CN108494014A - 一种混合能源热电联产经济性优化管理方法 - Google Patents

Abstract

本发明公开了一种混合能源热电联产经济性优化管理方法，管理方法包括如下步骤：(1)获取微电网中各微电网的发电状态信息、依赖的环境信息；(2)建立微电网最小费用模型的目标函数；(3)采用NSGA‑Ⅱ多目标优化算法，通过立微电网中各负荷和各微源的状态信息对多目标经济调度模型进行优化分析计算，获得各微源的最优有功功率、获取各微源的最优占比。本发明能偶对能源微网中各组分最优经济组成，帮助降低微电网***建设成本、运营成本，并且在满足用户用电负荷、用热负荷的前提下，优化能源管理，达到最小成本目标控制。

Description

一种混合能源热电联产经济性优化管理方法

技术领域

本发明涉及能源微网技术领域，具体涉及一种光伏与燃气轮机组成的混合能源热电联产经济性优化管理方法。

背景技术

微电网(Micro-Grid，MG)是由分布式发电(DistributedGeneration，DG)、负荷、储能装置及控制装置构成的一个单一可控的独立发电***。微电网可包含多种微电源，如燃料电池、可再生能源发电、燃气内燃机、光伏发电和微型燃气轮机冷热电三联供等多种发电形式，以及布置蓄能和储热(冷)装置等，其中各微电源的发电特性各异，且有些微电源的发电特性存在互补的优势。通过先进的控制策略和控制手段，可保证新能源微网内高可靠的能源供给，可实现两种运行模式的无缝切换。独立型微网不和常规电网相连接，利用自身的分布式能源满足微网内负荷的需求。当网内存在可再生分布式能源时，常常需要配置储能***以保持能源与负荷间的功率平衡，适合在海岛、边远地区等地为用户供能。

但微电网需要良好的规划以避免产生不可预期的问题。这是由于目前微网建设成本高、国内运行实例少，维护费用不明确，并且冷热电联供型微电网的规划和运行是一个复杂多变量、多约束和强稱合的非线性优化问题。良好的规划管理应达到微电网能源梯级利用、降低污染物排放、增强供能***经济效益等目标。

目前研究多集中于单光伏发电与热电联产的运行管理研究，较少考虑光伏发电与热电联供结合的研究。对于多种形式的混合能源微网，较少研究各组分装机比例对项目投资，运行费用的影响。研究多种能源结合的能源微网优化管理，可实现分布式电源组成的微网以更为经济、灵活、环保的方式运行。

发明内容

本发明为了解决上述问题，从而提供一种混合能源热电联产经济性优化管理方法。

为达到上述目的，本发明的技术方案如下：

一种混合能源热电联产经济性优化管理方法，管理方法包括如下步骤：

(1)获取微电网中各微电网的发电状态信息、依赖的环境信息；

(2)建立微电网最小费用模型的目标函数，并设定不同的约束条件，适应不同的运行模式；

(3)采用NSGA-Ⅱ多目标优化算法，通过立微电网中各负荷和各微源的状态信息对多目标经济调度模型进行优化分析计算，获得各微源的最优有功功率、获取各微源的最优占比。

在本发明的一个优选实施例中，发电状态信息、依赖的环境信息为电站当地气象历史数据、气象预测数据、当地燃气原料气价格和电站设计用电负荷、设计用热负荷。

在本发明的一个优选实施例中，目标函数为：

minF＝f₁+f₂。

在本发明的一个优选实施例中，考虑了燃气轮机燃料费用、光伏组件安装费用、储热与储电装置的运行费用和与大电网交互的费用，兼顾了热/电储存及释放、并离网的电站运行模式，将式中f₁为微网安装及运营成本函数，f₂为微网配售电经济函数为

式中，C_inf为微网各能源组成安装成本；C_fuel为燃气轮机消耗的原料气费用；C_grid为能源微网与外电网交互的费用。

在本发明的一个优选实施例中，所述的C_inf，可表示为C_inf＝C_L+C_G+C_SR+C_SP，式中，C_L为光伏发电安装费用，C_G为燃气轮机安装费用，C_SR为储热费用，C_SP为储电费用。

在本发明的一个优选实施例中，所述的光伏发电安装费用由多利用发电电池组的额定发电功率确定，可表示为：C_L＝c_lP_L，式中P_L为光伏电站装机功率，c_l为单位额定功率下的装机成本。

本发明的有益效果是：

本发明能偶对能源微网中各组分最优经济组成，帮助降低微电网***建设成本、运营成本，并且在满足用户用电负荷、用热负荷的前提下，优化能源管理，达到最小成本目标控制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为热电联产项目管理***的结构示意图；

