【技术实现步骤摘要】
本专利技术涉及能源设备响应价值量化，具体为一种综合能源设备响应价值量化方法及系统。
技术介绍
1、电力需求响应是一种灵活、快捷的响应手段，能对电力价格、系统运行在短期内产生影响，可以在短期内提高需求弹性、平滑负荷曲线等。具有移峰填谷，降低高峰时段的电力需求的特点，并提升电网运行的稳定性和效率；可以优化发电厂的运行方式，增强电网消纳更多间歇性分布式能源的能力，提高电网与电力用户的互动水平。电力需求响应技术，已经成为电力市场化环境中各级电力主管部门、电网企业优先采取的电力保供措施。而随着能源技术的发展，传统电力需求响应的局限性逐渐展现。一方面，负荷的时移不仅会在一定程度上降低用户的舒适度，还会影响用户的产值、用户满意度，且受用户意愿影响较大；另一方面，随着综合能源技术和工程建设的加速推进，能源多样化趋势凸显，综合能源系统“多能互补”特性可以实现电力和其他能源之间的转换，系统整体对外的可调特性更加明显。综合需求响应应运而生，作为传统电力需求响应的延伸，综合能源需求响应不仅具有电力需求响应的特点，同时还使得用户在系统可靠性受威胁时或电价高峰期改革供能方式，大幅扩展电力可调负荷设备库范围，是传统电力需求侧管理和需求响应技术的有益补充。
2、综合能源需求响应的主要目标是优化综合能源系统的供求关系，解决供需矛盾，实现电力削峰填谷、调频调压、消纳新能源、缓解线路重载等目标，但在现阶段，综合能源需求响应仍存在一些问题，譬如综合能源系统各单元物理耦合复杂，多能设备响应特性差异大，多类型设备耦合响应机理不明确，无法有效的针对工/商/民等区
技术实现思路
1、鉴于上述存在的问题，提出了本专利技术。
2、因此，本专利技术解决的技术问题是：现有的能源设备响应价值量方法存在未考虑模型中存在关键性因素对建模产生的影响、无法对园区设备的价值作量化评估等的优化问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种综合能源设备响应价值量化方法，包括：
4、采集设备运行的成本数据，建立考虑综合需求响应的综合能源系统能源枢纽优化运行模型；
5、采用随机抽样模拟关键性参数分布，求解运行模型；
6、使用pso-bp神经网络代理模型代替所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型；
7、利用所述代理模型的输出结果计算各个需求响应价值评价指标，计算各个设备参与需求响应的关键影响因素对于多能设备需求响应价值评价指标的全局灵敏度指标，并根据所述全局灵敏度指标的概率分布模型，获得多维度综合能源设备响应价值量化结果。
8、作为本专利技术所述的综合能源设备响应价值量化方法的一种优选方案，其中：所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型包括，确定模型的目标函数：
9、min c＝min{1000·[cg+cp+cidr]}
10、
11、
12、
13、其中，cg为购气成本，为购气单价，单位为元/m3；cp为购电成本；为电网实施的电价，为购电单价，单位为元/(kw·h)；ptpg为ies购入电功率，单位是mw；cidr为idr成本；为idr补偿单价，单位为元/(kw·h)；为第i台ac响应idr的用电功率改变量，单位为mw。
14、作为本专利技术所述的综合能源设备响应价值量化方法的一种优选方案，其中：确定所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型的约束包括，
15、
16、其中，pc,t表示chp机组电负荷供应侧的出力，wt表示风电电负荷供应侧的出力，ppv,t表示光伏电负荷供应侧的出力，le,t表示，δle,t表示，lh,t表示，δlh,t表示，hc,t表示chp机组热负荷供应侧的出力，hgb,t表示燃气轮机热负荷供应侧的出力，het,t表示电锅炉热负荷供应侧的出力，p表示系统输入量，表示系统输入量的上限，p表示系统输入量的下限，g(pc,t，hct,，ho,t)≤0表示chp机组、电锅炉、热泉设备的运行约束，h(δle,t，δlh,t)≤0表示电力、热力的主动响应量满足的约束条件。
17、作为本专利技术所述的综合能源设备响应价值量化方法的一种优选方案，其中：对模型中设备的关键性参数进行建模，采用随机抽样模拟关键性参数分布，求解所述模型；
18、能源转换设备效率关键性建模：综合能源系统中存在多种综合能源设备，考虑变工况运行条件下，其效率服从分布：
19、设备容量关键性参数建模：综合能源系统中存在多种综合能源设备，容量关键性统一描述：
20、其中，表示第r个设备的最大容量，表示下限为sr、上限为的均匀分布，η为多能设备的电效率，表示参数为μ、δ、...的分布；
21、对所述关键性参数进行随机抽样，生成大小为n的随机数序列；
22、获取了n组关键性样本后，代入所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型进行求解。
23、作为本专利技术所述的综合能源设备响应价值量化方法的一种优选方案，其中：所述pso-bp神经网络包括，将所述关键性参数作为训练样本的输入变量，将代入所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型进行求解结果作为训练样本的输出变量；
24、训练pso-bp神经网络代理模型，在bp神经网络中，pso优化算法优化神经网络的权重和偏置，结合pso优化算法构建pso-bp神经网络代理模型；
25、通过代理模型预测输出变量：
26、根据输入变量自身的概率分布生成大量新的输入样本；以大量新的样本数据为输入，从而获得预测结果。
27、作为本专利技术所述的综合能源设备响应价值量化方法的一种优选方案，其中：所述多能设备需求响应价值评价指标的取值为：
28、y＝f(x),x∈kd
29、
30、其中，x表示定义在空间kd中的输入变量；d表示kd集合中包含元素个数；y表示系统的输出响应，η1,η2,η3,…表示系统中多能的能量转换效率，表示系统中多能设备的容量；
31、将系统的输出响应y进行sobol分解：
32、
33、式中，f0表示常数项，fi表示由1个输入变量i决定的多项式，fij表示由ij两个输入变量决定的多项式，f1,...,d表示d个输入变量决定的多项式；xi表示第i个输入变量；xj表示第j个输入变量；xd表示第d个输入变量；
34、全局灵敏度指标理论计算包括，
35、计算输出响应y＝f(x)的方差：
36、
37、将所述sobol分解中的各阶子式的方差称为各阶偏方差，输出响应y的总方差分解为各阶偏方差之本文档来自技高网...
【技术保护点】
1.一种综合能源设备响应价值量化方法，其特征在于，包括：
2.如权利要求1所述的综合能源设备响应价值量化方法，其特征在于：所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型包括，确定模型的目标函数：
3.如权利要求2所述的综合能源设备响应价值量化方法，其特征在于：确定所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型的约束包括，
4.如权利要求3所述的综合能源设备响应价值量化方法，其特征在于：对模型中设备的关键性参数进行建模，采用随机抽样模拟关键性参数分布，求解所述模型；
5.如权利要求4所述的综合能源设备响应价值量化方法，其特征在于：所述PSO-BP神经网络包括，将所述关键性参数作为训练样本的输入变量，将代入所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型进行求解结果作为训练样本的输出变量；
6.如权利要求5所述的综合能源设备响应价值量化方法，其特征在于：所述多能设备需求响应价值评价指标的取值为：
7.如权利要求6所述的综合能源设备响应价值量化方法，其特征在于：计算所述概率分布模型，所述获得多
8.一种采用如权利要求1-7任一所述方法的综合能源设备响应价值量化系统，其特征在于：
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种综合能源设备响应价值量化方法，其特征在于，包括：
2.如权利要求1所述的综合能源设备响应价值量化方法，其特征在于：所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型包括，确定模型的目标函数：
3.如权利要求2所述的综合能源设备响应价值量化方法，其特征在于：确定所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型的约束包括，
4.如权利要求3所述的综合能源设备响应价值量化方法，其特征在于：对模型中设备的关键性参数进行建模，采用随机抽样模拟关键性参数分布，求解所述模型；
5.如权利要求4所述的综合能源设备响应价值量化方法，其特征在于：所述pso-bp神经网络包括，将所述关键性参数作为训练样本的输入变量，将代入所述考虑综合需求响应的综合能源系统能源枢纽优化运行模型进行求解结果作为训练样本的输出变量；...
【专利技术属性】
技术研发人员：李林溪，杨函煜，窦迅，黄逸翔，于建成，霍建旭，庞超，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。