考虑综合能源系统中不确定性因素的建模研究

考虑综合能源系统中不确定性因素的建模研究

汪强,卢启明,黄新伊

浙江杭嘉鑫清洁能源有限公司   浙江嘉兴 314000

摘要：新能源作为一种清洁高效的能源，将其接入电网具有明显的优势，但是新能源具有间歇性、波动性的特征，这也会对IES系统的稳定运行造成隐患。为了提高IES系统对新能源的消纳能力，提出了一种考虑新能源配额制的多园区IES优化调度的模型，以此来保证系统的经济性；而基于电转气技术，提出了一种IES系统多目标优化调度模型，考虑到低运行成本、低弃风成本与低环境污染3个目标，同时，也指出了在气—电互联系统运行时，天然气系统里的气负荷变化也会影响整个系统的经济性。

关键词：综合能源系统；不确定性因素；建模

引言

在全球能源危机之后，世界各地正在发生从化石能源向新能源的过渡。2020年9月，中国制定了“二氧化碳平衡目标”，即中国再次加快能源转化的进展。随着新能源的增加及其与能源系统的深刻耦合，形成了一个基于能源系统的区域综合能源系统(series)。增加新能源会增加series的不确定性，series必须更灵活、更有弹性、更灵活等。因此，传统的确定性电源规划方法不再适用于串行配置。该区域能源类型和能源需求的趋同使能源类型日益多样化，使ries面临越来越复杂的作业情景和更大的不确定性。处理RIES面临的不确定性和比较经典方法是随机程序、交集和质朴结构。随机方法使用随机变量描述系统不确定性，表示具有概率密度函数的随机变量。划分方法是包含目标函数或约束条件中划分数的配置类别。它使用区间数来描述不确定性。rutilot方法描述了立方体、小平面、椭圆等形式的不确定性。

1源荷侧不确定性因素分析

IES系统虽然可以合理协调各个子系统的资源，但是该系统中却存在大量的不确定性因素，而这些不确定性因素的存在也极大地影响了IES系统运行的可靠性，因此分析这些不确定性因素的重要意义不言而喻。IES结构如图1所示。从IES系统中的能源侧来看，一方面火力发电机组的出力存在不确定性，另一方面天然气站的出口压强也不易获取；如若接入大量的太阳能、风能等新能源，那么这些新能源所带来的波动性也势必会给系统造成更多的不确定性。从IES系统中的负荷侧来看，负荷侧除了存在储能系统、可变负荷（比如电动汽车）这些不确定性因素，还存在气负荷，家庭用气负荷就与用电负荷一样，存在随机不确定性；当然最重要的一点是，需求响应可以起到“削峰填谷”的作用，如若负荷参与到需求响应中，那么就会大大增加IES系统运行的不确定性。其中IES系统中参与综合需求响应的负荷是由基于价格的电负荷和基于激励的热负荷构成，如图1所示。

除了以上不确定性因素，还存在燃料价格变动、政策调整等影响因素，但在短期内这些影响因素可以暂不考虑。因此本文基于以上影响因素，并结合实际主要考虑针对能源侧中新能源、负荷侧中气负荷和综合需求响应这3方面的不确定性因素进行分析并建立模型，这些不确定性因素均存在一定的波动性。

2综合需求响应不确定性

在不确定的环境中，模型图形显示在图2中以满足需求。电气坐标图和电气坐标图相互关联，电–热坐标图同理。为了消除T1-T2期间的排气电流，电–气、电–热替代引起的气流将被空气热泵取代为热量和导热，电气、电炉和电磁炉将被厨房空气取代。热止裂槽通过风的布线增加面积，如S3中所示。多功能用户，在异构能源价格信号的指导下，通过执行电力传输、减少、转换、温度降级、转换和气体转换来选择能源使用的形式和时间，从而最大限度地提高其经济效益，同时减轻风能和电网的负担。

