CN110516863A - 一种冷热电联供型多微网主动配电***双层优化方法 - Google Patents
一种冷热电联供型多微网主动配电***双层优化方法 Download PDFInfo
- Publication number
- CN110516863A CN110516863A CN201910768455.0A CN201910768455A CN110516863A CN 110516863 A CN110516863 A CN 110516863A CN 201910768455 A CN201910768455 A CN 201910768455A CN 110516863 A CN110516863 A CN 110516863A
- Authority
- CN
- China
- Prior art keywords
- power
- heating
- supply
- microgrid
- cooling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 90
- 238000001816 cooling Methods 0.000 title claims abstract description 81
- 238000009826 distribution Methods 0.000 title claims abstract description 66
- 230000009977 dual effect Effects 0.000 title claims abstract description 12
- 230000005611 electricity Effects 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 239000007789 gas Substances 0.000 claims description 49
- 238000004146 energy storage Methods 0.000 claims description 24
- 238000005057 refrigeration Methods 0.000 claims description 20
- 238000013178 mathematical model Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 15
- 239000002918 waste heat Substances 0.000 claims description 15
- 238000010521 absorption reaction Methods 0.000 claims description 14
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000000567 combustion gas Substances 0.000 claims description 4
- 238000009987 spinning Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000004134 energy conservation Methods 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 30
- 230000006870 function Effects 0.000 description 8
- 239000002355 dual-layer Substances 0.000 description 4
- 241001269238 Data Species 0.000 description 2
- 238000010353 genetic engineering Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种冷热电联供型多微网主动配电***双层优化方法，首先对典型冷热电联供型微网中各种设备进行数学建模；然后分析上层主动配电网层的优化模型；其次分析下层冷热电联供型多微网层的优化模型；最后采用遗传算法和混合整数线性规划求解双层优化模型。本发明提供一种有效、实用、科学的能源优化调度方法，有利于节能的推广应用。
Description
技术领域
本发明属于电力***技术领域，具体涉及一种冷热电联供型多微网主动配电***双层优化方法。
背景技术
工业技术的快速发展，对能源供应提出越来越高的要求。传统的石油、煤炭等化石燃料，总量虽然丰富，但是不可再生。而在我国，化石能源虽然总量大，但人均占有量远低于世界平均水平，因此提高能源利用效率成为缓解能源危机的重要方法。冷热电联供***的供能形式多样，能够通过能量的梯级利用，使一次能源利用率高达90％，成为国内外关注的重点。
但是现有的冷热电联供型多微网主动配电***其能源利用率的提升收到了瓶颈，所以需要一个新的技术方案来解决这个问题。
