【技术实现步骤摘要】
本专利技术涉及能源配置调度，特别是涉及一种场景驱动的综合能源互补容量规划方法及系统。
技术介绍
1、随着能源需求不断增大、能源结构不合理、能源利用率较低等问题的日益突显，风电、光伏等可再生能源得到大力发展。综合能源系统(integrated energy system,ies)因其多能互补以及能源的梯级利用，促进了能源转型和能源结构的调整。与此同时，传统电力系统的运行与控制方式无法很好应对高比例的可再生能源接入。分布式可再生能源、用能负荷的多重不确定性以及多能流的相互耦合，使得ies的优化配置更加复杂。
2、为了减小供能波动差以及促进可再生能源的消纳，可再生能源电站常常配备储能系统。储能系统成本较高，较小容量的储能配置可以减少系统成本，但不利于电网的安全平稳运行；较大容量的储能配置可以保证电网的可靠性，但忽视了系统的经济性。因此，合理的可再生能源机组与储能装置的容量配置，对可再生能源机组的大规模并网有重要意义。
3、现有的对ies优化配置的研究，多在单一场景下进行，有一定的匹配局限性。在配置过程中，对源侧的可再生能源发电不确定性以及荷侧的用能需求不确定性考虑较少。同时，在随机规划方法中，通常使用大概率典型场景进行规划配置，常常忽视小概率极端场景，给系统的可靠性带来了一定隐患。而对ies不确定性的克服以及可靠性的保证是容量配置需要正面的关键环节。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的是提供一种场景驱动的综合能源互补容量规划方法及系统，本专
2、为实现上述目的，本专利技术提供了如下方案：
3、一种场景驱动的综合能源互补容量规划方法，包括：
4、建立待配置区域初始典型场景集和初始典型场景集中各个场景所对应的概率；
5、基于所述待配置区域初始典型场景集，构建初始多目标双层容量配置模型；
6、对所述初始多目标双层容量配置模型进行求解，得到初始配置方案解集；
7、根据所述初始配置方案解集确定极端场景和所述极端场景对应的概率；
8、根据所述极端场景和所述极端场景对应的概率，对所述初始典型场景集进行削减更新，得到更新典型场景集和更新典型场景集中各个场景所对应的概率；
9、根据所述更新典型场景集与更新典型场景集中各个场景所对应的概率和极端场景与所述极端场景对应的概率对所述初始多目标双层容量配置模型进行更新得到更新多目标双层容量配置模型；
10、根据所述更新多目标双层容量配置模型得到更新配置方案解集。
11、优选地，所述建立待配置区域初始典型场景集和初始典型场景集中各个场景所对应的概率，包括：
12、获取待配置区域源侧历史数据和荷侧历史数据，其中，所述源侧历史数据包括风速和光照，所述荷侧历史数据包括电负荷、热负荷和冷负荷；
13、根据所述源侧历史数据和荷侧历史数据进行联合数据生成，得到初始场景集；
14、根据所述初始场景集得到初始典型场景集中各个场景所对应的概率。
15、优选地，所述根据所述源侧历史数据和荷侧历史数据进行联合数据生成，得到初始场景集，包括：
16、对深度学习网络进行训练，得到训练后的深度学习网络；
17、通过所述训练后的深度学习网络，利用源侧历史数据和荷侧历史数据得到初始场景集。
18、优选地，所述构建初始多目标双层容量配置模型，包括：
19、利用待配置装置的容量为决策变量以建立初始上层多目标规划模型及其约束条件；
20、利用待配置装置的日运行出力为决策变量，建立初始下层优化调度模型及其约束条件；
21、根据所述初始上层多目标规划模型及其约束条件和初始下层优化调度模型及其约束条件构建初始多目标双层容量配置模型。
22、优选地，所述初始上层多目标规划模型的目标函数为：
23、minfupper＝{f1,f2,f3}
24、
25、所述初始上层多目标规划模型对应的约束条件为：
26、
27、其中，cinv为装置配置的投资成本，为下层日出力成本最小期望值，wi,ce为机组i的碳排放量，ωc为发电过程中会产生碳排放的机组集合，p(t)为除储能装置系统在t时刻的供能，pave(t)为整体系统供能平均值，vj，分别为待配置装置j的容量及其可配置容量的最小值和最大值。
28、优选地，所述初始下层多目标规划模型的目标函数为：
29、
30、其中，πs为典型场景s对应的概率，t为调度周期，ω为待配置装置集合，为装置k在t时刻的运行成本。
31、优选地，所述对所述初始多目标双层容量配置模型进行求解，得到初始配置方案解集，包括：
32、基于智能寻优算法生成种群，将待配置装置的随机容量作为初始值，以待配置装置的特性参数、典型场景数据、配置成本系数和碳排放系数为已知条件，对所述初始上层多目标规划模型进行迭代求解，得到初始上层目标解集；
33、获取典型日最优调度方案，并计算系统投资成本、系统运行碳排放和负荷均方差波动；
34、根据系统投资成本、系统运行碳排放和负荷均方差波动得到初始下次目标解集；
35、根据所述初始上层目标解集和初始下层目标解集得到帕累托解集；
36、基于综合评价方法，根据所述帕累托解集得到初始配置方案解集。
37、优选地，所述更新多目标双层容量配置模型的下层目标函数为：
38、
39、其中，πs”为新划分的典型场景s”对应的概率，πs’为极端场景s’对应的概率，xs’,t为在极端场景s’下t时刻的失负荷值，κ为单位失负荷的惩罚成本。
40、一种场景驱动的综合能源互补容量规划系统，包括：
41、初始场景构建模块，用于建立待配置区域初始典型场景集和初始典型场景集中各个场景所对应的概率；
42、初始模型构建模块，用于基于所述待配置区域初始典型场景集，构建初始多目标双层容量配置模型；
43、初始方案获取模块，用于对所述初始多目标双层容量配置模型进行求解，得到初始配置方案解集；
44、极端场景确定模块，用于根据所述初始配置方案解集确定极端场景和所述极端场景对应的概率；
45、场景更新模块，用于根据所述极端场景和所述极端场景对应的概率，对所述初始典型场景集进行削减更新，得到更新典型场景集和更新典型场景集中各个场景所对应的概率；
46、模型更新模块，用于，根据所述更新典型场景集与更新典型场景集中各个场景所对应的概率和极端场景与所述极端场景对应的概率对所述初始多目标双层容量配置模型进行更新得到更新多目标双层容量配置模型；
47、更新方案获取模本文档来自技高网...
【技术保护点】
1.一种场景驱动的综合能源互补容量规划方法，其特征在于，包括：
2.根据权利要求1所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述建立待配置区域初始典型场景集和初始典型场景集中各个场景所对应的概率，包括：
3.根据权利要求2所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述根据所述源侧历史数据和荷侧历史数据进行联合数据生成，得到初始场景集，包括：
4.根据权利要求1所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述构建初始多目标双层容量配置模型，包括：
5.根据权利要求4所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述初始上层多目标规划模型的目标函数为：
6.根据权利要求4所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述初始下层多目标规划模型的目标函数为：
7.根据权利要求6所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述对所述初始多目标双层容量配置模型进行求解，得到初始配置方案解集，包括：
8.根据权利要求7所述的一
9.一种场景驱动的综合能源互补容量规划系统，其特征在于，包括：
...【技术特征摘要】
1.一种场景驱动的综合能源互补容量规划方法，其特征在于，包括：
2.根据权利要求1所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述建立待配置区域初始典型场景集和初始典型场景集中各个场景所对应的概率，包括：
3.根据权利要求2所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述根据所述源侧历史数据和荷侧历史数据进行联合数据生成，得到初始场景集，包括：
4.根据权利要求1所述的一种场景驱动的综合能源互补容量规划方法，其特征在于，所述构建初始多目标双层容量配置模型，包括：
5.根据权利要求4所述的一种场景驱动的综...
【专利技术属性】
技术研发人员：胡阳，赵玥莉，房方，刘吉臻，王庆华，
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。