3不确定性因素模型

不确定现象形式多变，学者们在分析大量的不确定现象的过程中，发现了这些不确定性信息表现出灰色性、模糊性、未确知性和随机性等方面的特征，而处理这些信息的方法则被称为不确定性数学。不确定性因素建模是分析IES系统不确定性的基础，而针对影响IES系统稳定运行的不确定性因素，目前主要有2种方法处理，一是区间分析法，二是场景分析法。区间分析法是以区间来描述不确定性的数据，从而实现数据的存储与运算；场景分析法则可利用一些具有代表性的场景来表征不确定性因素的波动特征。虽然这2种方法都能够很好地处理不确定性因素，但是考虑到后续若需进行IES系统的潮流分析，由于区间分析法采用区间变量，会导致其在加减迭代过程中不断增加，从而影响潮流计算结果的精确性；此外，上述不确定性因素具有一定概率分布特征，而场景法恰好能够根据其特征将随机模型转化成确定的场景模型。因此本文采用第二种方法，即场景分析法。

4综合能源系统调度风险指标

综合电力系统中的不确定性主要来自电力和供热负荷的能量预测误差和能量预测误差，这些误差为电力绑定运营商的规划决策提供资金，并首先对t期的EHO负荷进行建模：

（1）

（2）

式(1)、(2)在PeEHO中，EHO在周期t中的负载，PeESO在周期t中为ESO的负载。PEUSER是用户购买的遵循正常分布的功率。y是安装光波的用户的比例。PPV对应于t相光能的Beta分布。XE是用户的能量过渡系数，遵循具有边界条件的正态分布。PHEHO是期间t中EHO的热负荷。相控是指ESO在t期内存储或存储的热性能。phuser是用户在期间t中使用的遵循正态分布的热性能。XH是使用者的热转移系数，遵循具有边界条件的正态分布。由于电力系统的综合市场交易机制，PEEHO和PHEHO都没有受到EHO面临的负担的简单分配。为了了解这些不确定因素对EHO计划决策的经济影响，采用蒙特卡罗方法，创建了如下未解决的方案:(1)为三个已知分布因子分别创建了n个方案:(2)ehome负荷需求是按单个方案(1)、(3)计算的，而在电力负荷下则有n 3个方案。热载荷有n 2场景。3)设置长度为100的范围，从PMIN最小载荷开始，直到最后载荷的最大范围限制超过PMAX最大载荷。为了尽可能接近统计频率，不确定场景的数量应远远大于间隔的数量。4)计算每个部分中的场景数，并用场景落在特定区域的频率替换场景发生的实际概率。通过蒙特卡洛方法生成场景后，调度风险指标：

（3）

式中Ｋ为利用蒙特卡洛方法生成的场景的个数；Ｐｒｉ为第ｉ个场景出现的概率；ΔＱｉ为第ｉ个场景下ＥＨＯ收益相较于预期收益Ｑ离差的百分比，记第ｉ个场景下ＥＨＯ收益为Ｑｉ，则ΔＱｉ＝（Ｑｉ－Ｑ）／Ｑ。

5 K均值聚类方法步骤

K均值聚类方法是通过判断待聚类点到中心点的距离长短来聚类的一种方法，其算法步骤如下。步骤1：输入数据样本，确定聚类个数、若干聚类对象的聚类中心。步骤2：计算每个聚类对象中聚类点到中心点的距离后，根据最小距离对相对应的聚类对象进行重新分类。步骤3：重新计算各个聚类的平均值作为新聚类中心。步骤4：重复步骤2和3，直至无改变，同时生成若干场景。IES系统中不确定性因素有新能源出力、气负荷、基于价格的电负荷和基于激励的热负荷，那么通过K均值聚类法生成c个场景的话，则总概率分布集Xc等于各个场景概率集之积，总场景数Nc等于各个不确定性因素场景之积。

结束语

近年来，随着世界能源危机和环境问题下能源的高效利用和可持续发展成为社会各界关注的焦点，构建综合能源体系可以实现能源综合优化、多功能互补，对促进能源高效清洁利用发挥重要作用。

参考文献

[1]陈忠华,高振宇,陈嘉敏,吴娴萍,付学谦,陈贤卿.考虑不确定性因素的综合能源系统协同规划研究[J].电力系统保护与控制,2021

[2]王培汀.考虑多重不确定性因素的综合能源系统能源站互联协同规划研究[D].天津大学,2020

[3]刘万勋,蒋小亮,关舒丰,周士超,邵红博.政府监管下综合能源系统不确定性分析及评估[J].电气自动化,2020

[4]张章煌.考虑不确定性的综合能源系统日前优化调度研究[D].浙江大学,2020

[5]王瑾然,卫志农,张勇,马洲俊,孙国强,臧海祥,陈胜.计及不确定性的区域综合能源系统日前多目标优化调度[J].电网技术,2020