面向多微网协调交易的多方共治决策方法

2022-07-12胡铭洋高红均贺帅佳蔡文辉杨景茜

电力系统自动化 2022年13期

胡铭洋，高红均，王程，贺帅佳，蔡文辉，杨景茜

（1. 四川大学电气工程学院，四川省成都市 610065；2. 新能源电力系统国家重点实验室（华北电力大学），北京市 102206）

0 引言

近年来，分布式发电的快速发展以及能源市场改革的不断深化，分布式能源交易方式受到了广大关注［1-2］。微网（microgrid，MG）作为分布式能源参与市场交易的载体［3］，可促进新能源的就地消纳，提高区域电网的供电可靠性［4-5］。同一区域的多个微网接入配电网构成多微网系统（multi-microgrid system，MMGS）［6］。MMGS 间的能量交易存在多个利益主体，各主体间复杂的利益交互关系和自主行为会给能源协调交易带来巨大的挑战［7-8］。如何打破各微网运行的既有模式，在兼顾各方主体利益的前提下实现多微网协调交易是亟须解决的重要问题。

能源交易机制的研究可以分为是否存在能源协调中心。协调中心拥有用户的设备信息和交易记录，信息一旦泄露，将造成严重后果；并且各主体不能获取其他主体的交易信息，仅掌握自己的数据信息，因此难以建立互信的交易市场［9］。此外，能源协调中心的建立与运行需要投资成本，不合理的交易策略也会影响各主体的效益［10］。因此，构建一种能满足MMGS 能源协调交易的分散式决策和分布式能量管理架构具有重要意义。

文献［11］建立了基于合作博弈的MMGS 协同优化调度模型。文献［12］基于纳什谈判构建风-光-氢多主体合作运行模型。但是合作博弈中的利益分配机制各有千秋，不同分配机制决定不同运营主体的意愿。文献［13］将各微网的报价决策过程看做MMGS 内的动态重复博弈问题。文献［14］构建了具备不同性质的3 类市场主体，各参与主体理性追求收益最大化的非合作博弈模型。文献［11-14］从博弈论的角度研究多微网交易，在一定程度上对电能交易进行优化，然而在上述交易方法中，各主体间仍然存在着交易策略信息不对等，违背市场交易的公平性、信息的透明性和安全性等问题。

对于上述问题，文献［15］提出了一种考虑风电不确定性的互联微网点对点（peer-to-peer，P2P）交易策略。文献［16］基于一致性理论，结合次梯度法和拉格朗日分解法实现产销者之间P2P 电能交易。文献［17］利用连续双向拍卖的匹配机理，提出计及动态过网费的多售电主体点对点交易模式。文献［18］提出一种基于区块链的去中心化多能源交易系统和对应智能合约。文献［19］分析了区块链技术对于分布式能源交易的适用性以及适合中国政策的支付模式。文献［20］基于区块链技术，设计了多微网电能交易智能合约来辅助微网决策。文献［21］提出了一种基于区块链技术的可控负荷用户和负荷代理商2 类电力主体间的去中心化交易模式。上述文献为P2P 和区块链技术在能源交易市场的应用提供了借鉴，但上述研究均忽视了各微网主体在能源交易过程中的共治决策和自主选择权，构建一种能满足多利益主体的多方共治决策模式具有一定的现实意义。

针对上述研究与分析，本文以MMGS 能源协调优化交易为研究对象，提出了一种面向多微网能源协调交易的共治决策方法。各微网均可提出能源交易方案或对方案进行打分评估，根据评分结果决策出执行方案，从而实现多方共治决策。对于共治模式下多微网协调交易的方案设计了合约、价格和P2P 这3 种方案供参考分析。针对提出的不同协调优化方案，微网以经济性、公平性、环保性和安全性为评估指标，采用层次分析法和熵值法确定主客观权重，应用组合赋权法确定各指标权重，从而得到各方案评分结果。最后，算例仿真验证了所提机制的有效性。

