【技术实现步骤摘要】
根据环境特征进行数据驱动的园区综合能源系统灵活性检测方法
[0001]本专利技术涉及园区综合能源系统灵活性检测
，具体涉及根据环境特征进行数据驱动的园区综合能源系统灵活性检测方法。
技术介绍
[0002]随着化石能源危机、气候变化、环境污染问题的日益突出，以风、光为代表的可再生能源发电技术得到迅速发展和大规模的开发利用。然而，与传统电源不同，可再生能源发电受气候、地理环境等因素影响十分显著，具有间歇性、多变性和强不确定性的典型特征，当高比例可再生能源发电并网后，电力系统面临的不确定因素显著增加，灵活性成为保证系统安全稳定运行的核心和关键，其定量评价成为热点。与此同时，园区综合能源系统通过聚合电力、热力等多种异质能源，实现不同类型能源之间的相互耦合及转换利用，有效提升能源系统中异质能源的利用效率与新能源消纳能力，是提高系统运行灵活性的主要承载平台。此外，可再生能源发电出力的间歇性和不确定性在不同环境特征下，可能会引起切负荷和弃风弃光等不同的灵活性不足问题，从而威胁系统的安全运行和可再生能源的消纳。因此，进行不同环境特征下园区综合能源系统灵活性的准确量化检测是促进可再生能源消纳和指导灵活性资源优化配置的重要技术手段，这对推进能源转型和保障能源安全具有重要的现实意义。
[0003]目前，针对园区综合能源系统的灵活运行，现有方法大多针对与电力系统的灵活性进行量化检测，且从可再生能源消纳和系统安全性多角度对应用广泛的园区综合能源系统的灵活性进行检测的方案较少，灵活性资源在多时间尺度上的响应速率、经济成本和多能耦合...
【技术保护点】
【技术特征摘要】
1.根据环境特征进行数据驱动的园区综合能源系统灵活性检测方法，其特征在于：包括以下步骤，步骤(A)，构建园区综合能源系统的整体结构及灵活性检测框架；步骤(B)，基于构建好的灵活性检测框架设计含有梯度惩罚的条件生成对抗网络的可再生能源场景生成模型；步骤(C)，根据构建好的可再生能源场景生成模型对环境特征进行分类，并确定样本标签，再对不同环境特征下的可再生能源出力场景进行缩减，获得每种环境特征下的典型出力场景；步骤(D)，根据相应的环境特征选取典型出力场景，并基于构建好的园区综合能源系统的整体结构建立园区综合能源系统调度优化模型，产生调度优化结果；步骤(E)，根据调度优化结果建立灵活性资源在时刻t的灵活性调节区间；步骤(F)，基于获得的灵活性资源在时刻t的灵活性调节区间构建园区综合能源系统净负荷包络模型；步骤(G)，根据构建好的园区综合能源系统净负荷包络模型设计园区综合能源系统检测指标；步骤(H)，输入初始参数，并对园区综合能源系统调度优化模型和园区综合能源系统净负荷包络模型进行求解，再检查求解结果是否遍历所有典型场景，若遍历则继续下一步，若不遍历返回步骤(D)；步骤(I)，将求解结果根据园区综合能源系统检测指标进行检测，输出检测结果，完成对园区综合能源系统灵活性检测作业。2.根据权利要求1所述的根据环境特征进行数据驱动的园区综合能源系统灵活性检测方法，其特征在于：步骤(A)，构建园区综合能源系统的整体结构及灵活性检测框架，其中园区综合能源系统的整体结构以燃气轮机、上级电网、电储能、储热装置、综合需求响应和电锅炉为灵活性资源构建，而园区综合能源系统的灵活性检测框架分为两阶段，第一阶段为进行不同环境特征下园区综合能源系统的经济调度以部署灵活性资源的最优出力，第二阶段为基于第一阶段求解的灵活性资源的运行状态构建综合能源系统整体在各时段的灵活性供给区间，并对系统净负荷曲线进行包络。3.根据权利要求2所述的根据环境特征进行数据驱动的园区综合能源系统灵活性检测方法，其特征在于：步骤(B)，基于构建好的灵活性检测框架设计含有梯度惩罚的条件生成对抗网络的可再生能源场景生成模型，其中含有梯度惩罚的条件生成对抗网络采用Wasserstein距离作为判别器损失函数，且判别器损失函数用于衡量生成样本和真实样本分布之间的距离，引入梯度惩罚函数是用于保证判别器函数满足1
‑
Lipschitz连续，并使得判别器损失函数能描述Wasserstein距离，而模型的目标函数如公式(1)和公式(2)所示，判别器损失函数能描述Wasserstein距离，而模型的目标函数如公式(1)和公式(2)所示，其中，||
·
||表示1
‑
范数，λ为正则项系数，ε服从[0,1]上的均匀分布，V为该条件生成对抗网络的目标函数，D为生成器，G为判别器，x为输入的真实样本，y为条件，z为输入生成器的噪声。
4.根据权利要求3所述的根据环境特征进行数据驱动的园区综合能源系统灵活性检测方法，其特征在于：步骤(C)，根据构建好的可再生能源场景生成模型对环境特征进行分类，并确定样本标签，再对不同环境特征下的可再生能源出力场景进行缩减，获得每种环境特征下的典型出力场景，具体步骤如下，步骤(C1)，基于构建好的可再生能源场景生成模型对环境特征进行分类，并确定样本标签，其中针对风电出力历史数据集，计算每个样本x的发电量平均值μ(x)(p.u.)，再将样本分为微风、和风、强风和大风四组不同的环境特征场景样本：μ(x)≤0.125，0.125<μ(x)≤0.375，0.375<μ(x)≤0.625和μ(x)>0.625，并对应创建第一、第二、第三和第四样本标签；步骤(C2)，对不同环境特征下的可再生能源出力场景进行缩减，其中缩减具体是采用KM
‑
Plus聚类法对不同环境特征下的出力场景进行缩减，且缩减后第k种特征环境下场景i的概率π
k,i
如公式(3)所示，其中，N
k
为可再生能源场景生成模型在第k种环境特征下生成的场景个数，N
k,i
为第k种环境特征下聚类为场景i的场景个数。5.根据权利要求4所述的根据环境特征进行数据驱动的园区综合能源系统灵活性检测方法，其特征在于：步骤(D)，根据相应的环境特征选取典型出力场景，并基于构建好的园区综合能源系统的整体结构建立园区综合能源系统调度优化模型，产生调度优化结果，具体步骤如下，步骤(D1)，构建目标函数，其中目标函数是以园区综合能源系统的综合运行成本最小为目标，包括设备的运行维护成本C1、能源购买成本C2、综合需求响应补偿成本C3、燃气轮机启停成本C4以及弃风和切负荷惩罚成本C5，目标函数如公式(4)所示，其中，F为综合能源系统的综合成本，和分别为燃气轮机、风机、电锅炉、电储能和储热装置的运行维护成本系数，P
tMT
、P
tEB
、P
tBES
和分别为燃气轮机、电锅炉、电储能和储热装置t时段的出力功率，和分别为t时段风机供给电负荷和热负荷出力值，为t时段从上级电网购买电能的成本系数，和分别为t时段购买天然气的成本系数和量，和分别为t时段购买电能用于供给电负荷和热负荷的功率，γ
IE
、γ
TSE
和γ
IH
分别为中断电负荷、时移电负荷和中断热负荷的补偿成本系数，P
tIE
、P
tTSE
和
分别为t时段中断电负荷、时移电负荷和中断热负荷功率，κ
up
和κ
down
分别为燃气轮机的启动和关机成本系数，ρ
WT
和ρ
EL
分别为弃风和切负荷惩罚成本系数，P
tCW
和P
tCL
分别为t时段弃风和切负荷功率；步骤(D2)，构建约束条件，其中约束条件包括功率平衡约束、燃气轮机约束、电锅炉约束、储能设备约束、需求响应约束、与上级电网交互功率约束、切负荷约束和可再生能源消纳约束，具体步骤如下，步骤(D21)，构建功率平衡约束，如公式(5)所示，其中，P
tL
和分别为t时段需求响应后的电负荷和热负荷，和分别为t时段燃气轮机和电锅炉的供热功率；步骤(D22)，构建燃气轮机约束，如公式(6)所示，其中，和分别为燃气轮机的电能转换系数和热损失系数，为燃气轮机t时段的供气量，C
gas
为天然气热值，P
tMT
为燃气轮机t时段的出力，和分别为燃气轮机的向下和向上爬坡速率，和分别为燃气轮机出力的最大值和最小值；为燃气机组状态0
‑
1变量，其中值为1时是运行状态，值为0时是停机状态；步骤(D23)，构建燃气轮机启停时间约束，如公式(7)所示，其中，τ1和τ2分别为燃气轮机最小运行时长和停止时间约束的辅助变量，T
up
和T
down
分别为最小运行时长和停止时长；步骤(D24)，构建电锅炉约束，如公式(8)所示，其中，P
tEB
为电锅炉t时段的出力，和分别为电锅炉的向下和向上爬坡速率，和分别为电锅炉出力的最大值和最小值，η
EB
为电锅炉的电转热效率；步骤(D25)，构建储能设备约束，如公式(9)所示，
其中，和分别为储能装置充能和放能的最大值，为储能装置最小储能容量，为储能装置t时段的容量最大值，为储能装置t时段的容量；为储能装置的初始容量，k
loss
为...
【专利技术属性】
技术研发人员：刘春明，王春玲，张高远，辛文凯，李雨桐，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。