【技術實現步驟摘要】
本專利技術涉及綜合能源系統優化，尤其涉及一種考慮源荷預測不確定性的ries多目標優化規劃方法。
技術介紹
1、隨著化石能源的逐漸枯竭和全球環境污染的日益加劇，能源形勢將面臨前所未有的挑戰。區域綜合能源系統ries是緩解目前能源供需矛盾、減少污染物排放的有效途徑，因而備受關注。ries整合了電力、天然氣、熱能、冷能等多種能源形式，能夠實現各種能源的協調規劃和統一調度，是推動能源高效梯級利用和減排的有效模式。因此，ries已成為全球能源系統領域的研究熱點。
2、在ries的架構下，大量能源相互轉化設備在供給、傳輸、需求環節的耦合性越來越強。但不同能源之間通過大量的轉換設備相互耦合，不同異質能源通過耦合設備相互轉換、分配，給ries的協同規劃和能源管理帶來很大的挑戰。由于風、光、儲等引入ries后進一步加劇ries在規劃及運行過程中所面臨的多重不確定性挑戰，增加規劃和運行建模的難度，確定性規劃技術已難以適用。
3、在ries的深入研究中，ries的源荷不確定性建模占據了舉足輕重的地位。鑒于能源需求與供應體系所固有的復雜性與高度不確定性特點，精確且合理地構建不確定性的模型對于各方面至關重要。不僅能夠有效指導并優化ries的規劃與設計工作，還能顯著提升ries的運行效率，并進一步保障能源的安全穩定供應。因此，對ries中的源荷不確定性進行精確建模，已成為當前學術界與業界共同關注與探索的重要課題。
4、ries源荷不確定性建模是一個復雜而重要的領域，為了有效應對這些不確定性，研究者們采用了多種建模方法。常
5、要實現ries的預期優勢，合理的前期規劃和后期的優化運行非常重要，其實質是一個涉及多目標的復雜問題，如經濟、環境、可靠度等等。目前，多目標優化方法主要有加權求和法、ε-約束法、pareto優化、分層優化法等。加權求和法的優點是簡單易懂，易于實現，其缺點是權重的選擇主觀性太強，在目標之間存在明顯沖突時，無法達到目標之間的平衡，且對于非凸問題，只能找到局部最優解而非全局最優解。ε-約束法能有效處理多個目標，同時關注主要目標的優化，適用于不同類型的目標函數；其缺點是需要合理設置約束的閾值，存在計算量大，尋找合適的約束范圍較困難的問題。分層優化法能夠優先處理重要目標，確保主要目標的優化；缺點是不同層次之間的目標關系并不明確，造成優化過程不連貫，低層目標的優化受到高層目標的限制，影響最終結果，無法充分利用目標間的相互關系，導致潛在解的遺漏。pareto優化能夠提供一組pareto最優解，展示不同目標之間的權衡，不需要事先設定權重，客觀性較強。nagaii?non-dominated?sorting?genetic?algorithm?ii是一種基于遺傳算法的pareto前沿優化方法，專門用于解決多目標優化問題，具有運行速度快、求解收斂性好、計算復雜度低等優點，在能源系統優化研究中得到了廣泛應用。有文獻采用改進的nsga-ii方法，有效地解決了綜合能源系統多目標優化問題的帕累托前沿。也有文獻用nsga-ii構建了以經濟、環保、能效最優為目標的分布式多能互補能源系統綜合評價指標。但是，nsga-ii在處理多維問題時，收斂能力較弱，導致解分布不均勻，計算復雜度增加。nsga-iii是nsga-ii的改進算法，引入參考點方法專門用于高維多目標優化，能有效找到pareto前沿的均勻分布解，引導搜索并改善解的分布性，確保多樣性，在高維問題上具有更好的收斂性，能夠更精準地接近真實pareto前沿，尤其在處理較大種群時，nsga-iii的效率更高，能快速適應不同的目標數。
技術實現思路
1、本專利技術的目的是提供一種考慮源荷預測不確定性的ries多目標優化規劃方法，能夠綜合考慮源荷預測不確定對規劃的影響，提升系統的可靠性、可再生能源利用率，并降低系統投資與運維成本，同時減少二氧化碳排放量。
2、為了實現上述目的，本專利技術所采用的技術方案是：一種考慮源荷預測不確定性的ries多目標優化規劃方法，其特征在于：包括以下步驟：
3、步驟1：建立ries能量轉換模型；
4、步驟2：根據建立的ries能量轉換模型，利用供需歷史數據預測源荷數據并計算預測誤差，并根據所得到的預測誤差建立不確定性場景集并對其分類與場景消減；
5、步驟3：以系統總成本、二氧化碳排放量、外購能源為目標建立多目標優化函數；
6、步驟4：采用nsga-iii對多目標函數求解獲得pareto解集，并使用模糊熵理論與topsis相結合的策略對帕累托解集進行選擇，得到最佳的多目標優化規劃結果。
7、優選的，所述步驟1中的ries包括多種供能與能量轉換設備，包括光伏pv、風電wt、微型燃氣輪機mt、燃氣鍋爐gb、電制冷機ec、吸收式制冷ac、電鍋爐eb、碳捕集裝置ccs、冷熱電聯產cchp、電轉氣p2g、儲電裝置ess、儲熱裝置hss、儲冷裝置css和儲氣裝置gss。
8、優選的，所述步驟1中的ries能量轉換模型中電、熱、冷、氣的能量轉換及輸入輸出能量平衡關系如下式所示：
9、
10、式中l為負荷矩陣；c為耦合矩陣；p為多能供給矩陣；分別為電、冷熱、氣負荷需求；θ為分配給用電設備的電量比例，θ、σ分別為cchp及gb消耗的天然氣比例，θ,σ∈[0,1]；分別為cchp、eb、gb、ec、ac、p2g多元能源轉換效率，多能存儲的充放功率，為正表示放能，為負表示充能；kg為天然氣熱值；為ries內系統能源供給量。
11、優選的，所述步驟2中采用電、冷、熱、氣負荷需求及預測誤差作為采樣源，使用拉丁超立方抽樣方法模擬不確定性場景，通過多次隨機采樣，生成大量可能的源荷不確定性場景。
12、優選的，所述通過多次隨機采樣，生成大量可能的源荷不確定性場景包括以下步驟：
13、步驟201：定義采樣空間并劃分區間，假設源荷預測誤差為一個m維隨機向量x＝[x1,x2,…xm]，其中每個本文檔來自技高網...
【技術保護點】
1.一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟1中的RIES包括多種供能與能量轉換設備，包括光伏PV、風電WT、微型燃氣輪機MT、燃氣鍋爐GB、電制冷機EC、吸收式制冷AC、電鍋爐EB、碳捕集裝置CCS、冷熱電聯產CCHP、電轉氣P2G、儲電裝置ESS、儲熱裝置HSS、儲冷裝置CSS和儲氣裝置GSS。
3.根據權利要求2所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟1中的RIES能量轉換模型中電、熱、冷、氣的能量轉換及輸入輸出能量平衡關系如下式所示：
4.根據權利要求1所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟2中采用電、冷、熱、氣負荷需求及預測誤差作為采樣源，使用拉丁超立方抽樣方法模擬不確定性場景，通過多次隨機采樣，生成大量可能的源荷不確定性場景。
5.根據權利要求4所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法
6.根據權利要求5所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟2中的對原采樣源荷預測不確定性場景集進行聚類和削減包括以下步驟：
7.根據權利要求1所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟3中的多目標優化函數包括經濟目標、環境目標、可靠性目標；
8.根據權利要求7所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟3中的多目標優化函數的約束條件包括能量平衡約束、外購能源約束；
9.根據權利要求1所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟4中的采用NSGA-III對多目標函數求解獲得Pareto解集包括以下步驟：步驟401：初始化，生成一組初始種群P,種群大小為N；
10.根據權利要求1所述的一種考慮源荷預測不確定性的RIES多目標優化規劃方法，其特征在于：所述步驟4中的用模糊熵理論與TOPSIS相結合的策略對帕累托解集進行選擇包括以下步驟：
...【技術特征摘要】
1.一種考慮源荷預測不確定性的ries多目標優化規劃方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種考慮源荷預測不確定性的ries多目標優化規劃方法，其特征在于：所述步驟1中的ries包括多種供能與能量轉換設備，包括光伏pv、風電wt、微型燃氣輪機mt、燃氣鍋爐gb、電制冷機ec、吸收式制冷ac、電鍋爐eb、碳捕集裝置ccs、冷熱電聯產cchp、電轉氣p2g、儲電裝置ess、儲熱裝置hss、儲冷裝置css和儲氣裝置gss。
3.根據權利要求2所述的一種考慮源荷預測不確定性的ries多目標優化規劃方法，其特征在于：所述步驟1中的ries能量轉換模型中電、熱、冷、氣的能量轉換及輸入輸出能量平衡關系如下式所示：
4.根據權利要求1所述的一種考慮源荷預測不確定性的ries多目標優化規劃方法，其特征在于：所述步驟2中采用電、冷、熱、氣負荷需求及預測誤差作為采樣源，使用拉丁超立方抽樣方法模擬不確定性場景，通過多次隨機采樣，生成大量可能的源荷不確定性場景。
5.根據權利要求4所述的一種考慮源荷預測不確定性的ries多目標優化規劃方法，其特征在于：所述通...
【專利技術屬性】
技術研發人員：馬華紅，宿忠娥，穆昱，鄭國強，王國棟，張怡航，胡淼森，薛玉君，
申請(專利權)人：河南科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。