1 共治模式下的多微网交易

MMGS 内部由多种类型的微网构成，各微网通过签订合作协议达成共治模式下的共识。在共治模式中，不存在第三方协调中心，各微网均为地位对等的能量管理实体，各微网均可提出能源交易方案。MMGS 执行提出相应方案的微网将得到一定报酬，各微网为获取相应报酬，需根据MMGS 特点提出能源协调交易方案进行竞争。多微网交易的经济性、公平性、环保性和安全性共同决定了多微网交易是否满足经济、安全、公平、低碳运行，MMGS 内的微网将以上4 个指标进行合理的加权组合，得到多微网交易的综合评估得分，从而选出心仪的方案。此外，在共治模式中提出的能源协调方案均应用分布式方法进行优化，既保证了用户隐私信息不被泄露，又缓解了方案提出者的计算负担。同时，利用博弈结果为最优均衡解的算法特性，任一微网的恶意行为在博弈进行多次后最终会导致其自身效益大幅降低，且最终的能源协调方案由各微网投票选择得出，任何微网意图篡改结果都需取得各微网的共识才可进行。由此，可实现微网群内部的多方共治。

1.1 共治模式下多微网运行框架

各微网间的能源信息交互以及调度任务的下达皆通过各自的能量管理系统（energy management system，EMS）进行。各微网通过EMS 进行信息的采集和交互，根据所提交易机制对能源交易进行计算和分配。微网既可以从配电网进行购售电交易，也可以从其他微网购售电，同时各微网可以购买天然气进行能量转换与生产。本文考虑微网之间存在电力传输线用于电能的交互与共享，但没有通道传输冷能和热能，因此不考虑冷能和热能的交互。多微网运行框架如图1 所示。

图1 共治模式下多微网运行框架Fig.1 Multi-microgrid operation framework in co-governance mode

1.2 共治模式多微网交易流程

对于MMGS 内不同微网而言，微网的规模、类型和拥有的服务器数量存在差异。一些微网可以利用闲置服务器的计算资源来进行多微网间的协调交易，拥有能够满足MMGS 间协调交易计算资源的微网具备竞争资格。

共治模式下多微网交易流程为：1）提交MMGS日前能源交易方案；2）对所提方案进行初步评估，判断其是否具备参与竞争的资格；3）与具备参与竞争资格的微网签订合约；4）各个微网根据所提方案进行信息交互；5）具备竞争资格的微网根据其自身所提优化方案进行计算，并将计算结果返回给各微网；6）MMGS 内各微网下载计算结果，对于不同方案结果按照本文所提评估指标进行评分；7）综合所有微网评分结果，选择出评分最高的方案进行执行。具体流程如图2 所示。

图2 共治模式下多微网交易流程图Fig.2 Flow chart of multi-microgrid transaction in co-governance mode

2 综合能源微网建模

综合能源微网将传统发电与新能源发电进行优势互补，实现能量的梯级利用，同时又满足不同用户的能源需求。本文所提出的综合能源系统（integrated energy system，IES）包括光伏（photovoltaic，PV）、风电机组（wind turbine，WT）、储能系统（energy storage system，ESS）、燃气轮机（gas turbine，GT）和燃气锅炉（gas boiler，GB）等设备构成的热电冷联产系统。GT 在发电时，其缸套水中产生的热量和烟气中所携带热量被余热回收锅炉（waste heat boiler，WH）吸收，再与GB 中产生的热量一起回收再利用。回收的这部分热能，在冬季时经过换热装置（heat exchanger，HX）向用户供热，在夏季时则通过吸收式制冷机供冷。由于综合能源微网在冬季与夏季运行工况类似，只是能量转换过程略有不同，本文以冬季工况下的电能和热能进行分析。

2.1 微网功率模型

各微网新能源的发电出力、负荷需求以及所配置的能源设备不尽相同［22］。为方便下文分析各微网决策模型，现对综合能源微网的功率出力进行一般性建模。模型见附录A 式（A1）至式（A7）。

2.2 微网成本模型

单个微网作为共治决策中的重要角色，微网内部能源设备的出力组成间接决定了MMGS 的经济效益和低碳效益。除此之外，不同微网自身的负荷需求以及光伏和风力发电存在差异，为实现共治模式下的MMGS 交易模式，满足用户的不同需求，作为单独利益主体的微网均拥有自己的目标函数。

2.2.1 目标函数

单个微网的目标函数为总运行成本最小，总运行成本包括与配电网购售电成本，与其他微网主体购售电成本，购气成本，排放CO2、SO2和NOx所造成的环境成本，新能源发电补贴，需求响应（demand response，DR）补贴以及设备运行维护成本。单个微网的目标函数为：

式中：FMG为微网运行的总成本；Fbasic为购售电成本，包括与配电网和其他微网进行购售电的成本；Fbgas为购气成本；FRM为设备运行维护成本；FENV为环境成本；FSUB为新能源发电补贴；FDR为微网参与需求响应获得的补贴；ωt为t时段从气网购买燃气的价格；FGT，t和FGB，t分别为t时段GT 和GB 所购燃气量；km为能源设备输出单位能量的运行维护成本；Pm为能源设备的输出功率；m为能源设备种类，包括GT、WH、HX、GB、WT、PV、ESS；Fpoc为排放SO2和NOx所需缴纳的罚金；FCO2为在碳配额机制下的收益/支出；pG为新能源单位发电量补贴价格；cinDR和cdeDR分别为参与需求响应负荷增加和减少的单位补贴系数；PinDR，t和PdeDR，t分别为t时段参与需求响应的负荷增加和减少量；NT为时段总数；PPV，t和PWT，t分别为t时段PV 和WT 的输出功率；pg为排放单位体积污染物g的罚金；QGB为GB 的热功率；βg，n为设备n排放污染物g的排放系数；TCO2为微网的碳配额值；βCO2，n为设备n的CO2排放系数；pCO2为碳配额交易价格，“+”表示碳交易收益，“-”表示碳交易成本；ηCO2为单位能量的碳排放分配额；g∈{NOx，SO2}；n∈{GT，GB}。

2.2.2 约束条件

约束条件包括功率平衡约束、购售功率约束和需求响应约束，参见附录A 式（A8）至式（A11）。

3 共治模式下多微网协调优化方案设计

本文所提共治模式下的MMGS 优化运行策略，是通过MMGS 内的微网自行计算、投票决策进行的。具备竞争资格的微网为获得计算费用，需提出一种优化方案来进行竞争次日的执行方案。因此，对于具有竞争资格的微网而言，提出公平合理并适用于MMGS 的计算方案就显得尤为重要。本文提出3 种相应的计算方案作为示例，方便下文仿真分析，分别为合约模式、价格模式和P2P 模式下的多微网能源协调交易方案，但在实际应用中不局限于这3 种。为了促进MMGS 交易的公平性，防止作弊行为的出现，提出一套评分机制，共治模式下的各微网根据评分机制进行打分，选出最优方案。下面介绍本文所提优化方案和评分机制。

3.1 合约模式下的多微网能源协调交易

不同类型的微网在每个时段的余缺量不同，MMGS 中的各微网通过签订能量交易合约来利用不同微网之间的互补性，促进可再生能源的就地消纳，减少能量交易成本，增加微网的效益。多微网各主体签订内部交易价格和能量分配合约，基于配电网交易价格以及内部交易价格，得到各微网购售电量。

在合约模式下，提出本方案的微网作为中间代理商。各微网预测新能源发电、负荷以及获取可控微源数据，并根据电价信息制定微网优化调度计划，然后向中间代理商传递余/缺量信息；中间代理商根据合约内容（微网间交易价格和微网间的能量匹配）进行内部供需匹配。若微网内部供需不平衡，则再与电网公司进行购售电交易。

