CN114493020A - 基于全生命周期成本和碳排放的综合能源系统规划方法 - Google Patents
基于全生命周期成本和碳排放的综合能源系统规划方法 Download PDFInfo
- Publication number
- CN114493020A CN114493020A CN202210112630.2A CN202210112630A CN114493020A CN 114493020 A CN114493020 A CN 114493020A CN 202210112630 A CN202210112630 A CN 202210112630A CN 114493020 A CN114493020 A CN 114493020A
- Authority
- CN
- China
- Prior art keywords
- energy system
- equipment
- planning
- stage
- objective function
- 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.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 96
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000005096 rolling process Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 48
- 239000007789 gas Substances 0.000 claims description 46
- 239000003345 natural gas Substances 0.000 claims description 24
- 238000004146 energy storage Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 12
- RZZGGSCKACYXBQ-UHFFFAOYSA-N 3,5,6,7,8,9-hexahydro-2h-cyclohepta[c]pyridazin-3-ylhydrazine Chemical compound C1CCCCC2=CC(NN)NN=C21 RZZGGSCKACYXBQ-UHFFFAOYSA-N 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 241000544061 Cuculus canorus Species 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 6
- 238000005266 casting Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 229910000510 noble metal Inorganic materials 0.000 claims description 6
- 239000010959 steel Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004064 recycling Methods 0.000 claims description 4
- RZGZMLICFFEUIQ-UHFFFAOYSA-N 5-[(1-phenylcyclohexyl)amino]pentanoic acid Chemical compound C=1C=CC=CC=1C1(NCCCCC(=O)O)CCCCC1 RZGZMLICFFEUIQ-UHFFFAOYSA-N 0.000 claims description 3
- 239000003054 catalyst Substances 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000008846 dynamic interplay Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 238000013486 operation strategy Methods 0.000 claims description 3
- 238000012946 outsourcing Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 77
- 235000005770 birds nest Nutrition 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 235000005765 wild carrot Nutrition 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005295 random walk Methods 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06F2111/04—Constraint-based CAD
-
- 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
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于全生命周期成本和碳排放的综合能源系统规划方法，包括：建立综合能源系统数字孪生模型；构建以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型；构建以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型；将综合能源系统划分为多规划周期，选择第一目标函数和/或第二目标函数作为对应规划周期的综合能源系统设备多周期多阶段规划模型，并设置相应约束条件和决策变量；采用寻优算法对规划模型进行求解，获得该规划周期综合能源系统设备规划计算结果，并依据上一周期的计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值。
Description
技术领域
本发明属于综合能源系统技术领域，具体涉及一种基于全生命周期成本和碳排放的综合能源系统规划方法。
背景技术
