计及可靠性价值的综合能源系统设备优化配置

高雪倩，刘文霞

（华北电力大学 新能源电力系统国家重点实验室，北京 102206）

0 引言

当前，世界各国都在为促进可再生能源消纳、提高能源利用效率而大力发展综合能源供能系统，旨在通过多种能源的耦合互济和梯级利用，满足用户多类型、多品位能量的需求。同时，在外部电网和气网发生故障的情况下，通过内部多能源耦合提高供能可靠性［1-2］，降低对外部能源网络可靠性的深度依赖，这对于保障小概率事件发生时的重要用户安全性具有重要意义［3］。随着综合能源系统IES（Integrated Energy System）应用的日益广泛，终端分布式综合能源系统DIES（Distributed Integrated Energy System）的供能能力和可靠性价值会逐步提高，在此情况下电网售电量减少，如果对并网点供电可靠性要求不变，将大幅降低电网设备利用率，最终导致整体电价的上涨。如何协调利用电网和终端DIES 的可靠性能力，并以此为基础开展IES 个性化配置成为亟待解决的问题，关乎于未来能源市场机制的制定［4］以及整个能源系统的安全性和经济性。

根据研究对象范围可将现有的IES 研究对象分为区域系统［5-6］、城市系统［7-8］和终端系统［9-14］3 类。终端系统因其可以就地满足用户需求，促进分布式可再生能源消纳，提高能源系统综合能效和运行可靠性、经济性，市场壁垒弱，产品较为成熟，故而具有广阔的应用前景和推广价值。近几年，针对IES 规划和设备配置的研究已经取得了初步研究成果。文献［9］以全生命周期成本最低和年CO2排放量最小为优化目标，建立了多目标关键设备容量优化模型。文献［10］提出以㶲效率衡量IES 能量利用水平，以经济性和㶲效率为目标的IES 多目标规划模型。文献［11］分别建立了投资成本、运行成本、经济收益和环境收益模型，并以经济-环境效益最大化为目标实施了IES 的设备容量优化配置。文献［12］设计了一种冷热电联供CCHP（Combined Cooling，Heating and Power）系统的三级协同整体优化方法，第一级以年一次能源利用率最高为目标优化设备选型，第二级以年CO2排放量最少为目标优化设备容量，第三级以年运行成本最低为目标优化运行。该方法实现了CCHP 系统的设备选型、容量配置及运行参数的整体优化，与采用传统的“以热定电”和“以电定热”运行策略设计的CCHP 系统相比，该系统具有更高的一次能源利用率、更明显的温室气体减排效果和更显著的经济效益。上述文献在设备优化配置的目标上强调了能源利用效率、经济效益、环境效益多目标的协同，而现阶段环境和能源品质无法通过市场和政策机制转化为经济性，这样削弱了DIES 运营商对投资回报的期待，甚至可能会造成投资亏损，不利于系统的可持续发展。鉴于IES 运行的灵活性，现阶段大多数文献都采用了运行与规划一体化的建模方法，上层为多目标非线性设备优化配置模型，大多采用智能算法，如快速非支配排序的遗传算法（NSGA-Ⅱ）［10］、精英保留策略遗传算法［13］等；下层为单目标非线性运行优化模型，有的采用智能算法直接求解，也有的将非线性转化为线性，利用数学方法或求解器求解。

综上，IES通过能源耦合和梯级利用能够为用户供给多种能源，改善能源利用效率和减少环境污染，同时提高供能可靠性，前三者的效果在规划中都可通过目标函数体现出来［9-14］，而对于后者虽已有相关研究［1-2］，但DIES 对供能可靠性贡献的经济性量化与利用较少涉及，也不能通过其他途径得到回报，这既不利于激励运营商投资IES，也使大电网投资效率面临挑战。

