基于主从博弈和综合需求响应的能量枢纽多时间尺度调度方法

技术领域

本发明涉及综合能源系统优化调度技术领域，具体涉及一种基于主从博弈和综合需求响应的能量枢纽多时间尺度调度方法。

背景技术

综合能源系统可以实现电、冷、热多种能源之间耦合，通过协同调度各种能源，有效提高了各种能源的利用率。高比例的可再生能源接入综合能源系统，源、荷两侧均存在很大的不确定性，而综合能源系统中能量耦合关系复杂、用户参与市场调节的主动性等问题，如何实现对综合能源系统的优化运行成为了研究的重点。

现有研究中，未能充分考虑综合能源系统中源荷互动时的不确定性对系统的影响，最终调度结果与实际之间产生偏差；综合能源系统中建模精确性较差，未能充分考虑用户因参与综合能源系统导致室温波动、舒适性降低等问题，能源调度策略与实际需求之间存在较大偏差；未能充分考虑不同能源响应时间差异性，无法对用户舒适度进行准确评估。建立日前-日内多时间尺度调度策略，是提高系统运行稳定性和经济性的有效手段。

发明内容

为解决综合能源系统中不同主体利益诉求和源荷的不确定性导致系统波动的问题。本发明提供一种基于主从博弈和综合需求响应的能量枢纽多时间尺度调度方法，该方法提升了运营商的收益，降低了用户的用能成本；采用多时间尺度调度策略和激励型综合需求响应，提升了能量枢纽的决策准确性及系统运行的经济性、稳定性。

本发明采取的技术方案为：

基于主从博弈和综合需求响应的能量枢纽多时间尺度调度方法，包括以下步骤：

步骤1：评估多元负荷柔性特性和可调度价值，建立日前精细化综合需求响应模型；

步骤2：日前阶段分别考虑运营商和用户利润最大化，建立基于Stackelberg博弈的日前优化调度博弈模型，并采用差分进化算法和CPLEX软件求解优化调度博弈模型；

步骤3：日内阶段考虑日前源、荷预测误差及不同形式的能源之间的差异性，提出基于激励型综合需求响应的日内短时间尺度优化策略，使系统运行经济性和稳定性提高；

步骤4：提出日前-日内多时间尺度能量枢纽调度策略，通过滚动优化降低源、荷波动对能量枢纽运行计划的影响。

所述步骤1中，日前精细化综合需求响应模型分为能量枢纽侧与用户侧，综合需求响应资源包含可转移负荷与可削减负荷，其中，可削减负荷分为日前可削减负荷与日内可削减负荷。

所述步骤1中，能量枢纽结构中包括3个环节：1)供能侧，由光伏发电、风电机组与电网组成的电力供给系统以及提供燃气的天然气网；2)能量枢纽侧，包括燃气轮机、热交换器、电制冷机、燃气锅炉、吸收式制冷机以及蓄电池；3)负荷侧。通过对能量枢纽结构分析，建立能量枢纽模型。

所述步骤1中，通过对用户多能负荷需求精细化建模，可定量评估用户参与综合需求响应的潜力。建模过程共分为两步：

1.1：以夏季为例描述用户的柔性冷负荷需求，用户可根据不同的能源价格在适宜室温内调节冷负荷需求；

1.2：热负荷是指能源枢纽供给生活热水所输出的符合，用户可根据不同的能源价格在适宜水温范围内调节热负荷需求。

所述步骤1中，综合需求响应资源包含可转移负荷与可削减负荷，用户购能价格通过日前定价，故可转移电、热、冷负荷在日前调度阶段确定；而可削减电、冷、热负荷根据响应时间的不同，分为日前可削减负荷与日内可削减负荷两种：

