技术领域
[0001] 本
发明属于
电网调度领域，具体涉及一种基于能源细胞架构的区域能源网优化调度方法。
背景技术
[0002] 随着可持续发展问题成为世界各国关注的焦点，
可再生能源的开发利用
力度不断加大，而
风力发电则因其成本较低且技术成熟，成为世界范围内应用最广、规模最大的可再生能源发电技术。“三北”地区冬季
气候较为寒冷，工业的生产及人们的生活均离不开供暖的保障，地区供暖的热源主要来自于热电企业的
热电联产机组和区域燃
煤锅炉，燃气、电制热等分布式热源占比较小。由于季节、时间特性，风电与热负荷的高峰期在时间上高度重合，作为“电——热”系统的“
桥梁”，热电联产机组作为供热源的属性及“以热定电”的运行模式限制了其电出力的下限，导致其调峰能力降低，风电的上网空间被压缩。随着储能供热方式的出现，使得“电——热”系统的结合更加紧密，在能源网内，风电参与供热、储热成为解决其消纳的新途径，既减轻大量的区域燃煤锅炉供暖时对环境污染，又提升了风电的消纳量。但是目前主要基于集中调度方式来研究能源网分布式发电的经济运行和调度规划问题，而对能源网在电力市场环境下的调度研究相对较少；而此方法的提出，有利于在目前的电价制度下，激励微网内的热电企业、风电企业参与调峰，同时热电企业能够分享风电并网带来的收益，提高风
电能源的使用率。
发明内容
[0003] 根据
现有技术存在的问题，本发明公开了一种基于能源细胞架构的区域能源网优化调度方法，包括以下步骤：
[0004] 步骤1：将含有风
电场、热电厂、电加热装置、热储能装置及
空调负荷等元素定义为能源细胞，基于能源细胞架构将含有能源细胞的区域能源网划分为区域层与细胞层，其中细胞层含有大量的能源细胞，对区域层与细胞层进行智能体化处理；形成区域层管理智能体、细胞层管理智能体和细胞层响应智能体；
[0005] 步骤2：以区域层的区域层管理智能体、细胞层的细胞层管理智能体和细胞层响应智能体为
基础，建立电价响应机制，区域层生成并下发本区域初始电价；
[0006] 步骤3：细胞层内各能源细胞获得电价，细胞层响应智能体针对电价进行功率响应，细胞层管理智能体采用基于风电容纳能力的能源细胞状态检测法对能源细胞状态进行检测，根据不同状态的检测结果，决定能源细胞内参与响应的细胞层响应智能体；
[0007] 步骤4：为区域层管理智能体、细胞层管理智能体和细胞层响应智能体制定相应的调度目标并构建优化模型，针对不同的检测结果制定调度方法，根据能源细胞内部各智能体的功率参数及收益、成本目标，采用黄金分割法确定各能源细胞的交易电价，采用粒子群
算法确定各能源细胞智能体的功率响应数目。
[0008] 进一步地，所述区域层管理智能体，其为区域能源网的控制中心，作为网内最高级别单元，与能源网内的所有能源细胞相连，通过接收各能源细胞内的细胞层管理智能体的反馈信息，对区域层运行成本进行计算并决策生成调度指令，协调区域层发用电量；
[0009] 所述细胞层管理智能体，其存在于每个能源细胞内，为能源细胞的控制中心，接收区域层调度指令和接收响应智能体反馈信息，其对获得的指令、信息进行处理并根据能源细胞既定运行目标，决策并生成调度指令，协调所在能源细胞的发用电量；
[0010] 所述细胞层响应智能体包括源荷智能体与储荷智能体，其对应能源细胞内的各类发、用电实体，源荷智能体、储荷智能体分别与细胞层管理智能体直接连接，接收细胞层管理智能体调度指令，并根据源荷智能体与储荷智能体既定运行目标确定并上传响应功率至细胞层管理智能体。
[0011] 进一步地，步骤2建立电价响应机制，响应机制流程包括：
[0012] 步骤2.1：所述区域层管理智能体根据区域能源网功率平衡情况，给出初始电价信息 并将初始电价信息传 送至该区域所有能源细胞；
