CN112417651A - 一种基于后悔规避的用户级综合能源系统优化方法 - Google Patents
一种基于后悔规避的用户级综合能源系统优化方法 Download PDFInfo
- Publication number
- CN112417651A CN112417651A CN202011178140.XA CN202011178140A CN112417651A CN 112417651 A CN112417651 A CN 112417651A CN 202011178140 A CN202011178140 A CN 202011178140A CN 112417651 A CN112417651 A CN 112417651A
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- equipment
- natural gas
- scene
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 182
- 239000003345 natural gas Substances 0.000 claims abstract description 91
- 238000004146 energy storage Methods 0.000 claims abstract description 80
- 230000008878 coupling Effects 0.000 claims abstract description 30
- 238000010168 coupling process Methods 0.000 claims abstract description 30
- 238000005859 coupling reaction Methods 0.000 claims abstract description 30
- 238000010276 construction Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 23
- 239000000126 substance Substances 0.000 claims description 18
- 239000007789 gas Substances 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于后悔规避的用户级综合能源系统优化方法,本发明采用后悔规避方法优化传统的以系统期望成本最优为目标的扩展规划模型。通过深入分析用户级综合能源系统的天然气价格变动场景及其内部的能源耦合设备和能量存储设备运行特性,基于规划周期内的系统综合总成本净现值构建以系统综合后悔值最小为目标函数、系统运行和设备出力特性为约束条件的扩展规划模型,该模型充分考虑了天然气价格的不确定性,求得的规划结果即为系统最优建设方案,相比于传统方法提高了结果和准确性和合理性。
Description
技术领域
本发明涉及综合能源系统规划领域,具体说是一种能源系统优化方法。
背景技术
用户级综合能源系统是能源消费的密集区域,主要包括园区、商业区、居民社区、医院、高校等具体形式,具有对电、气、冷、热、煤、原油等能源需求大和对供能可靠性要求高的特点,是综合能源系统建设和落实的具体表现形式。目前用户侧各类能源系统的调度和管控分属不同的部门负责,能源系统内部设备的规划、建设、运行、维护是单独进行的,这导致了用户侧能源系统存在能源利用率低、投资建设成本高、各环节联系不紧密等问题,对其综合效益产生不利影响。近年,国家电网公司提出了建设能源互联网、综合能源服务战略,以提升能源综合利用效率为目标,优化能源供给与消费结构,构建多能协调互补的智慧能源系统。用户级综合能源系统是能源互联网战略的重点建设目标之一,想要做好其建设工作需做到规划先行,研究合理的用户级综合能源系统规划方法对解决当前社会能源问题,提升能源利用效率,增强能源供给可靠性,降低规划成本有着重要的意义。
用户级综合能源系统涉及的不确定性因素众多,主要来源于供能环节、能源传输环节和用能环节,其中能源价格的变动会使得系统规划方案不再是最优方案,给规划工作带来困难。为减小能源价格不确定性对系统规划结果产生的影响,本发明采用基于后悔规避的优化方法对用户级综合能源系统进行规划,提升规划方法和规划结果的合理性,为综合能源系统建设工作提供科学依据和理论指导。
发明内容
针对用户侧综合能源系统存在的供能端天然气价格变动影响系统运行成本,造成规划方案与经济性最优方案存在偏差的问题,本发明采用后悔规避方法优化传统的以系统期望成本最优为目标的扩展规划模型。通过深入分析用户级综合能源系统的天然气价格变动场景及其内部的能源耦合设备和能量存储设备运行特性,基于规划周期内的系统综合总成本净现值构建以系统综合后悔值最小为目标函数、系统运行和设备出力特性为约束条件的扩展规划模型,该模型充分考虑了天然气价格的不确定性,求得的规划结果即为系统最优建设方案,相比于传统方法提高了结果和准确性和合理性。
