1.本发明涉及能源优化技术领域，具体涉及一种考虑碳排放约束的微能源网运行优化方法。
背景技术：[0002]“双碳”发展目标下，为了解决能源危机和满足人们对能源的需求，各个国家都鼓励使用可再生能源发电来代替传统的发电方式。微能源网规划是实现能源消费低碳转型的重要方案。微能源网改变了以往各种能源供应系统单独规划运行的模式，实现了横向“电-热-气-水”能源多品种之间，纵向“源-网-荷-储”能源多供应环节之间的生产协同、管廊协同、需求协同以及生产和消费间的互动。
[0003]
国内外对微能源网能量流的建模有大量的研究，能源集线器建模方法已经在综合能源系统的建模分析中获得了普遍应用。能源集线器作为一种多输入-多输出的模块，只需通过构建输入输出之间的关系而不对内部各个元件进行详细建模。而微能源网的运行优化需要考虑不同能量形式间的相互耦合，构建燃气轮机、吸收制冷机、蓄电池等的数学模型，构建以系统由电网购电消费最低或总运行成本最低的日前、日内优化模型。建立微能源网运行优化模型后，结合具体的实际问题来确定目标函数，并根据相关约束条件，选择合适的算法对目标函数进行求解。运行优化模型的求解算法主要有两种：数学规划方法和智能算法。数学规划方法一般用来求解数学模型结构简单、约束条件明确的简单优化问题，这种方法可以依据问题的差异分为线性规划和非线性规划。为让微能源网运行优化问题求解变得更为简便，通过智能算法如cplex、gurobi等商用求解器进行求解。现阶段，微能源网系统规划面临新能源出力不确定性显著、新能源发电种类单一、单阶段规划容量可能出现冗余等问题，规划结果难以实现经济型和低碳排的统一。
技术实现要素：[0004]
本发明旨在提供一种考虑碳排放约束的微能源网运行优化方法，该方法围绕光伏、垃圾分类和污水处理这三种新能源发电技术及其能量转换设备构建微能源网，并考虑了光伏出力的不确定性，并通过构造电-热-气功率平衡约束，完成微能源网运行优化建模，并以碳交易成本最小为其中一项优化目标，采用多阶段线性规划方法求解所构造的目标函数，实现了对微能源网建设规划全周期中的每个阶段的规划方案的寻优。
[0005]
为达此目的，本发明采用以下技术方案：
[0006]
提供一种考虑碳排放约束的微能源网运行优化方法，步骤包括：
[0007]
s1，构造微能源网运行优化模型；
[0008]
s2，构造模型求解的目标函数；
[0009]
s3，以碳交易成本最小为其中一项优化目标，采用多阶段线性规划方法求解所述目标函数，得到所述微能源网的全周期中每个阶段最优规划方案。
[0010]
作为优选，步骤s1中，所构造的所述微能源网运行优化模型包括垃圾分类模型，所
述垃圾分类模型通过以下公式(1)表达：
[0011][0012]
公式(1)中，
[0013]qpg
(t)、q
burn
(t)分别表示热解气化垃圾、直接燃烧垃圾焚烧后产生的烟气热量；
[0014]
m(t)表示干垃圾质量；
[0015]
β
sp
表示垃圾存放池排出渗滤液后的固体剩余比例；
[0016]
β
pg
、β
burn
分别表示热解气化的垃圾比例、直接焚烧处理的垃圾比例，且β
pg
+β
burn
＝1；
[0017]
lhv
pg
、lhv
burn
分别表示可气化生活垃圾、可燃烧生活垃圾热值；
[0018]
η
pg
、η
mgb
、η
burn
分别表示热解汽化炉、混合气体炉、直接焚烧炉的发电效率；
[0019]
p
dry
(t)、h
dry
(t)为干垃圾模型在t时段的电出力与制热量；
[0020]
η
st
、η
auxi
分别表示汽轮机发电效率和厂用电率；
[0021]
η
re
、η1分别余热锅炉烟气回收百分比、散热损失百分比。
[0022]
作为优选，步骤s1中，所构造的所述微能源网运行优化模型包括污水处理模型，所述污水处理模型通过以下公式(2)表达：
[0023][0024]
公式(2)中，h
st
(t)、g
st
(t)分别表示t时刻沼气池供热耗费热能与沼气净化处理后得到的天然气功率；
[0025]msl
(t)、m
st
(t)分别表示湿垃圾质量、粪污质量；
[0026]
η
s2b
表示污泥和湿垃圾混合物的沼气系数；
[0027]
η
b2g
表示沼气转天然气系数；
[0028]
δt(t)为t时刻环境与沼气池温差；
[0029]cfuel
表示污水混合物比热容。
[0030]
作为优选，步骤s2中，所述目标函数通过以下公式(3)表达：
[0031]
min(c
invest
+c
opera
+c
carbon