图2为本发明的计算的流程图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。

参见图1，热电联产项目管理***包括光伏发电模块1、燃气轮机机组2、电能储存装置3、热能储存装置4、能量管理***5、大电网6和热网7。

光伏发电模块1、燃气轮机机组2和电能储存装置3分别连接大电网6，热能储存装置4分别连接电能储存装置3和热网7。

而能量管理***5可管理光伏发电模块1、燃气轮机机组2、电能储存装置3和热能储存装置4。

本申请提供的混合能源热电联产经济性优化管理方法就是基于上述能量管理***5进行实施，管理方法包括如下步骤：

(1)获取微电网中各微电网的发电状态信息、依赖的环境信息；

(2)建立微电网最小费用模型的目标函数；

(3)采用NSGA-Ⅱ多目标优化算法，通过立微电网中各负荷和各微源的状态信息对多目标经济调度模型进行优化分析计算，获得各微源的最优有功功率、获取各微源的最优占比。

发电状态信息、依赖的环境信息为电站当地气象历史数据、气象预测数据、当地燃气原料气价格和电站设计用电负荷、设计用热负荷。

上述目标函数具体为：

minF＝f₁+f₂。

其中式中f为微网安装及运营成本函数，f₂为微网配售电经济函数为：

式中，C_inf为微网各能源组成安装成本；C_fuel为燃气轮机消耗的原料气费用；C_grid为能源微网与外电网交互的费用。

其中，上述的C_inf，可表示为C_inf＝C_L+C_G+C_SR+C_SP，式中，C_L为光伏发电安装费用，C_G为燃气轮机安装费用，C_SR为储热费用，C_SP为储电费用。

其中，上述的光伏发电安装费用由多利用发电电池组的额定发电功率确定，可表示为：C_L＝c_lP_L，式中P_L为光伏电站装机功率。c_l为单位额定功率下的装机成本。

为了得到上述目标函数，本申请还分别建立了光伏发电模块1的光伏发电模型、燃气轮机机组2的燃气轮机出力模型、热能储存装置4的储能***模型和电能储存装置3的电能储存装置模型。

光伏发电模块1由光伏阵列、控制器、控制器和并网逆变器模块构成。伏发电***通过利用光伏阵列的数学模型，找到光伏阵列在确定光照和温度条件下输出最大功率时对应的工作电压再利用控制器和并网逆变器模块，最后通过升压变压器将输出的最大功率。

光伏发电模型为：

T(t)＝T_a(t)+0.0138[1+0.031T_a(t)](1-0.042V_w)G(t)

其中，Gs、TS、PS分别为标准测试环境下的光照强度、光伏电池温度、最大输出功率，前面两个量值取1KW/m2和25℃；k为光伏电池温度系数；POUT为光伏输出功率；T为太阳电池表面温度；Ta为环境温度值；VW为风速；TMAX为该日的温度的最大值；TMIN为该日的温度最小值；tp为平均温度时刻。所述的光伏发电模型，由光伏电站现场传感数据、调用当地天气数据、及历史发电数据得到模型中相关参数取值，通过拟合得到光伏发电出力值。

燃气轮机机组2具体包括转速与加速度控制***、温度控制***、燃料供给和燃烧室以及压缩机一涡轮***等部分。燃气轮机通过控制燃料流量来反映燃气轮机透平进口温度，从而控制发电量。

燃气轮机出力模型为：

建设成本

其中，为燃气轮机额定发电效率；为燃气轮机额定制热效率；η_r为联产***余热回收效率；P_cap为燃气轮机的额定容量；Q_G为燃机轮机排气余热；P_G为燃气轮机发电功率；F_G为燃气轮机燃料消耗量；C_G为燃气轮机初始投资成本；

运行成本

C_fuel＝c_fF_G(t)

式中c_f为单位额定功率下的装机成本，C_fuel为燃料消耗成本。

储能***模型为：

W_H(t)＝W_H(t-1)+η_HQ_H C_SR＝c_SRW_H(t)

式中，W_H(t)为t时刻装置储热量，W_H(t-1)为上一时刻蓄热量，η_H为储热***换热器效率，Q_H为热电联产项目余热回收的额定热量。c_SR为单位热量所需费用。

电能储存装置模型为：

C_SP(t)＝(c_SP,dP_dis+c_SP,cP_ch)Δt

式中c_SP,d与c_SP,c分别为电池放电、充电费用，而相应的P_dis P_ch为电池的充放电功率。

另外，在实际电站在运行中，有选择的根据大电网的实时电价进行购电\售电操作，这是微电网区别于传统电网的根本特点。当大电网电价处于低谷优势时，可选择的进行购电操作，同时增加储电储热，当大电网电价处于峰值或不经济区段，可选择自发电自用或售电等操作，本申请还建立了配售电收益模型：

式中，C_s C_b分别为向大电网售电购电的费用，P_s(t)P_b(t)分别为售电、购电的功率。

再者，为了能够求解以上目标函数，还需一系列线性与非线性约束条件，具体如下:

电能平衡约束条件：

电站总的电能输出应当大于用户侧负荷，即

P_L+P_G+P_s-P_Load≥0

热量平衡约束条件：

燃气轮机的余热，应当大于储热装置的蓄热量，以及用户侧的热负荷，即

Q_g-W_H≥0Q_g-Q_Load≥0

燃气轮机出力约束条件：

P_{G_min}≤P_G≤P_{G_max}

光伏发电出力约束条件：

P_{L_min}≤P_L≤P_{L_max}

蓄电池充放电约束条件：

P_{dis_min}≤P_dis≤P_{dis_max}

P_{ch_min}≤P_ch≤P_{ch_max}

蓄热装置约束条件：

W_{H_min}≤W_H≤W_{H_max}。

本申请通过采用NSGA-Ⅱ多目标优化算法计算，降低了复杂性，提高了运行速度，解集收敛性好，可成为其他多目标优化算法性能的基准。

参见图2，采用NSGA-Ⅱ多目标优化算法，通过微网中各负荷和各微源的状态信息对多目标经济调度模型进行优化求解，获得各微源的最优有功功率、获取各微源的最优占比，其主要参数设置如下：

Fitness函数：

Fitness threshold(适应度的阀值)：适合度中的设定的阀值，当最优个体的适应度达到给定的阀值，或者最优个体的适应度和群体适应度不再上升时(变化率为零)，则算法的迭代过程收敛、算法结束。否则，用经过选择、交叉、变异所得到的新一代群体取代上一代群体，并返回到选择操作处继续循环执行。

P：种群的染色体的总数叫种群规模，其长度等于它包含的个体数量。太小时难以求出最优解，太大则增长收敛时间导致程序运行时间长。对不同的问题可能有各自适合的种群规模，通常种群规模为30至160。

Pc：在循环中进行交叉操作所用到的概率。交叉概率(Pc)一般取0.6至0.95之间的值，Pc太小时难以向前搜索，太大则容易破坏高适应值的结构。

Pm：变异概率，从个体群中产生变异的概率，变异概率一般取0.01至0.03之间的值变异概率。Pm过小时难以产生新的基因结构，太大使遗传算法成了单纯的随机搜索。

由于GA是一个概率过程，所以每次迭代的情况是不一样的,***参数不同，迭代情况也不同。

特别的，代入各约束条件的参数设置时，依据实际电站的光伏设计发电量、燃气轮机发电量、储电装置容量。其上下界限值取电站发电历史数据波峰与波谷值。当供热需求设计大于发电需求时，热平衡约束条件优于电能约束条件，且发电相关参数约束条件依据热需求通过换算热效率而得到。综上所述，该发明通过设定不同的约束条件来适应不同的运行模式。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种混合能源热电联产经济性优化管理方法，其特征在于，管理方法包括如下步骤：

(1)获取微电网中各微电网的发电状态信息、依赖的环境信息；

(2)建立微电网最小费用模型的目标函数，并设定不同的约束条件，适应不同的运行模式；

(3)采用NSGA-Ⅱ多目标优化算法，通过立微电网中各负荷和各微源的状态信息对多目标经济调度模型进行优化分析计算，获得各微源的最优有功功率、获取各微源的最优占比。

2.根据权利要求1所述的一种混合能源热电联产经济性优化管理方法，其特征在于，发电状态信息、依赖的环境信息为电站当地气象历史数据、气象预测数据、当地燃气原料气价格和电站设计用电负荷、设计用热负荷。

3.根据权利要求1所述的一种混合能源热电联产经济性优化管理方法，其特征在于，目标函数为：

minF＝f₁+f₂。

4.根据权利要求3所述的一种混合能源热电联产经济性优化管理方法，其特征在于，考虑了燃气轮机燃料费用、光伏组件安装费用、储热与储电装置的运行费用和与大电网交互的费用，兼顾了热/电储存及释放、并离网的电站运行模式，将式中f₁为微网安装及运营成本函数，f₂为微网配售电经济函数为：

式中，C_inf为微网各能源组成安装成本；C_fuel为燃气轮机消耗的原料气费用；C_grid为能源微网与外电网交互的费用。

5.根据权利要求4所述的一种混合能源热电联产经济性优化管理方法，其特征在于，所述的C_inf，可表示为C_inf＝C_L+C_G+C_SR+C_SP，式中，C_L为光伏发电安装费用，C_G为燃气轮机安装费用，C_SR为储热费用，C_SP为储电费用。

6.根据权利要求5所述的一种混合能源热电联产经济性优化管理方法，其特征在于，所述的光伏发电安装费用由多利用发电电池组的额定发电功率确定，可表示为：C_L＝c_lP_L，式中P_L为光伏电站装机功率，c_l为单位额定功率下的装机成本。