电工技术学报TransactionsofChinaElectrotechnicalSocietyISSN1000-6753,CN11-2188/TM《电工技术学报》网络首发论文题目：考虑不确定性的电-热-氢综合能源系统规划作者：侯慧，刘鹏，黄亮，谢长君，张锐明DOI：10.19595/j.cnki.1000-6753.tces.L90008收稿日期：2020-05-05网络首发日期：2021-08-16引用格式：侯慧，刘鹏，黄亮，谢长君，张锐明．考虑不确定性的电-热-氢综合能源系统规划．电工技术学报.https://doi.org/10.19595/j.cnki.1000-6753.tces.L90008网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出版广电总局批准的网络连续型出版物（ISSN2096-4188，CN11-6037/Z），所以签约期刊的网络版上网络首发论文视为正式出版。2021年7月电工技术学报Vol.36Sup.1第36卷增刊1TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETYJul.2021DOI:10.19595/j.cnki.1000-6753.tces.L90008考虑不确定性的电-热-氢综合能源系统规划侯慧1刘鹏1黄亮1谢长君1张锐明2（1.武汉理工大学自动化学院武汉4300702.广东广顺新能源动力科技有限公司佛山528000）摘要在综合能源系统（IES）高速发展的背景下，提出考虑风光不确定性的电-热-氢综合能源系统多目标规划方法。首先，介绍了电-热-氢综合能源系统模型结构框架和关键设备运行策略，针对模型中现有电转气（P2G）技术和热电联产机组（CHP）运行策略的不足，提出将P2G生成的氢气优先供应燃料电池汽车，以及根据可再生能源出力大小切换CHP运行模式等改进措施；其次，针对可再生能源出力不确定性对系统规划的影响，基于场景法实现了不确定性场景描述，同时以经济成本最小、风光消纳率最大和供能不足最小为优化目标，提出考虑风光不确定性的多目标规划方法，达到应对不确定性因素影响以及兼顾经济性，高效性和可靠性的目的；最后采用改进的混合多目标粒子群算法和模糊隶属度函数求解设备容量配置方案，结果验证了该文所提方法的有效性及合理性。关键词：综合能源系统氢能最优规划电制氢甲烷化燃料电池汽车中图分类号：TM715PlanningofElectricity-Heat-HydrogenIntegratedEnergySystemConsideringUncertaintiesHouHui1LiuPeng1HuangLiang1XieChangjun1ZhangRuiming2（1.SchoolofAutomationWuhanUniversityofTechnologyWuhan430070China2.GuangdongGuangshunNewEnergyPowerTechnologyFoshan528000China）AbstractUnderthebackgroundoftherapiddevelopmentofintegratedenergysystem(IES),amulti-objectiveplanningmodelofelectricityheathydrogenintegratedenergysystemconsideringtheuncertaintyofwindspeedandsolarradiationisproposed.Firstly,thispaperpresentsthestructureframeworkandkeyequipmentoperationstrategiesofelectricity-heat-hydrogenintegratedenergysystemmodel.Withtheshortcomingsoftheexistingpowertogas(P2G)technologyandthecombinedheatandpower(CHP)operationmode,someimprovementmeasuresareproposed,suchasthehydrogenproducedbyP2Gispreferentiallysuppliedtofuelcellvehicles,andswitchingCHPoperationmodeaccordingtotherenewableenergyoutput.Secondly,inordertosolvetheimpactofuncertaintyofrenewableenergyoutputonsystemplanning,theuncertaintyscenariodescriptionisimplementedbasedonthescenariomethod.Amulti-objectiveoptimalplanningmethodconsideringtheuncertaintiesofwindspeedandsolarradiationisproposed,whichcandealwiththeimpactofuncertainfactorsandtakingintoaccounttheeconomy,efficiencyandreliability.Theoptimizationobjectivesaretheminimumeconomiccost,themaximumutilizationrateofrenewableenergyandtheminimumenergynotsupply.Atlast,theimprovedhybridmulti-objectiveparticleswarmoptimizationalgorithmand国家重点研发计划（2020YFB1506802）、国家重点研发计划（2018YFB0105700）和国家自然科学基金（51977164）资助。收稿日期2020-05-05改稿日期2020-11-14网络首发时间：2021-08-1614:10:35网络首发地址：https://kns.cnki.net/kcms/detail/11.2188.TM.20210816.1109.014.html2电工技术学报2021年7月fuzzymembershipfunctionareusedtosolvetheequipmentcapacityconfigurationscheme.Theresultsverifytheeffectivenessandrationalityoftheproposedmethodinthispaper.Keywords：Integratedenergysystem,hydrogenenergy,optimalplanning,power-to-hydrogen,methanation,fuelcellvehicle0引言在能源利用、环境效益及技术经济性等方面，综合能源系统（IntegratedEnergySystem,IES）支持大规模可再生能源的接入、大规模氢储能及其他储能设备的接入，并支持向电气化交通的转型[1]，已成为未来能源行业发展的必然趋势[2]。