[0001] 本申请属于电力系统技术领域，更具体地，涉及一种极地区域能源系统规划方法、装置、电子设备及存储介质。

[0002] 随着极地区域科考的不断深入，科考活动的增多，目前全世界已经在极地区域建立了多个科考站、实验室和营地，例如，在南极区域，已经建立了91个科考站、实验室和营
地，其中，常年科考站有37个。因此，对科考站、实验室和营地的电力保障能力成为其稳定运
行的关键。

[0003] 目前极地区域的系统负荷主要依赖于燃油发电供电，然而由于极地区域的地理位置特殊性，需要远距离运输柴油进行发电，运输成本大大增加，且由于燃油发电会产生污染
物，对极地区域带来的环境污染不容忽视。而极地区域具有丰富的风能和太阳能资源，利用
风能和太阳能等可再生能源发电成为了可能，然而将可再生能源的发电负荷并入极地区域
的电力系统中，由于可再生能源的间歇性问题，会导致极地区域的电力系统运行的可靠性
降低。

[0053] 此处参考附图描述本申请的各种方案以及特征。

[0054] 应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的
其他修改。

[0055] 包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请
的原理。

[0056] 通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。

[0057] 还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式。

[0058] 当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。

[0059] 此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免
不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细
节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以
实质上任意合适的详细结构多样地使用本申请。

[0060] 本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。

[0061] 本申请实施例了提供一种极地区域能源系统规划方法，如图1所示，包括：

[0062] 101、确定极地区域的地理位置信息和气象环境信息，利用高斯混合模型对地理位置信息和气象环境信息进行拟合，得到关于风速和辐照度的概率密度分布函数。

[0063] 在本申请实施例中，由于极地区域独特的地理位置和运行环境，需要先对极地区域的风速和辐照度的分布进行分析，即先确定极地区域的地理位置信息和气象环境信息，
相关数据可以从国家南北极数据中心获取，与内陆地区的风速相比，南北极区域的风速常
年变化很大，全年风速都保持在较高水平，此外，由于南北极区域独特的地理位置，极夜的
辐照度几乎为零，而极昼的辐照度很强。确定极地区域的地理位置信息和气象环境信息之
后，利用高斯混合模型对地理位置信息和气象环境信息进行拟合，得到关于风速和辐照度
的概率密度分布函数，可以理解为高斯混合模型将位置信息和气象环境的特征凝练成一个
函数，这个凝练成的函数就是关于风速和辐照度的概率密度分布函数。

[0064] 具体地，关于风速和辐照度的概率密度分布函数可以对风速和辐照度进行描述，也即，可以根据极地区域的可再生能源特点，得到面向极地区域的风速和辐照度的概率密
度分布函数，为了增加高斯成分的数量，可以先得到关于风速和辐照度的概率密度分布函
数，关于风速和辐照度的概率密度分布函数(也即基于核密度估计(KDE)的高斯混合模型)
为：

[0065]

[0066] 其中，Kb为基本GMM的高斯分量数，且等于样本数N， 为第i个高斯分量的权重，且等于1/N， 为第i个高斯分量的均值，且等于样本xi， 为第i个高斯分量的方差，数值
上等于带宽矩阵Hi。由此可知，关于风速和辐照度的概率密度分布函数由风速变量、辐照度
变量、高斯分量的权重参数、高斯分量的均值参数以及高斯分量的方差参数组成。

[0067] 102、利用增强分层期望最大化算法对关于风速和辐照度的概率密度分布函数的参数进行计算，得到目标概率密度分布函数，以及根据目标概率密度分布函数利用蒙特卡
洛方法确定风机机组的有功功率和光伏机组的有功功率。

[0068] 在本申请实施例中，尽管步骤101中的关于风速和辐照度的概率密度分布函数能够通过添加更多分量来准确表示任意概率分布，但由于广泛使用的参数估计方法EM随着分
量数量的增加而变得难以处理，因此，它的建模精度很低，需要利用改进的参数估计方法，
即增强分层EM算法(EHEM)对上述关于风速和辐照度的概率密度分布函数进行简化，以减少
GMM的分量数量，同时保持其主要特征。目标概率密度分布函数表示为：

[0069]

[0070] 其中，Kr为简化GMM的高斯分量数； 为第j个高斯分量的权重参数； 为第j个高斯分量的均值参数； 为第i个高斯分量的方差参数；Φ表示高斯分布。

[0071] 为了简化关于风速和辐照度的概率密度分布函数的参数，也就是得到目标概率密度分布函数，需要对E步和M步进行迭代计算：

[0072] E步为：

[0073]

[0074] 其中，Eij是log[p(xi，zij|θ)]基于p(zij|θ，xi)的条件期望，θ是模型参数；tr是矩阵的迹。

[0075]

