CN116681228A - 一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法 - Google Patents
一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法 Download PDFInfo
- Publication number
- CN116681228A CN116681228A CN202310489875.1A CN202310489875A CN116681228A CN 116681228 A CN116681228 A CN 116681228A CN 202310489875 A CN202310489875 A CN 202310489875A CN 116681228 A CN116681228 A CN 116681228A
- Authority
- CN
- China
- Prior art keywords
- power
- representing
- energy
- gas
- constraint
- 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 81
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004146 energy storage Methods 0.000 claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 239000007789 gas Substances 0.000 claims description 101
- 238000003860 storage Methods 0.000 claims description 52
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 230000005611 electricity Effects 0.000 claims description 20
- 238000010438 heat treatment Methods 0.000 claims description 18
- 239000003345 natural gas Substances 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 238000010521 absorption reaction Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 238000010248 power generation Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 11
- 238000001816 cooling Methods 0.000 claims description 11
- 229910052739 hydrogen Inorganic materials 0.000 claims description 11
- 239000001257 hydrogen Substances 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 9
- 238000002485 combustion reaction Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 239000002737 fuel gas Substances 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000012938 design process Methods 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 238000010977 unit operation Methods 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims 1
- 238000005338 heat storage Methods 0.000 description 6
- 238000005485 electric heating Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0475—Generative networks
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
Abstract
本发明公开了一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。该方法首先使用一种改进的可控生成对抗网络来对包含多种类型源‑荷数据在内的复杂场景进行生成；然后，以系统的总经济指标最低、碳交易指标最小、供能可靠性最高为目标函数，综合考虑系统的能量平衡约束、设备容量约束、设备出力功率约束、各类储能设备的运行约束、碳排放总量约束、碳排放强度约束、碳交易额度约束，构建了一种低碳综合能源系统容量优化配置模型；最后，通过求解器对该优化模型进行求解，得出综合能源系统中各类设备的最优配置容量。该发明为综合能源系统的规划和建设提供了更加经济有效、更加稳定、更加低碳的解决方案。
Description
技术领域
本发明涉及综合能源系统优化规划与能量管理领域，特别是涉及一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。
背景技术
随着能源危机和环境污染的加剧，可再生能源发电日益普及，然而在实践中，多种形式的能源往往同时被使用(例如，电热冷气)，因此，仅仅针对电力需求进行规划是不够的。目前，由于不同能量流具有不同的特性，大多数具有多种能源需求的能源系统都是单独规划和运行的，这导致了能源供应成本和碳排放高、能源效率低、鲁棒性差等各种问题。近年来，各种新型设备和研究方法的出现，使得综合能源系统逐步成为提高经济效益、减少碳排放和满足多样化能源需求的一种很有前景的模式。综合能源系统由能源生产设备、能源转换设备、能源传输设备和能源存储设备组成，通过多种能源形式的时空协调互补，系统可以满足电力、供暖、制冷和燃气等多种需求。由于间歇性可再生能源发电和负荷变化带来的不确定性，综合能源系统的规划的重要性日渐凸显，适当的容量规划对综合能源系统的经济成本、能源利用效率、能源供应可靠性和碳排放等方面均会产生关键影响。
现有的综合能源系统规划问题主要存在以下几个挑战：(1)综合能源系统规划中包括了各种能源流(电热冷气)和多种不确定性(源侧和需求侧)，但现有的大多数方法只考虑了电力或电力/热力，这些不确定性没有得到充分考虑。(2)实际的源侧和需求侧数据往往是难以获得的，现有的方法要么只使用一个典型日的数据进行规划，要么使用传统的场景生成方法简单地扩展现有数据，导致规划结果不准确，规划模型适用性差。(3)在大多数现有的方法中，碳排放约束仅被视为辅助或从属因素，规划结果无法保持经济指标和碳排放指标之间的平衡，有时为了降低系统成本，规划结果不得不允许额外的碳排放。
本发明公开一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。该方法使用一种改进的可控生成对抗网络对系统的运行场景进行生成，充分刻画出系统源侧和需求侧的不确定性；构建了具有多种能量流和设备的综合能源系统拓扑结构，并对系统中的各类设备进行数学建模；然后结合生成的运行场景，提出了一种综合考虑系统的总体经济指标、碳排放指标和系统供能可靠性指标的综合能源系统设备容量优化配置模型；最后通过求解器对模型进行优化求解，为综合能源系统的设备容量优化配置提供了更加精确可靠的解决方案。
发明内容
本发明的目的在于针对现有技术的不足，提供一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。本发明所采用的技术方案如下：
步骤(1)，在生成对抗网络中加入控制向量进行改进，构建基于改进可控生成对抗网络的综合能源系统运行场景生成模型，并基于历史数据对改进后的生成对抗网络进行训练，使用训练完毕后的生成器对包括多种类型源-荷数据在内的复杂运行场景进行生成，得到综合能源系统运行场景集；所述多种类型源-荷数据至少包括风电、光伏、电负荷、热负荷、冷负荷数据；
步骤(2)，对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模(风电、光伏、电转气、热泵、电制冷机、吸收式制冷机、空调、燃气锅炉、燃气轮机、电储、热储、冷储、气储)，构建综合能源系统的拓扑结构；
步骤(3)，结合步骤(1)中得到的综合能源系统运行场景集以及步骤(2)中得到的设备数学模型和综合能源系统拓扑结构，构建考虑场景不确定性和碳排放的综合能源系统设备容量优化配置模型，具体包括以下子步骤：
(3.1)建立优化的目标函数：
综合能源系统总的优化目标函数主要包括总体经济指标、碳交易指标、供能可靠性指标三个方面，具体如下所示：
其中，ObjTotal表示系统规划设计过程中总的目标函数，表示系统的总体经济指标，/>表示碳交易费用，/>表示供电可靠性惩罚，NY表示规划总场景数；
(3.1.1)总体经济指标：
其中，表示系统在场景y下的总投资成本，/>表示系统的运维成本，表示系统的燃气费用，/>表示系统从电网购电的费用，/>表示向电网售电的费用，/>表示系统的设备残值；
(3.1.2)碳交易指标：
其中，和/>分别表示碳交易价格和碳交易手续费，单位为元/t；表示综合能源系统在场景y下的碳排放量，/>表示系统的免费碳排放配额；
(3.1.3)供能可靠性惩罚：
其中，λpunish表示惩罚系数，fREL(y,t)表示系统的供能可靠性函数；
(3.2)建立优化的约束条件，包括能量平衡约束(电热冷气)、设备容量约束、设备功率约束、电网交互功率约束、气网输气功率约束、储能SOC约束、储能充放能功率约束(电储、热储、冷储、气储)、储气罐压力约束、碳排放强度约束、碳排放总量约束、碳交易额度约束；
步骤(4)，将通过求解器对步骤(3)中得到的综合能源系统设备容量优化配置模型进行优化求解，得到系统中各类设备的最优配置容量。
