CN115860413A - 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法 - Google Patents

Abstract

本发明公开了一种基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法。首先，利用负荷需求响应策略对微电网***进行建模。然后，以可再生能源与负荷的最恶劣运行情况下***运行成本最低为目标函数，根据强对偶理论将双层可调鲁棒优化模型分解成两个线性模型，利用列约束生成算法进行求解制定***的最优经济调度策略。此外，通过选择合适的鲁棒调节系数，可以适当调整调度计划的鲁棒性，平衡***运行的经济性与安全性。本发明提出的方法在降低可再生能源与负荷不确定性影响的同时，能有效提升***的能源利用率，并降低***运行的经济成本。

Description

基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微 网***经济调度方法

技术领域

本发明属于电力***技术领域，具体涉及一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法。

背景技术

随着石油与燃煤等资源逐渐枯竭，目前各国十分关注可再生能源的开发与利用。由于含可再生能源的并网冷热电联产微电网***具备能源利用率高和供电可靠性高等优点而受到广泛关注。这种微网***集成了分布式电源、储能和负荷，不仅为负荷需求提供多种能源供应，更是提高可再生能源渗透率的有效手段之一。对于这种***的经济调度，常将***建模为传统的确定性优化模型。然而，可再生能源以及负荷的预测误差为***的经济与安全运行带来挑战。因此，要保证这种***的经济运行，就必须将可再生能源与负荷的不确定性影响影响降至最低。

发明内容

针对上述问题，本发明提出了一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法，这种方法能降低可再生能源与负荷的不确定性影响，提升***的能源利用效率，有效降低***运行成本以及提高***运行的稳定性。

本发明采用以下技术方案：

一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法，具体设计方案如下：

步骤(1)对并网冷热电联产微网***建模；

步骤(2)采用负荷需求响应优化电负荷并得到分时电价数据；

步骤(3)建立双层可调鲁棒优化模型并将其分解成两个线性模型；

步骤(4)运用列约束生成算法进行迭代求解。

进一步的，所述步骤(1)中并网冷热电联产微网***包括可再生能源***、储能设备、储热设备、微型燃气轮机、余热回收装置、电锅炉、燃气锅炉、吸收式制冷机和电制冷机，其中余热回收装置吗、电锅炉、吸收式制冷机和电制冷机建模如下：

余热回收装置：余热回收装置可以将微型燃气轮机发电时产生的余热气体回收以供应热负荷需求。

其中，η_mt、η_loss、COP_mt和

分别为微型燃气轮机的发电效率、损耗率、性能系数和发电功率；/>

和η_hr分别为余热回收装置的制热功率和制热效率；

电锅炉：电锅炉可以将电能转化为热能以供应热负荷需求。

其中，η_ed、COP_eb、

和/>

分别为电锅炉的效率、性能系数、发热功率和耗电功率；

电制冷机：电制冷机将电能转化为冷却能以供应冷负荷需求。

其中，COP_ec、

和/>

分别为电制冷机的性能系数、制冷功率和耗电功率；

吸收式制冷机：吸收式制冷机可吸收热能并将其转化为冷却能以供应冷负荷需求。

其中，COP_ac、

和/>

分别为吸收式制冷机的性能系数、制冷功率和耗热功率；

进一步的，所述步骤(2)中采用负荷需求响应优化电负荷。步骤如下：

首先，引入隶属度函数来表示电负荷的特性，根据模糊聚类分析法划分电负荷的峰谷平时段：

其中，

为优化前的电负荷，P_old,min与P_old,max为优化前电负荷的最小、最大值，

与/>

为电负荷在峰、谷时段下的隶属度函数。

随后，由绝对值减数法得到传递闭包矩阵R_λ，取分类树λ＝3，得到用电负荷的峰谷平分类时段数据。

接着，以电负荷的峰谷差值最小和用电综合满意度最大为目标函数建立多目标优化模型，采用多目标遗传算法求解得到分时电价。该多目标优化模型为：

其中，q_i表示峰(f)、谷(g)、平(p)三种时段下的负荷，p_i,min和p_i,max为三种时段下的电价最小值和最大值，P_new,min和P_new,max是优化后电负荷的最小、最大值，S_l与S_p是用户***时段下的负荷变化量、电价变化量与电价数据。

