CN114004427A - 一种电源与季节性储能规划方法及装置 - Google Patents

一种电源与季节性储能规划方法及装置 Download PDF

Info

Publication number
CN114004427A
CN114004427A CN202111658168.8A CN202111658168A CN114004427A CN 114004427 A CN114004427 A CN 114004427A CN 202111658168 A CN202111658168 A CN 202111658168A CN 114004427 A CN114004427 A CN 114004427A
Authority
CN
China
Prior art keywords
equation
scene
representing
horizontal year
energy storage
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
CN202111658168.8A
Other languages
English (en)
Other versions
CN114004427B (zh
Inventor
鲁刚
辛保安
刘劲松
徐波
元博
冯君淑
吴静
刘思革
夏鹏
刘俊
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.)
State Grid Corp of China SGCC
State Grid Energy Research Institute Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Energy Research Institute Co Ltd
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 State Grid Corp of China SGCC, State Grid Energy Research Institute Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111658168.8A priority Critical patent/CN114004427B/zh
Publication of CN114004427A publication Critical patent/CN114004427A/zh
Application granted granted Critical
Publication of CN114004427B publication Critical patent/CN114004427B/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电源与季节性储能规划方法及装置，所述方法包括：根据各行业最大负荷、各行业削峰比例、用户参与度以及最大负荷同时率评估区域需求侧响应潜力；获得区域新能源发电出力极限场景和区域新能源发电出力典型场景；确定目标函数和约束条件，根据目标函数和约束条件建立以系统总成本最小为目标的规划模型；设置季节性储能容量约束上限；将所述区域新能源发电出力典型场景输入所述规划模型，根据所述区域需求侧响应潜力对所述规划模型求解，得到最优解；并且校验所述最优解的鲁棒性，得到电源与季节性储能规划方案。本发明通过考虑极限场景提高了规划结果的鲁棒性。