(1)日前可削减负荷：在日前阶段，用户在舒适度范围内削减部分冷、热负荷，以提升EH经济效益。

(2)日内可削减负荷：在日内阶段，基于削减负荷补贴机制确定用户电、冷、热负荷削减量，进一步提升源、荷互动能力

所述步骤1包括以下步骤：

S1.1：能量枢纽结构中包括供能设备、耦合设备以及负荷，对能量枢纽建立耦合模型，如下式(1)所示：

S1.2：通过对用户多能负荷需求精细化建模，能够定量评估用户参与综合能源响应潜力，分别对用户柔性冷负荷需求与柔性热负荷需求精细化建模，描述如下

(a)、柔性冷负荷需求:用户的柔性冷负荷需求为夏季制冷，设楼宇制冷设备在使用时间内连续运行，根据能量守恒定理，t时段内室内热量变化量ΔL

式(3)中,ρ

建筑吸热量表示如(4)所示：

式(4)中,L

联立式(3)和式(4)进行差分化处理，得出离散化楼宇热平衡方程(5)：

由式(5)可得到室内温度与制冷功率之间的关系，室温应满足上下限约束：

式(6)中，

(b)柔性热负荷需求：热负荷是指供给生活热水所输出的负荷，用户能够根据不同的能源价格在适宜水温范围内调节热负荷需求，供水温度与热负荷之间的关系用热水储存模型表示：

式(7)中，C

为保障用户舒适度,水温满足以下约束:

式(8)中，

所述步骤2中，主从博弈是指一方为主导者，优先采取行动，另一方为跟随者，后采取行动的一种博弈类型。本发明中涉及能量枢纽运营商和用户，首先由能量枢纽运营商制定各设备出力计划，并将能源价格发送给用户，用户根据能源价格进行负荷调整并将调整之后的结果反馈给能量枢纽运营商，随后能量枢纽运营商根据负荷使用结果再次调整各设备出力。重复该步骤，使得能量枢纽运营商利润达到最大，用户用能成本最低，则该博弈达到均衡。

所述步骤2中，建立基于Stackelberg博弈的日前优化调度博弈模型，优化调度博弈模型中,能量枢纽运营商为主导者，根据用户用能策略调节能量枢纽耦合设备出力与内部能源价格，能量枢纽运营商的净利润为目标函数，表示如下：

式(9)、(10)中，i∈{E，Cl，Ws}，

所述步骤3中，激励型综合需求响应策略是指能量枢纽运营商与用户签订合同，并根据合同确定相应的可削减负荷容量、响应时间、补偿价格等。

所述步骤3中，对采取激励型综合需求的用户，能量枢纽运营商针对削减的不同负荷类型采取不同形式的补贴机制。

(1)在一天中，电负荷的需求量较为固定。用电高峰时刻通常是用户生产、生活活动的高峰，此时削减电负荷会对用户的正常生活产生较大影响。为此，对于电负荷采用基于日前实时电价的补偿机制。

(2)本发明中冷、热负荷是指建筑制冷负荷与生活热水负荷，对此类负荷的削减主要影响用户的舒适性。由于用户对室温、热水温度的舒适度要求具有一定模糊性：若温度波动越小，对用户的舒适度影响也越小，相反对用户的舒适度影响就越大，即冷、热负荷的削减量对用户影响不呈线性相关。因此能源枢纽运营商对用户冷、热负荷的削减采取阶梯温度补偿的方式进行激励型补贴。

所述步骤3中，日前调度计划与源、荷博弈互动有关，因此日内调度计划应遵循日前的设备出力计划，并将日内计划调整量作为罚函数。日内调度模型目标函数以日内电网交互成本、购气成本、出力调整惩罚成本、综合需求响应补贴成本之和最低。

所述步骤3中，日内优化调度策略是指在日内调度阶段以15分钟为优化时间尺度，一天24小时共分为96个时间段。在第k时段更新区域M内源、荷预测信息，日内调度的目标函数最低确定设备进行出力及可削减负荷量。在第k+1时段内使用新的源荷信息重复此优化步骤，进行滚动更新。

所述步骤3中，激励型综合需求响应补贴成本是能量枢纽运营商针对削减的不同负荷类型采取不同形式的补贴，表达式为式(15)：

式(15)中，

式(16)、(17)中，α

根据实际温度偏离程度的不同，补贴系数也有所不同，表达式如(18)所示：

式(18)中，

对于激励型电负荷，一天内总负荷削减量应当满足式(19)；对于冷、热负荷，温度调整约束满足式(6)和式(8)：

式(19)中，θ

所述步骤3中，日内调度计划遵循日前的设备出力计划，并将日内计划调整量作为罚函数，由日内电网交互成本、购气成本、出力调整惩罚成本、激励型综合需求响应补贴成本构成日内调度模型，其目标函数：

式(20)中，

式(21)(22)(23)中，

日内调度阶段设备运行状态约束：

式(24)中，

所述步骤4中，日前-日内多时间尺度能量枢纽调度策略分日前优化阶段和日内调整阶段两阶段进行，日前优化阶段如步骤2所述，制定出日前调度计划；依据日前调度计划，日内调度阶段如步骤3所述，制定短时间尺度区域M内各机组出力计划值及可削减负荷量，通过滚动优化降低源、荷波动对能量枢纽运行计划的影响。

