基于风、光联合出力仿真的多能联供系统鲁棒机会约束优化研究

doi:10.16182/j.issn1004731x.joss.23-0848

摘要/Abstract

摘要：

为了有效规避风、光出力不确定性造成的供需失衡风险、促进多能联供系统的持续、稳定和健康发展，联合使用Copula理论、机会约束规划方法和鲁棒优化算法，构建了考虑风、光联合出力不确定性的多能联供系统鲁棒机会约束优化调度模型。结果显示：该模型不仅可以准确识别和表征风、光联合出力分布概率，制定低违约风险条件下的风、光出力策略，还可以通过调整供给侧能源输出结构，生成鲁棒性最优的多能联供系统运行方案，显著提高系统运行的稳定性，降低风、光不确定性造成的经济风险。

关键词: 多能联供系统, 不确定性, Copula理论, 机会约束, 鲁棒优化

Abstract:

In order to effectively avoid potential imbalance between supply and demand caused by the uncertainty of wind and solar power outputs, and promote the sustained development of the multi-energy supply system, a robust chance-constrained optimization model is developed for identifying optimal operation strategies under complexities and uncertainties through incorporating Copula theory, chance-constrained programming, and robust programming within a general framework. The results show that this model can not only accurately characterize the distribution probability of combined outputs of wind and solar power and formulate the operational strategies under low default risk conditions, but also reduce the proportion of high-risk energy output by adjusting the energy output structure on the supply side, and generate a robust operation scheme for the multi-energy supply system, which significantly improves the stability of the system operation, and reduces the economic risks caused by the uncertainty of wind and light.

Key words: multi-energy supply system, uncertainty, Copula theory, chance-constrained programming, robust optimization

中图分类号:

TK01

包哲,李薇,张潇方等 . 基于风、光联合出力仿真的多能联供系统鲁棒机会约束优化研究[J]. 系统仿真学报, 2024, 36(8): 1895-1913.

Bao Zhe,Li Wei,Zhang Xiaofang,et al . Study on Robust Chance Constrained Optimization of Multi-energy Supply System Based on Wind and Solar Power Combined Output Simulation[J]. Journal of System Simulation, 2024, 36(8): 1895-1913.

图/表 21

图1

图2

图3

图4

表1

表2

图5

图6

表3

图7

图8

图9

图10

图11

图12

图13

图14

图15

图16

表4

表5

参考文献 24

1	范雅倩, 于松源, 房方. 热电联产虚拟电厂两阶段分布鲁棒优化调度[J]. 系统仿真学报, 2023, 35(5): 1046-1058.
	Fan Yaqian, Yu Songyuan, Fang Fang. Two-stage Distributed Robust Optimal Dispatching for a Combined Heat and Power Virtual Power Plant[J]. Journal of System Simulation, 2023, 35(5): 1046-1058.
2	李伟琦, 王维庆, 王海云, 等. 基于安全域理论的含新能源电力系统概率潮流分析方法[J]. 太阳能学报, 2022, 43(8): 1-7.
	Li Weiqi, Wang Weiqing, Wang Haiyun, et al. Probabilistic Power Flow Analysis Method for Power System with Renewable Energy Based on Security Region Theory[J]. Acta Energiae Solaris Sinica, 2022, 43(8): 1-7.
3	白牧可, 唐巍, 张璐, 等. 基于机会约束规划的DG与配电网架多目标协调规划[J]. 电工技术学报, 2013, 28(10): 346-354.
	Bai Muke, Tang Wei, Zhang Lu, et al. Multi-objective Coordinated Planning of Distribution Network Incorporating Distributed Generation Based on Chance Constrained Programming[J]. Transactions of China Electrotechnical Society, 2013, 28(10): 346-354.
4	朱刘柱, 尹晨旭, 王宝, 等. 计及风/光/荷不确定性的综合能源站随机规划研究[J]. 电网与清洁能源, 2021, 37(5): 96-105.
	Zhu Liuzhu, Yin Chenxu, Wang Bao, et al. Stochastic Programming of Integrated Energy Station Considering the Uncertainties of Wind Power, Photovoltaic and Load[J]. Power System and Clean Energy, 2021, 37(5): 96-105.
5	何思敏, 李伟, 刘立, 等. 基于随机规划的风光柴储容量配比优化方法[J]. 水电与新能源, 2023, 37(2): 74-78.
	He Simin, Li Wei, Liu Li, et al. Optimization Method for Capacity Ratio of Wind-solar-diesel Storage System Based on Stochastic Programming[J]. Hydropower and Nwe Energy, 2023, 37(2): 74-78.
6	Ahmed S, Elsholkami M, Elkamel A, et al. Financial Risk Management for New Technology Integration in Energy Planning Under Uncertainty[J]. Applied Energy, 2014, 128: 75-81.
7	吴孟雪, 房方. 计及风光不确定性的电-热-氢综合能源系统分布鲁棒优化[J]. 电工技术学报, 2023, 38(13): 3473-3485.
	Wu Mengxue, Fang Fang. Distributionally Robust Optimization of Electricity-heat-hydrogen Integrated Energy System with Wind and Solar Uncertainties[J]. Transactions of China Electrotechnical Society, 2023, 38(13): 3473-3485.
8	叶琳浩, 申展, 许峰, 等. 考虑光伏不确定性和时序相关性的分布鲁棒光储协同优化配置方法[J]. 南方电网技术, 2023, 17(4): 132-143.
	Ye Linhao, Shen Zhan, Xu Feng, et al. Distributionally Robust Collaborative Optimal Allocation Method of Photovoltaic and Energy Storage Considering Photovoltaic Uncertainty and Temporal Correlation[J]. Southern Power System Technology, 2023, 17(4): 132-143.
9	Shi Zhichao, Liang Hao, Dinavahi V. Data-driven Distributionally Robust Chance-constrained Unit Commitment with Uncertain Wind Power[J]. IEEE Access, 2019, 7: 135087-135098.
10	李咸善, 杨拯. 基于绿证机制与条件风险价值的风光水网联合优化调度策略[J]. 三峡大学学报(自然科学版), 2023, 45(5): 121-132.
	Li Xianshan, Yang Zheng. Joint Optimal Dispatching of Wind-solar-water-networks Based on Green Certificate and Conditional Risk Value[J]. Journal of China Three Gorges University(Natural Sciences), 2023, 45(5): 121-132.
11	齐志远, 郭佳伟, 李晓炀. 基于联合概率分布的风光互补发电系统优化配置[J]. 太阳能学报, 2018, 39(1): 203-209.
	Qi Zhiyuan, Guo Jiawei, Li Xiaoyang. Optimal Configuration for Wind Power and Solar Power Hybrid Systems Based on Joint Probability Distribution of Wind Speed with Solar Irradiance[J]. Acta Energiae Solaris Sinica, 2018, 39(1): 203-209.
12	贾玲玲. 计及源荷不确定性的光热-光伏-风电联合发电系统协调优化调度策略[D]. 兰州: 兰州理工大学, 2022.
	Jia Lingling. Coordinated Optimal Dispatching Strategy for CSP-PV-W Combined Power Generation System Considering Source-load Uncertainty[D]. Lanzhou: Lanzhou University of Technology, 2022.
13	Zhang Hengxu, Cao Yongji, Zhang Yi, et al. Quantitative Synergy Assessment of Regional Wind-solar Energy Resources Based on MERRA Reanalysis Data[J]. Applied Energy, 2018, 216: 172-182.
14	薛贵挺, 单博雅, 王倜, 等. 考虑光伏不确定性的工业园区光-储鲁棒优化配置[J]. 系统仿真学报, 2022, 34(11): 2396-2405.
	Xue Guiting, Shan Boya, Wang Ti, et al. Robust Optimal Configuration of PV-energy Storage in Industrial Parks Considering the Uncertainty of Photovoltaics[J]. Journal of System Simulation, 2022, 34(11): 2396-2405.
15	张俊涛, 程春田, 申建建, 等. 考虑风光不确定性的高比例可再生能源电网短期联合优化调度方法[J]. 中国电机工程学报, 2020, 40(18): 5921-5931, 中插20.ZhangJuntao, ChengChuntian, ShenJianjian, et al. Short-term Joint Optimal Operation Method for High Proportion Renewable Energy Grid Considering Wind-solar Uncertainty[J]. Proceedings of the CSEE, 2020, 40(18): 5921-5931, S20.
16	宋学伟, 刘玉瑶. 基于改进K-means聚类的风光发电场景划分[J]. 发电技术, 2020, 41(6): 625-630.
	Song Xuewei, Liu Yuyao. Wind and Photovoltaic Generation Scene Division Based on Improved K-means Clustering[J]. Power Generation Technology, 2020, 41(6): 625-630.
17	唐雅洁, 阎洁, 李玉浩, 等. 基于深度嵌入聚类的风光水典型联合出力场景提取[J]. 浙江电力, 2023, 42(4): 36-44.
	Tang Yajie, Yan Jie, Li Yuhao, et al. Extraction of Typical Combined Output Scenarios of Wind-solar-hydropower Generation Based on Deep Embedding Clustering[J]. Zhejiang Electric Power, 2023, 42(4): 36-44.
18	宋宇, 李涵. 基于核密度估计和Copula函数的风、光出力场景生成[J]. 电气技术, 2022, 23(1): 56-63.
	Song Yu, Li Han. Typical Scene Generation of Wind and Photovoltaic Power Output Based on Kernel Density Estimation and Copula Function[J]. Electrical Engineering, 2022, 23(1): 56-63.
19	林顺富, 刘持涛, 李东东, 等. 考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置[J]. 中国电机工程学报, 2020, 40(5): 1409-1420.
	Lin Shunfu, Liu Chitao, Li Dongdong, et al. Bi-level Multiple Scenarios Collaborative Optimization Configuration of CCHP Regional Multi-microgrid System Considering Power Interaction Among Microgrids[J]. Proceedings of the CSEE, 2020, 40(5): 1409-1420.
20	卢锦玲, 於慧敏. 基于混合Copula的风光功率相关结构分析[J]. 太阳能学报, 2017, 38(11): 3188-3194.
	Lu Jinling, Yu Huimin. Dependence Structure Analysis of Wind and PV Power Based on Hybrid Copula[J]. Acta Energiae Solaris Sinica, 2017, 38(11): 3188-3194.
21	胡俊杰, 童宇轩, 刘雪涛, 等. 计及精细化氢能利用的综合能源系统多时间尺度鲁棒优化策略[J]. 电工技术学报, 2024, 39(5): 1419-1435.
	Hu Junjie, Tong Yuxuan, Liu Xuetao, et al. Multi-time-scale Robust Optimization Strategy for Integrated Energy System Considering the Refinement of Hydrogen Energy Use[J]. Transactions of China Electrotechnical Society, 2024, 39(5): 1419-1435.
22	李欣. 多场景下风光联合发电系统储能容量的优化配置研究[D]. 西安: 西安理工大学, 2022.
	Li Xin. Research on Optimal Allocation of Energy Storage Capacity of Wind-solar Combined Power Generation System in Multi-scenarios[D]. Xi'an: Xi'an University of Technology, 2022.
23	段偲默, 苗世洪, 霍雪松, 等. 基于动态Copula的风光联合出力建模及动态相关性分析[J]. 电力系统保护与控制, 2019, 47(5): 35-42.
	Duan Simo, Miao Shihong, Huo Xuesong, et al. Modeling and Dynamic Correlation Analysis of Wind/Solar Power Joint Output Based on Dynamic Copula[J]. Power System Protection and Control, 2019, 47(5): 35-42.
24	Xu Y, Huang G H, Qin X S, et al. SRCCP: A Stochastic Robust Chance-constrained Programming Model for Municipal Solid Waste Management Under Uncertainty[J]. Resources Conservation and Recycling, 2009, 53(6): 352-363.

主要经济性参数	值
燃气轮机维护成本单价/(元/kWh)	0.03
吸收式制冷机组维护成本单价/(元/MJ)	0.000 2
电锅炉维护成本单价/(元/MJ)	0.000 6
电制冷机组维护成本单价/(元/MJ)	0.000 5
弃风、弃光成本/(元/kW)	0.2
风、光出力违约成本/(元/kW)	0.4
天然气价格/(元/m³)	2.12
主要工程参数	值
燃气轮机额定功率/MW	2.5
光伏额定功率/MW	1
风电额定功率/MW	2
储能设备额定功率/MW	1
储能设备出力系数	0.4
余热锅炉效率	0.776
电锅炉效率	0.95
天然气低位发热量/(MJ/m³)	35.175
吸收式制冷机组制冷系数	1.2
电制冷机组制冷系数	3.6

典型日	数据类别	Kendall	Spearman	典型日	数据类别	Kendall	Spearman	典型日	数据类别	Kendall
过渡季	原始数据	0.052	0.076	夏季	原始数据	0.038	0.055	冬季	原始数据	0.258
	Clayton	0.057	0.086		Clayton	0.015	0.022		0.372	Clayton
	Frank	0.053	0.079		Frank	0.038	0.057		0.212	0.312
	Gumbel	0.046	0.069		Gumbel	0.050	0.075		Frank	0.252

经济性指标	过渡季典型日			夏季典型日			冬季典型日
经济性指标	情景I	情景II	情景III	情景I	情景II	情景III	情景I	情景II	情景III
优化运行成本	42 713	43 909	51 949	63 148	64 365	69 377	93 560	95 390	104 760
优化不确定性风险成本	1 167	1 152	548	613	593	419	1 678	1 073	297
随机模拟不确定性风险最小成本	1 829	1 804	260	778	750	356	1 992	1 383	116
随机模拟不确定性风险平均成本	2 160	2 130	347	942	907	293	2 306	1 692	176
随机模拟不确定性风险最大成本	2 591	2 554	414	1 106	1 074	230	2 620	2 005	237
最小风险成本	662	652	-288	164	157	-188	314	309	-182
平均风险成本	993	978	-201	329	314	-125	628	618	-121
最大风险成本	1 424	1 402	-134	493	481	-63	942	932	-61

违约水平	经济性指标	过渡季典型日			夏季典型日			冬季典型日
违约水平	经济性指标	情景I	情景II	情景III	情景I	情景II	情景III	情景I	情景II	情景III
0.01~0.1	运行成本	42 713	43 909	51 949	63 148	64 365	69 377	93 560	95 390	104 760
0.01~0.1	不确定性风险成本	1 167	1 152	548	613	593	419	1 678	1 073	297
0.05~0.15	运行成本	42 145	42 847	50 251	62 298	63 730	66 870	92 162	94 841	101 832
0.05~0.15	不确定性风险成本	1 132	1 156	656	631	602	510	1 896	1 332	580
0.2~0.5	运行成本	37 674	38 268	41 035	55 452	56 262	60 767	89 131	90 124	91 131
0.2~0.5	不确定性风险成本	3 267	3 123	1 341	928	879	689	3 890	3 675	2 364

[1]	税纪钧, 彭道刚, 宋炎侃, 周强. 计及风光不确定性含碳排放和碳惩罚的虚拟电厂优化调度策略[J]. 系统仿真学报, 2024, 36(2): 305-319.
[2]	张立, 贺明玲, 尹秋霜, 李宁, 余乐安. 不确定条件下多周期应急物资配送优化研究[J]. 系统仿真学报, 2023, 35(8): 1669-1680.
[3]	刘金朋, 彭锦淳, 邓嘉明, 刘胡诗涵. 考虑电热联产的虚拟电厂两阶段鲁棒优化经济调度[J]. 系统仿真学报, 2023, 35(8): 1799-1813.
[4]	范雅倩, 于松源, 房方. 热电联产虚拟电厂两阶段分布鲁棒优化调度[J]. 系统仿真学报, 2023, 35(5): 1046-1058.
[5]	刘兆鹏, 徐新海, 袁博文, 张金璐. 一种多分辨率仿真模型构建方法[J]. 系统仿真学报, 2023, 35(1): 202-211.
[6]	薛贵挺, 单博雅, 王倜, 王晓, 幸伟, 孙伟卿. 考虑光伏不确定性的工业园区光-储鲁棒优化配置[J]. 系统仿真学报, 2022, 34(11): 2396-2405.
[7]	聂凯, 曾科军, 孟庆海. 基于深度贝叶斯网络学习的不确定性建模方法[J]. 系统仿真学报, 2022, 34(1): 79-85.
[8]	孟杨凯, 王正, 范加利. 基于禁忌算法对不确定性舰载机保障的调度优化研究[J]. 系统仿真学报, 2021, 33(10): 2363-2371.
[9]	邵璐璐, 韩继红, 牛侃, 刘小虎, 邵芳. 基于加权证据理论的故障模式分析方法研究[J]. 系统仿真学报, 2020, 32(5): 782-791.
[10]	张倩, 熊英, 何明珂, 张浩. 不确定需求生鲜电商配送路径规划多目标模型[J]. 系统仿真学报, 2019, 31(8): 1582-1590.
[11]	张圣东, 杨秀英. 计入多因素作用的船舶轴承负荷研究[J]. 系统仿真学报, 2019, 31(6): 1158-1164.
[12]	耿化品, 佟佳慧, 马洪涛. 飞行器半实物仿真系统不确定性度量方法研究[J]. 系统仿真学报, 2019, 31(12): 2671-2677.
[13]	张晶, 陈垚, 孙俊, 范洪博. 基于协同执行器的GCPS自适应调度模型[J]. 系统仿真学报, 2019, 31(10): 2112-2121.
[14]	陶九阳, 吴琳, 王驰, 褚君达, 廖鹰, 朱丰. 基于深度学习的战场态势变化速度预测模型[J]. 系统仿真学报, 2018, 30(3): 785-792.
[15]	孙伟卿, 李臻, 谈一鸣, 吕风磊, 邱文平, 李宏仲. 基于灵活性提升的电力系统储能装置定容方法[J]. 系统仿真学报, 2018, 30(1): 235-241.