CN111224429A - 优化光伏风能可再生能源系统混合整数线性规划方法 - Google Patents

Abstract

本发明公开了一种优化光伏风能可再生能源系统混合整数线性规划方法，包括以下步骤，步骤一，确定风电场模型，光伏电站模型；步骤二，给出MILP的定义，包括目标函数，约束条件，MILP的模型方程式；步骤三，对MILP方法进行投资评估与经济分析。本发明提出的优化光伏风能可再生能源系统混合整数线性规划方法具备全面性、独立性、易度量性、灵活性和实用性，所需数据来源方便，易于理解，并且提出基于MILP公式的方法，能够确定光伏和风能发电厂的最佳规模。

Description

优化光伏风能可再生能源系统混合整数线性规划方法

技术领域

本发明涉及一种优化光伏风能可再生能源系统混合整数线性规划方法，属于用电服务技术领域。

背景技术

近年来，人们越来越关注节能和实现减少由化石燃料引起的污染。许多研究集中在与合理管理负载有关的问题上，以减少网络的能量吸收。使用度量方法控制措施对于实现此目标非常重要，同时还需要针对工业负载管理中的实时决策模型提供新的解决方案。使用可再生能源(RES)进行能源生产(即使是部分生产)是现代公司的重要特征。除了经济利益外，每个产业结构都应仔细考虑环境问题和减少温室气体的排放。

大规模RES生产必须与电力系统集成，以改善系统运行、可靠性、环境可持续性和经济效益。不同RES的大小及其相关的协调是微电网(MG)正确运行的两个基本方面。考虑经济和操作方面的因素限制了可安装在电力系统中的RES总数。考虑到土地使用，电力系统可靠性和电力市场设计等有关因素对可再生能源的总部署的实施限制，特别是涉及非可控制能源，主要是风能和太阳能。RES的最关键方面之一是能源生产预测，这取决于地理和气候参数。一旦有了预测模型，就可以将MG的设计建模为优化问题，并使用合适的算法进行求解。

因此本发明提出使用混合整数线性规划(MILP)方法来对光伏发电风能可再生能源系统进行优化，提出了一种基于MILP公式的方法，确定光伏和风能发电厂的最佳规模。

发明内容

本发明的目的在于提供一种优化光伏风能可再生能源系统混合整数线性规划方法，能够确定光伏和风能发电厂的最佳规模。

本发明的目的通过以下技术方案予以实现：

一种优化光伏风能可再生能源系统混合整数线性规划方法，包括：

步骤一，确定风电场模型，光伏电站模型；

步骤二，给出混合整数线性规划MILP的定义，包括目标函数，约束条件，混合整数线性规划MILP的模型方程式；

步骤三，对混合整数线性规划MILP方法进行投资评估与经济分析。

本发明的目的还可以通过以下技术措施来进一步实现：

前述优化光伏风能可再生能源系统混合整数线性规划方法，步骤一中，风电场模型基于风力发电机功率曲线的典型形状为依据进行建模；光伏电站，基于太阳辐射、组件的暴露、系统效率、倾斜角度因素建模，以评估光伏能源的生产。

前述优化光伏风能可再生能源系统混合整数线性规划方法，步骤二中，

1)混合整数线性规划MILP的定义：

风力涡轮机和光伏面板的数量为决策变量，决策变量设定为非负的整数；

优化模型需要输入可再生能源的特征，本地地理限制和负载曲线；基于可再生能源安装的预期投资预算；

数学模型中确定的全套决策变量为：

-x₁,风力涡轮机的台数；

-x₂，光伏面板的台数；

-x₃···x_N+2，在每个时间间隔i＝1，…，N时从网络购买的能量，其中将日期离散化；

功率负载吸收的值存储在设定值中，并且每个值对于离散化日期的N个间隔之一是特定的；一天中有1440分钟，时间间隔离散为1440/N分钟；

考虑到N个时间间隔与公共网络进行能量交换，定义平衡可再生能源生产和负荷需求的相应约束；由于变量数取决于间隔数N，如果间隔数N越大，则模型精度越高；这里定义间隔数N为96，对应于15分钟的离散化间隔；

2)目标函数

目标函数由总成本定义，即风力和光伏电站的运营和维护成本之和与网络能源的购买成本之和；以上总成本与电厂的设备数量以及网络购买的能源数量成正比；因此，总成本由包含x₁,x₂,x₃,···x_N+2变量的线性函数表示；因为必须使总数最小化，所以目标函数为总成本最小化：

其中：

C_{eolic O&M}是风力涡轮机的单位运营和维护成本；

C_{PV O&M}是光伏面板的单位运营和维护成本；

C_{network energy}是所购买能源的单位成本，与时间间隔无关；

3)约束条件

决策变量以及数据必须满足某些技术、经济和几何约束。在数学上，这些约束由涉及变量的线性等式和不等式表示。

能量吸收：

从公共网络购买能源，则能源价值为非负值，约束如式(4)中所示：

x_i≥0,i＝1,2···,N+2 (4)

可再生能源的生产量与负荷需求之间的平衡：

在第i个时间间隔中，可再生能源的生产量和负荷需求之间的平衡由式(5)表示：

其中，

m是一天中的分钟数1440；

分别为在第i个时间间隔中风力涡轮机发电量、光伏面板发电量和负载电力需求；

经济约束：

风力涡轮机和光伏板的成本不应超过最大可用预算budget；从数学上讲，该表达式是仅包含x₁和x₂的线性不等式，确保风力涡轮机和光伏面板的初始安装成本不超过固定预算(6)：

C_eolic*x₁+C_Pv*x₂≤budget (6)

其中：

C_eolic是风力涡轮机的单位安装成本，C_Pv是光伏面板的单位安装成本；

几何约束：

该约束涉及生产场地几何因素，对于风能生产，即由于用于安装风力涡轮机的可用地面区域有限而产生的限制：

x₁*A_b≤A_max (7)

其中：

A_b是风力涡轮机占用的基本地面区域；

A_max是可用区域；

对于光伏电站的可用安装空间约束条件为：

其中：

S_l是用于安装太阳能电池板的可用区域的面积；

L是每个面板的纵向尺寸(以米为单位)；

N_{rows of panels}是已安装面板的行数；

在式(8)中，S_l减小了3m，以便考虑维护走廊，一个1m的中央走廊和两个其他走廊(均为1m且位于较大一侧)。

为了避免遮蔽太阳能板，避免减少其能量产生，使用以下公式(9)计算正确的面板行数N：

其中：

s_l是用于安装太阳能电池板的可用区域中边长较小的一侧；较小的一侧应减少3m，以考虑到走廊的存在；

由式(8)得到表达式(10)：

β表示太阳光倾斜角，γ表示面板和太阳光线夹角；

4)MILP模型方程式：

在MILP模型中，存在N+2个变量和3*N+3个约束如下：公式(11)—(15)总结了该模型。

x₁*A_b≤A_max (13)

C_eolic*x₁+C_Pv*x₂≤budget (15)

x_i≥0,i＝1,2···,N+2 (16)

x1，x2为整数，式(16)实施非负解。

可以通过使用精确的MILP标准算法来获得问题的最佳解决方案，该算法已在大多数商业软件中实现，MILP的精确方法算法是分支界限或Branch-Cut类型的近似隐式枚举方法。MILP算法可以用直接在YALMIP+CPLE商业软件实现，这两款软件是IBM公司产品。

前述优化光伏风能可再生能源系统混合整数线性规划方法，步骤三中，通过计算净现值(NPV)进行投资评估；

由于费用或者收入跟一定时间有关，于是将各项数目折合到相同时间段下，然后进行评估投资的有效性，如公式(17)中所示：

其中：

F0表示原始现金流量；

n是投资的寿命；F_n代表第n个时期的现金流量(用于评估工业投资的获利能力)；i是内部收益率(IRR)，i是相对于投资期限和经济可用性反复选择的；

此方法要求先验定义“n”和“i”，并基于以下定义：

NPV＞0：投资将带来经济利益；

NPV＝0：投资交易将在n年内按率i返还资本和利息；

NPV＜0：投资不正确，将带来经济损失。

因此，仅当NPV>0时，投资才是可行的。使用此技术可以比较不同的投资，而NPV较大的投资是自然的选择。

前述优化光伏风能可再生能源系统混合整数线性规划方法，步骤三中，现金流量的计算需要MILP解决方案将可再生能源的收入与运营/维护成本联系起来，通过MILP方法的运算，可以将可再生能源的收入与运营/维护成本考虑进去，并将收入与运营/维护成本比例最大为目标函数，即此MILP问题的最优解，运行之后得可再生能源工厂的最佳规模x^*,month；

全年进行每月一次的优化分析，通过选择结果中获得的最大值来选择风力涡轮机和光伏发电面板的数量，x_1,ref是风电机组的数目，x_2,ref是光伏面板的数目：

现金流量F使用式(19)表示：

其中：

Revenues表示营业收入；i是利率；p是税收系数，取0～1；A是本年产生的成本费用的摊销；

考虑到x_1,ref和x_2,ref具有以下表达式(20)、(21)，

和

分别是运营和维护成本以及总安装成本：

收入相当于一年中节省的能源成本，即可再生能源产生的能量与负载吸收的能量之差；

使用(22)计算年度摊销估算：

A＝r*C_i,tot (22)

其中：

r是贬值率；

C_i,tot是风机、光伏面板、接口逆变器的全部安装费用。

与现有技术相比，本发明的有益效果是：本发明提出的优化方法具备全面性、独立性、易度量性、灵活性和实用性，所需数据来源方便，易于理解，并且提出的一种基于MILP公式的方法，能够确定光伏和风能发电厂的最佳规模。

附图说明

图1为本发明的流程图；

图2是典型风机输出功率曲线；

图3是太阳能电池数学模型示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

如图1所示，本发明的优化光伏风能可再生能源系统混合整数线性规划方法，包括：

步骤一，确定风电场模型，光伏电站模型；

步骤二，给出混合整数线性规划MILP的定义，包括目标函数，约束条件，混合整数线性规划MILP的模型方程式；

步骤三，对混合整数线性规划MILP方法进行投资评估与经济分析。

所述优化光伏风能可再生能源系统混合整数线性规划方法步骤一中，风电场模型基于风力发电机功率曲线的典型形状为依据进行建模；光伏电站，基于太阳辐射、组件的暴露、系统效率、倾斜角度因素建模，以评估光伏能源的生产。如图2所示是典型风机输出功率曲线；如图3是太阳能电池数学模型示意图。

步骤二中，

1)混合整数线性规划MILP的定义：

风力涡轮机和光伏面板的数量为决策变量，决策变量设定为非负的整数；

优化模型需要输入可再生能源的特征，本地地理限制和负载曲线；基于可再生能源安装的预期投资预算；

数学模型中确定的全套决策变量为：

-x₁,风力涡轮机的台数；

-x₂，光伏面板的台数；

-x₃···x_N+2，在每个时间间隔i＝1，…，N时从网络购买的能量，其中将日期离散化；

功率负载吸收的值存储在设定值中，并且每个值对于离散化日期的N个间隔之一是特定的；一天中有1440分钟，时间间隔离散为1440/N分钟；

考虑到N个时间间隔与公共网络进行能量交换，定义平衡可再生能源生产和负荷需求的相应约束；由于变量数取决于间隔数N，如果间隔数N越大，则模型精度越高；这里定义间隔数N为96，对应于15分钟的离散化间隔；

2)目标函数

目标函数由总成本定义，即风力和光伏电站的运营和维护成本之和与网络能源的购买成本之和；以上总成本与电厂的设备数量以及网络购买的能源数量成正比；因此，总成本由包含x₁,x₂,x₃,···x_N+2变量的线性函数表示；因为必须使总数最小化，所以目标函数为总成本最小化：

其中：

C_{eolic O&M}是风力涡轮机的单位运营和维护成本；

C_{PV O&M}是光伏面板的单位运营和维护成本；

C_{network energy}是所购买能源的单位成本，与时间间隔无关；

3)约束条件

决策变量以及数据必须满足某些技术、经济和几何约束。在数学上，这些约束由涉及变量的线性等式和不等式表示。

能量吸收：

从公共网络购买能源，则能源价值为非负值，约束如式(4)中所示：

x_i≥0,i＝1,2···,N+2 (4)

可再生能源的生产量与负荷需求之间的平衡：

在第i个时间间隔中，可再生能源的生产量和负荷需求之间的平衡由式(5)表示：

其中，

m是一天中的分钟数1440；

分别为在第i个时间间隔中风力涡轮机发电量、光伏面板发电量和负载电力需求；

经济约束：

风力涡轮机和光伏板的成本不应超过最大可用预算budget；从数学上讲，该表达式是仅包含x₁和x₂的线性不等式，确保风力涡轮机和光伏面板的初始安装成本不超过固定预算(6)：

C_eolic*x₁+C_Pv*x₂≤budget (6)

其中：

C_eolic是风力涡轮机的单位安装成本，C_Pv是光伏面板的单位安装成本；

几何约束：

该约束涉及生产场地几何因素，对于风能生产，即由于用于安装风力涡轮机的可用地面区域有限而产生的限制：

x₁*A_b≤A_max (7)

其中：

A_b是风力涡轮机占用的基本地面区域；

A_max是可用区域；

对于光伏电站的可用安装空间约束条件为：

其中：

S_l是用于安装太阳能电池板的可用区域的面积；

L是每个面板的纵向尺寸(以米为单位)；

N_{rows of panels}是已安装面板的行数；

在式(8)中，S_l减小了3m，以便考虑维护走廊，一个1m的中央走廊和两个其他走廊(均为1m且位于较大一侧)。

为了避免遮蔽太阳能板，避免减少其能量产生，使用以下公式(9)计算正确的面板行数N：

其中：

s_l是用于安装太阳能电池板的可用区域中边长较小的一侧；较小的一侧应减少3m，以考虑到走廊的存在；

由式(8)得到表达式(10)：

β表示太阳光倾斜角，γ表示面板和太阳光线夹角；

4)MILP模型方程式：

在MILP模型中，存在N+2个变量和3*N+3个约束如下：公式(11)—(15)总结了该模型。

x₁*A_b≤A_max (13)

C_eolic*x₁+C_Pv*x₂≤budget (15)

x_i≥0,i＝1,2···,N+2 (16)

x1，x2为整数，式(16)实施非负解。

可以通过使用精确的MILP标准算法来获得问题的最佳解决方案，该算法已在大多数商业软件中实现，MILP的精确方法算法是分支界限或Branch-Cut类型的近似隐式枚举方法。MILP算法可以用直接在YALMIP+CPLE商业软件实现，这两款软件是IBM公司产品。

步骤三中，通过计算净现值(NPV)进行投资评估；

由于费用或者收入跟一定时间有关，于是将各项数目折合到相同时间段下，然后进行评估投资的有效性，如公式(17)中所示：

其中：

F0表示原始现金流量；

n是投资的寿命；F_n代表第n个时期的现金流量(用于评估工业投资的获利能力)；i是内部收益率(IRR)，i是相对于投资期限和经济可用性反复选择的；

此方法要求先验定义“n”和“i”，并基于以下定义：

NPV＞0：投资将带来经济利益；

NPV＝0：投资交易将在n年内按率i返还资本和利息；

NPV＜0：投资不正确，将带来经济损失。

因此，仅当NPV>0时，投资才是可行的。使用此技术可以比较不同的投资，而NPV较大的投资是自然的选择。

步骤三中，现金流量的计算需要MILP解决方案将可再生能源的收入与运营/维护成本联系起来，通过MILP方法的运算，可以将可再生能源的收入与运营/维护成本考虑进去，并将收入与运营/维护成本比例最大为目标函数，即此MILP问题的最优解，运行之后得可再生能源工厂的最佳规模x^*,month；

全年进行每月一次的优化分析，通过选择结果中获得的最大值来选择风力涡轮机和光伏发电面板的数量，x_1,ref是风电机组的数目，x_2,ref是光伏面板的数目：

现金流量F使用式(19)表示：

其中：

Revenues表示营业收入；i是利率；p是税收系数，取0～1；A是本年产生的成本费用的摊销；

考虑到x_1,ref和x_2,ref具有以下表达式(20)、(21)，

和

分别是运营和维护成本以及总安装成本：

收入相当于一年中节省的能源成本，即可再生能源产生的能量与负载吸收的能量之差；

使用(22)计算年度摊销估算：

A＝r*C_i,tot (22)

其中：

r是贬值率；

C_i,tot是风机、光伏面板、接口逆变器的全部安装费用。

除上述实施例外，本发明还可以有其他实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围内。

Claims (5)

1.一种优化光伏风能可再生能源系统混合整数线性规划方法，其特征在于，该方法包含下列步骤：

步骤一，确定风电场模型，光伏电站模型；

步骤二，给出混合整数线性规划MILP的定义，包括目标函数，约束条件，混合整数线性规划MILP的模型方程式；

步骤三，对混合整数线性规划MILP方法进行投资评估与经济分析。

2.如权利要求1所述的优化光伏风能可再生能源系统混合整数线性规划方法，其特征在于，步骤一中，风电场模型基于风力发电机功率曲线的典型形状为依据进行建模；光伏电站基于太阳辐射、组件的暴露、系统效率、倾斜角度因素建模，以评估光伏能源的生产。

3.如权利要求1所述的优化光伏风能可再生能源系统混合整数线性规划方法，其特征在于，步骤二中，

1)混合整数线性规划MILP的定义：

风力涡轮机和光伏面板的数量为决策变量，决策变量设定为非负的整数；

优化模型需要输入可再生能源的特征，本地地理限制和负载曲线；基于可再生能源安装的预期投资预算；

数学模型中确定的全套决策变量为：

-x₁,风力涡轮机的台数；

-x₂，光伏面板的台数；

-x₃···x_N+2，在每个时间间隔i＝1，…，N时从网络购买的能量，其中将日期离散化；

功率负载吸收的值存储在设定值中，并且每个值对于离散化日期的N个间隔之一是特定的；一天中有1440分钟，时间间隔离散为1440/N分钟；

考虑到N个时间间隔与公共网络进行能量交换，定义平衡可再生能源生产和负荷需求的相应约束；由于变量数取决于间隔数N，如果间隔数N越大，则模型精度越高；这里定义间隔数N为96，对应于15分钟的离散化间隔；

2)目标函数

目标函数由总成本定义，即风力和光伏电站的运营和维护成本之和与网络能源的购买成本之和；以上总成本与电厂的设备数量以及网络购买的能源数量成正比；因此，总成本由包含x₁,x₂,x₃,···x_N+2变量的线性函数表示；因为必须使总数最小化，所以目标函数为总成本最小化：

其中：

C_{eolic O&M}是风力涡轮机的单位运营和维护成本；

C_{PV O&M}是光伏面板的单位运营和维护成本；

C_{network energy}是所购买能源的单位成本，与时间间隔无关；

3)约束条件

能量吸收：

从公共网络购买能源，则能源价值为非负值，约束如式(4)中所示：

x_i≥0,i＝1,2···,N+2 (4)

可再生能源的生产量与负荷需求之间的平衡：

在第i个时间间隔中，可再生能源的生产量和负荷需求之间的平衡由式(5)表示：

其中，

m是一天中的分钟数1440；

分别为在第i个时间间隔中风力涡轮机发电量、光伏面板发电量和负载电力需求；

经济约束：

风力涡轮机和光伏板的成本不应超过最大可用预算budget；

C_eolic*x₁+C_Pv*x₂≤budget (6)

其中：

C_eolic是风力涡轮机的单位安装成本，C_Pv是光伏面板的单位安装成本；

几何约束：

该约束涉及生产场地几何因素，对于风能生产，即由于用于安装风力涡轮机的可用地面区域有限而产生的限制：

x₁*A_b≤A_max (7)

其中：

A_b是风力涡轮机占用的基本地面区域；

A_max是可用区域；

对于光伏电站的可用安装空间约束条件为：

其中：

S_l是用于安装太阳能电池板的可用区域的面积；

L是每个面板的纵向尺寸；

N_{rows of panels}是已安装面板的行数；

为了避免遮蔽太阳能板，避免减少其能量产生，使用以下公式(9)计算正确的面板行数N：

其中：

s_l是用于安装太阳能电池板的可用区域中边长较小的一侧；较小的一侧应减少3m，以考虑到走廊的存在；

由式(8)得到表达式(10)：

β表示太阳光倾斜角，γ表示面板和太阳光线夹角；

4)MILP模型方程式：

在MILP模型中，存在N+2个变量和3*N+3个约束如下：

x₁*A_b≤A_max (13)

C_eolic*x₁+C_Pv*x₂≤budget (15)

x_i≥0,i＝1,2···,N+2 (16)

x1，x2为整数，式(16)实施非负解。

4.如权利要求1所述的优化光伏风能可再生能源系统混合整数线性规划方法，其特征在于，步骤三中，通过计算净现值NPV进行投资评估；

由于费用或者收入跟一定时间有关，于是将各项数目折合到相同时间段下，然后进行评估投资的有效性，如公式(17)中所示：

其中：

F0表示原始现金流量；

n是投资的寿命；F_n代表第n个时期的现金流量，用于评估工业投资的获利能力；i是内部收益率IRR，i是相对于投资期限和经济可用性反复选择的；

此方法要求先验定义“n”和“i”，并基于以下定义：

NPV＞0：投资将带来经济利益；

NPV＝0：投资交易将在n年内按率i返还资本和利息；

NPV＜0：投资不正确，将带来经济损失。

5.如权利要求1所述的优化光伏风能可再生能源系统混合整数线性规划方法，其特征在于，步骤三中，现金流量的计算需要MILP解决方案将可再生能源的收入与运营/维护成本联系起来，通过MILP方法的运算，将可再生能源的收入与运营/维护成本考虑进去，并将收入与运营/维护成本比例最大为目标函数，即此MILP问题的最优解，运行之后得可再生能源工厂的最佳规模x^*,month；

全年进行每月一次的优化分析，通过选择结果中获得的最大值来选择风力涡轮机和光伏发电面板的数量，x_1,ref是风电机组的数目，x_2,ref是光伏面板的数目：

现金流量F使用式(19)表示：

其中：

Revenues表示营业收入；i是利率；p是税收系数，取0～1；A是本年产生的成本费用的摊销；

考虑到x_1,ref和x_2,ref具有以下表达式(20)、(21)，

和

分别是运营和维护成本以及总安装成本：

收入相当于一年中节省的能源成本，即可再生能源产生的能量与负载吸收的能量之差；

使用(22)计算年度摊销估算：

A＝r*C_i,tot (22)

其中：

r是贬值率；

C_i,tot是风机、光伏面板、接口逆变器的全部安装费用。

Images