两级强劲的综合能源系统规划公园考虑低碳gydF4y2Ba

1。介绍gydF4y2Ba

中国能源消费和生产已经排在世界上最好的,但仍有许多问题与该国的能源供应和使用,包括不适当的能源结构,能源利用效率差,低比例的可再生能源开发和使用,并需要进一步提高能源安全和使用。此外,面对日益严重的气候变化问题,低碳减排和可持续发展获得全球认可。全世界各国政府和组织已经发布了一系列低碳发展战略和对策,以及国际合作不断增强(gydF4y2Ba温家宝et al ., 2009gydF4y2Ba;gydF4y2BaBie et al ., 2012gydF4y2Ba;gydF4y2Ba桥et al ., 2018gydF4y2Ba;gydF4y2Ba刘et al ., 2020gydF4y2Ba,gydF4y2Ba2022年gydF4y2Ba)。2020年,中国提出了“双碳排放目标,促进新能源的开发标准,和能量的转换和发展系统必须实现这一目标(gydF4y2Ba王et al ., 2022gydF4y2Ba)。国民经济的主要行业中生产,由于能源系统碳排放的主要因素,将其转化为低碳模式是至关重要的帮助中国实现其目标,减少其碳足迹。gydF4y2Ba

综合能源系统,统一和分派的能源,包括电、热,冷却,和天然气,是一种全面的能源系统,促进中国的能源革命,是至关重要的减少碳排放,促进高效、清洁的能源使用(gydF4y2Ba黄et al ., 2011gydF4y2Ba)。gydF4y2Ba

综合能源项目的发展是基于科学和综合能源系统的逻辑设计,这直接影响到实现高效的好处,经济和环保系统。因此,许多学者进行了深入的研究设计,主要侧重于规划的造型方法,设备容量配置,系统的不确定性,和低碳等(gydF4y2BaMirakyan De Guio, 2015gydF4y2Ba;gydF4y2Ba风扇et al ., 2021gydF4y2Ba;gydF4y2Ba太阳et al ., 2022gydF4y2Ba)。gydF4y2Ba

的规划和优化理论,规划战略被扑灭gydF4y2Ba王et al。(2021)gydF4y2Ba通过融合生命周期和能量理论。前辈们规划方案出现在纸上改善经济和风能,太阳能能源消耗相比传统规划方案的实验评估,考虑到每年平均操作和投资成本和系数的能量。gydF4y2Ba王et al。(2020)gydF4y2Ba开发容量增大的规划模型,考虑混合储能前辈们的大量使用,并使用遗传量子方法来模拟和分析混合储能的优点。在规划区域的优化”,gydF4y2Ba王et al。(2022)gydF4y2Ba考虑质量除了能源量。他们还夫妇多目标遗传算法(分公司)与嵌入式禁忌搜索算法来计算单元在前辈们的能力。gydF4y2Ba王et al。(2019)gydF4y2Ba以最低碳排放和年度总成本最低为目标函数,并使用三个投资模型的系统约束方案基于四季的典型日负荷曲线来确定系统的理想容量规划策略。gydF4y2Ba

上面描述的大多数研究使用一个确定性优化框架。然而,前辈们充满了不可预知的元素,如可再生能源生产的不可预测性和负载的变化需求。国内外研究人员已经进行了相关的研究,考虑不确定因素对系统规划的影响。gydF4y2Ba

皮克林和超(2019)gydF4y2Ba区域理论提出一个模型来解决这个问题的基于采样历史需求数据需求的不确定性,提高了模型的鲁棒性。gydF4y2Ba窦et al。(2019)gydF4y2Ba用k - means聚类算法总结典型场景的源和负载,并建立一个分布式可再生能源分配优化模型从能量平衡的角度。非会员的扩张计划,gydF4y2BaLei et al。(2020)gydF4y2Ba建立一个多目标随机规划方法模型。gydF4y2Ba李et al。(2021)gydF4y2Ba提出一个理论容量规划模型与目标降低总成本的投资操作。基于场景分析方法,采用两级编程策略获得多能容量规划方案与耦合整数变量。gydF4y2Ba

提高系统响应低碳的能力挑战,前辈们的操作和计划必须包括low-carbon-related组件。学者们主要研究碳捕获,碳交易,和最低碳排放引入优化目标。gydF4y2Ba

在碳捕获,gydF4y2BaZhang et al。(2021)gydF4y2Ba建立碳捕捉系统的特性,传统发电厂提供更大的灵活性,扩大了调度问题的综合能源系统(IES)集成可再生渗透、碳捕获,以及减排。gydF4y2Ba马et al。(2021)gydF4y2Ba介绍了碳捕捉系统在常规IES, P2G来自碳排放的碳源热电联产单位。上面的方法解决了P2G系统的碳源问题,同时减少热电联产系统的二氧化碳排放。gydF4y2Ba刘et al。(2021)gydF4y2Ba添加碳捕获设备包含电力和天然气的前辈们,也被认为是碳交易机制来实现经济低碳系统的操作。gydF4y2Ba

在碳交易,gydF4y2Ba程et al。(2021)gydF4y2Ba提出了突破低碳运营模式通过使用碳限制节点边际价格基于碳交易。为了解决减少碳排放的特定标准,考虑到不确定性,gydF4y2Ba金et al。(2019)gydF4y2Ba前辈们建立了一个随机动态优化,降低了总成本的电力和会见了碳减排要求,同时这项工作通过碳交易模型。gydF4y2Ba燕et al . (2021)gydF4y2Ba研究了碳之间的双向互动交易模式和绿色证书交易虚拟发电厂,从而达到多能互补的碳减排耦合,提高经济效益。gydF4y2Ba太阳et al。(2021)gydF4y2Ba引入碳交易机制优化的年度总成本。gydF4y2Ba

在最低碳排放引入优化目标,gydF4y2Ba王et al。(2019 b)gydF4y2Ba设计了一种新颖的多目标优化模型同时最小化的经济、技术和环境目标而开发。降低系统运营成本和碳惩罚成本,gydF4y2Ba刘和聂(2019)gydF4y2Ba讨论了综合能源供应设备影响系统效率。前辈们的理想调度模型,考虑结合权重低碳和盈利的操作提出的gydF4y2Ba周et al。(2022)gydF4y2Ba。gydF4y2Ba

本文的贡献总结如下。gydF4y2Ba

1。本文设计一个IES规划解决方案策略,考虑到不确定性因素基于两阶段健壮的规划模型。与传统的确定性优化相比,本文中的规划模型更可靠。gydF4y2Ba

2。为了挖掘低碳潜力综合能源系统的公园,低碳约束和可再生能源约束引入到模型中,渗透和减少碳排放和可再生能源消费之间的关系进行了分析。gydF4y2Ba

3所示。规划战略提出的研究能够成功处理输出太阳能和风能的不确定性,它可以适应需求更多的场景比如经济和低碳。gydF4y2Ba

2。数学模型gydF4y2Ba

2.1。的典型结构gydF4y2Ba

系统包括吸收空调(AC)、冷藏(CS),电动空调(EC)、电力存储(ES),燃气锅炉(GB),燃气轮机(GT)、废热锅炉(HB)、热泵(惠普)蓄热(HS),光伏(PV),风力涡轮机(WT)和电,热,冷负荷(gydF4y2Ba白et al ., 2018gydF4y2Ba;gydF4y2Ba翟et al ., 2019gydF4y2Ba)。gydF4y2Ba图1gydF4y2Ba显示了公园IES通常的物理布局。gydF4y2Ba

2.2。建立设备模型gydF4y2Ba

2.2.1。燃气轮机和燃气锅炉模型gydF4y2Ba

购买天然气进入燃气轮机的一部分转换成电能和热能,另一部分进入燃气锅炉转换成热能。gydF4y2Ba公式(1)gydF4y2Ba可以用来描述天然气的消费吗gydF4y2BaPgydF4y2Ba_{气体gydF4y2Ba}。gydF4y2Ba

的公式,gydF4y2BaPgydF4y2Ba_{全科医生gydF4y2Ba}是燃气轮机的燃料消耗,使用的燃油燃气锅炉吗gydF4y2BaPgydF4y2Ba_gbgydF4y2Ba。gydF4y2Ba

公式(2)gydF4y2Ba可以用来表达之间的联系的摄入天然气和电和热的输出。gydF4y2Ba

的公式,gydF4y2BaηgydF4y2Ba_egydF4y2BaGT的电效率,gydF4y2BaηgydF4y2Ba_hgydF4y2Ba是燃气轮机的热效率,gydF4y2BaηgydF4y2Ba_gbgydF4y2BaGB的热效率是(gydF4y2Ba他et al ., 2015年gydF4y2Ba)。gydF4y2Ba

热产生的燃气轮机的一部分是直接用于满足热用户的需求,表示为gydF4y2BaHgydF4y2Ba_{gp1中gydF4y2Ba},另一部分gydF4y2BaHgydF4y2Ba_gp2gydF4y2Ba可以吸收转化为冷能量调节。上述约束条件可以表示为gydF4y2Ba公式(3)gydF4y2Ba

2.2.2。热泵模型gydF4y2Ba

电能转化为热能通过热泵,所示gydF4y2Ba公式(4)gydF4y2Ba。gydF4y2Ba

的公式,gydF4y2Ba问gydF4y2Ba_{惠普gydF4y2Ba}热泵操作热容,千瓦;gydF4y2Ba警察gydF4y2Ba_{惠普gydF4y2Ba}性能系数;和gydF4y2BaPgydF4y2Ba_{惠普gydF4y2Ba}功耗,千瓦。gydF4y2Ba

2.2.3。电动调节模型gydF4y2Ba

在前辈们,电动空调将提供额外的冷却如果吸收条件不足以满足用户的冷负荷的需要。电动调节也可能有助于提高能源系统的热电比率。性能系数之间的数学关系和电动空调的制冷能力所示gydF4y2Ba公式(5)gydF4y2Ba。gydF4y2Ba

在gydF4y2Ba公式(5)gydF4y2Ba,gydF4y2BaRgydF4y2Ba_{电子商务gydF4y2Ba}是电子商务的输出功率;gydF4y2Ba警察gydF4y2Ba_{电子商务gydF4y2Ba}是电子商务的性能系数;和gydF4y2BaEgydF4y2Ba_{电子商务gydF4y2Ba}功耗,千瓦。gydF4y2Ba

2.2.4。储能装置模型gydF4y2Ba

公式(6)gydF4y2Ba说明了充电能量的数学概念。gydF4y2Ba

公式(7)gydF4y2Ba说明了数学模型的能量释放。gydF4y2Ba

的公式,gydF4y2BaδgydF4y2Ba_egydF4y2Ba是电池本身的能耗率。gydF4y2BaPgydF4y2Ba_在gydF4y2Ba电池的能量沉积的力量。gydF4y2BaPgydF4y2Ba_出gydF4y2Ba电池的能量释放的力量。gydF4y2BaSOCgydF4y2Ba剩下的电池充电。gydF4y2BaηgydF4y2Ba_在gydF4y2Ba是能量沉积效率。gydF4y2BaηgydF4y2Ba_出gydF4y2BaES的电能释放效率,gydF4y2BaEgydF4y2Ba_NgydF4y2Ba是西班牙文的额定容量(gydF4y2Ba雪et al ., 2019gydF4y2Ba)。gydF4y2Ba

2.3。目标函数gydF4y2Ba

公式(8)gydF4y2Ba表明,优化目标是最小化系统的投资成本和操作成本在最坏的情况。gydF4y2Ba

的公式,gydF4y2BaCgydF4y2Ba_intgydF4y2Ba代表所示的年化投资成本gydF4y2Ba公式(9)gydF4y2Ba。gydF4y2BaCgydF4y2Ba_{开放的gydF4y2Ba}代表所示的系统运营成本gydF4y2Ba公式(10)gydF4y2Ba。gydF4y2Ba

2.3.1。系统投资成本gydF4y2Ba

的公式,gydF4y2BaρgydF4y2Ba折现率;gydF4y2BargydF4y2Ba,折扣多年的单位;每个设备的投资成本单位的能力被称为gydF4y2BacgydF4y2Ba_intgydF4y2Ba,gydF4y2BaPgydF4y2Ba^{马克斯gydF4y2Ba}单位的规划能力,下标代表不同的单位。gydF4y2Ba

2.3.2。系统运行费用gydF4y2Ba

公式的第一部分是权力互动的成本,gydF4y2BacgydF4y2Ba_{t网格,gydF4y2Ba}是时候电网的用电价格,另一部分是单位的运营成本,gydF4y2BaΩgydF4y2Ba_wgydF4y2Ba是单位的集合。第三部分是燃料成本。gydF4y2Ba

2.4。约束gydF4y2Ba

2.4.1。电力系统平衡约束gydF4y2Ba

左边的公式的和电动的输出设备,和公式右边是电气负载。gydF4y2BatgydF4y2Ba代表时间gydF4y2BatgydF4y2Ba。gydF4y2Ba

2.4.2。冷系统平衡约束gydF4y2Ba

公式左边的和冷却装置的输出,这个公式右边是冷负荷。gydF4y2BatgydF4y2Ba代表时间gydF4y2BatgydF4y2Ba(gydF4y2Ba唐et al ., 2022gydF4y2Ba)。gydF4y2Ba

2.4.3。热力系统平衡约束gydF4y2Ba

左边的公式是热的和输出的设备,和公式右边是热负荷。gydF4y2BatgydF4y2Ba代表时间gydF4y2BatgydF4y2Ba。gydF4y2Ba

2.4.4。设备输出的约束gydF4y2Ba

所有单位需要运行在允许范围内的工作和所示的输出不能超过他们的最大功率gydF4y2Ba公式(14)gydF4y2Ba。gydF4y2Ba

的公式,gydF4y2BaPt wgydF4y2Ba是单位的运行功率,gydF4y2BaPmax wgydF4y2Ba是单位的规划能力,gydF4y2BaΩgydF4y2Ba_wgydF4y2Ba是单位的集合。gydF4y2Ba

公式(15)gydF4y2Ba显示了网格的权力互动的约束。gydF4y2Ba

在哪里gydF4y2BaUgydF4y2Ba_{网格gydF4y2Ba}是0,变量。gydF4y2Ba

2.4.5。设备能力限制gydF4y2Ba

的公式,gydF4y2BaP0 wgydF4y2Ba是最大的规划单位的能力。gydF4y2Ba

2.4.6。储能电池的约束gydF4y2Ba

公式(17gydF4y2Ba- - - - - -gydF4y2Ba20)gydF4y2Ba显示电存储约束和热存储和冷藏系统可以通过类比模型(gydF4y2Ba雪et al ., 2019gydF4y2Ba)。gydF4y2Ba

在gydF4y2Ba公式(17)gydF4y2Ba和gydF4y2Ba(18)gydF4y2Ba,gydF4y2BaPgydF4y2Ba_{说,马克斯gydF4y2Ba}最大放电功率,gydF4y2BaPgydF4y2Ba_{ch,马克斯gydF4y2Ba}最大充电电源。gydF4y2BaUgydF4y2Ba_{蝙蝠gydF4y2Ba}ES表示充电或放电的状态。gydF4y2BaUgydF4y2Ba_{蝙蝠gydF4y2Ba}= 1,放电;gydF4y2BaUgydF4y2Ba_{蝙蝠gydF4y2Ba}= 0,充电。gydF4y2Ba公式(19)gydF4y2Ba确保ES调度之前和之后的能力是相同的。gydF4y2Ba公式(20)gydF4y2Ba剩余的容量约束ES的每一刻。gydF4y2BaSOCgydF4y2Ba的剩余容量。gydF4y2BatgydF4y2Ba_0gydF4y2Ba是计划的开始。gydF4y2Ba

2.4.7。碳排放约束gydF4y2Ba

λgydF4y2Ba代表了前辈们的碳排放总量的公园规划。gydF4y2BaρgydF4y2Ba_{k, tgydF4y2Ba}代表类型的碳排放强度gydF4y2BakgydF4y2Ba输入能量,gydF4y2BaPgydF4y2Ba_{k, tgydF4y2Ba}代表类型k输入能量的消耗,gydF4y2BaλgydF4y2Ba^*gydF4y2Ba是一组碳排放目标。gydF4y2Ba

2.4.8。可再生能源穿透约束gydF4y2Ba

的公式,gydF4y2BaγgydF4y2Ba代表了可再生能源公园的渗透。gydF4y2BaγgydF4y2Ba^*gydF4y2Ba代表一组可再生能源渗透目标。gydF4y2Ba撅嘴k, tgydF4y2Ba是可再生能源的发电容量单位,gydF4y2Ba${\mathrm{lgydF4y2Ba}}_{\mathrm{tgydF4y2Ba}}$是终端电力负荷。gydF4y2Ba

2.5。两级健壮的规划模型和解决方案的策略gydF4y2Ba

2.5.1。确定性模型gydF4y2Ba

当系统中的不确定因素不考虑,上述理论的确定性规划模型可以获得(gydF4y2Ba曾庆红和赵,2013gydF4y2Ba)所示gydF4y2Ba公式(23)gydF4y2Ba

的公式,gydF4y2BaPgydF4y2Ba_wtgydF4y2Ba(gydF4y2BatgydF4y2Ba),gydF4y2BaPgydF4y2Ba_{光伏gydF4y2Ba}(gydF4y2BatgydF4y2Ba),gydF4y2BaPgydF4y2Ba_{负载gydF4y2Ba}(gydF4y2BatgydF4y2Ba),gydF4y2Ba问gydF4y2Ba_{负载gydF4y2Ba}(gydF4y2BatgydF4y2Ba),gydF4y2BaHgydF4y2Ba_{负载gydF4y2Ba}(gydF4y2BatgydF4y2Ba)代表了预测值gydF4y2BatgydF4y2Ba。gydF4y2Ba

解决上述模式,传统的确定性优化方法,如分支界限法(BNB)和启发式算法。规划的结果取决于预测技术的准确性。然而,有多个负载在公园内,而且在低碳背景下,可再生能源已经成为能源供应的重要来源。公园IES面临这些随机因素的影响,在实际的应用程序。预测精度难以满足要求。许多学者研究了预测技术的可再生能源(gydF4y2BaSah et al ., 2022gydF4y2Ba)。然而,当预测技术有限,所示的确定性优化模型gydF4y2Ba公式(23)gydF4y2Ba通常似乎过于“高风险”,需要考虑模型的不确定性的影响。gydF4y2Ba

2.5.2。模型的不确定性gydF4y2Ba

基于gydF4y2Ba公式(23)gydF4y2Ba,两级健壮的最佳容量规划模型在公园创建为了解决的不可预知性风,太阳能和负载。单级鲁棒优化只会让一个决定之前发生的不确定性,并优化结果过于保守。鲁棒优化分两个阶段将决策变量划分为两个部分,做决定之前和之后的不确定性,并优化结果更经济。gydF4y2Ba

第一阶段的目标函数是公园内的投资成本,而第二阶段的目标函数是公园内的操作成本。表示为两级健壮的规划模型gydF4y2Ba公式(24)gydF4y2Ba

的公式,gydF4y2BangydF4y2Ba第一阶段决策变量,在前辈们每个单元的规划能力,gydF4y2BaugydF4y2Ba是一个不确定的变量,代表风能和太阳能输出和负载功率,gydF4y2BaxgydF4y2Ba和y是第二阶段决策变量gydF4y2BaxgydF4y2Ba是0 - 1变量(gydF4y2Ba陈et al ., 2022gydF4y2Ba)。具体表达式所示gydF4y2Ba公式(25)gydF4y2Ba

箱式的不确定性U组比例缩放的上界和下界,表示gydF4y2Ba公式(26)gydF4y2Ba

的公式,gydF4y2BaugydF4y2Ba_0gydF4y2Ba是风能和太阳能的预测价值输出和负载功率,和典型的每日数据聚类后替换。gydF4y2BaτgydF4y2Ba不确定集的缩放比例。gydF4y2Ba

组织这些约束gydF4y2Ba公式(11gydF4y2Ba- - - - - -gydF4y2Ba22)gydF4y2Ba成以下形式gydF4y2Ba

的系数矩阵变量表示为一个相应的约束下,B, D和E,然后呢gydF4y2Ba一个gydF4y2Ba和gydF4y2BacgydF4y2Ba代表常数矩阵。gydF4y2Ba

2.5.3。解决方案策略gydF4y2Ba

解决两级健壮的规划模型通过使用column-and-constraint代(C&CG)。与其他算法相比,如Benders-dual方法,C&CG可以有效降低迭代。因为它增加了相关变量和约束子问题不断解决主问题,并得到一个目标函数值更接近原始(gydF4y2Ba刘et al ., 2018gydF4y2Ba)。gydF4y2Ba

分解gydF4y2Ba方程(24)gydF4y2Ba,将切平面约束添加到第一阶段给国会议员所示主问题gydF4y2Ba公式(29)gydF4y2Ba

然后,将第二阶段转换为对偶问题给出了子问题SP所示gydF4y2Ba公式(30)gydF4y2Ba

不等式性质的双层问题转化为马克斯单层的问题解决方案使用Karush Kuhn-Tucker(马)条件。gydF4y2Ba

在gydF4y2Ba公式(31)gydF4y2Baπ是第二阶段问题的对偶变量的向量。第三和第四的约束gydF4y2Ba公式(31)gydF4y2Ba是互补松弛条件。它们是非线性约束和无法直接解决。这些非线性约束可以通过大m线性化方法。例如,添加一个0 - 1变量gydF4y2BaωgydF4y2Ba_jgydF4y2Ba最后的约束gydF4y2Ba公式(31)gydF4y2Ba。然后,它可以新配方gydF4y2Ba

鲁棒优化的gydF4y2Ba公式(30)gydF4y2Ba转化为一个混合整数线性规划问题通过马条件和大m法。因此,现有的解算器可以用来解决问题,提高求解速度。gydF4y2Ba

这是算法过程:gydF4y2Ba

步骤1:给的集合gydF4y2BaugydF4y2Ba作为初始最糟糕的情况下,集gydF4y2Ba$\mathrm{lgydF4y2Ba}\mathrm{BgydF4y2Ba}=gydF4y2Ba-gydF4y2Ba\mathrm{\infty gydF4y2Ba}$,gydF4y2Ba$\mathrm{UgydF4y2Ba}\mathrm{BgydF4y2Ba}=gydF4y2Ba+gydF4y2Ba\mathrm{\infty gydF4y2Ba}$,gydF4y2BakgydF4y2Ba= 1;gydF4y2Ba

步骤2:解决主问题议员(29)。得到一个最优解gydF4y2Ba$(gydF4y2Ba{\mathrm{ngydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}\mathrm{,gydF4y2Ba}{\mathrm{\theta gydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}\mathrm{,gydF4y2Ba}{\mathrm{xgydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}\mathrm{,gydF4y2Ba}{\mathrm{ygydF4y2Ba}}^{\mathrm{1gydF4y2Ba}\ast gydF4y2Ba}\mathrm{,gydF4y2Ba}\dots gydF4y2Ba\mathrm{,gydF4y2Ba}{\mathrm{ygydF4y2Ba}}^{\mathrm{kgydF4y2Ba}\ast gydF4y2Ba})gydF4y2Ba$,然后更新gydF4y2Ba$\mathrm{lgydF4y2Ba}\mathrm{BgydF4y2Ba}=gydF4y2Ba{\mathrm{问gydF4y2Ba}}_{\mathrm{1gydF4y2Ba}}^{\mathrm{TgydF4y2Ba}}{\mathrm{ngydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}+gydF4y2Ba{\mathrm{\theta gydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}$;gydF4y2Ba

步骤3:解决子问题SP(30分)、SP的目标函数值,gydF4y2Ba${\mathrm{fgydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}(gydF4y2Ba{\mathrm{ngydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba})gydF4y2Ba$和gydF4y2Ba${\mathrm{ugydF4y2Ba}}_{\mathrm{kgydF4y2Ba}+gydF4y2Ba\mathrm{1gydF4y2Ba}}^{\ast gydF4y2Ba}$,然后更新gydF4y2Ba$\mathrm{UgydF4y2Ba}\mathrm{BgydF4y2Ba}=gydF4y2Ba\mathrm{最小值gydF4y2Ba}\{gydF4y2Ba\mathrm{UgydF4y2Ba}\mathrm{BgydF4y2Ba}\mathrm{,gydF4y2Ba}{\mathrm{问gydF4y2Ba}}_{\mathrm{1gydF4y2Ba}}^{\mathrm{TgydF4y2Ba}}{\mathrm{ngydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}+gydF4y2Ba{\mathrm{fgydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}(gydF4y2Ba{\mathrm{ngydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba})gydF4y2Ba\}gydF4y2Ba$;gydF4y2Ba

目的:给gydF4y2BaεgydF4y2Ba算法的收敛性阈值,如果gydF4y2Ba$\mathrm{UgydF4y2Ba}\mathrm{BgydF4y2Ba}-gydF4y2Ba\mathrm{lgydF4y2Ba}\mathrm{BgydF4y2Ba}\le gydF4y2Ba\mathrm{\epsilon gydF4y2Ba}$,还gydF4y2Ba${\mathrm{ngydF4y2Ba}}_{\mathrm{kgydF4y2Ba}}^{\ast gydF4y2Ba}$并终止。否则,添加变量gydF4y2Ba${\mathrm{ygydF4y2Ba}}^{\mathrm{kgydF4y2Ba}+gydF4y2Ba\mathrm{1gydF4y2Ba}}$和约束如下:gydF4y2Ba

更新gydF4y2Ba$\mathrm{kgydF4y2Ba}\leftarrow gydF4y2Ba\mathrm{kgydF4y2Ba}+gydF4y2Ba\mathrm{1gydF4y2Ba}$,回到第2步。gydF4y2Ba

3所示。案例研究gydF4y2Ba

3.1。基本数据gydF4y2Ba

前辈们所示结构的公园gydF4y2Ba图1gydF4y2Ba作为仿真算例,验证了低碳规划的有效性模型和相应的求解算法。模型模拟2019年MATLAB平台和最大化策略的优化器。的时候,使用分销网络所示价格gydF4y2Ba图2gydF4y2Ba。典型的一天曲线选择一个数量的全年预测场景,和加权平均的场景。负荷曲线、WT和PV曲线基础上所示gydF4y2Ba图3gydF4y2Ba,gydF4y2Ba4gydF4y2Ba。最大允许的可再生能源和负载波动综合能源系统可以设置根据以往历史预测偏差。天然气价格和碳排放强度是3.32元/米gydF4y2Ba^3gydF4y2Ba和2.09 kgCOgydF4y2Ba_2gydF4y2Ba/ mgydF4y2Ba^3gydF4y2Ba。以天然气的热值为10.45千瓦时/公里gydF4y2Ba^3gydF4y2Ba,天然气价格和碳排放强度可以转换为0.318 /千瓦时和0.20公斤/千瓦时。网格的平均碳排放强度为0.65公斤/千瓦时,不考虑随时间的变化。风电的不确定性是设置为0.05;光伏的不确定性是设置为0.1。不确定性的电力,热,冷负荷是设置为0.15。公园的有关参数所示gydF4y2Ba表1gydF4y2Ba。设置以下三个规划情况下:gydF4y2Ba

案例1:考虑风能、太阳能、负载不确定性,不考虑碳排放的限制,可再生能源穿透约束;gydF4y2Ba

案例2:考虑风能、太阳能、负载不确定性,只考虑碳排放约束和不考虑可再生能源穿透约束;和gydF4y2Ba

案例3:考虑风能、太阳能、负载不确定性,不考虑碳排放的限制,只考虑可再生能源穿透约束。gydF4y2Ba

3.2。比较不同情况下的结果gydF4y2Ba

3.2.1之上。案例1gydF4y2Ba

单位容量规划所示的结果gydF4y2Ba图5gydF4y2Ba。不考虑任何低碳目标,只有经济优化目标。低成本或效率高设备仍有最大的竞争优势,成为公园综合能源系统的最佳选择。gydF4y2Ba

的gydF4y2Ba图6gydF4y2Ba显示了该算法的收敛曲线的案例1。在第五次迭代,算法达到收敛,和在其他情况下,迭代的数量小于10。证明了该算法的有效性。gydF4y2Ba

3.2.2。案例2gydF4y2Ba

前辈们的碳排放控制目标在天津的一个公园里将4070公斤,相当于基准情景减少48%。最优容量配置相应的碳排放目标所示gydF4y2Ba图7gydF4y2Ba,gydF4y2Ba8gydF4y2Ba。橙色代表案例1的容量,绿色代表例1和例2的区别。与例1相比,由于高强度碳排放的分销网络的力量,从外部能源系统输入功率的公园是显著降低。相反,需要更多的内部可再生能源和微型燃气轮机减少公园的碳排放强度,实现既定的碳减排目标。gydF4y2Ba

3.2.3。案例3gydF4y2Ba

案例3设计有至少30%的可再生能源系统的渗透。gydF4y2Ba图9gydF4y2Ba,gydF4y2Ba10gydF4y2Ba展示最好的容量分配按照渗透的可再生能源目标。绿色表示例1和例3之间的差距,而橙色反映案例1的能力。整个可再生能源输出4101千瓦的渗透考虑可再生能源输出。32.2%的电单位终端电力负荷和能耗占风能和太阳能生产。gydF4y2Ba

3.3。不同的低碳目标结果的影响和成本分析gydF4y2Ba

本节介绍各种碳排放控制和可再生能源的影响渗透目标规划结果进行定量分析的公园内的碳减排成本和可再生能源的成本消耗。gydF4y2Ba图11gydF4y2Ba- - - - - -gydF4y2Ba14gydF4y2Ba秀公园的规划结果的变化和可再生能源消费与碳排放控制目标目标,包括碳排放总量、可再生能源渗透、总成本、平均减排成本,平均消费成本。结果表明,加强碳排放控制目标和增加可再生能源的普及率将会增加系统的总成本和减少碳排放总量在一个特定的绑定,和低碳发展必须支付的经济成本。gydF4y2Ba

图11gydF4y2Ba,gydF4y2Ba12gydF4y2Ba说明不同碳排放目标的结果。紧缩的碳排放控制目标,平均减排成本和总成本在上升。总成本刚刚开始缓慢上升,主要是由于高成本的燃气轮机取代输电网。当减排比例较低,系统很容易实现减排目标,以及可再生能源的普及率没有改变。进一步收紧的碳减排目标,只有燃气轮机不足以实现减排目标。新能源发电系统需要配置以满足碳排放目标,和增加可再生能源的渗透。gydF4y2Ba

图13gydF4y2Ba,gydF4y2Ba14gydF4y2Ba显示不同的可再生能源消耗目标的结果。很明显,总体成本也是一个上升趋势,但平均消费成本是一个下降的趋势。此外,尽管总成本增加而增加可再生能源的渗透,上升趋势是完全不同的。在开始阶段,可再生能源的普及率从0增加到21.8%,和系统的总成本增加了1374.34元/天。当可再生能源的目标渗透已经从50%上升到21.8,系统的总成本增加了591.65元/天。这是由于可再生能源渗透目标很低,可再生能源的投资成本单位和能量储存系统中增加了,当可再生能源渗透目标是进一步提高,可再生能源的投资单位和能量储存单位增加缓慢,主要是调整系统的运行状态。gydF4y2Ba

在gydF4y2Ba图11gydF4y2Ba,维护一个可再生能源的渗透0,可以减少碳排放至少2000公斤左右,从而减少碳排放量并不意味着增加可再生能源的渗透。gydF4y2Ba图13gydF4y2Ba说明了这一点,增加可再生能源的消费目标,系统的碳排放逐步下降。当可再生能源渗透率小于0.3,最低碳排放减少到3500公斤,这是远远高于最低碳排放时,可再生能源的普及率是0gydF4y2Ba图11gydF4y2Ba。从这个角度来看,增加可再生能源的普及率并不意味着碳排放的减少。因此,虽然有一些低碳目标和可再生能源消耗目标之间的协同作用,最大的可再生能源消费并不意味着最低碳排放,反之亦然,在某些情况下,增加可再生能源的普及率并不一定减少碳排放。尽管这两个目标可以促进可再生能源的发展总的来说,他们在操作条件有很大的不同,所以这两个目标不能完全取代了在实践中,但应该集成。gydF4y2Ba

4所示。结论gydF4y2Ba

本文两阶段健壮的规划模型考虑碳排放约束和可再生能源穿透约束采用研究公园的规划。的主要结论可以概括如下:gydF4y2Ba

1。该模型考虑了不确定性和可再生能源的低碳和负载,这有利于全面的能源投资者的合理选择在公园之间经济、环保、和风险。gydF4y2Ba

2。虽然有一定的低碳目标之间的协同作用和可再生能源的消耗,最大的可再生能源消费并不意味着最低碳排放,反之亦然。在某些情况下,增加可再生能源的渗透率并不一定减少碳排放。尽管这两个目标可以促进可再生能源的发展总的来说,他们在操作有很大的不同,所以这两个目标不能完全取代了在实践中,但应该集成。gydF4y2Ba

3所示。实例分析的结果一方面证明的能力公园IES促进低碳减排,可以增强系统的灵活性,各个单元的耦合。另一方面,它还定量评估公园的综合成本理论来实现减少碳排放。因此,减排潜力系统应充分利用的低碳规划,以便后续操作调度奠定了良好的基础。gydF4y2Ba

与前辈们日益紧密联系和网络和用户端能源消费的多样化,在未来的工作中,可以进一步扩大低碳规划,考虑天然气等网络(P2G技术),交通网络(电动汽车),氢能源储存等。gydF4y2Ba

数据可用性声明gydF4y2Ba

最初的贡献提出了研究中都包含在这篇文章/gydF4y2Ba补充材料gydF4y2Ba,进一步的调查可以针对相应的作者。gydF4y2Ba

作者的贡献gydF4y2Ba

SC设计并进行仿真并获得结果。SC、WS和BW分析结果。SC和BW写的纸,通过WS进一步审查。所有作者的文章和批准提交的版本。gydF4y2Ba

资金gydF4y2Ba

工作是经济上支持中国国家重点研发项目(批准号SQ2021YFE010072)。gydF4y2Ba

确认gydF4y2Ba

我们感谢审稿人的和副主编的有用的评论,这使得本文更好。gydF4y2Ba

的利益冲突gydF4y2Ba

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。gydF4y2Ba

出版商的注意gydF4y2Ba

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。gydF4y2Ba

补充材料gydF4y2Ba

本文的补充材料在网上可以找到:gydF4y2Bahttps://www.雷竞技rebatfrontiersin.org/articles/10.3389/fevo.2022.1100089/full补充材料gydF4y2Ba

引用gydF4y2Ba