多市场下整合电动汽车与氢能车辆集群的工业绿色微电网的最优双层两阶段运行：基于IGDT的方法

《International Journal of Hydrogen Energy》：Optimal bi-level two-stage operation of an industrial green microgrid integrating electric and hydrogen vehicle clusters in multiple markets: An IGDT-based approach

　　陈泽鹏|郭晓鹏|任东方|刘远新中国北京昌平区回龙观北华电力大学经济管理学院，邮编102206

摘要：随着氢能技术的进步，工业绿色微电网已成为本地整合可再生能源、推动能源消费低碳转型的重要途径。本文提出了一个双层两阶段最优运行模型，用于具有电氢车辆群参与多个市场的工业绿色微电网。该模型还考虑了将氢气混入天然气中以及利用热泵回收电解槽和负载产生的废热，从而提高氢能利用率。考虑到可再生能源预测的不确定性以及偏差惩罚机制，本文建立了用于参与能源与储备耦合多市场的日前及日内运行框架，并采用了具有时变小时度不确定性参数的工程适配型IGDT方法来应对不确定性。此外，根据负载的调度能力，还构建了基于价格和激励的需求响应机制。研究结果表明，所提出的模型可使收入增加12.77%，同时减少9.04%的碳排放。

引言：目前，工业是能源消耗和碳排放的主要领域。传统的能源利用方式效率低下且碳排放量大[1]，而且其对主电网的依赖使其容易受到供电波动的影响，无法满足高质量工业发展的需求。与此同时，分布式清洁能源技术日益成熟，为工业领域的本地化能源利用奠定了基础[2]。再加上电网升级和能源市场改革，因此在工业领域构建独立、可控、清洁高效的微电网系统已变得不可避免。在“双碳”目标及工业绿色转型的双重驱动下，随着氢能技术的进步，工业绿色微电网成为了一个重要的发展机遇[3]。工业绿色微电网整合了氢能、光伏、风电、储能等多种系统，是一种综合能源系统，主要为工业用户提供绿色电力，整合工业生产流程，与电网友好互动，实现协同自主运行。推进工业绿色微电网的建设与应用，是实现高比例绿色能源消费、减少碳排放、参与电网互动以及提升工业竞争力和韧性的关键路径[4]。目前，中国在微电网相关技术和设备方面取得了持续突破，辅助服务市场机制也在逐步完善，一些综合能源服务提供商积累了丰富的建设与运营经验。然而，工业绿色微电网仍大多处于试点和示范阶段，在市场化机制以及与主电网的协调方面存在诸多困难和挑战。因此，本文重点研究具有电-热-氢多能协同特性的工业绿色微电网，探讨其商业运营机制和电网协调模式，主要解决以下问题：（1）应构建怎样的商业模式？（2）如何充分利用灵活资源并建立需求响应机制？（3）在可再生能源不确定性条件下，如何评估收益与风险？

（1）工业绿色微电网的发展现状：现有关于工业绿色微电网的研究已从单一电能系统逐渐发展为电-热-氢多能综合系统。不同地区根据工业场景的特点设计了不同的系统结构，越来越重视氢能在工业微电网中的多元化应用价值。林等人[5]提出了一种基于在线模型预测控制的实时优化方法，用于电-热-氢-气综合能源系统，提升了系统在动态供需交互下的调度稳定性。韩等人[6]构建了一个带有闭环绿色氢气生产单元的沿海工业微电网，通过水循环利用降低了氢气生产过程中对淡水资源的依赖，从而提高了系统的资源利用效率和自主性。任等人[7]建立了适用于氢能工业园区的需求响应模型，并提出了能够有效反映工业生产约束和能源消费特征的通用氢能工业区需求响应模型。同时，作为提升系统能源效率的关键措施，关于工业剩余能量回收的研究仍然不足。刘等人[8]验证了在氢能集成能源系统中利用热泵回收电解槽废热的技术、经济和环境可行性。陈等人[9]在建筑集成能源系统中引入了多个热泵，实现了多能协同调度，提升了系统的韧性和能源效率，为工业绿色微电网中的废热回收与利用提供了技术参考。此外，氢气混入天然气的技术也成为充分利用现有发电资产、逐步用氢替代天然气的重要手段[10]。