为达到以上目的,本发明采取的技术方案是:
一种基于后悔规避的用户级综合能源系统优化方法,具体包括如下步骤:
步骤1:采用阶段场景树的方法处理用户级综合能源系统存在的天然气价格不确定性因素,设置规划场景。
步骤2:分析用户级综合能源系统内部的电、天然气、冷、热、蒸汽等能源的耦合关系,构建系统典型能源设备的运行特性和数学模型。
步骤3:以规划阶段的综合总成本最小为目标函数,综合能源系统运行和设备出力特性为约束条件,构建系统扩展规划模型,求解不同天然气价格波动场景下的最优方案。
步骤4:采用后悔规避优化方法解决步骤3规划模型中天然气价格不确定性的问题,以场景最优方案和规划方案之间的综合后悔值最低为目标函数构建基于后悔规避的用户级综合能源系统规划模型。
步骤5:采用分支-割平面法求解基于后悔规避的用户级综合能源系统规划模型,计算系统最优建设方案及不同场景下系统的典型运行方式。
在上述方案的基础上,步骤1具体包括如下步骤:
场景树的各节点代表不同规划阶段天然气的价格,场景树的边代表相邻阶段之间的价格变化情况,场景树从首节点到末节点形成的路径代表一个多阶段天然气价格场景;
假设不同阶段的价格存在三种变化情况,即较基准价格升高η、较基准价格下降η或与基准价相同,由此生成具有A个规划阶段的天然气价格波动场景集S,该场景集中包含有3A-1个天然气价波动场景s,每个场景对应的概率为Si表示第i个场景,1≤i≤3A-1,i为整数。
在上述方案的基础上,步骤2所述的用户级综合能源系统内部设备包括:分布式电源、能源耦合设备和储能装置。
在上述方案的基础上,所述分布式电源包含:可再生能源发电电源,所述可再生能源发电包括:风电和光伏电源;
所述能源耦合设备包括:热电联产机组(CHP)、电锅炉、燃气锅炉、吸收式制冷机、电制冷机、热泵和热交换,用于实现不同形式能量的相互转换;
所述储能装置包括蓄电池、蒸汽储能和冷储能,用于实现削峰填谷,是用户级综合能源系统的重要组成部分。
在上述方案的基础上,步骤2所述的数学模型包括光伏电源出力模型、风机出力模型、热电联产机组(CHP)模型、储能装置模型和其他能源耦合设备出力模型;
所述光伏电源出力模型为:
光伏电源的输出功率特性与光照强度、环境温度等因素相关,表达式为:
Ts=Ta+0.0138·(1+0.031Ta)·(1-0.042u)·G (2)
其中,Ppv为光伏电源输出功率,单位为kW;G为光伏电源的实际光照强度,单位为kW/m2;Ts、Ta分别为光伏电源表面温度和环境温度,单位为℃;Pstc、Gstc、Tstc分别为标准测试条件下光伏电源的最大输出功率、光照强度和表面温度;ε为光伏电源的功率温度系数,u为实际风速,单位为m/s。
所述风机出力模型为:
风机出力模型为风电机组输出功率与风速的关系,通常采用分段函数表示,其表达式为:
其中,uci、uco、ur分别为切入风速、切出风速和额定风速,单位为m/s;Pwt、Pr分别为风机实际输出功率和额定功率,单位为kW。
所述热电联产机组(CHP)模型为:
热电联产机组(CHP)以天然气为输入能源,在输出端为用户提供电能和热能,采用定效率模型进行描述:
GCHP=VCHP·Hng (7)
其中,PCHP和SCHP分别为热电联产机组输出的电功率和蒸汽功率,单位为kW;GCHP为热电联产机组输入的天然气功率,单位为kW; 分别为热电联产机组的电转换效率和蒸汽转换效率;VCHP为热电联产机组消耗的天然气量,单位为m3/h;Hng为天然气热值,单位为kWh/m3;WCHP为热电联产机组配置容量;为热电联产机组的最低运行功率系数。
所述储能装置模型为:
用户级综合能源系统的储能装置能够实现能量的实时存储和释放,提升系统运行的灵活性,蓄电池、蒸汽储能和冷储能设备的运行特性表达式为:
-Pmax≤Pt≤Pmax (11)
W24=W0 (12)
其中,Wt为t时刻存储能量,单位为kW;μloss为设备能量自耗率;ηch、ηdis分别为设备的充能和放能效率;Δt为时间间隔,通常取为1h;分别为储能装置存储上、下限系数;W为系统配置的储能装置容量,单位为kW;Pmax为储能装置交换功率上限,单位为kW。W0、W24分别为每日的初始时刻和末尾时刻存储的能量,单位为kW,需约束储能装置的始末状态存储能量相等以保证其稳定运行。
所述其他能源耦合设备出力模型:
其他能源耦合设备包括:电锅炉、燃气锅炉、吸收式制冷机、电制冷机、热泵和热交换器等,能源耦合设备均只能实现两种形式能量的转换,上述设备的出力模型表达式为:
Qk1,out=ηk1·Qk1,in (13)
在上述方案的基础上,步骤3具体包括如下步骤:
步骤31:建立规划阶段的综合总成本最小的目标函数