[0013] 步骤2.2：细胞层各能源细胞接收自区域层下发的初始电价信息 各细胞层管理智能体以此电价信息为基础，确定各能源细胞的初始电价 并将确定的初始电价信息下发至细胞内源荷、储荷智能体；
[0014] 步骤2.3：所有能源细胞内的源荷智能体开始响应，根据电价决策响应功率大小并确定收益；
[0015] 响应功率包括两部分：一部分由风
电机组及热电联产机组向智能体外部输送电功率，分别为 另一部分为热电联产机组在输送电供率的同时也输送热功率空调负荷主要通过控制
温度 以控制空调的使用功率；
[0016] 步骤2.4：所述细胞层管理智能体根据步骤2.3的所述源荷智能体响应功率大小，对能源细胞状态进行检测，根据检测结果，确定当前能源细胞状态以及参与调度的储荷智能体；
[0017] 步骤2.5：由步骤2.4确认的储荷智能体开始响应，根据电价决策响应功率大小并确定收益；
[0018] 储荷智能体内的元素包括：电加热装置、热储能装置，响应功率包括两部分：电加热装置的电热转换功率 以及热储能装置热输入、输出功率
[0019] 步骤2.6：所述细胞层管理智能体根据步骤2.3、步骤2.5获得的细胞层响应功率，根据功率大小及电价 计算能源细胞的运行成本，重复步骤2.3-2.6，k次响应后，获得能源细胞运行成本最低电价 及
不平衡功率
[0020] 步骤2.7：各细胞层管理智能体将步骤2.6确认的最低电价及不平衡功率上传至区域层管理智能体，而风电机组的输出功率对能源细胞的发用电平衡状态具有直接的影响，导致每个能源细胞对风电的容纳能力有所不同，区域层管理智能体计算所需的区域平衡成本，重复步骤2.1-2.6，j轮响应后，获得区域层平衡成本最低的电价及不平衡功率 时段t响应结束；
[0021] 源荷智能体内的元素包括：风电机组、热电联产机组及空调负荷；响应功率包括两部分：一部分由风电机组及热电联产机组向智能体外部输送电功率，分别为 另一部分为热电联产机组在输送电供率的同时也输送热功率 空调负荷主要通过控制温度 以控制空调的使用功率；
[0022] 储荷智能体内的元素包括：电加热装置、热储能装置，响应功率包括两部分：电加热装置的电热转换功率 以及热储能装置热输入、输出功率
[0023] 进一步地：所述采用基于风电容纳能力的能源细胞状态检测法，不同能源细胞内的源荷智能体均含有风电机组，而风电电源的输出功率对能源细胞的发用电平衡状态具有直接的影响，根据电力系统在不同运行条件下，系统与设备有着不同的运行状态，通过计算能源细胞的风电消纳余量，以余量及其变化趋势衡量风电容纳能力，对能源细胞的状态检测；
[0024] 所述基于风电容纳能力的能源细胞状态检测法检测步骤如下：
[0025] 步骤3.1：设置风电消纳余量
阈值Cn，根据风电场的实际容量及环境确定，设定为风电场容量的60-80％；
[0026] 步骤3.2：计算能源细胞当前风电消纳余量，所述风电消纳余量公式(1)如下；
[0027]
[0028] 式中： 为能源细胞在t时段，第m轮n次的风电消纳余量， 为能源细胞在t时段电负荷预测值； 为能源细胞在t时段，第m轮n次热电联产机组出力值； 为能源细胞在t时段风电功率值；
[0029] 其中：
[0030] 式中：Pchp,i,min为热电联产机组i的最小有功出力； 为t-1时段热电联产机组i的有功出力；ri,d为热电联产机组i的向下爬坡率；T为调度时段时长1h；Ih为热电联产机组数目；
[0031] 步骤3.3：利用步骤3.2中获得能源细胞当前风电消纳余量，与风电消纳余量阈值进行比较确定能源细胞状态及确定参与调度的储荷智能体。
[0032] 进一步地：根据所述风电消纳余量阈值，将能源细胞状态分为经济节能态、临界稳定态和预警饱和态；