[0076] 其中，zij是高斯混合模型中的隐变量，q为虚拟样本个数，一般取值为10Kb。

[0077] M步为：

[0078]

[0079] 进一步地，为防止因q过大而导致exp(qEij)溢出，对E步进行了如下调整：

[0080]

[0081] li，min＝arg min(Λi，j) l＝1，2，…，Kr，

[0082]

[0083] 其中，Nij表示过渡变量。

[0084] 经过对E步和M步进行迭代计算，最后得到高斯分量的权重参数的权重值、高斯分量的均值参数的平均值、高斯分量的方差参数的方差值，将权重值、平均值、方差值代入关
于风速和辐照度的概率密度分布函数，得到上述目标概率密度分布函数。

[0085] 也就是说，经过对E步和M步进行的迭代计算，得到的高斯分量的权重参数的权重值、高斯分量的均值参数的平均值、高斯分量的方差参数的方差值，将这些参数的参数值，
代入关于风速和辐照度的概率密度分布函数中，就可以对关于风速和辐照度的概率密度分
布函数的参数进行简化，得到目标概率密度分布函数，目标概率密度分布函数为：

[0086]

[0087] 进一步地，利用蒙特卡洛方法模拟满足目标概率密度分布函数的风速和辐照度，即根据目标概率密度分布函数利用蒙特卡洛方法可以确定风机机组的有功功率和光伏机
组的有功功率。

[0088] 需要说明的是，本申请实施例的概率密度分布函数充分考虑了南极独特的地理位置和气象环境，如极低的运行温度、极高的气压、特殊的风光分布等，提高了模拟结果的准
确性。

[0089] 103、根据风机机组的有功功率和光伏机组的有功功率利用基于序贯蒙特卡洛的滚动时域方法确定可靠性指标函数，基于可靠性指标函数确定可靠性约束条件。

[0090] 在本申请实施例中，为了确定可靠性指标函数，需要先做一下假设，第一，所有机组只有两种状态，即故障和非故障。在非故障期间，机组输出只受额定功率或预测功率的影
响，否则，故障机组将停止运行。第二，只考虑光伏板、风机、柴油发电机、蓄电池和氢燃料电
池的故障，开关、变压器和输电线路故障不是本专利的重点。第三，假设平均无故障时间
(MTTF)和平均故障修复时间(MTTR)服从指数分布。之后，可以根据风机机组的有功功率和
光伏机组的有功功率利用基于序贯蒙特卡洛的滚动时域方法确定可靠性指标函数，接着，
可以根据可靠性指标函数确定可靠性约束条件。

[0091] 需要说明的是，基于序贯蒙特卡洛的滚动时域方法的基本思想如下：假设模拟时间长度为N年，每一步的调度持续时间为T，在此，假定在各机组状态保持不变且都与第一小
时一致的情况下进行调度，每小时扫描一次机组状态，如果机组状态发生变化或调度持续
时间结束，则开始新的调度。例如，假设在开始时，即t1时刻，所有机组都处于运行状态，计
划周期为T小时。从t1时刻到t2时刻的甩负荷量将被记录下来。然而，一旦机组故障加剧，即
在t3时刻，新的计划从t3开始，并记录从t2到t3的相应甩负荷量。同样，当某些机组恢复正常
时，如t4和t5，当前的调度也将停止，并开始新的调度。在调度时间段结束前，将计算总的甩
负荷量。

[0092] 104、基于可靠性约束条件得到目标约束条件，并确定关于电热系统规划的目标函数，利用目标约束条件和目标函数进行组合计算，得到极地区域的新能源出力机组的机组
数量、电热系统出力机组的机组数量。

[0093] 在本申请实施例中，确定可靠性约束条件之后，结合新能源出力约束条件、储能设备约束条件、候选设备数量约束条件、切负荷量约束条件、动力系统约束条件、供热系统约
束条件和耦合元件约束条件得到目标约束条件，获取关于电热系统规划的目标函数，将目
标函数和目标约束条件进行组合计算，就可以得到极地区域的新能源出力机组的机组数
量、电热系统出力机组的机组数量，进而后续可以基于极地区域的新能源出力机组的机组
数量、电热系统出力机组的机组数量进行电力规划了。