所述步骤4中，前-日内多时间尺度能量调度策略包括如下步骤:

步骤4.1：日前调度阶段，提取日前预测数据

步骤4.2：基于Stackelberg博弈制定实时能源价格与多能源负荷响应量；

步骤4.3：制定日前调度计划；

步骤4.4：日内调度阶段，设时间初始值t为0；

步骤4.5：更新日内预测数据；

步骤4.6：日内调度计划调整；

步骤4.7：时间t每次增加15分钟；

步骤4.8：判断t是否小于24时，若是，则循环至步骤4.5；否则，该调度策略求解结束。本发明一种基于主从博弈和综合需求响应的能量枢纽多时间尺度调度方法，技术效果如下：

1)构建综合能源系统，对某一种类的能源依赖程度大大降低，提升了系统灵活性。

2)建立基于Stackelberg博弈的日前优化调度模型，提高了能量枢纽运营商的总收益，提升了用户参与综合能源系统的积极性，降低了用户的用能成本，提升了用户参与综合能源系统的积极性。

3)在日内调度阶段提出了基于激励型综合能源需求响应的滚动优化调度，合理调整各设备出力，有效平抑了交互功率波动，提高了系统运行稳定性，降低了日内综合运行成本。

附图说明

图1为能量枢纽结构图。

图2为建筑热传递过程示意图。

图3为计及综合能源响应的能量枢纽多时间尺度调度框架图。

图4为计及综合能源响应的能量枢纽多时间尺度调度求解流程图。

图5为供需双方博弈框架图。

图6为Stackelberg博弈求解流程图。

图7为负荷与可再生能源出力日前预测数据图。

图8(a)为建筑物内热源所用负荷数据图。

图8(b)为室外温度与光照强度日前预测数据图。

图9(a)为日前-日内光伏出力波动数据图；

图9(b)为日前-日内风电出力波动数据图；

图9(c)为日前-日内电负荷出力波动数据图；

图9(d)为日前-日内室温波动数据图。

图10(a)为用户日前电负荷优化结果图；

图10(b)为用户日前冷、热负荷优化结果图。

图11(a)为各发电设备日前出力图；

图11(b)为各制冷设备日前出力图；

图11(c)为各制热设备日前出力图；

图11(d)为购电、购气所需成本图。

图12(a)为住宅楼日前-日内制冷结果对比图；

图12(b)为写字楼日前-日内制冷结果对比图；

图12(c)为公寓楼日前-日内制冷结果对比图；

图12(d)为商场日前-日内制冷结果对比图。

图13为日前-日内制热结果对比图。

图14(a)为日前-日内燃气轮机出力对比图；

图14(b)为日前-日内蓄电池出力对比图；

图14(c)为日前-日内交互功率出力对比图；

图14(d)为日前-日内电制冷机出力对比图。

具体实施方式

基于主从博弈和综合需求响应的能量枢纽多时间尺度调度方法，包括以下步骤：

步骤1：评估多元负荷柔性特性和可调度价值，建立日前精细化综合需求响应模型；

步骤2：日前阶段分别考虑运营商和用户利润最大化，建立基于Stackelberg博弈的日前优化调度模型，并采用差分进化算法和CPLEX软件求解Stackelberg博弈模型；

步骤3：日内阶段考虑日前源、荷预测误差及不同形式的能源之间的差异性，提出基于激励型综合需求响应的日内短时间尺度优化策略，使系统运行经济性和稳定性提高；

步骤4：提出日前-日内多时间尺度能量枢纽调度策略，通过滚动优化降低源、荷波动对能量枢纽运行计划的影响；

步骤5：考虑实际情况进行算例分析，验证所提策略和模型的正确性。

1、建立日前精细化综合需求响应模型:

1.1：能量枢纽结构如图1所示。在图1中，能量枢纽结构中包括3个环节：1)供能侧，由光伏发电、风电机组与电网组成的电力供给系统以及提供燃气的天然气网；2)能量枢纽侧，包括燃气轮机、热交换器、电制冷机、燃气锅炉、吸收式制冷机以及蓄电池；3)负荷侧。由图1可知，用户负荷可分为电负荷、冷负荷、热负荷。供能侧微电网与大电网之间可实现电能交互。能量枢纽侧通过电制冷机将电能转换成冷能供给冷负荷，蓄电池与大电网之间可实现能量交互，天然气通过燃气轮机将热能转换成电能，产生的热能通过热交换器供给热负荷。控制中心可实现全局信息交互与处理，向供能侧上报用户用能计划，向用户侧发送能源价格。

