一种计及全生命周期老化与多重不确定性的电氢能源站双层鲁棒配置方法

本发明涉及主动配电网与综合能源系统规划调度技术，具体涉及一种计及全生命周期老化与多重不确定性的电氢能源站双层鲁棒配置方法。

背景技术：

1、在“双碳”目标与新型电力系统建设的背景下，氢燃料电池汽车（hfcv）的大规模推广使其不仅作为交通工具，更成为主动配电网中极具潜力的柔性移动储能单元。随着可再生能源大规模的接入，主动配电网（adn）协同电氢能源站的动态规划与调度已成为提升系统运行效率、促进新能源消纳的关键手段。然而，现有含电转氢（p2h）与车辆到电网（v2g）互动的主动配电网调度技术仍存在显著缺陷：首先，现有规划通常将电氢能源站强制设定为并网模式，未能根据固定选址的实际联络线建设成本与源荷自给能力提供灵活切换并离网的规划手段，容易导致过度投资。其次，现有调度过度追求v2g带来的电价套利，忽视了电解槽与燃料电池在频繁启停和深度充放电下极其高昂的老化降解成本，缺乏基于能量吞吐量与放电深度的动态老化测算模型，使得优化方案在工程实践中往往因设备提前报废而得不偿失。最后，针对主动配电网运行优化问题固有的高维度、非线性及多目标多约束特性，传统的智能优化算法极易陷入局部最优，且在求解复杂电网模型时面临严重的搜索停滞与早熟收敛缺陷。因此，研究一种面向主动配电网的计及全生命周期老化与多重不确定性的电氢能源站双层鲁棒配置方法具有重要的现实意义，它能够综合考虑电氢能源站的灵活并网经济性、核心设备的使用寿命和极端场景下的鲁棒安全性，实现主动配电网的最优运行。

2、进一步地，深入剖析主动配电网与电氢能源系统协同双层规划这一特定命题，其本质上是一个包含海量连续设备出力变量与离散并网布尔变量的超高维混合整数非线性规划（minlp）问题。在此复杂物理场景下，传统元启发式算法（如粒子群算法pso、标准苍鹰优化算法ngo等）不仅面临常规的收敛速度瓶颈，更暴露出严重的物理维度不适配。首先，常规启发式算法在生成初始种群及执行局部搜索时，缺乏处理配电网非凸交流潮流方程（尤其是节点电压二次项耦合）的内生过滤机制，导致其盲目生成的配置方案经常违反物理节点电压和线路载流量上限，造成海量算力浪费在无效物理域。其次，由于电解槽的质子交换膜与燃料电池的内部材料在遭受高频次波动启动和深度放电时，其循环老化及日历老化成本将呈现指数级陡增的非线性劣化特性。这一微观电化学物理现象反映在宏观目标函数上，就是在解空间内部形成了无数个因隐性老化惩罚激增而构成的深层非凸局部极小值陷阱，即算法在短视计算中认为利用v2g高频套利具有极高的表面经济收益，实则设备的隐性报废代价远远超过了套利所得。传统ngo等优化算法因其参数变异步长和捕食半径仅依赖于时间维度衰减，一旦误入此类高损耗伪最优解，由于无法感知底层物理代价梯度的恶化，极易产生停滞与早熟收敛，从而使得最终输出的规划调度方案在真实的工程实践中根本无法落地使用。

技术实现思路

1、本发明的目的是为了解决现有电氢能源站规划与配电网调度技术存在的缺陷，而提供的一种计及全生命周期老化与多重不确定性的电氢能源站双层鲁棒配置方法。

2、为了解决上述技术问题，本发明提供了如下的技术方案：

3、本发明公开了一种计及全生命周期老化与多重不确定性的电氢能源站双层鲁棒配置方法，包括如下步骤：

4、s1：获取风光出力数据、电价数据及氢负荷数据，建立包含电解槽、燃料电池及储氢罐的电氢能源站模型；

5、s2：建立计及设备运行状态影响的全生命周期老化成本模型；

6、s3：构建计及风光出力及负荷不确定性的双层优化配置模型；

7、s4：基于pareto理论设计并应用多策略改进苍鹰优化算法，对所述上下层多目标鲁棒优化配置模型进行协同求解，通过嵌套列与约束生成算法的上下层循环迭代，最终输出电氢能源站的pareto最优并离网决策、装机容量配置及多时间尺度调度策略。

8、具体的，所述s1中基于并离网状态的决策变量建模分析如下：

9、对电氢能源站的并网状态决策变量进行数学建模，设定布尔型决策变量，当时表示电氢能源站与主动配电网建立物理电气联络线，进行并网运行与能量交互；时表示电氢能源站处于离网独立运行状态，仅依靠内部风光出力与氢能设备维持能量平衡。

10、具体的，所述s2中构造计及设备动态老化特性的全生命周期成本核算模型包括以下步骤：

11、计算时段设备的动态老化成本，其由循环老化成本和日历老化成本组成：

12、

13、

14、

15、式中，为设备全生命周期更换总成本；为在当前放电深度下的许用循环次数函数；为设备额定容量；为时段的运行功率；和分别为温度和充放电倍率对寿命的加速损耗惩罚系数；为日历老化常数，为活化能，为理想气体常数，为绝对运行温度。

16、所述步骤s3中，具体约束条件包括：主动配电网的distflow交流潮流约束、节点电压和支路电流约束、电解槽与燃料电池的功率上下限及爬坡率约束、气态储氢罐的荷氢状态（soh）约束。

17、所述步骤s3中，构建的主动配电网双层多目标鲁棒配置模型包含上下层嵌套结构，其中上层规划模型自身构成一个多目标优化集合。上层规划模型的第一优化目标为电氢能源站的初始容量配置与联络线建设投资成本最小化；上层规划模型的第二优化目标为折现后的全生命周期预期运行与设备动态老化成本之和最小化。上下层由此构成严格的嵌套博弈闭环机制：上层通过向下层传递容量配置决策变量，将其作为物理参数边界下发至下层调度模型，用以界定下层潮流约束中变流器功率、电解槽与燃料电池容量的搜索域上限；下层调度模型在接收到该特定配置后，利用多面体不确定性集合求解出最恶劣波动场景下的运行与动态老化成本，并将其反馈至上层算法的适应度评估模块中。上层算法依据反馈的惩罚项重新调整容量配置方案，二者通过这种参数下传与代价反馈的往复迭代，最终在降低初始投资风险与提升系统运行鲁棒性之间形成多目标pareto权衡。

18、进一步的，在上层规划模型中，将目标函数解耦为初始投资配置成本与全生命周期运行老化成本，构成多目标优化模型，具体如下：

19、

20、

21、

22、式中，为第一优化目标，即电氢能源站的初始容量配置与联络线建设投资成本；为第二优化目标，即折现后的全生命周期预期运行与维护成本及设备累计老化成本；为电解槽、燃料电池及储氢罐的最优装机容量投资成本；为主动配电网联络线的建设成本；为项目的全生命周期年限；为贴现率；为第年的预期运行与维护成本；为第年的设备累计老化成本。

23、具体的，下层调度的目标函数如下：

24、

25、式中，为由风光出力预测误差与氢负荷突变构成的多面体不确定性集合；为下层设备出力的调度决策变量集合；为时刻与主动配电网的交互购售电成本；为失电、失氢切负荷的惩罚成本。

26、所述步骤s4中，输入电氢能源站与主动配电网的相关数据，利用多策略改进苍鹰优化算法（msingo）嵌套下层鲁棒调度模型进行整体求解。……最终得到最优pareto非支配解集，从而为决策者提供兼顾投资经济性与运行鲁棒性的最佳电氢能源站并网决策、容量配置及日前-日内调度策略。其步骤具体包括：面向极值工况覆盖的容量及并网状态多元混沌初筛；计及多目标博弈的适应度评估；基于跨域探索的全局寻优与自适应局部开发；受动态老化代价驱动的双向进化与柯西变异。

27、本发明的技术效果和优点：本发明提出的一种计及全生命周期老化与多重不确定性的电氢能源站双层鲁棒配置方法，与现有技术相比，具有以下优点：

28、首先，基于吞吐量的动态寿命量化打破了收益陷阱。本发明创造性地引入基于宏观能量吞吐量、放电深度及温度的等效循环老化与日历老化模型，能够精准指导系统在v2g收益与电池衰减成本之间寻找真正的经济临界点，大幅延长核心设备的服役年限。其次，赋予了规划极高的工程适应性与鲁棒安全性。通过引入灵活的0-1并网决策变量，模型能自适应评估联络线建设与独立离网的经济效益；同时采用多面体不确定性集合处理预测误差，赋予了系统在极端场景下抵抗源荷波动的安全底线。

29、最后，本发明设计了深度融合物理场景的算物耦合多策略改进苍鹰优化算法（msingo），与现有的通用启发式算法相比，取得了协同技术进步：本发明在复杂网络约束下实现了高比例有效物理边界寻优，通过引入预嵌distflow可行域算子的多元混沌映射机制摒弃了纯粹的数学随机数生成器，在初始阶段前置滤除越限配置方案，大幅提升了下层c&cg算法的初始求解稳定性与收敛速率；同时，本发明赋予了算法感知物理状态的柔性调度匹配能力，确立了与储氢罐soh动态余量及设备爬坡极限联动的自适应捕食半径，在逼近容量红线时自动平滑收缩搜索动作，完美平衡了全局配置精度与底层设备响应安全；此外，针对0-1并网变量导致的非连续拓扑断层，引入双向种群进化动力学机制成功跨越搜索壁垒，保障投资决策不落入局部次优陷阱；最终，本发明构建了基于微观老化规律的智能极值逃逸壁垒，将柯西变异强度参数与前置时段反馈的设备老化成本梯度深度动态绑定，一旦调度导致高损耗激增，陡峻的老化代价将迅速转化为放大变异的数学动能，强制个体进行大步长解空间逃逸，避免贪图局部微利而牺牲设备全生命周期价值，真正寻获全局pareto最优点。