一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法技术方案

本发明专利技术公开了一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。该方法首先使用一种改进的可控生成对抗网络来对包含多种类型源

【技术实现步骤摘要】
一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法


[0001]本专利技术涉及综合能源系统优化规划与能量管理领域，特别是涉及一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。

技术介绍

[0002]随着能源危机和环境污染的加剧，可再生能源发电日益普及，然而在实践中，多种形式的能源往往同时被使用(例如，电热冷气)，因此，仅仅针对电力需求进行规划是不够的。目前，由于不同能量流具有不同的特性，大多数具有多种能源需求的能源系统都是单独规划和运行的，这导致了能源供应成本和碳排放高、能源效率低、鲁棒性差等各种问题。近年来，各种新型设备和研究方法的出现，使得综合能源系统逐步成为提高经济效益、减少碳排放和满足多样化能源需求的一种很有前景的模式。综合能源系统由能源生产设备、能源转换设备、能源传输设备和能源存储设备组成，通过多种能源形式的时空协调互补，系统可以满足电力、供暖、制冷和燃气等多种需求。由于间歇性可再生能源发电和负荷变化带来的不确定性，综合能源系统的规划的重要性日渐凸显，适当的容量规划对综合能源系统的经济成本、能源利用效率、能源供应可靠性和碳排放等方面均会产生关键影响。
[0003]现有的综合能源系统规划问题主要存在以下几个挑战：(1)综合能源系统规划中包括了各种能源流(电热冷气)和多种不确定性(源侧和需求侧)，但现有的大多数方法只考虑了电力或电力/热力，这些不确定性没有得到充分考虑。(2)实际的源侧和需求侧数据往往是难以获得的，现有的方法要么只使用一个典型日的数据进行规划，要么使用传统的场景生成方法简单地扩展现有数据，导致规划结果不准确，规划模型适用性差。(3)在大多数现有的方法中，碳排放约束仅被视为辅助或从属因素，规划结果无法保持经济指标和碳排放指标之间的平衡，有时为了降低系统成本，规划结果不得不允许额外的碳排放。
[0004]本专利技术公开一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。该方法使用一种改进的可控生成对抗网络对系统的运行场景进行生成，充分刻画出系统源侧和需求侧的不确定性；构建了具有多种能量流和设备的综合能源系统拓扑结构，并对系统中的各类设备进行数学建模；然后结合生成的运行场景，提出了一种综合考虑系统的总体经济指标、碳排放指标和系统供能可靠性指标的综合能源系统设备容量优化配置模型；最后通过求解器对模型进行优化求解，为综合能源系统的设备容量优化配置提供了更加精确可靠的解决方案。

技术实现思路

[0005]本专利技术的目的在于针对现有技术的不足，提供一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。本专利技术所采用的技术方案如下：
[0006]步骤(1)，在生成对抗网络中加入控制向量进行改进，构建基于改进可控生成对抗网络的综合能源系统运行场景生成模型，并基于历史数据对改进后的生成对抗网络进行训
练，使用训练完毕后的生成器对包括多种类型源
‑
荷数据在内的复杂运行场景进行生成，得到综合能源系统运行场景集；所述多种类型源
‑
荷数据至少包括风电、光伏、电负荷、热负荷、冷负荷数据；
[0007]步骤(2)，对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模(风电、光伏、电转气、热泵、电制冷机、吸收式制冷机、空调、燃气锅炉、燃气轮机、电储、热储、冷储、气储)，构建综合能源系统的拓扑结构；
[0008]步骤(3)，结合步骤(1)中得到的综合能源系统运行场景集以及步骤(2)中得到的设备数学模型和综合能源系统拓扑结构，构建考虑场景不确定性和碳排放的综合能源系统设备容量优化配置模型，具体包括以下子步骤：
[0009](3.1)建立优化的目标函数：
[0010]综合能源系统总的优化目标函数主要包括总体经济指标、碳交易指标、供能可靠性指标三个方面，具体如下所示：
[0011][0012]其中，Obj
Total
表示系统规划设计过程中总的目标函数，表示系统的总体经济指标，表示碳交易费用，表示供电可靠性惩罚，N
Y
表示规划总场景数；
[0013](3.1.1)总体经济指标：
[0014][0015]其中，表示系统在场景y下的总投资成本，表示系统的运维成本，表示系统的燃气费用，表示系统从电网购电的费用，表示向电网售电的费用，表示系统的设备残值；
[0016](3.1.2)碳交易指标：
[0017][0018]其中，和分别表示碳交易价格和碳交易手续费，单位为元/t；表示综合能源系统在场景y下的碳排放量，表示系统的免费碳排放配额；
[0019](3.1.3)供能可靠性惩罚：
[0020][0021]其中，λ
punish
表示惩罚系数，f
REL
(y,t)表示系统的供能可靠性函数；
[0022](3.2)建立优化的约束条件，包括能量平衡约束(电热冷气)、设备容量约束、设备功率约束、电网交互功率约束、气网输气功率约束、储能SOC约束、储能充放能功率约束(电储、热储、冷储、气储)、储气罐压力约束、碳排放强度约束、碳排放总量约束、碳交易额度约束；
[0023]步骤(4)，将通过求解器对步骤(3)中得到的综合能源系统设备容量优化配置模型进行优化求解，得到系统中各类设备的最优配置容量。
[0024]本专利技术的有益效果在于：本专利技术建立了一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，以系统的总经济指标最低、碳排放指标最小、供能可靠性最高为优化目标，考虑系统的能量平衡约束、设备容量约束、设备功率约束、储能运行约束、碳排放强度约束等约束条件，并采用求解器求解此优化问题，该方法可以降低综合能源系统的建设成本和用户的用能成本，提升供能稳定性，为综合能源系统的规划和建设提供更加经济低碳、鲁棒性更好的解决方案。
附图说明
[0025]图1为综合能源系统拓扑结构示意图；
[0026]图2为改进后的可控生成对抗网络的整体结构示意图；
[0027]图3为生成的一般运行场景集中部分典型日示意图，其中(a)为风电出力场景,(b)为光伏出力场景，(c)为电负荷场景，(d)为热负荷场景；图中各曲线上标注的数字代表日期，例如数字10.03表示10月3日。
[0028]图4为生成的极端运行场景集中部分典型日示意图，其中(a)为风电出力场景,(b)为光伏出力场景，(c)为电负荷场景，(d)为热负荷场景；图中各曲线上标注的数字代表日期，例如数字10.03表示10月3日。
具体实施方式
[0029]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0030]本专利技术涉及一种考虑场景不确定性和碳排放的综合能源系统设备容量优化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，其特征在于，所述方法包括如下步骤：步骤(1)，在生成对抗网络中加入控制向量进行改进，构建基于改进可控生成对抗网络的综合能源系统运行场景生成模型，并基于历史数据对改进后的生成对抗网络进行训练，使用训练完毕后的生成器对包括多种类型源
‑
荷数据在内的复杂运行场景进行生成，得到综合能源系统运行场景集；所述多种类型源
‑
荷数据至少包括风电、光伏、电负荷、热负荷、冷负荷数据；步骤(2)，对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模，构建综合能源系统的拓扑结构；步骤(3)，结合步骤(1)中得到的综合能源系统运行场景集以及步骤(2)中得到的设备数学模型和综合能源系统拓扑结构，构建考虑场景不确定性和碳排放的综合能源系统设备容量优化配置模型，具体包括以下子步骤：(3.1)建立优化的目标函数：综合能源系统总的优化目标函数主要包括总体经济指标、碳交易指标、供能可靠性指标三个方面，具体如下所示：其中，Obj
Total
表示系统规划设计过程中总的目标函数，表示系统的总体经济指标，表示碳交易费用，表示供电可靠性惩罚，N
Y
表示规划总场景数；(3.1.1)总体经济指标：其中，表示系统在场景y下的总投资成本，表示系统的运维成本，表示系统的燃气费用，表示系统从电网购电的费用，表示向电网售电的费用，表示系统的设备残值；(3.1.2)碳交易指标：其中，和分别表示碳交易价格和碳交易手续费，单位为元/t；表示综合能源系统在场景y下的碳排放量，表示系统的免费碳排放配额；(3.1.3)供能可靠性惩罚：其中，λ
punish
表示惩罚系数，f
REL
(y,t)表示系统的供能可靠性函数；(3.2)建立优化的约束条件，包括能量平衡约束、设备容量约束、设备功率约束、电网交互功率约束、气网输气功率约束、储能SOC约束、储能充放能功率约束、储气罐压力约束、碳排放强度约束、碳排放总量约束、碳交易额度约束；步骤(4)，将通过求解器对步骤(3)中得到的综合能源系统设备容量优化配置模型进行
优化求解，得到系统中各类设备的最优配置容量。2.根据权利要求1所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(1)具体包括以下子步骤：(1.1)构建基础的生成对抗网络模型：生成对抗网络模型主要由生成器和判别器两部分构成，根据生成器和判别器的训练目标，分别构造两者的损失函数L
G
和L
D
，如下所示：，如下所示：其中，p
noise
表示随机噪声z的概率分布，p
data
(x)表示历史数据x的概率分布，G(z)表示生成器生成的数据样本，D(G(z))和D(x)分别表示生成的数据和历史数据在判别器中被认为是真的概率，E()表示数学期望；生成器和判别器的训练目标分别是使L
G
最小和L
D
最大，得到基础的生成对抗网络模型训练目标函数如下：(1.2)将基础的生成对抗网络模型改进成具有可解释性的可控生成对抗网络模型：1.2.1)对判别器进行改造，将一个辅助网络Q附加到判别器D的第二层到最后一层；1.2.2)选取控制向量c＝{平均值、最大值、最小值、平均波动值、最大爬坡值}和随机噪声z一起输入到生成器G中；1.2.3)根据控制向量c，从历史数据中挑选出特征指标和c最接近的一组数据，输入到辨别器D中；1.2.4)对生成器G和辨别器D进行迭代训练，直至模型收敛；1.2.5)使用训练好的生成器，通过设置控制向量c的值，以此来生成综合能源系统运行场景集；改进后的模型训练目标函数如下：其中，D(x|c)和D(G(z,c))分别表示在控制向量c的影响下，挑选出的历史场景和生成的场景在判别器D中被认为是真实样本的概率；λ表示一个超参数；L
I
(G,Q)表示生成器和辅助网络之间互信息I的波动下限。3.根据权利要求1所述的一种考虑场景不确定性和碳排放的综合能源系统容量优化规划方法，其特征在于，步骤(2)具体包括以下子步骤：(2.1)对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模：(2.1.1)热泵(2.1.1)热泵其中，和分别表示t时刻热泵的制热和制冷功率，和分别表示热泵制热和制冷过程中消耗的电功率，和分别表示热泵制热和制冷时的电能损耗系数，和分别表示热泵制热和制冷时的能效比；
(2.1.2)空调、电制冷机、吸收式制冷机Q
AC
(t)＝P
AC
(t)
·
(1
‑
ζ
AC
)
·
EER
AC
Q
EC
(t)＝P
EC
(t)
·
(1
‑
ζ
EC
)
·
EER
EC
Q
APC_out
(t)＝Q
APC_in
(t)
·
(1
‑
ζ
APC
)
·
EER
APC
其中，Q
AC
(t)、Q
EC
(t)和Q
APC_out
(t)分别表示空调、电制冷机和吸收式制冷机在t时刻制冷功率，P
AC
(t)和P
EC
(t)分别表示空调和电制冷机消耗的电功率，Q
APC_in
(t)表示吸收式制冷机消耗的冷功率，ζ
AC
、ζ
EC
和ζ
APC
分别表示三种制冷设备的能量损耗系数，EER
AC
、EER
EC
和EER
APC
分别表示三种设备制冷的能效比；(2.1.3)电转气其中，G
P2G
(t)表示在t时刻电转气设备生产的天然气，表示电转气设备消耗的电功率，ζ
P2G
和η
P2G
表示电转气设备的电能损耗系数和能量转化效率，H
ICV
表示天然气燃烧的低热值；(2.1.4)燃气轮机(2.1.4)燃气轮机其中，P
GT
(t)和Q
GT
(t)分别表示在t时刻燃气轮机的产生的电功率和热功率，G
GT
(t)表示燃气轮机消耗的燃气功率，η
GT_P
和η
GT
分别表示燃气轮机的能量生产效率和燃气损耗系数；(2.1.5)燃气锅炉其中，Q
GB
(t)和G
GB
(t)分别表示t时刻燃气锅炉的制热功率和燃气消耗功率，ζ
GB
和η
GB
分别表示燃气锅炉的燃气损耗系数和制热效率；(2.1.6)电储、热储、冷储、气储在内的储能设备(2.1.6)电储、热储、冷储、气储在内的储能设备(...

【专利技术属性】
技术研发人员：杨强，陈贤卿，杨灵方，
申请(专利权)人：浙江大学，
类型：发明
国别省市：