本发明涉及综合能源系统,尤其涉及一种含可再生能源制氢的综合能源两阶段优化调度方法及系统。
背景技术:
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
2、综合能源系统凭借多能互补和能源梯级利用的优势被广泛应用在能源消费领域,但是在有效接入分布式可再生能源发电的同时,由此引发的不确定问题也亟待解决。氢气作为一种清洁能源,既可以消纳冗余可再生能源发电量以减少甚至避免弃风、弃光,又可以储存起来或直接供给燃料电池进行热电联产以满足负荷需求。随着电解水制氢技术趋于成熟,通过调节可再生能源发电制氢功率直接抵抗不确定性成为现实。
3、含氢综合能源系统结合电解器、储氢罐和燃料电池等配套设备,实现氢气的制取、储存和利用,因此需要对设备复杂行为进行调度以消纳可再生能源发电不确定性。综合能源系统不确定优化调度方法主要分为随机规划和鲁棒优化。随机规划根据可再生能源发电的概率分布,基于机会约束或场景生成方法求得期望成本最小对应最优机组出力调度结果。鲁棒优化利用不确定集刻画可再生能源发电不确定性,旨在寻求最恶劣情况下成本最小对应最优调度结果,且其对于不确定集中其它所有值均为可行,目前已发展为两阶段甚至多阶段的模型。但是,不确定集中最恶劣情况发生概率极小,导致鲁棒最优解过于保守。
技术实现思路
1、为了解决上述问题,本发明提出了一种含可再生能源制氢的综合能源两阶段优化调度方法及系统,从硬件上引入可再生能源制氢,从软件上提出鲁棒优化不确定集最优鲁棒界限值的选取,可有效处理可再生能源发电带来的不确定性调度问题。
2、在一些实施方式中,采用如下技术方案:
3、一种含可再生能源制氢的综合能源系统的两阶段优化调度方法,包括:
4、获取综合能源系统可再生能源发电日前预测值;
5、基于所述日前预测值,对两阶段鲁棒-随机优化调度模型进行求解,得到在所有最优鲁棒界限值场景下的期望成本最小对应的最优调度结果;
6、其中,将最优鲁棒界限值γ*设置为服从概率分布的随机变量,按最优鲁棒界限值的概率分布下期望日运行成本最小为目标构建两阶段鲁棒-随机优化调度模型;所述概率分布的确定方法为:
7、利用综合能源系统历史每日可再生能源发电实际值求解确定性优化调度模型;利用综合能源系统历史每日可再生能源发电日前预测值求解鲁棒界限值按设定步长变化的鲁棒优化调度模型;基于每组数据下的确定性最优解和鲁棒最优解得到对应最优鲁棒界限值,利用机器学习的方法生成最优鲁棒界限值的概率分布。
8、作为进一步地方案,所述确定性优化调度模型以日运行成本最小为目标构建。
9、作为进一步地方案,所述鲁棒优化调度模型为:
10、
11、其中,f(x)、g(y)分别为第一、二阶段运行成本函数;x、y分别为第一、二阶段决策向量矩阵;u为不确定向量;u为u的集合。
12、作为进一步地方案,基于每组数据下的确定性最优解和鲁棒最优解得到对应最优鲁棒界限值,具体为:
13、找到令经济性比较指标和风险性比较指标之和最小对应的鲁棒界限值,作为最优鲁棒界限值;
14、其中,经济性比较指标由日运行成本的差值进行度量,风险性比较指标由电解器制氢功率向量差的1范数进行度量。
15、作为进一步地方案,所述经济性比较指标具体为:
16、
17、所述风险性比较指标具体为:
18、
19、其中,ei为经济性比较指标;ri为风险性比较指标;α1、α2为归一化比例系数;分别为在鲁棒界限值γi,j下的第一阶段鲁棒最优解及其对应成本;分别为在鲁棒界限值γi,j下的第二阶段鲁棒最优解及其对应成本;分别为确定性最优解及其对应成本;为在鲁棒界限值γi,j下求解两阶段鲁棒优化模型得到的电解器制氢功率;为求解确定性模型得到的电解器制氢功率。
20、作为进一步地方案,所述两阶段鲁棒-随机优化调度模型具体为:
21、
22、其中,f(x)为第一阶段运行成本函数,为第二阶段运行成本函数,x为第一阶段决策向量矩阵,表示期望,γ*为最优鲁棒界限值,分别表示与随机变量γ*相对应的第二阶段决策向量矩阵、不确定向量。
23、在另一些实施方式中,采用如下技术方案:
24、一种含可再生能源制氢的综合能源系统的两阶段优化调度系统,包括:
25、数据获取模块,用于获取综合能源系统可再生能源发电日前预测值;
26、优化调度模块,用于基于所述日前预测值,对两阶段鲁棒-随机优化调度模型进行求解,得到在所有最优鲁棒界限值场景下的期望成本最小对应的最优调度结果;
27、其中,将最优鲁棒界限值γ*设置为服从概率分布的随机变量,按最优鲁棒界限值的概率分布下期望日运行成本最小为目标构建两阶段鲁棒-随机优化调度模型;所述概率分布的确定方法为:
28、利用综合能源系统历史每日可再生能源发电实际值求解确定性优化调度模型;利用综合能源系统历史每日可再生能源发电日前预测值求解鲁棒界限值按设定步长变化的鲁棒优化调度模型;基于每组数据下的确定性最优解和鲁棒最优解得到对应最优鲁棒界限值,利用机器学习的方法生成最优鲁棒界限值的概率分布。
29、作为进一步地方案,基于每组数据下的确定性最优解和鲁棒最优解得到对应最优鲁棒界限值,具体为:
30、找到令经济性比较指标和风险性比较指标之和最小对应的鲁棒界限值,作为最优鲁棒界限值;
31、其中,经济性比较指标由日运行成本的差值进行度量,风险性比较指标由电解器制氢功率向量差的1范数进行度量。
32、作为进一步地方案,所述两阶段鲁棒-随机优化调度模型具体为:
33、
34、其中,f(x)为第一阶段运行成本函数,为第二阶段运行成本函数,x为第一阶段决策向量矩阵,表示期望,γ*为最优鲁棒界限值,分别表示与随机变量γ*相对应的第二阶段决策向量矩阵、不确定向量。
35、在另一些实施方式中,采用如下技术方案:
36、一种终端设备,其包括处理器和存储器,处理器用于实现指令;存储器用于存储多条指令,所述指令适于由处理器加载并执行上述的含可再生能源制氢的综合能源系统的两阶段优化调度方法。
37、在另一些实施方式中,采用如下技术方案:
38、一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的含可再生能源制氢的综合能源系统的两阶段优化调度方法。
39、与现有技术相比,本发明的有益效果是:
40、(1)本发明针对传统鲁棒优化求解过于保守的问题,将最优鲁棒界限值视为随机变量,按其概率分布下期望日运行成本最小为目标构建两阶段鲁棒-随机优化调度模型,从而实现充分接近最优风险-经济平衡的调度结果。
41、(2)本发明提出最优鲁棒界限值的定义,同时利用大量历史预测值和真实值分别求解鲁棒界限值按一定步长变化的鲁棒优化调度模型和确定性优化调度模型,其次对每组数据下的确定性最优解和鲁棒最优解进行经济、风险比较分析以确定对应最优鲁棒界限值,最后利用机器学习的方法生成最优鲁棒界限值的概率分布。
42、(3)本发明针对综合能源系统中可再生能源发电不确定性问题,引入可再生能源电解水制氢,并结合储氢罐和燃料电池等配套设备,通过调度设备制氢、储氢和用氢行为实现对可再生能源发电不确定性的消纳;所构建的综合能源系统应用本发明优化调度方法,能够得到最有调度结果。
43、本发明的其他特征和附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本方面的实践了解到。