考慮靈活性資源和多能共享的低碳區域綜合能源系統聯盟-配電網博弈優化調度

高瑞陽，王新寶，高嫻，王芳，卞海紅，徐懂理

（1. 南京工程學院電力工程學院，南京 210000；2. 南京南瑞繼保電氣有限公司，南京 211100；3. 奧爾堡大學能源系，奧爾堡9220）

0 引言

在“雙碳”背景下，相對于獨立規劃運行的傳統能源系統，區域綜合能源系統（regional integrated energy system，RIES）利用協同調度多元能源實現多能互補［1-2］，通過電氣接口接入主動配電網（active distribution network， ADN）構成含有多個RIES的主動配電網系統［3］，是未來能源系統的重要發展形式之一。

隨著RIES 接入電網的規模逐漸增大，用戶對電網電量的需求逐漸減小，導致電網設備利用率降低［4］。而各RIES 之間存在產消差異，利用聯絡線實現多能共享將大幅度提高異質能源利用率［5］。對ADN 而言，RIES 具有雙向調節效應，內部靈活性資源與互濟能源都是其電力需求響應資源［6-7］。因此，如何利用ADN 的主動管理、主動規劃能力，實現靈活性資源整合對提升配網系統的低碳性和經濟性具有重要意義。

目前對于配電網和RIES 的調度研究主要有以下3種類型。

1）RIES 獨立優化調度。文獻［8］考慮碳信息流和綜合需求響應，改善了負荷時間分布曲線，為實現經濟低碳調度提供新手段。文獻［9］建立碳捕集-電轉氣聯合運行框架，有效改善系統新能源消納能力，實現系統低碳運行。文獻［10］根據用戶出行和充電特性，將電動汽車（electric vehicle，EV）作為可與電網雙向互動的可控負荷，通過有序充放電達到對系統削峰填谷的效果。

2）配電網獨立優化調度。文獻［11］考慮主動配電網響應，并設計碳排放責任目標，實現經濟、風電消納和社會效益的合理均衡。文獻［12］考慮風光出力波動，通過改變柔性負荷邊際效益增強其參與調度意愿達到平抑波動的經濟性調度效果。文獻［13］針對分布式電源消納利用情況，提出分布式電源與配電網間進行主從博弈實現電能定價，有效解決系統阻塞問題，促進系統經濟運行。文獻［8-13］提供了RIES 內部大量靈活性資源、降低碳排放手段和配電網內部調峰方法，但側重于單個能源系統與負荷進行交互，調度主體單一［14］，導致可調度資源存在浪費現象。

3）僅考慮電能交互的多RIES 聯合調度，即通過各RIES 間母線進行電能共享，促進內部異質能源協同調度和風光消納［15-16］。文獻［17-18］提出綜合需求響應（integrated demand response，IDR）協同調度，在可以電能共享的多綜合能源系統中改善了負荷特性，實現用戶IDR 行為有序引導。文獻［19］引入線性化的談判博弈對可以電能共享的多綜合能源系統的利益交互進行建模，實現了高經濟效益和高能效利用的多目標優化。

由此可見，對于多RIES 產消能力的互補性應用研究大多集中在多RIES 合作運行，合作方式以電能共享為主，而對同時考慮多能共享和多種靈活性資源并參與配網調峰調度的聯合優化調度鮮有涉及［20］。為此本文提出考慮靈活性資源和多能共享的低碳區域綜合能源系統聯盟-配電網博弈優化調度策略。構建以ADN 為領導者、RIES 聯盟為跟隨者的主從博弈模型，同時內嵌多RIES 以多能共享合作方式構建的合作博弈模型；引入碳交易機制及包括EV 在內的多種靈活性資源參與ADN 經濟低碳化調度；利用遺傳算法嵌套IPOPT 求解器求解從主從博弈均衡解，即獲得ADN 與RIES 聯盟的交互電價策略，實現兩主體效益最大化；最后由算例驗證所提模型對提高各主體效益的有效性。

