[发明专利]一种区域多能源系统结构及其产能配置优化方法

说明书

本发明涉及一种区域多能源系统结构及其产能配置优化方法，该系统结构包括交互连接的能源输配送系统和需求侧供能系统，需求侧供能系统包括传统能源供能系统、可再生能源供能系统和热电冷联产供能系统。产能配置方法具体是：以最小化成本效益作为目标函数；根据能量转换、产能约束、能量平衡以及单位成本学习曲线，设定得到约束条件；基于目标函数和约束条件，共同构建得到产能配置优化模型，通过对该产能配置优化模型进行求解，得到产能配置最优结果。与现有技术相比，本发明能够使多项能源技术共同参与优化过程，且能全面考虑技术成本动态演变，从而保证优化结果的可靠性。

技术领域

本发明涉及能源综合优化技术领域，尤其是涉及一种区域多能源系统结构及其产能配置优化方法。

背景技术

为应对全球气候变化和解决温室气体排放的难题，各个国家和地区的能源结构逐步向低碳、高效、可靠、安全、可持续的方向发展，其中，随着能源技术的不断发展，以分布式、多介质为特征的多能源系统(Multi-Energy System，MES)成为当前能源结构转型发展的重要方向。多能源系统是一种跨地域、跨能源介质的分布式能源结构，它打破了传统能源结构中不同能源载体系统各自为政的结构体系，通过不同能源介质之间的转换、存储、传输等活动，实现了不同能源载体系统的交互，将传统的各自独立的能源载体系统集成为一种更加广泛、高效、可靠的多能源系统。多能源系统的研究引起了国内外工业界和学术界的重视，研究领域主要包括结构规划、产能配置、生产调度、运行操作等分析与优化问题。在多能源系统的概念范畴下，出现了微型电网(micro-grid)、虚拟电厂(virtual power plant)、能源枢纽(energy hub)、集成能源系统(integrated energy system)、多源多产能源系统(multi-source multi-product energy system)等一系列能源结构系统。

多能源系统优化是当前能源研究领域的热点问题，按照研究角度，该问题分为多种类型。从所考虑时间范围的长短，分为长时(long-term)和短时(short-term)。长时研究以年为基本时间单位，时间跨度为几年，甚至是多能源系统的整个生命周期；短时一般以小时为基本时间单位，时间范围不超过1年。

按照节约能源、减少排放、降低成本等不同的优化目标，又可分为单目标优化和多目标优化，前者包括最小化能源成本、运行成本、CO₂排放等，后者是前者的若干项综合。

多能源系统的产生伴随着能源技术的革命性突破，特别是最近几十年兴起的可再生能源技术是推动高能耗、高排放的传统能源结构向高效节能、低碳排放的可持续能源结构转型发展的核心动力，该技术是多能源系统的重要组成部分。工业界和学术界都已经形成共识，能源技术的发展轨迹对多能源系统具有直接且显著的影响作用。然而，现有研究在多能源系统优化中，简单地将可再生能源技术固化在技术发展阶段的某一切片上，尚未考虑到可再生能源技术历史及未来发展轨迹对多能源系统规划与运营的影响。

技术发展的全生命周期伴随着技术成本的动态变化，可以说，成本的动态演变直接体现了技术的发展路径。特别是在能源技术发展领域，随着技术创新水平的不断提高和技术市场推广的不断加强，可再生能源技术的成本优势日益显现。当前，学习曲线模型是研究可再生能源技术成本变化的主流方法，学习曲线源于“二战”时期对飞机工业生产数据监测分析的一种观察结果，即产品的单位成本随着产量的增加呈现下降的趋势。学习曲线已经被众多学者引入到能源技术领域中，针对可再生能源技术发展规划及能源政策制定展开了大量的研究工作。学习曲线描述了随着能源技术性能改进和实践经验的积累，技术单位成本会按照一定比例下降的一种实证现象。