CN112699615B - 一种跨时空能源综合配置优化方法、装置及存储介质 - Google Patents
一种跨时空能源综合配置优化方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112699615B CN112699615B CN202110048426.4A CN202110048426A CN112699615B CN 112699615 B CN112699615 B CN 112699615B CN 202110048426 A CN202110048426 A CN 202110048426A CN 112699615 B CN112699615 B CN 112699615B
- Authority
- CN
- China
- Prior art keywords
- cost
- energy
- optimization model
- representing
- power
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种跨时空能源综合配置优化方法、装置、电子设备及存储介质,本发明所述方法以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为所述内层优化模型及外层优化模型的边界条件;以各区域不同水平年的运行成本最小为目标构建内层优化模型;以系统供电成本最小为目标构建外层优化模型;对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案。本发明主要围绕跨时空尺度下的能源综合配置优化方法展开,在发电能源平衡层面优化发电能源总量及其结构;在此基础上,考虑发电能源约束,在规划层面实现各区域内电力平衡与跨时空尺度下区域间多能互补。
Description
技术领域
本发明涉及电力系统优化技术领域,尤其涉及一种跨时空能源综合配置优化方法、装置、电子设备及存储介质。
背景技术
与当前能源系统相比,未来全球能源系统主要以清洁能源为主,具有极强的跨时空属性,全球广域范围的能源优化配置需要以提高清洁能源消纳为目标。受自然条件等因素影响,风能、太阳能等清洁能源,具有随机性、波动性等特征,同一地区的风速和光照存在明显的季节或月度特性,并具有一定的年周期特性,因此,不同地区的风、光往往具有时空互补性。目前,在国内外广泛应用的能源模型对电力系统规划多做简化处理,对电网的资源配置作用以及运行特性考虑不充分。现有技术中缺少一种促进清洁能源发展、推动能源互联提供理论分析工具,用以优化电力流向、规模与电源发展格局。
发明内容
本发明的目的在于提供一种跨时空能源综合配置优化方法、装置、电子设备及存储介质,优化电力流向、规模与电源发展格局。
第一方面,本发明实施例提供了一种跨时空能源综合配置优化方法,所述方法包括:
以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为所述内层优化模型及外层优化模型的边界条件;
以各区域不同水平年的运行成本最小为目标构建内层优化模型;
以系统供电成本最小为目标构建外层优化模型;
对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案。
进一步地,所述以能源供应总成本最小为目标构建线性规划模型包括:
根据能源成本、建设成本、运维成本、设备资产残值构建线性规划模型;
根据产品平衡、能流平衡、技术容量、容量利用及碳排放确立约束条件。
进一步地,所述以各区域不同水平年的运行成本最小为目标构建内层优化模型包括:
根据各区域不同水平年的运维成本、燃料成本和环境成本构建内层优化模型;
根据发电能源、电力平衡、机组出力、系统备用、机组爬坡速度及储能充放电确立约束条件。
进一步地,以系统供电成本最小为目标构建外层优化模型包括:
根据电力系统建设成本、电力系统运行成本最小为目标构建外层优化模型;
根据能源资源潜力、能源外送能力确立约束条件。
进一步地,对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案包括:
1)初始化数据输入,包括负荷数据、电源数据及其他相关数据。
2)根据人工蜂群算法随机生成初始蜜源;
3)评估蜜源对应的电源装机和联网方案是否满足外层优化模型的约束条件,将不满足约束条件的蜜源赋予较小的适应度值;
4)将外层优化模型中蜜源对应的电源装机规模和联网方案传入内层模型,以多场景下的系统运行成本最小为目标,进行系统生产模拟,计算得出系统运行成本;
5)依据内层模型目标函数值,将系统运行成本返回到外层模型,计算系统供电成本,将系统供电成本的倒数作为蜜源对应的适应度函数;
6)利用雇佣蜂随机选择一个维数和蜜源,在蜜源附近进行随机搜索,生成新蜜源;为提高算法搜索能力,选取任意两个蜜源,利用遗传算法对两个蜜源进行两点交叉操作,得到交叉操作后的解,并与原可行解对比,选择适应度函数值最高的两个可行解作为传递至观察蜂的最优信息;
7)根据观察到的适应度值计算各雇佣蜂被选中的概率,选择雇佣蜂并在雇佣蜂所确定的蜜源附近进行局部搜索,通过贪婪选择确定较优蜜源;
8)通过不断迭代操作直到达到最大迭代次数或者计算出最优值,即可获得各类电源装机容量和联网方案;否则,更新蜜源,返回步骤3)。