最后，通过引入需求弹性系数，根据分时电价数据建立电负荷响应电价模型，得到优化后的电负荷。该模型具体为：

其中，p₀为初始电价。

进一步的，所述步骤(3)中双层鲁棒优化模型具体为：

其中，c是系数矩阵，y为表示***源侧设备出力功率的矩阵，T表示矩阵转置，u为描述储能***交互状态、***与电网交互状态的矩阵，

为描述可再生能源与负荷的不确定性变量，/>

为不确定性集。

Y_i＝{P_mt,P_dis,P_chr,P_grid,P_excess,P_ec,P_eb,H_b

H_dis,H_chr,H_ac,P_pv,P_wt,P_load,H_h,Q_c}

U_i＝{U_bat,dis,U_grid,U_tst,dis}

其中，P_mt、P_dis、P_chr、P_grid、P_excess、P_ec、P_eb、H_b、H_dis、H_chr、H_ac、P_pv、P_wt、P_load、H_h和Q_c分别表示微型燃气轮机发电功率、电储能***充放电功率、向电网购售电功率、电制冷消耗功率、电锅炉消耗功率、锅炉制热功率、热储能***充放热功率、吸收式制冷机消耗热功率、光伏发电功率、风力发电功率以及电、热、冷三种负荷，U_bat,dis、U_grid和U_tst,dis表示电储能***放电状态、向电网购电的状态和热储能***放热状态；

双层鲁棒优化模型分为外层min结构模型与内层max-min结构模型，其中，内层模型基于强对偶理论，将min结构转化成max结构，然后合并两个max结构并将模型线性化，内外层模型的结构具体为：

外层模型：

其中，c,D,K,F,G,I,d和h是系数矩阵。外层模型以最小化***运行成本为目标函数，以u为优化变量。

内层模型：

其中，γ,λ,v,π是对偶变量，O₁₂₀是120×1零矩阵，E₁₂₀是120阶单位矩阵，

是π的上界，当/>

取得足够大时，内层模型为线性模型，降低了算法的运行复杂度。x与Δx是确定性优化模型中可再生能源与负荷的预测数据和***恶劣运行情况下的最大偏差值。Γ_i是鲁棒调节系数；B是一个以0-1状态变量为元素的对角矩阵，每个元素表示可再生能源和负荷是否能取到对应时间段内不确定性集中的区间最大值，B的形式如下：

B_i＝{B_pv,B_wt,,B_load,B_h,B_c,}

其中，B_pv、B_wt、B_load、B_h和B_c为不确定性因素的恶劣情况判定矩阵，分别用于判断光伏出力，风电出力以及电、热、冷三种负荷是否达到不确定性集中的区间边界值。

***恶劣运行情况：

X_i＝{P_pv,P_wt,P_load,H_h,,Q_c,}

进一步的，步骤(3)中所述可调鲁棒优化模型中可调指的是该双层鲁棒优化模型引入了鲁棒调节系数Γ用于调节***模型的鲁棒性，以平衡***运行的经济性与稳定性，具体为：

Γ_i＝{Γ_pv,Γ_wt,Γ_load,Γ_h,Γ_c}

其中，Γ为鲁棒调节系数，取值为[1,24]。当Γ的值越大，***的鲁棒性越强，当Γ的值为0时，该鲁棒模型等同于传统的确定性优化模型。

进一步的，步骤(4)中所述的列约束生成算法及其求解步骤具体为：

列约束生成算法的主要思路：列约束生成算法通过将原问题分解成两个既独立又耦合的子问题，并在求解过程中传递两个子问题的耦合参数，不断地迭代交替求解最终获得原问题的最优解。

列约束生成算法的求解步骤：

步骤(4.1)：设置日前运行成本的上下界分别为UB＝+∞和LB＝0，迭代次数为k＝1,ε＝5，给定可再生能源与负荷需求的初始恶劣运行情况

步骤(4.2)：输入可再生能源与负荷需求的恶劣运行情况

求解外层优化模型，得到***各机组的经济最优计划出力y_k、储能设备状态、***与电网交互状态u_k和***的最小运行成本LB_k，更新运行成本的下界为LB＝LB_k。

步骤(4.3)：输入步骤(4.2)求得的u_k，求解内层优化模型，检验储能设备、***与电网交互设备是否可以应对不确定性变量的波动，得到新的***恶劣运行情况下的不确定性变量

