一种基于条件风险价值的综合能源系统优化调度方法技术方案

本发明专利技术公开了一种基于条件风险价值的综合能源系统优化调度方法包括以下具体步骤：对综合能源系统中的不确定因素进行建模，得到其概率密度函数；利用拉丁超立方抽样生成不确定场景，采用快速向后缩减法对相似场景进行缩减，得到具有代表性的不确定场景集；采用条件风险价值理论度量不确定因素带来的风险，建立包含风险成本的优化调度模型；结合目标函数和约束条件，建立基于条件风险价值的综合能源系统经济调度模型；输入风电、光伏、电热气三种负荷以及电价的预测值和各设备参数，进行求解得出综合能源系统各设备的最优出力。本发明专利技术降低系统运行的风险费用，使综合能源系统中各部分协同优化、耦合互补，有效提升了系统的安全性和经济性。和经济性。和经济性。

【技术实现步骤摘要】
一种基于条件风险价值的综合能源系统优化调度方法


[0001]本专利技术涉及综合能源系统经济调度领域，尤其一种基于条件风险价值的综合能源系统优化调度方法。

技术介绍

[0002]以化石能源为主的能源消费模式带来了诸多环境问题，提高能源利用率，改善能源消费结构，发展低碳电力势在必行。以往单一的能源系统独立运行，难以满足人们的用能要求，综合能源系统为能源的多元耦合和用能的多样化需求提供了可能。
[0003]考虑到风电、光伏的出力具有间歇性和波动性，负荷受人们的生活习惯影响存在不确定性，同时，由于能源供需、能源进出口、能源市场监管政策和极端天气等因素，电价持续变化，也具有较强的不确定性，这些不确定因素给综合能源系统的安全可靠运行带来了挑战。