电力也是一种商品，商品的性能好（可靠性高）、成本高，电价就应该高，反之亦然。IES 从大电网购电，本身就是一种市场行为，两者共同完成对用户的供能，同时也肩负保证可靠性的责任，因而两者间的电价应包含供电成本和可靠性成本两重因素，这样才能根据各自成本和责任的大小合理定价，以达到降低总体供能成本的目的。如何合理制定该电价也是未来微电网、综合能源、储能等接入电网的重要研究课题。目前，节点边际电价LMP（Locational Marginal Price）作为一种成熟的电力市场定价理论［15-18］，已经在国外许多电力市场，如北美的PJM、MISO、CAISO、ERCOT 以及欧洲、澳洲和新西兰等地区的电力市场中得到了成功的应用。LMP定义为满足某节点新增单位负荷需求时的系统边际成本，包括发电边际成本、边际损耗成本以及输电阻塞成本。节点电价是将可靠性引入电价机制的一种可行思路［18］，该定价方式可为综合能源并网点定价提供借鉴。

为此，本文以未来IES 并网点的可靠性电价为基础，提出了一种计及可靠性价值的IES 设备优化配置方法。首先，研究了可靠性电价定价方法，建立了DIES 运营商并网点购电价格模型；在此基础上，考虑投资、运行、可靠性等综合效益，建立了以经济性最优为目标的DIES 设备优化配置的双层规划模型。同时，计及设备故障和能源出力的双重不确定性以及源荷时序匹配性，针对概率性可靠性计算和双层优化相结合的复杂性，提出了一种实用化的模型求解方法，并深入分析了配电网与终端综合能源运营场景，厘清了成本和效益、主体责任间的关系，以期为综合能源后续运营、规划以及市场机制设计提供参考。

1 考虑可靠性的DIES并网点电价估算方法

1.1 国内外输配电价定价方法

现有的输配电价定价方式主要有基于会计核算成本的综合成本定价法和基于微观经济学原理的边际成本定价法2 类。综合成本法以成本核算为基础，将核算成本分摊到各类用户中，如邮票法、潮流追踪法等，其原理较为直观，易于实现，能保证电网收支平衡，但其价格不能反映电网资源的稀缺程度，不利于形成激励性价格信号，无法实现电网资源的优化配置。边际成本法可根据提供输配电服务时的长期或短期边际成本变动进行定价，但由于其仅反映电网运行成本的变化，不能保证电网的收支平衡。

而在电力市场环境下，传统的同网同价模式不仅存在价格歧视，而且不能引导潜在市场参与者进行合理的消费，因此节点电价在电力市场机制下应运而生。由于配电网具有负荷分散程度大、结构复杂、投资不可分等特点，输电网节点电价定价方式给配电网的成本分摊带来了困难，可能无法应用到配电网节点定价中。

目前，英国作为首个在配电侧进行定价方法制定的国家，其定价方法主要有基于邮票法的成本分摊模型定价方法、基于潮流的成本分摊模型定价方法和长期增量成本法。其中，长期增量成本法的核心思想是通过计算节点注入功率的变化对全部元件的投资年限的影响所导致的系统总投资年度增量成本，从而获得节点电价［19］。该方法避免了处理配电网负荷分散性大的问题以及分布式电源接入造成的基于潮流的配电网投资成本节点电价计算模型复杂度增加的问题，且能够通过考虑电网各元件的经济寿命前瞻性成本反映各节点对电网的使用程度，有效回收投资成本。

1.2 计及可靠性的配电网节点电能定价

本文借鉴输配电价定价方式，采用长期增量成本法，提出了计及可靠性的配电网节点售电定价方法。该方法是在量化评估负荷增长对区域供电可靠性及停电损失的影响的基础上，结合用户对供电可靠性的要求以及配电网对投资成本有效回收的要求提出的。

1.2.1 负荷增长对节点平均停电时间影响的量化

在多分段多联络配电系统中，对于任一馈线而言，在邻接馈线发生故障时为了能够通过联络开关动作分担故障馈线负荷，该馈线必须具有一定的转供裕度。有效运行率η是判别馈线在邻接馈线发生故障时，能够分担相应区段负荷并有效地进行切换的能力的指标。η等于包含邻接馈线故障时转供的负荷在内的馈线负荷电流与馈线短时间容许电流之比。馈线的有效运行率η≤100%表示该馈线有转供裕度，称之为适切馈线。某地区配电系统裕度可用适切馈线率q表示，q等于该地区适切馈线数与总馈线数之比。

随着负荷的增长，配电系统裕度会下降，表现为η增大、q减小，从而影响可靠性。假设配电区域负荷和η的值都符合正态分布，则第y+1年的适切馈线率qy+1可根据第y年的适切馈线率qy以及配电网年负荷增长率φ求出［20］：

规划阶段以核算电价为目的的可靠性评估应满足计算效率高和鲁棒性原则。为此，本文采用场景法［23］和故障模式影响分析法［24］相结合的解析法［22］进行DIES 可靠性评估。首先，基于年时序源荷特性（光伏-风电-多能负荷）进行场景聚类，将不确定性转化为多个概率确定型场景。继而采用解析法，根据不同源荷场景和故障场景组合进行故障后果分析，统计并计算可靠性指标。

1）基于ISODATA（Iterative Self Organizing Data Analysis Techniques Algorithm）聚类的离线源荷概率多场景生成。

为避免传统k-means 方法对初始聚类类簇设定依赖度高的缺点，本文采用自适应调整聚类类簇数以提高聚类精度的ISODATA 聚类方法［25］。将各初始场景到聚类中心平均距离Dave作为总目标函数，将年时序风电、光伏的出力以及多能负荷集合转化为五维坐标轴的点集，各聚类中心对应参数代表每个类簇的典型场景参数，通过不断优化各类簇间距离函数获得NL个最优典型场景，并计算各场景概率Px(x=1，2，…，NL)。自适应调整类簇数策略为：当聚类结果某一类中样本数小于期望得到总类簇数的一半，或类簇标准差大于要求值时，进行类簇分裂，反之则进行类簇合并。其中Dave计算公式如下：

式中：Nc为聚类中心个数；Z为Se类簇中元素，Ze为其聚类中心。

2）DIES故障场景生成及其概率确定。

待评估时间段设置为一年，将DIES 中各种设备和上级能源网看作DIES 中的元件，各元件采用如附录A 图A1 所示两状态模型。DIES 共有NG个元件，则共有2NG-1 个故障场景，第u个故障场景概率Pu可表示为：

式中：Nf，u为第u个故障场景中失效元件数；Pk和Qk分别为第k个元件工作和失效概率；μk、λk和rk分别为DIES 中第k个元件的修复率、故障率和平均修复时间；k=1时表示配电网。

3）基于故障模式影响分析法的故障后果分析。

通过分析DIES 能源耦合供给关系，确定各源荷场景与DIES 故障场景组合场景的故障后果。以CCHP 系统故障为例进行分析，CCHP 系统故障会影响电、热、冷3 种能源供应。其中，电负荷可由光伏、风电、上级配电网供应，ES 作为备用；热负荷在供应电负荷有剩余且能满足EH出力约束的情况下由EH供应，HS 作为备用；冷负荷在供应电负荷有剩余且能满足EC 出力约束的情况下由EC 供应，CS 作为备用。根据上述故障后果分析方法，可确定第x个源荷场景第u个DIES故障场景下第m种能源供应情况Ix，u，m（Ix，u，m=0 时表示缺供，Ix，u，m=1 时表示供应 正 常）以及能源缺供量Pcutx，u，m，其中m=1，2，3 分别表示电、热、冷能。

4）可靠性指标统计。

本文选取平均供能可用率指标ASAI（Average Service Availability Index）和缺供能量期望LOEE（Loss Of Energy Expectation）指标作为DIES售能可靠性指标，分别从时间和能量2 个角度评估DIES 供能可靠性，具体如下：

