System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电-气综合能源系统优化运行方法,具体涉及计及不确定性的电-气综合能源系统优化运行方法。
技术介绍
1、随着新能源行业的快速发展和相关政策的引导和支持,对于能源高质量发展的分析和研究是至关重要的。新能源如风电、光伏等越来越多地接入电力系统,逐渐形成了含高比例新能源的综合能源系统。然而,由于新能源的不确定性,综合能源系统缺乏灵活性,这给高效消纳带来了挑战,进一步影响了系统的运行和调度计划的制定。因此,建立针对风电、光伏不确定性的风险成本模型,并考虑耦合设备转换效率的不确定性,以开展优化运行研究,对于推动新能源行业的发展和提高能源利用效率具有重要意义。
2、目前,针对考虑风光不确定性的优化运行模型,有多种建模机理可供选择。然而,这些模型无法准确反映调度员在决策时的风险态度,也无法刻画超过置信水平的风险损失,从而可能影响最优决策的准确性。为了更好地评估风电和光伏的不确定性对弃风光和切负荷的风险损失的影响,条件风险价值(conditional value at risk,cvar)是一种被广泛应用于电力系统中的金融风险评估方法。除了新能源的不确定性,能源转换过程中的外界因素也会对转换效率产生影响。p2g作为电-气综合能源系统的主要耦合单元,加强了电力系统和天然气系统的联系,促进了可再生能源的消纳。然而,电转气技术中存在着氢碳配比、电解效率、环境温度等不确定性,这会综合影响电转气过程的转换效率,但目前对其转换效率不确定性的研究还不充分。
技术实现思路
1、本专利技术目
2、本专利技术所采用的技术方案是:计及不确定性的电-气综合能源系统优化运行方法,具体操作步骤如下:
3、步骤1:基于cvar度量风电和光伏的不确定性风险,以量化系统面临的风险损失;
4、步骤2:基于步骤1建立电-气综合能源系统的优化运行模型,所述优化运行模型包括电力系统和天然气系统的目标函数和约束条件;
5、步骤3:基于自适应惩罚admm的分解机制对步骤2的优化问题进行分布式求解,构建电-气综合能源系统分布式优化框架;
6、步骤4:使用cplex求解器求解优化模型,通过算例分析讨论风光不确定性和p2g不确定性对电-气综合能源系统优化运行的影响。
7、本专利技术的特点还在于:
8、步骤1中,采用bp神经网络对历史风电数据进行训练,以预测风电、光伏发电功率,并通过cvar理论对风光不确定性的成本风险进行建模度量。弃风光惩罚费用的计算如式(1),切负荷损失的计算如式(2)。
9、
10、
11、式中,为弃风光惩罚费用;为弃风光量;ccut为弃风光惩罚系数;为切负荷惩罚费用;为切负荷总量;cshed为切负荷惩罚系数。
12、假设风光总场景集ωw={ωw,t,k=1,2,…,nw},其中nw为风光的场景总个数,得到弃风光风险和切负荷风险的cvar值如式(3)~(4)。
13、
14、
15、式中,α1、α2分别为弃风光和切负荷的风险损失临界值。
16、由此可得考虑风光不确定性的风险成本式(5)。
17、
18、步骤2中,基于cvar度量的电-气综合能源系统优化运行模型如下:
19、(1)电力系统优化运行模型
20、优化目标是最小化电力系统总成本,包括向主网购电的成本、燃气轮机的耗气成本和p2g运行净成本。此外,还考虑了风险成本,通过风险偏好系数进行反映。
21、
22、式中,ce,t为购电成本系数;cgas,t为燃气轮机购气成本系数;为p2g售给天然气网的收益系数;为p2g的日运行成本;为向主网购电的功率;为燃气轮机所需的天然气体积;为p2g向气网售出的天然气体积;ξ为风险偏好系数;fe_cvar为电力系统的风险成本。
23、约束条件主要包括电力网络约束、节点电压约束、从主网吸收的功率约束、p2g和燃气轮机运行约束、风电和光伏出力约束,以及风电和光伏出力约束。
24、电力系统网络约束主要基于distflow潮流模型来描述,具体如下:
25、
26、
27、
28、式中,z(j)、y(j)为节点j上的燃气轮机和p2g集合;m(j)、n(j)为节点j上的风电机组和光伏机组集合;pw,t、ps,t为风电和光伏出力;为燃气轮机和p2g的无功出力;pl,j,t、ql,j,t为节点j上的有功负荷和无功负荷;为p2g的有功出力值。
29、各节点电压幅值的上、下限满足:
30、uj,min≤uj,t≤uj,max (10)
31、式中,uj,max、uj,min为节点j上电压上、下限。
32、从主网的购电功率的上、下限满足:
33、
34、
35、式中,为从主网的购买的有功功率上、下限;为从主网的购买的无功功率上、下限。
36、p2g作为电-气综合能源系统的耦合单元,包括电转氢和氢制甲烷化两个过程。本专利技术引入仿射算法对p2g的转换效率建立不确定性模型,如式(13)。p2g设备还需满足如下约束:
37、
38、
39、
40、式中,ηp,t、ηp,0为分别表示p2g的转换效率和转换效率的仿射中心值;为p2g效率的仿射噪声元,取值为[-1,1];εp为p2g效率的仿射噪声元系数。
41、各电力系统节点上连接的燃气轮机满足如下约束:
42、
43、
44、
45、式中,vg,t为燃气轮机g消耗的天然气体积;pg,t为燃气轮机g的发电量;ηg为燃气轮机g的转换效率;hhv为天然气高热值;为燃气轮机g的出力上、下限;为燃气轮机g的爬坡上、下限。
46、各电力系统节点上连接的风电和光伏出力满足如下约束:
47、
48、
49、式中,pmax,w、pmin,w为风电出力的上、下限;pmax,s、pmin,s为光伏出力的上、下限;为风电出力的爬坡上、下限;为光伏出力的爬坡上、下限。
50、(2)天然气系统优化运行模型
51、优化目标是将天然气系统的成本最小化。其中,包括从天然气供应商和p2g处购气成本、储气罐运行成本以及向电网售气所得的收益。同时,还需要考虑风险成本,通过风险偏好系数反映。
52、
53、式中,cgas为天然气系统从供应商处的购气成本系数;ctank为储气罐运行成本系数;为天然气系统从供应商处的购气体积;为天然气系统从p2g处的购气体积;为天然气系统向电力系统的售气体积;fg_cvar为天然气系统本文档来自技高网...
【技术保护点】
1.计及不确定性的电-气综合能源系统优化运行方法,其特征在于,具体操作步骤如下:
2.根据权利要求1所述的计及不确定性的电-气综合能源系统优化运行方法,其特征在于,步骤1中,采用BP神经网络对历史风电数据进行训练,以预测风电、光伏发电功率,并通过CVaR理论对风光不确定性的成本风险进行建模度量;弃风光惩罚费用的计算如式(1),切负荷损失的计算如式(2);
3.根据权利要求1所述的计及不确定性的电-气综合能源系统优化运行方法,其特征在于,步骤2中,基于CVaR度量的电-气综合能源系统优化运行目标函数如下:
4.根据权利要求3所述的计及不确定性的电-气综合能源系统优化运行方法,其特征在于,步骤3的电-气综合能源系统分布式优化模型的目标函数如下:
5.根据权利要求4所述的计及不确定性的电-气综合能源系统优化运行方法,其特征在于,步骤4中,使用CPLEX求解器求解优化模型,通过算例分析讨论风光不确定性和P2G不确定性对电-气综合能源系统优化运行的影响。
【技术特征摘要】
1.计及不确定性的电-气综合能源系统优化运行方法,其特征在于,具体操作步骤如下:
2.根据权利要求1所述的计及不确定性的电-气综合能源系统优化运行方法,其特征在于,步骤1中,采用bp神经网络对历史风电数据进行训练,以预测风电、光伏发电功率,并通过cvar理论对风光不确定性的成本风险进行建模度量;弃风光惩罚费用的计算如式(1),切负荷损失的计算如式(2);
3.根据权利要求1所述的计及不确定性的电-气综合能源系统优化运行方法,...
【专利技术属性】
技术研发人员:段建东,刘帆,田秦星,吴尘,夏烨瑞,
申请(专利权)人:西安理工大学,
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。