中国储能网讯：

01 研究内容

  区别于传统仿射优化方法中各不确定因素相互独立的思想，本文构建计及新能源出力相关性的多能源微网仿射优化模型，该模型在利用仿射算法描述源荷不确定性的基础上，进一步采用平行四边形模型(Parallelogram Model, PM)刻画风光出力的相关性，从建模层面降低仿射优化方案的保守性。所提仿射实时优化调度方法包含仿射优化和实时调度两个阶段，在获得多能源微网的仿射优化方案区间后，根据计算得到的各噪声元实时取值，从仿射优化方案区间中抽离出实时调度轨迹，实现仿射优化方法在实时调度场景中的应用。仿真结果验证了所提方法能够充分计及不确定性和相关性的双重影响，并有效应对源荷实时变化。具体内容如下：

  （1）计及新能源出力相关性的仿射建模。

  仿射算法通过中心值和噪声元的线性组合，表征多能源微网中的各不确定变量。对于表征风光出力不确定性的仿射模型而言，其中心值可表示风光出力的预测值，而噪声元的系数可表示风光出力的最大预测误差。

  受地理位置相近、气象条件相似等条件影响，风机和光伏出力存在一定的相关性。为此，本文采用二维平面的PM模型描述风光出力的相关性，并将PM模型描述为不等式形式的数学表达式。进一步地，对该数学表达式进行推导和转化，探究其与仿射模型之间的契合之处，进而对表征风光出力不确定性的原仿射模型进行重构，获得计及相关性的风光出力仿射模型。

  （2）多能源微网仿射实时调度方法。

  仿射优化方案在本质上为一变化调整的区间，难以直接应用于实时调度阶段。为提高仿射优化方案对源荷实时变化的应对能力，本文进一步提出多能源微网的仿射实时调度方法。仿射优化方法能够通过求解仿射优化模型，获得决策变量的中心值与各噪声元系数，若能再知晓决策变量中各噪声元的具体取值，即可从仿射优化方案区间中抽离出实时调度轨迹，从而获得实时调度方案。

  根据上述思想，将仿射实时调度方法分为两个阶段。在第一阶段，基于不确定变量的预测区间进行仿射优化，获得仿射优化方案区间；在第二阶段，首先缩小调度时间间隔，进而根据不确定变量的实时值，计算各不确定因素所对应噪声元的实时取值，并将该值代入各仿射形式的决策变量中，最终获得仿射实时调度轨迹。本文所提方法的流程图如图1所示。

图1 所提方法的流程图

  （3）算例分析与结论。

  1）为验证PM模型的准确性，以风机与光伏在12:00的出力情况为例，分别绘制未计及相关性和相关性为-0.5时的风光出力范围，并以蒙特卡洛采样结果近似表征风光的真实出力范围，结果如图2所示。

图2 风机与光伏在12:00的出力范围

  由图2可见，风光出力的真实范围为平行四边形域，在未计及风光相关性时，风光出力的仿射值域为橙色虚线所围成的矩形域，其较大程度地超出了真实范围，难以准确描述风光出力的不确定性。而PM模型能够计及风光出力间的相关性，使得风光出力的仿射值域表现为紫色直线所围成的平行四边形域，与真实范围更为贴合。

  2）为体现仿射优化方法以及考虑风光相关性的优势，将所提方法与区间优化方法、未考虑风光相关性的仿射优化方法进行对比，3种方法的运行费用区间如表1所示。

表1 不同方法的运行费用区间

  如表1所示，区间优化方法的运行费用区间完全覆盖了其他2种方法，具有最大的保守性。而仿射优化方法通过关联各决策变量，能够获得比区间优化方法更窄的运行费用区间。在此基础上，本文所提方法计及风光相关性，在不确定性建模层面剔除多余的取值区域，从而再次缩小运行费用的区间宽度。

  3）为体现所提方法在实时调度阶段中的优势，将所提方法与完美调度、MPC和鲁棒MPC这3种方法进行对比，不同方法的运行费用和缺额能量如表2所示。

表2 不同方法的运行费用和缺额能量

  由表2可知，完美调度方法具有最低的运行费用，且不存在能量缺额问题，但其为实际不存在的理想情况。MPC方法具有较低的运行费用，但不可避免地存在预测偏差，调度方案在实际实施后存在能量缺额，还需要额外支付较为高昂的补偿费用。鲁棒MPC方法虽然能够避免源荷实时变化带来的能量缺额问题，但也大幅提高了运行费用。而本文所提方法在避免发生能量缺额的同时，运行费用仅略高于方法2。

  综上所述，所提方法能够计及风光出力的相关性，在不确定性建模层面剔除不可能的取值区域，使得风光出力的仿射值域与真实范围更为贴合，有助于获得保守性更低的仿射优化结果。此外，通过计算噪声元的实时取值，从仿射优化方案区间中获取实时调度轨迹，在保证多能源微网运行经济性的同时，能够较好地响应源荷实时变化，并满足能量实时供需平衡的要求。

02 后续研究方向或讨论话题

  本文尚未考虑各能源子系统之间传输特性的差异，如何在多能源微网的不确定性优化调度中，考虑异质能量的传输特性差异，将是后续的重点研究方向。