发明内容
发明目的：本发明提供一种冷热电联供型多微网主动配电***双层优化方法，可得出冷热电联供型多微网和主动配电网的双层优化结果，有效提高能源利用效率，降低***运行成本。
技术方案：为实现上述目的，本发明提供一种冷热电联供型多微网主动配电***双层优化方法，包括以下步骤：
S1：对冷热电联供型微网的设备进行数学建模；
S2：建立双层优化模型的上层主动配电网层优化模型；
S3：建立双层优化模型的下层冷热电联供型多微网层优化模型；
S4：采用遗传算法和混合整数线性规划进行求解，得出上层模型和下层模型的日前优化调度计划。
进一步的，所述步骤S1中的冷热电联供型多微网内设备包括微型燃气轮机、燃气锅炉、余热锅炉、吸收式制冷机组、蒸汽换热装置、电制冷机、储能装置及可再生能源发电装置，所述数学建模的具体步骤如下：
S1-1：建立燃气轮机的数学模型：
ηc＝(8.935+33.157β-27.081β2+17.989β3)/100×100％
ηr＝(82.869-30.173β+24.644β2-16.371β3)/100×100％
其中，ηc为燃气轮机发电效率，ηr为燃气轮机热回收效率，QGT为燃气轮机排气余热量，PGT为燃气轮机发电功率，ηl为燃气轮机散热损失系数，VGT为运行时间内燃气轮机所消耗的天然气量，LHVNG为天然气热值；
S1-2：建立储能装置的数学模型：
其中，E(t)为储能装置在t时段储存的能量，Δt为t时段到t+1时段的时间间隔，Pabs(t)为t时段储能功率，Prelea(t)为t时段放能功率，μ为储能装置自身向环境散能损失或自损耗的能量系数，ηabs为储能装置的蓄能效率，ηrelea为储能装置放能效率；
S1-3：建立燃气锅炉的数学模型：
其中，PGB为燃气锅炉的热功率，为燃气锅炉在Δt时间段消耗的燃气量，ηGB为燃气锅炉的热效率；
S1-4：建立换热装置的数学模型：
PHX,out＝PWH,heatηHX
其中，PHX,out为蒸汽热水换热装置输出制热功率，PWH,heat为余热锅炉的输出蒸汽中用于制热的热功率，ηHX为蒸汽热水换热装置的转换效率；
S1-5：建立吸收式制冷机的数学模型：
PAC,out＝PWH,coolηAC
其中，PAC,out为蒸汽型吸收式制冷机输出制冷功率，PWH,cool为余热锅炉的输出蒸汽中用于制冷的输入功率，ηAC为蒸汽型吸收式制冷机的制冷效率；
S1-6：建立电制冷机的数学模型：
PEC,out＝PEC,inηEC
其中，PEC,out为电制冷机的输出制冷功率，PEC,in为电制冷机的输入电功率，ηEC为电制冷机的能效比。
进一步的，所述步骤S2中建立上层主动配电网层的优化模型包括以下步骤：
S2-1：建立上层优化目标函数，即主动配电网层的日运行经济成本最小：
minFDN＝FG-Fs
其中，FDN为配电网的总生产成本，FG为配电网中发电机组的发电成本，Fs为主动配电网与各个混合能源***之间交互电功率的费用，PGi(t)为第i台常规机组在时段t的出力，ai、bi、ci为对应的成本系数，n表示发电机组的数量，为时段t主动配电网与冷热电联供型微网j交互的电功率，正值表示电网向多微网售电，负值表示电网从多微网购电，τj(t)为t时刻电网与微网j的实时交易电价，m为冷热电联供型微网个数；
S2-2：建立主动配电网的约束条件，具体包括电功率平衡约束、常规机组出力上下限约束、主动配电网旋转备用约束、联络线传输功率约束：
电功率平衡约束：
常规机组出力上下限约束：
PGi,min≤PGi(t)≤PGi,max
配电网旋转备用约束：
联络线传输功率约束：
其中，为主动配电网在t时段的电负荷预测值，PGi,max和PGi,min为机组i的有功出力上下限，RDN(t)为主动配电网在t时段的备用需求，和为主动配电网向各个冷热电联供型微网传输功率的上下限。
进一步的，所述步骤S3中建立下层冷热电联供型多微网层的优化模型包括以下步骤：
S3-1：冷热电联供型多微网经济优化调度模型中的优化目标函数：
其中，j为冷热电联供型微网的编号，m为冷热电联供型微网的个数，Ffuel,j为第j个冷热电联供型微网的燃料费用，Fdisnet,j为第j个冷热电联供型微网与主动配电网交互的功率费用；
S3-2：建立冷热电联供型多微网经济优化调度模型的约束条件，包括功率平衡约束、设备容量约束、设备运行约束，其中，设备容量及运行约束条件是满足各个设备的出力功率上下限限制，所述功率平衡约束具体如下：
建立冷功率平衡约束方程：
其中，为电制冷机的制冷功率，为吸收式制冷机制冷功率，其来源为余热锅炉收集的燃气轮机废热量，为冷热电联供型微网中冷负荷的需求量；
建立热功率平衡约束方程：
其中，为燃气锅炉的输出热功率，为蒸汽热水换热装置的制热功率，为冷热电联供型微网中热负荷的需求量；
建立电功率平衡约束方程：
其中，为燃气轮机的发电功率，为冷热电联供型微网和主动配电网的逐时电功率交换值，为风力发电功率，为光伏发电功率，为冷热电联供型微网电负荷功率，为冷热电联供型微网中电制冷机耗电功率；
建立设备出力功率上下限约束：