)
ꢀꢀ
公式(3)
[0032]
公式(3)中的c
invest
、c
opera
、c
carbon
通过以下公式(4)计算而得：
[0033][0034]
公式(3)-(4)中，c
invest
、c
opera
、c
carbon
分别表示构建微能源网的设备投资成本、设备运行维护成本和碳交易总成本；
[0035]
表示第i类设备单位功率投资成本；
[0036]
指第j阶段初对第i类设备的规划容量；
[0037]
kj为第j阶段的起始年份；
[0038]
表示第kj年折现率；
[0039]fresi
为规划期末的设备残值；
[0040]
为不同阶段初设备i的投资成本；
[0041]
δi为设备i的净残值率；
[0042]rn
表示规划期末第n年的折现率；
[0043]
ni表示第i类设备使用寿命；
[0044]
m表示设备种类；
[0045]
n表示规划总年限；
[0046]cmain
、c
purchase
、c
abandon
、c
garbage
分别表示系统运维总成本、购电总成本、弃光总成本、垃圾处理总补贴收益；
[0047]cegrid
(t)、c
ggrid
(t)、c
abd
(t)、c
garbage_dis
(t)分别表示设备i单位功率的运维成本、t时刻所有设备的购电成本、购气成本、弃光成本与垃圾处理补贴收益；
[0048]
pi(t)、rj分别表示第i种设备t时刻功率、第j年折现率；
[0049]kt
为t时刻所在年份；
[0050]
p
grid
(t)分别表示第k
t
年折现率、t时刻外购电力功率；
[0051]cggridggrid
(t)表示t时刻购气成本；
[0052]ggrid
(t)表示t时刻所述微能源网向外电网购气量，g
grid
(t)＝g
gt
(t)+g
gb
(t)-g
st
(t)；
[0053]ggt
(t)、g
gb
(t)、g
st
(t)分别表示t时刻气轮机耗气功率、气锅炉耗气功率、污水处理设备产气功率；
[0054]epv
(t)、p
pv
(t)分别表示t时刻光伏发电功率、t时刻光伏消纳功率；
[0055]
c表示碳市场基准价格；
[0056]
α表示碳交易价格区间增长系数；
[0057]
d表示碳交易价格区间长度；
[0058]cdischa
、c
quotas
分别表示碳排放量、碳配额。
[0059]
作为优选，求解所述微能源网运行优化模型的约束条件包括光伏不确定出力约束，对光伏不确定出力进行约束的方法步骤包括：
[0060]
a1，采用拉丁超立方抽样方法对日内光伏出力数据进行抽样，得到每个抽样区间m在t时刻的光伏出力数据抽样值，记为
[0061]
a2，使用同步回代缩减法削减场景，得到保留有场景数为n
′
的场景集合；
[0062]
a3，对所述场景集合中的每个场景对应的光伏出力数据抽样值进行累加，得到所述微能源网在t时刻的光伏出力值p
t
。
[0063]
6.根据权利要求5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤a1中，的计算方法包括步骤：
[0064]
a11，采用正态分布拟合日内的光伏出力，获得正态分布均值μ和方差σ；
[0065]
a12，根据所述均值μ和所述方差σ，计算日内每个时段的光伏出力累积概率分布函数f(p)；
[0066]
a13，将所述累积概率分布函数f(p)根据值域等分为间距为1/n
t
的n
t
个子区间作为抽样范围；
[0067]
a14，对所述抽样范围内的任意第i个所述子区间，随机生成值在[0,1]区间的随机数
[0068]
a15，根据通过以下公式(5)计算t时刻第i个所述子区间对应的所述累积概率分布函数的抽样值
[0069][0070]
a16，计算累积概率分布函数f(p)的反函数f-1
(q)，然后将代入到f-1
(q)求得每个抽样区间m在t时刻的光伏出力数据抽样值
[0071]
7.根据权利要求5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤a2中，削减场景得到所述场景集合的方法包括步骤：
[0072]
a21，初始化每个场景sk在t时刻的出现概率p
tk
＝1/n
t
,k＝1,2,
…
,n
t
；
[0073]
a22，通过以下公式(6)计算两两场景间的二次欧式距离：
[0074][0075]
a23，将两两场景间的二次欧式距离乘以概率值计算概率距离，并选择概率距离最
近的场景进行削减，记与sk概率距离最近的场景为sn，削减场景的方法通过以下公式(7)-(8)表达：
[0076]
公式(7)-(8)中，表示与场景sn具有最小二次欧式距离的场景sk的概率距离；
[0077]
p
dt
表示最小概率距离；
[0078]
a24，更新场景概率分别表示场景sk、sn的出现概率，并将场景sn从所述场景集合中剔除，并置所述场景集合中的场景数n＝n-1；
[0079]
a25，重复步骤a22-a24，直至场景数符合保留的n
′
。
[0080]
8.根据权利要求5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤a3中，p
t
通过以下公式(9)计算而得：
[0081][0082]
表示第k个场景t时刻出现概率；表示第k个场景中t时刻功率
[0083]
9.根据权利要求1或5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，求解所述微能源网运行优化模型的约束条件还包括对储能设备的充放能约束，对储能设备的充放能约束的方法步骤包括：
[0084]
b1，定义松弛模型的松弛输入向量为
[0085][0086]
使其满足所述储能设备的荷电状态soc轨迹为
[0087][0088]
式中，表示储能电池荷电状态soc向量；l表示时刻；t表示时刻集；
[0089]
为各时段充放能功率列向量；
[0090]
ηc,ηd为设备充能、放能效率；
[0091]
e0表示初始状态荷电状态soc；
[0092]
为一下三角矩阵，矩阵中各元素a(i,j)＝δt,i≤j,i,j∈t；
[0093]1t
＝[1,
…
,1]
t
；
[0094]
b2，简化单输入模型考虑能量功率的净输入pb[l]＝pc[l]-pd[l]，pb[l]、pc[l]、pd[l]分别表示l时刻储能设备能量功率净值、能量输入功率值、能量输出功率值，考虑净效率代替充放能效率，储能设备荷电状态soc轨迹为分别表示荷电状态向量、储能设备能量功率净输入向量；
[0095]
b3，构建储能设备的非凸互补约束条件，通过以下公式(10)表达：
[0096][0097]
公式(10)中，pc、pd分别表示储能设备能量输入、输出功率；
[0098]
b4，判断是否成立，
[0099]
若是，则判定所述储能设备的非凸互补约束成立；
[0100]
若否，则判定所述储能设备的非凸互补约束不成立。
[0101]
发明具有以下有益效果：
[0102]
(1)采用拉丁超立方采样与基于同步回代的场景削减办法模拟光伏不确定出力，生成大小适中的典型光伏出力场景集；同时围绕特色光伏、垃圾分类、污水处理新能源发电技术设备建立如图3所示的微能源网网络架构，并构造电-热-气功率平衡约束，完成微能源网运行优化模型构建；
[0103]
(2)本发明提出了一种新的线性公式来优化电池调度，证明两个线性公式提供了实际soc的上界和下界，同时保证soc约束的满足，在保证不使储能设备同时充放能的前提下降低了线性规划问题复杂度；
[0104]
(3)本发明改用多阶段线性规划算法，根据负荷水平划分规划阶段，允许全周期规划起点与各阶段起始点的发电设备扩增行为并在全规划周期统一寻优，转化碳排放量为碳交易成本计入最小化目标函数，规避容量规划前期冗余后期不足的问题，达到规划经济性与低碳排的统一。
附图说明
[0105]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0106]
图1是本发明一实施例提供的考虑碳排放约束的微能源网运行优化方法的实现步骤图；
[0107]
图2是处理干垃圾产生能量的示意图；
[0108]
图3是微能源网结构示意图；
[0109]
图4是对微能源网运行进行多阶段规划的示意图。
具体实施方式
[0110]
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
[0111]
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不
代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0112]
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若出现术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0113]