Description

一种电源与季节性储能规划方法及装置
技术领域
本发明涉及电力规划技术领域，尤其是涉及一种电源与季节性储能规划方法及装置。
背景技术
新能源发电与传统化石能源发电相比具有随机性与波动性，大规模接入将对电力系统带来全方位新挑战。为满足新能源调节需求，必须发展规模化储能。其中，季节性储能能够支撑电能在长时间内能量平移，从而解决高比例新能源的长周期消纳问题。相比其他季节性储能，氢能是大规模、长时段能量存储的最佳途径。全国至少有23个省份发布了氢能发展规划，超过三分之一的央企正在制定氢能全产业链布局，目前，已有学者对电制氢技术可行性展开广泛研究，如考虑氢能需求和交易模式对风电制氢系统进行优化配置，建立主动配电网中电制氢模块的优化规划模型，对电制氢的选型、选址、定容进行决策。
然而，目前研究多对电力耦合氢能系统进行探讨，电源规划中对新能源、季节性储能、需求侧资源等影响因素缺乏跨领域协同，不能最大程度地降低转型成本。
发明内容
本发明的目的在于提供一种电源与季节性储能规划方法及装置，旨在解决现有技术中的上述问题。
本发明提供一种电源与季节性储能规划方法，包括：
S1、根据各行业最大负荷、各行业削峰比例、用户参与度以及最大负荷同时率评估区域需求侧响应潜力；
S2、根据置信水平获得区域新能源发电出力极限场景，根据区域新能源发电出力的历史数据采用聚类算法获得区域新能源发电出力典型场景；
S3、确定目标函数和约束条件，根据目标函数和约束条件建立以系统总成本最小为目标的规划模型；
S4、将所述区域新能源发电出力典型场景输入所述规划模型，根据所述区域需求侧响应潜力对所述规划模型求解，得到最优解。
本发明提供一种电源与季节性储能规划装置，包括：
评估模块，用于根据各行业最大负荷、各行业削峰比例、用户参与度以及最大负荷同时率评估区域需求侧响应潜力；
场景获取模块，用于根据置信水平获得区域新能源发电出力极限场景，根据区域新能源发电出力的历史数据采用聚类算法获得区域新能源发电出力典型场景；
规划模型模块，用于确定目标函数和约束条件，根据目标函数和约束条件建立以系统总成本最小为目标的规划模型；
规划模型求解模块，用于将所述区域新能源发电出力典型场景输入所述规划模型，根据所述区域需求侧响应潜力对所述规划模型求解，得到最优解。
本发明实施例还提供一种电源与季节性储能规划装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述电源与季节性储能规划方法的步骤。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述电源与季节性储能规划方法的步骤。
采用本发明实施例，通过考虑不同行业需求侧响应削峰比例、用户参与度以及最大负荷同时率，对区域需求侧响应潜力进行评估，充分考虑需求侧影响因素降低了转型成本，并通过置信水平获得区域新能源发电出力极限场景，考虑新能源发电出力的极端情况，提高了规划方案的鲁棒性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的电源与季节性储能规划方法流程图；
图2是本发明装置实施例一的电源与季节性储能规划装置的示意图；
图3是本发明装置实施例二的电源与季节性储能规划装置的示意图。
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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例，提供了一种电源与季节性储能规划方法，图1是本发明实施例的电源与季节性储能规划方法的流程图，如图1所示，根据本发明实施例的电源与季节性储能规划方法具体包括：
S101.根据各行业最大负荷、各行业削峰比例、用户参与度以及最大负荷同时率评估区域需求侧响应潜力，步骤S101具体包括：
根据各行业平均日负荷率计算各行业最大负荷，根据公式1计算各行业平均日负荷率；
Figure 744322DEST_PATH_IMAGE001
公式1；
其中，H表示行业y的样本数目，Kh表示行业y样本用户h的日负荷率；
根据公式2计算各行业最大负荷；
Figure 823137DEST_PATH_IMAGE002
公式2；
其中，LDmax,y,t表示水平年t行业y的最大负荷，Y y 表示行业y当前年份的总用电量，
Figure 399743DEST_PATH_IMAGE003
表示行业y最大负荷年均增长率；
根据公式3-4计算区域需求侧响应潜力；
Figure 640231DEST_PATH_IMAGE004
公式3；
Figure 918766DEST_PATH_IMAGE005
公式4；
其中，LDdr,t表示水平年t区域需求侧响应潜力，
Figure 270113DEST_PATH_IMAGE006
表示行业间最大负荷同时率，
Figure 725059DEST_PATH_IMAGE007
表示行业y平均削峰比例，
Figure 136449DEST_PATH_IMAGE008
表示行业y样本用户h的削峰比例，
Figure 715329DEST_PATH_IMAGE009
表示水平年t行业y的需求侧响应参与度，Ω表示行业的集合。
一般来讲，参与需求侧响应的主体包含工业用户、商业用户和居民用户等，通过分析各行业用户的需求侧响应潜力，整个区域的需求侧响应潜力由各行业自下而上汇总得到，需求侧响应潜力与行业最大负荷、削峰比例、需求侧响应参与度以及行业间最大负荷同时率有关，本发明实施例根据行业y年用电总量以及未来水平年最大负荷增长率，评估行业未来水平年最大负荷。
S102.根据置信水平获得区域新能源发电出力极限场景，根据区域新能源发电出力的历史数据采用聚类算法获得区域新能源发电出力典型场景；
根据新能源（风电或光伏）历史出力数据，得到春、夏、秋、冬4个季节
Figure 870367DEST_PATH_IMAGE010
组（Nj表示季节j新能源出力初始场景个数）新能源出力初始场景集合；
根据公式5得到新能源出力初始场景集合；
w j,s ={w j,s,1 ,w j,s,2 ,...,w j,s,24 }公式5；
其中，w j,s,t 表示新能源在季节j场景s时段t的功率，t={1,2,…,24}，j表示季节，s表示新能源场景；
根据N j 个场景的新能源功率{w j,1,t ,w j,2,t ,...w j, N j,t }，获得时段t的新能源功率概率分布函数F(w)；
根据置信水平，通过公式6计算新能源在季节j时段t的极限场景功率w ex ；
Figure 936412DEST_PATH_IMAGE011
公式6；
其中，σ为置信水平，式中，Pr( )表示概率水平；
采用K-means++算法对新能源发电出力场景聚类。对春、夏、秋、冬4个季节新能源历史出力数据，用K-means++算法将各季节
Figure 518703DEST_PATH_IMAGE012
个新能源场景聚类为
Figure 286676DEST_PATH_IMAGE013
个典型场景，并求得季节j典型场景s发生的概率
Figure 979826DEST_PATH_IMAGE014
。
S103.确定目标函数和约束条件，根据目标函数和约束条件建立以系统总成本最小为目标的规划模型，步骤S103具体包括：
根据公式7-10计算燃料成本；
Figure 103640DEST_PATH_IMAGE015
公式7；
Figure 387991DEST_PATH_IMAGE016
公式8；
Figure 347987DEST_PATH_IMAGE017
公式9；
Figure 969462DEST_PATH_IMAGE018
公式10；
其中，ΩW表示电源类型集合，p表示电源类型，
Figure 619886DEST_PATH_IMAGE019
表示水平年t电源p的累积容量，H t,p 表示水平年t电源p年利用小时数，
Figure 917881DEST_PATH_IMAGE020
表示水平年t电源p度电燃料耗量，ct,p表示水平年t燃料p单位成本，D j 表示季节j包含的天数，
Figure 20966DEST_PATH_IMAGE021
表示水平年t电源p季节j场景s时段n的出力，
Figure 180552DEST_PATH_IMAGE022
表示水平年t设备p的退役容量；
Figure 951062DEST_PATH_IMAGE023
表示季节j典型场景s发生概率；Zj表示季节j个风电典型场景个数；
根据公式11计算运维成本；
Figure 921423DEST_PATH_IMAGE024
公式11；
其中，
Figure 511804DEST_PATH_IMAGE025
表示水平年t设备p的单位容量运维成本；
根据公式12计算碳排放成本；
Figure 475081DEST_PATH_IMAGE026
公式12；
其中，
Figure 100098DEST_PATH_IMAGE027
表示水平年t单位CO2排放成本，Q t,p 表示水平年t燃料p的消费量，HCN t,p 表示水平年t燃料p的折标煤系数，e p 代表燃料p的CO2排放系数；
根据公式13计算电源运行成本，所述电源运行成本包括燃料成本、运维成本以及碳排放成本；
Figure 739895DEST_PATH_IMAGE028
公式13；
其中，CP,t、CM,t、CE,t分别表示水平年t电源燃料成本、运维成本和碳排放成本；
根据公式14计算电源投资成本；
Figure 817573DEST_PATH_IMAGE029
公式14；
其中，
Figure 318961DEST_PATH_IMAGE030
、
Figure 64063DEST_PATH_IMAGE031
分别表示水平年t电源p新增容量、新增单位容量投资成本；
根据公式15计算电源成本，电源成本包括电源投资成本和电源运行成本；
Figure 376227DEST_PATH_IMAGE032
公式15；
其中，
Figure 941201DEST_PATH_IMAGE033
、
Figure 246280DEST_PATH_IMAGE034
分别表示水平年t电源的投资成本、运行成本；
根据公式16计算季节性储能投资成本；
Figure 580309DEST_PATH_IMAGE035
公式16；
其中，
Figure 771031DEST_PATH_IMAGE036
、
Figure 620039DEST_PATH_IMAGE037
分别表示水平年t季节性储能新增容量、新增单位容量投资成本；
根据公式17计算季节性储能运行成本；
Figure 728809DEST_PATH_IMAGE038
公式17；
其中，
Figure 917345DEST_PATH_IMAGE039
表示水平年t季节性储能单位容量运维成本，
Figure 571311DEST_PATH_IMAGE040
表示水平年t季节性储能累积容量；
根据公式18计算季节性储能收益；
Figure 110877DEST_PATH_IMAGE041
公式18；
其中，
Figure 757759DEST_PATH_IMAGE042
表示水平年t季节j场景s时段n氢气发电功率，
Figure 66380DEST_PATH_IMAGE043
表示水平年t季节j场景s时段n电制氢设备的耗电量，
Figure 389783DEST_PATH_IMAGE044
表示水平年t季节j场景s时段n氢气发电的电价，
Figure 151066DEST_PATH_IMAGE045
表示水平年t季节j场景s时段n电制氢设备的购电价格；
根据公式19计算季节性储能成本，季节性储能成本包括季节性储能投资成本、季节性储能运行成本以及季节性储能收益；
Figure 336060DEST_PATH_IMAGE046
公式19；
其中，
Figure 499188DEST_PATH_IMAGE047
、
Figure 760536DEST_PATH_IMAGE048
、
Figure 9115DEST_PATH_IMAGE049
分别表示水平年t季节性储能的投资成本、运行成本和收益；
根据公式20计算目标函数，所述目标函数以系统总成本最小为目标；
根据公式20计算目标函数，所述目标函数以系统总成本最小为目标；
Figure 263378DEST_PATH_IMAGE050
公式20；
其中，t代表水平年，T为规划周期，r为规划期折现率，CPS,t表示水平年t电源成本，CSS,t表示水平年t季节性储能成本。
根据公式21计算电力平衡约束；
Figure 546592DEST_PATH_IMAGE051
公式21；
其中，Lt表示水平年t与区域相连的输电通道集合，
Figure 211798DEST_PATH_IMAGE052
表示水平年t季节j场景s时段n输电通道L传输功率，
Figure 947672DEST_PATH_IMAGE053
、
Figure 740048DEST_PATH_IMAGE054
分别表示水平年t季节j场景s时段n电储能的充、放电功率，
Figure 877768DEST_PATH_IMAGE055
表示水平年t季节j场景s时段n电力负荷水平，
Figure 215340DEST_PATH_IMAGE056
表示水平年t季节j场景s时段n的0-1状态变量；