（2）灵活资源的利用：工业微电网包含多种可调度的灵活资源，每种灵活资源都需要相应的调度机制。在内部调度和需求响应方面，现有研究越来越多地关注电-氢系统中的负荷侧灵活性。然而，负荷的需求响应潜力尚未得到充分挖掘，且很少考虑多时间尺度优化。刘等人[11]开发了一个电-氢-热综合能源系统，采用基于激励的需求响应机制来调度电力和热负荷。尽管该系统纳入了氢能车辆，但并未考虑其需求响应能力。王等人[12]为电-氢混合系统建立了全面的负荷需求响应机制，结合了基于激励的需求响应以及通过价格弹性系数构建的基于价格的需求响应。不过，他们忽略了可再生能源的不确定性和多时间尺度特征。Rahnemoon等人[13]在带有氢气加注站的电-氢系统中，考虑了电力负荷和氢能车辆在不确定性条件下的需求响应能力。然而，该研究未纳入电动汽车资源，也未考虑多时间尺度运行。林等人[14]通过概率建模描述了电动汽车和氢能车辆的随机行为，确定了影响系统灵活性的关键因素。不过，这些车辆的需求响应潜力仍未得到充分利用。李等人[15]通过放电补贴来调度电力和氢能车辆，并考虑了V2G技术的储能能力。张等人[16]建立了一个同时参与能源市场和储备市场的电-氢能源站，他们通过基于价格的需求响应协调电力和氢能车辆的能源消耗计划，并通过穷举法解决了所提出的斯塔克伯格博弈模型。不过，他们的研究未纳入多时间尺度运行。在外部市场参与方面，除了能源市场之外，工业绿色微电网还可以利用灵活资源参与辅助服务市场。王等人[17]构建了一个氢能集成的多能虚拟电厂，考虑了热电联产、电能存储和电解槽的上下储备能力，实现了能源市场和辅助服务市场的协同调度。虽然该模型纳入了氢气加注站，但未考虑其需求响应能力。Gholami等人[18]提出了一种让含氢虚拟电厂参与频率调节辅助服务的策略，验证了氢能设备在提供辅助服务方面的价值。不过，这些研究并未涉及多时间尺度优化。在外部市场参与方面，有一些研究考虑了多时间尺度运行，但未纳入偏差评估和惩罚机制。王等人[19]建立了一个基于多时间尺度调度优化的精细化需求响应综合能源系统，虽降低了总运营成本，但未考虑偏差惩罚。韩等人[20]在多时间尺度下建立了电-氢集成能源系统，通过不同氢能设备的运行稳定了风电和负荷的波动，但既未考虑需求响应，也未考虑偏差惩罚。杜等人[21]研究了一个电-氢能源系统，考虑了多时间尺度下的基于激励的需求响应机制和偏差惩罚，但未考虑基于价格的需求响应。

