考虑电氢耦合的电氢能源系统鲁棒规划方法技术方案

本发明专利技术涉及一种考虑电氢耦合的电氢能源系统鲁棒规划方法，考虑电氢能源相互转换建立电氢耦合模型，引入碳交易机制，构建阶梯碳交易成本计算模型，在考虑电氢耦合和阶梯碳交易的条件下建立电氢能源系统双层规划模型，采用多场景置信间隙决策理论与上层模型相结合，最终形成电氢能源系统置信间隙鲁棒规划模型，使用改进型基于淘汰锦标赛机制的烟花算法求解电氢能源系统置信间隙鲁棒规划模型。本发明专利技术可用于求不确定性条件下的电氢能源系统鲁棒规划设计和求解，克服了传统方法收敛速度慢、易早熟的缺点。早熟的缺点。早熟的缺点。

【技术实现步骤摘要】
考虑电氢耦合的电氢能源系统鲁棒规划方法


[0001]本专利技术涉及一种考虑电氢耦合的电氢能源系统鲁棒规划方法，属于能源规划配置


技术介绍

[0002]电氢能源系统（EHS）是以电、氢为核心的新型清洁能源系统，是可实现高比例可再生能源供能的能源载体。如何优化与协调电氢能源系统内各种设备、提高可再生能源利用率是需要关注与研究的重点，而科学、有效的系统优化规划至关重要。
[0003]电氢能源系统中各设备容量合理配置是电氢能源系统规划设计的重要内容，对系统稳定运行和投资成本最优等方面有重要指导意义。当前有不少学者对电氢能源系统容量规划进行了大量研究。现有研究大多以系统经济性或可靠性为目标。也有研究将碳交易机制引入到电氢能源系统规划中，但大都只是将电转氢作为储存电能的一种方式，而没有考虑电氢能源系统中电
‑
氢实际存在双向转换形式的耦合关系，更未考虑电氢相互转换对系统碳交易的影响，无法充分体现电氢能源系统的优越性。
[0004]此外，鉴于电氢能源系统中通常包含大量风电/光伏等可再生能源发电，属于典型的不确定性规划问题。目前，国内外学者针对计及风光不确定性的电氢能源系统规划展开了少量研究。然而，现有报道中，通过场景缩减得到若干场景进行确定性规划，容易丧失区间的遍历性。多场景置信间隙决策理论（MCGDT）的鲁棒优化建模方法解决了多场景规划中不具区间遍历性和信息间隙决策理论（IGDT）中对不确定变量描述过于粗糙的问题。因此，本专利技术拟采用多场景置信间隙决策理论求解不确定性条件下的鲁棒规划方案。

技术实现思路

[0005]为了提高新能源的消纳和推动清洁能源网络的发展，本专利技术提出了一种考虑电氢耦合的电氢能源系统鲁棒规划方法，通过引入阶梯碳交易机制，来引导系统对碳排放量的控制，从而降低电氢能源系统中的碳排放；并通过电氢耦合的混合储能进行负荷转移以平抑可再生能源出力波动，降低购电成本，减少弃风弃光。针对电氢能源系统中风、光的间歇性和不确定性，采用多场景置信间隙决策理论求解不确定性参数下的鲁棒规划方案。
[0006]一种考虑电氢耦合的电氢能源系统鲁棒规划方法，包括如下步骤：步骤一：考虑电氢能源相互转换建立电氢耦合模型；步骤二：引入碳交易机制，构建阶梯碳交易成本计算模型；步骤三：在考虑电氢耦合和阶梯碳交易机制的条件下建立电氢能源系统双层规划模型；步骤四：采用多场景置信间隙决策理论与上层模型相结合并和下层模型共同构成电氢能源系统置信间隙鲁棒规划模型；步骤五：使用改进型基于淘汰锦标赛机制的烟花算法求解电氢能源系统置信间隙鲁棒规划模型。
[0007]进一步优选，步骤一构建的考虑电氢耦合的电氢能源系统由风电机组、光伏机组、蓄电池、氢燃料电池、碱性电解槽、储氢罐组成；其中，由碱性电解槽、储氢罐、氢燃料电池组成的电氢耦合单元模型表示如下：碱性电解槽的输出功率为：式中：为碱性电解槽的输出功率；为碱性电解槽的输入功率；为碱性电解槽效率；氢燃料电池为输出功率为：式中：为氢燃料电池的输出功率；为氢燃料电池的输入功率，为氢燃料电池效率；储氢罐数学模型表示为：式中：为t时刻储氢罐储存的能量；为t
‑
1时刻储氢罐储存的能量；为碱性电解槽输入到储氢罐的效率；为储氢罐输出到氢燃料电池的效率；为储氢罐的工作效率；碱性电解槽最大输入功率和氢燃料电池最大输出功率表示为：碱性电解槽最大输入功率和氢燃料电池最大输出功率表示为：式中：为碱性电解槽最大输入功率；为氢燃料电池最大输出功率，为碱性电解槽的容量；为氢燃料电池的容量；为储氢罐储能容量上限；为储氢罐储能容量的下限；为储氢罐的容量，为时间步长。
[0008]进一步优选，本实施例步骤二所述阶梯碳交易成本计算模型为：式中：为碳交易成本；为碳交易价格；为碳排放价格增长系数；为碳排放总量；为碳排放量超额区间；为碳排放配额。
[0009]进一步优选，电氢能源系统双层规划模型包括上层模型和下层模型；上层模型的决策变量包括风电机组的容量、光伏机组的容量、蓄电池的容量；上层
模型的目标函数为：式中：为场景总数；为场景的权重系数；为多场景规划的总成本；为场景下系统总成本；为场景下电氢能源系统中设备投资成本；为场景下电氢能源系统中碳交易成本；为场景下电氢能源系统中设备维护费用；为场景下电氢能源系统中购电成本；为场景下电氢能源系统中弃风弃光惩罚成本；
[0010]下层模型的决策变量包括碱性电解槽的容量、氢燃料电池的容量、储氢罐的容量；下层模型的目标函数为：式中：为下层模型的目标函数值，为电氢能源系统中风电机组在t时刻的实际消纳量；为电氢能源系统中光伏机组在t时刻的实际消纳量；为风电机组在t时刻的发电量；为光伏机组在t时刻的发电量，T为总时间。
[0011]本专利技术步骤四采用多场景置信间隙决策理论（MCGDT）与上层模型结合构成置信间隙鲁棒规划模型为：其中，为置信鲁棒度，为不确定变量置信水平，为场景下的不确定变量置信水平，为场景下的不确定变量不确定度，为场景目标显著性水平，ω
s
为场景的权重系数，为决策变量矩阵，为场景下t时段风电出力，为场景下t时段光伏出力，为场景下的确定性模型最优解；表示风电置信不确定区间；为表示光伏置信不确定区间，为场景下t时段风电预测值，为场景下t时段光伏预测值，为风电的逆累积分布函数，为光伏的逆累积分布函数。
[0012]进一步优选，上下层模型中的约束条件包括：风电机组、光伏机组接入容量约束：光伏机组接入容量约束：式中：为风电机组的容量，为风电机组允许接入的最大容量；为光伏机组接入容量，为光伏机组允许接入的最大容量；蓄电池约束，包括蓄电池额定功率约束、蓄电池容量约束和蓄电池荷电状态约束：
式中，为蓄电池额定功率，为蓄电池额定功率的下限；为蓄电池额定功率的下限； 为蓄电池的容量；为蓄电池的容量上限；为蓄电池的容量下限；为t时刻蓄电池的荷电状态； 为蓄电池荷电状态的上限； 为蓄电池荷电状态的下限；碱性电解槽和氢燃料电池容量约束：式中， 为碱性电解槽的最大容量；为氢燃料电池的最大容量。
[0013]进一步优选，改进型基于淘汰锦标赛机制的烟花算法采用自适应动态半径调整策略考虑优化过程中的启发式信息，根据算法不同迭代阶段的进化结果，即当前最优烟花位置距离其它烟花位置的信息，对烟花爆炸半径进行动态调整；每个烟花的爆炸火花数量取决于其适应度值的排名，采用自适应动态爆炸火花数来确定每个烟花的火花数；式中：为第个烟花第代的爆炸火花数；为第个烟花第代的爆炸火花数；为第个烟花第代的适应度值；为第个烟花第代的适应度值；为火花数第一调整系数；为火花数第二调整系数。
[0014]进一步优选，步骤五的具体求解过程如下：S1：输入电网参数以及风电、光伏全年历史数据以及负荷数据；设定种群规模，迭代次数；对风电和光伏全年历史数据进行多维场景聚类并得到每个场景所占权重；S2：初始化上层烟花种群，随机生成上层烟花种群的规划个体，上层烟花种群个体维数是三维，包括了风电机组、光伏机组、蓄电池的容量；S3：对风电和光伏全年历史数据进行聚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑电氢耦合的电氢能源系统鲁棒规划方法，其特征是，包括如下步骤：步骤一：考虑电氢能源相互转换建立电氢耦合模型；步骤二：引入碳交易机制，构建阶梯碳交易成本计算模型；步骤三：在考虑电氢耦合和阶梯碳交易机制的条件下建立电氢能源系统双层规划模型；步骤四：采用多场景置信间隙决策理论与上层模型相结合，并和下层模型共同构成电氢能源系统置信间隙鲁棒规划模型；步骤五：使用改进型基于淘汰锦标赛机制的烟花算法求解电氢能源系统置信间隙鲁棒规划模型。2.根据权利要求1所述的考虑电氢耦合的电氢能源系统鲁棒规划方法，其特征是，步骤一所述电氢耦合模型中，电氢耦合单元由氢燃料电池、碱性电解槽、储氢罐组成，表示如下：碱性电解槽的输出功率为：式中：为碱性电解槽的输出功率；为碱性电解槽的输入功率；为碱性电解槽效率；氢燃料电池为输出功率为：式中：为氢燃料电池的输出功率；为氢燃料电池的输入功率，为氢燃料电池效率；储氢罐数学模型表示为：式中：为t时刻储氢罐储存的能量；为t
‑
1时刻储氢罐储存的能量；为碱性电解槽输入到储氢罐的效率；为储氢罐输出到氢燃料电池的效率；为储氢罐的工作效率；碱性电解槽最大输入功率和氢燃料电池最大输出功率表示为：碱性电解槽最大输入功率和氢燃料电池最大输出功率表示为：式中：为碱性电解槽最大输入功率；为氢燃料电池最大输出功率，为碱性电解槽的容量；为氢燃料电池的容量；为储氢罐储能容量上限；为储氢罐储能容量的下限；为储氢罐的容量，为时间步长。3.根据权利要求2所述的考虑电氢耦合的电氢能源系统鲁棒规划方法，其特征是，步骤二所述阶梯碳交易成本计算模型为：
式中：为碳交易成本；为碳交易价格；为碳排放价格增长系数；为碳排放总量；为碳排放量超额区间；为碳排放配额。4.根据权利要求3所述的考虑电氢耦合的电氢能源系统鲁棒规划方法，其特征是，电氢能源系统双层规划模型包括上层模型和下层模型；上层模型的决策变量包括风电机组的容量、光伏机组的容量、蓄电池的容量；上层模型的目标函数为：式中：为场景总数；为场景的权重系数；为多场景规划的总成本；为场景下系统总成本；为场景下电氢能源系统中设备投资成本；为场景下电氢能源系统中碳交易成本；为场景下电氢能源系统中设备维护费用；为场景下电氢能源系统中购电成本；为场景下电氢能源系统中弃风弃光惩罚成本；下层模型的决策变量包括碱性电解槽的容量、氢燃料电池的容量、储氢罐的容量；下层模型的目标函数为：式中：为下层模型的目标函数值，为电氢能源系统中风电机组在t时刻的实际消纳量；为电氢能源系统中光伏机组在t时刻的实际消纳量；为风电机组在t时刻的发电量；为光伏机组在t时刻的发电量，T为总时间。5.根据权利要求4所述的考虑电氢耦合的电氢能源系统鲁棒规划方法，其特征是，采用多场景置信间隙决策理论与上层模型相结合构成的置信间隙鲁棒规划模型为：其中，为置信鲁棒度，为不确定变量置信水平，为场景下的不确定变量置信水平，为场景下的不确定变量不确定度，为场景目标显著性水平，ω
s
为场景的权
重系数，为决策变量矩阵，为场景下t时段风电出力，为场景下t时段光伏出力，为场景下的确定性模型最优解；表示风电...

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