基于异构分解方法的多能源微电网混合氢-电池储能的分布式协同管理

在全球动力需求多样化与碳减排要求日益严峻的背景下，集成混合氢能-电池储能的多元动力微电网（MEMGs）展现出重要的战略价值。本文针对多个异构并网MEMGs完结分布式协同优化这一要害应战翻开研讨，以推进低碳经济转型。为处理该问题，本研讨首先提出一个共同且可分解的结构，在精密电网拓扑结构中整合电能、热能和氢能活动。该结构兼容氢能-电池混合储能的交互效果，通过精确表征网络工作捆绑确保可行性，并进步实践动力处理运用所需的物理真实性。随后，本研讨引入集成多政策动力处理模型，同步优化经济效益与碳减排效果。所提模型整合了经济政策、动力装置转化捆绑及碳排放赏罚因子，然后有用刻画了多动力微电网集群间的照应特性与交互动态。为处理这一凌乱集成问题，本研讨开发了广义主从分裂法（GMSS）。该方法通过异质分解算法（HGD）处理系统捆绑凌乱性引发的核算应战。研讨结果标明，所提算法能有用途理概括动力载体优化问题，其工作本钱下降2.43%、碳排放本钱减少13.86%，显着优于独立工作场景。因此，本文提出的动力处理结构与模型成功完结了经济性与环境可持续性的最优平衡，为多动力微网（MEMG）安置供应了具有本地信息保护的鲁棒调和工具。

引言

近年来，全球动力需求的持续攀升加剧了碳排放问题[1]。2024年全球电力消费量同比添加约1100太瓦时，增幅达4.3%，同期全球二氧化碳排放量创下416亿吨的历史峰值[2]。这些趋势标明，动力系统正一同面临电力需求快速添加与脱碳捆绑日益严峻的两层应战，在此背景下仅依靠电力的动力处理方案已难以统筹经济效益与碳减排政策。多能互补微电网（MEMGs）由此成为备受学术界与工业界重视的新式动力范式[3,4]。通过有用整合与调和多种动力载体，多动力微电网（MEMGs）展现出显着进步动力功率和下降碳排放的巨大潜力，然后应对可持续动力展开的要害应战。
多动力微电网（MEMG）的动力处理面临若干阻挠其最优工作的要害应战[5,6]。首先，电力、热能与氢能等多重能量载体间凌乱的互相效果联络构成了首要应战。这些系统向来选用孤立规划与工作方式，短少共同的动力处理结构。其次，传统动力处理战略往往将经济性优化作为首要政策，频频忽视碳排放捆绑，然后限制了系统的全体可持续性。第三，MEMGs实体固有的异质性，加之其相关的能量转化与存储配备，以及互联微电网间的数据隐私问题，进一步加剧了调和高效优化方案的施行难度。若这些应战未能得到妥善处理，MEMGs系统或许面临动力利用功率低下与低碳优化潜力受限的两层窘境，导致运营本钱攀升及系统可靠性下降。
因此，完结多微能网协同工作关于抑制碳排放、优化动力处理及保护本地信息至关重要。本文旨在根究多能流间的互相转化联络，并拟定动力处理战略，以完结分布式多微能网的低碳高效工作。
近年来，微电网中的多动力处理战略日益遭到重视。为进步系统全体能效，研讨者们提出了多种结构以完结多功用量微电网（MEMG）内的供能平衡。例如，文献[7]提出了一种集成动力转化设备（包含热电联产机组与燃气轮机）的优化模型，在满意设备捆绑与能量平衡要求的一同完结工作本钱最小化。后续研讨[8,9]通过引入电锅炉(EB)单元、燃气锅炉(GB)单元及电制气系统等先进电热耦合技术，进一步丰富了该结构。跟着氢能技术的展开，近期研讨越来越多地将氢系统整合至多动力处理模型中。文献[10,11]提出电-热-氢概括动力模型，以全面捕捉多动力载体间凌乱的耦合交互效果。特别是文献[12]聚集制氢与储氢系统的协同优化，证明了氢能在进步可再生动力利用率与下降运营支出方面的潜力。值得注意的是，其时研讨趋势正从简单的能量平衡建模转向更精密的网络感知建模。文献[13]将实践电网拓扑结构归入建模结构，而文献文献[14]通过考虑潮流方程、节点电压捆绑、支路容量限制及储能集成，探讨了自动配电网(ADN)的能量处理Strategy。整体而言，虽然现有研讨为多性动力处理奠定了坚实基础，但在氢能并网的多性动力微电网协同优化方面仍存在若干要害科学应战。
另一方面，全球碳中和议程促进学界对微电网系统低碳工作的研讨重视度显着进步。文献[15]通过构建经济-环境双政策优化模型，选用多政策蜂鸟算法完结低碳微电网调度，为此问题供应了处理方案。该研讨启发了后续系列作业：文献[16]将研讨标准从单一微电网扩展至社区级系统，文献[17]则关键剖析了动力定价机制对减排效果的影响。为进一步进步功率与减排效果，文献[18]提出了一种面向多动力微电网（MEMGs）的概括动力处理结构，而文献[19]开发了依据仿射算术的集中式处理系统，以协同优化经济功用与系统鲁棒性。然而，集中式方法往往难以习气微电网异构性，且存在数据隐私走漏危险。这些局限性催生了对分布式优化战略的研讨爱好。例如，文献[20]提出了一种主从架构，以有用应对高渗透率分布式动力资源带来的调和应战。文献[21]选用了一种结合梯度参数聚合的深度强化学习方法，确保隐私保护的优化进程；而文献[22]则依据Karush-Kuhn-Tucker（KKT）条件和乘子替换方向法，构建了集成耦合变量与拉格朗日乘子的迭代优化机制。虽然存在这些开展，现有分布式优化方法仍面临沟通变量可解释性缺乏与收敛功用欠佳的问题，这凸显出异质化MEMGs在经济与环境政策调和方面持续存在的科学应战。
虽然针对多动力微电网（MEMGs）的电热概括处理已取得显着开展，仍存在两个要害且互相相关的未解难题，这直接推进了本研讨的展开：

