考虑综合需求响应的园区综合能源系统经济性优化方法

刘雪飞，赵海彭，胡 珀，尹斌鑫，庞 凝，苗世洪

(1.国网河北省电力有限公司经济技术研究院，河北 石家庄 050000；2.华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室，电力安全与高效湖北省重点实验室，湖北 武汉 430074)

园区综合能源系统(park-level integrated energy system，PIES)以电力系统为核心，耦合电、热、冷、气多种能源，具有能源协调互补、节能环保等多种优势，能够实现能源的高效利用，满足居民生活的能源多样化需求。作为PIES中的关键能量转换设备，热电联产(combined heat and power, CHP)机组可以同时输出电热功率，能源综合利用效率高。然而，CHP机组输出的电热功率刚性耦合，而电能、热能的需求往往在时间上存在差异，系统在运行灵活性不足时，将面临新能源弃用与资源利用不协调等一系列问题，严重影响系统经济效益[1]。

建设电锅炉、地源热泵、燃料电池等能量耦合设备或配置多类型储能以协调能源供给结构，已成为解决CHP机组电热耦合效应弊端的有效手段[2-5]。然而，上述技术手段在提升运行效益的同时，也会极大地增加系统投资成本。综合需求响应(integrated demand response, IDR)在电力需求响应基础上发展而来，能够有效地调节PIES用户侧的多种能源需求，可以显著优化PIES运行[6]。在配置能量转换与储能设备时考虑IDR因素，有利于降低所需设备的容量。因此，研究考虑IDR与设备优化规划的PIES经济性提升方法具有重要意义。

当前，在IDR行为特性建模方面，文献[7]提出了考虑可转移、可中断、可替代负荷的IDR机制，提高PIES的灵活性和经济性；文献[8]面向商业园区，构建了包含冷/热/电/气的IDR模型；文献[9]详细描述了居民用户的建筑特性，构建考虑用户建筑储能的IDR模型。上述文献主要针对能源枢纽与商业中心等类型负荷的IDR行为特性进行建模，具有一定的借鉴意义。而居民用户拥有大量的多类型可调节资源，具有主体繁多且分散的特点，其参与IDR行为特性复杂，传统的IDR模型难以精确反映居民用户的行为特性。因此，有必要考虑居民用户响应资源的多样性及响应行为的复杂性，建立其精确的IDR模型。

在计及IDR的设备规划问题方面，文献[10]提出了计及电/热IDR的多能微网规划方法，但用户侧能源耦合形式较为简单；文献[11]考虑电/热/气IDR对微网多种储能容量进行优化配置，但是其IDR模型不适用于居民用户，且未考虑能量转换设备的配置问题。因此，考虑居民用户IDR的PIES经济性优化问题仍有待研究。综上所述，现有关于PIES的经济性优化方法存在不足，在综合能源系统设备规划时，较少考虑IDR因素，并且针对居民用户的IDR模型尚不完善。

针对以上问题，本文首先充分考虑用户各类响应资源，建立包含价格型响应与激励型响应的IDR模型；其次，分析居民用户参与需求响应的行为特性，并建立PIES控制室温偏差与用户参与激励型需求响应积极性的关联特性模型；最后，构建考虑设备容量扩展规划并计及居民用户参与IDR的PIES经济性优化模型。算例分析表明，本文提出的PIES经济性优化方法能够充分地利用居民用户的调节资源，并合理配置增建设备的容量，有效地提升了园区综合能源系统的经济性。

1 充分考虑居民用户响应资源的IDR模型

考虑居民用户参与IDR的园区综合能源系统结构如图1所示。

图1 园区综合能源系统Figure 1 Park-level integrated energy system

园区综合能源系统向用户供应电气热冷多种类型能源，综合需求响应方式包括单一能源横向的自我调节、不同能源纵向的耦合替换[12]。

综合能源系统中各能源子系统的性质差异明显。电力系统要求供需实时平衡，而居民用电习惯导致日内峰谷差明显，因此可采用实时、分时电价等手段以调节电力用能时段。燃气系统同样需要保证供需平衡，但燃气易于存储，因此并未形成分时计价的售气模式。热力系统主要为用户调节室内温度，用户对室内温度的感知具有模糊性，为冷热负荷提供了灵活的可调节空间[13]。各类能源在用户侧存在耦合关系，意味着用户不同类型的负荷可互相替代。通过控制与管理用户侧能源转换设备，以调节不同类型负荷的大小，对PIES能源子系统间的相互协调具有重要意义。

