CN119514989A - 综合能源系统规划优化方法及计算设备 - Google Patents

综合能源系统规划优化方法及计算设备 Download PDF

Info

Publication number
CN119514989A
CN119514989A CN202411657586.9A CN202411657586A CN119514989A CN 119514989 A CN119514989 A CN 119514989A CN 202411657586 A CN202411657586 A CN 202411657586A CN 119514989 A CN119514989 A CN 119514989A
Authority
CN
China
Prior art keywords
energy
cost
energy system
particle
equipment
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
Application number
CN202411657586.9A
Other languages
English (en)
Inventor
王俐英
曾鸣
曾博
王永利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202411657586.9A priority Critical patent/CN119514989A/zh
Publication of CN119514989A publication Critical patent/CN119514989A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种综合能源系统规划优化方法及计算设备，方法包括：获取综合能源系统中的各类设备参数、负荷需求数据、能源价格，以综合能源系统的年总成本最低为第一目标、综合能效最高为第二目标，来构建综合能源系统的规划优化模型，其中，年总成本包含年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本，综合能效用于表示综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值；利用模拟退火混沌粒子群互补算法，对规划优化模型进行求解，以得到最优解，基于最优解确定综合能源系统中各类设备的最优容量配置。本发明能实现在满足系统负荷需求的前提下，合理规划出综合能源系统中各类设备的最优容量配置。