其中,a为规划阶段,T为规划阶段的年限;y为规划年份;t为24个典型日内时刻;δy为第y年的折现率;λ为年利率;为a阶段设备单位建设成本矩阵,包括上一步骤介绍的分布式电源、能源耦合设备和能源存储设备;为天然气价格场景s下a阶段设备的容量配置矩阵,为天然气价格场景s下a-1阶段设备的容量配置矩阵,为0;为电力网络扩容成本;为a阶段扩容状态的0-1变量;为a-1阶段扩容状态的0-1变量;分别为t时刻的电价和蒸汽价格;为场景s下a阶段的天然气的价格,其中天然气和蒸汽单价通过其热值转换成单位kWh能量价格以统一量纲;Dm为典型日m的天数,分别为系统在场景s下阶段a典型日m时刻t从外部系统购入的电、天然气和蒸汽功率;cM,BAT、cM,HS、cM,CS为蓄电池、蒸汽储能和冷储能设备的单位维护费用;cM,k1为系统中除储能装置外其他设备的单位维护费用矩阵;为蓄电池、蒸汽储能和冷储能设备的交互功率;为能源系统中除储能装置外的其他设备的运行功率矩阵;γE、γG、γS为系统消耗单位电、气、蒸汽功率的排放环保成本。
步骤32:设置约束条件
用户级综合能源系统规划模型的约束条件包括设备扩容约束、功率平衡约束、外部能量交互约束、耦合设备约束和储能装置约束。
a.设备扩容约束
各个规划阶段均对上一阶段的设备容量进行扩容以满足负荷需求的增长,设备寿命到期则需要报废。
b.功率平衡约束
其中,分别为场景s下阶段a典型日m时刻t的分布式电源出力、CHP机组输出电功率、电负荷、电锅炉输入功率、电制冷机输入功率、热泵输入功率; 分别为CHP机组输出蒸汽功率、电锅炉输出功率、燃气锅炉输出功率、蒸汽负荷、热交换器输入功率、吸收式制冷机输入功率;分别为热交换器输出功率、热泵输出功率、热负荷;分别为吸收式制冷机输出功率、电制冷机输出功率、冷负荷;分别为天然气负荷、微型燃气轮机输入功率、燃气锅炉输入功率。
c.外部能量交互约束
d.能源耦合设备约束
e.储能装置约束
储能装置约束表达式为
-Pmax≤Ps,m,a,t≤Pmax (36)
Ws,a,m,24=Ws,a,m,0 (37)
其中,Ws,a,m,t为场景s下a阶段典型日m内t时刻储能装置的存储能量;Ws,a为场景s下a阶段的系统配置的储能装置容量。
在上述方案的基础上,步骤4具体包括如下步骤:
以额外综合总成本作为后悔值:
其中,为经过步骤3中扩展规划模型求得的综合能源系统方案ω在天然气价波动场景s下的后悔值;为方案ω在场景s下的运行情况;为方案ω在场景s下以运行产生的综合总成本;为场景最优方案ωs下的综合总成本最小值。
不同天然气价格波动场景下的最大后悔值表示为:
综合考虑最大后悔值最小目标和平均综合成本最小目标,对规划模型的目标函数做出修改,以综合后悔值最小作为目标函数:
附图说明
本发明有如下附图:
图1基于后悔规避的用户级综合能源系统规划方法流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明对用户级综合能源系统进行规划求解,实现方法流程如图1所示。具体描述如下:
步骤1:采用阶段场景树的方法处理天然气价格不确定性因素,设置规划场景。
用户级综合能源系统需要从外部系统购能以满足系统内部各类能源的供需平衡。目前我国电价整体变动幅度不大,而天然气价格和蒸汽热能价格在时空维度的不确定性相对较大,主要受国际贸易和国内供需等因素的影响。本发明采用阶段场景树法处理各规划阶段内的天然气价格的不确定性。场景树的各节点代表不同规划阶段天然气的价格,场景树的边代表相邻阶段之间的价格变化情况,场景树从首节点到末节点形成的路径代表一个多阶段天然气价格场景。假设不同阶段的价格存在三种变化情况,即较基准价格升高η、较基准价格下降η或与基准价相同,由此可生成具有A个规划阶段的天然气价格波动场景集S,该场景集中包含有3A-1个天然气价波动场景s,每个场景对应的概率为Si表示第i个场景,1≤i≤3A-1,i为整数。
步骤2:分析用户级综合能源系统内部的电、天然气、冷、热、蒸汽等能源的耦合关系,构建用户级综合能源系统内部能源设备的运行特性和数学模型。
用户级综合能源系统内部设备包括:分布式电源、能源耦合设备和储能装置。其中:分布式电源包含:风电和光伏电源等可再生能源发电电源;能源耦合设备包含热电联产机组(CHP)、电锅炉、燃气锅炉、吸收式制冷机、电制冷机、热泵、热交换器等设备,用于实现不同形式能量的相互转换;储能装置包括蓄电池、蒸汽储能和冷储能,用于实现削峰填谷,是用户级综合能源系统的重要组成部分。对用户级综合能源系统的各单元进行建模,为用户级综合能源系统规划模型的构建和计算奠定基础。
相关数学模型简述如下:
(1)建立光伏电源出力模型
光伏电源的输出功率特性与光照强度、环境温度等因素相关,表达式为:
Ts=Ta+0.0138·(1+0.031Ta)·(1-0.042u)·G (2)
其中,Ppv为光伏电源输出功率,单位为kW;G为光伏电源的实际光照强度,单位为kW/m2;Ts、Ta分别为光伏电源表面温度和环境温度,单位为℃;Pstc、Gstc、Tstc分别为标准测试条件下光伏电源的最大输出功率、光照强度和表面温度;ε为光伏电源的功率温度系数,u为实际风速,单位为m/s。
(2)风机出力模型
风机出力模型为风电机组输出功率与风速的关系,通常采用分段函数表示,其表达式为:
其中,uci、uco、ur分别为切入风速、切出风速和额定风速,单位为m/s;Pwt、Pr分别为风机实际输出功率和额定功率,单位为kW。
(3)热电联产机组(CHP)模型
