发明内容
为充分挖掘综合能源系统的降碳能力,本发明提供了一种源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法。本发明通过对源侧产能体系与负荷侧用能体系实现互动调节,提出了一种综合能源系统源荷协同降碳机制;同时,为了应对系统内风光出力不确定性对优化调度的影响,基于非精确概率理论并充分考虑调度方案分布鲁棒性与经济性之间的制约关系,建立了综合能源系统最优分布鲁棒经济优化调度模型;采用该模型不仅能消除传统分布鲁棒优化中不确定性集合保守度主观设定的局限性,并能实现分布鲁棒水平与经济性均衡的最优分布鲁棒优化调度。
本发明采用的技术方案是:一种源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法,包括以下步骤:
步骤一、建立基于源荷协同降碳机制下的综合能源系统调度模式:构建综合能源系统碳排放模型;在源侧建立源侧联合运行框架,用于碳捕集电厂、P2G设备、CHP机组、电锅炉的联合运行控制;在负荷侧设置价格型综合需求响应机制,并将每一时段的电价、气价作为变量与源侧可控单元进行协同优化;根据负荷受价格影响的变化情况,将负荷分为固定负荷、可转移负荷、可削减负荷以及可替换负荷;构建需求响应模型;综合考虑负荷侧不同种能源利用占比情况,设置用能占比系数,构造满意度评估模型。本发明通过构造用能方式满意度以及用能费用满意度约束,在确保不损害用户利益的前提下,通过对能源价格进行调控,来改善各时段的负荷结构,使得源侧产能结构与负荷侧用能结构实现互动调节,最大程度挖掘整个综合能源系统降低碳排、消纳风光的能力;
步骤二、构建的机会约束鲁棒区间集合模型:采用基于非精确概率理论的来构造风、光预测误差的累积概率分布函数模糊集,以样本点概率分布区间的形式来替代样本点处的单值概率;利用累积概率分布函数模糊集,找到其中最劣概率分布,然后构建机会约束鲁棒区间集合模型,用于来描述综合能源系统对风、光预测误差所产生扰动的容忍范围;
步骤三、构建并求解最优分布鲁棒经济多目标优化模型得到调度方案。
本发明针对综合能源系统中风光出力的不确定性,本发明先基于非精确概率理论,利用非精确狄利克雷模型(imprecise Dirichlet model,IDM)构造出不确定性变量的累积概率分布函数(cumulative distribution function,CDF)模糊集;然后基于模糊集中最劣累积概率分布,映射出满足置信水平的不确定性容忍区间,以此来确定旋转备用容量。同时,基于机会约束分布鲁棒优化,充分考虑调度方案分布鲁棒性与经济性之间的制约关系,构造出最优分布鲁棒经济调度模型并求取折中解,以消除常规分布鲁棒优化的主观局限性,最终实现可均衡鲁棒性和经济性的综合能源系统优化调度。
进一步优选,所述综合能源系统碳排放模型如下:
式中:
、
、
、
分别为综合能源系统(IES)实际碳排放量、未被
储存及利用的火电机组碳排放量、CHP机组碳排放量、气负荷碳排放量;
为P2G设备
提供天然气产生的虚拟降碳量;
为
t时段碳捕集电厂出力;
为
t时段P2G设备
消耗的CO
2总量;
为
t时段CO
2封存量;
为
t时段CHP机组消耗的天然气体积;
为经需求响应后的气负荷;
为
t时段P2G生成天然气的体积;
、
、
分别为
火电机组、CHP机组、气负荷的碳排放系数;
T为响应总时间。
进一步优选,所述源侧联合运行框架整体出力及能耗表达式如下所示:
式中:
为
t时段碳捕集电厂净出力;
为
t时段碳捕集电厂固定能耗;
为
t时段碳捕集电厂运行能耗;
为碳捕集电厂处理单位CO
2的运行能耗;
为
t时段碳捕
集电厂处理的CO
2量;
为