其中，和为燃气轮机出力功率的最小值和最大值，和为燃气锅炉出力功率的最小值和最大值，和为换热装置出力功率的最小值和最大值，和为吸收式制冷机出力功率的最小值和最大值，和为电制冷机出力功率的最小值和最大值，和为蓄电池充电功率的最小值和最大值，和为蓄电池放电功率的最小值和最大值。
进一步的，所述步骤S4具体为：
采用遗传算法(GA)与混合整数线性规划软件(Cplex)相结合的方法进行求解，上层采用GA算法，对主动配电网的发电机组出力和与各个冷热电联供型微网间购售电功率进行寻优，下层调用Cplex对调度周期内各个冷热电联供型微网的设备出力进行计算，并返回各个冷热电联供型微网与主动配电网购售电的功率值，上层计算适应度值，通过遗传操作寻优，得到设定目标下的最优解。
进一步的，所述步骤S4中对于双层优化模型的求解算法流程步骤具体如下：
S4-1：读取基本的设备参数、调度周期、成本系数等基本数据；
S4-2：随机生成初始种群数据；
S4-3：调用混合整数线性规划软件求解下层模型冷热电联供型多微网***的优化模型；
S4-4：计算上层模型的个体适应度值；
S4-5：判断迭代次数是否大于30；
S4-6：如果判断结果为是，则输出上层和下层的最优解；
S4-7：如果判断结果为否，则重新形成遗传种群，重复步骤S4-2，直到判断结果为是。
有益效果：本发明与现有技术相比，通过建立双层优化模型，分析主动配电***和冷热电联供型多微网***的经济成本和设备出力等情况，不但具有重要的工程指导意义，而且能够有效的提高冷热电联供型多微网主动配电***的能源利用效率，降低***运行成本。
附图说明
图1为本发明流程框图；
图2为本发明冷热电联供型多微网主动配电***结构图；
图3为本发明双层优化模型的求解流程图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
如图1和图2所示，本发明提供一种冷热电联供型多微网主动配电***双层优化方法，包括以下步骤：
S1：对冷热电联供型微网的设备进行数学建模；
S2：建立双层优化模型的上层主动配电网层优化模型；
S3：建立双层优化模型的下层冷热电联供型多微网层优化模型；
S4：采用遗传算法和混合整数线性规划进行求解，得出上层模型和下层模型的日前优化调度计划。
本实施例步骤S1中的冷热电联供型多微网内设备包括微型燃气轮机、燃气锅炉、余热锅炉、吸收式制冷机组、蒸汽换热装置、电制冷机、储能装置及可再生能源发电装置，数学建模的具体步骤如下：
S1-1：建立燃气轮机的数学模型：
ηc＝(8.935+33.157β-27.081β2+17.989β3)/100×100％
ηr＝(82.869-30.173β+24.644β2-16.371β3)/100×100％
其中，ηc为燃气轮机发电效率，ηr为燃气轮机热回收效率，QGT为燃气轮机排气余热量，PGT为燃气轮机发电功率，ηl为燃气轮机散热损失系数，VGT为运行时间内燃气轮机所消耗的天然气量，LHVNG为天然气热值；
S1-2：建立储能装置的数学模型：
其中，E(t)为储能装置在t时段储存的能量，Δt为t时段到t+1时段的时间间隔，Pabs(t)为t时段储能功率，Prelea(t)为t时段放能功率，μ为储能装置自身向环境散能损失或自损耗的能量系数，ηa bs为储能装置的蓄能效率，ηrelea为储能装置放能效率；
S1-3：建立燃气锅炉的数学模型：
其中，PGB为燃气锅炉的热功率，为燃气锅炉在Δt时间段消耗的燃气量，ηGB为燃气锅炉的热效率；
S1-4：建立换热装置的数学模型：
PHX,out＝PWH,heatηHX
其中，PHX,out为蒸汽热水换热装置输出制热功率，PWH,heat为余热锅炉的输出蒸汽中用于制热的热功率，ηHX为蒸汽热水换热装置的转换效率；
S1-5：建立吸收式制冷机的数学模型：
PAC,out＝PWH,coolηAC
其中，PAC,out为蒸汽型吸收式制冷机输出制冷功率，PWH,cool为余热锅炉的输出蒸汽中用于制冷的输入功率，ηAC为蒸汽型吸收式制冷机的制冷效率；
S1-6：建立电制冷机的数学模型：
PEC,out＝PEC,inηEC
其中，PEC,out为电制冷机的输出制冷功率，PEC,in为电制冷机的输入电功率，ηEC为电制冷机的能效比。
本实施例步骤S2中建立上层主动配电网层的优化模型包括以下步骤：
S2-1：建立上层优化目标函数，即主动配电网层的日运行经济成本最小：
minFDN＝FG-Fs
其中，FDN为配电网的总生产成本，FG为配电网中发电机组的发电成本，Fs为主动配电网与各个混合能源***之间交互电功率的费用，PGi(t)为第i台常规机组在时段t的出力，ai、bi、ci为对应的成本系数，n表示发电机组的数量，为时段t主动配电网与冷热电联供型微网j交互的电功率，正值表示电网向多微网售电，负值表示电网从多微网购电，τj(t)为t时刻电网与微网j的实时交易电价，m为冷热电联供型微网个数；
S2-2：建立主动配电网的约束条件，具体包括电功率平衡约束、常规机组出力上下限约束、主动配电网旋转备用约束、联络线传输功率约束：
电功率平衡约束：
常规机组出力上下限约束：
PGi,min≤PGi(t)≤PGi,max
