019,

34(8):1728-1738.

[18]ZHANGC,XUY,DONGZY,coordination

ofdistributedgenerationandprice-baddemand

responinmicrogrids[J].IEEETransactionsonSmart

Grid,2018,9(5):4236-4247.

[19]PRAKASHRT,ers’priceelasticityof

demandmodelingwitheconomiceffectsonelectricity

marketsusinganagent-badmodel[J].IEEETransactions

onSmartGrid,2013,4(1):390-397.

[20]ALDAOUDEYEHAI,KAVASSERIRG,LIMAJRIT.

Characterizationofforwardelectricitymarketprice

variationsandprice-responsivedemands[C]//2017

NinthAnnualIEEEGreenTechnologiesConference

(GreenTech),March2017,Denver,UnitedStates:

211-218.

[21]邹云阳,杨莉,冯丽,等.考虑热负荷二维可控性的微

网热电协调调度[J].电力系统自动化,2017,41(6):

13-19.

ZOUYunyang,YANGLi,FENGLi,nated

heatandpowerdispatchofmicrogridconsidering

two-dimensionalcontrollabilityofheatloads[J].

AutomationofElectricPowerSystems,2017,41(6):

13-19.

[22]陈柏翰,冯伟,孙凯,等.冷热电联供系统多元储能及

孤岛运行优化调度方法[J].电工技术学报,2019,

34(15):3231-3243.

CHENBohan,FENGWei,SUNKai,-energy

storagesystemandislandedoptimaldispatchmethodof

CCHP[J].TransactionsofChinaElectrotechnicalSociety,

2019,34(15):3231-3243.

[23]袁桂丽,董金凤,魏更,等.基于需求响应和多能互补

的冷热电联产微网优化调度[J].电力建设,2019,40(9):

64-72.

YUANGuili,DONGJinfeng,WEIGeng,l

schedulingofcombinedcoolingheatingandpower

microgridbadondemandresponandmulti-energy

coordination[J].ElectricPowerConstruction,2019,40(9):

64-72.

[24]AGRAWALS,PANIGRAHIBK,TIWARIMK.

Multi-objectiveparticleswarmalgorithmwithfuzzy

clusteringforelectricalpowerdispatch[J].IEEE

TransactionsonEvolutionaryComputation,2008,12(5):

529-541.

[25]陈沼宇,王丹,贾宏杰,等.考虑P2G多源储能型微网

日前最优经济调度策略研究[J].中国电机工程学报,

2017,37(11):3067-3077.

CHENZhaoyu,WANGDan,JIAHongjie,ch

onoptimalday-aheadeconomicdispatchingstrategyfor

microgridconsideringP2Gandmulti-sourceenergy

storagesystem[J].ProceedingsoftheCSEE,2017,

37(11):3067-3077.

[26]张涛,章佳莹,王凌云,等.计及用户行为的电-气-热

综合能源系统日前经济调度[J].电力系统自动化,

2019,43(11):86-97.

ZHANGTao,ZHANGJiaying,WANGLingyun,etal.

Day-aheadeconomicdispatchofelectric-gas-heatintegrated

energysystemconsideringurbehaviors[J].Power

SystemProtectionandControl,2019,43(11):86-97.

[27]蒋文超,严正,曹佳,等.计及柔性负荷的能源枢纽多

目标综合优化调度[J].电测与仪表,2018,55(13):

31-39.

JIANGWenchao,YANZheng,CAOJia,etal.

Multi-objectivecomprehensiveoptimaldispatchofenergy

hubconsideringflexibleload[J].ElectricalMeasurement&

Instrumentation,2018,55(13):31-39.

收稿日期：2020-02-19；修回日期：2020-07-16

作者简介：

张涛(1981—)，男，通信作者，博士，教授，研究方

向为电力系统优化运行、高电压绝缘及测试技术、电力系统

过电压与接地技术；E-mail:unifzhang@

郭

玥

彤(1997—)，女，硕士，研究方向为综合能源系统

优化调度；E-mail:647839978@

李逸鸿(1997—)，男，硕士，研究方向为电力系统优化

运行。E-mail:381026042@

(编辑周金梅)

Copyright©博看网htsRerved.