含电动汽车充电站的社区综合能源系统双层调度方法与流程

本发明涉及综合能源系统经济运行的技术领域，是一种含电动汽车充电站的社区综合能源系统双层调度方法。

背景技术

现有综合能源系统(Integrated Energy System,IES)作为可再生能源的有效载体，可以有效整合各类分布式能源、负载、储能等装置和控制系统，满足用户侧多能源需求。而含电动汽车的社区综合能源系统(community integrated energy system,CIES)作为一种能源互联网的典型示范，将成为未来社区重点发展的新模式。但是，可再生能源固有的波动性和间歇性导致大量可再生能源的浪费，并增加了CIES调度的难度。电动汽车等灵活负载的需求响应已被证明有利于解决可再生能源的不确定性问题。然而，随着电动汽车普及率的不断提高，电动汽车的无序充电行为将不可避免地加剧负荷的波动和电动汽车充电站(electric vehicle charging station,EVCS)的调度难度。因此，通过引导电动汽车充放电以及提供旋转备用服务的行为，积极参与灵活需求响应，对促进可再生能源消纳具有重要意义。

目前针对CIES和EVCS的调度问题，本领域已进行了一些有益的探索。然而，现有方法中很少同时考虑多种可再生能源发电的不确定性，并且以往的工作多关注单一的电力需求响应，对综合需求响应(integrated demand response,IDR)的关注相对较少。据了解，迄今未见对CIES和EVCS在多方利益相关者情景下进行协调调度的文献报道和实际应用。

技术实现要素：

本发明的目的是克服现有技术的不足，为更好得解决CIES和EVCS在多方利益相关者情景下的协调调度问题，提供一种科学合理，能够降低联合系统的运行成本，同时有效引导电动汽车参与需求响应，促进可再生能源的消纳能力，适用性强，效果佳的含电动汽车充电站的社区综合能源系统双层调度方法。

本发明的目的是由以下技术方案来实现的：一种含电动汽车充电站的社区综合能源系统双层调度方法，其特征是，它包括以下步骤：

1)构建上层社区综合能源系统物理模型和优化调度模型

(1)社区综合能源系统(community integrated energy system,CIES)物理模型包括：风机、光伏和储能系统(energy storage system,ESS)联合为用户提供电需求，电锅炉(electric boiler,EB)消纳电源侧提供的部分电能转换成热能，与储热装置(heat storage device,HSD)联合为用户提供相应的热需求；

①电力需求响应

电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；

a)可时移的电力负荷

可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2)描述:

式中，是已发生时移的电力负荷功率，和是t时段可时移负荷的最大值和最小值；

b)可中断电力负荷

在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:

式中，和分别是中断的电力及其在时段t中的最大值；

②热需求响应

将建筑热需求视为热负荷，利用瞬态热平衡方程将建筑温度与热需求联系起来，采用热感觉投票值来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):

式中，是中断的热负荷，是在t时段内的最大值，引入热感觉平均预测指PMV(predicted mean vote)来描述用户可接受的热舒适范围；

式中，M为人体能量代谢率；Icl是服装的热阻；Ts是处于舒适状态的人体皮肤的平均温度；Tin(t)是室内温度；

室内温度变化范围是

为全面衡量IDR对用户体验的影响用户综合满意度设计为：

式中，US为用户综合满意度，为t时段固定负荷，和为初始电力和热负荷；

(2)上层社区综合能源系统优化调度模型

①上层模型以CIES净运行成本F1最小化作为目标函数，由CIES向电网和EVCS购电的费用，即电力负荷、热力负荷购电费用；电网、ESS以及EVCS向CIES提供旋转备用费用；ESS折旧成本；中断电热负荷补偿费用；EVCS购买可再生能源收益组成，表达式为式(8)：

式中，ωst,t为电网分时，ωrt,t为动态电价，是可转移电力负荷消耗的电网功率,是固定电力负荷消耗的电网功率，是可中断电力负荷消耗的电网功率，是热负荷消耗的电网功率，ωre,grid为电网的备用价格,ωre,ESS为ESS的备用价格，ωre,EV为EVs的备用价格，是电网提供的备用容量,是ESS提供的备用容量，是电动汽车提供的备用容量，ωdp,ESS是ESS的折旧成本，是ESS的充电功率，ωel和ωhl分别是电和热中断负荷的补偿价格；是电动汽车消耗的RGs功率；

②确定约束条件，调度模型的约束条件包括供电系统约束、储能系统约束、旋转备用约束和供热系统约束，表述式为式(9)：

(i)供电系统约束：包括电力供需平衡和电网功率约束

式中，为时段t内系统电力负荷消耗的电网功率，和分别是RGs联合出力及其期望值；为可控负荷，为电网提供的最大功率，为t时段系统电力负荷消耗电网功率，和分别为t时段储能充放电功率，和分别为t时段电动汽车充放电效率，为t时段可控负荷，为联合系统从电网购电功率，为电网提供功率的最大值；

(ii)储能系统约束：包括储能装置功率约束和容量约束，

式中，为t时段储能容量，和分别为t时段储能充放电功率，ηch和ηdc分别为储能充放电效率，表示ESS初始容量，表示一个调度周期，即24小时结束时的储能容量，表示储能的初始存储容量最小值，PRess,t为t时段储能提供的备用容量；

(iii)旋转备用约束：包括电网备用约束，ESS备用约束和EVCS备用约束，总旋转备用约束以机会约束形式表达式为，

式中，α为系统置信水平，和分别是风机和光伏的功率输出；

(iv)供热系统约束：包括供热系统电热功率平衡约束、电锅炉运行约束和储热装置约束；

供热系统电热功率平衡约束表达式为式(18)，

式中，Pdhp,n,t为供热负荷的耗电量，为t时段热负荷消耗的RGs功率；

电锅炉运行约束：

Peh,n,t＝ηebPdhp,n,t (19)

0≤Peh,n,t≤Peh,n (20)

式中，Peh,n,t和Peh,n为第n台电锅炉的供热功率及其额定值，N为电锅炉总数，ηeb为电锅炉性能系数，表示热泵供暖功率与耗电功率的比值。

储热装置约束：包括储热装置功率约束和容量约束，

式中，为t时段HSD储热容量，和分别为HSD容量的最小值和最大值，和分别为HSD最大充放电功率，表示HSD初始容量，表示一个调度周期24小时结束时的储热容量，表示HSD存储容量的最小值；

2)将机会约束转化为确定性约束；

利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(iat)和b(ibt)，通过概率性序列，获得各时段风光联合出力的期望值，t时段预测的间歇性风光共同出力的期望值Et计算式为：

式(25)中，Nat为光伏出力概率序列长度；Nbt为风机出力概率序列长度；q为离散化步长；matq为光伏t时段第ma种状态的出力值；mbtq为风机t时段第mb种状态的出力值；

然后将旋转备用的机会约束形式转化成确定性约束形式，t时段风光共同出力所对应的概率性序列c(ict)能够利用概率性序列a(iat)和b(ibt)的卷和获得，根据卷和的定义有：

为了方便处理旋转备用约束，定义一类新的0-1变量它满足以下关系：

式(27)说明在t时段，当系统旋转备用容量大于风光出力期望值与风光第mct种出力mctq的差值时取1，否则为0，

因此旋转备用的机会约束形式简化为：

式(28)中用到了0-1变量而的表达式不兼容混合整数规划(Mixed-Integer Linear Programming，MILP)的求解形式，必须利用式(29)替代式(27)，

式中，τ取一个很大的数，由于τ较大，当时，式λ是一个非常小的正数，由于是一个0-1变量，所以只能等于1，否则为0；

3)输入CIES参数，包括负荷参数和置信水平参数，所述负荷参数为风机参数、光伏组件参数、储能装置参数、储热装置参数、电锅炉参数、建筑物参数、调度时段数和电负荷预测值；

4)确定解决方案是否存在，若解决方案存在，继续解决步骤；否则，更新置信度和负荷，并返回步骤3；

5)通过动态定价机制获得CIES最优调度方案和动态电价，并将动态价格传递给下层电动汽车充电站；

分时电价能够有效显示各时段负荷水平，但分时电价不能有效区分上层CIES可再生能源剩余时段，为指导下层EVCS有效消纳上层CIES中的可再生能源功率，利用“分时 实时”动态定价机制指导下层EVCS充放电方案以消纳CIES中的可再生能源功率，“分时 实时”动态定价机制的用式(30)描述：

式中，a表示CIES的供求关系，是电网谷时段分时电价；

6)构建下层EVCS优化调度模型；

根据电动汽车到达EVCS的时间服从正态分布的特点，电动汽车到达EVCS时间的概率密度函数为；

式中，μ1和μ2分别是电动汽车到达和离开EVCS的时间的平均值；σ1和σ2分别是电动汽车到达和离开EVCS时间的标准差；

电动汽车充电的日负荷需求与日行驶里程和充电时长有关，电动汽车的每日行驶里程为服从正态分布，其概率密度函数为；

式中，Md代表电动汽车的日行驶里程，σM和μM分别为日行驶里程的标准差和平均值；

根据电动汽车的行驶里程及其初始充电状态，充电结束时的实际充电状态为；

式中，Sreal表示实际充电状态，Ss表示EV的初始SOC，Ed,100表示EV行驶100公里时的电力需求，Bc表示EV的电池容量，电动汽车的充电时间计算式为；

式中，Tch是电动汽车的充电时间；和为电动汽车的额定电能和充电效率；为t时段电动汽车的电池容量；

电动汽车充电站(electric vehicle charging station,EVCS)优化调度模型构建过程为：

(a)选取优化目标，选用电动汽车充电站运行成本最小为优化目标，包括EVCS向电网购电成本、EVCS向CIES购电成本、EVCS向CIES放电收益、EVCS向CIES提供旋转备用的收益，表达式为：

式中，为电动汽车消耗电网功率，为电动汽车消耗CIES中可再生能源功率，为电动汽车向CIES放电功率；

(b)确定约束条件，调度模型的约束条件包括能量平衡约束、充放电功率约束、充放电容量约束、充放电格位数约束和旋转备用约束，具体式为：

能量平衡约束：包括电热平衡约束和上下限约束，

式中，和为电动汽车在t时间段的最大充放电功率，和为t时间段电力负荷和热负荷在消耗RGs功率后的功率缺额；

充放电功率约束：包括可再生能源消纳量约束和上下限约束，

充放电容量约束：包括充放电容量和上下限约束，

充放电格位数约束：

式中，为t时段电动汽车容量和分别为t时段电动车充放电功率，和分别为t时段电动汽车最小和最大容量，和分别为t时段处于充电和放电状态的电动汽车数量，NB,pos,max为电动汽车充电站最大充放电格位数；

7)输入EVCS参数；

电动汽车充电站参数包括：园区内电动汽车数目，每台电动汽车的电池容量，每台电动汽车的充放电效率，充电桩数目，每个充电桩的额定充放电功率，一个调度周期24小时内电动汽车总充电功率，可控负荷功率；

8)根据上层CIES提供的动态价格，利用CPLEX求解器对EVCS最优调度模型进行求解；

9)获取EVCS充放电方案；通过步骤8)中的求解结果获取EVCS充放电方案；

10)计算联合优化目标函数和和分别代表联合优化上层CIES和下层EVCS的运行成本；

11)判断是否满足终止条件：

采用的迭代终止条件是当前迭代次数超过预设的最大迭代次数，若满足，停止迭代过程；否则，将EVCS充电放电方案传递给上层并返回步骤3)；

12)确定联合最优解；

通过求解双层模型，获得多组调度方案，为从多个方案中选择最优解，定义联合优化目标函数F^JO为：

13)输出CIES和EVCS的最优调度方案，通过求解联合优化目标函数，获得对应的CIES和EVCS的最优调度方案和联合最优解。

本发明的一种含电动汽车充电站的社区综合能源系统双层调度方法，首先，构建一种包含电动汽车充电站(electric vehicle charging station,EVCS)的社区综合能源系统(community integrated energy system,CIES)的物理模型；然后，利用序列运算理论，将原机会约束规划(CCP)调度模型转化为一个易于求解的混合整数线性规划(MILP)模型；最后，采用CPLEX求解器求解该双层模型，获得CIES和EVCS的最优调度方案，有效的解决了CIES和EVCS在多方利益相关者情景下的协调调度问题，降低了联合系统的联合运行成本，通过有效引导电动汽车参与需求响应，促进可再生能源的消纳能力，具有方法科学合理、适用性强、效果佳等待优点。

附图说明

图1是本发明的一种含电动汽车充电站的社区综合能源系统双层调度方法流程框图；

图2是社区综合能源测试系统示意图；

图3是不同时段的风机和光伏发电量以及电热负荷需求；

图4是不同定价机制下的电力需求调度方案示意图；

图5是不同定价机制下的热需求调度方案示意图；

图6是不同定价机制下的EVCS充放电方案示意图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

参见图1，一种含电动汽车充电站的社区综合能源系统双层调度方法，首先，构建一种包含电动汽车充电站(electric vehicle charging station,EVCS)的社区综合能源系统(community integrated energy system,CIES)的物理模型；然后，利用序列运算理论，将原机会约束规划(chance-constrained programming,CCP)调度模型转化为一个易于求解的混合整数线性规划(mixed-integer linear programming,MILP)模型；最后，采用CPLEX求解器求解该双层模型，得到CIES和EVCS的最优调度方案以及联合最优解，其具体步骤包括：

1)社区综合能源系统(community integrated energy system,CIES)物理模型构建；参见图2，风机、光伏和储能系统(energy storage system,ESS)联合为用户提供电需求，电锅炉(electric boiler,EB)消纳电源侧提供的部分电能转换成热能，与储热装置(heat storage device,HSD)联合为用户提供相应的热需求，其中热负荷需求为具有供暖系统建筑物的供暖量。

2)建立基于机会约束规划的社区综合能源系统(community integrated energy system,CIES)优化调度模型；

1.CIES综合需求响应模型：

(1)电力需求响应

在本专利中，电力负荷由固定负荷和柔性负荷组成。根据需求响应的特点，电力柔性负荷分为两种类型:可转移负荷和可中断负荷。

a)可时移的电力负荷

可时移负荷的特征是总耗电量是恒定的，并且消耗时间可以灵活改变。可以用下面的公式来描述:

式中，是已发生时移的电力负荷功率，和是t时段可时移负荷的最大值和最小值。

b)可中断电力负荷

在电力供应不足或电价高的时期，用户可以中断部分负荷以缓解电力供应压力。可中断负荷的相关约束可描述为:

式中，和分别是中断的电力及其在时段t中的最大值。

(2)热需求响应

将建筑热需求视为热负荷，利用瞬态热平衡方程将建筑温度与热需求联系起来。这里，热感觉投票值用于描述用户对室内温度变化的舒适体验。供热可中断负荷的相关约束可描述为:

式中，和分别是中断的热负荷及其在t时段内的最大值。引入热感觉平均预测指PMV(predicted mean vote)来描述用户可接受的热舒适范围；

式中，M为人体能量代谢率；Icl是服装的热阻；Ts是处于舒适状态的人体皮肤的平均温度；Tin(t)是室内温度。

室内温度变化范围是

为了全面衡量IDR对用户体验的影响用户综合满意度设计为

式中，US为用户综合满意度，为t时段固定负荷，和为初始电力和热负荷。

2.上层CIES优化调度模型构建

上层模型以CIES净运行成本F1最小化作为目标函数，它是用运行成本和收益相减得到，由以下五部分组成：CIES向电网和EVCS购电的费用(电力负荷、热力负荷购电费用)，电网、ESS以及EVCS向CIES提供旋转备用费用，ESS折旧成本，中断电热负荷补偿费用，EVCS购买可再生能源收益。上层目标函数具体描述如下：

式中，ωst,t和ωrt,t分别为电网分时和动态电价，和分别是可转移电力负荷，固定电力负荷，可中断电力负荷和热负荷消耗的电网功率。ωre,grid,ωre,ESS和ωre,EV分别是电网，ESS，EVs的备用价格。和分别是电网，ESS和电动汽车提供的备用容量。ωdp,ESS是ESS的折旧成本，是ESS的充电功率，ωel和ωhl分别是电和热中断负荷的补偿价格；是电动汽车消耗的RGs功率。

(b)确定约束条件，调度模型的约束条件包括供电系统约束、储能系统约束、供热系统约束、电热平衡约束、电锅炉约束、储热约束、和旋转备用约束，具体如下：

供电系统约束：包括电力供需平衡和电网功率约束

式中，为时段t内系统电力负荷消耗的电网功率，和分别是RGs联合出力及其期望值；为可控负荷，为电网提供的最大功率。为t时段系统电力负荷消耗电网功率，和分别为t时段储能充放电功率，和分别为t时段电动汽车充放电效率，为t时段可控负荷，为联合系统从电网购电功率，为电网提供功率的最大值。

储能系统约束：包括储能装置功率约束和容量约束，

式中，为t时段储能容量，和分别为t时段储能充放电功率，ηch和ηdc分别为储能充放电效率。表示ESS初始容量，表示一个调度周期的结束时的储能容量(设置为24小时)，表示储能的初始存储容量最小值。PRess,t为t时段储能提供的备用容量。

旋转备用约束：包括电网备用约束，ESS备用约束和EVCS备用约束，总旋转备用约束以机会约束形式表达，

式中，α为系统置信水平，和分别是风机和光伏的功率输出。

供热系统约束条件：

(1)系统电、热功率平衡约束：

式中，Pdhp,n,t为供热负荷的耗电量，为t时段热负荷消耗的RGs功率。

(2)电锅炉运行约束：

Peh,n,t＝ηebPdhp,n,t (19)

0≤Peh,n,t≤Peh,n (20)

式中，Peh,n,t和Peh,n为第n台电锅炉的供热功率及其额定值，N为电锅炉总数，ηeb为电锅炉性能系数，表示热泵供暖功率与耗电功率的比值。

(3)储热装置约束：包括储热装置功率约束和容量约束，

式中，为t时段HSD储热容量，和分别为HSD容量的最小值和最大值，和分别为HSD最大充放电功率，表示HSD初始容量，表示一个调度周期的结束时的储热容量(设置为24小时)，表示HSD存储容量的最小值。

2)将机会约束转化为确定性约束；所述步骤2)中，利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(iat)和b(ibt)。通过概率性序列，获得各时段风光联合出力的期望值。t时段预测的间歇性风光共同出力的期望值Et计算式为：

式(25)中，Nat为光伏出力概率序列长度；Nbt为风机出力概率序列长度；q为离散化步长；matq为光伏t时段第ma种状态的出力值；mbtq为风机t时段第mb种状态的出力值。

然后将旋转备用的机会约束形式转化成确定性约束形式。t时段风光共同出力所对应的概率性序列c(ict)可以利用概率性序列a(iat)和b(ibt)的卷和获得，根据卷和的定义有：

为了方便处理旋转备用约束，定义一类新的0-1变量它满足以下关系：

式(27)说明在t时段，当系统旋转备用容量大于风光出力期望值与风光第mct种出力mctq的差值时取1，否则为0，

因此旋转备用的机会约束形式可简化为：

式(28)中用到了0-1变量而的表达式不兼容混合整数规划(Mixed-Integer Linear Programming，MILP)的求解形式，必须利用式(29)替代式(27)，

式中，τ取一个很大的数，由于τ较大，当时，式(29)等价为λ是一个非常小的正数，由于是一个0-1变量，所以只能等于1，否则为0。

3)输入CIES参数；所述步骤3)中输入的初始参数包括：风机参数，光伏组件参数，储能装置参数，储热装置参数，电锅炉参数，建筑物参数，调度时段数，电负荷预测值，置信水平以及各优化变量的上、下限值。

4)确定解决方案是否存在。所述步骤4)中，确定解决方案是否存在。如果解决方案存在，继续解决步骤；否则，更新置信度和负荷，并返回步骤3；

5)通过动态定价机制获得CIES最优调度方案和动态电价，并将动态价格传递给下层电动汽车充电站(electric vehicle charging station,EVCS)；所述步骤5)中，分时电价可以有效显示各时段负荷水平，但分时电价不能有效区分上层CIES可再生能源剩余时段，为了指导下层EVCS有效消纳上层CIES中的可再生能源功率，本文提出一种新的“分时 实时”动态定价机制，该机制充分结合了分时电价和实时电价的优点，能够高效指导下层EVCS充放电方案以消纳CIES中的可再生能源功率，有效降低上、下层运行成本“分时 实时”动态定价机制的具体细节可以描述为：

式中，a表示CIES的供求关系，是电网谷时段分时电价。

6)构建下层EVCS优化调度模型；所述步骤6)中的电动汽车充电站(electric vehicle charging station,EVCS)物理模型中，一个EVCS为电动汽车提供足够数量的充电桩，用于电动汽车充放电以及作旋转备用辅助服务；园区内有一定数量的电动汽车，参与CIES灵活需求响应。

根据电动汽车到达EVCS的时间大致服从正态分布。电动汽车到达EVCS时间的概率密度函数如下

式中，μ1和μ2分别是电动汽车到达和离开EVCS的时间的平均值；σ1和σ2分别是电动汽车到达和离开EVCS时间的标准差。

电动汽车充电的日负荷需求与日行驶里程和充电时长有关。一般来说，电动汽车的每日行驶里程被认为服从正态分布，其概率密度函数为

式中，Md代表电动汽车的日行驶里程，σM和μM分别为日行驶里程的标准差和平均值。

根据电动汽车的行驶里程及其初始充电状态，充电结束时的实际充电状态为

式中，Sreal表示实际充电状态，Ss表示EV的初始SOC，Ed,100表示EV行驶100公里时的电力需求，Bc表示EV的电池容量。电动汽车的充电时间可以计算为

式中，Tch是电动汽车的充电时间；和为电动汽车的额定电能和充电效率；为t时段电动汽车的电池容量。

电动汽车充电站(electric vehicle charging station,EVCS)优化调度模型构建过程为：

(a)选取优化目标，选用电动汽车充电站运行成本最小为优化目标。它由以下四部分组成：EVCS向电网购电成本、EVCS向CIES购电成本、EVCS向CIES放电收益、EVCS向CIES提供旋转备用的收益。

式中，为电动汽车消耗电网功率，为电动汽车消耗CIES中可再生能源功率，为电动汽车向CIES放电功率。

(b)确定约束条件，调度模型的约束条件包括能量平衡约束、充放电功率约束、充放电容量约束、充放电格位数约束和作旋转备用约束，具体如下：

能量平衡约束：包括电热平衡约束和上下限约束，

式中，和为电动汽车在t时间段的最大充放电功率，和为t时间段电力负荷和热负荷在消耗RGs功率后的功率缺额。

充放电功率约束：包括可再生能源消纳量约束和上下限约束，

充放电容量约束：包括充放电容量和上下限约束，

充放电格位数约束：

式中，为t时段电动汽车容量和分别为t时段电动车充放电功率，和分别为t时段电动汽车最小和最大容量，和分别为t时段处于充电和放电状态的电动汽车数量，NB,pos,max为电动汽车充电站最大充放电格位数。

7)输入EVCS参数；所述步骤7)中的电动汽车充电站参数包括：园区内电动汽车数目，每台电动汽车的电池容量，每台电动汽车的充放电效率，充电桩数目，每个充电桩的额定充放电功率，一个调度周期内(设为24h)电动汽车总充电功率，可控负荷功率以及各优化变量的上、下限值。

8)根据上层CIES提供的动态价格，求解EVCS最优调度模型；所述步骤8)中，利用CPLEX求解器对EVCS最优调度模型进行求解；

9)获取EVCS充放电方案；所述步骤9)中，通过步骤8)中的求解结果获取EVCS充放电方案；

10)计算联合优化目标函数；所述步骤10)中，F1^JO和F2^JO分别代表联合优化上层CIES和下层EVCS的运行成本。

11)判断是否满足终止条件。所述步骤11)中，采用的迭代终止条件是当前迭代次数超过预设的最大迭代次数。如果满足，停止迭代过程；否则，将EVCS充电放电方案传递给上层并返回步骤3)；

12)确定联合最优解；所述步骤12)中，通过求解双层模型，可以获得多组调度方案，为了从多个方案中选择最优解，定义了联合优化目标函数F^JO如下：

13)输出CIES和EVCS的最优调度方案。所述步骤13)中，通过求解联合优化目标函数，获得对应的CIES和EVCS的最优调度方案和联合最优解。

图2是社区综合能源测试系统示意图，实施例是本发明的一种协调灵活需求响应和可再生能源不确定性的含电动汽车充电站的社区综合能源系统双层调度方法在此系统上的具体应用。该综合能源系统包括一组风机和光伏发电装置，一个电储能装置，一个电锅炉和一个储热装置，一个电动汽车充电站。

图3是该测试系统不同时段的风机和光伏发电量以及电热负荷需求。

基于所提出的双层调度方法，所得的不同定价机制下的电力和热力需求调度方案分别如图4和图5所示；所得的不同定价机制下的EVCS充放电方案如图6所示。

由图4可以看出，采用“分时 实时”动态定价机制使得可控负荷显著减少，表明上层CIES中的可再生能源功率基本都被EVCS消纳，说明“分时 实时”动态定价机制可以准确识别上层模型新能源剩余功率及时段，从而避免可再生能源功率的浪费，减小了弃风弃光率。

由图5可以看出，在1:00-5:00时段，采用“分时 实时”动态定价机制减少了热力负荷对电网功率的消耗，在满足热负荷需求平衡的基础上，增加热负荷对可再生能源的消纳，同时通过对电锅炉和储热系统产生热量的存储和释放，进一步降低了上层CIES运行成本。

由图6可以看出，相比于分时电价，由所提定价机制确定的动态电价引导电动汽车更积极地参与CIES运行，这能够减少下层EVCS的运行成本。同时，该定价机制可以灵活引导电动汽车合理安排充放电方案，避免非高峰时段集中充电。此外，电动汽车充电时段与可再生能源消纳时段基本吻合，可以减少从电网购买的电量，增加可再生能源的消纳。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。