根据用户侧负荷的特性，将可参与响应的负荷分为转移型负荷、替代型负荷以及因用户温度感知模糊性提供的室温调节负荷，用户参与响应的方式可分为价格型与激励型2种。

1.1 价格型需求响应

(1)

1.2 激励型需求响应

(2)

式中 ΔPr,t、ΔFr,t、ΔHr,t、ΔUr,t分别为替代型电、气、热、冷负荷响应量；ηLCON_H、ηLCON_U、ηLGH分别为负荷侧的空调制热效率、空调制冷效率、燃气供暖设备制热效率；λ1,t、λ2,t分别为空调制热、空调制冷所占替代型电负荷响应量的比重，且λ1,t+λ2,t=1。

室温调节负荷响应是一种PIES在一定范围内调节用户室内温度，使得用户冷热需求变化的响应方式。用户对温度感受具有模糊性，因此室温具有一定的可调节性。用户对温度感受一般用热舒适度表征，评价热舒适度的指标有预测平均评价(predicted mean vote, PMV)指标以及ASHRAE协会的热舒适要求指标等。PMV是较为常用的一种热舒适度评价指标，基于人体热平衡的基本方程式以及心理学主观热感觉等，采用7级分度表征人体热舒适体验，PMV数值与热感觉关系如表1所示。ISO7730推荐PMV值在±0.5之间。根据PMV值计算方法[15]，可以求得室温的可控变化范围。

表1 PMV数值与热感觉关系Table 1 Relationship between PMV and thermal sensation

(3)

式中qS0,i,t为基础的室温调节负荷；ΔqS,i,t为用户响应的室温调节负荷；Si为用户i的散热面积；γi为用户的热损失系数；Ri为用户i房屋总热容；Tbest为最舒适的室内温度；Tin,i,t为用户i在t时刻建筑的室内温度；Tout,t为t时刻建筑的室外温度；qother,i,t为阳光照射、室内设备工作等给房屋带来的热功率；Δt为调度时间间隔；HL,i,t、UL,i,t分别为PIES向用户i供应的热功率与冷功率；ΔHf,i,t、ΔUf,i,t分别为用户i室温调节的热负荷响应量与冷负荷响应量；ΔHr,i,t、ΔUr,i,t分别为用户i替代型热负荷响应量与替代型冷负荷响应量。

式(3)中用户参数与系统参数关系为

(4)

式中HL,t、UL,t为PIES实施IDR后的热负荷与冷负荷；Nuser为用户数。

因此，实施IDR后的负荷为

LIDR,t=L0,t+ΔLp,t+ΔLr,t+ΔLf,t

(5)

式中LIDR,t为PIES实施IDR后的负荷向量，由响应后的电负荷PL,t、气负荷FL,t、热负荷HL,t、冷负荷UL,t组成；L0,t为PIES实施IDR前的负荷向量，由响应前初始的电负荷PL0,t、气负荷FL0,t、热负荷HL0,t、冷负荷UL0,t组成。

2 居民用户参与需求响应特性分析

根据文第1章建立的IDR模型可知，需求响应形式分为价格型与激励型2类。价格型响应通过电价进行引导，用户自主进行响应，采用价格需求弹性模型可以较为准确的描述价格型响应量ΔLp,t。激励需求响应需要PIES进行控制，其由ΔLr,t与ΔLf,t组成，ΔLr,t与用户的制冷制热设备调节相关，ΔLf,t与用户的室温设置相关。室温调节作为居民用户的基本需求，用户对其具有主导的控制权，可以选择性的确定是否交由系统控制，因此在确定激励需求响应量ΔLr,t与ΔLf,t时，需要分析用户参与激励响应的行为特性。

用户参与激励响应的意愿与最舒适室温Tbest和系统控制室温Tsys的差值ΔT密切相关。由于用户对于室温变化的承受能力存在差异，因此随着PIES控制的温度偏差增大，用户参与需求响应的积极性将逐渐降低。居民用户随室温调节程度的参与响应情况如图2曲线A所示。根据用户参与室温调节的激励响应情况，可分为完全响应区、部分响应区和无响应区3个部分。在完全响应区，|ΔT|小于等于室温偏差下限Tlow，室温变化程度处于用户最适温度感知模糊性范围内，用户不会因室温调节感到不适，将全部参与激励需求响应；在部分响应区，|ΔT|处于室温偏差下限Tlow与上限Tup之间，部分用户因室温变化较大退出激励需求响应，不再接受PIES对其室温及温度调节设备的控制，并通过温度调节设备自主调节室温至-Tlow至Tlow范围内；在无响应区，|ΔT|大于等于室温偏差上限Tup，室温变化程度过大，所有用户均难以忍受室温偏差造成的不适，全部退出激励需求响应。

