【技术实现步骤摘要】
针对区域多能互补能源系统的多目标优化调度方法及装置
[0001]本专利技术涉及多能互补的区域多能耦合系统优化调度
，特别是涉及针对区域多能互补能源系统的多目标优化调度方法及装置
。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术
。
[0003]面对化石燃料枯竭和污染等现实问题，许多地区开始制定能源转型政策
。
长期以来，化石燃料在能源结构中的占比远高于其他能源，然而化石燃料的能量释放过程又伴随着大量的碳排放，严重的危害到了经济的健康发展，燃烧煤炭
、
天然气和石油来发电和供热，是作为碳排放量的主力，所以为了实现节能减排的目标，必须寻求能源行业的转变和突破
。
未来能源系统的演化必将向着节能减排
、
清洁高效的方向发展，同时可再生能源的占比必须大幅度增加
。
但是由于可再生能源的输出，如风能和光能，是间歇性的，其预测是不确定的，对其进行优化调度是不容易的，因此，能够灵活...
【技术保护点】
【技术特征摘要】
1.
针对区域多能互补能源系统的多目标优化调度方法，其特征是，包括：获取风
、
光和电的历史数据，并根据历史数据构建分布鲁棒优化的模糊集；建立区域冷热电气多能互补能源系统的分布鲁棒多目标预测控制数学模型；所述区域冷热电气多能互补能源系统，包括：电力子系统
、
热力子系统
、
冷力子系统和天然气子系统；所述分布鲁棒多目标预测控制数学模型，包括：初始约束条件和初始目标函数；所述初始约束条件和初始目标函数均受不确定性因素的影响；根据所述模糊集，将初始目标函数进行优化，得到优化后的目标函数；根据所述模糊集，将初始约束条件进行优化，得到优化后的约束条件；基于广义特征向量算法，对优化后的目标函数和优化后的约束条件进行求解，得到最优帕累托前沿；基于最优帕累托前沿，确定区域冷热电气多能互补能源系统的机组组合决策
。2.
如权利要求1所述的针对区域多能互补能源系统的多目标优化调度方法，其特征是，根据历史数据构建分布鲁棒优化的模糊集，具体包括：首先通过历史数据的采样值得到风光的一个经验分布，通过经验分布来估计未来的一个真实分布，当采样数据量足够多时，经验分布将会趋近于真实分布，其中是表示对风
、
光和电历史数据的采样值，是采样样本的大小；通过概率度量的概率距离来构造模糊集：；其中，是和的联合概率分布，是通过对风光电历史数据采样后得到的预测出力的经验分布；是风光电的真实出力分布；是表示经验分布和真实分布之间的概率距离；是表示经验分布和真实分布之间的概率密度距离公式；是预测误差关于经验分布的边缘分布；是预测误差关于真实分布的边缘分布；由此就得到模糊集为：；其中，是一个由数据驱动的紧支撑集，表示在支撑集上的概率，是定义的概率分布度量的误差系数；是定义符号；为了便于计算数据驱动的支撑集，将样本集合进行标准化处理：；其中，是对采样数据进行标准化后的值；是对风
、
光和电历史数据的采样值；是风
、
光和电历史数据采样值的平均值；假设是的支撑集：；其中，是对采样数据进行标准化后的值；是维的数据空间；是第个采样数据的标准化值；是标准化后不确定参数的边界；经过标准化处理，不确定性的支撑集求解转化为了求解边界问题：
；其中，表示风光电不确定参数的概率分布；风光电不确定性参数的模糊不确定集合；表示不确定性参数的集合；表示不确定集合的置信度；不确定参数标准化后边界的最大值；当取到最优值时，数据驱动支撑集表示为
。3.
如权利要求1所述的针对区域多能互补能源系统的多目标优化调度方法，其特征是，所述区域冷热电气多能互补能源系统，包括：电力子系统
、
热力子系统
、
冷力子系统和天然气子系统；电力子系统，包括：微型燃气轮机组
、
电制冷机组
、
电转气机组
、
太阳能发电机组
、
风力涡轮机组以及电存储机组；热力子系统，包括：天然气锅炉机组
、
余热回收机组
、
吸收式制冷机组和热存储罐；冷力子系统，包括：电制冷机组和吸收式制冷机组；天然气子系统，包括：电转气机组以及碳捕捉机组
。4.
如权利要求1所述的针对区域多能互补能源系统的多目标优化调度方法，其特征是，根据所述模糊集，将初始目标函数进行优化，得到优化后的目标函数，具体包括：根据对偶理论，将受不确定性因素影响的初始目标函数转化为易于处理和计算的形式，根据强对偶理论的分布鲁棒模型：；；；其中，表示含有实时电价不确定性的目标函数，是不确定性的实时电价，是在支撑集中的；表示对含有实时电价不确定性目标函数的期望；表示模型中不等式约束的系数矩阵；表示模型中的决策变量，即各机组出力功率；表示模型中不等式约束的右端项向量；是表示约束中包含不确定性参数的约束条件；是表示约束中包含不确定性参数的约束右端项；是表示约束中包含不确定性参数的系数矩阵；是表示目标函数中不确定性参数的分布概率函数；是表示目标函数中不确定性参数的模糊集；通过强对偶理论转化为的等价数学模型：；；；其中，表示模型变换的辅助参数；是表示不确定性参数概率密度之间的度量距
离；是表示由历史数据预测得到的真实值
。5.
如权利要求1所述的针对区域多能互补能源系统的多目标优化调度方法，其特征是，根据所述模糊集，将初始约束条件进行优化，得到优化后的约束条件，具体包括：对初始约束条件中的不确定性采用了分布鲁棒机会进行重构，将表述为机会约束的形式，即：；其中，是其约束函数满足的概率，是约束不满足的概率值；应用线性决策方法，将分布鲁棒机会约束进行重构为：；；；；其中，是表示采样历史数据的样本大小；
、、、、
是模转化过程中的辅助变量
。6.
如权利要求1所述的针对区域多能互补能源系统的多目标优化调度方法，其特征是，基于广义特征向量算法，对优化后的目标函数和优化后的约束条件进行求解，得到最优帕累托前沿，具体包括：首先根据多目标优化的帕累托最优的定义，得到一个可行解；帕累托最优的条件是当且仅当不存在可行解使得对于其他解任何目标函数都不大于最优解的目标函数，即，并且至少存在一个目标函数使得；由此可知，对于平滑并且凸的目标函数来说，如果对于任意方向，梯度，则是在帕累托前沿上的点；定义是所有目标函数的复合梯度方向；；其中，是表示函数的梯度；和分别是两个目标函数，是模型的可行解向量；；
；其中，表示对目标函数求偏导，是表示各个设备的出力功率；则，其中，；设计矩阵和，使得对矩阵进行如下的变换：；其中，表示相应维度的单位矩阵；求解矩阵的特征值和特征向量，，由定义可知，分为以下四种情况：情况一：对于所有的特征值和其对应的特征向量，使得即；也就是满足帕累托前沿的条件；其中，表示下一时刻的迭代解向量，表示现在时刻的解向量；情况二：如果存在一个特征值和其对应的特征向量，使得；则更新策略下一次迭代解向量，是目标函数的常数；和分别表示目标函数和目标函数的李普希思常数；情况三：如果存在一个特征值和其对应的特征向量，使得；则更新策略，是目标函数的常数；如果对于情况二和情况三同时存在不止一个特征...
【专利技术属性】
技术研发人员：刘帅，李恩杰，周飞龙，华友情，徐昊天，赵浩然，杨耀帅，
申请(专利权)人：山东大学，
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。