多微网间交易价格设定为配电网购售电价格的平均价格，如式（4）所示。

3.2 价格模式下的多微网能源协调交易

价格模式下的多微网能源协调交易是根据整个MMGS 内部的供需比制定购售电价来引导单个微网的发电出力和用能需求。

在该模式下，提出本方案的微网作为多微网代理商，各微网获取新能源发电预测、负荷预测以及可控微源数据，并根据电价信息制定微网优化调度计划，然后向多微网代理商传递余/缺量信息；多微网代理商作为协调者，接收各微网的余/缺量信息按照供需关系制定MMGS 内部能量交易价格，向各微网反馈。由于MMGS 的余/缺量通常处于不平衡状态，在功率不平衡时MMGS 要向电网公司购/售电，使内部余缺量达到平衡状态。多微网代理商代表各微网向电网公司购/售电；内部交易价格按照供需比制定并反馈给各个微网，最终经过多次迭代交互得到均衡解集。

3.2.1 定价机制

制定合理的价格可实现微网间的柔性互动，降低各个微网的运行成本。本节参照文献［13］，从供需角度出发，制定多园区内部交易价格随供需比变动的价格机制，价格机制的推导过程见附录A 式（A12）至式（A19）。

参考供需关系，进行如下定价。

式中：Rt为t时段MMGS 内的供需比；Xt为Rt的倒数。

收敛判据为：

3.2.2 价格模式下微网的购售电成本

在这种模式下，MMGS 根据供需关系制定内部交易价格。因此，各微网的购售电成本为：

3.2.3 价格模式下能源交易求解流程

步骤1：各微网内部EMS 收集内部GT、GB、ESS 等设备资源信息和用户参与需求响应情况，预测新能源发电出力、负荷需求以及日前电力市场购售电价格和微网间交易价格。

步骤2：各微网以式（1）为目标函数进行自主优化，得到功率余缺量、。

步骤4：多微网代理商根据供需比定价公式（式（4）、式（9）、式（10）更新购售电价格、，并返还给各微网。

步骤5：根据式（11）进行收敛判断，若不满足，则返回步骤2，进行新一轮的循环，否则结束计算。

3.3 P2P 模式下的多微网能源协调交易

在日前时段，各微网预测日前市场交易电价以及预测新能源发电，按照P2P 模式的市场规则进行P2P 交易。

3.3.1 P2P 交易模型

MMGS 内不同微网主体间的交易电量应满足相应的耦合一致性关系，在同一运行时段，MGi从MGh买入电量与MGh卖给MGi的电量应相等，其中h≠i。一致性约束如下：

在约束（13）中引入对应的拉格朗日乘子λh，可以得到带有全局拉格朗日乘子的局部拉格朗日函数为：

式（14）为凸函数，证明见附录A 式（A20）至式（A25）。根据拉格朗日对偶分解原理［23］将式（13）的优化问题解耦成多个子问题，可由参与的微网进行自主求解，其子优化目标形式为：

式中：λi为与MGi的交易价格。

式（15）等号右边第3 项为在t时段MGh从其他微网购买电能的总成本以及向其他微网售出电能获得的收益之差。

本文采用基于次梯度法的分布式算法求解上述优化问题，即通过式（16）更新拉格朗日乘子λh，t：

式中：αh为一个恒定的步长系数，取为正数，保证迭代过程可以收敛。收敛判据为：

式中：εh为迭代收敛判据参数，其参数大小与步长大小αh的选取会影响迭代结果中微网之间供需平衡误差的大小，其取值需要交互平台与各微网相互协商进行确定［16］。本文εh和αh分别取值为1×10-3和5×10-5。

3.3.2 P2P 模式下的能源交易求解流程

步骤1：数据初始化。各微网内部EMS 收集内部GT、GB、ESS 等设备资源信息和用户参与需求响应情况，预测新能源发电出力、负荷需求以及日前电力市场购售电价格和微网间交易价格。

步骤3：各微网根据内部设备资源信息和交易电量、电价信息，以式（1）为目标函数进行优化得到微网调度计划。

步骤5：根据式（17）进行收敛判断，若收敛，则结束计算，否则返回步骤2，进行新一轮的循环。

3.4 共治模式下评估决策机制设计

评估决策机制作为多方共治的重要一环，MMGS 内的各微网根据评分机制选出心仪的方案执行。多微网交易的经济性、公平性、环保性和安全性共同决定了多微网交易是否满足经济、安全、公平、低碳运行的要求，为了综合评估多微网协调交易，将以上4 个指标进行合理的加权组合，得到多微网交易的综合评估得分。