热电联产机组(CHP)以天然气为输入能源,在输出端为用户提供电能和热能,可采用定效率模型进行描述:
GCHP=VCHP·Hng (7)
其中,PCHP和SCHP分别为热电联产机组输出的电功率和蒸汽功率,单位为kW;GCHP为热电联产机组输入的天然气功率,单位为kW; 分别为热电联产机组的电转换效率和蒸汽转换效率;VCHP为热电联产机组消耗的天然气量,单位为m3/h;Hng为天然气热值,单位为kWh/m3;WCHP为热电联产机组配置容量;为热电联产机组的最低运行功率系数。
(4)储能装置模型
用户级综合能源系统的储能装置能够实现能量的实时存储和释放,提升系统运行的灵活性,蓄电池、蒸汽储能和冷储能设备的运行特性相似,其表达式为
-Pmax≤Pt≤Pmax (11)
W24=W0 (12)
其中,Wt为t时刻存储能量,单位为kW;μloss为设备能量自耗率;ηch、ηdis分别为设备的充能和放能效率;Δt为时间间隔,通常取为1h;分别为储能装置存储上、下限系数;W为系统配置的储能装置容量,单位为kW;Pmax为储能装置交换功率上限,单位为kW。W0、W24分别为每日的初始时刻和末尾时刻存储的能量,单位为kW,需约束储能装置的始末状态存储能量相等以保证其稳定运行。
(5)其他能源耦合设备出力模型
与热电联产机组(CHP)不同,电锅炉、燃气锅炉、吸收式制冷机、电制冷机、热泵、热交换器等能源耦合设备均只能实现两种形式能量的转换,上述设备的出力模型表达式为:
Qk1,out=ηk1·Qk1,in (13)
步骤3:以规划阶段的综合总成本最小为目标函数,综合能源系统运行和设备出力特性为约束条件,构建系统扩展规划模型,求解不同天然气价格波动场景下的最优方案。
步骤31:建立规划阶段的综合总成本最小的目标函数
其中,a为规划阶段,T为规划阶段的年限;y为规划年份;t为24个典型日内时刻;δy为第y年的折现率;λ为年利率;为a阶段设备单位建设成本矩阵,包括上一步骤介绍的分布式电源、能源耦合设备和能源存储设备;为天然气价格场景s下a阶段设备的容量配置矩阵,为天然气价格场景s下a-1阶段设备的容量配置矩阵,为0;为电力网络扩容成本;为a阶段扩容状态的0-1变量;为a-1阶段扩容状态的0-1变量;分别为t时刻的电价和蒸汽价格;为场景s下a阶段的天然气的价格,其中天然气和蒸汽单价可通过其热值转换成单位kWh能量价格以统一量纲;Dm为典型日m的天数,分别为系统在场景s下阶段a典型日m时刻t从外部系统购入的电、天然气和蒸汽功率;cM,BAT、cM,HS、cM,CS为蓄电池、蒸汽储能和冷储能设备的单位维护费用;cM,k1为系统中除储能装置外其他设备的单位维护费用矩阵;为蓄电池、蒸汽储能和冷储能设备的交互功率;为能源系统中除储能装置外的其他设备的运行功率矩阵;γE、γG、γS为系统消耗单位电、气、蒸汽功率的排放环保成本。
步骤32:设置约束条件
用户级综合能源系统规划模型的约束条件包括设备扩容约束、功率平衡约束、外部能量交互约束、耦合设备约束和储能装置约束。
a.设备扩容约束
各个规划阶段均可对上一阶段的设备容量进行扩容以满足负荷需求的增长,设备寿命到期则需要报废。
b.功率平衡约束
其中,分别为场景s下阶段a典型日m时刻t的分布式电源出力、CHP机组输出电功率、电负荷、电锅炉输入功率、电制冷机输入功率、热泵输入功率; 分别为CHP机组输出蒸汽功率、电锅炉输出功率、燃气锅炉输出功率、蒸汽负荷、热交换器输入功率、吸收式制冷机输入功率;分别为热交换器输出功率、热泵输出功率、热负荷;分别为吸收式制冷机输出功率、电制冷机输出功率、冷负荷;分别为天然气负荷、微型燃气轮机输入功率、燃气锅炉输入功率。
c.外部能量交互约束
d.能源耦合设备约束
e.储能装置约束
储能装置约束表达式为
-Pmax≤Ps,m,a,t≤Pmax (36)
Ws,a,m,24=Ws,a,m,0 (37)
其中,Ws,a,m,t为场景s下a阶段典型日m内t时刻储能装置的存储能量;Ws,a为场景s下a阶段的系统配置的储能装置容量。
步骤4:采用后悔规避优化方法解决步骤3规划模型中天然气价格不确定性的问题,以场景最优方案和规划方案之间的综合后悔值最低为目标函数构建基于后悔规避的用户级综合能源系统规划模型。
后悔规避优化针对因不确定性因素变化导致规划方案不再是最优方案使决策者产生的后悔情绪,本发明以额外综合总成本作为后悔值:
其中,为经过步骤3中扩展规划模型求得的综合能源系统方案ω在天然气价波动场景s下的后悔值;为方案ω在场景s下的运行情况;为方案ω在场景s下以运行产生的综合总成本;为场景最优方案ωs下的综合总成本最小值。
不同天然气价格波动场景下的最大后悔值表示为:
综合考虑最大后悔值最小目标和平均综合成本最小目标,对规划模型的目标函数做出修改,以综合后悔值最小作为目标函数:
综上所述,基于后悔规避优化法的用户级综合能源系统规划方法以综合后悔值最小为目标函数,约束条件则是扩展规划模型的约束条件,包括设备运行特性和系统运行约束等。
步骤5:采用分支-割平面法求解基于后悔规避的用户级综合能源系统规划模型,计算系统最优建设方案及不同场景下系统的典型运行方式。
上述扩展规划模型和基于后悔规避模型的用户级综合能源系统规划模型均属于混合整数线性规划的范畴,本发明采用分支-割平面法求解上述模型。分支-割平面法有效融合了分支定界法和割平面法两种传统求解混合整数线性规划方法,在分支的基础上考虑割平面来提高各节点的下界,兼顾两种方法的优点,提高算法的收敛速度和求解速度。
依据图1的规划方法及流程对实际综合能源系统进行规划,确定其最优建设方案,本发明以我国南方某典型工业园区进行说明,确定相关实际数据:
该工业园区的总规划年限为15年,定义每5年为一个扩展规划阶段,共有三个规划阶段。经聚类分析该综合能源园区的典型负荷场景可分为夏季、冬季和过渡季三种情况,园区一年中均存在电负荷和蒸汽负荷,仅在夏季存在冷负荷,冬季存在热负荷,无气负荷需求。不同规划阶段内园区从外部购入天然气的平均价格存在30%的波动,波动场景概率相同,根据场景树法可知共存在9种天然气价波动场景:
s1)100%-130%-130%;s2)100%-130%-100%;s3)100%-130%-70%;
s4)100%-100%-130%;s5)100%-100%-100%;s6)100%-100%-70%;
s7)100%-70%-130%;s8)100%-70%-100%;s9)100%-70%-70%。
基于后悔规避的园区扩展规划方案如表1所示。
表1基于后悔规避的园区扩展规划方案(kW)
进一步分析在9种天然气价场景下规划方案的后悔值和成本情况,如表2和表3所示。
表2不同天然气价场景下基于后悔规避的规划方案后悔值(104)
表3不同天然气价场景下规划方案的各项成本(千万元)
相比较而言,规划方案在s1和s9下的后悔值较大,在s5下的后悔值较小,这是由于s1和s9下的天然气价格存在极高和极低情况,导致了系统最佳建设方案间的设备配置容量存在较大差异,造成规划方案与场景最优方案的不匹配程度增加,引起后悔值增大。
不同天然气价场景下系统购能成本的不同对综合总成本影响最大,其中场景1整体用能价格高,场景9整体用能价格低。
由以上数据可知本发明所提方法能够实现用户级综合能源系统的合理规划。为探究该方法相比传统规划方法的优势,本发明在相同边界条件下设置基于期望成本最低的传统规划方法作为对比方案,即不考虑步骤4,以综合总成本最小为目标函数。
对比方案的后悔值如表4所示。
表4不同天然气价场景下基于成本最低的规划方案后悔值(104)
与基于期望成本最低的扩展规划方法相比,本发明提出的方法使得方案的最大后悔值降低13.8%,虽然平均后悔值提高了0.92%,但综合后悔值降低2.7%。综合后悔值的降低表明系统降低最大风险值的收益覆盖了其平均后悔值和规划成本的提高。
实例结果说明,相比以成本最小为目标的规划方法,在用户级综合能源系统规划中考虑后悔理论,采用基于后悔规避的扩展规划法可以有效控制规划过程中的决策风险,使规划方案灵活应对天然气价格变动等不确定因素,提升方案适应性。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (7)
1.一种基于后悔规避的用户级综合能源系统优化方法,其特征在于,具体包括如下步骤:
步骤1:采用阶段场景树的方法处理用户级综合能源系统存在的天然气价格不确定性因素,设置规划场景;
步骤2:分析用户级综合能源系统内部的电、天然气、冷、热、蒸汽能源的耦合关系,构建系统典型能源设备的运行特性和数学模型;
步骤3:以规划阶段的综合总成本最小为目标函数,综合能源系统运行和设备出力特性为约束条件,构建系统扩展规划模型,求解不同天然气价格波动场景下的最优方案;
步骤4:采用后悔规避优化方法解决步骤3规划模型中天然气价格不确定性的问题,以场景最优方案和规划方案之间的综合后悔值最低为目标函数构建基于后悔规避的用户级综合能源系统规划模型;
步骤5:采用分支-割平面法求解基于后悔规避的用户级综合能源系统规划模型,计算系统最优建设方案及不同场景下系统的典型运行方式。
3.如权利要求1所述的基于后悔规避的用户级综合能源系统优化方法,其特征在于:步骤2所述的用户级综合能源系统内部设备包括:分布式电源、能源耦合设备和储能装置。
4.如权利要求3所述的基于后悔规避的用户级综合能源系统优化方法,其特征在于:所述分布式电源包含:可再生能源发电电源,所述可再生能源发电包括:风电和光伏电源;
所述能源耦合设备包括:热电联产机组、电锅炉、燃气锅炉、吸收式制冷机、电制冷机、热泵和热交换,用于实现不同形式能量的相互转换;
所述储能装置包括蓄电池、蒸汽储能和冷储能,用于实现削峰填谷。
5.如权利要求4所述的基于后悔规避的用户级综合能源系统优化方法,其特征在于:步骤2所述的数学模型包括光伏电源出力模型、风机出力模型、热电联产机组模型、储能装置模型和其他能源耦合设备出力模型;
所述光伏电源出力模型为:
光伏电源的输出功率特性与光照强度、环境温度因素相关,表达式为:
Ts=Ta+0.0138·(1+0.031Ta)·(1-0.042u)·G (2)