通过对能量枢纽结构分析，建立能量枢纽耦合模型：

式(1)中，

1.2：对用户柔性冷负荷需求与柔性热负荷需求精细化建模，描述如下：

1)、柔性冷负荷需求：

衡量建筑制冷、制热能力的一个重要因素是建筑蓄热能力。依据蓄热能力，用户可在温度舒适范围内对冷热需求进行调节，作为柔性负荷参与能量枢纽优化调度。

以夏季制冷为例描述用户的柔性冷负荷需求。假设楼宇制冷设备在使用时间内连续运行，根据能量守恒定理，t时段内室内热量变化量ΔL

式(3)中，ρ

图2为建筑热传递过程。影响建筑吸热的主要因素有：建筑外墙、外窗传递的热量L

式(4)中，j表示建筑朝向；T

联立式(3)和式(4)进行差分化处理，得出离散化楼宇热平衡方程：

由式(5)可得到室内温度与制冷功率之间的关系，室温应满足上下限约束：

式(6)中，

2)、柔性热负荷需求：

本发明中热负荷是指能源枢纽供给生活热水所输出的负荷，用户可根据不同的能源价格在适宜的水温范围内调节所需热负荷。供水温度与热负荷之间的关系用热水储存模型表示：

式(7)中，C

为保障用户舒适度，水温应满足以下约束：

式(8)中，

1.3：综合需求响应资源分类：

需求侧对于可调度的能源，不同种类的能源对价格变化和外界激励的响应速度不同。通过在不同时间尺度下对不同类型的综合需求响应协调优化，可提升源、荷互动能力，减少因预测误差而引起的源、荷波动。

本发明中综合需求响应包含可转移负荷与可削减负荷，用户购能价格通过日前定价，故可转移电、热、冷负荷在日前调度阶段确定；而可削减电、冷、热负荷根据响应时间的不同，分为日前可削减负荷与日内可削减负荷两种：

(1)日前可削减负荷：在日前阶段，用户在舒适度范围内削减部分冷、热负荷，以提升能量枢纽经济效益。

(2)日内可削减负荷：在日内阶段，基于削减负荷补贴机制确定用户电、冷、热负荷削减量，进一步提升源、荷互动能力。

根据上述对不同类型的综合需求响应的时间尺度分析，给出了表1统筹日前-日内多时间尺度的综合需求响应分类。

表1多时间尺度IDR资源分类

Table 1 Multi-time scale IDR resource classification

日前调度(1h)阶段：基于Stackelberg博弈理论，在供需双方博弈互动中确定日前可转移电、热、冷负荷量。为提升综合效益，用户可在负荷转移的基础上，在舒适度范围内削减部分冷、热负荷。

日内调度(15min)阶段：根据日前调度阶段确定的设备出力方案以及用能策略，日内阶段进一步考虑因可再生能源出力、负荷需求等日前预测误差对系统运行的影响。并通过激励型综合需求响应策略进一步挖掘用户负荷的可调度潜力，与日内设备出力计划修正相结合，确定实际调度计划。

2、基于Stackelberg博弈建立日前优化调度模型：

日前调度的主从博弈框架如图5所示。能量枢纽运营商为领导者，净利润最高为目标。用户为跟随者，以用能成本最低为目标，在满足用能满意度的条件下调整自身用能策略。控制中心是全局信息交互与处理机构，向用户发送内部能源价格，并用户的用能计划进行上报。

本发明中涉及能量枢纽运营商和用户，首先由能量枢纽运营商制定各设备出力计划，并将能源价格发送给用户，用户根据能源价格进行负荷调整并将调整之后的结果反馈给能量枢纽运营商，随后能量枢纽运营商根据负荷使用结果再次调整各设备出力。重复该步骤使得能量枢纽运营商利润达到最大，用户用能成本最低，则该博弈达到均衡。

分别对博弈双方即能量枢纽运营商和用户进行建模分析，表示如下：

2.1、能量枢纽运营商：

能量枢纽运营商主要通过向电网和气网购买能量，然后向用户销售电能、冷能、热能来获得收益，同时还应考虑设备维修、环境污染等成本。根据用户用能策略调节能源枢纽内能量耦合设备出力与内部能源价格，以最大化能量枢纽运营商净利润为目标：