3.4.1 评价指标

根据文献［24］提出的公平性评估方法，对不同机制下的能源交易结果进行公平性分析，得到公平性评估指标。

式中：I为公平性指数，其值越接近于1，表示交易机制越公平；G（i）表示微网i提升的运行效益。

经济性评估以各微网运行成本为基础，环保性指标以碳排放量为基础进行计算。运行成本和碳排放量等成本型指标ra，b如式（19）所示。

出力具有不确定性的新能源上网会给电网带来一定的波动性，因此新能源的消纳水平可以作为评估交易结果的安全性指标。安全性指标如式（20）所示，其值越大表示效果越好。

3.4.2 层次分析法

应用层次分析法将决策问题自上而下分为“目标层-准则层-方案层”，层次结构模型如图3 所示。

图3 层次结构模型Fig.3 Hierarchical model

对某一指标，打分值从0～10 分对应重要程度，对同一层次下的两两因素的相对重要程度，以标度法表示，得到判断矩阵Aab。

计算判断矩阵的最大特征值，得出相应的特征向量，进行一致性检验。一致性检验判别式的计算如式（21）所示。

式中：CR为一致性检验判别式；CI为一致性指标；N为指标个数；λmax为判断矩阵Aab的最大特征值；RI为平均随机一致性指标。当CR＜0.1 时，判定判断矩阵Aab一致性合格。

3.4.3 熵值法

应用熵值法确定各指标客观权重时，指标的熵值越大，说明这个指标提供的信息量就越少，指标的变异程度就越小，在综合评估中所起的作用也越小，因此其权值就较小,反之亦然[25]。熵值法的计算公式如下所示：

式中：hb为熵值；Eb为第b个指标的贡献度总量；Pab为第a个对象关于第b个指标的贡献度的值；K为评价对象的个数。

3.4.4 组合赋权法

本文采用组合赋权法确定各个指标的权重，将层次分析法和熵值法的指标权重综合计算得到组合权重值，如式（23）所示。

式中：Wj为第j个评价指标的组合权重值；Wj1为层次分析法获得的主观权重值；Wj2为熵值法获得的客观权重值。

综合评估计算模型为：

式中：Sscore为综合评估得分；X为评估指标集合，xl为其元素；W为指标对应权重集合，wl为其元素。

4 算例分析

4.1 参数设置

本文以配电网中4 个相邻微网构成的MMGS作为研究对象，基于某地冬季工况下的电热用能情况对MMGS 内能源交易展开仿真分析。选取3 类综合能源微网和一个小型光储电厂进行仿真。综合能源微网内均包含光伏和风电资源，以及供给热能的热电联产系统，还装备了储能资源来增加系统的灵活性。假设PV 和WT 均是在出力预测准确的前提下，各微网均可在满足自身用电需求的情况下对外输送电能。

各微网的PV 和WT 出力曲线以及热、电负荷曲线如附录B 图B1 所示，微网能源设备配置情况如附录B 表B1 所示，微网设备参数如附录B 表B2 所示，电网购售电价格如附录B 表B3 所示。天然气价格为2.2 元/m3，环境成本计算参数参考文献［26］，参与需求响应负荷调整的单位补贴为0.2 元/（kW·h），新能源单位发电量补贴价格为0.05 元/（kW·h）。

4.2 仿真结果及分析

4.2.1 仿真结果

本文所有程序在MATLAB R2016a 平台上编写，通过YALMIP 工具箱调用CPLEX 求解器进行计算。以Δt=1 h 为一个时段，全天共24 个时段进行日前交易决策。

