來源：《中國電力》2024年第12期
引文：張金良, 胡澤萍. 計及多重不確定性的生物質電廠庫存優化模包養網子[J]. 中國電力, 2024, 57(12): 157-168.
編者按
近年來，生物質能憑借其綠色、低碳、清潔、可再生等優點，成為可再生動力的主要組成部門。隨著“雙碳”目標的推進，國務院印發的《2030年前碳達峰行動計劃》明確提出動力綠色低碳轉型行動請求，隨機應變發展生物質發電成為必定。維持公道燃料庫存是保證生物質電廠供電靠得住性的基礎，但生物燃料具有采購季節性、價格波動性和存儲易受潮等特點，給電廠庫存戰略的制訂帶來了困難，導致生物質發電廠運營本錢增添。是以，優化生物質電廠的庫存戰略是推動生物電發展的條件。
《中國電力》2024年第12期刊發了張金良等撰寫的《計及多重不確定性的生物質包養留言板電廠庫存優化模子》一文。文章提出一種計及多重不確定性的生物質電廠庫存隨機-魯棒優化模子。起首，應用橢球不確定集描寫了生物質燃料價格及質量程度的不確定性。并應用隨機規劃法中的情形樹法，構建27個典範生物質可用性場景，下降燃料供應季節性對庫存優化戰略的影響。其次，應用生態云發生器模擬了居平易近、年夜工業和工商業3種用戶的負荷，進步了需求場景天生的準確性。并依據需求的分布特包養網徵，確立燃料的平安庫存程度。最后，以庫存總本錢最小為目標，樹立計及多重不確定性的生物質電廠隨機-魯棒庫存優化模子，并通過算例驗證模子的有用性。
計及多重不確定性的生物質電廠庫存
優化模子
張金良, 胡澤萍
華北電力年夜學 經濟與治理學院
摘要
生物質電廠庫存優化戰略的制訂是保證區域電力供應的基礎，但是生物甜心寶貝包養網燃料的季節性和需求的不包養確定性給庫存優化帶來了極年夜的挑戰。為下降多類不確定原因對庫存優化的影響，提出一種計及多重不確定性的生物質電廠庫存隨機-魯棒優化模子。起首，應用橢球不確定集描寫了生物質燃料價格及質量程度的不確定性，并應用情形樹法構建典範生物質可用性場景，下降燃料供應季節性對庫存戰略制訂的影響。其次，考慮誤差的隨機性和含混性，應用生態云發生器模擬了3種用戶的負荷曲線，進步了需求曲線擬合的準包養故事確性。最后，以庫存總本錢最小為目標，樹立計及多重不確定性的生物質電廠庫存隨機-魯棒優化模子，并通過算例對比確定型、隨機和隨機-魯棒3類優化模子的優化結果，驗證模子的有用性。結果表白：隨機-魯棒優化模子的生物質電長期包養廠庫存總本錢最低，為269.15萬元。比擬隨機優化模子，所提戰略的庫存總本錢下降了34.59%，能夠晉陞庫存優化戰略的經濟性和靠得住性。
01
問題描寫與建模準備
1.1 問題描寫
生物質電廠庫存優化流程如圖1所示。生物燃料采購、運輸和儲存3個環節密不成分，生物質電廠庫存優化的關鍵是在燃料價格、質量程度和需求的隨機波動下使得燃料采購、運輸、儲存3個階段總本錢最小，并在分歧的需求下確定公道的平安庫存，保證生物質電廠供應的靠得住性。燃料的訂貨量可以根據庫存狀態、燃料價格和收購季節及時調整，在保證平安庫存的條件下維持較低的庫存程度。通過把持多重不確定原因下的燃料訂購及庫存程度，使得庫存本錢最小化，獲得公道的庫存把持戰略，滿足居平易近用戶、工商業用戶和年夜工業用戶甜心花園的電力需求。
圖1 生物質電廠庫存優化流程
Fig.1 Biomass power plant inventory optimizati包養網單次on process
1.2 研討假設
多周期庫存動態運作流程如圖2所示。區域電力系統中，由生物質電廠完成電力供給，生物質電廠從4個生物燃料供應商處進行燃料訂購。因電廠不允許出現斷電情況，假設每個月的庫存程度不包養克不及低于每月的平安庫存程宋微臉上始終帶著笑：「沒有，別聽我媽瞎說。」度。本文考慮庫存治理者在無限周期T內訂購生物燃料。每一周期t的期初庫存程度為
訂購Qr,s,t包養網數量的燃料補充庫存；在收到Qr,s,t數量的燃料和滿足Lr,s,t的需求后，t周期期末的庫存更換新的資料為I包養網車馬費r,s,t−1+Qr,s,t−Lr,s,t。
