综合能源系统优化方法、装置、计算机设备和存储介质与流程

1.本技术涉及能源技术领域，特别是涉及一种综合能源系统优化方法、装置、计算机设备和存储介质。


背景技术：

2.综合能源系统(iess)因其灵活集成各种能源、满足各种能源需求的能力而得到了广泛的认可。iess的综合规划和运营是其本质，然而，可变可再生能源(vres)的日益渗透和各种能源需求所造成的不确定性给系统规划和运行带来了重大挑战。关于不确定性下iess的优化，是关键问题是为了评估优化模型中的不确定性，例如，天气、能源需求和能源价格等不确定性因素对综合能源系统的最优容量和操作解的影响。
3.目前，随机规划(sp)是在这方面被广泛使用的工具，然而，sp方法并非没有缺陷，在不确定性中，随机规划通常通过建立情景对于不确定性的概率分布函数，这并不容易得到。
4.因此，传统技术难以对综合能源系统的不确定性进行有效优化，故，亟需改进。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够对综合能源系统的不确定性进行有效优化的综合能源系统优化方法、装置、计算机设备和存储介质。
6.第一方面，本技术提供了一种综合能源系统优化方法，该方法包括：
7.获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
8.在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
9.根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
10.采用最优容量和操作解，对综合能源系统进行优化。
11.在其中一个实施例中，根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解，包括：
12.采用随机规划方法，对能源需求不确定性因素进行求解，得到能源需求不确定性因素对应的优化结果；
13.将优化结果和并网模型对应的实际运行参数，均输入至鲁棒性函数和机会函数，得到并网模型在不同策略下的最优容量和操作解。
14.在其中一个实施例中，采用最优容量和操作解，对综合能源系统进行优化，包括：
15.基于拉丁超立方体采样方法，生成第一阶段的随机规划模型；
16.基于太阳辐射的概率密度函数，生成第二阶段的随机规划模型；
17.基于第一阶段的随机规划模型和第二阶段的随机规划模型，确定光伏发电不确定
因素对应等价解；
18.采用最优容量、操作解和等价解，对综合能源系统进行优化。
19.在其中一个实施例中，优化约束条件包括：并网模型对应的热电联产的优化约束条件、热能储存的优化约束条件、电储能的优化约束条件、热泵的优化约束条件，电网连接的优化约束，以及能量平衡的优化约束条件。
20.在其中一个实施例中，确定并网模型对应的优化目标函数，包括：
21.基于碳税成本、综合能源系统的运行维护成本，以及能源成本，确定并网模型对应的峰谷电价对应的优化目标函数。
22.第二方面，本技术还提供了一种综合能源系统优化装置，该装置包括：
23.获取模块，用于获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
24.构建模块，用于在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
25.求解模块，用于根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
26.优化模块，用于采用最优容量和操作解，对综合能源系统进行优化。
27.在其中一个实施例中，求解模块用于：采用随机规划方法，对能源需求不确定性因素进行求解，得到能源需求不确定性因素对应的优化结果；
28.将优化结果和并网模型对应的实际运行参数，均输入至鲁棒性函数和机会函数，得到并网模型在不同策略下的最优容量和操作解。
29.第三方面，本技术还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
30.获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
31.在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
32.根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
33.采用最优容量和操作解，对综合能源系统进行优化。
34.第四方面，本技术还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
35.获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
36.在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
37.根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
38.采用最优容量和操作解，对综合能源系统进行优化。
39.第五方面，本技术还提供了一种计算机程序产品，该计算机程序产品包括计算机
程序，该计算机程序被处理器执行时实现以下步骤：
40.获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
41.在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
42.根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
43.采用最优容量和操作解，对综合能源系统进行优化。
44.上述综合能源系统优化方法、装置、计算机设备和存储介质，根据信息间隙决策理论(igdt)，确定能源需求不确定性因素下的鲁棒性函数和机会函数，鲁棒性函数对应于信息间隙决策理论中的风险规避策略，机会函数对应于信息间隙决策理论中的机会寻求策略；通过信息间隙决策理论igdt确保了优化的准确性，同时减少了计算负担；另外，风险规避策略和机会寻求策略提供灵活的选择，确定并网模型在不同策略下的最优容量和操作解，能够对综合能源系统进行不同策略的优化。
附图说明
45.图1为一个实施例中综合能源系统优化方法的应用环境图；
46.图2为一个实施例中求得最优容量和操作解的流程示意图；
47.图3为一个实施例中综合能源系统优化装置的结构框图；
48.图4为一个实施例中计算机设备的内部结构图。
具体实施方式
49.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
50.在一个实施例中，如图1所示，提供了一种综合能源系统方法，包括以下步骤：
51.s101，获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件。
52.其中，综合能源系统并网模型是指基于matlab的实时仿真工具simulink建立的模型。
53.可以理解的是，优化目标函数为峰谷电价来最小化总成本。进一步的，优化约束条件可以包括：储能约束条件、电网连接约束条件、能量平衡约束条件等。
54.s102，在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数。
55.其中，信息间隙决策理论(igdt)是一种研究存在严重不确定因素的决策方法，可以有效地处理不确定量的误差。其无需确定不确定量的概率分布，就可以在满足预先设置的目标前提下，优化不确定量的误差，从而确定不确定量可能对系统造成的影响。
56.igdt中共有两种不同的策略，一种认为不确定量不利于系统目标，会降低系统目标值，其目的是保证系统目标始终不低于设定的最差目标，称为风险规避策略；另一种则认
为不确定量可以提升系统的目标值，其目的是使得系统目标有机会超过设定的积极目标值，称为机会寻求策略。
57.具体的，采用igdt方法来处理能源需求的不确定性。igdt可以提供风险规避和风险寻求策略，受益于稳健性函数(rf)和机会函数(of)，为决策者确定不确定性下系统操作的最优策略。一般来说，一个igdt模型包含三个部分，i.e.,一个不确定性模型，一个rf，和一个of，它们表示如下：
58.(1)不确定性模型
[0059][0060]
式中，γ为不确定参数的集合；ξ和分别为不确定参数的实际值和预测值；α为不确定参数的不确定度半径。因此，对能源需求的不确定性为p
ed
可表示为：
[0061][0062]
(2)鲁棒性函数
[0063]
保守的决策者更倾向于最大限度地抵抗不确定参数的负面影响。目标是定义为最大限度的不确定性半径，这确保了最优结果在任何扰动下不超过阈值，如下的rf所示：
[0064][0065]
其中，是鲁棒不确定性半径；f是目标函数；x是决策变量；h和g分别为等式约束和不等式约束；fr是目标函数的阈值，f0是基线值；βr偏差因子，也称为风险规避共同效率，表示预期目标函数(总成本)高于基线值的程度。
[0066]
(3)机会函数
[0067]
寻求风险的决策者更愿意通过承担与不确定性相关的风险来追求额外的利益。目标可以定义为最小化不确定性半径，并确保至少有一个ξ，其中最优代价不超过阈值，如下of所示：
[0068][0069]
其中，是机会的不确定性半径；fc是目标函数的阈值；βc是偏差因子，也称为风险寻求系数，它对应于预期的目标函数(总成本)低于基线值的程度。
[0070]
s103，根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解。
[0071]
具体的，应用igdt方法求出不同策略下的最优容量和操作解，计算过程包括对原始igdt功能的调整。
[0072]
s104，采用最优容量和操作解，对综合能源系统进行优化。
[0073]
具体的，根据最优容量和操作解，对综合能源系统的部署方式进行优化。
[0074]
上述综合能源系统方法中，根据信息间隙决策理论，确定能源需求不确定性因素下的鲁棒性函数和机会函数，鲁棒性函数对应于信息间隙决策理论中的风险规避策略，机会函数对应于信息间隙决策理论中的机会寻求策略；通过信息间隙决策理论igdt确保了优化的准确性，同时减少了计算负担；另外，风险规避策略和机会寻求策略提供灵活的选择，确定并网模型在不同策略下的最优容量和操作解，能够对综合能源系统进行不同策略的优化。
[0075]
如图2所示，本实施例提供了一种根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解的可选方式，即提供了一种对s103进行细化的方式。具体实现过程可以包括：
[0076]
s201，采用随机规划方法，对能源需求不确定性因素进行求解，得到能源需求不确定性因素对应的优化结果。
[0077]
其中，随机规划参数是动值，和光伏与需求侧的不确定性联系起来，目标函数是fs
[0078][0079]
其中，n
p
是在随机规划过程中产生的场景数；π
p
是情景p发生的概率，cc为研究中提及的碳税；c m
代表系统运行和维护成本和能源成本，ce代表燃料和电力的成本。
[0080]
约束条件为：电能平衡：
[0081]
热能平衡：
[0082]
冷平衡：
[0083][0084]
p
tsell
、分别是电力需求、供暖需求和制冷需求。
[0085]
本实施例中的fs即为优化结果，且fs被定义为igdt方法的基线值。
[0086]
s202，将优化结果和并网模型对应的实际运行参数，均输入至鲁棒性函数和机会函数，得到并网模型在不同策略下的最优容量和操作解。
[0087]
具体的，应用igdt方法求出不同策略下的最优容量和操作解。计算过程包括对原始igdt功能的调整：
[0088]
rf适用于：
[0089][0090]
of适用于：
[0091][0092]
其中n
p
是在随机规划过程中产生的场景数；π
p
是情景p发生的概率。
[0093]
具体的，并网模型对应的实际运行参数代入方程式(6)和(7)进行求解，得到相应的不确定性半径以及不同策略下的ies最优配置和操作。决策者对不确定性的态度反映在rf和of中的风险厌恶和风险寻求偏差因素上。
[0094]
在一个实施例中，本实施例提供了一种采用最优容量和操作解，对综合能源系统进行优化的可选方式，即提供了一种对s104进行细化的方式。具体实现过程可以包括：
[0095]
基于拉丁超立方体采样方法，生成第一阶段的随机规划模型；基于太阳辐射的概率密度函数，生成第二阶段的随机规划模型；基于第一阶段的随机规划模型和第二阶段的随机规划模型，确定光伏发电不确定因素对应等价解；采用最优容量、操作解和等价解，对综合能源系统进行优化。
[0096]
具体的，ies优化中的不确定性可分为两类：1)短期不确定性，通常遵循概率分布，
在短期内高度频繁和重复；2)长期不确定性，发生在较低的频率，在较大的时间尺度上复发。很难准确地确定这类不确定性的概率分布，本研究应用随机规划方法和igdt方法来处理这两种不确定性。
[0097]
为了处理光伏发电的不确定性，建立了两阶段随机规划模型，对ies进行了优化。采用拉丁超立方体采样(lhs)方法，根据太阳辐射的pdf生成场景。经过情景聚类和简化后，将随机规划问题转化为等价的milp问题。
[0098]
在一个实施例中，本实施例提供了一种确定并网模型对应的优化目标函数的可选方式，即提供了一种对s104进行细化的方式。具体实现过程可以包括：
[0099]
基于碳税成本、综合能源系统的运行维护成本，以及能源成本，确定并网模型对应的峰谷电价对应的优化目标函数。
[0100]
具体的，
[0101]
根据等式所表示的：峰谷电价来最小化总成本
[0102]
minf＝mintc＝min(cc+cm+ce)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0103]
其中总成本(tc)包括环境成本，研究中提及的碳税(cc)；经济成本，代表系统运行和维护(o&m)成本(cm)，和能源成本，i，e.,燃料和电力的成本(ce)。
[0104][0105]
其中t是计划周期t中的时间步长，t＝[1,2，
……
，n]；cc为碳税；和分别是电网和天然气的二氧化碳排放系数；p
tbuy
和f
tg
是从电网购买的电量和天然气的消耗量。
[0106][0107][0108]
其中和分别是燃气轮机、热回收、交流、高压和光伏的每个输出维护成本；是每卷维护成本；p
tgt
，和p
tpv
分别为燃气轮机、热回收、交流、高压和光伏的输出；v
ts
为tes的量；r为光伏补贴率；为ees的每次折旧成本；p
tbat
在是向ees充电或释放的电力。c
l
为设备的投资成本，确定为：
[0109][0110]
其中，i指特定类型的设备；k表示每个容量的单位成本；cap表示设备容量；ip是利率，d是使用寿命。
[0111][0112]
其中pg是天然气的价格；是从电网购买电力的价格，是向电网出售电
力的价格。
[0113]
在一个实施例中，优化约束条件包括：并网模型对应的热电联产的优化约束条件、热能储存的优化约束条件、电储能的优化约束条件、热泵的优化约束条件，以及能量平衡的优化约束条件。
[0114]
具体的，
[0115]
(1)热电联产的约束条件包括：
[0116][0117][0118]
其中h
ng
是天然气的热值；η
egt
热电联产发电效率；ηs是耗散系数；η
hr
是热回收的效率。
[0119]
chp必须遵守关于最小和最大输出、上升和下降速率以及启动和停止之间的最小间隔的操作约束
[0120][0121][0122][0123]
其中，和分别是上升率和下降率；δt
gt
和t
gt,min
分别为开始和停止之间的间隔和最小间隔。
[0124][0125][0126]
其中，是输入的热能和cop
ac
是交流电的性能系数。
[0127]
(2)对热泵的约束条件包括：
[0128][0129][0130][0131][0132]
其中，p
thp,c
和p
thp,h
热泵的用电量；cop和cop分别是用于冷却和加热的热泵的代码。hp的操作应如下：
[0133][0134]
[0135][0136]
其中，是hp的最低工作速率；和为高压的运行方式，分别表示冷却和加热。它们是值为0或1的状态变量；是高压的最大输出功率。还假设热泵每次必须至少运行3小时，并且电力和热能充电只在电价的谷期实施。
[0137]
(3)在电储能(ees)上的约束条件包括：
[0138][0139][0140][0141]
其中，soc表示ees的充电状态；cap
bat
是ees的容量；p
tbat,ch
和p
tbat
,dis表示充放电的电量；η
ch
和η
dis
充放电效率是ees中的剩余电量。
[0142]
方程式(30)-(32)表示对ees的操作的约束。
[0143][0144][0145][0146][0147]
其中，和为ees的最大充放电速率；和是ees的充放电状态，其值为0或1；在调度期内ees soc的最终状态socn返回到其初始状态soc1。
[0148]
(4)对热能储存(tes)的约束条件描述如下：
[0149][0150]
其中δ
ts
是tes的自放电率；η
ch
和η
dis
分别为其充放电效率和充放电效率。
[0151]
(5)关于电网连接的约束条件是：
[0152][0153][0154]
[0155][0156]
其中，表示p
tg
＝p
tbuy
ies从电网购买电力时；p
tg
＝p
tsell
为当ies向电网出售电力时；和是买卖价值为0或1的电力的状态。
[0157]
(6)有关能量平衡的限制条件包括：
[0158]
电能平衡：
[0159][0160]
热能平衡：
[0161][0162]
冷平衡：
[0163][0164]
p
tsell
、分别是电力需求、供暖需求和制冷需求。
[0165]
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0166]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的综合能源系统优化方法的综合能源系统优化装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个综合能源系统优化装置实施例中的具体限定可以参见上文中对于综合能源系统优化方法的限定，在此不再赘述。
[0167]
在一个实施例中，如图3所示，提供了一种综合能源系统优化装置1，包括：获取模块11、构建模块12、求解模块13和优化模块14，其中：
[0168]
获取模块11，用于获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
[0169]
构建模块12，用于在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
[0170]
求解模块13，用于根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
[0171]
优化模块14，用于采用最优容量和操作解，对综合能源系统进行优化。
[0172]
在一个实施例中，求解模块13，包括：采用随机规划方法，对能源需求不确定性因素进行求解，得到能源需求不确定性因素对应的优化结果；
[0173]
将优化结果和并网模型对应的实际运行参数，均输入至鲁棒性函数和机会函数，得到并网模型在不同策略下的最优容量和操作解。
[0174]
在一个实施例中，优化模块14还用于：
[0175]
基于拉丁超立方体采样方法，生成第一阶段的随机规划模型；
[0176]
基于太阳辐射的概率密度函数，生成第二阶段的随机规划模型；
[0177]
基于第一阶段的随机规划模型和第二阶段的随机规划模型，确定光伏发电不确定因素对应等价解；
[0178]
采用最优容量、操作解和等价解，对综合能源系统进行优化。
[0179]
在一个实施例中，优化约束条件包括：并网模型对应的热电联产的优化约束条件、热能储存的优化约束条件、电储能的优化约束条件、热泵的优化约束条件，电网连接的优化约束，以及能量平衡的优化约束条件。
[0180]
在一个实施例中，获取模块11，还用于：基于碳税成本、综合能源系统的运行维护成本，以及能源成本，确定并网模型对应的峰谷电价对应的优化目标函数。
[0181]
上述综合能源系统优化装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0182]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储综合能源系统优化方法的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种综合能源系统优化方法。
[0183]
本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0184]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0185]
获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
[0186]
在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
[0187]
根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
[0188]
采用最优容量和操作解，对综合能源系统进行优化。
[0189]
在一个实施例中，处理器执行计算机程序根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解的逻辑时，具体实现以下步骤：采用随机规划方法，对能源需求不确定性因素进行求解，得到能源需求不确定性因素对应的优化结果；将优化结果和并网模型对应的实际运行参数，均输入至鲁棒性函数和机会函数，得
到并网模型在不同策略下的最优容量和操作解。
[0190]
在一个实施例中，处理器执行计算机程序采用最优容量和操作解，对综合能源系统进行优化的逻辑时，具体实现以下步骤：基于拉丁超立方体采样方法，生成第一阶段的随机规划模型；基于太阳辐射的概率密度函数，生成第二阶段的随机规划模型；基于第一阶段的随机规划模型和第二阶段的随机规划模型，确定光伏发电不确定因素对应等价解；采用最优容量、操作解和等价解，对综合能源系统进行优化。
[0191]
在一个实施例中，，优化约束条件包括：并网模型对应的热电联产的优化约束条件、热能储存的优化约束条件、电储能的优化约束条件、热泵的优化约束条件，电网连接的优化约束，以及能量平衡的优化约束条件。
[0192]
在一个实施例中，处理器执行计算机程序确定并网模型对应的优化目标函数的逻辑时，具体实现以下步骤：基于碳税成本、综合能源系统的运行维护成本，以及能源成本，确定并网模型对应的峰谷电价对应的优化目标函数。
[0193]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0194]
获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
[0195]
在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
[0196]
根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
[0197]
采用最优容量和操作解，对综合能源系统进行优化。
[0198]
在一个实施例中，计算机程序根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解的逻辑被处理器执行时，具体实现以下步骤：采用随机规划方法，对能源需求不确定性因素进行求解，得到能源需求不确定性因素对应的优化结果；将优化结果和并网模型对应的实际运行参数，均输入至鲁棒性函数和机会函数，得到并网模型在不同策略下的最优容量和操作解。
[0199]
在一个实施例中，计算机程序采用最优容量和操作解，对综合能源系统进行优化的逻辑被处理器执行时，具体实现以下步骤：基于拉丁超立方体采样方法，生成第一阶段的随机规划模型；基于太阳辐射的概率密度函数，生成第二阶段的随机规划模型；基于第一阶段的随机规划模型和第二阶段的随机规划模型，确定光伏发电不确定因素对应等价解；采用最优容量、操作解和等价解，对综合能源系统进行优化。
[0200]
在一个实施例中，优化约束条件包括：并网模型对应的热电联产的优化约束条件、热能储存的优化约束条件、电储能的优化约束条件、热泵的优化约束条件，电网连接的优化约束，以及能量平衡的优化约束条件。
[0201]
在一个实施例中，计算机程序确定并网模型对应的优化目标函数的逻辑被处理器执行时，具体实现以下步骤：基于碳税成本、综合能源系统的运行维护成本，以及能源成本，确定并网模型对应的峰谷电价对应的优化目标函数。
[0202]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0203]
获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；
[0204]
在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；
[0205]
根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；
[0206]
采用最优容量和操作解，对综合能源系统进行优化。
[0207]
在一个实施例中，计算机程序根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解的逻辑被处理器执行时，具体实现以下步骤：采用随机规划方法，对能源需求不确定性因素进行求解，得到能源需求不确定性因素对应的优化结果；将优化结果和并网模型对应的实际运行参数，均输入至鲁棒性函数和机会函数，得到并网模型在不同策略下的最优容量和操作解。
[0208]
在一个实施例中，计算机程序采用最优容量和操作解，对综合能源系统进行优化的逻辑被处理器执行时，具体实现以下步骤：基于拉丁超立方体采样方法，生成第一阶段的随机规划模型；基于太阳辐射的概率密度函数，生成第二阶段的随机规划模型；基于第一阶段的随机规划模型和第二阶段的随机规划模型，确定光伏发电不确定因素对应等价解；采用最优容量、操作解和等价解，对综合能源系统进行优化。
[0209]
在一个实施例中，优化约束条件包括：并网模型对应的热电联产的优化约束条件、热能储存的优化约束条件、电储能的优化约束条件、热泵的优化约束条件，电网连接的优化约束，以及能量平衡的优化约束条件。
[0210]
在一个实施例中，计算机程序确定并网模型对应的优化目标函数的逻辑被处理器执行时，具体实现以下步骤：基于碳税成本、综合能源系统的运行维护成本，以及能源成本，确定并网模型对应的峰谷电价对应的优化目标函数。
[0211]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0212]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例
中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0213]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种综合能源系统优化方法，其特征在于，所述方法包括：获取综合能源系统的并网模型，并确定所述并网模型对应的优化目标函数和优化约束条件；在所述优化目标函数和优化约束条件下，根据信息间隙决策理论，确定所述并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；根据随机规划方法、所述鲁棒性函数和机会函数，确定所述并网模型在不同策略下的最优容量和操作解；采用所述最优容量和所述操作解，对所述综合能源系统进行优化。2.根据权利要求1所述的方法，其特征在于，所述根据随机规划方法、所述鲁棒性函数和机会函数，确定所述并网模型在不同策略下的最优容量和操作解，包括：采用随机规划方法，对能源需求不确定性因素进行求解，得到所述能源需求不确定性因素对应的优化结果；将所述优化结果和所述并网模型对应的实际运行参数，均输入至所述鲁棒性函数和机会函数，得到所述并网模型在不同策略下的最优容量和操作解。3.根据权利要求1所述的方法，其特征在于，所述采用所述最优容量和所述操作解，对所述综合能源系统进行优化，包括：基于拉丁超立方体采样方法，生成第一阶段的随机规划模型；基于太阳辐射的概率密度函数，生成第二阶段的随机规划模型；基于所述第一阶段的随机规划模型和所述第二阶段的随机规划模型，确定光伏发电不确定因素对应等价解；所述采用所述最优容量、所述操作解和所述等价解，对所述综合能源系统进行优化。4.根据权利要求1所述的方法，其特征在于，所述优化约束条件包括：所述并网模型对应的热电联产的优化约束条件、热能储存的优化约束条件、电储能的优化约束条件、热泵的优化约束条件，电网连接的优化约束，以及能量平衡的优化约束条件。5.根据权利要求1所述的方法，其特征在于，所述确定所述并网模型对应的优化目标函数，包括：基于碳税成本、所述综合能源系统的运行维护成本，以及能源成本，确定所述并网模型对应的峰谷电价对应的优化目标函数。6.一种综合能源系统优化装置，其特征在于，所述装置包括：获取模块，用于获取综合能源系统的并网模型，并确定所述并网模型对应的优化目标函数和优化约束条件；构建模块，用于在所述优化目标函数和优化约束条件下，根据信息间隙决策理论，确定所述并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；求解模块，用于根据随机规划方法、所述鲁棒性函数和机会函数，确定所述并网模型在不同策略下的最优容量和操作解；优化模块，用于采用所述最优容量和所述操作解，对所述综合能源系统进行优化。7.根据权利要求6所述的一种综合能源系统优化装置，其特征在于，所述求解模块用于：采用随机规划方法，对能源需求不确定性因素进行求解，得到所述能源需求不确定性因素对应的优化结果；
将所述优化结果和所述并网模型对应的实际运行参数，均输入至所述鲁棒性函数和机会函数，得到所述并网模型在不同策略下的最优容量和操作解。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。

技术总结
本申请涉及一综合能源系统优化方法、装置、计算机设备和存储介质。该方法包括：获取综合能源系统的并网模型，并确定并网模型对应的优化目标函数和优化约束条件；在优化目标函数和优化约束条件下，根据信息间隙决策理论，确定并网模型在能源需求不确定性因素下的不确定性模型对应的鲁棒性函数和机会函数；根据随机规划方法、鲁棒性函数和机会函数，确定并网模型在不同策略下的最优容量和操作解；采用最优容量和操作解，对综合能源系统进行优化。本申请能够对综合能源系统的不确定性进行有效优化。优化。优化。


技术研发人员：邱海枫 王程斯 李清 史纪 李智诚 黄萍
受保护的技术使用者：深圳供电局有限公司
技术研发日：2023.04.17
技术公布日：2023/7/12