基于数据驱动鲁棒优化的用户侧综合能源舱低碳规划

在“双碳”目标下,实现多能互补利用的综合能源系统规划研究势在必行,而装卸、配置灵活的用户侧综合能源舱成为了新兴的重要研究对象。构建了引入多元混合储能、碳捕集装置的两阶段综合能源舱规划模型,达到了舱内多能灵活互补、碳排放回收利用的效果。为处理能源舱规划环节中的风电、光伏新能源出力和用户负荷不确定性问题,提出了基于极端场景椭球集的数据驱动鲁棒优化方法,对不确定变量间的相关性进行精确描述,改善了传统鲁棒优化结果过于保守的问题,并通过相较传统分布鲁棒概率计算方法而言更简便的椭球端点提取方法以得到极端场景。利用椭球极端场景优势,改进了列与约束生成法(column and constraint generation method, CCG)求解方法的步骤,避免了复杂子问题对偶处理。最后通过算例仿真,与传统区间不确定集鲁棒优化方法进行对比,证明所提规划方法在降低经济成本与节能低碳方面的优越性。

基于数据驱动分布鲁棒优化的梯级水光蓄联合优化调度

多种可再生能源互补联合发电技术因其独特优越性正在成为“双碳”背景下电力系统优选供电方案之一,而其不确定性复杂耦合特性下的互补联合调度问题越来越受到人们关注。针对不确定性优化调度问题,本文引入能较好平衡不确定性及鲁棒性的数据驱动分布鲁棒优化理论(data-driven DRO),提出了一种新的基于数据驱动DRO梯级水光蓄联合发电系统协同优化调度方法。首先,考虑系统互补经济调度成本建立两阶段调度模型,制定各电站日前出力调度计划;然后,引入综合范数约束限定概率置信区间,并考虑最恶劣分布下的实时运行调整成本,获取日前调度计划的最优调整方案,日调度计划和调度调整方案形成最优调度计划;最后,本方法采用MP-SP框架,引入CCG算法展开两阶段协同求解。为验证所提方法的性能,引入四川示范区实际运行数据,开展了有效性验证、性能对比分析、计算效率仿真验证等。结果表明:本调度方法的有效性在数据规模、置信度水平两个维度得到了验证;对于SO、RO及本方法鲁棒性及经济性等性能指标的对比,本方法可获得高于SO的鲁棒性及高于RO的经济性;将本调度方法与概率性时序生产模拟方法的计算耗时进行对比,该方法实现了相同计算精度的较高计算效率。基于两阶段调度模型及循环迭代求解的DRO梯级水光蓄联合优化调度方法实现了协同调度结果经济性与保守性的均衡,其高效性能得到验证,为多种可再生能源互补协同调度提供了新思路。

基于数据驱动的鲁棒最小成本共识模型

针对权重的随机性和模糊性影响聚合算子质量,从而导致最优决策产生巨大变动的问题,本文构造了不确定集合刻画决策者权重的不确定性,并运用数据驱动鲁棒优化方法建立了最小成本共识模型。首先,利用核密度估计(KDE)方法从历史数据中获取不确定权重的概率密度函数,以构造具有置信水平的不确定性区间,并控制聚合算子中不确定权重的波动范围。其次,分别在三种形状的集合(包括盒子集、椭球集和多面体集)下定义柔性不确定集合I和柔性不确定集合II,建立了六个不确定环境下的数据驱动鲁棒成本共识模型。最后,从碳配额分配问题中抽象出一个群体决策问题,估计政府为各企业分配额度的概率密度函数,构造基于置信水平的区间以处理偏差造成的不确定性,证明了所提出的模型的有效性和适用性。结果表明:(1)利用数据驱动方法遍历权重的历史数据,能够有效提高聚合算子的质量;(2)政府可以根据对风险的偏好程度选择合适的不确定集合以制定决策;(3)新提出的模型能够在一定程度上降低数据分析结果的鲁棒性代价。