图2 居民用户随室温调节程度的参与响应情况Figure 2 Participation response of residential users with the degree of room temperature adjustment

用户的上述需求响应行为特性可表示为

Npuser=

(6)

式中Npuser为参与激励需求响应的用户数；Nuser为用户总数；Tlow、Tup分别为室内温度限值。

用户退出需求响应后将调节室温至舒适区，假设其设定温度Tset～N(Tbest,σ2)，为简化计算并尽可能贴合实际，实际优化过程中采用其期望值，即取Tset为Tbest。因此，根据居民用户参与激励需求响应与否分成2类，Ⅰ类为参与需求响应的用户，Ⅱ类为退出需求响应的用户。每个时刻根据PIES的室温控制信号，Ⅰ类与Ⅱ类用户之间存在相互的转换。Ⅰ类用户由PIES控制室温，在t时刻Tin,Ι,t为Tsys,t；Ⅱ类用户自行设置舒适温度，在t时刻Tin,ΙΙ,t为Tset。用户的室温设置为

(7)

式中ui,t为0-1变量，表示用户i在t时刻参与激励需求响应的状态，当ui,t=1时，代表用户参与激励需求响应，否则用户不参与激励需求响应。

居民用户数量众多，拥有大量的调节资源，然而其具有小而分散的特点，若将每个用户作为单独的个体去进行分析，会导致0-1变量及约束条件过多，难以求解。为此，可以将行为相似的多个用户视作一个单元进行分析，部分响应区如图2曲线B所示，式(6)、(7)分别转化为

Npuser,t=

(8)

(9)

每个单元的建筑热平衡模型可等效为一个房间进行分析[18]，式(3)、(4)可进一步表示为

(10)

式(8)～(10)中nG为用户单元数量；n=1,2,…,nG-1；Td为室内温度变化分段值，Td=(Tup-Tlow)/(nG-1)；uG,i,t为用户单元i在t时刻参与激励需求响应的状态；TGin,i,t为用户单元i在t时刻的室内温度；qGS0,i,t为用户单元i基础的室温调节负荷；ΔqGS,i,t为用户单元i响应的室温调节负荷；K1,i、K2,n均为常数系数，与用户单元i等效散热面积SG,i、等效热损失系数γG,i、等效总热容RG,i以及调度时间间隔Δt相关；qGother,i,t为用户单元i的总干扰热功率；HGL,i,t、UGL,i,t、ΔHGr,i,t、ΔUGr,i,t、ΔHGf,i,t以及ΔUGf,i,t分别为用户单元i的系统热功率供给量、系统冷功率供给量、替代型热负荷响应量、替代型冷负荷响应量、室温调节热负荷响应量以及室温调节冷负荷响应量。通过将大量而分散的居民用户划分为用户单元，居民用户参与激励需求响应特性分析得以简化。

3 PIES经济性优化模型

本文针对CHP机组热电出力的刚性耦合降低系统经济性的问题，提出配置能量耦合设备与多类型储能装置，以及考虑居民用户参与需求响应的解决方法，所建立的园区综合能源系统经济性优化模型如下。

3.1 优化目标

本文以园区综合能源系统的日均建设运行成本最小为目标，进行系统的经济性优化。优化模型的目标函数为

minCO=CBUY+COP+CPUN+CESP

(11)

(12)

式中CO为系统的日均建设运行成本；CBUY、COP、CPUN、CESP分别为系统外部购能成本、运行维护成本、弃能惩罚成本和以全寿命周期成本折算的增建设备日均投资成本；φE,t、φG、φH分别为外部购电、购气及购热价格；PBUY,t、FBUY,t、HBUY,t分别为t时刻系统的外部购电量、购气量、购热量；Δt为调度时间间隔；T为调度周期总时段数；Ei,t为设备i在t时刻的出力；cop,i为设备i的维护成本；cstart,i为设备启停成本；Nstart,i为设备启动次数；cPUN为弃能惩罚系数；PAWP,t、PAPV,t、HABAN,t分别为弃风量、弃光量与弃热量；CINI、CREP、CCON,i分别为增建设备的日均安装成本、日均置换成本以及设备i的总安装成本；ND为系统中设备数量；NC为系统增建设备数量；NP为工程周期；ζ为折现率；ni为设备i的寿命；Ki=NP/ni，当NP/ni为非整数时，向0取整。