配电网旋转备用约束：
联络线传输功率约束：
其中，为主动配电网在t时段的电负荷预测值，PGi,max和PGi,min为机组i的有功出力上下限，RDN(t)为主动配电网在t时段的备用需求，和为主动配电网向各个冷热电联供型微网传输功率的上下限。
本实施例步骤S3中建立下层冷热电联供型多微网层的优化模型包括以下步骤：
S3-1：冷热电联供型多微网经济优化调度模型中的优化目标函数：
其中，j为冷热电联供型微网的编号，m为冷热电联供型微网的个数，Ffuel,j为第j个冷热电联供型微网的燃料费用，Fdisnet,j为第j个冷热电联供型微网与主动配电网交互的功率费用；
S3-2：建立冷热电联供型多微网经济优化调度模型的约束条件，包括功率平衡约束、设备容量约束、设备运行约束，其中，设备容量及运行约束条件是满足各个设备的出力功率上下限限制，所述功率平衡约束具体如下：
建立冷功率平衡约束方程：
其中，为电制冷机的制冷功率，为吸收式制冷机制冷功率，其来源为余热锅炉收集的燃气轮机废热量，为冷热电联供型微网中冷负荷的需求量；
建立热功率平衡约束方程：
其中，为燃气锅炉的输出热功率，为蒸汽热水换热装置的制热功率，为冷热电联供型微网中热负荷的需求量；
建立电功率平衡约束方程：
其中，为燃气轮机的发电功率，为冷热电联供型微网和主动配电网的逐时电功率交换值，为风力发电功率，为光伏发电功率，为冷热电联供型微网电负荷功率，为冷热电联供型微网中电制冷机耗电功率；
建立设备出力功率上下限约束：
其中，和为燃气轮机出力功率的最小值和最大值，和为燃气锅炉出力功率的最小值和最大值，和为换热装置出力功率的最小值和最大值，和为吸收式制冷机出力功率的最小值和最大值，和为电制冷机出力功率的最小值和最大值，和为蓄电池充电功率的最小值和最大值，和为蓄电池放电功率的最小值和最大值。
本实施例步骤S4具体为：
采用遗传算法(GA)与混合整数线性规划软件(Cplex)相结合的方法进行求解，上层采用GA算法，对主动配电网的发电机组出力和与各个冷热电联供型微网间购售电功率进行寻优，下层调用Cplex对调度周期内各个冷热电联供型微网的设备出力进行计算，并返回各个冷热电联供型微网与主动配电网购售电的功率值，上层计算适应度值，通过遗传操作寻优，得到设定目标下的最优解。
如图3所示，步骤S4中对于双层优化模型的求解算法流程步骤具体如下：
S4-1：读取基本的设备参数、调度周期、成本系数等基本数据；
S4-2：随机生成初始种群数据；
S4-3：调用混合整数线性规划软件求解下层模型冷热电联供型多微网***的优化模型；
S4-4：计算上层模型的个体适应度值；
S4-5：判断迭代次数是否大于30；
S4-6：如果判断结果为是，则输出上层和下层的最优解；
S4-7：如果判断结果为否，则重新形成遗传种群，重复步骤S4-2，直到判断结果为是；
S4-8：结束。
本实施例采用天津中新生态城的典型冷热电联供型多微网***算例，分别计算两种传统运行方式下的多微网***总成本，并与本发明提出的双层优化调度方法进行对比，结果如表1所示：
表1不同运行方式下多微网***总运行成本
与传统“以热定电”和“以电定热”运行方式相比，本发明提出的双层优化调度方法可分别降低5.33％和9.58％的总运行成本。通过本发明提出的优化调度方法，调度冷热电联供型多微网***中各微网设备出力和各微网与电网、相邻微网间交互电功率值，可以显著降低多微网***的总运行成本。
Claims (6)
1.一种冷热电联供型多微网主动配电***双层优化方法，其特征在于：包括以下步骤：
S1：对冷热电联供型微网的设备进行数学建模；
S2：建立双层优化模型的上层主动配电网层优化模型；
S3：建立双层优化模型的下层冷热电联供型多微网层优化模型；
S4：采用遗传算法和混合整数线性规划进行求解，得出上层模型和下层模型的日前优化调度计划。
2.根据权利要求1所述的一种冷热电联供型多微网主动配电***双层优化方法，其特征在于：所述步骤S1中的冷热电联供型多微网内设备包括微型燃气轮机、燃气锅炉、余热锅炉、吸收式制冷机组、蒸汽换热装置、电制冷机、储能装置及可再生能源发电装置，所述数学建模的具体步骤如下：
S1-1：建立燃气轮机的数学模型：
ηc＝(8.935+33.157β-27.081β2+17.989β3)/100×100％
ηr＝(82.869-30.173β+24.644β2-16.371β3)/100×100％
其中，ηc为燃气轮机发电效率，ηr为燃气轮机热回收效率，QGT为燃气轮机排气余热量，PGT为燃气轮机发电功率，ηl为燃气轮机散热损失系数，VGT为运行时间内燃气轮机所消耗的天然气量，LHVNG为天然气热值；
S1-2：建立储能装置的数学模型：
其中，E(t)为储能装置在t时段储存的能量，Δt为t时段到t+1时段的时间间隔，Pabs(t)为t时段储能功率，Prelea(t)为t时段放能功率，μ为储能装置自身向环境散能损失或自损耗的能量系数，ηabs为储能装置的蓄能效率，ηrelea为储能装置放能效率；
S1-3：建立燃气锅炉的数学模型：
其中，PGB为燃气锅炉的热功率，为燃气锅炉在Δt时间段消耗的燃气量，ηGB为燃气锅炉的热效率；
