CN113505939B - 一种考虑不确定性因素的能源***随机规划方法及*** - Google Patents
一种考虑不确定性因素的能源***随机规划方法及*** Download PDFInfo
- Publication number
- CN113505939B CN113505939B CN202110847409.7A CN202110847409A CN113505939B CN 113505939 B CN113505939 B CN 113505939B CN 202110847409 A CN202110847409 A CN 202110847409A CN 113505939 B CN113505939 B CN 113505939B
- Authority
- CN
- China
- Prior art keywords
- feasible solution
- comprehensive
- performance index
- energy system
- energy
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 230000007246 mechanism Effects 0.000 claims abstract description 34
- 238000004134 energy conservation Methods 0.000 claims abstract description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 50
- 239000007789 gas Substances 0.000 claims description 36
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 34
- 238000005315 distribution function Methods 0.000 claims description 30
- 230000005611 electricity Effects 0.000 claims description 29
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 25
- 239000001569 carbon dioxide Substances 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 22
- 239000003345 natural gas Substances 0.000 claims description 17
- 239000000446 fuel Substances 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 8
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005057 refrigeration Methods 0.000 claims description 4
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010521 absorption reaction Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000003507 refrigerant Substances 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/04—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
- 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; 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Feedback Control In General (AREA)
Abstract
本申请属于综合能源***应用领域,提供一种考虑不确定性因素的能源***随机规划方法及***,所述一种考虑不确定性因素的能源***随机规划方法包括:确定综合能源***结构,构建设备机理模型;获取不确定性因素,生成随机场景;设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标;以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型;输入模型参数至综合能源***优化配置模型,获得各个设备的最佳配置容量。上述一种考虑不确定性因素的能源***随机规划方法同时兼顾***能耗、环保和经济性,有利于能源的可持续发展。
Description
技术领域
本申请属于综合能源***应用领域,具体涉及一种考虑不确定性因素的能源***随机规划方法及***。
背景技术
综合能源***作为一种清洁高效的供能***,因其节能、环保和经济等特点被广泛关注,其供能对象包括酒店、医院、办公楼和工业园区等用户。在传统的分供***中,用户电、热和冷负荷需求分别由电网、锅炉和制冷机满足,而综合能源***根据梯级利用原理,实现***原动机余热利用,电网和锅炉作为***的辅助设备弥补电能和热能需求的不足。
综合能源***优秀性能的实现离不开***的优化配置。在优化配置过程中,综合能源***多输入和多输出的特性导致存在多种不同类型的不确定性因素,如能源价格和用户负荷等,这些不确定性因素会对***的规划结果和运行性能带来不确定性的影响,因此考虑和妥善处理不确定性因素是实现其性能的重要保证。
两阶段随机规划是处理综合能源***中不确定性因素的一种常用方法,该方法属于情景分析法,其根据不确定性因素服从的概率分布随机采样,生成含有不确定性因素的随机场景,模拟不确定性因素未来发生的各种情况,例如可以采用两阶段随机规划的方法对某宾馆的能源***进行规划,以最小成本为优化目标,考虑下网电和天然气的价格波动,还可以采用两阶段随机规划方法对能源集线器进行配置优化,配置时考虑风能、电价和电负荷的不确定性,优化目标为运维成本最小化,再有对某居民区进行能源***规划,以投资风险最小化为目标,使用两阶段随机规划的方法处理可再生能源的不确定性。
然而,因为求解考虑不确定性因素的随机规划模型为复杂的高维度、多约束和非线性优化问题,所以优化目标往往非常单一,以上三种情况都是基于***投资运行成本进行建模,缺乏对兼顾***能耗、环保和经济性的多目标优化模型的研究,不利于能源的可持续发展。
发明内容
本申请提供一种考虑不确定性因素的能源***随机规划方法及***,以提供一种兼顾能耗、环保和经济的能源***随机规划方法及***。
本申请第一方面提供一种考虑不确定性因素的能源***随机规划方法,所述一种考虑不确定性因素的能源***随机规划方法包括:
