基于自适应鲁棒优化的分布式综合能源系统（含主动配电网与区域供热网）最优调度研究

《Energy and AI》：Distributed optimal scheduling of integrated energy system including ADN and DHN with adaptive robust optimization

随着分布式能源的快速增长，主动配电网（ADN）与区域供热网（DHN）的协同运行成为提升综合能源系统（IES）灵活性与经济性的关键。然而，负荷与可再生能源（RES）的不确定性、多主体隐私保护等问题给IES最优运行带来挑战。本文提出一种基于交互能源（TE）市场的分布式优化调度框架，采用交替方向乘子法（ADMM）与自适应鲁棒优化（ARO），在考虑配网与热网约束、建筑与管道热惯性的条件下，实现了多微网（MMG）与配电系统运营商（DSO）的协同优化。数值仿真表明，该方法能有效降低系统运行成本，提升能源利用效率，为高比例可再生能源接入下的IES经济可靠运行提供了新思路。

　　

在全球应对气候变化、推进能源系统脱碳的宏大背景下，电力系统的转型尤为关键。以风能、太阳能为代表的可再生能源（RES）正以前所未有的速度接入电网，传统的被动式配电网因此转变为能够主动管理与控制分布式资源的主动配电网（ADN）。与此同时，区域供热网（DHN）作为一种高效的多能流利用系统，通过与电力系统（特别是热电联产CHP单元）协同，为提升综合能源系统（IES）的整体能效与灵活性提供了新路径。微电网（MG）作为局部管控单元，能够有效保障供用电平衡，但在高比例可再生能源渗透的场景下，其单独运行的可靠性有限。将多个微电网互联构成多微网（MMG）系统，协同运行于ADN中，可以显著增强系统的弹性与可持续性。然而，现实世界充满了不确定性——波动的可再生能源出力、难以精准预测的负荷需求，以及各参与主体（如配电系统运营商DSO与多个微电网）之间因商业竞争或数据安全而产生的“信息孤岛”与隐私顾虑，都给IES的最优协同调度带来了严峻挑战。传统的集中式优化方法尽管能求得全局最优解，但难以满足多主体隐私保护需求，且计算复杂度高。另一方面，现有的许多研究在探索电-热联合市场与调度时，往往忽略了热力网络的详细物理约束（如管道热惯性）、建筑的热动态特性，或者未能同时兼顾电力与热能交易的动态定价与不确定性，导致模型与实际情况存在差距。为了填补这些研究空白，一项题为《基于自适应鲁棒优化的分布式综合能源系统（含主动配电网与区域供热网）最优调度研究》的工作在《Energy and AI》上发表。该研究旨在为包含ADN和DHN的IES设计一个既能保护各主体隐私，又能鲁棒应对不确定性的分布式最优调度方案。

为攻克上述难题，研究人员综合运用了多种先进建模与优化方法。首先，构建了一个包含ADN、DHN以及多个接入的MG的IES物理架构模型。其中，ADN采用线性化交流潮流模型以保证计算效率与精度，DHN则采用恒质量流量、变温度的运行模式，并考虑了管道热储存能力与建筑热惯性（采用一阶等效热参数模型）。市场机制上，设计了包含日前（DA）与实时（RT）的批发市场、以及基于交互能源（TE）理念的内部电-热市场。优化模型的核心是一个三层决策问题：最上层是DSO的最小化运营成本决策，中间层是MG的成本最小化决策，最下层则描述了不确定性（RES出力和负荷）的最坏情况实现。为高效求解这个复杂的分布式优化问题，研究采用了交替方向乘子法（ADMM） 以实现DSO与各MG之间的分布式协同计算，保护各方隐私；并采用自适应鲁棒优化（ARO） 来处理RES和负荷的不确定性，使得调度方案在不确定性集内是鲁棒的。具体的求解算法结合了列与约束生成（C&CG） 以及嵌套列与约束生成（Nested C&CG） 方法。

研究结果

1. IES框架与模型构建

研究提出了一个由DSO运营的IES框架。该框架包含一个与主网连接的辐射状ADN，其中接入了光伏（PV）和风机（WT）。DHN由供回水管网组成，通过换热器向用户供热。多个MG连接到ADN的不同节点，可与DSO进行电力和热能交易。MG的热负荷分为不可控热水负荷和可控的空间采暖负荷，其灵活性由需求响应（DR）、储能和建筑热惯性提供。研究考虑了四个市场：电力/热能的日前与实时批发市场、以及电力/热能的内部TE市场。DSO与MG作为独立主体，通过ADMM进行分布式协调优化。