和***的最小运行成本UB_k，并更新运行成本的上界UB＝min{UB,UB_k}。

步骤(4.4)：判断条件UB-LB≤ε是否满足，若满足则停止迭代并返回最优日前调度计划y_k；否则，将步骤(4.3)中内层优化模型所求得的

输入至外层优化模型，并令k＝k+1，跳转至步骤(4.2)继续迭代寻优直至算法收敛。

与现有技术相比，本发明的优点和积极效果在于：

(1)本发明建立了带负荷需求响应的双层鲁棒优化模型来解决并网冷热电联产微网***中可再生能源与负荷的不确定性问题。

(2)本发明引入了鲁棒调整系数，调整调度计划的鲁棒性，提高***运行的经济效益。

(3)本发明通过负荷需求响应优化***电负荷，形成用户合理的用电导向，从而降低电负荷峰谷差，提高***运行的可靠性。

附图说明

图1为本发明实例中并网冷热电联产微网***结构图；

图2为本发明实例中***调度策略流程图；

图3为本发明实例中负荷需求响应分类结果图；

图4为本发明实例中负荷需求响应帕累托结果图；

图5为本发明实例中优化前后的电负荷对比图。

具体实施方式

下面结合具体实施案例和附图，进一步阐明本发明，本发明提出了一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法，并网冷热电联产微网***结构如图1所示，为提高***的经济运行效益，建立了***调度策略，***调度策略流程如图2所示，具体实施步骤如下：

(1)对并网冷热电联产微网***建模

并网冷热电联产微网***结构图如图1所示，***组件包括可再生能源***、储能设备、储热设备、微型燃气轮机、余热回收装置、电锅炉、燃气锅炉、吸收式制冷机和电制冷机，以下介绍几个重点设备。

余热回收装置：余热回收装置可以将微型燃气轮机发电时产生的余热气体回收以供应热负荷需求。

其中，η_mt、η_loss、COP_mt和

分别为微型燃气轮机的发电效率、损耗率、性能系数和发电功率；/>

和η_hr分别为余热回收装置的制热功率和制热效率；

电锅炉：电锅炉可以将电能转化为热能以供应热负荷需求。

其中，η_eb、COP_eb、

和/>

分别为电锅炉的效率、性能系数、发热功率和耗电功率；

电制冷机：电制冷机将电能转化为冷却能以供应冷负荷需求。

其中，COP_ec、

和/>

分别为电制冷机的性能系数、制冷功率和耗电功率；

吸收式制冷机：吸收式制冷机可吸收热能并将其转化为冷却能以供应冷负荷需求。

其中，COP_ac、

和/>

分别为吸收式制冷机的性能系数、制冷功率和耗热功率。

(2)采用负荷需求响应优化电负荷并得到分时电价数据

负荷需求响应的目的是形成用户合理的用电导向，从而降低电负荷峰谷差，提高***运行的可靠性：

首先，引入隶属度函数来表示电负荷的特性，根据模糊聚类分析法划分电负荷的峰谷平时段：

其中，

为优化前的电负荷，P_old,min与P_old,max为优化前电负荷的最小、最大值，

与/>

为电负荷在峰、谷时段下的隶属度函数。

随后，由绝对值减数法得到传递闭包矩阵R_λ，取分类树λ＝3，得到用电负荷的峰谷平分类时段数据。

接着，以电负荷的峰谷差值最小和用电综合满意度最大为目标函数建立多目标优化模型，采用多目标遗传算法求解得到分时电价。该多目标优化模型为：

其中，q_i表示峰(f)、谷(g)、平(p)三种时段下的负荷，p_i,min和p_i,max为三种时段下的电价最小值和最大值，P_new,min和P_new,max是优化后电负荷的最小、最大值，S_l与S_p是用户***时段下的负荷变化量、电价变化量与电价数据。

最后，通过引入需求弹性系数，根据分时电价数据建立电负荷响应电价模型，该模型具体为：

其中，p₀为初始电价。

(3)基于强对偶原理建立双层鲁棒优化模型

其中，c是系数矩阵，y为表示***源侧设备出力功率的矩阵，T表示矩阵转置，u为描述储能***交互状态、***与电网交互状态的矩阵，

为描述可再生能源与负荷的不确定性变量，/>

为不确定性集。

Y_i＝{P_mt,P_dis,P_chr,P_grid,P_excess,P_ec,P_eb,H_b

H_dis,H_chr,H_ac,P_pv,P_wt,P_load,H_h,Q_c}

U_i＝{U_bat,dis,U_grid,U_tst,dis}

/>

其中，P_mt、P_dis、P_chr、P_grid、P_excess、P_ec、P_eb、H_b、H_dis、H_chr、H_ac、P_pv、P_wt、P_load、H_h和Q_c分别表示微型燃气轮机发电功率、电储能***充放电功率、向电网购售电功率、电制冷消耗功率、电锅炉消耗功率、锅炉制热功率、热储能***充放热功率、吸收式制冷机消耗热功率、光伏发电功率、风力发电功率以及电、热、冷三种负荷，U_bat,dis、U_grid和U_tst,dis表示电储能***放电状态、向电网购电的状态和热储能***放热状态；

双层鲁棒优化模型分解为外层min结构模型与内层max-min结构模型，其中，内层模型基于强对偶理论，将min结构转化成max结构，然后合并两个max结构并将模型线性化，内外层模型的结构具体为：

外层模型：

其中，c,D,K,F,G,I,d和h是系数矩阵。外层模型以最小化***运行成本为目标函数，以u为优化变量。

内层模型：

其中，γ,λ,v,π是对偶变量，O₁₂₀是120×1零矩阵，E₁₂₀是120阶单位矩阵，

是π的上界，当/>

取得足够大时，内层模型为线性模型，降低了算法的运行复杂度。x与Δx是确定性优化模型中可再生能源与负荷的预测数据和***恶劣运行情况下的最大偏差值。Γ_i是鲁棒调节系数；B是一个以0-1状态变量为元素的对角矩阵，每个元素表示可再生能源和负荷是否能取到对应时间段内不确定性集中的区间最大值，B的形式如下：

B_i＝{B_pv,B_wt,B_load,B_h,B_c,}

其中，B_pv、B_wt、B_load、B_h和B_c为不确定性因素的恶劣情况判定矩阵，分别用于判断光伏出力，风电出力以及电、热、冷三种负荷是否达到不确定性集中的区间边界值；

***恶劣运行情况：

/>

X_i＝{P_pv,P_wt,P_load,H_h,,Q_c,}

(4)建立可调鲁棒优化模型，其中，可调指的是该双层鲁棒优化模型引入了鲁棒调节系数Γ用于调节***模型的鲁棒性，以平衡***运行的经济性与稳定性。

Γ_i＝{Γ_pv,Γ_wt,Γ_load,Γ_h,Γ_c}

其中，Γ为鲁棒调节系数，取值为[1,24]。当Γ的值越大，***的鲁棒性越强，当Γ的值为0时，该鲁棒模型等同于传统的确定性优化模型。

(5)运行列约束生成算法对上述双层可调鲁棒优化模型进行求解，具体包括以下步骤：

列约束生成算法的主要思路：列约束生成算法通过将原问题分解成两个既独立又耦合的子问题，并在求解过程中传递两个子问题的耦合参数，不断地迭代交替求解最终获得原问题的最优解。

列约束生成算法的求解步骤：

步骤1：设置日前运行成本的上下界分别为UB＝+∞和LB＝0，迭代次数为k＝1,ε＝5，给定可再生能源与负荷需求的初始恶劣运行情况

步骤2：输入可再生能源与负荷需求的恶劣运行情况

求解外层优化模型，得到***各机组的经济最优计划出力y_k、储能设备状态、***与电网交互状态u_k和***的最小运行成本LB_k，更新运行成本的下界为LB＝LB_k。

步骤3：输入步骤2求得的u_k，求解内层优化模型，检验储能设备、***与电网交互设备是否可以应对不确定性变量的波动，得到新的***恶劣运行情况下的不确定性变量

和***的最小运行成本UB_k，并更新运行成本的上界UB＝min{UB,UB_k}。

步骤4：判断条件UB-LB≤ε是否满足，若满足则停止迭代并返回最优日前调度计划y_k；否则，将步骤3中内层优化模型所求得的

输入至外层优化模型，并令k＝k+1，跳转至步骤2继续迭代寻优直至算法收敛。

为验证所提并网冷热电联产微网***经济调度方法的有效性，对比分析以下五种不同运行策略的经济成本。

a.运行策略1：处于正常日前预测误差下且Γ＝6的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。

b.运行策略2：处于较小日前预测误差下且Γ＝6的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。

c.运行策略3：处于较大日前预测误差下且Γ＝6的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。

d.运行策略4：处于较小日前预测误差下且Γ＝3的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。

e.运行策略5：处于正常日前预测误差下含负荷需求响应与传统确定性优化的并网冷热电联产微网***。

首先，利用模糊聚类分析法划分用电负荷的分类过程如图3所示。由图3可知，取分类数为3，可以得到***的电负荷分类信息，分类信息如表1所示。

随后，通过求解多目标负荷需求响应模型得到分时电价数据。求解后所得的帕累托图如图4所示。取图4的A点为结果，得到分时电价结果如表2所示。

最后，通过引入需求弹性系数求解得到优化后的曲线，优化前后的电负荷对比示意图如图5所示。由图5可以看出，采用负荷需求响应实现对用户初始电负荷进行削峰填谷，提高***运行稳定性。