但其涉及到的转换设备更多，规划往往也更加复杂，需要在满足技术经济性条件下，同时供应多种能量，并实现可再生能源的充分利用[3]。在综合能源系统规划方面，现有研究存在优化目标函数较为单一，规划结果难以兼顾多方面需求等不足[4-8]。文献[4]以年度总成本最小为目标函数，对北京市海淀区北部综合能源系统进行了最优规划，并通过对比分析，验证了规划设计的综合能源系统比传统的集中式能量系统具有更好的经济性和环保性。文献[5]以年均成本最小为目标函数，构建了风光燃储优化配置模型，但未考虑系统的供能可靠性。为此，文献[6]基于概率可靠性准则，从候选路径集合中筛选出用于连接能量枢纽的最低成本网络。文献[7]则通过将可靠性量化为经济成本，实现了在规划中体现供能可靠性的目的，但并未将可靠性作为单独的目标函数，规划结果难以真正兼顾可靠性和经济成本。文献[8]在对含可再生能源的分布式发电机组进行容量配置时，考虑了降低系统有功损耗、优化年利润、提高系统母线电压和加强电压稳定性等目标，但在实际优化过程中却将这些目标加权合并为单一目标进行处理，同样没有达到兼顾不同规划需求的目的。在综合能源系统规划可再生能源出力不确定性处理方面，相对于传统电网中的可再生能源并网发电，在具有更高灵活性的IES中，如何合理规划使其更高效应对不确定因素的变化是其面临的重要挑战之一。目前，在IES的规划中考虑再生能源出力不确定性的研究较少[9-11]。文献[12]通过将风速历史数据进行聚类，得到风电出力典型场景，进而实现考虑风电不确定性条件下风电场和电转气（PowertoGas,P2G）厂站的协同选址规划。文献[13]通过蒙特卡罗模拟法生成风速和电价场景树，并利用向前选择算法将生成的场景进行缩减，实现不确定性的建模处理。文献[14]根据对风电季节特征的分析，生成风电初始场景并运用向后选择算法对场景进行缩减，在此基础上，对基于场景法的IES规划过程进行了详细描述。在考虑不确定性因素的规划研究中，除了基于场景法生成具有代表性的不确定性场景外，文献[15-16]在提出的双层鲁棒规划模型中，通过考虑不确定性场景集合极限场景下的运行费用，解决了发电容量不确定情况下输电网拓展规划问题。文献[17]则构建了考虑多重不确定性因素的分布式电源鲁棒规划模型，通过在下层鲁棒优化模型中利用极限场景对上层规划方案进行可行性校验，达到考虑风电不确定性的目的。然而上述研究中，基于场景法的研究在场景缩减时可能导致极限场景的丢失，基于鲁棒优化模型的研究建模和求解过于复杂且难以理解。在综合能源系统规划可再生能源消纳方面，电转气技术具有良好的能量转换和时空平移特性，是消纳可再生能源多余出力的有效途径[18-19]。在实际生产过程中，P2G技术通常被分为电制氢和甲烷化两个过程，即首先通过电解将水分解成氧气和氢气，再将氢气和二氧化碳合成为甲烷[20-22]。文献[23-24]对现有电制氢和甲烷化的技术特性进行了研究，从中可知，电制氢的效率为75%～85%，甲烷化的效率为75%～80%，P2G的综合效率为45%～65%。当系统供电功率出现缺额，起动燃气机进行放电时[21]，又会导致进一步的能量损耗。由上述研究可知，经过多次的能量转换，电力与天然气能量闭环的效率可能仅为15%～22%，且增加了系统的投资成本。为减少能量转换过程，并寻求P2G技术更高效地应用方式，文献[25-27]对氢气的储存和利用进行了研究，认为氢能在未来的高比例可再生能源系统中拥有巨大的应用潜力。文献[28]率先探索了太阳能离网式燃料电池汽车加氢站的最优规划，为氢能的推广利用提供了重要途径。综上所述，针对现有P2G技术能量利用效率较低的现状，本文提出将燃料电池汽车和加氢站加入第36卷增刊1侯慧等考虑不确定性的电-热-氢综合能源系统规划3到P2G过程中，电解池产生的氢气优先输送到加氢站供应燃料电池汽车运行，富余的氢气再配合甲烷化转换为天然气进行储存；其次，针对现有综合能源系统规划目标函数单一，规划过程未充分考虑可再生能源出力不确定性的不足，本文基于一定的置信水平生成极限场景，同时以经济成本最小、风光消纳率最大和供能不足最小为优化目标，对电-热-氢综合能源系统进行容量配置，从而达到考虑不确定性因素影响及兼顾多种规划需求的目的；最后，在以周为单位对系统容量配置结果进行运行验证，结果表明，本文提出的多目标规划方法可以有效应对可再生能源出力的变化，并且能够兼顾多种规划需求。1电-热-氢综合能源系统模型及不确定性场景描述1.1电-热-氢综合能源系统模型为促进可再生能源的就地利用，对孤岛模式下的电-热-氢综合能源系统进行规划研究[29]，能量供需关系如下：电负荷（ElectricLoad,ED）由风机（WindGeneration,WG）、光伏（Photovoltaic,PV）及热电联产机组CHP供应，热负荷（ThermalLoad,TD）由CHP及燃气锅炉（Gas-firedBoiler,GB）供应，富余的电能通过电解池（ElectrolysisCell,EC）电解为氢气储存在储氢罐（HydrogenStorageTank,HST）中，当氢气出现富余时启动甲烷化（Methanation,MET）将富余的氢气转换为甲烷进行储存，加氢站（HydrogenStation,HS）为燃料电池汽车（FuelCellVehicle,FCV）提供氢气。在上述供能关系的基础上，构建一种典型的电-热-氢综合能源系统模型。电-热-氢综合能源系统结构示意图如图1所示。图1电-热-氢综合能源系统结构示意图Fig.1Structurediagramofelectricity-heat-hydrogenintegratedenergysystem1.2关键设备运行策略为便于理解，有必要对FCV、CHP、EC及MET等关键设备运行策略进行介绍。其余设备如风机和光伏等，出力特性研究较为成熟[8]，这里不再展开进行描述。1.2.1FCVFCV以其高能量转换率、高可靠性和行驶零排放等优点被认为是传统燃油汽车的理想代替者[30]。FCV的运行方式与电动汽车的运行方式基本类似，行驶距离服从基于对数正态分布的概率密度函数[31]。当FCV的储氢量小于设定储氢量时，FCV到HS进行加氢服务，加氢量WFCV,k和HS消耗的氢气量WHS分别为FCVFCFCV,maxV0,FCV(SOCSOC)kkkWCxw（1）HSFCV1nk,kkWW（2）式中，FCmaxVSOC为FCV的储氢状态上限；FCV0,SOCk为第k辆FCV的初始储氢状态量；kx为行驶里程；w为单位里程耗氢量，w=0.91kg/100km；FCVC为储氢容量，FCVC=5.6kg；n为FCV数量；k为二进制变量，1k时加氢，0k时不加氢。1.2.2CHPCHP运行模式一般分为：以电定热（FollowingTheElectricLoad,FEL）和以热定电（FollowingtheThermalLoad,FTL）两类[32]。然而单一的运行模式往往难以与具有波动性的风光出力配合，造成较为严重的供能不足或弃风弃光现象，并且增加了系统启停成本。为此，针对正午较为集中的光伏出力，本文提出基于模式切换的CHP运行策略，并将燃气锅炉GB作为补充供热源。具体如下：①在风光出力较小的时段，CHP以FEL方式运行，如式（3）所示；②在风光出力较大的时段，CHP以FTL方式运行，如式（4）所示。Fsw,EloadFCHPeEloadsw,FmaxCHPEloadsw,CHPeghCHPhCHPeCHPgemaxmaxFmaxCHPeCHPeCHPhCHPhEloadsw,CHPe,,,,,,,,,====FEL,tttttttttttttPPPPPPPPPPPPPPPPP＜＜＞（3）4电工技术学报2021年7月Fsw,EloadCHPhHloadmaxCHPHloadCHPhgeCHPeCHPhCHPghmaxmaxmaxCHPe,,CHPeCHPeCHPeHload,,,,,,,CHPe==,FTL=ttttttttttPPPPPPPPPPPPPP＞＜＞（4）GB,Hload,CHP,htttPPP（5）式中，maxCHPeP和maxCHPhP分别为CHP的电和热输出功率上限；CHPge和CHPgh分别为CHP的电和热转换效率；Fsw,tP为t时段预测风光出力值；,EloadtP为t时段电负荷；,HloadtP为t时段热负荷；,CHPetP为t时段CHP电输出功率；,CHPhtP为t时段CHP热输出功率；GB,tP为t时段燃气锅炉输出功率。1.2.3EC和METEC的运行功率根据电能供需关系确定[12]，当有多余电力供应时起动EC，将富余的电能转换为氢气。ECEC,EC,ttcWP（6）式中，EC,tP和EC,tW分别为t时段EC消耗的电功率和生成的氢气量；EC为转换效率；c为电能折算为相同能量氢气的单位换算系数，c=39.65kW·h/kg。HST的储氢量与HST的初始储氢量、EC生成的氢气量和加氢站HS消耗的氢气量密切相关。为简化计算，HST的储氢量以日为单位进行更新。HSTHST0METHSECWWWWW（7）式中，HST0W为HST的初始储氢量；ECW为EC生成的氢气量；METW为MET消耗的氢气量。当出现氢气富余时，启动甲烷化将富余的氢气转换为甲烷。METCH,4,METttWkW（8）式中，CH4,tW为t时段MET生成的甲烷量（kg）；MET为转换效率；k为氢气转换成甲烷的折算系数，2k[33]。1.3极限场景本文从规划层面对风光不确定性予以考虑，在不考虑风光相关性的前提下，基于一定的置信水平确定风光出力极限场景[34]，设WG和PV的输出功率分别为WGP和PVP，同时假设其功率服从基于年均功率的正态分布，置信水平为0.95，取WG,lFP、PV,lFP为0.05，WG,hFP、WG,hFP为0.95，则WG输出功率的波动区间为WG,lWG,h,PP，PV输出功率的波动区间为PV,lPV,h,PP。可得，极限场景Ⅰ的输出功率为WG,lP和PV,lP，极限场景Ⅱ的输出功率为WG,hP和PV,hP。WG和PV输出功率的年均场景和极限场景示意图如图2和图3所示。图2WG输出功率的年均场景和极限场景示意图Fig.2AnnualaveragescenarioandextremescenarioofWGoutputpower图3PV输出功率的年均场景和极限场景示意图Fig.3AnnualaveragescenarioandextremescenarioofPVoutputpower2多目标规划方法2.1目标函数本文所提的多目标规划方法优化目标函数包括：经济成本最小、风光消纳率最大和供能不足最小，下面分别予以介绍。2.1.1目标一经济成本最小ic1pwplof1ccminSssCCfCCC（9）式中，S为场景数，3S；1s、2s、3s分别为年均场景和极限场景Ⅰ和极限场景Ⅱ；s为各场景的权重系数。其中，投资成本为sfs,,fmax,icic1(1)(1)1iiLNiiiLiiiCkP（10）式中，maxiP为WG、PV、CHP、EC等设备的容量；第36卷增刊1侯慧等考虑不确定性的电-热-氢综合能源系统规划5N为设备总数；,icik为单位容量投资成本；i为通货膨胀率，取5%；,sfiL为设备的使用年限。运行维护成本为24FIXmaxVAoc,Rococ,11,NiitiitikPkPC（11）式中，,itP为设备运行功率；Xoc,FIik、Roc,VAik分别为相应的固定和可变运维成本。燃料成本为g24fcg,,chfc141CH4,iNtittkPCW（12）式中，g,,itP为CHP和GB等设备的燃气功率；gN为燃气设备数量；fck为单位天然气购买成本；ch4为甲烷低热值，ch4=0.014MW·h/kg。能量浪费惩罚成本是指对本应被利用的能量，由于转换、储能设备容量约束及能量供需平衡约束而没有被充分利用所附加的惩罚成本，能量浪费惩罚成本为2pwwasteEwasteTwasteHwaste()CkPPP（13）式中，wastek为单位能量浪费惩罚成本；EwasteP、TwasteP、2HwasteP分别为电、热、氢三种浪费能量。1）在风光出力较大时段，受电负荷需求和电解池容量的约束，部分风机和光伏被切除，出现弃风弃光现象。24swCHPeECEload1Ewaste,,,,ttFtttPPPPP（14）2）在CHP出力较大时段，受热负荷需求约束，CHP余热未被充分利用，出现热能浪费。24CHPhGBHload1Twaste,,,ttttPPPP（15）3）在电能富余时段，受储氢罐和甲烷化装置容量约束，电解池生成的氢气未被充分利用，出现氢能浪费。22maxMETHHwasteECHSTShHST0()WPWWWW（16）式中，2h为氢气低热值，2h=0.033MW·h/kg；xHSTmaW为储氢罐最大储氢容量。供能不足惩罚成本为2pllossElossTlossHloss)(CkPPP（17）式中，lossk为单位能量供应不足惩罚成本；ElossP、TlossP和2HlossP分别为电、热、氢供应不足量。2.1.2目标二风光消纳率最大为促进可再生能源有效利用，提出目标函数二风光消纳率最大。风光消纳率指被电负荷和电解池有效利用的风光出力占风光总出力的百分比[35]，表达式为24Eload,EC,CHPe2,1Fsw,11max24ttttsstSPPPfP（18）2.1.3目标三供能不足最小为确保系统的正常运行，提出目标函数三供能不足最小，表达式为23ElossTlossHloss1min()SssfPPP（19）24FEloadsw,Elos,CPe1s,HttttPPPP（20）24HloadCTloss,,HPhG,B1ttttPPPP（21）22HSMEHlossHST0ETCh()WWWPW（22）2.2约束条件约束条件主要包括风机、光伏、热电联产机组，燃气锅炉、电解池、储氢罐、甲烷化装置等设备的容量配置约束，如式（23）所示；热电联产机组电功率约束，如式（24）所示；热电联产机组热功率约束，如式（25）所示；燃气锅炉运行约束，如式（26）所示；电解池运行约束，如式（27）所示；甲烷化装置运行功率约束，如式（28）所示；电能供应不足约束，如式（29）所示；热能供应不足约束，如式（30）所示；氢能供应不足约束，如式（31）所示；电能供应浪费约束，如式（32）所示；热能供应浪费约束，如式（33）所示；氢能供应浪费约束，如式（34）所示。具体表达式为maxmax0iiPP≤≤（23）maxCHPCHPe,CHPgge0tPP≤＜（24）maxCHPCHPh,CHPggh0tPP≤＜（25）6电工技术学报2021年7月maxGB,GB0tPP≤＜（26）maxEC,EC0tPP≤＜（27）METmx,EaMT0tWW≤＜（28）maxElossEloss0PP≤≤（29）maxTlossTloss0PP≤≤（30）22maxHlossHloss0PP≤≤（31）wastemaxEEwaste0PP≤≤（32）wastemaxTTwaste0PP≤≤（33）22wastemaxwtHHase0PP≤≤（34）式中，maxiP为各设备容量配置上限；maxCHPgP为热电联产机组燃气功率上限；maxElossP、maxTlossP和maxTlossP分别为电、热、氢供应不足上限；wastxEemaP、wastxTemaP和2wasxHtemaP分别为电、热、氢供应浪费上限。2.3求解算法采用传统方法处理多目标优化问题时，往往需要将多目标转换为单目标进行求解，并且存在目标权重选择依靠经验判断，计算复杂、鲁棒性差等问题。因此，本文在传统多目标粒子群算法[36]的基础上，为了使种群尽快收敛，同时使非劣解更广泛地均匀分布于Pareto前沿[37-38]，提出一种改进的混合多目标粒子群优化算法（HybridMultiObjectiveParticleSwarmOptimization,HMOPSO）。算法流程如图4所示。图4HMOPSO算法流程Fig.4FlowchartofHMOPSO结合图4，改进的混合多目标粒子群优化算法具体步骤如下：1）初始化种群。2）计算目标函数值，并利用Pareto优先排序法进行排序。3）将种群中的非劣解添加到精英集，去除精英集中的劣解。4）对精英集中解按拥挤距离排序法进行适应度分配，按适应度概率选取全局最优解。根据个体最优解和选择的全局最优解，更新个体的位置和速度。5）对精英集中的解进行交叉变异，若得到的新解支配精英集中的解，则用新解替换被支配解。6）如果达到最大迭代次数，转到步骤7），否则转到步骤3），进行下一次迭代。7）输出Pareto解集。同时，为了避免人为因素对规划结果的影响，利用模糊隶属度函数从Pareto解集中权衡筛选出最终解。模糊隶属度函数计算得到的综合满意度越大的解越优[38]，计算公式为max,maxmin()iimmiiiffxff（35）,1,11LmiimMLmimi（36）式中，,mi为第m个非劣解mx对第i个目标的满意度；()imfx为非劣解mx的第i个目标值；maxif为第i个目标的最大值；minif为第i个目标的最小值；m为非劣解mx对所有目标的综合满意度；M为非劣解个数；L为目标个数。3算例分析3.1算例概况本文以1.1节构建的电-热-氢综合能源系统为例进行仿真计算。系统设备参数见表1，以2010年英国汽车保有量与同年电网负荷峰值为标准设定本文汽车数量，取FCV的渗透率为20%，150辆，CHP的电效率为0.35[5]，热效率为0.50[5]，EC的效率为0.75[23]，MET的效率为0.8[24]，GB的效率为0.8，通货膨胀率为5%，天然气购买成本为25$/(MW·h)，能量供应浪费和能量供应不足惩罚成本分别为100$/(MW·h)和500$/(MW·h)，电热氢供应浪费上限均为5MW·h，电热氢供应不足上限均为1MW·h。第36卷增刊1侯慧等考虑不确定性的电-热-氢综合能源系统规划7极限场景Ⅰ和极限场景Ⅱ的概率各为0.1[34]，年均场景的概率为0.8[34]。电热负荷曲线见附图1。粒子群参数设置如下：学习因子取c1=c2=1.0，最大惯性权重系数wmax=0.9，最小惯性权重系数wmin=0.1，粒子最大飞行速度vmax=1，变异概率pm=0.05，粒子种群数为50，最大迭代次数为300。此外在Matlab8.3环境下（计算机配置为英特尔酷睿i74510u，主频为2.0GHz，内存为8GB），本文算法迭代300次只需约20.518s，多目标粒子群算法需要约65.447s，多目标非劣排序遗传算法则需要约3min，因而本文算法计算效率更高。表1系统设备参数Tab.1Equipmentparameters设备单位投资成本/(103$/MW)固定运维成本/(103$/MW/年)可变运维成本/[$/(MW·h)]容量配置上限/MW年限/年PV[27]665280.11525WG[27]1310400.017525CHP[5]10002030620EC[27]40010.20520MET[23]175100520GB[5]7502030325HST[11]9.3002020同时，为了说明本文所提多目标规划方法的有效性和合理性，设置如下三种方案：1）方案1：以年均场景数据作为输入条件，经济成本最小为优化目标，对设备容量进行单目标优化配置。2）方案2：以年均场景数据作为输入条件，同时考虑规划的经济性、高效性和安全性，对设备容量进行多目标优化配置。3）方案3：以1.3节定义的多场景数据作为输入条件，同时考虑规划的经济性、高效性和安全性，对设备容量进行多目标优化配置。3.2规划结果分析根据2.1节和2.2节提出的目标函数和约束条件，对上述方案分别进行求解。通过各方案求得的容量配置结果见表2。为对比上述三种方案容量配置结果的优劣，分别在不同场景下对其进行测试运行，计算可得，年均场景下三种方案的目标函数值见表3。极限场景Ⅰ下三种方案的目标函数值见表4。极限场景Ⅱ下三种方案的目标函数值见表5。表2容量配置结果Tab.2Capacityconfigurationresults设备功率/MW方案1方案2方案3WG6×0.22×0.23×0.2PV2.622.1CHP42×0.142×0.147×0.1EC0.81.62.9MET11.21.9GB0.41.11.1HST86.87.2表3年均场景下三种方案的目标函数值Tab.3Objectivefunctionsofthreecasesinannualaveragescenario方案经济成本/$风光消纳率(%)供能不足/(MW·h)1599393.70.292623599.30.393636199.50.00表4极限场景Ⅰ下三种方案的目标函数值Tab.4ObjectivefunctionsofthreecasesinscenarioⅠ方案经济成本/$风光消纳率(%)供能不足/(MW·h)1907299.40.752955399.50.483624499.70.00表5极限场景Ⅱ下三种方案的目标函数值Tab.5ObjectivefunctionsofthreecasesinscenarioⅡ方案经济成本/$风光消纳率(%)供能不足/(MW·h)1715178.50.552574597.20.143580199.70.00由表3～表5可知，年均场景下难以直接评价三种方案的优劣，其中方案1的经济成本相对较小，但风光消纳率和供能不足相对较差；方案2的目标函数值居中；方案3的经济成本虽然相对较大，但风光消纳率和供能不足相对较优。极限场景Ⅰ下方案3与方案1和方案2相比，经济成本相对较小，风光消纳率相对较高，供能不足相对较小；极限场景Ⅱ下方案2和方案3的目标函数值优于方案1的目标函数值，但方案2和方案3的优劣难以直接评价，虽然方案2的经济成本小于方案3的经济成本，但风光消纳率低于方案3的风光消纳率。针对上述问题，为了更加直观有效地比较不同8电工技术学报2021年7月方案的优劣，利用式（32）和式（33）计算不同场景下三种方案的综合满意度，计算结果见表6。表6三种方案的综合满意度Tab.6Comprehensivesatisfactionofthreecases场景方案123年均场景0.270.280.43极限场景Ⅰ0.110.120.84极限场景Ⅱ0.160.470.53由表6可知，不同场景下，方案3的综合满意度最大，方案2的次之，方案1的最小。由此可知，本文提出的多目标规划方法可以较好地兼顾经济成本、可再生能源有效利用和供能可靠性等规划需求。3.3规划结果验证分别在不同季节下对方案3规划结果进行测试，春秋季节各设备运行情况如图5～图8所示，夏季和冬季各设备的运行情况如附图2～附图9所示。图5电负荷供需功率曲线Fig.5Electricityloadsupply-demandcurves图6热负荷供需曲线Fig.6Heatloadsupply-demandcurves图7电解池和甲烷化功率曲线Fig.7Powercurvesofelectrolyticcellandmethanation图8氢能生产储存利用曲线Fig.8Productionstorageandutilizationcurvesofhydrogen由图5可知，风光出力主要集中在8时～18时，该时段风光出力大于电负荷需求。20时～次日6时，风光出力较小，CHP以FEL方式运行，补充风光出力不足，供应夜间电负荷。由图6可知，9时～16时CHP以FTL方式运行，热出力曲线与热负荷曲线基本重合，供热短缺由燃气锅炉GB进行补充。由此可见，通过切换CHP运行模式，可以较好地与风光出力和GB配合，满足电、热负荷需求。由图7可知，EC生成的氢气优先供应燃料电池汽车运行，富余部分被转换为甲烷进行储存。由图8可知，储氢罐HST的状态基本维持稳定，EC和HST配合能较好地满足加氢站HS的氢气需求。此外，甲烷的产量与氢气的产量密切相关。测试期间，系统日均经济成本约为5419$，风光消纳率约为99.6%，供能不足约为0.1MW·h，加氢站HS日均氢气需求约为1.6MW·h，约占EC日均氢气产量的39.3%。由附图2～附图9夏冬两季的运行结果可知，可再生能源存在连续几日出力低迷的情况，此时氢气和甲烷产量相应较低，CHP以FEL运行的时间更长，但系统供能不足相对较小。由此可知，本文提出的多目标规划方法在可再生能源出力波动时具有较高的可靠性。此外，由于热负荷的季节变化，冬季燃气锅炉GB运行得更加频繁。4结论在传统规划目标函数单一，规划过程未充分考虑不确定性因素影响的背景下，本文提出了考虑风光不确定性的电-热-氢综合能源系统多目标规划方法，不仅可以有效应对可再生能源出力的不确定性，还能兼顾多种规划需求。通过算例结果分析可以得出如下结论。1）优化配置的综合能源系统各设备充分发挥其第36卷增刊1侯慧等考虑不确定性的电-热-氢综合能源系统规划9功能，基本实现电、热、氢的同时供应。在运行策略上，通过将燃料电池汽车和加氢站加入到P2G过程中，实现了富余电能的有效利用。通过切换CHP运行模式，可以较好地与可再生能源出力配合，在满足负荷需求的同时，减少了能量浪费。2）以经济成本最小、风光消纳率最大和供能不足最小为优化目标对IES进行多目标规划，可以较好地兼顾经济成本、可再生能源有效利用和供能可靠性等规划需求。3）通过考虑极限场景，可以较为有效地应对不确定性因素的变化。由结果分析可知，所得规划方案在可再生能源出力波动时具有较强的适应能力。值得指出的是本文所提规划方法较为保守，但对于孤岛运行的IES，这种保守性是有必要的。附录附图1电热负荷曲线App.Fig.1Electricandthermaldemandcurves附图2电负荷供需功率曲线App.Fig.2Electricityloadsupply-demandcurves附图3热负荷供需曲线App.Fig.3Heatloadsupply-demandcurves附图4电解池和甲烷化功率曲线App.Fig.4Powercurvesofelectrolyticcellandmethanation附图5氢能生产储存利用曲线App.Fig.5Productionstorageandutilizationcurvesofhydrogen附图6电负荷供需功率曲线App.Fig.6Electricityloadsupply-demandcurves附图7热负荷供需曲线App.Fig.7Heatloadsupply-demandcurves附图8电解池和甲烷化功率曲线App.Fig.8Powercurvesofelectrolyticcellandmethanation10电工技术学报2021年7月附图9氢能生产储存利用曲线App.Fig.9Productionstorageandutilizationcurvesofhydrogen参考文献[1]董朝阳,赵俊华,文福拴,等.从智能电网到能源互联网:基本概念与研究框架[J].电力系统自动化,2014,38(15):1-11.DongZhaoyang,ZhaoJunhua,WenFushuan,etal.Fromsmartgridtoenergyinternet:basicconceptandresearchframework[J].AutomationofElectricPowerSystems,2014,38(15):1-11.[2]李建林,牛萌,周喜超,等.能源互联网中微能源系统储能容量规划及投资效益分析[J].电工技术学报,2020,35(4):874-884.LiJianlin,NiuMeng,ZhouXichao,etal.Energystoragecapacityplanningandinvestmentbenefitanalysisofmicro-energysysteminenergyinter-connection[J].TransactionsofChinaElectrotechnicalSociety,2020,35(4):874-884.[3]韩佶,苗世洪,李超.计及相关性的电-气-热综合能源系统概率最优能量流[J].电工技术学报,2019,34(5):1055-1067.HanJi,MiaoShihong,LiChao,etal.Probabilisticoptimalenergyflowofelectricity-gas-heatintegratedenergysystemconsideringcorrelation[J].Transa-ctionsofChinaElectrotechnicalSociety,2019,34(5):1055-1067.[4]MaTengfei,WuJunyong,HaoLiangliang,etal.Theoptimalstructureplanningandenergymanagementstrategiesofsmartmultienergysystems[J].Energy,2018,160:122-141.[5]朱青,曾利华,寇凤海,等.考虑储能并网运营模式的工业园区风光燃储优化配置方法研究[J].电力系统保护与控制,2019,47(17):23-31.ZhuQing,ZengLihua,KouFenghai,etal.Researchonoptimalallocationmethodofwind,photovoltaic,gasturbineandenergystorageinindustrialparksconsideringenergystorage’sgrid-connectedoper-ationmodes[J].PowerSystemProtectionandControl,2019,47(17):23-31.[6]ZhangX,CheL,ShahidehpourM,etal.Reliability-basedoptimalplanningofelectricityandnaturalgasinterconnectionsformultipleenergyhubs[J].IEEETransactionsonSmartGrid,2017,8(4):1658-1667.[7]罗艳红,梁佳丽,杨东升,等.计及可靠性的电-气-热能量枢纽配置与运行优化[J].电力系统自动化,2018,42(4):47-54.LuoYanhong,LiangJiali,YangDongsheng,etal.Configurationandoperationoptimizationofelectricity-gas-heatenergyhubconsideringreliability[J].Auto-mationofElectricPowerSystems,2018,42(4):47-54.[8]ElkadeemMR,AbdElazizM,UllahZ,etal.Optimalplanningofrenewableenergyintegrateddistributionsystemconsideringuncertainties[J].IEEEAccess,2019,7:164887-164907.[9]TrainerT.AcritiqueofJacobsonandDelucchi’sproposalsforaworldrenewableenergysupply[J].EnergyPolicy,2012,44:476-481.[10]周贤正,陈玮,郭创新.考虑供能可靠性与风光不确定性的城市多能源系统规划[J].电工技术学报,2019,34(17):3673-3686.ZhouXianzheng,ChenWei,GuoChuangxin.Anurbanmulti-energysystemplanningmethodincor-poratingenergysupplyreliabilityandwind-photovoltaicgeneratorsuncertainty[J].TransactionsofChinaElectrotechnicalSociety,2019,34(17):3673-3686.[11]BudischakC,SewellD,ThomsonH,etal.Cost-minimizedcombinationsofwindpower,solarpowerandelectrochemicalstorage,poweringthegridupto99.9%ofthetime[J].JournalofPowerSources,2013,225:60-74.[12]王芃,刘伟佳,林振智,等.基于场景分析的风电场与电转气厂站协同选址规划[J].电力系统自动化,2017,41(6):20-28.WangPeng,LiuWeijia,LinZhenzhi,etal.Scenarioanalysisbasedcollaborativesiteselectionplanningofwindfarmsandpower-to-gasplants[J].AutomationofElectricPowerSystems,2017,41(6):20-28.[13]PazoukiS,HaghifamMR.Optimalplanningand第36卷增刊1侯慧等考虑不确定性的电-热-氢综合能源系统规划11schedulingofenergyhubinpresenceofwind,storageanddemandresponseunderuncertainty[J].Inter-nationalJournalofElectricalPower&EnergySystems,2016,80:219-239.[14]李哲,王成福,梁军,等.计及风电不确定性的电-气-热综合能源系统扩展规划方法[J].电网技术,2018,42(11):3477-3485.LiZhe,WangChengfu,LiangJun,etal.Expansionplanningmethodofintegratedenergysystemcon-sideringuncertaintyofwindpower[J].PowerSystemTechnology,2018,42(11):3477-3485.[15]RoldanC,MinguezR,Garcia-BertrandR,etal.Robusttransmissionnetworkexpansionplanningundercorrelateduncertainty[J].IEEETransactionsonPowerSystems,2018,34(3):2071-2082.[16]ZhangX,ConejoAJ.Robusttransmissionexpansionplanningrepresentinglong-andshort-termuncer-tainty[J].IEEETransactionsonPowerSystems,2017,33(2):1329-1338.[17]宋璇坤,辛培哲,李珊,等.考虑多重不确定性因素的分布式电源鲁棒规划方法研究[J].智慧电力,2019,47(6):56-63.SongXuankun,XinPeizhe,LiShan,etal.Robustplanningmethodofdistributedgenerationcon-sideringmultipleuncertainties[J].SmartPower,2019,47(6):56-63.[18]刁涵彬,李培强,王继飞,等.考虑电/热储能互补协调的综合能源系统优化调度[J].电工技术学报,2020,35(21):4532-4543.DiaoHanbin,LiPeiqiang,WangJifei,etal.Optimaldispatchofintegratedenergysystemconsideringcomplementarycoordinationofelectric/thermalenergystorage[J].TransactionsofChinaElectrotechnicalSociety,2020,35(21):4532-4543.[19]沈海平,陈铭,钱磊,等.计及电转气耦合的电-气互联系统机组组合线性模型研究[J].电力系统保护与控制,2019,47(8):34-41.ShenHaiping,ChenMing,QianLei,etal.Linearmodelresearchofunitcommitmentforintegratedelectricityandnatural-gassystemsconsideringpower-to-gascoupling[J].PowerSystemProtectionandControl,2019,47(8):34-41.[20]ZengQing,FangJiakun,LiJinghua,etal.Steady-stateanalysisoftheintegratednaturalgasandelectricpowersystemwithbi-directionalenergycon-version[J].AppliedEnergy,2016,184:1483-1492.[21]窦迅,赵文浩,郎伊紫禾,等.计及电转气技术的天然气-电力耦合系统运行研究综述[J].电网技术,2019,43(1):191-199.DouXun,ZhaoWenhao,LangYizihe,etal.Areviewofoperationofnaturalgas-electricitycouplingsystemconsideringpower-to-gastechnology[J].PowerSystemTechnology,2019,43(1):191-199.[22]陈泽兴,林楷东,张勇军,等.电-气互联系统建模与运行优化研究方法评述[J].电力系统自动化,2020,44(3):11-23.ChenZexing,LinKaidong,ZhangYongjun,etal.Areviewofmodelingandoptimaloperationofinte-gratedelectricity-gassystem[J].AutomationofElectricPowerSystems,2020,44(3):11-23.[23]GotzM,LefebvreJ,MorsF,etal.Renewablepower-to-gas:atechnologicalandeconomicreview[J].RenewableEnergy,2016,85:1371-1390.[24]许志恒,张勇军,陈泽兴,等.考虑运行策略和投资主体利益的电转气容量双层优化配置[J].电力系统自动化,2018,42(13):76-84.XuZhiheng,ZhangYongjun,ChenZexing,etal.Bi-leveloptimalcapacityconfigurationforpowertogasfacilitiesconsideringoperationstrategyandinvestmentsubjectbenefit[J].AutomationofElectricPowerSystems,2018,42(13):76-84.[25]GabrielliP,GazzaniM,MazzottiM.Electrochemicalconversiontechnologiesforoptimaldesignofdecentralizedmulti-energysystems:modelingframe-workandtechnologyassessment[J].AppliedEnergy,2018,211:557-575.[26]SchlachtbergerDP,BrownT,SchaferM,etal.Costoptimalscenariosofafuturehighlyrenewableeuropeanelectricitysystem:exploringtheinfluenceofweatherdata,costparametersandpolicycon-straints[J].Energy,2018,163:100-114.[27]LiMengxiao,BaiYunfeng,ZhangCaizhi,etal.Reviewontheresearchofhydrogenstoragesystemfastrefuelinginfuelcellvehicle[J].InternationalJournalofHydrogenEnergy,2019,44:10677-10693.[28]MehrjerdiH.Off-gridsolarpoweredchargingstationforelectricandhydrogenvehiclesincludingfuelcellandhydrogenstorage[J].InternationalJournalof12电工技术学报2021年7月HydrogenEnergy,2019,44:11574-11583.[29]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,2019,38(15):3231-3243.ChenPohan,FengWei,SunKai,etal.Multi-energystoragesystemandislandedoptimaldispatchmethodofCCHP[J].TransactionsofChinaElectrotechnicalSociety,2019,38(15):3231-3243.[30]DuanJunfa,HeYiming,ZhuHairong,etal.Researchprogressonperformanceoffuelcellsystemutilizedinvehicle[J].InternationalJournalofHydrogenEnergy,2019,44(11):5530-5537.[31]王泽森,唐艳梅,门向阳,等.独立海岛终端一体化系统下电动汽车的投放数量规划研究[J].中国电机工程学报,2019,39(7):2005-2015.WangZesen,TangYanmei,MenXiangyang,etal.Researchonthequantityplanningofelectricvehicleontheisolatedislandterminalintegrationsystem[J].ProceedingsoftheCSEE,2019,39(7):2005-2015.[32]徐宪东,贾宏杰,靳小龙,等.区域综合能源系统电/气/热混合潮流算法研究[J].中国电机工程学报,2015,35(14):3634-3642.XuXiandong,JiaHongjie,JinXiaolong,etal.Studyonhybridheat-gas-powerflowalgorithmforinte-gratedcommunityenergysystem[J].ProceedingsoftheCSEE,2015,35(14):3634-3642.[33]朱兰,王吉,唐陇军,等.计及电转气精细化模型的综合能源系统鲁棒随机优化调度[J].电网技术,2019,43(1):116-126.ZhuLan,WangJi,TangLongjun,etal.Robuststochasticoptimaldispatchingofintegratedenergysystemsconsideringrefinedpower-to-gasmodel[J].PowerSystemTechnology,2019,43(1):116-126.[34]高红均,刘俊勇,魏震波,等.基于极限场景集的风电机组安全调度决策模型[J].电网技术,2013,37(6):1590-1595.GaoHongjun,LiuJunyong,WeiZhenbo,etal.Windturbinesafetydispatchingdecisionmodelbasedonlimitscenarioset[J].PowerSystemTechnology,2013,37(6):1590-1595.[35]赵昱宣,韩畅,林振智,等.含可再生能源的电力系统两阶段核心骨干网架优化策略[J].电网技术,2019,43(2):371-380.ZhaoYuxuan,HanChang,LinZhenzhi,etal.Two-stagecorebackbonenetworkoptimizationstrategyforpowersystemswithrenewableenergy[J].PowerSystemTechnology,2019,43(2):371-380.[36]CoelloCAC,PulidoGT,LechugaMS.Handlingmultipleobjectiveswithparticleswarmoptimi-zation[J].IEEETransactionsonEvolutionaryCom-putation,2004,8(3):256-279.[37]吴小刚,刘宗歧,田立亭,等.基于改进多目标粒子群算法的配电网储能选址定容[J].电网技术,2014,38(12):3405-3411.WuXiaogang,LiuZongqi,TianLiting,etal.Energystoragedevicelocatingandsizingfordistributionnetworkbasedonimprovedmulti-objectiveparticleswarmoptimizer[J].PowerSystemTechnology,2014,38(12):3405-3411.[38]侯慧,薛梦雅,陈国炎,等.计及电动汽车充放电的微电网多目标分级经济调度[J].电力系统自动化,2019,43(17):55-62.HouHui,XueMengya,ChenGuoyan,etal.Multi-objectivehierarchicaleconomicdispatchformicro-gridconsideringcharginganddischargingofelectricvehicles[J].AutomationofElectricPowerSystems,2019,43(17):55-62.作者简介侯慧女，1983年生，副教授，研究方向为综合能源系统规划与运行，电力系统风险评估。E-mail:houhui@whut.edu.cn刘鹏男，1994年生，硕士研究生，研究方向为综合能源系统规划与运行。E-mail:liupeng-whut@whut.edu.cn（通信作者）（编辑赫蕾）