CN117252043B - 针对区域多能互补能源***的多目标优化调度方法及装置 - Google Patents
针对区域多能互补能源***的多目标优化调度方法及装置 Download PDFInfo
- Publication number
- CN117252043B CN117252043B CN202311531444.3A CN202311531444A CN117252043B CN 117252043 B CN117252043 B CN 117252043B CN 202311531444 A CN202311531444 A CN 202311531444A CN 117252043 B CN117252043 B CN 117252043B
- Authority
- CN
- China
- Prior art keywords
- electric
- power
- unit
- initial
- cold
- 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 110
- 230000000295 complement effect Effects 0.000 title claims abstract description 81
- 238000013178 mathematical model Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 11
- 231100000719 pollutant Toxicity 0.000 claims abstract description 11
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 92
- 230000006870 function Effects 0.000 claims description 85
- 239000007789 gas Substances 0.000 claims description 62
- 238000003860 storage Methods 0.000 claims description 55
- 239000003345 natural gas Substances 0.000 claims description 46
- 238000009826 distribution Methods 0.000 claims description 42
- 230000005611 electricity Effects 0.000 claims description 30
- 238000010521 absorption reaction Methods 0.000 claims description 24
- 238000005338 heat storage Methods 0.000 claims description 23
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 19
- 229910052799 carbon Inorganic materials 0.000 claims description 19
- 238000005057 refrigeration Methods 0.000 claims description 19
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 239000002918 waste heat Substances 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 11
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 9
- 239000001569 carbon dioxide Substances 0.000 claims description 9
- 238000001816 cooling Methods 0.000 claims description 9
- 239000002699 waste material Substances 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims description 7
- 150000004767 nitrides Chemical class 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000000844 transformation Methods 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 3
- 241000353097 Molva molva Species 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000002803 fossil fuel Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
Abstract
本发明涉及优化调度技术领域,公开了针对区域多能互补能源***的多目标优化调度方法及装置,根据历史数据构建分布鲁棒优化的模糊集;建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型;根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数;根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件;基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿;基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策。降低了***运行时的成本并且减少了污染物的排放。
Description
技术领域
本发明涉及多能互补的区域多能耦合***优化调度技术领域,特别是涉及针对区域多能互补能源***的多目标优化调度方法及装置。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术,并不必然构成现有技术。
面对化石燃料枯竭和污染等现实问题,许多地区开始制定能源转型政策。长期以来,化石燃料在能源结构中的占比远高于其他能源,然而化石燃料的能量释放过程又伴随着大量的碳排放,严重的危害到了经济的健康发展,燃烧煤炭、天然气和石油来发电和供热,是作为碳排放量的主力,所以为了实现节能减排的目标,必须寻求能源行业的转变和突破。未来能源***的演化必将向着节能减排、清洁高效的方向发展,同时可再生能源的占比必须大幅度增加。但是由于可再生能源的输出,如风能和光能,是间歇性的,其预测是不确定的,对其进行优化调度是不容易的,因此,能够灵活的适应间歇性并考虑不确定性的可再生能源的能源供应***将变得非常重要。