能源是社会发展的第一要素，解决社会的发展与居民能源需求以及环境问题与能源开发之间的矛盾，成为近年来讨论的热点问题。综合能源系统耦合了可再生能源、电能、热能、天然气能等多种不同类型的能源，通过系统内部的各种耦合设备，不同能源之间可以实现替代与互补，既提高了一次能源的利用率，也促进了风光等可再生能源的消纳能力。
在全球环境问题日益凸显的背景下，节能减排已成为世界各国的共识。碳排放的主要来源是能源行业，依托可再生能源发电、热电联产、储能等技术，构建多能互补的综合能源系统，引导能源行业在节能减排中发挥主力军作用，被认为是促进低碳可持续发展的重要支撑。
合理规划是保障综合能源系统发挥运营效能的重要前提，在整个综合能源系统规划和运行过程中需要考虑初始投资成本、运维成本、回收成本等全生命周期成本和相应的碳排放量。如何考虑综合能源系统规划时的全生命周期成本及其所能产生的碳排放量，保证整个综合能源系统低碳经济运行是有待解决的关键问题。
基于上述技术问题，需要设计一种新的基于全生命周期成本和碳排放的综合能源系统规划方法。
发明内容
本发明所要解决的技术问题是，克服现有技术的不足，提供一种基于全生命周期成本和碳排放的综合能源系统规划方法，通过建立综合能源系统的数字孪生模型，并以数字孪生模型为支撑，建立以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型、以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型，将综合能源系统划分为多规划周期，采用改进的寻优算法对综合能源系统设备多周期多阶段规划模型进行求解，获得该规划周期综合能源系统设备规划计算结果，并将上一周期的设备规划计算结果作为下一周期的初始值，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值，实现了以数字孪生模型为基础建立综合能源系统的多周期多阶段多目标规划模型，以决策各个周期各个规划阶段的最优设备组合和容量配置。
为了解决上述技术问题，本发明的技术方案是：
本发明提供了一种基于全生命周期成本和碳排放的综合能源系统设备规划方法，它包括：
步骤S1、采用机理建模和数据辨识方法建立综合能源系统数字孪生模型；
步骤S2、构建以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型；
步骤S3、构建以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型；
步骤S4、将综合能源系统划分为多规划周期，选择第一目标函数和/或第二目标函数作为对应规划周期的综合能源系统设备多周期多阶段规划模型，并设置综合能源系统设备多周期多阶段规划模型相应的约束条件，设置决策变量为综合能源系统设备组合和设备容量；
步骤S5、采用寻优算法对综合能源系统设备多周期多阶段规划模型进行求解，获得该规划周期综合能源系统设备规划计算结果，并依据上一周期的设备规划计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值。
进一步，步骤S1中，采用机理建模和数据辨识方法建立综合能源系统数字孪生模型，具体包括：
构建综合能源系统虚拟实体：包括几何模型、物理设备实体模型、行为模型和规则模型；首先通过构建综合能源系统的三维几何模型，并导入可视化平台，添加设备物理属性；然后基于综合能源系统热力学基本理论构建行为模型，建立具有交互功能和模拟真实操作环境的综合能源系统虚拟仿真系统；最后建立虚拟实体的规则模型制定虚拟实体的控制策略；
进行综合能源系统虚实数据连接：首先布置综合能源系统物理设备上的传感器检测点，通过物联网技术采集综合能源系统物理设备的实际运行数据，以及在虚拟设备上设置对应检测点，采集相应位置的仿真数据；然后通过调用采集的实际运行数据驱动虚拟空间中的对应模型，与综合能源系统虚拟设备形成的仿真数据建立映射关系，形成综合能源系统作业策略；最后通过不断迭代和优化数据采集控制过程，实现物理实体与虚拟空间实时数据的连接与动态交互；
对数字孪生模型进行辨识：将综合能源系统设备的多工况实时运行数据接入已建立的数字孪生模型中，采用反向辨识方法对数字孪生模型的仿真结果进行自适应辨识修正，获得辨识修正后的综合能源系统数字孪生模型。
进一步，构建综合能源系统虚拟实体时，对综合能源系统物理设备实体建模包括：
热电联产机组建模：
热电联产机组是消耗天然气并将其转化为热能、电能的机组，热电联产机组模型表示为：
HCHP(t)＝ηCHPGCHP(t)；
其中，PCHP(t)、HCHP(t)分别为t时刻热电机组的电功率、热功率；
ηCHP分别为热电联产机组的热-电比例系数、气-热转换系数；GCHP(t)为t时刻热电联产机组消耗的天然气；
电锅炉建模：
电锅炉是将电能转化为热能的设备，其模型表示为：HEB(t)＝ηEBPEB(t)；其中， HEB(t)、PEB(t)分别为t时刻电锅炉的热功率和消耗的电功率；ηEB为电锅炉的电-热转换系数；
燃气锅炉建模：
燃气锅炉是消耗天然气产生热能，其模型表示为：HGB(t)＝ηGBGGB(t)；其中， GGB(t)、HGB(t)分别为t时刻燃气锅炉消耗的天然气、热功率；
储能装置建模：
采用广义储能系统的通用模型对电、热、气储能设备进行处理，其模型表示为：
其中，Ws(t)为t时段储能设备的荷能状态；Ps cha(t)、Ps dis(t)分别为t时段储能设备充、放能功率的大小；
分别为储能设备的充、放能效率；Δt为运行步长，取值为1h；
P2G设备建模：
P2G设备是将电能转化成H2或者CH4，并按照规定比例注入天然气网络，在实现电气互转的同时提升了清洁能源的消纳比例，其模型表示为：
GP2G(t)＝κPP2G(t)ηP2G/Lgas；
其中，PP2G(t)、GP2G(t)分别为t时段P2G设备输入的电功率、输出的CH4体积；ηP2G为P2G设备的效率；κ为电量与热量的转换系数；Lgas为天然气的低位热值。
进一步，步骤S2中，构建以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型，具体包括：
设置综合能源系统规划的阶段数为N，k为第k个规划阶段；依据综合能源系统设备第k阶段的初始投资成本CIk、运行成本COk、维护成本CMk、易损耗设备的更换成本CFk和退役处置成本CDk计算综合能源系统设备全生命周期总成本LCC，所述综合能源系统设备多阶段全生命周期总成本LCC表示为：
所述第k阶段初始投资成本CIk包括设备购买费用Cgm,k、安装调试费用Caz,k和其他费用Cqt,k，所述第k阶段初始投资成本CIk的表达式为：
其中，Ci,k为在第k阶段时第i个设备初始投资费用，与设备容量相关；r为贴现率；n为规划总设备数；t为第k阶段持续的年限；
