考虑条件风险价值的电–热–氢综合能源系统优化运行方法

技术领域

本发明涉及光伏出力和负荷预测偏差评估方法，属于电力系统优化运行领域。

背景技术

能源危机和环境污染会阻碍社会经济的发展，是现阶段亟待解决的社会难题。综合能源系统是指在一定区域内利用先进的物理信息技术和创新管理模式，整合区域内电能、热能、煤炭和天然气等多种能源，实现能源间的协调运行和互补互济的能源系统。在满足多元化用能需求的同时，综合能源系统能显著提升可再生能源的利用效率，并实现节能减排。因此，构建多能耦合的综合能源系统是未来发展的必然趋势。

近年来，因氢气具有清洁环保和可长期储能的优点，以氢气为能源转化媒介的电–热–氢综合能源系统受到高度关注。特别地，电能、热能和氢能等多种能源形式耦合组成的电–热–氢系统可借助于氢气的长期储能特性，避免安装大容量价格高昂的电池储能，有利于降低系统的建设和运行成本。然而，不准确的可再生能源和负荷预测会影响电–热–氢综合能源系统提前制定的调度计划，导致调度成本出现波动，当前如何防范不确定性因素给系统带来调度成本增加的风险并未受到足够重视。

此时，基于风险度量方法进行风险管理以降低系统调度成本的波动风险是一种自然而然的想法。金融领域的风险度量方法包括风险价值(value-at-risk，VaR)和条件风险价值(conditional value-at-risk，CVaR)。前者表示一定置信水平下获得的最大损失阈值，而后者为超过该阈值的所有情形的均值，因而应用更为广泛。已有大量研究使用CVaR评估综合能源系统规划和运行过程中的风险，但尚未或较少研究关注到因光伏出力和负荷预测偏差导致的电-热-氢综合能源系统调度成本波动的问题。

从这方面说，将CVaR理论与电-热-氢综合能源系统的优化调度过程集成以充分考虑调度成本波动风险具有研究的现实意义。

发明内容

本发明的目的是为了解决现有尚未或较少研究关注到因光伏出力和负荷预测偏差导致的电-热-氢综合能源系统调度成本波动的问题，提出了考虑条件风险价值的电–热–氢综合能源系统优化运行方法。

考虑条件风险价值的电–热–氢综合能源系统优化运行方法，所述方法包括以下内容：

步骤1、获取综合能源系统的经济参数、技术参数和出力数据；

步骤2、根据综合能源系统的经济参数、技术参数和出力数据，建立CVaR的综合能源系统两阶段优化运行模型的目标函数；

步骤3、利用约束条件对CVaR的综合能源系统两阶段优化运行模型的目标函数进行约束，获得综合能源系统的最小总成本，从而优化综合能源系统的运行。

优选地，综合能源系统包括光伏电池板、电池储能、氢燃料电池、电解槽和热泵；

综合能源系统的经济参数包括光伏电池板的运维成本和单位投资成本、电池储能的运维成本和单位投资成本、氢燃料电池的运维成本和单位投资成本、热泵的运维成本和单位投资成本、电解槽的运维成本和单位投资成本；

综合能源系统的技术参数包括光伏电池板的寿命、电池储能的充放电效率、氢燃料电池的热能供应效率、热泵的热能供应效率和电解槽的寿命。

优选地，CVaR的综合能源系统两阶段优化运行模型的目标函数，表示为：

min(C

式中，C

C

式中，t表示时间索引；Λ表示调度时间范围；

C

式中，w表示不同光伏及负荷场景的索引；Ω表示场景集；

C

式中，

优选地，约束条件包括日前调度约束、实时调度约束与CVaR约束。

优选地，日前调度约束包括功率平衡约束、购电功率约束、设备运行约束和储能约束；

功率平衡约束，表示为：

式中，

购电功率约束，表示为：

式中，

设备运行约束，表示为：

式中，H

储能约束，表示为：

式中，

优选地，实时调度约束包括功率平衡约束、购电功率约束、失负荷约束、设备运行约束；

功率平衡约束，表示为：

式中，

购电功率约束，表示为：

失负荷约束，表示为：

式中，

优选地，CVaR约束，表示为：

式中，

优选地，所述方法还包括步骤4；

步骤4、根据风险成本，计算标准差和加权平均值，根据标准差和加权平均值，获得风险成本对综合能源系统运营商的影响。

本发明的有益效果是：

本发明引入风险管理的概念，提出涉及CVaR的电-热-氢综合能源系统两阶段优化运行模型的目标函数。所涉及的综合能源系统包含光伏、储热、储氢、电解槽和热泵等多种能源供应及转换设备，可充分挖掘电热氢三种能源的互补特性。根据构建的模型的目标函数，能够得到目标函数的最小值，也就是综合能源系统的最小总成本，从而抑制综合能源系统总成本的波动，也就是抑制电-热-氢综合能源系统因不准确光伏和负荷预测引起系统调度成本波动的风险，从而使得综合能源系统安全运行。

本发明提出的CVaR的综合能源系统优化方法，该方法引入CVaR衡量综合能源系统调度成本(目标函数的最小值)的波动风险，量化风险水平对调度成本产生的影响，对未来高光伏渗透率电网的运行具有指导意义。

本发明提出的CVaR的电-热-氢综合能源系统的两阶段优化运行模型，模型在考虑日前购电计划和负荷实时预测误差校正时引入CVaR指标评估光伏出力和负荷预测偏差造成的电-热-氢综合能源系统调度成本的波动风险，有助于探索未来高比例可再生能源和灵活电力负荷接入下的综合能源系统优化运行方案。

附图说明

图1为考虑条件风险价值的电–热–氢综合能源系统优化运行方法的流程图；

图2为电价和光伏出力预测值曲线图；

图3为电负荷、热负荷和氢负荷预测值曲线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

实施例：

考虑条件风险价值的电–热–氢综合能源系统优化运行方法，所述方法包括以下内容：

步骤1、获取综合能源系统的经济参数、技术参数和出力数据；

步骤2、根据综合能源系统的经济参数、技术参数和出力数据，建立CVaR的综合能源系统两阶段优化运行模型的目标函数；

步骤3、利用约束条件对CVaR的综合能源系统两阶段优化运行模型的目标函数进行约束，获得综合能源系统的最小总成本，从而优化综合能源系统的运行。

步骤1除了获得综合能源系统的经济参数、技术参数、不同负荷场景的出力数据以外，还要确定模型的调度时间范围、不同光伏和负荷出力场景的概率。

本实施例中，综合能源系统包括光伏电池板、电池储能、氢燃料电池、电解槽和热泵；

综合能源系统的经济参数包括光伏电池板的运维成本和单位投资成本、电池储能的运维成本和单位投资成本、氢燃料电池的运维成本和单位投资成本、热泵的运维成本和单位投资成本、电解槽的运维成本和单位投资成本；

综合能源系统的技术参数包括光伏电池板的寿命、电池储能的充放电效率、氢燃料电池的热能供应效率、热泵的热能供应效率和电解槽的寿命。

本实施例中，CVaR的综合能源系统两阶段优化运行模型的目标函数，表示为：

min(C

式中，C

C

式中，t表示时间索引；Λ表示调度时间范围；

C

式中，w表示不同光伏及负荷场景的索引；Ω表示场景集；

C

式中，

模型的目标函数为系统的日前调度成本、实时调度成本期望值、风险水平与风险成本乘积三部分之和，计算公式如公式1。

本实施例中，约束条件包括日前调度约束、实时调度约束与CVaR约束。

本实施例中，日前调度约束包括功率平衡约束、购电功率约束、设备运行约束和储能约束；

功率平衡约束，表示为：

式中，

购电功率约束，表示为：

式中，

设备运行约束，表示为：

式中，H

储能约束，表示为：

式中，

调度时间范围Λ为0-24时。公式1中系统的实时调度成本期望值C

CVaR表示系统的风险成本，风险成本可以衡量由于光伏和负荷预测不准确而导致电-热-氢综合能源系统调度成本出现波动的水平，在置信水平β下可由线性模型计算得出系统风险成本，计算公式如公式4。

约束条件第一部分为日前调度约束。为尽可能降低日前调度成本，电力系统实际运行中通常选择在日前调度阶段确定向上级电网的购电计划并初步估计光伏出力情况。本模型中日前调度约束主要阐释综合能源系统中电能、热能和氢能之间的耦合关系，同时约束各个设备在安全范围内稳定运行，主要包括功率平衡约束、购电功率约束与设备运行约束。各约束公式如公式5至公式8所示，其中公式8将储氢装置运行约束和电池储能运行约束统一表示为储能约束。

本实施例中，实时调度约束包括功率平衡约束、购电功率约束、失负荷约束、设备运行约束；

功率平衡约束，表示为：

式中，

购电功率约束，表示为：

失负荷约束，表示为：

式中，

约束条件第二部分为实时调度约束。电力供需实时平衡是保障电力系统稳定运行的必要条件，本部分主要考虑功率平衡约束、购电功率约束、失负荷约束、设备运行约束，其中设备约束与日前调度阶段公式7至公式8的设备约束相同，其余约束公式如公式9至公式11所示。

本实施例中，CVaR约束，表示为：

式中，

本实施例中，所述方法还包括步骤4；

步骤4、根据风险成本，计算标准差和加权平均值，根据标准差和加权平均值，获得风险成本对综合能源系统运营商的影响。

本发明构建的优化模型为混合整数线性规划模型，采用基于Spyder平台的Gurobi求解器求解，并分析分析不同风险水平和不同光荷出力场景下系统调度成本的极差、标准差、加权平均值及风险成本的变化趋势。

实验验证：

本实施例采用的调度时间范围为24小时，时间间隔为1小时，电价和光伏出力的预测值如图2所示，图2中附图标记1表示光伏出力的预测值，附图标记2表示电价的预测值；负荷的预测值如图3所示，图3中附图标记3表示电负荷，附图标记4表示热负荷，附图标记5表示氢负荷。关于光伏及负荷的实际取值，设实际光伏出力分别为预测出力的1.2、1.1、1.0、0.9和0.8倍，对应概率分别为0.1、0.2、0.4、0.2和0.1，实际负荷值分别为预测负荷值的1.05，1.0和0.95倍，对应概率分别为0.25、0.5和0.25；随之共可产生135个不同风荷出力场景。

关于设备的参数，假设电池最大充放电电功率为0.95MW，最大放电功率为1.25MW，电池储能的额定容量为5MWh；储氢损耗忽略不计，最大进/出氢量为12.5kg/h。其余参数设置如表1所示。

表1电-热-氢综合能源系统的主要参数

调用Gurobi求解器对所建模型进行求解，得到当风险水平分别为0、1和5时，135个实际风荷出力场景下综合能源系统调度成本的统计数据及相应的风险成本，如表2所示。

表2 135个实际光伏和负荷场景下系统调度成本的统计数据，以及不同风险水平下的风险成本

由表2数据可知，135个场景下综合能源系统调度成本的极差和标准偏差随风险水平增高而减小，但系统调度成本的加权平均值反而增大。比如，当风险水平为0时，系统调度成本的标准差和加权平均值分别为1.18×10

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。