圖2 多周期庫存動態運作流程
Fig.2 Dynamic operation flow of inventory with multiple cycles
0包養2
不確包養定性原因描寫
2.1 生物質燃料不確定性描寫
2.1.1 生物質可用性不確定性描寫
假設一年中第一季度的生物質可獲得量已知，其他季度的生物質可用量向上或向下波動20%。每一季度中，每月的生物質可用性堅持不變。本文應用情形樹法，天生27個場景，每個場景出現的概率αr,s,t相等，均為1/27，燃料r的場景天生結果見圖3。每個場景下的生物質可獲得量為
圖3 生物質可用性不確定場景集
Fig.3 Uncertainty scenario set for biomass availability
式中：q為季度，q=1, 2, 3, 4；S影機對準了那些人。s,r,q為場景s中燃料r第q季度的可獲得量，本文生物質燃料為含水燃料，采用“綠噸”計量；ηs,r,q為場景s中燃料r第q季度的可獲得量增長率，%。
2.1.2 價格不確定性描寫
隨機優化適用于已知概率分布的連續變量包養軟體的求解，而生物燃料價格受季節影響，具有較強的不確定性且概率分布未知。是以，本文運用魯棒優化進行求解。假設已知各周期內能夠發生的燃料價格包養情形，但每一情形發生的概率未知，即每一周期的燃料價格是定義在某一確定聚集上的離散隨機變量。相對于區間魯棒優化方式和盒式魯棒優化方式，橢球魯棒優化方式可以通過調節縮放矩陣的鉅細來調整不確定聚集的范圍，對不確定參數的涵蓋半徑及分布離散水平進行有用把持，能實現解的守舊性與最優性相協調的最優決策。本文采用橢球不確定集描寫生物燃料價格的不確定性。
假設生物燃料價格
的變化范圍可表現為關于某名義值
波動幅度路上遇見了熟悉的鄰居，對方打招呼道：「小微怎麼為∆m1的對稱區間，即
不確定集對稱且有界。燃料價格不確定集可描寫為
式中：
為燃料價格，元/綠噸；聚集Ω1是由不確定參數
構成的橢球體；
為價格橢球體鉅細的把持參數包養網車馬費，反應魯棒模子的守舊性。當Γ1=0時，不確定集縮小為一包養網點，成為確定性問題。
2.1.3 生物質質量不確定性描寫
進一個步驟將未知分布的生物質質量納進魯棒優化模子，生物質質量程度受燃料水分含量和高熱值的影響。高熱值基于與干生物量計算得出，與燃料水分含量不相關。燃料熱值及水分含量的橢球式不確定集為
式中：Hs,r,t為t時刻生物質燃料r在場景s中的高熱包養甜心網值，MW·h/綠噸；Ms,r,t為t時刻燃料r在場景包養網s中的水分含量，%；聚集Ω2和Ω3是分別由不確定參數Hs,r,t和Ms,r,t構成的橢球體；m2和m3分別為聚集Ω2和Ω3對稱區間的波動幅度；
分別為高熱值橢球體和水分含量橢球體鉅細的把持參數。
若單位時間的存儲程度低于存儲最低程度，生物燃料的堆放高度缺乏，無法產生足夠的內部熱量，生物質質量下降將導致燃料發電量下降，產生庫存懲罰本錢。此外，燃料質量程度降落也會導致額外的燃料購買本錢。本文生物質電廠采用直接燃燒發電的方法，生物質燃料在鍋爐中直接燃燒，生產蒸汽帶動蒸汽輪機及發電機發電。單位燃料燃燒能夠產生的電量Ds,r,t為
式中：Ws,r,t為t時刻生物質燃料r在場景s中的質量程度，MW·h/綠噸；η為電廠效力，%；
為二進制變量，表現庫存的懲罰狀態。當燃料庫存程度無法嚴格滿足約束，低于庫存去。上限，即
時，形成倉庫閑置和燃料水分流掉，產生庫存懲罰本錢，
ρ為儲存程度低于存儲上限時，生物量質量降落的百分比，%。
2.2 需求不確定性描寫
受用戶意愿、環境及燃料價格等原因影響，電力需求凡是具有不確定性，且分歧消費者群體的負荷需求各不雷同。是以，依據各類用戶的負荷分布特征確定需求量至關主要。電力負荷凡是合適正態分布，本文采用正態性檢驗驗證3類負荷能否服從正態分布，若檢驗通過，基于3類負荷擬合結果，采用正態云模子來描寫不確定性需求。
比擬傳統采用正態分布描寫誤差變量分布的方法，本文采用的正態云模子既可以用來描寫變量的隨機分布，也可以反應隨機邊界的含混性，從而加倍公道地描寫需求的不確定性。服從正態云分布的負荷可表現為
式中：C為正態云分布；Ex、En及Ee分別為正態云分布的希冀、包養條件熵和超熵；“~”表現
需求服從正態分布的條件下，平安庫存的計算公式為
式中：Yr為燃料r的平安庫存，綠噸；z為客戶服務程度；
為均勻采購提早期，月；
為燃料r需求的標準差，綠噸。
03
生物質電廠庫存隨機-魯棒優化模子
3.1 模子構建
3.1.1 目標函數
她這才想起來——這些人正在錄製知識競賽節目，她是魯棒優化模子的目標函數為最小化庫存總本錢，包含采購、運輸、存儲及懲罰本錢。燃料價格、熱值和水分含量3個參數處于橢球不確定聚集中，本文采用~標注模子中魯棒不確定原因影響下的變量，包養網隨機-魯棒優化模子的目標函數為
式中：CI、CA、CB和CP分別為燃料的庫存持有本錢、運輸本錢、采購本錢和庫存懲罰本錢，元；S、T和R分別為總場景數、存儲周期總數、燃料類型數；
分別為場景s下燃料r的單位庫存持有本錢、運輸本錢、采購本錢和庫存懲罰本錢，元/綠噸。
3.1.2 約束條件
1）燃料可用性約束為
式中：Sr,s,t為t月場景s下燃料r的可獲得量，綠噸。
2）需求約束為
式中：
分別為負荷需求高低限，MW。
3）庫存均衡約束為
式中：Nr,s,t為t月場景s包養網下為滿足負荷需求Ls,t所耗費燃料r的質量，綠噸。
4）庫存高低限約束。在儲存設施中儲存高濃度的生物質燃料存在若干風險，包含自熱、排氣包養條件和氣體爆炸形成的迫害。為下降潛在風險，將存儲下限設置為存儲容量的80%，即
式中：V為電廠儲存容量，綠噸。
5）生物質電廠發電約束。為保證發電平安，生物質電廠每月應有足夠的檢修時間，檢修期間無法發電，是以每月電廠的發電量存在下限；同時為了保證發電機組的公道應用，電廠月發電量也不應過低，電廠發電量如式（5）所示，電廠發電包養行情量高低限約束為
式中：Dt,max和Dt,min分別為電廠每月最年夜和最小發電量，MW·h /月。
6）二進制變量和非負性約束為
3.2 模子求解
基于多重不確定性的生物質電廠庫存隨機-魯棒優化模子是一個混雜整數非線性規劃模子。分別對各類不確定參數進行建模后，采用Gurobi優化軟件和Yalmip語言求解，求解流程如圖4所示。
圖4 隨機-魯棒優化模子求解流程
Fig.4 Solution flow o包養網f包養留言板 stochastic-robust optimization model
04
算例剖析
4.1 參數設置
本文以american密西西比州存儲容量為綠噸的生物質電廠為例，依據燃料收儲情況及供需特點，樹立基于多重不確定性的生物質電廠庫存隨機-魯棒優化模子。
4.1.1 燃料參數
該工廠可以從距其65 km內的4家生物質燃料搜集廠購買燃料，并將其存儲在電廠內包養網的有棚倉庫中，用于滿足部門工商業、包養網居平易近和年夜工業用戶的電力需求。在燃料供給側，燃料處理工廠將生物質燃料進行篩選、分類和研磨，加工為4種燃料。分歧季節的燃料產量及收受接管難度的差異將直接影響燃料購買價格，燃料類型及其均勻單位購買價格見表1。其他與燃料庫存優化相關的參數如表2所示某一天，宋微終於記起，他是她高中時的學長，當初。有棚倉庫存儲下生物質燃料仍會存在必定的水分蒸發和熱值變化情況，為確保足夠的發電量，生物質燃料的質量須堅持在公道區間內。生物質質量特徵指標如表3所示。
表1 4種生物質燃料的均勻單位購買價格
Table 1 Average unit purchase price of four biomass fuels
表2 庫存優化相關參數
Table 2 Relevant p包養甜心網arameters of inventory optimization
表3 燃料質量程度指標值
Table 3 Indicator values of fuel quality levels
發佈留言