[0094] 本申请实施例提供的方法，首先确定极地区域的地理位置信息和气象环境信息，利用高斯混合模型对地理位置信息和气象环境信息进行拟合，得到关于风速和辐照度的概
率密度分布函数；接着利用增强分层期望最大化算法对关于风速和辐照度的概率密度分布
函数的参数进行计算，得到目标概率密度分布函数，以及根据目标概率密度分布函数利用
蒙特卡洛方法确定风机机组的有功功率和光伏机组的有功功率；之后根据风机机组的有功
功率和光伏机组的有功功率利用基于序贯蒙特卡洛的滚动时域方法确定可靠性指标函数，
基于可靠性指标函数确定可靠性约束条件；最后基于可靠性约束条件得到目标约束条件，
并确定关于电热系统规划的目标函数，利用目标约束条件和目标函数进行组合计算，得到
极地区域的新能源出力机组的机组数量、电热系统出力机组的机组数量；本申请考虑到极
地区域特殊的地理位置和气象环境，通过目标概率密度分布函数对极地区域的风速和光照
强度的概率特征进行了描述，后续利用基于序贯蒙特卡洛的滚动时域方法确定可靠性指标
函数，也就是说，这个可靠性指标函数是通过基于序贯蒙特卡洛的滚动时域方法，计算极地
区域不同机组组合下的可靠性指标，以及通过拟合所获得的离散点得到的，之后基于可靠
性指标函数确定的可靠性约束条件是可以直接进行计算的，接着将目标约束条件和目标函
数进行组合计算，可以得到极地区域的新能源出力机组的机组数量、电热系统出力机组的
机组数量，通过二者结合有效提高计算精度与速度，后续可以基于极地区域的新能源出力
机组的机组数量、电热系统出力机组的机组数量进行电力规划，也即，会得到新能源出力机
组和电热系统出力机组的最优规划方案，通过最优规划方案规划的电力系统会安全且稳定
的运行，进一步提高了极地区域的电力系统运行的可靠性。

[0095] 进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施方式，本申请实施例提供了另一种极地区域能源系统规划方法，如图2所示，该
方法包括：

[0096] 201、确定极地区域的地理位置信息和气象环境信息，利用高斯混合模型对地理位置信息和气象环境信息进行拟合，得到关于风速和辐照度的概率密度分布函数。

[0097] 202、利用增强分层期望最大化算法对关于风速和辐照度的概率密度分布函数的参数进行计算，得到目标概率密度分布函数。

[0098] 203、根据目标概率密度分布函数利用蒙特卡洛方法确定风机机组的有功功率和光伏机组的有功功率。

[0099] 在本申请实施例中，首先，利用蒙特卡洛方法对目标风速和辐照度的概率密度分布函数进行模拟，得到风速值和辐照度值，之后确定风机机组处理模型，基于风速值利用风
机机组处理模型确定风机机组的有功功率，以及确定光伏机组处理模型，基于辐照度值利
用光伏机组处理模型确定光伏机组的有功功率。需要说明的是，可以通过下述风机机组处
理模型和光伏机组处理模型确定风机机组的有功功率、光伏机组的有功功率：

[0100]

[0101] Ppv,t＝PSTCGAC[1+k(Ta‑TSTC)]/GSTC，

[0102] 其中，Pwt0是标准条件下风电机组的输出功率，Pr为风电机组的额定功率，vci，vco，vr分别是切入风速、切出风速和额定风速，R为通用气体常数，
Ta为环境温度，ρ0为标准条件下的标准状态空气密度，PSTC为额定功率，k为功率温度系数，
TSTC为标准状态下的温度，GAC为实际辐照度，GSTC为标准状态下的辐照度，Pwt,t为，Ppv,t分别为t时刻风机、光伏板的输出功率。

[0103] 进一步地，利用蒙特卡洛方法对目标风速和辐照度的概率密度分布函数进行模拟，得到风速值和辐照度值的具体方法为：

[0104] (1)根据所得的风速与辐照度的概率密度分布函数得到待预测样本的累计概率密度分布函数。

[0105] (2)采用蒙特卡洛法对累计概率密度进行1000次的抽样后经场景缩减得到极地的风速与辐照度。

[0106] 204、根据风机机组的有功功率和光伏机组的有功功率利用基于序贯蒙特卡洛的滚动时域方法确定可靠性指标函数。

[0107] 在本申请实施例中，首先获取关于风机机组的有功功率参数和光伏机组的有功功率参数的第一约束条件，以及获取关于机组运行状态的第二约束条件，之后将风机机组的
有功功率和光伏机组的有功功率代入第一约束条件中，得到第一中间约束条件，接着确定
机组运行状态，将机组运行状态代入关于机组运行状态的第二约束条件中，得到第二中间
约束条件，随后基于第一中间约束条件和第二中间约束条件确定总约束条件，最后获取关
于最小燃料成本和切负荷成本的指定函数，基于指定函数和总约束条件利用滚动时域方法
确定可靠性指标函数。

[0108] 需要说明的是，通过上述过程确定了第一中间约束条件，第一中间约束条件为：

[0109]

