【技术实现步骤摘要】
本专利技术涉及电氢能源系统规划，尤其是涉及一种基于自适应时序聚合的电氢能源系统风险防御规划方法。
技术介绍
1、对于规模较大的与输电网具有单一互联点的可再生能源制氢主体，可以视为混合资源类型和一种新兴的市场主体。在新型电力系统发展为高比例可再生能源渗透阶段，电网调峰冗余度进一步降低，可再生能源制氢系统完全利用可再生能源保证氢气生产用能需求，并通过配置储能设备，利用自身设备灵活调节能力，实现系统电力电量平衡和氢气的产销平衡。
2、目前，能源系统优化规划旨在以经济性为主要目标，对系统进行技术、环境和经济评估，并对资源进行合理的投资规划，以实现系统的灵活可靠运行。现有研究旨在设计电氢能源系统计入场景下的电力系统优化和控制算法，以充分利用可再生能源的潜力并减少弃电。另一部分研究关注电氢能源系统中长期储氢的能量迁移特性。然而，电氢能源系统呈现复杂的时序耦合特征，如何在优化运行中充分考虑异质能源供需平衡需求以及长/短期储氢的差异化运行特性，是实现电氢能源系统经济高效运行的关键。同时，现有研究尚未讨论系统运行过程中不确定因素导致的潜在风险成本对优化规划结果的影响，因此，面向电氢能源系统规划，关键难点在于综合考虑电氢能源系统长周期运行特性以及潜在运行风险，进行合理的容量优化规划。
技术实现思路
1、本专利技术的目的在于提供一种基于自适应时序聚合的电氢能源系统风险防御规划方法，能够同时考虑长/短周期储氢的调节能力，并且有效平衡系统潜在运行风险和投资成本。
2、为实现上述目的，
3、s1、根据已有的可再生能源和负荷需求的预测值，构建自适应时序聚合算法，降低运行模拟的变量维度；
4、s2、引入条件风险价值理论，采用多元高斯分布对可再生能源和电负荷波动进行建模，用于量化系统潜在的运行风险；
5、s3、兼顾系统投资和运行成本，以年化总成本最小化为优化目标，构建基于自适应时序聚合的电氢能源系统优化规划模型；
6、s4、基于自适应时序聚合的电氢能源系统优化规划模型得到各个设备的规划容量与各项成本，完成对于电氢能源系统的风险防御规划。
7、优选的，根据已有的可再生能源和负荷需求的预测值，构建自适应时序聚合算法，包括以下步骤：
8、计算每个聚类簇i的质心：
9、
10、式中，ni是聚类i中的数据点的数量，xt表示新能源出力数据；
11、对于每对相邻聚类(i,j)，计算不相似度d(i,j)：
12、
13、式中，表示聚类i和j质心之间的欧几里得距离，nj表示聚类j中的数据点的数量；
14、合并不相似度最小的两个相邻聚类为一个聚类，并更新聚类数量n＝n-1，n≤r，r表示时间分辨率，终止循环，否则返回步骤s2；
15、输出根据聚类结果得到有持续多日的调度周期，对于聚类i中的每一天j，计算该天的负荷曲线与聚类质心之间的欧几里得距离，遍历聚类中的所有日负荷曲线，记录最小的距离d
16、
17、式中，p(j)表示第j天的负荷，[t]表示第t小时，ni表示总天数；
18、将对应的第j天设为代表性日，对于四个季节的典型日，应用自适应时序聚合算法，对四个季节的新能源出力数据进行了聚类分析。
19、优选的，采用多元高斯分布对可再生能源和电负荷波动进行建模，包括
20、构建多元高斯分布描述可再生能源和电负荷波动的概率分布，设置x表示新能源发电量与网负荷的联合矩阵，其中，x1是新能源发电量，x2是电网负荷，那么x的联合分布描述为多元高斯分布：
21、
22、
23、
24、式中，μ是均值向量，μ1和μ2分别是新能源发电量和电负荷的平均值，σ是协方差矩阵，和分别是新能源发电量和电负荷的方差ρ是两者之间的相关系数。
25、优选的，条件风险价值理论，在多场景模拟和一般损失分布中通过以下方式计算“”
26、
27、示置信水平，衡量投资损失风险的指标，y表示由概率分布函数p控制的不确定性变量，[f(x,ys)-var]+表示max{f(x,ys)-var,0}，n表示全部场景数量，ps表示场景s出现的概率，ys表示场景s成本的相关变量。
28、优选的，以年化总成本最小化为优化目标为
29、min obj＝cinv+[(1-β)(copt+cshed)+βcvar] (9)；
30、式中，obj表示目标函数，cinv为规划周期n年内计及设备折现率的年化投资成本，copt为年均运行成本，cshed为氢气负荷削减成本，(1-β)(copt+cshed)+βcvar表示所有情景下的运营成本与相应的预期风险损失之间的权衡，β表示风险参数，β∈(0,1)。
31、优选的，基于自适应时序聚合的规划模型包括对系统进行投资决策的设备容量规划环节和用于衡量系统运行成本的运行模拟环节；
32、投资决策环节中，对电氢能源系统内的电解槽、短周期储氢和长周期储氢三种设备进行容量规划，并作为设备运行边界传递给运行环节；运行模拟环节中，基于自适应时序聚合结果，对系统进行全年运行模拟，以得到系统的最优调度结果。
33、优选的，短周期储氢shs约束包括储能soc约束，充放氢气约束：
34、
35、
36、
37、
38、
39、式中，分别为t、t+1时刻shs的soh；分别为t时刻充、放氢体积；δshs为shs的自损耗率；vshs为shs规划容量；分别为shs的充、放氢效率；分别为shs容量百分比上、下限；分别表示t时刻shs充、放氢状态；分别为充放氢的首末时刻shs的容量百分比。
40、优选的，长周期储氢lhs在不同季节a之间，储氢soh保持连续，并在一年的首末时刻，储氢soh相同，在任意调度周期内，lhs均匀充/放氢气
41、
42、
43、式中，为某一调度周期内lhs的充/放氢气质量，th为该调度周期的总小时数，其余变量和运行约束可以类比shs，表示t时刻的lhs的充/放氢气质量，分别为充放氢的首末时刻lhs的容量百分比。
44、优选的，在能量平衡方面，采用直流潮流模型进行潮流约束，
45、pdg≥pload+pel (17)；
46、gel+gshs.d+glhs.d≥gload+gshed+gshs.c+glhs.c (18)；
47、式中，pdg表示新能源发电功率，pload表示负荷功率，pel表示电解槽功率，gel表示电解槽出力，gshs.d表示短周期储能的放出氢气质量，glhs.d表示长周期储能的放出氢气质量，gload表示负荷，gshed表示切负荷，gshs.c本文档来自技高网...
【技术保护点】
1.一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，根据已有的可再生能源和负荷需求的预测值，构建自适应时序聚合算法，包括以下步骤：
3.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，采用多元高斯分布对可再生能源和电负荷波动进行建模，包括
4.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，条件风险价值理论，在多场景模拟和一般损失分布中通过以下方式计算：
5.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，以年化总成本最小化为优化目标为
6.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，基于自适应时序聚合的规划模型包括对系统进行投资决策的设备容量规划环节和用于衡量系统运行成本的运行模拟环节；
7.根据权利要求6所述的一种基于自适应时序聚
8.根据权利要求6所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，长周期储氢LHS在不同季节a之间，储氢SOH保持连续，并在一年的首末时刻，储氢SOH相同，在任意调度周期内，LHS均匀充/放氢气
9.根据权利要求6所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，在能量平衡方面，采用直流潮流模型进行潮流约束，
...【技术特征摘要】
1.一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，根据已有的可再生能源和负荷需求的预测值，构建自适应时序聚合算法，包括以下步骤：
3.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，采用多元高斯分布对可再生能源和电负荷波动进行建模，包括
4.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，条件风险价值理论，在多场景模拟和一般损失分布中通过以下方式计算：
5.根据权利要求1所述的一种基于自适应时序聚合的电氢能源系统风险防御规划方法，其特征在于，以年化总成本最小化为优化目标为
【专利技术属性】
技术研发人员：王小君，盛康玲，周昊晔，龙施雨，司方远，刘曌，
申请(专利权)人：北京交通大学，
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。