技术实现思路

[0004]本专利技术专利要解决的技术问题：由于综合能源系统中不确定因素的存在，会给系统带来一定的风险，针对此问题，提出了一种考虑风电、光伏、负荷以及电价不确定性的综合能源系统优化调度方法。
[0005]本专利技术的目的是通过以下技术方案来实现的：
[0006]一种基于条件风险价值的综合能源系统优化调度方法，包括以下具体步骤：
[0007]S1：对综合能源系统中的不确定因素进行建模，得到其概率密度函数；
[0008]S2：利用拉丁超立方抽样生成不确定场景，采用快速向后缩减法对相似场景进行缩减，得到具有代表性的不确定场景集；
[0009]S3：采用条件风险价值理论度量不确定因素带来的风险，建立包含风险成本的优化调度模型；
[0010]S4：结合目标函数和约束条件，建立基于条件风险价值的综合能源系统经济调度模型；
[0011]S5：输入风电、光伏、电热气三种负荷以及电价的预测值和各设备参数，采用Yalmip+Cplex工具进行求解，得出综合能源系统各设备的最优出力。
[0012]进一步的，所述不确定因素的概率密度函数包括风机的概率密度函数、光伏的概率密度函数、电热气三种负荷的概率密度函数以及电价的概率密度函数。
[0013]进一步的，所述风机的概率密度函数为：
[0014][0015]其中，K1、K2为拟合参数，P
WT
为风机的输出功率，为风速的预测值，σ
ν
为标准差。
[0016]进一步的，所述光伏的概率密度函数为：
[0017][0018]其中，K3、K4为拟合参数，P
PV
为光伏的输出功率，为光照的预测值，σ
pv
为标准差。
[0019]进一步的，所述电热气三种负荷的概率密度函数包括：
[0020]电负荷的概率密度函数为：
[0021][0022]式中，P
d
是电负荷的预测值；P
a
是电负荷的实际值；P
a,max
,P
a,min
是电负荷的最大值和最小值；σ1是P
a
的标准差；
[0023]热负荷的概率密度函数为：
[0024][0025]式中，H
d
是热负荷的预测值；H
a
是热负荷的实际值；H
a,max
,H
a,min
是热负荷的最大值和最小值；σ2是H
a
的标准差；
[0026]气负荷的概率密度函数为：
[0027][0028]式中，G
d
是气负荷的预测值；G
a
是气负荷的实际值；G
a,max
,G
a,min
是气负荷的最大值和最小值；σ3是G
a
的标准差。
[0029]进一步的，所述电价的概率密度函数为：
[0030][0031]式中，f(x
e
)是电价波动的概率密度函数；x
e
是电价波动的随机变量；N
e
是电价波动的样本总数；h
e
是核密度估计中电价波动的带宽；K是代表核密度估计方法中采用的核函
数，X
e,i
是电价波动的第i个离散样本。
[0032]进一步的，所述步骤S3中包含风险成本的优化调度模型具体为：
[0033][0034][0035][f(x,y
s
)
‑
VaR
β
]+
＝max{f(x,y
s
)
‑
VaR
β
,0}，
[0036]其中，x为决策变量向量，y为随机变量向量，f(x，y)为投资组合的损失函数，置信水平β∈(0,1)，y
s
为情景s中y的值，s＝1,2,...,N，p(y
s
)为情景s的发生概率，VaR
β
为风险价值，CVaR
β
为条件风险价值，γ为给定极限。
[0037]进一步的，所述步骤S4中目标函数为综合能源系统的期望成本和风险成本线性组合，表示为：minC＝λC
EX
+(1
‑
λ)C
CVaR
，
[0038]C
EX
＝C
E
+C
G
+C
ES
+C
HS
+C
GS
+C
DR
，
[0039][0040]式中，C是基于CVaR的综合能源系统综合成本；C
EX
是系统的期望成本；C
E
是购电成本；C
G
是购气成本；C
ES
是储电成本；C
HS
是储热成本；C
GS
是储气成本；C
DR
是需求响应成本；C
CVaR
是系统经济调度的CVaR；λ是所占权重，λ∈[0,1]；α是风险价值；β是置信水平；[C
EX
‑
α]+
＝max{C
EX
‑
α,0}。
[0041]进一步的，所述步骤S4中约束条件包括能量平衡约束、功率上下限约束、储能约束和需求响应约束。
[0042]本专利技术的有益效果：
[0043]本专利技术方法可以降低系统运行的风险费用，使综合能源系统中各部分协同优化、耦合互补，有效提升了系统的安全性和经济性。
附图说明
[0044]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0045]图1为本专利技术实施步骤的整体流程图；
[0046]图2为本专利技术场景生成与缩减的流程示意图；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于条件风险价值的综合能源系统优化调度方法，其特征在于，包括以下具体步骤：S1：对综合能源系统中的不确定因素进行建模，得到其概率密度函数；S2：利用拉丁超立方抽样生成不确定场景，采用快速向后缩减法对相似场景进行缩减，得到具有代表性的不确定场景集；S3：采用条件风险价值理论度量不确定因素带来的风险，建立包含风险成本的优化调度模型；S4：结合目标函数和约束条件，建立基于条件风险价值的综合能源系统经济调度模型；S5：输入风电、光伏、电热气三种负荷以及电价的预测值和各设备参数，采用Yalmip+Cplex工具进行求解，得出综合能源系统各设备的最优出力。2.根据权利要求1所述的一种基于条件风险价值的综合能源系统优化调度方法，其特征在于，所述不确定因素的概率密度函数包括风机的概率密度函数、光伏的概率密度函数、电热气三种负荷的概率密度函数以及电价的概率密度函数。3.根据权利要求2所述的一种基于条件风险价值的综合能源系统优化调度方法，其特征在于，所述风机的概率密度函数为：其中，K1、K2为拟合参数，P
WT
为风机的输出功率，为风速的预测值，σ
ν
为标准差。4.根据权利要求2所述的一种基于条件风险价值的综合能源系统优化调度方法，其特征在于，所述光伏的概率密度函数为：其中，K3、K4为拟合参数，P
PV
为光伏的输出功率，为光照的预测值，σ
pv
为标准差。5.根据权利要求2所述的一种基于条件风险价值的综合能源系统优化调度方法，其特征在于，所述电热气三种负荷的概率密度函数包括：电负荷的概率密度函数为：式中，P
d
是电负荷的预测值；P
a
是电负荷的实际值；P
a,max
,P
a,min
是电负荷的最大值和最
小值；σ1是P
a
的标准差；热负荷的概率密度函数为：式中，H
d
是热负荷的预测值；H
a
是热负荷的实际值；H
a,max
,H
a,min
是热负荷的最大值和最小值；σ2是H
a
的标准差；气负荷的概率密度函数为：式中，G
d
是气负荷的预测值；G
a
是气负荷的实际值；G
a,max
,G
a,min
是气负荷的最大值和最小值；σ3是G
a
的标准差。6.根据权利要求2所述的一种基于条件风险价值的综合能源系统优化调度方法，其特征在于，所述电价的概率密度函数为：式中，f(x
e
)是电价波动的概率密度函数；x

【专利技术属性】
技术研发人员：王平，张渊植，赵丰，蔺云峰，韩宗男，张佳伟，
申请(专利权)人：中国大唐集团科学技术研究总院有限公司西北电力试验研究院，
类型：发明
国别省市：