为验证本文提出的面向多微网能源协调交易的共治决策方法，设置3 种方案进行多微网间协调交易。

方案1：根据本文所提合约模式下的多微网能源协调交易进行协调优化。

方案2：根据本文所提价格模式下的多微网能源协调交易进行协调优化。

方案3：根据本文所提P2P 模式下的多微网能源协调交易进行协调优化。

4.2.2 不同方案下的共治决策分析与评估

根据本文所述模型，对于方案2 和方案3 分别迭代7 次和64 次得到优化结果。合约模式、价格模式和P2P 模式下的多微网能源协调交易结果如图4所示。

图4 不同模式下微网1 功率平衡情况Fig.4 Power balance of MG1 in different modes

图4 展示了MG1 的内部资源调度情况和用户之间电能交互情况。由图4 可知，MG1 满足功率平衡，优化结果具有一定的有效性。MG1 与电网和其他微网的交换功率为正时表示售电，为负时表示购电；储能功率为正时表示充电，为负时表示放电；需求响应调整功率为正时表示增加的功率，为负时表示减少的功率；PV、WT 和GT 发电功率为负值，与正值的负荷功率相平衡。MG1 作为工业微网，具有较大的负荷需求，因此其长时间处于购电状态。GT、WT 和PV 机组主要用于电能的供给，ESS 和需求响应具有双向调节能力。在夜间，负荷较小而风电出力较大，高成本的GT 在此时不工作。在负荷用电高峰，由于购电费用较高，发电成本较高的GT 也处于发电状态。ESS 在满足负荷需求的情况下，在电价低时充电，在电价高时放电。需求响应在符合用户利益的前提下由高电价时段转移至低电价时段。

图5 所示为不同模式下的微网间购售电价结果。可见，各个模式下的最外层包络线为电网公司制定的分时电价和上网电价；包络线内部为各个微网的交易电价。内部交易价格始终处于分时电价和上网电价之间，满足本文价格模型约束。

由图5（a）所示，合约模式下内部价格为电网分时电价和上网电价的算术平均值，与分时电价变化趋势相同。由图5（b）所知，在时段3 至4、17 至18 和20 至23 内，微网内部供给量大于需求量，交易价格较低；在时段4 至14 内需求量大于供给量，交易价格较高。由图5（c）可知，不同微网可根据自身成本进行分布式优化，得到P2P 模式下的交易价格。

图5 不同模式下微网购售电价Fig.5 Electricity purchase and sale prices of microgrid in different modes

4.2.3 不同方案下的共治决策分析与评估

针对提出的不同方案，为满足不同微网的需求，各微网根据经济性、安全性、公平性和环保性4 个指标进行评估打分，最终选出执行方案，从而实现多微网共治决策。

1）经济性分析

根据上述提出的方案进行优化求解，求解得到3 种方案下的优化结果。对比不同方案下各个微网的运行收益和成本，结果如表1 和表2 所示。

表1 和表2 中的方案0 表示各微网按照分时电价独立进行优化，只与电网公司进行交易，而不进行MMGS 内部协调共享。方案1、方案2 和方案3 相较于方案0，增加了多微网之间的协同优化，通过引入多微网间电能共享交易，各微网的日用能成本均有所下降。各微网运行成本下降多少不一样，主要是因为微网类型不同。MG1 为工业型微网，自身发电量不能满足需求，需长时间购电，从其他微网购电节省了较多成本。MG2 为居民型微网，可再生能源发电量在满足自身需求的情况下可以出售。MG3 为商业型微网，具有大量可再生能源待出售，在较长时间段需售电。MG4 为小型光储电厂，将电能出售给微网获得的利润高于出售给电网，因此MG4 收益有较大的提升。

表1 各微网总成本Table 1 Total cost of each microgrid

表2 不同方案下各微网购售电效益Table 2 Benefits of electricity purchase and sale of each microgrid with different schemes

从表3 各微网经济性评分结果来看，方案2 和方案3 相较方案1 都表现出良好的经济性。这是因为方案2 根据供需比价格制定方式，可以引导用户在负荷高峰时段少用电，在低谷时多用电，改变用户的用能行为，实现了不同用户主体之间的柔性互动，实现经济互赢；方案3 基于拉格朗日对偶分解原理及次梯度法提出的分布式凸优化运行框架可以很好地与多微网之间的电能双向流动模型结合，协调多个微网之间点对点的能量与信息交互，实现MMGS和各微网的多赢。

