不确定性下聚光太阳能热发电的随机-MILP调度优化模型
系统与控制
2024-01-03 v1 系统与控制
摘要
聚光太阳能热发电(CST)通过热能存储(TES)实现独立于日太阳波动的发电，并将发电转移至高电价时段，为大规模太阳能利用提供了有前景的解决方案。由于太阳辐照度和电价预测的不确定性以及有限的存储容量，必须开发调度规划工具。本研究提出随机混合整数线性规划(SMILP)以在指定场景空间内最大化期望利润。SMILP场景空间由潜在可存储太阳能的经验累积分布函数的不同百分位数生成，并使用样本平均近似(SAA)方法估计期望利润。SMILP表现出稳健的性能，但其计算时间是一个挑战。因此，我们开发了三种启发式解决方案，它们在不同的历史天气剖面下运行一组确定性优化以生成候选调度计划(DP)。然后选择在所有剖面上平均性能最佳的候选DP。新方法应用于南澳大利亚一个115 MW CST电站的案例研究。当历史数据库只有有限的历史天气剖面时，SMILP在将DP应用于新天气条件时比最接近的基准获得6%至9%更高的利润。当历史天气数据较大时，SMILP和Heuristic-2的性能几乎相同，因为SMILP只能利用有限数量的轨迹进行优化而不会变得计算不可行。在这种情况下，Heuristic-2成为一种实用的替代方案，因为它在合理的时间内提供相似的平均利润（节省约7小时计算时间）。
引用
@article{arxiv.2401.01133,
title = {A Stochastic-MILP dispatch optimization model for Concentrated Solar Thermal under uncertainty},
author = {Navid Mohammadzadeh and Huy Truong-Ba and Michael E. Cholette and Theodore A. Steinberg and Giampaolo Manzolini},
journal= {arXiv preprint arXiv:2401.01133},
year = {2024}
}
备注
This paper is going to be submitted to "Energy Conversion and Management" for publication in Elsevier journal