t时段CHP机组的出力;
为
t时段CHP机组的电出力;
为
t时段CHP机组的热出力;
为CHP机组电效率;
为CHP机组热效率;
为
t时段P2G设备能耗;
为
t时段弃风功率、
为
t时段弃光功率;
为
t时
段电锅炉的热出力;
为
t时段电锅炉的能耗;
为电锅炉转换效率;
为
t时刻
经P2G设备消纳后的弃风弃光功率。
进一步优选,源侧联合运行框架的源侧CO2与天然气的产出和消耗模型如下所示:
式中:
为生成单位功率天然气时需要CO
2的量;
为P2G设备电转气的转
换效率;
为
t时段储液罐提供的待处理的CO
2量;
为碳捕集效率;
为烟气分流比;
为
t时段火电厂CO
2总释放量;
为碳排放强度;
为天然气的热值。
进一步优选,对碳捕集机组加装储液罐使其变成灵活碳捕集装置,由此能够实现CO2捕集与发电之间的解耦;源侧联合运行框架的综合能源系统内储罐运行模型如下:
式中:
、
、
分别为
t时刻储液罐释放CO
2所需的溶液体积、富液罐溶液
量、贫液罐溶液量;
为MEA(乙醇胺)摩尔质量;
为CO
2摩尔质量;
为再生塔解析
量;
、
分别为醇胺溶液浓度、醇胺溶液密度;
、
分别为储热罐
t时刻和
t-1时刻的
储热量;
为储热罐在运行过程中单位时间内的热源损失率;
为储热罐
t时刻的热功
率。
进一步优选,所述需求响应模型如下:
式中:
、
分别为需求响应前后的电负荷;
为可转移电负荷变化量;
为削减电负荷的反弹负荷;
为削减电负荷;
、
、
分别为削减电负荷
t-1、
t-3、
t-3时刻的反弹系数;
、
、
分别为
t-1、
t-3、
t-3时刻的削减电负荷;
、
分别为需求响应前后的气负荷;
为可转移气负荷变化量;
削减气负荷的反弹负
荷;
为削减气负荷;
、
、
分别为削减气负荷
t-1、
t-3、
t-3时刻的反弹系数;
、
、
分别为
t-1、
t-3、
t-3时刻的削减气负荷;
为纵向需求响应可替换电
负荷变化量;
为纵向需求响应可替换气负荷变化量。
进一步优选,所述满意度评估模型为:
式中:
SEU为用能方式满意度;
SEE为用能费用支出满意度;
为电负荷响应前
后变化量;
为响应前的总电负荷量;
为用电费用响应前后变化量;
为响应前
总用电费用;
为参与响应的负荷中电能的利用占比系数;
为响应前电价;
为响应
前气价;
为参与综合需求响应的电负荷量;
为响应前的总气负荷量;
为气负荷响
应前后变化量;
为用气费用响应前后变化量;
为响应前总用气费用;
为参与响应的
负荷中电能的利用占比系数;
为参与综合需求响应的气负荷量;
T为响应总时间。
进一步优选,所述步骤二中,采用基于非精确概率理论的来构造风、光预测误差的
累积概率分布函数模糊集,以样本点概率分布区间的形式来替代样本点处的单值概率;样
本点
G处置信水平
下的置信累积概率区间可构造如下:
式中,
、
分别为随机变量第
j个样本点处累积概率置信区间的上界、下界;
V和
Q分别为贝塔分布
与贝塔分布
的累积概率分布函数;
m j
为满足约束
的随机变量
x的样本数;
n为随机变量
x的样本总数;
s为等效样本大小;
求得随机变量
x的估计上下界
,最后,基于随机变量累积概率分布函数的
置信区间和估计范围,得出模糊集合
:
式中,
表示估计范围
内所有的累积概率分布函数的集合,
P为
随机变量
x发生的累积概率,
x d为随机变量
x的估计下界,
x u为随机变量
x的估计上界,
x j 为随
机变量第
j个样本点;
基于分布鲁棒优化原理,利用累积概率分布函数模糊集,找到其中最劣概率分布,然后构建基于非精确概率理论的机会约束鲁棒区间集合模型;
所述机会约束鲁棒区间集合模型如下:
式中,R为鲁棒区间集合,