表3为五种运行策略下的***运行成本，其中，实时运行成本才是衡量***经济运行效益的重要指标，而日前计划成本与调整成本更多的是说明***的鲁棒水平。

由表3可知，对比运行策略1和运行策略5，在相同的预测误差下，相较于传统确定性优化的***，含双层可调鲁棒优化的***在实时运行成本上减少了6.16％。在相同的调度策略下，双层可调鲁棒优化策略的优化效果随着预测精度的提高而逐步提高。但是，当预测误差较小时，***的调整成本呈现负数，说明此时***的鲁棒性过高，需要调整鲁棒调节系数降低***的鲁棒性。因此，将预测误差较小时***的鲁棒调节系数降至3，得到运行策略4。由表3可知，运行策略4的日前计划成本相较于运行策略2出现大幅度降低的情况，这说明此时***的鲁棒性有所下降，并且此时的实时运行成本也低于运行策略2的实时运行成本，说明修正鲁棒调节系数后***的经济效益得到提高。

综上所述，基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微电网***中可以有效处理可再生能源与负荷的不确定性问题，降低***运行成本，提高***运行的经济性和稳定性。

表1电负荷峰谷平时段分类结果

表2分时电价结果

表3五种运行策略下的***运行成本对比

上述实例用来解释本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

Claims (6)

1.基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法，其特征在于：包括如下步骤：

步骤1：对冷热电联产型微电网***建模；

步骤2：采用负荷需求响应优化电负荷并得到分时电价数据；

步骤3：建立双层可调鲁棒优化模型并将其分解成两个线性模型；

步骤4：运用列约束生成算法进行迭代求解。

2.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法，其特征在于：所述步骤1中冷热电联产型微电网设备包括可再生能源***、储能设备、储热设备、微型燃气轮机、余热回收装置、电锅炉、燃气锅炉、吸收式制冷机和电制冷机，其中余热回收装置、电锅炉、吸收式制冷机和电制冷机建模如下：

余热回收装置：余热回收装置将微型燃气轮机发电时产生的余热气体回收以供应热负荷需求；

其中，η_mt、η_loss、COP_mt和

分别为微型燃气轮机的发电效率、损耗率、性能系数和发电功率；/>

和η_hr分别为余热回收装置的制热功率和制热效率；

电锅炉：电锅炉将电能转化为热能以供应热负荷需求；

其中，η_eb、COP_eb、

和/>

分别为电锅炉的效率、性能系数、发热功率和耗电功率；

电制冷机：电制冷机将电能转化为冷却能以供应冷负荷需求；

其中，COP_ec、

和/>

分别为电制冷机的性能系数、制冷功率和耗电功率；

吸收式制冷机：吸收式制冷机吸收热能并将其转化为冷却能以供应冷负荷需求；

其中，COP_ac、

和/>

分别为吸收式制冷机的性能系数、制冷功率和耗热功率。

3.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法，其特征在于：所述步骤2中采用负荷需求响应优化电负荷具体为：

步骤2.1：引入隶属度函数表示电负荷的特性，根据模糊聚类分析法划分电负荷的峰谷平时段：

其中，

为优化前的电负荷，P_old,min与P_old,max为优化前电负荷的最小、最大值，/>

与

为电负荷在峰、谷时段下的隶属度函数；/>

步骤2.2：由绝对值减数法得到传递闭包矩阵R_λ，取分类树λ＝3，得到用电负荷的峰谷平分类时段数据；

步骤2.3：以电负荷的峰谷差值最小和用电综合满意度最大为目标函数建立多目标优化模型，采用多目标遗传算法求解得到分时电价；多目标优化模型为：

min(P_new，max-P_new，min)²-(λ₁S₁+λ_pS_p)

其中，q_i表示峰(f)、谷(g)、平(p)三种时段下的负荷，p_i,min和p_i,max为三种时段下的电价最小值和最大值，P_new,min和P_new,max是优化后电负荷的最小、最大值，S_l与S_p是用户***时段下的负荷变化量、电价变化量与电价数据；