本发明的有益效果在于：本发明建立了一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，以系统的总经济指标最低、碳排放指标最小、供能可靠性最高为优化目标，考虑系统的能量平衡约束、设备容量约束、设备功率约束、储能运行约束、碳排放强度约束等约束条件，并采用求解器求解此优化问题，该方法可以降低综合能源系统的建设成本和用户的用能成本，提升供能稳定性，为综合能源系统的规划和建设提供更加经济低碳、鲁棒性更好的解决方案。
附图说明
图1为综合能源系统拓扑结构示意图；
图2为改进后的可控生成对抗网络的整体结构示意图；
图3为生成的一般运行场景集中部分典型日示意图，其中(a)为风电出力场景,(b)为光伏出力场景，(c)为电负荷场景，(d)为热负荷场景；图中各曲线上标注的数字代表日期，例如数字10.03表示10月3日。
图4为生成的极端运行场景集中部分典型日示意图，其中(a)为风电出力场景,(b)为光伏出力场景，(c)为电负荷场景，(d)为热负荷场景；图中各曲线上标注的数字代表日期，例如数字10.03表示10月3日。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明涉及一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，该综合能源系统包括多种可再生能源(风电、光伏)，储能设备(电储、热储、冷储、气储)，电转气设备，热泵，空调，电制冷机，吸收式制冷机，燃气轮机，燃气锅炉，等等，如图1所示。本发明的目的是提出一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，从而为综合能源系统的规划提供更加精确的指导，使得系统总体上更加经济低碳。为说明本发明效果，下面以某一含可再生能源的综合能源系统作为本发明的实施对象对本发明方法进行详细说明：
步骤(1)，在基础的生成对抗网络中加入控制向量，构建基于改进可控生成对抗网络的综合能源系统运行场景生成模型，并基于历史数据对改进后的生成对抗网络进行训练，使用训练完毕后的生成器对包括风电、光伏、电负荷、热负荷、冷负荷等多种类型源-荷数据在内的复杂运行场景进行生成，得到综合能源系统运行场景集；
(1.1)构建基础的生成对抗网络模型：生成对抗网络模型主要由生成器和判别器两部分构成，根据生成器和判别器的训练目标，分别构造两者的损失函数LG和LD，如下所示：
其中，pnoise表示随机噪声z的概率分布，pdata(x)表示历史数据x的概率分布，G(z)表示生成器生成的数据样本，D(G(z))和D(x)分别表示生成的数据和历史数据在判别器中被认为是真的概率，E()表示数学期望。
生成器和判别器的训练目标分别是使LG最小和LD最大，得到一般的生成对抗网络模型训练目标函数如下：
(1.2)将基础的生成对抗网络模型改进成具有可解释性的可控生成对抗网络模型：
1.2.1)对判别器进行改造，将一个辅助网络Q附加到判别器D的第二层到最后一层；1.2.2)选取控制向量c＝{平均值、最大值、最小值、平均波动值、最大爬坡值}和随机噪声z一起输入到生成器G中；1.2.3)根据控制向量c，从历史数据中挑选出特征指标和c最接近的一组数据，输入到辨别器D中；1.2.4)对生成器G、辨别器D和辅助网络Q进行迭代训练，直至模型收敛；1.2.5)使用训练好的生成器，通过设置控制向量c的值，以此来生成综合能源系统运行场景集。
改进后的模型训练目标函数如下：
其中，D(x|c)和D(G(z,c))分别表示在控制向量c的影响下，挑选出的历史场景和生成的场景在判别器D中被认为是真实样本的概率；λ表示一个超参数；LI(G,Q)表示生成器和辅助网络之间互信息I的波动下限。
本发明所使用的改进后的可控生成对抗网络模型的整体结构如图2所示，模型构建完毕后，将风电、光伏、电负荷、热负荷和冷负荷的历史数据分别输入到构建好的生成对抗模型中进行训练，模型可以自发地学习到历史数据的统计特征。
(1.3)设置合适的控制向量的值，并使用训练完毕后的模型的生成器对风电、光伏的和各类负荷数据进行生成，生成的一般运行场景和极端运行场景分别如图3和图4所示，图3中的四组曲线(a)、(b)、(c)、(d)分别表示从生成的一般运行场景中抽取出的具有代表性的部分典型日的风电、光伏、电负荷和热负荷，图4中的四组曲线(a)、(b)、(c)、(d)分别表示从生成的极端运行场景中抽取出的具有代表性的部分典型日的风电、光伏、电负荷和热负荷，从图中可以看出改进后的生成对抗网络可以根据用户的实际需求生成具有不同偏向的运行场景。
步骤(2)，对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模(风电、光伏、电转气、热泵、电制冷机、吸收式制冷机、空调、燃气锅炉、燃气轮机、电储、热储、冷储、气储)，然后提出需要构建的综合能源系统的拓扑结构；
(2.1)对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模：
(2.1.1)热泵
其中，和/>分别表示t时刻热泵的制热和制冷功率，/>和/>分别表示热泵制热和制冷过程中消耗的电功率，/>和/>分别表示热泵制热和制冷时的电能损耗系数，/>和/>分别表示热泵制热和制冷时的能效比。
