CN113988714B - 计及多重不确定性的园区综合能源***动态规划方法、设备及介质 - Google Patents
计及多重不确定性的园区综合能源***动态规划方法、设备及介质 Download PDFInfo
- Publication number
- CN113988714B CN113988714B CN202111421720.1A CN202111421720A CN113988714B CN 113988714 B CN113988714 B CN 113988714B CN 202111421720 A CN202111421720 A CN 202111421720A CN 113988714 B CN113988714 B CN 113988714B
- Authority
- CN
- China
- Prior art keywords
- equipment
- planning
- cost
- sub
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000008878 coupling Effects 0.000 claims abstract description 18
- 238000010168 coupling process Methods 0.000 claims abstract description 18
- 238000005859 coupling reaction Methods 0.000 claims abstract description 18
- 230000009977 dual effect Effects 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 239000007789 gas Substances 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 19
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 239000002737 fuel gas Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 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
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种计及多重不确定性的园区综合能源***动态规划方法、设备和介质，方法：确定园区综合能源***的能源枢纽框架，确定各能源网络的功率平衡约束和各耦合设备的设备条件约束；对园区综合能源***建立全寿命周期的成本模型，包括分阶段动态规划的设备投资成本部分和全寿命周期的运行成本部分；以全寿命周期的成本最小为目标函数，基于确定的约束条件，构建优化模型；采用列和约束算法将所述优化模型分解为主问题和子问题，并采用大M法和对偶理论对所述子问题进行转换；通过主‑子问题迭代算法求解得到各规划阶段的设备容量配置和运行阶段各设备各时刻的出力配置方案。本发明经济效益高，为综合能源***的发展提供了理论支撑。
Description
技术领域
本发明涉及综合能源的规划领域，特别涉及一种计及多重不确定性的园区综合能源***动态规划方法。
背景技术
园区综合能源***是一种直接面向终端能源用户的微型综合能源***，作为用户侧电/气/热/冷多能源的典型耦合与供应对象之一，包含多能流能量传递、转换和储存的重要设备，可显著提升可再生能源消纳能力以及综合能源利用效率。园区综合能源***规划能够带来更加合理的网络结构和设备投资，从而满足负荷需求，保证***的高效稳定运行。因此，研究园区综合能源***的规划技术，对提高园区综合能源***的经济性具有重要意义。
在园区综合能源***规划问题中，大多数规划方法都集中于一次投资多种能源的基础设施，包括电力、供暖、制冷、天然气等，属于静态规划方法，其中关于动态规划的研究较少。然而，大量工程采取一次投资规划，忽略了建设时序特性，这导致所投入的能源设备在运营初期时处于闲置状态，而在运营后期中出现设备老化和容量短缺的现象。
发明内容
本发明提供一种计及多重不确定性的园区综合能源***动态规划方法，可以提高园区综合能源***的经济性，对实际工程开发具有指导作用。
为实现上述技术目的，本发明采用如下技术方案：
一种计及多重不确定性的园区综合能源***动态规划方法，包括以下步骤：
步骤S1，确定园区综合能源***的能源枢纽框架，确定各能源网络的功率平衡约束和各耦合设备的设备条件约束；