S1-4：建立换热装置的数学模型：
PHX,out＝PWH,heatηHX
其中，PHX,out为蒸汽热水换热装置输出制热功率，PWH,heat为余热锅炉的输出蒸汽中用于制热的热功率，ηHX为蒸汽热水换热装置的转换效率；
S1-5：建立吸收式制冷机的数学模型：
PAC,out＝PWH,coolηAC
其中，PAC,out为蒸汽型吸收式制冷机输出制冷功率，PWH,cool为余热锅炉的输出蒸汽中用于制冷的输入功率，ηAC为蒸汽型吸收式制冷机的制冷效率；
S1-6：建立电制冷机的数学模型：
PEC,out＝PEC,inηEC
其中，PEC,out为电制冷机的输出制冷功率，PEC,in为电制冷机的输入电功率，ηEC为电制冷机的能效比。
3.根据权利要求1所述的一种冷热电联供型多微网主动配电***双层优化方法，其特征在于：所述步骤S2中建立上层主动配电网层的优化模型包括以下步骤：
S2-1：建立上层优化目标函数，即主动配电网层的日运行经济成本最小：
min FDN＝FG-Fs
其中，FDN为配电网的总生产成本，FG为配电网中发电机组的发电成本，Fs为主动配电网与各个混合能源***之间交互电功率的费用，PGi(t)为第i台常规机组在时段t的出力，ai、bi、ci为对应的成本系数，n表示发电机组的数量，为时段t主动配电网与冷热电联供型微网j交互的电功率，正值表示电网向多微网售电，负值表示电网从多微网购电，τj(t)为t时刻电网与微网j的实时交易电价，m为冷热电联供型微网个数；
S2-2：建立主动配电网的约束条件，具体包括电功率平衡约束、常规机组出力上下限约束、主动配电网旋转备用约束、联络线传输功率约束：
电功率平衡约束：
常规机组出力上下限约束：
PGi,min≤PGi(t)≤PGi,max
配电网旋转备用约束：
联络线传输功率约束：
其中，为主动配电网在t时段的电负荷预测值，PGi,max和PGi,min为机组i的有功出力上下限，RDN(t)为主动配电网在t时段的备用需求，和为主动配电网向各个冷热电联供型微网传输功率的上下限。
4.根据权利要求1所述的一种冷热电联供型多微网主动配电***双层优化方法，其特征在于：所述步骤S3中建立下层冷热电联供型多微网层的优化模型包括以下步骤：
S3-1：冷热电联供型多微网经济优化调度模型中的优化目标函数：
其中，j为冷热电联供型微网的编号，m为冷热电联供型微网的个数，Ffuel,j为第j个冷热电联供型微网的燃料费用，Fdisnet,j为第j个冷热电联供型微网与主动配电网交互的功率费用；
S3-2：建立冷热电联供型多微网经济优化调度模型的约束条件，包括功率平衡约束、设备容量约束、设备运行约束，其中，设备容量及运行约束条件是满足各个设备的出力功率上下限限制，所述功率平衡约束具体如下：
建立冷功率平衡约束方程：
其中，为电制冷机的制冷功率，为吸收式制冷机制冷功率，其来源为余热锅炉收集的燃气轮机废热量，为冷热电联供型微网中冷负荷的需求量；
建立热功率平衡约束方程：
其中，为燃气锅炉的输出热功率，为蒸汽热水换热装置的制热功率，为冷热电联供型微网中热负荷的需求量；
建立电功率平衡约束方程：
其中，为燃气轮机的发电功率，为冷热电联供型微网和主动配电网的逐时电功率交换值，为风力发电功率，为光伏发电功率，为冷热电联供型微网电负荷功率，为冷热电联供型微网中电制冷机耗电功率；
建立设备出力功率上下限约束：
其中，和为燃气轮机出力功率的最小值和最大值，和为燃气锅炉出力功率的最小值和最大值，和为换热装置出力功率的最小值和最大值，和为吸收式制冷机出力功率的最小值和最大值，和为电制冷机出力功率的最小值和最大值，和为蓄电池充电功率的最小值和最大值，和为蓄电池放电功率的最小值和最大值。
5.根据权利要求1所述的一种冷热电联供型多微网主动配电***双层优化方法，其特征在于：所述步骤S4具体为：
采用遗传算法与混合整数线性规划软件相结合的方法进行求解，上层采用遗传算法，对主动配电网的发电机组出力和与各个冷热电联供型微网间购售电功率进行寻优，下层调用混合整数线性规划软件对调度周期内各个冷热电联供型微网的设备出力进行计算，并返回各个冷热电联供型微网与主动配电网购售电的功率值，上层计算适应度值，通过遗传操作寻优，得到设定目标下的最优解。
6.根据权利要求5所述的一种冷热电联供型多微网主动配电***双层优化方法，其特征在于：所述步骤S4中对于双层优化模型的求解算法流程步骤具体如下：
S4-1：读取基本数据；
S4-2：随机生成初始种群数据；
S4-3：调用混合整数线性规划软件求解下层模型冷热电联供型多微网***的优化模型；
S4-4：计算上层模型的个体适应度值；
S4-5：判断迭代次数是否大于30；
S4-6：如果判断结果为是，则输出上层和下层的最优解；
