一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法

技术领域

本发明涉及综合能源系统优化规划与能量管理领域，特别是涉及一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。

背景技术

随着能源危机和环境污染的加剧，可再生能源发电日益普及，然而在实践中，多种形式的能源往往同时被使用(例如，电热冷气)，因此，仅仅针对电力需求进行规划是不够的。目前，由于不同能量流具有不同的特性，大多数具有多种能源需求的能源系统都是单独规划和运行的，这导致了能源供应成本和碳排放高、能源效率低、鲁棒性差等各种问题。近年来，各种新型设备和研究方法的出现，使得综合能源系统逐步成为提高经济效益、减少碳排放和满足多样化能源需求的一种很有前景的模式。综合能源系统由能源生产设备、能源转换设备、能源传输设备和能源存储设备组成，通过多种能源形式的时空协调互补，系统可以满足电力、供暖、制冷和燃气等多种需求。由于间歇性可再生能源发电和负荷变化带来的不确定性，综合能源系统的规划的重要性日渐凸显，适当的容量规划对综合能源系统的经济成本、能源利用效率、能源供应可靠性和碳排放等方面均会产生关键影响。

现有的综合能源系统规划问题主要存在以下几个挑战：(1)综合能源系统规划中包括了各种能源流(电热冷气)和多种不确定性(源侧和需求侧)，但现有的大多数方法只考虑了电力或电力/热力，这些不确定性没有得到充分考虑。(2)实际的源侧和需求侧数据往往是难以获得的，现有的方法要么只使用一个典型日的数据进行规划，要么使用传统的场景生成方法简单地扩展现有数据，导致规划结果不准确，规划模型适用性差。(3)在大多数现有的方法中，碳排放约束仅被视为辅助或从属因素，规划结果无法保持经济指标和碳排放指标之间的平衡，有时为了降低系统成本，规划结果不得不允许额外的碳排放。

本发明公开一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。该方法使用一种改进的可控生成对抗网络对系统的运行场景进行生成，充分刻画出系统源侧和需求侧的不确定性；构建了具有多种能量流和设备的综合能源系统拓扑结构，并对系统中的各类设备进行数学建模；然后结合生成的运行场景，提出了一种综合考虑系统的总体经济指标、碳排放指标和系统供能可靠性指标的综合能源系统设备容量优化配置模型；最后通过求解器对模型进行优化求解，为综合能源系统的设备容量优化配置提供了更加精确可靠的解决方案。

发明内容

本发明的目的在于针对现有技术的不足，提供一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法。本发明所采用的技术方案如下：

步骤(1)，在生成对抗网络中加入控制向量进行改进，构建基于改进可控生成对抗网络的综合能源系统运行场景生成模型，并基于历史数据对改进后的生成对抗网络进行训练，使用训练完毕后的生成器对包括多种类型源-荷数据在内的复杂运行场景进行生成，得到综合能源系统运行场景集；所述多种类型源-荷数据至少包括风电、光伏、电负荷、热负荷、冷负荷数据；

步骤(2)，对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模(风电、光伏、电转气、热泵、电制冷机、吸收式制冷机、空调、燃气锅炉、燃气轮机、电储、热储、冷储、气储)，构建综合能源系统的拓扑结构；

步骤(3)，结合步骤(1)中得到的综合能源系统运行场景集以及步骤(2)中得到的设备数学模型和综合能源系统拓扑结构，构建考虑场景不确定性和碳排放的综合能源系统设备容量优化配置模型，具体包括以下子步骤：

(3.1)建立优化的目标函数：

综合能源系统总的优化目标函数主要包括总体经济指标、碳交易指标、供能可靠性指标三个方面，具体如下所示：

其中，Obj

(3.1.1)总体经济指标：

其中，

(3.1.2)碳交易指标：

其中，

(3.1.3)供能可靠性惩罚：

其中，λ

(3.2)建立优化的约束条件，包括能量平衡约束(电热冷气)、设备容量约束、设备功率约束、电网交互功率约束、气网输气功率约束、储能SOC约束、储能充放能功率约束(电储、热储、冷储、气储)、储气罐压力约束、碳排放强度约束、碳排放总量约束、碳交易额度约束；

步骤(4)，将通过求解器对步骤(3)中得到的综合能源系统设备容量优化配置模型进行优化求解，得到系统中各类设备的最优配置容量。

本发明的有益效果在于：本发明建立了一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，以系统的总经济指标最低、碳排放指标最小、供能可靠性最高为优化目标，考虑系统的能量平衡约束、设备容量约束、设备功率约束、储能运行约束、碳排放强度约束等约束条件，并采用求解器求解此优化问题，该方法可以降低综合能源系统的建设成本和用户的用能成本，提升供能稳定性，为综合能源系统的规划和建设提供更加经济低碳、鲁棒性更好的解决方案。

附图说明

图1为综合能源系统拓扑结构示意图；

图2为改进后的可控生成对抗网络的整体结构示意图；

图3为生成的一般运行场景集中部分典型日示意图，其中(a)为风电出力场景,(b)为光伏出力场景，(c)为电负荷场景，(d)为热负荷场景；图中各曲线上标注的数字代表日期，例如数字10.03表示10月3日。

图4为生成的极端运行场景集中部分典型日示意图，其中(a)为风电出力场景,(b)为光伏出力场景，(c)为电负荷场景，(d)为热负荷场景；图中各曲线上标注的数字代表日期，例如数字10.03表示10月3日。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明涉及一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，该综合能源系统包括多种可再生能源(风电、光伏)，储能设备(电储、热储、冷储、气储)，电转气设备，热泵，空调，电制冷机，吸收式制冷机，燃气轮机，燃气锅炉，等等，如图1所示。本发明的目的是提出一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法，从而为综合能源系统的规划提供更加精确的指导，使得系统总体上更加经济低碳。为说明本发明效果，下面以某一含可再生能源的综合能源系统作为本发明的实施对象对本发明方法进行详细说明：

步骤(1)，在基础的生成对抗网络中加入控制向量，构建基于改进可控生成对抗网络的综合能源系统运行场景生成模型，并基于历史数据对改进后的生成对抗网络进行训练，使用训练完毕后的生成器对包括风电、光伏、电负荷、热负荷、冷负荷等多种类型源-荷数据在内的复杂运行场景进行生成，得到综合能源系统运行场景集；

(1.1)构建基础的生成对抗网络模型：生成对抗网络模型主要由生成器和判别器两部分构成，根据生成器和判别器的训练目标，分别构造两者的损失函数L

其中，p

生成器和判别器的训练目标分别是使L

(1.2)将基础的生成对抗网络模型改进成具有可解释性的可控生成对抗网络模型：

1.2.1)对判别器进行改造，将一个辅助网络Q附加到判别器D的第二层到最后一层；1.2.2)选取控制向量c＝{平均值、最大值、最小值、平均波动值、最大爬坡值}和随机噪声z一起输入到生成器G中；1.2.3)根据控制向量c，从历史数据中挑选出特征指标和c最接近的一组数据，输入到辨别器D中；1.2.4)对生成器G、辨别器D和辅助网络Q进行迭代训练，直至模型收敛；1.2.5)使用训练好的生成器，通过设置控制向量c的值，以此来生成综合能源系统运行场景集。

改进后的模型训练目标函数如下：

其中，D(x|c)和D(G(z,c))分别表示在控制向量c的影响下，挑选出的历史场景和生成的场景在判别器D中被认为是真实样本的概率；λ表示一个超参数；L

本发明所使用的改进后的可控生成对抗网络模型的整体结构如图2所示，模型构建完毕后，将风电、光伏、电负荷、热负荷和冷负荷的历史数据分别输入到构建好的生成对抗模型中进行训练，模型可以自发地学习到历史数据的统计特征。

(1.3)设置合适的控制向量的值，并使用训练完毕后的模型的生成器对风电、光伏的和各类负荷数据进行生成，生成的一般运行场景和极端运行场景分别如图3和图4所示，图3中的四组曲线(a)、(b)、(c)、(d)分别表示从生成的一般运行场景中抽取出的具有代表性的部分典型日的风电、光伏、电负荷和热负荷，图4中的四组曲线(a)、(b)、(c)、(d)分别表示从生成的极端运行场景中抽取出的具有代表性的部分典型日的风电、光伏、电负荷和热负荷，从图中可以看出改进后的生成对抗网络可以根据用户的实际需求生成具有不同偏向的运行场景。

步骤(2)，对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模(风电、光伏、电转气、热泵、电制冷机、吸收式制冷机、空调、燃气锅炉、燃气轮机、电储、热储、冷储、气储)，然后提出需要构建的综合能源系统的拓扑结构；

(2.1)对综合能源系统中的各类能量生产、能量转化和能量存储设备进行数学建模：

(2.1.1)热泵

其中，

(2.1.2)空调、电制冷机、吸收式制冷机

Q

Q

Q

其中，Q

(2.1.3)电转气

其中，G

(2.1.4)燃气轮机

其中，P

(2.1.5)燃气锅炉

其中，Q

(2.1.6)储能设备(电储、热储、冷储、气储)

其中，τ表示充放能标志位，E

(2.2)本方法所构建的综合能源系统拓扑结构具体如图1所示。

步骤(3)，结合步骤(1)中得到的综合能源系统运行场景集以及步骤(2)中得到的设备数学模型和综合能源系统拓扑结构，构建一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置模型，具体包括以下子步骤：

(3.1)建立优化的目标函数：

综合能源系统总的优化目标函数主要包括总体经济指标、碳交易指标、供能可靠性指标三个方面，具体如下所示：

其中，Obj

(3.1.1)总体经济指标：

其中，

总经济指标中的投资成本、运维成本、燃气费用、电网购电费用、电网售电收益和设备残值的计算过程具体如下：

投资成本：

其中，N

运维成本：

其中，N

燃气费用：

其中，

电网购电费用/电网售电收益：

其中，

设备残值：

其中，

(3.1.2)碳交易指标：

其中，

系统的碳排放总量的计算过程具体如下：

其中，e

(3.1.3)供能可靠性惩罚：

其中，λ

系统供能可靠性函数和惩罚系数的计算过程具体如下：

供能可靠性函数：

其中，

惩罚系数：

(3.2)建立优化的约束条件，包括能量平衡约束(电热冷气)、设备容量约束、设备功率约束、电网交互功率约束、气网输气功率约束、储能SOC约束和储能充放能功率约束(电储、热储、冷储、气储)、储气罐压力约束、碳排放强度约束、碳排放总量约束、碳交易额度约束；

(3.2.1)电功率平衡约束：

其中，P

(3.2.2)热功率平衡约束：

其中，Q

(3.2.3)冷功率平衡约束：

其中，

(3.2.4)气功率平衡约束：

其中，G

(3.2.5)设备容量约束：

其中，

(3.2.6)设备功率约束：

其中，

(3.2.7)电储能运行约束：

(3.2.8)热储能/冷储能运行约束：

(3.2.9)气储运行约束：

其中，tank

(3.2.10)碳排放强度约束：

0≤e

0≤e

其中，e_max

(3.2.11)碳排放总量约束：

其中，

(3.2.12)碳交易额度约束：

其中，

步骤(4)，本算例所构建的综合能源系统中设备的各项参数如表1所示，优化模型中所使用的各项参数的取值如表2所示，储能设备的参数如表3所示，分时电价和天然气价格如表4所示。

表1综合能源系统中设备的参数

表2优化模型中参数的取值

表3储能设备的参数值

表4分时电价和天然气价格

将模型的参数设置输入到求解器中，使用求解器对步骤(3)中得到的模型进行优化求解，得到综合能源系统中各类设备的最优配置容量：风电390kW，光伏480kW，电转气80kW，热泵330kW，燃气轮机150kW，燃气锅炉160kW，空调250kW，电制冷机12kW，吸收式制冷机80kW，电解制氢10kW，电储200kWh，热储150kWh，冷储100kWh，气储80kWh，氢储100kWh。此种容量配置方式下，系统规划过程中对应的各类指标如表5所示。

表5最优配置容量下系统对应的各项指标

基于上述以上结果可知，本发明为含多种可再生能源的综合能源系统内各类设备的配置容量值的选取提供了一种合理有效的参考，通过该方法计算出的解，不仅可以保证系统供能的可靠性，还能够减少系统的碳排放和总经济成本。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。