计及电动公交车V2 G响应的区域综合能源系统两阶段优化调度
余子淳1 , 范宏1 , 夏世威2
（1. 上海电力大学 电气工程学院，上海 200090; 2. 华北电力大学 电气与电子工程学院，北京 102206）
摘要：
引文信息
余子淳, 范宏, 夏世威. 计及电动公交车V2 G响应的区域综合能源系统两阶段优化调度[J]. 中国电力, 2022, 55(7): 179-192.
YU Zichun, FAN Hong, XIA Shiwei. Two-stage optimal scheduling of regional integrated energy system considering V2 G response of electric buses[J]. Electric Power, 2022, 55(7): 179-192.
引言
随着全球气候变暖、化石燃料枯竭等问题的日益严重，各国将发展低碳、清洁和高效的新型能源系统作为一个重要的战略目标[1] 。大规模电能替代和高占比可再生能源发电是实现“碳中和”的重要途径，但会导致电力系统的负载增大并出现电网功率失配和电压波动等现象[2-3] 。区域综合能源系统（regional integrated energy system, RIES）能将电、气、热等能源耦合，通过协调调度来满足区域中用户的多种用能需求，可以提高能源利用效率以及供能可靠性[4] 。国内外已对综合能源系统优化调度展开相关研究。文献[5]建立了电-气-热-冷系统经济调度模型，对比了其耦合运行和独立运行的投运成本。文献[6-7]以多种指标最优为目标构建调度模型，并通过创建多代表性场景进行对比分析。文献[8-9]构建了含电转气（power to gas, P2 G）技术的电力-天然气综合能源系统调度模型，但P2 G设备昂贵且能量转化效率较低。文献[10]提出了考虑能源价格响应的综合能源系统优化运行模型，在不污染环境的同时提高能源利用效率，降低系统成本。文献[11]使用博弈论和综合需求响应策略，协调优化了产能基地、系统管理商和用户的三方利益。上述研究未将碳排放、弃风弃光量等目标嵌入综合能源系统经济调度之中，缺少“双碳”目标下的重要影响指标。作为电能替代和出行代步的重要方式，电动汽车近年来发展迅速，在中国的普及率日益增长，尤其是电动公交车的渗透率已经达到了53.8%。较电池容量小、分散性广且随机性强的电动私家车和出租车来说，电动公交车作为可集中调控的大功率“源-荷”在节能减排和可再生能源消纳等方面有着巨大的优势[12] 。文献[13-14]将区域内的电动汽车与热泵协同调度，很好地实现了风光消纳。文献[15]制定了电池寿命的电价奖惩机制引导电动汽车自主充放电。文献[16]建立了一个多目标双层规划模型，以协同优化单站运行条件下混合公交车队的车辆调度和充电调度。文献[17-19]建立了电动公交车计划调度和有序充电策略，减少了运行费用和充电负荷的波动。文献[20-23]考虑了车载蓄电池的损耗，建立了多时间尺度下电动公交车优化充放电策略。上述研究仅局限于电动汽车集群整体的充放电策略，缺少对电动汽车电量与行驶状态关系的建模，也没有将电动公交车集群（electric bus cluster, EBC）作为规模化可转移“源-荷”与RIES中的各种能源耦合设备进行协调调度。针对上述问题，本文提出含EBC的RIES协调调度方法。考虑电动公交车运营计划，采用两阶段优化方法调度RIES中电动公交车以及能源耦合设备，给出最优的经济低碳调度策略，实现系统总运行成本最小，同时进一步优化区域内的总用电负荷波动。最后，结合含有一条电动公交车运营线路的RIES进行仿真，验证所提方法及模型的可行性。
1 含电动公交车的区域综合能源系统
