一种含风电的电-气-热综合能源系统扩展规划优化方法与流程

本发明涉及一种考虑风电不确定性的ies扩展优化规划方法，具体是一种含风电的电-气-热综合能源系统扩展规划优化方法。
背景技术：
：综合能源系统(ies)，作为一种电、气、热等多种能源间深度耦合的能源供应模式，其中chp(热电联产)作为其中一个耦合元件，因其更高的能源供应效率与系统运行灵活性而受到人们的广泛关注，必将成为未来能源供应的主流方式之一。然而，考虑既有系统模式的固化以及ies内部耦合的复杂性等因素影响，针对ies的扩展优化规划问题面临诸多困难并急需进一步开展更为深入的研究分析工作。目前，国内外已有部分专家学者对ies的规划问题展开了相关研究，然而，国内外的研究或者没有考虑风电的影响，或者仅以确定性的单日预测值代表其出力，在ies的规划中，缺乏对风电不确定性的考虑，虽然电、气负荷的不确定性在电-气系统规划中有被提及，但其与风电的不确定性存在较大差异，因此有必要对风功率波动性的影响展开更精细化的研究分析。另一方面，风能作为一种清洁的可再生能源，已得到广泛应用。相对于传统电网中的风电并网与消纳，在具有更高灵活性的ies中，如何合理规划使其更高效的应对可再生能源的不确定性是其面临的重要挑战之一。目前，在ies的规划中考虑风电不确定性的研究尚不多见，现有技术通过对风速历史数据聚类得到风电出力的典型场景，对风电场和电转气(powertogas,ptg)厂站进行协同规划，着重分析了ptg选址规划对系统运行的影响，但并未突出能源综合的理念。此外，在含风电的电力系统规划方面，场景分析法和概率解析法等方法被用于处理风电的不确定性影响，取得了诸多成果。因此，有必要进一步在ies的规划中合理、有效考虑风电的不确定性，以期提升ies规划的合理性和经济性。技术实现要素：针对上述问题，本发明提出了一种含风电的电-气-热综合能源系统扩展规划优化方法。将随机波动的风电纳入到ies中进行联合规划，建立了以投资、运行、电能不足与弃风成本之和最小为目标的混合整数线性规划模型，同时，针对所建模型难于直接、高效求解的问题，提出一种基于场景法的两阶段规划求解策略，以保证模型求解的效率及其可行性，从而对电、气、热三种能源进行耦合规划可减少总规划成本，大幅度提高了系统的经济性。此外，随着风电穿透率的增加，总成本先减小后增大，因此结合当地的风电接入容量、负荷水平进行扩展规划对系统经济性具有非常关键的影响。为了实现上述目的，本发明采用如下技术方案：一种含风电的电-气-热综合能源系统扩展规划优化方法，包括以下步骤：步骤(1)，首先，对包含能源中心电输入向量和气输入向量、chp、ptg、初期系统、热泵系统、储电系统、储热系统以及电、热、气负荷的能源中心进行建模；步骤(2)，根据设定时间段内对风电功率的不确定性进行精细化表达；步骤(3)，根据步骤(1)中的建模和步骤(2)中的精细化表达，建立含风电的ies扩展优化规划模型，并利用基于场景法的两阶段规划求解策略，从而获得最终的能源系统扩展结果。所述步骤(1)中，针对上述能源中心建模，该模型为下述能量流矩阵方程，如式(1)所示：式(1)中，le、lg、lh为能源中心的电、气、热负荷向量，phub、ghub为能源中心的电、气输入向量，cij为式(1)中间部分的矩阵的值，cij为耦合矩阵的系数，代表电-气-热之间的耦合关系，能源中心内部的能量流方程可以由矩阵展开，如式(2)-式(4)，据此可将抽象的矩阵转换为下述具体方程加入到后述模型中作为约束：上述式(2)-式(4)中，分别表示第b个能源中心的电、气、热负荷；分别为输入该能源中心的电能和天然气能；pcc、ptgp表示位于第b个能源中心的chp机组、ptg装置的电功率；gcc、gff、gpp、表示位于第b个能源中心的chp机组、燃气锅炉的耗气功率和ptg装置的产气功率；分别表示chp机组和燃气锅炉的热效率。