• 1.短少在网络捆绑条件下电力-热力-氢气协同的物理共同性共同结构。现有研讨仍首要将氢能视为事后存储或转化选项，仅供应电力与热力的设备级平衡，却忽视了要害的网络工作捆绑[19,23]以及并网微电网中的电压稳定性问题[7,24]。一同，氢能转化功率对系统层面碳减排潜力的定量影响也未得到充沛根究。因此，其时模型既无法确保异质动力载体在真实配电拓扑中交互时的可行性，也无法为实践工作供应可解释的耦合变量。
• 2.其时多动力微电网(MEMGs)在完结多政策动力处理时，短少具有去中心化、异构感知且能保护部分信息的方法。虽然近期取得开展，干流多动力微电网（MEMG）能量处理方案仍以集中式、隐含同质化为主，导致其无法习气地舆涣散微电网在资源组合、读档动态特性及工作优先级方面存在的显着差异性[25]。系统数据隐私要求的进步进一步削弱了这些方案的实践可行性。虽然现有分布式算法通过数学迭代完结协同优化，但其变量沟通机制短少可解释性，阻挠了在实践动力处理中的直接运用，并削弱了收敛鲁棒性[22,26]。此外，大都研讨仍局限于单政策优化结构，对一同最小化本钱与碳排放的涣散式多性向调和机制重视有限[27]。因此，开发一种可以习气微电网异构性、确保本地信息保护，一同统筹经济与环境政策的无性向分布式优化结构，关于完结多能微电网的实践运用至关重要。

虽然有关氢能集成分布式动力处理的研讨已相当广泛，但若干要害方法论局限仍然存在。其时大都分布式优化研讨仍将氢能子系统首要视为辅佐储能或能量转化单元，未能将涉氢抉择方案充沛嵌入具有明晰网络工作捆绑的共同多能调和结构中。此外，很多分布式方案依靠笼统或依据价格的数学信号进行调和。该方法往往忽视沟通变量的可解释性，限制了资源类型、工作需求和排放特征各异的异构多动力微电网（MEMG）的透明度与实践运用。本研讨通过开发适用于异构并网型MEMG的可解释分布式协同优化结构，处理了上述应战。所提结构明晰归入网络捆绑，完结了电-热-氢系统的协同工作。该结构促进了经济效益与碳排放的联合优化，为实践低碳多动力系统安置供应了方法论基础。
为补偿上述研讨空白，本研讨提出了一种专为自动配电网与多能互补微电网（ADMGs）规划的新式动力处理模型。该模型完结了异构并网型MEMGs间的分布式协同优化，然后推进低碳经济转型。表1展现了所提模型与现有方法要害差异的对比概览。

• 1)提出了一种共同且可分解的结构来处理并网微电网中的电能、热能和氢能流。该结构通过系统整合多种能量转化进程并促进能量沟通，克服了不同动力载体之间固有的物理异质性与凌乱耦合特性。值得注意的是，对电网拓扑结构的详细建模确保了电压、功率流捆绑及工作可行性的精确表征。该结构为耦合变量供应透明化解析，并确保求解稳定性，然后在实践多动力微电网（MEMG）能量处理场景中支撑精确分解与协同工作集成。
• 2)本文提出了一种面向异构微动力网群(MEMGs)的概括动力处理模型，该模型可同步优化经济功率并最小化碳排放。该模型明晰整合了经济政策、动力设备转化捆绑及碳排放赏罚因子，有用捕捉了互联微电网间的能量沟通与碳照应特性。所提模型在多种工作条件下展现出健旺的习气性，包含差异化的互联容许政策、区域碳控制方法以及异构微电网配备，为区域动力系统内协同减碳战略的规划供应了量化工具。
• 3)本文提出了一种针对有向无环混合图（ADMG）的广义多微电网协同调度（GMSS）方法，旨在完结核算功率与数据隐私保护的平衡。该方法通过将层次梯度下降（HGD）算法与二阶锥规划（SOCP）懈怠、混合整数捆绑懈怠相结合，有用途理了由网络工作捆绑和离散设备操作引起的非凸非线性问题。所提方法高效处理了多种能量载体的凌乱耦合问题，通过可解释的耦合变量确保了核算有用性。此外，该GMSS方法显着下降了大规模数据沟通的需求，在保持内部网络拓扑结构、设备级细节等部分信息私密性的一同，仍能完结多个异质微电网间的协同优化。