含氢多能源系统运行碳排放优化决策方法、系统及介质技术方案

本发明专利技术公开了一种含氢多能源系统运行碳排放优化决策方法、系统及介质，包括：获取含氢多能源系统的历史用能消耗数据；利用历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测；基于预测得到的用能需求数据，建立含氢多能源系统的碳排放决策优化模型；利用通过人工蜂鸟算法和基于VAEA的矢量角选择策略改进过的非支配排序遗传算法求解碳排放决策优化模型，得到含氢多能源系统的最终运行碳排放优化决策。采用本发明专利技术实施例能够通过对用能需求数据进行实时动态滚动的预测，将动态数据与静态数据相结合，实现含氢多能源系统的优化运行调度，从而有效实现含氢多能源系统的低碳及可靠运行。碳及可靠运行。碳及可靠运行。

【技术实现步骤摘要】
含氢多能源系统运行碳排放优化决策方法、系统及介质


[0001]本专利技术涉及能源系统
，尤其涉及一种含氢多能源系统运行碳排放优化决策方法、系统及介质。

技术介绍

[0002]目前，以煤炭、石油和天然气为主导的能源结构引发了全球范围的能源和环境危机。人类社会主要依靠化石能源的能源消费模式是不可持续的。为了加快清洁能源和非化石能源消费比重，大幅降低二氧化碳排放强度和污染物排放水平，氢能作为零碳和绿色的新型能源受到了广泛关注。
[0003]但现有研究中针对含氢能源系统运行展开的碳排放优化并不多，且目前研究多以建筑为对象进行碳排放开环测算，或对能源系统规划或运行某一阶段的设计优化，或对电/冷单一能源需求形式的设备类型进行选取，鲜有利用碳排放数据开展闭环优化研究。运行阶段研究多基于运行数据进行单一能源消耗数据预测或能源调度，少有从系统层面对含有电、冷、热、氢等多种能源形式交互的综合能源系统进行决策优化。针对这一问题开展研究，存在的困难在于用能需求数据随时间产生难以预期的变化，导致很难通过静态机理模式建立普适性强的碳排放优化模型。

技术实现思路

[0004]本专利技术实施例的目的是提供一种含氢多能源系统运行碳排放优化决策方法、系统及介质，通过隐马尔可夫算法，对用能需求数据进行实时动态滚动预测，进而将动态数据与静态数据相结合，实现含氢多能源系统的优化运行调度，从而有效实现含氢多能源系统的低碳及可靠运行。
[0005]为实现上述目的，本专利技术实施例提供了一种含氢多能源系统运行碳排放优化决策方法，包括：
[0006]获取含氢多能源系统的历史用能消耗数据；
[0007]利用所述历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测；
[0008]基于预测得到的所述用能需求数据，建立所述含氢多能源系统的碳排放决策优化模型，其中，所述碳排放决策优化模型的子模型包括：室温调节模型和水温调节模型；
[0009]利用通过人工蜂鸟算法和基于VAEA的矢量角选择策略改进过的非支配排序遗传算法求解所述碳排放决策优化模型，得到所述含氢多能源系统的最终运行碳排放优化决策。
[0010]作为上述方案的改进，所述利用所述历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测，包括：
[0011]采用皮尔逊系数进行相关性分析，得到影响所述历史用能消耗数据的环境特征向量；
[0012]假设预测后的用能需求数据为V(t)，对所述历史用能消耗数据进行离散化处理，
并使离散化处理过的所述历史用能消耗数据满足P{V(k)＝|V(k
n
)＝v
n
,...,(k1)＝1}＝{V(k)≤v|V(k
n
)＝
n
}，其中，P代表历史用能消耗数据，v代表k时刻的环境特征向量，k∈(1,n)；
[0013]根据离散化处理过的所述历史用能消耗数据，计算所述含氢多能源系统的状态转移概率；
[0014]根据所述状态转移概率计算第k步的转移概率矩阵；
[0015]基于所述转移概率矩阵，采用隐马尔可夫算法，对t+1时刻的用能需求数据进行预测。
[0016]作为上述方案的改进，所述碳排放决策优化模型的目标函数为：
[0017]minF＝min(F1,F2,F3)
[0018]其中，F1为含氢多能源系统运行阶段的总碳排放量，F2为含氢多能源系统的运维费用，F3为含氢多能源系统的可靠性。
[0019]作为上述方案的改进，所述含氢多能源系统运行阶段的总碳排放量为：
[0020][0021]其中，表示k时刻含氢多能源系统的电力排放，表示k时刻含氢多能源系统的燃煤碳排放，表示k时刻含氢多能源系统的燃油碳排放，表示k时刻含氢多能源系统的燃气碳排放；
[0022]所述含氢多能源系统的运维费用为：
[0023][0024]其中，λ
lep
表示当地电力价格；表示含氢多能源系统在k时刻的年耗电量；λ
bio
表示当地生物质燃料价格；表示含氢多能源系统在k时刻的生物质燃料消耗量，λ
coil
表示煤价，表示含氢多能源系统在k时刻的用煤量，λ
gas
表示气价，代表含氢多能源系统在k时刻的用气量，λ
oil
代表燃油价格，表示含氢多能源系统在k时刻的用油量，λ
hy
为氢价，表示含氢多能源系统在k时刻的买氢量，C
invest
表示初始投资费用，σ表示设备危险费占设备购置费的比率；
[0025]所述含氢多能源系统的可靠性为：
[0026][0027]其中，N
s
表示场景总数；K表示时刻总数；Δk表
示时段间隔；表示场景s下含氢多能源系统在k时段的失负荷功率，表示k时刻含氢多能源系统电力供应，表示k时刻建筑及设备等总用电需求。
[0028]作为上述方案的改进，所述碳排放决策优化模型的约束条件包括：电平衡约束条件、热平衡约束条件、冷平衡约束条件、标准约束条件、碳减排约束条件和人体热舒适约束条件；
[0029]所述电平衡约束条件为：
[0030][0031]其中，代表k时刻含氢多能源系统对建筑供电量，代表k时刻建筑及设备的总用电需求，代表k时刻建筑用电需求，ε1代表预设的电平衡误差常数；
[0032]所述热平衡约束条件为：
[0033][0034]其中，代表k时刻含氢多能源系统对建筑供热量，代表建筑、设备及损耗的总热需求，代表k时刻建筑用热需求，ε2代表预设的热平衡误差常数；
[0035]所述冷平衡约束条件为：
[0036][0037]其中，代表k时刻含氢多能源系统对建筑供冷量，代表k时刻建筑、设备及损耗的总冷需求，代表k时刻建筑用冷需求，ε3代表预设的冷平衡误差常数；
[0038]所述标准约束条件为：
[0039]CE
total，new
≤60％
·
CE
total，预设
[0040]CE
total，预设
‑
CE
total，new
≥∈A
[0041]其中，CE
total，new
代表当前计算得到的含氢多能源系统的总碳排放量，CE
total，预设
代表预设的含氢多能源系统的总碳排放量，∈代表碳排放强度平均降低强度要求，A代表建筑面积；
[0042]所述碳减排约束条件为：
[0043]CE
cpes
‑
CE
o
≤S
ccer
[0044]其中，CE
cpes
代表含氢多能源系统运行阶段的总碳排放量，CE
o
代表预设的碳配额数值，S
ccer
代表预设的需要减排量；
[0045]所述人体热舒适约束条件包括：
...

【技术保护点】

【技术特征摘要】
1.一种含氢多能源系统运行碳排放优化决策方法，其特征在于，包括：获取含氢多能源系统的历史用能消耗数据；利用所述历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测；基于预测得到的所述用能需求数据，建立所述含氢多能源系统的碳排放决策优化模型，其中，所述碳排放决策优化模型的子模型包括：室温调节模型和水温调节模型；利用通过人工蜂鸟算法和基于VAEA的矢量角选择策略改进过的非支配排序遗传算法求解所述碳排放决策优化模型，得到所述含氢多能源系统的最终运行碳排放优化决策。2.如权利要求1所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述利用所述历史用能消耗数据，采用隐马尔可夫算法，对用能需求数据进行预测，包括：采用皮尔逊系数进行相关性分析，得到影响所述历史用能消耗数据的环境特征向量；假设预测后的用能需求数据为V(t)，对所述历史用能消耗数据进行离散化处理，并使离散化处理过的所述历史用能消耗数据满足P{V(k)＝|V(k
n
)＝v
n
,...,(k1)＝1}＝{V(k)≤v|V(k
n
)＝
n
}，其中，P代表历史用能消耗数据，v代表k时刻的环境特征向量，k∈(1,n)；根据离散化处理过的所述历史用能消耗数据，计算所述含氢多能源系统的状态转移概率；根据所述状态转移概率计算第k步的转移概率矩阵；基于所述转移概率矩阵，采用隐马尔可夫算法，对k+1时刻的用能需求数据进行预测。3.如权利要求1所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述碳排放决策优化模型的目标函数为：minF＝min(F1,F2,F3)其中，F1为含氢多能源系统运行阶段的总碳排放量，F2为含氢多能源系统的运维费用，F3为含氢多能源系统的可靠性。4.如权利要求2所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述含氢多能源系统运行阶段的总碳排放量为：其中，表示k时刻含氢多能源系统的电力排放，表示k时刻含氢多能源系统的燃煤碳排放，表示k时刻含氢多能源系统的燃油碳排放，表示k时刻含氢多能源系统的燃气碳排放；所述含氢多能源系统的运维费用为：其中，λ
lep
表示当地电力价格；表示含氢多能源系统在k时刻的年耗电量；λ
bio
表示当地生物质燃料价格；表示含氢多能源系统在k时刻的生物质燃料消耗量，λ
coil
表示煤
价，表示含氢多能源系统在k时刻的用煤量，λ
gas
表示气价，代表含氢多能源系统在k时刻的用气量，λ
oil
代表燃油价格，表示含氢多能源系统在k时刻的用油量，λ
hy
为氢价，表示含氢多能源系统在k时刻的买氢量，C
invest
表示初始投资费用，σ表示设备危险费占设备购置费的比率；所述含氢多能源系统的可靠性为：其中，N
s
表示场景总数；K表示时刻总数；Δk表示时段间隔；表示场景s下含氢多能源系统在k时段的失负荷功率，表示k时刻含氢多能源系统电力供应，表示k时刻建筑及设备等总用电需求。5.如权利要求1所述的含氢多能源系统运行碳排放优化决策方法，其特征在于，所述碳排放决策优化模型的约束条件包括：电平衡约束条件、热平衡约束条件、冷平衡约束条件、标准约束条件、碳减排约束条件和人体热舒适约束条件；所述电平衡约束条件为：其中，代表k时刻含氢多能源系统对建筑供电量，代表k时刻建筑及设备的总用电需求，代表k时刻建筑用电需求，ε1代表预设的电平衡误差常数；所述热平衡约束条件为：其中，代表k时刻含氢多能源系统对建筑供热量，代表建筑、设备及损耗的总热需求，代表k时刻建筑用热需求，ε2代表预设的热平衡误差常数；所述冷平衡约束条件为：其中，代表k时刻含氢多能源系统对建筑供冷量，代表k时刻建筑、设备及损耗的总冷需求，代表k时刻建筑用冷需求，ε3代表预设的冷平衡误差常数；所述标准约束条件为：CE
total，new
≤60％
·
CE
total，预设
CE
total，预设
‑
CE
total，new
≥∈A其中，CE
total，new
代表当前计算得到的含氢多能源系统的总碳排放量，CE
total，预设
代表预设的含氢多能源系统的总碳排放量，∈代表碳排放强度平均降低强度要求，A代表建筑面积；
所述碳减排约束条件为：CE
cpes
‑
CE
o
≤S
ccer
其中，CE
cpes
代表含氢多能源系统运行阶段的总碳排放量，CE
o
代表预设的碳配额数值，S
ccer
代表预设的需要减排量；所述人体热舒适约束条件包括：人体在
‑
0.5到0.5舒适区间内的温度约束条件：其中，μ
PMV
代表人体热舒适度，T
k
为k时刻的实时温度，T
c
为满足人体热舒适需求的舒适温度；室内温度最大值与人体热舒适度最大值、人体热舒适度最小值内的温度采用人体热反应评价指标PMV进行评价，具体约束条件为：其中，T
min
代表最低温度，T
t
代表设定温度，T
max
代表最高温度，代表最低PMV需求，μ
PMV
代表实际人体热舒适，代表最高PMV需求；满足室内人员热舒适性需求的供热量以及生活热水的约束条件：满足室内人员热舒适性需求的供热量以及生活热水的约束条件：其中，代表k时刻理想状态...

【专利技术属性】
技术研发人员：徐占伯，田颖，吴江，杨纪元，刘晋辉，刘坤，管晓宏，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：