所述步骤(2)中，运用场景分析法表达其不确定性分布，包括风电初始场景生成和场景缩减两部分；2.1风电初始场景生成依据风功率分布，通过以下步骤可得到n组t维的风电功率初始场景集合：将该历史数据进行统计和处理，得到设定时间段的风电功率分布情况；再利用非参拟合的方法得到各个设定时间段下的风功率概率密度，再依据蒙特卡洛随机模拟方法在概率密度曲线的基础上生成每个设定时间段下的n×t组随机采样数组，其中t为每个场景下的时段数，每个场景下t个时段的风电功率可用随机序列表示，场景s下风电功率时间序列可表示为：式(5)中，为风电功率场景s下的时间序列，为该时间序列第t个功率点，采用上述步骤可产生每个季节下的n×t采样矩阵，即n个风电随机场景集合；2.2场景缩减在保证计算速度和精度的前提下，需要对上述场景进行缩减，合并部分场景形成具有一定概率值的有限数量的典型场景集合，采用向后场景削减技术，将原始数据的n×t采样矩阵缩减为ns×t矩阵，且可得到每ns个场景对应的概率πs。所述步骤(3)中，含风电的ies扩展优化规划模型的目标函数为最小化不同风电出力场景下耦合系统的成本期望值的净现值，包含投资成本、运行成本、电能不足成本和弃风成本，含风电的ies扩展优化规划模型的目标函数为：式(6)中：λt＝1/(1+d)t-1(11)，式(6)至式(11)中：tc为规划总成本；s表示第s个风电场景，共有ns个风电出力场景，πs表示第s个风电场景出现的概率；t为规划周期，即规划总年限；为第s场景下第t年的系统总投资成本，包括常规机组、输电线路、燃气锅炉、chp和ptg的投资成本；为s场景下第t年的系统总运行成本，包含常规机组、燃气锅炉、chp、ptg和天然气源的运行成本；为s场景下第t年的系统总电能不足成本；为s场景下第t年的系统总弃风成本，d为资金折现率，γ为资金回收率，λt为第t年的现值系数，λt为第t年的现值系数，eenss(t)为电能不足期望值，voll为单位电能不足成本，cw为单位弃风成本。ni为常规机组的数量，ui为第i个常规机组的启停状态，pimax为第i个常规机组的最大输出功率；nl为输电线路的数量，ll为第条输电线路的输送电状态，pflmax为第l条输电线路的最大传输功率；nf为燃气锅炉的数量，ff为第f个燃气锅炉的启停状态，为第f个燃气锅炉的最大发热功率；nc为chp的数量，cc为第c个chp的启停状态，为第c个chp的最大发电功率；np为ptg的数量，ptp为第p个ptg启停状态，为第p个ptg的最大电转气功率，nb为系统中能源中心的个数，h为能源中心运行时段数，为第s个场景下第t年第i个常规机组h时段的发电功率，oci为第i个常规机组的运行单价；为第s个场景下第t年第f个燃气锅炉h时段的产热功率，ocf为第f个燃气锅炉的运行单价；为第s个场景下第t年第c个chp第h时段的发电功率，occ为第c个chp的运行单价；为第s个场景下第t年第p个chp第h时段的电转气功率,ocp为第p个chp的运行单价；ngs为天然气源的数量，为第s个场景下第t年第gs个气源第h时段的产气功率，ocgs为第gs个天然气源的运行单价，为第s场景下，第t年第b个能源中心h时段的电能不足，为第s场景下，第b个能源中心的弃风量。含风电的ies扩展优化规划模型的目标函数的约束条件包括投运状态约束、能源中心约束、电力系统约束、天然气系统约束以及可靠性约束；3.1.1投运状态约束式(12)和式(13)中，i+为候选常规机组、l+为候选输电线路、f+为候选燃气锅炉、c+为候选chp机组、p+为候选ptg设备，这些候选设备于第t年投运后，其状态变量由0变为1，在后续规划年将不改变其投运状态，且当前规划年小于各个设备的最小投运年时，该设备不投运，表示第s场景下设备a第t年的投运状态，已有设备的状态变量设为1；3.1.2能源中心约束场景s下，能源中心内部各个能源转换设备的能量转换关系可由式(14)-(17)表示，各个已投运和候选设备的产热、产电量上下限由式(18)-(20)表示，式中：分别表示chp和ptg的耗气功率；分别表示chp的产热功率和产电功率，燃气锅炉的产热功率；和分别表示ptg装置的产气功率和耗电功率，f表示已有燃气锅炉的集合；分别为chp发电、产热的效率；为燃气锅炉产热的效率；为ptg产气的效率；分别为候选chp发电功率的上下限，分别为燃气锅炉产热功率的上下限，分别为ptg电转气功率的上下限；3.1.3电力系统约束电力网络约束包含电能供需平衡约束如式(21)-(24)、电力网络潮流约束如式(25)-(26)、备用容量约束如式(27)，其中，式(21)表示能源中心的常规机组出力、风电出力、进入该能源中心的线路潮流净流量与电能不平衡量之和为输入到能源中心的电能总量，式(26)表示线路潮流约束，其中m是无穷大，式(21)至式(27)中：n(b)为能源中心的集合，u、l分别表示已有常规机组和输电线路的集合，为场景s下常规机组、风机出力值；为线路传输功率，q表示线路的起点，z表示线路的终点，为风力发电功率，为能源中心的功率，bl为线路导纳，θ为线路两端节点的相角；为电能不平衡量，该电能不平衡量若为正值，表示该节点电能不足，电能不足量为若为负值，则表示该节点有弃风现象出现，弃风量为pimax、pimin分别表示常规机组出力的上下限，为线路传输功率，pflmax、pcmax、pwmax分别表示线路传输功率、chp机组和风电出力的上限；为第t年电负荷上限，sr为备用容量，通常与电负荷成比例；3.1.4天然气系统约束式(28)为天然气供需平衡约束，表示能源中心的天然气源与天然气进入该能源中心的净流量之和为输入到该能源中心的天然气总量，式(29)-(30)为天然气源和天然气流量的上下限约束，式(28)至式(30)中：表示天然气源的产气量，为能源中心b的天然气产气量分别表示天然气源产气量上下限，分别表示天然气流量上下限；3.1.5可靠性约束电能不平衡量和电能不足期望值都需满足上限约束，如下式所示：eenss(t)≤eensmax(32)式(31)和式(32)中：δpimax为电能不足量上限，eensmax为电能不足期望值上限。所述步骤(3)中，基于场景法的两阶段规划包括第一阶段和第二阶段，设备投运决策为第一阶段，该阶段将ns个风电出力典型场景加到扩展规划模型中，得到每个风电场景下的投运组合ωs，ns个投运组合的集合为：最优成本决策为第二阶段，基于第一阶段得到的投运集合ωs，将ns个风电场景与之进行交叉组合，即可得到以经济成本表达的当前投运组合对所有风电场景的适应性，具体流程如下：3.2.1对每组设备投运组合ωs均进行ns次运算，每次运算固定投运情况，只须改变风电接入的大小，可得到每组投运组合ωs下ns个风电场景的规划成本，分别为：tcs,s,s∈(1,ns)；3.2.2每组投运组合ωs下的总成本tcs为对ns个tcs,s加权后的期望值：3.2.3上述求得的最小的tcs为最终的规划总成本，所对应第一阶段中的投运组合ωs即为考虑风电不确定性所得到的能源系统扩展结果。本发明将随机波动的风电纳入到ies中进行联合规划将是未来能源规划运行领域的必然选择，亦将成为ies规划与运行的重要挑战，本发明提出的风电不确定性的ies扩展规划方法，建立了以投资、运行、电能不足与弃风成本之和最小为目标的混合整数线性规划模型，同时，针对所建模型难于直接、高效求解的问题，提出一种基于场景法的两阶段规划求解策略，以保证模型求解的效率及其可行性。本发明对电、气、热三种能源进行耦合规划可减少总规划成本，大幅度提高了系统的经济性，此外，随着风电穿透率的增加，总成本先减小后增大，因此结合当地的风电接入容量、负荷水平进行扩展规划对系统经济性具有非常关键的影响。附图说明图1是本发明中电-气-热多能耦合能源中心的结构示意图；图2是本发明中风功率季度出力波动特征的示意图；图3是本发明中基于场景法的两阶段规划求解策略的框架图；图4是本发明的验证案例中的含风电的电-气-热综合能源系统的示意图；图5是本发明的验证案例中解耦情形下100个运行情况的总成本的示意图；图6是本发明的验证案例中的加权前后总成本的示意图；图7是本发明的验证案例中的不同风电穿透率的成本的示意图；图8是本发明的验证案例中的不同风电穿透率各装置的运行成本的示意图；图9是本发明的验证案例中的不同设备及负荷的位置分布情况；图10是本发明的验证案例中的已有和候选发电机组参数；图11是本发明的验证案例中的已有和候选燃气锅炉参数；图12是本发明的验证案例中的已有和候选输电线路参数；图13是本发明的验证案例中的已有天然气管道参数；图14是本发明的验证案例中的候选chp机组参数；图15是本发明的验证案例中的候选ptg装置参数；图16是本发明的验证案例中的解耦和耦合状态下的规划结果比较。具体实施方式本发明公开了一种含风电的电-气-热综合能源系统扩展规划优化方法，其包括如下步骤：步骤(1)，首先，对包含能源中心电输入向量和气输入向量、chp、ptg、初期系统、热泵系统、储电系统、储热系统以及电、热、气负荷的能源中心进行建模；步骤(2)，根据设定时间段内对风电功率的不确定性进行精细化表达；步骤(3)，根据步骤(1)中的建模和步骤(2)中的精细化表达，建立含风电的ies扩展优化规划模型，并利用基于场景法的两阶段规划求解策略，从而获得最终的能源系统扩展结果。所述步骤(1)中，针对上述能源中心建模，该模型为下述能量流矩阵方程，如式(1)所示：式(1)中，le、lg、lh为能源中心的电、气、热负荷向量，phub、ghub为能源中心的电、气输入向量，cij为式(1)中间部分的矩阵的值，cij为耦合矩阵的系数，代表电-气-热之间的耦合关系，能源中心内部的能量流方程可以由矩阵展开，如式(2)-式(4)，据此可将抽象的矩阵转换为下述具体方程加入到后述模型中作为约束：上述式(2)-式(4)中，分别表示第b个能源中心的电、气、热负荷；分别为输入该能源中心的电能和天然气能；pcc、ptgp表示位于第b个能源中心的chp机组、ptg装置的电功率；gcc、gff、gpp、表示位于第b个能源中心的chp机组、燃气锅炉的耗气功率和ptg装置的产气功率；分别表示chp机组和燃气锅炉的热效率。所述步骤(2)中，运用场景分析法表达其不确定性分布，包括风电初始场景生成和场景缩减两部分；2.1风电初始场景生成依据风功率分布，通过以下步骤可得到n组t维的风电功率初始场景集合：将该历史数据进行统计和处理，得到设定时间段的风电功率分布情况；再利用非参拟合的方法得到各个设定时间段下的风功率概率密度，再依据蒙特卡洛随机模拟方法在概率密度曲线的基础上生成每个设定时间段下的n×t组随机采样数组，其中t为每个场景下的时段数，每个场景下t个时段的风电功率可用随机序列表示，场景s下风电功率时间序列可表示为：式(5)中，为风电功率场景s下的时间序列，为该时间序列第t个功率点，采用上述步骤可产生每个季节下的n×t采样矩阵，即n个风电随机场景集合；2.2场景缩减在保证计算速度和精度的前提下，需要对上述场景进行缩减，合并部分场景形成具有一定概率值的有限数量的典型场景集合，采用向后场景削减技术，将原始数据的n×t采样矩阵缩减为ns×t矩阵，且可得到每ns个场景对应的概率πs。所述步骤(3)中，含风电的ies扩展优化规划模型的目标函数为最小化不同风电出力场景下耦合系统的成本期望值的净现值，包含投资成本、运行成本、电能不足成本和弃风成本，含风电的ies扩展优化规划模型的目标函数为：式(6)中：λt＝1/(1+d)t-1(11)，式(6)至式(11)中：tc为规划总成本；s表示第s个风电场景，共有ns个风电出力场景，πs表示第s个风电场景出现的概率；t为规划周期，即规划总年限；为第s场景下第t年的系统总投资成本，包括常规机组、输电线路、燃气锅炉、chp和ptg的投资成本；为s场景下第t年的系统总运行成本，包含常规机组、燃气锅炉、chp、ptg和天然气源的运行成本；为s场景下第t年的系统总电能不足成本；为s场景下第t年的系统总弃风成本，d为资金折现率，γ为资金回收率，λt为第t年的现值系数，λt为第t年的现值系数，eenss(t)为电能不足期望值，voll为单位电能不足成本，cw为单位弃风成本。ni为常规机组的数量，ui为第i个常规机组的启停状态，pimax为第i个常规机组的最大输出功率；nl为输电线路的数量，ll为第条输电线路的输送电状态，pflmax为第l条输电线路的最大传输功率；nf为燃气锅炉的数量，ff为第f个燃气锅炉的启停状态，为第f个燃气锅炉的最大发热功率；nc为chp的数量，cc为第c个chp的启停状态，为第c个chp的最大发电功率；np为ptg的数量，ptp为第p个ptg启停状态，为第p个ptg的最大电转气功率，nb为系统中能源中心的个数，h为能源中心运行时段数，为第s个场景下第t年第i个常规机组h时段的发电功率，oci为第i个常规机组的运行单价；为第s个场景下第t年第f个燃气锅炉h时段的产热功率，ocf为第f个燃气锅炉的运行单价；为第s个场景下第t年第c个chp第h时段的发电功率，occ为第c个chp的运行单价；为第s个场景下第t年第p个chp第h时段的电转气功率,ocp为第p个chp的运行单价；ngs为天然气源的数量，为第s个场景下第t年第gs个气源第h时段的产气功率，ocgs为第gs个天然气源的运行单价，为第s场景下，第t年第b个能源中心h时段的电能不足，为第s场景下，第b个能源中心的弃风量。含风电的ies扩展优化规划模型的目标函数的约束条件包括投运状态约束、能源中心约束、电力系统约束、天然气系统约束以及可靠性约束；3.1.1投运状态约束式(12)和式(13)中，i+为候选常规机组、l+为候选输电线路、f+为候选燃气锅炉、c+为候选chp机组、p+为候选ptg设备，这些候选设备于第t年投运后，其状态变量由0变为1，在后续规划年将不改变其投运状态，且当前规划年小于各个设备的最小投运年时，该设备不投运，表示第s场景下设备a第t年的投运状态，已有设备的状态变量设为1；3.1.2能源中心约束场景s下，能源中心内部各个能源转换设备的能量转换关系可由式(14)-(17)表示，各个已投运和候选设备的产热、产电量上下限由式(18)-(20)表示，式中：分别表示chp和ptg的耗气功率；分别表示chp的产热功率和产电功率，燃气锅炉的产热功率；和分别表示ptg装置的产气功率和耗电功率，f表示已有燃气锅炉的集合；分别为chp发电、产热的效率；为燃气锅炉产热的效率；为ptg产气的效率；分别为候选chp发电功率的上下限，分别为燃气锅炉产热功率的上下限，分别为ptg电转气功率的上下限；3.1.3电力系统约束电力网络约束包含电能供需平衡约束如式(21)-(24)、电力网络潮流约束如式(25)-(26)、备用容量约束如式(27)，其中，式(21)表示能源中心的常规机组出力、风电出力、进入该能源中心的线路潮流净流量与电能不平衡量之和为输入到能源中心的电能总量，式(26)表示线路潮流约束，其中m是无穷大，式(21)至式(27)中：n(b)为能源中心的集合，u、l分别表示已有常规机组和输电线路的集合，为场景s下常规机组、风机出力值；为线路传输功率，q表示线路的起点，z表示线路的终点，为风力发电功率，为能源中心的功率，bl为线路导纳，θ为线路两端节点的相角；为电能不平衡量，该电能不平衡量若为正值，表示该节点电能不足，电能不足量为若为负值，则表示该节点有弃风现象出现，弃风量为pimax、pimin分别表示常规机组出力的上下限，为线路传输功率，pflmax、pcmax、pwmax分别表示线路传输功率、chp机组和风电出力的上限；为第t年电负荷上限，sr为备用容量，通常与电负荷成比例；3.1.4天然气系统约束式(28)为天然气供需平衡约束，表示能源中心的天然气源与天然气进入该能源中心的净流量之和为输入到该能源中心的天然气总量，式(29)-(30)为天然气源和天然气流量的上下限约束，式(28)至式(30)中：表示天然气源的产气量，为能源中心b的天然气产气量分别表示天然气源产气量上下限，分别表示天然气流量上下限；3.1.5可靠性约束电能不平衡量和电能不足期望值都需满足上限约束，如下式所示：eenss(t)≤eensmax(32)式(31)和式(32)中：δpimax为电能不足量上限，eensmax为电能不足期望值上限。所述步骤(3)中，基于场景法的两阶段规划包括第一阶段和第二阶段，设备投运决策为第一阶段，该阶段将ns个风电出力典型场景加到扩展规划模型中，得到每个风电场景下的投运组合ωs，ns个投运组合的集合为：最优成本决策为第二阶段，基于第一阶段得到的投运集合ωs，将ns个风电场景与之进行交叉组合，即可得到以经济成本表达的当前投运组合对所有风电场景的适应性，具体流程如下：3.2.1对每组设备投运组合ωs均进行ns次运算，每次运算固定投运情况，只须改变风电接入的大小，可得到每组投运组合ωs下ns个风电场景的规划成本，分别为：tcs,s,s∈(1,ns)；3.2.2每组投运组合ωs下的总成本tcs为对ns个tcs,s加权后的期望值：3.2.3上述求得的最小的tcs为最终的规划总成本，所对应第一阶段中的投运组合ωs即为考虑风电不确定性所得到的能源系统扩展结果。上述场景削减技术就是将低概率的场景予以消除，并利用典型的场景表示相似场景，进而形成具有一定概率值的有限数目的多场景集合，该场景集合能够很好的逼近原始场景集合。采用向后场景削减技术，对上述采样矩阵为n×t的风电功率场景进行削减。场景削减算法的步骤如下：(1)任一风电功率场景概率相等，即为其中，为风电功率场景i的概率。令s*＝s，s*为计算过程中风电功率的场景数；(2)对于s*个风电功率场景，对任意两个场景i，j(1≤i≤j≤s*)，计算风电功率场景pi和pj之间的kantorovich距离，称为场景距离。此处的kantorovich距离简化为风电功率场景之差的绝对值，即dk(pi,pj)＝|pi-pj|(b)(3)对于风电功率场景i，寻找与其场景距离最近的风电功率场景j，即min{dk(pi,pj),i≠j}，并根据式(3)计算乘积(4)对每一风电功率场景，进行上述步骤(3)的计算，在全部s*个场景中，寻找最小的即为更新场景概率并将pi从风电功率场景集中削减；(5)更新场景个数s*＝s*-si。其中si为最小的个数，可能不止一个；转入(b)重新继续计算，一直计算得到目标场景的个数s*＝s。通过上述随机多场景削减算法，即可计算获得任意数量的风电功率随机多场景集合。结合上述步骤和公式，以及结合附图与验证案例对本发明作进一步说明。本申请以ieee14节点电力系统和ngs14节点天然气系统为原型，构建ieee14-ngs14电-气-热耦合系统，如图4所示，已有的电力系统包含5台常规机组、20条输电线路和4个风电场，天然气系统包含2个天然气源、7台燃气锅炉和13条天然气管道，以上设备分别位于该系统的不同节点，电、气、热系统分别独立运行。另外，系统内共有分布在不同区域的11个电负荷、7个热负荷和3个气负荷。在规划期内，候选设备为6台常规机组、10条输电线路、4台chp机组、6台燃气锅炉和4个ptg装置，可选择是否投运和对应的投运年限。以上设备和负荷的位置分布情况如附图的图9所示，已有和候选设备的相关参数详见附图10至附图15。规划年限为10年，年折现率为5％，资金回收率为10％。考虑规划周期内季节因素对负荷波动及风电出力的影响，该扩展规划选用每年四个季度的季典型日负荷数据及季风电出力数据，且在规划周期内电、热、气负荷的年增长率分别为3％、2％和5％，风电出力值年增长率为3％。设单位电能不足成本为$10000/mwh,根据弃风成本和单位电能不足成本的比例关系，本申请设置单位弃风成本为$200/mwh。参考图4，为说明上文所提的求解策略以及所建含风电的ies扩展优化规划模型的有效性和合理性，本申请采用了以下几个情形：情形一：将系统进行解耦扩展优化规划，阐述上文所提的基于场景法的两阶段规划求解策略；情形二：对耦合系统进行扩展优化规划，并与情形一的结果进行对比分析；情形三：研究不同风电穿透率对耦合规划结果的影响。本申请运用解耦情形下的规划流程来阐述上文所提的基于场景法的两阶段规划求解策略。解耦规划即系统中不含有chp和ptg等电-气-热耦合装置，各系统独立运行以保证能源供需。该算例中，ns＝10，即缩减后典型场景数为10。第一阶段分别生成10个风电场景对应的投运组合ωs,每个场景均新增燃气锅炉f9、f11、f12以及多台常规机组以满足电、气、热负荷的增长需求，并且新增多条输电线路来平衡各个节点的供需要求。第二阶段固定投运方案，只改变风电接入的场景，分别得到每个投运组合下10个不同运行情况所对应的成本，10个投运组合对应的100个成本如图5所示。每条连线相交的点即为某投运组合下某场景编号对应的总成本。将每个投运组合的10个成本tcs,s加权求期望，即为该投运组合下的考虑风电不确定性的规划成本值tcs。参考图5和图6，加权前的成本表示该求解策略第一阶段直接得到的结果，而加权后的成本则为上文所提tcs。图6显示，场景10对应的tcs最小。但若只分析加权前的成本，则场景9对应的总成本最小，显然不同于本文提出的求解策略所得的结果。未加权直接得到的规划方案只是某一风电容量接入的结果，未能体现风电不确定性对规划的影响，因此并不合理。本文所提基于场景法的两阶段规划求解策略，充分考虑了风电波动对规划结果的影响，使tcs的波动更平滑，以决策出适应不确定性风电的最佳投运组合，得出了较为合理的规划结果。参考图6中的加权前后总成本，因此，该情形的规划结果为场景10对应的投运组合，最优扩展规划成本为14.641b$，如表1所示，各项成本见表2。耦合规划即在系统内增加能源耦合装置，如chp和ptg。运用上述求解策略，最优规划结果为场景1对应的投运情况，如下表1右侧一栏所示。总规划成本为13.233b$，明显低于情形一的规划总成本。附图16中展示了解耦和耦合状态下规划结果比较。由表1、表2和附图16可见，在chp和ptg作为候选设备的前提下，减少了输电线路的投运，降低了新增燃气锅炉的数量，更偏向于选择新增成本较低效率较高同时能满足电、气、热能源需求的chp和ptg装置。这便大幅度减少了系统的运行成本和总规划成本，提高了系统的经济性。chp可同时产生电力和热能，将电力系统与天然气系统以及热网耦合，效率高，成本低；ptg将多余的风电转化为可利用的天然气能，有效消纳了弃风，同时加强了电力系统和天然气系统之间的耦合和关联。二者均是综合能源系统中能源转换的关键设备。因此，将电-气-热进行耦合规划将是未来能源领域的必然选择。表1解耦和耦合情形的规划结果解耦耦合常规机组g8、2；g11、1g8、2；g11、1输电线路l21、5；l23、9；l28、4l21、5燃气锅炉f9、6；f10、10；f12、5f9、6chp无c1、2；c2、3ptg无p2、1；p3、1；p4、1注：g代表常规机组，l代表线路，f代表燃气锅炉，p代表ptg装置，顿号后的数字表示投运年份。表2解耦和耦合情形的成本比较为了研究风电接入的容量大小对耦合规划的影响，本申请设置不同的风电穿透率来表征风电容量的变化。在负荷水平一定的情况下，穿透率越高则表明风电接入容量越大。各个穿透率下均新增常规机组g8、g11，燃气锅炉f9和chp机组c1、c2，新增多条输电线路平衡各节点的负荷需求，同时新增多台ptg装置来消纳增加的风电。图7展示了弃风成本、电能不足成本和总成本的变化曲线，图8展示了常规机组、燃气锅炉、chp和ptg装置的运行成本。由图7、8可见，风电穿透率较低时，系统弃风现象基本不出现，随着风电穿透率的增加，由于风电外送功率和电源调节能力的限制，出现弃风现象并且严重程度逐步增加。ptg装置的功率即运行成本也在不断增加，可在一定程度上缓解弃风量的增长。同时，电能不足成本逐渐下降，总成本呈现先减小后增加的趋势。这是由于适当增加的风电出力一方面可减少机组的出力(如常规机组和chp机组)，即减少其运行成本，另一方面减少了电能不足成本，导致总成本下降；但当风电继续增加时，弃风量和弃风成本大幅度提高，所导致的成本增加将远大于上述成本的减少，故总成本会有所增加。因此，在工程实践中，要结合当地的风电容量、负荷水平等多方面因素进行新增设备的规划。上述虽然结合附图对本发明的具体实施方式和有效性进行了描述和验证，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。当前第1页12