(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111413692.9 (22)申请日 2021.11.25 (71)申请人 国网山东省电力公司电力科 学研究 院 地址 250003 山东省济南市 市中区望岳路 2000号 申请人 国家电网有限公司 (72)发明人 孙树敏　邢家维　张雪纯　程艳　 张华栋　李勇　于芃　王士柏　 李笋　张兴友　王玥娇　李雪亮　 王楠　关逸飞　刘奕元　周光奇　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 代理人 杨乐(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 数据驱动的综合能源系统鲁棒随机规划的 方法及系统 (57)摘要 本申请提供了一种数据驱动的综合能源系 统鲁棒随机规划的方法， 属于能源规划技术领 域； 具体方案为： 通过由模糊的概率密度函数围 绕一个经验概率密度函数从历史数据构建可再 生能源发电和负荷的供应可靠性模型； 通过 Kullback ‑Leibler散度测度对所述模糊的概率 密度函数和所述经验概率密度函数之间的距离 进行量化； 在模糊集约束的最坏情况分布下， 通 过目标函数使整个服务期内的投资成本和预期 运营成本之和最小； 在极端条件 下供应可靠性模 型采用鲁棒机会约束。 模糊集最坏分布情况的约 束下， 使建设成本和预期的生命周期运行成本 之 和最小。 考虑了正常运行条件下的网络能量流以 及极端条件 下的供需可靠性。 本申请还公开了一 种考虑转动惯量约束的受端能源规划系统。 权利要求书3页 说明书18页 附图2页 CN 114091767 A 2022.02.25 CN 114091767 A 1.一种数据驱动的综合能源系统鲁棒随机规划的方法， 其特 征在于， 包括以下步骤： 通过由模糊的概率密度函数围绕一个经验概率密度函数从历史数据构建可再生能源 发电和负荷的供应可靠性模型； 通过Kullback ‑Leibler散度测度对所述模糊的概率密度函数和所述经验概率密度函 数之间的距离进行量 化； 在模糊集约束的最坏情况分布下， 通过目标函数使整个服务期内的投资成本和预期运 营成本之和最小； 在极端条件下 所述供应可靠性模型采用鲁棒机会约束。 2.如权利要求1所述的数据驱动的综合能源系统鲁棒随机规划的方法， 其特 征在于， 通过Kullback ‑Leibler散度测度对所述模糊的概率密度函数和所述经验概率密度函 数之间的距离进行量 化， 包括： 通过： 计算从p0的密度函数f0( ξ )到P的密度函数f( ξ )的Kul lback‑Leibler散度； 其中， DKL(P||P0)为p0的密度函数到P的密度函数的Kullback ‑Leibler散度， dξ为参量ξ 的微元变量， P0为参考分布， P为模糊集中概 率分布。 3.如权利要求2所述的数据驱动的综合能源系统鲁棒随机规划的方法， 其特 征在于， Kullback‑Leibler散度的形式为： 其中， π0 n为P0的样本概 率， πn为P的样本概 率， n为P的数目。 4.如权利要求1所述的数据驱动的综合能源系统鲁棒随机规划的方法， 其特 征在于， 模糊集为： W＝{P|DKL(P||P0)≤dKL} 其中， P|DKL(P||P0)代表的是PDF中所有概率分布与参考分布P0之间的散度或距离， dKL 是一个常数阈值， 其决定模糊集的大小， 并反映置信水平和距离度量。 5.如权利要求 4所述的数据驱动的综合能源系统鲁棒随机规划的方法， 其特 征在于， dKL>0。 6.如权利要求 4所述的数据驱动的综合能源系统鲁棒随机规划的方法， 其特 征在于， 其中α*是N‑1自由度的χ2分布的上α*分位点， M为模糊集中P DF的个数， χ2代表 χ2分布。 7.如权利要求1所述的数据驱动的综合 能源系统鲁棒随机规划的方法， 其特征在于， 所 述目标函数为： 式中， EP[Q(x, ξ )]表示当不确定参数ξ服从分布P时， 运行成本价值函数Q(x, ξ )的期望 值， cTx为能源中心、 热泵、 ESU和TSU的投资成本 。 8.如权利要求1所述的数据驱动的综合 能源系统鲁棒随机规划的方法， 其特征在于， 鲁 棒机会约束为： 式中， Pr{Dloss( ξ )≤0}表示减载概率， Dloss( ξ )是指在给定不确定数据ξ 的情况下， 极端权　利　要　求　书 1/3 页 2 CN 114091767 A 2天数内的最小未观测负荷； W ′为极端情况下的模糊集； P ′为极端情况下服从的分布， α表示 减载概率的上限值。 9.如权利要求1至8任一项所述的数据驱动的综合 能源系统鲁棒随机规划的方法， 其特 征在于， 通过由模糊的概率密度函数围绕一个经验概率密度函数从历史数据构建可再生能 源发电和负荷的供应可靠性模型之后， 还 包括： 通过对偶理论和平均抽 样近似， 将所述供应可靠性模型转化为一个具有非线性目标和 线性约束的等 价凸规划。 10.一种数据驱动的综合能源系统鲁棒随机规划的系统， 其特 征在于， 包括： 建模模块， 被配置为： 通过由模糊的概率密度函数围绕一个经验概率密度函数从历史 数据构建可 再生能源发电和负荷的供应可靠性模型； 量化模块， 被配置为： 通过Kullback ‑Leibler散度测度对所述模糊的概率密度函数和 所述经验概 率密度函数之间的距离进行量 化； 计算模块， 被配置为： 在模糊集约束的最坏情况分布下， 通过目标函数使整个服务期内 的投资成本和预期运营成本之和最小； 约束模块， 被 配置为： 在极端条件下 供应可靠性模型采用鲁棒机会约束。 11.如权利要求10所述的一种数据驱动的综合能源系统鲁棒随机规划的系统， 其特征 在于， 通过Kullback ‑Leibler散度测度对所述模糊的概率密度函数和所述经验概率密度函 数之间的距离进行量 化， 包括： 通过： 计算从p0的密度函数f0( ξ )到P的密度函数f( ξ )的Kul lback‑Leibler散度； 其中， DKL(P||P0)为P0的密度函数到P的密度函数的Kullback ‑Leibler散度， dξ为参量ξ 的微元变量， P0为参考分布， P为模糊集中概 率分布。 12.如权利要求10所述的数据驱动的综合能源系统鲁棒随机规划的系统， 其特 征在于， 模糊集为： W＝{P|DKL(P||P0)≤dKL} 其中， P|DKL(P||P0)代表的是PDF中所有概率分布与参考分布p0之间的散度或距离， dKL 是一个常数阈值， 其决定 了模糊集的大小， 并反映了 置信水平和距离度量。 13.如权利要求10所述的数据驱动的综合能源系统鲁棒随机规划的系统， 其特 征在于， 所述目标函数为： 式中， EP[Q(x, ξ )]表示当不确定参数ξ服从分布P时， 运行成本价值函数Q(x, ξ )的期望 值， cTx为能源中心、 热泵、 ESU和TSU的投资成本及施工成本 。 14.如权利要求10所述的数据驱动的综合能源系统鲁棒随机规划的系统， 其特 征在于， 鲁棒机会约束为： 式中， Pr{Dloss( ξ )≤0}表示减载概率， Dloss( ξ )是指在给定不确定数据ξ 的情况下， 极端 天数内的最小未观测负荷， W ′为极端情况下的模糊集； P ′为极端情况下服从的分布， α表示 减载概率的上限值。权　利　要　求　书 2/3 页 3 CN 114091767 A 3