[0033] 所述经济节能态即风电全部被消纳，能源细胞容纳风电量空间充足，即该状态下，不存在弃风；当细胞工作点位于经济节能态边界时，有向经济节能态内部运动的趋势；该状态下，应考虑接入热储能装置进行放热以降低细胞运行成本；
[0034] 风电消纳余量阈值与当前能源细胞风电消纳余量有如下关系：
[0035] 使得不等式 恒成立，且当细胞状态处于经济节能态与临界稳定态交界处，即 等于Cn时，不等式 恒成立；
[0036] 所述经济节能态的数学判定式(2)如下：
[0037]
[0038] 式中： 为能源细胞在t时段，第m轮n次热电联产机组的最大出力值；Cn为能源细胞工作点位于经济节能态与临界稳定态边界时的风电消纳能力阈值； 为t-1时段的风电消纳能力阈值；
[0039] 其中：
[0040] 式中：Pchp,i,max为热电联产机组i的最大有功出力；ri,d为热电联产机组i的向上爬坡率；
[0041] 所述临界稳定态即风电被完全消纳，能源细胞容纳风电量趋于饱和，为提高能源细胞运行安全性，含有热储能装置的储荷智能体参与调度，此状态风电仍被完全消纳，当能源细胞工作点位于临界稳定态边界时，有向临界稳定态内部运动的趋势；在没有接入其他调节设备之前，细胞所能容纳的风电量已趋于饱和，如果完全接纳这部分风电，此时仅通过调节常规机组出力不能满足负荷和风电
波动的需求，应考虑接入热储能装置储热以提高细胞运行的安全性；
[0042] 风电消纳余量阈值与当前能源细胞风电消纳余量有如下关系：
[0043] 使得不等式 恒成立，且当能源细胞状态处于经济节能态与临界稳定态交界处，即 等于Cn时，不等式 恒成立；当能源细胞状态处于临界稳定态与预警饱和态交界处时，即当 时，不等式 恒成立。
[0044] 所述临界稳定态的数学判定式(3)如下：
[0045]
[0046] 所述预警饱和态即风电不能被完全消纳，能源细胞容纳风电量已经完全饱和，即出现风电弃风现象，为提升能源细胞对风电容纳能力，含有电加热装置及热储能装置的储荷智能体参与调度；为保证细胞安全经济高效运行，只能采取弃风措施；该状态下，为提高细胞对风电的接纳能力，减少弃风，应考虑接入电加热装置及热储能装置，二者共同提升电热转换速度，与CHP共同承担供热任务；
[0047] 风电消纳余量阈值与当前能源细胞风电消纳余量有如下关系：
[0048] 使得不等式 恒成立，且当能源细胞状态处于临界稳定态与预警饱和态交界处，即 时，不等式 恒成立。
[0049] 所述预警饱和态的数学判定式(4)如下：
[0050]
[0051] 进一步地：所述区域层管理智能体优化模型与所述细胞层管理智能体、细胞层响应智能体优化模型分别如下：
[0052] 区域层管理智能体优化模型：
[0053] 区域层管理智能体接收细胞层各能源细胞当前时段的最终优化电价以及不平衡功率，计算出当前由不平衡功率引发的调度成本，区域调度成本表达式(5)如下：
[0054] min
[0055] 式中： 为区域能源网在t时段，第m轮n次产生的不平衡功率调度成本乐观值； 为各能源细胞在t时段，第m轮n次上传的电价；为各能源细胞在t时段，第m轮n次上传的不平衡功率值；
[0056] 细胞层管理智能体优化模型：
[0057] 细胞层管理智能体通过接收各响应智能体的响应功率，生成能源细胞的电价能源细胞运行成本表达式(6)如下：
[0058]
[0059] 式中： 为在t时段，第m轮n次能源细胞的成本乐观值； 为在t时段，第m轮n次能源细胞的综合运行成本； 为在t时段，第m轮n次能源细胞购电成本； 为在t时段，第m轮n次能源细胞购热成本；ΔFt,m,n为在t时段，第m轮n次能源细胞不平衡成本；
[0060] 细胞层响应智能体优化模型：
[0061] 细胞层响应智能体包含细胞层源荷智能体和细胞层储荷智能体；
[0062] 细胞层源荷智能体在细胞层管理智能体发布电价条件下，决策其响应功率，并与细胞层储荷智能体进行功率交换，确保收益最大化，运行收益表达式(7)如下：
[0063]
[0064] 式中： 为在t时段，第m轮n次源荷智能体的收益乐观值； 为在t时段，第m轮n次细胞层管理智能体下发电价； 为在t时段，第m轮n次空调可调度收益； 为在t时段，第m轮n次热电联产机组运行成本；
[0065] 细胞层储荷智能体根据对当前能源细胞状态的判断，启用电加热装置或热储能装置对能源细胞内不平衡功率进行响应，配合细胞层源荷智能体实现增加热电机组调峰空间、消纳风电并实现收益最大化，运行收益表达式(8)如下：
[0066]
[0067] 式中： 为在t时段，第m轮n次储荷智能体综合运行收益乐观值； 为在t时段，第m轮n次响应放热收益； 在t时段，第m轮n次调整功率收益； 为在t时段，第m轮n次空调可调度收益； 为在t时段，第m轮n次能源细胞运行成本；kh,t表示在t时段，第m轮n次热储能装置的工作状态；
[0068] 其中：当能源细胞状态为经济节能态时，kh,t值为0，即热储能装置工作在放热状态，当能源细胞状态为临界稳定态及预警饱和态时，kh,t值为1，即热储能装置工作在储热状态。
[0069] 由于采用了上述技术方案，本发明提供的一种基于能源细胞架构的区域能源网优化调度方法，将区域能源网内以能源细胞为单位的个体划分为区域层与细胞层，并对层内的元素智能体化处理，利用考虑电价机制的智能体调度策略，将区域层与细胞层有机整合，解决了区域能源网内多元主体协调易产生决策混乱的问题；配合能源细胞状态检测法，针对不同的能源细胞状态检测结果制定相应的调度方法，实现在复杂运行条件下，为区域能源网生成合理调度方案的同时进行风电消纳；发明综合考虑了经济运行、新能源消纳、
能量存储装置高效利用等因素，实现了区域能源网的多能互补、协同优化。
附图说明
[0070] 为了更清楚地说明本
申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0071] 图1为本发明的一种基于能源细胞架构的区域能源网优化调度方法
流程图；
[0072]
[0074] 图3为本发明的基于风电容纳能力的能源细胞状态检测法流程图；
[0075] 图4为本发明实施例的日负荷功率和风功率预测曲线图；
[0076] 图5为本发明实施例的风电消纳效果曲线图；
[0077] 图6为本发明实施例的能源细胞各时段状态图；
[0078] 图7为本发明实施例的热储智能体热功率曲线图；
[0079] 图8为本发明实施例的电价成本曲线图。
具体实施方式
[0080] 下面结合附图和具体实施实例对发明做进一步说明，一种基于能源细胞架构的区域能源网优化调度方法，如图1为本发明的一种基于能源细胞架构的区域能源网优化调度方法流程图；图2为本发明系统框图；包括以下步骤：
[0081] 步骤1:将含有风电场、热电厂、电加热装置、热储能装置及空调负荷定义为能源细胞，基于能源细胞架构将含有能源细胞的区域能源网划分为区域层与细胞层，其中细胞层含有大量的能源细胞，对区域层与细胞层进行智能体化处理；形成区域层管理智能体、细胞层管理智能体和细胞层响应智能体；
[0082] 步骤2:以区域层的区域层管理智能体、细胞层的细胞层管理智能体和细胞层响应智能体为基础，建立电价响应机制，区域层生成并下发本区域初始电价；
[0083] 步骤3：细胞层内各能源细胞获得电价，细胞层响应智能体针对电价进行功率响应，细胞层管理智能体采用基于风电容纳能力的能源细胞状态检测法对能源细胞状态进行检测，根据不同状态的检测结果，决定能源细胞内参与响应的细胞层响应智能体；
[0084] 步骤4：为区域层管理智能体、细胞层管理智能体和细胞层响应智能体制定相应的调度目标并构建优化模型，针对不同的检测结果制定调度方法，根据能源细胞内部各智能体的功率参数及收益、成本目标，采用黄金分割法确定各能源细胞的交易电价，采用粒子群算法确定各能源细胞智能体的功率响应数目。