第二方面,本发明实施例提供了一种跨时空能源综合配置优化装置,所述装置包括:
边界条件确立模块,以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为所述内层优化模型及外层优化模型的边界条件;
内层优化模型构建模块,以各区域不同水平年的运行成本最小为目标构建内层优化模型;
外层优化模型构建模块,以系统供电成本最小为目标构建外层优化模型;
计算模块,对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案。
进一步地,所述内层优化模型构建模块包括:
内层优化模型构建单元,根据各区域不同水平年的运维成本、燃料成本和环境成本构建内层优化模型;
第一约束条件确立单元,根据发电能源、电力平衡、机组出力、系统备用、机组爬坡速度及储能充放电确立约束条件。
进一步地,外层优化模型构建模块包括:
外层优化模型构建单元,根据电力系统建设成本、电力系统运行成本最小为目标构建外层优化模型;
第一约束条件确立单元,根据能源资源潜力、能源外送能力确立约束条件。
第三方面,本发明实施例提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现上述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述方法的步骤。
有益效果
本发明提出了一种跨时空能源综合配置优化方法、装置、电子设备及存储介质,以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为所述内层优化模型及外层优化模型的边界条件;以各区域不同水平年的运行成本最小为目标构建内层优化模型;以系统供电成本最小为目标构建外层优化模型;对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案。本发明主要围绕跨时空尺度下的能源综合配置优化方法展开,考虑碳排放约束的边界条件确立模块和基于人工蜂群算法的内层优化模型构建模块、外层优化模型构建模块及计算模块,在发电能源平衡层面优化发电能源总量及其结构,用于中长期的分品种发电能源预测;在此基础上,考虑发电能源约束,在规划层面实现各区域内电力平衡与跨时空尺度下区域间多能互补,基于人工蜂群算法优化电力流向、规模与电源发展格局。
附图说明
图1为本发明实施例的一种跨时空能源综合配置优化方法的流程图;
图2为本发明实施例的一种跨时空能源综合配置优化装置的结构框图;
图3为图2中内层优化模型构建模块的结构框图;
图4为图2中外层优化模型构建模块的结构框图;
图5为本发明一种实施例的发电能源优化结果;
图6为发明实施例的对能源配置方案进行综合优化得到的2050年全球输电通道累积容量;
图7为发明实施例的对能源配置方案进行综合优化得到的2050年全球输电通道起点受入电量;
图8为发明实施例的对能源配置方案进行综合优化得到的2050年各大洲装机情况;
图9为发明一种实施例的电子设备的结构框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中,能源系统分析模型主要包括能源系统模拟模型和能源系统动态优化模型两类。能源系统模拟模型使用较多的有STAIR模型和LEAP模型。能源系统动态优化模型有:BESOM、ETA、TIMES、MESSAGE和AIM/ENDUSE等。我国近几年在能源系统分析模型开发及应用研究方面积累了不少经验,从模型使用频度来讲,主要还是TIMES、LEAP、AIM和MESSAGE等。目前,在国内外广泛应用的能源模型对电力系统规划多做简化处理,对电网的资源配置作用以及运行特性考虑不充分。此外,模型中各能源运输方式的相互协调性考虑较少,不具备各种能源配置方式的优选功能。本研究主要围绕跨时空尺度下的能源综合配置优化方法展开,模型涵盖考虑碳排放约束的边界条件确立模块和基于人工蜂群算法的内层优化模型构建模块、内层优化模型构建模块及计算模块。在发电能源平衡层面优化发电能源总量及其结构,用于中长期的分品种发电能源预测;在此基础上,考虑发电能源约束,在规划层面实现各区域内电力平衡与跨时空尺度下区域间多能互补,基于人工蜂群算法优化电力流向、规模与电源发展格局。本专利可为主要国家及地区从协同清洁发展角度科学制定能源发展战略与规划提供技术支撑。
下面结合附图说明和具体实施例对本发明作进一步描述:
本发明的目的在于提供一种跨时空能源综合配置优化方法、装置、电子设备及存储介质,优化电力流向、规模与电源发展格局。
图1为本发明实施例一种跨时空能源综合配置优化方法的流程图,如图1所示,所述方法包括:
S20、以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为所述内层优化模型及外层优化模型的边界条件;
S40、以各区域不同水平年的运行成本最小为目标构建内层优化模型;
S60、以系统供电成本最小为目标构建外层优化模型;
S80、对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案。
本实施例以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为所述内层优化模型及外层优化模型的边界条件;以各区域不同水平年的运行成本最小为目标构建内层优化模型;以系统供电成本最小为目标构建外层优化模型;对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案。本实施例主要围绕跨时空尺度下的能源综合配置优化方法展开,在发电能源平衡层面优化发电能源总量及其结构,用于中长期的分品种发电能源预测;在此基础上,考虑发电能源约束,在规划层面实现各区域内电力平衡与跨时空尺度下区域间多能互补,基于人工蜂群算法优化电力流向、规模与电源发展格局。
具体地,所述以能源供应总成本最小为目标构建线性规划模型包括:
根据能源成本、建设成本、运维成本、设备资产残值构建线性规划模型;
1、目标函数
目标函数形式如下
min CR+CI+CO-CS (1)
其中,CR、CI、CO、CS分别表示规划期的能源成本、建设成本、运维成本、设备资产残值。
(1)能源成本
式中,下标t代表水平年,T为规划周期长度,r为规划期的折现率,z代表区域,Z代表划分的区域数目,CRmine,z,t表示区域z水平年t的能源开采费用,CRimport,z,t表示区域z水平年t的能源进口费用,CRexport,z,t表示区域z水平年t的能源出口收益。
式中,cfmine,z,t,r、cfimport,z,t,r、cfexport,z,t,r分别表示区域z水平年t能源r单位开采、进口和出口费用;Fomine,z,t,r、Foimport,z,t,r、Foexport,z,t,r分别表示区域z水平年t能源r的开采量、进口量和出口量。
(2)建设成本
建设成本表示为
(3)运维成本
(4)设备残值
进一步地,根据产品平衡、能流平衡、技术容量、容量利用及碳排放确立约束条件。
(1)产品平衡约束
式中,m(c,out)、m(c,in)、m(c,imp)、m(c,exp)分别表示有能源产品c输出、输入、进口和出口的技术集合;Flowz,t,m,c表示区域z水平年t技术m中能源产品c的流量,即技术m生产或消耗的能源产品c的量;Irez,t,m,c,exp、Irez,t,m,c,imp分别表示区域z水平年t技术m中能源产品c的出口量、进口量。
(2)能流平衡约束
式中,cg1和cg2分别表示技术m输入和输出中一类产品的集合;Coem,cg1,cg2表示m技术中cg1到cg2的转换效率。
(3)技术容量约束
(4)容量利用约束
容量利用约束表示技术活动水平与技术容量之间的关系
式中,AFz,t,m表示区域z水平年t技术m可用度;CAPUNITz,m表示区域z技术m容量与活动水平单位之间的转换系数。
(5)碳排放约束
碳排放与能源生产和消费密切相关,通过设定碳排放因子,可以得到相应技术所产生的碳排放。
式中,EMAct,z,t,m代表区域z水平年t技术m活动水平相关的碳排放系数,ENVt,max代表水平年t设定的碳排放上限。
具体地,所述以各区域不同水平年的运行成本最小构建内层优化模型包括:
根据各区域不同水平年的运维成本、燃料成本和环境成本构建内层优化模型;
内层优化模型的优化目标如下
式中,Coper代表电力系统运行成本,OMz,t、CFz,t、CCz,t分别表示各区域不同水平年的运维成本、燃料成本和环境成本。
(1)运维成本
式中,下标p表示电源类型,Ω表示电源集合,Xz,t,p表示区域z水平年t电源p的累积装机容量,表示区域z水平年t电源p单位容量固定运维成本,/>表示区域z水平年t电源p度电可变运维成本,Hz,t,p表示区域z水平年t电源p年利用小时数,/>表示区域z水平年t输电通道单位容量固定运维成本,/>表示区域z与z'间输电通道的额定容量,/>表示水平年t区域z与z'间输电通道距离。
在内层优化模型中,为计及不同区域大规模新能源发电出力的季节差异和互补特性,本发明将各区域新能源发电出力变化历史数据,聚类成多个典型新能源出力场景,利用小时级生产模拟刻画电力系统运行特性。区域z水平年t电源p年利用小时数表达为:
式中,j、s、n分别代表季节、场景和小时,J表示季节集合,Sj表示季节j对应的新能源发电出力场景集合,N表示各场景划分的时段数,πj表示季节j包含的天数,ρz,t,j,s表示区域z水平年t季节j场景s出现的概率,Pz,t,p,j,s,n为区域z水平年t电源p季节j场景s小时n的出力。
(2)燃料成本
式中,cfz,t,p表示区域z水平年t电源p单位发电燃料成本。
(4)环境成本
进一步地,根据发电能源、电力平衡、机组出力、系统备用、机组爬坡速度及储能充放电确立约束条件。
(1)发电能源约束
基于边界条件确立模块,在满足碳排放约束下,可得煤、油、气等各类发电能源的上限。
式中,Xz,t,coal、Xz,t,gas、Xz,t,oil分别表示区域z水平年t燃煤发电、燃气发电和燃油发电累积装机容量,λz,t,coal、λz,t,gas、λz,t,oil分别表示区域z水平年t的平均发电煤耗、平均发电气耗、平均发电油耗,Coalt、Gast、Oilt分别表示水平年t发电用煤、发电用气、发电用油上限。
(2)电力平衡约束
式中,Lz,t,j,s,n表示区域z水平年t季节j场景s小时n的电力负荷大小, 分别表示区域z水平年t季节j场景s小时n储能的放电和充电功率,分别表示区域z水平年t季节j场景s小时n的受电水平和外送水平。
(3)机组出力约束
(4)系统备用约束
式中,γz,t,p为区域z水平年t电源p容量置信度,βz,t为区域z水平年t系统的备用系数,Pz,t,max为区域z水平年t的最大负荷。
(5)储能充放电约束
0≤SEz,t,j,s,n≤hsto×Xz,t,sto (28)
式中,SEz,t,j,s,n表示区域z水平年t季节j场景s小时n储能的荷电状态,ηsto为储能充放电效率,hsto为储能持续充放电时间,Xz,t,sto表示区域z水平年t储能的累积装机容量。
(6)机组爬坡速度约束
具体地,以系统供电成本最小为目标构建外层优化模型包括:
根据电力系统建设成本、电力系统运行成本最小为构目标构建外层优化模型;
外层优化目标函数如下
F=min Cinv+Coper (31)
式中,Cinv代表电力系统建设成本。
系统建设成本表示为
进一步地,根据能源资源潜力、能源外送能力确立约束条件。
(1)能源资源潜力约束
在规划周期内,各区域能源资源潜力将约束电源装机规模上限,表示为
(2)能源外送能力约束
规划周期内各区域能源外送能力满足
进一步地,对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案包括:
1)初始化数据输入,包括负荷数据、电源数据及其他相关数据。
2)根据人工蜂群算法随机生成初始蜜源。
3)评估蜜源对应的电源装机和联网方案是否满足外层优化模型的约束条件,将不满足约束条件的蜜源赋予较小的适应度值。
4)将外层优化模型中蜜源对应的电源装机规模和联网方案传入内层模型,以多场景下的系统运行成本最小为目标,进行系统生产模拟,计算得出系统运行成本。
5)依据内层模型目标函数值,将系统运行成本返回到外层模型,计算系统供电成本,将系统供电成本的倒数作为蜜源对应的适应度函数。
6)利用雇佣蜂随机选择一个维数和蜜源,在蜜源附近进行随机搜索,生成新蜜源。为提高算法搜索能力,选取任意两个蜜源,利用遗传算法对两个蜜源进行两点交叉操作,得到交叉操作后的解,并与原可行解对比,选择适应度函数值最高的两个可行解作为传递至观察蜂的最优信息。
7)根据观察到的适应度值计算各雇佣蜂被选中的概率,选择雇佣蜂并在雇佣蜂所确定的蜜源附近进行局部搜索,通过贪婪选择确定较优蜜源。
8)通过不断迭代操作直到达到最大迭代次数或者计算出最优值,即可获得各类电源装机容量和联网方案;否则,更新蜜源,返回步骤3)。
基于同一发明构思,本申请实施例还提供了一种跨时空能源综合配置优化装置,可以用于实现上述实施例中所描述的方法,如下面实施例所述。由于该跨时空能源综合配置优化装置解决问题的原理与一种跨时空能源综合配置优化方法相似,因此一种跨时空能源综合配置优化装置的实施可以参见跨时空能源综合配置优化方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
如图2所示,本发明实施例的跨时空能源综合配置优化装置包括:
边界条件确立模块20,以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为所述内层优化模型及外层优化模型的边界条件;
内层优化模型构建模块40,以各区域不同水平年的运行成本最小为目标构建内层优化模型;
外层优化模型构建模块60,以系统供电成本最小为目标构建外层优化模型;
计算模块80,对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案。
如图3所示,所述内层优化模型构建模块40包括:
内层优化模型构建单元401,根据各区域不同水平年的运维成本、燃料成本和环境成本构建内层优化模型;
第一约束条件确立单元402,根据发电能源、电力平衡、机组出力、系统备用、机组爬坡速度及储能充放电确立约束条件。
如图4所示,外层优化模型构建模块60包括:
外层优化模型构建单元601,根据电力系统建设成本、电力系统运行成本最小构建外层优化模型;
第一约束条件确立单元602,根据能源资源潜力、能源外送能力确立约束条件。
能源综合配置优化结果:
利用跨时空能源综合配置优化方法、装置,优化2018-2050年全球发电能源、电力流规模、流向与各区域电源发展情况,设定区域节点7个,分别为:亚洲、欧洲、北美洲、南美洲、非洲、大洋洲和北极,以2℃温控目标的碳预算为总体约束,对能源配置方案进行综合优化。
发电能源优化结果:
如图5所示,测算结果显示,2050年全球发电能源需求总量将达到143亿吨标准煤。受碳排放目标约束影响,2050年煤炭、石油和天然气等化石能源发电占比分别降为46%和26%。
电力规划结果:
基于本发明开发的电力规划模块,优化全球电源装机与结构、电力流规模及流向。如图6和图7所示,到2050年,跨洲输电通道所受电量占全球用电量的比重达到10.4%。受入电力分别为亚洲、欧洲和北美洲,受入电量分别为2.2万亿、2.7万亿和0.9万亿千瓦时。
2050年,全球电源发展规模将由2018年的72亿千瓦增长至214亿千瓦。其中,煤电、气电等化石能源发电占比降至12%;核电、水电等常规非化石能源发电的占比为13%;风、光等新能源发电的装机规模占比将达75%。
对能源配置方案进行综合优化,结果如图8所示2050年全球各大洲装机情况。
本申请实施例还提供了一种计算机电子设备,图9示出了可以应用本申请实施例的电子设备的结构示意图,如图9所示,该计算机电子设备包括,中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM903中,还存储有系统操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中所述一种跨时空能源综合配置优化装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入电子设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本申请的一种跨时空能源综合配置优化。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种跨时空能源综合配置优化方法,其特征在于,所述方法包括:
以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,作为内层优化模型及外层优化模型的边界条件;
以各区域不同水平年的运行成本最小为目标构建内层优化模型;
以系统供电成本最小为目标构建外层优化模型;
对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案;
根据能源成本、建设成本、运维成本、设备资产残值构建线性规划模型;
目标函数形式如下:
minCR+CI+CO-CS(1)
其中,CR、CI、CO、CS分别表示规划期的能源成本、建设成本、运维成本、设备资产残值;
(1)能源成本
式中,下标t代表水平年,T为规划周期长度,r为规划期的折现率,z代表区域,Z代表划分的区域数目,CRmine,z,t表示区域z水平年t的能源开采费用,CRimport,z,t表示区域z水平年t的能源进口费用,CRexport,z,t表示区域z水平年t的能源出口收益;
式中,cfmine,z,t,r、cfimport,z,t,r、cfexport,z,t,r分别表示区域z水平年t能源r单位开采、进口和出口费用;Fomine,z,t,r、Foimport,z,t,r、Foexport,z,t,r分别表示区域z水平年t能源r的开采量、进口量和出口量;
(2)建设成本
建设成本表示为:
(3)运维成本
(4)设备残值
内层优化模型的优化目标如下:
式中,Coper代表电力系统运行成本,OMz,t、CFz,t、CCz,t分别表示各区域不同水平年的运维成本、燃料成本和环境成本;
(1)运维成本
式中,下标p表示电源类型,Ω表示电源集合,Xz,t,p表示区域z水平年t电源p的累积装机容量,表示区域z水平年t电源p单位容量固定运维成本,/>表示区域z水平年t电源p度电可变运维成本,Hz,t,p表示区域z水平年t电源p年利用小时数,/>表示区域z水平年t输电通道单位容量固定运维成本,/>表示区域z与z'间输电通道的额定容量,/>表示水平年t区域z与z'间输电通道距离;
在内层优化模型中,为计及不同区域大规模新能源发电出力的季节差异和互补特性,本发明将各区域新能源发电出力变化历史数据,聚类成多个典型新能源出力场景,利用小时级生产模拟刻画电力系统运行特性;区域z水平年t电源p年利用小时数表达为:
式中,j、s、n分别代表季节、场景和小时,J表示季节集合,Sj表示季节j对应的新能源发电出力场景集合,N表示各场景划分的时段数,πj表示季节j包含的天数,ρz,t,j,s表示区域z水平年t季节j场景s出现的概率,Pz,t,p,j,s,n为区域z水平年t电源p季节j场景s小时n的出力;
(2)燃料成本
式中,cfz,t,p表示区域z水平年t电源p单位发电燃料成本;
(3)环境成本
外层优化目标函数如下:
F=minCinv+Coper (14)
式中,Cinv代表电力系统建设成本;
系统建设成本表示为
2.根据权利要求1所述的方法,其特征在于,所述以能源供应总成本最小为目标构建线性规划模型包括:
根据能源成本、建设成本、运维成本、设备资产残值构建线性规划模型;
根据产品平衡、能流平衡、技术容量、容量利用及碳排放确立约束条件。
3.根据权利要求1所述的方法,其特征在于,所述以各区域不同水平年的运行成本最小为目标构建内层优化模型包括:
根据各区域不同水平年的运维成本、燃料成本和环境成本构建内层优化模型;
根据发电能源、电力平衡、机组出力、系统备用、机组爬坡速度及储能充放电确立约束条件。
4.根据权利要求1所述的方法,其特征在于,以系统供电成本最小为目标构建外层优化模型包括:
根据电力系统建设成本、电力系统运行成本最小为目标构建外层优化模型;
根据能源资源潜力、能源外送能力确立约束条件。
5.根据权利要求1-4任一项所述的方法,其特征在于,对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案包括:
1)初始化数据输入,包括负荷数据、电源数据及其他相关数据;
2)根据人工蜂群算法随机生成初始蜜源;
3)评估蜜源对应的电源装机和联网方案是否满足外层优化模型的约束条件,将不满足约束条件的蜜源赋予较小的适应度值;
4)将外层优化模型中蜜源对应的电源装机规模和联网方案传入内层模型,以多场景下的系统运行成本最小为目标,进行系统生产模拟,计算得出系统运行成本;
5)依据内层模型目标函数值,将系统运行成本返回到外层模型,计算系统供电成本,将系统供电成本的倒数作为蜜源对应的适应度函数;
6)利用雇佣蜂随机选择一个维数和蜜源,在蜜源附近进行随机搜索,生成新蜜源;为提高算法搜索能力,选取任意两个蜜源,利用遗传算法对两个蜜源进行两点交叉操作,得到交叉操作后的解,并与原可行解对比,选择适应度函数值最高的两个可行解作为传递至观察蜂的最优信息;
7)根据观察到的适应度值计算各雇佣蜂被选中的概率,选择雇佣蜂并在雇佣蜂所确定的蜜源附近进行局部搜索,通过贪婪选择确定较优蜜源;
8)通过不断迭代操作直到达到最大迭代次数或者计算出最优值,即可获得各类电源装机容量和联网方案;否则,更新蜜源,返回步骤3)。
6.一种跨时空能源综合配置优化装置,其特征在于,所述装置包括:
边界条件确立模块,以能源供应总成本最小为目标构建线性规划模型,求解得到发电能源需求总量和结构,所述内层优化模型及外层优化模型的边界条件;
内层优化模型构建模块,以各区域不同水平年的运行成本最小为目标构建内层优化模型;
外层优化模型构建模块,以系统供电成本最小为目标构建外层优化模型;
计算模块,对所述内层优化模型及外层优化模型求解得到各类电源装机容量和联网方案;
根据能源成本、建设成本、运维成本、设备资产残值构建线性规划模型;
目标函数形式如下:
minCR+CI+CO-CS(1)
其中,CR、CI、CO、CS分别表示规划期的能源成本、建设成本、运维成本、设备资产残值;
(1)能源成本
式中,下标t代表水平年,T为规划周期长度,r为规划期的折现率,z代表区域,Z代表划分的区域数目,CRmine,z,t表示区域z水平年t的能源开采费用,CRimport,z,t表示区域z水平年t的能源进口费用,CRexport,z,t表示区域z水平年t的能源出口收益;
式中,cfmine,z,t,r、cfimport,z,t,r、cfexport,z,t,r分别表示区域z水平年t能源r单位开采、进口和出口费用;Fomine,z,t,r、Foimport,z,t,r、Foexport,z,t,r分别表示区域z水平年t能源r的开采量、进口量和出口量;
(2)建设成本
建设成本表示为:
(3)运维成本
(4)设备残值
内层优化模型的优化目标如下:
式中,Coper代表电力系统运行成本,OMz,t、CFz,t、CCz,t分别表示各区域不同水平年的运维成本、燃料成本和环境成本;
(1)运维成本
式中,下标p表示电源类型,Ω表示电源集合,Xz,t,p表示区域z水平年t电源p的累积装机容量,表示区域z水平年t电源p单位容量固定运维成本,/>表示区域z水平年t电源p度电可变运维成本,Hz,t,p表示区域z水平年t电源p年利用小时数,/>表示区域z水平年t输电通道单位容量固定运维成本,/>表示区域z与z'间输电通道的额定容量,/>表示水平年t区域z与z'间输电通道距离;
在内层优化模型中,为计及不同区域大规模新能源发电出力的季节差异和互补特性,本发明将各区域新能源发电出力变化历史数据,聚类成多个典型新能源出力场景,利用小时级生产模拟刻画电力系统运行特性;区域z水平年t电源p年利用小时数表达为:
式中,j、s、n分别代表季节、场景和小时,J表示季节集合,Sj表示季节j对应的新能源发电出力场景集合,N表示各场景划分的时段数,πj表示季节j包含的天数,ρz,t,j,s表示区域z水平年t季节j场景s出现的概率,Pz,t,p,j,s,n为区域z水平年t电源p季节j场景s小时n的出力;
(2)燃料成本
式中,cfz,t,p表示区域z水平年t电源p单位发电燃料成本;
(3)环境成本
外层优化目标函数如下:
F=minCinv+Coper (14)
式中,Cinv代表电力系统建设成本;
系统建设成本表示为:
7.根据权利要求6所述的装置,其特征在于,所述内层优化模型构建模块包括:
内层优化模型构建单元,根据各区域不同水平年的运维成本、燃料成本和环境成本构建内层优化模型;
第一约束条件确立单元,根据发电能源、电力平衡、机组出力、系统备用、机组爬坡速度及储能充放电确立约束条件。
8.根据权利要求6所述的装置,其特征在于,外层优化模型构建模块包括:
外层优化模型构建单元,根据电力系统建设成本、电力系统运行成本最小构建外层优化模型;
第一约束条件确立单元,根据能源资源潜力、能源外送能力确立约束条件。
9.一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器通过运行所述可执行指令以实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110048426.4A CN112699615B (zh) | 2021-01-14 | 2021-01-14 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110048426.4A CN112699615B (zh) | 2021-01-14 | 2021-01-14 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112699615A CN112699615A (zh) | 2021-04-23 |