(2.1.2)空调、电制冷机、吸收式制冷机
QAC(t)＝PAC(t)·(1-ζAC)·EERAC
QEC(t)＝PEC(t)·(1-ζEC)·EEREC
QAPC_out(t)＝QAPC_in(t)·(1-ζAPC)·EERAPC
其中，QAC(t)、QEC(t)和QAPC_out(t)分别表示空调、电制冷机和吸收式制冷机在t时刻制冷功率，PAC(t)和PEC(t)分别表示空调和电制冷机消耗的电功率，QAPC_in(t)表示吸收式制冷机消耗的冷功率，ζAC、ζEC和ζAPC分别表示三种制冷设备的能量损耗系数，EERAC、EEREC和EERAPC分别表示三种设备制冷的能效比。
(2.1.3)电转气
其中，GP2G(t)表示在t时刻电转气设备生产的天然气，表示电转气设备消耗的电功率，ζP2G和ηP2G表示电转气设备的电能损耗系数和能量转化效率，HICV表示天然气燃烧的低热值。
(2.1.4)燃气轮机
其中，PGT(t)和QGT(t)分别表示在t时刻燃气轮机的产生的电功率和热功率，GGT(t)表示燃气轮机消耗的燃气功率，ηGT_P和ηGT分别表示燃气轮机的能量生产效率和燃气损耗系数。
(2.1.5)燃气锅炉
其中，QGB(t)和GGB(t)分别表示t时刻燃气锅炉的制热功率和燃气消耗功率，ζGB和ηGB分别表示燃气锅炉的燃气损耗系数和制热效率。
(2.1.6)储能设备(电储、热储、冷储、气储)
其中，τ表示充放能标志位，EES(t)、HES(t)、CES(t)和Ggas(t)分别表示t时刻电储、热储、冷储和气储中各类能量的储量，Pch(t)、hch(t)、cch(t)和gch(t)分别表示各类储能的充能功率，Pdis(t)、hdis(t)、cdis(t)和gdis(t)分别表示各类储能的放能功率，和/>分别表示各类储能的充能效率，/>和/>分别表示各类储能的放能效率。
(2.2)本方法所构建的综合能源系统拓扑结构具体如图1所示。
步骤(3)，结合步骤(1)中得到的综合能源系统运行场景集以及步骤(2)中得到的设备数学模型和综合能源系统拓扑结构，构建一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置模型，具体包括以下子步骤：
(3.1)建立优化的目标函数：
综合能源系统总的优化目标函数主要包括总体经济指标、碳交易指标、供能可靠性指标三个方面，具体如下所示：
其中，ObjTotal表示系统规划设计过程中总的目标函数，表示系统的总体经济指标，/>表示碳交易费用，/>表示供电可靠性惩罚，NY表示规划总场景数。
(3.1.1)总体经济指标：
其中，表示系统在场景y下的总投资成本，/>表示系统的运维成本，表示系统的燃气费用，/>表示系统从电网购电的费用，/>表示向电网售电的费用，/>表示系统的设备残值。
总经济指标中的投资成本、运维成本、燃气费用、电网购电费用、电网售电收益和设备残值的计算过程具体如下：
投资成本：
其中，Neq表示综合能源系统中的设备数量，和/>表示设备i的配置系数和配置容量，/>表示设备i的单位投资成本。
运维成本：
其中，NT表示一个场景集中的时间段总数，表示在t时刻设备i的供能功率，表示风电和光伏的特性值，/>表示设备i的单位运维成本。
燃气费用：
其中，表示天然气的价格，/>和/>表示t时刻燃气轮机的发电和产热功率，表示燃气锅炉的产热功率，/>表示电转气设备的耗电功率，ζGT、ζGB和ζP2G分别表示燃气轮机、燃气锅炉和电转气设备的燃气损耗系数，ηGT、ηGB和ηP2G分别表示三种设备的能量转化效率，Hicv表示天然气燃烧的低热值。
电网购电费用/电网售电收益：
其中，表示t时刻综合能源系统与电网交互的状态，/>和/>表示t时刻从电网购电和向电网售电的价格，/>和/>表示发电设备和耗电设备的种类数，/>表示t时刻的电负荷值。
设备残值：
其中，和/>分别表示设备的残值系数、单位残值价格和设备i的容量。
(3.1.2)碳交易指标：
其中，和/>分别表示碳交易价格和碳交易手续费，单位为元/t；表示综合能源系统在场景y下的碳排放量，/>表示系统的免费碳排放配额。
系统的碳排放总量的计算过程具体如下：
其中，egrid和egas分别表示电网发电和天然气燃烧的碳排放强度。
(3.1.3)供能可靠性惩罚：
其中，λpunish表示惩罚系数，fREL(y,t)表示系统的供能可靠性函数。
系统供能可靠性函数和惩罚系数的计算过程具体如下：
供能可靠性函数：
其中，和/>分别表示发电设备、耗电设备、产热设备、耗热设备和制冷设备的种类数，/>和/>表示t时刻设备i的电功率、热功率和冷功率，/>和/>表示t时刻的电负荷、热负荷和冷负荷值。
惩罚系数：
(3.2)建立优化的约束条件，包括能量平衡约束(电热冷气)、设备容量约束、设备功率约束、电网交互功率约束、气网输气功率约束、储能SOC约束和储能充放能功率约束(电储、热储、冷储、气储)、储气罐压力约束、碳排放强度约束、碳排放总量约束、碳交易额度约束；
(3.2.1)电功率平衡约束：