（3）不确定性处理：现有关于工业绿色微电网的研究主要采用随机规划[22]和鲁棒优化[23]来处理可再生能源和负荷的不确定性。然而，这两种方法都依赖于不确定参数的精确概率分布，这使得系统的调度策略缺乏鲁棒性和合理性。为了解决这些问题，近年来分布式鲁棒优化和分布式鲁棒随机约束优化被广泛用于微电网运营中的不确定性处理。这类方法不需要精确的概率分布，而是基于历史数据构建模糊集，在确保指定置信水平的前提下优化系统运行策略[24]。贾等人[25]提出了一种用于电-氢运输网络协同调度的去中心化分布式鲁棒随机约束优化方法，采用数据驱动的方式对可再生能源发电和氢能需求的不确定性进行建模。杜等人[26]为参与多个市场的电-氢耦合系统开发了一种两阶段多目标分布式鲁棒优化模型，在电价和负荷不确定性条件下协调经济性能与低碳目标。段等人[27]提出了一种调度框架，将该框架与基于瓦瑟斯坦距离的分布式鲁棒优化相结合，用于绿色氢能集成能源系统，能够在可再生能源波动和多方利益冲突的情况下，有效协调多个生产商的氢能调度决策。不过，现有的分布式鲁棒优化方法在构建精确的模糊集时过度依赖历史数据，且模糊集半径的选择缺乏统一标准。在数据获取有限的工业场景中，这类方法的数据驱动特性带来了较高的实施难度。作为一种非概率性的不确定性决策方法[28]，信息差距决策理论具有应用限制少、简单性高的特点。当不确定参数的概率分布或区间未知时，该方法能够最大化不确定变量的可接受波动范围，为工业绿色微电网中的不确定性处理提供了一种更为实用的方法[29]。李等人[30]将信息差距决策理论应用于具有电-氢整合功能的港口集成能源系统，通过电价信号协调氢能电动卡车的调度，提升了系统应对风电、光伏发电以及船舶负荷不确定性的能力。Gholami等人[18]使用信息差距决策理论方法，分析了参与频率控制辅助服务市场的电-氢虚拟电厂中可再生能源和负荷的不确定性。杨等人[31]在电-气-氢集成能源系统中提出了一种改进的信息差距决策理论方法，通过引入权重来描述风电和光伏发电的极端和平均情景。不过，这些基于信息差距决策理论的微电网研究存在一定局限性，包括仅考虑单一时间尺度、缺乏偏差惩罚机制，以及使用统一的日偏差系数，这导致不确定性量化与实际情况之间存在脱节。此外，不确定性集的确定往往没有依据实际预测数据设置约束，从而导致其范围过于宽泛。尹等人[32]为具有共享电能存储装置的电-氢虚拟电厂构建了一个两阶段信息差距决策理论模型，利用实时的可再生能源发电参数来描述不确定性。不过，该模型仅参与单一能源市场，未能为信息差距决策理论模型的不确定性集设定合理的边界，且对现实情况的考虑不够充分。总之，目前关于工业绿色微电网的研究已逐渐向电-热-氢多能协同和多市场参与方向发展。然而，微电网内灵活资源的开发和利用仍然不足，在需求响应、市场参与、不确定性处理等方面还存在许多研究空白。具体而言，这些空白如下：在需求响应方面，一些研究未能充分考虑负荷和电-氢车辆的综合需求响应能力[[5], [6], [7],11,13,14,17]；在市场参与方面，现有研究大多仅考虑单一电能市场，涉及参与储备市场的研究较少[[11], [12], [13], [14], [15],19,21]；在不确定性处理方面，许多研究未考虑多时间尺度运行[12,13,[16], [17], [18]]。尽管分布式鲁棒优化方法能够平衡鲁棒性与经济性，但其解决方案较为复杂，实施难度较高[[24], [25], [26], [27]]。关于IGDT模型的应用，一方面，该模型为全天各时间段采用统一的不确定性参数，这忽视了不同时间段预测不确定性的变化，也与实际预测场景不符[18,30,31]；另一方面，大多数IGDT模型应用仅考虑单日预测时间尺度，忽略了日间预测与实时调度调整之间的关联，以及针对预测偏差的惩罚机制[18,29,30]。目前，尚无研究同时考虑多时间尺度下涉及电氢车辆的综合需求响应机制，以及其在耦合能源与储备市场中的参与问题。为填补这些研究空白，本文聚焦于利用IGM的内部灵活性实现电-热-氢多能协同，并研究其商业化机制与电网协调模式。主要贡献如下：(1)基于经过工程适配的IGDT方法，构建了一个用于包含电氢车辆且参与多市场交易的IGM的双层两阶段最优运行模型。该模型将氢混燃、电解槽产生的废热回收以及通过热泵回收工业负荷的废热纳入微电网，进一步推动IGM的绿色低碳发展。(2)建立了一套综合需求响应机制。运用斯塔克伯格博弈方法设计了IGM与电氢车辆之间的基于价格的需求响应机制，从而充分挖掘负荷侧资源的灵活性。(3)通过参与耦合能源与储备多市场，提升了系统的市场收益。同时，引入了日间与实时两阶段优化方法，以应对可再生能源预测的不确定性以及市场参与中的偏差惩罚问题。(4)开发了一种经过工程适配的实时IGDT模型，该模型具有时变不确定性参数和有界不确定性集合，更能符合实际预测条件。需指出的是，这是一种提升IGDT框架实用性的工程化改进，而非对其理论方法的突破。此外，还建立了鲁棒性模型与机会模型，用于量化在不同风险偏好下可承受的不确定性范围，从而在复杂市场条件及可再生能源波动的情况下增强系统可靠性。

IGM结构
本文提出的IGM包含多种能源载体，包括电力、热能与氢能，如图1所示。它整合了电力、热能和氢能的生产、转换、储存与供应功能，既满足工业能源需求，也有助于可再生能源的整合。能源供应方面包括外部电网和天然气市场；能源转换方面则包括风力发电、光伏发电、热电联产等。

日间目标函数
日间运行的目标是最大化净收益。
maxRahead=RE+RT+RH+RRES?CDR?Cg?CE?COM?Cc?Ccur?Cdeg
其中，Rahead为IGM的日间净收益，RE为电力销售收入，RT为热能销售收入，RH为氢能销售收入，RRES为储备市场收入，CDR为需求响应成本，Cg为天然气采购成本，CE为电力采购成本，COM为运营维护成本，Cc为碳排放成本，Ccur为……

基础数据
本文中各种能源的购销价格详见附录中的图A1。电力价格采用分时计价方式，而天然气、热能和氢能的价格则全天保持不变。上下备用容量价格分别定为电力销售价格的10%。以最常用的碱性电解槽为例，其操作温度设定为70℃，氢气生产效率为……

结论
为推动IGM的低碳经济发展并增强其与主电网的互动，本文构建了一个用于包含电动汽车和氢能车辆集群且参与多市场交易的IGM的双层两阶段最优运行模型。通过案例研究与情景分析，得出以下结论：(1)在天然气中混合氢气以及通过热泵回收废热，可有效提升7.40%的收益，同时减少9.12%的碳排放量。此外……

数据获取
相关数据可应要求提供。

作者贡献说明
陈泽鹏：正式分析、方法论、初稿撰写。郭晓鹏：调研、方法论、审稿与编辑。任东方：资金筹集、验证、审稿与编辑。刘远新：概念设计、数据整理、监督指导。

利益冲突声明
作者声明不存在可能影响本文研究工作的已知财务利益或个人关系。

致谢
本文得到了北京市自然科学基金项目（项目编号9254038）的支持。