CN112699615B true CN112699615B (zh) | 2023-05-30 |
Family
ID=75514737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110048426.4A Active CN112699615B (zh) | 2021-01-14 | 2021-01-14 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699615B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393033B (zh) * | 2021-06-15 | 2023-05-05 | 国网能源研究院有限公司 | 考虑跨季节储氢的能源转型路径优化方法、系统及装置 |
CN117273309B (zh) * | 2023-08-28 | 2024-04-30 | 国家电网有限公司华东分部 | 一种储能系统容量配置方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108253519A (zh) * | 2017-12-27 | 2018-07-06 | 国网北京市电力公司 | 基于电采暖的用电控制方法 |
AU2019101104A4 (en) * | 2019-09-25 | 2019-10-31 | Southeast University | An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff |
CN110598913A (zh) * | 2019-08-21 | 2019-12-20 | 全球能源互联网研究院有限公司 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
CN111445067A (zh) * | 2020-03-09 | 2020-07-24 | 北京交通大学 | 一种适用于高铁站综合能源系统的多目标规划方法 |
-
2021
- 2021-01-14 CN CN202110048426.4A patent/CN112699615B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108253519A (zh) * | 2017-12-27 | 2018-07-06 | 国网北京市电力公司 | 基于电采暖的用电控制方法 |
CN110598913A (zh) * | 2019-08-21 | 2019-12-20 | 全球能源互联网研究院有限公司 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
AU2019101104A4 (en) * | 2019-09-25 | 2019-10-31 | Southeast University | An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff |
CN111445067A (zh) * | 2020-03-09 | 2020-07-24 | 北京交通大学 | 一种适用于高铁站综合能源系统的多目标规划方法 |
Non-Patent Citations (2)
Title |
---|
张丽敏.公共电网规划规划管理对清洁能源发展支撑作用分析.《中国优秀硕士学位论文全文数据库》.2018,全文. * |
张玉敏.基于狄利克雷模型的分布鲁棒机组组合.《中国电机工程学报》.2018,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112699615A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jacobson et al. | Impacts of green new deal energy plans on grid stability, costs, jobs, health, and climate in 143 countries | |
Zhu et al. | Multi-objective economic emission dispatch considering wind power using evolutionary algorithm based on decomposition | |
Hu et al. | Enhanced evolutionary multi-objective optimization-based dispatch of coal mine integrated energy system with flexible load | |
Helistö et al. | Long‐term impact of variable generation and demand side flexibility on thermal power generation | |
Ge et al. | Increasing operational flexibility of integrated energy systems by introducing power to hydrogen | |
CN112699615B (zh) | 一种跨时空能源综合配置优化方法、装置及存储介质 | |
Jing et al. | Balancing the Energy Trilemma in energy system planning of coastal cities | |
Kiviluoma et al. | Comparison of flexibility options to improve the value of variable power generation | |
HassanzadehFard et al. | A novel objective function for optimal DG allocation in distribution systems using meta-heuristic algorithms | |
Wang et al. | Cross entropy optimization based on decomposition for multi-objective economic emission dispatch considering renewable energy generation uncertainties | |
Afzali et al. | Urban community energy systems design under uncertainty for specified levels of carbon dioxide emissions | |
Zhu et al. | A review of distributed energy system optimization for building decarbonization | |
Li et al. | Knee Point‐Guided Multiobjective Optimization Algorithm for Microgrid Dynamic Energy Management | |
Du et al. | Preliminary analysis of long‐term storage requirement in enabling high renewable energy penetration: A case of East Asia | |
Daneshvar et al. | Short term optimal hydro-thermal scheduling of the transmission system equipped with pumped storage in the competitive environment | |
Edathil et al. | ACO and CS‐based hybrid optimisation method for optimum sizing of the SHES | |
Wang et al. | Low carbon oriented power‐to‐gas station and integrated energy system planning with ancillary service provision and wind power integration | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN109002921B (zh) | 一种基于二型模糊机会约束的区域能源系统优化方法 | |
CN113298407B (zh) | 一种工业园区电-气综合能源系统优化调度模型建立方法 | |
Lin et al. | Long-term multi-objective optimal scheduling for large cascaded hydro-wind-photovoltaic complementary systems considering short-term peak-shaving demands | |
Li et al. | Coordinated planning of integrated electricity–heat–gas energy system considering renewable energy consumption | |
Cao et al. | Multi‐scene upgrade and renovation method of existing park‐level integrated energy system based on comprehensive analysis | |
Zhang et al. | Spatially resolved land and grid model of carbon neutrality in China | |
CN114925892A (zh) | 水电与电转气结合的中长期风水火发电量双层规划方法 |
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 |