摘要
综合能源系统(Integrated Energy System,IES)具有运行调度灵活、绿色低碳环保的特点，对于解决能源短缺及环境危机问题具有重要意义。随着以风光为主的可再生能源技术的快速发展，大规模可再生能源的接入使得系统低碳环保的特性进一步增强，然而不可避免的是，可再生能源的接入使得系统一方面需要响应末端负荷需求的变化，另一方面增加了可再生能源的波动性对系统的影响，系统的稳定化运行受到来自“源-荷”两方面的压力。针对上述问题，以某真实校园的历史负荷及天气数据为基础，考虑为该校园设计综合能源供能站，同时分别从预测及优化两方面进行改进，以指导该供能站的稳定运行，本文的主要内容包括: (1)针对某校园的历史用能需求，同时考虑该地区的气候特征，设计了一种含压缩空气储能(Compressed Air Energy Storage,CAES)的综合能源供能站，以满足用户的冷热电负荷需求。压缩空气储能系统接入综合能源系统使得系统的热电耦合特性进一步增强,能量梯级利用的效率进一步提高。同时，本文对综合能源系统中的风力发电装置、光伏发电装置、内燃发电机组、压缩空气储能及空气源热泵的数学模型及工作机理进行了分析。上述系统设计及分析为后续预测及优化提供了模型基础。 (2)针对园区负荷及天气数据，本文研究并设计了一种基于完全自适应噪声集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)-长短期记忆网络(Long Short-Term Memory Network,LSTM)-高斯过程分位数回归(Gaussian Process Quantile Regression,GPQR)的混合概率预测模型，上述模型基于“分解-点预测-概率预测”的思路实现，能够得到“源-荷”多维数据的概率预测区间。实验结果证明了本文所提出的模型在点预测及概率预测方面均具有较高的预测性能，预测结果能够为后续随机优化部分提供数据基础。 (3)针对“源-荷”不确定性对系统稳定运行的影响，考虑了一种基于随机优化的综合能源系统日前调度优化方法。日前调度优化首先在概率预测区间的基础上利用K-means聚类方法生成典型场景，以反映“源-荷”数据不确定性的特点，进而对系统关键设备的容量进行配置，在此容量配置结果的基础上，将上述数据输入NSGA-Ⅱ方法以实现随机优化。为证明本文所提出的“预测-优化”的日前调度优化方法设计思路的真实性，进行了对比实验并进行验证。实验结果证明了在真实负荷及天气数据下，本文所提出的方法对于关键设备的运行调度结果相比其他调度优化方法在准确性方面最高可提升26.7％,上述优化方法可以保障系统的稳定运行，提高系统的可再生能源消纳率，避免关键设备大范围波动对供能稳定性的影响。
NETL