目前多能源发电、转换和存储设备的大力发展,使得电能、热能和气能等多种能流的耦合和相互作用变得越来越紧密,冷热电联产(CCHP)***是一种分布式综合能源***,可以同时满足终端用户的电、热、冷负荷。在多能耦合和互补的作用下,热电联产***具有能源利用率高、可再生能源渗透率高的特点。但是,传统的热电联产***包含化石燃料动力装置(如燃气轮机、燃气锅炉等),在大规模实施时会产生大量的碳排放,同时由于新能源出力的不确定性也使得对于综合能源***优化调度产生了困难。
发明内容
为了解决现有技术的不足,本发明提供了针对区域多能互补能源***的多目标优化调度方法及装置;本发明通过在CCHP中引入制电转气和碳捕捉装置以降低碳排放,考虑了一种基于分布鲁棒模型预测控制的多目标优化方法,针对分布式可再生能源的消纳以及碳排放问题,提出了一种双目标的优化调度方法。
一方面,提供了针对区域多能互补能源***的多目标优化调度方法,包括:获取风、光和电的历史数据,并根据历史数据构建分布鲁棒优化的模糊集;建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型;所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数;所述初始约束条件和初始目标函数均受不确定性因素的影响;根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数;根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件;基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿;基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策。
另一方面,提供了针对区域多能互补能源***的多目标优化调度装置,包括:模糊集构建模块,其被配置为:获取风、光和电的历史数据,并根据历史数据构建分布鲁棒优化的模糊集;数学模型控制模块,其被配置为:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型;所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数;所述初始约束条件和初始目标函数均受不确定性因素的影响;优化模块,其被配置为:根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数;根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件;输出模块,其被配置为:基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿;基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策。
上述技术方案具有如下优点或有益效果:本发明针对区域冷热电气多能源***中可再生能源和实时电价不确定性情况下进行优化调度提供了一种考虑经济指标和环境指标的多目标分布鲁棒模型预测控制新方法,可以在存在不确定性的条件下给出未来一段时间内保守性更低的优化调度方案。本发明提供的多目标分布鲁棒模型预测控制的求解方法在满足区域多能耦合***安全运行的同时,降低了***运行时的成本并且减少了污染物的排放。
在考虑风光出力和电价的不确定性的情况下,运用分布鲁棒模型对其不确定性进行刻画,同时考虑将***的经济成本和污染物排放量达到最小时给***运行商提供一种保守性较小的调度方案,在***运行过程中进一步引入了多目标模型预测控制算法,通过反馈校正的方式可以进一步的消除预测误差的影响,并且以滚动优化的方式得到未来一段时间即预测时域的帕累托前沿,使***一直处于最优的状态。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明方法流程图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
分布鲁棒优化(DRO)是一种考虑概率分布不确定性的优化方法,分布鲁棒优化相比于随即优化避免了随机场景的应用,可以显著降低计算复杂度;同时分布鲁棒优化考虑了概率信息,与鲁棒优化相比,可以显著降低保守性;模型预测控制(MPC)是一种通过在每个采样时刻上求解有限时间次优控制问题来逼近无限时间最优控制的一种控制方法,将分布鲁棒优化和模型预测控制将结合同时考虑经济性和环境友好两个指标,对综合能源***进行优化调度,为设备厂商提供一个最佳的调度方案。
实施例一
如图1所示,针对区域多能互补能源***的多目标优化调度方法,包括:S101:获取风、光和电的历史数据,并根据历史数据构建分布鲁棒优化的模糊集;S102:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型;所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数;所述初始约束条件和初始目标函数均受不确定性因素的影响;S103:根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数;根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件;S104:基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿;基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策。
进一步地,所述S101:获取风、光和电的历史数据,具体包括:风的历史数据,包括:风电场物理信息(包括地形、风机分布等)、风电历史功率数据、风电历史预测功率误差、历史气象数据(包括风速、风向等)及数值天气预报数据等。光的历史数据,包括:太阳辐射值、温度、光电历史功率数据和光电历史预测功率误差。电的历史数据,包括:负载和电价信息。
进一步地,所述S101:根据历史数据构建分布鲁棒优化的模糊集,具体包括:首先通过历史数据的采样值得到风光的一个经验分布/>,通过经验分布/>来估计未来的一个真实分布/>,当采样数据量足够多时,经验分布将会趋近于真实分布,其中,/>是表示对风、光和电历史数据的采样值,/>是采样样本的大小;通过概率度量即Wasserstein(沃瑟斯坦)度量的概率距离来构造模糊集:;其中,/>是/>和/>的联合概率分布,/>是通过对风光电历史数据采样后得到的预测出力的经验分布;/>是风光电的真实出力分布;/>是表示经验分布和真实分布之间的概率距离;/>是表示经验分布和真实分布之间的概率密度距离公式;/>是预测误差关于经验分布的边缘分布;/>是预测误差关于真实分布的边缘分布。
;其中,/>是一个由数据驱动的紧支撑集,表示在支撑集上的概率,/>是定义的概率分布度量的误差系数;/>是定义符号,/>表示模糊集。
为了便于计算数据驱动的支撑集,将样本集合进行标准化处理:;其中,/>是对采样数据进行标准化后的值;/>是对风、光和电历史数据的采样值;/>是风、光和电历史数据采样值的平均值。
假设是/>的支撑集/>;其中,/>是对采样数据进行标准化后的值;/>是/>维的数据空间;/>是第/>个采样数据的标准化值;/>是标准化后不确定参数的边界。
经过标准化处理,不确定性的支撑集求解转化为了求解边界问题:;其中,/>表示风光电不确定参数的概率分布;/>风光电不确定性参数的模糊不确定集合;/>表示不确定性参数的集合;/>表示不确定集合的置信度;不确定参数标准化后边界的最大值。当取到最优值时,数据驱动支撑集表示为。
