冷热电联供型微电网多目标动态优化调度方法与流程

本发明属于微电网技术领域，尤其是针对大型商业综合体的冷热电联供型微电网系统，具体涉及一种协调调度“源-储-荷”的冷热电联供型微电网多目标动态优化调度方法。

背景技术：

冷热电联供型微电网结合了冷-热-电三联供系统和微电网系统两者的优点，可将微电网中微型燃气轮机发电时产生的余热进行回收利用，并采用吸收式制冷机进行制冷，从而实现冷热电三联供。冷热电联供型微电网可作为一个小规模的冷热电联供低压供电网络，为住宅区、工业园区或商业区等供应电力或冷热能量。其中，电负荷可由微型燃气轮机和大电网协调调度提供，而对于冷/热负荷，一方面可由燃气轮机发电后排出的烟气余热驱动溴化锂吸收式冷热水机组产生的冷/热量来保证，另一方面可通过空调的制冷、制热功能来满足。从用户侧的能源供应来讲，无论是电负荷还是冷热负荷，冷热电联供型微电网都能提供双重保障。

但由于冷热电联供型微电网存在冷、热、电等多种能量之间的平衡关系，还需考虑系统的负荷需求、交互功率约束、燃料费用等约束条件。此外，随着智能电网的发展与建设，负荷侧出现越来越多可参与系统调度的负荷类型，如电动汽车、蓄热(冷)空调系统以及智能热水器，智能洗衣机等。这类负荷在双向互动用电技术下可作为新的可调控或可平移负荷资源参与到冷热电联供型微电网的调度中，从不同的时间尺度上为电力系统调控和运行提供技术支持。因此，如何综合协调调度冷热电联供型微电网发电侧可控单元，储能系统及负荷侧的可调度资源，在满足运行约束和设备特性约束的情况下，得到符合不同调度目标要求的调度方案对推广冷热电联供型微电网的应用，提高能源的利用率和降低环境污染有着举足轻重的意义。目前国内外对于冷热电联供型微电网的优化研究主要集中在对发电侧“源”和储能(电、热/冷)侧可控单元的调度，对负荷侧的可控性研究不够。即使有少量研究工作考虑了负荷可平移特性对调度结果的影响，但是只给出了每个时段不同类负荷可平移进/出数量，没给出负荷具体平移进/出的时段，从而限制了调度结果的可实现性。此外，由于储能设备的运行特点，给优化问题引入了0-1变量和非线性耦合的约束，使得优化问题的求解变得更加复杂，寻找行之有效的优化方法是现阶段需要解决的另一个问题。

技术实现要素：

本发明针对大型商业综合体的冷热电联供微电网系统，充分利用发电侧、储能和负荷侧的可控单元，以系统运行成本最低和污染物排放治理费用最少为优化调度目标，优先消纳可再生能源，将微型燃气轮机、蓄电池、蓄热(冷)槽三类可控单元中每时段的出力作为优化变量。为了降低优化问题的复杂度，提高求解速度，采用分阶段的优化调度策略对其进行优化求解。即首先根据可平移负荷的特性和数量，以优先消纳可再生能源为原则，利用粒子群优化算法和“以商定量，以余定度”的策略可以确定可平移电负荷所能平移的数量以及可平移进/出的时段。然后利用改进后的电负荷曲线，在满足系统运行以及模型约束的条件下，建立日前多目标优化调度的数学模型。为了有效的求解该多变量混合整数非线性优化问题，提出了基于“优秀粒子”指导的多目标粒子群优化算法对该优化调度模型进行求解。具体按照以下步骤实施：

步骤1、确定目标电负荷曲线，得到可平移电负荷所能平移的数量以及可平移进/出的时段。

针对微电网不同的运行模式或运行环境制定不同的电负荷平移目标。当微电网系统处于并网模式下，根据电价数据，在电价较低时安排较多的电负荷而在电价较高时尽量减少电负荷量，即目标负荷与电价成反比例关系。当微电网处于孤岛运行状态时，为了减少丢弃风光指标，根据风光发电数据，在风光发电功率较少时安排较少电负荷而在风光功率较多时安排较多负荷，即目标电负荷与风光出力成正比例关系。可平移负荷优化模型的目标函数可表示为：