3.2 约束条件

3.2.1 设备约束

热电联产机组、燃气锅炉(gas boiler, GB)、热泵(heat pump, HP)、吸收式制冷机(absorption chiller, AC)、储能设备(energy storage, ES)的详细运行模型可参见文献[19-20]。本文考虑建设的设备包括GB、HP及电池储能(battery energy storage, BES)、热储能(heat storage, HS)、冷储能(cold storage, CS)。

1)CHP机组出力约束为

(13)

式中PCHP,t为t时刻CHP机组输出的电功率；HCHP,t为t时刻CHP机组输出的热功率；sCHP,t为t时刻CHP机组的运行状态，sCHP,t=0为机组在t时刻停机，sCHP,t=1为机组在t时刻运行；PCHP_MIN与PCHP_MAX为CHP机组的最小与最大电功率；HCHP_MIN与HCHP_MAX为CHP机组的最小与最大热功率。

2)GB出力约束为

0≤HGB,t≤sGB,t(HGB_MAX+HGB_ESP)

(14)

式中sGB,t为GB在t时刻的运行状态，sGB,t=1表示GB在t时刻运行，否则表示停机；HGB,t为t时刻GB输出的热功率；HGB_MAX为系统原有GB的最大热功率；HGB_ESP为增建GB的热功率。

3)HP出力约束为

(15)

式中sHP_H,t、sHP_U,t分别为t时刻HP制热状态变量与制冷状态变量，状态变量为1时，表示HP工作在该状态，否则表示未在该状态；HHP,t、UHP,t分别为t时刻HP输出的热功率与冷功率；HHP_MAX、UHP_MAX分别为系统原有HP最大热功率与冷功率；HHP_ESP、UHP_ESP分别为增建HP的热功率与冷功率。

4)AC出力约束为

0≤UAC,t≤sAC,tUAC_MAX

(16)

式中UAC,t为AC制冷功率；sAC,t为t时刻AC的工作状态，当其值为1时，表示设备运行，否则表示设备停机；UAC_MAX为AC最大制冷功率。

5)ES的能量状态范围与充能、放能功率约束为

(17)

式中SES,t为ES在t时刻的能量状态，即当前储存能量与最大存储能量的比值；SES_MIN、SES_MAX为ES能量状态的下限与上限；PESc,t、PESd,t为ES在t时刻的充电与放电功率；PESc_MAX、PESd_MAX为ES充能与放能功率上限；PESc_ESP、PESd_ESP为增建ES的充能与放能功率；sESc,t、sESd,t分别为储能的充能与放能状态，当值为1时，表示储能处于对应的状态。

3.2.2 能源子系统约束

1)电力系统。PIES中电力系统部分由外部电网、风力发电机组、光伏发电机组、CHP机组、BES、HP和电负荷组成，其功率平衡关系为

(18)

式中PBUY,t为购电功率；PWP,t为风力发电功率；PPV,t为光伏发电功率；PCHP,t为CHP机组输出的电功率；PBESc,t、PBESd,t为电池的充、放电功率；PHP,t为热泵耗电功率。

2)燃气系统。PIES的燃气系统属于低压配气系统，可仅考虑气量平衡。燃气系统部分由外部气网、CHP机组、GB以及燃气负荷组成，园区综合能源系统中，单位时间燃气流量平衡方程为

FBUY,t-FCHP,t-FGB,t=FL,t

(19)

式中FBUY,t为购气流量；FCHP,t为CHP耗气量；FGB,t为GB耗气量。

3)热力系统。PIES的热力系统分为供热系统与供冷系统2个部分。PIES供能范围小、管道距离短，因此忽略热力系统传输的惯性及损耗。

供热系统部分由外部购热、CHP机组、GB、HP、HS、AC以及热负荷组成，系统热功率平衡约束为

(20)

式中HBUY,t为系统外部购热功率；HHSc,t、HHSd,t为储热装置的充、放能功率；HCHP,t为CHP机组输出的热功率；HGB,t为GB输出的热功率；HHP,t为HP输出的热功率；HAC,t为AC消耗的热功率；HABAN,t为弃热量。

