计及虚拟储能的电-水-热综合能源系统日前优化调度方法

2024-01-18穆云飞唐志鹏吴志军靳小龙贾宏杰徐延泽

电力系统自动化 2023年24期

穆云飞，唐志鹏，吴志军，靳小龙，贾宏杰，徐延泽

（智能电网教育部重点实验室（天津大学），天津市 300072）

0 引言

综合能源系统（integrated energy system，IES）是实现多能互补、提高可再生能源利用率的重要途径，已成为构建低碳高效能源体系的重要方式［1］。在不同类型的IES 供能模式中，电-水-热综合能源系统（electricity-water-heat integrated energy system，EWH-IES）通常由光伏、光热、供水子系统和供热水子系统构成，可通过电-水、电-热之间的有机协调，利用光伏发电与太阳能集热技术，实现用户的电、水、热水联供，近年来得到了各国的广泛关注［2-3］。

随着供水与供热水用能的不断增加以及太阳能利用率的不断提升，电、水、热之间的耦合愈发紧密，但是光伏、光热的不确定性对EWH-IES 运行灵活性提出了挑战［4］。在分析电、水、热之间相互耦合关系方面，目前已开展了许多研究。文献［5］提出一种电网友好型智慧小区水电系统联供机制以优化水泵运行，建立了电-水耦合关系；文献［6］进一步利用能源集线器模型描述电-水耦合关系，并按照用户类型以及能源转换设备将其分为电-水、电-热两类，但模型缺乏对储水装置的考虑；文献［7］以消纳风电为目标建立了配电网层面电-水-热耦合模型；文献［8］对包含热泵、热电联产设备和蓄热罐的EWH-IES 进行日前优化调度，增强系统运行的灵活性和经济性。上述文献均充分考虑了电储能设备对可再生能源消纳与灵活性提升的作用。然而，目前电储能安装、维护成本较高，且需要占据较大空间，配置储电设备不一定是最佳方案［9］。

近年来，利用虚拟储能（virtual energy storage，VES）技术挖掘多能互补协同灵活性、提升能源系统可再生能源消纳能力，引起各界广泛研究［10-11］。在EWH-IES 中，水作为能量载体可实现电-水、电-热之间的耦合。挖掘供水与供热水环节中储水、储热缓冲能力带来的VES 潜力，能够为EWH-IES 提供一种灵活的功率调节能力。文献［12］利用包含多种电-水耦合设备的社区供水系统为电网提供VES 能力，并分析了考虑VES 后对平抑光伏出力波动与平滑电网运行功率的作用；文献［13］在电-热IES 调度模型约束中考虑供热管网VES，提升了系统经济性。上述研究均以水为载体研究电-水或电-热互补关系，并以单一VES 模型为对象参与调度，未能充分考虑同时包含电、水、热的多种VES 在调度中的协同效应；已有电-热VES 多针对供热管网延时特性进行建模，缺少从储电角度量化供热水类型VES 的研究。

为充分利用供水与供热水子系统的灵活性与协同潜力并提升可再生能源消纳水平，本文将供水与供热水子系统对EWH-IES 电能的灵活调节潜力分别等值为VES-Ⅰ与VES-Ⅱ模型，并构建了虚拟充放电功率（virtual charge and discharge power，VCDP）、虚拟电容量（virtual electric capacity，VEC）、虚拟荷电状态（virtual state of charge，VSOC）3 项参数对VES 调节潜力进行量化，使供水与供热水子系统中可控单元以VES 统一表征的电储能形式接受调度。算例结果表明，本文方法可有效减少EWH-IES 调度过程中的优化变量个数，挖掘电、水、热之间的协同互补效应，发挥电、水、热互补协同效应，在保证用户用水需求与用热水温度的前提下，提高EWH-IES 运行经济性与太阳能消纳水平，为EWH-IES 多能源协同优化提供新的思路。

1 计及VES 的EWH-IES 建模

一个典型的EWH-IES 包括光伏（PV）、太阳能集热器（solar collector，SC）、水泵（electric pump，EP）、热泵（heat pump，HP）、储水罐（water tank，WT）、贮热水罐（hot water storage tank，ST）和电、水、热水负荷，组成结构如图1 所示。图中：PV 和配电网提供EWH-IES 所需电能；EP 与WT 组成供水子系统；SC、HP 和ST 组成具备辅助热源的供热水子系统。两子系统分别为用户提供水和热水。EWH-IES 同时包含能量流（电能、热能）和物质流（水、热水）。

图1 EWH-IES 结构Fig.1 Structure of EWH-IES

1.1 EWH-IES 基础模型

1.1.1 水泵模型

恒速离心式EP 的准静态水力特性模型扬程特性如式（1）所示［14］。

式中：Hin和HEPt分别为EP 在t时段输入、输出水头；H0为EP 的静扬程；cEP为EP 内阻系数，可由工况扬程曲线拟合得到；q为EP 在t时段的水流量。

EP 线性化后包含运行参数αEP、βEP的耗电功率特性如式（2）所示［15］。

式中：qx为EP 在t时段水流量上限；P为EP 在t时段耗电功率，其取值范围如式（3）所示；ρ为水的密度；g为重力加速度；ηEP为EP 运行效率；λ为EP固定功率损耗。

式中：P和P分别为EP 耗电功率的上、下限。

1.1.2 储水罐模型

WT 能够平衡水负荷峰谷差，通过蓄水、放水控制储水量并维持水压稳定，WT 的储水量如式（4）所示。根据质量守恒原理，WT 的水量平衡关系如式（5）所示［16］。

式中：S和S分别为t时段和初始时刻的WT 储水量；q和q分别为t时段流入、流出WT 的水流量；为水负荷在t时段的实际流量；q为热水负荷在t时段的流量；T为总时段数。

WT 在t时段的水位Hwtt需满足如式（6）所示的水头关系，其计算式如式（7）所示。

式中：Hfix为WT 与EP 的海拔高度差；Awt为WT 底面积。S的取值范围如式（8）所示。

式中：S和S分别为WT 储水量的上、下限。

1.1.3 水负荷模型

采用线性化的压力驱动分析方式对水负荷进行建模可得到式（9）所示的水负荷模型［17］：

式中：q为t时段水负荷的期望流量；Hout，t、H、H、H分别为t时段水负荷实际水头、需求水头、最小水头和最大水头。

t时段水负荷实际水头Hout，t与Hwtt的关系如式（10）所示。

1.1.4 热水负荷模型

根据文献［18］，热水负荷以定额形式表示，热水温度以60 ℃为标准，实际供热水温度可在一定范围内调整。热水负荷q所对应的供热水功率Q如式（11）所示。

式中：c为水的比热容；Thwt和Tcw分别为热水供应温度、自来水进水温度。Thwt的取值范围如式（12）所示。

式中：T和T分别为供热水温度的上、下限。

热水负荷q以60 ℃热水温度为标准供热水所对应的热负荷为标准热负荷Q，s，t，因此，Q，t需满足式（13）。

1.1.5 太阳能集热器模型

SC 最大可输出热功率Q为［19］：

式中：It为光照强度；Asc为SC 安装面积；ηsc为SC 的效率。

为描述EWH-IES 的光热消纳情况，引入太阳能保证率rsc，定义为供给热水的热量中来自太阳能的热量所占比率［20］，如式（15）所示。

式中：Q为SC 实际输出热功率；Δt为时间间隔。

1.1.6 贮热水罐模型

ST 自动补水，储热水量恒为Sst。ST 水量平衡关系如式（16）所示［21］。

式中：qstc，t和qstd，t分别为t时段流入、流出ST 的热水流量。

ST 热量平衡关系如下：

式中：Q和Q分别为t时段ST 净贮热功率与由于取水而导致的其他热量损失功率；Q为t时段HP 制热功率；Kr为热损失系数。

1.1.7 空气源热泵模型

HP 制热功率与耗电功率之间关系如下：

式中：RCOP为HP 效能比；P为t时段HP 耗电功率，其取值范围如式（19）所示。

式中：P和P分别为HP 耗电功率的上、下限。

1.1.8 光伏模型

PV 出力计算如下［22］：

式中：P为t时段PV 最大可输出功率；Apv为PV的安装面积；ηpv为光电转化效率。

本文定义光伏消纳率rpv如下：

式中：P为PV 在t时段实际输出功率。

1.2 两类VES 模型

在1.1 节所构建模型的基础上，通过考虑光伏出力、光热出力等外界环境因素的变化，可以将EP与WT 组合，HP、SC 与ST 组合，分别从储电角度将图2 所示储水、储热能力建模为VES-Ⅰ和VES-Ⅱ模型。两者分别基于供水子系统电-水转换能力与供热水子系统电-热转换能力为EWH-IES 优化调度提供一定的灵活性，以支撑光伏、光热消纳。

图2 EWH-IES 的EEH 模型结构Fig.2 Structure of EEH model in EWH-IES

1.2.1 VES-Ⅰ模型

Ⅰ型VES 运行机理：供水子系统具有储水缓冲特性是Ⅰ型VES 能力的来源。在满足水负荷的基础上，结合式（2）与式（4），EP 的电功率与机械功率转换特性带来了H所表征的电能与S所表征的水势能之间的转换。同时，结合式（9）和式（10），考虑水负荷水头具有一定柔性调节范围，WT 储水能力与水负荷水头有对应关系。因此，EP 耗电功率P能够在特定时段内进行适当调节，优化WT 储水量，以达到虚拟储电的功能。通过对VES-Ⅰ的优化调整来提升EWH-IES 本地光伏消纳率rpv。

为此，本节建立了VES-Ⅰ模型，参考储电设备的充放电功率、容量以及荷电状态3 项参数，本文构建的VES-Ⅰ模型也包含这3 项参数，分别表示为VCDP-Ⅰ、VEC-Ⅰ以及VSOC-Ⅰ。

VCDP-Ⅰ为VES-Ⅰ模型的充放电功率，表示为P/dis，描述VES-Ⅰ模型参与调度前后的功率变化；VEC-Ⅰ为VES-Ⅰ模型的容量，表示为C，描述VES-Ⅰ模型能够为优化调度提供的容量；VSOC-Ⅰ为VES-Ⅰ模型储电量与容量之比，表示为S。这3 项参数之间的关系如下［23］：

1）虚拟充放电功率

为了较为直观地分析VES-Ⅰ模型充放电情况并提供合理的功率基准，定义保持WT 储水量恒定的情况下，EP 在t时段的耗电功率为基准耗电功率P，base，结合式（2）、式（5）、式（9），P，base计算如下：

当P=P，base时，S保持恒定；若P≠P，base，P偏离P，base的功率差可以定义为虚拟充放电功率（VCDP-Ⅰ），如式（24）所示［24］。

需要注意的是，VCDP-Ⅰ受到P运行功率范围影响，同时也受到WT 容量限制［25］。因此，VES-Ⅰ最大充放电功率表示如下：

2）虚拟电容量

本文定义VEC-Ⅰ来量化VES-Ⅰ模型的容量，该参数受到VES-Ⅰ模型自放电功率的影响。自放电功率Pdiss1t定义为与满足用水负荷水量对应的EP耗电功率，结合式（2），其表达式如式（27）所示。

VEC-Ⅰ同时受到WT 容量影响。根据文献［26］对VES 模型VEC 的定义，进一步给出VES-Ⅰ模型的VEC-Ⅰ定义，即当EP 关闭时，WT 储水量从S降至S所对应的耗电量，结合式（2），其表达式如式（28）所示。

3）虚拟荷电状态

VSOC-Ⅰ定义为VES-Ⅰ模型实际储电量与VEC-Ⅰ的比值，表达式如下：

式中：E1，t为VES-Ⅰ模型t时段实际储电量。

VES-Ⅰ模型实际储电量定义与VEC-Ⅰ的定义类似，即当EP 关闭时，WT 储水量从降至S所对应的耗电量，结合式（2），其表达式如下：

可以看出，当S=S时，S=0；当S=S时，S=1。

1.2.2 VES-Ⅱ模型

Ⅱ型VES 运行机理：具备辅助热源的供热水子系统根据日前预测光热出力数据，控制辅助热源HP 对ST 内热水进行加热，并在白天充分利用太阳能制热，达到连续供热水要求与节能效果。

供热水子系统具有储热水缓冲特性是Ⅱ型VES 能力的来源。结合式（17）与式（18），由于HP的电热功率转换特性带来了电能与热能转换，实现了虚拟储电。需要说明的是，从图2 可以看出，VES-Ⅱ与VES-Ⅰ模型具有物质流耦合关系，因而具有一定协同效应，可共同实现光伏消纳率rpv的提升。

因此，构建的VES-Ⅱ模型同样包含3 项参数：VCDP-Ⅱ、VEC-Ⅱ以及VSOC-Ⅱ。VCDP-Ⅱ为VES-Ⅱ模型的充放电功率，表示为P/dis；VEC-Ⅱ为VES-Ⅱ模型的容量，表示为C；VSOC-Ⅱ为VES-Ⅱ模型储电量与容量之比，表示为S。3 项参数之间的关系可表示为：