[0085] 进一步地，所述区域层管理智能体，其为区域能源网的控制中心，作为网内最高级别单元，与能源网内的所有能源细胞相连，通过接收各能源细胞内的细胞层管理智能体的反馈信息，对区域层运行成本进行计算并决策生成调度指令，协调区域层发用电量；
[0086] 所述细胞层管理智能体，其存在于每个能源细胞内，为能源细胞的控制中心，接收区域层调度指令和接收响应智能体反馈信息，其对获得的指令、信息进行处理并根据能源细胞既定运行目标，决策并生成调度指令，协调所在能源细胞的发用电量；
[0087] 所述细胞层响应智能体包括源荷智能体与储荷智能体，其对应能源细胞内的各类发、用电实体，源荷智能体、储荷智能体分别与细胞层管理智能体直接连接，接收细胞层管理智能体调度指令，并根据源荷智能体与储荷智能体既定运行目标确定并上传响应功率至细胞层管理智能体。
[0088] 进一步地，步骤2建立电价响应机制，响应机制流程包括：
[0089] 步骤2.1：所述区域层管理智能体根据区域能源网功率平衡情况，给出初始电价信息 并将初始电价信息传 送至该区域所有能源细胞；
[0090] 步骤2.2：细胞层各能源细胞接收自区域层下发的初始电价信息 各细胞层管理智能体以此电价信息为基础，确定各能源细胞的初始电价 并将确定的初始电价信息下发至细胞内源荷、储荷智能体；
[0091] 步骤2.3：所有能源细胞内的源荷智能体开始响应，根据电价决策响应功率大小并确定收益；
[0092] 源荷智能体内的元素包括：风电机组、热电联产机组及空调负荷；响应功率包括两部分：一部分由风电机组及热电联产机组向智能体外部输送电功率，分别为 另一部分为热电联产机组在输送电供率的同时也输送热功率 空调负荷主要通过控制温度以控制空调的使用功率；
[0093] 步骤2.4：所述细胞层管理智能体根据步骤2.3的所述源荷智能体响应功率大小，对能源细胞状态进行检测，根据检测结果，确定当前能源细胞状态以及参与调度的储荷智能体；
[0094] 步骤2.5：由步骤2.4确认的储荷智能体开始响应，根据电价 决策响应功率大小并确定收益；
[0095] 储荷智能体内的元素包括：电加热装置、热储能装置，响应功率包括两部分：电加热装置的电热转换功率 以及热储能装置热输入、输出功率
[0096] 步骤2.6：所述细胞层管理智能体根据步骤2.3、步骤2.5获得的细胞层响应功率，根据功率大小及电价 计算能源细胞的运行成本，重复步骤2.3-2.6，k次响应后，获得能源细胞运行成本最低电价 及不平衡功率
[0097] 步骤2.7：各细胞层管理智能体将步骤2.6确认的最低电价及不平衡功率上传至区域层管理智能体，而风电机组的输出功率对能源细胞的发用电平衡状态具有直接的影响，导致每个能源细胞对风电的容纳能力有所不同，区域层管理智能体计算所需的区域平衡成本，重复步骤2.1-2.6，j轮响应后，获得区域层平衡成本最低的电价及不平衡功率 时段t响应结束，
[0098] 源荷智能体内的元素包括：风电机组、热电联产机组及空调负荷；响应功率包括两部分：一部分由风电机组及热电联产机组向智能体外部输送电功率，分别为 另一部分为热电联产机组在输送电供率的同时也输送热功率 空调负荷主要通过控制温度 以控制空调的使用功率；
[0099] 储荷智能体内的元素包括：电加热装置、热储能装置，响应功率包括两部分：电加热装置的电热转换功率 以及热储能装置热输入、输出功率
[0100] 图3为本发明的基于风电容纳能力的能源细胞状态检测法流程图；采用基于风电容纳能力的能源细胞状态检测法，不同能源细胞内的源荷智能体均含有风电机组，而风电电源的输出功率对能源细胞的发用电平衡状态具有直接的影响，根据电力系统在不同运行条件下，系统与设备有着不同的运行状态，通过计算能源细胞的风电消纳余量，以余量及其变化趋势衡量风电容纳能力，对能源细胞的状态检测；
