【技术实现步骤摘要】
本专利技术涉及电力系统规划领域，特别是涉及一种基于碳减排路径优化模型的机组容量规划方法及系统。
技术介绍
1、随着能源问题日益加剧，可再生能源的开发利用得到各国的重视。加快电力系统低碳化转型是实现低碳发展的关键，电力系统应尽量减少煤电机组的投建，以清洁能源机组代替传统电源机组出力，而这将加剧电力供给不稳定的困境，高比例新能源大规模并网将带来更加严峻的新能源消纳问题；同时随着经济社会不断发展，负荷的种类与用能需求不断增加，负荷的波动将进一步加剧。为保证电力的可持续供应，可以通过整合和调度热能资源来释放热能侧的调节潜力，以此增强电力系统调节能力。此外，利用电-热耦合可以实现废热的回收利用，通过能源的高效利用来减少系统碳排放量。碳因素是电力系统低碳转型的核心驱动因素，减排路径研究成为新型电力系统实现清洁低碳目标的关键问题。因此，针对电-热耦合系统进行考虑碳减排路径的长周期规划优化，对解决当前电力系统低碳化转型所面临现实问题具有重要意义。
技术实现思路
1、本专利技术的目的是提供一种基于碳减排路径优化模型的机组容量规划方法及系统，实现了对能源机组容量的优化，降低电力系统碳排放量。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于碳减排路径优化模型的机组容量规划方法，所述方法包括：
4、获取风电光伏功率数据和电热负荷数据；
5、基于风电光伏功率数据和电热负荷数据构建碳减排路径优化模型；所述碳减排路径优化模型包括目标函数和约束条件，所
6、对碳减排路径优化模型进行分层求解，得到最优的能源机组容量规划方案。
7、可选的，获取风电光伏功率数据的过程为：
8、将风电光伏出力的实际运行的历史数据通过k均值聚类算法按照区域的天气特征将分为四个部分，将每个部分的数据聚类为一簇，得到风电光伏功率数据。
9、可选的，获取电热负荷数据的过程为：
10、基于电负荷和热负荷的实际运行的历史数据使用lhs(latin hypercubesampling，拉丁超立方体采样)方法生成负荷场景；
11、在负荷场景中采用k均值聚类算法获得电热负荷数据。
12、可选的，基于风电光伏功率数据和电热负荷数据构建碳减排路径优化模型，具体包括：
13、基于风电光伏功率数据和电热负荷数据设定范围阈值，构建减排路径优化模型中的目标函数和约束条件。
14、可选的，所述目标函数为：
15、min fco＝f+ccarbon；
16、fco＝cinv+cmain+cop+ccarbon+cdeload；
17、f＝cinv+cmain+cop+cdeload；
18、
19、
20、
21、
22、
23、rn＝(1+i)-n；
24、其中，fco为加入碳排放惩罚成本的系统总成本，f表示系统总成本，主要包括各类型机组的投建成本cinv、机组维护成本cmain、机组运行成本cop、碳排放惩罚成本ccarbon和切负荷惩罚成本cdeload；投资成本构成主体包括风电机组光伏机组煤电机组热电联产机组热源锅炉和电化学储能系统an,s,x表示各类型机组的单位容量投资成本，表示各类型机组的装机容量，rn为等效年份的现值系数，ωn为规划年份集合，ωs为年内场景集合，ωx为各类型机组集合；维护成本构成主体包括风电机组光伏机组煤电机组热电联产机组热源锅炉和电化学储能系统bn,s,x表示各类型机组的单位容量维护成本；运行成本构成主体包括风电机组光伏机组煤电机组热电联产机组热源锅炉和电化学储能系统为第n年第s场景下第t时刻的系统切负荷电量，为对应的单位电量切负荷成本，ωt为每日运行时刻集合，δt为时间间隔；i为折现率；和分别为煤电机组、热电联产机组和热源锅炉运行产生二氧化碳所构成的碳排放惩罚成本；和为第n年第s场景下的煤电机组发电、热电联产机组发电、热电联产机组供热和热源锅炉供热的单位碳排放量惩罚成本。
25、可选的，所述机组约束，具体包括：装机容量约束、电力/热力机组组合初步筛选约束、热电联产机组运行约束、功率平衡约束、线路传输功率约束、机组出力上下限约束和机组升降坡约束；
26、其中，所述装机容量约束为：
27、
28、
29、其中，和表示第n年各类型机组装机容量的下限与上限；表示各类型机组的装机容量；
30、所述电力/热力机组组合初步筛选约束为：
31、
32、
33、其中，σwind、σpv、σg和σchp分别为风电机组、光伏机组、煤电机组以及热电联产机组的置信因子；为当前系统规划年里最大电负荷，rd,e为电力容量备用系数；σboil为供热机组的置信因子，为当前系统规划年里最大热负荷，rd,h为热力容量备用系数；
34、所述热电联产机组运行约束为：
35、
36、其中，pt和ht为热电联产机组的电出力与热出力，ρ为背压式热电联产机组的热电比，β为热电联产机组运行特性相关的常数；σv1和σv2表示在热电联产机组进汽量不变的情况下，增加单位热功率而造成的电功率减小量，σm表示为热电联产机组在背压工况下的热电功率系数，pmin和pmax为热电联产机组的最小电出力与最大电出力，hmin为热电联产机组的最小热出力，hmed为抽凝式热电联产机组的热中值；
37、所述功率平衡约束为：
38、
39、
40、其中，和为风电机组、光伏机组、煤电机组、热电联产机组和储能系统的第n年第s场景下第t时刻的电出力，和为热电联产机组和热源锅炉的第n年第s场景下第t时刻的热出力，为第n年第s场景下第t时刻的系统切负荷需求，和分别为第n年第s场景下第t时刻的系统电负荷需求和热负荷需求；
41、所述线路传输功率约束为：
42、
43、其中，pn,s,t,k是第k条支路的有功功率实际值，和分别是第k条支路的最大允许功率值以及最小允许功率值；
44、所述机组出力上下限约束为：
45、
46、
47、其中，和分别为供电机组的最小技术出力与最大技术出力；和为供热机组的最小技术出力和最大技术出力；
48、所述机组升降坡约束为：
49、
50、
51、其中，和为供电机组的向上爬坡允许功率和向下降坡允许功率；和为供热机组的向上爬坡允许功率和向下降坡允许功率。
52、可选的，所述碳排放量限制约束包括：
53、
54、其中，和为燃料供电机组的第n年第s场景第t时刻下的实际电出力，和为燃料供热机组第n年第s场景第t时本文档来自技高网...
【技术保护点】
1.一种基于碳减排路径优化模型的机组容量规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，获取风电光伏功率数据的过程为：
3.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，获取电热负荷数据的过程为：
4.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，基于风电光伏功率数据和电热负荷数据构建碳减排路径优化模型，具体包括：
5.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，所述目标函数为：
6.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，所述机组约束，具体包括：装机容量约束、电力/热力机组组合初步筛选约束、热电联产机组运行约束、功率平衡约束、线路传输功率约束、机组出力上下限约束和机组升降坡约束；
7.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，所述碳排放量限制约束包括：
8.一种基于碳减排路径优化
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种基于碳减排路径优化模型的机组容量规划方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，获取风电光伏功率数据的过程为：
3.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，获取电热负荷数据的过程为：
4.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，基于风电光伏功率数据和电热负荷数据构建碳减排路径优化模型，具体包括：
5.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，所述目标函数为：
6.根据权利要求1所述的基于碳减排路径优化模型的机组容量规划方法，其特征在于，所述机组约束...
【专利技术属性】
技术研发人员：孟祥飞，赵龙，田鑫，刘念，蒋凯，杨立超，文艳，刘海涛，安鹏，陈博，杨思，高效海，杨斌，王男，魏佳，张丽娜，邱轩宇，魏鑫，石冰珂，马力，袁振华，张玉跃，王耀，李淑杨，
申请(专利权)人：国网山东省电力公司经济技术研究院，
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。