所述第k阶段运行成本COk包括年购电成本Cgrid,k和年购气成本Cgas,k，所述第k阶段运行成本COk的表达式为：
COk＝Cgrid,k+Cgas,k；
其中，cgrid,k(t)、cgas,k(t)分别为第k阶段时t时刻的电价和气价；Pgrid,k(t)、 Pgas,k(t)分别为第k阶段时t时刻的购电、购气功率；ni为第i季节典型日的年化代表天数；
所述第k阶段维护成本CMk表示为：
其中，Cmain,i,k为第k阶段时第i个设备的年维护费用；
所述第k阶段易损耗设备的更换成本CFk表示为：
其中，n为综合能源系统的运行年限；s为消耗型设备的运行寿命；g消耗型设备需要的更换次数；y为易损耗设备折算为净现值的年限；dr,k为易损坏设备的更换费用；
所述第k阶段退役处置成本CDk表示为：
其中，Cbf,k为设备报废成本；Ccz,k为设备残值。
进一步，步骤S3中，构建以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型，具体包括：
S301、计算P2G设备全生命周期碳排放量：包括P2G设备建造阶段的碳排放和拆除回收阶段的碳排放；
S3011、计算P2G设备建造阶段的碳排放，包括：
所述P2G设备在建造阶段中的直接碳排放表示为：
ψP2G,de＝σslPP2G,max+σclPP2G,max；
其中，PP2G,max为P2G设备的安装容量上限；σsl为钢铁铸造碳排放系数；σcl为贵金属还原碳排放系数；
所述P2G设备在建造阶段中的间接碳排放表示为：
ψP2G,inde＝EP2G,indeα；
其中，EP2G,inde为P2G设备建造阶段中所有生产设备的用电能耗；α为钢铁铸造和还原贵金属催化剂时碳排放系数；
所述P2G设备在建造阶段中的碳排放量表示为：
ψP2G，made＝(ψP2G,inde+ψP2G,de)PP2G,max；
S3012、计算P2G设备拆除回收阶段的碳排放，表示为：
ψP2G，re＝ιP2GPP2G,max；
其中，ιP2G为P2G设备拆除回收时的碳排放系数；
S3013、设P2G设备的使用寿命为m2年，贴现率为I2，则P2G设备全生命周期碳排放量的年折现值表示为：
S302、计算第k阶段包括设备消耗天然气的碳排放和外购电对应的碳排放量，表示为：
其中，GGrid,k(t)为第k阶段时t时刻消耗的天然气量；GP2G,k(t)为第k阶段时t时刻P2G设备输出的CH4量；PGrid,k(t)为第k阶段时t时刻从电网购电的功率；υ为标准工况下生成1m3 CH4需要的CO2量，同时也为燃烧1m3 CH4生成的CO2量；
S303、计算第k阶段热电联产设备、燃气锅炉的碳排放量，表示为：
其中，β为单位电量对应的碳排放量；PCHP,k(t)、HCHP,k(t)分别为第k阶段时t时段热电联产的电、热输出功率；
为热电联产设备发电量向发热量的折算系数； HGB,k(t)为第k阶段时t时段燃气锅炉的热输出；
S304、计算综合能源系统设备多阶段全生命周期碳排放量，所述综合能源系统设备多阶段全生命周期碳排放量的表达式为：
进一步，步骤S4中，选择第一目标函数和/或第二目标函数作为对应规划周期的综合能源系统设备多周期多阶段规划模型，包括：若对应规划周期的目标函数为单目标函数，即为第一目标函数或第二目标函数，则直接转到步骤S5；若对应规划周期的目标函数为多目标函数，则在该规划周期内，采用线性分段模糊隶属度函数对第一目标函数和第二目标函数进行归一化处理后，再通过线性加权将多目标函数转化为单目标函数。
进一步，线性分段模糊隶属度函数表示为：
其中，fi *为第i个目标函数进行归一化后的数值大小；fi为第i个目标函数对应的适应度值；fimin、fimax分别为第i个目标函数所对应的适应度值的最小值和最大值；
通过线性加权将多目标函数转化为单目标函数，表示为：min f＝w1f1 *+w2f2 *； f1 *、f2 *分别为第一目标函数和第二目标函数；w1、w2分别为第一目标函数和第二目标函数所对应的权重大小。
进一步，所述寻优算法至少包括粒子群优化算法、布谷鸟算法、遗传算法和蚁群算法。
进一步，步骤S5中，依据上一周期的设备规划计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值，具体包括：
设定滚动优化的起始时刻ts＝t0，t0为规划初始时刻，设定滚动优化间隔为Δt；
依据上一周期的设备规划计算结果调整下一周期的初始值，并动态调整对应周期的目标函数、目标函数权重值和约束条件，逐个周期滚动优化求解，获得综合能源系统设备规划最优值；
判断是否每个滚动优化间隔Δt均计算完成，若是则输出；否则，返回上一步继续进行滚动优化和反馈校正。
本发明的有益效果是：
(1)本发明通过建立综合能源系统的数字孪生模型，并以数字孪生模型为支撑，建立以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型、以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型，将综合能源系统划分为多规划周期，采用改进的寻优算法对综合能源系统设备多周期多阶段规划模型进行求解，获得该规划周期综合能源系统设备规划计算结果，并依据上一周期的设备规划计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值，实现了以数字孪生模型为基础建立综合能源系统的多周期多阶段多目标规划模型，以决策各个周期各个规划阶段的最优设备组合和容量配置；
(2)本发明一方面保证系统的全生命周期成本最小，另一方面有效降低系统的碳排放，能够保证综合能源系统的低碳性和经济性。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
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为本发明一种基于全生命周期成本和碳排放的综合能源系统规划方法流程图；
图2为本发明综合能源系统结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图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。
实施例1
图1是本发明所涉及的一种基于全生命周期成本和碳排放的综合能源系统规划方法流程图。
图2是本发明所涉及的综合能源系统结构示意图。
如图1、2所示，本实施例1提供了一种基于全生命周期成本和碳排放的综合能源系统设备规划方法，它包括：
步骤S1、采用机理建模和数据辨识方法建立综合能源系统数字孪生模型；
步骤S2、构建以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型；
步骤S3、构建以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型；
步骤S4、将综合能源系统划分为多规划周期，选择第一目标函数和/或第二目标函数作为对应规划周期的综合能源系统设备多周期多阶段规划模型，并设置综合能源系统设备多周期多阶段规划模型相应的约束条件，设置决策变量为综合能源系统设备组合和设备容量；
步骤S5、采用寻优算法对综合能源系统设备多周期多阶段规划模型进行求解，获得该规划周期综合能源系统设备规划计算结果，并依据上一周期的设备规划计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值。
本实施例中，步骤S1中，采用机理建模和数据辨识方法建立综合能源系统数字孪生模型，具体包括：
构建综合能源系统虚拟实体：包括几何模型、物理设备实体模型、行为模型和规则模型，形成具有不同生命周期、不同侧面的异构模型，通过将各类模型在功能和结构上进行虚实融合，形成综合能源系统物理设备实体在虚拟空间的完整映射；首先通过构建综合能源系统的三维几何模型，并导入可视化平台，添加设备物理属性；然后基于综合能源系统热力学基本理论构建行为模型，建立具有交互功能和模拟真实操作环境的综合能源系统虚拟仿真系统；最后建立虚拟实体的规则模型制定虚拟实体的控制策略；
进行综合能源系统虚实数据连接：首先布置综合能源系统物理设备上的传感器检测点，通过物联网技术采集综合能源系统物理设备的实际运行数据，以及在虚拟设备上设置对应检测点，采集相应位置的仿真数据；然后通过调用采集的实际运行数据驱动虚拟空间中的对应模型，与综合能源系统虚拟设备形成的仿真数据建立映射关系，形成综合能源系统作业策略；最后通过不断迭代和优化数据采集控制过程，实现物理实体与虚拟空间实时数据的连接与动态交互；
对数字孪生模型进行辨识：将综合能源系统设备的多工况实时运行数据接入已建立的数字孪生模型中，采用反向辨识方法对数字孪生模型的仿真结果进行自适应辨识修正，获得辨识修正后的综合能源系统数字孪生模型。
本实施例中，构建综合能源系统虚拟实体时，对综合能源系统物理设备实体建模包括：
热电联产机组建模：
热电联产机组是消耗天然气并将其转化为热能、电能的机组，热电联产机组模型表示为：
HCHP(t)＝ηCHPGCHP(t)；
其中，PCHP(t)、HCHP(t)分别为t时刻热电机组的电功率、热功率；
ηCHP分别为热电联产机组的热-电比例系数、气-热转换系数；GCHP(t)为t时刻热电联产机组消耗的天然气；
电锅炉建模：
电锅炉是将电能转化为热能的设备，其模型表示为：HEB(t)＝ηEBPEB(t)；HEB(t)、PEB(t)分别为t时刻电锅炉的热功率和消耗的电功率；ηEB为电锅炉的电-热转换系数；
燃气锅炉建模：
燃气锅炉是消耗天然气产生热能，其模型表示为：HGB(t)＝ηGBGGB(t)；GGB(t)、 HGB(t)分别为t时刻燃气锅炉消耗的天然气、热功率；
储能装置建模：
采用广义储能系统的通用模型对电、热、气储能设备进行处理，其模型表示为：
其中，Ws(t)为t时段储能设备的荷能状态；Ps cha(t)、Ps dis(t)分别为t时段储能设备充、放能功率的大小；
分别为储能设备的充、放能效率；Δt为运行步长，取值为1h；
P2G设备建模：
P2G设备是将电能转化成H2或者CH4，并按照规定比例注入天然气网络，在实现电气互转的同时提升了清洁能源的消纳比例，其模型表示为：
GP2G(t)＝κPP2G(t)ηP2G/Lgas；
其中，PP2G(t)、GP2G(t)分别为t时段P2G设备输入的电功率、输出的CH4体积；ηP2G为P2G设备的效率；κ为电量与热量的转换系数；Lgas为天然气的低位热值。
需要说明的是，综合能源系统的设备不限制于上述这些设备，还包括光伏设备、燃气轮机、余热锅炉以及其他的新能源设备等。
本实施例中，步骤S2中，构建以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型，具体包括：
设置综合能源系统规划的阶段数为N，k为第k个规划阶段；依据综合能源系统设备第k阶段的初始投资成本CIk、运行成本COk、维护成本CMk、易损耗设备的更换成本CFk和退役处置成本CDk计算综合能源系统设备全生命周期总成本LCC，所述综合能源系统设备多阶段全生命周期总成本LCC表示为：
所述第k阶段初始投资成本CIk包括设备购买费用Cgm,k、安装调试费用Caz,k和其他费用Cqt,k，所述第k阶段初始投资成本CIk的表达式为：
其中，Ci,k为在第k阶段时第i个设备初始投资费用，与设备容量相关；r为贴现率；n为规划总设备数；t为第k阶段持续的年限；
所述第k阶段运行成本COk包括年购电成本Cgrid,k和年购气成本Cgas,k，所述第k阶段运行成本COk的表达式为：
COk＝Cgrid,k+Cgas,k；
其中，cgrid,k(t)、cgas,k(t)分别为第k阶段时t时刻的电价和气价；Pgrid,k(t)、 Pgas,k(t)分别为第k阶段时t时刻的购电、购气功率；ni为第i季节典型日的年化代表天数；
所述第k阶段维护成本CMk表示为：
其中，Cmain,i,k为第k阶段时第i个设备的年维护费用；
所述第k阶段易损耗设备的更换成本CFk表示为：
其中，n为综合能源系统的运行年限；s为消耗型设备的运行寿命；g消耗型设备需要的更换次数；y为易损耗设备折算为净现值的年限；dr,k为易损坏设备的更换费用；
所述第k阶段退役处置成本CDk表示为：
其中，Cbf,k为设备报废成本；Ccz,k为设备残值。
本实施例中，步骤S3中，构建以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型，具体包括：
S301、计算P2G设备全生命周期碳排放量：包括P2G设备建造阶段的碳排放和拆除回收阶段的碳排放；
S3011、计算P2G设备建造阶段的碳排放，包括：
所述P2G设备在建造阶段中的直接碳排放表示为：
ψP2G,de＝σslPP2G,max+σclPP2G,max；
其中，PP2G,max为P2G设备的安装容量上限；σsl为钢铁铸造碳排放系数；σcl为贵金属还原碳排放系数；
所述P2G设备在建造阶段中的间接碳排放表示为：
ψP2G,inde＝EP2G,indeα；
其中，EP2G,inde为P2G设备建造阶段中所有生产设备的用电能耗；α为钢铁铸造和还原贵金属催化剂时碳排放系数；
所述P2G设备在建造阶段中的碳排放量表示为：
ψP2G，made＝(ψP2G,inde+ψP2G,de)PP2G,max；
S3012、计算P2G设备拆除回收阶段的碳排放，表示为：
ψP2G，re＝ιP2GPP2G,max；
其中，ιP2G为P2G设备拆除回收时的碳排放系数；
S3013、设P2G设备的使用寿命为m2年，贴现率为I2，则P2G设备全生命周期碳排放量的年折现值表示为：
S302、计算第k阶段包括设备消耗天然气的碳排放和外购电对应的碳排放量，表示为：
其中，GGrid,k(t)为第k阶段时t时刻消耗的天然气量；GP2G,k(t)为第k阶段时t时刻P2G设备输出的CH4量；PGrid,k(t)为第k阶段时t时刻从电网购电的功率；υ为标准工况下生成1m3 CH4需要的CO2量，同时也为燃烧1m3 CH4生成的CO2量；
S303、计算第k阶段热电联产设备、燃气锅炉的碳排放量，表示为：
其中，β为单位电量对应的碳排放量；PCHP,k(t)、HCHP,k(t)分别为第k阶段时t时段热电联产的电、热输出功率；
为热电联产设备发电量向发热量的折算系数； HGB,k(t)为第k阶段时t时段燃气锅炉的热输出；
S304、计算综合能源系统设备多阶段全生命周期碳排放量，所述综合能源系统设备多阶段全生命周期碳排放量的表达式为：
需要说明的是，电储能设备的运行阶段通常只会在存储和释放电力过程当中损耗一些电力，但是在设备建设及设备运输阶段中存在间接的较大碳排放量，故应将该部分的碳排放量计算在系统总碳排放中。利用生命周期分析方法分析电储能设备在系统总碳排放中的间接碳排放量，根据生命周期分析方法的三大步骤。首先定义电储能设备全生命周期环节为球化、原料混合、离心洗涤、干燥与分级、废料再利用，和有关输入能源、能源原材料的生产和运输，其中运行、废弃及其回收环节均不考虑在电储能设备的碳排放计量中；确定全生命周期过程中所排放的环境污染物清单包含CO2、 N2O、CH4，但需将所有污染物统一折算成单位产能排放总量CO2。
本实施例中，步骤S4中，选择第一目标函数和/或第二目标函数作为对应规划周期的综合能源系统设备多周期多阶段规划模型，包括：若对应规划周期的目标函数为单目标函数，即为第一目标函数或第二目标函数，则直接转到步骤S5；若对应规划周期的目标函数为多目标函数，则在该规划周期内，采用线性分段模糊隶属度函数对第一目标函数和第二目标函数进行归一化处理后，再通过线性加权将多目标函数转化为单目标函数。
本实施例中，线性分段模糊隶属度函数表示为：
其中，fi *为第i个目标函数进行归一化后的数值大小；fi为第i个目标函数对应的适应度值；fimin、fimax分别为第i个目标函数所对应的适应度值的最小值和最大值；
通过线性加权将多目标函数转化为单目标函数，表示为：
min f＝w1f1 *+w2f2 *；
其中，f1 *、f2 *分别为第一目标函数和第二目标函数；w1、w2分别为第一目标函数和第二目标函数所对应的权重大小。
需要说明的是，本发明不仅限于第一目标函数和第二目标函数，还可包括其他类别目标函数，目标函数的权重值大小可采用模糊层次分析法进行计算，将模糊矩阵的行矢量归一化可得每层元素的综合模糊值，去模糊化后即可求得各个元素的最终权重。
本实施例中，所述寻优算法至少包括粒子群优化算法、布谷鸟算法、遗传算法和蚁群算法。
在具体的实际应用中，以布谷鸟算法为例说明模型求解过程，所述步骤S5中，采用寻优算法对综合能源系统设备多周期多阶段规划模型进行求解，获得该规划周期综合能源系统设备规划计算结果，具体包括：
S501、对布谷鸟搜索算法进行改进，包括：种群初始化方式改进：在N维解空间中，基于初始种群的数量n对N维解空间进行切分，切分后的解空间被分成n个，在每个切分后的解空间中随机生成一个初始位置，则初始位置的集合即为初始种群；自适应步长改进：采用自适应步长的计算方式改进布谷鸟搜索算法，表示为：
其中，xi为第i个解的位置；xb为最优的解位置；dmax为最优位置与剩余鸟巢位置的最大距离；步长计算公式为：Si＝Smin+(Smax-Smin)di；Smin、Smax分别为最小和最大步长；
S502、采用改进的布谷鸟搜索算法对综合能源系统设备多周期多阶段规划模型进行求解后输出该规划周期综合能源系统设备规划计算结果，包括：
参数设定：设定初始化种群规模n，最大迭代次数M，发现概率p，步长最小值 Smin，步长最大值Smax；
初始化种群：采用切分随机方法初始化规模为n的种群，记录当前最优解的位置xbest以及对应的最优解Fbest；
位置更新：生成自适应步长和依据莱维飞行对位置进行更新，比较更新前后鸟巢的适应度并保留较优解；
种群淘汰：假设当前位置鸟巢的孵育寄生行为被宿主鸟发现的概率服从r∈[0,1]的均匀分布，将r与p比较：若r>p，则淘汰当前鸟巢并采用随机游走的方式寻找新的鸟巢，保留随机游走前后的较优解；否则，不进行随机游走；
终止判断：更新当前最优解的位置xbest以及对应的最优解Fbest，若Fbest达到最优解的精度或迭代次数达到最大次数M，则终止迭代过程，并输出xbest和Fbest；否则，重新进行位置更新和种群淘汰。
需要说明的是，提出的切分法产生的初始种群分布更加均匀，其种群多样性更高。另外，该方法在保证分布更加均匀的同时具备一定的随机性，这两点为种群多样性均提供了一定的保障。另外采用自适应步长的改进方法，若当前解的位置距离现阶段最优解较远时，自适应步长较大，这样的方式对搜索全局最优解和增加种群多样性有较大的帮助。若当前解的位置距离现阶段最优解较近时，自适应步长较小，这样对于在局部内搜索更优解而提高解精度有较大帮助。因此，基于自适应步长的布谷鸟搜索算法在全局上向最优解的收敛速度更快且最优解的质量更高。
本实施例中，莱维飞行计算表示为：xg+1,i＝xg,i+α0Levy(β)(xg,i-xbest)；xg,i为第 i个鸟巢在第g代的鸟巢位置；α0为常数；Levy(β)为莱维随机数；
随机游走计算表示为：xg+1,j＝xg,j+r(xg,j-xg,k)；r为缩放因子；xg,j、xg,k为表示g代的两个随机数。
本实施例中，步骤S5中，依据上一周期的设备规划计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值，具体包括：
设定滚动优化的起始时刻ts＝t0，t0为规划初始时刻，设定滚动优化间隔为Δt；
依据上一周期的设备规划计算结果调整下一周期的初始值，并动态调整对应周期的目标函数、目标函数权重值和约束条件，逐个周期滚动优化求解，获得综合能源系统设备规划最优值；
判断是否每个滚动优化间隔Δt均计算完成，若是则输出；否则，返回上一步继续进行滚动优化和反馈校正。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、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，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方式中，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，两个连续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动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。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (9)
1.一种基于全生命周期成本和碳排放的综合能源系统规划方法，其特征在于，它包括：
步骤S1、采用机理建模和数据辨识方法建立综合能源系统数字孪生模型；
步骤S2、构建以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型；
步骤S3、构建以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型；
步骤S4、将综合能源系统划分为多规划周期，选择第一目标函数和/或第二目标函数作为对应规划周期的综合能源系统设备多周期多阶段规划模型，并设置综合能源系统设备多周期多阶段规划模型相应的约束条件，设置决策变量为综合能源系统设备组合和设备容量；
步骤S5、采用寻优算法对综合能源系统设备多周期多阶段规划模型进行求解，获得该规划周期综合能源系统设备规划计算结果，并依据上一周期的设备规划计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值。
2.根据权利要求1所述的综合能源系统规划方法，其特征在于，所述步骤S1中，采用机理建模和数据辨识方法建立综合能源系统数字孪生模型，具体包括：
步骤S101、构建综合能源系统虚拟实体，包括：
构建几何模型、物理设备实体模型、行为模型和规则模型；首先通过构建综合能源系统的三维几何模型，并导入可视化平台，添加设备物理属性；然后基于综合能源系统热力学基本理论构建行为模型，建立具有交互功能和模拟真实操作环境的综合能源系统虚拟仿真系统；最后建立虚拟实体的规则模型制定虚拟实体的控制策略；
步骤S102、进行综合能源系统虚实数据连接，包括：
首先布置综合能源系统物理设备上的传感器检测点，通过物联网技术采集综合能源系统物理设备的实际运行数据，以及在虚拟设备上设置对应检测点，采集相应位置的仿真数据；然后通过调用采集的实际运行数据驱动虚拟空间中的对应模型，与综合能源系统虚拟设备形成的仿真数据建立映射关系，形成综合能源系统作业策略；最后通过不断迭代和优化数据采集控制过程，实现物理实体与虚拟空间实时数据的连接与动态交互；
步骤S103、对数字孪生模型进行辨识，包括：
将综合能源系统设备的多工况实时运行数据接入已建立的数字孪生模型中，采用反向辨识方法对数字孪生模型的仿真结果进行自适应辨识修正，获得辨识修正后的综合能源系统数字孪生模型。
3.根据权利要求2所述的综合能源系统规划方法，其特征在于，所述步骤S101中，构建综合能源系统虚拟实体时，对综合能源系统物理设备实体建模包括：
热电联产机组建模：
所述热电联产机组模型表示为：
HCHP(t)＝ηCHPGCHP(t)；
其中，PCHP(t)、HCHP(t)分别为t时刻热电机组的电功率、热功率；
ηCHP分别为热电联产机组的热-电比例系数、气-热转换系数；GCHP(t)为t时刻热电联产机组消耗的天然气；
电锅炉建模：
所述电锅炉的模型表示为：
HEB(t)＝ηEBPEB(t)；
其中，HEB(t)、PEB(t)分别为t时刻电锅炉的热功率和消耗的电功率；ηEB为电锅炉的电-热转换系数；
燃气锅炉建模：
所述燃气锅炉的模型表示为：
HGB(t)＝ηGBGGB(t)；
其中，GGB(t)、HGB(t)分别为t时刻燃气锅炉消耗的天然气、热功率；
储能装置建模：
所述储能装置的模型表示为：
其中，Ws(t)为t时段储能设备的荷能状态；
分别为t时段储能设备充、放能功率的大小；
分别为储能设备的充、放能效率；Δt为运行步长，取值为1h；
P2G设备建模：
所述P2G设备的模型表示为：
GP2G(t)＝κPP2G(t)ηP2G/Lgas；
其中，PP2G(t)、GP2G(t)分别为t时段P2G设备输入的电功率、输出的CH4体积；ηP2G为P2G设备的效率；κ为电量与热量的转换系数；Lgas为天然气的低位热值。
4.根据权利要求1所述的综合能源系统规划方法，其特征在于，所述步骤S2中，构建以全生命周期总成本最优为第一目标函数的综合能源系统设备多阶段规划模型，具体包括：
设置综合能源系统规划的阶段数为N，k为第k个规划阶段；依据综合能源系统设备第k阶段的初始投资成本CIk、运行成本COk、维护成本CMk、易损耗设备的更换成本CFk和退役处置成本CDk计算综合能源系统设备全生命周期总成本LCC，所述综合能源系统设备多阶段全生命周期总成本LCC表示为：
所述第k阶段初始投资成本CIk包括设备购买费用Cgm,k、安装调试费用Caz,k和其他费用Cqt,k，所述第k阶段初始投资成本CIk的表达式为：
其中，Ci,k为在第k阶段时第i个设备初始投资费用，与设备容量相关；r为贴现率；n为规划总设备数；t为第k阶段持续的年限；
所述第k阶段运行成本COk包括年购电成本Cgrid,k和年购气成本Cgas,k，所述第k阶段运行成本COk的表达式为：
COk＝Cgrid,k+Cgas,k；
其中，cgrid,k(t)、cgas,k(t)分别为第k阶段时t时刻的电价和气价；Pgrid,k(t)、Pgas,k(t)分别为第k阶段时t时刻的购电、购气功率；ni为第i季节典型日的年化代表天数；
所述第k阶段维护成本CMk表示为：
其中，Cmain,i,k为第k阶段时第i个设备的年维护费用；
所述第k阶段易损耗设备的更换成本CFk表示为：
其中，n为综合能源系统的运行年限；s为消耗型设备的运行寿命；g消耗型设备需要的更换次数；y为易损耗设备折算为净现值的年限；dr,k为易损坏设备的更换费用；
所述第k阶段退役处置成本CDk表示为：
其中，Cbf,k为设备报废成本；Ccz,k为设备残值。
5.根据权利要求1所述的综合能源系统规划方法，其特征在于，所述步骤S3中，构建以全生命周期碳排放量最小为第二目标函数的综合能源系统设备多阶段规划模型，具体包括：
S301、计算P2G设备全生命周期碳排放量：包括P2G设备建造阶段的碳排放和拆除回收阶段的碳排放；
S3011、计算P2G设备建造阶段的碳排放，包括：
所述P2G设备在建造阶段中的直接碳排放表示为：
ψP2G,de＝σslPP2G,max+σclPP2G,max；
其中，PP2G,max为P2G设备的安装容量上限；σsl为钢铁铸造碳排放系数；σcl为贵金属还原碳排放系数；
所述P2G设备在建造阶段中的间接碳排放表示为：
ψP2G,inde＝EP2G,indeα；
其中，EP2G,inde为P2G设备建造阶段中所有生产设备的用电能耗；α为钢铁铸造和还原贵金属催化剂时碳排放系数；
所述P2G设备在建造阶段中的碳排放量表示为：
ψP2G，made＝(ψP2G,inde+ψP2G,de)PP2G,max；
S3012、计算P2G设备拆除回收阶段的碳排放，表示为：
ψP2G，re＝ιP2GPP2G,max；
其中，ιP2G为P2G设备拆除回收时的碳排放系数；
S3013、设P2G设备的使用寿命为m2年，贴现率为I2，则P2G设备全生命周期碳排放量的年折现值表示为：
S302、计算第k阶段包括设备消耗天然气的碳排放和外购电对应的碳排放量，表示为：
其中，GGrid,k(t)为第k阶段时t时刻消耗的天然气量；GP2G,k(t)为第k阶段时t时刻P2G设备输出的CH4量；PGrid,k(t)为第k阶段时t时刻从电网购电的功率；υ为标准工况下生成1m3CH4需要的CO2量，同时也为燃烧1m3 CH4生成的CO2量；
S303、计算第k阶段热电联产设备、燃气锅炉的碳排放量，表示为：
其中，β为单位电量对应的碳排放量；PCHP,k(t)、HCHP,k(t)分别为第k阶段时t时段热电联产的电、热输出功率；
为热电联产设备发电量向发热量的折算系数；HGB,k(t)为第k阶段时t时段燃气锅炉的热输出；
S304、计算综合能源系统设备多阶段全生命周期碳排放量，所述综合能源系统设备多阶段全生命周期碳排放量的表达式为：
6.根据权利要求1所述的综合能源系统规划方法，其特征在于，所述步骤S4中，选择第一目标函数和/或第二目标函数作为对应规划周期的综合能源系统设备多周期多阶段规划模型，包括：若对应规划周期的目标函数为单目标函数，即为第一目标函数或第二目标函数，则直接转到步骤S5；若对应规划周期的目标函数为多目标函数，则在该规划周期内，采用线性分段模糊隶属度函数对第一目标函数和第二目标函数进行归一化处理后，再通过线性加权将多目标函数转化为单目标函数。
7.根据权利要求6所述的综合能源系统规划方法，其特征在于，所述线性分段模糊隶属度函数表示为：
其中，fi *为第i个目标函数进行归一化后的数值大小；fi为第i个目标函数对应的适应度值；fimin、fimax分别为第i个目标函数所对应的适应度值的最小值和最大值；
所述通过线性加权将多目标函数转化为单目标函数，表示为：
minf＝w1f1 *+w2f2 *；
其中，f1 *为第一目标函数，f2 *为第二目标函数；w1为第一目标函数，w2为第二目标函数所对应的权重大小。
8.根据权利要求1所述的综合能源系统规划方法，其特征在于，所述寻优算法至少包括粒子群优化算法、布谷鸟算法、遗传算法和蚁群算法。
9.根据权利要求1所述的综合能源系统规划方法，其特征在于，所述步骤S5中，并依据上一周期的设备规划计算结果调整下一周期的初始值和约束条件，进行逐周期滚动优化和动态调整，生成综合能源系统设备规划最优值，具体包括：
设定滚动优化的起始时刻ts＝t0，t0为规划初始时刻，设定滚动优化间隔为Δt；
依据上一周期的设备规划计算结果调整下一周期的初始值，并动态调整对应周期的目标函数、目标函数权重值和约束条件，逐个周期滚动优化求解，获得综合能源系统设备规划最优值；
判断是否每个滚动优化间隔Δt均计算完成，若是则输出；否则，返回上一步继续进行滚动优化和反馈校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210112630.2A CN114493020A (zh) | 2022-01-29 | 2022-01-29 | 基于全生命周期成本和碳排放的综合能源系统规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210112630.2A CN114493020A (zh) | 2022-01-29 | 2022-01-29 | 基于全生命周期成本和碳排放的综合能源系统规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114493020A true CN114493020A (zh) | 2022-05-13 |
Family
ID=81478519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210112630.2A Pending CN114493020A (zh) | 2022-01-29 | 2022-01-29 | 基于全生命周期成本和碳排放的综合能源系统规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114493020A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114997538A (zh) * | 2022-08-02 | 2022-09-02 | 杭州经纬信息技术股份有限公司 | 基于碳排数据的产业工艺升级动态规划及可视化方法 |
| CN115186939A (zh) * | 2022-09-09 | 2022-10-14 | 中科航迈数控软件(深圳)有限公司 | 一种加工设备的全生命周期碳排放量预测方法 |
| CN116738801A (zh) * | 2023-07-18 | 2023-09-12 | 北京市建筑工程研究院有限责任公司 | 一种基于数字孪生的索结构智能施工方法 |
-
2022
- 2022-01-29 CN CN202210112630.2A patent/CN114493020A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114997538A (zh) * | 2022-08-02 | 2022-09-02 | 杭州经纬信息技术股份有限公司 | 基于碳排数据的产业工艺升级动态规划及可视化方法 |
| CN115186939A (zh) * | 2022-09-09 | 2022-10-14 | 中科航迈数控软件(深圳)有限公司 | 一种加工设备的全生命周期碳排放量预测方法 |
| CN116738801A (zh) * | 2023-07-18 | 2023-09-12 | 北京市建筑工程研究院有限责任公司 | 一种基于数字孪生的索结构智能施工方法 |
| CN116738801B (zh) * | 2023-07-18 | 2024-04-19 | 北京市建筑工程研究院有限责任公司 | 一种基于数字孪生的索结构智能施工方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Şahin et al. | Forecasting seasonal electricity generation in European countries under Covid-19-induced lockdown using fractional grey prediction models and machine learning methods | |
| Xia et al. | Application of a new information priority accumulated grey model with time power to predict short-term wind turbine capacity | |
| CN114493020A (zh) | 基于全生命周期成本和碳排放的综合能源系统规划方法 | |
| Zhu et al. | Using a self-adaptive grey fractional weighted model to forecast Jiangsu’s electricity consumption in China | |
| Zhang et al. | Short-time multi-energy load forecasting method based on CNN-Seq2Seq model with attention mechanism | |
| Yang et al. | Optimal design of distributed energy resource systems based on two-stage stochastic programming | |
| Yuan et al. | District heating in 100% renewable energy systems: Combining industrial excess heat and heat pumps | |
| Wang et al. | Coal production forecast and low carbon policies in China | |
| Wan et al. | Short-term power load forecasting for combined heat and power using CNN-LSTM enhanced by attention mechanism | |
| He et al. | How to upgrade an enterprise’s low-carbon technologies under a carbon tax: The trade-off between tax and upgrade fee | |
| CN104537435B (zh) | 基于用户侧经济性指标的分布式电源优化配置方法 | |
| Zhou et al. | Optimizing carbon emission forecast for modelling China's 2030 provincial carbon emission quota allocation | |
| CN111340299B (zh) | 一种微电网多目标优化调度方法 | |
| Fragniere et al. | A stochastic programming model for energy/environment choices under uncertainty | |
| Wang et al. | Two-stage stochastic planning for integrated energy systems accounting for carbon trading price uncertainty | |
| CN115455835A (zh) | 一种含可再生能源的多热源联网供热系统优化运行方法 | |
| CN112348276A (zh) | 基于多要素三层次的综合能源系统规划优化方法 | |
| CN110866658A (zh) | 一种城市电网中长期负荷预测方法 | |
| Li et al. | Study on operation strategy and load forecasting for distributed energy system based on Chinese supply-side power grid reform | |
| Dang et al. | A novel multivariate grey model for forecasting periodic oscillation time series | |
| Zhang et al. | A novel grey Lotka–Volterra model driven by the mechanism of competition and cooperation for energy consumption forecasting | |
| Telikani et al. | Pumps-as-Turbines’(PaTs) performance prediction improvement using evolutionary artificial neural networks | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| Du et al. | Prediction of carbon emissions trading price in Fujian province: Based on BP neural network model | |
| Wang et al. | Short-term wind power probabilistic forecasting using a new neural computing approach: GMC-DeepNN-PF |
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 |