根据公式22-26计算电储能运行约束；
Figure 438511DEST_PATH_IMAGE057
公式22；
Figure 768998DEST_PATH_IMAGE058
公式23；
Figure 761225DEST_PATH_IMAGE059
公式24；
Figure 33812DEST_PATH_IMAGE060
公式25；
Figure 744279DEST_PATH_IMAGE061
公式26；
其中，
Figure 612878DEST_PATH_IMAGE062
、
Figure 725190DEST_PATH_IMAGE063
分别表示水平年t季节j场景s时段n、n-1电储能存储能量水平，
Figure 404564DEST_PATH_IMAGE064
、
Figure 602328DEST_PATH_IMAGE065
分别为电储能充、放电效率，
Figure 274617DEST_PATH_IMAGE066
、
Figure 241436DEST_PATH_IMAGE067
分别为水平年t电储能存储能量上限、下限，
Figure 873404DEST_PATH_IMAGE068
表示水平年t季节j场景s电储能初始能量，
Figure 292884DEST_PATH_IMAGE069
表示水平年t季节j场景s时段24的电储能存储能量水平，为建模方便，假定各场景电储能始末存储能量一致，
Figure 768865DEST_PATH_IMAGE070
表示水平年t电储能装机容量，
Figure 590191DEST_PATH_IMAGE071
表示水平年t季节j场景s时段n电储能的充电0-1状态变量，取1表示充电状态，取0则表示放电状态；
电力系统通过电制氢、电锅炉以及热电联产机组多类设备与热力、氢气能源系统耦合，根据公式27-29计算耦合设备约束；
Figure 876947DEST_PATH_IMAGE072
公式27；
Figure 783723DEST_PATH_IMAGE073
公式28；
Figure 797815DEST_PATH_IMAGE074
公式29；
式中：
Figure 739226DEST_PATH_IMAGE075
表示水平年t季节j场景s时段n电制氢设备产气功率，
Figure 695419DEST_PATH_IMAGE076
表示电制氢效率，
Figure 89491DEST_PATH_IMAGE077
表示水平年t季节j场景s时段n储氢设备的放能功率，
Figure 907274DEST_PATH_IMAGE078
为氢气发电效率，
Figure 437613DEST_PATH_IMAGE079
、
Figure 66171DEST_PATH_IMAGE080
、
Figure 275436DEST_PATH_IMAGE081
分别为水平年t场景s时段n热电联产机组的热功率、消耗天然气量、制热效率，
Figure 772276DEST_PATH_IMAGE082
、
Figure 796602DEST_PATH_IMAGE083
分别为热电联产机组的电功率、热电比；
根据公式30-36计算季节性储能容量约束；
Figure 455116DEST_PATH_IMAGE084
公式30；
Figure 948414DEST_PATH_IMAGE085
公式31；
Figure 983366DEST_PATH_IMAGE086
公式32；
Figure 629243DEST_PATH_IMAGE087
公式33；
Figure 458658DEST_PATH_IMAGE088
公式34；
Figure 439253DEST_PATH_IMAGE089
公式35；
Figure 277896DEST_PATH_IMAGE090
公式36；
其中，
Figure 434071DEST_PATH_IMAGE091
、
Figure 73868DEST_PATH_IMAGE092
分别表示水平年t季节j场景s时段n、n-1储氢设备存储能量水平，
Figure 151546DEST_PATH_IMAGE093
为储氢设备放能效率，
Figure 918513DEST_PATH_IMAGE094
表示水平年t季节j+1场景s初始时段存储能量水平，
Figure 476665DEST_PATH_IMAGE095
表示水平年t季节j场景Zj末期存储能量水平，
Figure 913462DEST_PATH_IMAGE096
表示水平年t+1季节j场景s初始时段存储能量水平，储氢可以进行跨季节、跨年度长周期存储，
Figure 603070DEST_PATH_IMAGE097
、
Figure 783515DEST_PATH_IMAGE098
分别为储氢设备存储能量上限、下限，
Figure 497305DEST_PATH_IMAGE099
表示水平年t储氢设备装机容量，
Figure 105004DEST_PATH_IMAGE100
表示水平年t储氢设备装机容量上限；
根据公式37计算系统备用容量约束；
Figure 281908DEST_PATH_IMAGE101
公式37；
式中，
Figure 465DEST_PATH_IMAGE102
表示水平年t区域的备用率，
Figure 329946DEST_PATH_IMAGE103
表示水平年t电源p的置信容量系数；
根据公式38计算发电机组出力约束；
Figure 108546DEST_PATH_IMAGE104
公式38；
其中，
Figure 38325DEST_PATH_IMAGE105
、
Figure 560573DEST_PATH_IMAGE106
表示水平年t电源p的出力上限、下限。
S104.将区域新能源发电出力典型场景输入所述规划模型，根据区域需求侧响应潜力对所述规划模型求解，得到最优解；
得到最优解后，根据区域新能源发电出力极限场景校验所述最优解的鲁棒性，得到电源与季节性储能规划方案，具体包括：保持各水平年电源和季节性储能规划方案不变，将区域新能源发电出力极限场景输入规划模型，对所述规划模型进行求解，若所述规划模型有可行解，则将步骤S104中的所述最优解作为电源与季节性储能规划方案，若所述规划模型没有可行解，则减小季节性储能容量约束上限，迭代执行步骤S104，直到得到满足系统总成本最小并且满足鲁棒性的优化结果，将优化结果作为电源与季节性储能规划方案。
在模型中，电源由风电、太阳能发电、核电、煤电、氢气发电以及储能等构成，由于电化学储能只能进行日调节，无法满足新能源跨季节调节需求，因此，本发明实施例利用电制氢技术将富余的新能源转化为氢气，通过跨季节储氢，解决长时间尺度下新能源发电出力与电力需求的不匹配问题，为体现能源发电出力的季节性特点，将研究周期各水平年划分为春、夏、秋、冬四个季节，同时每个季节选取若干场景，每个场景划分为24个时段，为充分发挥长、短期储能的互补优势，采用电化学储能进行日内调节，采用季节性储能实现不同季节之间能量的调节。
采用本发明实施例，具有以下有益效果：
运用场景分析法描述不同季节新能源发电出力特征，包括极限场景和典型场景生成两部分，由于典型场景无法考虑极端情况，为提高规划结果的鲁棒性，综合考虑了典型出力场景于一定置信水平下的极限出力场景，提高了电源于季节性储能规划方案的鲁棒性；
提出考虑需求侧资源的电源于季节性储能联合规划方法，通过提取各行业用户典型用电特征，考虑不同行业需求侧响应削峰比例、用户参与度以及最大负荷同时率影响，对区域需求侧响应潜力进行评估，降低电源成本和季节性储能成本；
将研究周期各水平年划分为春、夏、秋、冬4个季节，同时每个季节选取若干场景，每个场景划分为24个时段。为充分发挥长、短期储能的互补优势，采用电化学储能进行日内调节，季节性储能实现不同季节之间能量的调节；
考虑电制氢、季节性储能等能源技术，充分发挥多场景、多时间尺度下不同电源形式的互补性，建立混合整数线性规划模型，基于此提出电源与季节性储能联合规划方法，使得电源成本以及季节性储能成本之和最小。
装置实施例一
根据本发明实施例，提供了一种电源与季节性储能规划装置，图2是本发明装置实施例一的电源与季节性储能规划装置的示意图，如图2所示，根据本发明实施例的电源与季节性储能规划装置具体包括：
评估模块21，用于根据各行业最大负荷、各行业削峰比例、用户参与度以及最大负荷同时率评估区域需求侧响应潜力，评估模块21具体用于：
根据各行业平均日负荷率计算各行业最大负荷，根据公式1计算各行业平均日负荷率；
Figure 243096DEST_PATH_IMAGE107
公式1；
其中，H表示行业y的样本数目，Kh表示行业y样本用户h的日负荷率；
根据公式2计算各行业最大负荷；
Figure 192598DEST_PATH_IMAGE002
公式2；
其中，LDmax,y,t表示水平年t行业y的最大负荷，Y y 表示行业y当前年份的总用电量，
Figure 78514DEST_PATH_IMAGE003
表示行业y最大负荷年均增长率；
根据公式3-4计算区域需求侧响应潜力；
Figure 483082DEST_PATH_IMAGE004
公式3；
Figure 646210DEST_PATH_IMAGE005
公式4；
其中，LDdr,t表示水平年t区域需求侧响应潜力，
Figure 891246DEST_PATH_IMAGE006
表示行业间最大负荷同时率，
Figure 405404DEST_PATH_IMAGE007
表示行业y平均削峰比例，
Figure 643357DEST_PATH_IMAGE008
表示行业y样本用户h的削峰比例，
Figure 660991DEST_PATH_IMAGE009
表示水平年t行业y的需求侧响应参与度，Ω表示行业的集合。
场景获取模块22，用于根据置信水平获得区域新能源发电出力极限场景，根据区域新能源发电出力的历史数据采用聚类算法获得区域新能源发电出力典型场景；
根据新能源（风电或光伏）历史出力数据，得到春、夏、秋、冬4个季节
Figure 342508DEST_PATH_IMAGE108
组（Nj表示季节j新能源出力初始场景个数）新能源出力初始场景集合；
根据公式5得到新能源出力初始场景集合；
w j,s ={w j,s,1 ,w j,s,2 ,...,w j,s,24 }公式5；
其中，w j,s,t 表示新能源在季节j场景s时段t的功率，t={1,2,…,24}，j表示季节，s表示新能源场景；
根据N j 个场景的新能源功率{w j,1,t ,w j,2,t ,...w j, N j,t }，获得时段t的新能源功率概率分布函数F(w)；
根据置信水平，通过公式6计算新能源在季节j时段t的极限场景功率w ex ；
Figure 78383DEST_PATH_IMAGE011
公式6；
其中，σ为置信水平，Pr( )表示概率水平；
根据K-means++算法对新能源发电出力场景聚类，对春、夏、秋、冬4个季节新能源历史出力数据，用K-means++算法将各季节
Figure 621491DEST_PATH_IMAGE012
个新能源场景聚类为
Figure 493632DEST_PATH_IMAGE013
个典型场景，并求得季节j典型场景s发生的概率
Figure 346050DEST_PATH_IMAGE014
。
规划模型模块23，用于确定目标函数和约束条件，根据目标函数和约束条件建立以系统总成本最小为目标的规划模型，规划模块23具体用于：
根据公式7-10计算燃料成本；
Figure 569221DEST_PATH_IMAGE015
公式7；
Figure 148976DEST_PATH_IMAGE016
公式8；
Figure 141203DEST_PATH_IMAGE017
公式9；
Figure 836626DEST_PATH_IMAGE018
公式10；
其中，ΩW表示电源类型集合，p表示电源类型，
Figure 609410DEST_PATH_IMAGE019
表示水平年t电源p的累积容量，H t,p 表示水平年t电源p年利用小时数，
Figure 494321DEST_PATH_IMAGE020
表示水平年t电源p度电燃料耗量，ct,p表示水平年t燃料p单位成本，D j 表示季节j包含的天数，
Figure 606633DEST_PATH_IMAGE021
表示水平年t电源p季节j场景s时段n的出力，
Figure 535275DEST_PATH_IMAGE022
表示水平年t设备p的退役容量；
Figure 998617DEST_PATH_IMAGE023
表示季节j典型场景s发生概率；Zj表示季节j个风电典型场景个数；
根据公式11计算运维成本；
Figure 914315DEST_PATH_IMAGE024
公式11；
其中，
Figure 881134DEST_PATH_IMAGE025
表示水平年t设备p的单位容量运维成本；
根据公式12计算碳排放成本；
Figure 793727DEST_PATH_IMAGE026
公式12；
其中，
Figure 478786DEST_PATH_IMAGE027
表示水平年t单位CO2排放成本，Q t,p 表示水平年t燃料p的消费量，HCN t,p 表示水平年t燃料p的折标煤系数，e p 代表燃料p的CO2排放系数；
根据公式13计算电源运行成本，所述电源运行成本包括燃料成本、运维成本以及碳排放成本；
Figure 954767DEST_PATH_IMAGE028
公式13；
其中，CP,t、CM,t、CE,t分别表示水平年t电源燃料成本、运维成本和碳排放成本；
Figure 353256DEST_PATH_IMAGE029
公式14；
其中，
Figure 764646DEST_PATH_IMAGE030
、
Figure 796056DEST_PATH_IMAGE031
分别表示水平年t电源p新增容量、新增单位容量投资成本；
根据公式15计算电源成本，所述电源成本包括电源投资成本和电源运行成本；
Figure 685514DEST_PATH_IMAGE032
公式15；
其中，
Figure 502292DEST_PATH_IMAGE033
、
Figure 84583DEST_PATH_IMAGE034
分别表示水平年t电源的投资成本、运行成本；
根据公式16计算季节性储能投资成本；
Figure 603289DEST_PATH_IMAGE035
公式16；
其中，
Figure 296438DEST_PATH_IMAGE036
、
Figure 669520DEST_PATH_IMAGE037
分别表示水平年t季节性储能新增容量、新增单位容量投资成本；
根据公式17计算季节性储能运行成本；
Figure 547346DEST_PATH_IMAGE109
公式17；
其中，
Figure 694293DEST_PATH_IMAGE110
表示水平年t季节性储能单位容量运维成本，
Figure 800921DEST_PATH_IMAGE111
表示水平年t季节性储能累积容量；
根据公式18计算季节性储能收益；
Figure 451345DEST_PATH_IMAGE112
公式18；
其中，
Figure 500072DEST_PATH_IMAGE042
表示水平年t季节j场景s时段n氢气发电功率，
Figure 868737DEST_PATH_IMAGE043
表示水平年t季节j场景s时段n电制氢设备的耗电量，
Figure 277590DEST_PATH_IMAGE044
表示水平年t季节j场景s时段n氢气发电的电价，
Figure 782521DEST_PATH_IMAGE045
表示水平年t季节j场景s时段n电制氢设备的购电价格；
根据公式19计算季节性储能成本，所述季节性储能成本包括季节性储能投资成本、季节性储能运行成本以及季节性储能收益；
Figure 2150DEST_PATH_IMAGE046
公式19；
其中，
Figure 936739DEST_PATH_IMAGE047
、
Figure 509803DEST_PATH_IMAGE048
、
Figure 259453DEST_PATH_IMAGE049
分别表示水平年t季节性储能的投资成本、运行成本和收益；
根据公式20计算目标函数，所述目标函数以系统总成本最小为目标；
Figure 525349DEST_PATH_IMAGE050
公式20；
其中，t代表水平年，T为规划周期，r为规划期折现率，CPS,t表示水平年t电源成本，CSS,t表示水平年t季节性储能成本。
根据公式21计算电力平衡约束；
Figure 248366DEST_PATH_IMAGE051
公式21；
其中，Lt表示水平年t与区域相连的输电通道集合，
Figure 890700DEST_PATH_IMAGE113
表示水平年t季节j场景s时段n输电通道L传输功率，
Figure 494857DEST_PATH_IMAGE114
、
Figure 931655DEST_PATH_IMAGE115
分别表示水平年t季节j场景s时段n电储能的充、放电功率，
Figure 371994DEST_PATH_IMAGE116
表示水平年t季节j场景s时段n电力负荷水平，
Figure 614757DEST_PATH_IMAGE117
表示水平年t季节j场景s时段n的0-1状态变量；
根据公式22-26计算电储能运行约束；
Figure 214365DEST_PATH_IMAGE057
公式22；
Figure 461545DEST_PATH_IMAGE118
公式23；
Figure 513815DEST_PATH_IMAGE059
公式24；
Figure 357006DEST_PATH_IMAGE060
公式25；
Figure 811121DEST_PATH_IMAGE119
公式26；
其中，
Figure 465087DEST_PATH_IMAGE120
、
Figure 332549DEST_PATH_IMAGE063
分别表示水平年t季节j场景s时段n、n-1电储能存储能量水平，
Figure 854797DEST_PATH_IMAGE064
、
Figure 537320DEST_PATH_IMAGE065
分别为电储能充、放电效率，
Figure 486822DEST_PATH_IMAGE066
、
Figure 372738DEST_PATH_IMAGE067
分别为水平年t电储能存储能量上限、下限，
Figure 964256DEST_PATH_IMAGE068
表示水平年t季节j场景s电储能初始能量，
Figure 2751DEST_PATH_IMAGE069
表示水平年t季节j场景s时段24的电储能存储能量水平，为建模方便，假定各场景电储能始末存储能量一致，
Figure 123153DEST_PATH_IMAGE070
表示水平年t电储能装机容量，
Figure 761945DEST_PATH_IMAGE071
表示水平年t季节j场景s时段n电储能的充电0-1状态变量，取1表示充电状态，取0则表示放电状态；
电力系统通过电制氢、电锅炉以及热电联产机组多类设备与热力、氢气能源系统耦合，根据公式27-29计算耦合设备约束；
Figure 625996DEST_PATH_IMAGE121
公式27；
Figure 17532DEST_PATH_IMAGE122
公式28；
Figure 574415DEST_PATH_IMAGE123
公式29；
式中：
Figure 434924DEST_PATH_IMAGE124
表示水平年t季节j场景s时段n电制氢设备产气功率，
Figure 837086DEST_PATH_IMAGE076
表示电制氢效率，
Figure 584593DEST_PATH_IMAGE077
表示水平年t季节j场景s时段n储氢设备的放能功率，
Figure 312378DEST_PATH_IMAGE078
为氢气发电效率，
Figure 394604DEST_PATH_IMAGE079
、
Figure 131615DEST_PATH_IMAGE080
、
Figure 515322DEST_PATH_IMAGE125
分别为水平年t场景s时段n热电联产机组的热功率、消耗天然气量、制热效率，
Figure 148428DEST_PATH_IMAGE126
、
Figure 983529DEST_PATH_IMAGE083
分别为热电联产机组的电功率、热电比；
根据公式30-36计算季节性储能容量约束；
Figure 71702DEST_PATH_IMAGE127
公式30；
Figure 918435DEST_PATH_IMAGE128
公式31；
Figure 112656DEST_PATH_IMAGE129
公式32；
Figure 44840DEST_PATH_IMAGE087
公式33；
Figure 231977DEST_PATH_IMAGE088
公式34；
Figure 198796DEST_PATH_IMAGE089
公式35；
Figure 298339DEST_PATH_IMAGE130
公式36；
其中，
Figure 248977DEST_PATH_IMAGE091
、
Figure 475690DEST_PATH_IMAGE092
分别表示水平年t季节j场景s时段n、n-1储氢设备存储能量水平，
Figure 297016DEST_PATH_IMAGE093
为储氢设备放能效率，
Figure 567460DEST_PATH_IMAGE094
表示水平年t季节j+1场景s初始时段存储能量水平，
Figure 474236DEST_PATH_IMAGE095
表示水平年t季节j场景Zj末期存储能量水平，
Figure 206438DEST_PATH_IMAGE096
表示水平年t+1季节j场景s初始时段存储能量水平，储氢可以进行跨季节、跨年度长周期存储，
Figure 6904DEST_PATH_IMAGE097
、
Figure 589195DEST_PATH_IMAGE098
分别为储氢设备存储能量上限、下限，
Figure 858633DEST_PATH_IMAGE099
表示水平年t储氢设备装机容量，
Figure 551783DEST_PATH_IMAGE100
表示水平年t储氢设备装机容量上限；
根据公式37计算系统备用容量约束；
Figure 737913DEST_PATH_IMAGE131
公式37；
式中，
Figure 491106DEST_PATH_IMAGE132
表示水平年t区域的备用率，
Figure 480796DEST_PATH_IMAGE133
表示水平年t电源p的置信容量系数；
根据公式38计算发电机组出力约束；
Figure 712057DEST_PATH_IMAGE134
公式38；
其中，
Figure 487115DEST_PATH_IMAGE135
、
Figure 411209DEST_PATH_IMAGE106
表示水平年t电源p的出力上限、下限。
规划模型求解模块24，用于将所述区域新能源发电出力典型场景输入所述规划模型，根据所述区域需求侧响应潜力对所述规划模型求解，得到最优解；
得到最优解后，根据所述区域新能源发电出力极限场景校验所述最优解的鲁棒性，得到电源与季节性储能规划方案，具体包括：保持各水平年电源和季节性储能规划方案不变，将区域新能源发电所述出力极限场景输入规划模型，对所述规划模型进行求解，若所述规划模型有可行解，则将规划模型求解模块24中所述最优解作为电源与季节性储能规划方案，若所述规划模型没有可行解，则减小所述季节性储能容量约束上限，迭代执行规划模型求解模块24，直到得到满足所述系统总成本最小并且满足鲁棒性的优化结果，将所述优化结果作为电源与季节性储能规划方案。
在模型中，电源由风电、太阳能发电、核电、煤电、氢气发电以及储能等构成，由于电化学储能只能进行日调节，无法满足新能源跨季节调节需求，因此，本发明实施例利用电制氢技术将富余的新能源转化为氢气，通过跨季节储氢，解决长时间尺度下新能源发电出力与电力需求的不匹配问题，为体现能源发电出力的季节性特点，将研究周期各水平年划分为春、夏、秋、冬四个季节，同时每个季节选取若干场景，每个场景划分为24个时段，为充分发挥长、短期储能的互补优势，采用电化学储能进行日内调节，采用季节性储能实现不同季节之间能量的调节。
采用本发明实施例，具有以下有益效果：
运用场景分析法描述不同季节新能源发电出力特征，包括极限场景和典型场景生成两部分，由于典型场景无法考虑极端情况，为提高规划结果的鲁棒性，综合考虑了典型出力场景于一定置信水平下的极限出力场景，提高了电源于季节性储能规划方案的鲁棒性；
提出考虑需求侧资源的电源于季节性储能联合规划方法，通过提取各行业用户典型用电特征，考虑不同行业需求侧响应削峰比例、用户参与度以及最大负荷同时率影响，对区域需求侧响应潜力进行评估，降低电源成本和季节性储能成本；
将研究周期各水平年划分为春、夏、秋、冬4个季节，同时每个季节选取若干场景，每个场景划分为24个时段。为充分发挥长、短期储能的互补优势，采用电化学储能进行日内调节，季节性储能实现不同季节之间能量的调节；
考虑电制氢、季节性储能等能源技术，充分发挥多场景、多时间尺度下不同电源形式的互补性，建立混合整数线性规划模型，基于此提出电源与季节性储能联合规划方法，使得电源成本以及季节性储能成本之和最小。
装置实施例二
本发明实施例提供一种电源与季节性储能规划装置，如图3所示，包括：存储器30、处理器32及存储在所述存储器30上并可在所述处理32上运行的计算机程序，所述计算机程序被所述处理器32执行时实现如方法实施例中所述的步骤。
装置实施例三
本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传输的实现程序，所述程序被处理器32执行时实现如方法实施例中所述的步骤。
本实施例所述计算机可读存储介质包括但不限于为：ROM、RAM、磁盘或光盘等。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device，PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器（CPU）、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体（transitory media），如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。

Claims (9)

1.一种电源与季节性储能规划方法，其特征在于，包括：
S1、根据各行业最大负荷、各行业削峰比例、用户参与度以及最大负荷同时率评估区域需求侧响应潜力；
S2、根据置信水平获得区域新能源发电出力极限场景，根据区域新能源发电出力的历史数据采用聚类算法获得区域新能源发电出力典型场景；
S3、确定目标函数和约束条件，根据目标函数和约束条件建立以系统总成本最小为目标的规划模型；
S4、将所述区域新能源发电出力典型场景输入所述规划模型，根据所述区域需求侧响应潜力对所述规划模型求解，得到最优解。
2.根据权利要求1所述的方法，其特征在于，步骤S1具体包括：
根据各行业平均日负荷率计算所述各行业最大负荷，根据公式1计算所述各行业平均日负荷率；
Figure 11669DEST_PATH_IMAGE001
公式1；
其中，H表示行业y的样本数目，k h 表示行业y样本用户h的日负荷率；
根据公式2计算所述各行业最大负荷；
Figure 397651DEST_PATH_IMAGE002
公式2；
其中，LD max,y,t 表示水平年t行业y的最大负荷，Y y 表示行业y当前年份的总用电量，
Figure 279851DEST_PATH_IMAGE003
表示行业y最大负荷年均增长率；
根据公式3-4计算所述区域需求侧响应潜力；
Figure 143902DEST_PATH_IMAGE004
公式3；
Figure 551750DEST_PATH_IMAGE005
公式4；
其中，LD dr,t 表示水平年t区域需求侧响应潜力，
Figure 843054DEST_PATH_IMAGE006
表示行业间最大负荷同时率，
Figure 454295DEST_PATH_IMAGE007
表示行业y平均削峰比例，
Figure 122036DEST_PATH_IMAGE008
表示行业y样本用户h的削峰比例，
Figure 384391DEST_PATH_IMAGE009
表示水平年t行业y的需求侧响应参与度，Ω表示行业的集合。
3.根据权利要求1所述的方法，其特征在于，步骤S2中，根据置信水平获得区域新能源发电出力极限场景，根据区域新能源发电出力的历史数据采用聚类算法获得区域新能源发电出力典型场景具体包括：
根据公式5得到新能源出力初始场景集合；
w j,s ={w j,s,1 ,w j,s,2 ,...,w j,s,24 }公式5；
其中，w j,s,t 表示新能源在季节j场景s时段t的功率，t={1,2,…,24}，j表示季节，s表示新能源场景；
根据N j 个场景的新能源功率{w j,1,t ,w j,2,t ,...w j, N j,t }，获得时段t的新能源功率概率分布函数F(w)；
根据置信水平，通过公式6计算新能源在季节j时段t的极限场景功率w ex ；
Figure 581017DEST_PATH_IMAGE010
公式6；
其中，σ为置信水平，Pr( )表示概率水平；
根据K-means++算法对新能源发电出力场景聚类，对春、夏、秋、冬4个季节新能源历史出力数据，用K-means++算法将各季节
Figure 178089DEST_PATH_IMAGE011
个新能源场景聚类为
Figure 383942DEST_PATH_IMAGE012
个典型场景，并求得季节j典型场景s发生的概率
Figure 500803DEST_PATH_IMAGE013
。
4.根据权利要求1所述的方法，其特征在于，步骤S3中，确定目标函数具体包括：
根据公式7-10计算燃料成本；
Figure 399489DEST_PATH_IMAGE014
公式7；
Figure 985322DEST_PATH_IMAGE015
公式8；
Figure 729287DEST_PATH_IMAGE016
公式9；
Figure 966233DEST_PATH_IMAGE017
公式10；
其中，ΩW表示电源类型集合，p表示电源类型，
Figure 770241DEST_PATH_IMAGE018
表示水平年t电源p的累积容量，H t,p 表示水平年t电源p年利用小时数，
Figure 341906DEST_PATH_IMAGE019
表示水平年t电源p度电燃料耗量，ct,p表示水平年t燃料p单位成本，D j 表示季节j包含的天数，
Figure 889562DEST_PATH_IMAGE020
表示水平年t电源p季节j场景s时段n的出力，
Figure 981015DEST_PATH_IMAGE021
表示水平年t设备p的退役容量；
Figure 221503DEST_PATH_IMAGE022
表示季节j典型场景s发生概率；Zj表示季节j个风电典型场景个数；
根据公式11计算运维成本；
Figure 516349DEST_PATH_IMAGE023
公式11；
其中，
Figure 867696DEST_PATH_IMAGE024
表示水平年t设备p的单位容量运维成本；
根据公式12计算碳排放成本；
Figure 813656DEST_PATH_IMAGE025
公式12；
其中，
Figure 225045DEST_PATH_IMAGE026
表示水平年t单位CO2排放成本，Q t,p 表示水平年t燃料p的消费量，HCN t,p 表示水平年t燃料p的折标煤系数，e p 代表燃料p的CO2排放系数；
根据公式13计算电源运行成本，所述电源运行成本包括燃料成本、运维成本以及碳排放成本；
Figure 505723DEST_PATH_IMAGE027
公式13；
其中，CP,t、CM,t、CE,t分别表示水平年t电源燃料成本、运维成本和碳排放成本；
根据公式14计算电源投资成本；
Figure 191919DEST_PATH_IMAGE028
公式14；
其中，
Figure 133330DEST_PATH_IMAGE029
、
Figure 43517DEST_PATH_IMAGE030
分别表示水平年t电源p新增容量、新增单位容量投资成本；
根据公式15计算电源成本，所述电源成本包括电源投资成本和电源运行成本；
Figure 234327DEST_PATH_IMAGE031
公式15；
其中，
Figure 802843DEST_PATH_IMAGE032
、
Figure 333182DEST_PATH_IMAGE033
分别表示水平年t电源的投资成本、运行成本；
根据公式16计算季节性储能投资成本；
Figure 679849DEST_PATH_IMAGE034
公式16；
其中，
Figure 940978DEST_PATH_IMAGE035
、
Figure 437819DEST_PATH_IMAGE036
分别表示水平年t季节性储能新增容量、新增单位容量投资成本；
根据公式17计算季节性储能运行成本；
Figure 212877DEST_PATH_IMAGE037
公式17；
其中，
Figure 605812DEST_PATH_IMAGE038
表示水平年t季节性储能单位容量运维成本，
Figure 849843DEST_PATH_IMAGE039
表示水平年t季节性储能累积容量；
根据公式18计算季节性储能收益；
Figure 884795DEST_PATH_IMAGE040
公式18；
其中，
Figure 779938DEST_PATH_IMAGE041
表示水平年t季节j场景s时段n氢气发电功率，
Figure 609354DEST_PATH_IMAGE042
表示水平年t季节j场景s时段n电制氢设备的耗电量，
Figure 839216DEST_PATH_IMAGE043
表示水平年t季节j场景s时段n氢气发电的电价，
Figure 677859DEST_PATH_IMAGE044
表示水平年t季节j场景s时段n电制氢设备的购电价格；
根据公式19计算季节性储能成本，所述季节性储能成本包括季节性储能投资成本、季节性储能运行成本以及季节性储能收益；
Figure 161930DEST_PATH_IMAGE045
公式19；
其中，
Figure 427826DEST_PATH_IMAGE046
、
Figure 380870DEST_PATH_IMAGE047
、
Figure 819942DEST_PATH_IMAGE048
分别表示水平年t季节性储能的投资成本、运行成本和收益；
根据公式20计算目标函数，所述目标函数以系统总成本最小为目标；
Figure 299464DEST_PATH_IMAGE049
公式20；
其中，t代表水平年，T为规划周期，r为规划期折现率，CPS,t表示水平年t电源成本，CSS,t表示水平年t季节性储能成本。
5.根据权利要求1所述的方法，其特征在于，步骤S3中，确定约束条件具体包括：
根据公式21计算电力平衡约束；
Figure 860896DEST_PATH_IMAGE050
公式21；
其中，Lt表示水平年t与区域相连的输电通道集合，
Figure 425869DEST_PATH_IMAGE051
表示水平年t季节j场景s时段n输电通道L传输功率，
Figure 245795DEST_PATH_IMAGE052
、
Figure 455191DEST_PATH_IMAGE053
分别表示水平年t季节j场景s时段n电储能的充、放电功率，
Figure 62890DEST_PATH_IMAGE054
表示水平年t季节j场景s时段n电力负荷水平，
Figure 239793DEST_PATH_IMAGE055
表示水平年t季节j场景s时段n的0-1状态变量；
根据公式22-26计算电储能运行约束；
Figure 958351DEST_PATH_IMAGE056
公式22；
Figure 786367DEST_PATH_IMAGE057
公式23；
Figure 564967DEST_PATH_IMAGE058
公式24；
Figure 229167DEST_PATH_IMAGE059
公式25；
Figure 751415DEST_PATH_IMAGE060
公式26；
其中，
Figure 935403DEST_PATH_IMAGE061
、
Figure 681642DEST_PATH_IMAGE062
分别表示水平年t季节j场景s时段n、n-1电储能存储能量水平，
Figure 442925DEST_PATH_IMAGE063
、
Figure 893497DEST_PATH_IMAGE064
分别为电储能充、放电效率，
Figure 56626DEST_PATH_IMAGE065
、
Figure 381008DEST_PATH_IMAGE066
分别为水平年t电储能存储能量上限、下限，
Figure 895166DEST_PATH_IMAGE067
表示水平年t季节j场景s电储能初始能量，
Figure 883850DEST_PATH_IMAGE068
