一种能量枢纽优化配置方法及系统技术方案

本发明专利技术提供了一种能量枢纽优化配置方法，属于专用于资源管理目的的数据处理系统，包括如下步骤：建场景：基于电力源和负荷的历史数据，建立源

【技术实现步骤摘要】
一种能量枢纽优化配置方法及系统


[0001]本专利技术涉及一种能量枢纽优化配置方法及系统，属于专用于资源管理目的的数 据处理系统。

技术介绍

[0002]随着环境污染问题恶化以及化石燃料的短缺，提高对多种类型能源的综合利用 效率、降低污染物的排放已成为我国构建清洁低碳、安全高效的现代能源体系 需要解决的关键问题。将可再生能源集成至多能互补的综合能源系统，是应对 其出力随机性的有效解决方案。作为综合能源系统的抽象数学模型，能量枢纽 (Energy hub,EH)定义为一种对不同能量流进行生产、转换、储存和消耗的框 架，EH内部能量产生方式的多样化以及消费形式的灵活化使EH源侧及需求侧 同时存在强不确定性。
[0003]综合需求响应(Integrated Demand Response，IDR)将传统单一形式的电力需求 响应拓展到多能系统，可利用“多能互补”引导用户更加灵活的参与电网“削 峰填谷”。现有研究在关注多能互补系统中源荷双侧不确定性问题时忽略了用户 侧IDR不确定性的影响，并且尚未建立成熟的IDR随机响应量分析机制。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供了一种能量枢纽优化配置方法，该能量枢纽 优化配置方法能充分考虑用户侧综合需求响应(IDR)不确定性的影响问题， 解决综合需求随机响应问题，不依赖于事先假定的参数分布形式，可直接根据 历史数据拟合出概率密度函数，相比传统参数估计更具适用性，可以兼顾源荷 双侧季节相关性。
[0005]本专利技术通过以下技术方案得以实现。
[0006]本专利技术提供的一种能量枢纽优化配置方法，包括如下步骤：
[0007]建场景：基于电力源和负荷的历史数据，建立源
‑
荷双侧典型日场景；
[0008]建模：基于源
‑
荷双侧典型日场景，加入目标函数和约束条件建立EH规划配置 优化双层模型；
[0009]求解：用CPLEX求解器求解EH规划配置优化双层模型，得到最优配置结果并 执行。
[0010]所述电力源和用电负荷的历史数据，为按季节分类的风速数据和用电负荷数 据。
[0011]所述源
‑
荷双侧典型日场景采用如下步骤建立：
[0012]①
建立函数：基于Copula方法建立各时段的风速
‑
负荷联合概率分布函数；
[0013]②
场景消减：先对风速
‑
负荷联合概率分布函数进行采样并对采样结果进行逆变 换，得到具有相关性的模拟数据序列，然后进行反变换生成场景树，并采用快 速前代法进行场景消减得到源
‑
荷双侧典型日场景。
[0014]所述步骤
①
中，Copula函数采用Frank Copula函数。
[0015]所述对风速
‑
负荷联合概率分布函数进行采样，为采用阿基米德Copula函数抽 样方法。
[0016]所述目标函数的目标是年综合运行费用最少，费用包括年安装成本CIN，运行 维护成本COM，能耗成本CEC和排放成本CEM。
[0017]所述约束条件包括功率平衡约束、购售能量约束、常规设备运行约束、储能设 备运行约束和可靠性约束。
[0018]所述EH规划配置优化双层模型包括上层和下层，上层求解0
‑
1状态变量，确 定EH系统内设备配置情况，根据上层离散变量求解连续变量，确定设备小时 出力情况。
[0019]所述上层采用量子遗传算法求解，并根据下层求解结果进行迭代；所述下层采 用CPLEX求解器求解。
[0020]本专利技术还提供一种能量枢纽优化配置系统，包括存储器和处理器；
[0021]所述处理器用于执行所述存储器内存储的计算机程序，以实现权利要求1
‑
9任 一项所述的能量枢纽优化配置方法。
[0022]本专利技术的有益效果在于：能充分考虑用户侧综合需求响应(IDR)不确定性的 影响问题，解决综合需求随机响应问题；不依赖于事先假定的参数分布形式， 可直接根据历史数据拟合出概率密度函数，相比传统参数估计更具适用性，可 以兼顾源荷双侧季节相关性；能综合考虑投资经济性与运行经济性两方面，在 保证投资成本最优的同时减小用户用能及间歇性电源出力不确定性对系统配置 结果的影响，使系统经济、环保运行。
附图说明
[0023]图1是本专利技术一种实施例的流程示意图；
[0024]图2是本专利技术一种实施例中电力源和负荷的历史数据的概率密度分布图；
[0025]图3是本专利技术一种实施例中建立源
‑
荷双侧典型日场景过程所中场景消减步骤的 采样数据示意图。
[0026]具体实施方式
[0027]下面进一步描述本专利技术的技术方案，但要求保护的范围并不局限于所述。
[0028]如图1所示的一种能量枢纽优化配置方法，包括如下步骤：
[0029]建场景：基于电力源和负荷的历史数据，建立源
‑
荷双侧典型日场景；
[0030]建模：基于源
‑
荷双侧典型日场景，加入目标函数和约束条件建立EH规划配置 优化双层模型；
[0031]求解：用CPLEX求解器求解EH规划配置优化双层模型，得到最优配置结果并 执行。
[0032]所述电力源和用电负荷的历史数据，为按季节分类的风速数据和用电负荷数 据。
[0033]所述源
‑
荷双侧典型日场景采用如下步骤建立：
[0034]①
建立函数：基于Copula方法建立各时段的风速
‑
负荷联合概率分布函数；
[0035]②
场景消减：先对风速
‑
负荷联合概率分布函数进行采样并对采样结果进行逆变 换，得到具有相关性的模拟数据序列，然后进行反变换生成场景树，并采用快 速前代法进行场景消减得到源
‑
荷双侧典型日场景。
[0036]所述步骤
①
中，Copula函数采用Frank Copula函数。
[0037]所述对风速
‑
负荷联合概率分布函数进行采样，为采用阿基米德Copula函数抽 样
方法。
[0038]所述目标函数的目标是年综合运行费用最少，费用包括年安装成本CIN，运行 维护成本COM，能耗成本CEC和排放成本CEM。
[0039]所述约束条件包括功率平衡约束、购售能量约束、常规设备运行约束、储能设 备运行约束和可靠性约束。
[0040]所述EH规划配置优化双层模型包括上层和下层，上层求解0
‑
1状态变量，确 定EH系统内设备配置情况，根据上层离散变量求解连续变量，确定设备小时 出力情况。
[0041]所述上层采用量子遗传算法求解，并根据下层求解结果进行迭代；所述下层采 用CPLEX求解器求解。
[0042]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种能量枢纽优化配置方法，其特征在于：包括如下步骤：建场景：基于电力源和负荷的历史数据，建立源
‑
荷双侧典型日场景；建模：基于源
‑
荷双侧典型日场景，加入目标函数和约束条件建立EH规划配置优化双层模型；求解：用CPLEX求解器求解EH规划配置优化双层模型，得到最优配置结果并执行。2.如权利要求1所述的能量枢纽优化配置方法，其特征在于：所述电力源和用电负荷的历史数据，为按季节分类的风速数据和用电负荷数据。3.如权利要求1所述的能量枢纽优化配置方法，其特征在于：所述源
‑
荷双侧典型日场景采用如下步骤建立：
①
建立函数：基于Copula方法建立各时段的风速
‑
负荷联合概率分布函数；
②
场景消减：先对风速
‑
负荷联合概率分布函数进行采样并对采样结果进行逆变换，得到具有相关性的模拟数据序列，然后进行反变换生成场景树，并采用快速前代法进行场景消减得到源
‑
荷双侧典型日场景。4.如权利要求3所述的能量枢纽优化配置方法，其特征在于：所述步骤
①
中，Copula函数采用Frank Copula函数。5.如权利要求3所述的能量枢...

【专利技术属性】
技术研发人员：江友华，叶怀宇，张国旗，
申请(专利权)人：深圳第三代半导体研究院，
类型：发明
国别省市：