一种渔场的综合能源系统优化配置方法及装置与流程

1.本发明涉及渔场综合能源系统技术领域，具体涉及一种渔场的综合能源系统优化配置方法及装置。


背景技术：

2.随着经济社会的不断发展，环境、能源等问题日益突出，为应对环境污染、解决能源短缺问题，加大新能源发展力度成为首要目标。虽然目前针对综合能源系统优化配置和协调运行的研究较多，但未能充分考虑电能、热能和生物质能的综合利用，针对渔场进行综合能源系统的分析也较少。
3.目前对于综合能源系统的研究大多只针对单个设备的参数优化、通常只考虑到参数设计、容量配置和优化控制的某一方面，没有考虑到综合能源系统中参数设计、容量配置、优化控制三者的递进关系，导致综合能源系统用能成本较高。随着全电“渔光储”渔场的推进，为兼顾渔场容量配置与优化控制，有必要对渔场综合能源系统的优化配置进行深入探索。


技术实现要素：

4.为了克服上述缺陷，本发明提出了一种渔场的综合能源系统优化配置方法及装置。
5.第一方面，提供一种渔场的综合能源系统优化配置方法，所述渔场的综合能源系统优化配置方法包括：
6.以渔场的电力数据为参考对渔场的电力运行场景进行聚类，得到渔场的典型电力运行场景；
7.将各典型电力运行场景下的电力数据代入预先构建的内层优化调度模型并求解，得到第一优化结果；
8.将所述第一优化结果代入预先构建的外层优化调度模型并求解，得到第二优化结果；
9.基于所述第二优化结果，对渔场的综合能源系统进行优化配置；
10.其中，所述第一优化结果包括下述中的至少一种：渔场的电力数据、优化成本，所述第二优化结果包括下述中的至少一种：光伏的额定装设容量、风电的额定装设容量、生物质的额定装设容量、蓄电池的额定装设容量、蓄热槽的额定装设容量。
11.优选的，所述电力数据包括下述中的至少一种：光伏输出的电能、风电输出的电能、生物质热电联产输出的电能、蓄电池的充放电功率、储热槽的充放热功率。
12.优选的，所述预先构建的内层优化调度模型包括：以优化成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第一约束条件。
13.进一步的，所述以优化成本最低为目标的目标函数的数学模型如下：
[0014][0015]
上式中，c
op
为优化成本，c
om
为系统运行维护成本，c
gird
为与电网交互成本，c
co2
为碳交易成本，f
e,sel
为电平移负荷的补偿成本，f
h,shl
为热转移负荷的补偿成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0016]
进一步的，所述系统运行维护成本的数学模型如下：
[0017][0018]
所述与电网交互成本的数学模型如下：
[0019][0020]
所述碳交易成本的数学模型如下：
[0021][0022]
上式中，c
pv
为光伏产生单位电能的运行维护成本，为t时段光伏输出的电能，cw为风机产生单位电能的运行维护成本，为t时段风机输出的电能，cb为生物质产生单位电能的运行维护成本，为t时段生物质热电联产输出的电能，c
bt,dis
为储能放电单位电量的运行维护成本，为t时段储能放电电量，c
bt,chr
为储能充电单位电量的运行维护成本，为t时段储能充电电量，c
tst,chr
为储热充热单位电量的运行维护成本，为t时段储热充热量，c
tst,dis
为储热放热单位电量的运行维护成本，为t时段储热放热量，为t时段从电网购电电价，为t时段上级购电量，为t时段售电的电价，为t时段售电量，
△
t为单位时段，t为调度周期，λ为碳交易基价，e
ies,t
为系统的碳排放权交易额，α为价格增长幅度，l为碳排放量区间长度。
[0023]
进一步的，所述电平移负荷的补偿成本的数学模型如下：
[0024][0025]
所述热转移负荷的补偿成本的数学模型如下：
[0026][0027]
上式中，c
sel
为单位电平移补偿价格，为t时刻的可平移负荷的上限，c
shl
为单位热转移补偿价格，为t时刻的可转移热负荷。
[0028]
进一步的，所述系统的碳排放权交易额的数学模型如下：
[0029]eies,t
＝e
ies,a-e
ies
[0030]
其中，e
ies
＝eh+eb，
[0031]
上式中，e
ies,a
为实际碳排放量，e
ies
为渔场综合能源系统的碳排放权配额，eh为电网购电的碳排放权配额，eb为生物质热电联产的碳排放权配额，δ
p
为电网购电单位电量，δe为生物质热电联产的碳排放分配额，为t时段生物质热电联产输出的热能。
[0032]
进一步的，所述为渔场的综合能源系统优化配置的第一约束条件的数学模型如下：
[0033][0034][0035][0036][0037][0038][0039][0040][0041]
上式中，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，q
bn
为生物质热电联产发热的额定功率，w
btn
为蓄电池的额定装设容量，θ
bt,min
为蓄电池的最小荷载电量比例，为t时段蓄电池的soc值，θ
bt,max
为蓄电池的最大荷载电量比例，w
tstn
为蓄热槽的额定装设容量，θ
tst,min
为蓄热槽的最小荷载电量比例，为t时段蓄热槽的存储热能，θ
tst,max
为蓄热槽的最大荷载电量比例，为t时刻的固定电负荷，为t时刻的固定热负荷。
[0042]
优选的，所述预先构建的外层优化调度模型包括：以综合成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第二约束条件。
[0043]
进一步的，所述以综合成本最低为目标的目标函数的数学模型如下：
[0044][0045]
上式中，c
total
为综合成本，c
inv
为系统各设备的投资成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0046]
进一步的，所述系统各设备的投资成本的数学模型如下：
[0047][0048]
其中，
[0049]
上式中，invk为设备k的单位容量的投资成本，e
k,r
为设备k的额定装设容量，σk为设备k的等额分付资本回收系数，i为设备的年利率，n为设备的使用寿命。
[0050]
进一步的，所述为渔场的综合能源系统优化配置的第二约束条件的数学模型如下：
[0051][0052][0053][0054][0055][0056]
上式中，为光伏电池板的额定功率下限，为光伏电池板的额定功率上限，为风机的额定功率下限，为风机的额定功率上限，为生物质热电联产发电的额定功率下限，为生物质热电联产发电的额定功率上限，为蓄电池的额定装设容量下限，为蓄电池的额定装设容量上限，为蓄热槽的额定装设容量下限，为蓄热槽的额定装设容量上限，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，w
btn
为蓄电池的额定装设容量，w
tstn
为蓄热槽的额定装设容量。
[0057]
第二方面，提供一种渔场的综合能源系统优化配置装置，所述渔场的综合能源系统优化配置装置包括：
[0058]
聚类模块，用于以渔场的电力数据为参考对渔场的电力运行场景进行聚类，得到渔场的典型电力运行场景；
[0059]
第一分析模块，用于将各典型电力运行场景下的电力数据代入预先构建的内层优化调度模型并求解，得到第一优化结果；
[0060]
第二分析模块，用于将所述第一优化结果代入预先构建的外层优化调度模型并求解，得到第二优化结果；
[0061]
配置模块，用于基于所述第二优化结果，对渔场的综合能源系统进行优化配置；
[0062]
其中，所述第一优化结果包括下述中的至少一种：渔场的电力数据、优化成本，所述第二优化结果包括下述中的至少一种：光伏的额定装设容量、风电的额定装设容量、生物质的额定装设容量、蓄电池的额定装设容量、蓄热槽的额定装设容量。
[0063]
优选的，所述电力数据包括下述中的至少一种：光伏输出的电能、风电输出的电能、生物质热电联产输出的电能、蓄电池的充放电功率、储热槽的充放热功率。
[0064]
优选的，所述第一分析模块中预先构建的内层优化调度模型包括：以优化成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第一约束条件。
[0065]
进一步的，所述第一分析模块中以优化成本最低为目标的目标函数的数学模型如下：
[0066]
[0067]
上式中，c
op
为优化成本，c
om
为系统运行维护成本，c
gird
为与电网交互成本，c
co2
为碳交易成本，f
e,sel
为电平移负荷的补偿成本，f
h,shl
为热转移负荷的补偿成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0068]
进一步的，所述第一分析模块中系统运行维护成本的数学模型如下：
[0069][0070]
所述第一分析模块中与电网交互成本的数学模型如下：
[0071][0072]
所述第一分析模块中碳交易成本的数学模型如下：
[0073][0074]
上式中，c
pv
为光伏产生单位电能的运行维护成本，为t时段光伏输出的电能，cw为风机产生单位电能的运行维护成本，为t时段风机输出的电能，cb为生物质产生单位电能的运行维护成本，为t时段生物质热电联产输出的电能，c
bt,dis
为储能放电单位电量的运行维护成本，为t时段储能放电电量，c
bt,chr
为储能充电单位电量的运行维护成本，为t时段储能充电电量，c
tst,chr
为储热充热单位电量的运行维护成本，为t时段储热充热量，c
tst,dis
为储热放热单位电量的运行维护成本，为t时段储热放热量，为t时段从电网购电电价，为t时段上级购电量，为t时段售电的电价，为t时段售电量，
△
t为单位时段，t为调度周期，λ为碳交易基价，e
ies,t
为系统的碳排放权交易额，α为价格增长幅度，l为碳排放量区间长度。
[0075]
进一步的，所述第一分析模块中电平移负荷的补偿成本的数学模型如下：
[0076][0077]
所述第一分析模块中热转移负荷的补偿成本的数学模型如下：
[0078][0079]
上式中，c
sel
为单位电平移补偿价格，为t时刻的可平移负荷的上限，c
shl
为单位热转移补偿价格，为t时刻的可转移热负荷。
[0080]
进一步的，所述第一分析模块中系统的碳排放权交易额的数学模型如下：
[0081]eies,t
＝e
ies,a-e
ies
[0082]
其中，e
ies
＝eh+eb，
[0083]
上式中，e
ies,a
为实际碳排放量，e
ies
为渔场综合能源系统的碳排放权配额，eh为电网购电的碳排放权配额，eb为生物质热电联产的碳排放权配额，δ
p
为电网购电单位电量，δe为生物质热电联产的碳排放分配额，为t时段生物质热电联产输出的热能。
[0084]
进一步的，所述第一分析模块中为渔场的综合能源系统优化配置的第一约束条件的数学模型如下：
[0085][0086][0087][0088][0089][0090][0091][0092][0093]
上式中，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，q
bn
为生物质热电联产发热的额定功率，w
btn
为蓄电池的额定装设容量，θ
bt,min
为蓄电池的最小荷载电量比例，为t时段蓄电池的soc值，θ
bt,max
为蓄电池的最大荷载电量比例，w
tstn
为蓄热槽的额定装设容量，θ
tst,min
为蓄热槽的最小荷载电量比例，为t时段蓄热槽的存储热能，θ
tst,max
为蓄热槽的最大荷载电量比例，为t时刻的固定电负荷，为t时刻的固定热负荷。
[0094]
优选的，所述第二分析模块中预先构建的外层优化调度模型包括：以综合成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第二约束条件。
[0095]
进一步的，所述以综合成本最低为目标的目标函数的数学模型如下：
[0096][0097]
上式中，c
total
为综合成本，c
inv
为系统各设备的投资成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0098]
进一步的，所述第二分析模块中系统各设备的投资成本的数学模型如下：
[0099][0100]
其中，
[0101]
上式中，invk为设备k的单位容量的投资成本，e
k,r
为设备k的额定装设容量，σk为设
备k的等额分付资本回收系数，i为设备的年利率，n为设备的使用寿命。
[0102]
进一步的，所述第二分析模块中为渔场的综合能源系统优化配置的第二约束条件的数学模型如下：
[0103][0104][0105][0106][0107][0108]
上式中，为光伏电池板的额定功率下限，为光伏电池板的额定功率上限，为风机的额定功率下限，为风机的额定功率上限，为生物质热电联产发电的额定功率下限，为生物质热电联产发电的额定功率上限，为蓄电池的额定装设容量下限，为蓄电池的额定装设容量上限，为蓄热槽的额定装设容量下限，为蓄热槽的额定装设容量上限，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，w
btn
为蓄电池的额定装设容量，w
tstn
为蓄热槽的额定装设容量。
[0109]
第三方面，提供一种计算机设备，包括：一个或多个处理器；
[0110]
所述处理器，用于存储一个或多个程序；
[0111]
当所述一个或多个程序被所述一个或多个处理器执行时，实现所述的渔场的综合能源系统优化配置方法。
[0112]
第四方面，提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现所述的渔场的综合能源系统优化配置方法。
[0113]
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
[0114]
本发明提供了一种渔场的综合能源系统优化配置方法及装置，包括：以渔场的电力数据为参考对渔场的电力运行场景进行聚类，得到渔场的典型电力运行场景；将各典型电力运行场景下的电力数据代入预先构建的内层优化调度模型并求解，得到第一优化结果；将所述第一优化结果代入预先构建的外层优化调度模型并求解，得到第二优化结果；基于所述第二优化结果，对渔场的综合能源系统进行优化配置；本发明提供的技术方案，不仅可以提高综合能源的经济性，还有利于调节负荷及改善削峰填谷率。
附图说明
[0115]
图1是本发明实施例的渔场的综合能源系统优化配置方法的主要步骤流程示意图；
[0116]
图2是本发明实施例的渔场的综合能源系统优化配置装置的主要结构框图。
具体实施方式
[0117]
下面结合附图对本发明的具体实施方式作进一步的详细说明。
[0118]
为使本发明实施例的目的、技术方案和优点更加清楚，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它实施例，都属于本发明保护的范围。
[0119]
如背景技术中所公开的，随着经济社会的不断发展，环境、能源等问题日益突出，为应对环境污染、解决能源短缺问题，加大新能源发展力度成为首要目标。虽然目前针对综合能源系统优化配置和协调运行的研究较多，但未能充分考虑电能、热能和生物质能的综合利用，针对渔场进行综合能源系统的分析也较少。
[0120]
目前对于综合能源系统的研究大多只针对单个设备的参数优化、通常只考虑到参数设计、容量配置和优化控制的某一方面，没有考虑到综合能源系统中参数设计、容量配置、优化控制三者的递进关系，导致综合能源系统用能成本较高。随着全电“渔光储”渔场的推进，为兼顾渔场容量配置与优化控制，有必要对渔场综合能源系统的优化配置进行深入探索。
[0121]
为了改善上述问题，本发明提供了一种渔场的综合能源系统优化配置方法及装置，包括：以渔场的电力数据为参考对渔场的电力运行场景进行聚类，得到渔场的典型电力运行场景；将各典型电力运行场景下的电力数据代入预先构建的内层优化调度模型并求解，得到第一优化结果；将所述第一优化结果代入预先构建的外层优化调度模型并求解，得到第二优化结果；基于所述第二优化结果，对渔场的综合能源系统进行优化配置；本发明提供的技术方案，不仅可以提高综合能源的经济性，还有利于调节负荷及改善削峰填谷率。下面对上述方案进行详细阐述。
[0122]
实施例1
[0123]
参阅附图1，图1是本发明的一个实施例的渔场的综合能源系统优化配置方法的主要步骤流程示意图。如图1所示，本发明实施例中的渔场的综合能源系统优化配置方法主要包括以下步骤：
[0124]
步骤s101：以渔场的电力数据为参考对渔场的电力运行场景进行聚类，得到渔场的典型电力运行场景；
[0125]
步骤s102：将各典型电力运行场景下的电力数据代入预先构建的内层优化调度模型并求解，得到第一优化结果；
[0126]
步骤s103：将所述第一优化结果代入预先构建的外层优化调度模型并求解，得到第二优化结果；
[0127]
步骤s104：基于所述第二优化结果，对渔场的综合能源系统进行优化配置；
[0128]
其中，所述第一优化结果包括下述中的至少一种：渔场的电力数据、优化成本，所述第二优化结果包括下述中的至少一种：光伏的额定装设容量、风电的额定装设容量、生物质的额定装设容量、蓄电池的额定装设容量、蓄热槽的额定装设容量。
[0129]
本实施例中，内层优化调度模型中决策变量较少，在内层优化调度模型中采用粒子群优化算法进行求解，生成渔场综合能源系统各电力设备的容量及额定功率并传递到外层；外层优化调度模型采用cplex求解器求解，之后，内层优化调度模型根据外层优化调度模型返回的运行方案进行更新函数的适应值、更新每个粒子历史最优位置，更新群体的全局最优位置，进行迭代求解直至生成最优解，最终分别输出最优配置容量和综合能源系统
的典型日运行策略。
[0130]
为了满足渔场综合能源系统运行和优化配置的经济性，本发明采用双层迭代求解模型进行优化求解，将优化问题转化为典型混合整数线性规划问题。
[0131]
在所述的内层优化调度模型和外层优化调度模型交替迭代中，利用cplex求解器进行迭代求解，直至生成最优解；最终分别输出最优配置容量和综合能源系统的典型日运行策略。
[0132]
其中，所述电力数据包括下述中的至少一种：光伏输出的电能、风电输出的电能、生物质热电联产输出的电能、蓄电池的充放电功率、储热槽的充放热功率。
[0133]
本实施例中，所述预先构建的内层优化调度模型包括：以优化成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第一约束条件。
[0134]
在一个实施方式中，所述以优化成本最低为目标的目标函数的数学模型如下：
[0135][0136]
上式中，c
op
为优化成本，c
om
为系统运行维护成本，c
gird
为与电网交互成本，c
co2
为碳交易成本，f
e,sel
为电平移负荷的补偿成本，f
h,shl
为热转移负荷的补偿成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0137]
在一个实施方式中，所述系统运行维护成本的数学模型如下：
[0138][0139]
所述与电网交互成本的数学模型如下：
[0140][0141]
阶梯式碳交易划分了多个碳排放购买区间，当实际碳排放量超出无偿分配的碳配额越高时，碳交易价格也就越高，所述碳交易成本的数学模型如下：
[0142][0143]
上式中，c
pv
为光伏产生单位电能的运行维护成本，为t时段光伏输出的电能，cw为风机产生单位电能的运行维护成本，为t时段风机输出的电能，cb为生物质产生单位电能的运行维护成本，为t时段生物质热电联产输出的电能，c
bt,dis
为储能放电单位电量的运行维护成本，为t时段储能放电电量，c
bt,chr
为储能充电单位电量的运行维护成本，为t时段储能充电电量，c
tst,chr
为储热充热单位电量的运行维护成本，为t时段储热充热量，c
tst,dis
为储热放热单位电量的运行维护成本，为t时段储热放热量，为
t时段从电网购电电价，为t时段上级购电量，为t时段售电的电价，为t时段售电量，
△
t为单位时段，t为调度周期，l为碳交易基价，e
ies,t
为系统的碳排放权交易额，α为价格增长幅度，l为碳排放量区间长度。
[0144]
在一个实施方式中，所述电平移负荷的补偿成本的数学模型如下：
[0145][0146]
所述热转移负荷的补偿成本的数学模型如下：
[0147][0148]
上式中，c
sel
为单位电平移补偿价格，为t时刻的可平移负荷的上限，c
shl
为单位热转移补偿价格，为t时刻的可转移热负荷。
[0149]
在一个实施方式中，所述系统的碳排放权交易额的数学模型如下：
[0150]eies,t
＝e
ies,a-e
ies
[0151]
其中，e
ies
＝eh+eb，
[0152]
上式中，e
ies,a
为实际碳排放量，e
ies
为渔场综合能源系统的碳排放权配额，eh为电网购电的碳排放权配额，eb为生物质热电联产的碳排放权配额，δ
p
为电网购电单位电量，δe为生物质热电联产的碳排放分配额，为t时段生物质热电联产输出的热能。
[0153]
在一个实施方式中，所述为渔场的综合能源系统优化配置的第一约束条件的数学模型如下：
[0154][0155][0156][0157][0158][0159][0160][0161][0162]
上式中，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，q
bn
为生物质热电联产发热的额定功率，w
btn
为蓄电池的额定装设容量，θ
bt,min
为蓄电池的最小荷载电量比例，为t时段蓄电池的soc值，θ
bt,max
为蓄电池的最大荷载电量比例，w
tstn
为蓄热槽的额定装设容量，θ
tst,min
为蓄热槽的最小荷载电量比例，为t时段蓄热槽的存储热能，θ
tst,max
为蓄热槽的最大荷载电量比例，为t时刻的固定电负荷，
为t时刻的固定热负荷。
[0163]
本实施例中，所述预先构建的外层优化调度模型包括：以综合成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第二约束条件。
[0164]
在一个实施方式中，所述以综合成本最低为目标的目标函数的数学模型如下：
[0165][0166]
上式中，c
total
为综合成本，c
inv
为系统各设备的投资成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0167]
在一个实施方式中，所述系统各设备的投资成本的数学模型如下：
[0168][0169]
其中，
[0170]
上式中，invk为设备k的单位容量的投资成本，e
k,r
为设备k的额定装设容量，σk为设备k的等额分付资本回收系数，i为设备的年利率，n为设备的使用寿命。
[0171]
在一个实施方式中，在建设渔场综合能源系统优化配置时，需要综合考量各种因素，考虑到资金、场地等实际情况，需要对渔场能源系统建设有如下限制，所述为渔场的综合能源系统优化配置的第二约束条件的数学模型如下：
[0172][0173][0174][0175][0176][0177]
上式中，为光伏电池板的额定功率下限，为光伏电池板的额定功率上限，为风机的额定功率下限，为风机的额定功率上限，为生物质热电联产发电的额定功率下限，为生物质热电联产发电的额定功率上限，为蓄电池的额定装设容量下限，为蓄电池的额定装设容量上限，为蓄热槽的额定装设容量下限，为蓄热槽的额定装设容量上限，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，w
btn
为蓄电池的额定装设容量，w
tstn
为蓄热槽的额定装设容量。
[0178]
在一个最优的实施方式中，基于前述提出的渔场综合能源系统优化配置方法，将某渔场负荷基本参数代入模型，联合使用粒子群和cplex求解各电力设备的最优容量，表1是各种电力设备的参数：
[0179]
表1
[0180][0181]
将上述表1的数据代入双层优化配置模型中，进行迭代求解得到最优配置结果以及典型日各种电力设备的出力情况。本案例设置3个典型场景，场景1为不考虑需求响应和储电配置的系统配置；场景2是不考虑需求响应、具有储电装置的系统配置；场景3为考虑需求响应、具有储电装置的系统配置。设备优化配置结果如表2所示。
[0182]
表2
[0183][0184]
由上表可知，在系统中加入储能设备可以有效减少成本，同时在考虑储能装置的时候考虑需求响应可以进一步提高综合能源系统的经济性。
[0185]
实施例2
[0186]
基于同一种发明构思，本发明还提供了一种渔场的综合能源系统优化配置装置，如图2所示，所述渔场的综合能源系统优化配置装置包括：
[0187]
聚类模块，用于以渔场的电力数据为参考对渔场的电力运行场景进行聚类，得到渔场的典型电力运行场景；
[0188]
第一分析模块，用于将各典型电力运行场景下的电力数据代入预先构建的内层优化调度模型并求解，得到第一优化结果；
[0189]
第二分析模块，用于将所述第一优化结果代入预先构建的外层优化调度模型并求解，得到第二优化结果；
[0190]
配置模块，用于基于所述第二优化结果，对渔场的综合能源系统进行优化配置；
[0191]
其中，所述第一优化结果包括下述中的至少一种：渔场的电力数据、优化成本，所述第二优化结果包括下述中的至少一种：光伏的额定装设容量、风电的额定装设容量、生物质的额定装设容量、蓄电池的额定装设容量、蓄热槽的额定装设容量。
[0192]
优选的，所述电力数据包括下述中的至少一种：光伏输出的电能、风电输出的电能、生物质热电联产输出的电能、蓄电池的充放电功率、储热槽的充放热功率。
[0193]
优选的，所述第一分析模块中预先构建的内层优化调度模型包括：以优化成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第一约束条件。
[0194]
进一步的，所述第一分析模块中以优化成本最低为目标的目标函数的数学模型如
下：
[0195][0196]
上式中，c
op
为优化成本，c
om
为系统运行维护成本，c
gird
为与电网交互成本，c
co2
为碳交易成本，f
e,sel
为电平移负荷的补偿成本，f
h,shl
为热转移负荷的补偿成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0197]
进一步的，所述第一分析模块中系统运行维护成本的数学模型如下：
[0198][0199]
所述第一分析模块中与电网交互成本的数学模型如下：
[0200][0201]
所述第一分析模块中碳交易成本的数学模型如下：
[0202][0203]
上式中，c
pv
为光伏产生单位电能的运行维护成本，为t时段光伏输出的电能，cw为风机产生单位电能的运行维护成本，为t时段风机输出的电能，cb为生物质产生单位电能的运行维护成本，为t时段生物质热电联产输出的电能，c
bt,dis
为储能放电单位电量的运行维护成本，为t时段储能放电电量，c
bt,chr
为储能充电单位电量的运行维护成本，为t时段储能充电电量，c
tst,chr
为储热充热单位电量的运行维护成本，为t时段储热充热量，c
tst,dis
为储热放热单位电量的运行维护成本，为t时段储热放热量，为t时段从电网购电电价，为t时段上级购电量，为t时段售电的电价，为t时段售电量，
△
t为单位时段，t为调度周期，l为碳交易基价，e
ies,t
为系统的碳排放权交易额，α为价格增长幅度，l为碳排放量区间长度。
[0204]
进一步的，所述第一分析模块中电平移负荷的补偿成本的数学模型如下：
[0205][0206]
所述第一分析模块中热转移负荷的补偿成本的数学模型如下：
[0207][0208]
上式中，c
sel
为单位电平移补偿价格，为t时刻的可平移负荷的上限，c
shl
为单位热转移补偿价格，为t时刻的可转移热负荷。
[0209]
进一步的，所述第一分析模块中系统的碳排放权交易额的数学模型如下：
[0210]eies,t
＝e
ies,a-e
ies
[0211]
其中，e
ies
＝eh+eb，
[0212]
上式中，e
ies,a
为实际碳排放量，e
ies
为渔场综合能源系统的碳排放权配额，eh为电网购电的碳排放权配额，eb为生物质热电联产的碳排放权配额，δ
p
为电网购电单位电量，δe为生物质热电联产的碳排放分配额，为t时段生物质热电联产输出的热能。
[0213]
进一步的，所述第一分析模块中为渔场的综合能源系统优化配置的第一约束条件的数学模型如下：
[0214][0215][0216][0217][0218][0219][0220][0221][0222]
上式中，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，q
bn
为生物质热电联产发热的额定功率，w
btn
为蓄电池的额定装设容量，θ
bt,min
为蓄电池的最小荷载电量比例，为t时段蓄电池的soc值，θ
bt,max
为蓄电池的最大荷载电量比例，w
tstn
为蓄热槽的额定装设容量，θ
tst,min
为蓄热槽的最小荷载电量比例，为t时段蓄热槽的存储热能，θ
tst,max
为蓄热槽的最大荷载电量比例，为t时刻的固定电负荷，为t时刻的固定热负荷。
[0223]
优选的，所述第二分析模块中预先构建的外层优化调度模型包括：以综合成本最低为目标的目标函数以及为渔场的综合能源系统优化配置的第二约束条件。
[0224]
进一步的，所述第二分析模块中以综合成本最低为目标的目标函数的数学模型如下：
[0225][0226]
上式中，c
total
为综合成本，c
inv
为系统各设备的投资成本，n
ε
为渔场的典型电力运行场景总数，π
ε
为第ε个渔场的典型电力运行场景发生的概率。
[0227]
进一步的，所述第二分析模块中系统各设备的投资成本的数学模型如下：
[0228]
[0229]
其中，
[0230]
上式中，invk为设备k的单位容量的投资成本，e
k,r
为设备k的额定装设容量，σk为设备k的等额分付资本回收系数，i为设备的年利率，n为设备的使用寿命。
[0231]
进一步的，所述第二分析模块中为渔场的综合能源系统优化配置的第二约束条件的数学模型如下：
[0232][0233][0234][0235][0236][0237]
上式中，为光伏电池板的额定功率下限，为光伏电池板的额定功率上限，为风机的额定功率下限，为风机的额定功率上限，为生物质热电联产发电的额定功率下限，为生物质热电联产发电的额定功率上限，为蓄电池的额定装设容量下限，为蓄电池的额定装设容量上限，为蓄热槽的额定装设容量下限，为蓄热槽的额定装设容量上限，p
pvn
为光伏电池板的额定功率，p
wn
为风机的额定功率，p
bn
为生物质热电联产发电的额定功率，w
btn
为蓄电池的额定装设容量，w
tstn
为蓄热槽的额定装设容量。
[0238]
实施例3
[0239]
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specificintegrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，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，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种渔场的综合能源系统优化配置方法的步骤。
[0240]
实施例4
[0241]
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代
码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种渔场的综合能源系统优化配置方法的步骤。
[0242]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0243]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0244]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0245]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0246]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。