两阶段随机优化：综合能源生产单元应对源荷不确定性

本文主要探讨了在面临源端可再生能源和荷端负荷需求随机波动的背景下，如何有效地对综合能源生产单元（Integrated Energy Production Unit, IEPU）进行运行调度与容量配置的问题。研究者提出了一个两阶段的随机优化策略，旨在解决这一复杂挑战。 在底层运行优化阶段，研究人员采用混合整数线性规划（Mixed Integer Linear Programming, MILP）方法，构建了详细的设备模型和约束条件，目标是通过最小化成本来优化IEPU的日常运营。这涉及到对各种设备如发电机、储能设备（如电池储能或储气设施）的合理调度，以适应风能、太阳能等可再生能源的不稳定供应，同时平衡负荷需求，减少弃光和优化碳排放。 接着，通过蒙特卡洛模拟技术生成多样的随机场景，这些场景考虑到了源荷不确定性。在给定容量配置条件下，这种方法可以计算出系统在不同场景下的预期成本，从而提供一个稳健的成本评估基础。 在顶层容量配置优化阶段，研究者将系统容量作为决策变量，引入遗传算法来驱动整个过程。这个过程会结合底层的MILP运行优化结果，寻求在整个生命周期内能够最小化IEPU系统的总成本的最优容量配置。结果显示，接入储能设施（如储气）有助于显著降低弃光量（减少5.49%）和碳排放（减少0.35%），表明了这种两阶段随机优化方法的有效性。 此外，文章还提供了参数敏感性分析，这对于IEPU的实际规模化设计具有指导意义，帮助决策者理解不同参数变化对系统性能的影响，从而做出更为明智的决策。 这篇论文通过理论建模和实证分析，为解决综合能源生产单元在面对源荷随机性时的调度与容量配置问题提供了一种创新的优化框架，对于推动能源行业的高效、灵活和可持续发展具有重要意义。