第48卷第7期：2545-2553高电压技术Vol.48,No.7:2545-25532022年7月31日HighVoltageEngineeringJuly31,2022DOI:10.13336/j.1003-6520.hve.202201292022年7月31日第48卷July多能互补智慧园区能源系统优化运行方法吴笑民，郭雨，郑景文，凌在汛（国网湖北省电力有限公司电力科学研究院，武汉430077）摘要：在当前面临能源转型、电力供应紧张以及“碳达峰、碳中和”目标背景下，构建以清洁能源为主的工业园区能源系统，具有节能减排、提高能效水平的重要意义。考虑多能互补和不同类型储能，提出一种智慧园区能源系统优化运行方法。分析工业园区负荷特性与需求，结合不同类型的储能配置，建立工业园区能源系统模型；综合考虑园区能源系统投资成本、负荷需求、能源利用率、电/冷/热储能、季节性需求、分时电价构建优化目标，以年收益最大为目标，提出一种结合BP神经网络与分支定界法的优化运行模型。以某园区为验证对象，相比于传统的园区热电联产模式，提出的智慧园区能源系统优化运行方法能有效地提高清洁能源利用率8%，减少碳排放，提升能源系统的经济效益。关键词：多能互补；清洁能源；储能配置；节能减排；智慧园区OptimalOperationMethodforPowerSystemofMulti-energyComplementSmartParkWUXiaomin,GUOYu,ZHENGJingwen,LINGZaixun(StateGridHubeiElectricPowerCo.,Ltd.ElectricPowerResearchInstitute,Wuhan430077,China)Abstract：Duetotheenergytransition,tightenergysupplyandthegoalof“carbonpeakandcarbonneutrality”,itisnecessarytobuildanenergysystemofindustrialparksdominatedbycleanenergy,whichcansaveenergy,reduceemis-sionsandimproveenergyefficiency.Theoptimaloperationmethodforanintelligentparkenergysystemisproposedbasedonmulti-energycomplementarityanddifferenttypesofenergystorage.Theloadcharacteristicsanddemandsofindustrialparksareanalyzed,andtheenergysystemmodelofindustrialparksisestablishedbasedondifferenttypesofenergystorageconfiguration.Theinvestmentcost,loaddemand,energyutilizationrate,electricity/cold/heatstorage,sea-sonaldemand,andTOUelectricitypricearetakenintoconsideration,andanoptimizationoperationmodelcombiningBPneuralnetworkandbranch-and-boundmethodisproposedtomaximizetheannualrevenue.Aparkisusedastheverifica-tionobject,andtheresultsrevealthattheproposedoptimizedoperationmethodoftheenergysysteminthesmartparkcanbeadoptedtoeffectivelyimprovethe8%utilizationrateofcleanenergy,reducecarbonemissions,andimprovetheeconomicbenefitsoftheenergysystem.Keywords：multienergycomplementary;cleanenergy;storagesystemconfiguration;energysavingandemissionre-duction;smartpark0引言1当前世界各国都面临能源短缺的问题，化石能源大量使用，导致全球变暖、环境被破坏等问题。一方面，世界各国在积极探索新的能源形式[1-2]，以此来代替化石能源的使用[3]。另一方面，科技的快速发展使得不同类型的电气设施日益增加，多种可再生能源在能源供给中所占的比例日益增高，电力系统中能量供给的形态越来越多样[4]。———————基金资助项目：国网湖北省电力有限公司科研项目(52153220001U)。ProjectsupportedbyStateGridHubeiElectricPowerCo.,Ltd.ScientificResearchProject(52153220001U).使用新能源供电时，由于用户负荷的不确定性，需要对系统进行调控，根据用户需求对新能源发电和储能进行调整，减少因调度所产生的能量损失。同时多能互补可以实现供能的削峰填谷，实现最大的经济效益。因此综合能源供应系统得到广泛应用。随着大量综合能源联合供应系统的建立，能源供给侧的随机性增强，可控性降低[5]，因此需要对多种能量的需求和各个设备的调度进行分析，构建区域性的综合能源系统就显得尤为重要[6]。综合能源系统以天然气冷热电联供系统[7]为基础，通过添加不同种类的新能源发电设备、制冷制2546高电压技术2022,48(7)热设备、储能装置等[8]，可以为用户提供冷热电气等多种形式的能源，其中一次能源利用率可以达到80%以上，是现今能源系统中最具潜力的一种[9]。当前综合能源系统的优化运行，存在储能和负荷较为单一的问题，需要通过增加不同形式的储能和负荷来实现。针对这一问题，文献[10]提出一个基于氢燃料电池的综合能源氢综合利用体系。增加了燃料电池储能环节，但是形式较为单一。文献[11]增加了储热罐的成本模型，分析了热储罐的优点，但没有考虑冷储能和负荷需求。文献[12-13]将热电联产与基于可再生能源的技术相结合，但只考虑了电负荷和热负荷的存储和调度，能量种类较少。建立精确预测模型是综合能源系统构建中非常重要的部分，通过建立消费者的精确预测模型来进行峰值转移和削峰填谷[14]。其不仅能解决能源的需求尖峰问题，降低生产成本，还能降低系统容量[15]。但是当前很多研究都缺少精确预测模型的构建和分析。文献[16]只针对典型日进行了建模分析，没有考虑预测。文献[17]研究了储能对不同并网模式下综合能源系统运行的影响，证明了储能有利于系统经济，但其仅使用1月份某典型日负荷情况进行分析，结果不具有普适性。文献[18]研究了多能互补分布式能源系统的最优运行策略，针对不同季节，选取3个典型日进行验证分析。文献[19]在分析多能源系统的优化调度时选择了夏季典型的1天为区域最佳调度方案，分析比较片面。综上，在综合能源系统的经济优化运行研究中，针对系统储能模型和用户负荷预测模型还存在优化空间。因此，考虑增加不同形式储能对系统优化的影响，建立了考虑冷热储能和冷热电负荷的系统模型。本文提出了多能互补智慧园区能源系统优化运行方法。以综合能源系统结构为基础，以综合收益最大为目标函数，考虑与电网的能量交互，多能协调和动态平衡，建立综合能源系统的经济运行模型。在传统经济运行策略中增加精确预测模型和多种能量储能模型进行分析。通过添加多种储能，扩展系统调度的区间，为经济运行提供更多可能；通过构建精确预测模型，为经济运行提供更多时间运行情景，扩展经济优化运行调度的范围，通过精确预测模型可以对具体一段时间内的经济运行进行分析。最后以武汉某园区的真实情况和数据进行分析，充分考虑市场的实际情况，得到以利润最大化为目标的经济运行优化结果。1园区能源系统与模型园区能源系统由燃气内燃发电机组、吸收式制冷机、余热回收单元、离心水冷机组以及冷热负荷的储能水箱组成，如图1所示。电能来源分为2个方面，即燃气内燃发电机发电和从电网购电，用于满足建筑物的电负荷需求及提供吸收式制冷机，离心水冷机组和余热回收单元的供电。图1中，GEG为天然气机组产生的热量，gEy为天然气机组发出的电量；buyy和sely分别为向主电网购买和售卖的电量；uEy和sEy分别为蓄电池释放和吸收的电能；uHQ和uCQ、sHQ和sCQ分别表示释放的热储能和冷储能、吸收的热储能和冷储能；gHQ和gCQ分别为余热回收单元产生的热量和溴化锂机组产生的制冷。系统将天然气燃烧后产生的高品位热能通过蓄电池释放和吸收转换成电能，同时将做过功的低品位热能用于供热、制冷、干燥或作为生活热水等用途，实现了能源的梯级利用，提高了综合利用效率。1）燃气内燃发电机燃气内燃发电机产生的电能以及余热热量都来自于燃烧天然气，由此可以建立燃气内燃机能量转换的数学模型，燃气内燃发电机的模型为：gEGEGEGEyGηδ=(1)exhGEREGEQGηδ=(2)式中：GEη表示燃气内燃发电机电能转换效率；REη表示内燃发电机余热回收效率；exhQ表示燃气内燃发电机所产生的可被利用的热能，kJ。在此引入δ概念，δ表示设备启停的逻辑变量，其中(0,1)δ∈，GEδ表示燃气内燃发电机的启停。