表3 各微网经济性评分Table 3 Economic scores of each microgrid

2）公平性分析

交易的公平性对于MMGS 而言至关重要，可以保障各微网用户交易顺利进行。对于不同微网而言，不同交易模式所带来的效益提升是不同的。根据本文提出的公平性评估方法，对不同模式下的能源交易结果进行公平性分析。

根据式（18）和上述效益分析结果进行计算求得合约模式、价格模式、P2P 模式下的公平性指数分别为0.859 4、0.900 0、0.868 0。价格模式下公平性最高，这一结果说明在该模式下，考虑各个微网的供需关系，既可以引导微网参与MMGS 间电能交易，又可以促进交易的公平性；合约模式下公平性最低，原因是应用能量匹配机制和固定成交价格使得交易缺少一定的灵活性，使得各微网提升的运行效益存在差别。

3）安全性分析

出力具有不确定性的新能源上网会给电网带来一定的波动性，新能源就地消纳可以缓解电网压力，因此新能源的消纳水平可以作为评估交易结果的安全性指标。新能源消纳水平可以用电能交互情况反映，不同模式下MMGS 与电网的电能交互量如图6所示，不同模式下MMGS 间电能交互情况如图7所示。

图6 MMGS 与电网的电能交互量Fig.6 Amount of electric energy interaction between MMGS and power grid

图7 各微网间电能交互量Fig.7 Amount of electric energy interaction between each microgrid

由图6 和图7 可以看出不同模式下的MMGS 与电网交互电量和各微网间的电量交互情况。MMGS 与电网的电能交互量与各微网间的电能交互量呈负相关。合约模式下从电网购售电量最多，导致微网间购售电量最少；P2P 模式下从电网购电量最少，微网间电能交互量最多；价格模式下交互量居于两者之间。通过计算得到合约模式、价格模式和P2P 模式下的安全性指数分别为0.322 7、0.537 3和0.680 3。根据不同模式下的安全性指数和图6 和图7 可知，P2P 交易模式下与电网的交互功率最少，新能源消纳水平最高，有利于电网的安全稳定运行。

4）环保性分析

在国家碳减排的大背景下，CO2的排放量对微网的运行效益有很大影响，将CO2排放量作为多方共治的MMGS 的环境考核指标。以MG1 为例，不同模式下的污染物排放量如图8 所示。

图8 不同模式下CO2排放量及成本Fig.8 CO2 emissions and costs in different modes

从图8 可以看出，不同模式下的CO2排放量以及成本差别很小，以合约模式下的碳排放量为基准，价格模式下和P2P 模式下的碳排放量以及相应的排放成本分别相差24.43 kg、0.43 元和13.62 kg、0.36 元。造成这种情况的原因是本文所述MMGS内的热能由GT 和GB 供应，并不与热网进行交互。在满足热负荷的前提下，热能设备出力变化很小，因此碳排放量和碳排放成本变化很小。除此之外，不同模式下GT 与GB 出力不同，MG1 在价格模式下内部购能较多，GT 出力较少，因此价格模式下CO2排放量和成本降低最多。表4 为各微网环保性评分结果。由于MG4 为小型光储电厂，在日常运行中几乎不排放CO2，MG4 在3 个方案下的环保性评分均为100 分。

表4 各微网环保性评分Table 4 Environmental scores of each microgrid

4.2.4 共治决策评估

采用本文提出的合约模式、价格模式和P2P 模式下的多微网能源协调交易方案，考虑经济性、公平性、安全性和环保性指标的MMGS 能源协调综合评价方法对上述3 个交易方案进行分析。为弥补单一赋权带来的不足，采用层次分析法和熵值法确定主客观权重，应用组合赋权法确定各指标权重。基于各指标的综合评分结果，对于评分最高的方案进行投票选择。

1）层次分析法

MG1 在评估过程中，认为经济性和安全性指标更为重要，MG1 经济性、公平性、安全性和环保性指标的相对重要性分别为5、1、3 和1。

根据MG1 各指标相对重要性得到判断矩阵A1：