式中：ϑASAI，m和ϑLOEE，m分别为DIES 用户第m种能源的ASAI和LOEE指标值。

在DIES 配置一定的前提下，设置多个并网点电能可靠性水平U′i，由大到小依次计算DIES供能可靠性指标，直至满足用户可靠性要求，即可确定并网点电能可靠性需求，从而确定并网点电价。离线进行源荷场景聚类，将结合DIES 可靠性解析计算方法和计及可靠性的配电网节点电能计算方法的并网点电价计算过程内嵌于设备规划模型中，用于在线求解，该过程提高了方法的实用性。

2 计及可靠性增量价值的DIES双层设备优化配置模型

在并网点可靠性电价机制和用户需求一定的条件下，成本低是DIES 取得经济性最优的重要因素，成本包括投资和运行成本。其中，运行成本取决于购能价格和能源消耗两方面因素。若设备配置容量大，则投资成本高，而可靠性收益大、电价相对较低，从而运行成本低；反之，投资成本低导致运行成本高。因此，本文所提出的设备配置方法是在投资成本与运行成本间寻找综合成本最低点。

为此，本文建立基于设备投资全寿命周期，以DIES 年收益最大为目标，包含配置与运行的双层DIES 设备优化模型。上层为DIES 设备容量配置模型，配置满足源荷充裕性的设备容量后将配置方案传给DIES 并网点电价估算模型，估算DIES 购电电价，继而将得到的电价和配置方案传给下层进行运行优化计算。下层为计及可靠性价值的运行优化模型，最大化DIES 年运营收益后并将其返回上层。上层计算得到该配置方案的总收益等年值。总收益等年值（总经济性）最优方案，即为待求方案。

2.1 上层容量配置模型

2.1.1 目标函数

上层模型以DIES 运营商总收益等年值f最大为目标，进行DIES 设备容量配置，其决策变量为SCCHP、SEC、SEH、SES、SHS、SCS，分别表示待配置CCHP 系统、EC、EH、ES、HS、CS 容量，其中前三者单位为kW，后三者单位为kW·h。上层目标函数为：

式中：Rprofit为DIES 运营商年运营净收益；Cinvest为DIES 运营商全寿命周期建设投资年折算成本；Cinv为设备投资成本；Cop为运行维护成本，包括人工费和维修费，取初始投资的3%；Cres为设备残值，取初始投资的5%；Ntype为设备种类数，本文共6种待规划设备；Kz为第z类设备的单位容量建设成本，单位为元／kW 或元／（kW·h）；Sz为第z类设备的配置容量；lDIES为DIES 设备寿命期望值，取20 a；Rcprofit为各典型日的日运营收益，由下层运行优化得到，T cdays为各典型日天数，c=1，2，3分别表示过渡季、供冷季、供暖季这3种典型日场景。

2.1.2 约束条件

设备配置方案需满足以下用户用能可靠性要求：

总之，在新形势下，必须树立以人为本的理念，强化为学生服务的意识，构建有利于推动课堂教学和教学模式改革，培养学生创新能力的现代教学管理制度和弹性灵活的教学运行机制。充分体现个性化、人性化的教育理念，构建教师教学激励机制，尊重教师的个性风格与独创精神，保障教师的教学自主权，鼓励教师锤炼精品课件。通过加强自身教学语言魅力、课堂设计和教学方法创新，充分体现大学课堂的专业魅力，使教师主导与学生主体在研究性教学中真正融为一体，对客观世界进行充满想象力的探索。

式中：σASAI，m、σLOEE，m为DIES 用户对第m种能源的用能可靠性要求，分别具体为ASAI 和LOEE 指标值的约束下限和上限。

2.2 下层运行优化模型

2.2.1 目标函数

2.2.2 约束条件

1）能量转换约束。

4）储能运行约束。

储能采用广义储能系统通用模型进行出力建模，其约束条件包括周期始末约束、上下限约束、充放能功率约束等，表达式如下：

式中：PXmin为储能量下限；PchXS，max、PdisXS，max分别为储能充、放能上限。

2.3 基于聚焦距离变化率自适应差分进化算法的模型求解

模型上层为多变量多约束单目标非线性规划NLP（NonLinear Programming）问题，下层为混合整数线性规划MILP（Mixed Integer Linear Programming）问题。基于MATLAB R2018a 软件进行仿真，为实现上下层嵌套，上层通常选择智能算法［23，26］，本文选用差分进化DE（Differential Evolution）算法，下层选择MATLAB+Yalmip+CPLEX 求解器进行求解。为了提高寻优能力，加快收敛速度，克服启发式算法常见的早熟现象，许多学者从控制参数、差分策略、选择策略、种群重构、混合算法等角度对DE 算法进行改进。DE 算法的主要控制参数有种群规模Npop、缩放因子F和交叉概率PCR。其中，F对算法的全局寻优能力影响最大。为了实现收敛精度和速度的平衡，本文引入平均聚焦距离εmean、最大聚焦距离εmax和聚焦距离变化率Ψ，以实现根据种群到最优点的聚集程度自适应调整F的目的。

式中：Npop为种群数；D为染色体维数；phg为DE 算法目前搜索到的最优位置，xhg为每个个体目前搜索到的位置，h和g分别为种群序号和染色体维数序号；ξ为一个在［0，1］区间内均匀分布的随机数。整体模型求解具体流程如附录A图A2所示。

3 算例分析

3.1 基本数据

以某科技园区为例进行算例分析，该园区配电网结构见图2。变压器故障可通过定期检修排除因而不考虑，根据配电网各元件可靠性参数以及故障模式影响分析法求得F1中IES并网点初始可靠性参数如下：故障率为0.12 次／a，平均停运持续时间为3.393 h。F1 初始年总负荷D0=10 000 kW，并网点负荷占30%，F1分摊固定投资为8712万元，q0为0.5，φ为1.2%。设置13 个并网点可靠性等级，年平均停电时间分别为18.2、9.5、5.9、4、2.9、2.2、1.8、1.4、1.2、1、0.9、0.8、0.7 h。δ取0.3元／（kW·h）。该园区综合能源运营商构建的终端DIES 结构见图1，设备可靠性数据见附录A 表A1，上级天然气网选取的是主要输气管道的故障率及修复时间，光伏、风电年出力曲线分别见附录A图A3、A4，电、热、冷年负荷曲线见附录A 图A5，可靠性评估源荷概率多场景聚类结果见附录A 图A6，待配置设备参数见附录A 表A2。根据该地区的气候特点，将全年分为供冷季、供暖季和过渡季3种典型日场景，分类情况见附录A表A3，负荷曲线见附录A 图A7。DIES 购售能价格见附录A 表A4。DIES用户用能可靠性要求如下：σASAI，m=0.9999，σLOEE，m=10 MW·h／a。

图2 配电网结构Fig.2 Structure of distribution network

3.2 计算结果与分析

设置种群数Npop=50，初始缩放因子F=0.8，交叉概率PCR=0.2，各设备容量在［10，10 000］区间优化配置，收敛次数约为80 次左右。优化结果如下：DIES 购电年平均停电时间为2.2 h／a，即平均电能可用率为0.99975，购电价格为0.5402元／（kW·h），总收益等年值为685.63万元，其中投资成本172.5万元，运维成本5.18 万元，设备残值8.63 万元，运行收益854.68万元。优化配置结果见表1。

表1 设备配置结果Table 1 Configuration results of devices

为了比较不同电价机制下配置结果的差异，将上述配置方法命名为方法1，设置方法2为采用现有的同网同价电能交易市场机制进行优化配置的方法，DIES 购电可用率为0.999 9，DIES 购电价格为0.654 5 元／（kW·h），优化配置结果见表2。优化结果如下：总收益等年值为677.59万元，其中投资成本163.65 万元，运维成本4.91 万元，设备残值8.18 万元，运行收益837.97万元。

表2 同网同价的电价机制下设备配置结果Table 2 Configuration results of devices under electricity price mechanism with same price for whole network

虽然方法1比方法2的投资成本高了8.85万元，但由于购电可靠性与电价更低，运行收益和总收益均有明显提升，分别提升了16.71 万元和8.04 万元。这说明采用可靠性电价能够通过运营商收益提升有效激励运营商通过自建终端DIES 并增加设备冗余配置，降低对从配电网购电可靠性的要求。DIES 收益的提升来源于自身投资的增加和对购买电能可靠性要求的降低。而配电网根据DIES 可靠性要求降低供电可靠性、延缓投资，投资年折算成本降低了32.24%，在保障自身收益的前提下降低电价，达到配电网与DIES 以市场机制分摊对用户供能可靠性责任的目的，从而有效提升配电网资产利用率。

3.3 用户负荷特性对配置结果的影响

为研究负荷特性差异对配置方案的影响，本文选取某小型工业园区作为对比。该工业园区典型日负荷特性见附录A 图A8，电负荷昼夜差别较小，热负荷不同季节变化较小且维持在较高水平，供暖季也有一定量的冷负荷稳定存在。用于可靠性计算的年负荷曲线见附录A 图A9，风电、光伏全年出力曲线同科技园区，源荷概率多场景聚类结果见附录A图A10。

设备配置结果如表3 所示。优化结果如下：DIES 购电年平均停电时间为18.2 h／a，购电可用率为0.997 9，购电价格为0.473 7 元／（kW·h），总收益等年值为1 213.3 万元，其中投资成本233.82 万元，运维成本7.01 万元，设备残值18.43 万元，运行收益1442.5万元。

表3 工业园区IES设备配置结果Table 3 Configuration results of devices for IES in industrial park

与科技园区相比，工业园区配置的CCHP 系统、EC、EH 容量上升，ES、HS 容量下降。这是因为工业园区热冷负荷稳定存在，尤其热负荷在不同季节均维持在较高水平，各季节冷负荷也均存在，未出现科技园区供暖季没有冷负荷的现象。在这种情况下，CCHP系统联合供应热冷负荷经济优势突出，容量大幅提升。作为备用供能设备，冷负荷直接单独供能设备即EC 容量上升，热负荷直接单独供能设备即EH容量上升。虽然配置设备容量较大，投资较高，但DIES 自我保障可靠性能力较强，配置购电可靠性较低，电价较低，工业园区整体负荷水平较高且平稳，运行收益较高，因而总收益较科技园区提升明显。

由上述分析可得，在本文所提DIES 并网点电价机制下，当冷热电负荷整体水平较高且均平稳存在时，应提升CCHP 系统设备配置容量，EC、EH 等单独供能设备作为备用容量会相应提升；当整体水平不稳定且各类负荷差距较大时，应降低CCHP 系统容量，并适当配置ES、HS等储能设备。

3.4 用户用能可靠性要求对配置结果的影响

DIES 用户用能可靠性要求不同，本文模型配置结果和效果有所不同。假设电热冷用户用能可靠性要求相同，附录A 表A5为在不同的用能可靠性要求（ASAI）下的设备配置结果。图3为投资、电价、收益随用户用能可靠性要求的变化情况。

图3 投资、电价、收益随用户用能可靠性要求的变化Fig.3 Variation of investment，electricity price and revenues vs. users’energy supply reliability requirements

不同用户用能可靠性要求的设备配置结果中，各供热路径设备（CCHP 系统、EH、HS）和各供冷路径设备（CCHP 系统、EC、CS）呈现明显的互补特性，其中由于CCHP 系统、EC 制冷效率高，经济性更好，CS配置结果始终为最小值。

优化配置结果是在购电可靠性与设备配置容量间的均衡。购电电价特性如附录A 图A11 所示，呈现电价随购电可靠性的提升阶梯状增长且购电可靠性越高梯度越密集、增长速度越快的特点。

当ASAI大于0.9975时，购电可靠性随用户用能可靠性要求的增加而提升，价格随之阶梯状增加，运行收益随之阶梯状降低，且阶梯长度逐渐缩短，变化速度逐渐加快。在同一购电可靠性下，设备投资费用随用户用能可靠性要求的增加而增加。且购电可靠性较高的区段投资费用增长速度较快，从而导致总收益随用户用能可靠性要求的增加而加速降低。当ASAI小于0.9975时，总收益变化较小。这是因为用户用能可靠性要求较低，电能可直接通过购买电网可靠性和价格均较低的电能来满足用户要求，而为满足用户冷、热供能需要，则需配置一定的能源转换设备。虽然设备配置容量随可靠性要求降低而减少，投资费用降低，但由于当购电年平均停电时间大于18.2 h 时，购电价格不再降低，因此运行收益随可靠性要求的降低而降低，故而当运行收益降低幅度大于设备投资降低幅度时，总收益不再随用户用能可靠性要求的降低而增加。

3.5 年负荷增长率φ对配置结果的影响

上述电价计算方法中取配电网年负荷增长率φ为1.2%，当φ不同时并网点电价特性随之改变，如附录A 图A12 所示。当φ增大时，阶梯状电价特性整体梯度减小且高可靠性电价相对较低，但当φ为0.4%～1.2%时低可靠性电价随φ的增加而整体增大，且增幅相对较大，当φ为1.2%～2%时低可靠性电价随φ的增加而整体降低，且降幅相对较小。各电价特性设立的并网点可靠性等级见附录A 表A6。附录A 表A7 为不同φ下（即不同电价特性下）的配置结果。图4 为购电可靠性、电价、总收益随φ的变化情况。

图4 购电可靠性、电价、总收益随年负荷增长率的变化Fig.4 Variation of power purchase reliability，electricity price and total revenue vs. annual load growth rate

由附录A 图A12、附录A 表A7、图4 可知，φ（φ=0.4%）较小时，低可靠性电价效应明显，即低可靠性电价较低，低可靠性电能和高冗余配置经济性更佳，配置CCHP 系统、ES 容量较大。ES 作为低可靠性电能的缓冲设备，可通过充放电实现电能可靠性的提升，从而为EC、EH 等电供能设备以及用户供电，保障EC 和EH 供冷、热能以及用户供电的可靠性，CCHP 系统作为电、冷、热能的备用供能路径，保障3种能源的供能可靠性。此时由于低电价效应显著，虽然设备容量较大，总收益仍较高。φ（φ＞0.4%）较大时，低可靠性电价效应不明显，配置电能可靠性整体较高，配置结果是在购电可靠性与电价以及设备配置容量间的均衡，整体呈现随φ增加总收益增大的趋势。除φ=1.6%外购电可靠性变化较小，因此配置设备投资变化不大，电价对总收益影响较大，电价高则总收益低，电价低则总收益高，而电价取决于电价特性。φ=1.6%时购电可靠性较高，由于电价特性的原因，电价和φ=1.2%时配置电能的电价差别较小，而配置设备投资较小，因而总收益较高。

4 结论

针对终端IES 与配电网配置冗余问题，本文提出了计及可靠性的IES 并网点电价估算方法，进而建立了计及可靠性价值的IES 设备优化配置模型，仿真结果验证了模型的有效性，并得到以下结论。

1）实施计及可靠性的DIES 并网点电价，能够有效激励终端运营商通过构建DIES 配置冗余设备提升自我保障供能可靠性的能力，同时降低对电网电能可靠性的依赖，降低电网冗余配置，提升电网资产利用率，从而有效协调终端系统与电网可靠性能力，达到以市场机制分摊对用户供能可靠性责任的目的。

2）在计及可靠性的DIES 并网点电价机制下，用户可靠性要求越高，配置能源耦合设备容量越大，且运营商总收益在一定范围内随用户可靠性要求的降低而减速增加；当可靠性要求一定时，电热冷负荷整体水平越高且各类负荷存在较稳定，CCHP 系统设备配置容量越大，储电设备容量越小，购电可靠性越低；配电网年负荷增长率在一定范围内越高，电价梯度越小，配置DIES 购电电价越低，运营商总收益越大。

附录见本刊网络版（http：//www.epae.cn）。