基于ADMM-RGS算法的綜合能源系統多主體協同優化運行策略研究

楊海柱，代庚輝，張 鵬

（1.河南理工大學電氣工程與自動化學院，焦作 454000；2.天津大學電氣自動化與信息工程學院，天津 300072）

隨著經濟快速地發展和全球生態惡化帶來的尖銳矛盾，尋求環保、經濟、高效的能源市場運營機制，推進綜合能源市場化改革，成為近年來能源領域發展關注的焦點[1]。綜合能源市場包含多個參與主體，建立合理的能源交易機制，對推動能源市場的發展具有重要意義[2]。但不同主體擁有不同的經營計劃和管理方法，因此，既能兼顧各方主體利益，又能制定合理的優化調度策略是當前有待解決的問題[3]。

區域綜合能源系統RIES（regional integrated en?ergy system）[4]各主體，通過合理的良性競爭，可以有效提高各主體自身收益，增強市場競爭力。目前，國內外學者在多能耦合、多主體參與的綜合能源市場方面開展了大量的研究。文獻[5]建立了綜合能源服務商IESP（integrated energy service provider）和綜合能源供應商兩級協調優化運營模式，但其忽略了用戶側需求響應帶來的經濟效益。文獻[6-7]建立了電、氣網絡投資主體的規劃收益模型，既從整體上增加了綜合能源系統收益，又兼顧了不同市場主體的利益，更加符合市場運營機制。文獻[8-9]建立了基于主從博弈的兩級互動優化方法，但對于3個及以上市場主體來說并不適用。文獻[10]建立了能源集線器模型，考慮了能源集線器參與電、熱能源市場的效益策略。以上文獻雖然已經提出了多能源主體互動框架，但大多以電能作為主導，未充分考慮電、氣、熱等負荷及其能源價格對交易互動結果的影響；并且，現有研究大多僅基于綜合能源服務商與綜合能源用戶之間的互動交易，忽略了能源交易市場的互補特性。

交替方向乘子法ADMM（alternating direction method of multipliers）具有形式簡單、收斂性好的優點，在解決含有多個主體的綜合能源系統優化問題過程中，僅需交互少量信息即可完成優化，保護了參與主體的隱私。文獻[11]基于合作博弈理論建立多運營主體微電網日前經濟調度模型，并采用AD?MM求解，保護了各運營主體的隱私安全；文獻[12]對包含多個工廠的RIES進行分布式優化，實現了多能互補與能量梯級利用；文獻[13]建立多微網交易互動模型，并采用ADMM求解微網之間能源交易量。此外，綜合能源系統多主體協同優化過程中采用的ADMM比較依賴參數的選擇，因此，需要應用收斂性更加穩定的ADMM。

綜上所述，本文對RIES多市場決策主體分布式調度問題進行了研究。首先，基于合作博弈理論基礎構建綜合能源市場多個參與主體的分布式經濟調度框架，分析綜合能源市場的運營機制，并在此基礎上建立多主體協同優化模型；然后，利用基于高斯回代的交替方向乘子法ADMM-RGS（alter?nating direction method of multipliers based on re?verse Gaussian substitution）求解優化問題；最后，通過實例仿真證明了所提模型和算法的可行性，并分析了不同市場策略方案對系統經濟性的影響。

1 RIES架構與多主體利益劃分

RIES具備運行方式靈活多樣的優點，可以突破不同能源網絡間無法交互的屏障，實現電、氣、熱等各類能源的協調供應，是未來能源供給的發展走向。在開放的市場機制下，RIES可劃分為綜合能源供應商、IESP和綜合能源用戶3個主體，如圖1所示。各主體因為生產經營計劃而有不同的利益訴求，且任一主體產能和用能方式的改變，都會影響其他主體。為統籌多主體的利益需求，降低系統運行成本，將對不同主體之間的交易互動進行分析研究[11]。

圖1 綜合能源市場結構Fig.1 Structure of integrated energy market

由圖1可以看出，從能量流分析，IESP從綜合能源供應商購買電能、天然氣并傳輸給用戶，來滿足用戶的多元負荷需求。從信息流分析，IESP向綜合能源交易市場發送購能策略調整指令和電、氣能源價格；IESP作為能量和信息的交互中心，向上承接綜合能源供應商，向下與用戶進行協調，合理安排系統相關設備的運行并制定購能策略；用戶則通過適當的負荷轉移帶來收益[12]。

