【技术实现步骤摘要】
本专利技术属于综合能源系统领域，具体涉及到一种基于双层优化模型的碳封存以及p2g设备容量优化方法。
技术介绍
1、电-气-热综合能源系统(integrated energy systems，ies)是一种有效利用多种能源形式的技术，能够提高可再生能源的消纳率，降低碳排放，是实现节能减排的重要途径。碳捕集、利用与封存(carbon capture，utilization and storage，ccus)是目前最受关注的低碳技术之一，其捕获并封存co2的过程产生的废气可以作为ies中电转气(power togas，p2g)设备工作的原料。如果在电-气-热ies中安装了ccus装置，就可以进一步降低系统的碳排放。因此，合理规划ccus装置的碳封存容量和p2g设备的容量对实现经济低碳的ies运行具有重要意义。
技术实现思路
1、本专利技术提出了基于双层优化模型的碳封存以及p2g设备容量优化方法。所建立的双层优化模型以ccus装置碳封存和p2g设备容量为上层优化变量，最小化投资成本和环境成本为上层优化目标；以典型场景下各个设备(机组，燃气轮机，电锅炉，热电联产，蓄电池，风电，p2g设备)出力为优化变量，基于碳捕集电厂运行工况的精细化建模，综合考虑能源系统运行的约束条件，最小化综合能源系统的运行成本为优化目标建立下层优化模型。上下层变量想换传递迭代计算，得到最优ccus装置碳封存容量、p2g设备容量、碳减排率以及相应的投资和运行成本。利用细菌觅食算法进行双层优化问题的求解。
2、
3、基于双层优化模型的碳封存以及p2g设备容量优化方法，包括如下步骤：
4、步骤1，由于风速存在波动性和随机性，风力发电的能量质量难以保证。此外，一年中有太多种不同的风电功率出力场景，因此使用聚类方法将风电划分为几个典型场景，有利于掌握风电功率波动规律。传统的k-means聚类算法初始聚类中心随机选取的特点可能会导致算法不稳定，结果差异大，因此在初始聚类中心选取方面采用了基于密度和最大最小距离原则的改进，从而提升聚类结果的稳定性。距离度量方面，传统的欧式距离方法一般用于低维数据的聚类，而风电数据将一天划分为96个时间点，是高维度的数据，因此使用杰卡德距离能更好地处理高维时序数据。首先利用手肘法确定聚类最佳总类簇数k，其次基于密度思想以及杰卡德距离作为距离度量来改进k-means算法，选取初始聚类中心s1′，进而获得风电典型场景。
5、基于密度思想先求出初始聚类中心，步骤如下：
6、1.1、输入n个风电场景，构成风电场景集s＝{s1,s2,...,sn}。
7、1.2、计算该场景集s内所有场景之间的杰卡德相关系数，对于任意两条轨迹si和sj，相似性用杰卡德系数来表示，系数越大，表明两条轨迹越相似；对于任意两条轨迹si和sj之间的杰卡德相似度si,j以及杰卡德距离d(si,sj)计算分别为：
8、
9、d(si,sj)＝1-si,j (2)
10、式中：si,sj表示i场景和j场景的风电出力序列所对应的曲线，si(t),sj(t)分别表示i,j场景下t时刻的风电出力。
11、计算杰卡德距离后，将其存入距离矩阵d中：
12、
13、对场景集s中场景sl，以场景sl为圆心，r(r>0)为半径的球域内所包含的场景的个数nl称为sl的密度，记为ρl，即：
14、ρl＝{nl|d(sl,sk)≤r,k∈nl} (4)
15、式中r选取d中距离从小到大排列占总数50％的位置距离数值。
16、取密度最大场景sρmax，即为第一个聚类中心s1′。
17、步骤2，由初始聚类中心s1′，基于最小最大距离原则求出剩余的聚类中心，步骤如下：
18、2.1、输入步骤1得到的初始聚类中心s1′。
19、2.2、从s中找出与s1′杰卡德距离最大的场景作为第二个聚类中心s2′。
20、2.3、寻找第k个聚类中心时，计算所有其他场景si与s1′，s2′,...sk-1′之间的杰卡德距离，找到一个与k-1个中心最小杰卡德距离的最大值lk，通过lk找到第k个聚类中心sk′，lk计算公式为：
21、
22、步骤3，将场景集中所有场景按照离聚类中心最小距离原则划分到各个类中，完成聚类。记录典型场景l中的样本数为zl，则场景l出现的概率γl通过式(5)计算：
23、
24、步骤4，最小化投资成本f1和环境成本m1为上层优化目标函数。
25、f1为ccus设备以及p2g设备折现到一年的投资成本，计算公式为：
26、
27、m1是一年内综合能源系统的碳减排率，计算公式为：
28、
29、
30、式中：ηccus为ccus单位碳封存容量投资成本，单位为$/t，msto为ccus设备的碳封存容量大小，单位为t，r为折现率，取0.04～0.08，n1为ccus设备使用年限，一般为15～25年；ηp2g为p2g单位容量投资成本，单位为$/mw，mp2g为p2g设备容量大小，单位为mw，n2为p2g设备使用年限，一般为15～25年；ml,out(t)为第l个场景下安装了ccus装置后系统t时刻的碳排放量，ml,out,b(t)为第l个场景下安装ccus装置前系统t时刻实际碳排放量，t为一天24h，k为总场景数。wl,coal,b(t)代表安装ccus装置前第l个场景下t时刻燃煤量，单位为t；c代表燃煤含碳量(统计量)；代表二氧化碳的摩尔质量，单位为g/mol；mc代表碳的摩尔质量，单位为g/mol；ocoal代表燃煤机组的碳氧化率。
31、为了避免不同目标数量级不同导致的决策分析偏差，对上层目标函数进行归一化处理。引入权重将多目标规划优化问题转化为单个综合目标函数的求解：
32、
33、式中，f1max和f1min分别为ccus设备碳封存容量以及p2g设备容量取上下限msmax，msmin时的投资成本，ω1、ω2为目标权重。
34、上层约束有ccus设备碳封存容量以及p2g设备容量约束：
35、0≤msto≤msmax (11)
36、0≤mp2g≤mp2gmax (12)
37、式中，msmax为ccus设备碳封存容量上限，单位为t,mp2gmax为p2g设备容量上限，单位为mw。
38、步骤5，下层的优化目标为系统运行的运行成本，下层优化目标函数为：
39、
40、式中：γl表示第l个场景出现本文档来自技高网...
【技术保护点】
1.基于双层优化模型的碳封存以及P2G设备容量优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双层优化模型的碳封存以及P2G设备容量优化方法，其特征在于，步骤1所述选取初始聚类中心S1′，具体过程如下：
3.根据权利要求2所述的基于双层优化模型的碳封存以及P2G设备容量优化方法，其特征在于，步骤2中，所述求出剩余的聚类中心具体过程如下：
4.根据权利要求3所述的基于双层优化模型的碳封存以及P2G设备容量优化方法，其特征在于，步骤4所述经济性能目标F1为CCUS设备以及P2G设备折现到一年的投资成本，计算公式为：
5.根据权利要求4所述的基于双层优化模型的碳封存以及P2G设备容量优化方法，其特征在于，步骤6所述使用细菌觅食算法进行上下层目标函数寻优，具体步骤如下：
6.根据权利要求5所述的基于双层优化模型的碳封存以及P2G设备容量优化方法，其特征在于，6-3所述复制操作具体过程如下：
7.根据权利要求6所述的基于双层优化模型的碳封存以及P2G设备容量优化方法，其特征在于，6-4所述趋化操作具体
...【技术特征摘要】
1.基于双层优化模型的碳封存以及p2g设备容量优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于双层优化模型的碳封存以及p2g设备容量优化方法，其特征在于，步骤1所述选取初始聚类中心s1′，具体过程如下：
3.根据权利要求2所述的基于双层优化模型的碳封存以及p2g设备容量优化方法，其特征在于，步骤2中，所述求出剩余的聚类中心具体过程如下：
4.根据权利要求3所述的基于双层优化模型的碳封存以及p2g设备容量优化方法，其特征在于，步骤4所述经济性能目...
【专利技术属性】
技术研发人员：罗平，李智慧，吴舒红，杨泽喆，杨晴，吕强，
申请(专利权)人：杭州电子科技大学，
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。