计及置信容量的光热光伏配置方法、系统、设备和介质与流程

阅读：评论：0

1.本发明属于新能源发电技术领域，具体涉及一种计及置信容量的光热光伏配置方法、系统、设备和介质。

背景技术：

2.目前，新能源产业发展迎来重大机遇和挑战。随着常规火电机组逐渐退役，风电、光伏等具有波动性、间歇性的新能源发电技术接入电网的比例越来越大，对电网稳定性和可靠性造成了一定的影响。光热发电是一种优秀的火电替代电源，光热发电是一种利用太阳能热的发电技术，它是通过聚集、吸收太阳能用以加热工作介质，再用工作介质加热产生水蒸气推动汽轮机发电。光热电站中的发电机组具备启动快，响应快等特点，具有较高的调节性能，且由于大部分光热电站配置了储热系统，具备平抑输出波动性的能力，能够有效提高电力系统运行的稳定性和灵活性；同时，光热发电能够弥补风电、光伏发电的波动性，提高系统消纳风电、光伏发电的能力。光热发电打捆光伏是一种有潜力的发展模式。
3.光热发电替代火电的能力还没有定论，光热电站的容量价值如何还没有一个明确的说法。现有关于光热发电的研究，一般都是基于经济性(单位电价，平准化度电成本等)对光热电站进行优化，虽然经济性及其重要，但是电源侧不确定性增加，在可靠的常规火电机组无法满足全部负荷供电的需求时，电力保障难度增大，特别是极端气候条件下的电力供应难度更大。

技术实现要素：

4.为克服上述现有技术的不足，本发明提出一种计及置信容量的光热光伏配置方法，包括：
5.获取电力系统参数值；
6.根据所述电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；
7.将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；将所述最优容量配置参数作为光热光伏联合发电系统的容量配置结果；
8.其中，所述多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建的。
9.优选的，所述多目标优化函数模型的构建，包括：
10.以最小化度电成本和最大化容量置信度为目标，将关联数值作为参量构建多目标优化函数；
11.以火电机组和光热电站的运行约束为约束条件，构建多目标优化函数模型；
12.其中，所述关联数值至少包括下述的一种或多种：光热装机容量、光伏装机容量、
太阳倍数和储热时长；所述运行约束至少包括下述的一种或多种：功率平衡约束、火电机组出力约束、火电机组爬坡约束、光热电站爬坡约束、光热电站出力约束、光热电站容量约束、光热电站充热功率约束和光热电站放热功率。
13.优选的，所述约束条件对应的计算式如下：
[0014][0015]
其中，p
ic,t
表示t时刻第i台常规火电机组出力；p
jcsp,t
表示t时刻第j座光热电站出力；p
kpv,t
表示t时刻第k座光伏电站出力；p
l,t
表示t时刻负荷功率；nc表示常规火电机组台数，i＝1，
…
，nc；n
csp
表示光热电站机组台数，j＝1，
…
，n
csp
；n
pv
表示光伏电站数量，k＝1，
…
，n
pv
；p
i,min
表示火电机组出力下限值；p
i,max
表示火电机组出力上限值；r
ic,d
表示第i台火电机组最大向下爬坡功率；r
ic,u
表示第i台火电机组最大向上爬坡功率；p
ic,t-1
表示t-1时刻第i台常规火电机组出力；p
jcsp,min
表示光热电站出力下限值；p
jcsp,max
表示光热电站出力上限值；r
jcsp,d
表示第j台光热电站机组最大向下爬坡功率；r
jcsp,u
表示第j台光热电站机组最大向上爬坡功率；表示储热系统储热的下限值；表示储热系统储热的上限值；表示充热功率下限值；表示充热功率上限值；表示放热功率下限值；放热功率上限值。
[0016]
优选的，所述多目标优化函数对应的计算式如下：
[0017]
min f1＝lcoe(sm,t
tes
)
[0018]
max f2＝cc(sm,t
tes
)
[0019]
其中，f1表示光热光伏联合发电系统的度电成本lcoe；f2表示光热光伏联合发电系统的容量置信度cc；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长。
[0020]
优选的，所述电力系统参数值至少包括下述的一种或多种：电力系统实际负荷值、常规火电机组参数值和太阳能辐射样本数据；所述最优容量配置参数至少包括下述的一种或多种：光热光伏最优容量配比值、光热电站最优配置值、储热系统容量、集热场容量和光热光伏装机容量配比值。
[0021]
优选的，所述接入光热光伏联合发电系统的可靠性的计算式如下：
[0022]
r＝f(c
con-c
rep
+c
csp
+c
pv
,l)
[0023]
其中，r表示可靠性计算结果；f(
·
)表示可靠性评估函数；c
con
表示常规火电机组装机容量；l表示光热光伏联合发电系统负荷；c
pv
表示光热光伏联合发电系统中新增的光伏发电系统容量；c
csp
表示光热光伏联合发电系统中新增的光热发电系统容量；c
rep
表示可以被代替的常规火电机组容量。
[0024]
优选的，所述基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算，包括：
[0025]
步骤s11：随机生成粒子参数；
[0026]
步骤s12：初始化粒子参数，并以被代替的常规火电机组容量表示粒子的位置；
[0027]
步骤s13：计算加入光热光伏联合发电系统可靠性结果和度电成本；
[0028]
步骤s14：将光热光伏联合发电系统对应的可靠性计算结果和初始发电系统对应的可靠性结果之差作为适应度函数；
[0029]
步骤s15：根据所述适应度函数更新粒子位置，确定每一个粒子和体的历史最优位置；
[0030]
步骤s16：计算适应度函数值是否满足预设的终止条件；若满足执行步骤s17，否则返回步骤s13；
[0031]
步骤s17：得到光热光伏联合发电系统装机容量数组，选择度电成本最低的容量配置，计算容量置信度。
[0032]
优选的，所述将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数，包括：
[0033]
采用快速非支配排序遗传算法对所述多目标优化函数模型进行求解，得到光热光伏联合发电系统的度电成本对应的第一最优解集和光热光伏联合发电系统的容量置信度对应的第二最优解集；
[0034]
