[发明专利]基于场景分析的综合能源系统两阶段优化运行方法及系统

说明书

本发明公开了一种基于场景分析的综合能源系统两阶段优化运行方法及系统，此方法包括步骤：基于各能源和负荷的预测基准值，以日前运行成本最低为目标函数，构建日前阶段优化模型；以日内实际运行场景中对日前成本的增量期望值最小或减量期望值最大为目标函数，构建日内阶段优化模型；通过日前阶段优化模型和日内阶段优化模型，得到全局最优运行方案；其中通过多参数快速前向选择法来对实际运行场景进行削减以提高优化速度。本发明具有优化速度快、经济性好、包容性好等优点。

技术领域

本发明主要涉及能源优化技术领域，具体涉及一种基于场景分析的综合能源系统两阶段优化运行方法及系统。

背景技术

综合能源系统的各个子系统由于其物理特性、市场机制、信息化和自动化水平的显著不同，长期采取的是不同单元独立规划、建设、运行和管理的方式，未从全局考虑整体能源系统的优化。分布式能源以其靠近负荷的优势成为终端一体化供能系统的核心，减少了系统对主网的依赖，从而在一定程度上减少了配送网络的扩建投资。然而，分布式可再生能源的波动性、间歇性以及负荷的难预测性对能源系统可靠性及系统平衡提出了严峻挑战，如何通过分布式天然气机组、储能装置等响应快速的能源平抑该负面影响成为关键。

目前，随着电网规模不断扩大，电网结构日趋复杂，存在电力系统调峰能力不足、难以适应清洁能源大规模并网消纳的问题。部分地区弃风、弃水、弃光问题严重，分布式能源发展面临瓶颈。为解决这一问题，关键是做好通过短期分布式电源和负荷预测所制定的源负荷的经济调度计划，如何减少分布式电源出力不确定性对机组运行成本的不利影响，以及限制由不确定性带来的失负荷影响，一直是综合能源优化调度的着重研究问题。

随着综合能源系统运行中的不确定性增强，若采用某种确定性的机组组合方式，将难以保证决策的有效性，机组组合决策必须考虑到不确定条件下系统所可能呈现的各种运行形态及其对应的不同的运行效果。从本质上讲，对分布式可再生能源出力和符合的预测属于随机机组组合问题，该类问题利用不确定输入因素(如需求、设备故障和部分可预测的可再生能源发电量)的概率模型，最小化诱导系统成本分布的某个分位数或其期望值。通常情况下，这种概率模型是由一组描述这些随机因素的合理实现的情景来近似的。为了使随机解可靠，需要考虑的场景数量必须很大，这可能会导致难以解决的优化问题。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的问题，本发明提供一种优化速度快、运行成本低、包容性好的基于场景分析的综合能源系统两阶段优化运行方法及系统。

为解决上述技术问题，本发明提出的技术方案为：

一种基于场景分析的综合能源系统两阶段优化运行方法，包括步骤：

基于各能源和负荷的预测基准值，以日前运行成本最低为目标函数，构建日前阶段优化模型；

以日内实际运行场景中对日前成本的增量期望值最小或减量期望值最大为目标函数，构建日内阶段优化模型；

通过日前阶段优化模型和日内阶段优化模型，得到全局最优运行方案；

其中通过多参数快速前向选择法来对实际运行场景进行削减以提高优化速度。

作为上述技术方案的进一步改进：

所述多参数快速前向选择法的具体步骤为：

1)获取原始场景，并以电负荷预测值为X轴，热负荷预测值为Y轴，光伏电出力预测值为Z轴建立三维数据空间；

2)计算每个场景点与任一其他场景点的空间距离；

3)计算每个场景点的Kantorovich距离，更新削减场景集；

4)计算削减场景集内余下的任意两场景点间距，计算每个场景点的Kantorovich距离，更新削减场景集，直至削减的场景数量达到预设数量；