进一步地,所述S102:所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;电力子***,包括:微型燃气轮机组、电制冷机组、电转气机组、太阳能发电机组、风力涡轮机组以及电存储机组;热力子***,包括:天然气锅炉机组、余热回收机组、吸收式制冷机组和热存储罐;冷力子***,包括:电制冷机组和吸收式制冷机组;天然气子***,包括:电转气设备和碳捕捉设备。
进一步地,所述S102:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,电力子***的初始约束条件,包括:(11)电功率平衡的初始约束条件:;其中,/>表示区域冷热电气多能互补能源***与外部电网交换的电功率;/>表示***中微型燃气轮机组的电功率;/>表示***中电存储单元的放电功率;/>表示冷热电气多能互补能源***的预测风电功率;/>表示冷热电气多能互补能源***的预测光电功率;/>表示冷热电气多能互补能源***的弃风电功率;/>表示冷热电气多能互补能源***的弃光电功率;/>表示***中电转气机组的消耗电功率;/>表示***中电存储单元的冲电功率;/>表示***中碳捕捉机组的消耗电功率;/>表示***中电制冷机组的消耗电功率;/>表示区域冷热电气多能互补能源***的电负载。
(12)微型燃气轮机的初始约束条件:;;/>;其中,/>和分别是微型燃气轮机的最小和最大电功率;/>和/>分别是微型燃气轮机的最小和最大爬坡功率;/>是微型燃气轮机在/>时间段内产生的热功率;/>是微型燃气轮机的电效率;/>是微型燃气轮机的热损失率。
(13)电制冷机组的初始约束条件:;其中,/>是电制冷机组在/>时间段内产生的冷功率;/>是电制冷机组的电冷转化效率。
(14)电转气机组的初始约束条件:;;/>;其中,/>和/>是电转气机组的最小和最大消耗功率;/>是电转气机组的爬坡功率;/>是电转气机组在消耗时需要的二氧化碳量;/>是二氧化碳的计算系数。
(15)太阳能发电机组的初始约束条件:;/>;其中,/>是太阳能出力的最大值。
(16)风能发电机组的初始约束条件:;/>;其中,/>是太阳能出力的最大值。
(17)电存储机组的初始约束条件:;;/>;/>;;/>;其中,/>和/>分别是电存储机组的充电标志和放电标志;/>和/>分别是电存储机组的最大充电功率和最大放电功率;/>是电存储机组的荷电状态;/>和/>分别是电存储机组的最大荷电状态和最小荷电状态;/>是电存储机组的充放电效率;/>是电存储机组的自放电系数。
进一步地,所述S102:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,热力子***的初始约束条件,包括:(21)热力不平衡的初始约束条件:;其中,/>和/>分别是热可调整的下限比例和上限比例;/>是区域冷热电气多能互补能源***的热负载;/>是天然气锅炉机组在/>时段的热功率;/>是余热回收机组在/>时段的热功率;/>是热存储罐在/>时段的放热功率;/>是热存储罐在/>时段的储热功率;/>是吸收式制冷机组在/>时段的吸热功率。
(22)天然气锅炉机组的初始约束条件:;其中,/>和/>分别是天然气锅炉机组的最大热功率和最小热功率。
(23)余热回收机组的初始约束条件:;;其中,/>和/>分别是余热回收机组的最大热功率和最小热功率;/>是余热回收机组的热回收效率。
(24)吸收式制冷机组的初始约束条件:;其中,/>是吸收式制冷机组在/>时间段内产生的冷功率;/>是吸收式制冷机组的电冷转化效率。
(25)热存储罐的初始约束条件:;;/>;/>;;/>;其中,/>和分别是热存储罐的储热标志和放热标志;/>和/>分别是热存储罐的最大储热功率和最大放热功率;/>是热存储罐的热量状态;/>和/>分别是热存储罐的最大热量状态和最小热量状态;/>是热存储罐的储放热效率;/>是热存储罐的自放热系数。
进一步地,所述S102:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,冷力子***的初始约束条件,包括:(31)冷功率不平衡的初始约束条件:;其中,/>和/>分别是冷功率可调整的下限比例和上限比例;/>是区域冷热电气多能互补能源***的冷负载。
(32)电制冷机组的初始约束条件:;其中,/>和分别是电制冷机组的最小冷功率和最大冷功率。
(33)吸收式制冷机组的初始约束条件:;其中,/>和分别是吸收式制冷机组的最小冷功率和最大冷功率。
进一步地,所述S102:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,天然气子***的初始约束条件,包括:(41)天然气不平衡约束的初始约束条件:;其中,/>是微型燃气轮机的天然气消耗;/>是燃气锅炉的天然气消耗;/>和/>是储气***的充气和放气量;/>是***中天燃气负载;/>是天然气源输出量;/>是电转气机组的输出量。
(42)电转气机组的初始约束条件:;其中,/>是电转气机组的效率。
(43)碳捕捉机组的初始约束条件:;其中,/>是捕捉/>量的二氧化碳消耗电量的系数。
进一步地,所述S102:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,初始目标函数包括:***的经济目标函数和污染物排放目标函数;***的经济目标函数,包括:微型燃气轮机运行成本、燃气锅炉运行成本、电力市场交易成本、天然气市场交易成本、弃光弃风惩罚成本、电转气运行成本、存储热电气运行成本;污染物排放目标函数,包括:碳化物排放、硫化物排放和氮化物排放成本。
;其中,/>是***的经济目标函数。
微型燃气轮机的运行成本为:;其中,/>是微型燃气轮机运行成本系数。
经济目标函数中的电力市场交易成本为:;其中,是与外部电网买电电价;/>是向外部电网卖电电价。
天然气交易成本:;其中,/>和/>分别是燃气锅炉和微型燃气轮机组的功率效率;/>是天然气的热值;/>是天然气的价格。
弃光弃风惩罚成本:;其中,/>和/>分别是弃风和弃光惩罚系数。
电转气运行成本:;其中,/>是微型燃气轮机运行成本系数。
存储热电气成本:。
。
;其中,/>、/>和/>分别是热气和电存储单元的成本;/>、/>和/>分别是热气和电存储单元的充放循环次数。
;其中,/>、/>和/>分别是污染物排放惩罚系数,/>是污染物排放目标函数。
;其中,/>是表示微型燃气轮机组的碳排放系数;/>是表示微型燃气轮机组的碳排放系数;/>表示从电网买电的碳排放系数,/>是碳化物排放成本。
;其中,/>表示微型燃气轮机组的硫化物排放系数;/>是表示微型燃气轮机组的硫化物排放系数;/>表示从电网买电的硫化物排放系数,/>表示硫化物排放成本。
;其中,/>表示微型燃气轮机组的氮化物排放系数;/>是表示微型燃气轮机组的氮化物排放系数;/>表示从电网买电的氮化物排放系数,/>表示氮化物排放成本。