供冷系统部分由AC、HP、CS以及冷负荷组成，系统冷功率平衡约束条件为

UAC,t+UHP,t+UCSd,t-UCSc,t=UL,t

(21)

式中UAC,t为AC输出的冷功率；UHP,t为HP输出的冷功率；UCSc,t、UCSd,t为储冷装置的充、放能功率。

4)其他约束。风电、光伏出力约束为

(22)

式中PWPfore,t、PPVfore,t分别为风电与光伏预测出力。

系统以并网不上网模式运行，仅能从外部购能，不能售能，因此购电量与购气量需满足：

(23)

3.2.3 综合需求响应约束

根据文第1、2章相关内容，综合需求响应需满足式(1)、(2)、(5)、(8)～(10)的约束。

电价需求响应的电价变化量需要满足：

-kp·pt≤Δpt≤kp·pt

(24)

式中kp为电价允许变化比例；pt为t时刻用户初始电价；Δpt为t时刻用户电价变化量。

替代型需求响应考虑用户能量耦合设备出力限制，对替代型负荷响应量进行约束，即

(25)

式中HLCONM为用户空调的最大制热功率；ULCONM为用户空调的最大制冷功率；HLGHM为用户燃气供暖设备最大功率。

3.3 非线性约束转换

在文3.2节的约束条件中，式(8)、(9)所示的居民用户参与激励需求响应特性约束，以及式(14)、(15)、(17)组成的能量转换设备与储能装置的容量规划约束存在非线性问题。大M法是一种通过引入一个极大常数以及辅助二进制变量，将逻辑或的非线性约束转换为等效线性约束的方法[20]。因此，本文采用大M法将非线性规划问题转换为混合整数线性规划问题，消除模型中的非线性约束。借助大M法，式(8)可转化为

(26)

式中Ni为第i段用户参与数；Ti为第i段与第i+1段分段处的温度偏差值；zi,t为0-1变量；M为一个近似无穷大的常数。当zi,t=1时，式(26)等效为Ti-1<ΔTt≤Ti、Npuser,t=Ni，表示式(8)第i段温度偏差范围以及对应的参与激励需求响应用户单元数量。因此，式(26)与式(8)等价。

式(9)的非线性部分可转化为

(27)

当uG,i,t=1时，式(27)等效为Tsys,t≤Tin,i,t≤Tsys,t；当uG,i,t=0时，式(27)等效为Tset≤Tin,i,t≤Tset。因此，式(27)与式(9)等价。

式(14)、(15)、(17)线性化方法相似，此处以式(14)为例，其结果为

(28)

对于式(28)，当sGB,t=1时，式(28)与0≤HGB,t≤(HGB_MAX+HGB_ESP)等价；当sGB,t=0时，式(28)与HGB,t=0等价。因此，式(28)与式(14)等价。

通过大M法转化，本文所建立的园区综合能源系统经济性优化模型中非线性约束转化为线性约束，求解过程得到简化。

3.4 求解方法

本文的优化问题为混合整数线性优化问题，采用MATLAB的YALMIP工具箱调用CPLEX求解器进行求解。

4 算例分析

本文算例以华北地区某园区为例进行分析，其结构如图1所示，各设备与储能的运行及规划参数见表2。园区服务180个居民用户，用户空调制热/冷与燃气供暖设备的最大功率均设置为0.75 kW，用户空调制热冷效率为3.5，燃气供暖效率为1.0。算例中将用户划分为5个单元，每个单元36个用户。全年365天划分为过渡季、供冷季与供热季，比例为61∶153∶151[21]。该地区过渡季、供冷季与供热季典型日的风光出力、电/气负荷如图3所示，温度数据参见文献[15]。系统供冷季集中供冷，供热季集中供热，过渡季不供应热力。因此，为避免资源浪费，在过渡季限制CHP机组运行。系统购电价格采用分时电价，峰时段10:00—15:00、18:00—21:00为1.378 2元/(kW·h)，谷时段01:00—07:00、24:00为0.365 8元/(kW·h)，其余时段为0.859 5元/(kW·h)，需求响应电价允许变化比例设定为0.2；天然气价格为2.83元/m3；购热价格为0.6元/(kW·h)。电负荷中转移型负荷占比为50%，设置电价弹性矩阵自弹性系数为-0.2。用户温度响应范围设置为Tlow=0.5 ℃与Tup=2.5 ℃；仅考虑IDR而不考虑用户参与激励响应行为时，室温可变范围设置为±2 ℃。以24 h为调度周期，调度时段数T=24，单位调度时间Δt=1 h。工程周期NP=20 a，折现率ζ=8%。

表2 系统设备参数Table 2 System equipment parameters

图3 典型日的电气负荷及风光出力数据Figure 3 Electrical & gas load and WTG & PV cell output data of typical day in transition

4.1 场景设置

为分析本文所提经济性优化模型对园区综合能源系统经济性的提升作用，设置如表3所示场景。

表3 场景设置Table 3 Scenario setup

4.2 典型日下IDR对系统运行影响分析

本文提出了充分考虑居民用户响应资源的综合需求响应模型，并且计及了用户的参与特性。为验证IDR对系统运行的影响，本文对比原始系统(场景1)、考虑IDR的系统(场景2)与计及用户参与IDR特性的系统(场景3)的运行情况。

4.2.1 IDR结果分析

不同场景下，系统负荷及用户用能情况如图4、5所示。通过场景2、3的价格型需求响应结果可知，采用电价引导用户可以实现对电负荷的削峰填谷。对比场景2、3与场景1的系统负荷及用户用能情况。

图4 供冷季不同场景下的电/冷负荷及用户用能情况Figure 4 Electrical/cold load and user-adjusted energy under different scenarios in cooling season

1)对于供冷季，IDR在电负荷谷时段增加用电需求。在电负荷峰时减少用电需求；午间时段光伏出力较多，经济效益较好的CHP出力受限，而冷负荷较大。在场景1的午间时刻，系统通过效率较低的GB供给AC热能用于制冷，因此在该时段通过空调供冷增加用电需求，有利于增加CHP机组出力，并提升系统经济效益。系统冷负荷在01:00—18:00时段与22:00—24:00时段减少，降低冷负荷有利于系统运行及经济性提升；在19:00—21:00时段，该时段电价较高，冷负荷受电负荷影响，CHP机组增发满足系统电能需求，同时增发的热能为避免浪费用于AC供冷，系统冷负荷增加。

图5 供热季不同场景下的电/热负荷及需求响应情况Figure 5 Electrical/heat load and user-adjusted energy under different scenarios in heating season

2)对于供热季，系统01:00—08:00时段及24:00时刻IDR作用下用户大规模响应，这部分时段电负荷较小而热负荷较大，系统CHP机组为满足供热需求增加出力，易造成了风电的弃用。场景2与场景3在此时通过电热替代增加电负荷减小热负荷，有利于系统风电的消纳，避免从外部高价购热，使得系统经济性提升。在19:00—21:00时段，热负荷受电负荷影响而增加，其与供冷季冷负荷调节原因一致。通过供热季01:00—08:00时段需求响应情况可知，此时用户空调优先响应并达到最大出力，同时燃气供暖设备大量出力用以减小热负荷，可见相对于仅考虑空调的IDR模型，本文模型对用户的响应资源利用更加充分。

4.2.2 用户参与IDR意愿分析

不同场景下系统设定室温如图6所示。对比场景2与场景3的系统设定室温，两者室温设定的整体趋势一致。但是，由于场景3考虑到用户参与需求响应的行为特性，系统设定室温偏离最适温度的程度相对较小。场景3用户参与激励需求响应情况如图7所示。

图6 不同场景下系统设定室温Figure 6 Room temperature setting in different scenarios

图7 场景3的用户参与激励需求响应情况Figure 7 User participation incentive demand response in scenario 3

1)在供冷季，01:00—12:00时段，系统处于轻度调节状态，4个用户单元参与需求响应；13:00—16:00时段，由于光伏高发限制CHP机组出力造成了系统供冷效率下降，系统深度调节系统冷负荷，此时3个用户群参与响应，由图4可知，该时段用户空调参与调节使得系统冷负荷下降；17:00—23:00时段，电负荷较高而风光出力较小，为避免高价购电CHP机组大量出力，此时系统保持设定室温不至于过低造成用户不适，因此5个用户单元全部参与响应；24:00时刻，CHP机组退出，系统通过调节降低冷负荷。