针对所述第一最优解集采用熵权法进行计算，得到光热光伏联合发电系统中度电成本对应的第一权重值；
[0035]
针对所述第二最优解集采用熵权法进行计算，得到光热光伏联合发电系统中容量置信度对应的第二权重值；
[0036]
基于所述第一权重值和第二权重值，采用加权理想点法对所述多目标优化函数进行处理，得到能够同时满足最小度电成本和最大容量置信度对应的最优容量配置参数。
[0037]
优选的，所述采用加权理想点法对所述多目标优化函数进行处理对应的计算式如下：
[0038][0039]
其中，minf(x)为同时满足最小度电成本和最大容量置信度的容量配置函数表达式；x表示(sm,t
tes
)；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长；ω1表示第二权重值；ω2表示第一权重值；cc(x
*
)表示最大容量置信度；x
*
表示获得最大容量置信度的太阳倍数和储热时长；lcoe(x
**
)表示最小度电成本；x
**
表示获得最小度电成本的太阳倍数和储热时长。
[0040]
基于同一发明构思，本发明还提供了一种计及置信容量的光热光伏配置系统，包
括：
[0041]
参数值获取模块：用于获取电力系统参数值；
[0042]
置信度计算模块：用于根据所述电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；
[0043]
容量配置模块：用于将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；将所述最优容量配置参数作为光热光伏联合发电系统的容量配置结果；
[0044]
其中，所述多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建的。
[0045]
优选的，所述容量配置模块中多目标优化函数模型的构建，包括：
[0046]
以最小化度电成本和最大化容量置信度为目标，将关联数值作为参量构建多目标优化函数；
[0047]
以火电机组和光热电站的运行约束为约束条件，构建多目标优化函数模型；
[0048]
其中，所述关联数值至少包括下述的一种或多种：光热装机容量、光伏装机容量、太阳倍数和储热时长；所述运行约束至少包括下述的一种或多种：功率平衡约束、火电机组出力约束、火电机组爬坡约束、光热电站爬坡约束、光热电站出力约束、光热电站容量约束、光热电站充热功率约束和光热电站放热功率。
[0049]
优选的，所述容量配置模块中的约束条件对应的计算式如下：
[0050][0051]
其中，p
ic,t
表示t时刻第i台常规火电机组出力；p
jcsp,t
表示t时刻第j座光热电站出力；p
kpv,t
表示t时刻第k座光伏电站出力；p
l,t
表示t时刻负荷功率；nc表示常规火电机组台数，i＝1，
…
，nc；n
csp
表示光热电站机组台数，j＝1，
…
，n
csp
；n
pv
表示光伏电站数量，k＝1，
…
，n
pv
；p
i,min
表示火电机组出力下限值；p
i,max
表示火电机组出力上限值；r
ic,d
表示第i台火电机组最大向下爬坡功率；r
ic,u
表示第i台火电机组最大向上爬坡功率；p
ic,t-1
表示t-1时刻第i台常规火电机组出力；p
jcsp,min
表示光热电站出力下限值；p
jcsp,max
表示光热电站出力上限值；r
jcsp,d
表示第j台光热电站机组最大向下爬坡功率；r
jcsp,u
表示第j台光热电站机组最大向上爬坡功率；表示储热系统储热的下限值；表示储热系统储热的上限值；表
示充热功率下限值；表示充热功率上限值；表示放热功率下限值；放热功率上限值。
[0052]
优选的，所述容量配置模块中多目标优化函数对应的计算式如下：
[0053]
min f1＝lcoe(sm,t
tes
)
[0054]
max f2＝cc(sm,t
tes
)
[0055]
其中，f1表示光热光伏联合发电系统的度电成本lcoe；f2表示光热光伏联合发电系统的容量置信度cc；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长。
[0056]
优选的，所述电力系统参数值至少包括下述的一种或多种：电力系统实际负荷值、常规火电机组参数值和太阳能辐射样本数据；所述最优容量配置参数至少包括下述的一种或多种：光热光伏最优容量配比值、光热电站最优配置值、储热系统容量、集热场容量和光热光伏装机容量配比值。
[0057]
优选的，所述置信度计算模块中接入光热光伏联合发电系统的可靠性的计算式如下：
[0058]
r＝f(c
con-c
rep
+c
csp
+c
pv
,l)
[0059]
其中，r表示可靠性计算结果；f(
·
)表示可靠性评估函数；c
con
表示常规火电机组装机容量；l表示光热光伏联合发电系统负荷；c
pv
表示光热光伏联合发电系统中新增的光伏发电系统容量；c
csp
表示光热光伏联合发电系统中新增的光热发电系统容量；c
rep
表示可以被代替的常规火电机组容量。
[0060]
优选的，所述置信度计算模块中基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算，包括：
[0061]
步骤s11：随机生成粒子参数；
[0062]
步骤s12：初始化粒子参数，并以被代替的常规火电机组容量表示粒子的位置；
[0063]
步骤s13：计算加入光热光伏联合发电系统可靠性结果和度电成本；
[0064]
步骤s14：将光热光伏联合发电系统对应的可靠性计算结果和初始发电系统对应的可靠性结果之差作为适应度函数；
[0065]
步骤s15：根据所述适应度函数更新粒子位置，确定每一个粒子和体的历史最优位置；
[0066]
步骤s16：计算适应度函数值是否满足预设的终止条件；若满足执行步骤s17，否则返回步骤s13；
[0067]
步骤s17：得到光热光伏联合发电系统装机容量数组，选择度电成本最低的容量配置，计算容量置信度。
[0068]
优选的，所述容量配置模块中将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数，包括：
[0069]
采用快速非支配排序遗传算法对所述多目标优化函数模型进行求解，得到光热光伏联合发电系统的度电成本对应的第一最优解集和光热光伏联合发电系统的容量置信度对应的第二最优解集；
[0070]
针对所述第一最优解集采用熵权法进行计算，得到光热光伏联合发电系统中度电成本对应的第一权重值；
[0071]
针对所述第二最优解集采用熵权法进行计算，得到光热光伏联合发电系统中容量
置信度对应的第二权重值；
[0072]
基于所述第一权重值和第二权重值，采用加权理想点法对所述多目标优化函数进行处理，得到能够同时满足最小度电成本和最大容量置信度对应的最优容量配置参数。
[0073]
优选的，所述容量配置模块中采用加权理想点法对所述多目标优化函数进行处理对应的计算式如下：
[0074][0075]
其中，minf(x)为同时满足最小度电成本和最大容量置信度的容量配置函数表达式；x表示(sm,t
tes
)；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长；ω1表示第二权重值；ω2表示第一权重值；cc(x
*
)表示最大容量置信度；x
*
表示获得最大容量置信度的太阳倍数和储热时长；lcoe(x
**
)表示最小度电成本；x
**
表示获得最小度电成本的太阳倍数和储热时长。
[0076]
基于同一发明构思，本发明还提供一种计算机设备，包括：一个或多个处理器；
[0077]
存储器，用于存储一个或多个程序；
[0078]
当所述一个或多个程序被所述一个或多个处理器执行时，实现如前所述的计及置信容量的光热光伏配置方法。
[0079]
基于同一发明构思，本发明还提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如前所述的计及置信容量的光热光伏配置方法。
[0080]
与最接近的现有技术相比，本发明具有的有益效果如下：
[0081]
1、本发明提供了一种计及置信容量的光热光伏配置方法和系统，包括：获取电力系统参数值；根据所述电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；将所述最优容量配置参数作为光热光伏联合发电系统的容量配置结果；其中，所述多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建的。本发明通过光热光伏联合发电系统的度电成本和容量置信度作为评价指标，将光热光伏联合发电系统的经济性和发电特性作为优化目标，一方面使得光热光伏联合发电系统在发电稳定性上接近常规火电机组，降低光伏发电对电力系统的影响；另一方面使得光热光伏联合发电系统成本尽量降低，提高光热光伏联合发电系统收益。
附图说明
[0082]
图1为本发明提供的一种计及置信容量的光热光伏配置方法流程示意图；
[0083]
图2为本发明提供的一种计及置信容量的光热光伏配置方法中的光热、光伏、火电能源结构组成图；
[0084]
图3为本发明提供的一种计及置信容量的光热光伏配置方法中的粒子算法执行流程示意图；
[0085]
图4为本发明提供的一种计及置信容量的光热光伏配置方法中的光热光伏联合发电系统配置优化流程图；
[0086]
图5为采用nsga-ii算法计算得到的pareto前沿图；
[0087]
图6为本发明提供的一种计及置信容量的光热光伏配置系统结构组成示意图。
具体实施方式
[0088]
下面结合附图对本发明的具体实施方式做进一步的详细说明。
[0089]
实施例1：
[0090]
本发明提出一种计及置信容量的光热光伏配置方法，流程示意图如图1所示，包括：
[0091]
步骤1：获取电力系统参数值；
[0092]
步骤2：根据所述电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；
[0093]
步骤3：将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；将所述最优容量配置参数作为光热光伏联合发电系统的容量配置结果；
[0094]
其中，所述多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建的；本发明通过将光热光伏联合发电系统的度电成本和容量置信度作为评价指标，一方面提高发电系统的稳定性，降低光伏发电对电力系统的影响，另一方面能够降低发电成本，提高系统收益；
[0095]
具体的，步骤1中的电力系统参数值至少包括下述的一种或多种：电力系统实际负荷值、常规火电机组参数值和太阳能辐射样本数据；所述最优容量配置参数至少包括下述的一种或多种：光热光伏最优容量配比值、光热电站最优配置值、储热系统容量、集热场容量和光热光伏装机容量配比值；目前，光热发电替代火电的能力还没有定论，光热电站的容量价值如何还没有一个明确的说法，现有关于光热发电的研究，一般都是基于经济性即平准化度电成本等对光热电站进行优化，没有将光热电站的整体容量价值纳入优化的标准，虽然经济性及其重要，但是电源端在电力系统中的容量支撑也很重要，本发明针对的是光热、光伏、火电能源结构，能源结构组成图如图2所示，通过优先消纳光热、光伏出力，再由火电机组的增发来满足负荷需求的发电策略，在保证电力系统供电可靠性的基础上，使用光热光伏联合发电系统代替常规火电机组。
[0096]
步骤2中接入光热光伏联合发电系统的可靠性的计算式如下：
[0097]
r＝f(c
con-c
rep
+c
csp
+c
pv
,l)
[0098]
其中，r表示可靠性计算结果；f(
·
)表示可靠性评估函数；c
con
表示常规火电机组装机容量；l表示光热光伏联合发电系统负荷；c
pv
表示光热光伏联合发电系统中新增的光伏发电系统容量；c
csp
表示光热光伏联合发电系统中新增的光热发电系统容量；c
rep
表示可以被代替的常规火电机组容量。
[0099]
所述基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算，流程示意图如图3所示，包括：
[0100]
步骤s11：随机生成粒子参数；
[0101]
步骤s12：初始化粒子参数，并以被代替的常规火电机组容量表示粒子的位置；
[0102]
步骤s13：计算加入光热光伏联合发电系统可靠性结果和度电成本；
[0103]
步骤s14：将光热光伏联合发电系统对应的可靠性计算结果和初始发电系统对应的可靠性结果之差作为适应度函数；
[0104]
步骤s15：根据所述适应度函数更新粒子位置，确定每一个粒子和体的历史最优位置；
[0105]
步骤s16：计算适应度函数值是否满足预设的终止条件；若满足执行步骤s17，否则返回步骤s13；
[0106]
步骤s17：得到光热光伏联合发电系统装机容量数组，选择度电成本最低的容量配置，计算容量置信度；
[0107]
使用粒子优化算法，以被代替的常规机组容量表示粒子的位置，适应度函数为加入光热光伏联合电站并减少拟建设的常规机组之后的电力系统可靠性指标与初始系统的可靠性指标之差，根据适应度函数不断更新粒子位置，以使加入联合电站之后的电力系统可靠性指标与初始系统的可靠性指标相等或在规定误差之内。
[0108]
步骤3中多目标优化函数模型的构建，包括：
[0109]
以最小化度电成本和最大化容量置信度为目标，将关联数值作为参量构建多目标优化函数；
[0110]
以火电机组和光热电站的运行约束为约束条件，构建多目标优化函数模型；
[0111]
其中，所述关联数值至少包括下述的一种或多种：光热装机容量、光伏装机容量、太阳倍数和储热时长；所述运行约束至少包括下述的一种或多种：功率平衡约束、火电机组出力约束、火电机组爬坡约束、光热电站爬坡约束、光热电站出力约束、光热电站容量约束、光热电站充热功率约束和光热电站放热功率。
[0112]
所述约束条件对应的计算式如下：
[0113][0114]
其中，p
ic,t
表示t时刻第i台常规火电机组出力；p
jcsp,t
表示t时刻第j座光热电站出力；p
kpv,t
表示t时刻第k座光伏电站出力；p
l,t
表示t时刻负荷功率；nc表示常规火电机组台数，i＝1，
…
，nc；n
csp
表示光热电站机组台数，j＝1，
…
，n
csp
；n
pv
表示光伏电站数量，k＝1，
…
，n
pv
；p
i,min
表示火电机组出力下限值；p
i,max
表示火电机组出力上限值；r
ic,d
表示第i台火电机
组最大向下爬坡功率；r
ic,u
表示第i台火电机组最大向上爬坡功率；p
ic,t-1
表示t-1时刻第i台常规火电机组出力；p
jcsp,min
表示光热电站出力下限值；p
jcsp,max
表示光热电站出力上限值；r
jcsp,d
表示第j台光热电站机组最大向下爬坡功率；r
jcsp,u
表示第j台光热电站机组最大向上爬坡功率；表示储热系统储热的下限值；表示储热系统储热的上限值；表示充热功率下限值；表示充热功率上限值；表示放热功率下限值；放热功率上限值；
[0115]
所述多目标优化函数对应的计算式如下：
[0116]
min f1＝lcoe(sm,t
tes
)
[0117]
max f2＝cc(sm,t
tes
)
[0118]
其中，f1表示光热光伏联合发电系统的度电成本lcoe；f2表示光热光伏联合发电系统的容量置信度cc；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长。
[0119]
所述将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数，包括：
[0120]
采用快速非支配排序遗传算法对所述多目标优化函数模型进行求解，得到光热光伏联合发电系统的度电成本对应的第一最优解集和光热光伏联合发电系统的容量置信度对应的第二最优解集；
[0121]
针对所述第一最优解集采用熵权法进行计算，得到光热光伏联合发电系统中度电成本对应的第一权重值；
[0122]
针对所述第二最优解集采用熵权法进行计算，得到光热光伏联合发电系统中容量置信度对应的第二权重值；
[0123]
基于所述第一权重值和第二权重值，采用加权理想点法对所述多目标优化函数进行处理，得到能够同时满足最小度电成本和最大容量置信度对应的最优容量配置参数。
[0124]
所述采用加权理想点法对所述多目标优化函数进行处理对应的计算式如下：
[0125][0126]
其中，minf(x)为同时满足最小度电成本和最大容量置信度的容量配置函数表达式；x表示(sm,t
tes
)；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长；ω1表示第二权重值；ω2表示第一权重值；cc(x
*
)表示最大容量置信度；x
*
表示获得最大容量置信度的太阳倍数和储热时长；lcoe(x
**
)表示最小度电成本；x
**
表示获得最小度电成本的太阳倍数和储热时长；
[0127]
在一个具体的实施例中：
[0128]
本发明针对光热、光伏和火电能源结构，通过优先消纳光热、光伏出力，再由火电机组的增发来满足负荷需求，具体的光热光伏联合发电系统配置优化流程图如图4所示：
[0129]
s1：获取当地典型年太阳辐照资源，电力系统实际负荷及常规火电机组参数；
[0130]
s2：通过使用基于持续时间抽样的序贯蒙特卡洛方法建立所有机组双状态模型，包括：
[0131]
对各机组采用双状态模型(正常运行和故障状态)，利用故障率λ和修复率μ，对机
组进行模拟，得到机组的运行状态，用正常运行持续时间t
work
和检修时间t
repair
描述：
[0132][0133]
其中，γ为服从[0,1]区间内均匀分布的随机数；
[0134]
机组的强迫停运率u可用下式表示：
[0135][0136]
以方差系数β作为计算收敛的判据：
[0137][0138]
其中，表示可靠性指标r的估计值；v{}表示估计值的方差；f(
·
)表示可靠性指标的试验函数；表示系统状态向量的样本值；n为样本数量；
[0139]
s3：建立光热光伏联合发电系统出力模型和度电成本模型，包括：
[0140]
构建塔式光热电站出力模型，定日镜将太阳光反射到吸热器上，工作介质流经吸热器并吸收热量：
[0141][0142]
其中，表示t时刻吸热器出口的热功率；dni
t
表示t时刻当地太阳直射辐照度；a为定日镜面积；n为定日镜的台数；η
cos,i
为第i台定日镜的余弦效率；η
att,i
为第i台定日镜的大气投射效率；η
rec,i
为第i台定日镜的镜面反射效率；η
rest,i
为第i台定日镜的其他效率；η
receiver,t
为t时刻吸热器的效率；i＝1,2
…
n。
[0143]
储热系统内储存的热量为：
[0144][0145][0146][0147]
其中，表示t时刻储热系统内储存的热量；η
dis
为储热耗散率；为(t-1)时刻储热系统内储存的热量；分别表示t时刻储热系统充、放热功率；分别表示进入储热系统和储热系统释放的工作介质的功率；η
tes,in
、η
tes,out
分别表示充、放热效率。
[0148]
发电系统的实际发电功率为：
[0149]
[0150]
其中，p
csp,t
为t时刻光热电站实际发电功率；p
ab,t
为t时刻舍弃的热量；η
power
为汽轮机组热电转换效率；
[0151]
根据光伏发电功率输出模型，计算得到光伏发电功率输出曲线：
[0152][0153]
其中，p
pv,t
表示光伏电池实际输出功率；p
pv
表示光伏电池在标准测试条件下的额定功率；f
pv
表示光伏电池损耗系数；r
t
表示实际太阳光辐照强度；r
stc
表示标准测试条件下的光辐照强度；a
p
表示光伏电池功率温度系数；t
t
表示实际环境温度；t
stc
表示标准测试条件下的环境温度；
[0154]
建立lcoe模型对光热光伏联合发电系统经济性进行评价，如下式：
[0155][0156]
其中，i表示电站的建造成本；m
t
表示第t年的运行维护成本；other
t
表示第t年的其他各项支出(如贷款、税费等)；e
t
表示第t年的发电量；r表示资金折现率；n表示电站运营期；
[0157]
火电机组和光热电站的约束条件包括：
[0158]
功率平衡约束：
[0159][0160]
其中，p
ic,t
表示t时刻第i台常规火电机组出力；p
jcsp,t
表示t时刻第j座光热电站出力；p
kpv,t
表示t时刻第k座光伏电站出力；p
l,t
表示t时刻负荷功率；nc表示常规火电机组台数，i＝1，
…
，nc；n
csp
表示光热电站机组台数，j＝1，
…
，n
csp
；n
pv
表示光伏电站数量，k＝1，
…
，n
pv
。
[0161]
火电机组工作时，出力需要在其上下限内，p
i,min
、p
i,max
分别表示火电机组出力上下限值，约束为：
[0162]
p
i,min
≤p
ic,t
≤p
i,max
[0163]
火电机组在单位时间内的出力调节不能超出限制，满足爬坡约束：
[0164]-r
ic,d
≤p
ic,t-p
ic,t-1
≤r
ic,u
[0165]
其中，r
ic,d
表示第i台火电机组最大向下爬坡功率；r
ic,u
表示第i台火电机组最大向上爬坡功率；
[0166]
光热电站发电系统与火电类似，需要满足出力约束和爬坡约束，p
jcsp,min
、p
jcsp,max
分别表示光热电站出力上下限值，出力约束为：
[0167]
p
jcsp,min
≤p
jcsp,t
≤p
jcsp,max
[0168]
光热电站爬坡约束为：
[0169]-r
jcsp,d
≤p
jcsp,t-p
jcsp,t-1
≤r
jcsp,u
[0170]
其中，r
jcsp,d
、r
jcsp,u
分别表示第j台光热电站机组最大向下、最大向上爬坡功率。
[0171]
光热电站储热系统为保证其稳定性和安全性，不能出现过充或过放，因此要满足容量约束和充放热功率约束如下：
[0172][0173][0174][0175]
其中，分别表示储热系统储热的上下限值；分别表示充热功率上下限值；分别表示放热功率上下限值。
[0176]
s4：计算接入光热光伏联合发电的电力系统可靠性水平，使用粒子算法计算光热光伏联合发电系统容量置信度，包括：
[0177]
考虑各发电机组的强迫停运情况，利用基于状态时间抽样的序贯蒙特卡洛方法对各机组进行抽样，计算一年中的期望缺供电量eens：
[0178][0179]
其中，o表示停运容量；ci表示第i时间段系统安装容量；p
ijk
(o)表示第i时间段第j天第k小时停运容量大于等于o的概率；m表示一年中的时间段数；ni表示第i时间段中的天数；l
ijk
第i时间段第j天第k小时的小时负荷；
[0180]
从电源侧的角度计算光热光伏联合发电系统的置信容量，即在常规火电机组能够满足负荷需要的情况下，保证电力系统可靠性不变的基础上，安装的光伏发电系统能够代替的常规火电机组容量即为光伏发电系统的电源侧置信容量，表达式如下：
[0181]
r＝f(c
con-c
rep
+c
csp
+c
pv
,l)
[0182]
其中，r表示可靠性指标，即电量不足期望值eens；f(
·
)表示可靠性指标评估函数；c
con
表示常规火电机组装机容量；l表示系统负荷；c
pv
表示系统中新增的光伏发电系统容量；c
csp
表示系统中新增的光热发电系统容量；c
rep
表示可以被代替的常规火电机组容量，即光热光伏联合发电系统电源侧置信容量；
[0183]
计算电源侧置信容量流程包括：输入系统负荷、太阳能辐射样本数据、常规火电机组的机组构成(数量
×
容量)；用序贯蒙特卡洛方法建立常规火电机组的可用容量模型，并计算出初始系统可靠性指标r0；确定太阳倍数和储热时长，结合常规火电机组可用容量模型和负荷模型，建立光热光伏联合发电系统出力模型；在系统中引入光热光伏联合发电系统，计算出新的电力系统可靠性指标r
csp+pv
；通过比较r
csp+pv
和r0并以r0为目标，通过智能算法迭代光热电站容量，改变r
csp+pv
，使r
csp+pv
与r0相等，最优解得到光热光伏联合发电系统容量，再计算得到光热光伏联合发电系统容量置信度；
[0184]
本实施例中，原始系统火电总装机13400mw，预规划淘汰4400mw火电装机，采用光热光伏联合发电系统代替，保证电力系统可靠性不变。原始系统电量不足期望值为3.2
×
105mwh，为加快计算速度，本实施例给定光伏装机容量1000mw。
[0185]
使用粒子优化算法，以被代替的常规火电机组容量表示粒子的位置，适应度函
数为加入光热光伏联合发电系统并减少拟建设的常规火电机组之后的电力系统可靠性指标与初始系统的可靠性指标之差，根据适应度函数不断更新粒子位置，以使加入光热光伏联合发电系统之后的电力系统可靠性指标与初始系统的可靠性指标相等或在规定误差之内，
[0186]
s5：以度电成本和容量置信度为目标，给定光伏装机容量，以太阳倍数、储热时长为参量，建立多目标优化函数，包括：
[0187]
min f1＝lcoe(sm,t
tes
)
[0188]
max f2＝cc(sm,t
tes
)
[0189]
其中，f1表示光热光伏联合发电系统的度电成本lcoe；f2为光热光伏联合发电系统的容量置信度cc；sm为光热电站太阳倍数；t
tes
为光热电站储热时长。
[0190]
太阳倍数范围为1-3.5，储热时长范围为4-16小时。
[0191]
s6：使用带精英策略的快速非支配排序遗传算法(nsga-ii)寻多目标优化的pareto最优解集，使用熵权法求解容量置信度和度电成本的客观权重值，使用加权理想点法对多目标优化函数进行处理，得到单目标函数，得到系统最优解，包括：
[0192]
以太阳倍数和储热时长为变量，以度电成本最低，容量置信度最大为优化目标，使用nsga-ii方法计算得到pareto最优解集，pareto前沿如图5所示。
[0193]
对度电成本和容量置信度这两个指标的所有pareto最优解集数据进行标准化处理，对于正负向指标采用不同的方法进行处理，正向指标如下：
[0194][0195]
负向指标如下：
[0196][0197]
其中，n表示样本数；m表示指标数，优选的，m＝2；x
ij
为第i个样本的第j个数值。
[0198]
第j个指标下第i个样本值占该指标的比重为：
[0199][0200]
接着计算两个指标的信息熵值，如下：
[0201][0202]
其中，ej表示第j项指标的熵值；n表示样本数；m表示指标数；p
ij
表示第j项指标下第i个样本值占该指标的比重。
[0203]
则两个指标的权重为：
[0204][0205]
本实施例中，计算得到容量置信度的权重为0.6157，度电成本的权重为0.3843。
[0206]
使用加权理想点法将上述双目标优化问题转变为单目标优化问题，如下
[0207][0208]
其中，minf(x)为同时满足最小度电成本和最大容量置信度的容量配置函数表达式；x表示(sm,t
tes
)；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长；ω1表示第二权重值；ω2表示第一权重值；cc(x
*
)表示最大容量置信度；x
*
表示获得最大容量置信度的太阳倍数和储热时长；lcoe(x
**
)表示最小度电成本；x
**
表示获得最小度电成本的太阳倍数和储热时长。
[0209]
本实施例中，最优目标函数值f为0.2084，得到的最优太阳倍数和储热时长分别为2.5018和11.427小时，此时光热光伏联合发电系统的容量置信度为80.09％，光热装机容量为4493.7mw，即4493.7mw光热装机加上1000mw光伏可代替4400mw火电机组。
[0210]
实施例2：
[0211]
基于同一发明构思，本发明还提供了一种计及置信容量的光热光伏配置系统，该系统的结构组成图如图6所示，包括：
[0212]
参数值获取模块：用于获取电力系统参数值；
[0213]
置信度计算模块：用于根据所述电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；
[0214]
容量配置模块：用于将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；将所述最优容量配置参数作为光热光伏联合发电系统的容量配置结果；
[0215]
其中，所述多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建的。
[0216]
具体的，所述参数值获取模块中的电力系统参数值至少包括下述的一种或多种：电力系统实际负荷值、常规火电机组参数值和太阳能辐射样本数据；所述最优容量配置参数至少包括下述的一种或多种：光热光伏最优容量配比值、光热电站最优配置值、储热系统容量、集热场容量和光热光伏装机容量配比值。
[0217]
所述置信度计算模块中接入光热光伏联合发电系统的可靠性的计算式如下：
[0218]
r＝f(c
con-c
rep
+c
csp
+c
pv
,l)
[0219]
其中，r表示可靠性计算结果；f(
·
)表示可靠性评估函数；c
con
表示常规火电机组装机容量；l表示光热光伏联合发电系统负荷；c
pv
表示光热光伏联合发电系统中新增的光伏发电系统容量；c
csp
表示光热光伏联合发电系统中新增的光热发电系统容量；c
rep
表示可以被代替的常规火电机组容量。
[0220]
所述置信度计算模块中基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算，包括：
[0221]
步骤s11：随机生成粒子参数；
[0222]
步骤s12：初始化粒子参数，并以被代替的常规火电机组容量表示粒子的位置；
[0223]
步骤s13：计算加入光热光伏联合发电系统可靠性结果和度电成本；
[0224]
步骤s14：将光热光伏联合发电系统对应的可靠性计算结果和初始发电系统对应的可靠性结果之差作为适应度函数；
[0225]
步骤s15：根据所述适应度函数更新粒子位置，确定每一个粒子和体的历史最优位置；
[0226]
步骤s16：计算适应度函数值是否满足预设的终止条件；若满足执行步骤s17，否则返回步骤s13；
[0227]
步骤s17：得到光热光伏联合发电系统装机容量数组，选择度电成本最低的容量配置，计算容量置信度。
[0228]
所述容量配置模块中多目标优化函数模型的构建，包括：
[0229]
以最小化度电成本和最大化容量置信度为目标，将关联数值作为参量构建多目标优化函数；
[0230]
以火电机组和光热电站的运行约束为约束条件，构建多目标优化函数模型；
[0231]
其中，所述关联数值至少包括下述的一种或多种：光热装机容量、光伏装机容量、太阳倍数和储热时长；所述运行约束至少包括下述的一种或多种：功率平衡约束、火电机组出力约束、火电机组爬坡约束、光热电站爬坡约束、光热电站出力约束、光热电站容量约束、光热电站充热功率约束和光热电站放热功率。
[0232]
所述容量配置模块中的约束条件对应的计算式如下：
[0233][0234]
其中，p
ic,t
表示t时刻第i台常规火电机组出力；p
jcsp,t
表示t时刻第j座光热电站出力；p
kpv,t
表示t时刻第k座光伏电站出力；p
l,t
表示t时刻负荷功率；nc表示常规火电机组台数，i＝1，
…
，nc；n
csp
表示光热电站机组台数，j＝1，
…
，n
csp
；n
pv
表示光伏电站数量，k＝1，
…
，n
pv
；p
i,min
表示火电机组出力下限值；p
i,max
表示火电机组出力上限值；r
ic,d
表示第i台火电机组最大向下爬坡功率；r
ic,u
表示第i台火电机组最大向上爬坡功率；p
ic,t-1
表示t-1时刻第i台常规火电机组出力；p
jcsp,min
表示光热电站出力下限值；p
jcsp,max
表示光热电站出力上限值；r
jcsp,d
表示第j台光热电站机组最大向下爬坡功率；r
jcsp,u
表示第j台光热电站机组最大向上爬坡功率；表示储热系统储热的下限值；表示储热系统储热的上限值；表示充热功率下限值；表示充热功率上限值；表示放热功率下限值；放热功率上限值。
[0235]
所述容量配置模块中多目标优化函数对应的计算式如下：
[0236]
min f1＝lcoe(sm,t
tes
)
[0237]
max f2＝cc(sm,t
tes
)
[0238]
其中，f1表示光热光伏联合发电系统的度电成本lcoe；f2表示光热光伏联合发电系统的容量置信度cc；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长。
[0239]
所述容量配置模块中将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数，包括：
[0240]
采用快速非支配排序遗传算法对所述多目标优化函数模型进行求解，得到光热光伏联合发电系统的度电成本对应的第一最优解集和光热光伏联合发电系统的容量置信度对应的第二最优解集；
[0241]
针对所述第一最优解集采用熵权法进行计算，得到光热光伏联合发电系统中度电成本对应的第一权重值；
[0242]
针对所述第二最优解集采用熵权法进行计算，得到光热光伏联合发电系统中容量置信度对应的第二权重值；
[0243]
基于所述第一权重值和第二权重值，采用加权理想点法对所述多目标优化函数进行处理，得到能够同时满足最小度电成本和最大容量置信度对应的最优容量配置参数。
[0244]
所述容量配置模块中采用加权理想点法对所述多目标优化函数进行处理对应的计算式如下：
[0245][0246]
其中，minf(x)为同时满足最小度电成本和最大容量置信度的容量配置函数表达式；x表示(sm,t
tes
)；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长；ω1表示第二权重值；ω2表示第一权重值；cc(x
*
)表示最大容量置信度；x
*
表示获得最大容量置信度的太阳倍数和储热时长；lcoe(x
**
)表示最小度电成本；x
**
表示获得最小度电成本的太阳倍数和储热时长。
[0247]
实施例3：
[0248]
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor、dsp)、专用集成电路(application specificintegrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种计及置信容量的光热光伏配置方法的步骤。
[0249]
实施例4：
[0250]
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介
质(memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种计及置信容量的光热光伏配置方法的步骤。
[0251]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0252]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0253]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0254]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0255]
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本发明后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

技术特征：

1.一种计及置信容量的光热光伏配置方法，其特征在于，包括：获取电力系统参数值；根据所述电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；将所述最优容量配置参数作为光热光伏联合发电系统的容量配置结果；其中，所述多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建的。2.如权利要求1所述的方法，其特征在于，所述多目标优化函数模型的构建，包括：以最小化度电成本和最大化容量置信度为目标，将关联数值作为参量构建多目标优化函数；以火电机组和光热电站的运行约束为约束条件，构建多目标优化函数模型；其中，所述关联数值至少包括下述的一种或多种：光热装机容量、光伏装机容量、太阳倍数和储热时长；所述运行约束至少包括下述的一种或多种：功率平衡约束、火电机组出力约束、火电机组爬坡约束、光热电站爬坡约束、光热电站出力约束、光热电站容量约束、光热电站充热功率约束和光热电站放热功率。3.如权利要求2所述的方法，其特征在于，所述约束条件对应的计算式如下：其中，p
ic,t
表示t时刻第i台常规火电机组出力；p
jcsp,t
表示t时刻第j座光热电站出力；p
kpv,t
表示t时刻第k座光伏电站出力；p
l,t
表示t时刻负荷功率；n
c
表示常规火电机组台数，i＝1，
…
，n
c
；n
csp
表示光热电站机组台数，j＝1，
…
，n
csp
；n
pv
表示光伏电站数量，k＝1，
…
，n
pv
；p
i,min
表示火电机组出力下限值；p
i,max
表示火电机组出力上限值；r
ic,d
表示第i台火电机组最大向下爬坡功率；r
ic,u
表示第i台火电机组最大向上爬坡功率；p
ic,t-1
表示t-1时刻第i台常规火电机组出力；p
jcsp,min
表示光热电站出力下限值；p
jcsp,max
表示光热电站出力上限值；r
jcsp,d
表示第j台光热电站机组最大向下爬坡功率；r
jcsp,u
表示第j台光热电站机组最大向上爬坡功率；表示储热系统储热的下限值；表示储热系统储热的上限值；表示充热功率下限值；表示充热功率上限值；表示放热功率下限值；放热功率上
限值。4.如权利要求2所述的方法，其特征在于，所述多目标优化函数对应的计算式如下：min f1＝lcoe(sm,t
tes
)max f2＝c
c
(sm,t
tes
)其中，f1表示光热光伏联合发电系统的度电成本lcoe；f2表示光热光伏联合发电系统的容量置信度c
c
；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长。5.如权利要求1所述的方法，其特征在于，所述电力系统参数值至少包括下述的一种或多种：电力系统实际负荷值、常规火电机组参数值和太阳能辐射样本数据；所述最优容量配置参数至少包括下述的一种或多种：光热光伏最优容量配比值、光热电站最优配置值、储热系统容量、集热场容量和光热光伏装机容量配比值。6.如权利要求1所述的方法，其特征在于，所述接入光热光伏联合发电系统的可靠性的计算式如下：r＝f(c
con-c
rep
+c
csp
+c
pv
,l)其中，r表示可靠性计算结果；f(
·
)表示可靠性评估函数；c
con
表示常规火电机组装机容量；l表示光热光伏联合发电系统负荷；c
pv
表示光热光伏联合发电系统中新增的光伏发电系统容量；c
csp
表示光热光伏联合发电系统中新增的光热发电系统容量；c
rep
表示可以被代替的常规火电机组容量。7.如权利要求1所述的方法，其特征在于，所述基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算，包括：步骤s11：随机生成粒子参数；步骤s12：初始化粒子参数，并以被代替的常规火电机组容量表示粒子的位置；步骤s13：计算加入光热光伏联合发电系统可靠性结果和度电成本；步骤s14：将光热光伏联合发电系统对应的可靠性计算结果和初始发电系统对应的可靠性结果之差作为适应度函数；步骤s15：根据所述适应度函数更新粒子位置，确定每一个粒子和体的历史最优位置；步骤s16：计算适应度函数值是否满足预设的终止条件；若满足执行步骤s17，否则返回步骤s13；步骤s17：得到光热光伏联合发电系统装机容量数组，选择度电成本最低的容量配置，计算容量置信度。8.如权利要求1所述的方法，其特征在于，所述将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数，包括：采用快速非支配排序遗传算法对所述多目标优化函数模型进行求解，得到光热光伏联合发电系统的度电成本对应的第一最优解集和光热光伏联合发电系统的容量置信度对应的第二最优解集；针对所述第一最优解集采用熵权法进行计算，得到光热光伏联合发电系统中度电成本对应的第一权重值；针对所述第二最优解集采用熵权法进行计算，得到光热光伏联合发电系统中容量置信度对应的第二权重值；
基于所述第一权重值和第二权重值，采用加权理想点法对所述多目标优化函数进行处理，得到能够同时满足最小度电成本和最大容量置信度对应的最优容量配置参数。9.如权利要求8所述的方法，其特征在于，所述采用加权理想点法对所述多目标优化函数进行处理对应的计算式如下：其中，minf(x)为同时满足最小度电成本和最大容量置信度的容量配置函数表达式；x表示(sm,t
tes
)；sm表示光热电站太阳倍数；t
tes
表示光热电站储热时长；ω1表示第二权重值；ω2表示第一权重值；c
c
(x
*
)表示最大容量置信度；x
*
表示获得最大容量置信度的太阳倍数和储热时长；lcoe(x
**
)表示最小度电成本；x
**
表示获得最小度电成本的太阳倍数和储热时长。10.一种计及置信容量的光热光伏配置系统，其特征在于，包括：参数值获取模块：用于获取电力系统参数值；置信度计算模块：用于根据所述电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；容量配置模块：用于将所述容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；将所述最优容量配置参数作为光热光伏联合发电系统的容量配置结果；其中，所述多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建的。11.如权利要求10所述的系统，其特征在于，所述容量配置模块中的多目标优化函数模型的构建，包括：以最小化度电成本和最大化容量置信度为目标，将关联数值作为参量构建多目标优化函数；以火电机组和光热电站的运行约束为约束条件，构建多目标优化函数模型；其中，所述关联数值至少包括下述的一种或多种：光热装机容量、光伏装机容量、太阳倍数和储热时长；所述运行约束至少包括下述的一种或多种：功率平衡约束、火电机组出力约束、火电机组爬坡约束、光热电站爬坡约束、光热电站出力约束、光热电站容量约束、光热电站充热功率约束和光热电站放热功率。12.如权利要求11所述的系统，其特征在于，所述容量配置模块中约束条件对应的计算式如下：
其中，p
ic,t
表示t时刻第i台常规火电机组出力；p
jcsp,t
表示t时刻第j座光热电站出力；p
kpv,t
表示t时刻第k座光伏电站出力；p
l,t
表示t时刻负荷功率；n
c
表示常规火电机组台数，i＝1，
…
，n
c
；n
csp
表示光热电站机组台数，j＝1，
…
，n
csp
；n
pv
表示光伏电站数量，k＝1，
…
，n
pv
；p
i,min
表示火电机组出力下限值；p
i,max
表示火电机组出力上限值；r
ic,d
表示第i台火电机组最大向下爬坡功率；r
ic,u
表示第i台火电机组最大向上爬坡功率；p
ic,t-1
表示t-1时刻第i台常规火电机组出力；p
jcsp,min
表示光热电站出力下限值；p
jcsp,max
表示光热电站出力上限值；r
jcsp,d
表示第j台光热电站机组最大向下爬坡功率；r
jcsp,u
表示第j台光热电站机组最大向上爬坡功率；表示储热系统储热的下限值表示储热系统储热的上限值；表示充热功率下限值；表示充热功率上限值；表示放热功率下限值；放热功率上限值。13.一种计算机设备，其特征在于，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至9中任一项所述的计及置信容量的光热光伏配置方法。14.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至9中任一项所述的计及置信容量的光热光伏配置方法。

技术总结

本发明提供了一种计及置信容量的光热光伏配置方法、系统、设备和介质，包括：获取电力系统参数值；根据电力系统参数值计算接入光热光伏联合发电系统的可靠性，并基于可靠性计算结果，采用粒子算法对光热光伏联合发电系统的容量置信度和度电成本进行计算；将容量置信度和度电成本输入预先构建的多目标优化函数模型进行求解，得到最优容量配置参数；其中，多目标优化函数模型以最小化度电成本和最大化容量置信度为目标进行构建。本发明通过使用粒子算法计算光热光伏联合发电系统的容量置信度，建立多目标优化函数，得到容量配置的最优解，有利于提高光热光伏联合发电系统的发电稳定性，满足负荷需求，还能够降低成本，提高经济性。济性。济性。