进一步地,所述S103:根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数,具体包括:根据对偶理论,将受不确定性因素影响的初始目标函数转化为易于处理和计算的形式,根据强对偶理论的分布鲁棒模型:;/>;;其中,/>表示含有实时电价不确定性的目标函数,/>是不确定性的实时电价,是在支撑集/>中的;/>表示对含有实时电价不确定性目标函数的期望;/>表示模型中不等式约束的系数矩阵;/>表示模型中的决策变量,即各机组出力功率;/>表示模型中不等式约束的右端项向量;/>是表示约束中包含不确定性参数的约束条件;/>是表示约束中包含不确定性参数的约束右端项;/>是表示约束中包含不确定性参数的系数矩阵;/>是表示目标函数中不确定性参数的分布概率函数;/>是表示目标函数中不确定性参数的模糊集。
进一步地,通过强对偶理论转化为的等价数学模型如下所示:;/>;/>;其中,/>表示模型变换的辅助参数;/>是表示不确定性参数概率密度之间的度量距离;是表示由历史数据预测得到的真实值。
S103:根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件,具体包括:对初始约束条件中的不确定性采用分布鲁棒机会进行重构,将;表述为机会约束的形式,即:/>;其中,/>是其约束函数满足的概率,/>是约束不满足的概率值。
应用线性决策方法,将分布鲁棒机会约束进行重构为:; ;;其中,/>是表示采样历史数据的样本大小;/>、/>、、/>、/>是模转化过程中的辅助变量。
上述S103步骤的有益效果是,能够将模型转化为线性预测控制模型,将受不确定性因素影响的模型转化为易于处理和计算的形式。
进一步地,所述S104:基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿,具体包括:首先根据多目标优化的帕累托最优的定义,得到一个可行解;帕累托最优的条件是当且仅当不存在可行解/>使得对于其他解/>任何目标函数/>都不大于最优解的目标函数/>,即,并且至少存在一个目标函数使得/>;由此可知,对于平滑并且凸的目标函数来说,如果对于任意方向/>,梯度/>,则/>是在帕累托前沿上的点。
进一步地,定义是所有目标函数/>的复合梯度方向,;其中,/>是表示函数的梯度;/>和/>分别是目标函数,/>是模型的可行解向量;/>,并且,;其中,/>表示对目标函数求偏导,/>是表示各个设备的出力功率。
则,其中,;设计矩阵/>和/>,使得对矩阵进行如下的变换,/>;其中,/>表示相应维度的单位矩阵。
求解矩阵的特征值/>和特征向量/>,即/>,由上面的定义可知,分为以下四种情况。
情况一:对于所有的特征值和其对应的特征向量/>,使得/>即;也就是满足帕累托前沿的条件,即/>;其中,/>表示下一时刻的迭代解向量,/>表示现在时刻的解向量。
情况二:如果存在一个特征值和其对应的特征向量/>,使得/>;则更新策略下一次迭代解向量/>,/>是目标函数/>的常数。/>和/>分别表示目标函数/>和目标函数/>的李普希思常数。
情况三:如果存在一个特征值和其对应的特征向量/>,使得/>;则更新策略/>,/>是目标函数/>的常数/>。
如果对于情况二和情况三同时存在不止一个特征值和特征向量满足和,则取其中一个作为复合梯度下降方向。
情况四:如果情况一、情况二和情况三都不满足,也就意味着不是全部为正或者全部为负,假设/>,随机选取/>中的一个标量,即/>,则相对应的/>被用来计算复合梯度方向/>,;其中,/>表示第个设备出力的折算系数,并且/>;则更新策略为:/>,其中/>是目标函数/>的常数。
通过上述的梯度更新策略,快速的对多目标分布鲁棒模型预测控制进行求解,在满足预测控制对求解速度的要求情况下,可以得到较为精确的解。
进一步地,所述S104:基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策,具体包括:使用多梯度下降算法multiple gradient descent algorithm(MGDA)寻找帕累托稳定最优解;首先确定所有目标函数的梯度方向,并进行归一化处理,对所有归一化处理后的目标函数梯度方向进行加权,得出综合梯度方向;确定步长使得各个目标都单调递减的最大值,直到梯度方向为0或者小于设定阈值时停止,最后得到区域冷热电气多能互补能源***中每个子***每个机组的出力程度。
实施例二
本实施例提供了针对区域多能互补能源***的多目标优化调度装置;针对区域多能互补能源***的多目标优化调度装置,包括:模糊集构建模块,其被配置为:获取风、光和电的历史数据,并根据历史数据构建分布鲁棒优化的模糊集;数学模型控制模块,其被配置为:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型;所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数;所述初始约束条件和初始目标函数均受不确定性因素的影响;优化模块,其被配置为:根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数;根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件;输出模块,其被配置为:基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿;基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策。
此处需要说明的是,上述模糊集构建模块、数学模型控制模块、优化模块和输出模块对应于实施例一中的步骤S101至S104,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为***的一部分可以在诸如一组计算机可执行指令的计算机***中执行。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.针对区域多能互补能源***的多目标优化调度方法,其特征是,包括:
获取风、光和电的历史数据,并根据历史数据构建分布鲁棒优化的模糊集;
建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型;所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数;所述初始约束条件和初始目标函数均受不确定性因素的影响;
根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数;根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件;
基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿;基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策;
所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数,具体为:
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,初始目标函数包括:***的经济目标函数和污染物排放目标函数;***的经济目标函数,包括:微型燃气轮机运行成本、燃气锅炉运行成本、电力市场交易成本、天然气市场交易成本、弃光弃风惩罚成本、电转气运行成本、存储热电气运行成本;污染物排放目标函数,包括:碳化物排放、硫化物排放和氮化物排放成本;
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,电力子***的初始约束条件,包括:
(11)电功率平衡的初始约束条件:
;
其中,表示区域冷热电气多能互补能源***与外部电网交换的电功率;/>表示***中微型燃气轮机组的电功率;/>表示***中电存储单元的放电功率;表示冷热电气多能互补能源***的预测风电功率;/>表示冷热电气多能互补能源***的预测光电功率;/>表示冷热电气多能互补能源***的弃风电功率;/>表示冷热电气多能互补能源***的弃光电功率;/>表示***中电转气机组的消耗电功率;/>表示***中电存储单元的冲电功率;/>表示***中碳捕捉机组的消耗电功率;/>表示***中电制冷机组的消耗电功率;/>表示区域冷热电气多能互补能源***的电负载;
(12)微型燃气轮机的初始约束条件:
;
;
;
其中,和/>分别是微型燃气轮机的最小和最大电功率;/>和/>分别是微型燃气轮机的最小和最大爬坡功率;/>是微型燃气轮机在/>时间段内产生的热功率;/>是微型燃气轮机的电效率;/>是微型燃气轮机的热损失率;
(13)电制冷机组的初始约束条件:
;
其中,是电制冷机组在/>时间段内产生的冷功率;/>是电制冷机组的电冷转化效率;
(14)电转气机组的初始约束条件:
;
;
;
其中,和/>是电转气机组的最小和最大消耗功率;/>是电转气机组的爬坡功率;/>是电转气机组在消耗/>时需要的二氧化碳量;/>是二氧化碳的计算系数;
(15)太阳能发电机组的初始约束条件:
;
;
其中,是太阳能出力的最大值;
(16)风能发电机组的初始约束条件:
;
;
其中,是太阳能出力的最大值;
(17)电存储机组的初始约束条件:
;
;
;
;
;
;
其中,和/>分别是电存储机组的充电标志和放电标志;/>和/>分别是电存储机组的最大充电功率和最大放电功率;/>是电存储机组的荷电状态;/>和分别是电存储机组的最大荷电状态和最小荷电状态;/>是电存储机组的充放电效率;是电存储机组的自放电系数;
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,热力子***的初始约束条件,包括:
(21)热力不平衡的初始约束条件:
;
其中,和/>分别是热可调整的下限比例和上限比例;/>是区域冷热电气多能互补能源***的热负载;/>是天然气锅炉机组在/>时段的热功率;/>是余热回收机组在/>时段的热功率;/>是热存储罐在/>时段的放热功率;/>是热存储罐在/>时段的储热功率;/>是吸收式制冷机组在/>时段的吸热功率;
(22)天然气锅炉机组的初始约束条件:
;
其中,和/>分别是天然气锅炉机组的最大热功率和最小热功率;
(23)余热回收机组的初始约束条件:
;
;
其中,和/>分别是余热回收机组的最大热功率和最小热功率;/>是微型燃气轮机产生的热功率;/>是余热回收机组的热回收效率;
(24)吸收式制冷机组的初始约束条件:
;
其中,是吸收式制冷机组在/>时间段内产生的冷功率;/>是吸收式制冷机组的电冷转化效率;
(25)热存储罐的初始约束条件:
;
;
;
;
;
;
其中,和/>分别是热存储罐的储热标志和放热标志;/>和/>分别是热存储罐的最大储热功率和最大放热功率;/>是热存储罐的热量状态;/>和/>分别是热存储罐的最大热量状态和最小热量状态;/>是热存储罐的储放热效率;/>是热存储罐的自放热系数;
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,冷力子***的初始约束条件,包括:
(31)冷功率不平衡的初始约束条件:
;
其中,和/>分别是冷功率可调整的下限比例和上限比例;/>是区域冷热电气多能互补能源***的冷负载;/>是吸收式制冷机组在/>时间段内产生的冷功率;是电制冷机组在/>时间段内产生的冷功率;
(32)电制冷机组的初始约束条件:
;
其中,和/>分别是电制冷机组的最小冷功率和最大冷功率;
(33)吸收式制冷机组的初始约束条件:
;
其中,和/>分别是吸收式制冷机组的最小冷功率和最大冷功率;建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,天然气子***的初始约束条件,包括:
(41)天然气不平衡约束的初始约束条件:
;
其中,是微型燃气轮机的天然气消耗;/>是燃气锅炉的天然气消耗;/>和是储气***的充气和放气量;/>是***中天燃气负载;/>是天然气源输出量;是电转气机组的输出量;
(42)电转气机组的初始约束条件:
;
其中,是电转气机组的效率;/>表示***中电转气机组的消耗电功率;
(43)碳捕捉机组的初始约束条件:
;
其中,是捕捉/>量的二氧化碳消耗电量的系数;/>表示***中碳捕捉机组的消耗电功率。。
2.如权利要求1所述的针对区域多能互补能源***的多目标优化调度方法,其特征是,根据历史数据构建分布鲁棒优化的模糊集,具体包括:
首先通过历史数据的采样值得到风光的一个经验分布/>,通过经验分布/>来估计未来的一个真实分布/>,当采样数据量足够多时,经验分布将会趋近于真实分布,其中/>是表示对风、光和电历史数据的采样值,/>是采样样本的大小;通过概率度量的概率距离来构造模糊集:/>;其中,/>是/>和/>的联合概率分布,/>是通过对风光电历史数据采样后得到的预测出力的经验分布;/>是风光电的真实出力分布;/>是表示经验分布和真实分布之间的概率距离;/>是表示经验分布和真实分布之间的概率密度距离公式;/>是预测误差关于经验分布的边缘分布;/>是预测误差关于真实分布的边缘分布;由此就得到模糊集/>为:;其中,/>是一个由数据驱动的紧支撑集,/>表示在支撑集上的概率,/>是定义的概率分布度量的误差系数;/>是定义符号;为了便于计算数据驱动的支撑集,将样本集合进行标准化处理:/>;其中,/>是对采样数据进行标准化后的值;/>是对风、光和电历史数据的采样值;/>是风、光和电历史数据采样值的平均值;假设/>是/>的支撑集:/>;其中,/>是对采样数据进行标准化后的值;/>是/>维的数据空间;/>是第/>个采样数据的标准化值;/>是标准化后不确定参数的边界;经过标准化处理,不确定性的支撑集求解转化为了求解边界/>问题:
;
其中,表示风光电不确定参数的概率分布;/>风光电不确定性参数的模糊不确定集合;/>表示不确定性参数的集合;/>表示不确定集合的置信度;/>不确定参数标准化后边界的最大值;当取到最优值时,由数据驱动的紧支撑集表示为/>。
3.如权利要求1所述的针对区域多能互补能源***的多目标优化调度方法,其特征是,所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;电力子***,包括:微型燃气轮机组、电制冷机组、电转气机组、太阳能发电机组、风力涡轮机组以及电存储机组;热力子***,包括:天然气锅炉机组、余热回收机组、吸收式制冷机组和热存储罐;冷力子***,包括:电制冷机组和吸收式制冷机组;天然气子***,包括:电转气机组以及碳捕捉机组。
4.如权利要求1所述的针对区域多能互补能源***的多目标优化调度方法,其特征是,根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数,具体包括:
根据对偶理论,将受不确定性因素影响的初始目标函数转化为易于处理和计算的形式,根据强对偶理论的分布鲁棒模型:
;
;
;
其中,表示含有实时电价不确定性的目标函数,N是采样样本大小,/>是不确定性的实时电价,是在支撑集/>中的;/>表示对含有实时电价不确定性目标函数的期望;/>表示模型中不等式约束的系数矩阵;/>表示模型中的决策变量,即各机组出力功率;/>表示模型中不等式约束的右端项向量;/>是表示约束中包含不确定性参数的约束条件;是表示约束中包含不确定性参数的约束右端项;/>是表示约束中包含不确定性参数的系数矩阵;/>是表示目标函数中不确定性参数的分布概率函数;/>是表示目标函数中不确定性参数的模糊集;
通过强对偶理论转化为的等价数学模型:
;
;
;
其中,表示模型变换的辅助参数;/>是表示不确定性参数概率密度之间的度量距离;/>是表示由历史数据预测得到的真实值。
5.如权利要求1所述的针对区域多能互补能源***的多目标优化调度方法,其特征是,根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件,具体包括:对初始约束条件中的不确定性采用了分布鲁棒机会进行重构,将表述为机会约束的形式,即:/>;其中,/>是其约束函数满足的概率,/>是约束不满足的概率值;
应用线性决策方法,将分布鲁棒机会约束进行重构为:
;
;
;
;
其中,是表示采样历史数据的样本大小;/>、/>、/>、/>、/>是模转化过程中的辅助变量。
6.如权利要求1所述的针对区域多能互补能源***的多目标优化调度方法,其特征是,基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿,具体包括:
首先根据多目标优化的帕累托最优的定义,得到一个可行解;
帕累托最优的条件是当且仅当不存在可行解使得对于其他解/>任何目标函数都不大于最优解的目标函数/>,即/>,并且至少存在一个目标函数使得/>;由此可知,对于平滑并且凸的目标函数来说,如果对于任意方向/>,梯度/>,则/>是在帕累托前沿上的点;定义/>是所有目标函数/>的复合梯度方向;
;
其中,是表示函数的梯度;/>和/>分别是两个目标函数,/>是模型的可行解向量;其中/>是优化问题中的当前时刻;
;
;
其中,表示对目标函数求偏导,/>是表示各个设备的出力功率;
则,其中,
;
设计矩阵和/>,使得对矩阵/>进行如下的变换:
;
其中,表示相应维度的单位矩阵;
求解矩阵的特征值/>和特征向量/>,/>,由定义可知,分为以下四种情况:
情况一:对于所有的特征值和其对应的特征向量/>,使得/>即;也就是满足帕累托前沿的条件/>;其中,/>表示下一时刻的迭代解向量,/>表示现在时刻的解向量;
情况二:如果存在一个特征值和其对应的特征向量/>,使得/>;则更新策略下一次迭代解向量/>,/>是目标函数/>的常数;/>和/>分别表示目标函数/>和目标函数/>的李普希思常数;
情况三:如果存在一个特征值和其对应的特征向量/>,使得/>;则更新策略/>,/>是目标函数/>的常数/>;
如果对于情况二和情况三同时存在不止一个特征值和特征向量满足和,则取其中一个作为复合梯度下降方向;
情况四:如果情况一、情况二和情况三都不满足,也就意味着不是全部为正或者全部为负,假设/>,随机选取/>中的一个标量,即/>,则相对应的/>被用来计算复合梯度方向/>:
;
其中,表示第/>个设备出力的折算系数,并且/>;则更新策略为:,其中/>是目标函数/>的常数。
7.针对区域多能互补能源***的多目标优化调度装置,其特征是,包括:
模糊集构建模块,其被配置为:获取风、光和电的历史数据,并根据历史数据构建分布鲁棒优化的模糊集;
数学模型控制模块,其被配置为:建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型;所述区域冷热电气多能互补能源***,包括:电力子***、热力子***、冷力子***和天然气子***;所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数;所述初始约束条件和初始目标函数均受不确定性因素的影响;所述分布鲁棒多目标预测控制数学模型,包括:初始约束条件和初始目标函数,具体为:
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,初始目标函数包括:***的经济目标函数和污染物排放目标函数;***的经济目标函数,包括:微型燃气轮机运行成本、燃气锅炉运行成本、电力市场交易成本、天然气市场交易成本、弃光弃风惩罚成本、电转气运行成本、存储热电气运行成本;污染物排放目标函数,包括:碳化物排放、硫化物排放和氮化物排放成本;
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,电力子***的初始约束条件,包括:
(11)电功率平衡的初始约束条件:
;
其中,表示区域冷热电气多能互补能源***与外部电网交换的电功率;/>表示***中微型燃气轮机组的电功率;/>表示***中电存储单元的放电功率;表示冷热电气多能互补能源***的预测风电功率;/>表示冷热电气多能互补能源***的预测光电功率;/>表示冷热电气多能互补能源***的弃风电功率;/>表示冷热电气多能互补能源***的弃光电功率;/>表示***中电转气机组的消耗电功率;/>表示***中电存储单元的冲电功率;/>表示***中碳捕捉机组的消耗电功率;/>表示***中电制冷机组的消耗电功率;/>表示区域冷热电气多能互补能源***的电负载;
(12)微型燃气轮机的初始约束条件:
;
;
;
其中,和/>分别是微型燃气轮机的最小和最大电功率;/>和/>分别是微型燃气轮机的最小和最大爬坡功率;/>是微型燃气轮机在/>时间段内产生的热功率;/>是微型燃气轮机的电效率;/>是微型燃气轮机的热损失率;
(13)电制冷机组的初始约束条件:
;
其中,是电制冷机组在/>时间段内产生的冷功率;/>是电制冷机组的电冷转化效率;
(14)电转气机组的初始约束条件:
;
;
;
其中,和/>是电转气机组的最小和最大消耗功率;/>是电转气机组的爬坡功率;/>是电转气机组在消耗/>时需要的二氧化碳量;/>是二氧化碳的计算系数;
(15)太阳能发电机组的初始约束条件:
;
;
其中,是太阳能出力的最大值;
(16)风能发电机组的初始约束条件:
;
;
其中,是太阳能出力的最大值;
(17)电存储机组的初始约束条件:
;
;
;
;
;
;
其中,和/>分别是电存储机组的充电标志和放电标志;/>和/>分别是电存储机组的最大充电功率和最大放电功率;/>是电存储机组的荷电状态;/>和分别是电存储机组的最大荷电状态和最小荷电状态;/>是电存储机组的充放电效率;是电存储机组的自放电系数;
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,热力子***的初始约束条件,包括:
(21)热力不平衡的初始约束条件:
;
其中,和/>分别是热可调整的下限比例和上限比例;/>是区域冷热电气多能互补能源***的热负载;/>是天然气锅炉机组在/>时段的热功率;/>是余热回收机组在/>时段的热功率;/>是热存储罐在/>时段的放热功率;/>是热存储罐在/>时段的储热功率;/>是吸收式制冷机组在/>时段的吸热功率;
(22)天然气锅炉机组的初始约束条件:
;
其中,和/>分别是天然气锅炉机组的最大热功率和最小热功率;
(23)余热回收机组的初始约束条件:
;
;
其中,和/>分别是余热回收机组的最大热功率和最小热功率;/>是微型燃气轮机产生的热功率;/>是余热回收机组的热回收效率;
(24)吸收式制冷机组的初始约束条件:
;
其中,是吸收式制冷机组在/>时间段内产生的冷功率;/>是吸收式制冷机组的电冷转化效率;
(25)热存储罐的初始约束条件:
;
;
;
;
;
;
其中,和/>分别是热存储罐的储热标志和放热标志;/>和/>分别是热存储罐的最大储热功率和最大放热功率;/>是热存储罐的热量状态;/>和/>分别是热存储罐的最大热量状态和最小热量状态;/>是热存储罐的储放热效率;/>是热存储罐的自放热系数;
所述建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,冷力子***的初始约束条件,包括:
(31)冷功率不平衡的初始约束条件:
;
其中,和/>分别是冷功率可调整的下限比例和上限比例;/>是区域冷热电气多能互补能源***的冷负载;/>是吸收式制冷机组在/>时间段内产生的冷功率;/>是电制冷机组在/>时间段内产生的冷功率;
(32)电制冷机组的初始约束条件:
;
其中,和/>分别是电制冷机组的最小冷功率和最大冷功率;
(33)吸收式制冷机组的初始约束条件:
;
其中,和/>分别是吸收式制冷机组的最小冷功率和最大冷功率;建立区域冷热电气多能互补能源***的分布鲁棒多目标预测控制数学模型,天然气子***的初始约束条件,包括:
(41)天然气不平衡约束的初始约束条件:
;
其中,是微型燃气轮机的天然气消耗;/>是燃气锅炉的天然气消耗;/>和是储气***的充气和放气量;/>是***中天燃气负载;/>是天然气源输出量;是电转气机组的输出量;
(42)电转气机组的初始约束条件:
;
其中,是电转气机组的效率;/>表示***中电转气机组的消耗电功率;
(43)碳捕捉机组的初始约束条件:
;
其中,是捕捉/>量的二氧化碳消耗电量的系数;/>表示***中碳捕捉机组的消耗电功率
优化模块,其被配置为:根据所述模糊集,将初始目标函数进行优化,得到优化后的目标函数;根据所述模糊集,将初始约束条件进行优化,得到优化后的约束条件;
输出模块,其被配置为:基于广义特征向量算法,对优化后的目标函数和优化后的约束条件进行求解,得到最优帕累托前沿;基于最优帕累托前沿,确定区域冷热电气多能互补能源***的机组组合决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531444.3A CN117252043B (zh) | 2023-11-17 | 2023-11-17 | 针对区域多能互补能源***的多目标优化调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531444.3A CN117252043B (zh) | 2023-11-17 | 2023-11-17 | 针对区域多能互补能源***的多目标优化调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117252043A CN117252043A (zh) | 2023-12-19 |
CN117252043B true CN117252043B (zh) | 2024-04-09 |
Family
ID=89133630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311531444.3A Active CN117252043B (zh) | 2023-11-17 | 2023-11-17 | 针对区域多能互补能源***的多目标优化调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252043B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117541019B (zh) * | 2024-01-04 | 2024-03-26 | 长江水利委员会水文局 | 一种梯级水库中长期鲁棒优化调度方法、***及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146117A (zh) * | 2018-06-15 | 2019-01-04 | 中国电建集团福建省电力勘测设计院有限公司 | 一种考虑需求侧资源的区域多能源***运行优化方法 |
CN114372645A (zh) * | 2022-03-22 | 2022-04-19 | 山东大学 | 基于多智能体强化学习的供能***优化方法及*** |
CN114462902A (zh) * | 2022-04-13 | 2022-05-10 | 山东大学 | 考虑光热和水势综合储能出力的分布式发电调度方法 |
CN114462727A (zh) * | 2022-04-14 | 2022-05-10 | 山东大学 | 基于多主体联合的新能源***能源优化调度方法及*** |
CN114529075A (zh) * | 2022-02-14 | 2022-05-24 | 中建安装集团有限公司 | 考虑风光预测误差的综合能源***分布鲁棒优化调度方法 |
CN114943417A (zh) * | 2022-04-21 | 2022-08-26 | 山东大学 | 基于模型预测控制的多目标能源组合优化调度方法及*** |
CN115293442A (zh) * | 2022-08-17 | 2022-11-04 | 大连理工大学 | 一种基于分布鲁棒优化的水风光能源***均衡调度模型 |
WO2023082697A1 (zh) * | 2021-11-15 | 2023-05-19 | 中国电力科学研究院有限公司 | 电-热综合能源***协调优化方法、***、设备、介质及程序 |
CN116629421A (zh) * | 2023-05-18 | 2023-08-22 | 国网浙江省电力有限公司综合服务分公司 | 计及综合能效的综合能源***多目标分布鲁棒优化调度方法 |
CN116644866A (zh) * | 2023-07-27 | 2023-08-25 | 国网江西省电力有限公司经济技术研究院 | 考虑风光不确定性的综合能源***鲁棒优化方法及*** |
CN116780649A (zh) * | 2023-06-16 | 2023-09-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多能互补利用的分布式鲁棒优化运行方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2023
- 2023-11-17 CN CN202311531444.3A patent/CN117252043B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146117A (zh) * | 2018-06-15 | 2019-01-04 | 中国电建集团福建省电力勘测设计院有限公司 | 一种考虑需求侧资源的区域多能源***运行优化方法 |
WO2023082697A1 (zh) * | 2021-11-15 | 2023-05-19 | 中国电力科学研究院有限公司 | 电-热综合能源***协调优化方法、***、设备、介质及程序 |
