考慮負荷裕度的區域綜合能源系統儲能雙層優化配置

劉書琪，顧 潔，賴柏希，金之儉

（上海交通大學電子信息與電氣工程學院，上海 200240）

0 引言

綜合能源系統IES（Integrated Energy System）作為能源互聯網的重要實現形式，將是未來電力系統發展的重要方向之一。在運行時，IES需要預留一定的負荷裕度以應對系統供需的快速變化，但由于耦合了多種能源，IES在供能側與用能側都存在更多的不確定性；同時，負荷和分布式電源DG（Distributed Generation）出力的波動性導致系統在不同時刻所擁有的負荷裕度差異巨大，運行過程中面臨的不確定性因素也更多，這為IES 的運行帶來了較大的風險。作為IES 融合的紐帶，儲能及其優化配置和運行為IES抵御風險、實現安全經濟運行提供了重要保障。

目前，國內外對儲能優化配置的研究主要存在以下問題。①以投資主體的單一利益為目標進行規劃，可能忽略了儲能的其他隱性價值。一方面，部分文獻以某一類型儲能帶來的社會效益最佳為目標進行規劃：在電力系統范疇，?？紤]儲能投資和運行成本最低［1-2］、年綜合失負荷成本最?。?］，或儲能對配電網網損和節點電壓波動的改善程度［4］；在IES 范疇，儲能配置拓展為電／熱／冷／氣等多能存儲的規劃研究，如文獻［5-7］均從實現系統經濟性最優的角度進行了IES 儲電／儲熱設備的容量配置。但上述文獻僅考慮了配置儲能后傳統的系統經濟性，忽略了儲能在平抑負荷和DG 出力波動、均衡系統負荷裕度方面所帶來的社會效益。另一方面，以提升負荷裕度為研究重點的文獻多采用切負荷、進行無功補償和優化機組出力等策略［8-10］，忽略了儲能在提高IES 負荷裕度方面的作用。文獻［11］通過控制儲能進行有序充放電來緩解DG 出力與負荷需求的錯峰問題，實現了配電網負荷裕度的均衡分布；文獻［12］研究了電動汽車充電、儲能和可中斷負荷調度對配電網負荷峰值和谷值裕度的提升能力，但并沒有考慮系統全時段負荷裕度的均衡性，上述研究主要針對電力系統，不能完全適用于含多能耦合的IES。②忽略了IES 中儲能的規劃和運行問題之間的相互影響。文獻［13］將儲能的規劃與運行進行協同考慮，但研究對象為單一供能網絡，并未涉及IES。文獻［14-15］均考慮了IES 中多元儲能的互補協調特性，分別從儲能配置和調度兩方面進行了研究，但在儲能規劃的過程中也應考慮儲能建成之后的運行問題，用運行來指導規劃，這樣雖然增加了優化的難度，但能使儲能的規劃更加合理，同時使IES 的運行更具經濟性。

綜上，本文將儲能規劃和運行問題相結合，并將其作為改善IES 負荷裕度的手段，提出一種考慮負荷裕度的IES 儲能優化配置方法。首先，明確包含電／熱／氣3種能源形式的區域綜合能源系統RIES（Regional Integrated Energy System）結構，并建立含儲能的RIES 模型。綜合考慮RIES 能量耦合、儲能運行特性、負荷裕度的時空均衡分布、DG 出力和負荷需求的波動性，建立了一種考慮負荷裕度的RIES儲能配置雙層優化模型，通過上／下層模型之間的相互作用與反饋，在最小化社會綜合成本的同時，也實現了儲能容量配置及其充、放能計劃的最優化，提高了RIES負荷裕度均衡度。

1 含儲能的RIES模型

1.1 RIES結構

本文所研究的對象為RIES，在RIES 中，主要存在以下3 個利益主體：能量樞紐運營商EHO（Energy Hub Operator）、終端用戶（部分含光伏）和儲能運營商ESO（Energy Storage Operator）。

1）EHO。在RIES的市場機制下，EHO 作為能源網絡與用戶之間的媒介，融合了電、熱、氣為用戶提供能源服務，同時投資建設熱電聯供CHP（Combined Heat and Power）系統以豐富能量來源并降低購能成本，以此獲得更高的利潤［16］。