1 含RIES聯盟的ADN結構和運營模型

1.1 基本結構

如圖1所示為含RIES聯盟的ADN 系統結構圖。其中，主動配電網與上級電網相連，RIES 聯盟通過電氣接口與ADN 產生電功率交互，各RIES 之間經母線和天然氣管道進行電-氣能源互濟。RIES 內部包含碳捕集-電轉氣機組、風光及常規機組、多元儲能裝置、電-氣負荷和EV負荷。

圖1 含RIES聯盟的ADN結構圖Fig. 1 ADN structure diagram with RIES alliance

1.2 運營模型

RIES聯盟的運營形式有兩種：一是協調聯盟內部分布式靈活資源并利用各RIES 產消能力差異性，通過互聯網絡進行多元能源互濟；二是以分布式雙邊電能交易形式參與ADN 調度。RIES 聯盟根據ADN 發布的購售電價制定與ADN 的購售電交易策略，RIES內部負荷需求優先由新能源與常規機組滿足，并通過各RIES之間的配電母線及天然氣網管道實現多元異質能源共享互補達到產消協調效果。

經過聯盟內部調度和能源互濟后依舊存在的不平衡能源稱余缺能源，其中余缺天然氣可與氣網直接交互，余缺電能則參與配電網調峰調度。因此由n個RIES 構成的RIES 聯盟的余缺電量PRIES是RIES聯盟的可調度功率，如式（1）所示。

式中：PL，i(t)、Pi(t)分別為t時刻第i個RIES 的負荷量和發電量；ΔPij(t)為t時刻第i和j個RIES的經互聯母線的互濟功率；PRIES，s(t)、PRIES，b(t)分別為RIES聯盟與ADN在t時刻的售、購電功率。

ADN 通過與RIES 聯盟進行雙邊交易以發揮主動調度能力。其優先消納新能源發電PADNn以支撐其常規負荷PADNL，剩下的不平衡量為如式（2）所示的ADN不平衡負荷PADN。

此不平衡負荷優先由ADN 所接的RIES 進行消納，若仍存在缺額則可從上級電網購電PADNb實現平衡，如式（3）所示。

2 含靈活性資源與低碳交互結構RIES模型

為更好發揮ADN 主動性，本文引入多種靈活性資源幫助ADN 實現調峰調度。同時為響應所提低碳交互結構，并降低EV 和碳捕集（carbon capture and storage，CCS）調度門檻，考慮將二者引入碳交易制度。

2.1 多種靈活性資源及低碳交互建模

2.1.1 EV有序充放電模型

考慮到當下EV 群的大量接入具有靈活、快速、可與電網雙向互動的調度特點，本文在RIES 中引入EV 作為一種靈活調度資源，以提高ADN 對RIES 的調度空間，如圖2 所示，對EV 靈活調度區域進行分析。

圖2 EV靈活調度區域Fig. 2 Flexible dispatching area of EV

EV 在tin時刻接入電網，tout時刻離開電網；AB和ED對應EV電池電量上下限，EV沿FA、FE邊進行最大功率充、放電。BC邊為車主可接受離開電量范圍，EV達CD邊時將強制以最大功率充電直至BC邊。對EV個體建模如下。

式中：Sev，i(t)為第i個EV 在t時段的荷電狀態；ηc、ηf分別為EV的充、放電效率；Pc，i(t)、Pf，i(t)分別為第i個EV在t時段的充、放電功率；Pevu，i(t)為t時段內第i個EV 的能耗；Pc，i，max、Pc，i，min和Pf，i，max、Pf，i，min分別為第i個EV 充、放電功率的上、下限；tin，i為第i個EV 接入電網時刻；T為調度周期，取24。

2.1.2 多元儲能模型

長時儲能電池和儲氣裝置在面臨尖端負荷時可為系統提供一定的靈活調度空間，提高系統穩定性。ψ表示電、氣儲能裝置的集合，兩者模型類似，所建模型如下。

式中：Sψ，i(t)為儲能裝置i在t時段內的存儲量；σψ，i為儲能裝置i的損耗率；ηc，ψ，i、ηf，ψ，i分別為儲能裝置i的充、放能效；Pc，ψ，i(t)、Pf，ψ，i(t)分別為儲能裝置i在t時段內充、放能量；SCap，ψ，i為儲能裝置i的容量；Wmin、Wmax分別為儲能最小、最大荷電狀態系數。

2.1.3 需求響應建模

需求響應通過價格信號或直接控制協議對符合需求進行調整。本文考慮將ADN 釋放的分時價格信號并設置可中斷負荷作為對RIES 負荷的靈活調整手段。

式中：PL，i，0、PL，i分別為電價需求響應前、后負荷；ρii、ρij分別為自彈性系數和互彈性系數；ei、Δei分別為i時段內原電價和電價變化量；ej、Δej分別為j時段內原電價和電價變化量。

式中：CDR(t)、μIBDR分別為t時刻系統總補償成本和單位補償成本；ΔPe(t)為t時刻電負荷中斷負荷量；ζDR為可中斷負荷比例系數。

2.2 低碳交互結構

2.2.1 CCS-P2G建模

為改善RIES 中機組碳排放現象，本文基于碳捕集技術建立CCS 和電轉氣（power to gas，P2G）耦合模型，構建動態碳循環系統。CCS 捕集能耗Pccs主要包括兩個部分：由常量表示的機組維持能耗Pccs，b和與碳捕集量相關的運行能耗Pccs，r，P2G 機組獲得CCS 所捕獲的CO2，并通過電解水獲得另一原料H2O，最后甲烷化合成人工天然氣。常規機組、CCS-P2G 爬坡及出力上下限不再贅述，CCSP2G建模如下。

式中：Pe，co2為CCS 捕集單位質量CO2的能耗；Mccs(t)為t時段內的碳捕集量；η為CCS 的捕集效率；μg為常規發電機組的單位碳排放強度系數；PG(t)為常規機組在t時段內的發電功率；-ω為反應平衡系數；λp2g為P2G 機組電氣轉換效率；Hg為天然氣高熱值，取值為39 MJ/m3；Gp2g(t)、Pp2g(t)分別為P2G在t時段的產氣量與消耗的電功率。

2.2.2 碳交易制度

碳交易制度是通過建立碳排放權交易市場，設立碳權價格，利用分配碳配額約束并引導各方用能行為，實現節能減排的一種手段［21］。

本文基于基準線法采用無償分配法為碳交易參與者提供碳配額，交易者獲得的配額量等于其產量乘以單位有功碳配額系數。配額分配主要包括：RIES 購電配額ERIES，b、常規機組配額EG，EV 與CCS 減排量的等效碳排放配額EEV和ECCS，具體如式（12）所示。

式中：CRIES，c為RIES所分配到的碳排放額度；χe為單位電功率的碳配額；Lev為EV 單位電量下行駛的里程；Egas為燃油汽車單位里程的碳排放量；Enet為EV 所充電產生的等效碳排放量；Pc(t)、Pf(t)分別為EV 在t時段的充、放電功率；Pccs(t)為t時段CCS 的捕集能耗。則RIES 碳交易成本Cco2(t)如式（13）所示。

式中：c為市場碳交易價格；CG，co2(t)、CRIES，b，co2(t)分別為t時段內常規機組和購電產生的二氧化碳量。

3 各主體決策模型

3.1 主動配電網

ADN 的決策變量為與RIES 聯盟交互的分時購售電電價，以運行效益最大為優化目標，目標函數FADN如式（14）所示。

式中：IRIES(t)為ADN 與RIES 聯盟電功率交互收益；Cbuy(t)為ADN 從上級配電網的購電成本。二者表達式如下所示。

式中：λs(t)和λb(t)分別為t時段ADN 對RIES 的售電價和購電價；λss(t)為t時段上級電網售電電價；PADNb(t)為t時段從上級電網購電功率。

為保證各主體利益，做出以下約束。其中原始交流潮流約束、線路功率容量約束、節點電壓約束等常規約束，本文不再贅述。

3.1.1 交互功率容量約束

式中：PRIES，max、PADNb，max分別為ADN 與RIES 聯盟和上級配電網線路交互的最大功率。

3.1.2 分時電價約束

為避免RIES 越級購電的情況，ADN 所定電價應處在上級配電網電價區間內，如式（19）所示。

式中：λss，min(t)為上級配電網的上網成本電價。

考慮到ADN 在博弈中主導定價權，為保護用戶利益避免其出現牟利現象，設定如式（20）約束。

3.2 RIES合作聯盟

RIES 聯盟的決策變量為與ADN 交互的電量，根據ADN 頒布的分時電價，以合作聯盟形式優化自身供能策略，建立計及經濟和低碳減排的目標函數模型，目標函數FRIES如式（21）所示。

式中：CDR，i(t)為第i個RIES 的需求響應成本；Co，i(t)為第i個RIES的機組運行成本，由常規機組運行成本CG，i(t)、新能源機組運行成本Cnew，i(t)、EV 調度成本CEV，i(t)和儲能裝置成本Cs，ψ，i(t)構成，表達式如下所示。

式中：λg為單位燃料價格；aG、bG和cG為常規機組出力系數；ηnew為新能源機組運維成本系數；Pnew，i(t)為t時段內新能源機組i出力；ηloss為EV 放電損耗系數；as，ψ和bs，ψ為儲能成本系數。

第i個RIES在t時段電、氣功率滿足：

式中：PES，i(t)為電儲能凈放電量；PEV，i(t)為EV凈負荷量；Gb，i(t)為向天然氣網購氣量；GGS，i(t)為儲氣罐凈出氣量；GL，i(t)為天然氣凈負荷；ΔGij(t)為與第j個RIES交互的天然氣量。

REIS 之間通過聯絡母線實現多能互濟，為保障各RIES 利益，規定有能源剩余的RIES 可以輸送給缺能RIES 的能源量不超過自身剩余能源量，缺能RIES 只可接受不超過所缺能源缺額，具體約束如下。

式中：PRIES，eq，i(t)為第i個RIES 的凈負荷缺額，即大于0 時為缺能狀態。天然氣交互具有相同特性，文中不再贅述。

3.3 基于納什議價分配合作收益

在RIES 合作聯盟中，假設每個RIES 都是獨立且理性的個體，其間既有合作關系也有競爭關系，因此各個RIES 不會不顧自身利益而與其他個體交互。為保證參與合作的RIES 的積極性，本文需進一步研究合作博弈帶來的收益公平分配問題。

考慮到納什議價理論能夠滿足參與合作的所有個體的帕累托最優，本文以各RIES 獨立參與ADN交互的收益作為談判崩裂點，采用納什議價模型進行求解，模型表示如式（27）所示。

式中：n為RIES 組成合作聯盟的數量；FRIES，i和FRIES，0分別為第i個RIES 聯盟合作議價和獨立參與交易后的收益。

式（27）為非凸非線性問題，此處利用文獻［22］中的方法將上述問題等效轉化為兩個凸的子問題，即社會效益最大化問題和支付效益最大化問題，并利用交替方向乘子法（alternating direction method of multipliers，ADMM）予以順序求解。其子問題依次表示如式（28）—（29）所示。

式中：FRIES，i*為第i個RIES 的收益；Zi為第i個RIES的議價收益轉移。

4 區域綜合能源系統聯盟-主動配電網博弈均衡分析及求解流程

4.1 博弈框架

ADN 和RIES 聯盟均有自我趨利屬性，且兩者利益沖突，存在明顯的博弈關系。ADN 作為上層領導者，將所制定的分時電價下派至下層跟隨者RIES 聯盟，再根據下層反饋的用能策略與需求響應信息，以最大化交互效益為目標優化能價策略。其存在的信息先后迭代關系呈現主從階梯結構的動態博弈特點，屬于典型主從博弈關系。下層RIES 聯盟內部各個RIES 合作目標呈現一致性，即利用多能共享實現運行效益最大化。故本文將ADN 作為領導者，RIES 合作聯盟作為跟隨者，建立如圖3 所示的RIES 聯盟-ADN 博弈調度框架。

圖3 RIES聯盟-ADN博弈調度框架Fig. 3 Scheduling framework of RIES alliance-ADN game

其中，用Stackelberg 博弈來描述ADN 和RIES聯盟追求各自目標最優的決策過程，該Stackelberg博弈模型可表示為：

該模型包括參與者、策略和效用函數。其中參與者為領導者ADN 和跟隨者RIESn聯盟；策略包括ADN 與RIES 聯盟的交互電價λADN，RIES 聯盟中機組的輸出功率QRIES，電氣負荷需求響應量LRIES，EV 有序充放電功率Pev，儲能有序充放電功率Pes；效用函數為FADN、FRIES。

在博弈過程中，主從雙方都不能通過改變策略時來獲取更多收益，此時博弈達到Stackelberg 博弈均衡（λAND*，QRIES*，LRIES*，Pev*，Pes*），如式（31）所示。

4.2 求解

本文采用遺傳算法嵌套IPOPT 求解器的方式求解博弈模型，上層采用遺傳算法更新并求解ADN定價及效益，下層RIES 聯盟策略及議價均使用IPOPT進行求解。求解流程如圖4所示。

圖4 求解流程Fig. 4 Solution flow chart

上層遺傳算法包括以下步驟。

1）輸入基本數據和參數。

2）初始化種群a，生成ADN 分時電價，設置迭代次數K=0。

3）ADN 將分時電價下發至下層跟隨者，RIES聯盟調用IPOPT求解器計算自身收益。

4）ADN根據下層反饋策略計算自身收益F1。

5）a種群通過交叉、變異形成新種群b。

6）再次調用IPOPT求解器計算下層收益，ADN根據反饋更新自身收益F2。

7）比較歷史收益，進行選擇操作，若F2>F1，a=b，F1=F2，否則保留結果。

8）判斷是否達到最大迭代次數，達到則輸出策略及對應收益。

下層RIES 之間通過多能共享形式進行合作博弈，以聯盟形式響應上層調度，調用IPOPT 求解器計算各RIES 內部機組出力情況、靈活性資源響應量、RIES 間交互功率量，將優化結果反饋至上層。最后，為保證各RIES 合作積極性，基于納什議價完成RIES聯盟中的分配合作剩余。

5 算例分析

5.1 算例參數

如圖5 所示，算例中的ADN 基于IEEE 14 節點系統進行設計，分別于6、11、12 節點接入3 個RIES，構成RIES 聯盟。通過節點1 接入上級配電網，節點2、3 分別配備風光機組。設定種群個體數為50，最大迭代次數為200，種群交叉概率為0.95，變異概率為0.3。各RIES 的風光預測及負荷預測曲線如圖6 所示，RIES 與ADN 交互功率上限為1 000 kw。CCS-P2G 機組及常規機組數據參考文獻［23-24］，碳交易數據參考文獻［25-26］，EV 數據參考文獻［27］。

圖5 ADN網絡結構圖Fig. 5 Structure diagram of ADN network

圖6 各RIES負荷及新能源預測曲線Fig. 6 Load and new energy prediction curves of each RIES

5.2 結果分析

5.2.1 配電網-RIES聯盟博弈優化結果分析

1）ADN定價結果分析

基于本文所述模型及求解方法，計算ADN 的優化分時電價，其均衡結果如圖7所示。

圖7 ADN分時電價結果Fig. 7 Time-of-use pricing results of ADN

ADN 通過設置購售電差價獲得盈利，為能夠給RIES 提供更優價格，并保證一定盈利，ADN 定價始終處于上級電網定價之間，且售電價高于購電價。此外，ADN 的售電價格波動趨勢受上級電網分時電價趨勢影響，購售電價格與實際用電負荷趨勢一致，目的是為了優化負荷曲線并激勵RIES 參與調度。

2）RIES合作議價結果分析

如表1 為分析納什議價結果，考慮3 種模式下的各RIES成本收斂情況如下。

表1 模式1—3下各RIES運行成本Tab. 1 Operating cost of each RIES under mode 1—3元

模式1，所有RIES獨立與ADN交易；

模式2，所有RIES 參與合作博弈，但不考慮納什議價；

模式3，所有RIES 參與合作博弈，并采用納什議價進行分配。

根據表1 中數據可以發現：由于模式1 中的RIES 只能單獨與ADN 交易，模式2 的RIES 合作博弈聯盟形式比模式1 的RIES 群運行成本降低了507.8 元。但是，RIES3 的合作運行成本相比于獨立交易上升了198.1 元，將導致其更傾向于獨立運行，破壞其合作積極性。本文所提納什議價分配方法（模式3）根據合作互濟功率量進行合理有效分配合作收益，使3 個RIES 成本均在獨立運行成本之下，合理降低聯盟總成本的同時利于維持聯盟長期合作。

3）RIES1響應ADN調度結果分析

ADN 最終定價與上級電網分時電價趨勢大體一致，可分為“峰-谷-平”3 個時段。結合RIES1 響應情況，可以看出在谷時段00：00—08：00，23：00—24：00 時，RIES1 與ADN 購電交互頻繁，積極響應ADN 填谷調度，具體表現在：如圖8（a）所示的電力系統中系統優先消納新能源，得到凈電負荷曲線，ADN 的谷時電價引導常規發電機組少發電（如圖8（a）中00：00—08：00），多從配網購電輔助其填谷。多余電量向蓄電池充電（如圖8（a）中00：00、04：00、06：00），仍有缺額或盈余則傳遞給其他RIES 系統。圖8（b）所示的天然氣系統中由于此時電價較低，電轉氣成本較低，RIES1 與氣網交互減少，優先由電轉氣和其他RIES 互濟支撐氣負荷（如圖8（b）中23：00—24：00和00：00—08：00）。

圖8 RIES1響應情況Fig. 8 Response of RIES1

ADN 峰時電價時段：19：00—23：00，RIES1與ADN 售電電交互頻繁，響應ADN 削峰調度，具體表現在：如圖8（a）所示的電力系統在優先消納新能源后，因此時段內電網購電成本高，功率缺額由常規機組盡力滿足（如圖8（a）中20：00—23：00），碳捕集機組出力上升以減少常規機組滿載運行帶來的高碳排放量。儲能、EV 均放電減少負荷壓力（如圖8（a）中21：00—23：00），功率缺額向配網購電，但盈余則售至ADN 側，幫助配網完成削峰調度，獲得更高收益。圖8（b）所示的天然氣系統中ADN 電價較高，且RIES 凈負荷曲線處于峰值，電轉氣成本高，RIES1 氣負荷由其他RIES 互濟和氣網購氣支撐（如圖8（b）中19：00—23：00）。

5.2.2 多場景對比分析

為驗證本文所提博弈的耦合關系和靈活性資源對RIES調度的經濟性影響，本文設置如下4種場景進行分析。

場景1：固定電價，不考慮需求響應、EV、儲能設備等靈活性資源，各電-氣區域綜合能源系統獨立運行。

場景2：固定電價，考慮需求響應、EV、儲能設備等靈活性資源，各電-氣區域綜合能源系統獨立運行。

場景3：固定電價，考慮需求響應、EV、儲能設備等靈活性資源，各電-氣區域綜合能源系統合作運行。

場景4：本文所提由主動配電網進行調度并計及需求響應、EV、儲能設備等靈活性資源，各電-氣區域綜合能源系統合作運行。

對比表2 中4 種場景下各RIES 成本可以發現：場景1 中各RIES 獨立運行，且不考慮“荷-儲”靈活性資源，各自負荷完全由各自RIES 內部機組承擔，棄風棄光現象嚴重，造成了資源浪費，導致經濟效益低下和高碳排放成本；場景2 對比場景1，引入多種靈活性資源，實施多元需求響應策略優化負荷曲線，考慮多元儲能裝置和EV 有序充放電策略，緩解峰時高碳壓力，并利用其與電力系統雙向互動，達到削峰填谷、節約成本的效果；場景3 相比場景2，考慮各RIES 間以多能共享方式進行合作博弈，能源互濟使得能效利用率進一步提升，有效釋放儲能裕度，降低儲能成本。而共享能源不需要承擔碳排放成本，各RIES 可選擇在自身碳排放較小時產能，由EV和儲能存儲，并在高碳排放時互濟，進而有效降低碳成本；場景3 相比于場景4，未考慮ADN 調度，實施固定電價。因此，RIES 與配電網交互電量完全受內部凈負荷趨勢和各機組出力影響，配網側被動供能，極大影響兩主體各自利益。場景4中由配電網主動調度，與RIES聯盟構成主從博弈，實施內部購售電價，保證交互有序性，合理優化下層機組出力和靈活性資源調度，因此兩主體利益得到保證，驗證了本文所提博弈的耦合關系和靈活性資源能夠有效提高RIES 調度的低碳性和經濟性。

表2 4種場景下各RIES成本Tab. 2 Costs of each RIES under four scenarios元

5.2.3 不同場景下低碳優化分析

為進一步分析碳交易機制下的低碳交互效果，對場景2—4的碳排放行為進行分析。由于場景1并不考慮靈活性資源，高碳排行為無法緩解，因而不再贅述。RIES1 碳排放行為優化結果如圖9—10所示。

圖9 場景4下RIES1碳交易Fig. 9 Carbon trading of RIES1 under scenario 4

圖10 各場景下部分碳交易行為Fig. 10 Partial carbon trading behaviors under various scenarios

如圖9—10 所示，結合上述表2 中的碳交易成本，由于ADN調度場景4存在供能規律性與集中性特點，場景4 的總碳排放成本較低。具體體現在：不考慮ADN 與RIES博弈行為，場景2—3中的常規機組出力、配網購電、購氣均勻分散且出力頻繁，導致整體碳排放偏高。而場景4 在動態定價和碳交易的驅動下，將靈活改變碳排放行為，如14：00—18：00，選擇與配網交互進而代替常規機組高碳排放行為，并利用P2G 消納配網能源降低購氣碳成本。場景4 中出現負荷高峰期碳排放減小，是EV進行車到網的放電行為所導致的。EV 受ADN 調度影響，其等效碳排額即有序充放電行為與ADN 交互相關，如EV 放電時段時與ADN 交互形式為售電，而EV 充電時段則為購電。這說明在RIES 與ADN 博弈的情況下，EV 能夠有序的消納多余能源；并且EV等效碳配額出現負值，即為EV放電行為，表示EV 放電代替其他形式的高碳行為，有效降低系統碳排放。由此可見，在ADN 調度下，EV等靈活性資源可以實現有效響應，通過轉移高碳行為達到整體減排效果，實現系統低碳運行。

6 結論

本文基于多能共享方式組建RIES 聯盟，考慮多種靈活性資源提升主動配電網對RIES 的調度能力，構建了以ADN 為領導者，RIES 聯盟為跟隨者的多利益主體雙層低碳交互機制，實現了RIES 和ADN 主從博弈互動和多能共享的低碳經濟優化調度。主要得到以下結論。

1）考慮電-氣能源共享和多種靈活性資源，建立了區域綜合能源系統聯盟-配電網博弈優化模型，ADN 通過合理的價格信息引導RIES 聯盟的可控設備出力、需求響應量、EV 有序充放電策略以及多元儲能策略，實現了多主體多能源協同優化調度。

2）下層各RIES 之間進行合作博弈，通過聯絡線和天然氣網絡實現電-氣能源互濟，獲得合作最優效益后基于納什議價理論進行利益分配，保證合作成員積極性，并有效促進機組出力的優化，提高調度經濟性。

本文未考慮電-氣能源在調度時間尺度上的差異性，在后續的研究工作中需進一步考慮多種能源功率互濟和需求響應資源在不同時間尺度上的調度特性對系統運行的經濟性影響。