S4-7：如果判断结果为否，则重新形成遗传种群，重复步骤S4-2，直到判断结果为是。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910768455.0A CN110516863A (zh) | 2019-08-20 | 2019-08-20 | 一种冷热电联供型多微网主动配电***双层优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910768455.0A CN110516863A (zh) | 2019-08-20 | 2019-08-20 | 一种冷热电联供型多微网主动配电***双层优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110516863A true CN110516863A (zh) | 2019-11-29 |
Family
ID=68625803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910768455.0A Withdrawn CN110516863A (zh) | 2019-08-20 | 2019-08-20 | 一种冷热电联供型多微网主动配电***双层优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110516863A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113595133A (zh) * | 2021-07-07 | 2021-11-02 | 华中科技大学 | 基于能源路由器的配电网-多微网***及其调度方法 |
| US20210376605A1 (en) * | 2020-05-28 | 2021-12-02 | Xiangtan University | Optimization method for capacity of heat pump and power of various sets of energy source equipment in energy hub |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617460A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 冷热电联供微网***的双层优化规划设计方法 |
| CN108229025A (zh) * | 2018-01-04 | 2018-06-29 | 东南大学 | 一种冷热电联供型多微网主动配电***经济优化调度方法 |
| CN108717594A (zh) * | 2018-04-16 | 2018-10-30 | 东南大学 | 一种冷热电联供型多微网***经济优化调度方法 |
| CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源***规划优化方法 |
-
2019
- 2019-08-20 CN CN201910768455.0A patent/CN110516863A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617460A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 冷热电联供微网***的双层优化规划设计方法 |
| CN108229025A (zh) * | 2018-01-04 | 2018-06-29 | 东南大学 | 一种冷热电联供型多微网主动配电***经济优化调度方法 |
| CN108717594A (zh) * | 2018-04-16 | 2018-10-30 | 东南大学 | 一种冷热电联供型多微网***经济优化调度方法 |
| CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源***规划优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 徐青山等: "冷热电联供型多微网主动配电***日前优化经济调度", 《电网技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210376605A1 (en) * | 2020-05-28 | 2021-12-02 | Xiangtan University | Optimization method for capacity of heat pump and power of various sets of energy source equipment in energy hub |
| US11862973B2 (en) * | 2020-05-28 | 2024-01-02 | Xiangtan University | Optimization method for capacity of heat pump and power of various sets of energy source equipment in energy hub |
| CN113595133A (zh) * | 2021-07-07 | 2021-11-02 | 华中科技大学 | 基于能源路由器的配电网-多微网***及其调度方法 |