1）虚拟充放电功率

定义维持用户热水温度为设定温度时的制热功率为基准制热功率P，base，结合式（18），P，base如式（32）所示。

结合HP 耗电功率与制热功率关系式（18），基准耗电功率PHP，baset的计算如下：

同样，可以将P偏离P，base的功率差定义为VCDP-Ⅱ，如式（34）所示。

当Pdis＞0 时，HP 耗电功率大于基准耗电功率，定义VES-Ⅱ模型处于虚拟充电状态；当P＜0 时，HP 耗电功率小于基准耗电功率，定义VES-Ⅱ模型处于虚拟放电状态。

同样，VCDP-Ⅱ受P运行功率范围以及ST水温限制。VES-Ⅱ模型最大充、放电功率和分别如式（35）、式（36）所示。

2）虚拟电容量

本文定义VEC-Ⅱ来量化VES-Ⅱ模型的容量，该参数同样受到VES-Ⅱ模型自放电功率的影响。自放电功率iss2可定义为与满足热耗散功率Q对应的HP 电功率，Q如式（37）所示。

结合式（18），自放电功率P可表示如下：

VEC-Ⅱ模型同时受到ST 水温范围影响，本节根据文献［23］中所给出的VES 模型热容量的定义，进一步给出VES-Ⅱ模型的VEC-Ⅱ定义，即当HP关闭时，ST 内热水温度从T降至T所对应的耗电量，如式（39）所示。

式中：t0为调度的初始时刻；Δτ为HP 关闭时ST 内水温从T降至T所对应的时间，具体计算公式推导见附录A。

3）虚拟荷电状态

VSOC-Ⅱ定义为VES-Ⅱ模型实际储电量与VEC-Ⅱ的比值，其表达式如下：

式中：E2，t为VES-Ⅱ模型实际储电量，具体计算公式推导见附录A。

可以看出，当T=T时，S=0；当T=T时，S=1。

1.3 融合能量流与物质流扩展能源集线器模型

本节进一步将供水和供热水子系统的VES 模型集成于扩展能源集线器（extended energy hub，EEH）模型中。EEH 中设备电功率被两类VES 模型的VCDP 替代，从系统整体角度描述EWH-IES中能量流-物质流输入和输出的平衡以及耦合关系［27］。

EWH-IES 的EEH 模型结构如图2 所示。EEH模型输入包括购电和光伏的电能输入P、光热出力输入Q、水量输入q；EEH 模型输出包括用户电负荷P，L、水负荷和热水负荷Q，t。EEH 内部包括各种耦合设备，其中EP 和WT 被等效为VES-Ⅰ模型，HP、SC、ST 被等效为VES-Ⅱ模型。能量流包含电能和热能，物质流包括水和热水，电能与水势能的转换通过EP 实现，电能与热能的转换通过HP 实现。

P，L计算如下：

结合式（17）和式（18），可得Q表示如下：

结合式（5），q与计算如下：

式中：α为流出WT 的水分配至ST 制热水的分配比例。

由式（1）计算Hout，t如下：

将式（41）至式（45）表示为矩阵形式，可得到EWH-IES 的EEH 模型如下：

式（46）将含有VES 的EWH-IES 中能量流与物质流耦合在一起，是下一步实现EWH-IES 优化调度的关键和基础。

2 计及VES 的EWH-IES 日前优化调度模型

2.1 目标函数

计及VES 的EWH-IES 优化调度的主要目标是在满足用户电、水、热水负荷需求的前提下，提升调度结果的经济性和光伏、光热消纳水平。本文假设EWH-IES 由单一运营商建设和运营，构建如式（47）所示目标函数：

式中：Ce为购电成本；Cp为弃光伏与弃光热惩罚成本；Com为光伏与光热运行维护成本；Cves为VES 调用成本。

Ce计算如下：

式中：pt为t时段电价。

Cp计算如下：

式中：ppv1为弃光伏惩罚系数；psc1为弃光热惩罚系数。

Com计算如下：

式中：ppv2为光伏运行维护成本系数；psc2为光热运行维护成本系数。

Cves计算如下：

式中：pves1为VES-Ⅰ模型调用成本系数；pves2为VES-Ⅱ模型调用成本系数。

2.2 约束条件

计及两类VES 的EWH-IES 日前优化调度模型约束条件如下。

1）系统能量流与物质流平衡约束

本文构建的EWH-IES 需满足EEH 模型所描述的能量流与物质流平衡关系，如式（46）所示。

2）VCDP 约束

3）VSOC 约束

4）光伏、光热最大输出约束

上述模型是一个混合整数线性规划（mix integer linear programming，MILP）优化问题，可用内点法进行求解。所用优化模型在配置为2.9 GHz Windows、16 GB RAM 的PC 上，基于MATLAB 2019a 平台进行编程，并利用Yalmip 调用Gurobi求解。

3 算例分析

3.1 算例数据

算例选取如图1 所示的典型EWH-IES。在假定该EWH-IES 典型日预测数据和设备参数已经获取的前提下，给出了水负荷［28］、电负荷、标准温度下热负荷［8］、光伏与光热最大可输出功率曲线分别如附录B 图B1 至图B3 所示，系统参数见附录C 表C1，VES 与设备相关参数见附录C 表C2。

为验证所提出的计及VES 的EWH-IES 日前经济调度方法的有效性，设置4 种对比场景：

场景1：不考虑VES-Ⅰ与VES-Ⅱ模型。

场景2：仅考虑VES-Ⅰ模型。

场景3：仅考虑VES-Ⅱ模型。

场景4：同时考虑VES-Ⅰ与VES-Ⅱ模型。

3.2 优化调度结果分析

3.2.1 经济性对比分析

场景1 至4 对应的优化调度方案中的rpv、rsc、购电量、购电成本及总运行成本如表1 所示。EWHIES 优化调度方案中的Ppvt在一天内的变化情况如图3 所示，Pein，t和Qhin，t在一天内的变化情况分别如附录D 图D1 和图D2 所示。

表1 场景1 至4 的优化调度结果Table 1 Optimal scheduling results in scenarios 1 to 4

图3 场景1 至4 的光伏实际输出功率Fig.3 Actual PV output power in scenarios 1 to 4

结合表1 可以看出，与场景1 相比，场景2 至4的购电量分别降低了1.3%、0.9%和2.2%，购电成本分别降低了4.6%、1.1%和5.7%，运行成本分别降低了3.7%、0.81%、4.6%。可以看出，通过利用VES-Ⅰ与VES-Ⅱ模型所带来的灵活性，EWH-IES运行经济性得到提升。与场景1 相比，场景2 至4 的光伏消纳率分别提高了1.68%、1.13%、2.81%，场景1 至4 的太阳能保证率均保持不变，为70.89%。可以看出，通过利用VES-Ⅰ与VES-Ⅱ模型所带来的灵活性，EWH-IES 的光伏消纳水平得到提升。

在光伏消纳方面，场景1 在11：00—15：00 调度时段内光伏最大可输出功率较大。因此，出现了弃光伏现象；场景2 和3 在11：00—15：00 调度时段内弃光现象均得到一定改善，但场景3 效果不如场景2。在光热消纳方面，由于光热资源充足，场景1 中除了09：00—10：00 和18：00—19：00 调度时段，其他调度时段内均出现了弃光热现象；在场景3 和4 中，虽然太阳能保证率不变，但是11：00—15：00 调度时段内光热出力下降，HP 增大出力进行制热，以促进光伏消纳。同时，在15：00—18：00 调度时段内光热出力增加以保证总体光热消纳水平不变。

因此，由上述分析可以看出，光伏消纳率的提升与考虑VES-Ⅰ和VES-Ⅱ模型均有关。同时，VES-Ⅰ与VES-Ⅱ模型存在一定协同效应，场景4 中共同考虑VES-Ⅰ与VES-Ⅱ模型能够进一步提升光伏消纳率，降低购电量、购电成本以及运行成本（两者协同互补效应将在3.3 节具体分析）。

3.2.2 虚拟储能调度结果对比分析

EWH-IES 的优化调度方案中的VSOC-Ⅰ与VSOC-Ⅱ在场景2 至4 中的对比情况如附录D 图D3 所示，WT 中储水量和ST 中热水温变化情况如图D4 和图D5 所示，场景2 至4 的VCDP 变化情况如图4 所示。

图4 场景2 至4 的VCDP 及其约束Fig.4 VCDP and its limits in scenarios 2 to 4

结合图4（a）、附录D 图D3 和图D4，对场景2 的VES-Ⅰ模型进行分析。在电价较低的调度时段（04：00—06：00）内，VCDP-Ⅰ处于充电状态，对应WT 储水，且在06：00 储电量达到最大，即VSOC-Ⅰ增加至1；在电价较高的调度时段（08：00—11：00）内，VCDP-Ⅰ处于放电状态，对应WT 上述储水进行释放，且在11：00 储电量减小至0，即VSOC-Ⅰ降至0。同时，为充分消纳光伏，在光伏出力较高的调度时段（11：00—14：00）内，VCDP-Ⅰ进行充电，并在电价较高时段（13：00—18：00）将上述储电量进行释放。因此，场景2 能够利用VES-Ⅰ模型的灵活性提高光伏消纳率，降低EWH-IES 运行成本。

结合图4（b）、附录D 图D3 和图D5，对场景3 的VES-Ⅱ模型进行分析。在11：00—15：00 调度时段内，VCDP-Ⅱ处于充电状态，这是为了进一步消纳光伏出力，此调度时段内对应所需的热能通过光热与HP 出力共同满足，对应ST 内热水温度升高，并在17：00 储电量达到最大，即VSOC-Ⅱ增加至1；在18：00—23：00 调度时段内，VCDP-Ⅱ处于放电状态，对应ST 内热水温度降低，此时不再需要在此电价较高时段购电供HP 用于制热。因此，场景3 能够利用VES-Ⅱ模型的灵活性提高光伏消纳率，降低EWH-IES 运行费用。

在场景4 中，EWH-IES 优化调度方案中的VCDP-Ⅰ和VCDP-Ⅱ分别如图4（c）和附录D 图D6所示。结合图4（a）和（c）进行分析，场景4 中EWHIES 主要运用VES-Ⅰ模型进行充放电，这是由于EWH-IES 中水负荷大于热水负荷，VES-Ⅱ模型的可调度灵活性小于VES-Ⅰ模型，主要分析VES-Ⅰ模型变化。此外，场景4 中VES-Ⅱ模型的加入会对VES-Ⅰ模型充放电情况产生影响，VES-Ⅰ与VES-Ⅱ模型产生协同效应。如图4（c）所示，场景4 中的VSOC-Ⅰ在00：00—04：00 调度时段内增加，VCDP-Ⅰ对应为充电状态，而在场景2 中VCDP-Ⅰ对应为放电状态，因此，VES-Ⅰ模型能够更加充分利用电价较低的凌晨时段进行充电，进而提升EWH-IES 运行经济性。共同考虑VES-Ⅰ与VES-Ⅱ模型能够进一步提升EWH-IES 光伏消纳水平、降低用户购电成本。

3.3 两类虚拟储能协同互补效应分析

本节分析当光伏与光热最大可输出功率参数分别变为附录B 图B3 中参数的1.2 倍和80% 时，VES-Ⅰ与VES-Ⅱ模型的电、水、热协同互补效应对EWH-IES 运行经济性与光伏、光热消纳水平的影响。不同参数下场景1 至4 对应的优化调度方案中的rpv、rsc、购电量、购电成本及总运行成本见表2。

表2 不同参数下场景1 至4 的优化调度结果Table 2 Optimal scheduling results in scenarios 1 to 4 with different parameters

当光伏最大可输出功率变为附录B 图B3 中参数的1.2 倍时，与场景2 和场景3 相比，场景4 的光伏消纳率分别提高了0.8%和1.4%，购电成本分别降低了1.0% 和4.8%，运行成本分别降低了0.7%、3.8%。光伏实际出力如附录D 图D7 所示，场景4在共同计及VES-Ⅰ与VES-Ⅱ模型的情况下，利用VES-Ⅱ模型在光伏出力更为充足的10：00—16：00调度时段内进行充电，利用HP 制热以进一步提升光伏消纳率，同时保持太阳能保证率与其他场景相同。

当光伏最大可输出功率变为附录D 图D3 中参数的80%时，4 种场景的光伏消纳率均完全消纳，与场景2 和3 相比，场景4 的购电成本分别降低了0.6%和2.3%，运行成本分别降低了0.4%、1.6%。场景2 至4 的VSOC 对比如图5 所示。由于光伏完全消纳，场景4 在共同计及VES-Ⅰ与VES-Ⅱ模型的情况下，利用两类VES 在电价较低的调度时段（00：00—06：00 和22：00—24：00）进行充电，在电价较高的调度时段（08：00—11：00 和13：00—18：00）进行放电，以进一步提升运行经济性。因此，同时对VES-Ⅰ与VES-Ⅱ模型所带来的灵活性进行利用，EWH-IES 光伏消纳率和运行经济性能够较单独利用VES-Ⅰ或VES-Ⅱ模型得到进一步提升，发挥电、水、热协同互补效应。