CN111626558A - 基于情景分析的综合能源系统模型比较方法和优化系统 - Google Patents

基于情景分析的综合能源系统模型比较方法和优化系统 Download PDF

Info

Publication number
CN111626558A
CN111626558A CN202010311930.4A CN202010311930A CN111626558A CN 111626558 A CN111626558 A CN 111626558A CN 202010311930 A CN202010311930 A CN 202010311930A CN 111626558 A CN111626558 A CN 111626558A
Authority
CN
China
Prior art keywords
energy
model
demand
supply
optimization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010311930.4A
Other languages
English (en)
Other versions
CN111626558B (zh
Inventor
张淑婷
林小杰
王安阳
吴燕玲
钟崴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Wuxi Huaguang Environment and Energy Group Co Ltd
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010311930.4A priority Critical patent/CN111626558B/zh
Publication of CN111626558A publication Critical patent/CN111626558A/zh
Application granted granted Critical
Publication of CN111626558B publication Critical patent/CN111626558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明针对综合能源系统模型比较和优化问题，建立了一种基于情景分析的综合能源系统模型比较方法和优化系统。本发明基于供需平衡，以设备容量限制、能源结构边界约束条件，根据多目标准则建立了综合能源系统模型对比量化方法。同时，基于运行情景分析模型，并以经济效益为优化目标和评价参量，以多品位异质能源流供给量为变量，构建了综合能源系统能源模型供需配置规划优化方法。最后，本发明控制输入数据的一致性，针对多个研究对象进行模型差异分析和敏感性分析，获得优化供需配置全部信息，最终生成综合能源系统优化配置模型。本发明能够为综合能源系统优化规划提供客观有效的模型比较方法、规划设计和优化改造方案。

Description

基于情景分析的综合能源系统模型比较方法和优化系统
技术领域
本发明涉及综合能源系统模型比较方法，属于综合能源系统领域，具体涵盖一种基于情景分析的综合能源系统模型比较方法和优化系统。
技术背景
当前，我国能源消费不断增长，如何实现革新能源利用方式、提高能源利用效率、增加可再生能源消纳是目前能源结构转型升级面临的重要问题，也是研究的焦点。在“互联网+”和物联网技术驱动下，实现多品位能源梯级利用、多能流协调互补的关键技术综合能源系统应运而生。综合能源系统是整合一定区域内多种能源(煤炭、石油、天然气、电能、热能等)实现多异质能源子系统之间协调规划、协同优化和交互响应的一体化能源系统。
综合能源系统以清洁、高效为目标，包括不稳定的太阳能、风能，进一步增加了能源基础设施的复杂性。在上述背景下，近年来，大量针对不同关注点的综合能源系统模型随即产生。由于综合能源系统模型建立过程中往往应用不同数据结构和数学方法，导致其得出的结果具有不可比性。目前鲜有学者关注不同模型间的可比性问题及比较方法，使得综合能源系统领域内模型繁多而难以统一衡量，使其优化规划问题难以获得最佳决策。
考虑到综合能源系统涉及多种能源和多品位能源，如何系统地、完整地实现模型内部呈现和将不同模型计算得到的不同结果与其模型特性一一联系起来成为了解决模型间比较的关键。本发明针对上述问题，提出了一种基于情景分析的综合能源系统模型比较方法，通过控制输入参数的一致性，设置典型情景，利用模型试验，定量分析了不同技术建模方法对结果的影响，将模型计算结果与模型特性联系起来，并通过敏感性分析揭示建模方法的优缺点和计算结果的稳健性，为开展进一步的综合能源系统设计规划和优化改造提供依据。
发明内容
针对目前综合能源领域存在系统模型粒度不一，供需配置规划优化方法参差不齐的问题，本发明的目的是提出一种基于情景分析的综合能源系统模型比较方法和优化系统，基于运行情景分析模型，以经济效益为优化目标和评价参量，以多品位异质能源流供给量为变量，通过控制输入数据的一致性，针对多个研究对象进行模型差异分析和敏感性分析，为综合能源系统优化规划提供客观有效的模型比较方法、规划设计和优化改造方案。
为解决上述技术问题，本发明采用以下技术方案：
一种基于情景分析的综合能源系统模型比较方法，包括如下步骤：
步骤S1，建立综合能源系统典型运行情景分析模型。基于国内外综合能源系统发展现状，构建了外源式、分布式、潜力式三类典型情景模型，用于支撑综合能源系统模型的对比评价和配置优化。
步骤S11，建立外源式典型情景模型，其承担系统内部用能需求的65％～90％，其中，外部能源承担系统内部用能需求的45％～65％，外部电力如国家电网，外部热力如城市集中供暖、园区集中供暖；考虑到光电、风电的供给不稳定性带来的调峰难度和设备复杂性增加，将可再生能源利用比例降低至系统内部用能需求的10％以下，仅负责系统中住宅、办公部分建筑供能；稳定的传统能源内部机组设备承担系统内部用能需求的10％～20％，如火电机组、热电联产机组、燃气锅炉；由于储能设备设置较少，且源侧具有较高灵活性，荷侧不设置需求响应机制。系统内部用能需求未能满足部分通过设置惩罚系数计算其成本。
步骤S12，建立分布式典型情景模型，分布式典型情景模型以尽可能多利用可再生能源为设计原则，该模型总体承担系统内部用能需求的70％～90％，其中，所有内部机组设备承担系统内部用能需求60％～70％，外部能源承担系统内部用能需求的10％～20％，并将可再生能源利用比例提升至系统内部用能需求的15％～35％。可再生能源利用形式如光伏、小型风力发电机、垃圾焚烧电厂、地源热泵、污水源热泵、污水处理沼气池、太阳能热水器，根据综合能源系统地理条件、资源条件因地制宜地规划设计。可再生能源具有波动性大、时间上供需匹配性差等特点，为提升综合能源系统对其的消纳能力，相应配置储电、储热设备。对于分布式典型情景模型中的散点用户需求的不稳定性和热网强延迟性，采取实时预测机制和用户需求响应策略，对于接受响应的用户采用激励机制，以平衡时空上的供需不匹配问题。
步骤S13，建立潜力式典型情景模型，其总体承担系统内部用能需求的65％～85％，该模型关注综合能源系统内因地制宜可大力开发的可再生能源形式，并以其为中心展开设计。如地处海边的综合能源系统可考虑发展海上风电，提升其能源供给占比使可再生能源比例达到系统内部用能需求的10％以上。稳定的传统能源内部机组设备承担系统内部用能需求的55％～65％，外部能源承担系统内部用能需求的10％～20％，潜力式典型情景模型与分布式典型情景模型采取相同的需求响应机制。以上三类典型情景模型可用于本发明中的模型比较的输入情景，还适用于综合能源系统优化规划方案预设计。
步骤S2，建立综合能源系统能源供需配置模型。以经济效益为优化目标建立综合能源系统优化目标函数。
步骤S21，以经济效益为优化目标，建立各能流经济效益优化目标函数。
Pi＝min{Cop+Cfuel+Cem+Cunsu+Cin}
其中，Pi为能流经济优化目标，i代表不同能流。Cop为可变操作成本，Cfuel为燃料成本，Cem为二氧化碳排放成本，Cunsu为未满足的能源需求的惩罚成本，Cin为设备初投资成本。
可变操作成本包括人工费、设备维修费等，与能源供应量x存在以下关系
Cop＝f(x)
燃料成本由下式计算
Cfuel＝kp
其中，k为所需燃料数量，与能源供应量存在函数关系式，为正相关；p为燃料单价。
二氧化碳排放成本计算与燃料成本相似，其中二氧化碳排放量与能源供应量呈正相关。
未满足的能源需求的惩罚成本
Cunsu＝m(Q-x)
其中，m为惩罚系数，Q为总能源需求量，x为能源供应量。
步骤S22，通过叠加各能流，获得综合能源系统优化目标函数，
Figure BDA0002457960550000031
步骤S3，基于三类情景模型分析，分别建立系统总体供需边界约束条件和具体约束，以多品位异质能源流供应量为优化变量，使用线性规划法求解综合能源系统优化目标函数，获得一系列最优经济效益的供需配置模型，并利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型。
步骤S31，针对各能流分别构建供需平衡约束条件。
PconUnf+Pcharge+Ploss+PdesLoad＝Pgen+Pdischarge+Pimport+Punsup
其中，PconUnf为传统用户负荷需求，Pcharge为储能系统充能功率，Ploss为能源输送网络内部损耗，PdesLoad为用户参与需求响应后负荷变化，Pgen为各类设备生产能源功率，Pdischarge储能系统放能功率，Pimport为外购能源量，Punsup为应用负载的松弛变量。
步骤S32，同时建立负荷变化范围约束、机组升降负荷速率约束、储能设备储能上下限和储放能速率约束这4个具体约束。以多品位异质能源流供应量为优化变量，采用线性规划法求解综合能源系统优化目标函数，获得一系列最优经济效益的供需配置模型集。
为确保模型间的可比性，需对模型满足约束的程度进行衡量，包括：待比较模型以一小时为时间分辨率的满足度，运行时间为一年的所有约束满足度；通过量化并比较各模型间满足度差异，以筛选出符合期望的供需配置模型；
利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型。
步骤S4，控制输入数据的一致性，以设备容量配置、能源产生量、储放能源量、二氧化碳排放量及可变操作成本为分析指标，基于实际综合能源系统，以待比较模型为对象进行模型差异分析，建立综合能源系统模型横向差异对比方法，确立供需配置模型；
步骤S41，控制输入数据的一致性，一致性包括时间上和空间上的双重性，模型的比较是通过将所有模型应用到同一实际综合能源系统中对其输出结果进行比较，因此所有模型的输入数据即实际综合能源系统的数据，其中用户侧数据来自于综合能源系统用户需求调研结果、能源设备市场调研结果或用户负荷模拟结果；输入数据还包括设备参数数据、设备运行机制、燃料成本数据、天气数据，这些输入数据都需保证其一致性。设备参数数据为设备额定参数，如设备容量、设备额定功率；设备运行机制包括设备维修策略、设备运行时长上下限；天气数据包括太阳辐照密度、风速、风向。
同时，分布式典型情景模型和潜力式典型情景模型中的需求响应机制相同。
步骤S42，选择具体的实际综合能源系统，在控制输入一致性的前提下，利用步骤3，采用所有待比较模型分别对实际综合能源系统进行建模仿真计算，得到每一待比较模型对应的输出结果；同时基于实际综合能源系统，确定三种典型情景模型的各类能源设备占比和需求响应机制，其中储能设备设计由可再生能源设备占比决定。采用每一个待比较模型对三种典型情景模型进行建模仿真，获得输出结果集。
步骤S43，基于上述结果，对待比较模型进行差异性分析，以设备容量配置、能源产生量、储放能源情况、二氧化碳排放量及可变操作成本为分析指标，分析不同模型、不同情景导致的结果的差异性特征。基于情景分析的模型比较方法能够尽可能全面检测模型本身的优劣势，考虑了模型的适应性情况，形成综合性模型比较分析结果，避免单一情景造成结果存在片面性。同时，基于上述模型输出的结果集和模型比较输出结果，确定该系统优化供需配置模型结构。
步骤S5，在横向差异对比方法的基础上，通过变异参数法建立设备容量配置变动下供需配置模型变动，纵向建立以经济效益为指标的模型敏感性分析方法，分析其设备容量配置的变化情况及综合能源系统优化目标函数最优值的变化情况，并对设备容量配置序列进行反复迭代，得到综合能源系统优化配置模型。
步骤S51，针对每一待比较模型进行敏感性分析。敏感性分析基于能源生产机组或设备的负荷需求波动展开，通过变异参数法建立设备容量配置变动下供需配置模型变动，以实际综合能源系统部署现场的调研数据与实际需求作为边界条件，确定设备容量配置变动上下限；
步骤S52，采用智能优化算法，以设备容量配置序列为变量，以经济效益为指标，分析其设备容量配置变化情况及综合能源系统优化目标函数最优值的变化情况，从而分析待比较模型的建模方法的精确性特征和计算结果的稳健性。并通过对设备容量配置序列进行反复迭代，最终获得优化供需配置全部信息，建立以此为基础的综合能源系统优化配置模型。
本发明还提供一种基于情景分析的综合能源系统模型的优化系统，该系统包括综合能源系统情景分析模块，经济效益目标模块，边界约束和具体约束条件模块，优选供需配置模型模块、供需配置模型横向差异性分析模块，供需配置敏感性分析与优化模块；
将上述模块分别进行模块封装，建立数据传输通道，以便经济效益目标模块、优选供需配置模型模块、供需配置敏感性分析与优化模块及时提取处理综合能源系统情景分析模块、边界约束和具体约束条件模块的数据，从而获得待比较模型比较结果和实际综合能源系统供需配置优化结果；供需配置模型横向差异性分析模块对上述获得的待比较模型比较结果和实际综合能源系统供需配置优化结果进行处理，得到最优的综合能源系统优化配置模型；
所述的综合能源系统情景分析模块对综合能源系统应用场景进行划分，归纳了三种典型情景模型：外源式典型情景模型、分布式典型情景模型和潜力式典型情景模型，作为后续模型分析比较的基础；
所述的经济效益目标模块针对各能流建立经济效益目标函数，包括可变操作成本，燃料成本，二氧化碳成本，未满足的能源需求惩罚成本和设备初投资成本，从而建立综合能源系统优化目标函数；
所述的边界约束和具体约束条件模块为经济效益总优化目标函数提供包括供需平衡约束、负荷变化范围约束、机组升降负荷速率约束、储能设备储能上下限和储放能速率约束共五方面约束；
所述的优选供需配置模型模块基于三类情景模型及上述五方面约束，以多品位异质能源流供应量为优化变量，使用线性规划法求解综合能源系统优化目标函数得到一系列最优经济效益的供需配置模型，并利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型；
所述的供需配置模型横向差异性分析模块控制输入数据的一致性，以设备容量配置、能源产生量、储放能源量、二氧化碳排放量及可变操作成本为分析指标，基于实际综合能源系统，以待比较模型为对象进行模型差异分析，建立综合能源系统模型横向差异对比方法，确立供需配置模型；
所述的供需配置敏感性分析及优化模块通过变异参数法建立设备容量配置变动下供需配置模型变动，纵向建立以经济效益为指标的模型敏感性分析方法，分析其设备装机容量变化情况及综合能源系统优化目标函数最优值的变化情况，并对设备容量配置序列进行反复迭代，得到综合能源系统优化配置模型。
本发明的有益效果为：
本发明的一种基于情景分析的综合能源系统模型比较方法，该方法基于供需平衡，以设备容量限制、能源结构边界约束条件，根据多目标准则建立了综合能源系统模型对比量化方法；同时，基于运行情景分析模型，并以经济效益为优化目标和评价参量，以多品位异质能源流供给量为变量，构建了综合能源系统能源模型供需配置规划优化方法；控制输入参数的一致性，利用模型试验，定量分析了不同技术建模方法对结果的影响，将模型计算结果与模型特性联系起来，并通过敏感性分析揭示建模方法的优缺点和计算结果的稳健性，为开展进一步的综合能源系统设计规划和优化改造提供依据。本发明能够为综合能源系统优化规划提供客观有效的模型比较方法、规划设计和优化改造方案。
附图说明
图1为本发明方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本方面实施方式作进一步详细地说明。
首先基于国内外综合能源系统发展现状及发展潜力，针对可利用能源形式展开技术路线分析，并根据能源形式特点确立其开发形式和开发规模，建立在系统负荷承担量和能源再补给形式存在差异的三类典型情景模型，支撑综合能源系统模型对比评价和配置优化。
步骤S1，建立综合能源系统外源式、分布式、潜力式三类典型情景模型，其差异对比如表1所示。
表1三类典型情景分析模型差异对比
外源式 分布式 潜力式
可再生能源利用比例 ＜10％ 15％～25％ 因地制宜，＞10％
系统内部用能承担量 65％～90％ 70～90％ 65％～85％
外部能源比例 45％～65％ 10％～20％ 10％～20％
是否采用需求响应 是 否 是
步骤S11，建立外源式典型情景模型，其承担系统内部用能需求的65％～90％，其中，外部能源承担系统内部用能需求的45％～65％，外部电力如国家电网，外部热力如城市集中供暖、园区集中供暖；考虑到光电、风电的供给不稳定性带来的调峰难度和设备复杂性增加，将可再生能源利用比例降低至系统内部用能需求的10％以下，仅负责系统中住宅、办公部分建筑供能；稳定的传统能源内部机组设备承担系统内部用能需求的10％～20％，如火电机组、热电联产机组、燃气锅炉；由于储能设备设置较少，且源侧具有较高灵活性，荷侧不设置需求响应机制。系统内部用能需求未能满足部分通过设置惩罚系数计算其成本。
步骤S12，建立分布式典型情景模型，分布式典型情景模型以尽可能多利用可再生能源为设计原则，该模型总体承担系统内部用能需求的70％～90％，其中，所有内部机组设备承担系统内部用能需求60％～70％，外部能源承担系统内部用能需求的10％～20％，并将可再生能源利用比例提升至系统内部用能需求的15％～35％。可再生能源利用形式如光伏、小型风力发电机、垃圾焚烧电厂、地源热泵、污水源热泵、污水处理沼气池、太阳能热水器，根据综合能源系统地理条件、资源条件因地制宜地规划设计。可再生能源具有波动性大、时间上供需匹配性差等特点，为提升综合能源系统对其的消纳能力，相应配置储电、储热设备。对于分布式典型情景模型中的散点用户需求的不稳定性和热网强延迟性，采取实时预测机制和用户需求响应策略，对于接受响应的用户采用激励机制，以平衡时空上的供需不匹配问题。
步骤S13，建立潜力式典型情景模型，其总体承担系统内部用能需求的65％～85％，该模型关注综合能源系统内因地制宜可大力开发的可再生能源形式，并以其为中心展开设计。如地处海边的综合能源系统可考虑发展海上风电，提升其能源供给占比使可再生能源比例达到系统内部用能需求的10％以上。稳定的传统能源内部机组设备承担系统内部用能需求的55％～65％，外部能源承担系统内部用能需求的10％～20％，潜力式典型情景模型与分布式典型情景模型采取相同的需求响应机制。以上三类典型情景模型可用于本发明中的模型比较的输入情景，还适用于综合能源系统优化规划方案预设计。
步骤S2，建立综合能源系统能源供需配置模型。以经济效益为优化目标建立综合能源系统优化目标函数。
步骤S21，以经济效益为优化目标，建立各能流经济效益优化目标函数。
Pi＝min{Cop+Cfuel+Cem+Cunsu+Cin}
其中，Pi为能流经济优化目标，i代表不同能流。Cop为可变操作成本，Cfuel为燃料成本，Cem为二氧化碳排放成本，Cunsu为未满足的能源需求的惩罚成本，Cin为设备初投资成本。
可变操作成本包括人工费、设备维修费等，与能源供应量x存在以下关系
Cop＝f(x)
燃料成本由下式计算
Cfuel＝kp
其中，k为所需燃料数量，与能源供应量存在函数关系式，为正相关；p为燃料单价。
二氧化碳排放成本计算与燃料成本相似，其中二氧化碳排放量与能源供应量呈正相关。
未满足的能源需求的惩罚成本
Cunsu＝m(Q-x)
其中，m为惩罚系数，Q为总能源需求量，x为能源供应量。
步骤S22，通过叠加各能流，获得综合能源系统优化目标函数，
Figure BDA0002457960550000081
步骤S3，基于三类情景模型分析，分别建立系统总体供需边界约束条件和具体约束，以多品位异质能源流供应量为优化变量，使用线性规划法求解综合能源系统优化目标函数，获得一系列最优经济效益的供需配置模型，并利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型。
步骤S31，针对各能流分别构建供需平衡约束条件。
PconUnf+Pcharge+Ploss+PdesLoad＝Pgen+Pdischarge+Pimport+Punsup
其中，PconUnf为传统用户负荷需求，Pcharge为储能系统充能功率，Ploss为能源输送网络内部损耗，PdesLoad为用户参与需求响应后负荷变化，Pgen为各类设备生产能源功率，Pdischarge储能系统放能功率，Pimport为外购能源量，Punsup为应用负载的松弛变量。
步骤S32，同时建立负荷变化范围约束、机组升降负荷速率约束、储能设备储能上下限和储放能速率约束这4个具体约束。以多品位异质能源流供应量为优化变量，采用线性规划法求解综合能源系统优化目标函数，获得一系列最优经济效益的供需配置模型集。
为确保模型间的可比性，需对模型满足约束的程度进行衡量，包括：待比较模型以一小时为时间分辨率的满足度，运行时间为一年的所有约束满足度；通过量化并比较各模型间满足度差异，以筛选出符合期望的供需配置模型；
利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型。
步骤S4，控制输入数据的一致性，以设备容量配置、能源产生量、储放能源量、二氧化碳排放量及可变操作成本为分析指标，基于实际综合能源系统，以待比较模型为对象进行模型差异分析，建立综合能源系统模型横向差异对比方法，确立供需配置模型；
步骤S41，控制输入数据的一致性，一致性包括时间上和空间上的双重性，模型的比较是通过将所有模型应用到同一实际综合能源系统中对其输出结果进行比较，因此所有模型的输入数据即实际综合能源系统的数据，其中用户侧数据来自于综合能源系统用户需求调研结果、能源设备市场调研结果或用户负荷模拟结果；输入数据还包括设备参数数据、设备运行机制、燃料成本数据、天气数据，这些输入数据都需保证其一致性。设备参数数据为设备额定参数，如设备容量、设备额定功率；设备运行机制包括设备维修策略、设备运行时长上下限；天气数据包括太阳辐照密度、风速、风向。
同时，分布式典型情景模型和潜力式典型情景模型中的需求响应机制相同。
步骤S42，选择具体的实际综合能源系统，在控制输入一致性的前提下，利用步骤3，采用所有待比较模型分别对实际综合能源系统进行建模仿真计算，得到每一待比较模型对应的输出结果；同时基于实际综合能源系统，确定三种典型情景模型的各类能源设备占比和需求响应机制，其中储能设备设计由可再生能源设备占比决定。采用每一个待比较模型对三种典型情景模型进行建模仿真，获得输出结果集。
步骤S43，基于上述结果，对待比较模型进行差异性分析，以设备容量配置、能源产生量、储放能源情况、二氧化碳排放量及可变操作成本为分析指标，分析不同模型、不同情景导致的结果的差异性特征。基于情景分析的模型比较方法能够尽可能全面检测模型本身的优劣势，考虑了模型的适应性情况，形成综合性模型比较分析结果，避免单一情景造成结果存在片面性。同时，基于上述模型输出的结果集和模型比较输出结果，确定该系统优化供需配置模型结构。
步骤S5，在横向差异对比方法的基础上，通过变异参数法建立设备容量配置变动下供需配置模型变动，纵向建立以经济效益为指标的模型敏感性分析方法，分析其设备容量配置的变化情况及综合能源系统优化目标函数最优值的变化情况，并对设备容量配置序列进行反复迭代，得到综合能源系统优化配置模型。
步骤S51，针对每一待比较模型进行敏感性分析。敏感性分析基于能源生产机组或设备的负荷需求波动展开，通过变异参数法建立设备容量配置变动下供需配置模型变动，以实际综合能源系统部署现场的调研数据与实际需求作为边界条件，确定设备容量配置变动上下限；
步骤S52，采用智能优化算法，以设备容量配置序列为变量，以经济效益为指标，分析其设备容量配置变化情况及综合能源系统优化目标函数最优值的变化情况，从而分析待比较模型的建模方法的精确性特征和计算结果的稳健性。并通过对设备容量配置序列进行反复迭代，最终获得优化供需配置全部信息，建立以此为基础的综合能源系统优化配置模型。

Claims (10)

1.一种基于情景分析的综合能源系统模型比较方法，其特征在于，包括以下步骤：
步骤S1，建立综合能源系统典型运行情景分析模型，基于国内外综合能源系统发展现状，构建外源式、分布式、潜力式三类典型情景模型，用于支撑综合能源系统模型的对比评价和配置优化；
步骤S2，建立综合能源系统能源供需配置模型，以经济效益为优化目标建立综合能源系统优化目标函数；
步骤S3，基于三类情景模型分析，分别建立系统总体供需边界约束条件和具体约束，以多品位异质能源流供应量为优化变量，求解综合能源系统优化目标函数得到一系列最优经济效益的供需配置模型；利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型；
步骤S4，控制输入数据的一致性，以设备容量配置、能源产生量、储放能源量、二氧化碳排放量及可变操作成本为分析指标，基于实际综合能源系统，以待比较模型为对象进行模型差异分析，建立综合能源系统模型横向差异对比方法，确立供需配置模型；
步骤S5，在横向差异对比方法的基础上，通过变异参数法建立设备容量配置变动下供需配置模型变动，纵向建立以经济效益为指标的模型敏感性分析方法，分析其设备容量配置的变化情况及综合能源系统优化目标函数最优值的变化情况，并对设备容量配置序列进行反复迭代，得到综合能源系统优化配置模型。
2.根据权利要求1所述的基于情景分析的综合能源系统模型比较方法，其特征在于，步骤S1中构建外源式典型情景模型的方法为：
外源式典型情景模型总体承担系统内部用能需求的65％～90％，其中，外部能源承担系统内部用能需求的45％～65％；考虑到光电、风电的供给不稳定性带来的调峰难度和设备复杂性增加，将可再生能源利用比例降低至系统内部用能需求的10％以下，仅负责系统中住宅、办公部分建筑供能；稳定的传统能源内部机组设备承担系统内部用能需求的10％～20％；由于储能设备设置较少，且源侧具有较高灵活性，荷侧不设置需求响应机制；系统内部用能需求未能满足部分通过设置惩罚系数计算其成本。
3.根据权利要求1所述的基于情景分析的综合能源系统模型比较方法，其特征在于，步骤S1中构建分布式典型情景模型的方法为：
分布式典型情景模型以尽可能多利用可再生能源为设计原则，该模型总体承担系统内部用能需求的70％～90％，其中，所有内部机组设备承担系统内部用能需求的60％～70％，外部能源承担系统内部用能需求的10％～20％，可再生能源利用比例为系统内部用能需求的15～35％；为提升综合能源系统对可再生能源的消纳能力，相应配置储电、储热设备；对于分布式典型情景模型中的散点用户需求的不稳定性和热网强延迟性，采取实时预测机制和用户需求响应策略，对于接受响应的用户采用激励机制，以平衡时空上的供需不匹配问题。
4.根据权利要求3所述的基于情景分析的综合能源系统模型比较方法，其特征在于，步骤S1中构建潜力式典型情景模型的方法为：
潜力式典型情景模型总体承担系统内部用能需求的65％～85％，该模型关注综合能源系统内因地制宜可大力开发的可再生能源形式，并以其为中心展开设计，该可再生能源占系统内部用能需求的10％以上，稳定的传统能源内部机组设备承担系统内部用能需求的55％～65％，外部能源承担系统内部用能需求的10％～20％，该模型采取与分布式典型情景模型相同的需求响应机制。
5.根据权利要求1所述的基于情景分析的综合能源系统模型比较方法，其特征在于：步骤S2具体为：
1)以经济效益为优化目标，建立各能流经济效益优化目标函数，
Pi＝min{Cop+Cfuel+Cem+Cunsu+Cin}
其中，Pi为能流经济优化目标，i代表不同能流，Cop为可变操作成本，Cfuel为燃料成本，Cem为二氧化碳排放成本，Cunsu为未满足的能源需求的惩罚成本，Cin为设备初投资成本；
可变操作成本与能源供应量x存在以下关系
Cop＝f(x)
燃料成本由下式计算
Cfuel＝kp
其中，k为所需燃料数量，与能源供应量存在函数关系式，为正相关；p为燃料单价；
二氧化碳排放成本计算与燃料成本相似，其中二氧化碳排放量与能源供应量呈正相关；
未满足的能源需求的惩罚成本
Cunsu＝m(Q-x)
其中，m为惩罚系数，Q为总能源需求量；
2)通过叠加各能流，获得综合能源系统优化目标函数，
Figure FDA0002457960540000031
6.根据权利要求1所述的基于情景分析的综合能源系统模型比较方法，其特征在于：步骤S3具体为，
针对各能流分别构建供需平衡约束条件，
PconUnf+Pcharge+Ploss+PdesLoad＝Pgen+Pdischarge+Pimport+Punsup
其中，PconUnf为传统用户负荷需求，Pcharge为储能系统充能功率，Ploss为能源输送网络内部损耗，PdesLoad为用户参与需求响应后负荷变化，Pgen为各类设备生产能源功率，Pdischarge储能系统放能功率，Pimport为外购能源量，Punsup为应用负载的松弛变量；
同时建立负荷变化范围约束、机组升降负荷速率约束、储能设备储能上下限和储放能速率约束这4个具体约束；以多品位异质能源流供应量为优化变量，采用线性规划法求解综合能源系统优化目标函数，获得一系列最优经济效益的供需配置模型集。
7.根据权利要求6所述的基于情景分析的综合能源系统模型比较方法，其特征在于：步骤S3中，为确保模型间的可比性，需对模型满足约束的程度进行衡量，包括：待比较模型以一小时为时间分辨率的满足度，运行时间为一年的所有约束满足度；通过量化并比较各模型间满足度差异，以筛选出符合期望的供需配置模型；
利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型。
8.根据权利要求6所述的基于情景分析的综合能源系统模型比较方法，其特征在于：所述的步骤S4中：
控制输入数据的一致性，一致性包括时间上和空间上的双重性，输入数据为实际综合能源系统的数据；
选择具体的实际综合能源系统，采用所有待比较模型分别对实际综合能源系统进行建模仿真计算，得到每一个待比较模型对应的输出结果；同时基于实际综合能源系统，确定三种典型情景模型的各类能源设备占比和需求响应机制，其中储能设备设计由可再生能源设备占比决定；采用每一个待比较模型对三种典型情景模型进行建模仿真，获得输出结果集；
基于上述结果，对待比较模型进行差异性分析，以设备容量配置、能源产生量、储放能源情况、二氧化碳排放量及可变操作成本为分析指标，分析不同模型、不同情景模型导致的结果的差异性特征；同时，基于上述模型输出的结果集和模型比较分析结果，确定该系统优化供需配置模型结构。
9.根据权利要求1所述的基于情景分析的综合能源系统模型比较方法，其特征在于：步骤S5中，
针对每一待比较模型进行敏感性分析；敏感性分析基于能源生产机组或设备的负荷需求波动展开，通过变异参数法建立设备容量配置变动下供需配置模型变动，以实际综合能源系统部署现场的调研数据与实际需求作为边界条件，确定设备容量配置变动上下限；
采用智能优化算法，以设备容量配置序列为变量，以经济效益为指标，分析其设备容量配置变化情况及综合能源系统优化目标函数最优值的变化情况，从而分析待比较模型的建模方法的精确性特征和计算结果的稳健性；并通过对设备容量配置序列进行反复迭代，最终获得优化供需配置全部信息，建立以此为基础的综合能源系统优化配置模型。
10.一种基于情景分析的综合能源系统模型的优化系统，其特征在于，包括综合能源系统情景分析模块，经济效益目标模块，边界约束和具体约束条件模块，优选供需配置模型模块、供需配置模型横向差异性分析模块，供需配置敏感性分析与优化模块；
将上述模块分别进行模块封装，建立数据传输通道，以便经济效益目标模块、优选供需配置模型模块、供需配置敏感性分析与优化模块及时提取处理综合能源系统情景分析模块、边界约束和具体约束条件模块的数据，从而获得待比较模型比较结果和实际综合能源系统供需配置优化结果；供需配置模型横向差异性分析模块对上述获得的待比较模型比较结果和实际综合能源系统供需配置优化结果进行处理，得到最优的综合能源系统优化配置模型；
所述的综合能源系统情景分析模块对综合能源系统应用场景进行划分，归纳了三种典型情景模型：外源式典型情景模型、分布式典型情景模型和潜力式典型情景模型，作为后续模型分析比较的基础；
所述的经济效益目标模块针对各能流建立经济效益目标函数，包括可变操作成本，燃料成本，二氧化碳成本，未满足的能源需求惩罚成本和设备初投资成本，从而建立综合能源系统优化目标函数；
所述的边界约束和具体约束条件模块为经济效益总优化目标函数提供包括供需平衡约束、负荷变化范围约束、机组升降负荷速率约束、储能设备储能上下限和储放能速率约束共五方面约束；
所述的优选供需配置模型模块基于三类情景模型及上述五方面约束，以多品位异质能源流供应量为优化变量，使用线性规划法求解综合能源系统优化目标函数得到一系列最优经济效益的供需配置模型，并利用负荷模拟估计各类场景下各能流构建需求响应、能流延迟和能流损耗特性，进一步筛选出符合期望的供需配置模型；
所述的供需配置模型横向差异性分析模块控制输入数据的一致性，以设备容量配置、能源产生量、储放能源量、二氧化碳排放量及可变操作成本为分析指标，基于实际综合能源系统，以待比较模型为对象进行模型差异分析，建立综合能源系统模型横向差异对比方法，确立供需配置模型；
所述的供需配置敏感性分析及优化模块通过变异参数法建立设备容量配置变动下供需配置模型变动，纵向建立以经济效益为指标的模型敏感性分析方法，分析其设备装机容量变化情况及综合能源系统优化目标函数最优值的变化情况，并对设备容量配置序列进行反复迭代，得到综合能源系统优化配置模型。
CN202010311930.4A 2020-04-20 2020-04-20 基于情景分析的综合能源系统模型比较方法和优化系统 Active CN111626558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010311930.4A CN111626558B (zh) 2020-04-20 2020-04-20 基于情景分析的综合能源系统模型比较方法和优化系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010311930.4A CN111626558B (zh) 2020-04-20 2020-04-20 基于情景分析的综合能源系统模型比较方法和优化系统

Publications (2)

Publication Number Publication Date
CN111626558A true CN111626558A (zh) 2020-09-04
CN111626558B CN111626558B (zh) 2023-04-28

Family

ID=72258999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010311930.4A Active CN111626558B (zh) 2020-04-20 2020-04-20 基于情景分析的综合能源系统模型比较方法和优化系统

Country Status (1)

Country Link
CN (1) CN111626558B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487169A (zh) * 2021-07-02 2021-10-08 浙江大学 一种基于脆弱性指标的综合能源系统安全性评估方法及系统
CN113554289A (zh) * 2021-07-12 2021-10-26 国网天津市电力公司 一种电力系统碳排放流实时计算系统及计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源系统设计方法
CN108898265A (zh) * 2018-05-02 2018-11-27 广州供电局有限公司 一种综合能源系统一体化规划方法
CN110298138A (zh) * 2019-07-09 2019-10-01 南方电网科学研究院有限责任公司 一种综合能源系统优化方法、装置、设备及可读存储介质
CN110675087A (zh) * 2019-10-11 2020-01-10 国网(苏州)城市能源研究院有限责任公司 一种区域综合能源系统投资潜力评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源系统设计方法
CN108898265A (zh) * 2018-05-02 2018-11-27 广州供电局有限公司 一种综合能源系统一体化规划方法
CN110298138A (zh) * 2019-07-09 2019-10-01 南方电网科学研究院有限责任公司 一种综合能源系统优化方法、装置、设备及可读存储介质
CN110675087A (zh) * 2019-10-11 2020-01-10 国网(苏州)城市能源研究院有限责任公司 一种区域综合能源系统投资潜力评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
UNSIHUAYVILA C, ETC.: "A model tolong-term, multiarea, multistage, and integrated expansion planning of electricity and natural gas systems" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487169A (zh) * 2021-07-02 2021-10-08 浙江大学 一种基于脆弱性指标的综合能源系统安全性评估方法及系统
CN113487169B (zh) * 2021-07-02 2023-07-28 浙江大学 一种基于脆弱性指标的综合能源系统安全性评估方法及系统
CN113554289A (zh) * 2021-07-12 2021-10-26 国网天津市电力公司 一种电力系统碳排放流实时计算系统及计算方法

Also Published As

Publication number Publication date
CN111626558B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
Ghenai et al. Short-term building electrical load forecasting using adaptive neuro-fuzzy inference system (ANFIS)
CN111985702B (zh) 一种计及电能替代效果的园区级综合能源系统优化方法
CN111291963B (zh) 一种协调经济性与可靠性的园区综合能源系统规划方法
Elsied et al. An advanced energy management of microgrid system based on genetic algorithm
Quitoras et al. Remote community integrated energy system optimization including building enclosure improvements and quantitative energy trilemma metrics
CN112994115B (zh) 一种基于wgan场景模拟和时序生产模拟的新能源容量配置方法
CN109390940A (zh) 一种考虑需求响应和综合效益的送端电网电源规划方法
CN110620397B (zh) 一种高比例可再生能源电力系统的调峰平衡评估方法
CN115759604B (zh) 一种综合能源系统优化调度方法
CN111626558B (zh) 基于情景分析的综合能源系统模型比较方法和优化系统
Zhang et al. A novel grey Lotka–Volterra model driven by the mechanism of competition and cooperation for energy consumption forecasting
Lv et al. Optimal capacity configuration model of power-to-gas equipment in wind-solar sustainable energy systems based on a novel spatiotemporal clustering algorithm: A pathway towards sustainable development
CN114154744A (zh) 综合能源系统的扩容规划方法、装置及电子设备
CN113128786A (zh) 一种基于空间网格搜索的风光水互补容量与选址优化方法
Song et al. Optimal scheduling of zero-carbon integrated energy system considering long-and short-term energy storages, demand response, and uncertainty
Gao et al. Thermoelectric optimization of integrated energy system considering wind-photovoltaic uncertainty, two-stage power-to-gas and ladder-type carbon trading
Wen et al. ELCC-based capacity value estimation of combined wind-storage system using IPSO algorithm
CN108009684A (zh) 一种包含短期负荷预测的微电网并网状态能量管理方法
Ding et al. Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information
CN118246792A (zh) 一种综合能源系统能效分析评估方法
CN117474286A (zh) 一种可再生能源并网发电项目的碳减排管理方法
Aburiyana et al. Net load forecasting model for a power system grid with wind and solar power penetration
Huang et al. Multi-scene design analysis of integrated energy system based on feature extraction algorithm
Qian et al. Double-layer optimal scheduling method for solar photovoltaic thermal system based on event-triggered MPC considering battery performance degradation
Wang et al. Two-stage planning model of power-to-gas station considering carbon emission flow

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20201224

Address after: 310058 Yuhang Tang Road, Xihu District, Hangzhou, Zhejiang 866

Applicant after: ZHEJIANG University

Applicant after: Wuxi Huaguang Environmental Protection Energy Group Co.,Ltd.

Address before: 310058 Yuhang Tang Road, Xihu District, Hangzhou, Zhejiang 866

Applicant before: ZHEJIANG University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant