一种园区能源互联网能源设备容量优化配置方法与流程

本发明涉及园区能源互联网的规划技术，特别涉及一种园区能源互联网能源设备容量优化配置方法。

背景技术

当前，化石能源日渐枯竭和环境污染日益严峻，能源结构面临转型升级的挑战。园区能源互联网靠近用户侧，集成可再生能源、可利用多种能源优势互补和提高能源利用效率，是实现能源可持续发展的有效途径。

园区能源互联网包含能源生产、转换和储存等能源设备，合理地配置其内部能源设备容量，具有十分重要的意义。园区能源互联网能源设备容量的优化配置，是在满足安全约束的前提下，采用不同目标，合理配置内部能源设备的安装容量。目前研究中，园区能源互联网的规划存在仅单独考虑供电系统的规划、使用单一场景进行规划和规划能源设备的种类少等不足。针对以上问题，本发明提供一种园区能源互联网能源设备容量优化配置方法，能够实现园区能源互联网配置和运行的联合优化，而且考虑了光伏出力和负荷的多场景，规划结果更符合实际。

技术实现要素：

本发明的目的在于解决园区能源互联网容量配置问题，能够实现园区能源互联网配置和运行的联合优化。为实现上述目的，本发明提出一种园区能源互联网能源设备容量优化配置方法，包括以下步骤：

(1)构建光伏出力和电/热/天然气负荷的多场景模型；

(2)建立能源设备容量优化上层模型，求解能源设备的最优配置容量；

(3)建立园区能源互联网运行优化下层模型，求解确定场景和确定能源设备容量下，园区能源互联网的最优运行方式；

(4)利用遗传算法求解上层模型，利用cplex求解器求解下层模型，得到能源设备的最优配置容量。

所述的能源设备包括光伏、热电联产设备、燃气锅炉、电锅炉以及热储能设备。

所述的步骤(1)包括：

(1-1)根据全年光照小时数据，按春秋季、夏季和冬季三种季度情况分别进行k均值聚类，得到ns个光照场景，ns为设定值；

(1-2)根据光照场景和光伏出力模型得到ns个光伏出力场景；

其中，β为光照强度，β^rated为光照强度额定值，epv为光伏出力，为光伏额定容量；

(1-3)按春秋季、夏季和冬季三种季度情况，确定电/热/天然气负荷典型日数据，与光伏出力场景进行组合，形成ns个光伏出力和电/热/天然气负荷场景。

所述的步骤(2)的上层模型包括目标函数和约束条件；

所述上层模型的目标函数为年综合费用c1最小化：

其中，为场景s下的运行费用，p^s场景s出现的概率；ndec为能源设备总数，为第i个能源设备的安装容量，为第i个能源设备单位容量的安装成本，i的取值范围为1～ndec；为第i个能源设备的年资金回收率，计算如下：

其中，r为折现率；yi为第i个能源设备的全寿命周期年限；

场景s下的运行费用由运行维护费用燃料费用电能交易费用和碳排放税构成，计算如下：

其中，△t为优化时间间隔，t为优化总时段；为场景s下t时段第i个能源设备的输入功率，t的取值范围为1～t；为第i个能源设备的运行维护成本系数；

和分别为场景s下t时段园区能源互联网与电网的购/售电功率和购/售电价；为场景s下t时段园区能源互联网的购气功率，vlhv为天然气燃烧低热值；ae和ag分别为电能和天然气的碳排放系数，cc为碳税价格；

所述上层模型的约束条件为：

0≤pi^rated≤pi^max

其中，为第i个能源设备的最大安装容量。

所述的步骤(3)的下层模型包括目标函数和约束条件；

所述下层模型的目标函数为场景s下的运行费用最小化：

所述下层模型的约束条件包括能源功率平衡约束、能源设备运行约束以及能源交互功率约束；

所述的能源功率平衡约束为:

其中，和分别为场景s下t时段光伏、热电联产设备、电锅炉和电负荷的电功率；和分别为场景s下t时段电锅炉、燃气锅炉、热电联产设备、热负荷的热功率；和分别为热储能设备的充放热功率；

和分别为场景s下t时段燃气锅炉、热电联产设备和天然气负荷的气功率；

所述的能源设备运行约束为：

其中，和分别为热储能设备的最大充放能功率；和分别为热储能设备优化初始时段和结束时段的储能比例；和分别为电锅炉、热电联产设备和燃气锅炉的安装容量；和分别为热电联产设备和燃气锅炉的向上爬坡速率限值；和分别为热电联产设备和燃气锅炉向下爬坡速率限值；

所述的能源交互功率约束为：

其中，和分别为园区能源互联网购气功率、购电和售电功率的最大值；为表征园区能源互联网购电状态的变量，当园区能源互联网购电时等于1，其余状态时等于0。

所述的步骤(4)，具体方法包括：

(4-1)数据初始化，输入光伏出力和电/热/天然气负荷的ns个场景数据；

(4-2)对上层的决策变量进行编码，随机生成初始种群，每个个体代表一种园区能源互联网能源设备容量配置；

(4-3)对种群内的每个个体，利用cplex求解器进行每个场景的下层运行优化，并将最优的运行费用返回至上层；

(4-4)上层根据下层的优化结果，计算每个个体的适应度函数值；

(4-5)判断是否满足终止条件，若是则输出能源设备的最优容量配置方案，否则进行步骤(4-6)；

(4-6)对种群进行选择、交叉和变异操作形成下一代种群，返回至步骤(4-3)。

与现有技术相比，本发明的有益效果在于：

(1)综合了能源生产、转换和储存设备的容量优化配置，优化配置方案更加全面、适用性更加广泛；

(2)实现了园区能源互联网容量配置和运行策略的联合优化，优化配置方案计及了运行的安全性和经济性；

(3)考虑了光伏出力和电/热/天然气负荷的多场景，优化配置方案更符合实际。

附图说明

图1为园区能源互联网能源设备容量优化配置方法的步骤示意图；

图2为双层模型的求解流程图；

图3为典型的园区能源互联网的结构图；

图4a～图4c为光伏出力的多场景曲线图；

图5a～图5c为电/热/天然气负荷的多场景曲线图。

具体实施方式

以下结合附图和实例对本发明的具体实施做进一步说明。显然所述的的实施例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做出创造性劳动前提下所获得的所有其他实施明中的实施例，本领域普通技术人员在没有做出创造性劳动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。

(1)构建光伏出力和电/热/天然气负荷的多场景模型；

(2)建立能源设备容量优化上层模型，求解能源设备的最优配置容量；

(3)建立园区能源互联网运行优化下层模型，求解确定场景和确定能源设备容量下，园区能源互联网的最优运行方式；

(4)利用遗传算法求解上层模型，利用cplex求解器求解下层模型，得到能源设备的最优配置容量。

所述的能源设备包括光伏、热电联产设备、燃气锅炉、电锅炉以及热储能设备。

所述的步骤(1)包括：

(1-1)根据全年光照小时数据，按春秋季、夏季和冬季三种季度情况分别进行k均值聚类，类别数均为3，得到9个光照场景，其中k均值聚类的原理为：

对于集合x＝{x1，x2，…，xn}，其类别数为c，聚类的目标函数为误差平方和jc最小：

其中，wi为第i个类别的聚类中心；dij为0-1系数，满足：

(1-2)根据光照场景和光伏出力模型得到ns个光伏出力场景；

其中，β为光照强度，β^rated为光照强度额定值，epv为光伏出力，为光伏额定容量；

(1-3)按春秋季、夏季和冬季三种季度情况，确定电/热/天然气负荷典型日数据，与光伏出力场景进行组合，形成9个光伏出力和电/热/天然气负荷场景。

所述的步骤(2)的上层模型包括目标函数和约束条件；

所述上层模型的目标函数为年综合费用c1最小化：

其中，为场景s下的运行费用，p^s场景s出现的概率；ndec为能源设备总数，为第i个能源设备的安装容量，为第i个能源设备单位容量的安装成本，i的取值范围为1～ndec；为第i个能源设备的年资金回收率，计算如下：

其中，r为折现率；yi为第i个能源设备的全寿命周期年限；

场景s下的运行费用由运行维护费用燃料费用电能交易费用和碳排放税构成，计算如下：

其中，△t为优化时间间隔，t为优化总时段；为场景s下t时段第i个能源设备的输入功率，t的取值范围为1～t；为第i个能源设备的运行维护成本系数；和分别为场景s下t时段园区能源互联网与电网的购/售电功率和购/售电价；为场景s下t时段园区能源互联网的购气功率，vlhv为天然气燃烧低热值；ae和ag分别为电能和天然气的碳排放系数，cc为碳税价格；

所述上层模型的约束条件为：

其中，为第i个能源设备的最大安装容量。

所述的步骤(3)的下层模型包括目标函数和约束条件；

所述下层模型的目标函数为场景s下的运行费用最小化：

所述下层模型的约束条件包括能源功率平衡约束、能源设备运行约束以及能源交互功率约束；

所述的能源功率平衡约束为:

其中，和分别为场景s下t时段光伏、热电联产设备、电锅炉和电负荷的电功率；和分别为场景s下t时段电锅炉、燃气锅炉、热电联产设备、热负荷的热功率；和分别为热储能设备的充放热功率；

和分别为场景s下t时段燃气锅炉、热电联产设备和天然气负荷的气功率；

所述的能源设备运行约束为：

其中，和分别为热储能设备的最大充放能功率；和分别为热储能设备优化初始时段和结束时段的储能比例；和分别为电锅炉、热电联产设备和燃气锅炉的安装容量；和分别为热电联产设备和燃气锅炉的向上爬坡速率限值；和分别为热电联产设备和燃气锅炉向下爬坡速率限值；

所述的能源交互功率约束为：

其中，和分别为园区能源互联网购气功率、购电和售电功率的最大值；为表征园区能源互联网购电状态的变量，当园区能源互联网购电时等于1，其余状态时等于0。

所述的步骤(4)，具体方法包括：

(4-1)数据初始化，输入光伏出力和电/热/天然气负荷的ns个场景数据；

(4-2)对上层的决策变量进行编码，随机生成初始种群，每个个体代表一种园区能源互联网能源设备容量配置；

(4-3)对种群内的每个个体，利用cplex求解器进行每个场景的下层运行优化，并将最优的运行费用返回至上层；

(4-4)上层根据下层的优化结果，计算每个个体的适应度函数值；

(4-5)判断是否满足终止条件，若是则输出能源设备的最优容量配置方案，否则进行步骤(4-6)；

(4-6)对种群进行选择、交叉和变异操作形成下一代种群，返回至步骤(4-3)。

以一个典型的园区能源互联网为例进行说明，其结构如图3所示。

光伏出力的多场景曲线如图4a～图4c所示(分别对应春秋季、夏季、冬季)，电/热/天然气负荷的多场景曲线如图5a～图5c所示(分别对应春秋季、夏季、冬季)。各场景出现的天数如表1所示。

表1光伏和负荷场景出现的天数

园区能源互联网内部各能源设备的参数和容量配置结果如表2所示。

表2各能源设备的参数和容量配置

综上所述，本发明提供一种园区能源互联网容量配置优化方法，通过本方案可实现对园区能源互联网配置和运行的联合优化，而且考虑了光伏出力和负荷的多场景，规划结果更符合实际。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化，均应为等效的置换方式，都应包含在本发明的保护范围之内。