步骤2.4：通过引入需求弹性系数，根据分时电价数据建立电负荷响应电价模型，得到优化后的电负荷；电负荷响应电价模型具体为：

其中，p₀为初始电价。

4.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法，其特征在于：所述步骤3中双层鲁棒优化模型，具体如下：

其中，c是系数矩阵，y为表示***源侧设备出力功率的矩阵，T表示矩阵转置，u为描述储能***交互状态、***与电网交互状态的矩阵，

为描述可再生能源与负荷的不确定性变量，/>

为不确定性集；

Y_i＝{P_mt，P_dis，P_chr，P_grid，P_excess，P_ec，P_eb，H_bH_dis，H_chr，H_ac，P_pv，V_wt，P_load，H_h,Q_c}

U_i＝{U_bat，dis，U_grid，U_tst，dis}

/>

其中，P_mt、P_dis、P_chr、P_grid、P_excess、P_ec、P_eb、H_b、H_dis、H_chr、H_ac、P_pv、P_wt、P_load、H_h和Q_c分别表示微型燃气轮机发电功率、电储能***充放电功率、向电网购售电功率、电制冷消耗功率、电锅炉消耗功率、锅炉制热功率、热储能***充放热功率、吸收式制冷机消耗热功率、光伏发电功率、风力发电功率以及电、热、冷三种负荷，U_bat,dis、U_grid和U_tst,dis表示电储能***放电状态、向电网购电的状态和热储能***放热状态，

和

表示***可再生能源出力和冷热电三种负荷的波动范围；

双层鲁棒优化模型分为外层min结构模型与内层max-min结构模型，其中，内层模型基于强对偶理论，将min结构转化成max结构，然后合并两个max结构并将模型线性化，内外层模型的结构具体为：

外层模型：

其中，D,K,F,G,I,d和h是系数矩阵；外层模型以最小化***运行成本为目标函数，以u为优化变量；

内层模型：

其中，γ,λ,v,π是对偶变量，O₁₂₀是120×1零矩阵，E₁₂₀是120阶单位矩阵，

是π的上界，当/>

取得足够大时，内层模型为线性模型，x与Δx是确定性优化模型中可再生能源与负荷的预测数据和***恶劣运行情况下的最大偏差值；Γ_i是鲁棒调节系数；B是一个以0-1状态变量为元素的对角矩阵，每个元素表示可再生能源和负荷是否能取到对应时间段内不确定性集中的区间最大值，B的形式如下：

B_i＝{B_pv,B_wt,B_load，B_h,B_c,}

其中，B_pv、B_wt、B_load、B_h和B_c为不确定性因素的恶劣情况判定矩阵，分别用于判断光伏出力，风电出力以及电、热、冷三种负荷是否达到不确定性集中的区间边界值；

***恶劣运行情况：

X_i＝{P_pv,P_wt,P_load,H_h,Q_c,}。

5.根据权利要求4所述的基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法，其特征在于：所述步骤3中所述可调鲁棒优化模型中可调指的是该双层鲁棒优化模型引入了鲁棒调节系数Γ用于调节***模型的鲁棒性，具体如下：

Γ_i＝{Γ_pv，Γ_wt，Γ_load，Γ_h，Γ_c}

当Γ的值越大，***的鲁棒性越强，当Γ的值为0时，该鲁棒模型等同于传统的确定性优化模型。

6.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法，其特征在于：所述步骤4中的列约束生成算法及其求解步骤具体为：

步骤4.1：设置日前运行成本的上下界分别为UB＝+∞和LB＝0，迭代次数为k＝1,ε＝5，给定可再生能源与负荷需求的初始恶劣运行情况

步骤4.2：输入可再生能源与负荷需求的恶劣运行情况

求解外层优化模型，得到***各机组的经济最优计划出力y_k、储能设备状态、***与电网交互状态u_k和***的最小运行成本LB_k，更新运行成本的下界为LB＝LB_k；

步骤4.3：输入步骤4.2求得的u_k，求解内层优化模型，检验储能设备、***与电网交互设备是否可以应对不确定性变量的波动，得到新的***恶劣运行情况下的不确定性变量

和***的最小运行成本UB_k，并更新运行成本的上界UB＝min{UB,UB_k}；

步骤4.4：判断条件UB-UB≤ε是否满足，若满足则停止迭代并返回最优日前调度计划y_k；否则，将步骤4.3中内层优化模型所求得的

输入至外层优化模型，并令k＝k+1，跳转至步骤4.2继续迭代寻优直至算法收敛。/>

Images