为
t时段不确定性因素
i的机会约束鲁棒区间;
为不确定性因素
i在
t时段预测误差的区间变量;
、
分别为区间变量的上、下界;
和
分别为预测误差鲁棒区间下界和上界所对应的累积概率;Pr为不确定因素
i在
t时段
发生在鲁棒区间内的概率;
代表不确定性因素在鲁棒区间的置信水平;
定义为
t时段鲁棒区间对应的分布鲁棒水平;
和
分别为
小于鲁棒区间下
界和大于鲁棒区间上界时所产生的运行风险期望值;
和
分别为不确定性因素
i在
t
时段的概率密度函数和累积概率分布函数,
包含在预测误差累积概率分布模糊集
中。
进一步优选,所述最优分布鲁棒经济多目标优化模型包括经济性目标函数、分布鲁棒水平目标函数、约束条件,构建出分布鲁棒水平目标函数,并与经济性目标函数进行协同优化。
进一步优选,所述经济性目标函数为:
式中:
为燃煤机组运行成本;
为CHP机组运行成本;
为电锅炉运行
成本;
为P2G机组运行成本;
为系统购气成本;
为系统弃风/弃光惩罚成
本;
为CO
2相关成本;
为削减负荷补偿成本;
为旋转备用成本;
为碳捕集
成本。
进一步优选,所述分布鲁棒水平目标函数为:
式中:
为上旋转备用鲁棒重视系数;
、
分别为弃风弃光惩罚系数和切负
荷惩罚系数。
同时,构造出系统运行风险成本函数
对后续方案备用配置的合理程度进行
评估:
式中:
为由于预测误差和下备用不足导致的弃风弃光功率的期望值;
为预测误差和上备用不足导致的切负荷功率的期望值。
进一步优选,最优分布鲁棒经济多目标优化模型的约束条件包括常规机组约束、功率平衡约束和正、负旋转备用约束。
进一步优选,基于聚类的自适应微分进化算法,并将自适应微分进化算法与帕累托非劣排序操作有机结合后,对最优分布鲁棒经济多目标优化模型进行求解。
本发明针对IES系统,构建了一种基于源荷协同降碳机制的调度方式,实现了IES低碳特性的深度挖掘;同时,对于系统内风光出力的不确定性,提出了一种IES最优分布鲁棒经济调度方法,可为决策者提供兼顾分布鲁棒性及经济性的最优分布鲁棒经济调度实施方案。根据算例分析的计算结果,具有如下优点:
1)基于源荷协同降碳机制的综合能源系统(IES)优化调度,通过实时能价影响用户用能方式,并使之与源侧能源转换框架和低碳技术进行互补调节,实现了能源生产和消费层面的双重低碳,最终系统总成本、弃风弃光量、碳排放较现有调度模型相比明显降低。
2)综合能源系统最优分布鲁棒经济调度在决策中考虑了风光预测误差概率分布不确定性,使得旋转备用的配置更为合理,可有效降低运行风险,能够为实际应用提供可靠性更高的调度方案。
3)将分布鲁棒水平纳入协同优化目标的最优分布鲁棒经济调度,充分考虑了分布鲁棒性与经济性之间的制约关系,可实现分布鲁棒性与经济性协同优化,不仅消除了传统分布鲁棒优化中不确定性集合保守度主观设定的局限性,并能实现分布鲁棒水平与经济性均衡的最优分布鲁棒优化调度。
具体实施方式
下面结合实施例进一步详细阐明本发明。
参照图1,一种源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法,包括以下步骤:
步骤一、建立基于源荷协同降碳机制下的综合能源系统调度模式:构建综合能源系统碳排放模型;在源侧建立源侧联合运行框架,用于碳捕集电厂、P2G设备、CHP机组、电锅炉的联合运行控制;在负荷侧设置价格型综合需求响应机制,并将每一时段的电价、气价作为变量与源侧可控单元进行协同优化;根据负荷受价格影响的变化情况,将负荷分为固定负荷、可转移负荷、可削减负荷以及可替换负荷;构建需求响应模型;综合考虑负荷侧不同种能源利用占比情况,设置用能占比系数,构造满意度评估模型。本发明通过构造用能方式满意度以及用能费用满意度约束,在确保不损害用户利益的前提下,通过对能源价格进行调控,来改善各时段的负荷结构,使得源侧产能结构与负荷侧用能结构实现互动调节,最大程度挖掘整个综合能源系统降低碳排、消纳风光的能力。