在“双碳”目标下，含高渗透可再生能源的电力系统可能会出现白天可再生能源发电不能完全满足用能需求；而夜间风能过剩，出现严重的反调峰现象，导致系统被迫弃风。因此，本文将RIES中能源耦合设备和EBC进行协调调度，以提高系统风光消纳的能力和系统运行的经济性、低碳性。1.1 区域综合能源系统结构 RIES涉及多种能源的生产、转换、存储和使用，整个系统的协调调度受能源价格、风光出力、异质能源转换效率和设备附加运行费用等多种因素的影响。本文中RIES的结构如图1所示，RIES与外部电网、供热网和天然气网相连，区域中居民生活和工作所必需的多能负荷为常规负荷，系统可以直接从外部购入电、热、气能源以满足相应的负荷需求，也可以由风电、光电、能源转换设备和能源存储设备等通过多源互补的形式实现能源供给。
图1 区域综合能源系统结构 Fig.1 Structure of regional integrated energy system 分别代表EB的耗电和产热功率。 1.2 电动公交车特性分析及建模 1.2.1 电动公交车运行模式 影响系统的稳定运行。 单辆电动公交车的行驶模式如图2所示，行驶弧表示电动公交车正在执行行驶任务，即 T trip 时段不可以实行充放电行为；停止弧表示车辆停在车站的状态，即 T stay 时段，此时段下系统可调度每一辆电动公交车执行充电、放电或停驻（既不充电也不放电）指令。因此，电动公交车每次出行任务的电能消耗 行驶时段 T trip 和在站时段 T stay 对于综合能源-公交系统的调度十分重要，其中 和T trip 可表示为
图2 单辆电动公交车行驶模式
Fig.2 Driving mode of a single electric bus
γ 为每公里耗电量； L 为出行任务线路长度； V avg 为车辆平均行驶速度。电动公交车与综合能源系统进行能量交互的 T stay T trip 紧密相关，并且电动公交车运营计划很大程度上影响区域综合能源-公交系统的协同调度。当线路上运营的公交车数量确定时，运营计划则基本决定了每辆电动公交车的交互时段，图3为EBC的时序状态图。
图3 电动公交车集群时序状态
Fig.3 Timing state of electric bus cluster
1.2.2 电动公交车时序分析及能量建模 调度周期内的发车时刻 tk 由运营计划决定，可定义为发车时间矩阵 J J T s 。
T t ，因此，到站时间矩阵 T f 可由式(4)、(5)求出。m 的第k 次可调度时段在到站时间 和下一次发车时间 之间，为了易于调度的仿真，本文设置1个调度间隔时段24/ N (单位：h)为整， N 为一天的调度时段数，则 K 表示最后发车时间 tx 所在的班车循环次序数； t end 为调度周期结束时间。结合其运营模式和行驶特性，建立电动公交车的能量模型以便直观地描述电动公交车的行驶状态和能量交互，其电动公交车的能量表达式如式(8)所示。分别为 t 和 t+ 1时段电动公交车蓄电池所含能量； τ 为调度仿真时间步长，若1天调度时段为 N 个，即仿真步长 τ 为24/ N ； 分别为电动公交车充电、放电、行驶和停驻的电能变化量； 和 分别为电动公交车充电、放电、行驶和停驻的状态变量，为1时表示电动公交车正处于充电、放电、行驶和停驻状态，其他状态表示为0； 分别为电动公交车充、放电功率； 为电动公交车的充、放电效率； Z t 1.3 区域综合能源系统分析及建模 1.3.1 能源子系统模型 分别为风力发电、光伏发电的实际出力； 为CHP的发电功率； 分别为系统购电和售电功率； 分别为EBC总的充、放电功率； 分别为储能设备存储和释放电能的功率； 为常规电负荷功率； 为EB的耗电功率； 为P2 G设备的耗电功率。 （2）热力子系统由电锅炉、CHP机组、燃气锅炉和外部供热网提供热能，以满足常规热负荷的需求，其中系统热力平衡可表示为分别为EB、CHP和GB的产热功率； 为系统购热功率； 为常规热负荷功率。 （3）天然气子系统由P2 G设备和外部天然气网提供天然气，以满足常规气负荷、CHP机组和燃气锅炉的用气需求，本文用功率代替天然气体积进行计算，其燃气低热值取9.7 kW·h/m3 ，因此系统天然气平衡可表示为为系统购气功率； 为P2 G设备的产气功率； 为常规气负荷功率； 为CHP和GB的耗气功率。 1.3.2 能源转换模型 分别为CHP发电和产热的效率系数。 （2）GB设备通过燃烧天然气来加热锅炉给水，再由水蒸汽传递热量，以实现天然气到热能的转换，其模型为为GB的热效率系数。 （3）EB设备利用高阻抗管型电热元件的电热效应来加热给水并向外输送蒸汽，实现电能到热能的转换，其模型为为EB的热效率系数。 （4）P2 G设备由于转化效率较低，一般用于将多余风电、光电转化为可燃气以供设备燃烧使用，其模型为为P2 G的电转气效率系数。 1.3.3 能源存储模型 式中：为 t 和 t+ 1时段ES所存储的能量； 为ES储存电能的状态变量，其值为1时表示ES处于存储电能状态，其他状态为0； 和 为ES存储和释放电能的效率。
2 区域综合能源系统优化调度模型
为了实现RIES的运行成本最小，并在此基础上减小系统总用电负荷波动，本文采用两阶段优化模型来实现调度优化。
2.1 第一阶段优化模型
2.1.1 目标函数 F 1 为系统运行总成本； F ene 、 F op 、 F c 、 F wpc 和 F V2 G 分别为能源购售成本、设备运维成本、碳排放成本、弃风弃光惩罚成本和参与V2 G的车载电池损耗成本。（1）能源购售成本包含RIES从外部购买电、气和热能的费用，并在此基础上减去系统对外售电所获得的利润。T 为调度周期时段数；和 分别为购电、售电、购气和购热的价格。 （2）设备运维成本。RIES中各设备运行将产生运维费用，其中包含风机、光伏、CHP、GB、EB、P2 G和ES设备，其运维费用与各设备出力成正比。S 为风机、光伏、CHP、GB、EB、P2 G和ES的集合； δi 为设备i 的运维单价；为设备 i 的功率。 （3）碳排放成本。系统中能源的消耗伴随着碳排放，其碳排放费用受到各机组碳排放强度的影响[19-20] ，可表示为p c 为碳排放税率价格； μ CHP 、 μ GB 、 μ g 和 μ h 分别为CHP、GB、外部电网中火电机组和外部热网热源的碳排放强度；为CHP折算后的碳排放功率； β 为CHP碳排放的电转热折算系数。 （4）弃风弃光惩罚成本。系统中高占比可再生能源发电的错峰特性将会造成弃风弃光问题，本文将其转化为部分运行成本进行优化。为惩罚费用系数； 分别为系统弃风和弃光的功率，其值为对应预测最大出力与实际出力之差。 （5）V2G电池损耗成本。电动公交车实行V2G响应是通过车载电池向系统放电来实现，此过程会造成车载电池损耗，将其损耗值转化为相应的成本进行建模。C V2G 为电动公交车参与V2G响应的电池损耗单价。2.1.2 约束条件 为电动公交车的允许充、放电功率的最大值； 为电动公交车的荷电状态； 为电动公交车车载电池能够储存的最大电量； 为电动公交车车载电池的容量状态的下限和上限； 分别为电动公交车调度初始和结束时刻的电能。 （3）可再生能源出力约束为分别为风力发电和光伏发电预测的最大出力。 （4）能量交互约束为为系统对外部大电网购电、售电功率的上限； 分别系统向外部大电网购电和售电的标志，分别为1时表示系统处于购电、售电状态，其余状态表示为0； 为系统从外部气网购气功率的上限； 为系统从外部热网购热功率的上限。 （5）CHP设备约束为为CHP的最大功率； 为CHP最大上、下爬坡率的绝对值。 （6）GB设备约束为为GB的最大功率； 为GB最大上、下爬坡率的绝对值。 （7）EB设备约束为为EB的最大功率； 为EB最大上、下爬坡率的绝对值。 （8）P2 G设备约束为为P2 G的最大功率。 （9）储能设备约束。ES设备运行时受到电能存储和释放的功率约束、荷电状态约束、调度始末能量一致约束，分别为为储能设备最大存储和释放电能功率； 为储能设备容量状态的下限和上限； 分别为储能设备调度初始和结束时刻所含有的电能。 2.2 第二阶段优化模型 2.2.1 目标函数 第二阶段优化模型在第一阶段优化结果的基础上，以RIES总用电负荷波动率最小为目标，进一步优化调度周期内各设备调度计划以及能源交互策略。第一阶段优化模型确定了在电价峰、平、谷时各设备出力情况和能源交互量，并且由于购气和购热价格不变，因此只需保证各相关设备在3个电价时段内出力总量不变的条件下进行二次优化即可，其目标函数为
式中： F 2 为调度周期内系统的总用电负荷波动值； P sys,t 为调度期间系统在t 时段的总用电负荷； P avg 为调度期间系统总用电负荷的平均功率。
2.2.2 约束条件
为了使第二阶段优化后的系统运行成本与第一阶段相一致，在第一阶段约束条件的基础上增加以下约束。
（1）购售电量不变约束为
式中：k 为不同分时电价的数量，分为峰、平、谷3 类； Ωk 为第k 个电价类型所包含的时段数；为第一阶段优化后第 k 个电价时段内系统与外部大电网交互的购售电量。
（2）购气量不变约束为
式中：为第一阶段优化后系统与外部供气网交互的购气量。
（3）购热量不变约束为
式中：为第一阶段优化后系统与外部供热网交互的购热量。
（4）EBC充放电量不变约束为
式中：为第一阶段优化后第 k 个电价时段内EBC的充放电量。
（5）ES充放电量不变约束为
式中：为第一阶段优化后第 k 个电价时段内ES的充放电量。
（6）其他设备出力不变约束为
式中：为设备 i 的出力， i 包含风机、光伏、CHP、GB、EB和P2 G； 为设备 i 第一阶段的出力。
2.3 求解方法及流程
本文RIES两阶段优化调度方法中决策变量较多，对求解速度和收敛性有较高要求，选择在Matlab的Yalmip环境下调用Cplex来求解。
计及EBC的RIES两阶段优化调度的求解策略如图4所示。
图4 调度模型求解策略
Fig.4 Solving strategy of scheduling model
3 算例分析
3.1 算例说明 本文选取某地区冬季典型日的多能常规负荷（电、气、热）和可再生能源预测的最大出力，如图5所示。
图5 可再生能源预测及多能负荷
Fig.5 Renewable energy forecast and multi-energy load
RIES的电能由可再生能源和外部大电网供给，大电网电价采用分时电价；系统所需的天然气从供气网买入，其价格为2.5元/m3 ；系统所需热能可由外部热网买入也可由能源耦合设备产出[5] ，相关参数如表1所示。
表1 电能、天然气及热能价格
Table 1 Price of electricity, natural gas and thermal energy
假设大电网购电为燃煤机组发电，CHP的供热部分碳排放强度与GB一致，发电部分折算成供热量的折算系数为1.67，外部热网热源的碳排放强度也与GB一致，碳排放税率价格为80元/吨，相关设备参数如表2、表3所示。算例中EBC共有8辆电动公交车，从06:00开始每15 min依次发车，直到21:00发出最后一班车结束。本文忽略其路程中的不确定性因素，其中每辆电动公交车的各项参数一致，相关参数如表4所示。
表2 系统各设备相关运行参数
Table 2 Parameters of equipment
表3 储能设备参数
Table 3 Parameters of energy storage device
表4 电动公交车参数
Table 4 Parameters of electric bus