式中，t为调度周期；pobj,t为t时段的目标负荷；ps,t为平移后t时段的负荷；pf,t为t时段的原始预测负荷。负荷平移还应满足：平移前后负荷的种类不变，调度周期内所有可平移负荷的总量不变。此外，还需对每类可平移负荷所允许移入和移出的时刻进行约束。

根据可平移负荷在每个时刻的单元数，如何确定移入、移出量以及满足系统对可平移负荷约束的问题是解决可平移负荷参与的微电网优化调度的关键所在。本发明提出了一种“以商定量，以余定度”的方法用于解决以上问题，可表示为：

m÷n＝s......y(2)

式中，m为优化变量的某一分量；n为一定值，其大小可视情况而定；s为等式的商值，其决定着可平移负荷移出的单元数，即上述的“以商定量”；y为等式的余值，其决定着可平移负荷的平移裕度，即上述的“以余定度”。对于平移量和平移裕度，本文只对移出量做计算，其移入量可由对应的移出量和相应的平移裕度求出。

利用粒子群优化算法对式(1)和(2)进行优化求解得到可平移电负荷所能平移的数量以及可平移进/出的时段。

步骤2：确定冷热电联供型微电网优化调度问题的原则。

对于并网型冷热电联供型微电网，风力和光伏发电系统采取最大跟踪模式并优先使用其所发电能。此外，由于蓄热(冷)槽的引入，热电联产系统不再需要时刻跟踪热(冷)负荷的变化，可作为自由变量参与系统的调度。

步骤3：根据优化后的电负荷曲线，结合已知的风光数据和冷/热负荷，根据调度原则建立冷热电联供型微电网优化调度问题的数学模型。该优化调度问题的优化变量为一天24小时内蓄电池、蓄热(冷)槽和微型燃气轮机在每个时刻的出力。冷热电联供型微电网的两个目标函数一个为系统总的运行成本，一个是系统污染物排放治理费用也就是环境成本。

该优化调度的约束主要分为两类：一是设备模型约束，此类约束通常是因为设备运行的物理极限所致，要求强制满足，否则会对设备本身甚至整个微电网系统造成永久性损害。这类约束通常包括蓄电池的充放电功率约束和蓄电池的荷电状态约束、蓄热(冷)槽的储热水平和放能深度的约束，燃气轮机的功率和爬坡率的约束等。另一类约束为系统运行约束，即系统在运行中应该满足的约束，这类约束主要包括每个时刻功率和能量平衡约束以及储能设备包括蓄电池和蓄热(冷)槽的剩余能量在调度周期内的初始和终止时刻应当保持一致，

针对上述两种类型的约束，本发明采用的约束处理方法也不同。对于设备模型约束，采用约束硬处理的方法，将违背约束元件的运行变量强制赋值为边界值。而对于系统运行约束中功率平衡的约束，一般采用降维处理方法，即假设等式中有n个变量，选取其中n-1个变量作为自变量。剩余一个变量为因变量，其值由其他自变量的值以及约束等式共同确定。而对于调度周期性的约束，本发明采用柔性约束处理方法，利用罚函数的方法将违背上述约束的情况作为惩罚项加入总的运行成本，从而形成新的目标函数：

步骤4、利用基于“优秀粒子”指导的多目标粒子群优化算法对该优化调度模型进行求解。

首先利用单目标遗传算法对冷热电联供型微电网系统的运行成本和环境成本最低为目标分别进行优化调度，并保存优化调度结果。其次，对多目标粒子群算法初始化后，将遗传算法保存的两个调度结果随机赋给粒子群算法种群中的两个个体。最后，利用多目标粒子群优化算法对系统进行优化调度计算。

