考虑多能负荷不确定性的区域综合能源系统鲁棒规划(Python代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Python代码、数据、文章

💥1 概述

文献来源：

多能互补集成优化的综合能源系统(integrated energy system , IES)是能源互联网的重要发展方向之一E1-9]。能源互联网是“推动分布式可再生能源的大规模利用与分享,促进电力、交通、天然气等多种复杂网络系统的相互融合”的综合能源网络( comprehensive energy network)[ 6-7]。类似地,“综合能源系统”概念为电-冷-热-气多能互补集成优化的区域能源系统,涉及热电联供机组、变电站、配电馈线﹑供热站、供冷/热管道、供气站等设备的规划和运行。“多能互补”意在改变原有各能源供用系统各自规划设计、独立运行的现状,对不同供用能系统进行统一的协调优化。能源互联网中 IES的建设,对于提升社会用能效率、促进可再生能源规模化利用等都具有重要意义[8-9]。

具体到IES规划方法研究方面﹐目前的研究成果集中于不同背景、不同组成的多类型能源系统的建模与规划。例如,基于EH的考虑电/热/气多能耦合的规划L17-20],考虑多方利益主体、差异化用能需求的规划流程[2,考虑冷热电存储的区域综合能源站优化设计[22,结合热网模型的多区域协同规划[23],考虑采暖期和供冷期园区级别规划[24]、评估指标与方法[25]、能量整体运输模型[26]、评估指标与方法[2]等。然而,上述研究成果大部分未考虑其中的不确定性因素,或仅通过多场景方法19-21]考虑不确定性。

从能源供给方式的角度考虑,一般而言,区域IES包含变电站、热电联供机组﹑燃气锅炉/电锅炉、集中式制冷站等供能手段,能源的供给方式和需求形式都是多样化的。在描述IES的多能特性方面，EH模型已经受到广泛的认可。一个典型的基于EH的区域IES如图1所示。

📚2 运行结果

部分代码：

print('目标函数构建完成！')

print('优化计算求解中！')
# 问题选用Pulp选择的Solver进行求解
prob.solve(GUROBI()) # 目前用GLPK()求解大概要7 min+, 如果用CPLEX() 和 GUROBI() 会快很多

# 输出求解结果
for v in prob.variables():
    print(v.name, "=", v.varValue)
    # v.evaluate()
    # np.savetxt(v.name,v.values,fmt='%.4e',delimiter=',')
print("Total Cost = ", value(prob.objective))

# 保存机组选型优化结果 到 X.values 里，是一个ndarray
X_CCHP.evaluate()
X_GB.evaluate()
X_AC.evaluate()
X_EB.evaluate()
X_SUB.evaluate()

# 保存机组耗电耗气连续变量优化结果 到 X.values 里，是一个ndarray
P_CCHP_gas.evaluate()   # CCHP单位时间内所用燃气热值，单位是MW（应该修改成kw比较合适）
V_CCHP_gas.evaluate()    # CCHP单位时间内所用燃气量，单位是m3/h
P_SUB_electricity.evaluate()     # 变电站出力，单位是MW
P_GB_gas.evaluate()        # GB单位时间内所用燃气热值，单位是MW
V_GB_gas.evaluate()        # GB单位时间内所用燃气量，单位是m3/h
P_AC_electricity.evaluate() # 中央空调输入电出力，单位MW
P_EB_electricity.evaluate() # 电锅炉输入电能，单位MW