👨🎓个人主页
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
💥1 概述
参考文献：
编辑
多个冷热电联供型微网通过区域配电网进行连接构成多微网系统,可有效提高区域冷热电多微网系统的总体运行效益。提出一种考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置方法。考虑风光出力的不确定性和相关性,提出基于非参数核密度估计和Frank-Copula函数的风光出力场景生成方法,得到典型日风光出力序列;以多场景下多微网系统年化总投资成本、维护成本与运行成本综合最低为目标,建立多微网系统规划与运行相结合的双层多场景协同优化配置模型;基于某地实测数据生成典型日风光出力场景,通过算例分析多微网系统中设备配置、设备出力和负荷平衡情况,结果表明,考虑电能交互会影响多微网系统中设备出力,并能够降低多微网系统的年化总成本,验证了所提配置方法的有效性和经济性。
随着能源互联网(energy internet，EI)与综合能源系统(integrated energy systems，IES)的提出和发展，多种能源间的耦合日渐紧密、协同作用和互补效益日趋明显[1]，对提高能源利用率、减少环境污染、建设友好型社会具有重要意义。 冷热电联供(combined cooling，heating and power，CCHP)系统由于集制冷、制热、供电于一体，通过多能互补及能源的阶梯利用，可提高能源利用率并减少对环境的污染[2]。随着微网技术的推广和应用，同一区域配电系统将存在多个微网，从而形成区域多微网系统[3]。当区域内微网间存在电能交互时，会对微网的规划及运行产生影响，尤其会对含 CCHP 系统的多微网中设备配置及其出力产生较大影响[4]。因此，在考虑微网电能交互条件下，对如何根据区域多微网的用能需求，从而确定多微网系统的最优配置及优化运行方案进行研究十分必要。
此外上述文献大都在确定的场景下对系统进行调度和配置，即风光出力和负荷需求往往选取典型日，忽略了不确定性因素对系统的影响。鉴于此，文献[18-22]基于已有的风机或光伏出力和负荷需
求，根据一定的概率指标预测未来的风、光出力及负荷需求场景，采用抽样技术获取大量样本并利用场景削减得到典型场景，从而考虑不确定性因素对系统运行优化的影响。然而文献[18-22]均忽略了风光出力的相关性，事实上，风光等可再生能源出力具有不确定性且同区域风光出力还具有相关性，目前，基于概率模型描述风光出力不确定性时，认为风速和光照强度分别服从某一特定分布[23]，其本质为参数估计，由于参数估计需要加入主观先验知识，拟合出的模型往往和真实模型相差甚远，另外，这种方法忽略了风光出力的时间尺度，不适用于计算系统的日、年运行成本等时间尺度指标[2]。
编辑
考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置研究
一、研究背景与意义
在能源转型的大背景下，构建清洁、高效、安全的能源供应体系已成为全球共识。区域综合能源系统（Regional Integrated Energy System, RIES）能够有效整合不同能源形式，实现能源互联互通和梯级利用，被认为是实现能源可持续发展的关键途径之一。微网（Microgrid, MG）作为RIES的基本单元，具有灵活、自治的特性，能够有效提升供能可靠性和能源利用效率。然而，单个微网的容量有限，无法满足日益增长的能源需求，因此，构建多微网互联互通的区域多微网系统（Regional Multi-Microgrid System, RMMS）已成为研究热点。
在RMMS中，电能交互是实现能源灵活调配和平衡各微网间供需差异的重要手段。通过电能交互，可以将一个微网过剩的可再生能源电力输送到其他微网，从而避免弃风弃光现象的发生，提高可再生能源的利用率。同时，电能交互还可以提高系统的供电可靠性，当某个微网发生故障时，其他微网可以通过电能交互提供备用电源。然而，构建高效稳定的RMMS也面临着诸多挑战，如电能交互策略的复杂性、运行控制的协调性以及网络安全风险等。
二、研究目标与方法
研究目标：本文旨在提出一种考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置方法，以实现RMMS的经济性、可靠性和环境友好性。
研究方法：
- 双层优化模型构建：
- 上层规划层：主要负责确定RMMS中各微网的能源设备容量，包括可再生能源发电设备、储能设备、冷热电联供设备等。目标是最小化系统的投资成本和运行成本，同时满足系统的可靠性要求。
- 下层运行层：主要负责在给定的设备容量下，实现RMMS的实时调度优化。目标是最小化系统的运行成本，同时满足系统的运行约束。
- 多场景模型构建：
- 考虑到可再生能源发电和负荷需求的不确定性，需要构建多场景模型以评估不同场景下RMMS的性能。
- 采用历史数据分析、统计模型或随机模拟等方法生成不同场景，例如光伏出力高场景、光伏出力低场景、负荷高峰场景、负荷低谷场景等。
- 为每个场景赋予相应的概率，反映该场景发生的可能性。
- 优化算法选择：
- 采用智能优化算法与混合整数线性规划方法结合求解双层多场景协同优化配置模型。
- 智能优化算法可用于处理复杂的非线性优化问题，而混合整数线性规划方法则适用于处理具有线性约束的优化问题。
三、关键技术与创新点
- 电能交互策略设计：
- 制定合理的电能交互策略，以保证系统的经济性、可靠性和稳定性。
- 考虑多种因素，如微网的负荷特性、能源资源状况、设备运行状态等。
- 风光出力场景生成方法：
- 提出基于非参数核密度估计和Frank-Copula函数的风光出力场景生成方法。
- 非参数核密度估计法用于求得风光出力的概率密度函数，而Frank-Copula函数则用于建立风光出力的联合概率分布函数。
- 这种方法能够更准确地描述风光出力的不确定性和相关性，提高场景生成的准确性。
- 双层多场景协同优化配置模型：
- 将系统规划与运行层面相结合，建立双层多场景协同优化配置模型。
- 上层模型优化设备容量配置与网络拓扑结构，下层模型在既定配置下实现多微网间电能交互及系统运行优化。
- 通过引入场景生成与削减技术处理不确定性因素，提高模型的鲁棒性和优化效果。
四、案例分析与应用效果
案例背景：
- 基于某地实测数据生成典型日风光出力场景，构建考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置模型。
分析内容：
- 设备配置分析：分析不同场景下各微网的设备配置情况，包括可再生能源发电设备、储能设备、冷热电联供设备等。
- 设备出力分析：分析不同场景下各微网的设备出力情况，包括电力、冷力、热力等。
- 负荷平衡分析：分析不同场景下各微网的负荷平衡情况，确保系统稳定运行。
应用效果：
- 降低系统成本：通过优化设备配置和电能交互策略，降低系统的投资成本和运行成本。案例分析表明，考虑电能交互能够降低多微网系统的年化总成本。
- 提高能源利用效率：通过电能交互实现能源的灵活调配和平衡各微网间供需差异，提高能源利用效率。案例分析表明，考虑电能交互能够影响多微网系统中设备出力，提高可再生能源的利用率。
- 增强系统可靠性：当某个微网发生故障时，其他微网可以通过电能交互提供备用电源，从而提高整个系统的供电可靠性。
📚2 运行结果
编辑
编辑 
编辑
编辑
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]林顺富,刘持涛,李东东,符杨.考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置[J].中国电机工程学报,2020,40(05):1409-1421.DOI