步骤S2，对园区综合能源***建立全寿命周期的成本模型，所述全寿命周期的成本模型包括分阶段动态规划的设备投资成本部分和全寿命周期的运行成本部分；
步骤S3，以全寿命周期的成本最小为目标函数，基于各能源网络的功率平衡约束和各耦合设备的设备条件约束，构建优化模型；
步骤S4，采用列和约束算法将所述优化模型分解为主问题和子问题，并采用大M法和对偶理论对所述子问题进行转换；
步骤S5，通过主-子问题迭代算法求解得到各规划阶段的设备容量配置和运行阶段各设备各时刻的出力配置方案。
在更优的方案中，在对设备投资成本分阶段动态规划时，各规划阶段的划分方法为：以负荷需求为依据，配合负荷的增长率进行协同规划，且负荷增长越快，其对应的规划阶段越短。
在更优的方案中，以全寿命周期的成本最小为目标函数的表达式为：
式中，C为全寿命周期的总成本；N表示全寿命周期划分为N个规划阶段，j为各规划阶段的编号；n表示全寿命周期总共包括n年，k为其中每年的编号；
为第j个规划阶段的投资成本，/>为第j个规划阶段投入设备的残值费用；τj为费用发生的时间距离第j个规划阶段初的年数；r为折现率；/>和/>的计算式分别为：
式中，ci是新增设备i的投资系数，为规划阶段j中的新增设备i的配置容量，δi为新增设备i的净残值率，Ni为新增设备i的使用寿命；
和/>分别为全寿命周期第k年的购能费用、维护费用和治理成本，均为运行成本，分别由以下所式计算得到：
h表示不同季节，Nh表示一年的季节数，σh为季节h的持续天数，t表示不同时刻，NT表示一天的最大时刻，为对应设备在不同时刻的出力，αi表示设备的购能系数，βi表示设备的维护系数，γi表示设备的碳排放系数，/>为碳排放的治理系数，集合Ωbuy包括购电量和购气量，集合Ωall指园区综合能源***中所有设备，集合Ωenv包括燃气锅炉和燃气轮机两种设备。
在更优的方案中，耦合设备的设备条件约束是指其运行出力要满足设备容量的上下限约束；能源网络的功率平衡约束，具体表示为：
其中，式(1)-式(4)分别表示电网、气网、热网和冷网的子网功率平衡约束； 和/>分别表示电网中燃气轮机、上级电网、风机和光伏的输出功率； 分别表示电网中电负荷、蓄电池、电制冷机和电力锅炉的用电需求；表示气网中燃气的输出量；/>和/>分别表示燃气轮机、燃气锅炉的燃气需求；和/>分别表示热网中电力锅炉、燃气轮机和燃气锅炉的输入量；/>和/>分别表示吸收式制冷机和用户的热量需求；/>分别表示冷网中吸收式制冷机和电制冷机的输出功率；/>为冷网中用户的冷负荷需求，/>表示热交换器的效率；
在更优的方案中，所述优化模型分解得到“min”结构的主问题和“max-min”结构的子问题，具体为：
将原始优化模型简化为以下形式：
s.t.Dy＝d
Fx+Gy≥h
其中，第一阶段目标函数为设备规划成本，第二阶段目标函数为设备运行成本；c和f为目标函数对应的常系数矩阵；D、F、G为对应约束下变量的系数矩阵；d、h为常数列向量；x、y为优化变量，分别为规划阶段的决策变量和运行阶段的决策变量，即对应于规划阶段的设备容量配置和运行阶段的设备出力配置；表示可再生能源出力和负荷的预测值；
“min”结构的主问题为：
s.t.ζ≥fTyl
Dyl＝d
Fx+Gyl≥h
其中，x为规划设备的容量决策量，ζ为引入的辅助变量，yl代表第l次迭代中加入到主问题中的实时调整决策；代表第l次迭代中加入到主问题中的最恶劣场景；
通过求解主问题得到规划设备容量决策量x，在每一次迭代后新增一组变量xl与C&CG割，并为下一次求解的子问题提供一组整数解；
“max-min”结构的子问题为：
s.t.Gy≥h-Fxl→λ
Dy＝d→ψ
Iuy＝u→υ
其中，xl为已知的主问题中求得的规划设备容量决策变量；通过求解子问题得实时调整决策yl和最恶劣出力场景u，即实时调整运行阶段的设备出力配置和最恶劣出力场景；λ、ψ、υ为对偶变量。
在更优的方案中，所述采用大M法和对偶理论对所述子问题进行转换，具体为：
通过对偶理论，将原始优化模型分解得到的子问题转化为如下对偶问题：
s.t.GTλ+DTψ+Iuυ≤f
λ≥0
然后采用大M法，对上述对偶问题中的双线性项进行线性化处理：
s.t.GTλ+DTμ+Iuυ≤f，λ≥0
0≤π+≤Mξ+
υ-M(1-ξ+)≤π+≤υ
0≤π-≤Mξ-
υ-M(1-ξ-)≤π-≤υ
其中，π-和π+为引入的辅助变量；M为足够大的正实数，Γg为风电、光伏和负荷等不确定参数的预算值。
进一步的，迭代求解步骤为：
令l＝1，给定迭代下限及上限值：LB，UB及收敛判据ε；
求解期望场景下的主问题，此时主问题的约束不包含C&CG割，得到变量解x*；
基于主问题传递过来的整数解x*，求解子问题并获得一组最恶劣波动场景此时子问题的最优目标函数值为fsp，更新迭代上限值为：UB＝min(UB，fsp)；
令l＝l+1，给主问题新增一组变量，并返回一组C&CG割集如：
