CN115049250A - 面向供需不确定性综合能源系统多目标规划方法及系统 - Google Patents
面向供需不确定性综合能源系统多目标规划方法及系统 Download PDFInfo
- Publication number
- CN115049250A CN115049250A CN202210662966.6A CN202210662966A CN115049250A CN 115049250 A CN115049250 A CN 115049250A CN 202210662966 A CN202210662966 A CN 202210662966A CN 115049250 A CN115049250 A CN 115049250A
- Authority
- CN
- China
- Prior art keywords
- model
- energy
- planning
- demand
- uncertainty
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 92
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000003860 storage Methods 0.000 claims description 34
- 239000007789 gas Substances 0.000 claims description 27
- 229910052799 carbon Inorganic materials 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000010438 heat treatment Methods 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 6
- 239000002918 waste heat Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 description 10
- 238000009825 accumulation Methods 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005338 heat storage Methods 0.000 description 5
- 238000005057 refrigeration Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 101150067055 minC gene Proteins 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000779 smoke 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
- G06Q10/06—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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种面向供需不确定性综合能源系统多目标规划方法及系统，其属于综合能源系统优化规划技术领域，所述方案包括：获取待建地基本数据；基于预先确定的备选设备运行的等效特征参数，构建备选设备能量流模型；基于备选设备能量流模型及供需两侧多站多用户不确定性描述，构建在综合能源系统多目标优化规划模型；基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型；基于所述基本数据，采用基于拥挤度的约束生成算法对所述确定性多目标优化模型进行优化求解，获得IES最优规划方案。
Description
技术领域
本公开属于综合能源系统优化规划技术领域，尤其涉及一种面向供需不确定性综合能源系统多目标规划方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
综合能源系统(Integrated Energy System，IES)是将电、热、冷、气等各类能源统一规划、统一调度，实现多能互补协同供应的能源系统，具有能源综合利用效率高、能够促进可再生能源就地消纳和满足多样性用能需求等优势，是未来能源低碳转型的重要方向。综合能源系统构成复杂且型式繁多，面对不同的负荷需求和资源禀赋，因地制宜地合理规划系统配置，是发挥其优势的重要前提，也是综合能源系统高效运行和实现投资收益的基础。
目前国内外针对综合能源系统规划与优化配置技术已有一定的研究，但大多是针对确定场景、特定组合的能源系统进行建模和规划。综合能源系统中包含了大量的风、光等可再生能源，且直接面向用户需求，可再生能源出力与多样化用能需求的不确定性往往导致确定场景下的规划配置方案失去合理性和优化性。针对不确定条件下的综合能源系统规划，常用的优化建模方法主要包括随机优化和鲁棒优化等。随机优化规划方法一般需要已知不确定变量准确的概率密度分布，优化结果精度受制于概率密度的拟合程度。而鲁棒优化不需要知道不确定变量的概率分布，仅需确定不确定集的范围，求解结果可适应最恶劣的场景，在实际解决不确定性问题中应用更广泛。发明人发现，当前综合能源系统鲁棒优化规划技术的研究与应用现状，现有方法仍存在以下问题：
(1)现有技术主要还是考虑能源供应或者需求响应等单一不确定因素影响，未能将供需两侧多站多用户的多重不确定性统筹考虑；
(2)现有规划方法大多只针对经济性目标，在碳中和背景下，对于碳减排目标的考虑不足；而面向多优化目标的多阶段鲁棒优化模型求解复杂，在通用的综合能源工程场景下难以在规定时间内获得满意解，从而难以在工程中普遍应用。
发明内容
本公开为了解决上述问题，提供了一种面向供需不确定性综合能源系统多目标规划方法及系统，所述方案在兼顾经济性与碳减排目标与配置方案鲁棒性的基础上，对优化模型及求解流程进行了有效简化，实现综合能源系统快速的优化配置与容量规划，提高了优化效率及优化规划的准确性。
根据本公开实施例的第一个方面，提供了一种面向供需不确定性综合能源系统多目标规划方法，包括：
获取待建地基本数据，其中，所述基本数据包括综合能源系统设备投建容量的上下界与单位成本数据，并预测单位容量下的风光出力数据及用户不同能源的负荷需求数据；
基于预先确定的备选设备运行的等效特征参数，构建备选设备能量流模型；
基于备选设备能量流模型及供需两侧多站多用户不确定性描述，构建在综合能源系统多目标优化规划模型；其中，考虑到光伏、风电出力及负荷需求的不确定性，通过引入鲁棒参数构建能源供应侧与负荷需求侧的不确定集；且所述综合能源系统多目标优化规划模型中引入碳排放环保性衡量指标；
基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型；
基于所述基本数据，采用基于拥挤度的约束生成算法对所述确定性多目标优化模型进行优化求解，获得IES最优规划方案。
进一步的，所述能源供应侧不确定集，具体表示如下：
其中，μi,t和
分别为第i个光伏、风电等不确定性能源接入点在t时段的实际出力和预测出力；Δμi,t为实际出力与预测出力间的最大偏差；ξi,t为偏差系数；Ω为不确定性能源接入点的集合；Γs∈[0,|Ω|]为不确定性能源出力的鲁棒参数。
进一步的，所述负荷需求侧的不确定集，具体表示如下：
其中，
和
分别为第j个能源用户在t时段能源k的负荷实际需求和预测需求；
为实际需求与预测需求间的最大偏差；
为偏差系数；Ψ为能源用户的集合；Γn∈[0,|Ψ|]为不确定性能源需求的鲁棒参数。
进一步的，所述综合能源系统多目标优化规划模型，具体表示如下：
其中，Ctotal为IES的年化总成本，Em为年化CO2排放总量，X为IES规划决策变量(向量，对应各备选设备的配置容量)，ξ为不确定偏差系数。
进一步的，所述综合能源系统多目标优化规划模型的约束包括各设备能量流模型约束、系统配置容量约束以及系统运行约束。
进一步的，基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型，具体为：将所述多目标优化模型中的包含不确定偏差系数的能量平衡约束按照能量供应的必要条件转化为不等式型式，采用对偶锥方法对其进行鲁棒对等转换。
进一步的，所述构建备选设备能量流模型，包括燃气轮机模型、余热锅炉模型、燃气锅炉模型、电热锅炉制热模型、电制冷机制冷模型、吸收式制冷机制冷模型、热泵模型、光伏发电模型、风力发电模型、电能储存设备模型以及冷热双蓄水罐模型。
根据本公开实施例的第二个方面，提供了一种面向供需不确定性综合能源系统多目标规划系统，包括：
数据获取单元，其用于获取待建地基本数据，其中，所述基本数据包括综合能源系统设备投建容量的上下界与单位成本数据，并预测单位容量下的风光出力数据及用户不同能源的负荷需求数据；
备选设备能量流模型构建单元，其用于基于预先确定的备选设备运行的等效特征参数，构建备选设备能量流模型；
多目标优化规划模型构建单元，其用于基于备选设备能量流模型及供需两侧多站多用户不确定性描述，构建在综合能源系统多目标优化规划模型；其中，考虑到光伏、风电出力及负荷需求的不确定性，通过引入鲁棒参数构建能源供应侧与负荷需求侧的不确定集；且所述综合能源系统多目标优化规划模型中引入碳排放环保性衡量指标；
模型转化单元，其用于基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型；
优化求解单元，其用于基于所述基本数据，采用基于拥挤度的约束生成算法对所述确定性多目标优化模型进行优化求解，获得IES最优规划方案。
根据本发明实施例的第三方面，提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上所述的一种面向供需不确定性综合能源系统多目标规划方法。
根据本发明实施例的第四方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如上所述的一种面向供需不确定性综合能源系统多目标规划方法。
与现有技术相比，本公开的有益效果是：
(1)本公开提供了一种面向供需不确定性综合能源系统多目标规划方法及系统，所述方案在兼顾经济性与碳减排目标与配置方案鲁棒性的基础上，对优化模型及求解流程进行了有效简化，实现综合能源系统快速的优化配置与容量规划，提高了优化效率及优化规划的准确性。
(2)本公开所述方案充分考虑了供应侧风光出力和需求侧多用户负荷的不确定性，不需要建立不确定性参数的概率模型，仅需设置其波动范围，采用鲁棒对等转换，降低了计算复杂度，可通过鲁棒参数的设置调整规划方案的鲁棒性，以兼顾系统的经济性、环保性指标与系统鲁棒性。碳排放目标的设置可为碳中和背景下的低碳规划提供重要指导。同时，采用基于拥挤度的约束生成算法，每一次循环都能获得一个在一定目标约束区间上的最优解，与现有多目标多阶段的优化算法的迭代搜索相比，既保证了优化解的目标空间分布性，又可以缩短模型求解计算时间，具有良好的工程实用性。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例中所述的面向供需不确定性综合能源系统多目标规划方法工作流程图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一：
本实施例的目的是提供一种面向供需不确定性综合能源系统多目标规划方法。
一种面向供需不确定性综合能源系统多目标规划方法，包括：
步骤1：获取待建地基本数据，其中，所述基本数据包括综合能源系统设备投建容量的上下界与单位成本数据，并预测单位容量下的风光出力数据及用户不同能源的负荷需求数据；
其中，所述步骤1具体为：根据待建综合能源系统所在地的资源禀赋、负荷需求条件、建设条件限制等，获得各类设备投建容量的上下界、单位容量成本数据，预测各用户典型年或典型日的冷、热、电、气等多能负荷需求曲线和单位容量光伏、风电的出力曲线；
步骤2：基于预先确定的备选设备运行的等效特征参数，构建备选设备能量流模型；
其中，所述步骤2具体为：根据I ES各类设备在待建地运行的效率特性，确定各设备运行的等效特性参数(具体指能源转化效率、制冷制热系数、储能充放效率和散失系数等)，并据此建立各设备能量流模型。具体如下：
1)燃气轮机输出功率表达式如下：
式中：
和
分别为t时段燃气轮机的发电出力和热出力；
和
分别为燃气轮机的发电效率和热损失率；VGT,t为t时段燃气轮机天然气输入量；Hgas为天然气低位热值。燃气内燃机的典型模型与燃气轮机相似，其发电功率和热输出功率用t和
替代表示。
2)余热锅炉模型表达式如下：
式中，QWB,t和
分别为t时段余热锅炉的热出力和输入烟气热量；ηWB为余热锅炉热回收转换效率。
3)燃气锅炉模型表达式如下：
QGB,t＝ηGB·VGB,t·Hgas (3)
式中，QGB,t为t时段燃气锅炉的热出力；ηGB为燃气锅炉的转换效率；VGB,t为t时段燃气锅炉天然气输入量。
4)电热锅炉制热表达式如下：
QEB,t＝ηEB·PEB,t (4)
式中，QEB,t为t时段电锅炉的输出热量；ηEB为电锅炉转换效率；PEB,t为t时段电锅炉输入功率。
5)电制冷机制冷表达式为：
QEC,t＝γEC·PEC,t (5)
式中，QEC,t为t时段电制冷机的制冷量；γEC为电制冷机的制冷系数(COP)；PEC,t为t时段电制冷机的输入功率。
6)吸收式制冷机制冷表达式为：
式中，QAC,t为t时段吸收式制冷机的制冷量；γAC为吸收式制冷机的制冷系数(COP)；
为t时段吸收式制冷机的输入热功率。
7)热泵根据热源种类分为空气源热泵、水源热泵和地源热泵等。一般来说，热泵可实现制热和制冷两种运行工况，其数学模型为
式中，
和
分别为t时段热泵的制热量和制冷量；
和
分别为热泵的制热系数和制冷系数；
和
分别为t时段热泵的输入电功率。
和
为0-1变量，表示热泵在t时段的运行工况，热泵在同一时段只能工作在制热或制冷一种工况下，
为1时，热泵处于制热工况下，而当
为1时，热泵则处于制冷工况下；
为一个极大常数。
8)光伏和风电作为分布式电源接入，其发电出力可表示为
PPV,t＝XPV·μPV,t (8)
PWT,t＝XWT·μWT,t (9)
式中，PPV,t和PWT,t分别为t时段光伏和风电的出力；XPV和XWT分别为光伏和风电的配置容量；μPV,t和μWT,t分别为单位容量的光伏和风电在t时段的出力值。
9)蓄电池作为电能储存设备，其充放电过程的表达式为
式中，
为t时段末蓄电池的荷电量；
和
分别为蓄电池t时段充电和放电功率；δe为蓄电池的散失系数；
和
分别蓄电池的充电和放电效率。
10)蓄水罐可单独用来蓄冷或者蓄热，也可以实现冷热双蓄。冷热双蓄水罐的模型如下：
式中，
和
分别为t时段末蓄水罐的蓄冷量和蓄热量；
和
分别为蓄水罐蓄冷和放冷功率；
和
分别为蓄水罐蓄热和放热功率；δc和δh分别为蓄水罐在蓄冷或蓄热模式下的散失系数；
和
分别为蓄水罐蓄冷和放冷效率；
和
分别为蓄水罐蓄热和放热效率；
和
为0-1变量，表示蓄水罐在t时段运行在蓄冷或蓄热模式，
为一个极大常数。
步骤3：基于备选设备能量流模型及供需两侧多站多用户不确定性描述，构建在综合能源系统多目标优化规划模型；其中，考虑到光伏、风电出力及负荷需求的不确定性，通过引入鲁棒参数构建能源供应侧与负荷需求侧的不确定集；且所述综合能源系统多目标优化规划模型中引入碳排放环保性衡量指标；
其中，所述步骤3具体为：
结合供需两侧不确定性的描述，构建综合能源系统多目标鲁棒优化规划模型。
(1)考虑到光伏、风电出力及负荷需求的不确定性，引入鲁棒参数构建能源供应与需求的不确定集。能源供应侧的不确定集合描述如下：
式中，μi,t和
分别为第i个光伏、风电等不确定性能源接入点在t时段的实际出力和预测出力；Δμi,t为实际出力与预测出力间的最大偏差；ξi,t为偏差系数；Ω为不确定性能源接入点的集合；Γs∈[0,|Ω|]为不确定性能源出力的鲁棒参数，表征了实际问题中不确定性能源出力的空间集群效应，即在同一时段内各不确定性能源出力的偏差系数不可能同时达到边界。
负荷需求侧的不确定集合描述如下：
式中，
和
分别为第j个能源用户在t时段能源k的负荷实际需求和预测需求；
为实际需求与预测需求间的最大偏差；
为偏差系数；Ψ为能源用户的集合；Γn∈[0,|Ψ|]为不确定性能源需求的鲁棒参数。通过调整Γs和Γn可以改变规划系统的鲁棒性。
(2)综合能源系统鲁棒优化规划模型的约束除了包含各设备能量流模型约束，还包含系统配置容量约束和运行约束，系统运行约束主要包括能量平衡约束、设备运行约束、与电网的交互约束和系统网络约束等。
1)配置容量约束
式中，Xi为设备i的投建容量；
为设备i的最大投建容量限制值；I＝{GT,GE,WB,GB,EB,EC,AC,HP,PV,WT,ES,WS}，为设备类型集合。
2)能量平衡约束
能量平衡约束包括电平衡、热平衡、冷平衡和气平衡约束，即各能量的输入量与生产量之和等于输出量与消耗量之和。
电平衡：
热平衡：
冷平衡：
气平衡：
式中，
和
分别为t时段系统向电网的购电量和售电量；Vin,t为t时段的购气量，
和
分别为第j个能源用户在t时段燃气的负荷预测需求和最大波动偏差。
3)设备运行约束
设备运行约束包括设备出力约束和储能容量约束，其中设备出力约束：
式中，
为设备i的最小运行负荷系数；σhc为热泵冷热工况额定容量换算系数。
储能装置的运行约束如下：
式中，
和
分别为蓄电池和蓄水罐的可释能容量下限比例系数；
和
分别为蓄电池充放电限制倍率；
和
分别为蓄水罐蓄冷模式下蓄放限制倍率；
和
分别为蓄水罐蓄热模式下蓄放限制倍率；
和
分别为蓄水罐配置容量XWS对应的额定蓄冷量和蓄热量，可由下式求得：
式中，Δtc和Δth分别为蓄水罐蓄冷和蓄热模式的设计温差，单位取℃；
和
的单位取kWh，XWS的单位取m3。
此外，对于周期性的蓄能应用，需满足蓄放能周期的始末能量相等：
4)与电网的交互约束
式中，
为与上级电网联络线交互功率上限。
5)系统网络约束
IES配置需要考虑工艺系统流程与能量梯级利用等因素，以满足各类设备输入输出能源类型与品质参数的要求。与工艺流程原理有关的约束例如：余热锅炉利用燃气轮机排烟，吸收式制冷机利用燃气内燃机、余热锅炉或燃气锅炉输出热量，其网络约束如下：
(3)IES规划问题是一类典型的多目标优化问题，特别是在当前碳达峰、碳中和背景下，IES规划至少需要兼顾经济性和环保性目标。经济性目标函数表示为：
minCtotal＝Cinv+Cop+Cma
式中，Ctotal为IES的年化总成本；Cinv为设备投资年化成本；Cop和Cma分别为IES年运行和维护成本。
设备投资年化成本的计算公式为：
式中，r为年利率；n为系统设计寿命年限；pi为设备i投建单元容量的成本。
系统运行与维护成本的计算公式为：
式中，D为典型年包含的典型日集合；Nd为典型年中典型日d对应的天数；
和
分别为向电网购电和售电的单价；
为购气单价；
为设备i单位出力对应的维护费用；Qi,t为设备i在t时段的出力。
在碳中和背景下，采用CO2的年化排放总量作为IES规划环保性衡量指标，环保性目标函数表示为：
式中，Em为年化CO2排放总量；α和β分别为电网电力与燃气对应的污染物排放系数。
综上，综合能源系统鲁棒优化规划目标可表示为：
步骤4：基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型；
其中，所述步骤4具体为：
对步骤3中建立鲁棒优化模型进行鲁棒对等变换，转化为确定性优化模型。
将鲁棒优化模型中的包含不确定偏差系数ξ的能量平衡约束按照能量供应的必要条件转化为不等式型式，采用对偶锥方法对其进行鲁棒对等转换可得：
式中，
ωi,t、
均为对偶变量。原约束能量平衡的充分性可由规划目标的最优化过程来保证，或者在系统运行阶段的调度优化过程中保证。由此，考虑供需不确定性的IES鲁棒规划问题转化为确定性多目标优化问题。
步骤5：基于所述基本数据，采用基于拥挤度的约束生成算法对所述确定性多目标优化模型进行优化求解，获得IES最优规划方案。
其中，所述步骤5具体为：
采用基于拥挤度的约束生成算法，求解步骤4中得到的确定性多目标优化模型，获得IES最优鲁棒规划方案集供决策者根据目标偏好进行对比决策。
基于拥挤度的约束生成算法步骤如下：
1)将步骤4中得到的多目标优化模型，按照目标分解转化为两个单目标优化子问题SP1和SP2，其中M1和M2为约束参数。
2)参数初始化。给定解的个数N，令M1＝+∞，M2＝+∞；
3)求解SP1，得到目标值o1，令M2＝o1，求解SP2，得到最优解
及目标值o2，将
及对应目标值{o1,o2}计入Pareto解集；令M2＝+∞，求解SP2，得到目标值o2，令M1＝o2，求解SP1，得到最优解
及目标值o1，将
及对应目标值{o1,o2}计入Pareto解集。
4)随机选择一个优化目标，将Pareto解按照该目标值排序，计算相邻两解之间的拥挤距离di，选出对应最大拥挤距离的两个解
式中，
为第i个解对应的第k个目标的目标值；
和
分别为Pareto解集中第k个目标值的最大值和最小值；K为优化问题的目标个数。
5)若步骤4)选中的为目标1，则令
求解SP2，得到目标值o2,n，令M1＝o2,n，求解SP1，得到最优解
及目标值o1,n；否则，令
求解SP1，得到目标值o1,n，令M2＝o1,n，求解SP2，得到最优解
及目标值o2,n。将
及对应目标值{o1,n,o2,n}计入Pareto解集；
6)若Pareto解个数≥N，输出Pareto解，算法终止；否则，返回步骤4)。
实施例二：
本实施例的目的是提供一种面向供需不确定性综合能源系统多目标规划系统。
一种面向供需不确定性综合能源系统多目标规划系统，包括：
数据获取单元，其用于获取待建地基本数据，其中，所述基本数据包括综合能源系统设备投建容量的上下界与单位成本数据，并预测单位容量下的风光出力数据及用户不同能源的负荷需求数据；
备选设备能量流模型构建单元，其用于基于预先确定的备选设备运行的等效特征参数，构建备选设备能量流模型；
多目标优化规划模型构建单元，其用于基于备选设备能量流模型及供需两侧多站多用户不确定性描述，构建在综合能源系统多目标优化规划模型；其中，考虑到光伏、风电出力及负荷需求的不确定性，通过引入鲁棒参数构建能源供应侧与负荷需求侧的不确定集；且所述综合能源系统多目标优化规划模型中引入碳排放环保性衡量指标；
模型转化单元，其用于基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型；
优化求解单元，其用于基于所述基本数据，采用基于拥挤度的约束生成算法对所述确定性多目标优化模型进行优化求解，获得IES最优规划方案。
进一步的，本实施例所述系统与实施例一中所述的多目标优化规划方法相对应，其技术细节在实施例一中已经进行了详细说明，故此处不再赘述。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例一中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
上述实施例提供的一种面向供需不确定性综合能源系统多目标规划方法及系统可以实现，具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种面向供需不确定性综合能源系统多目标规划方法，其特征在于，包括：
获取待建地基本数据，其中，所述基本数据包括综合能源系统设备投建容量的上下界与单位成本数据，并预测单位容量下的风光出力数据及用户不同能源的负荷需求数据；
基于预先确定的备选设备运行的等效特征参数，构建备选设备能量流模型；
基于备选设备能量流模型及供需两侧多站多用户不确定性描述，构建在综合能源系统多目标优化规划模型；其中，考虑到光伏、风电出力及负荷需求的不确定性，通过引入鲁棒参数构建能源供应侧与负荷需求侧的不确定集；且所述综合能源系统多目标优化规划模型中引入碳排放环保性衡量指标；
基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型；
基于所述基本数据，采用基于拥挤度的约束生成算法对所述确定性多目标优化模型进行优化求解，获得IES最优规划方案。
2.如权利要求1所述的一种面向供需不确定性综合能源系统多目标规划方法，其特征在于，所述能源供应侧不确定集，具体表示如下：
其中，μi,t和
分别为第i个光伏、风电等不确定性能源接入点在t时段的实际出力和预测出力；Δμi,t为实际出力与预测出力间的最大偏差；ξi,t为偏差系数；Ω为不确定性能源接入点的集合；Γs∈[0,|Ω|]为不确定性能源出力的鲁棒参数。
3.如权利要求1所述的一种面向供需不确定性综合能源系统多目标规划方法，其特征在于，所述负荷需求侧的不确定集，具体表示如下：
其中，
和
分别为第j个能源用户在t时段能源k的负荷实际需求和预测需求；
为实际需求与预测需求间的最大偏差；
为偏差系数；Ψ为能源用户的集合；Γn∈[0,|Ψ|]为不确定性能源需求的鲁棒参数。
4.如权利要求1所述的一种面向供需不确定性综合能源系统多目标规划方法，其特征在于，所述综合能源系统多目标优化规划模型，具体表示如下：
其中，Ctotal为IES的年化总成本，Em为年化CO2排放总量，X为IES规划决策变量，对应各备选设备的配置容量，ξ为不确定偏差系数。
5.如权利要求1所述的一种面向供需不确定性综合能源系统多目标规划方法，其特征在于，所述综合能源系统多目标优化规划模型的约束包括各设备能量流模型约束、系统配置容量约束以及系统运行约束。
6.如权利要求1所述的一种面向供需不确定性综合能源系统多目标规划方法，其特征在于，基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型，具体为：将所述多目标优化模型中的包含不确定偏差系数的能量平衡约束按照能量供应的必要条件转化为不等式型式，采用对偶锥方法对其进行鲁棒对等转换。
7.如权利要求1所述的一种面向供需不确定性综合能源系统多目标规划方法，其特征在于，所述构建备选设备能量流模型，包括燃气轮机模型、余热锅炉模型、燃气锅炉模型、电热锅炉制热模型、电制冷机制冷模型、吸收式制冷机制冷模型、热泵模型、光伏发电模型、风力发电模型、电能储存设备模型以及冷热双蓄水罐模型。
8.一种面向供需不确定性综合能源系统多目标规划系统，其特征在于，包括：
数据获取单元，其用于获取待建地基本数据，其中，所述基本数据包括综合能源系统设备投建容量的上下界与单位成本数据，并预测单位容量下的风光出力数据及用户不同能源的负荷需求数据；
备选设备能量流模型构建单元，其用于基于预先确定的备选设备运行的等效特征参数，构建备选设备能量流模型；
多目标优化规划模型构建单元，其用于基于备选设备能量流模型及供需两侧多站多用户不确定性描述，构建在综合能源系统多目标优化规划模型；其中，考虑到光伏、风电出力及负荷需求的不确定性，通过引入鲁棒参数构建能源供应侧与负荷需求侧的不确定集；且所述综合能源系统多目标优化规划模型中引入碳排放环保性衡量指标；
模型转化单元，其用于基于对等变换将具有不确定性因素的多目标优化规划模型转化为确定性多目标优化模型；
优化求解单元，其用于基于所述基本数据，采用基于拥挤度的约束生成算法对所述确定性多目标优化模型进行优化求解，获得IES最优规划方案。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种面向供需不确定性综合能源系统多目标规划方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种面向供需不确定性综合能源系统多目标规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210662966.6A CN115049250A (zh) | 2022-06-13 | 2022-06-13 | 面向供需不确定性综合能源系统多目标规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210662966.6A CN115049250A (zh) | 2022-06-13 | 2022-06-13 | 面向供需不确定性综合能源系统多目标规划方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115049250A true CN115049250A (zh) | 2022-09-13 |
Family
ID=83161994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210662966.6A Pending CN115049250A (zh) | 2022-06-13 | 2022-06-13 | 面向供需不确定性综合能源系统多目标规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115049250A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116885715A (zh) * | 2023-09-05 | 2023-10-13 | 国网山西省电力公司太原供电公司 | 一种分布式光伏集群功率短期预测方法及装置 |
-
2022
- 2022-06-13 CN CN202210662966.6A patent/CN115049250A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116885715A (zh) * | 2023-09-05 | 2023-10-13 | 国网山西省电力公司太原供电公司 | 一种分布式光伏集群功率短期预测方法及装置 |
| CN116885715B (zh) * | 2023-09-05 | 2023-11-14 | 国网山西省电力公司太原供电公司 | 一种分布式光伏集群功率短期预测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yan et al. | Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria | |
| CN109510224B (zh) | 光伏储能与分布式能源联合的容量配置与运行优化方法 | |
| CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
| Wei et al. | Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system | |
| CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN113779783B (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
| CN112417651B (zh) | 一种基于后悔规避的用户级综合能源系统优化方法 | |
| Afzali et al. | Urban community energy systems design under uncertainty for specified levels of carbon dioxide emissions | |
| CN112966883B (zh) | 综合能源系统运行优化方法及终端设备 | |
| CN112633575B (zh) | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 | |
| CN110400090A (zh) | 一种基于多目标随机优化的智能园区多能源微网配置方法 | |
| CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
| Wang et al. | Optimal scheduling for integrated energy system considering scheduling elasticity of electric and thermal loads | |
| Kang et al. | Feed-forward active operation optimization for CCHP system considering thermal load forecasting | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法 | |
| CN115049250A (zh) | 面向供需不确定性综合能源系统多目标规划方法及系统 | |
| CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
| CN110992206B (zh) | 一种多源电场的优化调度方法及系统 | |
| CN113609778B (zh) | 一种综合能源系统多目标优化方法及系统 | |
| CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
| CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 | |
| CN114662938A (zh) | 综合能源系统的能效评价方法、装置、终端及存储介质 |
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 |