其中，PWind(t)、PPV(t)、PGrid(t)、PGT(t)、和PLoad(t)分别表示t时刻的风电功率、光伏功率、与电网交互功率、燃气轮机发电功率、电池充电和放电功率、电负荷值，/>PHP(t)、PAC(t)、PEC(t)和/>分别表示t时刻电转气设备、热泵、空调、电制冷机和电解制氢设备消耗的电功率值。
(3.2.2)热功率平衡约束：
其中，QGB(t)、QGT(t)和表示t时刻燃气锅炉、燃气轮机和热泵的产热功率，和/>表示t时刻热储释放和储存的能量，/>表示吸收式制冷机耗热量，HLoad(t)表示热负荷值。
(3.2.3)冷功率平衡约束：
其中，QAC(t)、QEC(t)和/>分别表示由热泵、空调、电制冷机和吸收式制冷机的制冷功率，/>和/>表示冷储的放能和充能功率，CLoad(t)表示冷负荷值。
(3.2.4)气功率平衡约束：
其中，Ggas_station(t)表示天然气站的燃气供应速率，和/>表示气储的放能和充能功率，GGB(t)和GGT(t)表示燃气锅炉和燃气轮机的燃气消耗功率。
(3.2.5)设备容量约束：
其中，和/>表示设备i的容量上限和下限。
(3.2.6)设备功率约束：
其中，和/>表示供电设备i的功率下限和上限，/>和表示产热和制冷设备i的功率下限和上限，/>和/>表示燃气设备i的燃气消耗速率的下限和上限，/>和/>表示与电网交互功率的下限和上限，和/>表示燃气站的燃气供应速率的下限和上限。
(3.2.7)电储能运行约束：
(3.2.8)热储能/冷储能运行约束：
(3.2.9)气储运行约束：
其中，tankmin和tankmax表示储气罐的压力下限和上限。
(3.2.10)碳排放强度约束：
0≤egrid≤e_maxgrid
0≤egas≤e_maxgas
其中，e_maxgrid表示电网发电的碳排放强度上限，e_maxgas表示天然气燃烧碳排放强度上限。
(3.2.11)碳排放总量约束：
其中，表示综合能源系统碳排放的上限。
(3.2.12)碳交易额度约束：
其中，表示综合能源系统碳交易额度的上限。
步骤(4)，本算例所构建的综合能源系统中设备的各项参数如表1所示，优化模型中所使用的各项参数的取值如表2所示，储能设备的参数如表3所示，分时电价和天然气价格如表4所示。
表1综合能源系统中设备的参数
表2优化模型中参数的取值
表3储能设备的参数值
表4分时电价和天然气价格
将模型的参数设置输入到求解器中，使用求解器对步骤(3)中得到的模型进行优化求解，得到综合能源系统中各类设备的最优配置容量：风电390kW，光伏480kW，电转气80kW，热泵330kW，燃气轮机150kW，燃气锅炉160kW，空调250kW，电制冷机12kW，吸收式制冷机80kW，电解制氢10kW，电储200kWh，热储150kWh，冷储100kWh，气储80kWh，氢储100kWh。此种容量配置方式下，系统规划过程中对应的各类指标如表5所示。
表5最优配置容量下系统对应的各项指标
基于上述以上结果可知，本发明为含多种可再生能源的综合能源系统内各类设备的配置容量值的选取提供了一种合理有效的参考，通过该方法计算出的解，不仅可以保证系统供能的可靠性，还能够减少系统的碳排放和总经济成本。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，其特征在于，所述方法包括如下步骤：
步骤(1)，在生成对抗网络中加入控制向量进行改进，构建基于改进可控生成对抗网络的综合能源系统运行场景生成模型，并基于历史数据对改进后的生成对抗网络进行训练，使用训练完毕后的生成器对包括多种类型源-荷数据在内的复杂运行场景进行生成，得到综合能源系统运行场景集；所述多种类型源-荷数据至少包括风电、光伏、电负荷、热负荷、冷负荷数据；
步骤(2)，对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模，构建综合能源系统的拓扑结构；
步骤(3)，结合步骤(1)中得到的综合能源系统运行场景集以及步骤(2)中得到的设备数学模型和综合能源系统拓扑结构，构建考虑场景不确定性和碳排放的综合能源系统设备容量优化配置模型，具体包括以下子步骤：
(3.1)建立优化的目标函数：
综合能源系统总的优化目标函数主要包括总体经济指标、碳交易指标、供能可靠性指标三个方面，具体如下所示：
其中，ObjTotal表示系统规划设计过程中总的目标函数，表示系统的总体经济指标，/>表示碳交易费用，/>表示供电可靠性惩罚，NY表示规划总场景数；
(3.1.1)总体经济指标：
其中，表示系统在场景y下的总投资成本，/>表示系统的运维成本，表示系统的燃气费用，/>表示系统从电网购电的费用，/>表示向电网售电的费用，/>表示系统的设备残值；
(3.1.2)碳交易指标：
其中，和/>分别表示碳交易价格和碳交易手续费，单位为元/t；/>表示综合能源系统在场景y下的碳排放量，/>表示系统的免费碳排放配额；
(3.1.3)供能可靠性惩罚：
其中，λpunish表示惩罚系数，fREL(y,t)表示系统的供能可靠性函数；
(3.2)建立优化的约束条件，包括能量平衡约束、设备容量约束、设备功率约束、电网交互功率约束、气网输气功率约束、储能SOC约束、储能充放能功率约束、储气罐压力约束、碳排放强度约束、碳排放总量约束、碳交易额度约束；