上式表示当前子问题所求的最恶劣场景以约束的形式添加到主问题，得到变量解y*、ζ*，并更新迭代下限值为：LB＝min(LB，ζ*)；
如此反复迭代，直到|UB-LB|/|LB|≤ε，模型收敛，得到各规划阶段的设备容量配置方案和运行阶段各设备各时刻的出力配置方案，即和Pi,t,h。
一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现上述任一项方案所述的计及多重不确定性的园区综合能源***动态规划方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时上述任一项方案所述的计及多重不确定性的园区综合能源***动态规划方法。
与现有技术相比，本发明具有以下有益效果：
本发明根据园区综合能源结构特点，引入动态规划策略，即随着园区建设的深入分阶段对综合能源***的容量进行配置，可以避免运营初期的冗余配置和超前建设，也可以避免运营后期由于资金不足导致的容量短缺和设备老化。与已有方法相比，本文方法的总成本更低，经济性更高，可以为综合能源的规划建设提供一种新思路。
附图说明
图1是本申请实施例所述园区综合能源***的能源枢纽框架示意图；
图2是本申请实施例所述园区综合能源***动态规划方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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。
一种计及多重不确定性的园区综合能源***动态规划方法，如附图1所示，包括以下步骤：
步骤S1，确定园区综合能源***的能源枢纽框架，确定各能源网络的功率平衡约束和各耦合设备的设备条件约束。
其中，如图2所示，园区综合能源***的能源枢纽框架为：
式(1)-式(4)分别表示电网、气网、热网和冷网的子网功率平衡约束；和/>分别表示电网中燃气轮机、上级电网、风机和光伏的输出功率；分别表示电网中电负荷、蓄电池、电制冷机和电力锅炉的用电需求；表示气网中燃气的输出量；/>和/>分别表示燃气轮机、燃气锅炉的燃气需求；和/>分别表示热网中电力锅炉、燃气轮机和燃气锅炉的输入量；/>和/>分别表示吸收式制冷机和用户的热量需求；/>分别表示冷网中吸收式制冷机和电制冷机的输出功率；/>为冷网中用户的冷负荷需求，/>表示热交换器的效率。
另外，耦合设备的设备条件约束是指其运行出力要满足设备容量的上下限约束。
步骤S2，对园区综合能源***建立全寿命周期的成本模型，所述全寿命周期的成本模型包括分阶段动态规划的设备投资成本部分和全寿命周期的运行成本部分。
步骤S2中，引入动态规划方法，紧密联系园区的开发进度，和园区的工程建设同步进行。动态规划方法中规划阶段的划分应以负荷需求为依据，配合负荷的增长率进行协同规划，且负荷增长越快，其对应的规划阶段越短，否则相反。用N表示划分的阶段数，Sj表示第j个规划阶段，Cplanj表示第j个规划阶段的耦合设备配置容量。具体为：
首先，输入设备参数、能源价格等市场信息。其次，在S1初年，即规划周期初年，规划配置Cplan1，确定其中各类型设备的容量，以满足S1的负荷需求；进而，在S2初年，在Cplan1基础上，规划配置Cplan2，确定Cplan2中各类型设备容量，以满足负荷增长下S2的供能需求，以此类推，在Sj初年，在已配置的设备集Cplan1∪Cplan2∪Cplan(j-1)的基础上，规划配置Cplanj中各类型设备的容量，以满足Sj的负荷需求，直至最后一个规划阶段SN，规划配置CplanN。
引入多阶段动态规划方法后，园区综合能源***的成本模型为：
式中，C为全寿命周期的总成本：第一项表示设备的总投资费用，第二项表示设备残值费用，第三项为设备的总运行费用。N表示全寿命周期划分为N个规划阶段，j为各规划阶段的编号；n表示全寿命周期总共包括n年，k为其中每年的编号；
第一项设备总投资费用中，为第j个规划阶段的投资成本。在规划周期末，部分设备的寿命仍没有终止，存在设备残值可以抵消部分成本，本实施例采用年限平均法计及设备折旧水平，将设备的折旧额均匀分摊到设备使用期限内的各年。因此，第二项设备残值费用中，使用/>表示第j个规划阶段投入设备的残值费用；τj为费用发生的时间距离第j个规划阶段初的年数；r为折现率。其中，/>和/>的计算式分别为：
式中，ci是新增设备i的投资系数，为规划阶段j中的新增设备i的配置容量，δi为新增设备i的净残值率，Ni为新增设备i的使用寿命；
第三项设备总运行费用中，和/>分别为全寿命周期第k年的购能费用、维护费用和治理成本，均为运行成本，分别由以下所式计算得到：