RIES結構如圖2所示。由圖2可知，RIES集綜合能源供應商、IESP和綜合能源用戶于一體，以IESP為紐帶，協同電氣熱網絡，實現經濟、可靠、高效的綜合能源供給方式。其中，IESP中耦合設備主要包括光伏PV（photovoltaic）發電、風機WT（wind turbine）發電、電轉氣P2G（power to gas）設備、電鍋爐EB（electric boiler）、熱電聯產CHP（combined heat and power）設備、燃氣鍋爐GB（gas boiler），以及電儲能 ES（electricity storage）、氣儲能 GS（gas stor?age）、熱儲能HS（heat storage）等各類儲能設備。

圖2 RIES架構Fig.2 Architecture of RIES

2 多主體優化運行模型

由圖1可知，綜合能源供應商和IESP共同參與綜合能源交易市場。首先，綜合能源供應商和IESP向綜合能源交易市場提交電、氣能源競價策略；其次，交易市場將競價結果反饋至綜合能源供應商和IESP（競價結果受所有綜合能源市場主體參與者的影響）；最后，IESP依據在能源交易市場購買的能源數量，確定與用戶之間的零售價格。

2.1 綜合能源供應商

2.2 綜合能源服務商

2.3 考慮響應特性的綜合能源用戶效益模型

2.4 約束條件

3 多主體協同優化模型求解算法

對于RIES來說，協同優化運行可以得到整個系統的最優調度方案，基于第2節建立的綜合能源供應商、IESP和綜合能源用戶優化運行模型，利用改進的ADMM實現各參與主體的分布自治與整體協同優化。

3.1 ADMM-RGS算法

3.2 基于ADMM-RGS算法的多主體優化調度方法

4 算例分析

基于我國北方某地一典型RIES，其結構如圖2所示。以全天24 h進行日前交易決策，采用YALMIP+GUROBI工具包在MATLAB平臺進行仿真。綜合能源供應商含有發電機組和天然氣站；IESP含有WT、PV、CHP、EB、GB、P2G和各種儲能設備，其能源耦合設備參數如表1所示，儲能設備單元參數如表2所示，綜合能源供應商機組運行成本系數如表3所示；用戶需求有電、氣、熱3種能源負荷。需求側的電、氣、熱初始用能曲線及光伏和風力發電預測出力如圖3所示[17]。

表1 能源耦合設備參數Tab.1 Parameters of energy coupling equipment

表2 儲能設備單元參數Tab.2 Parameters of energy storage equipment unit

表3 綜合能源供應商機組運行成本系數Tab.3 Unit operating cost coefficients of integrated energy suppliers

圖3 電、氣、熱負荷及光伏、風機出力預測Fig.3 Load prediction of power,gas and heat,and output prediction of PV and WT

4.1 協調優化運行結果分析

本節使用ADMM-RGS算法對所提模型進行多主體協調優化調度。協調運行過程中，綜合能源供應商、IESP的收益和用戶需求響應效益收斂情況如圖4所示。

圖4 協調運行過程中各參與主體收益變化Fig.4 Changes in benefits of participating entities in the process of coordinated operation

由圖4可以看出，在協調運行過程中多主體相互影響，因此參與主體需要不斷地調整自身調度策略。在協調優化開始時，由于多主體之間未收到信息反饋，綜合能源供應商可優化得到最大售能收益；IESP未參與能源交易市場互動，也未與綜合能源用戶協調，無激發用戶需求響應能力，因此初始階段IESP收益最小；用戶未能接收到來自IESP的激勵補貼，用戶效益為0。此結果無法平衡各參與主體的利益，因此在協調運行初始階段協調次數在0～10范圍內，各參與主體根據反饋信息迅速調整優化策略，收益的變化幅度較大，具體表現為綜合能源供應商收益快速降低而后小幅增大；IESP快速增大而后小幅降低；綜合能源用戶效益快速增大。隨著協調次數增加，各參與主體改變自身策略的幅度不斷減小；由圖4中可以看出，在協調運行40次后，各決策主體收益趨于穩定。最后，綜合能源供應商的收益穩定在11 120.9￥，IESP收益穩定在17 823.8￥，綜合能源用戶效益穩定在3 283.4￥。由此可以說明，ADMM-RGS算法在求解各參與主體的分布自治與整體協調優化問題時，可得到收斂且有效的優化調度結果。