Description

综合能源系统规划优化方法及计算设备
技术领域
本发明涉及能源系统技术领域，尤其涉及一种综合能源系统规划优化方法及计算设备。
背景技术
综合能源系统属于复杂耦合系统，其涉及多种能源的输入、转换、存储以及输出环节，基于各能源之间的耦合互补关系，需要协调优化系统中的能源生产、转换、存储等环节，保障能源供应的低碳、经济与稳定性。从服务的规模和系统覆盖的地理范围来看，综合能源系统可分为跨区域级、区域级和用户级三类。跨区域级综合能源系统是指连接多个区域级综合能源系统与能源产地之间的能源传输系统，以大型输电、输气系统作为骨干网架，具有远距离能源传输的作用，旨在实现不同区域之间的能源互补和优化配置，提高能源利用效率和供应安全性。区域级综合能源系统是建立在能源站以及电、气、热网基础上的能源供应体系，连接能源的供给侧与负荷侧。用户级综合能源系统是指布局在负荷侧，通过不同分布式能源设备的结合形成的微能源站及其配套网络，注重能量的梯次利用。
实现综合能源系统整体协同规划，需要以实现用户多元负荷需求、保障经济环境效益等多种优化目标，实现异质能源协调互补和多系统协调优化，构建清洁安全经济高效的能源体系。现阶段，我国大部分园区级综合能源系统的规划配置手段和技术不够全面，往往不能结合规划地域实际情况(如自然资源禀赋、负荷需求特征等)，弃风弃光现象经常发生，缺乏不同能源之间的协调规划措施。
如何在满足系统负荷需求的前提下，合理规划出综合能源系统中各类设备的最优容量配置，进而降低煤炭等化石燃料消费，推动氢能的发展进程，亟待解决。
因此，需要一种综合能源系统规划优化方法。
发明内容
为此，本发明提供一种综合能源系统规划优化方法，以解决或至少缓解上面存在的问题。
根据本发明的一个方面，提供一种综合能源系统规划优化方法，在计算设备中执行，包括：获取综合能源系统中的各类设备参数、负荷需求数据、能源价格，其中，所述各类设备参数包括各类设备的投建成本和设备能效，所述负荷需求数据包括电负荷需求数据和热负荷需求数据，所述能源价格包括电价和气价；基于所述各类设备参数、负荷需求数据、能源价格，以综合能源系统的年总成本最低为第一目标、以综合能源系统的综合能效最高为第二目标，来构建所述综合能源系统的规划优化模型，其中，所述年总成本包含年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本，所述综合能效用于表示所述综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值；利用模拟退火混沌粒子群互补算法，对所述规划优化模型进行求解，以得到最优解，基于所述最优解确定所述综合能源系统中各类设备的最优容量配置。
可选地，在根据本发明的综合能源系统规划优化方法中，以综合能源系统的年总成本最低为第一目标、以综合能源系统的综合能效最高为第二目标，来构建所述综合能源系统的规划优化模型，包括：基于所述综合能源系统的年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本，构建第一目标对应的年总成本最低目标函数；基于所述综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值，构建第二目标对应的综合能效最高目标函数；基于所述年总成本最低目标函数和所述综合能效最高目标函数，来构建所述综合能源系统的规划优化模型。
可选地，在根据本发明的综合能源系统规划优化方法中，基于所述年总成本最低目标函数和所述综合能效最高目标函数，来构建所述综合能源系统的规划优化模型，包括：基于所述年总成本最低目标函数、所述综合能效最高目标函数以及所述综合能源系统的多个约束条件，来构建所述综合能源系统的规划优化模型；所述多个约束条件包括功率平衡约束条件、系统供能网络约束条件、系统占地面积约束条件、储能单元设备运行约束条件、其余设备元件运行约束条件；其中，所述功率平衡约束条件包括电负荷功率平衡约束条件、热功率平衡约束条件；所述系统供能网络约束条件用于将综合能源系统的外购电、外购气分别限制在相应范围内；所述系统占地面积约束条件用于指示综合能源系统中所有设备的安装占地面积总和不超过综合能源系统的可使用区域面积上限；所述储能单元设备运行约束条件包括电解槽容量约束条件、燃料电池容量约束条件、蓄热罐储热量约束条件、储氢罐储氢约束条件；所述其余设备元件运行约束条件，用于显示其余设备元件的功率和爬坡速率，所述其余设备元件包括燃气轮机、风机。
可选地，在根据本发明的综合能源系统规划优化方法中，利用模拟退火混沌粒子群互补算法，对所述规划优化模型进行求解，以得到最优解，包括：初始化设置粒子群中的粒子数量、各粒子的初始位置和初始速度、粒子最优位置的初始值、粒子群全局历史最优位置的初始值，初始化设置模拟退火过程的初始温度、终止温度，以及设置最大迭代次数，其中，所述粒子用于表示空间中的潜在解；基于时变权重对粒子的惯性权重进行调整，以及，采用混沌序列对迭代过程中的粒子速度的随机参数进行混沌扰动，得到混沌扰动的粒子速度的随机参数；基于所述时变权重、所述混沌扰动的粒子速度的随机参数，迭代更新粒子的速度和位置；当粒子群中的所有粒子均处于粒子群全局历史最优位置时，对各粒子执行模拟退火过程以更新各粒子的位置，包括：对粒子当前位置进行扰动，以生成候选解，并确定迭代更新后的粒子最优位置；通过适应度函数来比较所述候选解对应的候选位置与所述迭代更新后的粒子最优位置的适应度，其中，如果所述候选位置的适应度比所述迭代更新后的粒子最优位置的适应度好，则将所述候选位置作为粒子新的最优位置；通过适应度函数，从粒子群的各粒子新的最优位置中选择适应度最好的粒子新的最优位置，作为粒子群全局当前最优位置，并比较粒子群全局当前最优位置与粒子群全局历史最优位置的适应度，如果粒子群全局当前最优位置的适应度更好，则将粒子群全局当前最优位置作为新的粒子群全局历史最优位置；更新模拟退火过程的当前温度，如果所述当前温度降至所述终止温度以下，当前迭代次数达到所述最大迭代次数，且新的粒子群全局历史最优位置满足预设界限，则输出帕累托解集；利用Topsis方法，基于所述帕累托解集确定最优解。
可选地，在根据本发明的综合能源系统规划优化方法中，还包括：建立考虑碳超额比例的阶梯式碳交易模型，以便通过所述阶梯式碳交易模型确定阶梯碳交易成本，所述碳超额比例用于表示实际碳排放量与碳排放配额的比例。
可选地，在根据本发明的综合能源系统规划优化方法中，通过下式来计算碳超额比例：
当碳超额比例梯度为0.1时，阶梯式碳交易模型如下：
其中，CJY表示阶梯碳交易成本；λJY表示碳交易单价；α表示价格增长幅度；θ表示奖励系数；EIES表示综合能源系统的碳排放配额；QIES表示综合能源系统的实际碳排放量。
可选地，在根据本发明的综合能源系统规划优化方法中，年投资成本、购能成本、年运维成本、弃风弃光惩罚成本的计算公式如下：
其中，Cycost、Cbuy、Cmain、Cpt分别表示年投资成本、购能成本、年运维成本、弃风弃光惩罚成本；表示第k类设备的单位容量投资成本；Dk表示第k类设备的配置容量；r、m分别表示年化成本公式里的利率、使用寿命；分别表示t时段的电价与气价；Δt表示单位时长；Ok表示设备k的单位容量年维护成本；Pk,D(t)表示第k个设备的出力；βpt表示弃风弃光惩罚系数；Ppvwt(t)表示t时刻的弃风弃光功率。
可选地，在根据本发明的综合能源系统规划优化方法中，所述综合能源系统中的碳排放源包括CHP单元、燃气锅炉以及外购电。
可选地，在根据本发明的综合能源系统规划优化方法中，所述各类设备包括生产设备、能源转换设备和能源存储设备；所述综合能源系统包括可再生能源发电单元、氢储能单元、CHP单元以及耦合辅助设备；其中，所述可再生能源发电单元包括分布式光伏设备和风机设备，所述氢储能单元包括燃料电池、储氢罐和电解槽，所述CHP单元包括燃气轮机和余热锅炉，所述耦合辅助设备包括燃气锅炉和蓄热罐。
根据本发明的一个方面，提供一种计算设备，包括：至少一个处理器；存储器，存储有程序指令，其中，程序指令被配置为适于由上述至少一个处理器执行，所述程序指令包括用于执行如上所述的综合能源系统规划优化方法的指令。
根据本发明的一个方面，提供一种计算机程序产品，包括计算机程序/指令，其中，所述计算机程序/指令被处理器执行时实现如上所述的方法。
根据本发明的一个方面，提供一种存储有程序指令的可读存储介质，当该程序指令被计算设备读取并执行时，使得该计算设备执行如上所述的综合能源系统规划优化方法。
根据本发明的技术方案，提供了一种综合能源系统规划优化方法，获取综合能源系统中的各类设备参数、负荷数据、能源价格，进而，以综合能源系统的年总成本(包含阶梯碳交易成本)最低、综合能效最高为目标来构建综合能源系统的规划优化模型，并利用模拟退火混沌粒子群互补算法对规划优化模型进行求解，以得到最优解，基于最优解来确定综合能源系统中各类设备的最优容量配置。基于此，能够实现在满足系统负荷需求的前提下，合理规划出综合能源系统中各类设备的最优容量配置。
进一步地，通过构建综合能效最高目标函数，能够实现综合能源系统各子系统间的有机协调，提高整个系统的效率和稳定性，并且能够兼顾综合能源系统性能，降低系统整体的能源外购需求。
此外，根据本发明建立的阶梯式碳交易模型，能够准确描述综合能源系统实际碳排放量超过碳排放配额的程度，而且，当实际碳排放量小于碳排放配额时，能够基于碳超额比例梯度给予不同梯度的奖励，从而能实现进一步激励系统运营商降低碳排放量。
此外，根据本发明改进得到的模拟退火混沌粒子群互补算法，考虑了惯性权重对算法求解速度的影响，在粒子进化过程中采用时变权重，平衡全局寻优过程；采用混沌序列对迭代过程中的每个粒子进行混沌扰动，从而避免陷入局部极值；引入模拟退火机制，在陷入局部最优时确保粒子能够跳出局部最优解，实现全局搜索。在利用模拟退火混沌粒子群互补算法对规划优化模型进行求解的过程中，通过模拟退火过程的随机扰动，能够在搜索过程中跳出局部最优解，增加找到全局最优解的机会。同时，模拟退火混沌粒子群互补算法对粒子速度和位置的更新有助于在求解空间中快速搜索到潜在的优质解区域，提高了算法的优化性能和鲁棒性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了实现上述以及相关目的，本发明结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本发明所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明实施例提供的综合能源系统100的基本结构及能量流动示意图；
图2示出了根据本发明实施例提供的一种计算设备200的示意图；
图3示出了根据本发明实施例提供的一种综合能源系统规划优化方法300的流程示意图；
图4示出了根据本发明实施例中的综合能源系统在有余电场景下的整体运行策略示意图；
图5示出了根据本发明实施例中的综合能源系统在无余电场景下的整体运行策略示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
针对综合能源系统，为了在满足系统负荷需求的前提下，合理规划出综合能源系统中各类设备的最优容量配置，本发明实施例提出了一种综合能源系统规划优化方法。
下面首先介绍本发明实施例提供的一种综合能源系统100。
图1示出了根据本发明实施例提供的综合能源系统100的基本结构及能量流动示意图。
如图1所示，综合能源系统100包括各类设备以及终端用户负荷需求。各类设备具体可以包括生产设备、能源转换设备和能源存储设备。综合能源系统100内部的各子系统之间可进行耦合互动，以满足终端用户侧的电负荷和热负荷需求。
在一些实施例中，综合能源系统100具体可以是计及风光氢储的综合能源系统。
在一些实施例中，综合能源系统100可以是以耦合氢储能和可再生能源发电的园区综合能源系统。该综合能源系统100包括可再生能源发电单元、氢储能单元、热电联产(Combined Heat and Power，CHP)单元以及耦合辅助设备。其中，可再生能源发电单元包括分布式光伏设备和风机设备。氢储能单元包括燃料电池、储氢罐和电解槽。综合能源系统100的典型特征之一就是多能耦合互补，热电联产单元(CHP单元)是其中的典型设备，能够提高供热系统的多能互补特性，热电联产单元(CHP单元)包括燃气轮机和余热锅炉，燃气轮机和余热锅炉在能源系统中常常紧密相连，是构成热电联产单元(CHP单元)的重要组成部分。耦合辅助设备包括燃气锅炉、蓄热罐和逆变器等。
园区(综合能源系统100)内部包含电网和天然气管网，并与外部电网和气网相连，通过购电购气满足系统电热负荷需求。可再生能源通过光伏和风机设备转换为交流电，通过逆变器转变为直流电提供给电解槽。电解槽制取氢气并通过储氢罐进行存储，消耗电能转化为氢气和热能；储氢罐向燃料电池提供氢气，燃料电池消耗氢气提供电能和热能，由此，氢储能单元整体可实现特殊形式的“热电联供”。同时储氢罐中的氢气也可以部分混入天然气管网，经CHP单元和燃气锅炉供应电热负荷，一定程度上降低了购气需求。天然气进入CHP单元，通过燃气轮机转化为电能和热能，余热锅炉和燃气轮机配合使用可提升能效，降低污染，同时为了满足冬季更高的热负荷需求，加入了燃气锅炉和蓄热罐设备，热网中的热能可直接提供给热负荷用户，也可通过蓄热罐进行存储，提升综合能效。
在上述能量流动过程中，可再生能源发电设备与储能技术协同作用，实现时空出力互补。相较于常规能源系统中储能设备的配置，由于氢能在产、储、用过程中，需经过多次能量形式转换，使得能量利用效率较低，电解水制氢储能系统的投资经济性不佳，极大限制了氢能的应用和发展。但是在多能互补的综合能源系统中，作为可再生能源发电的辅助消纳手段可以具备可观的附加价值和环境效益。该系统中，氢储能单元展现出高度的运行灵活性及多能联储联供的能力，能够有效消纳清洁能源，降低系统对外部能源的依赖，进而提升了整体的经济性、环境效益及能效水平。
在本发明的实施例中，计算设备可以被配置为执行综合能源系统规划优化方法300，以实现在满足系统负荷需求的前提下，合理规划出综合能源系统中各类设备的最优容量配置。本发明的综合能源系统规划优化方法300将在下文中描述。
下面介绍本发明实施例提供的一种计算设备200。
图2示出了根据本发明实施例提供的一种计算设备200的示意图。如图2所示，在基本配置中，计算设备200包括至少一个处理单元202和系统存储器204。根据一个方面，取决于计算设备的配置和类型，处理单元202可以实现为处理器。系统存储器204包括但不限于易失性存储(例如，随机存取存储器)、非易失性存储(例如，只读存储器)、闪速存储器、或者这样的存储器的任何组合。根据一个方面，系统存储器204中包括操作系统205。
根据一个方面，操作系统205例如适合于控制计算设备200的操作。此外，示例结合图形库、其他操作系统、或任何其他应用程序而被实践，并且不限于任何特定的应用或系统。在图2中通过在虚线内的那些组件示出了该基本配置。根据一个方面，计算设备200具有额外的特征或功能。例如，根据一个方面，计算设备200包括额外的数据存储设备(可移动的和/或不可移动的)，例如磁盘、光盘、或者磁带。这样额外的存储在图2中是由可移动存储设备209和不可移动存储设备210示出的。
如在上文中所陈述的，根据一个方面，在系统存储器204中存储有程序模块203。根据一个方面，程序模块203可以包括一个或多个应用程序，本发明不限制应用程序的类型，例如应用程序可以包括：电子邮件和联系人应用程序、文字处理应用程序、电子表格应用程序、数据库应用程序、幻灯片展示应用程序、绘画或计算机辅助应用程序、网络浏览器应用程序等。
在根据本发明的实施例中，程序模块203中包括执行本发明的综合能源系统规划优化方法300的多条程序指令。
根据一个方面，可以在包括分立电子元件的电路、包含逻辑门的封装或集成的电子芯片、利用微处理器的电路、或者在包含电子元件或微处理器的单个芯片上实践示例。例如，可以经由其中在图2中所示出的每个或许多组件可以集成在单个集成电路上的片上系统(SOC)来实践示例。根据一个方面，这样的SOC设备可以包括一个或多个处理单元、图形单元、通信单元、系统虚拟化单元、以及各种应用功能，其全部作为单个集成电路而被集成(或“烧”)到芯片基底上。当经由SOC进行操作时，可以经由在单个集成电路(芯片)上与计算设备200的其他组件集成的专用逻辑来对在本发明中所描述的功能进行操作。还可以使用能够执行逻辑操作(例如AND、OR和NOT)的其他技术来实践本发明的实施例，所述其他技术包括但不限于机械、光学、流体、和量子技术。另外，可以在通用计算机内或在任何其他任何电路或系统中实践本发明的实施例。
根据一个方面，计算设备200还可以具有一个或多个输入设备212，例如键盘、鼠标、笔、语音输入设备、触摸输入设备等。还可以包括输出设备214，例如显示器、扬声器、打印机等。前述设备是示例并且也可以使用其他设备。计算设备200可以包括允许与其他计算设备218进行通信的一个或多个通信连接216。合适的通信连接216的示例包括但不限于：RF发射机、接收机和/或收发机电路；通用串行总线(USB)、并行和/或串行端口。
如在本发明中所使用的术语计算机可读介质包括计算机存储介质。计算机存储介质可以包括以任何用于存储信息(例如，计算机可读指示、数据结构、或程序模块)的方法或技术来实现的易失性的和非易失性的、可移动的和不可移动的介质。系统存储器204、可移动存储设备209、和不可移动存储设备210都是计算机存储介质的示例(即，存储器存储)。计算机存储介质可以包括随机存取存储器(RAM)、只读存储器(ROM)、电可擦只读存储器(EEPROM)、闪速存储器或其他存储器技术、CD-ROM、数字通用盘(DVD)或其他光存储、盒式磁带、磁带、磁盘存储器或其他磁存储设备、或者可用于存储信息并且可以由计算设备200访问的任何其他制品。根据一个方面，任何这样的计算机存储介质都可以是计算设备200的一部分。计算机存储介质不包括载波或其他经传播的数据信号。
根据一个方面，通信介质是由计算机可读指令、数据结构、程序模块、或者经调制的数据信号(例如，载波或其他传输机制)中的其他数据实施的，并且包括任何信息传递介质。根据一个方面，术语“经调制的数据信号”描述了具有一个或多个特征集或者以将信息编码在信号中的方式改变的信号。作为示例而非限制，通信介质包括诸如有线网络或直接有线连接之类的有线介质，以及诸如声学、射频(RF)、红外线的、以及其他无线介质之类的无线介质。
在根据本发明的实施例中，计算设备200被配置为执行综合能源系统规划优化方法300。计算设备200包括一个或多个处理器、以及存储有程序指令的一个或多个可读存储介质，当程序指令被配置为由一个或多个处理器执行时，使得计算设备执行本发明实施例中的综合能源系统规划优化方法300。
在一些实施例中，执行本发明实施例中的综合能源系统规划优化方法300的计算设备200可以是终端或服务器。
下面对本发明实施例中的综合能源系统规划优化方法300进行详细说明。
图3示出了根据本发明实施例提供的一种综合能源系统规划优化方法300的流程示意图。如图3所示，综合能源系统规划优化方法300包括以下步骤310～330。
步骤310、计算设备200可以获取综合能源系统中的各类设备参数、负荷需求数据、能源价格。
在本发明实施例中，负荷需求数据包括电负荷需求数据、热负荷需求数据。各类设备参数包括各类设备的投建成本、设备能效等相关参数。具体地，各类设备参数可以包括能源转换设备参数、能源存储设备参数，其中，能源转换设备参数包括能源转换设备的设备类型、投资成本、运维成本、设备能效、使用寿命等；能源存储设备参数包括能源存储设备的设备类型、投资成本、运维成本、自损率、运行效率、使用寿命等。
能源价格包括电价(电力价格)和气价(天然气价格)，主要是考虑到在综合能源系统内部能源供给不足时，需要从外部电网购电以及购买外部天然气。在一些实施例中，电力价格可根据电力管理部门发布的分时电价来确定，天然气价格可以为当地平均气价，例如可以是2.7元/m3。
步骤320、计算设备200可以基于各类设备参数、负荷需求数据、能源价格，以综合能源系统的年总成本最低为第一目标、以综合能源系统的综合能效最高为第二目标，来构建综合能源系统的规划优化模型。其中，年总成本包含年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本。综合能效用于表示综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值(即，各类设备输出的能量总量与各类设备输入的能量总量的比值)。
需要说明的是，综合能效能够代表多能互补的能源系统对多种能源的利用效率水平。综合能效，即综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值，也即，各类设备输出的能量总量与各类设备输入的能量总量的比值。这里，能量总量不包括可再生能源发电量，考虑购电购气作为输入能量。
步骤330、计算设备200可以利用模拟退火混沌粒子群互补算法，对规划优化模型进行求解，以得到最优解。进而，可以基于最优解来确定综合能源系统中各类设备的最优容量配置。
在本发明实施例中，最优解对应最优规划结果，最优规划结果包含综合能源系统中各类设备的最优容量配置。基于此，在步骤330中，可以基于最优解确定最优规划结果包含综合能源系统中各类设备(例如包括CHP单元、风机设备、光伏设备等)的最优容量配置。
需要说明的是，模拟退火混沌粒子群互补算法是本发明对粒子群算法进行改进得到的，具体算法流程将在下文实施例中详述。
在一些实施例中，可以预先针对综合能源系统100中的可再生能源发电单元、氢储能单元、热电联产单元(CHP单元)、耦合辅助设备分别进行数学建模，具体如下。
1)可再生能源发电单元数学建模
可再生能源发电单元包括光伏设备、风机设备。光伏发电通过利用光生伏特效应，通过半导体电池，将太阳能转化为电能，在实际应用中，光伏发电的输出功率会受到光照强度、受照面积等多种因素影响。
其中，在对光伏设备建模时，可以采用组件表面温度、辐射强度以及外界的环境温度来表征光伏发电的输出功率，如下：
式中，PPV(t)为光伏发电系统在t时刻的发电功率；fPV为光伏组件的性能衰减参数，取0.8；为标准环境下光伏组件额定功率；Gv(t)为t时段的实际光照强度；GS为标准环境下组件接收的光照强度，为1kW/m2；kPV为功率和温度间的调节系数；Tc、Tr为分别为光伏电池实际温度、标准温度，标准温度取25℃。
风力发电是将风能转化为电能的过程，核心组件是风机，当环境中实际风速达到或超过风机预设的切入风速阈值，装置即启动正常工作模式。在这一过程中，风能能够转化为机械能，推动风机叶片旋转，进而驱动发电机转子进行能量转换。根据风速与风电输出功率的关系，考虑风力发电系统能够并网，设置切入风速vi和切出风速vo，当风电装置出力时，风速与输出电功率可建立关系模型为：
式中，PWT(t)为风机发电系统t时刻的发电功率；vi为切入风速；vo为切出风速；v(t)为t时刻风机所处区域的实际风速；为风电装置额定功率；vr为风电装置额定风速。
2)CHP单元数学建模
热电联产技术旨在通过有效回收发电过程中产生的废热，进而增强能源梯级利用效率。在传统发电机制下，大量废热以烟气的形式直接排放到大气环境，能源利用效率不高。热电联产系统经由余热回收装置，将废热回收转化利用，满足系统热负荷需求。在热电联产系统运行过程中，发电机组以天然气燃料为动力源，经过燃烧过程转化为机械能。经过余热回收的热能可以用于多种用途，如加热生活用水、为建筑供暖、制冷以及生产工业蒸汽等。通过这种综合利用废热的方式，热电联产系统显著提升了整个能源系统的能源利用总效率，相较于传统的独立供电与供热方式，热电联产技术在能源利用效率方面实现了质的飞跃，为节能减排和可持续发展做出了重要贡献。
在CHP发电单元中，主要包括燃气内燃机、燃气轮机、蒸汽轮机等设备。内燃机具备较高的能源利用效率，但其在大型CHP系统中的应用受到限制，而燃气轮机在功率输出和效率方面更具优势，适用于大型CHP系统；蒸汽轮机在热电联产中的应用较为广泛，但其启动速度较慢，响应时间较长。而燃气轮机具有更快的启动和响应速度，能够更好地满足电网的调峰需求，此外燃气轮机的热能利用效率也高于蒸汽轮机。燃气轮机在运行时能够同时产生电能和热能，实现了能源的梯级利用。其热能可以被回收利用，用于供暖、热水或工业过程等领域，从而提高了能源利用效率。本发明结合燃气轮机与余热锅炉，对热电联供机组进行建模分析。
式中，FGT(t)为t时刻燃气轮机用气量；PGT(t)为t时刻燃气轮机发电功率；Δt为时间步长，本发明取1h；ηGT为燃气轮机的发电效率；Lgas为天然气热值(kWh/m3)；γhl为燃气轮机散热损失系数；QGT(t)为燃气轮机t时刻产热功率；μrwhb为余热蒸汽回收效率；ηWHB为余热锅炉产热效率；PWHB(t)为余热锅炉在t时刻的产热功率。
在本发明热电联产CHP单元中，天然气和部分氢气为发电单元提供燃料。采用余热锅炉回收余热并转移到系统热网循环中，以满足热负荷需求。氢气属于高热值的燃料，通过在天然气中掺入氢气，可以增加燃料的总能量，从而提高能源利用效率，由于氢气在燃烧过程中几乎不产生碳排放，燃烧产物纯净，所以在天然气中掺入氢气，可以降低整体二氧化碳排放。因此混氢燃气机组受到人们广泛关注,且目前已在许多地方投入实际运行。CHP单元在消耗掺氢燃气进行热电生产过程中，为保证CHP单元安全稳定运行，其燃气掺氢的体积比例一般控制在10％～20％范围之内。考虑气网掺氢之后，系统内整个燃气机组的数学模型如下：
式中，Qgas(t)为燃气机组t时刻的输入功率；Pgas(t)为燃气机组t时刻输出功率；ηgas为燃气机组的能量利用效率；Vgas(t)为t时刻天然气消耗量；为t时刻的混氢比例；VH2(t)为t时刻燃气机组消耗氢气量；LH2为氢气热值(kWh/m3)。
3)氢储能单元数学建模
氢储能单元是本发明构建低碳园区综合能源系统的关键设备组合，具体由电解槽、储氢罐和燃料电池组成，其中电解槽和燃料电池在实现电转气转电(Power to Gas toPower,P2G2P)的同时，能够以热水为工质参与热网循环，满足部分热负荷需求，储氢罐的作用是压缩存储氢气。氢储能单元主要有以下三种运行模式：一是在系统内有余电或电价处于低谷时期电解槽开始制取氢气并存入储气罐，通过消耗电能转化为氢气和热能；二是当电网供电不足或者电价处于峰时电价期间，应减少购电量，储氢罐向燃料电池提供氢气，燃料电池消耗氢气提供电能和热能，经由换热器实现特殊形式的“热电联供”；三是考虑储氢罐中的氢气也可以部分混入气网，经CHP和燃气锅炉供应电热负荷，一定程度上降低了系统购气需求。下面对氢储能单元的数学模型以及多能联储联供能力进行具体分析。
电解槽建模：
水电解制氢的主要场所在电解槽，利用电解槽装置高效制氢是可再生能源制氢的关键。主流的电解水制氢技术包括碱性水电解(ALK)、阴离子交换膜电解(AEM)、质子交换膜电解(PEM)、固体氧化物电解(SOEC)四种不同类型，技术特性对比如表1所示。现阶段，碱性电解槽技术已经完成商业化，产业链整体比较成熟，但不适用风光等间歇性电能，氢气纯度相比PEM、SOEC等电解槽较低；PEM电解水制氢技术是指使用质子交换膜作为固体电解质,与ALK电解槽相比，PEM电解槽具有电流密度大、氢气纯度高、响应速度快等优势，更适合与风光储技术相结合，随着国产替代化进程的加快，未来我国质子交换膜成本将进一步下降；AEM电解槽的核心包括阴极材料、阳极材料和阴离子交换膜。与ALK和PEM技术相比，AEM技术结合了两者的优势，但是目前阴离子交换膜无法兼顾工作效率与设备寿命，AEM电解槽仍处于实验室研发阶段；SOEC利用固体氧化物作为电解质,在高温状态下电解气态水。安全无污染，效率高，但高温环境对材料、密封和装配技术要求较高。本发明可采用质子交换膜电解槽作为电解水装置。
质子交换膜电解槽输出的氢气量主要与电源的功率大小和电解槽转化效率有关，电解槽主要通过电解水产生氢气进行储存，其制氢效率为：
式中，ηel为电解槽的制氢效率；Pet(t)为t时刻电解槽的耗电功率；Hel(t)为t时刻电解槽的产氢功率。
本发明考虑将氢储能单元内三种能源形式(电热氢)统一用功率/能量的形式表示，实际的氢气体积可由氢气的能量/功率结合自身热值换算得到。同时，考虑电-热耦合特性，电解槽的电热平衡方程如下：
式中，Tel(t)为t时刻电解质温度；Cel为电解槽热容；为电解槽环境热损失功率；为电解槽冷却循环水吸热功率。
电解槽设备的冷却循环水通过换热器传递热能，参与到园区综合能源系统的热网循环中，可以理解为，冷却循环水的吸热功率即为电解槽的对外供热功率。式2-8中，电解槽的热电平衡方程可以表示为：电解槽的耗电功率等效于产氢功率、环境热损失功率、对外供热功率，以及电解质化学反应吸热功率之和。同理，可以据此推出下文中燃料电池的热电平衡方程。
燃料电池建模：
氢燃料电池的工作机制主要依托于氢气和氧气的化学反应，从而实现化学能到电能的转变。近年来，氢燃料电池技术的迅猛进步加速了氢能领域的发展步伐，具有多种优点，包括体积小巧、环保无污染、运行噪音低以及高效的能量转换效率等，在航空、汽车等诸多领域也得到了广泛的应用。氢燃料电池的核心组件为阳极板、阴极板和电解质膜。在运行过程中，氢气和空气通过特定的进气管路分别流向阳极和阴极，经过电极上的扩散层最终到达电解质膜处。在阳极侧，氢气在催化剂的作用下被分解为氢离子和电子，大量电子积聚形成了燃料电池的负极，氢离子穿越电解质膜，到达阴极与氧气发生反应，生成水。这一过程中，阴极作为燃料电池的正极。
当系统负荷处于高峰时期，电网供电不足，或者电价处于峰时电价期间，燃料电池会消耗氢气实现热电联供，燃料电池的耗氢发电效率为：
式中，ηfc为燃料电池发电效率；Pfc(t)为t时刻燃料电池发电功率；Hfc(t)为t时刻燃料电池耗氢功率。
与电解槽类似，燃料电池的热电平衡方程如下：
式中，Tfc(t)为燃料电池工作温度；Cfc为燃料电池热容；为燃料电池环境热损耗功率；为电解槽冷却循环水的吸热功率。
储氢罐建模：
电解槽产生的氢气，一部分掺入天然气管网，另一部分进入储氢罐中。储氢罐和蓄热罐、储能电池类似，能够储存多余氢气，并在需要时释放出来，供给氢燃料电池发电，提升系统调节能力。本文采用低压储氢，压强一般为2～5MPa，一般应用于氢气大规模存储或对气体存储密度要求较小的场景。如工业储氢、季节性储氢等。结合氢气功率与体积的换算关系，以能量形式描述储氢罐存储与释放氢气的过程：
式中，HSOC(t)为t时刻储氢罐储氢比例；Hhs(t)为t时刻储氢罐储氢量；Qhs为储氢罐额定容量；为t时刻储氢罐储氢比例变化率；为存储氢气效率；为释放氢气效率；为t时刻储氢罐储氢比例变化率；为t时刻掺氢功率。
4)耦合辅助设备数学建模
燃气锅炉建模：
燃气锅炉属于气热耦合设备，相比电锅炉与燃油锅炉，能源转换效率更高，且成本较低，在园区综合能源系统中，将燃气锅炉与CHP单元结合使用，可以实现能源的梯级利用。具体而言，燃气锅炉可以作为CHP单元的补充设备，当CHP单元产生的热能不足以满足需求时，燃气锅炉可以提供额外的热能。其运行模型为：
式中，ηGB为燃气锅炉能量转换效率；QGB(t)为t时刻燃气锅炉的产热功率；为燃气锅炉产热功率的下限和上限；为燃气锅炉爬坡出力的下限和上限。
储能电池建模：
大量可再生能源并入电网，给电力系统带来调峰调频压力，同时降低系统的整体调节能力，使其在面对不确定性风险时不够稳定，从而对电力系统的安全稳定运行构成新的挑战。储能电池作为一种有效的解决方案，能够存储新能源发电设备产生的富余电能，并在需要时通过电网进行充电。这类电池具有高度的灵活性和对电网的强大支撑能力。为确保其在电力负荷高峰时段能够持续供电，需要保障蓄电池的储电能力达到或接近上限。储能电池在运行过程中，存在存储电能与释放电能两个过程。对储能电池构建出力模型也需从上述两个过程分别进行研究。存储电能的数学模型为：
储能电池释放电能的数学模型为：
式中，δe为储能设备自身的电能消耗率；Pi e、为储能电池电能存储与电能释放功率；ESOC(t+1)、ESOC(t)为t+1、t时段蓄电池蓄电量；为存储电能与释放电能的效率；为储能电池额定容量。
蓄热罐建模：
蓄热罐在综合能源系统中的作用与储能电池类似，起到储存与释放热能的作用，能够平衡调节系统热负荷，具备较强的热能支撑作用。通常由一个密封的容器和储存介质组成，能够利用冷水和热水的密度差异，将两者同时储存在罐内，从而实现蓄热和放热的过程。储存与释放热能的数学模型为：
式中，QHS(t)为在t时刻的蓄热罐的热容量；τloss为蓄热罐的散热损失率；为蓄热罐的充热效率；为t0至t时刻之间蓄热罐的放热量；QHS(t0)为初始t0时刻蓄热罐的蓄热量；为t0至t时刻之间蓄热罐的蓄热量；为蓄热罐的放热效率。
在一些实施例中，可以根据综合能源系统能否满足用户电负荷需求(是否有余电)，划分有余电和无余电两种场景，来研究规划策略，以制定适用于不同场景的运行策略。通过分析综合能源系统内部供电负荷的大小来确定设备发热量。在这种方式下，系统优先满足电力负荷的需求，通过燃料电池发电，同时附带产生热能。如果产生的热能不能满足需求，可以通过其他形式的热源，如蓄热罐、CHP单元以及燃气锅炉进行补充。氢储能单元可以同时看作热电联产设备，作为不同于常规形式的储能设备，根据当地区域峰谷分时电价以及新能源发电出力情况决定自身运行策略，电解槽和燃料电池工作的同时可以向系统提供热量，降低系统购能需求，进一步提升供能可靠性。
图4示出了根据本发明实施例中的综合能源系统在有余电场景下的整体运行策略示意图；图5示出了根据本发明实施例中的综合能源系统在无余电场景下的整体运行策略示意图。
如图4所示，当综合能源系统能够满足用户电负荷需求时，即综合能源系统内有余电时，无需考虑峰谷电价，仅考虑热负荷需求来制定合理的运行策略。综合能源系统可以优先电解水制氢，电解槽装置的冷却循环水开始吸热，并将热量传递给热网，若此时满足热负荷需求，蓄热罐进行储热。当热负荷存在缺口时，由于蓄热罐弥补热负荷不足，若仍未满足热负荷需求，需外购天然气，并由储氢罐释放部分氢气混入天然气管网，由CHP单元和燃气锅炉提供热能，以满足综合能源系统的热负荷需求。
如图5所示，当综合能源系统内的电负荷存在缺口、无法满足用户电负荷需求时，即综合能源系统内无余电时，需要结合峰谷电价以及可再生能源季节性出力特征来调整综合能源系统的运行策略。首先，考虑热负荷能够满足的情况，当处于峰时电价时期，应降低购电水平，优先考虑燃料电池发电，如果仍不能满足电负荷需求，可通过CHP单元调整热电比，增大电出力比例，弥补电负荷缺口；当处于谷时电价期间，应发挥氢储能作用，大量制取氢气并存储，同时制氢过程中产生的热能进入蓄热罐存储。
其次，考虑热负荷不能满足的情况，此时电负荷和热负荷均存在缺口，峰时电价期间应首先采用燃料电池供电供热弥补负荷缺口，若负荷缺口仍存在，需要蓄热罐供热以及外购电。其中，在谷时电价期间，应大量制取氢气存储直至储满，在满足热负荷缺口后余热由蓄热罐收集，若仍未满足热负荷缺口则需要外购天然气，利用CHP单元和燃气锅炉供热。在平时电价期间，应结合系统实际运行情况，更多考虑可再生能源的季节性出力特征，其中，在清洁能源充裕时期，利用氢储能将富余的电能转化为氢能进行存储，并在电-氢-电的转化过程中提供热能以满足热负荷需求，充分消纳可再生能源；在清洁能源匮乏时期，应减少氢储能的使用，更多利用燃料电池和CHP单元满足电热负荷需求。
在一些实施例中，在构建规划优化模型之前，可以预先建立考虑碳超额比例的阶梯式碳交易模型，以便通过阶梯式碳交易模型确定阶梯碳交易成本，并将阶梯碳交易成本纳入年总成本中。其中，碳超额比例用于表示实际碳排放量与碳排放配额的比例。这样，年总成本中的阶梯碳交易成本可以通过阶梯式碳交易模型来确定。
需要说明的是，碳排放交易(Carbon Emissions Trading,简称CET)，是通过把CO2排放权作为一种商品，买方和卖方通过碳交易平台进行购买和售卖行为，完成CO2排放权的交易。可以通过成本激励的方式促使被考核主体降低碳排放量，最终达到降低碳排放总量、控制温室气体排放的目的。
阶梯式碳交易机制由碳排放配额、实际碳排放量和考虑超额比例的阶梯碳交易成本构成。在电力行业，当前碳交易机制下，我国主要采用基准线法分配碳排放配额，基准线法规定相同型号的机组排放基准也相同，确保碳排放权初始分配的公平性。当实际碳排放量比碳配额少时，可出售部分碳排放配额获取收益；反之，则需要购买一部分碳排放权来满足考核要求。
在本发明一些实施例中，综合能源系统100中的碳排放源包括CHP单元、燃气锅炉以及外购电。其中，电网碳排放因子为一定区域范围内所有发电企业的碳排放总量与当地电网的总供电量之比，燃气机组相关设备的实际碳排放由于电解槽和储氢罐会将一部分氢气送入系统气网，而氢气的燃烧产物不包含CO2，因此本发明不考虑通过设备输出功率计算，而是通过购气量与单位体积天然气燃烧产生的CO2计算。基于此，可以对初始碳排放配额以及实际碳排放量建立数学模型。
初始碳排放配额的数学模型如下：
EIES＝Ebuy+ECHP+EGB (14)
式中，EIES、Ebuy、ECHP、EGB分别表示综合能源系统、外购电、CHP单元、燃气锅炉的碳排放配额(t)；分别表示单位购电功率、供能设备单位热功率的碳排放权配额(t)；表示电热功率转换参数；Pi(t)表示t时刻购电功率；T表示规划周期(h)。
实际碳排放量的数学模型如下：
式中，QIES、Qbuy、分别表示综合能源系统、外购电、天然气的实际碳排放量；表示电网碳排放因子(kg/kWh)；Gi(t)表示购气体积速率；表示天然气的碳排放系数(kg/m3)。
在现有的阶梯式碳交易机制下，碳排放区间的长度由超出碳排放配额的排放量来划分，如果规模差距较大的综合能源系统使用同一个阶梯碳交易模型，那么区间长度就会难以合理量化(碳交易区间过长时，阶梯碳交易机制对系统碳排放的约束力会变弱)。此外，通过划分区间长度的阶梯式碳交易机制无法准确描述系统实际的碳排放量超过碳排放配额的程度。
因此，在本发明一些实施例中，在构建规划优化模型之前，可以预先建立考虑碳超额比例(实际碳排放量与碳排放配额的比例)的阶梯式碳交易模型。其中，通过划分碳超额比例梯度，碳超额比例越大，对应区间的碳排放权购买价格也会越高。
其中，可通过下式来计算碳超额比例：
当碳超额比例梯度为0.1时，阶梯式碳交易模型如下：
式中，CJY表示阶梯碳交易成本；λJY表示碳交易单价；α表示价格增长幅度，取20％；θ表示奖励系数，取0.2。EIES表示综合能源系统的碳排放配额；QIES表示综合能源系统的实际碳排放量。
如上文所述，在一些实施例中，综合能源系统中的碳排放源包括CHP单元、燃气锅炉以及外购电，综合能源系统的碳排放配额EIES可根据上述公式(14)-(17)来计算得出。QIES可根据上述公式(18)-(20)来计算得出。
可以理解，根据本发明实施例建立的阶梯式碳交易模型，能够准确描述综合能源系统实际碳排放量超过碳排放配额的程度，而且，当实际碳排放量小于碳排放配额时，能够基于碳超额比例梯度给予不同梯度的奖励，从而能实现进一步激励系统运营商降低碳排放量。
根据本发明建立的阶梯式碳交易模型可以确定阶梯碳交易成本，进而，在构建规划优化模型时，可以将阶梯碳交易成本纳入年总成本中。
具体地，在一些实施例中，以综合能源系统的年总成本最低为第一目标、以综合能源系统的综合能效最高为第二目标，来构建综合能源系统的规划优化模型的具体方式如下：首先，可以基于综合能源系统的年投资成本、购能成本、年运维成本、阶梯碳交易成本(即，通过上述阶梯式碳交易模型确定的阶梯碳交易成本)、弃风弃光惩罚成本，构建第一目标对应的年总成本最低目标函数；以及，基于综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值，构建第二目标对应的综合能效最高目标函数。进而，可以基于年总成本最低目标函数和综合能效最高目标函数，来构建综合能源系统的规划优化模型。
其中，基于综合能源系统的年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本构建的年总成本最低目标函数如下：
minf1＝Cycost+Cbuy+Cmain+CJY+Cpt (23)
式中，Cycost、Cbuy、Cmain、CJY、Cpt分别表示综合能源系统的年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本。
其中，阶梯碳交易成本CJY的计算公式参见上述公式(21)-(22)。
年投资成本Cycost、购能成本Cbuy、年运维成本Cmain、弃风弃光惩罚成本Cpt的具体计算公式如下所示：
式中，表示第k类设备的单位容量投资成本；Dk表示第k类设备的配置容量；r、m分别表示年化成本公式里的利率、使用寿命；分别表示t时段的电价与气价；Δt表示单位时长，可以为1h；Ok表示设备k的单位容量年维护成本；Pk,D(t)表示第k个设备的出力；βpt表示弃风弃光惩罚系数，取0.2元/kWh；Ppvwt(t)表示t时刻的弃风弃光功率。
需要说明的是，综合能效最高目标函数能够代表多能互补的综合能源系统对多种能源的利用效率水平。基于综合能效最高目标函数，能够实现综合能源系统各子系统间的有机协调，提高整个系统的效率和稳定性，并且能够兼顾综合能源系统性能，降低系统整体的能源外购需求。
基于综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值，构建的综合能效最高目标函数如下：
式中，Gk表示第k类设备的能源供给量；Wj表示第k类设备的能源消耗量。
此外，在一些实施例中，在构建规划优化模型时需要综合能源系统满足多个约束条件，也就是说，可以基于年总成本最低目标函数、综合能效最高目标函数以及综合能源系统的多个约束条件，来构建综合能源系统的规划优化模型。其中，综合能源系统的多个约束条件包括功率平衡约束条件、系统供能网络约束条件、系统占地面积约束条件、储能单元设备运行约束条件、其余设备元件(包括燃气轮机、风机等)运行约束条件。
其中，功率平衡约束条件包括电负荷功率平衡约束条件、热功率平衡约束条件。
电负荷功率平衡约束条件如式(29)所示。
Pi(t)+PPV(t)+PWT(t)+PGT(t)+Pfc(t)＝Pload(t)+Pet(t) (29)
式中，Pload(t)——t时刻的电负荷需求。
热功率平衡约束条件如式(30)所示。
式中，Hload(t)表示t时刻的热负荷需求。
系统供能网络约束条件用于将综合能源系统的外购能量(外购电、外购气)分别限制在相应范围内，系统供能网络约束条件如式(31)所示。
式中，表示购气最大体积限制速率；Pi max表示购电最大限制功率。
在综合能源系统规划建设落地时，需要考虑综合能源系统选用的设备数量以及设备所需空间(安装占地面积)。具体地，系统占地面积约束条件用于指示：综合能源系统中所有设备的安装占地面积总和不能超过综合能源系统的可使用区域面积上限，具体如式(32)所示。
式中，表示第k台设备的安装占地面积；表示综合能源系统的可使用区域面积上限。
储能单元设备运行约束条件包括电解槽容量约束条件、燃料电池容量约束条件、蓄热罐储热量约束条件、储氢罐储氢约束条件，具体如式(33)所示。
式中，Yel表示电解槽最大容量；Yfc表示燃料电池最大容量；表示蓄热罐的最小储热量、最大储热量；表示储氢罐的储氢比例最小值、储氢比例最大值。
其余设备元件运行约束条件，用于显示其余设备元件(包括燃气轮机、风机等)的功率和爬坡速率，具体如式(34)所示。
式中，Qk(t)、Qk(t-1)分别表示第k类设备在t时刻的输出功率、在t-1时刻的输出功率；分别表示第k类设备的最小功率、最大功率；分别表示第k类设备的减少出力的爬坡速率、增加出力的爬坡速率。
在一些实施例中，可以采用粒子群算法来对规划优化模型进行求解。粒子群算法以鸟群的觅食行为作为原型，通过粒子间相互学习，达到不断接近优化目标的仿生式智能算法，将潜在解视为空间中的粒子，通过构建适应度函数来评价各粒子优劣，寻找各粒子的前进方向，不断搜索最优解。粒子群算法包含的基本要素可以由下式表达：
PSO＝(N,V,X,F,K) (35)
式中，N为粒子个数；V为粒子进化速度；X为粒子所处位置；F为适应度函数；K为迭代次数。
粒子迭代过程中进化的速度和位置可以表示为下式：
也就是说，可以通过上式(36)和(37)来迭代更新粒子的速度和位置，进而。
式中，ωi为粒子i惯性权重；c1、c2分别为个体学习因子、群体学习因子；r1、r2为(0,1)区间上的随机参数，进化常数系数；为第i个粒子迭代k次后位置；为k+1次迭代后粒子速度；为迭代k次后粒子i最优位置；gk为粒子群全局历史最优位置。
粒子群全局历史最优位置的迭代公式为：
式中，表示第i个粒子迭代k+1次后的适应度值；f(gk)表示全局最优位置适应度值。
针对现有的标准粒子群算法的早熟、易陷入局部最优等缺陷，本发明实施例提出了一种改进后的粒子群算法：模拟退火混沌粒子群互补算法。根据本发明改进得到的模拟退火混沌粒子群互补算法，首先，考虑惯性权重对算法求解速度的影响，在粒子进化过程中采用时变权重，以平衡全局寻优过程；其次，采用混沌序列对迭代过程中的每个粒子进行混沌扰动，从而避免陷入局部极值；此外，引入模拟退火机制，在陷入局部最优时确保粒子能够跳出局部最优解，实现全局搜索。
具体地，ωi(粒子i惯性权重)值越大，算法对应求解速度越快，但同时也容易陷入局部最优情况。因此，在本发明一些实施例中，可以基于时变权重，实现对粒子的惯性权重ωi进行适当调整，使粒子在进化过程中具备不同的探索能力，以平衡全局寻优过程。
时变权重可以表示为下式：
式中，fmin(k)为粒子群最小适应度；wmin、wmax分别为惯性权重最小值、惯性权重最大值；fa(k)为粒子群平均适应度。
也就是说，可以通过式(39)来调整、更新粒子的惯性权重ωi。
在本发明一些实施例中，可采用混沌序列对迭代过程中的粒子速度的随机参数r1、r2进行混沌扰动，得到混沌扰动的粒子速度的随机参数具体如(40)和(41)所示。需要说明的是，混沌序列具体可以为Logistic模型混沌序列。Logistic模型混沌序列，即是，在一定的参数条件下，Logistic映射生成的序列表现出混沌行为，混沌序列看似随机，但它们实际上是由确定的数学规则生成的，对迭代过程中的每个粒子进行混沌扰动，以避免粒子陷入局部极值。
混沌扰动的粒子速度的随机参数可表示为下式：
式中，为混沌扰动的粒子速度的随机参数。
由上文可知，当所有粒子均处于粒子群全局历史最优位置gk时，粒子群停止搜索，陷入局部最优解，此时可以引入模拟退火机制，对各粒子执行模拟退火过程以更新各粒子的位置，具体地，通过对粒子当前位置进行扰动，以生成新的候选解，使较差粒子有概率(概率为P)处于粒子群最优位置，粒子继续飞行，这样能确保粒子群跳出局部最优解，进行全局搜索。其中，概率P随着温度T的降低而逐渐减小，并可以设置终止温度Tf，当温度低于终止温度Tf时，退出模拟退火进程，此时达到全局最优。
更新后的粒子i最优位置的迭代公式为：
式中，c为(0,1)区间上的随机值。Pi T为粒子在温度T时的概率，可表示为下式：
对降温速度的影响因素和温度迭代方式进行分析，粒子群处于分散状态时，越分散成熟度越低，需要进一步迭代寻优(当前温度下)，即需要降低降温速度；反之，需要提高降温速度。粒子群分散程度可表示为：
降温策略的数学方程如下：
T(k+1)＝T(k)λ(1-σ) (45)
式中，T(k)为k次迭代后温度；λ为降温系数，用于决定温度下降速率。
在一些实施例中，利用上述模拟退火混沌粒子群互补算法，对规划优化模型进行求解的具体过程如下：
首先，初始化粒子群，包括：初始化设置粒子群中的粒子数量、各粒子的初始位置和初始速度、粒子最优位置的初始值、粒子群全局历史最优位置的初始值。并且，初始化设置模拟退火过程的初始温度、终止温度等参数。以及，设置模拟退火混沌粒子群互补算法的最大迭代次数。需要说明的是，粒子用于表示空间中的潜在解。可以通过构建适应度函数来评价各粒子优劣，并寻找各粒子的前进方向，以不断搜索最优解。
基于时变权重对粒子的惯性权重进行调整；以及，采用混沌序列对迭代过程中的粒子速度的随机参数r1、r2进行混沌扰动，得到混沌扰动的粒子速度的随机参数。具体地，可以通过上式(39)来实现对粒子的惯性权重进行调整。可以通过上式(40)和(41)来实现对迭代过程中的粒子速度的随机参数r1、r2进行混沌扰动，得到混沌扰动的粒子速度的随机参数rn k。
基于上述时变权重、混沌扰动的粒子速度的随机参数，迭代更新粒子的速度和位置，进而可以计算迭代更新后的粒子的适应度函数值。若本次迭代更新后的粒子的适应度函数值小于全局历史适应度函数的极值，则更新全局历史适应度函数的极值，否则，不更新全局历史适应度函数的极值。这里，可以通过上式(36)和(37)来迭代更新粒子的速度和位置。
当粒子群中的所有粒子均处于粒子群全局历史最优位置时，对各粒子执行模拟退火过程以更新各粒子的位置，具体包括：对粒子当前位置进行扰动(可以在粒子当前位置附近进行随机扰动)，以生成候选解(候选粒子)，并通过上式(42)确定迭代更新后的粒子最优位置。进而，可以通过适应度函数来比较候选解对应的候选位置与迭代更新后的粒子最优位置的适应度，如果候选位置的适应度比迭代更新后的粒子最优位置的适应度好，则将该候选位置作为粒子新的最优位置；如果候选位置的适应度比迭代更新后的粒子最优位置的适应度差，则根据上式(43)来确定是否将该迭代更新后的粒子最优位置作为粒子新的最优位置。具体地，可以计算候选解对应的候选位置的适应度函数值、迭代更新后的粒子最优位置的适应度函数值，通过比较候选位置的适应度函数值、迭代更新后的粒子最优位置的适应度函数值，来确定候选位置、迭代更新后的粒子最优位置中的适应度更好的位置，如果候选位置的适应度比迭代更新后的粒子最优位置的适应度好，则将该候选位置作为粒子新的最优位置；如果候选位置的适应度比迭代更新后的粒子最优位置的适应度差，则根据上式(43)来确定是否将该迭代更新后的粒子最优位置作为粒子新的最优位置。
通过适应度函数，从粒子群的各粒子新的最优位置中选择适应度最好的粒子新的最优位置，作为粒子群全局当前最优位置。进而，可以通过适应度函数，来比较粒子群全局当前最优位置与粒子群全局历史最优位置的适应度，如果粒子群全局当前最优位置的适应度更好，则可以将粒子群全局当前最优位置作为新的粒子群全局历史最优位置。
进而，可以更新模拟退火过程的当前温度，并迭代执行上述步骤。直至当前温度降至终止温度以下，当前迭代次数达到最大迭代次数，且新的粒子群全局历史最优位置满足预设界限时，可以终止模拟退火混沌粒子群互补算法，并输出帕累托解集(多组可行解集)。
具体地，在每次更新模拟退火过程的当前温度后，判断当前温度是否降至终止温度以下，并判断当前迭代次数是否达到最大迭代次数，以及，判断新的粒子群全局历史最优位置是否满足预设界限。如果当前温度降至终止温度以下，当前迭代次数达到最大迭代次数，且新的粒子群全局历史最优位置满足预设界限，则可以终止模拟退火混沌粒子群互补算法，并输出帕累托解集(多组可行解集)。同时可以输出算法的迭代次数和收敛曲线等信息。
在一些实施例中，在得到帕累托解集后，可以利用Topsis方法基于帕累托解集确定最优解(对应最优规划结果)，进而，可以基于最优解确定最优规划结果(最优规划结果包含综合能源系统中各类设备的最优容量配置)。在另一些实施例中，还可以利用综合评分法或者灰色关联度分析法来对帕累托解集进行分析，得到最优解。
需要说明的是，在利用本发明的模拟退火混沌粒子群互补算法对规划优化模型进行求解的过程中，通过模拟退火过程的随机扰动，能够在搜索过程中跳出局部最优解，增加找到全局最优解的机会。同时，模拟退火混沌粒子群互补算法对粒子速度和位置的更新有助于在求解空间中快速搜索到潜在的优质解区域，提高了算法的优化性能和鲁棒性。
根据本发明的综合能源系统规划优化方法300，获取综合能源系统中的各类设备参数、负荷数据、能源价格，进而，以综合能源系统的年总成本(包含阶梯碳交易成本)最低、综合能效最高为目标来构建综合能源系统的规划优化模型，并利用模拟退火混沌粒子群互补算法对规划优化模型进行求解，以得到最优解，基于最优解来确定综合能源系统中各类设备的最优容量配置。基于此，能够实现在满足系统负荷需求的前提下，合理规划出综合能源系统中各类设备的最优容量配置。
进一步地，通过构建综合能效最高目标函数，能够实现综合能源系统各子系统间的有机协调，提高整个系统的效率和稳定性，并且能够兼顾综合能源系统性能，降低系统整体的能源外购需求。
此外，根据本发明建立的阶梯式碳交易模型，能够准确描述综合能源系统实际碳排放量超过碳排放配额的程度，而且，当实际碳排放量小于碳排放配额时，能够基于碳超额比例梯度给予不同梯度的奖励，从而能实现进一步激励系统运营商降低碳排放量。
此外，根据本发明改进得到的模拟退火混沌粒子群互补算法，考虑了惯性权重对算法求解速度的影响，在粒子进化过程中采用时变权重，平衡全局寻优过程；采用混沌序列对迭代过程中的每个粒子进行混沌扰动，从而避免陷入局部极值；引入模拟退火机制，在陷入局部最优时确保粒子能够跳出局部最优解，实现全局搜索。在利用模拟退火混沌粒子群互补算法对规划优化模型进行求解的过程中，通过模拟退火过程的随机扰动，能够在搜索过程中跳出局部最优解，增加找到全局最优解的机会。同时，模拟退火混沌粒子群互补算法对粒子速度和位置的更新有助于在求解空间中快速搜索到潜在的优质解区域，提高了算法的优化性能和鲁棒性。
以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
本领域那些技术人员应当理解在本发明所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

Claims (10)

1.一种综合能源系统规划优化方法，在计算设备中执行，包括：
获取综合能源系统中的各类设备参数、负荷需求数据、能源价格，其中，所述各类设备参数包括各类设备的投建成本和设备能效，所述负荷需求数据包括电负荷需求数据和热负荷需求数据，所述能源价格包括电价和气价；
基于所述各类设备参数、负荷需求数据、能源价格，以综合能源系统的年总成本最低为第一目标、以综合能源系统的综合能效最高为第二目标，来构建所述综合能源系统的规划优化模型，其中，所述年总成本包含年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本，所述综合能效用于表示所述综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值；
利用模拟退火混沌粒子群互补算法，对所述规划优化模型进行求解，以得到最优解，基于所述最优解确定所述综合能源系统中各类设备的最优容量配置。
2.如权利要求1所述的方法，其中，以综合能源系统的年总成本最低为第一目标、以综合能源系统的综合能效最高为第二目标，来构建所述综合能源系统的规划优化模型，包括：
基于所述综合能源系统的年投资成本、购能成本、年运维成本、阶梯碳交易成本、弃风弃光惩罚成本，构建第一目标对应的年总成本最低目标函数；
基于所述综合能源系统中的各类设备的能源供给总量与各类设备的能源消耗总量的比值，构建第二目标对应的综合能效最高目标函数；
基于所述年总成本最低目标函数和所述综合能效最高目标函数，来构建所述综合能源系统的规划优化模型。
3.如权利要求2所述的方法，其中，基于所述年总成本最低目标函数和所述综合能效最高目标函数，来构建所述综合能源系统的规划优化模型，包括：
基于所述年总成本最低目标函数、所述综合能效最高目标函数以及所述综合能源系统的多个约束条件，来构建所述综合能源系统的规划优化模型；
所述多个约束条件包括功率平衡约束条件、系统供能网络约束条件、系统占地面积约束条件、储能单元设备运行约束条件、其余设备元件运行约束条件；其中，所述功率平衡约束条件包括电负荷功率平衡约束条件、热功率平衡约束条件；所述系统供能网络约束条件用于将综合能源系统的外购电、外购气分别限制在相应范围内；所述系统占地面积约束条件用于指示综合能源系统中所有设备的安装占地面积总和不超过综合能源系统的可使用区域面积上限；所述储能单元设备运行约束条件包括电解槽容量约束条件、燃料电池容量约束条件、蓄热罐储热量约束条件、储氢罐储氢约束条件；所述其余设备元件运行约束条件，用于显示其余设备元件的功率和爬坡速率，所述其余设备元件包括燃气轮机、风机。
4.如权利要求1-3中任一项所述的方法，其中，利用模拟退火混沌粒子群互补算法，对所述规划优化模型进行求解，以得到最优解，包括：
初始化设置粒子群中的粒子数量、各粒子的初始位置和初始速度、粒子最优位置的初始值、粒子群全局历史最优位置的初始值，初始化设置模拟退火过程的初始温度、终止温度，以及设置最大迭代次数，其中，所述粒子用于表示空间中的潜在解；
基于时变权重对粒子的惯性权重进行调整，以及，采用混沌序列对迭代过程中的粒子速度的随机参数进行混沌扰动，得到混沌扰动的粒子速度的随机参数；
基于所述时变权重、所述混沌扰动的粒子速度的随机参数，迭代更新粒子的速度和位置；
当粒子群中的所有粒子均处于粒子群全局历史最优位置时，对各粒子执行模拟退火过程以更新各粒子的位置，包括：对粒子当前位置进行扰动，以生成候选解，并确定迭代更新后的粒子最优位置；通过适应度函数来比较所述候选解对应的候选位置与所述迭代更新后的粒子最优位置的适应度，其中，如果所述候选位置的适应度比所述迭代更新后的粒子最优位置的适应度好，则将所述候选位置作为粒子新的最优位置；
通过适应度函数，从粒子群的各粒子新的最优位置中选择适应度最好的粒子新的最优位置，作为粒子群全局当前最优位置，并比较粒子群全局当前最优位置与粒子群全局历史最优位置的适应度，如果粒子群全局当前最优位置的适应度更好，则将粒子群全局当前最优位置作为新的粒子群全局历史最优位置；
更新模拟退火过程的当前温度，如果所述当前温度降至所述终止温度以下，当前迭代次数达到所述最大迭代次数，且新的粒子群全局历史最优位置满足预设界限，则输出帕累托解集；
利用Topsis方法，基于所述帕累托解集确定最优解。
5.如权利要求1-4中任一项所述的方法，其中，还包括：
建立考虑碳超额比例的阶梯式碳交易模型，以便通过所述阶梯式碳交易模型确定阶梯碳交易成本，所述碳超额比例用于表示实际碳排放量与碳排放配额的比例。
6.如权利要求5所述的方法，其中，通过下式来计算碳超额比例：
当碳超额比例梯度为0.1时，阶梯式碳交易模型如下：
其中，CJY表示阶梯碳交易成本；λJY表示碳交易单价；α表示价格增长幅度；θ表示奖励系数；EIES表示综合能源系统的碳排放配额；QIES表示综合能源系统的实际碳排放量。
7.如权利要求1-6中任一项所述的方法，其中，年投资成本、购能成本、年运维成本、弃风弃光惩罚成本的计算公式如下：
其中，Cycost、Cbuy、Cmain、Cpt分别表示年投资成本、购能成本、年运维成本、弃风弃光惩罚成本；表示第k类设备的单位容量投资成本；Dk表示第k类设备的配置容量；r、m分别表示年化成本公式里的利率、使用寿命；分别表示t时段的电价与气价；Δt表示单位时长；Ok表示设备k的单位容量年维护成本；Pk,D(t)表示第k个设备的出力；βpt表示弃风弃光惩罚系数；Ppvwt(t)表示t时刻的弃风弃光功率。
8.如权利要求6所述的方法，其中，所述综合能源系统中的碳排放源包括CHP单元、燃气锅炉以及外购电。
9.如权利要求1-8中任一项所述的方法，其中，所述各类设备包括生产设备、能源转换设备和能源存储设备；
所述综合能源系统包括可再生能源发电单元、氢储能单元、CHP单元以及耦合辅助设备；其中，所述可再生能源发电单元包括分布式光伏设备和风机设备，所述氢储能单元包括燃料电池、储氢罐和电解槽，所述CHP单元包括燃气轮机和余热锅炉，所述耦合辅助设备包括燃气锅炉和蓄热罐。
10.一种计算设备，包括：
至少一个处理器；和
存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器处理，所述程序指令包括用于处理如权利要求1-9中任一项所述方法的指令。
CN202411657586.9A 2024-11-19 2024-11-19 综合能源系统规划优化方法及计算设备 Pending CN119514989A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411657586.9A CN119514989A (zh) 2024-11-19 2024-11-19 综合能源系统规划优化方法及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411657586.9A CN119514989A (zh) 2024-11-19 2024-11-19 综合能源系统规划优化方法及计算设备

Publications (1)

Publication Number Publication Date
CN119514989A true CN119514989A (zh) 2025-02-25

Family

ID=94658935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411657586.9A Pending CN119514989A (zh) 2024-11-19 2024-11-19 综合能源系统规划优化方法及计算设备

Country Status (1)

Country Link
CN (1) CN119514989A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119783916A (zh) * 2025-03-10 2025-04-08 中国能源建设集团湖南省电力设计院有限公司 绿电氢氨优化配置方法、系统、计算机设备和存储介质
CN120725539A (zh) * 2025-08-19 2025-09-30 河北省特种设备监督检验研究院 多源清洁燃料耦合掺烧的燃煤锅炉能效评估方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119783916A (zh) * 2025-03-10 2025-04-08 中国能源建设集团湖南省电力设计院有限公司 绿电氢氨优化配置方法、系统、计算机设备和存储介质
CN120725539A (zh) * 2025-08-19 2025-09-30 河北省特种设备监督检验研究院 多源清洁燃料耦合掺烧的燃煤锅炉能效评估方法及系统
CN120725539B (zh) * 2025-08-19 2025-11-21 河北省特种设备监督检验研究院 多源清洁燃料耦合掺烧的燃煤锅炉能效评估方法及系统

Similar Documents

Publication Publication Date Title
CN114243694B (zh) 考虑阶梯碳交易和需求响应的并网型微电网优化配置方法
CN111463836B (zh) 一种综合能源系统优化调度方法
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN113850474A (zh) 一种热电氢多能流综合能源系统及其优化调度方法
Mohammadi et al. Comparative transient assessment and optimization of battery and hydrogen energy storage systems for near-zero energy buildings
CN109245093A (zh) 一种冷热电联供分布式能源站协同优化调度方法
CN117153278B (zh) 考虑多类型电解槽差异化的电热氢系统优化方法及系统
CN111668878B (zh) 一种可再生微能源网的优化配置方法和系统
CN119514989A (zh) 综合能源系统规划优化方法及计算设备
CN105337303A (zh) 一种含热泵的热电联产型微电网容量优化配置方法
CN115204705A (zh) 考虑电转气存储的区域综合能源系统运行优化方法及应用
CN111445107A (zh) 冷热电联供型微电网多目标优化配置方法
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
CN111293718A (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN114091780A (zh) 一种基于改进麻雀优化算法的综合能源系统优化调度方法
Su et al. Capacity configuration optimization for green hydrogen generation driven by solar-wind hybrid power based on comprehensive performance criteria
CN116468215A (zh) 计及源荷不确定性的综合能源系统调度方法及装置
CN114781740B (zh) 考虑碳排放成本下用户需求响应特性的综合能源系统运行优化装置
CN119809466A (zh) 一种工业园区综合能源系统优化方法及系统
CN115640894A (zh) 一种基于双时间尺度的综合能源系统优化调度方法
Liu et al. Design and evaluation of micro energy network considering P2G‐based storage system using two‐stage stochastic programming
CN119194482A (zh) 一种光伏混合制氢系统及容量配置优化方法
Zhao et al. Capacity configuration and control optimization of off-grid wind solar hydrogen storage system
CN111126675A (zh) 多能互补微网系统优化方法
CN119168190A (zh) 一种全生命周期视角的电氢氨综合能源系统优化调度方法

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