h表示不同季节，Nh表示一年的季节数，σh为季节h的持续天数，t表示不同时刻，NT表示一天的最大时刻，为对应设备在不同时刻的出力，αi表示设备的购能系数，βi表示设备的维护系数，γi表示设备的碳排放系数，/>为碳排放的治理系数，集合Ωbuy包括购电量和购气量，集合Ωall指园区综合能源***中所有设备，集合Ωenv包括燃气锅炉和燃气轮机两种设备。
步骤S3，以全寿命周期的成本最小为目标函数，基于各能源网络的功率平衡约束和各耦合设备的设备条件约束，构建优化模型。
步骤S4，采用列和约束算法将所述优化模型分解为主问题和子问题，并采用大M法和对偶理论对所述子问题进行转换。
将步骤S3构建得到的原始优化模型简化表示为：
其中，第一阶段目标函数为设备规划成本，第二阶段目标函数为设备运行成本。c和f为目标函数对应的常系数矩阵；D、F、G为对应约束下变量的系数矩阵；d、h为常数列向量；x、y为优化变量，分别为规划阶段的决策变量和运行阶段的决策变量，即对应于规划阶段的设备容量配置和运行阶段的设备出力配置；表示可再生能源出力和负荷的预测值。
式(11)的目标函数为式(5)的简化形式，式(11)的约束条件中：第一个约束条件表示模型中的等式约束，包括式(1)-式(4)的子网功率平衡约束和各耦合设备的输入输出约束；第二个约束条件表示模型中的不等式约束，主要为各耦合设备的上下限约束，各耦合设备的运行出力要满足设备容量的上下限约束；第三个约束条件表示模型中的可再生能源出力和负荷量与预测值保持一致，表明此时的模型为一个确定性模型。
采用列和约束算法将上述原始的优化模型分解后，得到主问题和子问题，主问题为：
其中，ζ为引入的辅助变量，yl代表第l次迭代中加入到主问题中的实时调整决策；代表第l次迭代中加入到主问题中的最恶劣场景。通过求解主问题得到规划设备容量决策量x。主问题是综合考虑CCHP投资阶段与运行阶段以最小化总成本为目标函数的MILP问题，在每一次迭代后新增一组变量xl与C&CG割，并为下一次求解的子问题提供一组整数解。
子问题为：
其中，xl为已知的主问题中求得的规划设备容量决策变量；通过求解子问题得实时调整决策yl和最恶劣出力场景u，即实时调整运行阶段的设备出力配置和最恶劣出力场景；λ、ψ、υ为对偶变量。
对于上述子问题，可以利用大M法和对偶理论将原模型进行转换，具体为：
通过对偶理论，原模型的子问题转化为如下对偶问题：
采用大M法，对式中的双线性项进行线性化处理：
其中，π-和π+为引入的辅助变量；M为足够大的正实数，Γu为风电、光伏和负荷等不确定参数的预算值。
步骤S5，通过主-子问题迭代算法求解得到各规划阶段的设备容量配置和设备各时段的出力方案。
对于步骤S4分解得到的主问题和转换后的子问题，即可采用迭代算法求解得到各规划阶段的设备容量配置和设备各时段的出力方案，具体为：
(1)令l＝1，给定迭代下限及上限值：LB，UB及收敛判据ε；
(2)求解期望场景下的主问题，此时主问题的约束不包含C&CG割，得到变量解x*；
(3)基于主问题传递过来的整数解x*，求解式(15)，并获得一组最恶劣波动场景此时子问题的最优目标函数值为fsp，更新迭代上限值为：UB＝min(UB，fsp)；
(4)令l＝l+1，给主问题新增一组变量，并返回一组C&CG割集如：
上式表示当前子问题所求的最恶劣场景以约束的形式添加到主问题，得到变量解y*、ζ*，并更新迭代下限值为：LB＝min(LB，ζ*)；
(5)如此反复迭代，直到|UB-LB|/|LB|≤ε，模型收敛，得到各规划阶段的设备容量配置方案和运行阶段各设备各时刻的出力配置方案y*，即和Pi,t,h。
以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (4)
1.一种计及多重不确定性的园区综合能源***动态规划方法，其特征在于，包括以下步骤：
步骤S1，确定园区综合能源***的能源枢纽框架，确定各能源网络的功率平衡约束和各耦合设备的设备条件约束；
步骤S2，对园区综合能源***建立全寿命周期的成本模型，所述全寿命周期的成本模型包括分阶段动态规划的设备投资成本部分和全寿命周期的运行成本部分；
步骤S3，以全寿命周期的成本最小为目标函数，基于各能源网络的功率平衡约束和各耦合设备的设备条件约束，构建优化模型；
以全寿命周期的成本最小为目标函数的表达式为：
式中，C为全寿命周期的总成本；N表示全寿命周期划分为N个规划阶段，j为各规划阶段的编号；n表示全寿命周期总共包括n年，k为其中每年的编号；
为第j个规划阶段的投资成本，/>为第j个规划阶段投入设备的残值费用；τj为费用发生的时间距离第j个规划阶段初的年数；r为折现率；/>和/>的计算式分别为：
式中，ci是新增设备i的投资系数，为规划阶段j中的新增设备i的配置容量，δi为新增设备i的净残值率，Ni为新增设备i的使用寿命；
和/>分别为全寿命周期第k年的购能费用、维护费用和治理成本，均为运行成本，分别由以下所式计算得到：
h表示不同季节，Nh表示一年的季节数，σh为季节h的持续天数，t表示不同时刻，NT表示一天的最大时刻，为对应设备在不同时刻的出力，αi表示设备的购能系数，βi表示设备的维护系数，γi表示设备的碳排放系数，/>为碳排放的治理系数，集合Ωbuy包括购电量和购气量，集合Ωall指园区综合能源***中所有设备，集合Ωenv包括燃气锅炉和燃气轮机两种设备；
耦合设备的设备条件约束是指其运行出力要满足设备容量的上下限约束；能源网络的功率平衡约束，具体表示为：
其中，式(1)-式(4)分别表示电网、气网、热网和冷网的子网功率平衡约束； 和/>分别表示电网中燃气轮机、上级电网、风机和光伏的输出功率；/> 分别表示电网中电负荷、蓄电池、电制冷机和电力锅炉的用电需求；/>表示气网中燃气的输出量；/>和/>分别表示燃气轮机、燃气锅炉的燃气需求；/>和/>分别表示热网中电力锅炉、燃气轮机和燃气锅炉的输入量；/>和/>分别表示吸收式制冷机和用户的热量需求；/>分别表示冷网中吸收式制冷机和电制冷机的输出功率；/>为冷网中用户的冷负荷需求，/>表示热交换器的效率；
步骤S4，采用列和约束算法将所述优化模型分解为主问题和子问题，并采用大M法和对偶理论对所述子问题进行转换；
所述优化模型分解得到“min”结构的主问题和“max-min”结构的子问题，具体为：
将原始优化模型简化为以下形式：
s.t.Dy＝d
Fx+Gy≥h
其中，第一阶段目标函数为设备规划成本，第二阶段目标函数为设备运行成本；c和f为目标函数对应的常系数矩阵；D、F、G为对应约束下变量的系数矩阵；d、h为常数列向量；x、y为优化变量，分别为规划阶段的决策变量和运行阶段的决策变量，即对应于规划阶段的设备容量配置和运行阶段的设备出力配置；表示可再生能源出力和负荷的预测值；
“min”结构的主问题为：
s.t.ζ≥fTyl
Dyl＝d
Fx+Gyl≥h
其中，x为规划设备的容量决策量，ζ为引入的辅助变量，yl代表第l次迭代中加入到主问题中的实时调整决策；代表第l次迭代中加入到主问题中的最恶劣场景；
通过求解主问题得到规划设备容量决策量x，在每一次迭代后新增一组变量xl与C&CG割，并为下一次求解的子问题提供一组整数解；
“max-min”结构的子问题为：
s.t.Gy≥h-Fxl→λ
Dy＝d→ψ
Iuy＝u→υ
其中，xl为已知的主问题中求得的规划设备容量决策变量；通过求解子问题得实时调整决策yl和最恶劣出力场景u，即实时调整运行阶段的设备出力配置和最恶劣出力场景；λ、ψ、υ为对偶变量；
所述采用大M法和对偶理论对所述子问题进行转换，具体为：
通过对偶理论，将原始优化模型分解得到的子问题转化为如下对偶问题：
s.t.GTλ+DTψ+Iuυ≤f
λ≥0
然后采用大M法，对上述对偶问题中的双线性项进行线性化处理：
s.t.GTλ+DTμ+Iuυ≤f，λ≥0
0≤π+≤Mξ+
υ-M(1-ξ+)≤π+≤υ
0≤π-≤Mξ-
υ-M(1-ξ-)≤π-≤υ
其中，π-和π+为引入的辅助变量；M为足够大的正实数，Γg为风电、光伏和负荷等不确定参数的预算值；
步骤S5，通过主-子问题迭代算法求解得到各规划阶段的设备容量配置和运行阶段各设备各时刻的出力配置方案；迭代求解步骤为：
令l＝1，给定迭代下限及上限值：LB，UB及收敛判据ε；
求解期望场景下的主问题，此时主问题的约束不包含C&CG割，得到变量解x*；
基于主问题传递过来的整数解x*，求解子问题并获得一组最恶劣波动场景此时子问题的最优目标函数值为fsp，更新迭代上限值为：UB＝min(UB，fsp)；
令l＝l+1，给主问题新增一组变量，并返回一组C&CG割集如：
上式表示当前子问题所求的最恶劣场景以约束的形式添加到主问题，得到变量解y*、ζ*，并更新迭代下限值为：LB＝min(LB，ζ*)；
如此反复迭代，直到|UB-LB|/|LB|≤ε，模型收敛，得到各规划阶段的设备容量配置方案x*和运行阶段各设备各时刻的出力配置方案y*，即和Pi,t,h。
2.根据权利要求1所述的方法，其特征在于，在对设备投资成本分阶段动态规划时，各规划阶段的划分方法为：以负荷需求为依据，配合负荷的增长率进行协同规划，且负荷增长越快，其对应的规划阶段越短。
3.一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1～2中任一项所述的方法。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～2中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111421720.1A CN113988714B (zh) | 2021-11-26 | 2021-11-26 | 计及多重不确定性的园区综合能源***动态规划方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111421720.1A CN113988714B (zh) | 2021-11-26 | 2021-11-26 | 计及多重不确定性的园区综合能源***动态规划方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113988714A CN113988714A (zh) | 2022-01-28 |
| CN113988714B true CN113988714B (zh) | 2024-05-31 |
Family
ID=79732092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111421720.1A Active CN113988714B (zh) | 2021-11-26 | 2021-11-26 | 计及多重不确定性的园区综合能源***动态规划方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113988714B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115907435B (zh) * | 2023-01-10 | 2023-05-23 | 浙江正泰智维能源服务有限公司 | 电氢耦合供能***及其优化配置方法、装置、设备 |
| CN115775054B (zh) * | 2023-02-10 | 2023-05-05 | 国网山东省电力公司威海供电公司 | 考虑需求响应的海洋牧场综合能源***的规划方法及*** |
| CN116186120B (zh) * | 2023-04-18 | 2023-07-18 | 山西维云数智科技有限公司 | 一种能源数据采集分析数据库***及数据存储方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110009152A (zh) * | 2019-04-03 | 2019-07-12 | 东南大学 | 一种考虑电转气和不确定性的区域综合能源***运行鲁棒优化方法 |
| CN112653195A (zh) * | 2020-11-27 | 2021-04-13 | 国网甘肃省电力公司经济技术研究院 | 一种并网型微电网鲁棒优化容量配置方法 |
| CN112907098A (zh) * | 2021-03-08 | 2021-06-04 | 国网江苏省电力有限公司经济技术研究院 | 园区综合能源***的多阶段容量配置方法及配置*** |
| CN113344733A (zh) * | 2021-04-27 | 2021-09-03 | 西安交通大学 | 一种电气互联综合能源***优化规划方法及*** |
| CN113673738A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学（保定） | 基于供需响应与可调场景的综合能源***优化配置方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3457513A1 (en) * | 2017-09-13 | 2019-03-20 | Johnson Controls Technology Company | Building energy system with load balancing |
| CN110571789B (zh) * | 2018-06-06 | 2020-10-20 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
-
2021
- 2021-11-26 CN CN202111421720.1A patent/CN113988714B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110009152A (zh) * | 2019-04-03 | 2019-07-12 | 东南大学 | 一种考虑电转气和不确定性的区域综合能源***运行鲁棒优化方法 |
| CN112653195A (zh) * | 2020-11-27 | 2021-04-13 | 国网甘肃省电力公司经济技术研究院 | 一种并网型微电网鲁棒优化容量配置方法 |
| CN113673738A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学（保定） | 基于供需响应与可调场景的综合能源***优化配置方法 |
| CN112907098A (zh) * | 2021-03-08 | 2021-06-04 | 国网江苏省电力有限公司经济技术研究院 | 园区综合能源***的多阶段容量配置方法及配置*** |
| CN113344733A (zh) * | 2021-04-27 | 2021-09-03 | 西安交通大学 | 一种电气互联综合能源***优化规划方法及*** |
Non-Patent Citations (2)
| Title |
|---|
| 考虑环保与可靠性成本的园区综合能源***经济运行技术;臧宝志;吴长龙;朱宏光;魏莘;高建宏;孙艺;;分布式能源;20200815(04);全文 * |
| 计及风光储的冷热电联供***双层协同优化配置方法;江卓翰等;《电力建设》;20210831;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113988714A (zh) | 2022-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110417006B (zh) | 一种综合能源***多时间尺度能量调度方法 | |
| CN113988714B (zh) | 计及多重不确定性的园区综合能源***动态规划方法、设备及介质 | |
| Li et al. | A hybrid optimization-based scheduling strategy for combined cooling, heating, and power system with thermal energy storage | |
| Lingmin et al. | Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power | |
| CN106981888B (zh) | 基于多源互补的风蓄水火电力***的多目标动态调度方法 | |
| Mansouri et al. | Energy hub design in the presence of P2G system considering the variable efficiencies of gas-fired converters | |
| CN113095791B (zh) | 一种综合能源***运行方法及*** | |
| CN111950807B (zh) | 计及不确定性与需求响应的综合能源***优化运行方法 | |
| CN110197300A (zh) | 基于年综合费用最小的经开区综合能源***规划方法 | |
| CN114595868A (zh) | 一种综合能源***源网荷储协同规划方法及*** | |
| CN110994606A (zh) | 一种基于复杂适应***理论的多能源电源容量配置方法 | |
| CN114066204A (zh) | 一种综合能源***的一体化优化规划与运行方法及装置 | |
| CN112417651A (zh) | 一种基于后悔规避的用户级综合能源***优化方法 | |
| CN114818078B (zh) | 考虑长短期不确定性的净零能耗建筑能源***规划方法 | |
| CN112862253A (zh) | 考虑风电不确定性的电-气-热储能协同规划方法及*** | |
| CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源***协调优化运行方法 | |
| CN116432824A (zh) | 基于多目标粒子群的综合能源***优化方法及*** | |
| CN116402210A (zh) | 一种综合能源***多目标优化方法、***、设备和介质 | |
| CN109376406B (zh) | 供能***超结构模型、建模方法、计算机设备和存储介质 | |
| CN113673739B (zh) | 分布式综合能源***的多时空尺度协同优化运行方法 | |
| CN112883630B (zh) | 用于风电消纳的多微网***日前优化经济调度方法 | |
| CN112446552B (zh) | 一种生物质气化冷热电联供***的多目标优化方法 | |
| CN111126675A (zh) | 多能互补微网***优化方法 | |
| 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 | |
| CN116029518A (zh) | 一种计及广义储能的园区综合能源***的碳排放规划方法 |
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 |