步骤(4)，将通过求解器对步骤(3)中得到的综合能源系统设备容量优化配置模型进行优化求解，得到系统中各类设备的最优配置容量。
2.根据权利要求1所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(1)具体包括以下子步骤：
(1.1)构建基础的生成对抗网络模型：生成对抗网络模型主要由生成器和判别器两部分构成，根据生成器和判别器的训练目标，分别构造两者的损失函数LG和LD，如下所示：
其中，pnoise表示随机噪声z的概率分布，pdata(x)表示历史数据x的概率分布，G(z)表示生成器生成的数据样本，D(G(z))和D(x)分别表示生成的数据和历史数据在判别器中被认为是真的概率，E()表示数学期望；
生成器和判别器的训练目标分别是使LG最小和LD最大，得到基础的生成对抗网络模型训练目标函数如下：
(1.2)将基础的生成对抗网络模型改进成具有可解释性的可控生成对抗网络模型：
1.2.1)对判别器进行改造，将一个辅助网络Q附加到判别器D的第二层到最后一层；
1.2.2)选取控制向量c＝{平均值、最大值、最小值、平均波动值、最大爬坡值}和随机噪声z一起输入到生成器G中；
1.2.3)根据控制向量c，从历史数据中挑选出特征指标和c最接近的一组数据，输入到辨别器D中；
1.2.4)对生成器G和辨别器D进行迭代训练，直至模型收敛；
1.2.5)使用训练好的生成器，通过设置控制向量c的值，以此来生成综合能源系统运行场景集；
改进后的模型训练目标函数如下：
其中，D(x|c)和D(G(z,c))分别表示在控制向量c的影响下，挑选出的历史场景和生成的场景在判别器D中被认为是真实样本的概率；λ表示一个超参数；LI(G,Q)表示生成器和辅助网络之间互信息I的波动下限。
3.根据权利要求1所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(2)具体包括以下子步骤：
(2.1)对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模：
(2.1.1)热泵
其中，和/>分别表示t时刻热泵的制热和制冷功率，/>和/>分别表示热泵制热和制冷过程中消耗的电功率，/>和/>分别表示热泵制热和制冷时的电能损耗系数，/>和/>分别表示热泵制热和制冷时的能效比；
(2.1.2)空调、电制冷机、吸收式制冷机
QAC(t)＝PAC(t)·(1-ζAC)·EERAC
QEC(t)＝PEC(t)·(1-ζEC)·EEREC
QAPC_out(t)＝QAPC_in(t)·(1-ζAPC)·EERAPC
其中，QAC(t)、QEC(t)和QAPC_out(t)分别表示空调、电制冷机和吸收式制冷机在t时刻制冷功率，PAC(t)和PEC(t)分别表示空调和电制冷机消耗的电功率，QAPC_in(t)表示吸收式制冷机消耗的冷功率，ζAC、ζEC和ζAPC分别表示三种制冷设备的能量损耗系数，EERAC、EEREC和EERAPC分别表示三种设备制冷的能效比；
(2.1.3)电转气
其中，GP2G(t)表示在t时刻电转气设备生产的天然气，表示电转气设备消耗的电功率，ζP2G和ηP2G表示电转气设备的电能损耗系数和能量转化效率，HICV表示天然气燃烧的低热值；
(2.1.4)燃气轮机
其中，PGT(t)和QGT(t)分别表示在t时刻燃气轮机的产生的电功率和热功率，GGT(t)表示燃气轮机消耗的燃气功率，ηGT_P和ηGT分别表示燃气轮机的能量生产效率和燃气损耗系数；
(2.1.5)燃气锅炉
其中，QGB(t)和GGB(t)分别表示t时刻燃气锅炉的制热功率和燃气消耗功率，ζGB和ηGB分别表示燃气锅炉的燃气损耗系数和制热效率；
(2.1.6)电储、热储、冷储、气储在内的储能设备
其中，τ表示充放能标志位，EES(t)、HES(t)、CES(t)和Ggas(t)分别表示t时刻电储、热储、冷储和气储中各类能量的储量，Pch(t)、hch(t)、cch(t)和gch(t)分别表示电储、热储、冷储和气储中各类储能的充能功率，Pdis(t)、hdis(t)、cdis(t)和gdis(t)分别表示电储、热储、冷储和气储中各类储能的放能功率，和/>分别表示电储、热储、冷储和气储中各类储能的充能效率，/>和/>分别表示电储、热储、冷储和气储中各类储能的放能效率。
4.根据权利要求1所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(3.1.1)中，总经济指标中的投资成本、运维成本、燃气费用、电网购电费用、电网售电收益和设备残值的计算过程具体如下：
投资成本：
其中，Neq表示综合能源系统中的设备数量，和/>表示设备i的配置系数和配置容量，/>表示设备i的单位投资成本；
运维成本：
其中，NT表示一个场景集中的时间段总数，表示在t时刻设备i的供能功率，/>表示风电和光伏的特性值，/>表示设备i的单位运维成本；
燃气费用：
其中，表示天然气的价格，/>和/>表示t时刻燃气轮机的发电和产热功率，/>表示燃气锅炉的产热功率，/>表示电转气设备的耗电功率，ζGT、ζGB和ζP2G分别表示燃气轮机、燃气锅炉和电转气设备的燃气损耗系数，ηGT、ηGB和ηP2G分别表示三种设备的能量转化效率，Hicv表示天然气燃烧的低热值；
电网购电费用/电网售电收益：
其中，表示t时刻综合能源系统与电网交互的状态，/>和/>表示t时刻从电网购电和向电网售电的价格，/>和/>表示发电设备和耗电设备的种类数，/>表示t时刻的电负荷值；
设备残值：
其中，和/>分别表示设备的残值系数、单位残值价格和设备i的容量。
5.根据权利要求4所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(3.1.2)中，系统的碳排放总量的计算过程具体如下：
其中，egrid和egas分别表示电网发电和天然气燃烧的碳排放强度。
6.根据权利要求4所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(3.1.3)中，系统供能可靠性函数和惩罚系数的计算过程具体如下：
供能可靠性函数：
其中，和/>分别表示发电设备、耗电设备、产热设备、耗热设备和制冷设备的种类数，/>和/>表示t时刻设备i的电功率、热功率和冷功率，/>和/>表示t时刻的电负荷、热负荷和冷负荷值；
惩罚系数：
7.根据权利要求1所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(3.2)中，约束条件具体如下：
(3.2.1)电功率平衡约束：
其中，PWind(t)、PPV(t)、PGrid(t)、PGT(t)、和PLoad(t)分别表示t时刻的风电功率、光伏功率、与电网交互功率、燃气轮机发电功率、电池充电和放电功率、电负荷值，PHP(t)、PAC(t)、PEC(t)和/>分别表示t时刻电转气设备、热泵、空调、电制冷机和电解制氢设备消耗的电功率值；
(3.2.2)热功率平衡约束：
其中，QGB(t)、QGT(t)和表示t时刻燃气锅炉、燃气轮机和热泵的产热功率，/>和表示t时刻热储释放和储存的能量，/>表示吸收式制冷机耗热量，HLoad(t)表示热负荷值；
(3.2.3)冷功率平衡约束：
其中，QAC(t)、QEC(t)和/>分别表示由热泵、空调、电制冷机和吸收式制冷机的制冷功率，/>和/>表示冷储的放能和充能功率，CLoad(t)表示冷负荷值；
(3.2.4)气功率平衡约束：
其中，Ggas_station(t)表示天然气站的燃气供应速率，和/>表示气储的放能和充能功率，GGB(t)和GGT(t)表示燃气锅炉和燃气轮机的燃气消耗功率；
(3.2.5)设备容量约束：
其中，和/>表示设备i的容量上限和下限；
(3.2.6)设备功率约束：
其中，和/>表示供电设备i的功率下限和上限，/>和/>表示产热和制冷设备i的功率下限和上限，/>和/>表示燃气设备i的燃气消耗速率的下限和上限，/>和/>表示与电网交互功率的下限和上限，/>和/>表示燃气站的燃气供应速率的下限和上限；
(3.2.7)电储能运行约束：
其中，SOCESS(t)表示t时刻电储能的荷电状态，和/>表示电储能荷电状态的上下限，/>和/>表示t时刻电储能的充电和放电功率，/>和/>表示电储能的充电和放电效率，/>和/>表示电储能的充电和放电功率上限，/>和/>表示电储能充电和放电的标志位。
(3.2.8)热储能/冷储能运行约束：
其中，SOCHS(t)表示t时刻热储能的荷能状态，和/>表示热储能荷能状态的上下限，/>和/>表示t时刻热储能的充能和放能功率，/>和/>表示热储能的充能和放能效率，/>和/>表示热储能的充能和放能功率上限，/>和/>表示热储能充能和放能的标志位。
(3.2.9)气储运行约束：
tankmin≤tankpressure≤tankmax
其中，表示t时刻氢储能的储气状态，/>和/>表示氢储能储气状态的上下限，/>和/>表示t时刻氢储能的充气和放气功率，/>和/>表示氢储能的充气和放气效率，/>和/>表示氢储能的充气和放气功率上限，/>和/>表示氢储能充气和放气的标志位，tankmin和tankmax表示储气罐的压力下限和上限。
(3.2.10)碳排放强度约束：
0≤egrid≤e_maxgrid
0≤egas≤e_maxgas
其中，e_maxgrid表示电网发电的碳排放强度上限，e_maxgas表示天然气燃烧碳排放强度上限；
(3.2.11)碳排放总量约束：
其中，表示综合能源系统碳排放的上限；
(3.2.12)碳交易额度约束：
其中，表示综合能源系统碳交易额度的上限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310489875.1A CN116681228A (zh) | 2023-05-04 | 2023-05-04 | 一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310489875.1A CN116681228A (zh) | 2023-05-04 | 2023-05-04 | 一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116681228A true CN116681228A (zh) | 2023-09-01 |
Family
ID=87788120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310489875.1A Pending CN116681228A (zh) | 2023-05-04 | 2023-05-04 | 一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116681228A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117474241A (zh) * | 2023-10-26 | 2024-01-30 | 河海大学 | 一种考虑碳排放约束的电-气-热综合能源系统扩展规划方法 |
| CN117674375A (zh) * | 2023-11-15 | 2024-03-08 | 燕山大学 | 一种新能源多能互补制氢系统能量管理方法 |
-
2023
- 2023-05-04 CN CN202310489875.1A patent/CN116681228A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117474241A (zh) * | 2023-10-26 | 2024-01-30 | 河海大学 | 一种考虑碳排放约束的电-气-热综合能源系统扩展规划方法 |
| CN117674375A (zh) * | 2023-11-15 | 2024-03-08 | 燕山大学 | 一种新能源多能互补制氢系统能量管理方法 |
| CN117674375B (zh) * | 2023-11-15 | 2024-06-07 | 燕山大学 | 一种新能源多能互补制氢系统能量管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111445090B (zh) | 一种离网型综合能源系统双层规划方法 | |
| CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
| CN111445067B (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
| CN116681228A (zh) | 一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN111463836A (zh) | 一种综合能源系统优化调度方法 | |
| CN113779783A (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 | |
| CN113850474A (zh) | 一种热电氢多能流综合能源系统及其优化调度方法 | |
| CN110994606A (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
| CN113592365A (zh) | 一种考虑碳排放与绿电消纳的能源优化调度方法及系统 | |
| CN110910272A (zh) | 一种城市综合能源系统多目标优化方法 | |
| CN113592200A (zh) | 一种含水源热泵的区域综合能源系统低碳优化运行方法 | |
| CN115759610A (zh) | 一种电力系统源网荷储协同的多目标规划方法及其应用 | |
| CN116468215A (zh) | 计及源荷不确定性的综合能源系统调度方法及装置 | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| 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 | |
| CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
| CN116565831A (zh) | 一种基于碳排放流的主动配电网鲁棒调度方法及系统 | |
| CN114676897A (zh) | 一种含chp-p2g-氢能的园区综合能源系统优化调度方法 | |
| CN114417695A (zh) | 多园区综合能源系统经济调度方法 | |
| Ma et al. | Performance optimization of phase change energy storage combined cooling, heating and power system based on GA+ BP neural network algorithm | |
| CN117787636A (zh) | 一种综合能源系统的多目标规划方法、系统及设备 | |
| CN113158547A (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
| CN117039862A (zh) | 基于氢共享储能服务的微网群双层优化配置方法和装置 | |
| CN116258335A (zh) | 基于改进麻雀算法的低碳综合能源多阶段优化配置方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |