含风电耦合制氢的主从博弈多区域综合能源系统协调调度策略

于仲安 马静瑶,2

含风电耦合制氢的主从博弈多区域综合能源系统协调调度策略

于仲安1马静瑶1,2

（1. 江西理工大学电气工程与自动化学院，江西 赣州 341000； 2. 国网江西省电力有限公司崇义供电公司，江西 赣州 341000）

为解决风电消纳与隶属不同利益主体的区域综合能源系统（RIES）利益冲突的问题，提出一种考虑碳排放约束下多区域综合能源系统参与配电网动态博弈的协同调度策略。首先，计及社会环境影响，在博弈模型中限制RIES的碳排放量。其次，为兼顾区域综合能源系统和风电耦合制氢电场的经济性，建立以配电网为领导者的一主多从博弈模型，建立博弈协同优化的多主体低碳交互机制，并构建各主体的交易决策模型。最后，采用粒子群算法结合CPLEX对所提模型进行求解。仿真结果表明所提策略有效，即各主体在区域碳排放限额下可以合理调整自身运行策略，能在保证环境效益的同时提升经济收益。

区域综合能源系统；风电耦合制氢；主从博弈；低碳交互

0 引言

随着化石能源的大量使用，环境污染日益严重，亟须推动能源结构向低碳清洁、多能耦合方向发展[1-2]。风电具有较强的反调峰特性，若电网调节资源不足则会出现弃风现象；氢能的使用无碳排放，其推广利用可提高系统低碳性[3-4]。在此背景下，研究风电耦合制氢电场及区域综合能源系统（regional integrated energy system, RIES）参与配电市场的多主体交易，可提升多能源网络协同运行优化水平，还能提高市场主体的经济性[5-6]。

实现多能供应的经济性、灵活性和可靠性的有效方法是优化RIES内各设备的出力。为降低系统运行成本和提高能源利用率，文献[7]采用模型预测控制滚动优化方法降低可再生能源和负荷预测的准确度问题，从而动态调整设备的调度计划，提高系统收益；文献[8]构建购电成本最小、风电消纳最大的多目标优化模型，采用非支配排序算法进行求解并验证了所提模型对提高系统经济性的优势。上述文献均是优化RIES运行的有效方法，但忽略了多RIES优化运行时的主体利益相关性，各RIES在个体理性的驱使下将追求自身利益最大化，忽视社会整体利益。高比例可再生能源并网带来的系统调节能力不足导致弃风现象出现，而风电耦合制氢可以充分利用弃风，提高风电制氢的经济性。文献[9]研究风电耦合制氢系统的最优运营方案并对其投资收益进行经济性分析，论证了以制氢设备配合风电场的经济收益；文献[10]为促进海上风电并网消纳水平，引入天然气管道掺氢输送及氢燃料电池汽车。上述文献未考虑风电波动性导致制氢设备利用率低下的问题，使制氢设备产能浪费，造成亏损。因此，如何保障各方收益是目前需要解决的难题，博弈论是解决不同市场主体利益冲突的重要方法之一。文献[11]提出一种外层多主体非合作博弈、内层多主体互动决策的双层决策模型，结果表明其能有效激励主体调节资源参与调度；文献[12]提出一种多能源微电网参与电-气市场的交易框架和多主体主从博弈的交易模型；文献[13]建立了一种基于全局优化的混合博弈协同作用的多主体优化调度策略；文献[14]同时考虑供能侧和用能侧主体的博弈互动，以调整自身分布式能源设备的运行，但不能充分发挥能源市场对资源优化配置的作用。

同时，为进一步推动能源结构绿色低碳转型，需在系统调度运行中考虑碳排放的因素。文献[15]考虑碳排放权供求关系，建立基于纳什谈判的多区域综合能源系统合作博弈模型；文献[16]研究了基于阶梯型碳交易机制的混氢综合能源系统低碳经济调度模型；文献[17]提出区域碳排放限额约束下的虚拟电厂调度模型。目前，在相关的多主体博弈研究中，仅考虑自身利益却忽略碳排放对环境的污染，所以在多主体博弈框架下需要兼顾主体利益和社会环境。

针对上述问题，本文引入配电网运营商（distri- bution network operator, DNO），首先考虑各利益主体碳排放，在区域碳排放限额的基础上建立领导者DNO与跟随者风电耦合制氢电场、多RIES间的低碳交互机制；其次根据各主体角色和利益，研究DNO动态定价与RIES、风电耦合制氢电场运行策略的相互响应；最后采用粒子群算法结合CPLEX对所提模型进行求解，以证明所提方法能实现市场主体经济性、环保性的提升。

1 区域综合能源系统结构

本文构建的RIES由光伏（photovoltaic, PV）系统、储能（energy storage, ES）、氢燃料电池（hydrogen fuel cell, HFC）、燃气轮机（micro turbines, MT）、燃气锅炉（gas boiler, GB）进行供能，以冰蓄冷空调（ice-storage air-conditioners, ISAC）、吸收式制冷机（absorption-refrigerator, AR）装置进行能量形式的转换。区域综合能源系统结构如图1所示。

图1 区域综合能源系统结构

在图1所示结构中，燃气管网供应天然气，配电网运营商供应电能，氢气的来源为风电耦合制氢电场。当该地区风力资源丰富时，风电出力较用电负荷更高，若不能合理利用该电能，将导致风电的浪费，因此在风电场处耦合制氢设备。

风电耦合制氢系统结构如图2所示，其组成包括风力发电机组、整流器、电解槽和储氢罐等。风电场将富余的风能转换为电能再经整流器送入电解槽进行电解水制氢，最后存入储氢罐中经各种运输方式在应用终端通过燃料电池进行无碳排放的热电生产。

图2 风电耦合制氢系统结构

2 各利益主体博弈模型

为追求自身利益最大化，在单位时间内，RIES内部发电量和用电量不一定相等，存在对外可售出电量的多电RIES，也存在电量有缺额的少电RIES。风电耦合制氢电场包含制氢设备和风机，考虑制氢设备的运行特性，根据配电运营商制定的售电电价将生产的电能出售，也可以在售电电价较低时利用制氢设备生产氢气进行出售获利。基于此，提出如图3所示的一主多从博弈模型：由配电运营商制定购售电价，风电耦合制氢电场和RIES按照购售电价向配电运营商购买缺额电量或出售多余电量。配电运营商是能源市场的协调者和主导者，承担着平衡源-荷-储功率的职责，以最大化净利润为目标制定购、售能源价格。

图3 一主多从博弈模型

综上所述，建立DNO、风电耦合制氢电场和多RIES的一主多从博弈模型，参与者包含RIES、DNO和风电耦合制氢电场，以DNO为博弈领导者，其余为跟随者。

2.1 领导者DNO动态定价博弈

为保证RIES和风电耦合制氢电场愿意与DNO进行交易，DNO制定的购售电价应满足的约束为

2.2 RIES能量管理博弈

RIES在对价格进行响应时，需要满足功率平衡约束及设备约束，即

为了有效约束系统碳排放量，对RIES内碳排放设备和总碳排放量分别进行排放约束，即

2.3 风电耦合制氢电场运行博弈

风电耦合制氢电场根据DNO制定的电价，通过最大化自身利润优化制氢设备出力。制氢设备模型反映输入功率与输出氢气之间的关系，即

3 博弈分析与求解

3.1 多主体Stackelberg博弈分析

多主体Stackelberg博弈是描述DNO、RIES、风电耦合制氢电场追求各自目标最优的决策过程。RIES和风电耦合制氢电场作为跟随者，根据领导者DNO的价格策略来优化自身策略，最终得到Stackelberg均衡最优解，该Stackelberg博弈模型可表示为

3.2 模型求解方法

采用粒子群算法结合Matlab中YALMIP工具箱调用CPLEX求解器对所建立的多主体主从博弈模型进行求解。本文采用拉丁超立方（Latin hypercube sampling, LHS）生成个初始样本点，每个样本点代表一组交易电价，包括风电耦合制氢电场和RIES的购电电价及售电电价。主从博弈流程如图4所示，具体步骤如下。

图4 主从博弈流程

1）初始化数据并设置参数。

7）判断是否满足收敛条件，若满足则停止迭代，输出均衡解，否则返回步骤4）。

下层算法为：RIES和风电耦合制氢电场调用CPLEX求解工具，分别根据式（3）、式（32）计算RIES供能设备最优出力、风电耦合制氢电场交易电量，将优化结果发送给DNO。

4 算例分析

4.1 算例说明

本文搭建一个包含3个RIES的测试系统，每个RIES的设备参数见表1～表3，RIES电、热、冷负荷预测曲线如图5所示。DNO向电力市场的购、售分时电价如图6所示，可再生能源出力预测曲线如图7所示。

表1 微型燃气轮机参数

表2 储能参数

表3 其他参数

（续表3）

图5 RIES电、热、冷负荷预测曲线

4.2 结果分析

为验证本文提出的博弈模型的有效性，设置以下场景进行对比分析：场景1，DNO不进行电价优化，RIES和风电耦合制氢电场之间采取非合作博弈，但不考虑碳排放因素；场景2，DNO进行电价优化，考虑碳排放因素，即本文所提博弈模型。

图6 电力市场分时电价

图7 可再生能源出力预测曲线

场景1：该场景下不进行电价优化，上网电价和电网电价作为购售电价，且在RIES内不考虑碳排放约束和碳排放成本。以RIES1为例分析该场景下的调度结果，RIES1电、热、冷能调度结果如图8所示。

电价对RIES向DNO购售功率的大小有重大影响。在低电价时段，RIES主要向DNO购电，同时储能设备充电；在15～17时段，售电电价处于高峰期，RIES应向DNO售电，但此时光伏出力变小，且MT的出力受到该时段热能需求的限制，导致其无法满额供电，因此RIES内电能供应不足，需要储能设备放电，且向配电网运营商购电。

场景1下RIES碳排放量见表4，各主体效益见表5。

场景2：场景2下，交易电价优化结果如图9所示。图9中，为保证博弈从体与配电网运营商交易的意愿，其电价策略始终包含在电网定价之间，为RIES和风电耦合制氢电场提供更优的能源价格。

风电耦合制氢电场交易电量如图10所示，氢能及制氢效率调度结果如图11所示。在图10中，风电耦合制氢电场存在3种状态：交易电量大于0表示风电耦合制氢电场向配电网运营商购电；交易电量小于0表示向配电网运营商售电；交易电量等于0表示风电耦合制氢电场内部电能平衡。结合图10、图11和风电预测出力曲线可知，在1、2时段内风电充足，能以较高的制氢效率生产氢气，因此无需向配电网运营商购买电能；9、10时段因为RIES的耗氢量较少，所以有多余的风电进行出售。其余时段为了降低因制氢效率低而允许带来的边际成本的升高，制氢设备均以较高的制氢效率生产氢气。

图8 RIES1电、热、冷能调度结果（场景1）

表4 场景1下RIES碳排放量

表5 场景1中各主体效益 单位: 千元

图9 交易电价优化结果

图10 风电耦合制氢电场交易电量

图11 氢能及制氢效率调度结果

RIES1电、冷、热能调度结果如图12所示。从图12可以看出，RIES1与配电网运营商之间的交互主要是电能流向RIES1。在一天的调度周期内，有21个时段是电能流向RIES1，而只有2个时段是电能流向配电网运营商，总交易电量为67.88MW。此外，在场景2中，系统实现了风、光出力的全部消纳，系统环保性提高。

图12 RIES1电、冷、热能调度结果（场景2）

首先，在1～6、21～24时段内，冷负荷较低，因此由AR吸收MT运行时产生的烟气进行制冷，当供冷不足时再通过ISAC耗电进行制冷以满足冷负荷需求。为了降低运行成本和减少碳排放，RIES1在供热方面优先以无碳排放和低碳排放的HFC、MT进行热供应，不足时再以GB供热进行补充。

其次，在15～20时段内，随着电负荷的逐渐上升和光伏发电量的逐渐下降，RIES1内的供能逐渐不足，因此MT增大出力，但热负荷制约了MT的出力，所以不能满足电负荷需求部分，由外购配电网运营商的电力满足平衡。

场景2下RIES碳排放量见表6，各主体效益见表7。

通过表5、表7的对比可以发现，在考虑购售交易电价的优化和碳排放约束后，DNO的收益水平略有上升。在未进行电价优化和碳排放约束时，RIES为了平衡自身的电力盈缺，主要依靠微型燃气轮机燃烧天然气进行电、热、冷能的供应，然后在电能不足时购买氢气进行电、热的生产，因此无多余电能出售，导致配电网运营商收益低下；而在计及电价优化和碳排放约束的场景2中，依据本文提出的交易机制可知，RIES会在购电电价低时向配电网购电，且由于碳排放约束的存在，RIES内的能源耦合设备较场景1时的出力更低，直接引起配电网运营商与RIES间的交易量增大，进而使配电网运营商有较高的交易电量以获取收益，因此配电网运营商所获取的收益相应升高。与场景1相比，场景2中的每个RIES成本都有所下降、风电耦合制氢电场的收益增加。场景2较场景1中的各个RIES成本分别下降1 720元、290元、1 140元，考虑到RIES1和RIES3中的光伏发电容量、燃料电池容量都高于RIES2，可发现博弈模型中计及碳排放因素后，无碳排放生产设备容量较大的RIES能够获取更高的经济效益。

表6 场景2下RIES碳排放量

表7 场景2中各主体效益 单位: 千元

两种场景下RIES1调度周期内碳排放对比如图13所示。结合RIES1在两种场景下各时段的碳排放及表4～表7可知，考虑碳排放约束后，场景2比场景1各时段的碳排放均下降，表明在多主体博弈互动框架中考虑碳排放约束的电价优化能兼顾各主体利益及社会环保性。

图13 两种场景下RIES1调度周期内碳排放对比

5 结论

本文建立配电网运营商和RIES、风电耦合制氢电场的主从博弈模型，研究碳排放约束下的多主体博弈互动和多能耦合的低碳经济优化调度。主要结论如下：

1）在RIES的博弈模型中引入碳排放约束，分析了RIES内设备在碳目标约束下的决策行为，并考虑RIES向风电耦合制氢电场购买氢能以通过无碳排放的燃料电池进行能源转换，充分发挥其绿色调节能力。

2）考虑DNO、风电耦合制氢电场和RIES三方的主动性，考虑以最小化运行成本为目标的RIES多能互补调度策略，运营商通过动态定价可引导RIES内设备合理地出力，优化得到的与配电网运营商的交易电量会影响运营商对电价的制定，两者之间存在博弈关系。

3）在建立的主从博弈模型中，配电网运营商通过购售电价的优化，促进风电耦合制氢电场和RIES与其进行电量交易，不仅能够提高自身收益，还能提升风电耦合制氢电场的收益并降低RIES运行成本。

[1] 王瑞, 程杉, 汪业乔, 等. 基于多主体主从博弈的区域综合能源系统低碳经济优化调度[J]. 电力系统保护与控制, 2022, 50(5): 12-21.

[2] 康重庆, 杜尔顺, 李姚旺, 等. 新型电力系统的“碳视角”: 科学问题与研究框架[J]. 电网技术, 2022, 46(3): 821-833.

[3] 魏繁荣, 随权, 林湘宁, 等. 考虑制氢设备效率特性的煤风氢能源网调度优化策略[J]. 中国电机工程学报, 2018, 38(5): 1428-1439.

[4] 潘光胜, 顾伟, 张会岩, 等. 面向高比例可再生能源消纳的电氢能源系统[J]. 电力系统自动化, 2020, 44(23): 1-10.

[5] 卢强, 陈来军, 梅生伟. 博弈论在电力系统中典型应用及若干展望[J]. 中国电机工程学报, 2014, 34(29): 5009-5017.

[6] 王龙, 黄锋. 多智能体博弈、学习与控制[J]. 自动化学报, 2023, 49(3): 580-613.

[7] 杨海涛, 江晶晶, 赵敏, 等. 基于模型预测控制的区域综合能源系统运行优化方法[J]. 电气技术, 2022, 23(4): 7-13.

[8] 白顺明, 陈磊, 姜飞, 等. 考虑风电最大化消纳的电力系统多目标优化[J]. 电气技术, 2020, 21(1): 7-11.

[9] 杨金刚, 刘维妙, 李顺昕, 等. 风氢耦合发电系统优化运行策略与效益分析[J]. 电力建设, 2017, 38(1): 106-115.

[10] 高玉, 王琦, 陈严, 等. 考虑需求响应和能量梯级利用的含氢综合能源系统优化调度[J]. 电力系统自动化, 2023, 47(4): 51-59.

[11] 王雪纯, 陈红坤, 陈磊. 提升区域综合能源系统运行灵活性的多主体互动决策模型[J]. 电工技术学报, 2021, 36(11): 2207-2219.

[12] 李雪, 杨敏欢, 张儒峰, 等. 多能源微网参与电-气多能源市场的多主体主从博弈交易策略[J/OL]. 电力自动化设备, DOI: 10.16081/j.epae.202303016.

[13] WEI F, JING Z X, WU P Z, et al. A Stackelberg game approach for multiple energies trading in integrated energy systems[J]. Applied Energy, 2017, 200: 315- 329.

[14] 向恩民, 高红均, 刘畅, 等. 基于供需双侧博弈互动的园区多能运营商能源交易优化决策[J]. 中国电机工程学报, 2021, 41(8): 2744-2757.

[15] 刘英培, 黄寅峰. 考虑碳排权供求关系的多区域综合能源系统联合优化运行[J/OL]. 电工技术学报, DOI: 10.19595/j.cnki.1000-6753.tces.220595.

[16] 范宏, 杨忠权, 夏世威. 考虑阶梯式碳交易机制的混氢天然气综合能源系统低碳经济运行[J/OL]. 上海交通大学学报, DOI: 10.16183/j.cnki.jsjtu.2022.377.

[17] HUANG Hongxu, LI Zhengmao, SAMPATH L P M I, et al. Blockchain-enabled carbon and energy trading for network-constrained coal mines with uncertain- ties[J/OL]. IEEE Transactions on Sustainable Energy, DOI: 10.1109/TSTE.2023.3240203.

The collaborative scheduling strategy of multi regional integrated energy system with wind power coupled hydrogen production based on master-slave game

YU Zhongan1MA Jingyao1,2

(1. School of Electrical Engneering and Automation, Jiangxi University of Science and Technology, Ganzhou, Jiangxi 341000; 2. Chongyi Power Supply Company, State Grid Jiangxi Electric Power Co., Ltd, Ganzhou, Jiangxi 341000)

To address the conflict of interests between wind power consumption and regional integrated energy system (RIES) belonging to different stakeholders, a collaborative scheduling strategy is proposed for multi regional integrated energy systems to participate in dynamic games of distribution networks under carbon emission constraints. Firstly, considering the impact of social environment, the carbon emissions of RIES in the game model is limited. Secondly, in order to balance the economic benefits of regional integrated energy systems and wind power coupled hydrogen production farms, a one master multi slave game model led by the distribution network is established, and a multi agent low-carbon interaction mechanism for game collaborative optimization is established. Transaction decision-making models for each entity are also constructed. Finally, the particle swarm optimization algorithm combined with CPLEX is used to solve the proposed model. The simulation results show the effectiveness of the proposed strategy, which means that each entity can reasonably adjust their own operating strategies under the regional carbon emission limit, and ensure environmental benefits while improving economic benefits.

regional integrated energy system; wind power coupled hydrogen production; master- slave game; low carbon interaction

江西省研究生创新创业专项资金项目（XY2021-S102）

赣州市重点研发计划（工业领域）项目（赣市科发〔2018〕50号）

2023-04-24

2023-05-04

于仲安（1973—），男，硕士，教授，研究方向为电力系统优化运行、计算机控制理论与技术等。