式(9)、(10)中，i∈{E，Cl，Ws}，

能量枢纽运营商在优化调度中既要考虑能量枢纽内不同能源供需平衡，还需要考虑内部能源价格约束：

式(11)中，

2.2、用户：

用户的目标函数为购能成本和不舒适度成本之和，假设能量枢纽内用户均同意参与负荷调整，且能接受一定程度的满意度变化。其目标函数为：：

式(12)、(13)中，

对于可转移电、热、冷负荷，不仅要确保转移前后负荷总量保持不变，还要满足以下约束：

式中，L

3、对博弈模型求解：

通过差分进化算法和CPLEX相结合对Stackelberg博弈模型进行求解，求解流程图如图6所示，求解步骤如下：

步骤1)：设定初始化种群k为0；

步骤2)：判断k是否大于最大种群个数，若否，则继续步骤3；若是，则输出最优种群；

步骤3)：能量运营商将内部价格发送给用户；

步骤4)：用户调用CPLEX优化负荷；

步骤5)：用户将优化结果发送给能量运营商；

步骤6)：能量运营商求解目标函数值；

步骤7)：变异操作；

步骤8)：交叉操作；

步骤9)：产生子代目标函数，并计算子代目标函数值，判断父代与子代目标函数值大小，若子代函数值大于父代，则保留子代函数值；否则，保留父代函数值；

步骤10)：种群个数k增加一个，返至步骤2进行优化。

4、提出基于激励型综合需求响应的日内短时间尺度优化策略：

日内调度阶段，对采取激励型综合需求响应的用户，能量枢纽运营商针对削减的不同负荷类型采取不同形式的补贴机制，包括对激励型电负荷进行电负荷削减补偿、对激励型冷热负荷进行冷热负荷削减补偿。

4.1、激励型电负荷调度策略：

电负荷削减对用户造成的影响与时间关系密切，在一天中，电负荷的需求量较为固定。用电高峰时刻通常是用户生产、生活活动的高峰，此时削减电负荷会对用户的正常生活产生较大影响。为此，对于电负荷采用基于日前实时电价的补偿机制。用户的电负荷削减补偿费用

式(15)中，α

4.2、激励型冷、热负荷调度策略：

本发明中冷、热负荷是指建筑制冷负荷与生活热水负荷，对此类负荷的削减主要影响用户的舒适性。由于用户对室温、热水温度的舒适度要求具有一定模糊性：若温度波动越小，对用户的舒适度影响也越小，相反对用户的舒适度影响就越大，即冷、热负荷的削减量对用户影响不呈线性相关。因此能量枢纽运营商对用户冷、热负荷的削减采取阶梯温度补偿的方式进行激励型补贴。用户的冷、热负荷削减补偿费用

式(16)中，i∈{Cl，Ws}；

式(17)中，

4.3激励型综合能源响应补贴成本

能量枢纽运营商为用户削减负荷所补偿的总成本C

对于激励型电负荷，为满足用户基本用电需求，t时刻的负荷调整量应在一定范围，同时，1天内总负荷削减量也应当满足式(19)；对于冷、热负荷，为满足用户温度舒适度，与日前调度阶段相同，其温度调整约束需满足式(6)、(8)。

式(19)中，θ

5、日内调度模型目标函数为：

由于日前调度计划与源、荷博弈互动有关，因此日内调度计划应遵循日前的设备出力计划，并将日内计划调整量作为罚函数。以日内电网交互成本

/>

式(21)、(22)、(23)中，

日内调度阶段除了需要与日前调度一样满足功率平衡约束和设备约束，还需遵循日前调度阶段的设备运行状态约束：

式(24)中，

6、建立能量枢纽日前-日内多时间尺度调度模型：

如图3所示为能量枢纽多时间尺度调度框架，其求解流程由图4所示。日前、日内优化分别以1h和15min为时间尺度。通过滚动优化减小供能侧与负荷侧波动对能源枢纽运行的影响。日前-日内多时间尺度能量枢纽优化模型共分为日前优化阶段和日内调整阶段两个阶段：

(1)日前优化阶段：根据所建立的能量枢纽运营商与用户的目标函数，提出基于Stackelberg博弈的供需互动优化调度策略。根据日前预测的源、荷信息，能量枢纽运营商以自身收益最大为目标制定出售的能源价格以及各设备出力计划，用户通过响应价格调整自身用能策略，采用差分进化算法和CPLEX求解博弈模型，使得供用双方所得利益最大，最终制定出日前调度计划。

(2)日内调整阶段：根据所建立的日内优化模型，提出激励型综合需求响应的日内优化调度策略。根据日前优化阶段所得调度计划，以15min为时间尺度，一日24小时内共划分为96个时间段，以日内第k个时间段，更新接下来控制时域M内源、荷预测信息。同时考虑激励型综合需求响应，以能量枢纽日内设备调整成本最低为目标，确定控制时域M内机组出力计划值以及可削减负荷量，但只执行t时段计划。在第k+1时段开始，更新日内预测数据，使用新的源、荷信息重复此日内优化步骤，滚动更新，直至96个时间段全部调整完毕。

7、算例分析验证：

7.1、参数设置：

以含多能供给的商业园区为例，其结构如图1所示，为表述方便，本发明用PV表示光伏发电，WT表示风电机组，GT表示燃气轮机，GB表示燃气锅炉，AR表示吸收式制冷机，AC表示电制冷机，BT表示蓄电池。通过1个含BT的冷热电联产系统系统、PV与WT对由4栋商业建筑组成的智能楼宇群集中供能。日前用户多能需求量与可再生能源预测出力曲线如图7所示；建筑相关热工参数、环境因素如表2所示；能源枢纽内设备与相关约束参数如表3所示；能量枢纽运营商向电网的购、售电价格如表4所示。

表2建筑参数

Table 2 Parameters of the buildings

表3能量枢纽参数

Table 3 Parameters of the EH

表4购售电价

Table 4 Prices for the purchase and sale of electricity

天然气价格为3.24元/m

本发明所研究的4栋商业建筑功能与开放时间如下：

建筑A：住宅楼，制冷时间为00:00-09:00和18:00-23:00；

建筑B：写字楼，制冷时间为08:00-20:00；

建筑C：公寓，制冷时间为全天；

建筑D：商场，制冷时间为10:00-22:00。

日内滚动优化的控制时域M取4h；假设日内可再生能源出力与负荷需求的预测均满足正态分布，其误差范围如表5所示。

表5源、荷日内预测不确定性水平

Table 5 Forecast uncertainty level of output and load

日内室温、水温设定温度遵循日前制冷、制热方案；电负荷削减率θ

7.2、日前调度分析：

图10(a)、图10(b)为执行综合需求响应策略后能量枢纽内部能源价格与相应的负荷优化结果。由图10(a)可知，能量枢纽运营商制定的内部电价始终在电网分时电价之间，为用户提供更优价格，故当08:00～12:00、16:00～22:00电价较高时，用户倾向将该时段的负荷转移到电价较低的00:00～7:00、23:00～24:00时段。同理，冷热负荷的优化结果分析与此类似，此处不再赘述，如图10(b)所示。

图11(a)～图11(d)表示日前各设备出力情况。在00:00～7:00，电价与负荷均较低，GT停机，通过WT向外部购电满足电负荷需求，通过AC制冷满足冷负荷需求，同时BT充电；在08:00～12:00，系统电负荷基本由GT发电承担，而BT作为补充，并向电网售电以提高经济效益，此时GT发电余热首先以满足热负荷需求，剩余热量通过AR制冷并以AC制冷作为补充，GB在06:00～07:00少量出力以满足热水负荷需求。在13:00～18:00，第一个电价平时段，由于PV、WT发电总量较高，而GT发电量也较高，这是为了利用发电余热，通过AR满足冷负荷需求，同时BT充电以应对接下来的负荷高峰。19:00～22:00是第二个峰电价时段，能量枢纽工作情况与08:00～12:00相似，但此时由于WT出力偏低，且无PV发电，因此GT出力较大，而由于此时也是冷、热负荷高峰，以此也需要AC出力补充冷负荷需求。23:00～24:00负荷逐步下降，而WT出力较高，因此GT发电量也逐步降低，由于此时冷、热负荷较低，所以GT发电余热可以满足其需求。

由图11(d)可以看出，在整个调度周期内，能量枢纽运营商向电网购电量与向气网购气量负相关，这体现了综合能源系统的多能互补特性，通过能量替代的方式降低了对某种特定能源形式的依赖，提升了系统的灵活性。

7.3调度方案经济性分析：

为了说明基于综合需求响应和主从博弈的能量枢纽多时间尺度优化调度的优势，设置了以下4种方案进行对比分析：

方案1：基于Stackelberg博弈，考虑价格型综合需求响应策略的日前优化调度；

方案2：在日前调度中，不考虑价格型综合需求响应策略，该方案为日前调度的参考方案；

方案3：在日内调度中采用滚动优化，不考虑多能负荷的削减与补贴，该方案为本发明日内调度的参考方案；

方案4：在日内调度中采用所提出的基于激励型综合需求响应的滚动优化调度，考虑多能负荷的削减与补贴。

4种运行方案下优化结果对比如表6所示。

表6不同方案的成本对比

Table 6 Cost comparison of different schemes

在日前调度阶段，由于方案1考虑了价格型综合需求响应策略，用户能够根据自身利益灵活的调整用能策略，即将高峰时期的负荷进行转移或者削减，从而降低自身购能成本，并且能量枢纽运营商也能缓解高峰负荷时期的供能压力，从而提高了系统的经济性。由表6可知，相比方案2，方案1中能量枢纽运营商净利润上升了3.9％，用户购能成本下降了2.46％。在日内阶段，由于方案4考虑了激励型综合需求响应，用户通过调整用能策略削减了一部分冷、热、电负荷，因此相比方案3，用户购能成本下降了1.3％，且能量枢纽运营商净利润提升了1.68％。故所提的激励型综合需求响应策略实现了能量枢纽运营商与用户的双赢。

为了更有效的证明所提含综合需求响应的多时间尺度调度在平抑功率波动方面的有效性，引入DA-P策略与方案3和方案4进行对比，其对比结果如表7所示。

表7不同方案的结果对比

Table 7 Comparison of results of different schemes

DA-P是指基于日前调度结果，通过电网和气网来平抑预测误差带来的功率波动。由于DA-P策略主要通过调整购气和购电功率来平抑功率波动，从而使联络线上产生了大量的功率波动，并且平抑过程中产生了大量的购电、购气成本，导致系统运行成本增加。而方案4通过合理调整各设备的出力，有效平抑了预测误差带来的功率波动；此外，还通过利用综合需求响应削减部分用能负荷，降低各设备出力调整量，使能量枢纽减少对外部电网的依赖，进一步平抑了交互功率波动率。由表7可知，方案4中的交互功率波动率相比DA-P和方案3分别下降了11.49％和3.68％，并且系统运行成本分别降低了6.9％和4.17％。通过上述分析，验证了方案4在经济性和稳定性方面的优势。

7.4、日内调度分析：

图12(a)～图12(d)与图13分别为本发明日前-日内建筑室内温度与生活热水温度调度结果对比。由图12(a)～图12(d)可知，对于在工作时间内的建筑，00:00～08:00时日内实际温度对比日前几乎无变化，日内室温波动主要集中在09:00～17:00时段，这一时间段日内室温部分上升将提高能量枢纽经济性；18:00～22:00时公寓楼与商场日前计划室温较高，可供调度的综合需求较小，因此室温变化较小，只有日前计划温度较低的住宅楼在日内该时段室温有所上升。

生活热水温度变化不仅影响能量枢纽运行经济性，并且若GT发电余热直接供给热水负荷时，相比通过AR供给建筑制冷负荷时的经济效益更高，因此日内热水温度与GT功率波动也相关。如图13可知，在09:00～16:00时段电负荷较高，而此时热水需求量较小，因此降低水温可以减少能量枢纽运行成本；而16:00～22:00时段热水需求量较高，此时室温波动较剧烈，该部分时刻水温较日前计划有所升高，这主要是为了有效利用GT发电余热，缓解GT出力波动。

图14(a)～图14(d)给出了本发明日前-日内部分电能设备优化出力结果对比。由于日前与日内阶段的时间尺度和源、荷信息预测值差异较大，采取滚动优化方式的日内调度通过逐级细化，使能量枢纽内多种设备参与到波动平抑中，因此能量枢纽内各设备出力情况都有一定修正，使结果更准确。此外，在日内调度阶段，由于设备出力调整成本较高，因此本发明充分利用激励型综合需求响应策略以及与电网的功率交互降低日内综合运行成本。对于BT，由于频繁的充放电状态改变对电池寿命的影响较大，因此日内调度阶段BT的充放电状态与日前保持基本一致，可延长BT使用寿命。