综合能源系统：规划及运行优化智慧决策平台介绍

用程序来自动化计算综合能源的方案并进行评估，在软件工程上是可行的。对装机方案的获取算法来说，把它处理成线性规划问题以后，实际上可以打幅度提高求解的效率，使得整个项目在效率上是可以接受的。通过选择合适的模型，可以基本上模拟专业人员在设计方案选择方面的逻辑推理，并获得一致性的方案。

——北方大贤风电科技（北京）有限公司总经理钱胜利

11月20日，北京市昌平区科学技术委员会、华北电力大学技术转移转化中心、中关村华电能源电力产业联盟、中国电力云平台等单位举办“2020年中国园区智慧能源高峰论坛”，与大家共同探讨园区智慧能源的市场开发、技术创新和商业模式等，北极星电力网全程直播。

直播专题：2020年中国园区智慧能源高峰论坛

北方大贤风电科技（北京）有限公司总经理钱胜利作题为《综合能源系统：规划及运行优化智慧决策平台介绍》的演讲。

以下为发言实录：

今天我汇报的题目是“综合能源系统：规划及运行优化智慧决策平台介绍”，我会围绕这样的平台产品来展开，在源、网、荷、储规划协调和运行优化的目标下，怎么样进行数学建模，怎么样进行求解，来获得比较符合工程实际的负荷模拟、装机造型、运行优化及经济性评价指标。

这个平台历经两年时间，基本实现了初可研阶段的智能化设计和SaaS化服务。这里面用到了不少的AI模型，将来的用途希望能够支持专家的决策来提高设计效率。

这个平台都是围绕着智能规划展开的，有这样几个关键功能：1、负荷模拟。2、装机方案和运行方式的声称和优化。3投资估算和精细评价。4方案对比和报告输出。

大概工作逻辑就是大家看到的下面的流程，这个流程分三部分，输入。主要包括场景选择，比如说民用方案、工业方案。跟场景所对应的参数设定。边界条件，包括燃气价格、购电成本、可用于储能的建设条件等等，这块输入给平台。平台根据这个条件可以进行负荷模拟，当然我们也支持外部软件的负荷模拟结果的上传。有了负荷模拟之后这里面最核心的部分就是选型和运行优化。这里补充一点，运行和优化第一次在业务平台当中实现了两层优化，选型和运行方式迭代优化过程中是耦合进行的，不是先定选型、后定运行方式。每一步的迭代过程会调用一个简化的经济性评价模型，然后经过多步迭代之后会找到一个合适的选型和运行方式的结果，基于这个结果再做完整的经济性评价。

最右边这部分就是结果，会输出什么结果呢？会输出各种能源供应方式对应的配置，比如说风的发电量、小时数，包括建设规模等等，光、储能、分布式燃气对应的优化的装机方案、型号、数量。刚才也提到了，这里面同步也会有运行方式的输出结果，综合经济性评价，包括输出。

通过这个框图大家大致能够了解整个系统的运行方式。下面我就它具体的技术实现给大家分享一下。

从技术角度来讲：1、这个平台是基于B/S架构，方便大家都点登录、无需安装就可以全流程的再现完成综合能源的规划评估。2、负荷曲线，存量项目是支持外部导入的，在你的账号下可以提前部署一些典型的负荷曲线，也可以把你之前做过的一些项目关键成果导入到平台，平台会在你下一次做新项目的时候提示你的旧项目形成的一个智慧库，如果有相近的用能需求的项目会把存量项目的经验展现给你，你可以形成一个知识积累。3、设备接入，我们内置了一批设备，也支持客户通过数据库来去导入。4、外部自然资源。风光资源，我们有专门的风光资源库，是免费在云上开放的，也可以通过这个平台实现接入的，也可以键入到这个平台内部。

现在我们支持的设备覆盖度已经比较广泛了，备选的设备类型是比较充分的，备选的设备类型每个设备类型的参数，运行参数、包括造价、安装成本，将来运行过程中的维护成本，这些都是同步输入在模型当中的。

有了刚才的基础参数录入过程之后，这个平台结合 自己的流程就可以来支持我们的项目了。第一步，模拟负荷。要想模拟得准是很依赖历史数据击键的积累和完善及所以我们也是帮助用户能够去很好的量化负荷需求曲线，把历史库做的比较丰富，这样客户项目积累的越多，他的负荷模拟就会越准。

我们这里提供了新建负荷曲线三种方法：第一，地块筛选法。可以根据不同的地块类型添加这个项目的用能地块，我们会根据对应的用能的面积和类型来计算出总负荷。第二，存量对标法。就是刚才我说的历史数据非常重要，存量项目的负荷曲线可以在这边被调取，大家可以根据建设规模的不同调整，这样同样类型的项目如果做过一次或者做过多次，下一个同类项目的负荷模拟就会方便很多。第三，指标法，就是直接你来配置负荷曲线。

这个平台目前支持这样一些项目的规划：单独的分布式燃气项目、单独的风电项目、单独的光伏项目、单独的电储能项目、单独的充电桩项目，以及上面提到的这五类的组合，支持多种不同的优化目标，因为要让计算机去做选型和运行方式的确定，你要给计算机一个目标，所以我们这里内置了四个目标，这四个目标基本上囊括了咱们做项目优化的时候所要考虑到的四个方面。

具体是这样四个目标，右上角大家可以看到：1、效益最优，这里主要是投资回报率或者净现值，为什么提净现值？这也是为了数学上实现的方便。2、效率最优，是从能效家度去分析的。3、初始投资最低。4、最低碳方案。

其实我们知道，数学优化这样问题的求解涉及到三个基本要素：1、变量。2、目标函数。3、约束条件。刚才提到我们为什么选净现值，而没有选内部收益率？就是我们把内部求解能够转化成内部规律问题，用了净现值以后它的整个计算规模会发生量级式的减小，这样就把原来只能用于理论研究的一些综合能源规划的过程变成一个计算机可以现实实现的就是我们可以接受求解过程，就是为什么选择净现值，而没有选择内部收益率。

建模人员负责将各个非线性因素尽量线性化，我们需要引入新的变量保持系统的现行化，进而采用的运筹优化中的分支定界算法逐步迭代出越来越好的解，直到你接近理论上的全局最优。这里可能有经验的综合能源规划人员都会知道，我们会对负荷去分段，我们把这个分段过程让计算机自动去归类，对不同典型日进行抽样和聚类之后能把变量的规模进行极大的缩小，这样的话让他的求解过程变成一个我们从工程上可以接受蓝规模，于是就可以进行求解。

这里面还涉及到调峰/调蓄的过程。作为调蓄，将负荷尖峰尽可能的转移到负荷低谷，这样我们做优化的时候先考虑调蓄对负荷曲线影响，再做优化调节。调峰原则，配合日内分段来发挥调峰的作为，每日峰谷电价时段分别决策选择哪个设备。这样负荷曲线变化以后，分段后满负荷率会大幅度提升。满负荷率提升就意味着主机利用率的大幅度提升，也意味着整个项目设计效率的提升。

经过优化获得对应的装机方案，比如说效益最优方案或者是你选择其他优化目标，比如说初期投资最低优化方案，最终其实得到的都是一个推荐的装机方案和运行方式。基于这个装机方案和运行方式，下一步我们系统运行平台当中就集成了经济性评价板块，经济性评价板块这里面是他考虑的一些参数和一些输出，基本上会覆盖咱们在做初可研的时候所需要考虑到的各个关键指标。

为了尽量准确的评估装机方案，这个经济效应，同时考虑到商业化专门的财务软件跟咱们这个软件接入可能还有一定不便，所以我们就做了很多的修改，基本上能够囊括咱们专业的经济评价软件所涉及到的各个关键参数，我们做了一些对比，可能跟专门的财务软件略有差别，但是数值是详尽的，就是说基本上是尾数略有差异。

我们做了一系列的测试，这个测试报告很长，我就摘了测试的总结。我们现在行业有很多综合能源平台，对比一下，很的平台目前对装机方案还是由人工来选择机组，就是根据负荷从表格里面去选，选完之后对负荷进行匹配，然后再做经济性评价。我们这个平台是把过去好多理论工作，但是一直没有平台实现的自动化的装机方案也集成进去了。到底跟设计员人工做的方案之间差异有多大呢？我们设计了一个非常系统的实验，我这里把实验的结论给大家大致说一下。

第一个，我们设计了逻辑响应实验，就是来检验模型对设备造价、燃料价格、机组小时数、调蓄等等他的响应机制，我们经过实验以后，每个机制都是有的，举一个例子，比如说对设备造价，同一类设备，不同的品牌，可能初始造价，我们的人工把它拉开差距计算机是不是就会去抓那个便宜的设备，这是一个测试。另外，我们把燃料价格调高或者调低，看计算机对运行方式上能不能对它进行响应，比如说燃料价格非常低，它对外部电的需求是不是就会急速的下降，我们经过一些测试以后，发现这些响应机制都是正常的。

第二个，常见设备的单个模型，我们进行测试判断它是无误、结果是相近的。

第三个，模型方案出力的连续性是比较好的。我们知道有时候计算机出的方案可能为了局部最优解，可能得到的是现实中不会进行的运行方式，比如说频繁的切换设备，我们这个模型里进行很多约束，这样他获得出力连续性是比较好的，出力分配也符合生产实际的业务逻辑，主机的出力是稳定的。

第四个，在冷热负荷项目中模型给出的结果跟人是相近的，这个是我们最后一个实验，也是这个项目之所以通过专家肯定的一个终极结果。当时我们选择了不同的已经做完定型的色彩可研报告，我们交给这个平台，看他选的这个机型和可研里面人选的机型差别到底有多大，我们经过人机对比，模型选择结果基本上跟人接近，而且经济性指标也基本相当，投资回报率等等也都是对应的。

第五个，性能测试，求解时间根据求解器的不同，选择开源求解器还是商业化求解器，是在小时以内分钟、秒级可以完成不同规模的项目，这个也是在咱们可以接受的范围之内。

简单总结一下，这个项目其实得到了这样几个可以供大家参考的结论：

1、用程序来自动化计算综合能源的方案并进行评估，在软件工程上是可行的。

2、对装机方案的获取算法来说，把它处理成线性规划问题以后，实际上可以打幅度提高求解的效率，使得整个项目在效率上是可以接受的。

3、通过选择合适的模型，可以基本上模拟专业人员在设计方案选择方面的逻辑推理，并获得一致性的方案。

随着模型考虑的因素越来越多，相信这个模型会逐渐缩小与业务专家的差距。另外，因为能够全局化的去巡优，相信也能够规避单个个体做项目规划时候数值上的盲区，可能逻辑上的盲区专家基本上不会犯，但是数值上的盲区，从速度上、效率上很可能会超越专家。当然这个平台未来还有很多进一步提升的空间，一个是在软件方面，因为第一阶段的工作核心还是做数学模型，所以软件流程上其实有很多值得优化的地方，这个是需要去改进的。另外，模型方面，暂时没有考虑负荷的不稳定性，比如说入住率、备用容量、项目风险等等，这些将来还有新的工作需要去完成。

优化目标，离现实还有一些距离，比如我们说的最低碳目标，计算机不考虑经济效益，其实现实中应该是，从效益相对补错的项目当中挑几个比较低碳的项目，而不是只看低碳，所以这一块我们在下一个版本中也会进一步优化，包括刚刚提到的初始投资最低，计算机就会只看初始投资，不看回报率，这个跟现实中也是不合适的，设定收益率底线作为边界条件，然后让计算机去寻找一个初始投资比较低的配置方案。

第三点待改进的部分，还需要引入成熟的风光资源技术，建立资源库，目前风光的装机采用直接人工配置，只有把风光也做成自动化，比如把房顶面积给出，把可用的风电装机范围，分散式风电，比如一个化工厂背后有一个后山，把范围圈出来就自动生成对应的模型，这样就能够从燃气分布式的智能化走向真正完整的综合能源智能化。

（根据现场速记整理，未经嘉宾审核）