4.2 算法收斂性分析

傳統ADMM算法與ADMM-RGS算法收斂性能對比如圖5所示。由圖5可知，傳統ADMM算法原始殘差下降緩慢，在迭代96次后才能達到收斂精度5×10-4；對偶殘差在達到5×10-4之后的迭代中呈下降趨勢，且發生劇烈振蕩。而ADMM-RGS算法只需迭代40次，原始殘差和對偶殘差均能達到收斂精度5×10-4。

圖5 2種算法收斂性對比Fig.5 Comparison of convergence between two algorithms

4.3 市場策略分析

為了更好地展示多決策主體協同優化對IESP交易策略的影響，本節設置如下3種市場交易方案進行對比分析[18]。

方案1計及能源交易市場和用戶需求響應的零售市場多主體交易策略。

方案2計及能源交易市場的綜合能源服務商交易策略，忽略用戶側激勵型需求響應，認為負荷是固定的。

方案3僅計及零售市場的綜合能源服務商激勵補貼的交易策略，認為能源交易市場中電、氣能源價格固定。

各方案下IESP的優化結果見表4。由表4可知，方案2的IESP購能成本相較于方案1增加了24.5%，其原因，方案1考慮用戶側需求響應，通過轉移用能高峰負荷至用能低谷負荷時段，減少購能成本；而方案2忽略了用戶需求響應的影響，其負荷預測量與實際情況相差較大，導致IESP購入過多能源；方案3因其購入能源價格固定，忽略了綜合能源交易市場的互補特性，導致其購能成本相較于方案1也增加了3.6%。綜上分析，在能源互聯和能源市場自由化的大趨勢下，方案1既可充分挖掘不同能源市場的互補潛力，又可兼顧用戶零售市場，激發用戶綜合需求響應潛力，制定更全面、更貼合實際的交易策略，從而提高自身收益，促進整個能源市場的長遠發展。

表4 不同方案下IESP優化結果Tab.4 IESP optimization results under different schemes ￥

4.4 多主體協調互動下的RIES調度分析

圖6為多種能源參與的多主體協調優化得到最優解之后的RIES電、氣、熱能平衡結果。對于電負荷的供應，IESP將從能源交易市場購電，或者購氣通過CHP機組發電供應電負荷；考慮經濟性、環保性，輔以光伏、風機進行供電，且光伏工作時間區間為6：00—16：00；風機則全時段出力，且在00：00—7：00與23：00—24：00時段風力資源充足，出力較多，儲電設備充能以應對用電高峰時刻，具有削峰填谷的作用。對于熱負荷的供應，熱負荷主要由CHP和EB供應；在11：00—14：00為用電高峰期，電價較高，考慮電、氣互補特性，此時用GB代替EB進行供熱；在13：00—15：00時段，熱負荷需求量較低，此時HS設備儲存熱能以應對熱負荷高峰時段。對于氣負荷的供應，IESP主要從天然氣站購氣；部分時段通過P2G制氣；GS設備在用氣低谷時段儲存氣能以應對氣負荷峰值時段。同時，用戶需求響應能夠減少IESP的購能成本，儲能設備的引入有利于系統的靈活調度。

圖6 RIES協調優化平衡結果Fig.6 RIES coordinated optimization balance result

5 結論

針對綜合能源系統中多主體日前協同優化調度問題，本文提出了一種基于ADMM-RGS算法的RIES多主體協調優化運行方法。采用改進的AD?MM算法對模型進行求解，分析了多主體交易互動對RIES運行經濟性的影響。最后，通過算例分析，驗證了所提模型及運行優化方法的可行性，分析結果表明：

（1）多主體協同優化的RIES運營模式可準確地把握市場價格和用戶需求波動，從而調整最佳購能和價格制定策略。其中，不同方案下IESP的優化結果表明，經過協同優化，方案1購能成本相較于方案2、3分別下降了24.5%和3.6%；凈收益相較于方案2、3分別增加了159.3%和25.2%；

（2）ADMM-RGS算法在求解多主體協同優化調度具有良好的收斂性；只需迭代40次即可達到收斂精度5×10-4，相對于傳統ADMM算法具有更快的收斂速度和更高的穩定性；

（3）IESP引入多種能源轉換設備和儲能設備，有利于電、氣、熱能源間的靈活轉換，提高能源利用率，實現多能互補和源-儲-荷協同優化運行。