一种综合能源系统多目标置信间隙决策鲁棒优化调度方法技术方案

本发明专利技术涉及综合能源系统优化调度技术领域，具体涉及到一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，包括以下步骤：通过将高斯混合概率模型的置信区间与信息间隙决策理论的鲁棒思想结合起来，建立基于鲁棒驱动的置信间隙决策模型；基于置信间隙决策模型，结合综合能源系统的多个优化目标，构建综合能源系统多目标置信间隙决策鲁棒优化调度模型；设计自适应谐波混叠多目标复合微分进化算法对综合能源系统多目标置信间隙决策鲁棒优化调度模型进行求解。本发明专利技术提出的基于置信间隙决策的不确定性建模及优化思想为综合能源系统调度提供了新思路，可进一步拓展到综合能源系统规划、多区域综合能源系统协调运行等其它研究领域。

【技术实现步骤摘要】
一种综合能源系统多目标置信间隙决策鲁棒优化调度方法
本专利技术涉及综合能源系统优化调度
，具体涉及到一种综合能源系统多目标置信间隙决策鲁棒优化调度方法。
技术介绍
随着工业快速发展和用户对各类能源的需求日益增长，能源合理的利用和分配成为各界广泛探讨的热点。综合能源系统(IntegratedEnergySystem,IES)主要由能源转化、分配以及存储等功能和各类终端用户构成，是一种可持续发展的一体化能源系统。IES优化调度是保证系统经济性和能效性的重要前提，然而，系统中风、光等可再生能源出力以及负荷需求的不确定性往往会导致IES优化调度方案很难达到预期效果。因此，实现具有鲁棒性的优化调度对于IES运行具有重要意义。目前，国内外学者已对计及不确定性因素影响的IES优化调度开展了一系列研究。综合来看，处理方法主要包括随机规划和鲁棒优化，但目前这两种方法均有所不足：随机规划通过场景缩减将不确定量由原本的区间域简化为若干个代表性场景进行多场景确定性优化，这样不仅丧失了不确定区间的遍历性而难以保证鲁棒性，且若聚类算法精度不足还会导致场景缩减后的“典型”场景缺乏足够的代表性；而现有的鲁棒优化研究中一般是基于预先设定鲁棒系数进行鲁棒性分析和优化计算，其鲁棒性设定常会过于主观或保守。信息间隙决策理论（InformationGapDecisionTheory,IGDT）可作为一种具有更高计算效率的不确定性问题处理方法。其思想是在确保优化结果不劣于预设值的条件下，最大化不确定量的波动区间，从而可最大化规避不确定性对求解结果的影响。目前在处理不确定性问题中IGDT有较多应用。然而，IGDT模型和鲁棒优化模型都存在对关键性的不确定性区间表达过于粗糙的问题。通常是采用不确定参数均值及其上下限来描述的盒式集合，随机性一般采用对称性均匀分布来表征。这类不确定集合没能充分体现系统中各类随机性因素实际具有的多态性（如风电/光伏的随机分布特征通常具有不对称性和多态性等）、以及鲁棒性与不确定区间上下限实际可能呈现的非线性关系。为克服随机规划、鲁棒优化以及IGDT等方法所存在的上述不足，有必要提出一种更适合的综合能源系统鲁棒优化调度方法。
技术实现思路
本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供一种综合能源系统多目标置信间隙决策鲁棒优化调度方法。为实现上述目的，本专利技术采用的技术方案如下：一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，包括以下步骤：步骤1，通过将高斯混合概率模型的置信区间与信息间隙决策理论的鲁棒思想结合起来，建立基于鲁棒驱动的置信间隙决策模型；步骤2，基于置信间隙决策模型，结合综合能源系统的多个优化目标，构建综合能源系统多目标置信间隙决策鲁棒优化调度模型；步骤3，设计自适应谐波混叠多目标复合微分进化算法对综合能源系统多目标置信间隙决策鲁棒优化调度模型进行求解。进一步的，在所述步骤1中，建立基于鲁棒驱动的置信间隙决策模型具体包括：将含不确定参数的优化问题描述为：（1）式中：为目标函数；为决策变量；为不确定性参数；和分别为等式约束和不等式约束；基于IGDT的风险规避策略RAS，将上述不确定性优化问题转化如下的鲁棒优化模型：（2）式中：为不确定量的波动区间，和分别为不确定量的预测值和偏差系数，；为确定性优化模型下为时的最优解，为引入不确定性后预设的决策者所能接受的最差目标值；为目标偏差因子，设置越大，则模型对目标变差的容忍度越大，鲁棒性越强，反之亦然；引入机会约束对目标偏差和不确定区间进行置信度评价，以置信区间代替IGDT模型中简单的对称性波动区间，取消IGDT模型中的不确定量偏差系数；取消IGDT模型中需预先设定的目标偏差因子，引入机会约束在确保决策结果以一定置信水平不劣于期望最优值的条件下，最大化不确定性置信水平以实现最大化各类不确定性变量的置信区间；提出如下置信间隙决策模型：（3）式中：Pr表示概率，为不确定性置信水平，为目标显著性水平；表示置信不确定区间，和分别为的下界和上界。基于GMM拟合风电、光伏和负荷功率预测误差的概率分布；GMM可由下式表示：（4）（5）式中，为高斯分量个数；为第个高斯分量的权重系数；为第个高斯分量的概率密度函数；和分别为第个高斯分量的期望和方差；采用由5~7个高斯分量线性组合成的GMM-5、GMM-6和GMM-7对风电功率预测误差进行拟合，得到t时段的风电功率分布概率拟合曲线以及拟合效果；采用由5~7个高斯分量线性组合成的GMM-5、GMM-6和GMM-7对光伏出力预测误差进行拟合，得到t时段的风电功率分布概率拟合曲线以及拟合效果；采用由5~7个高斯分量线性组合成的GMM-5、GMM-6和GMM-7对负荷功率预测误差进行拟合，得到t时段的风电功率分布概率拟合曲线以及拟合效果；给定置信水平，根据置信间隙决策模型可将综合能源系统中各时段风光出力和负荷的预测误差围绕预测出力的波动区间描述如下：(6)(7)(8)式中：、和分别为t时段风电出力、光伏出力和负荷的预测误差；、和分别为t时段风电出力、光伏出力和负荷预测误差期望值；、分别为风电出力预测误差置信区间的上、下限；、分别为光伏出力预测误差置信区间的上、下限；、分别为负荷预测误差置信区间的上、下限。进一步的，在所述步骤2中，构建综合能源系统多目标置信间隙决策鲁棒优化调度模型具体包括：步骤2.1，建立综合能源系统；步骤2.2，针对综合能源系统构造目标方程；步骤2.3，针对综合能源系统构造约束条件；步骤2.4，结合目标方程和约束条件，基于置信间隙决策模型构建综合能源系统多目标置信间隙决策鲁棒优化调度模型，将综合能源系统多目标置信间隙决策鲁棒优化调度模型中的机会约束转化为等效确定性约束。进一步的，所述综合能源系统包括风机、光伏、能源转换装置、电储能、蓄热罐以及电热冷三类负荷。进一步的，所述针对综合能源系统构造目标方程具体包括：以㶲效率为优化目标，实现电、热、冷等能量的高效利用，㶲效率目标函数如下：（9）（10）式中：为㶲效率；和分别为热能和冷能的能源品质系数，电能的能源品质系数为1，无需折算；、和分别为环境温度、热负荷温度和冷负荷温度；、和分别为系统时段电负荷、热负荷和冷负荷功率值；和分别为时段电储能和蓄热罐损耗后实际存入能量；和分别为时段电储能和蓄热罐损耗后实际放出能量；和分别为时段系统购电量和购气量；和分别为时段风电和光伏出力；以综合能源系统的运行成本为优化目标，运行成本包括向电网购电成本、购气成本、设备运维成本以及弃风、弃光惩罚成本，运行成本目标函数如下：（11）（12）式中：T为运行总时长；和分别为IES在时段购电电价、天然气价格；n和N分别为系统中各个组成部分的编号和系统设备总数；和分别为时段设备n的运维成本和出力值；本文档来自技高网...

【技术保护点】
1.一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，其特征在于，包括以下步骤：/n步骤1，通过将高斯混合概率模型的置信区间与信息间隙决策理论的鲁棒思想结合起来，建立基于鲁棒驱动的置信间隙决策模型；/n步骤2，基于置信间隙决策模型，结合综合能源系统的多个优化目标，构建综合能源系统多目标置信间隙决策鲁棒优化调度模型；/n步骤3，设计自适应谐波混叠多目标复合微分进化算法对综合能源系统多目标置信间隙决策鲁棒优化调度模型进行求解。/n

【技术特征摘要】
1.一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，其特征在于，包括以下步骤：
步骤1，通过将高斯混合概率模型的置信区间与信息间隙决策理论的鲁棒思想结合起来，建立基于鲁棒驱动的置信间隙决策模型；
步骤2，基于置信间隙决策模型，结合综合能源系统的多个优化目标，构建综合能源系统多目标置信间隙决策鲁棒优化调度模型；
步骤3，设计自适应谐波混叠多目标复合微分进化算法对综合能源系统多目标置信间隙决策鲁棒优化调度模型进行求解。


2.根据权利要求1所述的一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，其特征在于，在所述步骤1中，建立基于鲁棒驱动的置信间隙决策模型具体包括：
将含不确定参数的优化问题描述为：

（1）
式中：为目标函数；为决策变量；为不确定性参数；和分别为等式约束和不等式约束；
基于IGDT的风险规避策略RAS，将上述不确定性优化问题转化如下的鲁棒优化模型：

（2）
式中：为不确定量的波动区间，和分别为不确定量的预测值和偏差系数，；为确定性优化模型下为时的最优解，为引入不确定性后预设的决策者所能接受的最差目标值；为目标偏差因子，设置越大，则模型对目标变差的容忍度越大，鲁棒性越强，反之亦然；
引入机会约束对目标偏差和不确定区间进行置信度评价，以置信区间代替IGDT模型中简单的对称性波动区间，取消IGDT模型中的不确定量偏差系数；取消IGDT模型中需预先设定的目标偏差因子，引入机会约束在确保决策结果以一定置信水平不劣于期望最优值的条件下，最大化不确定性置信水平以实现最大化各类不确定性变量的置信区间；提出如下置信间隙决策模型：

（3）
式中：Pr表示概率，为不确定性置信水平，为目标显著性水平；表示置信不确定区间，和分别为的下界和上界；
基于GMM拟合风电、光伏和负荷功率预测误差的概率分布；
GMM可由下式表示：

（4）

（5）
式中，为高斯分量个数；为第个高斯分量的权重系数；为第个高斯分量的概率密度函数；和分别为第个高斯分量的期望和方差；
采用由5~7个高斯分量线性组合成的GMM-5、GMM-6和GMM-7对风电功率预测误差进行拟合，得到t时段的风电功率分布概率拟合曲线以及拟合效果；采用由5~7个高斯分量线性组合成的GMM-5、GMM-6和GMM-7对光伏出力预测误差进行拟合，得到t时段的风电功率分布概率拟合曲线以及拟合效果；采用由5~7个高斯分量线性组合成的GMM-5、GMM-6和GMM-7对负荷功率预测误差进行拟合，得到t时段的风电功率分布概率拟合曲线以及拟合效果；
给定置信水平，根据置信间隙决策模型可将综合能源系统中各时段风光出力和负荷的预测误差围绕预测出力的波动区间描述如下：

(6)

(7)

(8)
式中：、和分别为t时段风电出力、光伏出力和负荷的预测误差；、和分别为t时段风电出力、光伏出力和负荷预测误差期望值；、分别为风电出力预测误差置信区间的上、下限；、分别为光伏出力预测误差置信区间的上、下限；、分别为负荷预测误差置信区间的上、下限。


3.根据权利要求1所述的一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，其特征在于，在所述步骤2中，构建综合能源系统多目标置信间隙决策鲁棒优化调度模型具体包括：
步骤2.1，建立综合能源系统；
步骤2.2，针对综合能源系统构造目标方程；
步骤2.3，针对综合能源系统构造约束条件；
步骤2.4，结合目标方程和约束条件，基于置信间隙决策模型构建综合能源系统多目标置信间隙决策鲁棒优化调度模型，将综合能源系统多目标置信间隙决策鲁棒优化调度模型中的机会约束转化为等效确定性约束。


4.根据权利要求3所述的一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，其特征在于，所述综合能源系统包括风机、光伏、能源转换装置、电储能、蓄热罐以及电热冷三类负荷。


5.根据权利要求3所述的一种综合能源系统多目标置信间隙决策鲁棒优化调度方法，其特征在于，所述针对综合能源系统构造目标方程具体包括：
以㶲效率为优化目标，实现电、热、冷等能量的高效利用，㶲效率目标函数如下：

（9）

（10）
式中：为㶲效率；和分别为热能和冷能的能源品质系数，电能的能源品质系数为1，无需折算；、和分别为环境温度、热负荷温度和冷负荷温度；、和分别为系统时段电负荷、热负荷和冷负荷功率值；和分别为时段电储能和蓄热罐损耗后实际存入能量；和分别为时段电储能和蓄热罐损耗后实际放出能量；和分别为时段系统购电量和购气量；和分别为时段风电和光伏出力；
以综合能源系统的运行成本为优化目标，运行成本包括向电网购电成本、购气成本、设备运维成本以及弃风、弃光惩罚成本，运行成本目标函数如下：

（11）

（12）
式中：T为运行总时长；和分别为IES在时段购电电价、天然气价格；n和N分别为系统中各个组成部分的编号和系统设备总数；和分别为时段设备n的运维成本和出力值；和分别为弃风、弃光单位惩罚成本系数以及弃风、弃光量。


6.根据权利...

【专利技术属性】
技术研发人员：彭春华，孙惠娟，郑聪，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：江西;36