步骤二、构建基于非精确概率理论的机会约束鲁棒区间集合模型:采用基于非精确概率理论的来构造风、光预测误差的累积概率分布函数模糊集,以样本点概率分布区间的形式来替代样本点处的单值概率;利用累积概率分布函数模糊集,找到其中最劣概率分布,然后构建机会约束鲁棒区间集合模型,用于来描述综合能源系统对风、光预测误差所产生扰动的容忍范围。
步骤三、构建并求解最优分布鲁棒经济多目标优化模型得到调度方案。
综合能源系统(IES)内燃煤电厂发电产生的烟气一部分流入灵活碳捕集装置,一部分通过烟气旁路向大气排放。流入灵活碳捕集装置的烟气,经过引风机送到吸收塔;吸收塔对其进行处理,产生富液流入再生塔;再生塔消耗富液,将CO2提取出来送入压缩装置,并产生贫液流回吸收塔;然后压缩装置将CO2压缩后送去封存和作为原料提供给P2G设备合成天然气。
最终,综合能源系统向大气排放CO2来源有:燃煤火电厂未能被储存和利用的CO2、CHP机组运行产生的CO2以及气负荷产生的CO2。
考虑到P2G设备会提供部分天然气,而这部分天然气是通过循环利用综合能源系统内CO2生产的,并非从外界气站中购买,替代了气站开采的天然气,减少了综合能源系统净排放,最终可构建出综合能源系统碳排放模型如下:
式中,,
、
、
、
分别为综合能源系统(IES)实际碳排放量、未被
储存及利用的火电机组碳排放量、CHP机组碳排放量、气负荷碳排放量;
为P2G设备
提供天然气产生的虚拟降碳量;
为
t时段碳捕集电厂出力;
为
t时段P2G设备
消耗的CO
2总量;
为
t时段CO
2封存量;
为
t时段CHP机组消耗的天然气体积;
为经需求响应后的气负荷;
为
t时段P2G生成天然气的体积;
、
、
分别为
火电机组、CHP机组、气负荷的碳排放系数;
T为响应总时间。
本实施例假设所构建的综合能源系统为完全互通信息系统,即整个综合能源系统的所有可控单元都能够接收到管理者的决策信息。由此,管理者能够实现对源侧可控单元和负荷侧能源价格的协同调控,以此构建协同降碳机制。使得源侧联合降碳运行框架和负荷侧价格型综合需求响应进行有机互补,最大限度挖掘出IES降碳潜力,最终达到降碳后系统向大气排放CO2量最低,获得碳交易收益最大的目的。
本实施例在源侧建立了源侧联合运行框架。通过对传统火电机组加装灵活碳捕集装置,将其改造成碳捕集电厂(CC),设置P2G设备以消纳部分弃风弃光;同时,CHP机组消耗天然气并输出电功率和热功率,电锅炉(EB)消耗电能产出热功率。源侧联合运行框架整体出力及能耗表达式如下所示:
式中:
为
t时段碳捕集电厂净出力;
为
t时段碳捕集电厂固定能耗;
为
t时段碳捕集电厂运行能耗;
为碳捕集电厂处理单位CO
2的运行能耗;
为
t时段碳捕
集电厂处理的CO
2量;
为
t时段CHP机组的出力;
为
t时段CHP机组的电出力;
为
t时段CHP机组的热出力;
为CHP机组电效率;
为CHP机组热效率;
为
t时段P2G设备能耗;
为
t时段弃风功率、
为
t时段弃光功率;
为
t时
段电锅炉的热出力;
为
t时段电锅炉的能耗;
为电锅炉转换效率;
为
t时刻
经P2G设备消纳后的弃风弃光功率。
源侧联合运行框架利用灵活碳捕集装置捕集CO2;然后将捕集后的CO2作为优质原料提供给P2G设备;接着P2G设备将CO2转换成天然气,以供应气负荷和CHP机组,其源侧CO2与天然气的产出和消耗模型如下所示:
式中:
为生成单位功率天然气时需要CO
2的量;
为P2G设备电转气的转
换效率;
为
t时段储液罐提供的待处理的CO
2量;
为碳捕集效率;
为烟气分流比;
为
t时段火电厂CO2总释放量;
为碳排放强度;
为天然气的热值,取39MJ/m
3。
对传统碳捕集机组加装储液罐使其变成灵活碳捕集装置,由此能够实现CO2捕集与发电之间的解耦。针对综合能源系统中CHP机组存在“以热定电”的运行限制,通过配置储热罐来提高其运行的灵活性,最终提升整个综合能源系统的风光消纳空间。综合能源系统内储罐运行模型如下:
式中:
、
、
分别为
t时刻储液罐释放CO
2所需的溶液体积、富液罐溶液
量、贫液罐溶液量;
为MEA(乙醇胺)摩尔质量;
为CO
2摩尔质量;
为再生塔解析
量;
、
分别为醇胺溶液浓度、醇胺溶液密度;
、
分别为储热罐
t时刻和
t-1时刻的
储热量;
为储热罐在运行过程中单位时间内的热源损失率;
为储热罐
t时刻的热功
率(大于0时放热,小于0时吸热)。
由此,源侧联合运行框架实现了“电-气-热”三种能源间的灵活转换,能够根据用户的用能需求,来制定更为合理的生产计划,以达到有效消纳风光、减少系统碳排放、提高综合能源系统经济性的目的。
为进一步提升综合能源系统调度的灵活性,本实施例在负荷侧采用价格型综合需求响应,通过调控各个时段的能源价格,来改善用户的用能结构,以配合源侧生产计划构成源荷协同降碳机制。
根据负荷受价格影响的变化情况,将其分为固定负荷、可转移负荷、可削减负荷以及可替换负荷。其中,可转移负荷、可削减负荷参与横向需求响应(同种能源根据不同时段的能源价格信号,自发进行转移和削减动作);可替换负荷参与纵向需求响应(可相互替代的能源在同一时段,通过对比不同能源价格,自发进行能源间的替换动作),其需求响应模型如下:
式中:
、
分别为需求响应前后的电负荷;
为可转移电负荷变化量;
为削减电负荷的反弹负荷;
为削减电负荷;
、
、
分别为削减电负荷
t-1、
t-3、
t-3时刻的反弹系数;
、
、
分别为
t-1、
t-3、
t-3时刻的削减电负荷;
、
分别为需求响应前后的气负荷;
为可转移气负荷变化量;
削减气负荷的反弹负
荷;
为削减气负荷;
、
、
分别为削减气负荷
t-1、
t-3、
t-3时刻的反弹系数;
、
、
分别为
t-1、
t-3、
t-3时刻的削减气负荷;
为纵向需求响应可替换电
负荷变化量;
为纵向需求响应可替换气负荷变化量。同一时段用户会还会根据当时
不同能源价格之间的差异进行纵向需求响应,可计算求得纵向需求响应可替换电负荷变化
量
和纵向需求响应可替换气负荷变化量
。
引入价格型综合需求响应,是以改变用户用能方式为代价的,因此调度方案还应考虑用户用能方式满意度和用能费用满意度约束。本发明综合考虑负荷侧不同种能源利用占比情况,设置用能占比系数,构造出如下满意度评估模型:
式中:
SEU为用能方式满意度;
SEE为用能费用支出满意度;
为电负荷响应前
后变化量;
为响应前的总电负荷量;
为用电费用响应前后变化量;
为响应前
总用电费用;
为参与响应的负荷中电能的利用占比系数;
为响应前电价;
为响应
前气价;
为参与综合需求响应的电负荷量;
为响应前的总气负荷量;
为气负荷响
应前后变化量;
为用气费用响应前后变化量;
为响应前总用气费用;
为参与响应的
负荷中电能的利用占比系数;
为参与综合需求响应的气负荷量;
T为响应总时间。
SEU越
小,用户用能方式满意度水平越低;
SEE越大,表明用户的用能费用满意度水平越高。
针对系统内存在的风光出力不确定性,本发明采用基于非精确概率理论的机会约束分布鲁棒不确定集合来配置正负旋转备用,通过火电的快速调节能力来弥补预测误差对调度方案实施所产生的影响。
风、光预测误差样本数据存在不准确性且数量有限,单值概率密度函数难以有效
反映其不确定性分布特征。导致基于此概率密度函数,所求调度方案其可行性难以保证。因
此,本发明采用基于非精确概率理论的来构造风、光预测误差的累积概率分布函数模糊集,
以样本点概率分布区间的形式来替代样本点处的单值概率(这样不仅反映了预测误差的不
确定性,还反映了预测误差累积概率分布函数的不确定性)。例如,样本点
G处置信水平
下
的置信累积概率区间可构造如下:
式中,
分别为随机变量第
j个样本点处累积概率置信区间的上界、下界;
V和
Q分别为贝塔(Beta)分布
与贝塔分布
的累积概率分
布函数;
m j 为满足约束
的随机变量
x的样本数;
n为随机变量
x的样本总数;
s为等效
样本大小,决定了概率区间随样本容量收敛的速度,满足
。
同时还根据Devroye-Wise方法求得随机变量
的估计上下界
,最后,基于
随机变量累积概率分布函数(CDF)的置信区间和估计范围,可得出模糊集合
:
式中,
表示估计范围
内所有的累积概率分布函数的集合,
P为
随机变量
x发生的累积概率,
x d为随机变量
x的估计下界,
x u为随机变量
x的估计上界,
x j 为随
机变量第
j个样本点。
随着置信水平的提升,置信带的宽度也会越宽。这样模糊集内就会包含更多可能的风电或光伏预测误差概率分布,从而能够获得更具鲁棒性的决策结果。
本实施例基于分布鲁棒优化原理,利用累积概率分布函数模糊集,找到其中最劣概率分布,然后构建基于非精确概率理论的机会约束鲁棒区间集合模型,以此来描述综合能源系统对风、光预测误差所产生扰动的容忍范围。鲁棒区间内的预测误差,可通过预先配置旋转备用快速响应(旋转备用特指运行正常的发电机维持额定转速,随时可以并网,或已并网但仅带一部分负荷,随时可以加出力至额定容量的发电机组),消除其对综合能源系统稳定运行的影响;鲁棒区间外的预测误差,综合能源系统无法安全消纳。此时,为了保证综合能源系统安全,会执行弃风弃光和切负荷此类紧急手段。以造成一些经济损失为代价,来消除这部分预测误差带来的运行风险。
本实施例构建的基于非精确概率理论的机会约束鲁棒区间集合模型可以对系统可容忍范围的鲁棒性进行评估,同时可容忍范围外的区域需将其考虑为运行风险。机会约束鲁棒区间集合模型如下:
式中,R为鲁棒区间集合,
为
t时段不确定性因素
i的机会约束鲁棒区间;
为不确定性因素
i在
t时段预测误差的区间变量;
、
分别为区间变量的上、下界;
和
分别为预测误差鲁棒区间下界和上界所对应的累积概率;Pr为不确定因素
i在
t时段
发生在鲁棒区间内的概率;
代表不确定性因素在鲁棒区间的置信水平;
定义为
t时段鲁棒区间对应的分布鲁棒水平;
和
分别为
小于鲁棒区间下
界和大于鲁棒区间上界时所产生的运行风险期望值;
和
分别为不确定性因素
i在
t
时段的概率密度函数和累积概率分布函数,
包含在预测误差累积概率分布模糊集
中。
越小则说明所得调度方案对不确定性的可容忍范围越小,运行风险越大;
越
大则说明所得调度方案对不确定性的可容忍范围越大,运行风险越小。
系统的最劣分布鲁棒水平模型可表示如下:
式中,
为
t时段不确定性因素
i的累积概率分布函数信带的上界;
为
t时段不
确定性因素
i的累积概率分布函数置信带的下界。
在所求模糊集内,存在一个最劣累积概率分布。使得设置相同大小旋转备用,所带来的分布鲁棒水平效益最低。
本发明在求最劣分布鲁棒水平的
时,将累积概率分布函数置信带的上
界
作为最劣累积概率分布;在求
时,将累积概率分布函数置信带的下界
作为最劣累积概率分布。因为当
时,总能借助置信带上界
和置信带
下界
,以及一条连接点
的单调递增曲线构造出模糊集
中的最差累积概率分布。
本实施例构建的最优分布鲁棒经济多目标优化模型包括经济性目标函数、分布鲁棒水平目标函数、约束条件。
本发明综合考虑综合能源系统(IES)各项运行成本和CO2相关成本,构建如式(15)所示的经济性目标函数。
式中:
为燃煤机组运行成本;
为CHP机组运行成本;
为电锅炉运行
成本;
为P2G机组运行成本;
为系统购气成本;
为系统弃风/弃光惩罚成
本;
为CO
2相关成本;
为削减负荷补偿成本;
为旋转备用成本;
为碳捕
集成本。
每部分具体表达式如下:
式中:a、b、c分别为火电机组燃料成本–功率特性二次函数近似关系式中关于功率二次方、一次方的系数和常数项。
式中:
、
、
、
、
、
分别为CHP机组燃料成本–功率特性函数近似
关系式中关于功率常数项、电功率一次方系数、热功率一次方系数、电功率二次方系数、热
功率二次方系数、电热联合功率系数。
式中:
为弃风弃光惩罚成本系数;
为
t时刻经P2G设备消纳后的弃风
弃光功率(受发电机组最小出力和火电负旋转备用约束的限制,使得电能供应大于需求的
情况,从而产生部分弃风弃光)。
二氧化碳相关成本
:二氧化碳的相关成本由碳交易成本和碳封存成本构成。
碳交易机制下,当系统碳排放配额大于实际碳排放时,获得减排技术补贴;当系统碳排放配
额小于实际碳排放时,需购买碳排放权。
对于碳排放配额,一般以监管部门为IES免费发放为主。本发明采用基准线法来确
定碳排放配额,其碳排放额度
为:
式中:
分别为系统供电、CHP机组、气负荷的碳排放配额;
为 IES 碳排放配额;
分别为产生单位电功率、单位热功率以及消耗
单位气负荷的碳排放基准;
为系统
时段风光及火电机组供电量之和;
为发电量折算
成供热量的折算系数。
这部分碳交易量参与碳交易市场后,产生碳交易成本
。由此,本发明的二氧
化碳相关成本构造如下:
式中:
为削减的电负荷总量;
为削减的气负荷总量;
、
分别为电、气负
荷补偿系数。
式中:
为旋转备用成本系数;
、
分别为燃煤火电机组在时刻所提供的正
负旋转备用容量。
式中:
C Z、
C S分别为碳捕集电厂日折旧成本和溶剂损耗成本;
C FL 、
N ZJ分别为不含溶
液存储器的碳捕集设备总成本和折旧年限;
r为碳捕集电厂项目贴现率;
P RY、
V RY、
N RY分别为
单位体积的溶液存储器总成本、溶液存储器的体积和折旧年限;
K S、
分别为乙醇胺溶剂成
本系数和溶剂运行损耗系数。
为消除人为预先设定分布鲁棒水平(置信水平)的主观性,本发明构建出分布鲁棒水平目标函数,并与经济性目标函数进行协同优化。
考虑到在实际工程中,切负荷的补偿费用大于弃风、弃光惩罚费用,决策者往往趋向于避免发生切负荷,而去设置更多的上旋转备用,结合上述情况重新构造如下改进分布鲁棒水平目标函数:
式中:
为上旋转备用鲁棒重视系数(趋向于避免切负荷);
、
分别为弃风
弃光惩罚系数和切负荷惩罚系数。在本发明构建的最优分布鲁棒经济模型中,随着改进分
布鲁棒水平
的升高,置信水平增加,预测误差容忍区间增大,使得系统鲁棒性增强。
同时,构造出系统运行风险成本函数
对后续方案备用配置的合理程度进行
评估:
式中:
为由于预测误差和下备用不足导致的弃风弃光功率的期望值;
为预测误差和上备用不足导致的切负荷功率的期望值。
最优分布鲁棒经济多目标优化模型的约束条件包括常规机组约束、功率平衡约束和正、负旋转备用约束。
常规机组约束主要包括火电机组、CHP机组、P2G机组、储热罐、储液罐、电锅炉机组等运行约束。
功率平衡约束表示如下:
式中:
、
分别为
t时段风电功率、光伏功率;
、
分别为
t时段风电功率、
光伏功率的预测值;
为
t时段热负荷;
、
分别为风电预测误差区间的上、 下界;
、
分别为光伏预测误差区间的上、 下界;
为储热罐
t时段的热功率(大于 0 时
放热,小于 0 时吸热)。
风光出力和电负荷预测误差的不确定性通过设置旋转备用来解决。其中,正旋转备用是用来满足当按预测值所供电量无法满足电负荷实际值时,需要机组短时增加出力的情况,正旋转备用约束如下:
式中:
为
t时刻火电机组可提供的正旋转备用容量;
、
、
分别为
t时
刻风电、光伏及负荷预测误差所导致的正旋转备用需求;
为过渡时间;
为上升爬坡
速率;
为火电最大出力。相对风光出力预测来说,电负荷预测较为准确。由此,本发明
负荷备用需求采用固定系数法来获得,
为负荷备用系数。负旋转备用是用来满足当按预
测值所供电量大于电负荷实际需求值时,需要机组在短时间减少出力的情况;其约束构造
方法同理。
最优分布鲁棒经济多目标优化模型的确定性转化。
首先将火电的运行状态分为三种情况,一个是基于预测值
的运行状况
;
另一个是基于风光预测误差鲁棒区间下限的
的运行状况
;还有一个是
基于风光预测误差鲁棒区间上限
的运行状况
。系统需在这三种运行状
况下皆满足功率平衡约束,且火电机组的运行点能在调整时间内完成过渡。则可将其转换
为:
式中,
、
分别为
t时刻风电功率上限、下限;
、 分别为
t时刻光伏功
率上限、下限;
、
分别为
t时刻负荷预测误差所导致的正旋转备用需求和负旋转备
用需求。
式(37)为火电机组满足预测值运行状况与上下限运行状况的过渡约束。
式中,
为基于风光预测误差鲁棒区间均值的运行状况;
为上升爬坡速
率,
为下降爬坡速率。
针对风光实际出力不确定性
范围内的扰动,都能够被火
电机组提供的正负旋转备消除。
由于风、光预测误差同时发生,因此需考虑其联合分布情况。假设风电出力预测误
差
,光伏预测误差
相互独立。定义联合随机变量
,则可通过卷积方式得到
的累积概率分布函数置信带的上界
、累积概率分布函数置信带的下界
。
由此,在联合概率分布下,正负旋转备用对应的累积概率以及弃风/弃光、切负荷的期望值如下:
式中:K
c为联合发电的风电机组与光伏机组容量之和;
、
分别为火电机组旋
转备用所能消除风光联合预测误差扰动区间的上界、下界;
、
分别为
t时刻火电机组
可提供的正旋转备用容量和负旋转备用容量;
为
t时刻负荷预测误差所导致的负旋转
备用需求;
、
分别为联合预测误差上界、下界;
、
分别为旋转备用所提供误差容
忍区间上、下界对应的累积概率,亦即前述预测误差鲁棒区间上、下界所对应的累积概率。
优化求解最优分布鲁棒经济多目标优化模型得到调度方案。
本发明采用基于聚类的自适应微分进化算法(FCADE),并将其与帕累托非劣排序操作有机结合后,对最优分布鲁棒经济多目标优化模型进行求解。模型求解流程如图2所示,输入IES系统各设备参数和风光历史数据,输入“风-光-荷”预测指;根据置信水平γ和风光历史数据生成置信带,设定算法参数,初始化种群,初始迭代次数为0,计算鲁棒度和系统运行成本,然后进行Pareto非劣排序,通过FCADE算法的都新种群,判断是否达最大迭代次数,为否,迭代次数+1,重新计算鲁棒度和系统运行成本;如为是,得到Pareto最优解集,根据模糊集理论得到最优折中解,即为调度方案。
以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案,尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明,但本发明不局限于上述具体实施方式,因此任何对本发明进行修改或等同替换;而一切不脱离发明的精神和范围的技术方案及其改进,其均涵盖在本发明的权利要求范围当中。