表示水平年t季节j场景s时段24的电储能存储能量水平，为建模方便，假定各场景电储能始末存储能量一致，
Figure 901485DEST_PATH_IMAGE069
表示水平年t电储能装机容量，
Figure 333734DEST_PATH_IMAGE070
表示水平年t季节j场景s时段n电储能的充电0-1状态变量，取1表示充电状态，取0则表示放电状态；
电力系统通过电制氢、电锅炉以及热电联产机组多类设备与热力、氢气能源系统耦合，根据公式27-29计算耦合设备约束；
Figure 397505DEST_PATH_IMAGE071
公式27；
Figure 65247DEST_PATH_IMAGE072
公式28；
Figure 311289DEST_PATH_IMAGE073
公式29；
式中：
Figure 39074DEST_PATH_IMAGE074
表示水平年t季节j场景s时段n电制氢设备产气功率，
Figure 386879DEST_PATH_IMAGE075
表示电制氢效率，
Figure 592732DEST_PATH_IMAGE076
表示水平年t季节j场景s时段n储氢设备的放能功率，
Figure 460325DEST_PATH_IMAGE077
为氢气发电效率，
Figure 359011DEST_PATH_IMAGE078
、
Figure 928533DEST_PATH_IMAGE079
、
Figure 938077DEST_PATH_IMAGE080
分别为水平年t场景s时段n热电联产机组的热功率、消耗天然气量、制热效率，
Figure 424291DEST_PATH_IMAGE081
、
Figure 228299DEST_PATH_IMAGE082
分别为热电联产机组的电功率、热电比；
根据公式30-36计算季节性储能容量约束；
Figure 550696DEST_PATH_IMAGE083
公式30；
Figure 98352DEST_PATH_IMAGE084
公式31；
Figure 940537DEST_PATH_IMAGE085
公式32；
Figure 915446DEST_PATH_IMAGE086
公式33；
Figure 725139DEST_PATH_IMAGE087
公式34；
Figure 873224DEST_PATH_IMAGE088
公式35；
Figure 694549DEST_PATH_IMAGE089
公式36；
其中，
Figure 683103DEST_PATH_IMAGE090
、
Figure 714513DEST_PATH_IMAGE091
分别表示水平年t季节j场景s时段n、n-1储氢设备存储能量水平，
Figure 603971DEST_PATH_IMAGE092
为储氢设备放能效率，
Figure 420749DEST_PATH_IMAGE093
表示水平年t季节j+1场景s初始时段存储能量水平，
Figure 737460DEST_PATH_IMAGE094
表示水平年t季节j场景Zj末期存储能量水平，
Figure 928270DEST_PATH_IMAGE095
表示水平年t+1季节j场景s初始时段存储能量水平，储氢可以进行跨季节、跨年度长周期存储，
Figure 746054DEST_PATH_IMAGE096
、
Figure 541971DEST_PATH_IMAGE097
分别为储氢设备存储能量上限、下限，
Figure 674924DEST_PATH_IMAGE098
表示水平年t储氢设备装机容量，
Figure 556293DEST_PATH_IMAGE099
表示水平年t储氢设备装机容量上限；
根据公式37计算系统备用容量约束；
Figure 646609DEST_PATH_IMAGE100
公式37；
式中，
Figure 297033DEST_PATH_IMAGE101
表示水平年t区域的备用率，
Figure 96493DEST_PATH_IMAGE102
表示水平年t电源p的置信容量系数；
根据公式38计算发电机组出力约束；
Figure 465157DEST_PATH_IMAGE103
公式38；
其中，
Figure 624743DEST_PATH_IMAGE104
、
Figure 129674DEST_PATH_IMAGE105
表示水平年t电源p的出力上限、下限。
6.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：根据所述区域新能源发电出力极限场景校验所述最优解的鲁棒性，得到电源与季节性储能规划方法，具体包括：
设置季节性储能容量约束上限；
将区域新能源发电出力极限场景输入规划模型，对所述规划模型进行求解，若所述规划模型有可行解，则将步骤S4中的所述最优解作为电源与季节性储能规划方案，若所述规划模型没有可行解，则减小所述季节性储能容量约束上限，迭代执行步骤S4，直到得到满足所述系统总成本最小并且满足鲁棒性的优化结果，将所述优化结果作为电源与季节性储能规划方案。
7.一种电源与季节性储能规划装置，其特征在于，包括：
评估模块，用于根据各行业最大负荷、各行业削峰比例、用户参与度以及最大负荷同时率评估区域需求侧响应潜力；
场景获取模块，用于根据置信水平获得区域新能源发电出力极限场景，根据区域新能源发电出力的历史数据采用聚类算法获得区域新能源发电出力典型场景；
规划模型模块，用于确定目标函数和约束条件，根据目标函数和约束条件建立以系统总成本最小为目标的规划模型；
规划模型求解模块，用于将所述区域新能源发电出力典型场景输入所述规划模型，根据所述区域需求侧响应潜力对所述规划模型求解，得到最优解；
根据权利要求7所述的装置，其特征在于，
所述评估模块具体用于：根据各行业平均日负荷率计算所述各行业最大负荷，根据公式1计算所述各行业平均日负荷率；
Figure 598570DEST_PATH_IMAGE106
公式1；
其中，H表示行业y的样本数目，Kh表示行业y样本用户h的日负荷率；
根据公式2计算所述各行业最大负荷；
Figure 454531DEST_PATH_IMAGE107
公式2；
其中，LDmax,y,t表示水平年t行业y的最大负荷，Y y 表示行业y当前年份的总用电量，
Figure 152228DEST_PATH_IMAGE003
表示行业y最大负荷年均增长率；
根据公式3-4计算所述区域需求侧响应潜力；
Figure 777245DEST_PATH_IMAGE108
公式3；
Figure 839878DEST_PATH_IMAGE109
公式4；
其中，LDdr,t表示水平年t区域需求侧响应潜力，
Figure 792922DEST_PATH_IMAGE006
表示行业间最大负荷同时率，
Figure 435256DEST_PATH_IMAGE007
表示行业y平均削峰比例，
Figure 39413DEST_PATH_IMAGE008
表示行业y样本用户h的削峰比例，
Figure 476210DEST_PATH_IMAGE009
表示水平年t行业y的需求侧响应参与度，Ω表示行业的集合；
所述场景获取模块具体用于：
根据公式5得到新能源出力初始场景集合；
w j,s ={w j,s,1 ,w j,s,2 ,...,w j,s,24 }公式5；
其其中，w j,s,t 表示新能源在季节j场景s时段t的功率，t={1,2,…,24}，j表示季节，s表示新能源场景；
根据N j 个场景的新能源功率{w j,1,t ,w j,2,t ,...w j, N j,t }，获得时段t的新能源功率概率分布函数F(w)；
根据置信水平，通过公式6计算新能源在季节j时段t的极限场景功率w ex ；
Figure 415085DEST_PATH_IMAGE110
公式6；
其中，σ为置信水平，式中，Pr( )表示概率水平；
根据K-means++算法对新能源发电出力场景聚类，对春、夏、秋、冬4个季节新能源历史出力数据，用K-means++算法将各季节
Figure 64372DEST_PATH_IMAGE011
个新能源场景聚类为
Figure 788615DEST_PATH_IMAGE012
个典型场景，并求得季节j典型场景s发生的概率
Figure 396314DEST_PATH_IMAGE013
；
所述规划模型模块具体用于：
根据公式7-10计算燃料成本；
Figure 323949DEST_PATH_IMAGE111
公式7；
Figure 42507DEST_PATH_IMAGE112
公式8；
Figure 621256DEST_PATH_IMAGE113
公式9；
Figure 196593DEST_PATH_IMAGE114
公式10；
其中，ΩW表示电源类型集合，p表示电源类型，
Figure 736159DEST_PATH_IMAGE115
表示水平年t电源p的累积容量，H t,p 表示水平年t电源p年利用小时数，
Figure 632309DEST_PATH_IMAGE116
表示水平年t电源p度电燃料耗量，ct,p表示水平年t燃料p单位成本，D j 表示季节j包含的天数，
Figure 940930DEST_PATH_IMAGE117
表示水平年t电源p季节j场景s时段n的出力，
Figure 15066DEST_PATH_IMAGE118
表示水平年t设备p的退役容量；
Figure 776348DEST_PATH_IMAGE119
表示季节j典型场景s发生概率；Zj表示季节j个风电典型场景个数；
根据公式11计算运维成本；
Figure 712074DEST_PATH_IMAGE120
公式11；
其中，
Figure 875202DEST_PATH_IMAGE121
表示水平年t设备p的单位容量运维成本；
根据公式12计算碳排放成本；
Figure 120239DEST_PATH_IMAGE122
公式12；
其中，
Figure 634397DEST_PATH_IMAGE123
表示水平年t单位CO2排放成本，Q t,p 表示水平年t燃料p的消费量，HCN t,p 表示水平年t燃料p的折标煤系数，e p 代表燃料p的CO2排放系数；
根据公式13计算电源运行成本，所述电源运行成本包括燃料成本、运维成本以及碳排放成本；
Figure 866490DEST_PATH_IMAGE124
公式13；
其中，CP,t、CM,t、CE,t分别表示水平年t电源燃料成本、运维成本和碳排放成本；
根据公式14计算电源投资成本；
Figure 884124DEST_PATH_IMAGE125
公式14；
其中，
Figure 565641DEST_PATH_IMAGE029
、
Figure 301516DEST_PATH_IMAGE030
分别表示水平年t电源p新增容量、新增单位容量投资成本；
根据公式15计算电源成本，所述电源成本包括电源投资成本和电源运行成本；
Figure 500416DEST_PATH_IMAGE126
公式15；
其中，
Figure 513503DEST_PATH_IMAGE032
、
Figure 241287DEST_PATH_IMAGE033
分别表示水平年t电源的投资成本、运行成本；
根据公式16计算季节性储能投资成本；
Figure 323513DEST_PATH_IMAGE127
公式16；
其中，
Figure 794945DEST_PATH_IMAGE128
、
Figure 161074DEST_PATH_IMAGE129
分别表示水平年t季节性储能新增容量、新增单位容量投资成本；
根据公式17计算季节性储能运行成本；
Figure 528601DEST_PATH_IMAGE130
公式17；
其中，
Figure 363702DEST_PATH_IMAGE131
表示水平年t季节性储能单位容量运维成本，
Figure 373246DEST_PATH_IMAGE132
表示水平年t季节性储能累积容量；
根据公式18计算季节性储能收益；
Figure 95346DEST_PATH_IMAGE133
公式18；
其中，
Figure 164933DEST_PATH_IMAGE134
表示水平年t季节j场景s时段n氢气发电功率，
Figure 221751DEST_PATH_IMAGE135
表示水平年t季节j场景s时段n电制氢设备的耗电量，
Figure 831723DEST_PATH_IMAGE136
表示水平年t季节j场景s时段n氢气发电的电价，
Figure 798542DEST_PATH_IMAGE137
表示水平年t季节j场景s时段n电制氢设备的购电价格；
根据公式19计算季节性储能成本，所述季节性储能成本包括季节性储能投资成本、季节性储能运行成本以及季节性储能收益；
Figure 147353DEST_PATH_IMAGE138
公式19；
其中，
Figure 832412DEST_PATH_IMAGE139
、
Figure 308393DEST_PATH_IMAGE140
、
Figure 129718DEST_PATH_IMAGE141
分别表示水平年t季节性储能的投资成本、运行成本和收益；
根据公式20计算目标函数，所述目标函数以系统总成本最小为目标；
Figure 885316DEST_PATH_IMAGE142
公式20；
其中，t代表水平年，T为规划周期，r为规划期折现率，CPS,t表示水平年t电源成本，CSS,t表示水平年t季节性储能成本；
根据公式21计算电力平衡约束；
Figure 792092DEST_PATH_IMAGE143
公式21；
其中，Lt表示水平年t与区域相连的输电通道集合，
Figure 71764DEST_PATH_IMAGE051
表示水平年t季节j场景s时段n输电通道L传输功率，
Figure 747596DEST_PATH_IMAGE052
、
Figure 438209DEST_PATH_IMAGE053
分别表示水平年t季节j场景s时段n电储能的充、放电功率，
Figure 956915DEST_PATH_IMAGE054
表示水平年t季节j场景s时段n电力负荷水平，
Figure 56589DEST_PATH_IMAGE144
表示水平年t季节j场景s时段n的0-1状态变量；
根据公式22-26计算电储能运行约束；
Figure 852507DEST_PATH_IMAGE056
公式22；
Figure 985460DEST_PATH_IMAGE057
公式23；
Figure 476615DEST_PATH_IMAGE058
公式24；
Figure 98089DEST_PATH_IMAGE059
公式25；
Figure 201044DEST_PATH_IMAGE145
公式26；
其中，
Figure 125137DEST_PATH_IMAGE061
、
Figure 884015DEST_PATH_IMAGE146
分别表示水平年t季节j场景s时段n、n-1电储能存储能量水平，
Figure 918967DEST_PATH_IMAGE063
、
Figure 204323DEST_PATH_IMAGE147
分别为电储能充、放电效率，
Figure 142061DEST_PATH_IMAGE065
、
Figure 857076DEST_PATH_IMAGE066
分别为水平年t电储能存储能量上限、下限，
Figure 774348DEST_PATH_IMAGE067
表示水平年t季节j场景s电储能初始能量，
Figure 399364DEST_PATH_IMAGE148
表示水平年t季节j场景s时段24的电储能存储能量水平，为建模方便，假定各场景电储能始末存储能量一致，
Figure 789894DEST_PATH_IMAGE069
表示水平年t电储能装机容量，
Figure 133151DEST_PATH_IMAGE070
表示水平年t季节j场景s时段n电储能的充电0-1状态变量，取1表示充电状态，取0则表示放电状态；
电力系统通过电制氢、电锅炉以及热电联产机组多类设备与热力、氢气能源系统耦合，根据公式27-29计算耦合设备约束；
Figure 901385DEST_PATH_IMAGE149
公式27；
Figure 380908DEST_PATH_IMAGE150
公式28；
Figure 942340DEST_PATH_IMAGE151
公式29；
式中：
Figure 507313DEST_PATH_IMAGE074
表示水平年t季节j场景s时段n电制氢设备产气功率，
Figure 563125DEST_PATH_IMAGE075
表示电制氢效率，
Figure 162733DEST_PATH_IMAGE076
表示水平年t季节j场景s时段n储氢设备的放能功率，
Figure 895066DEST_PATH_IMAGE077
为氢气发电效率，
Figure 681757DEST_PATH_IMAGE078
、
Figure 774215DEST_PATH_IMAGE079
、
Figure 228330DEST_PATH_IMAGE080
分别为水平年t场景s时段n热电联产机组的热功率、消耗天然气量、制热效率，
Figure 131564DEST_PATH_IMAGE081
、
Figure 405551DEST_PATH_IMAGE082
分别为热电联产机组的电功率、热电比；
根据公式30-36计算季节性储能容量约束；
Figure 803165DEST_PATH_IMAGE083
公式30；
Figure 111787DEST_PATH_IMAGE084
公式31；
Figure 185922DEST_PATH_IMAGE085
公式32；
Figure 9522DEST_PATH_IMAGE086
公式33；
Figure 69881DEST_PATH_IMAGE087
公式34；
Figure 872490DEST_PATH_IMAGE152
公式35；
Figure 992893DEST_PATH_IMAGE089
公式36；
其中，
Figure 366105DEST_PATH_IMAGE090
、
Figure 230156DEST_PATH_IMAGE091
分别表示水平年t季节j场景s时段n、n-1储氢设备存储能量水平，
Figure 388736DEST_PATH_IMAGE092
为储氢设备放能效率，
Figure 414461DEST_PATH_IMAGE093
表示水平年t季节j+1场景s初始时段存储能量水平，
Figure 274970DEST_PATH_IMAGE094
表示水平年t季节j场景Zj末期存储能量水平，
Figure 942711DEST_PATH_IMAGE095
表示水平年t+1季节j场景s初始时段存储能量水平，储氢可以进行跨季节、跨年度长周期存储，
Figure 454333DEST_PATH_IMAGE096
、
Figure 916538DEST_PATH_IMAGE097
分别为储氢设备存储能量上限、下限，
Figure 264343DEST_PATH_IMAGE098
表示水平年t储氢设备装机容量，
Figure 735776DEST_PATH_IMAGE099
表示水平年t储氢设备装机容量上限；
根据公式37计算系统备用容量约束；
Figure 524740DEST_PATH_IMAGE100
公式37；
式中，
Figure 33213DEST_PATH_IMAGE101
表示水平年t区域的备用率，
Figure 743680DEST_PATH_IMAGE102
表示水平年t电源p的置信容量系数；
根据公式38计算发电机组出力约束；
Figure 877858DEST_PATH_IMAGE103
公式38；
其中，
Figure 724591DEST_PATH_IMAGE104
、
Figure 173939DEST_PATH_IMAGE105
表示水平年t电源p的出力上限、下限；
所述电源与季节性储能规划装置进一步包括：校验模块，所述校验模块具体用于：
设置季节性储能容量约束上限；
将区域新能源发电所述出力极限场景输入规划模型，对所述规划模型进行求解，若所述规划模型有可行解，则将所述规划模型求解模块中所述最优解作为电源与季节性储能规划方案，若所述规划模型没有可行解，则减小所述季节性储能容量约束上限，迭代执行规划模型求解模块，直到得到满足所述系统总成本最小并且满足鲁棒性的优化结果，将所述优化结果作为电源与季节性储能规划方案。
8.一种电源与季节性储能规划装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的电源与季节性储能规划方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至6中任一项所述的电源与季节性储能规划方法的步骤。
CN202111658168.8A 2021-12-31 2021-12-31 一种电源与季节性储能规划方法及装置 Active CN114004427B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111658168.8A CN114004427B (zh) 2021-12-31 2021-12-31 一种电源与季节性储能规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111658168.8A CN114004427B (zh) 2021-12-31 2021-12-31 一种电源与季节性储能规划方法及装置

Publications (2)

Publication Number Publication Date
CN114004427A true CN114004427A (zh) 2022-02-01
CN114004427B CN114004427B (zh) 2022-03-29

Family

ID=79932407

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111658168.8A Active CN114004427B (zh) 2021-12-31 2021-12-31 一种电源与季节性储能规划方法及装置

Country Status (1)

Country Link
CN (1) CN114004427B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115471006A (zh) * 2022-09-30 2022-12-13 国网能源研究院有限公司 一种考虑风电出力不确定性的电源规划方法及系统
CN116579115A (zh) * 2023-07-11 2023-08-11 国网能源研究院有限公司 电、氢协同互动的系统规划方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021402A (en) * 1997-06-05 2000-02-01 International Business Machines Corporaiton Risk management system for electric utilities
US20130024243A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Systems and methods for optimizing microgrid capacity and storage investment under environmental regulations
CN103580044A (zh) * 2013-10-17 2014-02-12 华中科技大学 一种应对风功率波动的多风电场储能装置的容量配置方法
CN110751368A (zh) * 2019-09-18 2020-02-04 清华大学 一种考虑充电负荷灵活性的电动汽车储充站规划方法
CN111709109A (zh) * 2020-04-28 2020-09-25 中国能源建设集团江苏省电力设计院有限公司 一种考虑源荷时序相关性的光伏消纳容量计算方法及装置
CN111711184A (zh) * 2020-05-25 2020-09-25 国网青海省电力公司 一种基于最坏场景辨识的电力系统鲁棒经济调度方法
CN112132363A (zh) * 2020-10-16 2020-12-25 国网湖北省电力有限公司十堰供电公司 一种增强系统运行鲁棒性的储能选址定容方法
US20210135454A1 (en) * 2019-10-30 2021-05-06 Enerwise Global Technologies, LLC Systems and methods for load management
CN113343167A (zh) * 2021-08-02 2021-09-03 国网江西省电力有限公司电力科学研究院 一种多场景置信间隙决策风光储联合规划方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021402A (en) * 1997-06-05 2000-02-01 International Business Machines Corporaiton Risk management system for electric utilities
US20130024243A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Systems and methods for optimizing microgrid capacity and storage investment under environmental regulations
CN103580044A (zh) * 2013-10-17 2014-02-12 华中科技大学 一种应对风功率波动的多风电场储能装置的容量配置方法
CN110751368A (zh) * 2019-09-18 2020-02-04 清华大学 一种考虑充电负荷灵活性的电动汽车储充站规划方法
US20210135454A1 (en) * 2019-10-30 2021-05-06 Enerwise Global Technologies, LLC Systems and methods for load management
CN111709109A (zh) * 2020-04-28 2020-09-25 中国能源建设集团江苏省电力设计院有限公司 一种考虑源荷时序相关性的光伏消纳容量计算方法及装置
CN111711184A (zh) * 2020-05-25 2020-09-25 国网青海省电力公司 一种基于最坏场景辨识的电力系统鲁棒经济调度方法
CN112132363A (zh) * 2020-10-16 2020-12-25 国网湖北省电力有限公司十堰供电公司 一种增强系统运行鲁棒性的储能选址定容方法
CN113343167A (zh) * 2021-08-02 2021-09-03 国网江西省电力有限公司电力科学研究院 一种多场景置信间隙决策风光储联合规划方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115471006A (zh) * 2022-09-30 2022-12-13 国网能源研究院有限公司 一种考虑风电出力不确定性的电源规划方法及系统
CN116579115A (zh) * 2023-07-11 2023-08-11 国网能源研究院有限公司 电、氢协同互动的系统规划方法及装置
CN116579115B (zh) * 2023-07-11 2023-09-26 国网能源研究院有限公司 电、氢协同互动的系统规划方法及装置

Also Published As

Publication number Publication date
CN114004427B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
Gabrielli et al. Optimal design of multi-energy systems with seasonal storage
Mavromatidis et al. Design of distributed energy systems under uncertainty: A two-stage stochastic programming approach
Solomon et al. Curtailment-storage-penetration nexus in the energy transition
Welsch et al. Modelling elements of smart grids–enhancing the OSeMOSYS (open source energy modelling system) code
Amorim et al. Electricity decarbonisation pathways for 2050 in Portugal: A TIMES (The Integrated MARKAL-EFOM System) based approach in closed versus open systems modelling
Grimm et al. Optimal design of retailer-prosumer electricity tariffs using bilevel optimization
CN114004427B (zh) 一种电源与季节性储能规划方法及装置
Hoffmann et al. Typical periods or typical time steps? A multi-model analysis to determine the optimal temporal aggregation for energy system models
Fürsch et al. Optimization of power plant investments under uncertain renewable energy deployment paths: a multistage stochastic programming approach
Homayouni et al. Sizing and performance analysis of standalone hybrid photovoltaic/battery/hydrogen storage technology power generation systems based on the energy hub concept
Du et al. Preliminary analysis of long‐term storage requirement in enabling high renewable energy penetration: A case of East Asia
Mayer et al. Probabilistic modeling of future electricity systems with high renewable energy penetration using machine learning
Pihl et al. Thermo-economic optimization of hybridization options for solar retrofitting of combined-cycle power plants
Ghanjati et al. Optimal sizing and energy management of a stand-alone photovoltaic/pumped storage hydropower/battery hybrid system using Genetic Algorithm for reducing cost and increasing reliability
Leimbach et al. Solution algorithms for regional interactions in large-scale integrated assessment models of climate change
Henke The open source energy model base for the European union (OSEMBE)
Li et al. IGDT-based medium-term optimal cascade hydropower operation in multimarket with hydrologic and economic uncertainties
Ferris et al. Renewable electricity capacity planning with uncertainty at multiple scales
Bischoff et al. Economic objectives, uncertainties and decision making in the energy sector
Lin et al. CCEM: a city-cluster energy systems planning model
Wirtz et al. Multi-period design optimization for a 5th generation district heating and cooling network
Liu et al. Wind utilization and carbon emissions equilibrium: Scheduling strategy for wind-thermal generation system
Yang et al. Integrated heating load and storage control for curtailed wind power consumption in China’s power market
CN113393033A (zh) 考虑跨季节储氢的能源转型路径优化方法、系统及装置
Backe et al. Zero emission neighbourhoods in the european energy system

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