1.一种考虑可调热电比的能量枢纽双层优化方法,其特征在于,包括如下步骤:步骤1,采用基于数据集的改进k‑means聚类典型场景缩减方法处理风电出力不确定性问题,获得若干个典型风电出力场景和对应的概率以描述风电出力特征;
步骤2,分析能量枢纽内CHP热电比调节原理,通过输入补燃量以改变热电比,实现CHP机组产热效率和输出功率的灵活调节;
步骤3,建立考虑热电比可调的能量枢纽双层优化模型,上层模型考虑能量枢纽的经济效益,即各设备的运行成本和环境成本达到最小;下层模型考虑能够反映能源利用程度的能量枢纽用能效率;
步骤4,建立模型约束条件,包括能量枢纽电、热、冷能平衡约束,设备运行约束,能量枢纽中分配给各转化设备的能源比例约束以及CHP补燃约束;
步骤5,采用K‑T条件对原双层优化问题进行转化,再由线性递减权重的粒子群算法进行求解;
步骤6,依据步骤3、4建立的能量枢纽双层优化模型,基于MATLAB优化工具箱对模型进行求解;
步骤7,输出夏、冬季的典型风电出力场景及其相应概率;
步骤8,基于各风电出力场景,输出夏、冬季下能量枢纽的经济效益和用能效率以及风电消纳率。
2.根据权利要求1所述的考虑可调热电比的能量枢纽双层优化方法,其特征在于,步骤
1所述的典型场景缩减方法,具体过程为:
1)确定聚类数目的搜索范围,对风电出力历史数据进行归一化,建立可进行聚类的矩阵;
2)在聚类数有效搜索范围内基于k‑means聚类算法对归一化的风电出力数据矩阵进行场景划分;
3)对聚类结果进行PFS有效性指标检验,若为最佳聚类数则转向下一步,否则转向步骤
2);
4)按照最大最小距离原则更新聚类中心;
5)当聚类中心不再变化时,输出风电出力典型缩减场景及其对应概率。
3.根据权利要求1所述的考虑可调热电比的能量枢纽双层优化方法,其特征在于,步骤
2所述的CHP热电比调节原理,具体表述为:
余热锅炉是调节热电比的主要设备,以燃油作为补燃燃料进行补燃达到调节CHP热电比的目的;热电比VCHP是CHP输出热功率 与输出电功率 的比值,也是CHP热效率与电效率之比,即:认为CHP电效率在一定的输出电功率范围内是恒定不变的,故热电比的变化将引起CHP热效率的变化;根据余热锅炉补燃量Po(t)、补燃率M(t)与热电比关系的实验数据,对其进行拟合后发现近似呈线性关系,故得到相应的拟合方程,即:VCHP(t)=ka1M(t)+ka2 (2)M(t)=kb1Po(t)+kb2 (3)式中,系数ka1、ka2、kb1和kb2分别为2.594、2.177、0.007017和‑0.839。
4.根据权利要求1所述的考虑可调热电比的能量枢纽双层优化方法,其特征在于,步骤
3所述的双层优化模型以能量枢纽经济效益和用能效率最大为目标函数,具体表述为:对于上层模型,有:
式中,Fz为能量枢纽运行的总经济成本;i表示第i个风电出力场景;pi表示第i个风电出力场景的发生概率;S为风电出力场景总数;T为一个优化周期;Fy,i为第i个场景下的运行成本;Fh,i为第i个场景下的环境成本;
其中,第i个场景下的运行成本由购能成本和各能源转化装置的维护成本组成,具体数学表达式如下:式中,第一项为购气成本,Pg,i(t)为天然气输入功率,Lgas为天然气的低位热值,λgas为购天然气的单位价格;第二、三项为购电成本,包括电网电能和风电,Peb,i(t)、Pw,i(t)分别为购买电网电量和购买风电电量, 为购买电网电能的单位价格, 为购风电单位价格;
第四项为补燃成本,Lo为补燃燃油低热值,λo为购买补燃燃油的单位价格;第五项为各能源转换装置的维护成本,Pj,i(t)为i场景下各能源转化装置的输出功率,包括CHP(j=CHP)、燃气锅炉(j=GB)、吸收式制冷机(j=OPAC)、电锅炉(j=EB)、电制冷机(j=EC)以及风电机组(j=WT), 为对应转化装置的单位维护价格;
第i个场景下的环境成本主要为各能源转换装置的输出功率和各污染物单位环境效益乘积,由于风电属于清洁能源,基本无污染物排放,故不计风电机组的环境成本,具体数学表达式如下:式中, 为CHP(k=CHP)、燃气锅炉(k=GB)、吸收式制冷机(k=OPAC)、补燃燃油(k=Oil)以及火电机组(k=eb)的污染物排放强度; 为污染物环境价值,m为污染物种类,包括CO2、CO、SO2和NOx;
对于下层模型,有:
其中,
L(t)=L_e(t)+L_h(t)+L_c(t) (8)Pi(t)=Peb,i(t)+Pg,i(t)+Po,i(t) (9)能量枢纽的总输出功率,包括电、热、冷负荷之和;能量枢纽的总输入功率,包括输入电能、天然气以及补燃燃油的功率之和。
5.根据权利要求4所述的考虑可调热电比的能量枢纽双层优化方法,其特征在于,步骤
4所述的模型约束条件,具体表述为:
能量枢纽电、热、冷能平衡约束:
式中, 分别为场景下CHP的输出电、热功率; 分别为燃气锅炉和电锅炉在场景i中的制热功率; 和 分别为吸收式制冷机和电制冷机在场景i中的制冷功率;
设备运行约束:
0≤Pj,i(t)<Pj,max (13)
0≤ΔPj,i(t)<ΔPj,max (14)
0≤Peb,i(t)<Peb,max (15)式中,Pj,max为各能源转化装置对应的最大输出功率;ΔPj,i(t)为能源转化装置对应的爬坡率,ΔPj,max为相应的上限;Peb,max为向电网购买电量上限;
能量枢纽中分配给各转化装置的能源比例约束:
0≤Vi≤1 (16)
0≤vGF,i≤1 (17)
0≤vBC,i≤1 (18)
0≤vE,i≤1 (19)
0≤vEC,i≤1 (20)式中,Vi和vj,i(j=GF,BC,E,EC)均为i场景下的能源分配比例,且vEB=1‑vEC;
CHP补燃约束:
0<Mi(t)<Mmax (21)式中,Mmax为最大补燃率。
6.根据权利要求5所述的考虑可调热电比的能量枢纽双层优化方法,其特征在于,步骤
5所述的K‑T条件转化方法,具体表述为:
对于双层优化模型,当上层模型是线性,下层模型为凸优化时,采用K‑T条件将带约束条件的双层优化问题进行转化,首先对下层模型构建拉格朗日函数,基于K‑T条件将下层模型转化为一组等式约束条件加入上层模型中,消去下层模型,从而对转化后的单层优化模型进行求解,即:根据能量枢纽双层优化模型,上层模型含有等式及不等式约束,且为线性优化;而在下层模型中,其目标函数是连续的、非线性的,且在决策变量的约束范围内是凸函数;因此,其最优解一定满足K‑T条件的使用;引入对偶变量λ,对下层模型建立拉格朗日函数,具体过程如下,以第i个风电出力场景为例:根据K‑T条件,得到最优解的前提是对L(x,λ1,λ2)进行求导,并令导数等于0,从而将下层模型转化为一组约束条件加入到上层模型中;最终原双层优化问题转变为单层优化模型如下式所示:s.t.
λk≥0,k=1,2
λk(Mi(t)‑Mmax)≤0
λk(Mmin‑Mi(t))≤0。
7.根据权利要求1所述的考虑可调热电比的能量枢纽双层优化方法,其特征在于,步骤
6所述的能量枢纽双层优化模型,并设置了三种方案进行验证,包括:
1)方案一:能量枢纽中采用CHP热电比恒定模式向用户供应电、热、冷负荷,但输入端不引入风电;
2)方案二:能量枢纽中采用CHP热电比可调模式向用户供应电、热、冷负荷,但输入端不引入风电;
3)方案三:能量枢纽中采用CHP热电比可调模式向用户供应电、热、冷负荷,且输入端引入风电,并考虑风电出力的不确定性。