【技术实现步骤摘要】
本专利技术属于综合能源系统数据处理，具体涉及一种计及风光不确定的ies碳能协同优化方法及装置。
技术介绍
1、综合能源系统(integrated energy system，ies)是应对能源短缺和环境污染的新解决方案，通过整合分布式能源如光伏、风电、冷、热、电联供系统和储能系统来提高效率。然而，ies面临可再生能源不确定性和能源供需不同步的挑战。可再生能源的不确定性威胁到综合能源系统(ies)的稳定运行和供需平衡。超出预期的可再生能源输出需要调整其他能源输出，以防止削减可再生能源。反之，如果可再生能源输出低于预期，可能导致供电不足。
2、目前，为了改善经济和环境效益，电制氢(power to gas,p2g)和碳捕集、封存(carbon capture and storage,ccs)的协同运行备受关注。同时，为了应对能源短缺和环境污染的双重压力，碳交易机制被引入能源行业，有效减少二氧化碳排放，促进能源的可持续发展。p2g和ccs技术的协同运行、碳交易机制并存可显著提高ies的经济效益和环境效益。
3、此外，随着ies的发展，单一能源形式下的电负荷需求响应逐渐被电、热、冷、气等多元负荷的综合需求响应(integrated demand response,idr)所替代。然而，伴随着idr的引入，ies能源供需双方之间的目标呈现出不一致性，给ies的运行优化增加了难度。
4、综上所述，如何利用p2g和ccs技术、碳交易机制、idr机制等来应对ies运行过程中因风光发电的随机性导致电力供需不平衡
技术实现思路
1、为此，本专利技术提供一种计及风光不确定的ies碳能协同优化方法及装置，利用电-氢-碳协同效应和idr机制，提高ies的经济系和环保性，并提高ies应对不确定性波动的适应性，降低ies在极端场景下的经济损失。
2、为了实现上述目的，本专利技术提供如下技术方案：一种计及风光不确定的ies碳能协同优化方法，包括：
3、s1、获取ies的预设参数数据，所述预设参数数据包括经济技术参数和负荷用能数据；
4、s2、根据所述预设参数数据建立ies电-氢-碳协同调度模型和综合需求响应模型，通过所述ies电-氢-碳协同调度模型描述ies电-氢-碳耦合关系，通过所述综合需求响应模型描述ies负荷聚合商的可响应负荷类型；
5、s3、根据所述预设参数数据建立ies双层优化控制模型，所述ies双层优化控制模型包括上层优化控制模型和下层优化控制模型；通过所述上层优化控制模型描述ies运营商的年运营收益目标，通过所述下层优化控制模型描述ies负荷聚合商参与综合需求响应的收益目标；
6、s4、综合采用区间线性规划与鲁棒优化，建立ies鲁棒随机优化模型；通过所述ies鲁棒随机优化模型计及风光出力的随机性、波动性和不确定性对ies的运行影响，得到不确定性因素影响下的ies碳能协同优化方案。
7、作为计及风光不确定的ies碳能协同优化方法优选方案，步骤s1中，所述经济技术参数包括设备技术参数、电力价格、天然气价格、电负荷转移补偿单价、电负荷削减补偿单价、热负荷削减补偿单价、冷负荷削减补偿单价；
8、所述负荷用能数据包括电负荷、热负荷、冷负荷、光伏风电冬季日预测数据、风力发电的切入风速、额定风速、切出风速、光伏和风力发电初始时的允许偏差率、初始鲁棒性系数。
9、作为计及风光不确定的ies碳能协同优化方法优选方案，步骤s2中，所述ies电-氢-碳协同调度模型的表达公式为：
10、
11、
12、
13、
14、
15、式中，为碳捕集在t时段捕获的co2量；αgt、βgb为燃气轮机和燃气锅炉单位输出功率的碳排放量；αco2为ccs捕获效率；为p2g在t时段产生的氢气量；为p2g产生的甲烷量；为t时段制氢气消耗的电功率；为t时段制甲烷消耗的氢功率；αp2g为电制氢效率；ηp2g为氢制甲烷效率；分别为燃料电池的发电和制热功率；αfc.e、αfc.h分别为燃料电池的发电和制热效率；为输入到燃料电池的氢功率。
16、作为计及风光不确定的ies碳能协同优化方法优选方案，步骤s2中，所述综合需求响应模型的表达公式为：
17、
18、
19、
20、式中，为t时段参与需求响应后的电负荷量；为t时段的初始电负荷量；分别为t时段被转移和被削减的电负荷量；为t时段参与需求响应后的热负荷量；为t时段的初始热负荷量；为t时段被削减的热负荷量；为t时段参与需求响应后的冷负荷量；为t时段的初始冷负荷量；分别为t时段被削减的冷负荷量。
21、作为计及风光不确定的ies碳能协同优化方法优选方案，步骤s3中，所述上层优化控制模型的目标函数为：
22、
23、
24、
25、
26、
27、式中：为t时段参与需求响应后的电负荷量；为t时段参与需求响应后的热负荷量；为t时段参与需求响应后的冷负荷量；分别为电价、热价和冷价；为ies向天然气网购买的天然气；为天然气单价；为ies向电网购买的电功率；为电网分时电价；分别为电负荷转入量、转出量和削减量；分别为电负荷转移补偿单价和削减补偿单价；分别为热负荷和冷负荷的削减量；分别为热负荷和冷负荷的削减补偿单价；为t时段ies运营商的售能收益；为t时段天然气购买成本；为t时段购电成本；为t时段的综合需求响应成本；为t时段的碳交易成本；f1为ies运营商的年运营成本。
28、作为计及风光不确定的ies碳能协同优化方法优选方案，步骤s3中，所述上层优化控制模型的约束条件包括：
29、(1)能源供需平衡约束：
30、
31、
32、
33、式中：分别为t时段风机和光伏输出功率；为t时段燃气轮机输出功率；为t时段ies向电网购买的电功率；为t时段蓄电池放电功率；为t时段燃料电池输出电功率；为t时段参与需求响应后的电负荷量；为t时段电制冷机消耗的电功率；为t时段蓄电池充电功率；为t时段余热锅炉输出功率；为t时段燃气锅炉输出功率；为t时段储热装置放热功率；为t时段参与需求响应后的热负荷量；为t时段燃料电池输出热功率；为t时段吸收式制冷机消耗的热功率；为t时段储热装置充热功率；为t时段吸收式制冷机输出功率；为t时段电制冷机输出功率；为t时段参与需求响应后的冷负荷量；
34、(2)设备运行约束：
35、
36、
37、式中，α∈(gt,gb,whb,ac,er,ccs)；pα.max、pα.min为设备α功率上下限；β∈(gt,gb)；pα,down、pα,up为设备α向下和向上爬坡功率限制；分别为t-1和t时段设备α的输出功率；
38、<本文档来自技高网...
【技术保护点】
1.计及风光不确定的IES碳能协同优化方法，其特征在于，包括：
2.根据权利要求1所述的计及风光不确定的IES碳能协同优化方法，其特征在于，步骤S1中，所述经济技术参数包括设备技术参数、电力价格、天然气价格、电负荷转移补偿单价、电负荷削减补偿单价、热负荷削减补偿单价、冷负荷削减补偿单价；
3.根据权利要求1所述的计及风光不确定的IES碳能协同优化方法，其特征在于，步骤S2中，所述IES电-氢-碳协同调度模型的表达公式为：
4.根据权利要求3所述的计及风光不确定的IES碳能协同优化方法，其特征在于，步骤S2中，所述综合需求响应模型的表达公式为：
5.根据权利要求4所述的计及风光不确定的IES碳能协同优化方法，其特征在于，步骤S3中，所述上层优化控制模型的目标函数为：
6.根据权利要求5所述的计及风光不确定的IES碳能协同优化方法，其特征在于，步骤S3中，所述上层优化控制模型的约束条件包括：
7.根据权利要求6所述的计及风光不确定的IES碳能协同优化方法，其特征在于，步骤S3中，所述下层优化控制模型的目标函数为：
8.根据权利要求7所述的计及风光不确定的IES碳能协同优化方法，其特征在于，所述下层优化控制模型的约束条件包括：
9.根据权利要求8所述的计及风光不确定的IES碳能协同优化方法，其特征在于，步骤S4中，所述IES鲁棒随机优化模型的表达公式为：
10.计及风光不确定的IES碳能协同优化装置，其特征在于，包括：
...【技术特征摘要】
1.计及风光不确定的ies碳能协同优化方法，其特征在于，包括：
2.根据权利要求1所述的计及风光不确定的ies碳能协同优化方法，其特征在于，步骤s1中，所述经济技术参数包括设备技术参数、电力价格、天然气价格、电负荷转移补偿单价、电负荷削减补偿单价、热负荷削减补偿单价、冷负荷削减补偿单价；
3.根据权利要求1所述的计及风光不确定的ies碳能协同优化方法，其特征在于，步骤s2中，所述ies电-氢-碳协同调度模型的表达公式为：
4.根据权利要求3所述的计及风光不确定的ies碳能协同优化方法，其特征在于，步骤s2中，所述综合需求响应模型的表达公式为：
5.根据权利要求4所述的计及风光不确定的ies碳能协同优化方法，其特征在...
【专利技术属性】
技术研发人员：赵宇尘，原凯，薛振宇，郭铭群，李敬如，罗金山，金强，杨露露，孙充勃，冯明灿，郑宇光，万志伟，丁雨頔，颜景娴，梁文茹，王婷婷，
申请(专利权)人：国网经济技术研究院有限公司，
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。