基于数据挖掘的区域综合能源系统能效状态评价与运行优化策略研究

Along with change of energy conservation and consumption mode, regional integrated energy system (RIES) has become one of the most significant technologies of energy industry in China. RIES can not only accept the renewable energy in a large scale, but also improve the energy efficiency for energy cascade utilization.In this project, RIES is taken as the research object, data-mining technology and artificial intelligent methods are employsed to carry out the theoretical research on the systematic energy efficiency condition evaluation and optimization. When operating a RIES, it is necessary to coordinate different types of energy sources to ensure the renewable energy effective accession, and minimize the energy efficiency. Therefore, a comprehensive concept called “energy efficiency condition” is proposed. Firstly, the parameters influencing on the energy efficiency condition and their relationships are analyzed in detail. A hierarchical index network is constructed to describe the energy efficiency condition. Secondly, the energy efficiency benchmark condition is characterized and determined based on fuzzy C means. The evaluation model of energy efficiency condition is proposed by the historical running data and multi-variables estimation technology. Finally, operational optimization strategy is proposed by adjusting the weight between economy and environmental protection dynamically, based on short and long-short term memory network and particle swarm optimization algorithm. The achievements obtained from this project will provide a new way for exploring the general evaluation methods and theories of energy efficiency condition, and finding optimization operation modes and the rational supply strategy for the different RIES.

随着我国能源生产和消费模式的转变，区域综合能源系统以其可促使可再生能源的规模化接入，实现能源的梯级高效利用的特点，成为我国能源工业技术的重要发展方向之一。本项目针对区域综合能源系统运行时，需要协调多种能源出力，保证可再生能源的有效接入，确保系统能损最低等问题，结合数据挖掘技术与人工智能方法，开展精细化的、系统化的能效状态评价与运行优化的相关理论研究。首先，分析各状态指标对系统能效状态的影响及其耦合规律，基于属性约简理论构建描述系统能效状态的指标网络；其次，引入模糊C均值方法确定系统全工况下的能效基准状态，并结合多元状态估计，构建能效状态评价模型；最后，基于长短时记忆网络对用户负荷进行预测，并结合粒子群算法寻优，确定负荷与优化决策之间的映射关系，实现由源至荷的全过程的协同优化运行。项目的研究为探究区域综合能源系统能效状态的通用评价方法，寻求系统协同优化模式提供了一种新的思路与途径。

区域综合能源系统以促使可再生能源的规模化消纳为目标，通过对风、光、气等多能源的科学协调与调度，实现能源的梯级高效清洁利用，对推动我国能源战略转型，构建“清洁低碳、安全高效”的现代能源体系，实现“双碳”目标具有重大战略意义。.项目针对区域综合能源系统多物理系统耦合、多时间尺度动态关联、多随机扰动导致的系统状态多变、运行优化复杂等问题，探索性地将数据挖掘技术与人工智能算法应用到系统的能效状态评价与运行优化的研究中。通过确定系统的能效状态指标网络、能效基准状态及能效状态动态评价机制，形成系统运行优化策略，探究区域综合能源系统能效状态的通用评价方法与理论，寻求系统合理供能的方案与优化运行模式。.考虑区域综合能源系统输入能源的多样性、能源转换设备间的耦合性与运行工况的多变性，提出了数学模型与数据挖掘相结合的动态能源集线器模型，该模型将系统各设备及其复杂耦合关系抽象成确定的数学关系式，并通过矩阵模型清晰地表示出来；考虑系统运行边界的复杂性与运行状态的多变性，构建了以数据挖掘算法为核心的能效基准状态模型与能效状态动态评价模型，以系统历史运行数据为驱动，基于高斯混合模型聚类确定全工况下系统的能效基准状态，结合条件变分自编码器方法形成多指标融合的评价模型，该模型兼顾了系统运行工况的多变性和能效状态信息的复杂性；考虑系统中可再生能源出力的随机性与用户用能需求的不易预测性造成的系统运行边界的不确定性，采用场景生成算法，将气候、负荷等相关随机向量离散成场景集，结合基于历史成功的自适应参数差分进化算法，建立用户的用能需求与系统运行决策之间的映射关系，形成了考虑源荷双重不确定性的区域综合能源系统协同运行优化策略。.项目运用数据挖掘、人工智能等交叉领域的先进方法服务传统能源科学，研究成果有助于应对源荷不确定性给系统的运行优化带来的挑战，对保障我国区域综合能源系统的可持续发展具有深远而重要的意义。