| CN113595133B (zh) * | 2021-07-07 | 2023-08-25 | 华中科技大学 | 基于能源路由器的配电网-多微网***及其调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Luo et al. | Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy | |
| CN106786793B (zh) | 一种基于鲁棒优化的冷热电联供型微网运行方法 | |
| Wu et al. | Multi-objective and multi-algorithm operation optimization of integrated energy system considering ground source energy and solar energy | |
| CN110826815B (zh) | 一种考虑综合需求响应的区域综合能源***运行优化方法 | |
| CN103728881B (zh) | 一种多楼宇冷热电联供***的优化运行方法 | |
| CN109146182A (zh) | 计及多种储能的分布式冷热电联供***的经济调度方法 | |
| CN108717594A (zh) | 一种冷热电联供型多微网***经济优化调度方法 | |
| CN107832979A (zh) | 一种考虑能量梯级利用的工厂综合能源***经济优化调度方法 | |
| CN107358345B (zh) | 计及需求侧管理的分布式冷热电联供***优化运行方法 | |
| CN112182887B (zh) | 一种综合能源***规划优化仿真方法 | |
| CN109742800A (zh) | 一种基于天然气、氢气、电力的能源互联网***及工作方法 | |
| CN110391655B (zh) | 一种含多能源耦合的微能源网经济优化调度方法及装置 | |
| CN104820363B (zh) | 基于生物质气的冷热电联供***及能量优化控制方法 | |
| CN113256045A (zh) | 考虑风光不确定性的园区综合能源***日前经济调度方法 | |
| Gholizadeh et al. | An innovative energy management framework for cooperative operation management of electricity and natural gas demands | |
| CN108008629A (zh) | 一种多种能源互补利用***的优化运行方法 | |
| CN111008760A (zh) | 一种冷热电联供微电网***的双层优化方法 | |
| CN110516863A (zh) | 一种冷热电联供型多微网主动配电***双层优化方法 | |
| CN113806952B (zh) | 一种考虑源-荷-储的冷热电综合能源***及其优化运行方法 | |
| Jie et al. | Study of energy scheduling and optimal cost management of a new structure CCHP system: A case study supplying energy for a chemical enterprise in Jiangsu Province | |
| CN109617052B (zh) | 一种大规模电储热单元智能化分层控制方法 | |
| Cui et al. | Optimal operation of CCHP microgrids with multiple shiftable loads in different auxiliary heating source systems | |
| Meng et al. | Economic optimization operation approach of integrated energy system considering wind power consumption and flexible load regulation | |
| CN109255487A (zh) | 一种基于标准化矩阵模型的综合能源***优化方法 | |
| Ma et al. | Performance optimization of phase change energy storage combined cooling, heating and power system based on GA+ BP neural network algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191129 |
|
| WW01 | Invention patent application withdrawn after publication |