由于用户级综合能源系统(integrated energy system,IES)的多元负荷序列之间复杂的耦合关系及易受外部因素影响等原因,综合能源系统多元负荷的精准预测面临很大困难。为此,提出一种基于Spearman相关性分析阈值寻优(threshold optimizati...由于用户级综合能源系统(integrated energy system,IES)的多元负荷序列之间复杂的耦合关系及易受外部因素影响等原因,综合能源系统多元负荷的精准预测面临很大困难。为此,提出一种基于Spearman相关性分析阈值寻优(threshold optimization,TO)和变分模态分解结合长短期记忆网络(variational mode decomposition based long short-term memory network,VMD-LSTM)的多元负荷预测方法。首先,使用斯皮尔曼等级(Spearman rank,SR)相关系数定量计算多元负荷间以及负荷与其他气候因素间的相关关系并通过循环寻优确定最优相关阈值,然后采用VMD算法将以最优阈值筛选出的负荷特征序列分解成更简单、平稳、有规律性的本征模态函数(intrinsic mode function,IMF)后与最优气象特征一起输入LSTM模型进行负荷预测。通过某用户级IES的实际数据对所提方法的有效性进行了验证,结果表明,所提方法能有效提高IES的多元负荷预测精度。展开更多
混合储能系统具有储能容量大、调节能力强等优点,有助于提高综合能源系统(integrated energy system,IES)的需求响应能力。首先,构建了一种电-氢-热混合储能系统(electric-hydrogen-thermal hybrid energy storage system,EHT-HESS),其...混合储能系统具有储能容量大、调节能力强等优点,有助于提高综合能源系统(integrated energy system,IES)的需求响应能力。首先,构建了一种电-氢-热混合储能系统(electric-hydrogen-thermal hybrid energy storage system,EHT-HESS),其中采用电解槽(electrolytic cell,EC)、蒸气重整反应(steam methane reforming,SMR)装置、储氢、热电联产氢燃料电池(hydrogen fuel cell,HFC)设备,实现电、气向氢能的转换,以及以氢能作为中间模态的“制氢-储氢-放氢/电/热”功能。其次,建立考虑EHT-HESS的IES需求响应策略优化模型,其中考虑IES响应电价和气价,同时根据富余风电量,进行购电、购气、用电、用热、用氢等策略决策的综合需求响应(integrated demand response,IDR)行为;并采用信息间隙决策理论(information gap decision theory,IGDT)计入概率分布未知的风电严重不确定性,采用基于综合范数的分布鲁棒优化(distributionally robust optimization,DRO)方法计入概率分布不完备的电价严重不确定性。最后,算例验证了模型和方法的合理性及有效性,并表明IES装设热电联产HFC构建EHT-HESS可实现氢能向电能与热能的转换,有助于增加风电消纳量,增加IDR决策的鲁棒性。展开更多
针对碳流视角下综合能源系统(integrated energy system,IES)低碳化调度潜能挖掘不充分和用能侧碳排放责任承担不足的问题,提出了计及自适应阶梯碳势-碳价与供需双响应基于主从博弈的IES低碳经济调度策略。首先,设计自适应阶梯碳势-碳...针对碳流视角下综合能源系统(integrated energy system,IES)低碳化调度潜能挖掘不充分和用能侧碳排放责任承担不足的问题,提出了计及自适应阶梯碳势-碳价与供需双响应基于主从博弈的IES低碳经济调度策略。首先,设计自适应阶梯碳势-碳价模型,并构建基于能量枢纽矩阵标准化模型的IES碳流模型,获取用户侧各能源负荷节点碳势,进而完成碳势分级下碳价区间的划分;其次,兼顾源荷两侧的灵活调整及响应机制,建立用户侧参与的IES主从博弈低碳经济调度模型,上层IES运营商通过制定动态变化的负荷节点碳势-碳价,引导下层用户聚合商低碳化用能;最后,提出改进霜冰优化算法(improved rime optimization algorithm,IRIME),利用其独特阶梯式逐步搜索策略与主从博弈迭代过程相贴合的特性,并改进权重系数设计与选择策略,实现主从博弈模型的高精度、快速求解。仿真结果表明:所提自适应阶梯碳势-碳价模型提升了用户侧的碳势感知能力,与阶梯型碳排放固定碳价模型相比可进一步降低4.76%的碳排放量,结合供需双响应机制可提高1.13%的IES运营商收益和降低0.81%的用户聚合商成本;IRIME提升了模型求解的快速性,同时改善了主体间博弈结果的均衡性;所提调度策略实现了碳排放责任的流动转移与两主体间的协同低碳经济运行。展开更多
文摘由于用户级综合能源系统(integrated energy system,IES)的多元负荷序列之间复杂的耦合关系及易受外部因素影响等原因,综合能源系统多元负荷的精准预测面临很大困难。为此,提出一种基于Spearman相关性分析阈值寻优(threshold optimization,TO)和变分模态分解结合长短期记忆网络(variational mode decomposition based long short-term memory network,VMD-LSTM)的多元负荷预测方法。首先,使用斯皮尔曼等级(Spearman rank,SR)相关系数定量计算多元负荷间以及负荷与其他气候因素间的相关关系并通过循环寻优确定最优相关阈值,然后采用VMD算法将以最优阈值筛选出的负荷特征序列分解成更简单、平稳、有规律性的本征模态函数(intrinsic mode function,IMF)后与最优气象特征一起输入LSTM模型进行负荷预测。通过某用户级IES的实际数据对所提方法的有效性进行了验证,结果表明,所提方法能有效提高IES的多元负荷预测精度。