基于CNN-Bi-LSTM...的海岛综合能源系统优化调度_王润治.pdf

Abstract:The rational construction of island integrated energy system is of great significance to the clean transformation of coastal energy,and its optimal dispatch is an effective way to achieve the balance between energy supply and energy demand in islands.Based on this,an optimal dispatch method for island integrated energy system considering wind power prediction is proposed.Firstly,the system model including advanced energy conversion equipment is built,such as hydrogen energy equipment,seawater source heat pump,seawater desalination device,and wave power generation device.Secondly,since marine weather can lead to instability in renewable energy generation,the Convolutional Neural Network-Bi-directional Long Short-Term Memory(CNN-Bi-LSTM)model with an importance rank of environmental variables is applied to predict power generation.Then,to maintain the basic living conditions of islands,taking the electric-cold-fresh water-hydrogen balance as the constraints and taking the improvements of system operation economy and renewable energy consumption rate as the objective functions,an optimal dispatch model of the integrated energy system is established.The simulation results of two typical days in summer and winter show that the proposed prediction model has high prediction accuracy.The proposed optimization dispatch method can achieve the balance between energy supply and energy demand of the island,effectively reduce the system operating cost,and improve the renewable energy consumption rate.Keywords:island integrated energy system;wave power generation;wind and photovoltaic power generation prediction;optimal dispatch model;renewable energy consumption rate摘 要：合理构建海岛综合能源系统对沿海能源清洁化转型意义重大，其优化调度更是实现海岛能源供需平衡的有效途径。为此，提出了一种考虑风光功率预测的海岛综合能源系统优化调度方法。首先，搭建包含氢能设备、海水源热泵、海水淡化装置、波浪能发电装置等新型能源转换设备的系统模型。其次，海上气候多变会导致新能源发电不稳定，故采用含环境变量重要性排序的一维卷积神经网络和双向长短时记忆神经网络（convolutional neural network-bi-directional long short-term memory，CNN-Bi-LSTM）联合模型对发电功率进行预测。然后，为维持海岛基本生存条件，以电-冷-淡水-氢平衡为约束，以改善系统运行经济性和可再生能源消纳率为目标函数，建立综合能源系统优化调度模型。对夏冬两个典型日进行仿真分析，结果表明所提出的预测模型具有较高的预测精度，所提优化调度方法可以实现海岛能源供需基金项目：国家自然科学基金（海洋可再生能源多能互补智能变换与高效利用基础理论与关键技术，U2006222）；山东省重点研发计划（基于多能互补的分布式综合能源系统关键控制装备研发及工程示范，2019JZZY010903）；国家电网有限公司总部管理科技项目（面向能源转型背景下能源互联网零碳演进关键技术研究，5100-202116567A-0-5-SF）。National Natural Science Foundation of China(U2006222);Key Research and Development Program of Shandong Province(2019JZZY010903);Science and Technology Foundation of SGCC(5100-202116567A-0-5-SF).基于 CNN-Bi-LSTM 功率预测的海岛综合能源系统优化调度王润治1，王瑞琪2，刘继彦3，王旭东3，陈阿莲1*（1.山东大学控制科学与工程学院，山东省 济南市 250001；2.国网山东综合能源服务有限公司，山东省 济南市 250001；3.国网山东省电力公司，山东省 济南市 250001）Optimal Dispatch of the Island Integrated Energy System Including Power Prediction Based on CNN-Bi-LSTMWANG Runzhi1,WANG Ruiqi2,LIU Jiyan3,WANG Xudong3,CHEN Alian1*(1.School of Control Science and Engineering,Shandong University,Jinan 250001,Shandong Province,China;2.State Grid Shandong Integrated Energy Service Co.,Ltd.,Jinan 250001,Shandong Province,China;3.State Grid Shandong Electric Power Company,Jinan 250001,Shandong Province,China)全球能源互联网Journal of Global Energy Interconnection第 6 卷 第 1 期2023 年 1 月Vol.6 No.1Jan.2023文章编号：2096-5125(2023)01-0088-13 中图分类号：TM73；TK01 文献标志码：ADOI：10.19705/ki.issn2096-5125.2023.01.010Vol.6 No.1 王润治，等：基于 CNN-Bi-LSTM 功率预测的海岛综合能源系统优化调度 89平衡，同时能够有效降低系统运行成本，提高可再生能源消纳率。关键词：海岛综合能源系统；波浪能发电；风光预测；优化调度模型；可再生能源消纳率 0 引言中国拥有长达1.4万km的岛屿海岸线，1万多个大小不同的岛屿和海礁。这些区域远离内陆，无法构建同陆地大电网的交互关系，发展建设受电能制约1。过去海岛多自备柴油发电机，通过油电转换提供所需电功率，但发电机工作不稳定且会排放污染性气体，同时没有充分利用海上丰富的风能、波浪能、太阳能等可再生能源资源2-3。此外，考虑到海上气象和水文条件复杂多变，新能源发电受气象、尾流等因素影响较大4，故建立含可再生能源发电预测的海岛综合能源系统对缓解海岛能源供给问题至关重要。在可再生能源发电预测方面，神经网络因其具有极强的非线性映射能力和自学习能力，应用较为广泛。文献5将传统后向传播神经网络（back propagation neural network，BPNN）与相似日选择法相结合，利用历史输出功率和气象信息，验证了所提模型的有效性。文献6提出了一种考虑多时间尺度的长短时记忆神经网络（long short-term memory neural network，LSTM）预测方法，通过选取不同时间间隔的数据，验证预测方法的实用性。但该算法搭建的是时间序列模型，忽略了风速、光照等环境变量对出力的影响。文献7提出了一种基于离散小波变换和LSTM的短期风电预测方法，可将时间序列的数据分解为多个更容易预测的分量，并验证了该方法的准确性。文献8采用Pearson相关系数法对天气变量进行相关性排序，并使用卷积神经网络（convolutional neural networks，CNN）和LSTM法进行预测，结果证明该方法可以有效降低预测误差。但以上文献中所搭建的功率预测模型未充分考虑环境更为复杂的海上功率系统，因此对数据的预处理不够充分，导致预测精度有限。预测时使用的算法对数据信息的探索不足，使得训练效率较低，预测准确性不够高。在综合能源系统（integrated energy system，IES）设备建模方面，已有研究取得了一定的成果。文献 9-10介绍了IES的概念，针对典型架构和系统模型进行总结，并对当前IES的收益评价系统和方法进行整理。文献11引入电转气（power-to-gas，P2G）设备用于消纳风电光伏并充分考虑冷热负荷惯性，仿真结果表明所提方法能有效提高清洁能源消纳能力并降低综合能源系统运行成本。文献12在考虑P2G的基础上，充分发挥供冷/供热系统的“储能”功能，验证了其对系统的灵活调度优化作用。上述文献为IES运行优化研究提供了设备建模参考，但这些研究多针对陆上IES，未考虑环境更为复杂的海岛IES，且未涉及可实现全清洁供能的氢能装置、能够充分利用海水恒温效果的海水源热泵等新型能源转换设备。文献 13-16将热泵引入综合能源系统，通过使用少量电能驱动，将热能从密度较大地区向密度较小地区转移，为热电联产IES提供了新的思路。结果表明，含热泵的IES能有效吸收风光富余出力，拥有更好的经济性。文献17-20引入氢能概念，在系统中加入电制氢、氢储能和氢氧燃料电池等设备，进一步改善系统经济性和环保性。文献21建立了含燃料电池、电解槽、热能储存装置和新能源汽车的海岛综合能源系统，算例表明，含氢能的系统工作效率高，可满足居民各类需求。文献22建立了含海水淡化负荷的多源系统日前优化调度模型，算例表明，该系统可降低整体费用，提高可再生能源就地消纳率。文献23提出了一种基于综合需求响应的海岛式多能微网优化调度模型。该模型增加氢储能装置、热储能装置和燃料电池，进一步提高了综合能源利用效率。然而，以上文献均未考虑波浪能发电装置等海岛IES特有的发电设备以及居民淡水供给稳定等海岛必需的生存条件。本研究旨在搭建一种能源利用率高、可满足正常运行条件的多能孤岛IES模型。为因地制宜地利用海岛丰富的波浪能资源，将波浪能发电装置引入海岛IES中，使供能方式更多元化。同时，为进一步节约能源，系统还充分考虑了氢氧燃料电池的产热、产水特性。此外，还引入海水淡化装置