2)在供热季，01:00—07:00时段，由于该时段风电高发并且电负荷较小而热负荷较大导致弃风，系统在此时大幅调节热负荷，使得用户侧利用电、气资源替代热能，达到减小热负荷并增大电负荷的目的，促进了风电的消纳；08:00—15:00时段，系统对用户室温进行较小程度的调节以提高经济性；16:00—23:00时段，与供冷季相应17:00—23:00时段原因相似，此时系统保持设定室温不至于过高造成用户不适，因此5个用户单元全部参与响应；24:00时刻，CHP机组退出，系统控制用户空调进行响应满足供热需求。

上述分析表明，IDR可以优化园区综合能源系统的运行，且在考虑用户行为特性后，IDR将顾及用户的舒适度与忍受能力，调节程度相对减轻。综合需求响应对系统经济性影响如表4所示，场景2相比于场景1，供热季系统运行成本显著降低，供冷季运行成本同样有一定程度的下降。场景3相比于场景2，经济性略有下降，但相较于场景1，系统经济性仍得到了明显提升。

表4 综合需求响应对系统经济性影响Table 4 The influence of IDR on system economy 元

4.3 考虑增建设备与IDR的经济性提升效果分析

本文PIES经济性优化模型同时考虑了设备容量的进一步优化以及用户参与IDR的影响。为此，对表3中的场景4～8进行对比分析。不同场景下系统日均成本明细如表5所示。

表5 不同场景下系统日均成本明细Table 5 System average daily cost details under different scenarios 元

由表5可知，场景4至场景8的购能成本、弃用成本以及日均总成本相比于场景1均有所下降，说明在原始系统的基础上增加设备与实施IDR会使系统的经济性得到提升，能源弃用情况得到改善。场景4与场景5相比，购能成本更低、弃用成本较高，原因是场景4建设热泵可提高能源利用效率使得购能成本降低。然而能量转换设备是对相比于能量存储设备不能实现能量在时间上的转移，对能量弃用情况的改善能力有限。场景6与场景4、5相比，系统弃能情况得以改善，经济性进一步提升，表明了能量转换设备与能量存储设备的协调配置相比于仅配置其中一类更具优势。场景7考虑了在用户侧实施IDR、用户侧设备参与系统调节、系统运行的灵活性相比原始系统得到提升，因此相比于场景6系统的增建成本显著下降，日均总成本降低。场景8在场景7的基础之上更进一步地考虑了用户参与IDR的行为特性，系统对于室温的调节与场景7相比较为较为保守，用户侧可调节资源减少，因此经济性相对较差，但更符合实施IDR的实际情况，避免了因IDR预期效果过于理想造成的系统规划调度偏离实际情景的问题。

不同场景下系统增建设备情况如表6所示。由表6可知，系统选择增建的能量转换设备为HP，选择增建的能量存储设备仅有HS。HP建设成本虽高，但其转换效率高，有利于降低系统运行成本；BES建设成本相比于HS更为高昂，而CS虽建设成本与HS相同，但其仅在供冷季发挥作用，这2类储能经济较差。场景7、8相比于场景6，所需建设的HP与HS均减小，说明考虑IDR可以有效地减少原始系统所需建设设备的容量。从初始投资成本考虑，场景6、7及场景8的初始建设投资分别为65.02、27.50、31.18万元，因此考虑IDR可显著减少经济性优化建设的初始投资，对于项目实施更加友好。场景8与场景7相比，HP的建设容量增加20 kW，表明考虑用户参与需求响应行为特性后，系统的IDR响应资源相对减少，系统的设备建设较多，更为保守。

表6 不同场景下系统设备容量配置情况Table 6 Configuration of system equipment capacity under different scenarios kW

5 结语

本文以典型园区综合能源系统为研究对象，考虑居民用户丰富的综合需求响应资源以及用户参与需求响应的复杂行为特性，构建了计及设备容量扩展配置的园区综合能源系统经济性优化模型。通过算例分析，得到如下结论。

1)在考虑空调、燃气供暖等设备调节能力的基础上，建立了包含价格型与激励型负荷的居民用户IDR模型。相较于传统需求响应模型，本文模型能够充分利用居民用户的调节资源，有利于提升居民用户参与IDR的积极性。

2)所建立的居民用户参与IDR的行为特性模型，考虑了用户对室温偏差的不同耐受程度，能够精确描述用户的IDR响应行为，在经济性优化过程中保证了用户的舒适性，使得优化方案更为合理。

3)与传统的优化方法相比，本文提出的PIES经济性优化方法，协调考虑了居民用户参与IDR和增建能源转换与存储设备2种措施，有效地提高了PIES的灵活性，经济性提升效果更加显著。