根据供能对象的属性参数,分别确定适用于供能对象的综合能源***结构和分供***结构,所述属性参数包括负荷需求信息、能源价格信息和设备经济性参数;
根据综合能源***结构构建综合能源***的关键设备机理模型,根据综合能源***的关键设备机理模型建立综合能源***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式;
根据分供***结构构建分供***的关键设备机理模型,根据分供***的关键设备机理模型建立分供***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式;
至少获取综合能源***中的一种不确定性因素,根据不确定性因素的实际情况设定不确定因素的概率分布函数,根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景;
设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标,所述综合性能指标包括第二阶段决策目标的期望值总和,以及还包括第一阶段决策目标,所述第一阶段决策目标为相对于分供***的投资成本函数,所述第二阶段决策目标为相对于分供***的运行成本函数、二氧化碳减排率和一次能源节约率;
以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型;
输入模型参数至综合能源***优化配置模型,对综合***优化配置模型进行求解,获得各个设备的最佳配置容量,所述模型参数包括各设备效率特性、各设备单位容量价格、用户负荷、天然气价格和电网价格。
可选的,所述综合能源***结构为冷、热和电三联产分布式能源***,所述关键设备模型包括微型燃气轮机模型、燃气锅炉模型、光伏发电板模型、电制冷机模型和下网电模型。
可选的,所述不确定性因素包括用户负荷、燃气价格、电网价格和太阳辐射强度。
可选的,所述用户负荷和所述太阳辐射的概率分布函数为正态分布函数,所述燃气价格的概率分布函数为三角分布函数,所述电网价格的概率分布函数为均匀分布函数。
可选的,所述根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景的步骤,具体为:
设定原始采样数N,采用蒙特卡洛采样法,分别对每种不确定性因素采集N个样本;
对每种不确定性因素的样本进行聚类,采用密度峰值聚类算法,所述密度峰值聚类算法是基于局部密度和相对距离构建的决策图来确定样本的类别数和类心;
根据聚类结果确定每种不确定因素样本的最终采样数,通过随机组合的方式,生成含有不确定性因素的随机场景,所述随机场景的个数为各不确定性因素最终采样数的乘积。
可选的,所述综合能源***的运行方式包括以热定电、以电定热和混合运行。
可选的,所述模型参数还包括改进型人工蜂群智能优化算法参数,所述对综合***优化配置模型进行求解采用改进型人工蜂群智能优化算法,所述改进型人工蜂群智能优化算法的步骤具体为:
步骤701:随机初始化N个可行解,一个可行解的位置坐标代表一种各个设备配置容量的组合,计算每个可行解的综合性能指标值,所述可行解的综合性能指标值为位置坐标代表的设备配置容量下综合能源***的综合性能指标值;
步骤702:按照位置更新公式搜索每个可行解周围的新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置更新可行解的位置,所述位置更新公式为:
若第i个可行解存在最佳近邻,则x′ij=xij+uij×(xi,bestneighbor-xij)+ψij×(yi-xij);
若第i个可行解不存在最佳近邻,则x′ij=xij+φij×(xij-xkj)+ψij×(yj-xij);
式中,x′ij为第i个新可行解位置,xij为第i个可行解位置,xi,bestneighbor为第i个可行解的最佳近邻位置,xkj为第k个随机可行解位置且k≠i,yi为当前综合性能指标值最大的可行解位置,uij和ψij为0到1之间的随机数,φij为-1至1之间的随机数;
步骤703:根据可行解的综合性能指标值按概率选择可行解,并根据轮盘赌原理按照位置更新公式搜索新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置坐标更新可行解的位置坐标;
步骤704:统计每个可行解连续未更新次数,判断连续未更新次数是否达到设定阈值,若连续未更新次数达到设定阈值,则随机产生新可行解,并用新可行解的位置坐标更新可行解的位置坐标;
步骤705:设定最大循环次数,重复循环步骤702至步骤704直至循环次数大于最大循环次数,输出N个可行解中综合性能指标值最大的可行解,获得各个设备的最佳配置容量。
本申请第二方面提供一种考虑不确定性因素的能源***随机规划***,所述一种考虑不确定性因素的能源***随机规划***用于执行本申请第一方面提供一种考虑不确定性因素的能源***随机规划方法,包括:
统结构模块,用于根据供能对象的属性参数,分别确定适用于供能对象的综合能源***结构和分供***结构,所述属性参数包括负荷需求信息、能源价格信息和设备经济性参数;
性能公式模块,用于根据能源***结构构建***的关键设备机理模型,根据***的关键设备机理模型建立***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式;
随机场景模块,用于至少获取综合能源***中的一种不确定性因素,根据不确定性因素的实际情况设定不确定因素的概率分布函数,根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景;
综合性能指标模块,用于设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标;
优化配置模型模块,用于以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型;
输出模块,用于输入模型参数至综合能源***优化配置模型,对综合***优化配置模型进行求解,获得各个设备的最佳配置容量,所述模型参数包括各设备效率特性、各设备单位容量价格、用户负荷、天然气价格和电网价格。
可选的,所述随机场景模块还包括:
采样单元,用于设定原始采样数N,采用蒙特卡洛采样法,分别对每种不确定性因素采集N个样本;
聚类单元,用于对每种不确定性因素的样本进行聚类,采用密度峰值聚类算法,所述密度峰值聚类算法是基于局部密度和相对距离构建的决策图来确定样本的类别数和类心;
生成单元,用于根据聚类结果确定每种不确定因素样本的最终采样数,通过随机组合的方式,生成含有不确定性因素的随机场景,所述随机场景的个数为各不确定性因素最终采样数的乘积。
可选的,所述输出模块还包括:
初始化单元,用于随机初始化N个可行解,一个可行解的位置坐标代表一种各个设备配置容量的组合,计算每个可行解的综合性能指标值,所述可行解的综合性能指标值为位置坐标代表的设备配置容量下综合能源***的综合性能指标值;
第一次更新单元,用于按照位置更新公式搜索每个可行解周围的新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置更新可行解的位置,所述位置更新公式为:
若第i个可行解存在最佳近邻,则x′ij=xij+uij×(xi,bestneighbor-xij)+ψij×(yi-xij);
若第i个可行解不存在最佳近邻,则x′ij=xij+φij×(xij-xkj)+ψij×(yj-xij);
式中,x′ij为第i个新可行解位置,xij为第i个可行解位置,xi,bestneighbor为第i个可行解的最佳近邻位置,xkj为第k个随机可行解位置且k≠i,yi为当前综合性能指标值最大的可行解位置,uij和ψij为0到1之间的随机数,φij为-1至1之间的随机数;
第二次更新单元,用于根据可行解的综合性能指标值按概率选择可行解,并根据轮盘赌原理按照位置更新公式搜索新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置坐标更新可行解的位置坐标;
第三次更新单元,用于统计每个可行解连续未更新次数,判断连续未更新次数是否达到设定阈值,若连续未更新次数达到设定阈值,则随机产生新可行解,并用新可行解的位置坐标更新可行解的位置坐标;
输出单元,用于设定最大循环次数,重复循环步骤702至步骤704直至循环次数大于最大循环次数,输出N个可行解中综合性能指标值最大的可行解,获得各个设备的最佳配置容量。
本申请提供一种考虑不确定性因素的能源***随机规划方法及***,所述一种考虑不确定性因素的能源***随机规划***用于执行一种考虑不确定性因素的能源***随机规划方法的步骤,确定综合能源***结构,构建设备机理模型;获取不确定性因素,生成随机场景;设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标;以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型;输入模型参数至综合能源***优化配置模型,获得各个设备的最佳配置容量。
本申请实施例提供的一种考虑不确定性因素的能源***随机规划方法,通过两阶段随机规划方法,考虑不确定性因素,生成随机场景,建立综合性能指标,以综合性能指标为目标函数以设备配置容量为优化变量构建综合能源***优化配置模型,并采用改进型人工蜂群智能优化算法对该模型进行求解,获得设备最佳配置容量。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的考虑不确定性因素的能源***随机规划方法的流程示意图。
图2是本申请实施例提供的考虑不确定性因素的能源***随机规划***的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。
如图1所示,为本申请实施例提供的一种考虑不确定性因素的能源***随机规划方法的流程示意图,所述一种考虑不确定性因素的能源***随机规划方法包括步骤1至步骤7。
步骤1,根据供能对象的属性参数,分别确定适用于供能对象的综合能源***结构和分供***结构。
供能对象的属性参数不同,所适用的能源***结构必然也不相同,所述属性参数包括负荷需求信息、所在地区的能源价格信息、所在地区太阳能的可用性和设备经济性参数等。本申请实施例选取某大型宾馆作为供能对象,供能对象的建筑相关信息如表1大型宾馆相关信息所示,获取宾馆全年的冷热电负荷数据,通过市场调查获得设备经济性参数如表2各设备单位容量价格所示,以及还获得所在地区的能源价格信息如表3天然气和下网电的单位均价所示。
冷、热和电三联产分布式能源***作为一种常见的综合能源***,因其高效、环保和节能的特性被广泛使用,本申请实施例根据宾馆的属性参数,为其规划冷、热和电三联产分布式能源***,涉及的设备包括微型燃气轮机,光伏发电板、太阳能集热器、电制冷机、吸收式制冷剂、燃气锅炉、热交换器和储热罐等。此外还规划了传统的分供***作为参照对象,在传统的分供***中,用户热负荷、冷负荷和电负荷分别由燃气锅炉、电制冷机和电网满足。
表1 大型宾馆相关信息
项目 | 描述 |
建筑类型 | 大型宾馆 |
房间类型 | 客房、会议室、餐厅、厨房和走廊 |
总面积 | 11345平方米 |
屋顶面积 | 1477.5平方米 |
层数 | 地上6层和地下1层 |
使用率 | 60% |
穿墙比 | 南:36.7%东:24.5%北:26.0%西:24.5% |
表2 各设备单位容量价格
设备 | 价格(美元/kW) |
燃气轮机 | 968 |
热交换器 | 28.5 |
燃气锅炉 | 42.7 |
电制冷机 | 171 |
吸收式电制冷机 | 138 |
光伏发电板 | 2075 |
太阳能集热器 | 570.3 |
储热罐 | 32.7 |
表3 天然气和下网电的单位均价
能源 | 价格 |
天然气 | 0.212美元/Nm<sup>3</sup> |
下网电价 | 0.0994美元/kWh |
步骤2,根据综合能源***结构构建综合能源***的关键设备机理模型,根据综合能源***的关键设备机理模型建立综合能源***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式。
在优化能源***的设备配置时,首先需要建立设备机理模型,这些设备的静态特性是优化建模的基础和前提,本申请实施例的冷、热和电三联产分布式能源***在关键设备机理建模分析时遵循以下假设:不考虑机组出力响应时间;除燃气轮机外,***中各个设备能在0-100%负荷范围运行;不考虑***的启停与维修;产生的多余电量无偿并网;产生的多余热量作排空处理。所述关键设备机理模型包括:
(1)燃气轮机
(2)光伏发电板
光伏发电板是将光能转化为电能,其机理模型为:
EPV=APV×I×ηPV;
式中,EPV为光伏发电电能,APV为光伏发电板安装面积,I为太阳辐射强度,ηPV为发电效率。
(3)太阳能集热器
太阳能集热器是将光能转化成热能,其机理模型为:
QHC=AHC×I×ηHC;
式中,QHC为被太阳能集热器利用的热能,AHC为太阳能集热器安装的面积,I为太阳辐射强度,ηHC为太阳能集热器的效率。
(4)燃气锅炉
当燃气轮机和太阳能集热器提供的热能无法满足热负荷需求时,多余热量由燃气锅炉满足,其机理模型为:
(5)下网电
当用户电负荷无法完全由能源***提供时,由电网提供,其机理模型为:
(6)电制冷机和吸收式制冷机
部分冷负荷由电制冷机满足,其机理模型为:
式中,EEC为电制冷机制冷所需要的电能,QEC为电制冷机提供的冷负荷,COPEC为电制冷机的效率。
部分冷负荷由吸收式制冷剂提供,其机理模型为:
式中,QACin为吸收式制冷机提供冷负荷所需要的热量,QAC为吸收式制冷机提供的冷负荷,COPAC为吸收式制冷机的效率。
根据设备机理模型可以得到冷、热和电三联产分布式能源***的投资成本公式为:
运行成本公式为:
式中,opDES为分布式能源***的运行成本,μ1为天然气价格,元/kWh,μ2为下网电价格,元/kWh。
总燃料量公式为:
式中,FDES为总燃料量,kW。
二氧化碳排放公式为:
式中,μ3为天然气二氧化碳折算系数,μ4为下网电二氧化碳折算系数。
步骤3,根据分供***结构构建分供***的关键设备机理模型,根据分供***的关键设备机理模型建立分供***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式。
在分供***中,燃气锅炉满足用户的热负荷,其机理模型为:
电制冷机满足用户的冷负荷,其机理模型为:
式中,EEC为电制冷机满足用户冷负荷的电能消耗量,QC为用户冷负荷,COPEC为电制冷机效率。
泵消耗的电能为:
电网需要满足的电量为:
电网供电消耗的燃料量为:
式中,ηE为分供***电能转化效率,ηGrid为电网的传输效率。
分供***消耗的总燃料量为:
分供***的投资成本为:
分供***的运行成本为:
式中,μ1为天然气价格,元/kWh,μ2为下网电价格,元/kWh。
分供***的二氧化碳排放量:
式中,μ3为天然气二氧化碳折算系数,μ4为下网电二氧化碳折算系数。
步骤4,至少获取综合能源***中的一种不确定性因素,根据不确定性因素的实际情况设定不确定因素的概率分布函数,根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景。
在分布式能源***规划过程中,存在诸多因素是波动的,主要可以将其分为三类,分别为输入参数相关、与设备相关以及与输出参数相关的不确定性因素。与输入参数相关的不确定性因素包括能源价格、可再生能源间歇性特性、排放因子和环境温度等,设备相关的不确定性主要包括投资成本、技术特性以及设备失效的不确定性,与输出参数相关的不确定性因素主要是指用户负荷的不确定性。本申请实施例中的大型宾馆冷、热和电三联产分布式能源***考虑用户负荷、能源价格和太阳能辐射的不确定性对分布式能源***规划结果的影响,其中,用户负荷和太阳能辐射的概率分布函数为正太分布函数,燃气价格的概率分布函数为三角分布函数,电网价格的概率分布函数为均匀分布函数。
本申请实施例采用两阶段随机规划的方法来处理上述不确定性因素,两阶段随机规划属于情景分析法,该方法根据不确定因素服从的概率密度函数进行随机采样,模拟不确定性因素未来发生的各种情况。常见的确定采样数的方法有逐渐增加采样数观察优化目标波动程度和聚类算法,本申请实施例根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景的步骤具体为步骤S401至步骤S402。
S401,设定原始采样数N,采用蒙特卡洛采样法,分别对每种不确定性因素采集N个样本。
S402,对每种不确定性因素的样本进行聚类,采用密度峰值聚类算法,所述密度峰值聚类算法是基于局部密度和相对距离构建的决策图来确定样本的类别数和类心。
S403,根据聚类结果确定每种不确定因素样本的最终采样数,通过随机组合的方式,生成含有不确定性因素的随机场景,所述随机场景的个数为各不确定性因素最终采样数的乘积。
步骤5,设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标,所述综合性能指标包括第二阶段决策目标的期望值总和,以及还包括第一阶段决策目标,所述第一阶段决策目标为相对于分供***的投资成本函数,所述第二阶段决策目标为相对于分供***的运行成本函数、二氧化碳减排率和一次能源节约率。
在能源***中,配置优化与***运行方式存在强耦合关系,在不同运行方式下,***配置优化结果必然不同。本申请实施例中,分布式能源***的运行方式决定了***的运行性能,还决定了***各设备配置容量的大小,基于不同运行方式得到的性能指标是规划模型优化求解的指导方向,而在相关不确定配置优化研究中,往往忽略了运行方式的影响。
燃气轮机等原动机是分布式能源***的核心设备,可同时产生电能和热能,分布式能源***运行时根据燃气轮机和燃气锅炉满足热负荷和电负荷的先后次序,其基本运行方式可分为以热定电、以电定热和混合运行,以热定电方式运行时,燃气轮机和燃气锅炉首先满足用户的热能需求,同时产生电能满足用户电能需求,如果***在该运行方式下如法满足电能需求,这部分电能由电网补充;以电定热方式运行时,燃气轮机首先满足用户的电能需求,同时产生热能满足用户热能需求,如果***在该运行方式下无法满足电能需求,这部分电能由燃气锅炉补充;混合方式运行时,当***热负荷较大时,燃气轮机在以电定热方式下运行,当***电负荷较大时,燃气轮机在以电定热方式下运行。本申请实施例分别建立了以热定电、以电定热和混合运行三种运行方式下的综合性能指标,以构建在三种不同运行方式下的优化配置模型。
随着低碳发展和碳达峰的环保需求,能源***规划不仅要考虑经济和节能需求,还应兼顾二氧化碳排放特性,本申请评价综合能源***的准则采用费用年值节约率、一次能源节约率以及二氧化碳减排率,三个准则的对照基准为分供***。
费用年值是一种动态经济性评价方法,原理是将***总投资折算成年值后与年运行成本想家,其总和越低,***越经济。
对分供***而言,费用年值为:
ATCSES=invSES×R+opSES;
对于分布式能源***而言,费用年值为:
ATCDES=invDES×R+opDES;
式中,R为投资回收系数。
费用年制节约率为:
一次能源节约率为:
二氧化碳减排率为:
在这三个指标中,费用年值节约率由***投资成本函数和运行成本函数两部分组成,基于两阶段随机规划方法和随机场景,投资成本函数属于第一阶段的决策目标,运行成本函数、一次能源节约率和二氧化碳减排率的期望值之和为第二阶段的决策目标,因此本申请实施例建立综合性能指标,所述综合性能指标为:
式中,ω1、ω2和ω3为权重系数,本申请实施例均取值f11(d)为投资成本函数,f12(d,ξ)为运行成本函数,f2(d,ξ)为二氧化碳减排率,f3(d,ξ)为一次能源节约率,d为决策变量,包括各设备配置容量和电制冷比,ξ为不确定性因素。
步骤6,以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型。
步骤7,输入模型参数至综合能源***优化配置模型,对综合***优化配置模型进行求解,获得各个设备的最佳配置容量。
本申请实施例采用改进型人工蜂群智能优化算法来求解综合能源***优化配置模型,输入模型参数包括各设备效率特性、各设备单位容量价格、用户负荷、天然气价格和电网价格和改进型人工蜂群智能优化算法参数,所述对综合***优化配置模型进行求解,获得各个设备的最佳配置容量的步骤具体为:
步骤701:随机初始化N个可行解,一个可行解的位置坐标代表一种各个设备配置容量的组合,计算每个可行解的综合性能指标值,所述可行解的综合性能指标值为位置坐标代表的设备配置容量下综合能源***的综合性能指标值。
步骤702:按照位置更新公式搜索每个可行解周围的新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置坐标更新可行解的位置坐标,所述位置更新公式为:
若第i个可行解存在最佳近邻,则x′ij=xij+uij×(xi,bestneighbor-xij)+ψij×(yi-xij);
若第i个可行解不存在最佳近邻,则x′ij=xij+φij×(xij-xkj)+ψij×(yj-xij);
式中,x′ij为第i个新可行解位置,xij为第i个可行解位置,xi,bestneighbor为第i个可行解的最佳近邻位置,xkj为第k个随机可行解位置且k≠i,yi为当前综合性能指标值最大的可行解位置,uij和ψij为0到1之间的随机数,φij为-1至1之间的随机数;
设任一可行解为当前可行解,剔除当前可行解的N-1个可行解为其他可行解,计算当前可行解至其他可行解的距离,按照距离从小至大排序,生成随机整数K,取K个距离当前可行解较近的其他可行解,若K个其他可行解的综合性能指标值都比当前可行解的综合性能指标值小,则认为当前可行解不存在最佳近邻;若K个其他可行解中存在其他可行解的综合性能指标值比当前可行解的综合性能指标值大,则K个其他可行解中综合性能指标值最大的其他可行解为当前可行解的最佳近邻。
步骤703:根据可行解的综合性能指标值按概率选择可行解,并根据轮盘赌原理按照位置更新公式搜索新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置坐标更新可行解的位置坐标。
步骤704:统计每个可行解连续未更新次数,判断连续未更新次数是否达到设定阈值,若连续未更新次数达到设定阈值,则随机产生新可行解,并用新可行解的位置坐标更新可行解的位置坐标。
步骤705:设定最大循环次数,重复循环步骤702至步骤704直至循环次数大于最大循环次数,输出N个可行解中综合性能指标值最大的可行解,获得各个设备的最佳配置容量。
本申请实施例以大型宾馆为研究对象,分别建立了以热定电、以电定热和混合运行三种运行方式下的综合能源***优化配置模型,输入对应的参数后,采用本申请所述的改进型人工蜂群智能优化算法进行求解,得到每种运行方式下的设备最佳配置容量和对应的***性能指标,如表4三种运行方式下最优配置结果的***性能比较所示,在以电定热运行方式下,***的各项性能均为最优,如表5以电定热运行方式下分布式能源***两阶段随机规划配置优化结果所示,为以电定热运行方式下各设备的最佳配置容量。
表4 三种运行方式下最优配置结果的***性能比较
运行方式 | 一次能源节约率 | 二氧化碳减排率 | 费用年值节约率 | 综合性能指标 |
以热定电 | 0.2376 | 0.3703 | 0.3386 | 0.3155 |
以电定热 | 0.2708 | 0.4316 | 0.3918 | 0.3647 |
混合运行 | 0.2465 | 0.3776 | 0.3422 | 0.3221 |
表5 以电定热运行方式下分布式能源***两阶段随机规划配置优化结果
设备 | 容量 |
燃机 | 1862/kW |
锅炉 | 1710/kW |
电制冷机 | 0/kW |
吸收式制冷机 | 731/kW |
热交换器 | 2117/kW |
本申请实施例第二方面提供一种考虑不确定性因素的能源***随机规划***,所述一种考虑不确定性因素的能源***随机规划***用于执行本申请实施例第一方面提供的一种考虑不确定性因素的能源***随机规划方法,对于本申请实施例第二方面提供的考虑不确定性因素的能源***随机规划***中公开的细节,请参见本申请实施例第一方面提供的考虑不确定性因素的能源***随机规划方法。
如图2所示,为本申请实施例提供的考虑不确定性因素的能源***随机规划***的结构示意图。所述考虑不确定性因素的能源***随机规划***包括***结构模块、性能公式模块、随机场景模块、综合性能指标模块、优化配置模型模块和输出模块。
***结构模块,用于根据供能对象的属性参数,分别确定适用于供能对象的综合能源***结构和分供***结构,所述属性参数包括负荷需求信息、能源价格信息和设备经济性参数。
性能公式模块,用于根据能源***结构构建***的关键设备机理模型,根据***的关键设备机理模型建立***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式。
随机场景模块,用于至少获取综合能源***中的一种不确定性因素,根据不确定性因素的实际情况设定不确定因素的概率分布函数,根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景。
综合性能指标模块,用于设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标。
优化配置模型模块,用于以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型。
输出模块,用于输入模型参数至综合能源***优化配置模型,对综合***优化配置模型进行求解,获得各个设备的最佳配置容量,所述模型参数包括各设备效率特性、各设备单位容量价格、用户负荷、天然气价格和电网价格。
进一步的,所述随机场景模块还包括:
采样单元,用于设定原始采样数N,采用蒙特卡洛采样法,分别对每种不确定性因素采集N个样本。
聚类单元,用于对每种不确定性因素的样本进行聚类,采用密度峰值聚类算法,所述密度峰值聚类算法是基于局部密度和相对距离构建的决策图来确定样本的类别数和类心。
生成单元,用于根据聚类结果确定每种不确定因素样本的最终采样数,通过随机组合的方式,生成含有不确定性因素的随机场景,所述随机场景的个数为各不确定性因素最终采样数的乘积。
进一步的,所述输出模块还包括:
初始化单元,用于随机初始化N个可行解,一个可行解的位置坐标代表一种各个设备配置容量的组合,计算每个可行解的综合性能指标值,所述可行解的综合性能指标值为位置坐标代表的设备配置容量下综合能源***的综合性能指标值。
第一次更新单元,用于按照位置更新公式搜索每个可行解周围的新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置更新可行解的位置,所述位置更新公式为:
若第i个可行解存在最佳近邻,则x′ij=xij+uij×(xi,bestneighbor-xij)+ψij×(yi-xij);
若第i个可行解不存在最佳近邻,则x′ij=xij+φij×(xij-xkj)+ψij×(yj-xij);
式中,x′ij为第i个新可行解位置,xij为第i个可行解位置,xi,bestneighbor为第i个可行解的最佳近邻位置,xkj为第k个随机可行解位置且k≠i,yi为当前综合性能指标值最大的可行解位置,uij和ψij为0到1之间的随机数,φij为-1至1之间的随机数;
第二次更新单元,用于根据可行解的综合性能指标值按概率选择可行解,并根据轮盘赌原理按照位置更新公式搜索新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置坐标更新可行解的位置坐标。
第三次更新单元,用于统计每个可行解连续未更新次数,判断连续未更新次数是否达到设定阈值,若连续未更新次数达到设定阈值,则随机产生新可行解,并用新可行解的位置坐标更新可行解的位置坐标。
输出单元,用于设定最大循环次数,重复循环步骤702至步骤704直至循环次数大于最大循环次数,输出N个可行解中综合性能指标值最大的可行解,获得各个设备的最佳配置容量。
本申请提供一种考虑不确定性因素的能源***随机规划方法及***,所述一种考虑不确定性因素的能源***随机规划***用于执行一种考虑不确定性因素的能源***随机规划方法的步骤,确定综合能源***结构,构建设备机理模型;获取不确定性因素,生成随机场景;设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标;以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型;输入模型参数至综合能源***优化配置模型,获得各个设备的最佳配置容量。
本申请实施例提供的一种考虑不确定性因素的能源***随机规划方法,通过两阶段随机规划方法,考虑不确定性因素,生成随机场景,建立综合性能指标,以综合性能指标为目标函数以设备配置容量为优化变量构建综合能源***优化配置模型,并采用改进型人工蜂群智能优化算法对该模型进行求解,获得设备最佳配置容量。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (9)
1.一种考虑不确定性因素的能源***随机规划方法,其特征在于,包括:
根据供能对象的属性参数,分别确定适用于供能对象的综合能源***结构和分供***结构,所述属性参数包括负荷需求信息、能源价格信息和设备经济性参数;
根据综合能源***结构构建综合能源***的关键设备机理模型,根据综合能源***的关键设备机理模型建立综合能源***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式;
根据分供***结构构建分供***的关键设备机理模型,根据分供***的关键设备机理模型建立分供***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式;
至少获取综合能源***中的一种不确定性因素,根据不确定性因素的实际情况设定不确定因素的概率分布函数,根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景;
设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标,所述综合性能指标包括第二阶段决策目标的期望值总和,以及还包括第一阶段决策目标,所述第一阶段决策目标为相对于分供***的投资函数,所述第二阶段决策目标为相对于分供***的运行成本函数、二氧化碳减排率和一次能源节约率,其中,所述综合性能指标为:
式中,ω1、ω2和ω3为权重系数,f11(d)为投资成本函数,f12(d,ξ)为运行成本函数,f2(d,ξ)为二氧化碳减排率,f3(d,ξ)为一次能源节约率,d为决策变量,包括各设备配置容量和电制冷比,ξ为不确定性因素;
以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型;
输入模型参数至综合能源***优化配置模型,对综合***优化配置模型进行求解,获得各个设备的最佳配置容量,所述模型参数包括各设备效率特性、各设备单位容量价格、用户负荷、天然气价格和电网价格;
其中,所述根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景的步骤,具体为:
设定原始采样数N,采用蒙特卡洛采样法,分别对每种不确定性因素采集N个样本;
对每种不确定性因素的样本进行聚类,采用密度峰值聚类算法,所述密度峰值聚类算法是基于局部密度和相对距离构建的决策图来确定样本的类别数和类心;
根据聚类结果确定每种不确定因素样本的最终采样数,通过随机组合的方式,生成含有不确定性因素的随机场景,所述随机场景的个数为各不确定性因素最终采样数的乘积。
2.根据权利要求1所述的一种考虑不确定性因素的能源***随机规划方法,其特征在于,所述综合能源***结构为冷、热和电三联产分布式能源***,所述关键设备机理模型包括微型燃气轮机模型、燃气锅炉模型、光伏发电板模型、电制冷机模型和下网电模型。
3.根据权利要求1所述的一种考虑不确定性因素的能源***随机规划方法,其特征在于,所述不确定性因素包括用户负荷、燃气价格、电网价格和太阳辐射强度。
4.根据权利要求3所述的一种考虑不确定性因素的能源***随机规划方法,其特征在于,所述用户负荷和所述太阳辐射的概率分布函数为正态分布函数,所述燃气价格的概率分布函数为三角分布函数,所述电网价格的概率分布函数为均匀分布函数。
5.根据权利要求2所述的一种考虑不确定性因素的能源***随机规划方法,其特征在于,所述综合能源***的运行方式包括以热定电、以电定热和混合运行。
6.根据权利要求1所述的一种考虑不确定性因素的能源***随机规划方法,其特征在于,所述模型参数还包括改进型人工蜂群智能优化算法参数,所述对综合***优化配置模型进行求解采用改进型人工蜂群智能优化算法,所述改进型人工蜂群智能优化算法的步骤具体为:
步骤701:随机初始化N个可行解,一个可行解的位置坐标代表一种各个设备配置容量的组合,计算每个可行解的综合性能指标值,所述可行解的综合性能指标值为位置坐标代表的设备配置容量下综合能源***的综合性能指标值;
步骤702:按照位置更新公式搜索每个可行解周围的新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置更新可行解的位置,所述位置更新公式为:
若第i个可行解存在最佳近邻,则x'ij=xij+uij×(xi,bestneighbor-xij)+ψij×(yi-xij);
若第i个可行解不存在最佳近邻,则x'ij=xij+φij×(xij-xkj)+ψij×(yj-xij);
式中,x'ij为第i个新可行解位置,xij为第i个可行解位置,xi,bestneighbor为第i个可行解的最佳近邻位置,xkj为第k个随机可行解位置且k≠i,yi为当前综合性能指标值最大的可行解位置,uij和ψij为0到1之间的随机数,φij为-1至1之间的随机数;
步骤703:根据可行解的综合性能指标值按概率选择可行解,并根据轮盘赌原理按照位置更新公式搜索新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置坐标更新可行解的位置坐标;
步骤704:统计每个可行解连续未更新次数,判断连续未更新次数是否达到设定阈值,若连续未更新次数达到设定阈值,则随机产生新可行解,并用新可行解的位置坐标更新可行解的位置坐标;
步骤705:设定最大循环次数,重复循环步骤702至步骤704直至循环次数大于最大循环次数,输出N个可行解中综合性能指标值最大的可行解,获得各个设备的最佳配置容量。
7.一种考虑不确定性因素的能源***随机规划***,其特征在于,所述一种考虑不确定性因素的能源***随机规划***用于执行权利要求1-6任一项所述的一种考虑不确定性因素的能源***随机规划方法,包括:
***结构模块,用于根据供能对象的属性参数,分别确定适用于供能对象的综合能源***结构和分供***结构,所述属性参数包括负荷需求信息、能源价格信息和设备经济性参数;
性能公式模块,用于根据能源***结构构建***的关键设备机理模型,根据***的关键设备机理模型建立***的投资成本公式、运行成本公式、总燃料量公式和二氧化碳排放量公式;
随机场景模块,用于至少获取综合能源***中的一种不确定性因素,根据不确定性因素的实际情况设定不确定因素的概率分布函数,根据不确定性因素的概率分布函数生成含有不确定性因素的随机场景;
综合性能指标模块,用于设定综合能源***的运行方式,基于两阶段随机规划方法和随机场景,建立综合性能指标;
优化配置模型模块,用于以综合性能指标为目标函数,以各个设备的配置容量为优化变量,以设备出力、设备负荷和冷热电能量守恒为约束条件,构建综合能源***优化配置模型;
输出模块,用于输入模型参数至综合能源***优化配置模型,对综合***优化配置模型进行求解,获得各个设备的最佳配置容量,所述模型参数包括各设备效率特性、各设备单位容量价格、用户负荷、天然气价格和电网价格。
8.根据权利要求7所述的一种考虑不确定性因素的能源***随机规划***,其特征在于,所述随机场景模块还包括:
采样单元,用于设定原始采样数N,采用蒙特卡洛采样法,分别对每种不确定性因素采集N个样本;
聚类单元,用于对每种不确定性因素的样本进行聚类,采用密度峰值聚类算法,所述密度峰值聚类算法是基于局部密度和相对距离构建的决策图来确定样本的类别数和类心;
生成单元,用于根据聚类结果确定每种不确定因素样本的最终采样数,通过随机组合的方式,生成含有不确定性因素的随机场景,所述随机场景的个数为各不确定性因素最终采样数的乘积。
9.根据权利要求7所述的一种考虑不确定性因素的能源***随机规划***,其特征在于,所述输出模块还包括:
初始化单元,用于随机初始化N个可行解,一个可行解的位置坐标代表一种各个设备配置容量的组合,计算每个可行解的综合性能指标值,所述可行解的综合性能指标值为位置坐标代表的设备配置容量下综合能源***的综合性能指标值;
第一次更新单元,用于按照位置更新公式搜索每个可行解周围的新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置更新可行解的位置,所述位置更新公式为:
若第i个可行解存在最佳近邻,则xi'j=xij+uij×(xi,bestneighbor-xij)+ψij×(yi-xij);
若第i个可行解不存在最佳近邻,则xi'j=xij+φij×(xij-xkj)+ψij×(yj-xij);
式中,xi'j为第i个新可行解位置,xij为第i个可行解位置,xi,bestneighbor为第i个可行解的最佳近邻位置,xkj为第k个随机可行解位置且k≠i,yi为当前综合性能指标值最大的可行解位置,uij和ψij为0到1之间的随机数,φij为-1至1之间的随机数;
第二次更新单元,用于根据可行解的综合性能指标值按概率选择可行解,并根据轮盘赌原理按照位置更新公式搜索新可行解,若新可行解的综合性能指标值大于可行解的综合性能指标值,则用新可行解的位置坐标更新可行解的位置坐标;
第三次更新单元,用于统计每个可行解连续未更新次数,判断连续未更新次数是否达到设定阈值,若连续未更新次数达到设定阈值,则随机产生新可行解,并用新可行解的位置坐标更新可行解的位置坐标;
输出单元,用于设定最大循环次数,重复循环步骤702至步骤704直至循环次数大于最大循环次数,输出N个可行解中综合性能指标值最大的可行解,获得各个设备的最佳配置容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110847409.7A CN113505939B (zh) | 2021-07-27 | 2021-07-27 | 一种考虑不确定性因素的能源***随机规划方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110847409.7A CN113505939B (zh) | 2021-07-27 | 2021-07-27 | 一种考虑不确定性因素的能源***随机规划方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113505939A CN113505939A (zh) | 2021-10-15 |
CN113505939B true CN113505939B (zh) | 2023-01-17 |
Family
ID=78014078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110847409.7A Active CN113505939B (zh) | 2021-07-27 | 2021-07-27 | 一种考虑不确定性因素的能源***随机规划方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505939B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934399A (zh) * | 2019-03-06 | 2019-06-25 | 华北电力大学 | 一种考虑设备变工况特性的综合能源***规划方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9805170B2 (en) * | 2010-04-28 | 2017-10-31 | Stc.Unm | System and methods for performing medical physics calculations |
CN107688879B (zh) * | 2017-10-20 | 2021-07-13 | 云南电网有限责任公司 | 一种考虑源荷匹配度的主动配电网分布式电源规划方法 |
CN110046801B (zh) * | 2019-03-25 | 2023-07-21 | 国网江苏省电力有限公司经济技术研究院 | 一种配电网电力***的典型场景生成方法 |
CN110298138B (zh) * | 2019-07-09 | 2024-01-05 | 南方电网科学研究院有限责任公司 | 一种综合能源***优化方法、装置、设备及可读存储介质 |
CN110941799B (zh) * | 2019-11-29 | 2023-08-08 | 国网辽宁省电力有限公司经济技术研究院 | 一种考虑***综合不确定性因素的能量枢纽随机规划方法 |
CN111144668B (zh) * | 2020-01-19 | 2022-08-23 | 河海大学 | 考虑场景模拟的综合能源***随机优化模型的建立方法 |
CN111463836B (zh) * | 2020-05-13 | 2023-05-26 | 陕西燃气集团新能源发展股份有限公司 | 一种综合能源***优化调度方法 |
CN111681130B (zh) * | 2020-06-15 | 2024-04-16 | 西安交通大学 | 一种考虑条件风险价值的综合能源***优化调度方法 |
CN112884270B (zh) * | 2020-12-31 | 2023-02-17 | 国网山东省电力公司聊城供电公司 | 一种考虑不确定性因素的多场景配电网规划方法及*** |
-
2021
- 2021-07-27 CN CN202110847409.7A patent/CN113505939B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934399A (zh) * | 2019-03-06 | 2019-06-25 | 华北电力大学 | 一种考虑设备变工况特性的综合能源***规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113505939A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Combined multi-objective optimization and robustness analysis framework for building integrated energy system under uncertainty | |
Yan et al. | Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria | |
Harkouss et al. | Optimal design of renewable energy solution sets for net zero energy buildings | |
Ren et al. | A review on the integration and optimization of distributed energy systems | |
Li et al. | A partition optimization design method for a regional integrated energy system based on a clustering algorithm | |
CN109919480B (zh) | 一种三层目标的能源互联网规划方法及设备 | |
Testi et al. | Stochastic optimal integration of decentralized heat pumps in a smart thermal and electric micro-grid | |
Yu et al. | Economic optimization for configuration and sizing of micro integrated energy systems | |
CN111144620A (zh) | 一种考虑季节储氢的电氢综合能源***及其鲁棒规划方法 | |
CN110363353A (zh) | 一种分布式综合能源***的优化设计和调度方法及*** | |
Li et al. | Energy hub-based optimal planning for integrated energy systems considering part-load characteristics and synergistic effect of equipment | |
CN112182887A (zh) | 一种综合能源***规划优化仿真方法 | |
CN104950720A (zh) | 基于气象预报将需求响应和舒适度反馈结合的供能*** | |
Huang et al. | Optimal configuration planning of multi-energy microgird based on deep joint generation of source-load-temperature scenarios | |
Liu et al. | Two-layer multiple scenario optimization framework for integrated energy system based on optimal energy contribution ratio strategy | |
CN113240204A (zh) | 考虑可再生能源消纳区域能源站容量优化配置方法及*** | |
CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源***多目标优化调度方法 | |
Liang et al. | IoT-based intelligent energy management system for optimal planning of HVAC devices in net-zero emissions PV-battery building considering demand compliance | |
Li et al. | Optimization of integrated energy system for low-carbon community considering the feasibility and application limitation | |
Xue et al. | Optimal capacity allocation method of integrated energy system considering renewable energy uncertainty | |
CN112446552A (zh) | 一种生物质气化冷热电联供***的多目标优化方法 | |
CN113505939B (zh) | 一种考虑不确定性因素的能源***随机规划方法及*** | |
Dafoe et al. | Optimal designs of grid-connected energy efficient and resilient residential communities | |
Wang et al. | Optimal configuration of CCHP system based on energy, economical, and environmental considerations | |
CN113298164B (zh) | 一种基于光伏出力不确定性的楼宇用能优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |