基于多目标优化和动态博弈方法的综合能源系统规划及运行优化研究

被引:0
作者
尉峰
机构
[1] 华南理工大学
关键词
综合能源系统规划; 运行优化; 多目标优化; 多属性决策; 博弈论; 多能源交易;
D O I
暂无
年度学位
2017
学位类型
博士
导师
摘要
随着全世界能源供求关系紧张以及环境污染等问题的日益加重,能源结构的多样性发展问题开始引起人们更为广泛的关注。综合能源系统这种整合了风能、太阳能、天然气等多种能源的系统,通过综合不同类型的能源生产以及供应方式,优化了能源结构,大大减少了当今社会对传统化石能源的依赖性。而综合能源系统中能源供应方式、系统参与者以及能源消费者类型的多样性对综合能源系统的规划和运行提出了更高的要求。首先,综合能源系统的规划和运行优化牵涉多个利益主体,他们之间存在各种各样的耦合关系,导致系统的投资和运行模式变得更为复杂。其次,综合能源系统中能源受端存在形式不同特性各异的能源需求,输入端又存在大量间歇性的可再生能源,这些因素将会在规划和运行方式上直接影响系统的经济性和环保性等指标。在这些方面,目前传统的确定性单目标优化方法以及仅考虑系统整体性能的优化模式已经不再适用于未来复杂的综合能源系统的规划和运行优化。本文针对这一问题对综合能源系统的规划和运行开展了相关的优化和博弈模型及方法研究。(1)针对含有不确定性风光出力的小型综合能源系统的投资规划问题,提出了基于多目标区间优化和证据推理方法的投资决策框架。在考虑不确定性的可再生能源以及各类规划和运行的约束条件的基础上,着重研究投资者对于投资综合能源系统的冲突性偏好,同时优化投资者所关注的投资成本和投资风险,为投资者提供投资决策依据。通过对一个小型区域供热系统以及一个小型区域冷热联供系统的仿真结果证实了该投资决策框架的实用性。(2)针对区域能源网中含有多个分布式能源站和多个能源用户参与的均衡交互策略问题,提出基于多主多从Stackelberg动态博弈的能源交易模型。研究了完全竞争市场环境下分布式能源站在多能源交易时的均衡生产和定价策略并且考虑了主动参与能源交易的用户的利益以及均衡需求策略。为具有主从关系的交易双方提供均衡策略求解的解析方法和最优响应算法。(3)针对包括电网、气网、多个区域能源网的大型综合能源系统中含有多个不同类型的参与者,并且参与者之间具有冲突、竞争和从属关系时的最优运行策略问题,我们提出混合多目标优化与博弈方法来求解这类问题。结合使用求解电气网冲突关系问题的多目标优化方法,以及求解分布式能源站和能源用户之间竞争和从属关系问题的动态博弈方法,求解系统最优运行策略使得每个参与者都满足各自的目标。仿真结果证实了该方法的可行性和有效性,为未来大型多参与者的综合能源系统的优化提供可行的解决方案。
引用
收藏
页数:116
共 76 条
[51]
Mean-variance model for power system economic dispatch with wind power integrated.[J].Y.Z. Li;Q.H. Wu;M.S. Li;J.P. Zhan.Energy.2014,
[52]
Life cycle cost; embodied energy and loss of power supply probability for the optimal design of hybrid power systems.[J].Dhaker Abbes;André Martinez;Gérard Champenois.Mathematics and Computers in Simulation.2014,
[53]
Fault diagnosis and cause analysis using fuzzy evidential reasoning approach and dynamic adaptive fuzzy Petri nets [J].
Liu, Hu-Chen ;
Lin, Qing-Lian ;
Ren, Ming-Lun .
COMPUTERS & INDUSTRIAL ENGINEERING, 2013, 66 (04) :899-908
[54]
Stochastic optimization for power system configuration with renewable energy in remote areas [J].
Kuznia, Ludwig ;
Zeng, Bo ;
Centeno, Grisselle ;
Miao, Zhixin .
ANNALS OF OPERATIONS RESEARCH, 2013, 210 (01) :411-432
[55]
A novel hybrid algorithm of imperialist competitive algorithm and teaching learning algorithm for optimal power flow problem with non-smooth cost functions.[J].Mojtaba Ghasemi;Sahand Ghavidel;Shima Rahmani;Alireza Roosta;Hasan Falah.Engineering Applications of Artificial Intelligence.2014,
[56]
A two-stage stochastic programming model for the optimal design of distributed energy systems.[J].Zhe Zhou;Jianyun Zhang;Pei Liu;Zheng Li;Michael C. Georgiadis;Efstratios N. Pistikopoulos.Applied Energy.2013,
[57]
Balancing risk and cost in fuzzy economic dispatch including wind power penetration based on particle swarm optimization [J].
Wang, Lingfeng ;
Singh, Chanan .
ELECTRIC POWER SYSTEMS RESEARCH, 2008, 78 (08) :1361-1368
[58]
Size optimization of a PV/wind hybrid energy conversion system with battery storage using response surface methodology [J].
Ekren, Orhan ;
Ekren, Banu Yetkin .
APPLIED ENERGY, 2008, 85 (11) :1086-1101
[59]
Efficient design of hybrid renewable energy systems using evolutionary algorithms.[J].José L. Bernal-Agustín;Rodolfo Dufo-López.Energy Conversion and Management.2008, 3
[60]
Optimal sizing method for stand-alone hybrid solar–wind system with LPSP technology by using genetic algorithm.[J].Hongxing Yang;Wei Zhou;Lin Lu;Zhaohong Fang.Solar Energy.2007, 4