[0110] 其中，Npv，Nwt分别为光伏板和风机的个数； 分别是光伏板、风机的出力最大限制； 分别是光伏板、风机运行状态。

[0111] 第二中间约束条件为：

[0112]

[0113]

[0114] 其中，Pde，t是t时刻柴油发电机的输出功率；Nde是柴油发电机个数， 是柴油发电机输出功率上限； 是柴油发电机的运行状态；Pc，t，bs，Pd，t，bs，Pc，t，hs，Pd，t，hs分别是蓄电池的充放电功率、氢储系统的充放电功率；μc，μb表示蓄电池充放电状态；vc，vd表示氢储系
统的充放电状态；Pc，bs，max，Pd，bs，max，Pc，hs，max，Pd，hs，max分别是蓄电池充放电功率和氢储系统充放电功率最大值，Nbs，Nhs分别是蓄电池、氢储系统的个数； 分别是蓄电池和氢储
系统的运行状态。

[0115] 获取关于最小燃料成本和切负荷成本的指定函数，指定函数为：

[0116]

[0117] 其中，Ctotal是总成本；Pde，t，Pcur，t，Hcur，t分别是t时刻柴油发电机输出功率、切电负荷量、切热负荷量； ρcur，P，ρcur，H分别是其所对应的权重。

[0118] 基于第一中间约束条件和第二中间约束条件确定的总约束条件为：

[0119] Ppv，t+Pwt，t+Pde，t+Pd，t，bs‑Pc，t，bs+Pd，t，hs‑Pc，t，hs＝∑Pload，t‑Pcur，t+Peb，t，[0120]

[0121] 其中，Ppv，t，Pwt，t，Pde，t，Pc，t，bs，Pd，t，bs，Pc，t，hs，Pd，t，hs分别是光伏板、风机、柴油发电机、蓄电池充电、蓄电池放电、电解水制氢、燃料电池放电的有功功率；Pload，t是t时刻系统的负荷；Pcur，t是系统t时刻的切电负荷量；Peb，t是电锅炉消耗的电功率。Pij，t是t时刻线路ij的传输功率； 是线路ij允许传输的最大功率。

[0122]

[0123] 其中，Pcur，t是系统t时刻的切电负荷量， 是系统t时刻的允许最大切电负荷量。

[0124]

[0125] 其中，Hcur，t是系统t时刻的切热负荷量， 是系统t时刻的允许最大切热负荷量。

[0126]

[0127]

[0128] Cbs(t)＝(1‑δ(Ta))Cbs(t‑1)‑Pd，t，bs(t)/ηd，bs+Pc，t，bsηc，bs，

[0129] 其中，Npv，Nwt分别为光伏板和风机的个数， 分别是光伏板、风机的出力最大限制； 分别是光伏板、风机运行状态，Pde，t是t时刻柴油发电机的输出功率，
Nde是柴油发电机个数，Cbs(t)表示t时刻的蓄电池容量，δ(Ta)表示蓄电池的自放电率，它是
与环境温度Ta有关的值，Pc，t，bs，Pd，t，bs是蓄电池充放电功率，ηd，bs，ηc，bs分别为蓄电池充放电效率。

[0130]

[0131] NbsCbs，min≤cbs，t≤NbsCbs，max，

[0132] 其中，Pc，t，bs，Pd，t，bs是蓄电池充放电功率，Pc，bs，max，Pd，bs，max分别是蓄电池充放电功率最大值，Nbs是蓄电池的个数， 是蓄电池的运行状态，Cbs，t是蓄电池t时刻的容量，Cbs，max，Cbs，min分别是蓄电池容量的上下限。

[0133] μc+μd＝1，

[0134] 其中，μc，μd表示蓄电池充放电状态。

[0135] Qhs(t)＝Qhs(t‑1)+Pc，t，hs(t)ηc，hs‑Pd，t，hs(t)/ηd，hs，

[0136] 其中，Qhs(t)表示t时刻的氢罐容量，Pc，t，hs，Pd，bs，max是氢储系统充放电功率。ηd，hs，ηc，hs分别为氢储系统充放电效率。

[0137]

[0138] NhsQhs，min≤Qhs(t)≤NhsQhs，max，

[0139] 其中，Pc，t，hs，Pd，t，hs分别是氢储系统的充放电功率，Pc，hs，max，Pd，hs，max是氢储系统充放电功率最大值，Nhs是氢储系统的个数， 是氢储系统的运行状态，Qhs(t)是氢罐t时刻的容量，Qbs，max，Qbs，min分别是氢罐容量的上下限。

