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】
本专利技术属于能源调度,具体涉及一种基于风险成本和碳交易的综合能源低碳调度方法。
技术介绍
1、随着经济的高速发展和社会的持续进步,能源和环境问题日益突出。通过大力发展风力发电、光伏发电、水力发电、核能发电和氢能发电等清洁能源发电方式,摸索和发展更加先进的电力生产和电力消费模式,已成为电力行业发展的新的方向。
2、综合能源调度,指通过耦合区域内的多种电力能源,对区域内的多种电力能源进行合理调度,从而实现区域内电力能源的动态协同和优势互补。在综合能源调度的研究中,如何利用各类电力能源的特性优势进行多能优化协调调度,实现多种不同电力能源的优势互补,尽可能的使得电力能源的供给可靠度最高,是综合能源调度的主要研究目标。合理的综合能源调度方案可以使得区域内的各种电力能源具有更灵活的动态调配互补特性、较高安全性和分配精度,确保供电的安全性和可靠度。
3、现有研究大多采用不同方法对不确定性风险进行了评估,但是均未考虑系统调度过程中的碳排放问题,未能体现能源生产过程中的附加环境成本。为了减少综合能源系统运行过程中的碳排放,提出了基于风险成本和碳交易的综合能源低碳调度方法。
技术实现思路
1、本专利技术的目的是提供一种基于风险成本和碳交易的综合能源低碳调度方法,通过对能源供应端中电力能源的调度,实现碳排放的减少。
2、本专利技术所采用的技术方案是,基于风险成本和碳交易的综合能源低碳调度方法,包括以下步骤:
3、步骤1,对综合能源系统中的风电、光伏、电热
4、步骤2,基于概率密度函数并通过拉丁超立方抽样生成不确定因素的场景样本,对生成的场景样本进行缩减得到典型样本集;
5、步骤3,采用条件风险价值理论量化上述典型样本集带来的风险,并引入碳交易机制建立综合能源系统低碳调度模型;
6、步骤4,将通过典型样本集得到的预测值及设备参数作为输入,对综合能源系统低碳调度模型进行求解,得到低碳调度方案;
7、步骤5,根据低碳调度方案对综合能源系统中电力系统进行优化调度。
8、本专利技术的特征还在于,
9、步骤1中风电、光伏、电热气负荷以及电价进行不确定性建模具体为:
10、针对风电和光伏的不确定性,其概率密度函数为:
11、
12、其中,δprenew为随机变量可再生能源发电功率预测误差,σrenew2为方差,预测误差为δprenew~n(0,σrenew2);
13、针对电热气负荷的不确定性,设随机变量为μ,μ在[a,b]内服从正态分布,其概率密度函数为:
14、
15、其中,μ0是μ的均值;σ0是μ的标准差;
16、针对电价的不确定性,首先对电价波动进行预处理,预处理公式如下所示,
17、
18、其中,xe,i是电价波动的第i个离散样本;pe,i是第i天的电价波动;
19、基于得到的xe,i,电价的概率密度函数为:
20、
21、其中,f(xe)是电价的概率密度函数;xe是电价波动的随机变量;ne是电价波动的样本总数;he是核密度估计中电价波动的带宽;k是代表核密度估计方法中采用的核函数。
22、步骤2中通过拉丁超立方抽样生成不确定因素的场景样本包括以下步骤:
23、步骤2.1,从风电、光伏、电热气负荷以及电价中随机抽取样本变量xk,样本变量xk的取值范围为xk∈[xkd,xku];
24、步骤2.2,样本变量xk的概率密度函数区间为[fk(xkd),fk(xku)],将区间分为n等分;
25、步骤2.3,从每一个区间随机的选择一个值,每一个变量的n个值和其他变量的值进行随机组合;
26、步骤2.4,对上述求值进行逆变换处理,得到场景样本。
27、步骤2中对生成的场景样本进行缩减得到典型样本集具体包括以下步骤:
28、步骤2.5,对场景样本进行初始化处理,第i个样本的概率为:
29、pi=1/n;
30、其中pi为样本概率,n为样本变量xk的区间等分数值;
31、步骤2.6,对于每个样本,计算与其他样本之间的概率距离,并选取保持概率距离不变的最小子集作为削减后的子集;
32、从削减后的子集中随机抽取两个样本xi、xj,获取两个样本之间的欧式距离dij,公式如下:
33、
34、其中,
35、步骤2.7计算样本i的概率距离pdi,计算公式如下:
36、pdi=pidil
37、其中,dil为与样本i欧氏距离的最小值,l为与样本i欧氏距离中最小样本;
38、步骤2.8,重复上述步骤2.5至2.7,直至获取足够数量的样本构成典型样本集。
39、步骤3中采用条件风险价值理论量化不确定因素带来的风险具体为,假设决策变量向量x和随机变量向量y,将随机变量向量y离散化处理,基于决策变量向量x和随机变量向量y对风险价值cvar进行计算,公式如下:
40、
41、其中,ys代表典型样本集下情景s中随机变量向量y的值,s取值1、2……n,p(ys)为情景s的发生概率,β是风险价值,varβ是为置信水平为β时所对应的风险价值。
42、步骤3中碳交易机制如下公式所示:
43、
44、其中,是碳交易价格;是实际碳排放量;是碳交易配额;
45、实际碳排放量如下述公式所示,
46、
47、其中,σpra是实际碳排放强度,pcon(t)是机组的出力;
48、碳交易配额如下述公式所示,
49、
50、其中,σquo是单位出力的碳排放配额;pcon(t)是机组的出力。
51、建立综合能源系统低碳调度模型具体如下述公式所示:
52、minc=λcex+(1-λ)ccvar
53、其中,c是基于cvar的综合能源系统综合成本,cex为期望成本,ccvar是系统经济调度的条件风险价值,λ为所占权重,λ取值0~1。
54、期望成本cex的计算公式如下所示:
55、cex=ce+cg+ces+chs+cgs+cdr+cc
56、其中,ce是购电成本,cg是购气成本,ces是储电成本,chs是储热成本,cgs是储气成本,cdr是需求响应成本,cc是碳交易成本。
57、系统经济调度的条件风险价值的计算公式如下所示:
58、
59、其中,cex是系统的期望成本,α是风险价值,β是置信水平。
60、步骤3中建立综合能源系统低碳调度模型还包括约束条件,约束条件包括:能量平衡约束、功率上下限约束、储能约束和需求响应约束。
61、步本文档来自技高网...
【技术保护点】
1.基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤1中风电、光伏、电热气负荷以及电价进行不确定性建模具体为:
3.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤2中通过拉丁超立方抽样生成不确定因素的场景样本包括以下步骤:
4.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤2中对生成的场景样本进行缩减得到典型样本集具体包括以下步骤:
5.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤3中采用条件风险价值理论量化不确定因素带来的风险具体为,假设决策变量向量x和随机变量向量y,将随机变量向量y离散化处理,基于决策变量向量x和随机变量向量y对风险价值CVaR进行计算,公式如下:
6.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤3中碳交易机制如下公式所示:
8.根据权利要求7所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述期望成本CEX的计算公式如下所示:
9.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤3中建立综合能源系统低碳调度模型还包括约束条件,所述约束条件包括:能量平衡约束、功率上下限约束、储能约束和需求响应约束。
10.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤4中对综合能源系统低碳调度模型进行求解采用Yalmip+Cplex进行求解。
...【技术特征摘要】
1.基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤1中风电、光伏、电热气负荷以及电价进行不确定性建模具体为:
3.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤2中通过拉丁超立方抽样生成不确定因素的场景样本包括以下步骤:
4.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤2中对生成的场景样本进行缩减得到典型样本集具体包括以下步骤:
5.根据权利要求1所述的基于风险成本和碳交易的综合能源低碳调度方法,其特征在于,所述步骤3中采用条件风险价值理论量化不确定因素带来的风险具体为,假设决策变量向量x和随机变量向量y,将随机变量向量y离散化处理,基于决策变量向量x和随机变量向量y对风险价值cvar...
【专利技术属性】
技术研发人员:王平,张渊植,赵丰,蔺云峰,
申请(专利权)人:中国大唐集团科学技术研究总院有限公司西北电力试验研究院,
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。