2）溴化锂吸收式制冷机组溴化锂吸收式制冷机组可分为烟气型、蒸汽型、热水型和直燃型。烟气型吸收式制冷机直接使图1系统能量流图Fig.1Diagramblockofpowerflow吴笑民，郭雨，郑景文，等：多能互补智慧园区能源系统优化运行方法2547用燃气轮机或燃气内燃机排出的烟气制冷，不需要余热锅炉或换热器。由此可建立溴化锂吸收式制冷机模型为gC1C1exh,2C1QQηδ=(3)式中：gC1Q表示溴化锂吸收式制冷机制冷量，kJ；C1η表示溴化锂吸收式制冷机的转换效率；exh,2Q为溴化锂制冷机吸收的热量；C1δ表示溴化锂吸收式制冷机的启停。3）离心式水冷机组离心式制冷压缩机具有制冷量大、体积小、质量小、运行平稳和无油压缩等特点，多数应用于大型的制冷空调和热泵装置。离心式制冷机通过消耗电能来实现制冷，其数学模型如下gC2C2uC2C2Qyηδ=(4)式中：gC2Q表示离心式制冷机制冷量，kJ；uC2y表示离心式制冷机所消耗的电能，kWh；C2η表示离心式制冷机的转换效率；C2δ表示溴化锂吸收式制冷机的启停。4）余热回收装置余热回收装置主要通过吸收燃气内燃发电机所释放的热量来实现热量的回收，模型如下gHHexh,1HQQηδ=(5)式中：Hη表示余热回收装置的能量回收效率；exh,1Q为余热回收装置吸收的热量；Hδ表示余热回收装置的启停。5）储能装置冷/热水箱储能如下所示：inoutCsCsCC,inuCC,out1(0)()()ttQQQttQttQtΦΦηη∈∈=+Δ−Δ−Δ∑∑(6)inoutHsHsHH,inuHH,out2(0)()()ttQQQttQttQtΦΦηη∈∈=+Δ−Δ−Δ∑∑(7)式中：CQ、HQ分别为当前水箱冷储能和热储能所储能量，kJ；sC()Qt、uC()Qt分别为t时刻储能水箱进行冷的存储量和释放量，kJ；C,inη、C,outη分别为储能水箱进行冷量的存储与释放的效率；sH()Qt、uH()Qt分别为t时刻储能水箱热的存储量和释放量，kJ；H,inη、H,outη分别为储能水箱进行热量的存储与释放的效率；inΦ与outΦ分别为储能水箱进行储能与释能的时间；tΔ为进行或释放储能的时间；1Q和2Q分别为水箱冷和热能量逸散的速率，kJ。2智慧园区能源系统优化方法园区能源系统的优化过程较为复杂，首先需要解决园区能源系统组成结构和运行模式的复杂化问题，进行详细的分析较为困难。本文将数学规划方法和最优化理论运用到系统的设计和运行过程中，从数学规划的角度提出一种系统优化设计方法。2.1优化目标本文采用数学规划方法求解最优控制需要2部分条件，分别为目标函数和约束条件。1）目标函数考虑到长期的经济效益，以年收益的最大化作为系统的优化目标函数。其中年度费用即年收益主要包含2个部分：初期投资费用和运行费用。初期投资是设备容量的函数，运行费用则是每年出售能源收益和每年支出的电费、燃气能源费用的总和以及设备的启动费、月度固定费用、运行时间费用。运行费用表示为totalzcCCC=−(8)式中：totalC为年度费用，万元/a；cC为设备初期投资的年度等值费用，万元/a；zC为年度能耗费用和售能收益，万元/a。年度能耗费用可以表示为zffssmonfunfun1EEselselEbuybuyE(()()12+(()()()()()()))TtCptRtpRppRptRtptRtptRt==−−−−+−∑(9)式中：f()pt表示t时刻的天然气气价，元/3m；f()Rt表示t时刻的天然气消耗量，3m；sel()pt和buy()pt分别表示t时刻的售电价格和购电价格，元/kWh；selE()Rt和buyE()Rt分别表示t时刻的售电量和购电量，kWh；E()pt表示t时刻出售能源价格；E()Rt表示t时刻能源出售量；sp表示设备启动费用，元/次；sR表示启动次数；monp表示月度固定费用，元/月；funp表示运行时间费用，元/h；funR表示运行时间，h。2）约束条件约束条件包括2部分，即表示系统配置的设备容量参数及表示运行策略的变量，运行状态用二进制变量和连续型变量来描述，它们分别代表了各组成设备的负荷水平与启停状态。（1）电能平衡条件约束gEbuyEselEuHuC1uC2dE()()()()()()()ytytytytytytyt+=++++(10)2548高电压技术2022,48(7)min-gEgEmax-gE()()()ytytyt≤≤(11)min-gridbuyselmax-gridyyyy≤≤或(12)式中：gE()yt表示燃气内燃机在t时刻的发电量，kWh;buyE()yt和selE()yt分别表示t时刻内从电网购买电量和t时刻内向电网出售电量，kWh；uH()yt表示余热装置在t时刻内耗电量，kWh；uC1()yt和uC2()yt分别表示吸热式制冷机和离心式水冷机组的耗电量，kWh；dE()yt表示t时刻内用户的用电负荷，kWh；min-gE()yt和max-gE()yt分别表示最低与最高运行负荷；min-gridy和max-gridy表示从电网购电或售电的下限和上限。（2）冷/热平衡条件约束gC1gC2uCsCdC+QQQQQ+=+(13)min-gC1gC1max-gC1()()()QtQtQt≤≤(14)min-gC2gC2max-gC2()()()QtQtQt≤≤(15)式中：gC1Q、gC2Q分别为溴化锂制冷机和离心式水冷机组的制冷量；min-gC1Q、min-gC2Q分别为溴化锂制冷机和离心式水冷机组的最小制冷量；dCQ表示用户的冷负荷；max-gC1()Qt和max-gC2()Qt分别表示溴化锂制冷机和离心式水冷机组的最大制冷量。其中储能装置的储能与释能的约束条件表示为：gHuHsHdHQQQQ+=+(16)min-gHgHmax-gH()()()QtQtQt≤≤(17)uHsHmax-H0QQQ≤≤或(18)uHspeedHsHspeedHQQQQ≤≤或(19)uCsCmax-C0QQQ≤≤或(20)uCspeedCsCspeedCQQQQ≤≤或(21)式中：dHQ表示用户的热负荷；max-gH()Qt和min-gH()Qt分别表示最高与最低运行负荷；max-HQ和max-CQ分别表示储能水箱储热和储冷的上限；speedHQ和speedCQ分别表示管网系统所能达到的热量与冷量的最大传输速率，J/H。对于冷热水箱的储能和放能，sHQ和uHQ互为相反数，sCQ和uCQ互为相反数；speedHQ、speedCQ分别表示管网系统所能达到的热量与冷量的最大传输速率，J/H。（3）排烟平衡条件约束1231ααα++=(22)将燃气内燃机在工作状态中的排烟量定为1，将排烟根据使用情况分为3部分。1α、2α分别表示余热回收单位和吸收式制冷机吸收燃气内燃发电机组的高温废气和缸套水的效率，3α表示排烟逸散未被利用的部分。2.2优化运行方法园区智慧能源系统以不同的时间间隔检测设备的输出，确定系统调度策略。本文考虑设备关闭的情况，采用增加逻辑变量的方法，0-1逻辑变量代表设备的启动和停止状态。实数变量用于描述设备的运行功率，用0-1变量表示设备的启动和停止状态，可以全面表示实际生产中设备的运行状态，从而实现优化调度。因此，存在表示设备运行功率的实变量，表示内燃机、溴化锂制冷机、离心式水冷却器与余热回收装置设备启动和停止状态的0-1变量。冷热能储存设备有一个实变量，代表设备的能量储存和释放，每个变量对应24h。通过求解各种设备的实变量和逻辑变量值，得到园区设备调度结果。为解决园区能源系统的0-1混合整数线性规划问题，本文选择分支定界法，通过去除整数限制，将整数规划问题转化为非整数规划问题，获得最优解。对于那些边界超过已知可能解值的子组，每次分支后不做额外的分支，缩小搜索范围。重复此过程，直到确定一个可行的解决方案，其值不大于任何子集的边界，从而产生最佳整数解决方案。本文采用BP神经网络算法，利用园区的历史负荷曲线、园区供冷季和供热季的时间(工作日、非工作日)、天气、温度等历史数据，对园区的日前负荷进行预测。结合园区的日前负荷预测结果，基于分支定界法求解获得园区能源系统的调度优化策略。本文中优化方法步骤如下所示：1）读取数据。根据获取的样本数据，对相应的供热/供冷标志位、预测天数标志位进行判断，对读取到的月份进行量化值处理，如表1—表4所示。表1供冷季常见天气量化值Table1Quantifyvaluesforthecoolingseason天气晴多云阴小雨雨量化值10.80.60.40.2表2供热季常见天气量化值Table2Quantifyvaluesfortheheatingseason天气量化值天气量化值晴0.2雨0.6多云0.3雨夹雪0.7阴0.4小雪0.8小雨0.5中雪0.9雨0.6大雪1.0吴笑民，郭雨，郑景文，等：多能互补智慧园区能源系统优化运行方法2549表3工作日/非工作日量化值Table3Weekday/non-workingdayquantitativevalues季节工作日非工作日供冷季10.5供热季10.6表4月份量化值Table4Monthlyquantizationvalues月份量化值月份量化值11.571.521.681.631.391.341.1101.250.9110.961.4121.22）设置训练数据和预测数据。将数据分为训练样本、测试样本以及预测数据3个部分。3）训练样本归一化。4）构建BP神经网络。5）网络参数配置。设置训练次数为10000次、学习效率为0.01、训练目标最小误差为0.00001。6）BP神经网络训练。7）测试样本归一化和预测数据归一化。8）BP神经网络预测。9）预测结果反归一化与误差计算。10）预测完成，得到预测负荷数据组。11）依据负荷预测结果，构造解空间。12）构建解空间的上下界，对解空间进行分支和剪枝。13）搜索解空间，更新上下边界，重复分支和剪枝。14）以年度费用最小为停止条件，否则返回步骤13)。15）输出最优解。3实例验证结果与分析为验证本文提出的园区智慧能系统调度优化方法有效性，利用某产业园在冬季供暖季和夏季供冷季的日常负荷需求，进行园区能源系统调度优化验证。该园区能源系统设备参数如表5所示，能源价格与分时电价如表6、表7所示。选择2018—2020年的负荷数据进行分析，删除不能准确反映标准负荷曲线规律的负荷数据，对于具有标准负荷曲线趋势的负荷数据进行了保留，最终供冷季选取约5300组数据用于供冷季原始数表5能源系统设备参数Table5Parametersofpowersystem设备参数设备参数内燃机热效率0.52离心机最大功率/MW3.37溴机制冷系数0.75水箱储量/m3450溴机制热系数0.91水箱储冷充能速率/(GJ·h–1)1.78内燃机最大功率/MW4.044水箱储冷放能速率/(GJ·h–1)3.56溴机最大制冷功率/MW3.37水箱储热充能速率/(GJ·h–1)7.2溴机最大制热功率/MW3.7水箱储热放能速率/(GJ·h–1)7.2表6多种能源价格参数Table6Priceofmultipleenergysources参数名称取值天然气气价/(元·N–1·m–3)2.2冷热能量售价/(元·kWh–1)0.5557售电电价/(元·kWh–1)0.7661购电电价分时电价表7分时电价Table7Timeofusetariff时刻电价/元00:00—08:000.5808:00—11:00，16:00—19:00，22:00—24:001.0511:00—16:00，19:00—22:000.89据集，供热季选取约5400组数据用于供热季原始数据集。3.1负荷预测结果误差分析如图2、图3所示，供热季和供冷季分别选取了2组负荷预测曲线。图2(a)所示的负荷预测误差为14.47%，图2(b)所示的负荷预测误差为20.40%，图3(a)所示的负荷预测误差为19.25%，图3(b)所示的负荷预测误差为21.48%。利用选取的历史数据进行负荷预测，供冷季的负荷预测误差处于20%左右，供热季的负荷预测误差处于25%左右。传统方法采用冷热季节中的单日数据评估整个供热季或供冷季，获得的预测结果与实际结果误差较大。本文从供冷季或供热季每个月选取1个典型日用作BP神经网络预测的对比验证测试，结果如表8所示，BP神经网络预测结果误差明显小于传统传统方法预测结果误差。2550高电压技术2022,48(7)图2供冷季负荷预测结果对比图Fig.2Comparisoncurveofforecastresultsforthecoolingseason表8误差分析结果Table8Erroranalysisresults日期传统方法误差/%神经网络方法误差/%2019–0125.8621.502019–0253.6123.812019–1241.9823.132021–0621.1418.502021–0743.5421.212021–0820.4719.673.2智慧园区能源系统调度优化结果分析智慧园区能源系统调度优化运行是根据分时电价、天然气价格和负荷需求进行调度决策，调度优化运行结果如图4、图5所示。供热季的经济运行是根据分时电价和天然气价格来改变的。由于当前天然气价格较低，内燃机将以最大功率运行，以实现经济效益的最大化。在规划溴化锂制冷装置时，要考虑使用时间。当电价图3供热季负荷预测结果对比图Fig.3Comparisoncurveofforecastresultsfortheheatingseason图4设备出力(供暖季，以热定电)Fig.4Equipmentoutput(heatingseason,powertoheat)较低时，它将从00:00工作到07:00，并储存能量。在电价高的时候，从08:00开始到12:00为止，减少了运营时间。溴化锂吸收式制冷机由于负荷增加和电费较低，提高了加热功率，从12:00到16:00吴笑民，郭雨，郑景文，等：多能互补智慧园区能源系统优化运行方法2551图5设备出力(供暖季，以电定热)Fig.5Equipmentoutput(heatingseason,heatingbyelectricity)进行储存。考虑到电价最高点，利用储存的热能在16:00到20:00之间供能。