2）終端用戶。在RIES 中，除了傳統用戶，部分用戶擁有光伏發電的控制權，其可利用光伏發電以及自主用能管理降低用能成本。

3）ESO。ESO 同時經營著儲電設備和儲熱設備，兩者與其他設備（如CHP 和DG 等）相配合，可以提高RIES 對新能源的消納能力，發揮減少能源浪費并降低用能成本的作用。

1.2 RIES建模

1.2.1 供能網絡模型

1）電網模型。

輻射形配電網的潮流模型可用如下線性化后的DistFlow模型來表述：

式（1）、（2）分別為配電網的有功、無功平衡模型；式（3）為線路(i，j)的壓降模型；式（4）為功率、電壓和電流之間的關系式；式（5）—（7）分別為電流、電壓和發電機出力的上下限約束。

2）熱網模型。

本文忽略二次熱網熱能傳輸損耗及延時，將換熱站與二次熱網等效為熱網負荷節點，根據質調節方式，建立計及供／回水管道的熱網熱力模型如下：

3）天然氣網絡模型。

天然氣網絡包括氣源中心、天然氣管道、壓縮機和天然氣負荷，對天然氣管道的建模如下：

式中：fij為管道(i，j)流過的天然氣流量；ε為管道傳輸效率；sij=sign(pi-pj)為管道(i，j)潮流方向，即天然氣從高氣壓側流向低氣壓側，其中sign(·)為符號函數；Mk為連接節點i和j的管道k的計算參數；pi和pj分別為節點i和節點j的氣壓；T0和p0分別為標準溫度（15 ℃）和標準大氣壓（101.325 kPa）；Dk為管道k的內直徑；G為天然氣的相對密度，取0.6；Lk為管道k的長度；Tka為流過管道k的天然氣的平均溫度，取環境溫度25 ℃；Za為天然氣的平均壓縮系數，取1。

天然氣在傳輸過程中會與管道發生摩擦并出現氣壓降低的現象，為保證配氣網絡的正常運行，在部分管道接入天然氣壓縮機，對其的建模如下：

式中：fim為壓縮機出口節點m流入網絡節點i的流量；fc為壓縮機消耗的天然氣流量；fnj為網絡節點j流入壓縮機入口節點n的天然氣流量；Bk為管道k壓縮機參數；fk為管道k流過的天然氣流量；α為天然氣的比熱容，取1.3 J／（kg·K）；ηk為管道k壓縮效率；pn/pm為壓縮比。

1.2.2 電／熱耦合環節模型

在本文所研究的RIES 中，電／熱耦合環節是通過CHP 實現的，可用能量樞紐來描述其中的能源耦合關系，其基本結構如圖1所示［17］。

圖1 能量樞紐結構Fig.1 Structure of energy hub

本文所采用的CHP 由電力變壓器、微型燃氣輪機MT（MicroTurbine）和燃氣鍋爐GB（Gas Boiler）共同構成。輸入環節包括電能和天然氣，前者直接輸入變壓器，而后者同時輸入到MT和GB；輸出環節包含了電能和冷熱能兩部分，前者由變壓器和MT 供給，而后者則由GB 和MT 共同產生。由此可以得到輸入／輸出能源耦合關系式如下：

1.2.3 儲能能量狀態模型

儲電設備和儲熱設備的運行特性基本相同，為更好地體現兩者間的協調關系，可建立如下統一的電／熱儲能能量狀態SOE（State Of Energy）模型，均以電能及電功率來進行表述：

1.2.4 RIES負荷裕度模型

在電力系統中，最大供電能力LSC（Load Supply Capacity）與供電裕度LSM（Load Supply Margin）等指標被廣泛應用于負荷裕度水平的評價。然而，這2 個指標不能直接適用于含多能耦合的RIES，因為直接對RIES 各子網的能源進行疊加是不合理的。因此，本文一方面通過上文建立的RIES 的耦合環節模型實現子網間能源的耦合，另一方面將在下文考慮儲電和儲熱設備的能量耦合關系，并將LSC 和LSM 拓展為最大供能能力ESC（Energy Supply Capacity）和供能裕度ESM（Energy Supply Margin），用以評價RIES 各子網的負荷裕度水平。若各子網在研究時段內均能實現負荷裕度均衡度最優，則表示RIES整體運行風險得到了降低。

1）ESC。

RIES 中，各子網的ESC 是指在滿足供能、用能平衡約束，且所有設備均不發生過負荷現象時網絡所能供應負荷的最大值［18-20］。在滿足文獻［21］所提約束條件下，其計算方法如下：

