CN117744478B - 一种基于多目标贝叶斯优化的寒地储能设备配置方法 - Google Patents

Abstract

本发明公开一种基于多目标贝叶斯优化的寒地储能设备配置方法，属于电力系统规划领域。采用贝叶斯双层模型，上层采用多目标贝叶斯优化算法，下层构建寒地新型电力系统ESS与TES的协同规划模型，对ESS和TES的协同规划，促进了寒地电力系统的“热电解耦”流程，解放了热电联产机组的功率调节能力，增强了对风光能源的消纳水平，有效支持了绿色低碳安全经济的寒地新型电力系统建设，采用的MOBO算法在迭代收敛效率方面避免过多地代入人为主观性，增强了结果的可行性。

Description

一种基于多目标贝叶斯优化的寒地储能设备配置方法

技术领域

本发明属于电力系统规划领域，具体涉及一种基于多目标贝叶斯优化的寒地储能设备配置方法。

背景技术

在寒冷地区部署电储能系统(Electrical Energy Storage,ESS)和热储能系统(Thermal Energy Storage,TES)对寒地电力系统有许多好处和必要性，例如：通过提供运行备用、频率调节、电压支持和黑启动能力来提高电力系统的运行可靠性；通过减轻由可再生源和电力电子变换器引起的电力波动、谐波和故障的影响，提高电力系统的稳定性；通过优化能量调度、调峰、负荷均衡和需求响应，降低电力系统的成本和环境影响，提高电力系统的弹性和安全性，辅助微网的日常功率平衡和必要时的孤岛运行状态。这些优势对于寒冷地区电力系统的现代化与绿色低碳化尤其重要，因为可再生能源的原生不确定性给电网带来了大量的不平衡功率，对系统的灵活性要求大大增加，然而对于寒地电网，其承担调节能力的火电机组在冬季处于“以热定电”的运行工况，进一步导致系统灵活性下降，因此除了常规电储能之外，通过适当配置热储能设备，能在消纳多余风光能量，减少弃风弃光的同时解放火电机组，提升系统灵活性。因此，ESS和TES是寒冷地区发展新型电力系统的重要组成部分。

由于寒地电力系统运行状态特殊，需求较为独特，现存储能规划方法存在许多缺陷：(1)、现有规划方案对电储能和热储能的协同规划考虑不全，热储设备在寒地冬季的“热电解耦”功能被忽视，导致系统的功率调节灵活性下降。(2)、在规划求解方法层面，现有的规划方法在处理规划所面临的不可能三角时，往往采用加权发将其转换为单一目标，过多地引入了主观性，而现有的基于启发式方法的直接多目标求解方法收敛速率较差，导致寒地新型电力系统的资源的分配不合理。

发明内容

基于以上不足之处，本发明提供一种基于多目标贝叶斯优化的寒地储能设备配置方法，用于求解寒地储能设备配置规划。

本发明所采用的技术方案如下：一种基于多目标贝叶斯优化的寒地储能设备配置方法，采用贝叶斯双层模型，方法包括以下步骤：

S01：上层采用多目标贝叶斯优化算法，对于每个目标函数f_i(x)，定义其先验均值函数m_i(x)和先验协方差函数k_i(x)如下：

式中，σ_f,l均为核函数参数，由最大似然估计法确定，x为初始决策变量，x’为可行域上任意一点，i为目标函数序号；

S02：在可行域内，随机取n个初始解X₀＝{x₁,x₂,...x_n}；

S03：构建下层寒地新型电力系统ESS与TES的协同规划模型，以计算随机的初始决策变量x对应的目标函数集合，所述的初始决策变量x的具体含义定义如下式：

式中，分别为第i个电储能和热储能的最大容量；p,q分别为带规划电储能和热储能的个数；

目标函数f_i(x)具体含义定义如下式：

式中，C_inv,C_op为待规划电网的运营成本和储能设施的投资建设成本；P_lost为电网总失负荷功率；P_cur为电网总弃风弃光功率；

规划模型的约束条件包括：电储能容量约束、热储能容量约束、可再生能源出力上下限约束、常规火力机组出力约束、热电联产机组出力约束、电功率平衡约束、热负荷平衡约束、电网潮流约束、电网节点电压约束和电网支路功率约束；

所述的约束条件为线性或可进行线性化处理，因此通过构建某地区的冬季典型场景得到风电、光伏、热负荷、电负荷的典型曲线后，调用CPLEX商业求解器对协同规划模型进行求解，获得{f₁(x),f₂(x),f₃(x)}的最小值；

在对X₀中每一个x代入上述模型进行求解后，获得初始观测集如下：

S04：依据现有观测集D_t构建高斯过程模型：

式中，为观测噪声方差，本模型中设为一极小值为10^-6；I为单位矩阵；S05：定义用以衡量帕累托前沿最优性的超体积指标/>如下：

式中，为帕累托前沿；y为多目标函数空间上的某一点；

S06：依据上述定义，构建采集函数α(x)为期望超体积改进函数，具体形式如下：

式中，y(x)为解空间上某一点x对应的目标函数所构成的向量；

S07：使用梯度下降法求得式(8)的最大值α^*所对应的x^*

S08：将x^*代入步骤S03建立的协同规划模型，计算得到对应的F^*＝{f₁(x^*),f₂(x^*),f₃(x^*)}；

S09：利用{x^*,F^*}更新观测集合

D_t+1＝D_t∪{x^*,F^*} (9)

S10：令t＝t+1，重复步骤S04-S09直到达到收敛条件，并依据最终获得的帕累托前沿选择最优解。

另一方面，本发明目的是通过一种计算机装置/设备/系统来实现的，其包括处理器和与处理器可通信地连接的计算机可读存储介质，计算机可读存储介质中存储有计算机指令，当所述计算机指令被所述处理器执行时，实现如上所述的方法的步骤。

本发明具有如下优点及有益效果：本方案实现了ESS和TES的协同规划，两者协调配合，TES通过成本低廉、安全性高的优势实现了寒地富裕电能的大容量存储，而ESS则通过快速响应为电网安全稳定性提供支撑，两者共同促进了寒地电力系统的“热电解耦”流程，解放了热电联产机组的功率调节能力，增强了对风光能源的消纳水平，有效支持了绿色低碳安全经济的寒地新型电力系统建设。本发明采用多目标贝叶斯优化算法在迭代收敛效率方面优于目前常用的基于启发式的多目标算法，且支持直接的多目标优化，避免过多地代入人为主观性，增强了结果的可行性。

附图说明

图1为本发明的方法流程图。

具体实施方式

下面将结合本说明书附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是发明的一部分实施例，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

如图1所示，一种基于多目标贝叶斯优化的寒地储能设备配置方法，采用贝叶斯双层模型，包括以下步骤：

S01：上层采用多目标贝叶斯优化算法，对于每个目标函数f_i(x)，定义其先验均值函数m_i(x)和先验协方差函数k_i(x)如下：

式中，σ_f,l均为核函数参数，由最大似然估计法确定，x为初始决策变量，x’为可行域上任意一点，i为目标函数序号；

S02：在可行域内，随机取n个初始解X₀＝{x₁,x₂,...x_n}；

S03：构建下层寒地新型电力系统ESS与TES的协同规划模型，以计算随机的初始决策变量x对应的目标函数集合，所述的初始决策变量x的具体含义定义如下式：

式中，分别为第i个电储能和热储能的最大容量；p,q分别为带规划电储能和热储能的个数；

目标函数f_i(x)具体含义定义如下式：

式中，C_inv,C_op为待规划电网的运营成本和储能设施的投资建设成本；P_lost为电网总失负荷功率；P_cur为电网总弃风弃光功率；

规划模型的约束条件包括：电储能容量约束、热储能容量约束、可再生能源出力上下限约束、常规火力机组出力约束、热电联产机组出力约束、电功率平衡约束、热负荷平衡约束、电网潮流约束、电网节点电压约束和电网支路功率约束；

所述的约束条件为线性或可进行线性化处理，因此通过构建某地区的冬季典型场景得到风电、光伏、热负荷、电负荷的典型曲线后，调用CPLEX商业求解器对协同规划模型进行求解，获得{f₁(x),f₂(x),f₃(x)}的最小值；

在对X₀中每一个x代入上述模型进行求解后，获得初始观测集如下：

S04：依据现有观测集D_t构建高斯过程模型：

式中，为观测噪声方差，本模型中设为一极小值为10^-6；I为单位矩阵；

S05：定义用以衡量帕累托前沿最优性的超体积指标如下：

式中，为帕累托前沿；y为多目标函数空间上的某一点；

S06：依据上述定义，构建采集函数α(x)为期望超体积改进函数，具体形式如下：

式中，y(x)为解空间上某一点x对应的目标函数所构成的向量；

S07：使用梯度下降法求得式(8)的最大值α^*所对应的x^*

S08：将x^*代入步骤S03建立的协同规划模型，计算得到对应的F^*＝{f₁(x^*),f₂(x^*),f₃(x^*)}；

S09：利用{x^*,F^*}更新观测集合

D_t+1＝D_t∪{x^*,F^*} (9)

S10：令t＝t+1，重复步骤S04-S09直到达到收敛条件，并依据最终获得的帕累托前沿选择最优解。

本发明采用多目标贝叶斯优化算法在迭代收敛效率方面优于目前常用的基于启发式的多目标算法，且支持直接的多目标优化，避免过多地代入人为主观性，增强了结果的可行性。

Claims (2)

1.一种基于多目标贝叶斯优化的寒地储能设备配置方法，采用贝叶斯双层模型，其特征在于，包括以下步骤：

S01：上层采用多目标贝叶斯优化算法，对于每个目标函数f_i(x)，定义其先验均值函数m_i(x)和先验协方差函数k_i(x)如下：

式中，σ_f,l均为核函数参数，由最大似然估计法确定，x为初始决策变量，x’为可行域上任意一点，i为目标函数序号；

S02：在可行域内，随机取n个初始解X₀＝{x₁,x₂,...x_n}；

S03：构建下层寒地新型电力系统ESS与TES的协同规划模型，以计算随机的初始决策变量x对应的目标函数集合，所述的初始决策变量x的具体含义定义如下式：

式中，分别为第i个电储能和热储能的最大容量；p,q分别为带规划电储能和热储能的个数；

目标函数f_i(x)具体含义定义如下式：

式中，C_inv,C_op为待规划电网的运营成本和储能设施的投资建设成本；P_lost为电网总失负荷功率；P_cur为电网总弃风弃光功率；

规划模型的约束条件包括：电储能容量约束、热储能容量约束、可再生能源出力上下限约束、常规火力机组出力约束、热电联产机组出力约束、电功率平衡约束、热负荷平衡约束、电网潮流约束、电网节点电压约束和电网支路功率约束；

所述的约束条件为线性或可进行线性化处理，因此通过构建某地区的冬季典型场景得到风电、光伏、热负荷、电负荷的典型曲线后，调用CPLEX商业求解器对协同规划模型进行求解，获得{f₁(x),f₂(x),f₃(x)}的最小值；

在对X₀中每一个x代入上述模型进行求解后，获得初始观测集如下：

S04：依据现有观测集D_t构建高斯过程模型：

式中，为观测噪声方差，本模型中设为一极小值为10^-6；I为单位矩阵；

S05：定义用以衡量帕累托前沿最优性的超体积指标如下：

式中，为帕累托前沿；y为多目标函数空间上的某一点；

S06：依据上述定义，构建采集函数α(x)为期望超体积改进函数，具体形式如下：

式中，y(x)为解空间上某一点x对应的目标函数所构成的向量；

S07：使用梯度下降法求得式(8)的最大值α^*所对应的x^*

S08：将x^*代入步骤S03建立的协同规划模型，计算得到对应的F^*＝{f₁(x^*),f₂(x^*),f₃(x^*)}；

S09：利用{x^*,F^*}更新观测集合

D_t+1＝D_t∪{x^*,F^*} (9)

S10：令t＝t+1，重复步骤S04-S09直到达到收敛条件，并依据最终获得的帕累托前沿选择最优解。

2.一种计算机装置/设备/系统，其包括处理器和与处理器可通信地连接的计算机可读存储介质，计算机可读存储介质中存储有计算机指令，其特征在于，当所述计算机指令被所述处理器执行时，实现根据权利要求1所述的方法的步骤。