在本发明的描述中，除非另有明确的规定和限定，若出现术语“连接”等指示部件之间的连接关系，该术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0114]
本发明实施例提供的考虑碳排放约束的微能源网运行优化方法，如图1所示，包括如下步骤：
[0115]
s1，构造微能源网运行优化模型；
[0116]
s2，构造模型求解的目标函数；
[0117]
s3，以碳交易成本最小为其中一项优化目标，采用多阶段线性规划方法求解目标函数，得到微能源网的全周期中每个阶段的最优规划方案。
[0118]
步骤s1中，所构造的微能源网运行优化模型包括垃圾分类模型，垃圾分类模型通过以下公式(1)表达：
[0119][0120]
公式(1)中，
[0121]qpg
(t)、q
burn
(t)分别表示热解气化垃圾、直接燃烧垃圾焚烧后产生的烟气热量(干垃圾的产能方法请见图2)；
[0122]
m(t)表示干垃圾质量；
[0123]
β
sp
表示垃圾存放池排出渗滤液后的固体剩余比例；
[0124]
β
pg
、β
burn
分别表示热解气化的垃圾比例、直接焚烧处理的垃圾比例，且β
pg
+β
burn
＝1；
[0125]
lhv
pg
、lhv
burn
分别表示可气化生活垃圾、可燃烧生活垃圾热值；
[0126]
η
pg
、η
mgb
、η
burn
分别表示热解汽化炉、混合气体炉、直接焚烧炉的发电效率；
[0127]
p
dry
(t)、h
dry
(t)为干垃圾模型t时段的电出力与制热量；
[0128]
η
st
、η
auxi
分别表示汽轮机发电效率和厂用电率；
[0129]
η
re
、η1分别余热锅炉烟气回收百分比、散热损失百分比。
[0130]
微能源网运行优化模型还包括污水处理模型，污水处理模型通过以下公式(2)表达：
[0131][0132]
公式(2)中，h
st
(t)、g
st
(t)分别表示t时刻沼气池供热耗费热能与沼气净化处理后得到的天然气功率；
[0133]msl
(t)、m
st
(t)分别表示湿垃圾质量、粪污质量；
[0134]
η
s2b
表示污泥和湿垃圾混合物的沼气系数，单位为千瓦时每千克；
[0135]
η
b2g
表示沼气转天然气系数；
[0136]
δt(t)为t时刻环境与沼气池温差；
[0137]cfuel
表示污水混合物比热容，可用水的比热容代替。
[0138]
步骤s2中，构造的目标函数通过以下公式(3)表达：
[0139]
min(c
invest
+c
opera
+c
carbon
)
ꢀꢀ
公式(3)
[0140]
公式(3)中的c
invest
、c
opera
、c
carbon
通过以下公式(4)计算而得：
[0141][0142]
公式(3)-(4)中，c
invest
、c
opera
、c
carbon
分别表示构建微能源网的设备投资成本、设备运行维护成本和碳交易总成本；
[0143]
表示第i类设备单位功率投资成本；
[0144]
指第j阶段初对第i类设备的规划容量；
[0145]
kj为第j阶段的起始年份；
[0146]
表示第kj年折现率；
[0147]fresi
为规划期末的设备残值；
[0148]
为不同阶段初设备i的投资成本；
[0149]
δi为设备i的净残值率；
[0150]rn
表示规划期末第n年的折现率；
[0151]
ni表示第i类设备使用寿命；
[0152]
m表示设备种类；
[0153]
n表示规划总年限；
[0154]cmain
、c
purchase
、c
abandon
、c
garbage
分别表示系统运维总成本、购电总成本、弃光总成本、垃圾处理总补贴收益；
[0155]cegrid
(t)、c
ggrid
(t)、c
abd
(t)、c
garbage_dis
(t)分别表示设备i单位功率的运维成本、t时刻所有设备的购电成本、购气成本、弃光成本(光伏发电量与实际光伏消纳量之差带来的成本，光伏发电量受天气影响，不是所有的发电量都可以保证全部消纳，可能存在弃光。但为增加新能源电量消纳率，在规划中引入弃光成本鼓励光伏消纳)与垃圾处理补贴收益；
[0156]
pi(t)、rj分别表示第i种设备t时刻功率、第j年折现率；
[0157]kt
为t时刻所在年份；
[0158]
p
grid
(t)分别表示第k
t
年折现率、t时刻外购电力功率；
[0159]cggridggrid
(t)表示t时刻购气成本；
[0160]ggrid
(t)表示t时刻所述微能源网向外电网购气量，g
grid
(t)＝g
gt
(t)+g
gb
(t)-g
st
(t)；
[0161]ggt
(t)、g
gb
(t)、g
st
(t)分别表示t时刻气轮机耗气功率、气锅炉耗气功率、污水处理设备产气功率；
[0162]epv
(t)、p
pv
(t)分别表示t时刻光伏发电功率、t时刻光伏消纳功率；
[0163]
c表示碳市场基准价格；
[0164]
α表示碳交易价格区间增长系数；
[0165]
d表示碳交易价格区间长度；
[0166]cdischa
、c
quotas
分别表示碳排放量、碳配额。
[0167]
本实施例中，求解微能源网运行优化模型的约束条件包括光伏不确定出力约束，对光伏不确定出力进行约束的方法步骤包括：
[0168]
a1，采用拉丁超立方抽样方法对日内光伏出力数据进行抽样，得到每个抽样区间m在t时刻的光伏出力数据抽样值，记为
[0169]
a2，使用同步回代缩减法削减场景，得到保留有场景数为n
′
的场景集合；
[0170]
a3，对所述场景集合中的每个场景对应的光伏出力数据抽样值进行累加，得到所述微能源网在t时刻的光伏出力值p
t
。
[0171]
具体而言，步骤a1中，的计算方法包括步骤：
[0172]
a11，采用正态分布拟合日内的光伏出力，获得正态分布均值μ和方差σ；
[0173]
a12，根据所述均值μ和所述方差σ，计算日内每个时段的光伏出力累积概率分布函数f(p)(根据均值和方差拟合正态分布函数，正态分布概率密度函数有公式计算)；
[0174]
a13，将所述累积概率分布函数f(p)根据值域等分为间距为1/n
t
的n
t
个子区间作为
抽样范围；
[0175]
a14，对所述抽样范围内的任意第i个所述子区间，随机生成值在[0,1]区间的随机数具体实现中编程程序可以使用random函数直接生成随机数；
[0176]
a15，根据通过以下公式(5)计算t时刻第i个所述子区间对应的所述累积概率分布函数的抽样值
[0177][0178]
a16，计算累积概率分布函数f(p)的反函数f-1
(q)，然后将代入到f-1
(q)求得每个抽样区间m在t时刻的光伏出力数据抽样值
[0179]
步骤a2中，削减场景得到场景集合的方法包括步骤：
[0180]
a21，初始化每个场景sk在t时刻的出现概率p
tk
＝1/n
t
,k＝1,2,
…
,n
t
；
[0181]
通过以下公式(6)计算两两场景间的二次欧式距离：
[0182][0183]
a23，将两两场景间的二次欧式距离乘以概率值计算概率距离，并选择概率距离最近的场景进行削减，记与sk概率距离最近的场景为sn，削减场景的方法通过以下公式(7)-(8)表达：
[0184][0185][0186]
公式(7)-(8)中，表示与场景sn具有最小二次欧式距离的场景sk的概率距离；
[0187]
p
dt
表示最小概率距离；
[0188]
a24，更新场景概率分别表示场景sk、sn的出现概率，并将场景sn从场景集合中剔除，并置场景集合中的场景数n＝n-1；
[0189]
a25，重复步骤a22-a24，直至场景数符合保留的n
′
。
[0190]
得到最终保留的n'后，转入步骤a3，步骤a3中，p
t
通过以下公式(9)计算而得：
[0191][0192]
表示第k个场景t时刻出现概率；表示第k个场景中t时刻功率
[0193]
上述步骤a1-a4中，采用拉丁超立方抽样方法和基于同步回代的场景削减方法模拟电力系统中光伏的不确定出力，拉丁超立方抽样为保证精度生成了较大的场景集，而通过同步回代缩减法合并相似场景尽可能利用少量具有代表性的场景去描述庞大的数据集合，从而降低了问题求解的复杂度。
[0194]
本实施例中，求解微能源网运行优化模型的约束条件还包括对储能设备的充放能(包括放电、放热)约束，对储能设备的充放能约束的方法步骤包括：
[0195]
b1，定义松弛模型的松弛输入向量为
[0196][0197]
使其满足储能设备的荷电状态soc轨迹为
[0198][0199]
式中，表示储能电池荷电状态soc向量；l表示时刻；t表示时刻集；
[0200]
为各时段充放能功率列向量；
[0201]
ηc,ηd为设备充能、放能效率；
[0202]
e0表示初始状态荷电状态soc；
[0203]
为一下三角矩阵，矩阵中各元素a(i,j)＝δt,i≤j,i,j∈t；
[0204]1t
＝[1,
…
,1]
t
；
[0205]
b2，简化单输入模型考虑能量功率的净输入pb[l]＝pc[l]-pd[l]，pb[l]、pc[l]、pd[l]分别表示l时刻储能设备能量功率净值、能量输入功率值、能量输出功率值。考虑净效率代替充放能效率，储能设备荷电状态soc轨迹为分别表示荷电状态向量、储能设备能量功率净输入向量；
[0206]
b3，构建储能设备的非凸互补约束条件，通过以下公式(10)表达：
[0207][0208]
公式(10)中，pc、pd分别表示储能设备能量输入、输出功率；
[0209]
b4，判断是否成立，
[0210]
若是，则判定所述储能设备的非凸互补约束成立；
[0211]
若否，则判定所述储能设备的非凸互补约束不成立。
[0212]
以下对松弛模型和简化单输入模型分别作简要介绍：
[0213]
非凸互补约束指在含储能设备的系统问题中，储能无法在同一时刻中同时充电和放电，而储能由于充放电效率和价格现金流向等参数的不同，需要在优化模型中使用充电功率和放电功率两个独立的优化变量对储能进行建模；于是需要在优化模型中引入储能充放电功率的“互补约束”，即任意时刻储能设备的充电功率与放电功率之积为零。引入这一互补约束后，优化问题的非凸性显著增强，求解难度增大。
[0214]
松弛模型是指在标准储能电池模型中去掉非凸互补约束条件的储能模型，这种简化将原问题转化为常规凸规划问题，但显然地无法保证储能在同一时刻不同时充放电。松弛模型中储能设备的荷电状态soc相较标准模型soc轨迹更小。简化单输入模型使用储能设备功率净输入这一线性项修改电池模型，统一储能设备充放能效率值，该模型下储能设备
的荷电状态soc相较标准模型soc轨迹更小。
[0215]
通过松弛模型与简化单输入模型可以收紧储能设备的荷电状态soc的上下界约束。当ηc,ηd∈[0,1]时，可以证明若非凸互补约束条件成立，有soc轨迹证明如下：
[0216][0217][0218]
故可将充放电功率的非凸互补约束转化为对荷电状态soc的上下界约束。，通过步骤b1-b4最终判定非凸互补约束成立，使得规划结果能够确保储能设备不同时进行充能和放能。且b1-b4提供的针对储能设备的非凸互补约束规避了直接引入0-1二进制变量去表示储能设备的充能或放能状态，简化了模型求解的复杂度，减少了计算时间。
[0219]
步骤s3中，对微能源网全周期进行多阶段的线性规划的方法具体如图4所示，为：
[0220]
首先确定周期、碳价等基本信息；在s1初年，即规划周期初年，规划配置e
set1
，确定其中各类型设备的容量，以满足s1阶段最大负荷需求；在s2初年，在e
set1
基础上，规划配置e
set2
，确定e
set2
中各类型设备容量，以满足负荷增长下s2的供能需求。以此类推，在si初年，在已配置的设备集基础上，规划配置e
seti
中各类型设备的容量，满足si的负荷需求，直至最后一个规划阶段sn，规划配置e
setn
。多阶段规划目标函数设置为包含投资成本、包含弃光成本的运行维护成本、碳交易成本的全规划周期总成本，使用混合整数线性规划求解器求解容量配置方案及各时段的设备出力策略。
[0221]
综上，本发明具有以下有益效果：
[0222]
(1)采用拉丁超立方采样与基于同步回代的场景削减办法模拟光伏不确定出力，生成大小适中的典型光伏出力场景集；同时围绕特色光伏、垃圾分类、污水处理新能源发电技术设备建立如图3所示的微能源网网络架构，并构造电-热-气功率平衡约束，完成微能源网运行优化模型构建；
[0223]
(2)本发明提出了一种新的线性公式来优化电池调度，证明两个线性公式提供了实际soc的上界和下界，同时保证soc约束的满足，在保证不使储能设备同时充放能的前提下降低了线性规划问题复杂度；
[0224]
(3)本发明改用多阶段线性规划算法，根据负荷水平划分规划阶段，允许全周期规划起点与各阶段起始点的发电设备扩增行为并在全规划周期统一寻优，转化碳排放量为碳交易成本计入最小化目标函数，规避容量规划前期冗余后期不足的问题，达到规划经济性与低碳排的统一。
[0225]
需要声明的是，上述具体实施方式仅仅为本发明的较佳实施例及所运用技术原理。本领域技术人员应该明白，还可以对本发明做各种修改、等同替换、变化等等。但是，这些变换只要未背离本发明的精神，都应在本发明的保护范围之内。另外，本技术说明书和权利要求书所使用的一些术语并不是限制，仅仅是为了便于描述。
技术特征：1.一种考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤包括：s1，构造微能源网运行优化模型；s2，构造模型求解的目标函数；s3，以碳交易成本最小为其中一项优化目标，采用多阶段线性规划方法求解所述目标函数，得到所述微能源网的全周期中每个阶段最优规划方案。2.根据权利要求1所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤s1中，所构造的所述微能源网运行优化模型包括垃圾分类模型，所述垃圾分类模型通过以下公式(1)表达：公式(1)中，q
pg
(t)、q
burn
(t)分别表示热解气化垃圾、直接燃烧垃圾焚烧后产生的烟气热量；m(t)表示干垃圾质量；β
sp
表示垃圾存放池排出渗滤液后的固体剩余比例；β
pg
、β
burn
分别表示热解气化的垃圾比例、直接焚烧处理的垃圾比例，且β
pg
+β
burn
＝1；lhv
pg
、lhv
burn
分别表示可气化生活垃圾、可燃烧生活垃圾热值；η
pg
、η
mgb
、η
burn
分别表示热解汽化炉、混合气体炉、直接焚烧炉的发电效率；p
dry
(t)、h
dry
(t)为干垃圾模型在t时段的电出力与制热量；η
st
、η
auxi
分别表示汽轮机发电效率和厂用电率；η
re
、η1分别余热锅炉烟气回收百分比、散热损失百分比。3.根据权利要求1或2所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤s1中，所构造的所述微能源网运行优化模型包括污水处理模型，所述污水处理模型通过以下公式(2)表达：公式(2)中，h
st
(t)、g
st
(t)分别表示t时刻沼气池供热耗费热能与沼气净化处理后得到的天然气功率；m
sl
(t)、m
st
(t)分别表示湿垃圾质量、粪污质量；η
s2b
表示污泥和湿垃圾混合物的沼气系数；η
b2g
表示沼气转天然气系数；δt(t)为t时刻环境与沼气池温差；c
fuel
表示污水混合物比热容。4.根据权利要求1所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤s2中，所述目标函数通过以下公式(3)表达：min(c
invest
+c
opera
+c
carbon
) 公式(3)
公式(3)中的c
invest
、c
opera
、c
carbon
通过以下公式(4)计算而得：公式(3)-(4)中，c
invest
、c
opera
、c
carbon
分别表示构建微能源网的设备投资成本、设备运行维护成本和碳交易总成本；表示第i类设备单位功率投资成本；指第j阶段初对第i类设备的规划容量；k
j
为第j阶段的起始年份；表示第k
j
年折现率；f
resi
为规划期末的设备残值；为不同阶段初设备i的投资成本；δ
i
为设备i的净残值率；r
n
表示规划期末第n年的折现率；n
i
表示第i类设备使用寿命；m表示设备种类；n表示规划总年限；c
main
、c
purchase
、c
abandon
、c
garbage
分别表示系统运维总成本、购电总成本、弃光总成本、垃圾处理总补贴收益；c
egrid
(t)、c
ggrid
(t)、c
abd
(t)、c
garbage_dis
(t)分别表示设备i单位功率的运维成本、t时刻所有设备的购电成本、购气成本、弃光成本与垃圾处理补贴收益；p
i
(t)、r
j
分别表示第i种设备t时刻功率、第j年折现率；k
t
为t时刻所在年份；p
grid
(t)分别表示第k
t
年折现率、t时刻外购电力功率；
c
ggrid
g
grid
(t)表示t时刻购气成本；g
grid
(t)表示t时刻所述微能源网向外电网购气量，g
grid
(t)＝g
gt
(t)+g
gb
(t)-g
st
(t)；g
gt
(t)、g
gb
(t)、g
st
(t)分别表示t时刻气轮机耗气功率、气锅炉耗气功率、污水处理设备产气功率；e
pv
(t)、p
pv
(t)分别表示t时刻光伏发电功率、t时刻光伏消纳功率；c表示碳市场基准价格；α表示碳交易价格区间增长系数；d表示碳交易价格区间长度；c
discha
、c
quotas
分别表示碳排放量、碳配额。5.根据权利要求1所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，求解所述微能源网运行优化模型的约束条件包括光伏不确定出力约束，对光伏不确定出力进行约束的方法步骤包括：a1，采用拉丁超立方抽样方法对日内光伏出力数据进行抽样，得到每个抽样区间m在t时刻的光伏出力数据抽样值，记为a2，使用同步回代缩减法削减场景，得到保留有场景数为n
′
的场景集合；a3，对所述场景集合中的每个场景对应的光伏出力数据抽样值进行累加，得到所述微能源网在t时刻的光伏出力值p
t
。6.根据权利要求5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤a1中，的计算方法包括步骤：a11，采用正态分布拟合日内的光伏出力，获得正态分布均值μ和方差σ；a12，根据所述均值μ和所述方差σ，计算日内每个时段的光伏出力累积概率分布函数f(p)；a13，将所述累积概率分布函数f(p)根据值域等分为间距为1/n
t
的n
t
个子区间作为抽样范围；a14，对所述抽样范围内的任意第i个所述子区间，随机生成值在[0,1]区间的随机数a15，根据通过以下公式(5)计算t时刻第i个所述子区间对应的所述累积概率分布函数的抽样值数的抽样值a16，计算累积概率分布函数f(p)的反函数f-1
(q)，然后将代入到f-1
(q)求得每个抽样区间m在t时刻的光伏出力数据抽样值区间m在t时刻的光伏出力数据抽样值7.根据权利要求5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤a2中，削减场景得到所述场景集合的方法包括步骤：a21，初始化每个场景s
k
在t时刻的出现概率p
tk
＝1/n
t
,k＝1,2,
…
,n
t
；a22，通过以下公式(6)计算两两场景间的二次欧式距离：
a23，将两两场景间的二次欧式距离乘以概率值计算概率距离，并选择概率距离最近的场景进行削减，记与s
k
概率距离最近的场景为s
n
，削减场景的方法通过以下公式(7)-(8)表达：公式(7)-(8)中，表示与场景s
n
具有最小二次欧式距离的场景s
k
的概率距离；p
dt
表示最小概率距离；a24，更新场景概率a24，更新场景概率分别表示场景s
k
、s
n
的出现概率，并将场景s
n
从所述场景集合中剔除，并置所述场景集合中的场景数n＝n-1；a25，重复步骤a22-a24，直至场景数符合保留的n
′
。8.根据权利要求5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，步骤a3中，p
t
通过以下公式(9)计算而得：通过以下公式(9)计算而得：表示第k个场景t时刻出现概率；表示第k个场景中t时刻功率。9.根据权利要求1或5所述的考虑碳排放约束的微能源网运行优化方法，其特征在于，求解所述微能源网运行优化模型的约束条件还包括对储能设备的充放能约束，对储能设备的充放能约束的方法步骤包括：b1，定义松弛模型的松弛输入向量为使其满足所述储能设备的荷电状态soc轨迹为式中，式中，表示储能电池荷电状态soc向量；l表示时刻；t表示时刻集；为各时段充放能功率列向量；η
c
,η
d
为设备充能、放能效率；e0表示初始状态荷电状态soc；为一下三角矩阵，矩阵中各元素a(i,j)＝δt,i≤j,i,j∈t；1
t
＝[1,
…
,1]
t
；b2，简化单输入模型考虑能量功率的净输入p
b
[l]＝p
c
[l]-p
d
[l]，p
b
[l]、p
c
[l]、p
d
[l]分别表示l时刻储能设备能量功率净值、能量输入功率值、能量输出功率值，考虑净效率代替充放能效率，储能设备荷电状态soc轨迹为代替充放能效率，储能设备荷电状态soc轨迹为分别
表示荷电状态向量、储能设备能量功率净输入向量；b3，构建储能设备的非凸互补约束条件，通过以下公式(10)表达：公式(10)中，p
c
、p
d
分别表示储能设备能量输入、输出功率；b4，判断是否成立，若是，则判定所述储能设备的非凸互补约束成立；若否，则判定所述储能设备的非凸互补约束不成立。
技术总结本发明公开了一种考虑碳排放约束的微能源网运行优化方法，属于能源优化调度技术领域。本发明围绕光伏、垃圾分类和污水处理这三种新能源发电技术及其能量转换设备构建微能源网，同时考虑了光伏出力的不确定性，并通过构造电-热-气功率平衡约束，完成微能源网运行优化建模，并以碳交易成本最小为其中一项优化目标，采用多阶段线性规划方法求解所构造的目标函数，实现了对微能源网建设规划全周期中的每个阶段的规划方案的寻优，优化结果实现了经济性和低碳排的统一。济性和低碳排的统一。济性和低碳排的统一。
技术研发人员：余健优 何圆锋 刘洋 毕小强 韦乾坤 沈增祥
受保护的技术使用者：杭州鸿晟电力设计咨询有限公司
技术研发日：2022.07.20
技术公布日：2022/11/1
