[发明专利]一种基于场景分析的综合能源系统方案规划方法及装置

权利要求书

1.一种基于场景分析的综合能源系统方案规划方法，其特征在于，包括：

基于可再生能源特征，生成若干可再生能源出力的出力场景；

基于各能源设备互补特性生成若干综合能源系统规划方案；

确定各所述出力场景下各能源设备的目标工作参数；

基于目标出力场景、与目标出力场景对应的各能源设备的目标工作参数、与所述目标出力场景对应的约束条件、综合能源系统规划求解策略与各所述能源系统方案对应的成本和一种改进后的粒子群-蚁群优化算法，对各所述能源系统方案进行筛选，获得与所述目标出力场景对应的目标能源系统方案。

2.如权利要求1所述的方法，其特征在于，在确定各所述场景下各能源设备的目标工作参数之前，所述方法还包括：基于改进的k均值聚类算法对各所述出力场景进行削减处理，以获得削减后的若干第一出力场景。

3.如权利要求1所述的方法，其特征在于，所述确定各所述出力场景下各能源设备的目标工作参数具体包括：

确定各所述出力场景对应的环境参数；

基于各所述出力场景的环境参数以及各能源设备对应的设备模型，分别计算获得各所述能源设备的目标工作参数。

4.如权利要求1所述的方法，其特征在于，所述能源设备包括如下任意一种或几种：光伏发电设备、风力发电设备、储能电池、燃气轮机、电制冷机、溴化锂机组以及余热锅炉；

所述目标工作参数包括如下任意一种或几种：输出功率、剩余电量、制冷量以及制热量；各设备模型参数如下：

通常情况下，光照强度的概率密度服从某种分布；其概率密度分布函数如式下式所示：

式中：s和s_m为实际和最强光照强度；α和β是Beta分布参数，Γ是Gamma函数；

基于光照强度的概率密度求得光照强度，然后根据下式(光伏发电设备模型)计算光伏电池板的输出功率：

P_pv＝ψcos(θ)η_VA_Vη_vp

式中：η_V为“最大功率点跟踪”太阳能控制器的效率系数；η_vp为光伏电池的效率系数；A_V为电池板面积；ψ和θ分别为太阳辐射和太阳入射角；

风速的概率密度同样服从某种分布；其概率密度分布函数如下式所示：

式中，参数μ为期望值，参数σ²为方差；v为风速；

基于风速的概率密度，然后利用如下风力发电设备模型的公式，可以得到风机输出功率；

式中：v_ci、v_co和v_r分别为风机的切入、切出和额定风速；系数a_v、b_v、c_v为风机输出系数；

储能电池充电存入电能的数学模型的公式为：

其释放电能的数学模型的公式为：

式中，δ_e是蓄电池的自身电能消耗率；P_in是蓄电池的电能存入功率；P_out是蓄电池的电能释放功率；SOC(t)是第t个时段结束时蓄电池的剩余电量；SOC(t-1)是第t-1个时段结束时蓄电池的剩余电量；是蓄电池的电能存入效率；是蓄电池的电能释放效率；是蓄电池的额定容量；

燃气轮机的典型物理模型可以表示为：

式中，P_EGT(t)表示燃气轮机t时段的电输出功率；V_EGT(t)表示燃气轮机在t时段的天然气消耗量；L_NG表示天然气的低位热值；η_EGT表示燃气轮机的发电效率；Δt表示时间步长；

电制冷机的性能系数主要与制冷功率的数学关系如下：

Q_EC,c(t)＝C_COP,EB·P_EC(t)

式中，C_COP,EB为电制冷机性能系数；Q_EC,c(t)和P_EC(t)分别为电压缩式制冷机的出力和输入电功率；

溴化锂机组制冷量Q_cw可表达为以下公式：

式中，Q_cw表示吸收式制冷机在t时段内的制冷量；η_reach表示余热回收系数；COE_co表示制冷系数；

余热锅炉的数学模型为：

式中，Q_hw为余热锅炉在t时段内的制热量；x(t)为t时段内高温高压气体从微燃机飞入余热锅炉和吸收式制冷机的流量比，η_reche为烟气余热回收系数；COE_he为制热系数；T_h1,T_h2分别为余热锅炉烟气的进出口温度。