[发明专利]基于统计机器学习的园区综合能源系统的规划方法

说明书

本发明公开了一种基于统计机器学习的园区综合能源系统的规划方法，该规划方法包括：获取历史气象数据，对分布式光伏电源的发电功率、热力系统发电功率和天然气系统供气功率进行潮流计算，获得园区综合能源系统的运行状态变量，根据此运行状态变量建立目标函数，设立约束条件，对目标函数和约束条件组成的规划问题进行迭代求解，获得分布式光伏电源选址定容规划方案。该规划方法考虑了分布式光伏电源和电力负荷、建筑物供暖热负荷和天然气负荷波动的多能流关联耦合特性对园区综合能源系统安全运行的影响，通过构建精细化场景，对园区综合能源系统概率能量流进行计算，大幅度提升了能源的综合利用效率。

技术领域

本发明涉及综合能源系统运行与分析领域，尤其涉及一种基于统计机器学习的园区综合能源系统的规划方法和一种计算机可读存储介质。

背景技术

随着可再生能源广泛接入，园区综合能源系统具有越来越多的不确定性和复杂性，为综合能源系统的安全运行带来困难和挑战。为解决园区综合能源系统的不确定性的问题，需要对新能源出力不确定性进行准确建模。除此之外，可再生能源的随机性还会导致园区综合能源系统节点注入负荷或功率的随机性，为解决此问题可以通过概率潮流计算，统计系统各状态变量的概率分布特征，对分析多能源系统安全经济运行具有重要作用。相关技术中使用概率模型对可再生能源不确定性建模，具有如下问题：模型容量小，数字特征只能抓取局部数据特征，不能充分刻画可再生能源出力复杂高维大数据特征，也不能满足含有多种不确定性相关变量的园区综合能源系统概率能量流计算要求。并且，相关技术中使用的概率模型对可再生能源不确定性建模将会导致最终的能源系统规划决策精确度、安全情况准确度和能源利用效率较低。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于统计机器学习的园区综合能源系统的规划方法，通过把天然气、热电联供技术与光伏发电结合在一起，考虑了分布式光伏电源和电力负荷、建筑物供暖热负荷和天然气负荷波动的多能流关联耦合特性对园区综合能源系统安全运行的影响，通过构建精细化的场景，对园区综合能源系统概率能量流进行计算，可以大幅度提升能源的综合利用效率。并且，还通过温度的季节性时序特征仿真模拟天气场景，生成光伏出力场景，提高了复杂运行场景模拟的准确性。相比于传统的概率模型，避免了显式指定随机模型拟合概率分布，大大提高了随机生产仿真的效率，为园区综合能源系统安全经济运行提供决策建议。

本发明的第二个目的在于提出一种计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种基于统计机器学习的园区综合能源系统的规划方法，包括：获取影响分布式光伏电源和建筑物供暖负荷的历史气象数据，并对所述历史气象数据进行处理，获得仿真样本集；根据所述仿真样本集计算所述分布式光伏电源的发电功率和所述建筑物供暖负荷；根据所述建筑物供暖负荷计算所述园区综合能源系统的热力系统发电功率和天然气系统供气功率；根据所述分布式光伏电源的发电功率、所述热力系统发电功率和所述天然气系统供气功率进行潮流计算，获得所述园区综合能源系统的运行状态变量；根据所述园区综合能源系统的运行状态变量建立目标函数，并由目标函数和约束条件组成规划问题，以及对所述规划问题进行迭代求解，获得分布式光伏电源选址定容规划方案。

根据本发明实施例提供的基于统计机器学习的园区综合能源系统的规划方法，通过获取影响分布式光伏电源和建筑物供暖负荷的历史气象数据，并处理这些历史气象数据以得到仿真样本集，接下来，根据此仿真样本集计算出分布式光伏电源的发电功率和建筑物供暖负荷，再对建筑物供暖负荷进行进一步计算得到园区综合能源系统的热力系统发电功率和天然气系统供气功率，然后，对分布式光伏电源的发电功率、热力系统发电功率和天然气系统供气功率进行潮流计算，得到园区综合能源系统的运行状态变量，最后，根据园区综合能源系统的运行状态变量建立目标函数，对目标函数和约束条件组成的规划问题进行迭代求解，得到分布式光伏电源选址定容规划方案。