[0101] 所述基于风电容纳能力的能源细胞状态检测法检测步骤如下：
[0102] 步骤3.1：设置风电消纳余量阈值Cn，根据风电场的实际容量及环境确定，设定为风电场容量的60-80％；
[0103] 步骤3.2：计算能源细胞当前风电消纳余量，所述风电消纳余量公式(1)如下；
[0104]
[0105] 式中： 为能源细胞在t时段，第m轮n次的风电消纳余量， 为能源细胞在t时段电负荷预测值； 为能源细胞在t时段，第m轮n次热电联产机组出力值； 为能源细胞在t时段风电功率值；
[0106] 其中：
[0107] 式中：Pchp,i,min为热电联产机组i的最小有功出力； 为t-1时段热电联产机组i的有功出力；ri,d为热电联产机组i的向下爬坡率；T为调度时段时长1h；Ih为热电联产机组数目；
[0108] 步骤3.3：利用步骤3.2中获得能源细胞当前风电消纳余量，与风电消纳余量阈值进行比较确定能源细胞状态及确定参与调度的储荷智能体。
[0109] 进一步地：根据所述风电消纳余量阈值，将能源细胞状态分为经济节能态、临界稳定态和预警饱和态；
[0110] 所述经济节能态即风电全部被消纳，能源细胞容纳风电量空间充足，即该状态下，不存在弃风；当细胞工作点位于经济节能态边界时，有向经济节能态内部运动的趋势；该状态下，应考虑接入热储能装置进行放热以降低细胞运行成本；
[0111] 风电消纳余量阈值与当前能源细胞风电消纳余量有如下关系：
[0112] 使得不等式 恒成立，且当细胞状态处于经济节能态与临界稳定态交界处，即 等于Cn时，不等式 恒成立；
[0113] 所述经济节能态的数学判定式(2)如下：
[0114]
[0115] 式中： 为能源细胞在t时段，第m轮n次热电联产机组的最大出力值；Cn为能源细胞工作点位于经济节能态与临界稳定态边界时的风电消纳能力阈值； 为t-1时段的风电消纳能力阈值；
[0116] 其中：
[0117] 式中：Pchp,i,max为热电联产机组i的最大有功出力；ri,d为热电联产机组i的向上爬坡率；
[0118] 所述临界稳定态即风电被完全消纳，能源细胞容纳风电量趋于饱和，为提高能源细胞运行安全性，含有热储能装置的储荷智能体参与调度，此状态风电仍被完全消纳，当能源细胞工作点位于临界稳定态边界时，有向临界稳定态内部运动的趋势；在没有接入其他调节设备之前，细胞所能容纳的风电量已趋于饱和，如果完全接纳这部分风电，此时仅通过调节常规机组出力不能满足负荷和风电波动的需求，应考虑接入热储能装置储热以提高细胞运行的安全性；
[0119] 风电消纳余量阈值与当前能源细胞风电消纳余量有如下关系：
[0120] 使得不等式 恒成立，且当能源细胞状态处于经济节能态与临界稳定态交界处，即 等于Cn时，不等式 恒成立；当能源细胞状态处于临界稳定态与预警饱和态交界处时，即当 时，不等式 恒成立。
[0121] 所述临界稳定态的数学判定式(3)如下：
[0122]
[0123] 所述预警饱和态即风电不能被完全消纳，能源细胞容纳风电量已经完全饱和，即出现风电弃风现象，为提升能源细胞对风电容纳能力，含有电加热装置及热储能装置的储荷智能体参与调度。为保证细胞安全经济高效运行，只能采取弃风措施；该状态下，为提高细胞对风电的接纳能力，减少弃风，应考虑接入电加热装置及热储能装置，二者共同提升电热转换速度，与CHP共同承担供热任务；
[0124] 风电消纳余量阈值与当前能源细胞风电消纳余量有如下关系：
[0125] 使得不等式 恒成立，且当能源细胞状态处于临界稳定态与预警饱和态交界处，即 时，不等式 恒成立。
[0126] 所述预警饱和态的数学判定式(4)如下：
[0127]
[0128] 进一步地：所述区域层管理智能体优化模型与所述细胞层管理智能体、细胞层响应智能体优化模型分别如下：
[0129] 区域层管理智能体优化模型：
[0130] 区域层管理智能体接收细胞层各能源细胞当前时段的最终优化电价以及不平衡功率，计算出当前由不平衡功率引发的调度成本，区域调度成本表达式(5)如下：
[0131]
[0132] 式中： 为区域能源网在t时段，第m轮n次产生的不平衡功率调度成本乐观值； 为各能源细胞在t时段，第m轮n次上传的电价；为各能源细胞在t时段，第m轮n次上传的不平衡功率值；
[0133] 细胞层管理智能体优化模型：
[0134] 细胞层管理智能体通过接收各响应智能体的响应功率，生成能源细胞的电价能源细胞运行成本表达式(6)如下：
[0135]
[0136] 式中： 为在t时段，第m轮n次能源细胞的成本乐观值； 为在t时段，第m轮n次能源细胞的综合运行成本； 为在t时段，第m轮n次能源细胞购电成本； 为在t时段，第m轮n次能源细胞购热成本；ΔFt,m,n为在t时段，第m轮n次能源细胞不平衡成本；
[0137] 细胞层响应智能体优化模型：
[0138] 细胞层响应智能体包含细胞层源荷智能体和细胞层储荷智能体。
[0139] 细胞层源荷智能体在细胞层管理智能体发布电价条件下，决策其响应功率，并与细胞层储荷智能体进行功率交换，确保收益最大化，运行收益表达式(7)如下：
[0140]
[0141] 式中： 为在t时段，第m轮n次源荷智能体的收益乐观值； 为在t时段，第m轮n次细胞层管理智能体下发电价； 为在t时段，第m轮n次空调可调度收益； 为在t时段，第m轮n次热电联产机组运行成本；
[0142] 细胞层储荷智能体根据对当前能源细胞状态的判断，启用电加热装置或热储能装置对能源细胞内不平衡功率进行响应，配合细胞层源荷智能体实现增加热电机组调峰空间、消纳风电并实现收益最大化，运行收益表达式(8)如下：
[0143]
[0144] 式中： 为在t时段，第m轮n次储荷智能体综合运行收益乐观值； 为在t时段，第m轮n次响应放热收益； 在t时段，第m轮n次调整功率收益； 为在t时段，第m轮n次空调可调度收益； 为在t时段，第m轮n次能源细胞运行成本；kh,t表示在t时段，第m轮n次热储能装置的工作状态；
[0145] 其中：当能源细胞状态为经济节能态时，kh,t值为0，即热储能装置工作在放热状态，当能源细胞状态为临界稳定态及预警饱和态时，kh,t值为1，即热储能装置工作在储热状态。
[0146] 实施例：以构建算例系统进行仿真验证，能源细胞中包含1个源荷智能体、1个储荷智能体，其中，源荷智能体内的热电机组容量为300MW；储荷智能体内的电加热装置功率为90MW，热储能装置容量为250MWh。取某日00:00至23:00的电负荷和风电场发电功率预测值作为算例基础数据，如图4为本发明实施例的日负荷功率和风功率预测曲线图，其中，调度时段数为24，单位调度时间为Δt＝1h，
置信度取值均为0.8。
[0147] 采用以下3种运行策略进行仿真对比分析：
[0148] 运行策略1：采用“以热定电”的刚性调度方式，即细胞内的源荷智能体及储荷智能体均不参与调度，源荷智能体内的热电联产机组独自响应负荷需求。
[0149] 运行策略2：细胞内的源荷智能体与储荷智能体均参与调度，响应负荷需求，但不引入电价响应机制。
[0150] 运行策略3：引入电价响应机制，能源细胞内的源荷智能体与储荷智能体均参与调度，响应负荷需求。
[0151] 3种运行策略消纳风电效果，如图5为本发明例的风电消纳效果曲线图，运行策略3与图5中风功率预测曲线吻合度最高，风电出力接近预测值，策略2吻合度略差，运行策略1最差；运行策略2、3与运行策略1相比较，风电消纳能力大幅提高。
[0152] 各运行策略经济成本以及风电消纳量数据如表1所示，使用储能装置的运行策略2与运行策略3的经济成本较采用传统调度方式的运行策略1出现了明显的下降，风电消纳率大幅提升，策略2为88.2％，策略3为93.6％；如图4、图5所示，在风电输出功率较为充足、电网负荷处于低谷的00:00-04:00以及负荷处于高峰的17:00-21:00之间，为保证热负荷的供热需求，采用传统调度方式的策略1出现了大量的弃风电量，风电消纳率仅为68.3％。
[0153] 表1各策略的经济成本以及风电消纳量
[0154] 运行策略 经济成本/万元 风电总消纳量/(MWh) 风电消纳率/％策略1 238.27 1535.68 73.2
策略2 217.39 1848.67 88.2
策略3 203.76 1965.22 93.8
[0155] 图6为本发明实施例的能源细胞各时段状态图，可以看出，8-15时段为经济节能态所对应的时段，6-8时段、15-17时段、19-21时段为临界稳定态所对应的时段，0-6时段、17-18时段、21-24时段为预警饱和态所对应的时段。当风电出力大，而用电负荷相对较小时，电加热装置增大用电功率，将多余的热量存入热储能装置；当风电出力小，而用电负荷大时，热储能装置供热以分担热电联产机组的热负荷从而保证向电负荷的能量供给。
[0156] 图7为本发明实施例的热储智能体热功率曲线图，能源细胞在方式3下运行时，热储能装置的储热量变化。在00:00—05:00、06:00—09:00，风电输出功率较高，细胞内用电量较低，热储能装置进行储热，可等效为负荷用电。在09:00—11:00和14:00—15:00，风电输出功率较低，热储能装置配合热电联产机组对热负荷进行供热，在15:00—21:00，风电输出功率逐渐升高，热储能装置重新进入储热状态；热储能装置的参与实现了将能量进行适当平移，有效削减了负荷峰谷差并参与到细胞的整体调度中。
[0157] 图8为本发明实施例的电价成本曲线图，选取了第9时段能源细胞电价的决策变化过程。根据经济学原理，价格升高会刺激供应商提供更多的产品，反之亦然；在电价相对较低的决策前期，各智能体出力都不能够满足能源细胞当前时刻的负荷需求，造成不平衡成本过高，从而能源细胞进行重新决策；随着电价的升高，逐渐激励各智能体积极参加响应，源荷智能体和储荷智能体的总出力会不断升高，不平衡成本不断下降；随着电价的不断上升，源荷智能体出力过高出现剩余，从而储荷智能体承担剩余功率进行储能，实现周期循环。
[0158] 不同的置信度
水平可以反映参与协调优化智能体对风险的接受程度。改变置信水平进行优化计算。分别取置信水平为0.9、0.8、0.7进行仿真。
[0159] 表2不同置信度下经济成本以及风电消纳量情况；
[0160]置信度 经济成本/万元 风电总消纳量/(MWh) 风电消纳率/％
0.9 209.52 1934.03 89.4
0.8 203.76 2024.89 93.6
0.7 198.23 2057.34 95.1
[0161] 从表2可以看出，当置信水平越高时，能源细胞内智能体相应的经济成本就越高，元素的收益就越低。这主要是由于置信水平值选取较低时，参与调度的智能体对风险的接受程度更大，对应的等价确定性约束范围较大，调度更为灵活，可以更好地实现优化目标的最大化，提高收益。能源细胞的总成本均会随置信水平的升高而增加，这主要是由于机会约束的置信水平要求越高，说明参与调度主体对风险的接受程度越小，优化策略为实现这样趋于保守的调度要求，会增加成本。
[0162] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
