本文发表在《全球能源互联网》2022年第6期，受国家自然科学基金项目（52007112）和国网河北省电力有限公司科技项目（kj2020-065）资助，欢迎品读。

“双碳”目标下的新型电力系统建设将加快实现可再生能源接入和能源转型。综合智慧能源系统利用各个能源子系统在时间空间上的耦合，实现多能互补、能源梯级利用，常规能源和新能源、用户侧负荷均可作为柔性负荷参与ISES协同优化调度，具有协助其他可控资源、调节用能峰谷的潜力。本文考虑了将热负荷作为综合智慧能源系统中的柔性负荷参与到综合智慧能源系统优化调度中，结合电负荷构建综合需求响应，提出了一种包含多类型负荷需求响应的综合智慧能源系统协同优化调度方法。

1）构建了包含用户供热舒适度感知的电热多元负荷综合需求响应模型；

2）以引入能质系数的系统用能效率最优为目标函数，建立了综合智慧能源系统协调优化调度模型；

3）采用量子粒子群算法对电热气综合智慧能源系统模型的优化调度进行求解。

本文采用的综合智慧能源系统接线示意图和能量优化调度求解算法流程图如下。

⬆ 图1  综合智慧能源系统接线示意图

本文利用IEEE 9节点的配电系统，结合20节点的天然气系统和6节点的热系统，基于综合智慧能源系统内所含供能和用能设备类型，设计出综合智慧能源系统接线的实际算例示意图。

⬆ 图2  QPSO算法流程图

本文利用量子粒子群(quantum particle swarm optimization，QPSO)算法进行计算，其求解步骤如图2所示。通过引入量子云，克服了传统粒子群算法设置参数过多、容易陷入局部最优的问题。

⬆ 图3  电能调度结果

经优化后的综合智慧能源系统电力调度结果如图3所示，电负荷通过从外网、热电联产设备(combined heat and power，CHP)和蓄电池协调供电。在分时电价的引导下，系统降低运行成本，提高系统用能效率，在满足电负荷需求的前提下，将富裕的电力用于电制冷机制冷、储能装置蓄电。

⬆ 图4  热能调度结果

综合智慧能源系统优化后的热能调度结果如图4所示，热负荷主要由热电联产设备(combined heat and power，CHP)、燃气锅炉(gas boiler，GB)和储热罐(heat storage tank，HST)协调优化供能。系统的热能调度通过CHP与电能进行耦合，在分时电价的条件下，对系统的用能成本进行优化。

⬆ 图5  冷能调度结果

综合智慧能源系统优化后的冷能调度结果如图5所示，冷负荷主要由电制冷(electric conditioner，EC)机组和水蓄冷(water cooling storage，WCS)供给。在分时电价的条件下，完成对水储冷和电制冷的多能量协调优化调度。

本文以引入能质系数的系统用能效率最优为目标函数，对综合智慧能源系统进行优化，系统用能效率的运行结果最终能够稳定在76.56%。