基于优化的综合能源系统典型日设计边界提取方法

1.本发明涉及综合能源系统规划设计领域，尤其涉及基于优化的综合能源系统典型日设计边界提取方法。


背景技术：

2.综合能源系统利用多种能源，打破不同能源供给系统之间的壁垒，实现多个子系统在规划、没计、建设、运行等各个阶段整体上的协同、配合和优化，其应用的关键因素足建立一套经济可靠的规划方案来确定综合能源系统的最佳容量设计，并确保供给和消耗之间的平衡。目前，获得综合能源系统设计方案行之有效的方法是建立优化模型进行优化。
3.建立优化模型的前提是确定设计边界，设计边界不仅决定了设备类型和容量匹配的问题，还决定了运行过程中的能量平衡，是确保设计方案可靠性和合理性的前提和基础。因此，采用一组典型日设计边界是保证优化模型的准确度同时提高求解效率的前提和基础。然而，目前典型日选取方法忽略了服务于综合能源系统规划设计这一目的，对关键信息的考虑不够全面，仅从统计学的角度确定典型日，进而导致设计方案优化结果的准确性较差。因此，本发明提出一种尽可能保留原始设计边界/时间序列的“关键信息”的典型日设计边界选取方法，以期克服当前方法存在的缺陷，为综合能源系统规划设计提供更为合理的指导。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于综合能源系统规划设计的典型日设计边界提取方法。
5.本发明的目的可以通过以下技术方案实现：
6.一种基于优化的综合能源系统典型日设计边界提取方法，其特征在于，包括以下步骤：
7.s1、收集8760h的原始时间序列，包括冷负荷、热负荷、电负荷、可再生能源出力等；
8.s2、对数据进行标准化处理，本专利采用z-score标准化；
9.s3、剔除极端日(每一个属性达到全年峰值的一天均被认为是极端日)；
10.s4、依次设置典型日天数、目标权重、约束参数；
11.s5、在达到收敛后再次添加剔除掉的极端日；
12.进一步的，所述的步骤s5达到收敛是指目标函数达到极小值，将最小化欧几里得距离与皮尔逊相关系数的相异度之和作为优化目标，从极端值，累计值，形态三方面进行约束。
13.进一步的，所述步骤s5的目标函数表达式如下：
14.[0015][0016][0017]
其中bin
i，j
是一个二进制变量，若第j天被第i天取代，bin
i，j
＝1，否则bin
i，j
＝0。d
i，j
表示第i天和第j天之间的欧几里得距离。r
i，j
表示第i天和第j天之间的皮尔逊相关系数，1-r
i，j
则表示两者的相异度，cov表示协方差，σ表示标准差。v
cu
、v
pc
是对应的目标权重。σ是无量纲系数。
[0018]
进一步的，所述步骤s5的约束条件表达式如下：
[0019][0020][0021][0022][0023][0024][0025][0026][0027][0028][0029]
公式(4)强制每一天j只能由一个典型日i替代。公式(5)用于计算典型日的权重在公式(6)～(7)中，也是一个二进制变量，若第i天被选择为典型日，否则k是典型日天数，可由用户自行设置。公式(8)～(13)分别在极端值、累计值、形态三
方面对所提取的典型日与原始时间序列之间的偏差加以约束。
[0030]
s6、输出典型日权重
[0031]
s7、利用峰值指标，累计指标，形态指标对其准确性进行评价。
[0032]
与现有技术相比，本发明具有以下优点：
[0033]
一、提出的k-mimlp能有效地提取原始时间序列的关键信息。在提出的k-mimlp模型中，添加了反映原始数据的极端值、累计值以及形态等相关指标作为约束，可以灵活调整所选典型日的极端场景、全年累计值以及形态的权重，使规划方案更加合理。
[0034]
二、k-mimlp可以有效地降低规划问题的计算复杂度且不损失决策者的设计方案的准确性。这将有助于进一步推进综合能源系统规划设计问题在多位置尺度，多时间尺度以及输入数据不确定性等方面的深入研究。
附图说明
[0035]
图1为科考站全年逐时热负荷。
[0036]
图2为科考站全年逐时电负荷。
[0037]
图3为科考站能源系统示意图。
[0038]
图4为利用am方法选取的典型日负荷。
[0039]
图5为利用k-means方法选取的典型日负荷。
[0040]
图6为利用k-mimlp方法选取的典型日负荷。
[0041]
图7为不同典型目的评价指标结果。
[0042]
图8为本发明的方法流程图。
具体实施方式
[0043]
下面结合附图和具体实施例对本发明进行详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0044]
以南极洲某科考站的全年逐时热电负荷为例，该方法应用于其典型日负荷的选取，具体步骤如下：
[0045]
s1、收集8760h的原始时间序列，包括冷负荷、热负荷、电负荷、可再生能源出力等，该科考站全年逐时热电负荷如图1-2所示，能源系统示意图如图3所示，可选的设备型号及设备参数如表1；
[0046][0047]
表1
[0048]
s2、对数据进行标准化处理，本专利采用z-score标准化；
[0049]
s3、剔除极端日(每一个属性达到全年峰值的一天均被认为是极端日)；
[0050]
s4、依次设置典型日天数、目标权重、约束参数；
[0051]
s5、在达到收敛后再次添加剔除掉的极端日；
[0052]
进一步的，所述的步骤s5达到收敛是指目标函数达到极小值，将最小化欧几里得距离与皮尔逊相关系数的相异度之和作为优化目标，从极端值，累计值，形态三方面进行约束。
[0053]
进一步的，所述步骤s5的目标函数表达式如下：
[0054][0055][0056][0057]
其中bin
i，j
是一个二进制变量，若第j天被第i天取代，bin
i，j
＝1，否则bin
i，j
＝0。d
i，j
表示第i天和第j天之间的欧几里得距离。r
i，j
表示第i天和第j天之间的皮尔逊相关系数，1-r
i，j
则表示两者的相异度，cov表示协方差，σ表示标准差。v
cu
、v
pc
是对应的目标权重。σ是无量纲系数。
[0058]
进一步的，所述步骤s5的约束条件表达式如下：
[0059][0060][0061][0062][0063][0064][0065][0066][0067][0068][0069]
公式(4)强制每一天j只能由一个典型日i替代。公式(5)用于计算典型目的权重在公式(6)～(7)中，也是一个二进制变量，若第i天被选择为典型日，否则k是典型日天数，可由用户自行设置。公式(8)～(13)分别在极端值、累计值、形态三方面对所提取的典型日与原始时间序列之间的偏差加以约束。
[0070]
s6、输出典型日权重，利用am、k-means、k-mimlp方法选取的典型日负荷如图4-6所示，不同的典型日选取方法得到的最优配置结果如表2；
[0071][0072][0073]
表2
[0074]
根据图4-6可明显看到am完全损失了极端场景，而k-means、k-mimlp最大限度地保留了极端场景，尤其是k-mimlp。这说明k-mimlp添加的最不利工况约束有效地提高了典型日对源荷双侧最不利工况点的保留程度。
[0075]
对于优化配置结果来说(1)可再生能源产能设备：三种方案均低估了可再生能源的供能潜力。总体来说偏差较大，但k-mimlp的偏差最小。(2)常规能源转换设备：am、k-means配置结果相同。k-mimlp总供热容量低6.1％，总供电容量与参考案例一致，即0.0％。k-mimlp相比am和k-means有突出的优越性。k-mimlp选择的12个典型日保留了较大的热负荷，因此配置结果的总供热容量接近参考案例。(3)储能设备：am和k-means的储能潜力由于“平滑效应”而被低估。am和k-means的典型日热负荷较k-mimlp更加平滑，尤其是am。然而k-mimlp为了保留极端场景，一定程度地高估了储能潜力，导致储能设备容量偏太。但对于能源系统设计而言，冗余设计要优于不足设计。且k-mimlp的储能容量偏差依然最小。总之，与参考案例相比，规划方案的准确性由高到低依次为：k-mimlp＞k-means＞am。
[0076]
年费用以及年能耗情况如表3，可以看出相比参考案例，典型日的年总费用均低于参考案例，显然k-mlmlp的优化目标值准确性最高。
[0077][0078]
表3
[0079]
s7、利用峰值指标，累计指标，形态指标对其准确性进行评价，建立的评价指标具体如下：
[0080]
s71日峰值偏差
[0081][0082]
表示原始时间序列被典型日时间序列取代后，第i天、第h小时、属性a(eg：冷、热、电负荷、太阳辐射、温度等)的时间序列值。表示原始时间序列值。smax[x，z(x，y)]表示z(x，y)在x索引下的最大值。其中表示典型日时间序列的日峰值，表示原始时间序列的日峰值。因此δ
dp
描述了典型日时间序列对原始时间序列日峰值的保留程度。
[0083]
s72日最不利工况偏差
[0084][0085][0086]
若属性不唯一，则需要寻找最不利工况点。(a)负荷单侧最不利工况点：时间序列含有多种负荷。公式(15)分子第一项表示典型日时间序列的总负荷日峰值，第二项表示原始时间序列的总负荷日峰值。因此，描述了典型日和原始时间序列之间负荷单侧的最不利工况偏差。(b)源荷双侧最不利工况点：时间序列中不但含有多种负荷，同时含有可再生能源。公式(16)分子第一项表示典型日时间序列的净负荷日峰值，第二项表示原始时间序列的净负荷日峰值。因此，描述了
典型日和原始时间序列之间源荷双侧的最不利工况偏差。
[0087]
s73年累计值偏差
[0088][0089]
表示典型日时间序列的全年累计值，表示原始时间序列的全年累计值。δ
ac
描述了时间序列的全年累计值在典型日和原始数据之间的偏差。
[0090]
s74日形态偏差
[0091][0092]
表示典型日时间序列和原始时间序列的日均值。因此，δ
dp
描述了典型日时间序列和原始时间序列基于它们各自均值的波动之间的偏差，反映了典型日对原始时间序列每日变化趋势的保留程度。
[0093]
s75日最大变化率偏差
[0094][0095]
在公式(19)中，分子的第一项表示相邻时段中典型日时间序列的最大偏差，第二项表示相邻时段中原始时间序列的最大偏差。因此δ
dmcr
反映了典型日对原始时间序列日最大变化率的保留程度。
[0096]
不同典型日选取方法得到的评价指标结果如图6，源荷双侧的最不利工况偏差是最为天键的。am、k-means，k-mimlp的最不利工况偏差分别为：28.1％，22.4％，10.6％。说明k-mimlp通过设置最不利工况约束提高了典型日的准确度。总的来说，三种典型日评价指标的准确性从高到低依次为：k-mimlp＞k-means＞am。
[0097]
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。