步骤5、输出优化计算的结果，即系统总的运行成本和环境成本的pareto前沿以及蓄电池、蓄热槽和微型燃气轮机在各时段的出力。

本发明方法具有的优点及有益结果为：

1、冷热电联供型微电网能够解决大量分布式电源接入大电网而产生的问题，同时由于其智能和灵活的控制特点，在解决环境污染、能源短缺、提高供电可靠性和能源利用率等方面有着极大的潜能。此外，随着智能表计和智能电器的发展，用户侧的电动汽车、智能热水器和智能洗衣机等负荷在双向互动用电技术下可作为可平移负荷资源参与到冷热电联供型微电网的调度中，从而提高微电网系统运行的灵活性、可靠性和经济性。本发明在研究冷热电联供型微电网优化调度问题时，综合考虑了源侧、储能系统和负荷侧的可调度性，因此得到的结果更符合电力系统市场化的要求。此外，利用pareto前沿给出多目标优化调度的结果，比起将多目标加权处理成单目标优化问题的结果而言，可以提供给实际运行人员更多的选择。

2、本发明可以得到在给定优化目标电负荷的情况下，采用“以商定量，以余定度”的方法可以确定每个时段各类可平移电负荷的移入和移出量及对应平移的时段。也就是说不仅能知道此时段移入和移出负荷的单元数，还可以知道被移出的负荷被调整到具体时刻。这对于大型商业综合体这类集中控制的冷热电联供型微电网系统来讲，极大地增加了调度结果的可操作性。

3、由于冷热电联供型微电网系统的优化调度问题不仅涉及多种能源流的转换和耦合，还有电能和冷/热能储能系统，因此从数学角度来讲，是属于多变量混合整数非线性规划问题，使得传统的内点法等常规算法失效，混合整数、罚函数和光滑函数等方法计算效率欠佳。本发明采用“优秀粒子”指导的多目标粒子群优化算法对该优化问题进行求解，结合了粒子群优化算法和遗传算法的优点，从而提高了算法的计算速度和全局搜索能力。

附图说明

图1是本发明提供的基于“优秀粒子”指导的多目标粒子群优化算法流程图；

图2是本发明的一个具体实例中冷热电联供型微电网基本结构；

图3是本发明的一个具体实例中夏季典型日风光、电热/冷负荷预测出力以及实时电价曲线；

图4是本发明的一个具体实例中可平移负荷消毒柜、洗衣机和热水器每小时的需求功率曲线；

图5是本发明的一个具体实例中冷热电联供型微电网目标电负荷曲线和优化后的电负荷曲线；

图6是本发明的一个具体实例中系统优化调度的pareto前沿图；

图7是本发明的一个具体实例中系统运行成本最低时电能单元的出力；

图8是本发明的一个具体实例中系统运行成本最低时冷能单元的出力；

图9是本发明的一个具体实例中环境治理成本最低时电能单元的出力；

图10是本发明的一个具体实例中环境治理成本最低时冷能单元的出力；

图11是本发明的一个具体实例中蓄电池和蓄热(冷)槽soc的调度结果。

具体实施方式

下面结合具体实施方式对本发明进行详细的说明。

本发明提出的冷热电联供型微电网多目标动态优化调度方法,按照以下步骤实施。

步骤1、确定目标电负荷曲线，得到可平移电负荷所能平移的数量以及可平移进/出的时段。电负荷平移实现算法的具体步骤如下：

(1)输入基础数据。

这其中包括各类可平移电负荷在各时刻的单元数以及其用电特性、日前调度预测的电负荷数据、风力发电和光伏发电预测数据和实时电价。

(2)根据相应机制确定目标电负荷。

当微电网系统处于并网模式下，根据电价数据，在电价较低时安排较多的电负荷而在电价较高时尽量减少负荷量，即目标电负荷与电价成反比例关系，如式(1)所示：

式中dt为调度周期内第t时刻的电价，pobj,t为t时段的目标负荷，pf,t为t时段的原始预测负荷，t为调度周期。

当微电网处于孤岛运行状态时，为了减少丢弃风光指标，可根据风光发电数据，在风光发电功率较少时安排较少电负荷而在风光功率较多时安排较多电负荷，即目标电负荷与风光出力成正比例关系，如式(2)所示：

式中，wpt为调度周期内第t时刻风力和光伏发电的预测功率。

(3)求解可平移负荷模型。

将式(1)或式(2)代入式(3)中，采用粒子群优化算法，并利用式(4)定义的“以商定量，以余定度”的方法得到可平移电负荷移出的单元数和可平移电负荷的平移裕度，从而得到此时段移入和移出负荷的单元数和被移出的负荷被调整到的具体时刻；

其中式(3)为

式中，t为调度周期；pobj,t为t时段的目标负荷；ps,t为平移后t时段的负荷；pf,t为t时段的原始预测负荷；其中负荷平移满足：平移前后负荷的种类不变，调度周期内所有可平移负荷的总量不变；每类可平移负荷有允许平移的时间裕度，可通过式(4)中的y进行约束。

式(4)为

m÷n＝s......y(4)

式中，m为优化变量的某一分量；n为一定值；s为等式的商值，其决定着可平移负荷移出的单元数；y为等式的余值，其决定着可平移负荷的平移裕度；对于平移量和平移裕度，只对移出量做计算，其移入量可由对应的移出量和相应的平移裕度求出。

步骤2、根据冷热电联供型微电网优化调度问题的原则，和优化后的电负荷曲线，结合已知的风光数据和冷/热负荷，根据调度原则建立冷热电联供型微电网优化调度问题的数学模型。其中一个目标函数为系统总的运行成本：

f1(x)＝je(x)+jo(x)+jf(x)+jb(x)(5)

式中，je(x)为微电网系统与大电网的能量交互成本；jo(x)为设备的运行维护成本；jf(x)为燃气轮机的燃料成本；jb(x)为蓄电池和蓄热/冷槽的折旧成本。

另一个目标函数为系统污染物排放治理费用即环境成本：

式中，n为污染物的种类；vi为第i项污染物的排放治理费用；qi(x)为第i项污染物的排放量。

因此冷热电联供型微电网的目标函数可表示为：

f(x)＝min([f1(x),f2(x)]^t)(7)

该优化调度的约束分为两类：一是设备模型约束，包括：

(1)蓄电池

蓄电池满足充放电功率约束，即

-pes_ch_max≤pes≤pes_dis_max(8)式中，pes_ch_max和pes_dis_max分别为最大允许的充电功率与放电功率，pes为蓄电池功率，充电时为负，放电时为正。

此外，蓄电池的功率约束表达成两相邻时刻的soc幅度变化的约束即：

soci+1-soci≤δ(9)

式中，δ在不同运行状态下，即充电或放电状态的值不同。

除此之外，还需要考虑蓄电池的荷电状态约束：

socmin≤soci≤socmax(10)

式中，socmax、socmin分别表示蓄电池荷电状态的上下限要求。

(2)蓄热/冷槽

蓄热/冷槽在约束的处理上采用与蓄电池相同方法，其中蓄热/冷槽的储热水平对应着蓄电池的额定容量，放能深度对应着蓄电池的放电深度；

(3)燃气轮机

燃气轮机发电功率pgen(t)应当满足功率的上下限：

式中为发电机的最小启动功率；最大发电功率。

此外，燃气轮机还应满足爬坡率约束：

式中，pup、pdown分别为发电机上下限爬坡率限值。

另一类约束为系统运行约束，即系统在运行中应该满足的约束，这类约束包括：

(1)功率和能量平衡约束

系统在运行应当满足功率平衡，因此，要在各个时段满足：

pload(t)＝pgen(t)+pes(t)+ppv(t)+pwt(t)(13)

式中，pload(t)、ppv(t)、pwt(t)分别为优化后的电负荷功率、光伏和风力预测发电功率；pes(t)为蓄电池充放电功率，为正时放电，为负时充电。

同时还需满足系统冷/热能平衡：

qload(t)＝qair(t)+qgt+qhs(14)

式中，qload(t)、qair(t)分别为热/冷负荷、空调制热/冷量，qhs为蓄热槽释放的热/冷量；为正时释放热/冷量，为负时储存热/冷量，qgt为微型燃气轮机高温尾气余热提供的制热/冷量。

(2)储能设备soc值初始时刻和结束时刻相同

由于冷热电联供型微电网优化调度呈现周期性，因此，对于储能设备包括蓄电池和蓄热/冷槽的状态在调度周期内的初始和终止时刻应当保持一致，即：

socstart_b＝socend_b(15)

socstart_q＝socend_q(16)

式中，socstart_b、socend_b、socstart_q和socend_q分别为调度周期内蓄电池初始时刻和终止时刻的荷电状态，以及蓄热/冷槽初始时刻和终止时间的储热水平。

针对设备模型约束，蓄电池功率、燃气轮机发电机的启动功率与最大功率，采用约束硬处理的方法，即将违背约束的元件的运行变量强制赋值为边界值。即如式(9)的蓄电池约束所示：

若|soci+1-soci|＞δ(17)

则

对于系统运行约束中功率平衡的约束，一般采用降维处理方法，即假设等式中有n个变量，选取其中n-1个变量作为自变量。剩余一个变量为因变量，其值由其他自变量的值以及约束等式共同确定；将pgrid(t)作为因变量。

对于系统运行周期内的储能单元，初始和终止时刻soc需保持一致这一约束与其设备模型约束组合行成了具有时间耦合性的混合约束；采用柔性约束处理方法，即将违背式(15)与(16)的约束作为惩罚项加入总的运行成本，从而形成新的目标函数：

f'(x)＝f(x)+β·|soci+1-soci|(19)

式中，β为soc约束惩罚因子。f(x)是多目标函数，即惩罚项是加入到每个子目标函数上。

步骤3、利用基于“优秀粒子”指导的多目标粒子群优化算法对该优化调度模型进行求解；具体步骤如下：

(1)利用单目标遗传算法对冷热电联供型微电网系统的运行成本和环境成本最低为目标分别进行优化调度，并保存优化调度结果。

(2)粒子群初始化

将多目标粒子群优化算法初始化，包括确定种群的数目、总的迭代次数、惯性权重值的设定和学习因子。并将步骤(1)中遗传算法保存的两个调度结果随机赋给粒子群算法种群中的两个个体。

(3)计算各粒子的适应度值

确定适应度函数，并计算每个粒子对应的适应度值。根据种群内各粒子的支配关系确定种群的非支配解，并将非支配解放入外部档案集；

(4)按照拥挤距离排序，并删除超出规模的粒子

如若不对外部档案集中的规模加以限制，新的非支配解将不断进入外部档案集而导致其内部粒子呈现爆炸式的增长，由此降低了整个算法的计算性能。另外，为了保持整个非支配解的多样性，需对外部档案集中的粒子进行拥挤距离降序排序。这样既保证了算法的计算性能，也可保留整个种群的多样性。

(5)更新粒子的个体极最优和全局最优位置

更新粒子的个体最优位置和全局最优解。确定全局最优解的方法与单目标粒子群算法有着很大的不同，当目标最优的选取通过pareto支配关系确定时，外部档案集存储着已经找到的非支配解，然而整个集合中却没有“绝对的”最优解。从经过拥挤距离排序的外部档案集中选取前百分之十的粒子，然后随机选取其中一个粒子作为此次迭代的全局最优解。

(6)更新粒子的速度和位置

粒子群优化算法源自于鸟群捕食行为的研究，该算法将种群中的鸟抽象成一个个粒子，通过这些粒子之间的信息共享与相互协作，追随已搜索到的粒子个体最优值和粒子群的全局最优值来更新每个粒子的位置，经过多次迭代最终确定全局最优值。在算法进行时，pbesti最优是指一个粒子迄今为止寻找的最优值；gbest是指整个粒子群迄今为止找到的最优值。种群内所有粒子的更新速度和位置公式为：

式中，k为迭代次数；vi^k为粒子i的飞行速度；vi^k+1为粒子i在第k+1次迭代飞行的速度；c1、c2为学习因子，取值为2；r1、r2是位于[0，1]之间的随机数；ω为惯性权重系数，用来权衡局部最优和全局最优的搜索能力。算法中ω通常需要动态调整，按式(22)中的迭代次数线性递减的函数来计算惯性权重ω：

式中，ωmax一般取值0.9；ωmin为0.4；k为当前的迭代次数；kmax为设置的最大迭代次数。

根据式(20)和(21)更新整个种群粒子的速度和位置。更新后粒子的速度和位置有可能超出给定的搜索空间范围，此时将超出搜索空间的粒子赋为边界值并将其速度反向。为了防止粒子陷入局部最优，对种群内的粒子按照一定的概率选取后进行位置扰动。概率值的选取应当随着迭代次数的增加而减小，以便于种群进化后期的快速收敛。

(7)是否满足终止条件

判断算法是否满足终止条件，如果满足则输出相关结果，否则转到步骤(3)继续执行。

步骤4、输出最终计算的结果，即系统总的运行成本和环境治理成本这两个目标之间的pareto前沿。在此基础上得到微型燃气轮机、蓄电池、蓄热/冷槽、空调在每时段的出力以及与大电网的交互电功率。

实施例

本文选取图2所示的冷热电联供型微电网，该微电网运行在并网状态，调度周期为一天，单位调度时间δt为一小时。夏季典型日的光伏发电、风力发电、电负荷、热(冷)负荷的预测功率以及实时电价如图3所示。为保证能源的高效利用，微型燃气轮机的余热烟气全部供给溴化锂吸收式冷热水机组。微型燃气轮机额定输出功率为60kw，最小启动功率为18kw，发电效率为0.3，散热损失系数为0.16，使用燃料为天然气，其热值为9.7kw·h/m³，价格为3.3元/m³；溴化锂吸收式冷热机组的制冷性能系数为1.2，制热性能系数0.9；电空调的制冷和制热性能系数为2.7；蓄电池和蓄热槽的充放率为0.9，折旧成本0.05元/(kw·h)，容量为200ah，两相邻时刻soc变化值最大为0.3；微电网系统和大电网的污染物排放系数以及相应成本如表1所示：

表1污染物排放系数以及处理成本

表2可平移负荷初始分布

1、可平移负荷主要包括消毒柜、洗衣机、和电热水器。其中，消毒柜的连续工作时间为一小时，洗衣机连续工作时间为两小时，电热水器连续工作时间为三个小时，且可平移负荷在连续工作时间段内每个小时需求功率是不同。在总的负荷中，可平移负荷的占比大概在30％左右，每小时具体需求功率参数如图4所示。调度周期内三类可平移负荷单元数初始分布如表2所示。

利用公式(3)确定目标电负荷曲线，选择每类可平移负荷在每个调度时段数量为优化变量，设置粒子维数为72。利用经典的粒子群优化算法得到可平移电负荷所能平移的数量以及可平移进/出的时段。设置粒子种群规模为200，迭代次数为1000，利用单目标粒子群优化算法求解式(1)和(3)描述的有约束条件的优化问题。得到优化平移负荷的策略如表3所示。

表3可平移负荷移动策略

以表3中第一时刻消毒柜的移动策略为68加以说明，根据式(2)可知，当n取7时，68除以7，商为9，余数为5。“以商定量”：此时的消毒柜的数量为5，因此其移动数量为5*9/10＝4.5，根据四舍五入的原则，此时消毒柜的移出数量应为5，即全部移出。“以余定度”：余数为5，需要将此时段的可平移负荷移动到五小时以后，移动策略求解完毕。由此可知，通过改变除数n的值，即可改变平移裕度的最大值。移动后三类可平移负荷单元数的分布如表4所示：

表4平移后可平移负荷单元数分布

采用夏季典型日的预测负荷，冷热电联供型微电网负荷平移结果如图5所示。由图5可看出，尽管平移后的负荷曲线没有与目标负荷曲线重合，但相比于预测负荷曲线，其已经向目标负荷方向靠近。从平移后负荷曲线波动起伏变化看，也要比预测负荷曲线较为平整。另外，原始预测负荷的峰谷功率分别为121.4kw和40.2kw，平移后负荷峰谷功率分别为110.8kw和68.2kw，峰谷差值减小，因此，起到了削峰填谷的作用。

2、根据具体数据和平移后的电负荷曲线，利用公式(5)-(19)建立并网冷热电联供型微电网的多目标优化问题的数学模型。

3、设置多目标粒子群优化算法的粒子种群规模为200，迭代次数为1000，蓄电池的初始soc值和蓄热(冷)槽初始时刻的储热水平为0.4，将利用单目标遗传算法得到的系统总运行成本最小值点和环境治理费用最小值点作为多目标粒子群优化算法的两个初始粒子，利用多目标粒子群优化算法进行优化求解。具体求解步骤见实施方式中的步骤3。得到的优化调度结果包括多目标优化调度的pareto前沿、以运行成本最低为目标时电能单元和热能单元各设备的出力、以运行成本最低为目标时电能单元和热(冷)能单元各设备的出力、以及储能单元soc在调度周期内各时刻的值，如图6-11所示。

调度结果显示，运行成本的范围为[891.1元1663.0元]，环境成本的范围为[297.0元827.7元]。相比于负荷平移前系统调度结果中最低运行成本的1051.1元，节约了60元，由此可见平移效果明显。其主要原因是由于将处在高电价的可以平移负荷移动到了低电价处，由此降低了系统向大电网购买电量的费用。由于此次的目标负荷是根据电价的波动而设定，而电价与系统运行的经济性关系较为密切，因此相对于平移负荷前的最低环境成本300.7元并没有较大的改善。

取系统运行成本最低时的调度结果进行分析，如图7，8所示。图7中可以看出，由此可看出蓄电池在整个调度周期主要经历了两次充放电过程。其中，凌晨4、5点这两个时间段，此时大电网电价较低，对蓄电池进行充电。而到中午12点至下午15点这一时段，蓄电池大部分处于放电状态并在这几个时段内有针对性的选择电价相对较高时以最大功率运行。由图11可知，在15点蓄电池放电结束后，其soc值达到下限，放出了全部电量，为系统充分赚取差价。在11点至下午16点之间微型燃气轮机启动，这主要是因为此时间段大电网电价过高引起的。通过天然气的价格以及微型燃气轮机的发电效率可知，每发一度电的价格相当于0.63元，而此时段的电价全部高于0.63元。在12、14、15、16这几个时刻，由微型燃气轮机发出和蓄电池放出的电量共同满足电负荷的需求外，剩余的电量则卖向大电网。因此在此时间段，蓄电池通过低电价充入高电价放出赚取差价，微型燃气轮机以其发电的经济优势赢取利润。在18和19点电价相比较低状态时蓄电池充电，由蓄电池soc变化可知，此时段蓄电池以最大功率运行在蓄电状态，为晚上高电价时放电做能量储备。此时段的大电网不仅要提供电负荷所需的电量，蓄电池蓄电量以及电空调所需电量都由大电网承担，因此这两个时段大电网的功率较高，达到了200kw以上。而到晚上21至22点高电价时段蓄电池放电，微型燃气轮机在电价高于0.63元时又得已启动。

电空调作为可变负荷，将电能转换成冷或热能，与蓄热(冷)槽和微型燃气轮机发电产生的烟气余热共同调节系统内冷/热负荷的供需平衡。整个调度周期内的热(冷)能单元调度结果如图8。由图8可知，蓄热槽在5、18、19点处于储能状态，12、14、21、22点处于放能状态；微型燃气轮机发电产生的烟气余热驱动溴化锂吸收式制冷机工作状态与微型燃气轮机的运行状态一致，即在11、12、13、14、15、16、20、21处于工作状态。蓄热(冷)槽的运行状态与蓄电池相似，但总的充放量相对少些。一方面是蓄热(冷)槽与蓄电池相比，其能量转移和存储收益即通过高价蓄能低价放出赚取的差价没有那么明显。例如，空调的制冷(热)性能系数为2.7，这意味着电空调消耗1kw*h的电量可“搬运”2.7kw*h的冷(热)量。由此使得蓄热槽在转移冷(热)能时相对廉价。另一方面，蓄热(冷)槽的折旧成本也对此造成一部分影响，如果想要赚取利润，放出能量的收益要大于低价储能和折旧成本的总和。因此在差价本身就相对较小的情况下，其赚取利润的空间也相应减少。在电价较高时，由于微型燃气轮机的启动，系统内的冷负荷大部分由溴化锂吸收式制冷机吸收其余热转换的冷量来承担，在此基础上的部分缺额冷负荷则由电空调和蓄热(冷)槽共同承担；在电价相对较低时，冷负荷有时全部由电空调制冷量来满足，例如1、2、3、4、6、7、8、9、17、23点时，有时电空调还承担着蓄热(冷)槽的充入冷负荷，例如，5、18、19点时。

取环境成本最低时系统的调度结果进行分析。如图9-11所示。由图11可知，由于微型燃气轮机发电相对于大电网的环境优势，在整个调度周期内，微型燃气轮机式中处于启动状态。在1点至13点时段，系统与大电网的交换功率几乎为零。此时段，净负荷小于微型燃气轮机的额定功率，系统的缺额功率可由后者完全承担。由于冷负荷相对较高，在微型燃气轮机发电产生的烟气余热驱动溴化锂制冷机产生的冷量仍不能满足冷负荷，由此导致的剩余缺额冷负荷由电空调提供的冷量满足，而电空调所需的电量则来源于此时段微型燃气轮机所发电量。在13点以后，由于净负荷的增加，即使微型燃气轮机以额定功率运行仍不能满足整个系统的功率缺额，此时只能由大电网提供剩余功率。蓄电池在净负荷小于微型燃气轮机的额定功率时，常处于充电状态，这部分被充入蓄电池的电量由微型燃气轮机提供，其主要原因是可以尽量减少系统与大电网的功率交换。当净负荷大于微型燃气轮机的额定功率时，可由蓄电池提供部分缺额功率而避免由大电网提供，即满足这部分缺额功率的电量是由微型燃气轮机发出，蓄电池只是起到了搬运作用，而微型燃气轮机发电的环境成本比大电网少，由此减少了系统的环境成本。由图10可知，由于微型燃气轮机的启动，空调处于较小功率运行状态。蓄热(冷)槽在整个系统中的作用，一方面可以通过在低电价是蓄热(冷)高电价是放出从而提高整个系统的经济性，另一方面，对微型燃气轮机发出的电热负荷进行解耦，使电能和热(冷)能各自独立，提高了系统控制灵活性。当系统以环境成本最低为目标运行时，蓄热(冷)槽主要起第二个作用。

此外，由图11可知，1点时与25点(为了区分调度周期开始与结束时的时间值)即调度结束时的1点相同。因此系统调度结果符合储能单元soc值在调度初始和结束时应保持一致的要求。