其中,Ppv为光伏电源输出功率,单位为kW;G为光伏电源的实际光照强度,单位为kW/m2;Ts、Ta分别为光伏电源表面温度和环境温度,单位为℃;Pstc、Gstc、Tstc分别为标准测试条件下光伏电源的最大输出功率、光照强度和表面温度;ε为光伏电源的功率温度系数,u为实际风速,单位为m/s;
所述风机出力模型为:
风机出力模型为风电机组输出功率与风速的关系,通常采用分段函数表示,其表达式为:
其中,uci、uco、ur分别为切入风速、切出风速和额定风速,单位为m/s;Pwt、Pr分别为风机实际输出功率和额定功率,单位为kW;
所述热电联产机组模型为:
热电联产机组以天然气为输入能源,在输出端为用户提供电能和热能,采用定效率模型进行描述:
GCHP=VCHP·Hng (7)
其中,PCHP和SCHP分别为热电联产机组输出的电功率和蒸汽功率,单位为kW;GCHP为热电联产机组输入的天然气功率,单位为kW; 分别为热电联产机组的电转换效率和蒸汽转换效率;VCHP为热电联产机组消耗的天然气量,单位为m3/h;Hng为天然气热值,单位为kWh/m3;WCHP为热电联产机组配置容量;为热电联产机组的最低运行功率系数;
所述储能装置模型为:
用户级综合能源系统的储能装置能够实现能量的实时存储和释放,提升系统运行的灵活性,蓄电池、蒸汽储能和冷储能设备的运行特性表达式为:
-Pmax≤Pt≤Pmax (11)
W24=W0 (12)
其中,Wt为t时刻存储能量,单位为kW;μloss为设备能量自耗率;ηch、ηdis分别为设备的充能和放能效率;Δt为时间间隔,通常取为1h;分别为储能装置存储上、下限系数;W为系统配置的储能装置容量,单位为kW;Pmax为储能装置交换功率上限,单位为kW;W0、W24分别为每日的初始时刻和末尾时刻存储的能量,单位为kW;
所述其他能源耦合设备出力模型:
其他能源耦合设备包括:电锅炉、燃气锅炉、吸收式制冷机、电制冷机、热泵和热交换器,能源耦合设备均只能实现两种形式能量的转换,上述设备的出力模型表达式为:
Qk1,out=ηk1·Qk1,in (13)
6.如权利要求5所述的基于后悔规避的用户级综合能源系统优化方法,其特征在于:步骤3具体包括如下步骤:
步骤31:建立规划阶段的综合总成本最小的目标函数
其中,a为规划阶段,T为规划阶段的年限;y为规划年份;t为24个典型日内时刻;δy为第y年的折现率;λ为年利率;为a阶段设备单位建设成本矩阵,包括分布式电源、能源耦合设备和能源存储设备;为天然气价格场景s下a阶段设备的容量配置矩阵,为天然气价格场景s下a-1阶段设备的容量配置矩阵,为0;为电力网络扩容成本;为a阶段扩容状态的0-1变量;为a-1阶段扩容状态的0-1变量;分别为t时刻的电价和蒸汽价格;为场景s下a阶段的天然气的价格,其中天然气和蒸汽单价通过其热值转换成单位kWh能量价格以统一量纲;Dm为典型日m的天数, 分别为系统在场景s下阶段a典型日m时刻t从外部系统购入的电、天然气和蒸汽功率;cM,BAT、cM,HS、cM,CS为蓄电池、蒸汽储能和冷储能设备的单位维护费用;cM,k1为系统中除储能装置外其他设备的单位维护费用矩阵;为蓄电池、蒸汽储能和冷储能设备的交互功率;为能源系统中除储能装置外的其他设备的运行功率矩阵;γE、γG、γS为系统消耗单位电、气、蒸汽功率的排放环保成本;
步骤32:设置约束条件
用户级综合能源系统规划模型的约束条件包括设备扩容约束、功率平衡约束、外部能量交互约束、耦合设备约束和储能装置约束;
a.设备扩容约束
各个规划阶段均对上一阶段的设备容量进行扩容以满足负荷需求的增长,设备寿命到期则需要报废;
b.功率平衡约束
其中,分别为场景s下阶段a典型日m时刻t的分布式电源出力、CHP机组输出电功率、电负荷、电锅炉输入功率、电制冷机输入功率、热泵输入功率; 分别为CHP机组输出蒸汽功率、电锅炉输出功率、燃气锅炉输出功率、蒸汽负荷、热交换器输入功率、吸收式制冷机输入功率;分别为热交换器输出功率、热泵输出功率、热负荷;分别为吸收式制冷机输出功率、电制冷机输出功率、冷负荷;分别为天然气负荷、微型燃气轮机输入功率、燃气锅炉输入功率;
c.外部能量交互约束
d.能源耦合设备约束
e.储能装置约束
储能装置约束表达式为
-Pmax≤Ps,m,a,t≤Pmax (36)
Ws,a,m,24=Ws,a,m,0 (37)
其中,Ws,a,m,t为场景s下a阶段典型日m内t时刻储能装置的存储能量;Ws,a为场景s下a阶段的系统配置的储能装置容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011178140.XA CN112417651B (zh) | 2020-10-29 | 2020-10-29 | 一种基于后悔规避的用户级综合能源系统优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011178140.XA CN112417651B (zh) | 2020-10-29 | 2020-10-29 | 一种基于后悔规避的用户级综合能源系统优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112417651A true CN112417651A (zh) | 2021-02-26 |