式中：N為所研究的子網負荷節點數；fESCi為所研究的子網的負荷節點i在最大運行方式下的供能負荷大小，其既可以是電負荷，也可以是熱負荷；Li為負荷節點i消耗的能量；ηi為負荷節點i供能設備的供能能力系數，即該節點額定負荷Li，n與實際消耗能量Li的比值。

2）ESM。

ESM 是指在子網網絡結構不變、負荷不變且滿足安全運行約束的情況下，網絡可以額外接入的負荷量，其計算方法為：

式中：fESMi為所研究的子網的負荷節點i在最大運行方式下的負荷裕度大小。

式（22）表明，Li的大小將直接影響RIES 負荷裕度的大小和分布。負荷裕度的分布不均可能導致RIES 總體負荷裕度充足，但部分時段部分節點負荷裕度不足的問題。因此，對負荷裕度的優化目標應是對其分布進行均衡化處理［11］，即通過控制儲能設備進行有序充、放能，以應對負荷需求的驟變，同時調和DG出力同負荷需求的錯峰問題。

2 考慮負荷裕度的RIES 儲能雙層優化配置模型

優化配置與優化運行兩者聯系緊密：一方面，前者是后者的基礎；另一方面，后者給前者方案的形成提供了數據參考，這符合雙層規劃的特征。在上層模型中，對于儲能優化配置問題，考慮規劃層面配置方案的社會綜合成本盡可能最優；在下層模型中，考慮運行層面的負荷裕度均衡度最優，并用于指導儲能的充、放能計劃。為了充分發揮RIES 不同能源轉換、互補等耦合特性的優勢，本文建立了考慮負荷裕度的RIES儲能雙層優化配置模型。

2.1 上層規劃的數學模型

上層規劃的數學模型以儲能接入容量為決策變量，以RIES 社會年綜合成本C最小為目標，綜合考慮RIES 電／氣能耗成本CEG、儲能的投資成本CINV、設備運維成本COM以及碳交易成本CCAB，建立上層規劃的目標函數如下：

式中：r為貼現率，取6%；Ness為儲能安裝數量；cessi為節點i處儲能的安裝費用，與其類型有關；n為儲能使用年限；nessi為節點i處安裝的儲能數量。

3）設備運維成本COM。

式中：gcoal為配電網供電耗煤量；ucoal為排放因子；ωCAB為碳排放稅。

上層規劃模型的約束條件如下。

1）儲能接入容量與功率約束。

2）儲能安裝位置數量約束。

2.2 下層規劃的數學模型

在下層規劃的數學模型中，本文以各時段儲能充、放能功率為決策變量，以RIES 負荷裕度最大為目標，同時考慮其均衡分布，建立如下的負荷裕度均衡度優化模型：

由于受到潮流和DG 出力波動的影響，僅以負荷裕度最大為目標時會導致ESM 在時間和空間上的分布不均衡，為此引入均衡項λt Abal，通過調整該項在式（30）中所占的比例，可達到調控ESM 在時間尺度上的均衡性的效果。

理論上，若fESCi/Li在某時段偏小，則表明此時系統運行越限將面臨較大的切負荷風險，因此賦給該時段一個較大的λt值，增大均衡項的作用效果，并鼓勵儲能在此時段釋放能量；相反，若處于谷時段時系統越限的概率低，則賦給該時段一個較小的λt，降低均衡項的作用效果，并鼓勵儲能在此時段儲存能量。綜上所述，λt的取值方法如下：

下層規劃模型的約束條件如下。

1）拓撲約束。

電力、天然氣和熱力系統之間的生產、轉換及需求環節存在的耦合關系，以及DG 和儲能設備的接入，使得RIES 的拓撲結構和特性與傳統電網有所不同。因此，參考文獻［11］，以生成樹原理為基礎形成RIES拓撲約束如下：

式中：βl，ij為表示線路l潮流方向的0-1 整數變量，當βl，ij=1 時線路l的功率從節點i流向節點j，反之則從節點j流向節點i；A(i，l)為網絡的無向關聯矩陣的元素，若節點i與支路l相關聯，則A(i，l)=1，否則A(i，l)=0；B為RIES的線路總數。

2）供能網絡安全約束。

同時，還需要滿足式（5）—（7）分別所示的電流、電壓和發電機出力約束，以及式（12）所示的節點溫度約束。

3）聯絡線功率約束。

4）節點功率平衡約束。

RIES 的節點功率平衡約束包括配電網功率平衡約束式（1）和式（2）、配熱網功率平衡約束式（8）和配氣網功率平衡約束式（15）。

3 模型簡化與求解

3.1 非線性項處理

由于供能網絡的非線性和儲能充、放能狀態的0-1約束，本文所建立的模型是混合整數非線性規劃問題。對此，本文參考文獻［15］所提方法對模型中的非線性項進行處理，以降低求解難度。

3.2 模型求解思路

經過3.1節的處理后，上層規劃模型為一個僅含線性不等式約束的混合整數非線性規劃問題，下層屬于混合整數二階錐規劃問題。求解時通常采用上下層交替優化，上層模型考慮下層模型返回的各時段RIES 負荷裕度優化結果，以解決多場景下儲能容量優化配置問題，下層依據上層給出的儲能配置容量，優化儲能的充、放能計劃，最大化RIES 負荷裕度均衡度，以解決每個場景下RIES 的負荷裕度優化問題。本文采用改進遺傳算法與Gurobi求解器的混合策略求解上述雙層優化模型，具體求解思路如附錄A圖A1所示。

4 算例分析

為了驗證本文所提出的考慮儲能配置的RIES負荷裕度雙層優化模型的有效性，本節將基于由IEEE 33節點系統、比利時14節點配氣系統、12節點配熱系統和4 個能量樞紐（CHP1—CHP4）所組成的RIES進行仿真，系統結構見附錄A圖A2［22］。為探索ESO 儲能設備容量規劃的最優值，以CHP4的接入點為例進行負荷裕度優化。

4.1 算例參數

如1.1 節所述，RIES 的電／氣／熱耦合環節是通過CHP 實現的，故為了盈利，EHO 必須充分利用CHP，將低價購入的天然氣生產為電能與熱能高價售出。本文采用的CHP 的各個設備參數見附錄B表B1。

配電網、配熱網與配氣網的聯絡線或聯絡管道的容量決定了EHO 可以向各個網絡購能或售能的最大功率，其參數見附錄B表B2。

通過對某地區負荷／光伏年時序數據進行場景削減，得到春夏秋冬中4 個典型日用于表征規劃年。4 個規劃典型日的電、熱負荷以及光伏出力變化見附錄C 圖C1—C3，該系統總電、熱負荷值分別為5.5 MW+j3.4 Mvar和4 MW。

在本文所配置的儲能設備中，儲電設備接入DG所在電節點，作為DG 的輔助設備；儲熱設備接入CHP 設備所在熱節點，作為熱源的輔助設備。待配置儲能的技術和經濟參數分別見附錄C 表C1 和表C2。

ESO 向EHO 的購能或售能價格見附錄C 圖C4［22］。上述因素（儲能設備的技術／經濟參數和購、售能價格等）將為本文后續優化方案的選擇提供依據。

4.2 場景設置

為驗證本文所提模型的有效性，設定以下不同的規劃場景進行分析對比。

1）場景1：不考慮儲能配置，電網負荷由大電網、DG和CHP設備承擔，熱網負荷由CHP設備承擔。

2）場景2：在場景1 的基礎上考慮電儲能的配置，不考慮熱儲能，將儲電設備作為輔助設備參與負荷裕度優化。

3）場景3：在場景1 的基礎上考慮熱儲能的配置，不考慮電儲能，將儲熱設備作為輔助設備參與負荷裕度優化。

4）場景4：在前3種場景的基礎上加入電／熱儲能，考慮儲電設備與儲熱設備的協調運行，并采用本文所提模型進行負荷裕度優化。

4.3 仿真結果及分析

4.3.1 規劃方案經濟性分析

表1 為4 種規劃場景下所得到的儲能配置及各項成本的比較結果。在表中所示的儲能配置結果中，括號內的數字表示儲電設備（儲熱設備）在配電網（配熱網）中的安裝位置，括號外的數字表示安裝容量或功率，如（e21）6.71表示在配電網節點21處配置6.71 MW·h 的儲電設備；（h5）8.54 表示在配熱網節點5處配置8.54 MW·h的儲熱設備。

表1 規劃方案結果Table 1 Results of planning schemes

對表1 所得的規劃結果進行分析對比可得以下結論。

1）與場景1 相比，后3 種場景所需運維成本更高，原因在于這3 種場景下的儲能裝置有較高的運行維護費用。

2）與場景1 相比，后3 種場景所需能耗費用更低，原因在于后3 種場景下通過更合理的儲能配置及其相應的充、放能計劃，緩解了ESC與負荷需求的錯峰問題，減小了RIES 對上級電網的依賴程度。另外，場景4 由于考慮了RIES 負荷裕度均衡分布和儲能的協同運行，突破了單一儲能的運行限制，提高了RIES 對DG 的利用效率和靈活性，進一步降低了系統的能耗成本。

3）場景4的碳交易成本僅為14.8萬元，相比前3種場景分別降低了11.4%、3.9%和5.1%，原因在于在儲電設備和儲熱設備的協同作用下，場景4 中DG利用率得到了提高，且向上級電網的購電量也有所降低。

4）場景4 下的社會年綜合成本比場景1—3 分別降低了104.3、10.2、116.1萬元。由此可見，雖然場景4 下的儲能投資成本較高，但在綜合考慮多項成本、效益指標后，該方案實現了社會綜合成本的最小化。

在經濟性分析的基礎上，下文將首先分析場景1 下（即未進行負荷裕度優化）的RIES 供能能力，然后對優化前后的RIES負荷裕度進行對比分析。

4.3.2 RIES供能能力分析

由于RIES 的負荷需求隨時間變化而變化，且各子網變化趨勢有差異，故本文選取某典型日分別對場景1 下RIES 的配電網和配熱網進行供能能力分析，結果如圖2所示。

圖2 配電網、配熱網一天內的ESC變化曲線Fig.2 Curve of ESC variation in whole day for distributed power network and distributed heat network

由圖2 可以看出，無論是配電網還是配熱網，其ESC 的變化都與一天內的用戶側負荷變化相反：在峰時段，允許額外接入的負荷較小，子網的負荷裕度較??；在平時段或谷時段，子網的負荷裕度較大。

以上結論說明當不考慮負荷裕度均衡分布時，RIES 的ESC 變化與負荷需求存在錯峰問題，在負荷需求上升時，其ESC 出現下降，而在負荷需求下降時，其ESC反而上升。因此，有必要通過合理的儲能配置提高負荷裕度均衡度。

4.3.3 RIES負荷裕度優化結果分析

本節選取場景1、2 和場景4 下某典型日對配電網負荷裕度優化結果進行對比分析，選取場景1、3和場景4 下某典型日對配熱網負荷裕度優化結果進行對比分析。

1）配電網負荷裕度優化。

圖3 展示了優化前后配電網負荷裕度的對比，可以得到以下結論。

圖3 配電網負荷裕度優化前后對比Fig.3 Comparison of load margin for distributed power network between before and after optimization

1）在優化前（即場景1），10:00—18:00時段系統的負荷裕度處于較低水平，且16:00—18:00 時段負荷裕度小于0，表明RIES已經運行在不安全狀態。

2）根據場景2、4 的負荷裕度優化結果可得，在儲電設備的參與下，21:00—24:00、01:00—08:00時段負荷裕度有所削減（儲電設備充能）；09:00—18:00時段負荷裕度有所提高（儲電設備放能），且此時段恰好是負荷高峰期，失負荷風險較大，證明了儲能設備的參與對調整負荷裕度的有效性。

3）由于在下層模型的目標函數中考慮了負荷裕度均衡度，場景4 下RIES 的負荷裕度變化相較于其他場景更加平緩，其方差由場景1 下的0.034 縮小為0.011，負荷裕度與負荷需求錯峰問題得到緩解。

4）場景4對負荷裕度的均衡度優于場景2，這是由于場景2下儲電設備僅用于緩解DG 出力波動，故即使在部分時段（如03:00—06:00時段）其負荷裕度值大于場景4，但其總體波動性也更大。

2）配熱網負荷裕度優化。

圖4 展示了優化前后配熱網負荷裕度的對比，可以得到以下結論。

圖4 配熱網負荷裕度優化前后對比圖Fig.4 Comparison of load margin for distributed heat network between before and after optimization

1）對于場景1，由于沒有儲能設備的參與，多個時段均出現了負荷裕度小于0，即配熱網運行在不安全狀態的情況。

2）對于場景3，由于01:00—05:00 時段EHO的售熱價格非常低，僅為0.3 元／（kW·h）左右，而06:00—12:00 時段則為0.75 元／（kW·h）左右。因此，場景3 下ESO 的儲熱設備會選擇在01:00—05:00 時段以較大功率進行儲熱，并在06:00 時開始放熱。由于RIES 中CHP 系統容量較小，EHO 不得不從配熱網直接購買大量熱能來滿足ESO的儲熱需要，導致配熱網處于不安全運行狀態。

3）對于場景4，隨著負荷水平的降低，雖然其在部分時段的負荷裕度相較于場景1、3 有所下降，但縱觀一天24 h，場景4下均不存在負荷裕度小于0的情況，即使是在負荷高峰期，場景4 下RIES 的配熱網也能保有400 kW左右的裕度。

4.3.4 儲能設備充、放能分析

為了分析考慮RIES 負荷裕度對儲能充、放能計劃的調節作用，本節選取場景2和場景4下的ESO儲電設備優化充、放電計劃，以及場景3 和場景4 下的ESO儲熱設備優化充、放熱計劃進行對比分析。

圖5 展示了儲電和儲熱設備充、放能計劃優化結果，圖中功率為正表示放能，功率為負表示儲能，由此得出以下結論。

圖5 儲電和儲熱設備充、放能計劃優化結果Fig.5 Optimal results of charging and discharging energy plan of electric storage and heat storage equipment

1）在考慮負荷裕度均衡后，儲電設備在負荷需求較低且負荷裕度較充足的23:00—24:00、01:00—05:00 時段進行充電，在負荷需求攀升但DG 出力不足的07:00—10:00、17:00—23:00 時段進行放電，在DG 出力充足的10:00—15:00 時段進行充電?？梢姵浞烹娍刂坪侠?，較好地均衡了負荷裕度的時間分布。

2）在場景2 下，由于ESO 會以最大化經濟利益為目標制定充、放電計劃，即使配電網的負荷裕度在17:00—18:00時段已小于0，即系統運行在不安全的狀態下，ESO 依然會避免在此時大幅放電；相比之下，場景4 下的儲電設備在17:00—18:00 時段的放電功率有所提高，雖然此時放電的收益更低，但卻保證了配電網運行在安全范圍內，且獲得了1 000 kW左右的負荷裕度。

3）在電、熱負荷晚高峰時段（19:00—23:00 時段），場景4 下的CHP4將增加供熱功率和發電功率，此時儲熱設備蓄熱，儲電設備放電，兩者協調運行對RIES起到了削峰填谷的作用。

4）在場景4 下，由于考慮了負荷裕度均衡，ESO放棄了在熱價最低時段（01:00—05:00時段）以最大功率儲熱，而是選擇在時間更長時段以較平緩的功率蓄熱，使得場景3 下凌晨的負荷裕度驟降的現象消失。

以上結果證明由于考慮了負荷裕度均衡度，本文所建立的雙層優化模型對合理調整ESO儲電以及儲熱設備充、放能計劃具有指導意義。

5 結論

本文首先建立了RIES 模型及其耦合環節模型，定義了ESC 與ESM 這2 個指標以刻畫RIES 的負荷裕度，最后建立了考慮負荷裕度的RIES 儲能雙層優化配置模型。為了驗證所提模型的有效性，基于典型RIES進行了仿真，并得出以下結論。

1）本文的雙層優化模型將規劃與運行問題相結合，在優化儲能配置的同時，也優化了其充、放能計劃，并實現了RIES 負荷裕度均衡化。與其他規劃方案相比，在本文配置方案下儲能協同配置減少了單類型儲能的配置需求，有效降低了社會綜合成本，使RIES的運行具有更高的經濟效益和環境效益。

2）電儲能和熱儲能協調運行能有效削峰填谷和緩解DG出力波動性，提高了DG消納能力和RIES負荷裕度均衡度，并實現了多能存儲方面的優勢互補。

3）本文在優化配置儲能容量的基礎上，通過考慮負荷裕度均衡性，進一步優化了儲能設備的充、放能計劃，由于各類儲能充、放能時段不同，使RIES 在各時段均具有一定能量儲備，提高了系統可靠性。

附錄見本刊網絡版（http：//www.epae.cn）。