CN114529075A (zh) * | 2022-02-14 | 2022-05-24 | 中建安装集团有限公司 | 考虑风光预测误差的综合能源***分布鲁棒优化调度方法 |
CN114372645A (zh) * | 2022-03-22 | 2022-04-19 | 山东大学 | 基于多智能体强化学习的供能***优化方法及*** |
CN114462902A (zh) * | 2022-04-13 | 2022-05-10 | 山东大学 | 考虑光热和水势综合储能出力的分布式发电调度方法 |
CN114462727A (zh) * | 2022-04-14 | 2022-05-10 | 山东大学 | 基于多主体联合的新能源***能源优化调度方法及*** |
CN114943417A (zh) * | 2022-04-21 | 2022-08-26 | 山东大学 | 基于模型预测控制的多目标能源组合优化调度方法及*** |
CN115293442A (zh) * | 2022-08-17 | 2022-11-04 | 大连理工大学 | 一种基于分布鲁棒优化的水风光能源***均衡调度模型 |
CN116629421A (zh) * | 2023-05-18 | 2023-08-22 | 国网浙江省电力有限公司综合服务分公司 | 计及综合能效的综合能源***多目标分布鲁棒优化调度方法 |
CN116780649A (zh) * | 2023-06-16 | 2023-09-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多能互补利用的分布式鲁棒优化运行方法 |
CN116644866A (zh) * | 2023-07-27 | 2023-08-25 | 国网江西省电力有限公司经济技术研究院 | 考虑风光不确定性的综合能源***鲁棒优化方法及*** |
Non-Patent Citations (8)
Title |
---|
Distributed control for a class of nonlinear systems based on distributed high-gain observer;Haotian Xu et al.;《ISA Transactions》;第138卷;第32-340页 * |
Hang Tian et al..Interval-probabilistic Electricity-heat-gas Flow Calculation by Dual-level Surrogate Structure.《 IEEE Transactions on Smart Grid 》.2023,第14卷(第6期),第4333-4344页. * |
可再生能源微网鲁棒多目标优化调度;王鲁浩等;《电工技术学报》;第32卷(第05期);第184-192页 * |
基于风电出力模糊集的电-气耦合***分布鲁棒优化调度;张亚超等;《电力***自动化》;第44卷(第04期);第44-53页 * |
考虑直接负荷控制不确定性的微能源网鲁棒优化运行;朱兰等;《电网技术》;第44卷(第04期);第1400-1413页 * |
考虑综合需求侧响应的区域综合能源***多目标优化调度;魏震波等;《电力建设》;第41卷(第07期);第92-99页 * |
计及储能的混合可再生能源***规划与运行研究;马艺瑄;《中国博士学位论文全文数据库工程科技Ⅱ辑》(第03期);第C039-3页 * |
风光气储多能互补***容量配置与优化调度研究;侯韶栋;《中国学位论文全文数据库》;第1-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117252043A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445090B (zh) | 一种离网型综合能源***双层规划方法 | |
CN111463836A (zh) | 一种综合能源***优化调度方法 | |
CN117252043B (zh) | 针对区域多能互补能源***的多目标优化调度方法及装置 | |
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 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN111860966B (zh) | 基于模糊相关机会规划的含储能综合能源***调度方法 | |
CN113256045A (zh) | 考虑风光不确定性的园区综合能源***日前经济调度方法 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN115099007B (zh) | 基于综合成本-能耗曲线的综合能源***优化运行方法 | |
CN110244568B (zh) | 工业企业微网的能源枢纽模型及其多能互补优化控制方法 | |
CN116681171A (zh) | 一种多场景综合能源***分布鲁棒优化调度方法和*** | |
CN114818078A (zh) | 考虑长短期不确定性的净零能耗建筑能源***规划方法 | |
Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
CN117791739A (zh) | 基于新型源储设备的综合能源微网可靠性控制方法及装置 | |
CN117649089A (zh) | 一种集成氢能的综合能源***鲁棒低碳优化调度方法 | |
CN117318103A (zh) | 集成熔盐蓄热和co2循环机组的风电***及优化方法 | |
CN117350419A (zh) | 计及柔性负荷和碳流的园区综合能源***优化运行方法 | |
CN116502921A (zh) | 一种园区综合能源***优化管理***及其协调调度方法 | |
CN114169800B (zh) | 综合能源***的能量调度方法 | |
CN114386256A (zh) | 一种考虑电热设备灵活性约束及热网特性的区域电热***优化调度方法 | |
Chen et al. | A multi-energy microgrid modelling and optimization method based on exergy theory | |
Qi et al. | A Distributionally Robust Optimization Scheduling Model for Regional Integrated Energy Systems Considering Hot Dry Rock Co-Generation. | |
CN111555270A (zh) | 一种综合能源优化与动态分析的方法及*** | |
Xiang et al. | Planning Research on Electrically Coupled Integrated Energy System Based on ARIMA-LSTM Model | |
Liu et al. | Modeling and analysis of unit commitment considering RCAES system |
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 |