考虑阶梯式碳交易与灵活性资源的综合能源系统优化调度

作     者：陈锦鹏 

作者单位：武汉大学 

学位级别：硕士

导师姓名：张志毅

授予年度：2022年

学科分类：080702[工学-热能工程] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 0807[工学-动力工程及工程热物理] 

主      题：综合能源系统 多元负荷预测 阶梯式碳交易 需求响应 优化调度 

摘      要：在清洁能源的大力开发以及国家提出“双碳计划的大背景下,如何进一步提高分布式电源的渗透率,降低新能源发电对电网安全稳定运行的影响以及降低电力行业的碳排放水平,是目前电网面临的主要问题。综合能源系统(integrated energy system,IES)通过多种耦合设备将多种能源系统进行耦合,能够满足终端多元负荷的需求,为大规模新能源的接入以及电力行业的碳减排工作提供了新思路。本文首先研究了IES优化调度的基础环节,即IES的多元负荷短期预测。接着以多元负荷短期预测为基础,研究了考虑阶梯式碳交易与电制氢的IES优化调度以及考虑阶梯式碳交易与供需灵活双响应的IES优化调度。针对用户级IES的多元负荷存在随机性、波动性相对更强而难以准确预测的弊端,提出了一种基于二次模态分解组合深度双向长短期记忆(deep bidirectional long and short-term memory,DBiLSTM)神经网络和多元线性回归(multiple linear regression,MLR)的多元负荷预测模型。首先,提出了一种自适应噪声的完全集合经验模态分解(complete ensemble empirical mode decomposition of adaptive noise,CEEMDAN)组合变分模态分解(variational modal decomposition,VMD)的二次模态分解法。运用CEEMDAN对原始多元负荷序列分别进行本征模态分解后运用近似熵对所有的分量进行平稳性量度,对分解得到的强非平稳分量运用VMD进行再次分解,最终得到一组更为平稳的序列分量以此降低预测难度。接着,对分解后的非平稳、平稳分量分别运用DBiLSTM神经网络、MLR进行预测,最后将所有预测结果进行重构得到最终的预测结果。通过实际算例分析可知,与其他模型相比,所提模型能够在提高预测精度的同时,大大降低预测的时间成本,具有多方面的效益。多能系统的联合运行方式能够避免投资冗余,进一步提高多能系统的运行灵活性、经济性与低碳性。以上述多元负荷短期预测为基础,建立了考虑阶梯式碳交易与电制氢的IES优化调度模型。首先,考虑IES参与到碳交易市场,引入了阶梯式碳交易机制严格约束IES的碳排放。接着,细化电转气(power to gas,P2G)设备的两阶段运行过程,引入电解槽、甲烷反应器、氢燃料电池替换传统的P2G,研究了中间氢能的高效利用。最后,以IES运行总成本最小为优化目标进行优化调度,采用分段线性化方法进行线性转化后运用CPLEX进行求解。仿真结果表明,阶梯式碳交易机制相较于传统的固定碳价机制对IES碳排放的约束力更强。细化考虑P2G的两阶段运行过程能够发挥氢能高能效的优势并减少能量的梯级损耗,同时也可以进一步降低IES的碳排放。IES内部包含众多潜在的灵活性资源,充分利用这些灵活性资源将有助于进一步实现IES运行的经济性与低碳性。在上述的研究即考虑阶梯式碳交易与电制氢的IES优化调度的基础上,进一步考虑这些潜在的灵活性资源,建立了考虑阶梯式碳交易与供需灵活双响应的IES优化调度模型。在该模型的基础上提出了一种供需灵活双响应机制,供应侧引入有机朗肯循环实现热电联产设备热、电输出的灵活响应,需求侧在考虑电、热、气负荷均具备时间维度上需求响应的同时,提出了3种负荷之间具备可替代性。接着,以运行总成本最小为优化目标进行算例仿真分析。结果表明,在阶梯式碳交易机制下,引入供需灵活双响应机制后,供、需两侧可以根据系统的调度指令,灵活地进行供、需协调,可以进一步减少系统的碳排放,优化系统运行的经济性。