各种优化算法及能源模型在能源系统中的应用(林明1132202121)

各种优化算法及能源模型在能源系统中的应用据统计，我国煤炭资源总量占世界总储量的11％，居世界第3位：石油总资源量为占世界总资源量的2％，居世界第10位。同时我国幅员辽阔，也具有丰富的新能源和可再生能源资源。我国的能源资源总量丰富，但我国也存在着许多能源问题：首先，由于人口众多，能源资源人均占有量不足。其次，我国的能源因种类繁多而不均衡，实际开采难度比较大，能源在综合利用方面效率低下，能源的发展后劲不足。此外，我国以煤为主的不合理的能源消费结构，导致环境污染问题严重。面对严峻的能源问题，中央政府一直在倡导节能减排，节能减排取得了一定的成效，但能源的根本问题并没有解决。因此，除了节约能源、减少消耗、不透支目前中国的能源支撑外，我们要改变中国的能源现状，重在优化中国的能源结构，也就是说对煤炭资源不能再过度的依赖，一定要大力提高天然气在各种一次能源中的使用比例，在上述的基础上，加大可再生能源的发展比例，增加电力的供应以保障我国能源供应的安全。特别是要重点发展水电、风电、核电、太阳能，配合其他的一些补充发电形式，实现能源利用的多元化。能源系统是包含能源的开采、供应、转换、储存和利用等复杂环节的巨系统，能源系统优化的重要部分是对系统中各个环节的优化。能源系统是同时具有交互性、动态和不确定性的复杂系统。为了将复杂系统研究清楚主要是通过区域的能源规划来达到优化能源系统的目的，目前已经开发了大量优化算法对其进行研究。能源系统模型领域在过去的几十年里已经有很大的收获，这些模型用于帮助决策者制定科学合理的管理政策。1.确定性能源系统模型世界经济的发展面临能源供应负担日益严峻，能源开发利用的安全可靠性和更高的环保性等要求的巨大挑战，为应对因化石能源价格飙升、能源供应量不足和老化的能源构架等等引发的问题，科学家们已经在不同的数学算法的基础上，建立了大量的能源模型，用于解决能源系统中存在的交互性、动态和不确定性等问题，并为决策者提供决策支持。这些优化算法大致可以分为：线性规划，动态规划，多目标规划三种，用来解决能源模型中能源资源分配，能源转换，设备运行、装机扩建，污染物排放等问题。1.1确定性优化模型在能源系统中的应用1.1.1一般线性规划模型线性规划法是目前应用较为广泛的数学方法。线性规划的数学模型可以叙述为：在满足一组线性约束条件下，求多变量线性函数的最优值(最大值或最小值)。其主要优点是计算简单，求解的规模较大，适合用来求解能源模型。线性规划广泛用于能源系统优化求解。Singpurwalla(1975)建立了线性规划能源模型，求解能源系统的最小费用问题。Satsangi和sama(1988)建立线性规划模型，解决印度经济发展所需能源的问题，模型约束中包含资源、容量、能源需求量约束。Macchiato等人利用线性规划解决能源系统中污染物的排放处理最小花费问题。Lejano等人使用线性规划制定车辆污染物排放控制战略。Balm等人研究开发出一个线性规划模型用于计算四个欧洲国家在削减二氧化碳排放量时的合作收益情况。Jones等人应用线性规划方法建立能源环境管理模型，量化能源使用和污染物排放的闯题。Carlson建立线性能源模型用于解决考虑环境费用的能源系统重组问题。Sinha和Dudhani将线性规划应用在不同技术和花费系数的可再生能源资源领域。Avetisyan等人应用线性规划方法研究电厂装机优化扩容问题。Akella等人建立线性能源系统优化管理模型解决可再生能源资源在远郊区发电优化问题。以上研究表明：线性规划应用十分广泛，但线性规划不能对决策制定进行整体的分析进而获得有效的决策支持。先前的研究充分考虑到能源，经济，环保，各种技术等因素，对能源模型的复杂性、交互性进行了有益的尝试。这类能源模型将各种能源利用效率、能源系统经济效益比较，不但能提供详细的能源供求信息，而且可以获得不同能源转化技术的供应、转化、运输和需求情况。市场分配模型(MARKAL)是此类模型中最早的大规模能源模型之一。在国际能源署(IEA)的指导帮助下，科学家们建立了十七个国家共同参与的能源模型，用于评估基于环境政策提出的能源策略和技术对一个国家，一个地区、一个州或者一个省所产生的影响。在满足一个长期规划过程终端用户对能源的需求和能源出口的前提下，对能源资源进行合理分配，并满足系统费用最小。模型构建的前提是假设所有环节运作都在一个竞争的环境中完成，以满足最小花费的机制对能源资源进行配置。1.1.2多目标规划模型多目标规划是处理含有多个目标、多层次和多准则优化模型的有效工具。由于能源系统比较复杂，涉及很多利益相关部分，所以决策者需要考虑的系统目标往往包括经济、环境、社会等方面内容，与此对应的优化模型的目标函数随之具有多个特征。在能源系统规划中常常关注经济方面的最优化与环境保护之间产生的矛盾。Guldmann和Shefer建立多目标线性规划用于电厂选址和确定最优的污染物排放方案。Climaeo等人将多目标线性规划引入到发电技术装机扩建领域中，建立了包括扩建电厂的净现值，供电系统的可靠性和电厂扩建可能对环境产生的影响三个目标函数Borges和Antunes建立了多目标线性规划解决伊朗的能源经济规划管理问题。邱立新等人运用多目标决策方法对与社会经济、环境协调发展的能源结构优化模型进行研究，并建立模型对我国2020年能源结构进行优化。戴晨翔等人在实施峰谷分时上网电价政策的市场环境下，综合考虑火电厂运行成本、环境保护和水电厂发电效益的不同利益要求，提出了一种水火混合电力系统短期多目标发电计划优化模型。多目标线性规划被用来处理大尺度多目标的能源系统规划问题。然而多目标规划，只是将系统中需要解决的多个目标联合起来，并没有提供一个直接的结果。多目标规划只有在相关模数确定之后才能使用，以MARKAL模型为例，大多数情况下，线性规划的MARKAL模型以总系统花费最小为目标函数，其他目标，例如控制最小的污染物排放量、化石能源消耗量和最大限度的对可再生能源进行利用都紧密的结合在模型中。通过调整相关的系统模数，多目标决策相关的能源系统问题可以有效的解决。2.基于不确定条件下的能源系统模型能源系统是一个由大量带有不确定性因素和成分组成的复杂系统。例如，未来可获得的能源供应量、能源需求量以及所需技术很难以确定的数据准确预测。在优化过程中忽略不确定性将会产生不满足实际情况的决策支持。这些不确定性可以用随机数、模糊数或者区间数表示，随后出现的随机规划，模糊规划和区间参数规划等方法，用于解决这些不确定性问题。这些方法已经广泛的应用于能源与环境系统规划管理过程中。2.1随机规划模型当输入值是随机数时，使用随机规划方法求解。决策过程中内在的不确定性可由约束的随机数据、右边约束或者目标函数表示。随机规划的优势在于：反映实际情况中的复杂问题而不将其简化，随机规划允许决策者对系统的不确定性做全局性把握，并且输入值和输出值都可以用不确定数据表示。随机规划在求解时先转化为相对确定的形式，结果在一定程度上反映随机特性。两阶段随机规划(Two-stagestochasticprogramming(TSP))是将随机规划转化为相对确定形式的一种方法．当需要获得政策分析方案但数据不确定时，两阶段随机规划可以有效的解决这一问题。两阶段随机规划的基本理论是补偿：当一个随机事件发生后，会对规划的事件产生影响，两阶段的出现，可以有效的对随机事件所引发的问题进行补偿。两阶段规划中，基于一个不确定事件进行第一阶段的决策，当未来的不确定事件发生变化，启动一个补偿机制，最初的决策称为第一阶段，补偿行为称之为第二阶段。目标函数为基于两个阶段所有决策的最小系统花费。在过去的几十年内，两阶段随机规划已经得到了广泛的应用。例如，Mobasheri和Harboe将两阶段应用于水库运行优化模型中。Cheung和Chen将两阶段随机规划应用到集装箱分配问题中。两阶段随机规划在水资源研究领域也有大量的应用。机会约束规划(Chance-constraintprogramming(CCP))是将随机规划转化为相对确定规划形式的另一种方法。在一个机会约束规划模型中，模型约束不需要完全满足，只需要在一定的置信水平下满足约束条件即可。机会约束规划可以有效的解决约束右边是概率分布已知的不确定随机数的情况。Rakes和Reeves提出了一个针对机会约束规划选择可行域范围的方法，Mohamed将机会约束规划方法扩展到其他数学规划方法中并进行了广泛的应用。EheaIIt和Valocchi建立了混合整数机会约束方法，研究地下水污染物修复问题。Huang建立了区间参数线性规划模型解决水资源管理问题。Liu等人将机会约束方法应用于不可再生能源优化模型的研究中。2.2模糊规划模型模糊规划是模糊理论与基本数学规划结合的产物。模糊规划主要分为两类：模糊弹性规划与模糊随机规划。在模糊弹性规划中，约束是弹性的，目标函数是模糊的。利用模糊集表示模糊约束和模糊目标，结合基本数学规划，构成了模糊弹性规划。在模糊随机规划中，根据问题的具体情况，将模糊参数引入到基本数学规划中构建不同的中问模型。模糊理论已经与大量的数学规划相结合，出现了模糊整数规划，模糊动态规划、模糊多目标规划，模糊随机规划。例如lgnizio和Daniels将模糊理论与0-1规划(混合整数规划)相结合建立了一个网络模型。Fabian和Stoica利用由几个模糊隶属函数和一个确定的公式构成的模型解决模糊整数规划问题，为问题的解决提供了直接的模拟过程。ESogbue建立了两个模糊动态规划模型应用于非点源水污染控制规划管理中。Sakawa和Yano对模糊多目标规划方法的发展做出了很大的贡献，将交互式模糊满意度引入到多目标线性规划中，解决多目标线性规划问题。模糊规划还可与线性、指数、双曲线、反双曲线和分段线性函数等算法相结合。Sakawa和Yano将模糊方法进行深入开发，求解多目标线性分段函数和非线性函数中的问题。模糊规划在能源系统规划方面有很多应用。例如，Sommer和Pollatschek应用模糊规划解决空气污染问题。Slowinski和Slowinski等人应用模糊多目标线性规划研究水资源的供应问题。Kindler应用模糊线性规划解决水资源的合理分配、使用问题。Mavrotas等人将模糊线性规划引入到能源模型领域寻求系统的最优费用。Sadeghi和Hosseini应用模糊线性规划对伊朗的能源供应问题进行了研究。Muela等人应用模糊随机规划对发电系统的环境指标进行控制。2.3区间规划模型区间规划广泛应用于系统的不确定问题中。区间规划与模糊规划、随机规划不同。区间规划用包含上下界的区间数表示不确定性，而不需要收集大量的数据用于获得分布函数或者隶属函数。关于区间规划，早在1988年，Jansson就提出用自我确定的方法解决区间规划中输入数据的不确定性问题。Matloka对不确定性规划方法进行了大量的研究并提出了相应的解法。黄国和等人建立了区间参数线性规划方法并将其应用于各种环境系统管理模型中。3.小结上述分析表明在全球、国家和区域范围内对能源系统管理方面已经建立了各种各样的模型。这些模型的成立有一个前提：认为能源系统是一个整体。决策者可以利用这些模型对能源系统进行短期或者中长期的规划，用来处理能源系统发展和气候变化等问题。然而，缺少一种小规模能源系统模型，用于解决具有交互式、动态特征的区域问题。在规划过程中使用的随机、模糊等数学方法，可以有效的解决模型中存在的可能性和随机不确定性问题．然而，在能源系统模型中，许多不确定性参数和影响因子无法获得足够多的数据满足随机特征分布或者获得相应的隶属函数，只能以区间数形式表示。单纯的随机规划或者模糊规划仅能表达随机或者模糊信息而无法反映区间信息。敏感性分析方法和最优最劣方法应用于区间线性规划中对于结果的连续性、稳定性和可靠性方面有较为明显的缺陷。综上所述，区间参数规划有明显的优势，通过区间信息可以有效的解决小规模的能源系统中的不确定性问题。随着城市规模的扩建，能源系统也随之扩大。更多的能源，经济环境问题