1. 华北电力大学(保定) 经济管理系,河北,保定,071000
2. 江苏银行股份有限公司,江苏,南京,210000
3. 华北电力大学 经济与管理学院,北京,102206
纸质出版:2025
移动端阅览
王玉玮,王玉茹,唐 哲,史 琳,张 峰,李兵抗.基于物理信息GAN的生物质-光伏-氢能全可再生能源系统多目标调度[J].智慧电力,2025,53(11):1-9.
WANG Yuwei, WANG Yuru, TANG Zhe, et al. Multi-objective Scheduling for Biomass-Photovoltaic-Hydrogen Integrated Fully Renewable Energy Systems Based on Physics-informed GAN[J]. 2025, 53(11): 1-9.
王玉玮,王玉茹,唐 哲,史 琳,张 峰,李兵抗.基于物理信息GAN的生物质-光伏-氢能全可再生能源系统多目标调度[J].智慧电力,2025,53(11):1-9. DOI: 10.20204/j.sp.2025.11001.
WANG Yuwei, WANG Yuru, TANG Zhe, et al. Multi-objective Scheduling for Biomass-Photovoltaic-Hydrogen Integrated Fully Renewable Energy Systems Based on Physics-informed GAN[J]. 2025, 53(11): 1-9. DOI: 10.20204/j.sp.2025.11001.
为应对生物质-光伏-氢能全可再生能源系统(BPH-FRES)运行中的光伏出力不确定性,并协同优化其经济与环境目标,提出一种融合物理信息生成对抗网络(PI-GAN)的多目标调度方法。首先,构建BPH-FRES系统结构并对关键设备建模;其次,针对光伏出力不确定性,提出PI-GAN框架生成高保真场景,并采用K-means++方法进行场景缩减;在此基础上,建立以运行成本与碳排放最小化为目标的多目标优化模型,并利用改进NSGA-II算法进行求解。仿真结果表明,所提PI-GAN方法能有效生成物理一致的光伏出力场景,显著提升不确定性建模的准确性;基于生成场景的均衡调度策略可在经济性与环保性之间取得良好平衡,实现系统综合运行效益的优化;敏感性分析进一步揭示了关键市场参数对系统运行策略的非线性影响。
To address the uncertainty of photovoltaic (PV) power output and achieve the synergistic optimization of economic and environmental objectives in the operation of biomass-photovoltaic-hydrogen fully renewable energy systems (BPH-FRES),this paper proposes a multi-objective dispatch method that integrates a physics-informed generative adversarial network (PI-GAN).First,the system architecture of BPH-FRES is constructed,and models of key components are developed.Next,to handle the uncertainty in PV power output,a PI-GAN framework is proposed to generate high-fidelity scenarios,which are then reduced using the K-means++ method.Based on this,a multi-objective optimization model aiming to minimize both operational costs and carbon emissions is established and solved using an improved NSGA-II algorithm.Simulation results demonstrate that the proposed PI-GAN method can effectively generate physically consistent PV output scenarios,significantly improving the accuracy of uncertainty modeling.The balanced dispatch strategy based on these scenarios achieves a favorable trade-off between economic and environmental objectives,optimizing the overall operational benefits of the system.Sensitivity analysis further reveals the nonlinear impact of key market parameters on system operation strategies.
柴瑞环,杨昆,房超运,等.“双碳”目标下含碳捕集与电转气的综合能源系统优化调度[J].电测与仪表,2025,62(7):21-29.
王义军,胡一鸣,许家豪.计及风能-碳捕集运行模式下的区域综合能源低碳经济调度[J].电测与仪表,2025,62(8):39-48.
郑妍,姚宣,陈训强.生物质气化耦合发电体系的合成气组分与能量分析[J].发电技术,2023,44(6):859-864.
许健,施锦月,张建华,等.基于生物质热电混合供能的城镇综合能源双层优化[J].电力系统自动化,2018,42(14):23-31.
万庆祝,闵现娟,于佳松,等.需求响应下的电制氢多模式利用综合能源系统优化调度[J].供用电,2024,41(12):81-92.
张林垚,吴桂联,倪识远,等.考虑参数自适应阶梯碳交易的含混氢——碳捕集耦合的农村综合能源系统优化调度[J].电力科学与技术学报,2024,39(3):228-241.
杨胜,樊艳芳,侯俊杰,等.可再生能源ALK-PEM联合制氢系统多时间尺度优化运行策略[J].电力系统保护与控制,2025,53(3):68-80.
刘霁欧,魏业文,李艺博,等.基于主从博弈的含氢综合能源系统优化运行策略[J].电子设计工程,2025,33(8):27-32,37.
康丽虹,贾燕冰,谢栋,等.考虑混氢天然气的综合能源系统低碳经济调度[J].电网与清洁能源,2023,39(7):108-117.
斯琴卓娅.考虑非确定性的综合能源系统多元化用能价格决策研究[D].北京:华北电力大学,2023.
王子馨.基于机器学习的综合能源系统随机优化调度策略[D].北京:华北电力大学,2021.
吴玉寒.基于深度学习场景生成的含电氢转换综合能源系统优化调度研究[D].济南:山东大学,2023.
吴中孚,邓丽君,覃智君.计及多能灵活性的含光热电站综合能源系统多目标分布鲁棒优化调度[J].电力建设,2024,45(12):39-53.
李冠儒,孙亮,罗瑞,等.考虑能量梯级利用的风氢综合能源系统多目标优化配置[J].电力建设,2024,45(10):1-12.
姜延卓,高冲,刘艳云,等.考虑能量转换装置可变效率的综合能源系统多目标优化调度[J].电力系统保护与控制,2025,53(1):71-83.
韩中合,赵昕,杨世明,等.区域综合能源系统多目标优化及改进主客观评价[J].太阳能学报,2024,45(12):606-616.
郑丁园,崔双喜,樊小朝,等.计及风电不确定性的综合能源系统多目标分布鲁棒优化调度[J].智慧电力,2024,52(8):1-8,18.
陈克文,王帅,韩兴臣,等.考虑风电消纳的冷热电联供型综合能源系统多目标日前优化调度[J].电气工程学报,2022,17(3):170-176.
杨安全,赵清松,岳颖,等.电-气-热综合能源系统多目标优化调度[J].东北电力技术,2023,44(12):1-8.
程杉,卢渊涛,王灿.考虑P2G-CCS-HFC协调运行的园区综合能源系统分布鲁棒优化调度[J].电力系统保护与控制,2025,53(10):87-101.
张海伟,刘会家,洪家恩,等.考虑需求响应不确定性的电-热-氢综合能源系统优化调度策略[J].浙江电力,2025,44(4):39-49.
卢佳富,梁宁,徐慧慧,等.动态碳-绿证交易交互机制下多综合能源系统协调优化调度[J].电力系统自动化,2025,49(9):52-60.
李天明,王小君,窦嘉铭,等.基于约束强化学习的综合能源系统优化调度研究[J].电力系统保护与控制,2025,53(6):1-14.
陈亮,刘桂英,粟时平,等.基于双层网络PER-MADDPG算法的综合能源系统协调优化调度[J].综合智慧能源,2025,47(7):44-54.
付泽斌.考虑多目标优化的综合能源系统双层优化调度方法[J].自动化应用,2025,66(7):144-147.
HUANG L,CHEN H,LIU T,et al.Self-supervised learning of hologram reconstruction using physics consistency[J].Nature Machine Intelligence,2023,5(8):895-907.
0
浏览量
8
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621