为了验证EBC和能源耦合设备协调调度对提高RIES可再生能源消纳能力、减少系统运行成本的有效性，本文设置了4个调度场景进行对比分析。（1）场景1：RIES中电、热、气子系统独立运行，能源转换设备不参与系统调度；电动公交车采取常规充电策略，即电动公交车在车载电池电量不足以完成下次出行任务时进行充电，并且不参与系统调度。（2）场景2：RIES中电、热、气子系统相互耦合运行，能源转换设备参与系统调度；EBC与场景1一致，不参与系统调度。（3）场景3：采用本文所提调度方法，RIES中电、热、气子系统相互耦合运行，能源转换设备参与系统调度，并且电动公交车实行V2G响应参与系统协调调度。（4）场景4：RIES处于光伏发电高占比并且常规多能负荷不变的情况，能源转换设备和EBC都参与系统协调调度。3.2 仿真结果分析
3.2.1 系统调度结果分析
图6 场景1下电力子系统出力结果
Fig.6 Output of the power subsystem in scenario 1
由于缺少CHP、GB和EB等能源转换设备，热力子系统需要全天从外部热网买入热能，增加了整个系统的能源购买成本。（2）场景2下的调度结果。图7为电、热、气子系统耦合调度下的电力子系统出力结果。在此场景下，CHP、EB、GB与外部购热共同承担系统的常规热负荷需求，其中CHP机组能源转换效率较高，将天然气转换为电和热的综合成本较低，因此在06:00—次日00:30向RIES提供电能和热能，减少了RIES从外部购买电能和热能的成本；EB在11:30—次日06:30时段利用夜间溢出的风电优先产热，由于凌晨系统中没有电能缺额，CHP机组停止供能，其余热负荷需求由GB补充，此时P2 G设备可将多余风电转换为可燃气以供GB产热。能源转换设备的多能互补不仅满足了RIES的多能负荷需求，还在很大程度上消纳了多余可再生能源的发电量，提高了系统的经济性。
图7 场景2下电力子系统出力结果
Fig.7 Output of the power subsystem in scenario 2
（3）场景3下的调度结果。EBC通过V2 G响应加入RIES协调调度下的电、热子系统出力结果如图8所示。由图8 a）可以看出，在00:45—06:00风电资源过剩时，EBC大规模补电，由于P2 G设备电转气的能源转换效率较低，因此在该场景下多余风电优先给EBC充电，此时EBC、电锅炉、储能设备及对外售电共同实现了对风电的完全消纳；此外EBC也在电价平时充电，在电价峰时进行V2 G放电，与储能设备共同实现削峰填谷，减少系统的购电成本。
图8 场景3下电、热子系统出力结果
Fig.8 Output of the power and thermal subsystem in scenario 3
图8 b）为RIES的热力子系统出力结果，CHP在07:00—21:00系统电力缺额时段近乎满发，因为此时段CHP单位制电、热的成本低于购电和购热成本；在00:00—06:30为了尽可能消纳风电，EB优先优先供热，剩余热力负荷需求由GB和购热量补充；在10:45—14:00时段，CHP和GB已达到功率极限，而此时电价较高，导致EB供热成本较高，故此时段系统从外部热网购热。（4）场景4下的调度结果。图9 a）为RIES电力子系统出力结果。由于此场景中光伏发电充足，在09:15—16:00时段可再生能源发电超过了区域中的常规电负荷，为了避免弃光现象的发生，系统调度电锅炉供热、EBC充电及对外售电来消纳多余光电；在16:45—次日06:00光电不足的情况下，系统需要从外部电网购电以保证区域用电需求，同时在18:00—22:00电价高峰时，EBC与储能设备向系统反向供电，减少RIES高峰购电量，提高系统运行的经济性。
图9 场景4下电、热子系统出力结果
Fig.9 Output of the power and thermal subsystem in scenario 4
从图9 b）可以看出，相较于场景3在09:00—15:00时段需要向外购热才能满足供热平衡，该场景下的热能缺额由消纳多余光电的EB即可满足。RIES在01:00—06:00时段需要从外部购热，全天其余热负荷由CHP和GB通过耗气供热进行补充，这体现了RIES多能互补的特性。3.2.2 风光消纳能力分析
图10为各场景下弃风弃光曲线。场景1下系统弃风弃光问题最为严重，因为该场景下RIES的电力子系统与其他子系统独立运行，仅靠夜间常规负荷和储能设备的调节作用不足以消纳大量的风电，总弃风量达到3456.2 kW·h；场景2中RIES的电、热、气子系统相互耦合运行，通过EB、P2G的能源转换，在场景1的基础上消纳了1651.3 kW·h的剩余风电；场景3加入了EBC的V2G响应，使得夜间风电得到完全消纳，并且场景4验证了EBC和能源耦合设备协调调度策略在光电高占比的情况下仍然能够提高RIES的风光消纳能力。
图10 各场景下弃风弃光曲线
Fig.10 Wind and photovoltaic power curtailment curves in each scenario
3.2.3 系统运行成本分析 RIES在调度周期内各种运行成本如表5所示。由表5可知，相较于场景1，场景2通过多能互补使得系统总运行成本、能源购售成本及弃风弃光成本分别减少了30.5%、37.5%和95.6%；而场景3通过多能互补和EBC的V2G响应，在相关成本上较场景1分别减少了37.5%、46.3%和100%；场景4实现了100%的风光消纳。因此，本文提出的EBC与能源耦合设备协调调度方法能够提高RIES的风光消纳能力，同时减少系统的运行成本，具有一定的社会经济效益。
表5 各场景下系统运行成本
Table 5 Operation cost of the system in each scenario
各场景下RIES电、热、气子系统产生的运行成本如图11所示。场景1中电、热、气子系统相互独立解耦运行，电力子系统在白天可再生能源发电不足时大量购买电能以保证区域电力供需平衡，而在夜间风电又难以消纳，产生高额的弃风弃光惩罚费用，其运行成本为12317.0元；热力子系统所需热能需要全部从外部热网购入，因此产生了14760.0元的费用；天然气子系统只需从外部购买常规气负荷的天然气，其运行成本为2882.6元。
图11 各场景下电、热、气子系统运行成本
Fig.11 Operating costs of power, thermal, and gas subsystems in each scenario
场景2中RIES为多能耦合运行，电力子系统的电能可由CHP补充，并且由于EB和P2 G的风电消纳减少了弃风惩罚费用，因此相较于场景1其电力子系统成本减少了64.2%；热力子系统的热能可由CHP、GB和EB实现供给，大幅减少了此子系统的购热成本，减幅为89.5%；由于天然气子系统增加了CHP和GB的耗气负荷，运行成本增加了405.1%，但RIES总运行成本减少了30.5%。场景3中RIES加入了EBC的V2 G响应，与储能设备一同将电价峰时负荷转移至电价谷时，减少了系统峰时购电量，其电力子系统运行成本较场景1减少了84.5%；得益于EBC的夜间充电负荷，CHP机组在凌晨依旧需要运行，因此减少了此时段的购热费用，热力子系统成本减少了93.7%；天然气子系统成本增加了451.1%，但系统总的运行成本较场景1减少了37.5%。3.2.4 电动公交车V2 G响应分析 图12为各场景下电动公交车SOC曲线，由图12可知，各场景下电动公交车的SOC都会在行驶时段出现下降，不同于场景1、2的常规充电策略，参与V2 G响应的电动公交车会优先在可再生能源发电充足或电价低的时段进行充电，如场景3中风电过剩的02:00—06:00及场景4中光电充足的11:30—15:30时段；并且在区域用电高峰时配合ES实现放电，如19:00—22:00时段。EBC在能源交互时段与RIES中CHP、EB、P2 G等设备进行协同调度，给多能互补的RIES带来更大的运行灵活性，并且所提方法适用于不同风光占比场景。
图12 各场景下电动公交车SOC曲线
Fig.12 SOC curves of electric buses in each scenario
3.2.5 系统总用电负荷分析
场景1、2、3下RIES的总用电负荷曲线如图13所示，其总用电负荷为居民常规用电、EBC和ES充放电、电锅炉和P2 G耗电负荷的总和。
图13 场景1、2、3下系统总用电负荷
Fig.13 Total electric load of RIES in scenario 1, 2 and 3
由图13可看出，场景3中RIES的总用电负荷曲线相较于场景1和2显得平滑稳定，用电峰谷差和总电负荷波动都得到明显改善。由于常规电负荷固定不变，场景1中凌晨时段系统总用电负荷很小，而EBC在15:00—17:00和19:30—22:00的充电负荷与常规用电负荷相叠加，使得系统总用电峰谷差更大；场景2中EB和P2 G设备能够将电能转换为热能和气能，能够有效消纳夜间风电，提高系统谷电水平；场景3实行能源耦合设备和EBC的协调调度，大规模的充电负荷被转移至凌晨，并且EBC配合储能设备在用电高峰时向系统放电，进一步削峰填谷，提高了风电消纳能力，减少了系统的峰时购电费用。3.2.6 两阶段优化结果分析 场景3、4都采用两阶段优化调度方法，两场景下RIES总用电负荷的优化结果如图14所示。
图14 两阶段优化结果
Fig.14 Two-stage optimization results
第一阶段以RIES运行成本最小为目标，优化得到EBC和ES充放电策略、能源耦合设备出力计划和购售能策略，由于只对运行成本进了优化，因此在同一电价时段（如平时电价：13:00—18:00）内满足成本最小的调度策略有多个可行解，只需满足供需平衡等基本约束即可，这样虽然能使得调度周期内系统运行成本最优，但是由常规电负荷、EBC和ES充放电负荷、EB和P2G耗电负荷构成的系统总用电负荷在时间上波动很大，影响系统稳定运行；第二阶段在保持RIES运行成本不变的基础上，进一步优化了系统内各设备调度策略和系统购售能计划，由图14中的二阶段优化结果可见，在满足区域多种用能需求的条件下，所提方法使RIES的总用电负荷更加平滑且稳定，实现了系统多方面的优化，验证了此模型的有效性。
4 结论
针对“双碳”目标下高渗透可再生能源和电动公交车接入能源系统造成的弃风弃光和总用电负荷波动等问题，本文研究了计及电动公交车V2 G响应的区域综合能源系统两阶段优化调度策略，建立了RIES经济低碳调度模型和求解方法，通过算例仿真分析了所提方法的可行性，并得到以下结论。（1）将系统的碳排放量、弃风量、能源购售量和设备运维费用等目标相结合，通过协调调度各能源耦合设备和电动公交车集群，减少了系统的总运行成本。（2）将电动公交车V2 G响应嵌入到RIES运行之中，与能源耦合设备出力策略相互协调，实现了调度周期内区域风电、光伏的完全消纳。（3）提出的两阶段调度方法不仅能够提升系统运行的经济性，还能缓解RIES的总用电负荷波动，实现了RIES多方面的协同优化。本文暂未考虑电动公交车行车过程中可能面临的交通、天气和客流量等不确定性因素，并且不同运营计划也会对系统调度产生影响，在后续的研究中还可将可再生能源出力的不确定性纳入建模之中，开展更多敏感性分析，进一步探讨考虑多重不确定性因素下的综合能源-公交系统协同调度策略。（责任编辑 蒋东方）
作者介绍
余子淳（1996—），男，硕士研究生，从事含电动汽车的综合能源系统优化调度研究，E-mail：2547754210@qq.com; ★
范宏（1978—），女，通信作者，博士，副教授，从事电力系统及综合能源系统优化规划及运行研究，E-mail：fan_honghong@126.com; ★
夏世威（1984—），男，博士，副教授，从事新能源电力系统优化运行研究，E-mail：s.w.xia@ncepu.edu.cn.