以热定电模式首先保证用户热负荷需求，根据满足热负荷需求改变自身的能量生产。剩余电量接入电网，不足电量从电网获取。图4—图7中水箱功率为正代表水箱输出能量，为负代表水箱储存能量；电网功率为正值表示向电网出售电力，电网功率为负值表示从电网购买电力。由于供冷季天然气价格低廉，内燃机保持稳定输出功率，调度优化运行结果如图6、图7所示。在以热定电、以电定热的方法中，溴机和离心式水冷机组的出力依据分时电价进行调节。电价低时，扩大制冷量并储存；电价高时，利用储能补充制冷，从而达到设备运行的经济优化。供冷季用户负荷较高，营收略高于供热季。由于园区的独特性，无论是以热定电还是以电定热，出售电收益都较高。因此，首先向电网出售电能可能会带来更好的经济收益，向用户供电可能会带来更低的回报。同时，以热定电确定能量供应既能满足用户的冷热负荷，又能满足用户的用电负荷。该模式首先保证用户对冷热负荷的需求，当发电量不足时，用户向电网购买电力，避免出现电力赤字。然而，如果以电定热，可能会出现供冷和供热不足的情况，需要对一些消费者的损失进行补偿。因此，在该系统中，以电定热方式的收益略低于以热定电方式的收益。本文充分考虑各个环节的价格，分析用户负荷需求，在用户负载相同的情况下，获得更大的经济收益。从2019年和2020年数据中选取4d进行最优运行结果与工厂实际结果的对比分析，结果如表9所示，示意图如图8所示。图6设备出力(供冷季，以热定电)Fig.6Equipmentoutput(forcoolingseason,heatfixedpower)图7设备出力(供冷季，以电定热)Fig.7Equipmentoutput(forthecoolingseason,totheelectricitytofixtheheat)图8收益对比图Fig.8Revenuecomparisonchart可以看出优化运行后的经济收益要高于实际运行下的经济效益，部分时期由于以电定热模式不2552高电压技术2022,48(7)表9实际运行与优化运行结果对比分析表Table9Comparisonanalysistableofactualoperationandoptimizationoperationresults日期实际发电量占总耗电量的百分比/%用户负荷/MWh天然气价格/(元·m–3)售电价格/(元·kWh–1)负荷价格/(元·kWh–1)能源站收入/元以热定电/元以电定热/元实际运行2019年01–1745.4463.062.9610.70760.67817099289742550801–3097.5835.742.9610.70760.6786214157291207506–1178.761002.9610.70760.67823871555044667206–2843.4964.262.9610.70760.678151573221725408优化运行2020年01–0245.4665.522.7130.70760.64435317413123413301–1669.0290.752.7130.70760.64451384568274879708–0116.8754.422.3130.67800.55422547299582664708–1399.32115.482.3130.67800.554528436189659693能完全满足用户热负荷需求，需要对用户进行赔偿导致收益略低于实际运行收益。且实际运行情况下，用户负荷和发电量有上限，经济效益难以持续提高。2019年，在天然气价格较高的时候，优化调度还有很大的提升空间。2020年天然气价格低时，园区内燃机全功率输出，园区能源系统获得更高的经济利益。因此合理根据价格变化情况和用户需求对设备出力进行调度优化，可以有效提升系统收益。4结论1）本文提出了一种多能互补智慧园区能源系统优化运行方法。方法包含精确预测模型和多种储能类型的系统，并结合精确的预测模型和多元储能对其进行了分析建模以及优化和经济运行策略研究。2）对武汉某产业园区的真实数据进行了实验，案例研究表明建立精确的预测模型可使预测精度提高10%左右，收益优化效果明显优于园区实际运营收入，至少高出10.45%。3）与传统方法相比，该方法可以在实际的综合能源系统中使用。参考文献References[1]孙宏斌，郭庆来，潘昭光.能源互联网：理念、架构与前沿展望[J].电力系统自动化，2015，39(19)：1-8.SUNHongbin,GUOQinglai,PANShaoguang.Energyinternet:con-cept,architectureandfrontieroutlook[J].AutomationofElectricPowerSystems,2015,39(19):1-8.[2]甘中学，郑超越，许裕栗，等.三联供能源系统优化建模与调度方法[J].控制工程，2020，27(6)：1103-1112.GANZhongxue,ZHENGChaoyue,XUYuli,etal.Energyoptimiza-tionmodelingandschedulingmethodforCCHPsystem[J].ControlEngineeringofChina,2020,27(6):1103-1112.[3]YANGJ,WANGLY,HUPD,etal.EconomicdispatchingofCCHPmicrogridconsideringgrid-connectedrevenue[C]∥20194thInterna-tionalConferenceonIntelligentGreenBuildingandSmartGrid(IGBSG).Wuhan,China:IEEE,2019:657-660.[4]张俊礼.微型燃气轮机冷热电联供系统集成优化与动态运行规律研究[D].南京：东南大学，2015.ZHANGJunli.Integratedoptimizationanddynamiccharacteristicre-searchonmicroturbine-basedcooling,heatingandpowersystem[D].Nanjing,China:SoutheastUniversity,2015.[5]BAGHERIANMA,MEHRANZAMIRK,POURAB,etal.Classifi-cationandanalysisofoptimizationtechniquesforintegratedenergysystemsutilizingrenewableenergysources:areviewforCHPandCCHPsystems[J].Processes,2021,9(2):339.[6]徐晓凤.微电网能量优化调度研究[D].郑州：郑州大学，2020.XUXiaofeng.Researchonenergyoptimalschedulingformi-crogrid[D].Zhengzhou,China:ZhengzhouUniversity,2020.[7]吴雄，王秀丽，王建学，等.微网经济调度问题的混合整数规划方法[J].中国电机工程学报，2013，33(28)：1-8.WUXiong,WANGXiuli,WANGJianxue,etal.Economicgenerationschedulingofamicrogridusingmixedintegerprogramming[J].Pro-ceedingsoftheCSEE,2013,33(28):1-8.[8]HUW,LUX,JINGJP,etal.Theday-aheadoptimizationschedulingofCCHPenergysystemwithmulti-modeenergystorages[C]∥2019IEEEInnovativeSmartGridTechnologies-Asia(ISGTAsia).Chengdu,China:IEEE,2019:2941-2945.[9]LIUH,LIZ,CHENGQ,etal.Constructionoftheevaluationindexsystemoftheregionalintegratedenergysystemcompatiblewiththehierarchicalstructureoftheenergyinternet[C]∥2020IEEE4thCon-ferenceonEnergyInternetandEnergySystemIntegration(EI2).Wuhan,China:IEEE,2020:342-348.[10]WANGRG,GUOYL,LIUKX,etal.PerformanceanalysisofbuildinghydrogencomprehensiveutilizationsystembasedonCCHPsystemofhydrogenfuelcell[C]∥20182ndIEEEConferenceonEn-ergyInternetandEnergySystemIntegration(EI2).Beijing,China:IEEE,2018:1-6.[11]JIANGXF,ZOUB.BenefitanalysisofCCHPwiththermalstoragetank[C]∥2018InternationalConferenceonSmartEnergySystems吴笑民，郭雨，郑景文，等：多能互补智慧园区能源系统优化运行方法2553andTechnologies(SEST).Seville,Spain:IEEE,2018:1-6.[12]ANATONEM,PANONEV.IntegrationofCCHPandsolarplantsforhouseholdapplicationsamultiobjectiveoptimizationmodel[C]∥2013InternationalConferenceonRenewableEnergyResearchandApplica-tions(ICRERA).Madrid,Spain:IEEE,2013:499-504.[13]YUZP,ZHANGF,LIGJ.AnewmodelofCCHPsystemwithvari-ousnewenergyintegration[C]∥8thRenewablePowerGenerationConference(RPG2019).Shanghai,China:IET,2019:1-6.[14]LIXC,DONGY,ZOUYY.EnergymanagementofCCHPmicrogridconsideringdemand-sidemanagement[C]∥201732ndYouthAca-demicAnnualConferenceofChineseAssociationofAutomation(YAC).Hefei,China:IEEE,2017:240-245.[15]GAOXJ,WEIL,ZHUSZ,etal.Optimalcooperativeschedulinginmulti-energymicro-gridconsideringdemandresponse[C]//2019IEEE3rdInternationalElectricalandEnergyConference(CIEEC).Beijing,China:IEEE,2019:1997-2002.[16]李鹏，周益斌，李明哲，等.基于谈判博弈的含储能站利益主体的多能源站协同优化运行方法[J].高电压技术，2021，47(5)：1666-1673.LIPeng,ZHOUYibin,LIMingzhe,etal.Cooperativeoptimalopera-tionmethodofmultipleenergystationswithstakeholderofenergystoragestationbasedonnegotiationgame[J].HighVoltageEngineer-ing,2021,47(5):1666-1673.[17]LIJX,ZHUSZ,ZHENGJH,etal.CombinedeconomicoperationresearchofCCHPsystemandenergystorage[C]∥2014InternationalConferenceonInformationScience,ElectronicsandElectricalEngi-neering.Sapporo,Japan:IEEE,2014:574-578.[18]WANGQH,LIUJZ,HUY,etal.Optimaloperationstrategyofmulti-energycomplementarydistributedCCHPsystemanditsapplica-tiononcommercialbuilding[J].IEEEAccess,2019,7:127839-127849.[19]张淑婷，陆海，林小杰，等.考虑储能的工业园区综合能源系统日前优化调度[J].高电压技术，2021，47(1)：93-101.ZHANGShuting,LUHai,LINXiaojie,etal.Operationschedulingoptimizationofintegrated-energysysteminindustrialparkinconsid-erationofenergystorage[J].HighVoltageEngineering,2021,47(1):93-101.WUXiaominPh.D.Correspondingauthor吴笑民(通信作者)1989—，男，博士，工程师主要从事电力系统故障诊断、新能源微网控制、综合能源服务方面的研究工作E-mail:wxm@cug.edu.cnGUOYuSeniorengineer郭雨1988—，女，硕士，高工从事主要从事新能源主动支撑、综合能源服务方面的研究工作E-mail:511149215.com收稿日期2022-01-25修回日期2022-04-13编辑程子丰