2. DSO模型与市场机制

DSO的目标是最小化其总运营成本，包括：在批发市场购买电/热的成本、CHP机组运行成本、RES运维成本，减去与MG在内部市场交易获得的收入。为激励MG参与内部市场，设计了基于日前批发市场价格预测的激励性定价机制：实时内部市场采用价格天花板/地板，日前内部市场价格则与MG的总交易量呈线性关系。这确保了内部价格既对MG有吸引力，又能反映系统供需状况。

3. MG模型与灵活性资源

每个MG的目标是最小化其自身成本，包括：从DSO购买能源的成本、DR成本、储能运维成本，减去向DSO出售能源的收入。MG的灵活性来源于电/热储能、建筑的CTL（通过DR调节）以及建筑的热惯性。建筑热动态采用一阶模型进行描述，使其温度变化与供热输入、室外温度及自身热特性相关。

4. 网络约束与物理模型

研究充分考虑了ADN和DHN的物理约束。ADN采用线性化的交流潮流方程，约束了节点电压和线路潮流。DHN采用恒流量变温度模型，建模了供回水管网的水力与热力方程，并考虑了管道的时间延迟效应（即热惯性）。CHP机组采用凸多边形模型描述其电-热耦合运行可行域。

5. 不确定性建模与分布式求解

RES出力和电/热负荷的不确定性采用有界区间的不确定性集来描述。通过ARO框架，将问题转化为一个min-max-min的三层鲁棒优化模型。再利用ADMM算法，将原问题分解为DSO主问题和多个MG子问题，通过迭代交换边界变量（交易量与价格）实现分布式求解，过程中各主体无需公开私有成本函数与约束信息。

6. 数值仿真与分析

在一个修改的33节点ADN和相应的DHN测试系统上进行了数值仿真。设置了多种场景进行对比，包括：集中式与分布式方法对比、考虑与忽略热惯性对比、以及不同不确定性预算下的表现。结果表明：

• •
  所提出的分布式ARO方法能在保护隐私的前提下，有效逼近集中式优化的性能，降低DSO和MG的总运营成本。
• •
  利用建筑和管道的热惯性能够提供显著的调度灵活性，帮助平抑可再生能源波动，减少在实时高价市场的购买量，从而进一步降低成本。
• •
  所设计的内部TE市场机制能成功引导MG参与本地能源交易，优化整体资源配置。
• •
  随着不确定性预算增大，系统总成本增加，但ARO方案相比确定性方案表现出更强的鲁棒性，避免了极端场景下的高成本。

研究结论与意义

本研究成功开发了一个用于ADN与DHN互联的IES的分布式、自适应鲁棒优化调度框架。该框架的创新性与重要意义体现在以下几个方面：

首先，在方法论上，创造性地将ADMM与ARO相结合，解决了在不确定性环境下多主体、隐私保护的协同优化难题。通过分布式计算，既尊重了现实中DSO与MG可能分属不同运营商的市场格局，又通过理论推导和仿真验证了该方法的有效性和收敛性。

其次，在模型完备性上，研究同时考虑了电力与热能两种能源载体，涵盖了从批发市场到本地TE市场的多层次交易机制，并详细建模了ADN的交流潮流约束、DHN的水热力学方程、CHP的运行特性，以及建筑与管道的热惯性。这种全面而细致的建模使得研究结论更具工程参考价值。

最后，在实际应用上，数值仿真证实了所提方案能够实现电-热动态定价，充分利用热惯性等灵活性资源，在高比例可再生能源接入的背景下，显著提升IES运行的经济性与可靠性。这为未来城市能源互联网、碳中和园区等场景的调度控制系统提供了重要的理论工具与实践思路。

综上所述，这项工作不仅为综合能源系统的优化运行贡献了一个先进的、可落地的解决方案，也为能源领域人工智能（AI）的应用，特别是在处理不确定性、多主体博弈与复杂物理约束方面，提供了一个杰出的范例。