一种零碳园区综合能源规划仿真方法、系统和计算机设备与流程

1.本发明属于能源综合利用技术领域，具体涉及一种零碳园区综合能源规划仿真方法、系统和计算机设备。


背景技术：

2.二氧化碳等温室气体排放与全球气候变化之间存在直接的关系。人类在生产、生活中，向大气中排放的二氧化碳气体增多，导致大气中二氧化碳的浓度不断增加，使得现在气候危机严重影响人类的生活。为了进一步降低碳排放量，需要建设零碳园区，而建设零碳园区，就需要通过源网荷储、综合能源系统的规划，来实现零碳园区能源活动的节能减碳，为园区的碳中和提供优化路径。
3.零碳园区综合能源的规划，需要以双碳为建设目标，考虑园区综合能源建设前后的碳排放量、新建清洁能源的消纳比、项目投资成本等关键因素，进行多种能源系统的容量规划配置，包括冷能、热能、电能等能源类型，源网荷储中的源即能源产生方，有电制冷、电制热、光伏发电、风电发电、燃气机制电等，网即多能流网络，荷是园区用能负荷，储包括冷储能、热储能和电储能等。
4.而目前的方法，由于变量太多，数据量大，只能对典型日做规划。但若用典型日的规划结果，作为长期运行的某个园区的规划结果与理想的规划效果偏差较大，适应性低。


技术实现要素：

5.本发明提供了一种零碳园区综合能源规划仿真方法和系统，结合碳核算和能源规划，对冷、热、电多种能源形式进行多目标优化配置，得到最优配置和运行方案。
6.为达到上述目的，本发明所述一种零碳园区综合能源规划仿真方法包括以下步骤：
7.s1、根据园区的地理位置收集典型年全年每个小时的光资源辐照量数据和风资源平均风速，由光资源辐照量数据和风资源平均风速测算单位装机情况的典型年每个小时的风电发电量和光伏发电量；收集项目园区典型年的全年负荷数据，获取全年每个小时的使用冷能用量、热能用量和电能用量；
8.s2、在每个季节内对每天各个小时的光伏发电量、风电发电量、冷能用量、热能用量和电能用量进行聚类分析，共得到n个典型天，典型天的第j天的第x个小时的光伏发电量、风电发电量、冷能用量、热能用量和电能用量分别等于聚类的中心值，每个典型天的权重为在聚类该类别中的天数除以典型年的天数；
9.s3、进行第一级优化求解：求解多目标问题的试解解集，多目标问题的试解是光伏、风电、储能、冷能、热能等能源设备的规划容量；
10.优化问题的多目标为：投资成本最低、碳排放量最小、新能源弃电率最低；约束为电力平衡约束、电量平衡约束、热能平衡约束和冷能平衡约束，优化问题的解集是风电、光伏、储能、冷能、热能设备的规划容量，所述碳排放量根据典型天的权重以及典型天的电网
用电量、冷能用能量和热能用能量计算；
11.求解过程是：用优化算法根据人工设置的遗传种群数量的初始参数，随机生成多组第一级优化的试解；
12.s4、进行第二级优化求解：将第一级优化的试解以及试解在算法中的迭代变异结果带入s4中计算，得到每个试解的电储能调度策略，然后回到s3，用个试解的电储能调度策略更新约束条件，再根据更新后的约束条件和目标进行求解，从而得到最优解集，即多个风电、光伏、储能、冷能和热能设备的规划容量；
13.s5、根据二级优化的最优解集，求出单一最优解，获得风电、光伏、储能、冷能和热能等多种能源设备的规划容量。
14.进一步的，s5完成后，计算单一最优解在对应的储典型年每个小时的各类能源调度策略，根据单一最优解以及其s4得到的储能调度策略，对典型年每个小时的各类能量进行仿真运行，获得每个小时源网荷储的能量平衡情况，检查单一最优解是否合理。
15.进一步的，s2中，用k-means聚类算法进行聚类分析。
16.进一步的，s3中，使用带精英策略的非支配排序遗传算法求解多目标问题的试解解集。
17.进一步的，s3中，电力平衡约束为：p
pv,t
+p
wind,t
+p
grid,t
+p
load,t
+p
battery,t
＝0；其中，p
pv,t
为第t小时的光伏发电量，p
wind,t
为第t小时的风电发电量，p
grid,t
为第t小时的电网用电量，p
load,t
符号为负，为第t小时的负荷的电能用电量，p
battery,t
为第t小时的储能充放电量；
18.电量平衡约束为：
19.其中，j表示第j天，aj为第j天的新能源弃电量；
20.冷能平衡约束为：冷能设备产生的冷能等于冷能用量；
21.热能平衡约束为：热能设备产生的热能等于热能用量。
22.进一步的，s4中，使用遗传算法求解电储能的调度策略。
23.进一步的，s5中，求出单一最优解时，优先考虑投资成本最优，对所有最优解进行加权计算，得到单一最优解。
24.一种零碳园区综合能源规划仿真系统，其特征在于，包括：
25.采集存储模块，用于支持零碳园区综合能源规划仿真系统执行上述的规划方法的s1；
26.处理模块用于支持零碳园区综合能源规划仿真系统执行上述的规划方法的s2至s5。
27.一种计算机设备，包括电连接的存储器和处理器，所述存储器上存储有可在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，实现上述的方法的步骤。
28.与现有技术相比，本发明至少具有以下有益的技术效果：
29.本发明提出了一种零碳园区综合能源规划仿真方法，对零碳园区进行综合能源规划仿真，通过对园区进行全面的碳核算，进行风、光自然资源的特性分析以及负荷特性数据分析，以碳排放量、投资成本、新能源消纳率为优化目标，对冷能、热能、电能的能源系统进行容量规划配置，其中电能包括光伏发电、风力发电、火电发电以及电网供电，然后对典型年8760小时进行各种能源类型的仿真模拟运行，对全年的能源总量平衡和每小时的能源功
率平衡进行对比分析，形成最优配置和运行方案。
30.本发明采用聚类算法根据季节对采集到的发电数据和负荷数据进行聚类，以简化数据，利用简化后的数据建立多目标模型，进行两级优化，从而得到更加准确的规划结果。进行聚类后可大大降低解集中解的数量(降低10-100倍)，使得能够在较长的时间内进行仿真；同时，本发明采用两级优化，一级得到试解，二级得到最优储能策略，然后在将最优储能策略更新一级求解条件，最后得到一个确定的解，此解即为最终的规划方案，且在确定规划方案的同时得到了最优运行策略。
31.进一步的，步骤s2中，区分不同季节然后采用k-means聚类算法进行聚类分析，季节通常有强烈的风光资源出力特性，而k-means方法使用高维数据点在空间中的欧氏距离的大小作为数据聚类划分的依据，这样的方法有效的把全年的风光资源出力以及负荷信息进行特征分类，既可以有效的降低变量个数，也保持了有效的特征。
32.进一步的，步骤s3中，采用带精英策略的非支配排序遗传算法进行一级求解，遗传算法的变体是常见的求解多目标资源配置优化问题的方法，而带精英策略的非支配排序算法在求解过程中无需给出任何先验参考即可进行计算，同时该算法可以得到最多的可行解。
33.进一步的，步骤s4中，采用遗传算法进行二级优化求解，该规模的求解问题用ga算法求解性能更好，计算耗时较短，并且在求解迭代中可以略微快速且较为稳定的收敛到最优解。
34.进一步的，步骤s5中，使用多准则决策制定技术求出单一最优解，可以根据具体的项目要求，对多个目标的权重进行调整，比如相比减少碳排量，如果更关注投资成本的话，则优先考虑投资成本最优，即调整增加投资成本的决策权重，这样得到的结果更符合工程规划的实际情况。
附图说明
35.图1为本发明提供的一种零碳园区综合能源规划仿真方法流程图；
36.图2为本发明提供的一种零碳园区综合能源规划仿真系统示意图；
37.图3为本发明提供的计算机设备的结构示意图。
具体实施方式
38.为了使本发明的目的和技术方案更加清晰和便于理解。以下结合附图和实施例，对本发明进行进一步的详细说明，此处所描述的具体实施例仅用于解释本发明，并非用于限定本发明。
39.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含
义是两个或两个以上。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
40.参照图1，一种零碳园区综合能源规划仿真方法，包括以下步骤：
41.步骤1，根据园区的地理位置收集典型年全年每个小时的光资源辐照量数据和风资源平均风速，由光资源辐照量数据和风资源平均风速测算单位装机情况的典型年每个小时的风电发电量和光伏的发电量，第t小时的光伏发电量是p
pv理论,t
，第t个小时的风电发电量是p
wind理论,t
。
42.步骤2，收集项目园区典型年的全年负荷数据，获取全年每个小时的使用冷能、热能、电能的数据，即第t小时的冷能用量、热能用量、电能用量分别记为load
cold,t
，load
heat,t
和p
load,t
，其中，load
cold,t
《0，load
heat,t
《0,p
load,t
《0。
43.步骤3，在每个季节内对每天各个小时的光伏发电量p
pv理论,t
、风电发电量p
wind理论,t
、load
cold,t
，load
heat,t
和电能用量p
load,t
，(t＝1～24)运用k-means聚类算法进行聚类分析，共得到n个典型天，典型天的第j天(j＝1～n)的第x个小时(x＝1～24)的光伏发电量、风电发电量、冷能用量、热能用量、电能用量分别等于聚类的中心值，分别用p
pv理论,j
、p
wind理论,j
、p
cold，j
，p
heat，j
和p
load,j
表示，每个典型天的权重为在聚类该类别中的天数除以365，用wj表示，j＝1～n。
44.步骤4，采用两级优化，进行第一级优化求解，使用带精英策略的非支配排序遗传算法(nsga-ii)求解多目标问题的试解解集。多目标问题的解是光伏、风电、储能、冷能、热能等能源设备的规划容量xm(m＝1～5分别表示五种能源设备的类别)。设备的参数规格是已知假设，已知风电、光伏、储能、冷能、热能等能源设备的单位容量的投资成本为c
单位容量，i
，则投资成本为如果任意小时电能用量比风电和光伏发电量以及储能放电的和要多，那么多出来的部分需要使用电网用电，已知电网用电的单位用量的碳排因子是
∝
grid
，冷能和热能设备产生单位冷能和热能的碳排因子是
∝
cold
和
∝
heat
，则碳排放量其中，p
grid,j
是电网用电量，p
cold，j
和p
heat，j
是典型天j的冷能用能量和热能用能量。每个小时有电力平衡，即p
pv,t
+p
wind,t
+p
grid,t
+p
load,t
+p
battery,t
＝0，p
pv,t
＝x1*p
pv理论,t
，p
wind,t
＝x2*p
wind理论,t
。
45.其中，p
pv,t
为光伏发电量，p
wind,t
为风电发电量，p
grid,t
为电网用电量，p
load,t
为负荷用电量，p
battery,t
为储能的充放电量，x1为光伏规划容量，x2为风电规划容量。
46.新能源的弃电发生在风电和光伏发电量超过电能用量时，多余的电量如果没有存储起来，这部分因为电力平衡的约束需要弃电，因此弃电量占总体风电和光伏发电总和的比例就是新能源的弃电率。根据每个小时的风电和光伏的发电量与用电需求的关系来判断是否存在弃电。某一天的新能源弃电量为弃电率为
47.由上述可知，优化问题的多目标为投资成本最低、碳排放量最小、新能源弃电率最低，约束为电能的电力、电量平衡约束、热能平衡约束、冷能平衡约束，优化问题的解集是风
电、光伏、储能、冷能、热能等能源设备的规划容量。
48.求解过程是：用优化算法根据人工设置的遗传种群数量的初始参数，随机生成多组第一级优化的试解，将第一级优化的试解以及试解在算法中的迭代变异结果都带入步骤5中计算，可以得到每个试解的电储能调度策略，然后回到本步骤，再根据约束条件和目标进行nsga-ii算法的求解，从而得到最优解集，多个风电、光伏、储能、冷能和热能等多种能源设备的规划容量，进入步骤6。
49.步骤5，进行第二级优化求解，将对第一级优化的试解作为第二级优化算法的输入条件即在风电、光伏、储能、冷能、热能设备的规划容量为假设已知的情况，在聚类典型天时间范围内，以碳排放量最小为优化目标，使用遗传算法求解电储能的调度策略，即聚类典型天的每个小时的储能的充放电量p
battery,t
。储能设备的规格参数是已知量，优化问题约束为p
battery,t
不能超过储能设备容量，任意一天的储能设备充放电量结果是平衡的，即一天内的充放电量的和为0。使用遗传算法求解，可以得到聚类典型天中电储能设备的调度策略。
50.步骤6，根据二级优化的最优解集，多个风电、光伏、储能、冷能和热能等多种能源设备的规划容量，使用多准则决策制定技术(mcdm)求出单一最优解，获得风电、光伏、储能、冷能和热能等多种能源设备的规划容量。
51.步骤7，计算单一最优解在对应的储典型年8760小时每个小时的各能调度策略，根据单一最优解以及其在优化算法中算出来的储能调度策略，对典型年8760小时每个小时的各类能量进行仿真运行，获得每个小时源网荷储的能量平衡情况，可以通过仿真结果来检查单一最优解的合理性。
52.若不合理可以调整算法的约束条件，检查算法原始输入数据的合理性，直至单一最优解合理。
53.第二方面，本发明提供一种零碳园区综合能源规划仿真系统，如图2所示，包括电连接的采集存储模块和处理模块；
54.所述采集存储模块：
55.内置不同行业的不同过程的碳排放因子，可以进行园区碳排放量的核算，计算碳排放总量。
56.内置风光资源数据以及风光发电量的计算方法，通过系统进行典型年每个小时的风光资源的发电量计算。
57.内置能源设备模型库，可以配置项目所需的风、光、冷、热、储等形式的设备参数。
58.内置不同行业的典型负荷数据，也可以通过界面配置定义典型年的多能负荷数据。
59.所述处理模块用于：
60.对负荷、风光资源特性进行综合分析，结合冷、热、风、光、储等多种能源类型，以成本、碳排、新能源消纳等作为目标进行多目标寻优，计算能源配置规划结果，即第一方面的方法在系统中的实现。
61.针对综合能源系统进行多时间尺度多能流的仿真运行，模拟分析每个时间段的能源供需关系。通过仿真数据证明运行时供需平衡，且各能源设备容量规划合理。
62.对零碳园区综合能源项目的全生命周期进行经济评价。主要是根据单位装机设备的投资成本、运行周期、电价、贷款利率、税率等已知参数，通过优化算法算出来的各个能源
系统的容量计算项目的收益率、投资回报时周期等经济评价指标。
63.第三方面，本发明提供一种计算机设备，如图3所示，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的零碳园区综合能源规划仿真方法。
64.所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。
65.所述处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
66.所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机设备的各种功能。
67.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
68.第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
69.应用实例
70.一种零碳园区综合能源规划仿真方法，包括以下步骤：
71.s1，输入典型年全年每个小时的光资源辐照量数据和风资源平均风速数据，由这些风光资源数据运用已知的计算方法测算单位装机情况的典型年每个小时的风电和光伏的发电量，第t小时的光伏发电量是p
pv单位理论,t
，风电发电量是p
wind单位理论,t
。
72.s2，输入项目园区的全年负荷数据，获取全年每个小时的使用冷能、热能、电能的数据，即第t小时的冷能用量、热能用量、电能用量分别是losd
cold,t
，load
heat,t
和p
load,t
，lodd
cold,t
《0，load
heat,t
《0,p
load,t
《0。
73.s3，将t小时的p
pv理论,t
、p
wind理论,t
、load
cold,t
，load
heat,t
和形成一个向量，在每个季节内以天为单位运用k-means聚类算法对这个向量进行聚类分析，共得到n个典型天，典型天当中的第j天(j＝1～n)的第x个小时(x＝1～24)的光伏发电量、风电发电量、冷能用量、热能用量、电能用量分别等于聚类的中心值，分别用p
pv理论,j
、p
wind理论,j
、p
cold,j
，p
heat,t
和p
load,j
表示。
74.每个典型天的权重为在聚类该类别中的天数除以365，用wj表示，j＝1～n。
75.s4，采用两级优化，首先定义第一级优化问题，优化问题的解是风电、光伏、储能、冷能、热能等能源设备的规划容量xm(m＝1～5分别表示五种能源设备的类别)，优化目标是投资成本最低、碳排放量最小和新能源弃电率最低，约束条件是电能的电力、电量平衡约束、热能平衡约束、冷能平衡约束。下面描述和解释目标和约束条件。
76.选定的设备的参数规格都是已知假设，已知风电、光伏、储能、冷能、热能等能源设备的单位容量的投资成本为c
单位容量，i
，则投资成本为
77.碳排放量的计算方法是能源使用量*该种能源的碳排放因子，新能源发电比如风电和光伏不产生碳排放量。已知电网用电的单位用量的碳排因子是
∝
grid
，冷能和热能设备产生单位冷能和热能的碳排因子是
∝
cold
和
∝
heat
，则碳排放量，则碳排放量其中p
cold，j
和p
heat，j
是典型天j的冷能用能量和热能用能量。每个时间都有电力平衡约束，即p
pv,t
+p
wind,t
+p
grid,t
+p
load,t
+p
battery,t
＝0，其中p
pv,t
＝x1*p
pv单位,t
，p
wind,t
＝x2*p
wind单位,t
，p
load,t
符号为负，表示电能用电量。|p
battery,t
|《储能容量*储能充放电倍率，充放电倍率这里设置为1c，可以根据项目做调整，当符号为负时表示储能充电量，符号为正时表示储能放电量。新能源的弃电率是风电和光伏发电量超过电能用量，同时没有被储能存储起来的部分占总体风电和光伏发电总和的比例。根据每个小时的风电和光伏的发电量与用电需求的关系来判断是否存在弃电。
78.当(p
pv理论,t
+p
wind理论,t
)《|p
load,t
+p
battery,t
|时，p
grid,t
》0，从电网用电，无弃电情况发生，p
pv,t
＝p
pv理论,t
且p
wind,t
＝p
wind理论,t
。
79.当(p
pv理论,t
+p
wind理论,t
)≥|p
load,t
+p
battery,t
|时，p
grid,t
＝0，不从电网用电，有弃电情况发生，一天的新能源弃电量为
80.弃电率为
81.每个时间都有电量平衡约束：
82.每个时间都有冷能平衡约束为：冷能设备产生的冷能等于冷能用量。
83.每个时间都有热能平衡约束为：热能设备产生的热能等于热能用量。
84.完成变(风电、光伏、储能、冷能、热能等能源设备的规划容量)目标和约束设置后，开始第一级优化求解过程，这里使用带精英策略的非支配排序遗传算法(nsga-ii)求解多目标问题的试解解集，算法初始参数种群数量设置为500个，迭代次数设置为30次，这些参数可以根据项目进行调整。
85.求解过程是，在优化算法中根据人工设置的遗传种群数量的初始参数500个，随机生成500组试解，将试解以及试解在算法中的迭代变异结果都带入步骤5中计算，可以得到每个试解在典型天中的储能调度策略，即每个小时的储能充放电量p
battery,t
，将储能充放电量p
battery,t
带入电力平衡约束和电量平衡约束中，然后回到本步骤中，再根据约束条件和目标进行nsga-ii算法的求解，以c
总
、e
总
、ar
总
最小为目标，从而得到规划容量xm的最优解集，进入步骤6。
86.s5，进行第二级优化求解，将第一级优化的试解作为第二级优化算法的输入条件，即在风电、光伏、储能、冷能、热能设备的规划容量为假设已知的情况，在聚类典型天时间范围内，以规定好的储能运行模式运行，以碳排放量最小为优化目标，使用遗传算法求解电储能的调度策略，即聚类典型天的每个小时的储能的充放电量p
battery,t
。
87.电储能设备的运行模式通常只有每日一充一放、两充两放、根据峰谷电价差进行调度等，此处设置为每日两充两放，可以根据项目进行调整。
88.约束条件包括制定周期内充放电量平衡，这里设置为任意一天的储能设备充放电量结果是平衡的，即一天内的充放电量的和为0。
89.约束条件包括储能设备性能限制，p
battery,t
《储能容量*储能充放电倍率。
90.优化目标问题转换，在风电、光伏和储能设备容量确定的情况下，目标碳排放量最小等效于储能设备的利用达到最大，即放电量最大。
91.使用遗传算法求解，可以得到聚类典型天中电储能设备的调度策略。
92.s6，根据二级优化的最优解集，使用多准则决策制定技术(mcdm)求出单一最优解，这里对c
总
、e
总
、ar
总
设置权重分别为0.5,0.3和0.2，优先考虑投资成本最优，对所有最优解进行加权计算，从而得到单一最优解，其对应的配置量组合就是这个零碳园区综合能源规划的最优配置，获得风电、光伏、储能、冷能和热能等多种能源设备的规划容量的组合xm，m＝1～5。
93.s7，根据单一最优解以及其在优化算法中算出来的储能调度策略，对典型年8760小时每个小时的各类能量进行仿真运行，获得每个小时源网荷储的能量平衡情况。
94.以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。