[0140] vd+vc＝1，

[0141] 其中，vc，vd表示氢储系统的充放电状态。

[0142] Hde，t＝ηdePde，t Heb，t＝ηebPeb，t，

[0143] 其中，Hde，t，Heb，t分别是柴油发电机的废热功率，电锅炉输出热功率，ηde，ηed是柴油发电机废热和电锅炉的电热转化率。

[0144]

[0145] 其中， 是t时刻k节点的所有热出力和热负荷， 分别是k节点管道的供水温度和回水温度。

[0146]

[0147] 其中， 是t时刻k节点流出管道和流入管道的温度，Ta是环境温度，λ是传热系数；L是管道长度。

[0148]

[0149] 其中，mout为管道流出的质量流量，min为管道流入的质量流量

[0150]

[0151] 其中， 为供热网络中节点k的最小临界温度， 为供热网络中节点k的最小临界温度。

[0152]

[0153] 其中， 为回流供热网络中节点k的最小临界温度， 为回流供热网络中节点k的最大临界温度。

[0154] 获取关于最小燃料成本和切负荷成本的指定函数，指定函数为：

[0155]

[0156] 最后，基于目标函数和总约束条件利用滚动时域方法可以确定可靠性指标函数。需要说明的是，指定函数是在滚动范围内使柴油发电机的燃料成本和削减电负荷/热负荷
的成本最小化。这里引入了变量U来表示机组的运行状态，以考虑到机组的故障状态。此外，
每种类型机组的数量也是已知的。

[0157] 需要说明的是，这里引入假设平均无故障时间(MTTF)和平均故障修复时间(MTTR)服从指数分布。因此，机组的无故障时间(TTF)和机组的故障修复时间(TTR)分别描述为：

[0158]

[0159] 其中，λ为故障率，δ1为0至1的随机数，TTF为机组的无故障时间；

[0160]

[0161] 其中，σ为修复率，δ2为0至1的随机数，TTR为机组的故障修复时间；

[0162] 之后，基于机组的无故障时间公式和机组的故障修复时间公式利用序贯蒙特卡洛进行模拟，得到机组运行状态。

[0163] 需要说明的是，基于机组的无故障时间公式和机组的故障修复时间公式利用序贯蒙特卡洛进行模拟的具体方法为：

[0164] (1)初始化仿真参数；

[0165] (2)计算每个设备的正常工作时间TTF，利用一定规则确定故障的设备；

[0166] (3)确定故障设备的修复时间的切换时间；

[0167] (4)仿真时间加上TTF和故障持续时间，判断是否达到仿真阈值，若是则进行下一步，否则返回步骤(2)。

[0168] 由上述内容可知，使用序贯蒙特卡洛法进行模拟，根据元件每一次无故障正常工作时间以及故修复时间，仿真模拟出在设定的总时间段内元件的状态持续时间序列。设定
元件正常运行为1，故障为0，至此可以得到每个机组在总时间段的运行状态U。然后执行滚
动调度。也就是说，利用机组运行状态可以构建一矩阵，这个矩阵中每列对应一时刻的机组
运行状态，在确定当前时刻的机组运行状态与前一时刻的机组运行状态不一致时，确定机
组的运行状态发生改变，在每次确定机组的运行状态发生改变时，获取新的机组运行状态，
基于新的机组运行状态确定新的总约束条件，将指定函数和新的总约束条件进行组合计
算，得到多个切电负荷量和多个切热负荷量，获取关于切电负荷量参数和切热负荷量参数
的可靠性指标公式，基于多个切电负荷量和多个切热负荷量利用可靠性指标公式确定可靠
性指标函数。即，可靠性指标函数EENS由下式得出：

[0169]

[0170] 其中，EENS是系统可靠性指标函数，N是模拟年数，T是模拟小时数，Pcur，t，y，Hcur，t，y是系统y年t时刻的切电、切热负荷。

[0171] 205、基于可靠性约束条件得到目标约束条件。

[0172] 在本申请实施例中，对可靠性指标函数EENS进行拟合，得到可靠性指标函数EENS的真实函数：

[0173]

[0174] 其中，{m0，m1，…，m21}是通过普通最小二乘法得到的拟合系数。拟合的有效性通过引入均方根误差(RMSE)来验证。拟合效果越好，RMSE值越小。RMSE的计算如下所示：

[0175]

[0176] 其中，n代表样本数； 代表真实值；yi代表拟合值。至此，我们提取了明确的EENS函数。

[0177] 之后，获取期望供缺电量的上限值，基于真实函数和期望供缺电量的上限值确定可靠性约束条件，可靠性约束条件为：

[0178]

[0179] 其中， 为期望供缺电量的上限值。

[0180] 206、确定关于电热系统规划的目标函数，利用目标约束条件和目标函数进行组合计算，得到极地区域的新能源出力机组的机组数量、电热系统出力机组的机组数量。

[0181] 在本申请实施例中，目标约束条件包括可靠性约束条件、新能源出力约束条件、储能设备约束条件、候选设备数量约束条件、切负荷量约束条件、动力系统约束条件、供热系
统约束条件和耦合元件约束条件，其中，

[0182] 对于供热系统，采用了质量调节，并考虑了热量供需约束、温降约束、温度混合约束以及供热管网的供回水温度限制的动力系统约束条件为：

[0183]in

[0184] 其中， 为节点k处的总输入热量，c是水的比热容，cm 为管道流入的质量流量，为供热网中的节点温度， 为回热网中的节点温度；

[0185]out

[0186] 其中， 为节点k处的热负荷，cm 为管道流出的质量流量；

[0187]

[0188] 其中， 为管道起点节点， 为管道终点节点，Ta为环境温度，λ为单位长度管道的传热系数，L为每根管道的长度，CP为水的比热，m为每根管道的质量流量；

[0189]

[0190] 其中，mout为管道流出的质量流量，min为管道流入的质量流量；

[0191]

[0192] 其中， 为供热网络中节点k的最小临界温度， 为供热网络中节点k的最小临界温度；

[0193]

[0194] 其中， 为回流供热网络中节点k的最小临界温度， 为回流供热网络中节点k的最大临界温度。

[0195] 耦合元件的约束条件为：

[0196] Hde，t＝ηdePde，t Heb，t＝ηebPeb，t，

[0197] 其中，Hde，t为柴油发电机的热功率输出，Pde，t为柴油发电机的电功率输出，ηde为柴油发电机的热效率，Heb，t为电锅炉的发热量，Peb，t为电锅炉消耗的电能，ηeb为电锅炉的热效率；

[0198] 0≤Pde，t≤NdePde，max，

[0199] 其中，Nde为柴油发电机的数量，Pde，max为柴油发电机功率输出的上限。

[0200] 对于电网规划模型，功率平衡方程和线路流量约束条件如下所示，柴油发电机、风机、光伏板、蓄电池和氢燃料电池的输出功率之和相当于居民负荷和电锅炉消费负荷减去
甩负荷，动力系统约束条件为：

[0201] Ppv，t+Pwt，t+Pde，t+Pdt，bs‑Pc，t，bs+Pd，t，hs‑Pc，t，hs＝ΣPload，t‑Pcur，t+Peb，t，[0202] 其中，Ppv，t为风机机组的输出功率，Pwt，t为光伏机组的输出功率，Pc，t，bs为蓄电池的充电功率，Pd，t，bs为蓄电池的放电功率，Pc，t，hs为氢储系统的充电功率，Pd，t，hs为氢储系统的放电功率，Pload，t为居民负荷，Pcur，t为削减负荷；

[0203]

[0204] 其中，fijmax为ij线路的输电功率上限，Pij为ij线路的输电功率。

[0205] 新能源出力约束条件为：

[0206]

[0207] 储能设备约束条件为：

[0208] Cbs(t)＝(1‑δ(Ta))Cbs(t‑1)‑Pd，t，bs(t)/ηd，t，bs+Pc，t，bsηc，bs，

[0209] μc+μd＝1，

[0210] 0≤Pc，t，bs≤μcPc，bs，maxNbs，

[0211] 0≤Pd，t，bs≤μdPd，bs，maxNbs，

[0212] NbsCbs，min≤Cbs，t≤NbsCbs，max，

[0213] Qhs(t)＝Qhs(t‑1)+Pc，t，hs(t)ηc，hs‑Pd，t，hs(t)/ηd，hs，

[0214] vd+vc＝1，

[0215] 0≤Pd，t，hs≤vdPd，hs，maxNhs，

[0216] 0≤Pc，t，hs≤vcPc，hs，maxNhs，

[0217] NhsQhs，min≤Qhs(t)≤NhsQhs，max，

[0218] 候选设备数量约束条件为：

[0219] 0≤Npv≤Npv，max，

[0220] 0≤Nwt≤Nwt，max，

[0221] 0≤Nbs≤Nbs，max，

[0222] 0≤Nhs≤Nhs，max，

[0223] 0≤Nde≤Nde，max，，

[0224] 其中，Npv，max，Nwt，max，Nde，max，Nbs，max，Nhs，max分别是光伏板、风机、柴油发电机、蓄电池、氢储系统的个数上限。

[0225] 切负荷量约束条件为：

[0226]

[0227] 确定关于电热系统规划的目标函数，目标函数包含能源系统的经济成本CE和无法满足可靠性要求的惩罚成本CR，具体形式为：

[0228] min Ctotal＝min(ACE+BCR)，

[0229] CE＝Cwt+Cpv+Cde+Cbs+Chs，

[0230]

[0231] 其中，Ctotal为总成本，A、B分别为经济成本和惩罚成本的权重，Hcur，t和Pcur，t为全年每小时削减的热负荷和电负荷之和，ρcur，P和ρcur，H分别为削减电负荷和热负荷严重程度的wt wt inv wt，rep wt，om
权重；C 是风电机组的总成本，包括投资成本C ， 、重置成本C 、运行维护成本C ，
wt，res
以及残值C ，如下所示：

[0232] Cwt＝Cwt，inv+Cwt，rep+Cwt，om‑Cwt，res，

[0233] 同样，光伏板、柴油发电机、蓄电池和氢储系统的总成本分别如下所示：

[0234] Cpv＝Cpv，in+Cpv，rep+Cpv，on‑Cpv，res，

[0235] Cpv＝Cpv，mv+Cpv，rep+Cpv，on‑Cpv，res，

[0236] Chs＝Chs，inv+Chs，rep+Chs，om‑Chs，res，

[0237] Cde＝Cde，inv+Cde，rep+Cde，om‑Cde，res＋Cde，fue。

[0238] 除上述成本外，由于在南极进行柴油发电机需要运输和消耗燃料，因此柴油发电de，fue
机的总成本还需要考虑燃料成本C 。

[0239] 最后，利用目标约束条件和目标函数进行组合计算，就可以得到极地区域的新能源出力机组的机组数量、电热系统出力机组的机组数量。

[0240] 207、基于极地区域的新能源出力机组的机组数量、电热系统出力机组的机组数量生成面向极地区域的能源系统规划方案。

[0241] 在本申请实施例中，可以基于极地区域的新能源出力机组的机组数量、电热系统出力机组的机组数量生成面向极地区域的能源系统规划方案，并将面向极地区域的能源系
统规划方案发送至规划人员所持终端，以使规划人员基于终端在接收到面向极地区域的能
源系统规划方案时对该能源系统规划方案进行评审。也就是说，基于极地区域的新能源出
力机组的机组数量、电热系统出力机组的机组数量可以给出极地区域能源系统的最优分配
方案。

[0242] 本申请实施例提供的方法，考虑到极地区域特殊的地理位置和气象环境，通过目标概率密度分布函数对极地区域的风速和光照强度的概率特征进行了描述，后续利用基于
序贯蒙特卡洛的滚动时域方法确定可靠性指标函数，也就是说，这个可靠性指标函数是通
过基于序贯蒙特卡洛的滚动时域方法，计算极地区域不同机组组合下的可靠性指标，以及
通过拟合所获得的离散点得到的，之后基于可靠性指标函数确定的可靠性约束条件是可以
直接进行计算的，接着将目标约束条件和目标函数进行组合计算，可以得到极地区域的新
能源出力机组的机组数量、电热系统出力机组的机组数量，通过二者结合有效提高计算精
度与速度，后续可以基于极地区域的新能源出力机组的机组数量、电热系统出力机组的机
组数量进行电力规划，也即，会得到新能源出力机组和电热系统出力机组的最优规划方案，
通过最优规划方案规划的电力系统会安全且稳定的运行，进一步提高了极地区域的电力系
统运行的可靠性。

[0243] 进一步地，作为图1所述方法的具体实现，如图3A所示，本发明实施例提供了一种极地区域能源系统规划装置，包括：拟合模块301、第一计算模块302、确定模块303和第二计
算模块304。

[0244] 该拟合模块301，用于确定所述极地区域的地理位置信息和气象环境信息，利用高斯混合模型对所述地理位置信息和所述气象环境信息进行拟合，得到关于风速和辐照度的
概率密度分布函数；

[0245] 该第一计算模块302，用于利用增强分层期望最大化算法对所述关于风速和辐照度的概率密度分布函数的参数进行计算，得到目标概率密度分布函数，以及根据所述目标
概率密度分布函数利用蒙特卡洛方法确定风机机组的有功功率和光伏机组的有功功率；

[0246] 该确定模块303，用于根据所述风机机组的有功功率和所述光伏机组的有功功率利用基于序贯蒙特卡洛的滚动时域方法确定可靠性指标函数，基于所述可靠性指标函数确
定可靠性约束条件；

[0247] 该第二计算模块304，用于基于所述可靠性约束条件得到目标约束条件，并确定关于电热系统规划的目标函数，利用所述目标约束条件和所述目标函数进行组合计算，得到
所述极地区域的新能源出力机组的机组数量、电热系统出力机组的机组数量。

[0248] 在具体的应用场景中，该第一计算模块302，还用于利用所述蒙特卡洛方法对所述目标概率密度分布函数进行模拟，得到风速值和辐照度值；确定风机机组处理模型，基于所
述风速值利用所述风机机组处理模型确定所述风机机组的有功功率；确定光伏机组处理模
型，基于辐照度值利用所述光伏机组处理模型确定所述光伏机组的有功功率。

[0249] 在具体的应用场景中，该确定模块303，还用于获取关于风机机组的有功功率参数和光伏机组的有功功率参数的第一约束条件，以及获取关于机组运行状态的第二约束条
件；将所述风机机组的有功功率和所述光伏机组的有功功率代入所述第一约束条件中，得
到第一中间约束条件；确定机组运行状态，将所述机组运行状态代入所述关于机组运行状
态的第二约束条件中，得到第二中间约束条件；基于所述第一中间约束条件和所述第二中
间约束条件确定总约束条件；获取关于最小燃料成本和切负荷成本的指定函数，基于所述
指定函数和所述总约束条件利用滚动时域方法确定所述可靠性指标函数。

[0250] 在具体的应用场景中，该确定模块303，还用于确定机组的无故障时间公式为：

[0251]

[0252] 其中，λ为故障率，δ1为0至1的随机数，TTF为机组的无故障时间；

[0253] 确定机组的故障修复时间公式为：

[0254]

[0255] 其中，σ为修复率，δ2为0至1的随机数，TTR为机组的故障修复时间；

[0256] 基于所述机组的无故障时间公式和所述机组的故障修复时间公式利用序贯蒙特卡洛进行模拟，得到所述机组运行状态。

[0257] 在具体的应用场景中，该确定模块303，还用于利用机组运行状态构建一矩阵，其中，矩阵中每列对应一时刻的机组运行状态；在确定当前时刻的机组运行状态与前一时刻
的机组运行状态不一致时，确定机组的运行状态发生改变；在每次确定机组的运行状态发
生改变时，获取新的机组运行状态，基于所述新的机组运行状态确定新的总约束条件，将所
述指定函数和所述新的总约束条件进行组合计算，得到多个切电负荷量和多个切热负荷
量；获取关于切电负荷量参数和切热负荷量参数的可靠性指标公式，基于所述多个切电负
荷量和所述多个切热负荷量利用所述可靠性指标公式确定所述可靠性指标函数。

[0258] 在具体的应用场景中，该确定模块303，还用于对所述可靠性指标函数进行拟合，得到所述可靠性指标函数的真实函数；获取期望供缺电量的上限值，基于所述真实函数和
所述期望供缺电量的上限值确定所述可靠性约束条件。

[0259] 在具体的应用场景中，如图3B所示，所述装置还包括：生成模块305。

[0260] 该生成模块305，用于基于所述极地区域的新能源出力机组的机组数量、电热系统出力机组的机组数量生成面向极地区域的能源系统规划方案，并将所述面向极地区域的能
源系统规划方案发送至规划人员所持终端，以使所述规划人员基于所述终端在接收到所述
面向极地区域的能源系统规划方案对所述能源系统规划方案进行评审。

[0261] 本申请实施例提供的装置，考虑到极地区域特殊的地理位置和气象环境，通过目标概率密度分布函数对极地区域的风速和光照强度的概率特征进行了描述，后续利用基于
序贯蒙特卡洛的滚动时域方法确定可靠性指标函数，也就是说，这个可靠性指标函数是通
过基于序贯蒙特卡洛的滚动时域方法，计算极地区域不同机组组合下的可靠性指标，以及
通过拟合所获得的离散点得到的，之后基于可靠性指标函数确定的可靠性约束条件是可以
直接进行计算的，接着将目标约束条件和目标函数进行组合计算，可以得到极地区域的新
能源出力机组的机组数量、电热系统出力机组的机组数量，通过二者结合有效提高计算精
度与速度，后续可以基于极地区域的新能源出力机组的机组数量、电热系统出力机组的机
组数量进行电力规划。

[0262] 需要说明的是，本发明实施例提供的一种极地区域能源系统规划装置所涉及各功能单元的其他相应描述，可以参考图1和图3A、图3B中的对应描述，此处不再赘述。

[0263] 在示例性实施例中，参见图4，还提供了一种电子设备，该电子设备包括总线、处理器、存储器和通信接口，还可以包括输入输出接口和显示设备，其中，各个功能单元之间可
以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所
存放的程序，执行上述实施例中的极地区域能源系统规划方法。

[0264] 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的极地区域能源系统规划方法的步骤。

[0265] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本申
请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储
介质(可以是CD‑ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台电子设备(可以是个
人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

[0266] 本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。

[0267] 本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装
置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

[0268] 上述本申请序号仅仅为了描述，不代表实施场景的优劣。

[0269] 以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各
种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。