综合经济因素和能源因素的新能源规划方案的优化方法及系统技术方案

综合经济因素和能源因素的新能源规划方案的优化方法及系统，涉及到电力系统的优化技术领域。解决了现有优化策略考虑因素单一而导致所述优化结果不能兼顾所有指标的问题。本发明专利技术所述方法包括：用电负载预测：使用时间序列及机器学习相互辅助的方法对项目有效期内的用电负载进行预测，获得用电负载预测值；非线性优化：依据用电负载预测值，使用多项约束条件进行非线性优化处理，获得能源系统最佳充电方案、最佳功率以及最佳位置；经济学评估：依据非线性优化结果，并结合经济参数以及风险规避概率进行经济学评估；反复非线性优化与经济学评估步骤进行迭代处理，直到获得最大NVP期望值为止完成优化。本发明专利技术适用于对新能源建设方案的优化技术领域中。案的优化技术领域中。案的优化技术领域中。

【技术实现步骤摘要】
综合经济因素和能源因素的新能源规划方案的优化方法及系统


[0001]本专利技术属于电力系统，具体涉及到电力系统的优化


技术介绍

[0002]现有储能系统相关的技术报告和论文中，一般都侧重于讨论电网储能的好 处和市场潜力，以及侧重于储能系统的两个应用，即电网平衡和能源套利。现 有技术中，相关论文中多是公开电动汽车与电网之间的相互作用以及将插电式 电动汽车(PEV)部署为储能的方法以及它们的充电拓扑和基础设施。
[0003]例如：专利文献CN109787259A公开了一种基于新能源随机波动的多类型储 能联合规划方法，提出多类型储能的联合规划方法相比于单一类型储能规划方 法具有更优的经济性和储能利用效率，其能够更好的满足系统运行的多方面需 求，从而极大地提高了新能源的消纳水平。该方案从经济和能源利用率角度出 发，实现了将多类型的储能系统进行联合规划。
[0004]例如，专利文献CN109492815A公开了一种市场机制下面向电网的储能电站 选址定容优化方法，其公开的技术方案是从面向电网的储能出发，提出了首先 从直接收益和间接收益两个方面分析储能参与电力市场的成本效益，在此基础 上，建立了综合考虑规划和运行的储能优化配置多目标双层规划模型，实现了 储能选址与定容。
[0005]例如，专利文献CN112821397B公开了一种“源
‑
荷
‑
储”协调的低碳经济调 度方法及装置，该专利技术依据价格型需求响应模型和激励型需求响应模型对某一 时刻的负荷进行计算，并将得到的负荷输入至考虑合理弃能和储能设备变工况 特性的上层优化调度模型中，使获取个时段的剩余负荷和储能充放电功率，实 现了将源侧合理弃能与荷侧多类型需求响应共同引入至电力系统调度工作，能 够有效提高低碳经济调度模型的经济性与计算的精确度。
[0006]综上，现有的优化策略大多是考虑单一因素，例如：仅从储能系统的经济 和利用率角度考虑优化策略，仅从选址因素和经济效益最大化角度来考虑优化 策略，或者仅从价格等经济因素来考虑优化策略等等。由于该种优化策略考虑 的因素单一，会导致规划结果仅能符合某一种或两种指标，不能兼顾所有指标， 随着社会的发展，对能源系统的要求越来越高，这些只考虑单一因素的规划方 法已经不适应社会需求。
[0007]众所周知，随着新一轮电力体制改革以来，电力市场建设稳步有序推进，多 元竞争主体格局初步形成，市场在资源优化配置中作用明显增强。而选址和价格 等经济因素可以有效的优化电力资源配置。通过本专利技术的优化算法，电池储存系 统可以帮助电网根据发电机组的运营成及稳定性和用电额度来辅助调配发电机 组，从而更有效的降低区域内的平均发电成本和电力价格。同时还可以通过选址 来更有效的解决高压传输线区域内阻塞的问题，从而更有效的进行资源优化配 置。

技术实现思路

[0008]本专利技术解决了现有优化策略考虑因素单一，导致所述优化结果不能兼顾所 有指标，不适于实施的问题。
[0009]本专利技术提供的方案为：
[0010]一种综合经济因素和能源因素的新能源规划方案的优化方法，包括：
[0011]步骤1，用电负载预测：使用时间序列及机器学习相互辅助的方法对项目有 效期内的用电负载进行预测，获得用电负载预测值；
[0012]步骤2，非线性优化：依据用电负载预测值，使用多项约束条件进行非线性 优化处理，获得能源系统最佳充电方案、最佳功率以及最佳位置；
[0013]步骤3，经济学评估：依据非线性优化结果，并结合经济参数以及风险规避 概率进行经济学评估，然后获得NVP期望值；
[0014]将获得的NVP期望值作为非线性优化步骤的一个输入条件，返回执行步骤2， 然后循环执行步骤2和3进行迭代处理，直到获得最大NVP期望值为止，将该 最大NVP期望值对应的最优能源系统最佳充电方案、最佳功率以及最佳位置作 为优化结果。
[0015]优选地，在步骤3、经济学评估中，包括对电力现货市场价格进行评估，所 述评估方法是通过建模来实现的，所述过程为根据构建改进的GARCH模型：
[0016][0017]其中，ω、α和β是使用最大似然法计算获得的GARCH模型的参数，r
t
表示时 间t时电力套利的对数收益率，σ
t
表示电力价格在时间t的波动率；
[0018]然后利用上一时间段的电价回报和标准差，计算获得预测的标准差，P
T
为 现阶段电力的节点电价：
[0019][0020]ε表示时间段0和T之间的电力价格的上涨率，表示布朗运动进程， 其中∈是逆正态分布，均值为0，标准差为1～N(0,1)。
[0021]进一步地，所述非线性优化中，设计的目标函数为：
[0022]最小化(F)＝(资本成本+运维固定成本+运维可变成本
‑
能源套利收入)。
[0023]进一步地，所述约束条件包括能源储存系统的额定能量。
[0024]进一步地，所述的约束条件还包括位置边际定价约束条件LMP:
[0025]LMP＝系统参考总线边际价格
‑
系统损耗分量
‑
拥塞分量。
[0026]本专利技术所述的方法是能够采用计算机软件实现的，因此对应的，本专利技术还包 括与上述方法对应的一种综合经济因素和能源因素的新能源规划方案的优化 系统，所述系统包括：
[0027]用电负载预测单元：用于使用时间序列及机器学习相互辅助的方法对项目 有效期内的用电负载进行预测，获得用电负载预测值；
[0028]非线性优化单元：用于依据用电负载预测值，使用多项约束条件进行非线 性优化处理，获得能源系统最佳充电方案、最佳功率以及最佳位置；
[0029]经济学评估单元：用于依据非线性优化结果，并结合经济参数以及风险规 避概率
进行经济学评估，然后获得NVP期望值；
[0030]迭代单元：用于将获得的NVP期望值作为非线性优化单元的一个输入条件， 启动所述非线性优化单元和经济学评估单元进行迭代处理，直到获得最大NVP 期望值为止，将该最大NVP期望值对应的最优能源系统最佳充电方案、最佳功 率以及最佳位置作为优化结果。
[0031]本专利技术所述的方法是能够采用计算机软件实现的，因此对应的，本专利技术还 保护一种计算机储存介质，用于储存计算机程序，所述的储存介质被计算机运 行时，执行本专利技术所述的任意一种新能源规划方案的优化方法。
[0032]本专利技术还保护一种计算机设备，包括存储器和处理器，所述存储器中存储 有计算机程序，当所述处理器运行所述存储器存储的计算机程序时执行本专利技术 所述的任意一种新能源规划方案的优化方法。
[0033]本专利技术与现有技术相比较，在规划时就同时考虑了以下多方面的因素：
[0034]1)新能源以及电池储存系统的成本、造价、损耗等经济因素；
[0035]2)通过机器学习的方法对负载及风能、太阳能发电站进行预测；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合经济因素和能源因素的新能源规划方案的优化方法，其特征在于，所述方法包括：步骤1，用电负载预测：使用时间序列及机器学习相互辅助的方法对项目有效期内的用电负载进行预测，获得用电负载预测值；步骤2，非线性优化：依据用电负载预测值，使用多项约束条件进行非线性优化处理，获得能源系统最佳充电方案、最佳功率以及最佳位置；步骤3，经济学评估：依据非线性优化结果，并结合经济参数以及风险规避概率进行经济学评估，然后获得NVP期望值；将获得的NVP期望值作为非线性优化步骤的一个输入条件，返回执行步骤2，然后循环执行步骤2和3进行迭代处理，直到获得最大NVP期望值为止，将该最大NVP期望值对应的最优能源系统最佳充电方案、最佳功率以及最佳位置作为优化结果。2.根据权利要求1所述的一种新能源规划方案的优化方法，其特征在于，在步骤3、经济学评估中，包括对电力现货市场价格进行评估，所述评估方法是通过建模来实现的，所述过程为根据构建改进的GARCH模型：其中，ω、α和β是使用最大似然法计算获得的GARCH模型的参数，r
t
表示时间t的电力套利的对数收益率，σ
t
表示电力价格在时间t的波动率；然后利用上一时间段的电价回报和标准差，计算获得预测的标准差，P
T
为现阶段电力的节点电价：ε表示时间段0和T之间的电力价格的上涨率，表示布朗运动进程，其中∈是逆正态分布，均值为0，标准差为1～N(0,1)。3.根据权利要求1所述的一种新能源规划方案的优化方法，其特征在于，所述非线性优化中，设计的目标函数为：最小化(F)＝(资本成本+运维固定成本+运维可变成本
...

【专利技术属性】
技术研发人员：陈奥夏，陈晓雷，
申请(专利权)人：哈尔滨华盛能源科技有限公司，
类型：发明
国别省市：