CN112417651B CN112417651B (zh) | 2024-05-14 |
Family
ID=74841500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011178140.XA Active CN112417651B (zh) | 2020-10-29 | 2020-10-29 | 一种基于后悔规避的用户级综合能源系统优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417651B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240324A (zh) * | 2021-06-02 | 2021-08-10 | 中国电子科技集团公司第五十四研究所 | 一种顾及通信机制的空天资源协同规划方法 |
CN113393077A (zh) * | 2021-04-26 | 2021-09-14 | 广东电网有限责任公司广州供电局 | 考虑用户用能不确定性的电-气多能存储系统配置方法 |
CN113472007A (zh) * | 2021-06-17 | 2021-10-01 | 厦门大学 | 一种基于累积相对后悔度的微电网能量管理方法和系统 |
CN114322204A (zh) * | 2022-03-16 | 2022-04-12 | 湖南桅灯智能科技有限公司 | 一种风机盘管冷热量输送能效预警方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255471A (zh) * | 2018-08-17 | 2019-01-22 | 国网山东省电力公司电力科学研究院 | 一种含风电的电-气-热综合能源系统扩展规划优化方法 |
US20190244110A1 (en) * | 2018-02-06 | 2019-08-08 | Cognizant Technology Solutions U.S. Corporation | Enhancing Evolutionary Optimization in Uncertain Environments By Allocating Evaluations Via Multi-Armed Bandit Algorithms |
CN110110965A (zh) * | 2019-04-04 | 2019-08-09 | 浙江大学宁波理工学院 | 基于合格值自适应后悔理论的方案选择决策方法及装置 |
-
2020
- 2020-10-29 CN CN202011178140.XA patent/CN112417651B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190244110A1 (en) * | 2018-02-06 | 2019-08-08 | Cognizant Technology Solutions U.S. Corporation | Enhancing Evolutionary Optimization in Uncertain Environments By Allocating Evaluations Via Multi-Armed Bandit Algorithms |
CN109255471A (zh) * | 2018-08-17 | 2019-01-22 | 国网山东省电力公司电力科学研究院 | 一种含风电的电-气-热综合能源系统扩展规划优化方法 |
CN110110965A (zh) * | 2019-04-04 | 2019-08-09 | 浙江大学宁波理工学院 | 基于合格值自适应后悔理论的方案选择决策方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393077A (zh) * | 2021-04-26 | 2021-09-14 | 广东电网有限责任公司广州供电局 | 考虑用户用能不确定性的电-气多能存储系统配置方法 |
CN113393077B (zh) * | 2021-04-26 | 2023-03-14 | 广东电网有限责任公司广州供电局 | 考虑用户用能不确定性的电-气多能存储系统配置方法 |
CN113240324A (zh) * | 2021-06-02 | 2021-08-10 | 中国电子科技集团公司第五十四研究所 | 一种顾及通信机制的空天资源协同规划方法 |
CN113472007A (zh) * | 2021-06-17 | 2021-10-01 | 厦门大学 | 一种基于累积相对后悔度的微电网能量管理方法和系统 |
CN114322204A (zh) * | 2022-03-16 | 2022-04-12 | 湖南桅灯智能科技有限公司 | 一种风机盘管冷热量输送能效预警方法及装置 |
