微网系统双层优化：储能配置与多能流调度实践

1. 项目背景与核心价值

冷热电多微网系统是当前区域能源互联网建设的重要形态，它通过电、热、冷多种能源的协同转换与梯级利用，显著提升综合能效。而储能电站作为微网系统中的"能量缓冲器"，能够平抑可再生能源波动、实现负荷削峰填谷。这个项目要解决的痛点在于：传统单层优化模型往往难以兼顾系统经济性与运行可靠性，特别是在多时间尺度耦合场景下容易陷入局部最优解。

我在参与某工业园区微网规划时深有体会：当光伏出力骤降而热负荷突增时，单层优化模型要么导致储能过充放缩短寿命，要么不得不高价购入市电。而采用双层优化架构后，上层负责储能容量配置等长期决策，下层处理实时调度等短期问题，两者通过价格信号交互迭代，最终实现全生命周期成本降低12.7%。

2. 系统架构设计解析

2.1 双层优化模型框架

本项目采用Stackelberg博弈框架构建主从递阶结构：

• 上层模型（领导者）：

  • 决策变量：储能电站额定容量、充放电功率、PCS变流器配置
  • 目标函数：最小化年化总投资成本（含设备折旧、维护费用）
  • 约束条件：土地面积限制、变压器容量、安全标准等

• 下层模型（跟随者）：

  • 决策变量：日前调度计划（机组组合、储能充放电策略）
  • 目标函数：最小化日运行成本（燃料费、购电费、环境惩罚）
  • 约束条件：功率平衡、爬坡速率、储能SOC安全区间

关键创新点：通过引入虚拟电价作为耦合变量，上层将容量配置成本折算成电价信号传递给下层，下层则将储能利用率反馈给上层，形成闭环优化。

2.2 多能流耦合建模

冷热电耦合通过以下关键设备实现：

1. 燃气轮机（CHP）：发电同时回收余热驱动溴化锂制冷机
2. 电制冷机：在谷电时段利用廉价电力制冰蓄冷
3. 储热罐：存储太阳能集热器富余热量用于夜间供暖

能量转换关系用如下矩阵表示：

code复制| P_ele |   | η_gt  0      η_ec | | F_gas |
| Q_heat| = | η_hr  0        0  | | P_pv  |
| C_cold|   | η_ac  η_abc    0  | | P_grid|

其中η_gt为燃气轮机发电效率，η_hr为余热回收率，η_abc为吸收式制冷系数。

3. Matla