CN114322204B (zh) * | 2022-03-16 | 2022-05-20 | 湖南桅灯智能科技有限公司 | 一种风机盘管冷热量输送能效预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112417651B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A hybrid optimization-based scheduling strategy for combined cooling, heating, and power system with thermal energy storage | |
CN109193626B (zh) | 一种分布式能源站选型与定容优化规划统一求解方法 | |
Zeng et al. | A novel method based on multi-population genetic algorithm for CCHP–GSHP coupling system optimization | |
CN112417651B (zh) | 一种基于后悔规避的用户级综合能源系统优化方法 | |
Zhang et al. | Nested optimization design for combined cooling, heating, and power system coupled with solar and biomass energy | |
CN111639819B (zh) | 一种综合能源园区多阶段优化控制方法 | |
Ren et al. | A novel planning method for design and dispatch of hybrid energy systems | |
CN112633575B (zh) | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 | |
CN113988714B (zh) | 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质 | |
CN115186902A (zh) | 温室综合能源系统的调控方法、装置、终端及存储介质 | |
Liu et al. | Capacity allocation for regional integrated energy system considering typical day economic operation | |
CN110994606A (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
CN113850409A (zh) | 一种考虑可再生能源接入的综合能源系统优化运行方法 | |
CN113592365A (zh) | 一种考虑碳排放与绿电消纳的能源优化调度方法及系统 | |
Wang et al. | Co-optimization of configuration and operation for distributed multi-energy system considering different optimization objectives and operation strategies | |
CN115455719A (zh) | 一种基于全生命周期碳成本的综合能源系统优化仿真方法 | |
CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
CN113078684B (zh) | 一种基于双层优化的区域能源社区规划方法 | |
Li et al. | Planning model of integrated energy system considering P2G and energy storage | |
CN112365129A (zh) | 基于交叉超效率ccr模型的综合能源系统综合效率评价方法 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
Flores et al. | Optimal design of a distributed energy resources system that minimizes cost while reducing carbon emissions | |
CN115545340A (zh) | 一种考虑双重不确定性的综合能源站-网协同规划方法 | |
CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
CN115099473A (zh) | 近零碳区域综合能源系统多目标优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |