CN111244939B - 一种计及需求侧响应的多能互补***两级优化设计方法 - Google Patents
一种计及需求侧响应的多能互补***两级优化设计方法 Download PDFInfo
- Publication number
- CN111244939B CN111244939B CN202010053327.0A CN202010053327A CN111244939B CN 111244939 B CN111244939 B CN 111244939B CN 202010053327 A CN202010053327 A CN 202010053327A CN 111244939 B CN111244939 B CN 111244939B
- Authority
- CN
- China
- Prior art keywords
- optimization
- load
- capacity
- layer
- equipment
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种计及需求侧响应的多能互补***两级优化设计方法,构建两级优化层,第一级为计及需求侧响应的容量配置层,该层以计及用户舒适度的节能性、经济性和环保性综合最优为目标建立计及需求侧响应的容量优化模型,利用遗传算法求解负荷数据和设备容量,并将优化后的负荷和设备容量作为下层优化的输入;第二级为运行优化层,以能耗、成本、排放最低为目标,优化设备出力,并将计算结果输出给上层优化;通过双层优化循环迭代,最终求得最佳负荷曲线、设备容量和运行计划,得到源‑荷最佳匹配。
Description
技术领域
本公开属于新能源多能互补冷热电联供***技术领域,涉及一种计及需求侧响应的多能互补***两级优化设计方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
全球正面临着前所未有的能源和环境危机,大力发展以风光为主的新能源分布式供能***是解决问题的关键途径。多能互补***集成能量生产、转换、存储技术,包括新能源发电、冷热电联供(Combined cooling,heating and power system,CCHP)***、电制热/冷、储能***。该***基于能量梯级利用原理,可满足用户电、冷、热多元化用能需求,能够大幅提高能源利用率以及新能源消纳率,同时减少污染物排放,极具发展潜力。但多能互补CCHP***结构复杂、设备种类繁多,***的优化设计是保障其高效经济运行的基础。然而由于新能源固有的间歇性和不确定性使得CCHP***运行模态多变,***容量配置与运行模式耦合关系进一步加深,导致***优化设计极难。同时,据发明人了解,目前针对多能互补CCHP***的优化设计方法,并未有集合需求侧响应、容量配置与运行优化的优化设计方法。
发明内容
本公开为了解决上述问题,提出了一种计及需求侧响应的多能互补***两级优化设计方法,本公开考虑了需求侧响应问题,利用双层优化循环迭代,最终求得最佳负荷曲线、设备容量和运行计划,实现源-荷最佳匹配,进一步提高***的综合性能。
根据一些实施例,本公开采用如下技术方案:
一种计及需求侧响应的多能互补***两级优化设计方法,包括以下步骤:
构建两级优化层,第一级为计及需求侧响应的容量配置层,该层以计及用户舒适度的节能性、经济性和环保性综合最优为目标建立计及需求侧响应的容量优化模型,利用遗传算法求解负荷数据和设备容量,并将优化后的负荷和设备容量作为下层优化的输入;
第二级为运行优化层,以能耗、成本、排放最低为目标,优化设备出力,并将计算结果输出给上层优化;
通过双层优化循环迭代,最终求得最佳负荷曲线、设备容量和运行计划,得到源-荷最佳匹配。
作为可选择的实施方式,对多能互补冷热电联供***的能量流进行分析,确定***的电量平衡、一次能源、热平衡、冷量平衡和燃气消耗总量。
作为可选择的实施方式,所述第一级优化模型,在需求侧响应模型中引入智能家电,调整家电使用时间,进而优化电负荷,同时考虑到建筑物的热惯性,在用户可接受的舒适温度范围内,进行冷/热负荷优化。
作为进一步的限定,可控电负荷包括可中断负载和不可中断负载,在负荷调度方案中,进行可控电负荷在一天内的平移调度:假定参与需求响应的可控设备运行功率x是固定不变的,使用离散二进制变量y∈{0,1}表示设备的启停状态,1表示运行,0表示关闭,通过优化变量y的值,来达到负荷转移的目的。
作为可选择的实施方式,第一级优化具有约束条件,包括可调度设备负荷、室内温度和设备容量约束。
作为可选择的实施方式,第二级优化层以单位时间内能源消耗、运行成本与碳排放量最小为优化目标,采用线性加权组合法将多目标问题转化为单目标优化。
作为可选择的实施方式,第二级优化层具有约束条件,包括能量流平衡约束以及发电机组的额定容量和其他设备的额定容量约束。
作为可选择的实施方式,基于遗传算法和非线性规划的混合求解,对两级优化模型进行求解,具体过程包括:
步骤1:对***参数、遗传算法和设备参数进行初始化设置;
步骤2:种群初始化:随机生成N个个体,作为初始种群P0,并对每个个体进行二进制编码;
步骤3:计算当前种群P的适应度,调用非线性规划方法求解运行优化模型;
步骤4:判断当前种群是否满足终止要求,若达到了预设的最大代数,则执行步骤6;否则,需要继续步骤5;
步骤5:选择、交叉和变异,形成新种群P3,返回执行步骤3;
步骤6:解码,得到负荷优化结果。
一种计及需求侧响应的多能互补***两级优化设计方法,包括:
第一级优化层,为计及需求侧响应的容量配置层,该层以计及用户舒适度的节能性、经济性和环保性综合最优为目标建立计及需求侧响应的容量优化模型,利用遗传算法求解负荷数据和设备容量,并将优化后的负荷和设备容量作为下层优化的输入;
第二级优化层,为运行优化层,以能耗、成本、排放最低为目标,优化设备出力,并将计算结果输出给上层优化;
求解模块,被配置为通过双层优化循环迭代,最终求得最佳负荷曲线、设备容量和运行计划,得到源-荷最佳匹配。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种计及需求侧响应的多能互补***两级优化设计方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种计及需求侧响应的多能互补***两级优化设计方法。
与现有技术相比,本公开的有益效果为:
本公开创新性地将需求侧响应、容量配置及运行优化统一于一个优化设计框架内,有效解决了新能源不确定性问题,实现***最佳设计,进一步提高***的综合性能。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是多能互补***结构图;
图2是双层优化逻辑关系示意图;
图3是本实施例的具体流程图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本实施例使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
多能互补***典型结构如图1所示,***由风机、光伏、内燃发电机组、吸收式制冷机、燃气锅炉、热泵、储冷装置、储热水箱、电负荷以及热负荷构成。电负荷由风机、光伏、内燃发电机组及上级电网供给;冷负荷由热泵、吸收式制冷机和储冷设备供给;热负荷由燃气锅炉、发电机组余热***和储热设备供给;电、冷、热负荷需求响应灵活参与调度。
传统分工***(Separated Production,SP)由大电网(传统的火力发电)、燃气锅炉和电制冷机构成,用户的电负荷及电制冷机消耗电能由大电网满足,供暖和供冷负荷分别由燃气锅炉和电制冷机满足。作为多能互补CCHP***的对比***,验证所提方法的先进性。
基于此结构,提出了一种计及需求侧响应的多能互补***两级优化设计方法。如图2所示,第一级为计及需求侧响应的容量配置层,该层以计及用户舒适度的节能性、经济性和环保性综合最优为目标建立计及需求侧响应的容量优化模型,利用遗传算法求解负荷数据和设备容量,并将优化后的负荷和设备容量作为下层优化的输入;第二级为运行优化层,以能耗、花费、排放最低为目标,优化设备出力,并将计算结果输出给上层优化。双层优化循环迭代,最终求得最佳负荷曲线、设备容量和运行计划,实现源-荷最佳匹配,进一步提高***的综合性能。
首先,进行能量流的分析:
***能量流分析是研究***能量特性,进行***优化设计的基础。在确定了***结构的基础上,本实施例针对***内部冷、热、电三种形式的能量流展开分析。
***的电量平衡方程式为:
Eload(t)+Ep(t)=Epv(t)+Ewt(t)+Egrid(t)+Epgu(t) (1)
式中,Eload为电负荷;
Epv为光伏发电***输出电功率;
Ewt为风力发电***输出电功率;
Epgu为内燃发电机组输出电功率;
Egrid为与电网交互功率,购电(Egrid>0),售电(Egrid<0);
Ep为热泵耗电量。
其中内燃发电机组t时刻所需的燃气消耗量Fpgu为:
式中,ηth,pgu和ηe,pgu分别为t时刻内燃发电机组的热效率和点效率,可表示为,
式中,a0,a1,a2,b0,b1和b2为拟合多项式的系数,PLRpgu为发电组的负载率,表示为,
PLRpgu(t)=Epgu(t)/Npgu (5)
式中,Npgu为发电机组额定功率。
t时刻***由电网购电所消耗的一次能源Fgb为:
式中,ηe,grid和ηd,grid为电网的发电效率和传输效率。
***的热平衡方程式为:
Hload(t)=Qhe(t)+Qb(t)+Qs(t) (7)
式中,Hload为热负荷;
Qhe为换热器换热功率;
Qb为燃气锅炉加热功率;
Qs为储热水箱输入/出功率,输出时(Qs>0),输入时(Qs<0)。
其中燃气锅炉t时刻所需的燃气消耗量Fb为:
式中,ηb为燃气锅炉的热效率。
因此,CCHP***t时刻的燃气消耗总量为:
Fgas(t)=Fpgu(t)+Fb(t) (9)
***的冷量平衡方程式为:
Cload(t)=Qab(t)+Qp(t)+Qs(t) (10)
式中,Cload为冷负荷;
Qab为吸收式制冷机的输出功率;
Qp为热泵的制冷功率。
Qs为储冷装置输入/出功率,输出时(Qs>0),输入时(Qs<0)。
吸收式制冷机的输出功率Qab为:
Qab(t)=Qrh(t)COPab (11)
式中,Qrh为发电机组余热回收功率,COPab为吸收式制冷机的能效比。
t时刻热泵的耗电量Ep为:
式中,COPp为热泵的能效比。
对储能设备有:
Qsta(t+1)=ηsQsta(t)-Qs(t) (13)
式中,Qsta(t+1)和Qsta(t)分别为储能设备t+1时刻和t时刻的储能状态,ηs为储能设备的效率。
其次,构建第一级优化模型:
第一级为计及需求侧响应的容量配置层,该层以计及用户舒适度的节能性、经济行和环保性综合最优为目标建立计及需求侧响应的容量优化模型,从而优化电、冷、热负荷数据和设备容量。
需求侧响应模型:
在需求侧响应模型中引入智能家电,调整家电使用时间,进而优化电负荷,同时考虑到建筑物的热惯性,在用户可接受的舒适温度范围内,进行冷/热负荷优化,从得到以下模型:
①可控电负荷包括可中断负载和不可中断负载,电动汽车等可中断负荷在使用过程中可以任意暂停使用,其他电器如电饭煲、热水器等,启动后不间断使用。在负荷调度方案中,考虑到居民客户的意愿,实现可控电负荷在一天内的平移调度。假定参与需求响应的可控设备运行功率x是固定不变的,使用离散二进制变量y∈{0,1}表示设备的启停状态,1表示运行,0表示关闭。通过优化变量y的值,来达到负荷转移的目的。
Econload为可控电负荷;D表示所有负荷可控设备的集合;xd表示第d个设备的工作功率;yd∈{0,1}表示第d个设备的启停状态,1表示运行,0表示关闭。
②由于建筑物的墙体均具有一定的隔热效果,室内与室外的热交换过程较慢,不同于电负荷,室内的温度呈小时级的变化。因此,根据能源价格,在不破坏温度舒适度的前提下控制室内冷/热负荷。
Hload(t)=((Tin(t)-Tin(t-1)e-Δt/τ)/(1-e-Δt/τ)-Tout(t))/R (15)
Cload(t)=((Tout(t)-(Tin(t)-Tin(t-1)e-Δt/τ)/(1-e-Δt/τ))/R (16)
式中,Cload、Hload分别为可控冷、热负荷;Tin(t)、Tout(t)分别代表t时刻室内和室外温度。
优化目标:
计及用户舒适度的节能性、经济性和环保性综合最优,
maxV=ω1PESR+ω2ACR+ω3CERR (17)
式中,PESR为一次能源年节约率,ACR为年综合成本节约率,CERR为年CO2减排率。ω1为节能率权重因子,ω2为年成本节约率权重因子,ω3为CO2减排率权重因子,V为综合优化目标。FSP,FCCHP分别为分供***和多能互补CCHP***的年一次能源消耗量,CSP,CCCHP分别为分供***和多能互补CCHP***的年综合成本,CESP,CECCHP分别为分供***和多能互补CCHP***的年CO2排放量。分别由下式求得:
CCCHP=CCCHP,EQ+CCCHP,OM+CCCHP,EC+CCCHP,load (23)
CSP=CSP,EQ+CSP,OM+CSP,EC (25)
式中,CCCHP,EQ为多能互补CCHP***设备初始投资的年化成本;
CCCHP,OM为多能互补CCHP***的年维护成本;
CCCHP,EC为多能互补CCHP***的年运行成本;
CCCHP,EC为多能互补CCHP***负荷调度影响用户舒适度产生的惩罚成本;
CSP,EQ为分供***设备投资的年化成本;
CSP,OM为分供***的年维护成本;
CSP,EC为分供***的年运行成本。
多能互补CCHP***的年运行成本包括燃料成本、电网购电成本,可表示为如下形式:
CCCHP,EQ=CCCHP,INR (27)
CCCHP,OM=σCCCHP,IN (28)
式中,Pgrid为t时刻电网交互价格,购电时为正,售电时为负;
Pgas为燃气价格;
CCCHP,IN为多能互补CCHP***所有设备的总初期投资成本;
R为投资回报系数;
σ为***运行维护费用比例系数。
上述式子中的投资回收系数R可表示为:
式中,k为设备寿命;
r为基准折现率。
CSP可以进一步表示为:
CSP,EQ=CSP,INR (31)
CSP,OM=σCSP,IN (32)
式中,ESP,grid为t时刻分供***的购电量;
CSP,IN为分供***的投资成本。
多能互补CCHP***的CO2年排放量可表示为:
式中,μgrid为电网燃煤的CO2排放系数;
μgas为燃气的CO2排放系数。
分供***年CO2排放量可表示为:
优化变量:
可调度用电设备的启停状态yd(t)、室内可控温度Tin(t),发电机组容量Npgu。光伏、风电机组均由可利用安装面积、可利用自然资源总量确定,其他设备可通过能量流关系式获得。
约束条件:
①可调度设备:
[Ad,Bd]为设备d的可调度工作区间;Ed表示设备d的总耗电量。
对不可中断负荷设备有:
若yd(t)=1,则yd(t+1)=1,…,yd(t+n)=1,n为设备d的工作时长。
②室内温度:
Tin_min≤Tin(t)≤Tin_max (36)
Tin_min,Tin_min为室内可调温度的上下限,室内温度调节范围越大,控制效果越好,但同时用户的温度舒适度受到的影响也越大。
③设备容量:
0≤Npgu≤Npgu,max (37)
0≤Nb≤Nb,max (38)
式中,Npgu,max为内燃发电机组容量的上限;
Nb,max为光伏发电***容量的上限。
以上约束保证Npgu和Nb的优化值在合理可行的范围内。
构建第二级优化模型:
第二级为***的运行优化层,该层以一天24小时内的能源消耗、运行成本与碳排放量最小为优化目标,同样采用线性加权组合法将多目标问题转化为单目标优化,该目标函数被定义为:
minW=ω1Fday+ω2Cday+ω3CEday (39)
式中,Fday为全天能源消耗总量;Cday为全天总运行成本;CEday为全天碳排放总量;ω1为能源消耗权重因子;ω2为运行成本权重因子;ω3为碳排放量权重因子;W为综合优化目标。此处权重因子与第一级优化配置模型中对应的指标保持一致。
优化变量:
包括每个阶段发电机组的出力计划{Epgu(1),…,Epgu(24)},其他设备的出力计划均可通过此设备求得。
约束条件:
运行优化模型需满足能量流平衡关系,如式(1)-(13),还需满足如下不等式约束:
0≤Epgu(t)≤Npgu (43)
式中,Npgu为发电机组的额定容量,由第一级优化模型求得。
针对上述两级优化模型,提出了基于遗传算法和非线性规划的混合求解方法。如图3所示,求解步骤如下:
步骤1:***初始化。首先对***参数、遗传算法和设备参数进行设置。
步骤2:种群初始化。在这一步中,随机生成N个个体,作为初始种群P0,并对每个个体进行二进制编码。
步骤3:计算当前种群P的适应度,分为以下两步:
a.获得运行策略。为了计算第一阶段模型的目标函数值,需要调用第二级模型获得优化运行策略。
b.适应度计算。利用公式(1)计算个体的适应度值。
步骤4:判断当前种群是否满足终止要求,若达到了用户指示的最大代数,则执行步骤。否则,需要继续步骤5。
步骤5:选择、交叉和变异,形成新种群P3。
步骤6:执行步骤3,计算种群P3的适应度。
步骤7:解码,得到负荷优化结果。
当然,上述计算过程可以在软件中实现,例如MATLAB中实现。
综上,针对多能互补CCHP***存在新能源的不确定性,需求侧响应、容量配置及运行优化是应对该问题的有效途径,目前尚无优化设计方法统一三个方面,本实施例提出了一种计及需求侧响应的多能互补***两级优化设计方法,第一级为计及需求响应容量配置层,以能源、经济、环境指标综合最优为目标,用户舒适度为约束,优化电、冷、热负荷数据和设备容量,并将优化后的负荷和设备容量作为第二级优化的输入;第二级为运行优化层,以能耗、花费、排放最低为目标,优化设备出力计划,并将能耗、花费、排放数据输出给上层优化。双层优化循环迭代,最终求得最佳负荷曲线、设备容量及运行策略,创新性地将需求侧响应、容量配置及运行优化统一于一个优化设计框架内,有效解决了新能源不确定性问题,实现***最佳设计,进一步提高***的综合性能。
本领域内的技术人员应明白,本公开的实施例可提供为方法、***、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (8)
1.一种计及需求侧响应的多能互补***两级优化设计方法,其特征是:包括以下步骤:
构建两级优化层,第一级为计及需求侧响应的容量配置层,容量配置层以计及用户舒适度的节能性、经济性和环保性综合最优为目标建立计及需求侧响应的容量优化模型,利用遗传算法求解负荷数据和设备容量,并将优化后的负荷和设备容量作为下层优化的输入;
第二级为运行优化层,以能耗、成本、排放最低为目标,优化设备出力,并将计算结果输出给上层优化;
通过双层优化循环迭代,最终求得最佳负荷曲线、设备容量和运行计划,得到源-荷最佳匹配;
第一级优化层中的容量优化模型,在需求侧响应模型中引入智能家电,调整家电使用时间,进而优化电负荷,同时考虑到建筑物的热惯性,在用户可接受的舒适温度范围内,进行冷/热负荷优化;
可控电负荷包括可中断负载和不可中断负载;
第一级优化层中的容量优化模型具有约束条件,约束条件包括可调度设备负荷、室内温度和设备容量约束;
在负荷调度方案中,进行可控电负荷在一天内的平移调度:假定参与需求响应的可控设备运行功率x是固定不变的,使用离散二进制变量y∈{0,1}表示设备的启停状态,1表示运行,0表示关闭,通过优化变量y的值,来达到负荷转移的目的;
Econload为可控电负荷;D表示所有负荷可控设备的集合;xd表示第d个设备的工作功率;yd∈{0,1}表示第d个设备的启停状态。
2.如权利要求1所述的一种计及需求侧响应的多能互补***两级优化设计方法,其特征是:对多能互补CCHP***的能量流进行分析,确定***的电量平衡、一次能源、热平衡、冷量平衡和燃气消耗总量。
3.如权利要求1所述的一种计及需求侧响应的多能互补***两级优化设计方法,其特征是:第二级优化层具有约束条件,包括能量流平衡约束以及发电机组的额定容量和燃气锅炉的额定容量约束。
4.如权利要求1所述的一种计及需求侧响应的多能互补***两级优化设计方法,其特征是:第二级优化层以单位时间内能源消耗、运行成本与碳排放量最小为优化目标,采用线性加权组合法将多目标问题转化为单目标优化。
5.如权利要求1所述的一种计及需求侧响应的多能互补***两级优化设计方法,其特征是:基于遗传算法和非线性规划的混合求解,对两级优化层进行求解,具体过程包括:
步骤1:对***参数、遗传算法和设备参数进行初始化设置;
步骤2:种群初始化:随机生成N个个体,作为初始种群P0,并对每个个体进行二进制编码;
步骤3:计算当前种群P的适应度,调用非线性规划方法求解运行优化模型;
步骤4:判断当前种群是否满足终止要求,若达到了预设的最大代数,则执行步骤6;否则,需要继续步骤5;
步骤5:选择、交叉和变异,形成新种群P3,返回执行步骤3;
步骤6:解码,得到负荷优化结果。
6.一种计及需求侧响应的多能互补***两级优化设计方法,其特征是:包括:
第一级优化层,为计及需求侧响应的容量配置层,容量配置层以计及用户舒适度的节能性、经济性和环保性综合最优为目标建立计及需求侧响应的容量优化模型,利用遗传算法求解负荷数据和设备容量,并将优化后的负荷和设备容量作为下层优化的输入;
第二级优化层,为运行优化层,以能耗、成本、排放最低为目标,优化设备出力,并将计算结果输出给上层优化;
求解模块,被配置为通过双层优化循环迭代,最终求得最佳负荷曲线、设备容量和运行计划,得到源-荷最佳匹配;
所述第一级优化层中的容量优化模型,在需求侧响应模型中引入智能家电,调整家电使用时间,进而优化电负荷,同时考虑到建筑物的热惯性,在用户可接受的舒适温度范围内,进行冷/热负荷优化;
可控电负荷包括可中断负载和不可中断负载;
第一级优化层中的容量优化模型具有约束条件,约束条件包括可调度设备负荷、室内温度和设备容量约束;
在负荷调度方案中,进行可控电负荷在一天内的平移调度:假定参与需求响应的可控设备运行功率x是固定不变的,使用离散二进制变量y∈{0,1}表示设备的启停状态,1表示运行,0表示关闭,通过优化变量y的值,来达到负荷转移的目的;
Econload为可控电负荷;D表示所有负荷可控设备的集合;xd表示第d个设备的工作功率;yd∈{0,1}表示第d个设备的启停状态。
7.一种计算机可读存储介质,其特征是:其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求1-5中任一项所述的一种计及需求侧响应的多能互补***两级优化设计方法。
8.一种终端设备,其特征是:包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求1-5中任一项所述的一种计及需求侧响应的多能互补***两级优化设计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053327.0A CN111244939B (zh) | 2020-01-17 | 2020-01-17 | 一种计及需求侧响应的多能互补***两级优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053327.0A CN111244939B (zh) | 2020-01-17 | 2020-01-17 | 一种计及需求侧响应的多能互补***两级优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111244939A CN111244939A (zh) | 2020-06-05 |
CN111244939B true CN111244939B (zh) | 2021-09-03 |
Family
ID=70874658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010053327.0A Active CN111244939B (zh) | 2020-01-17 | 2020-01-17 | 一种计及需求侧响应的多能互补***两级优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111244939B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383083A (zh) * | 2020-09-03 | 2021-02-19 | 筠悦云科技无锡有限公司 | 分布式能源管理***管理方法及设备 |
CN112365072B (zh) * | 2020-11-19 | 2023-01-31 | 山东大学 | 园区综合能源***一体化设计方案生成方法及*** |
CN112633575B (zh) * | 2020-12-22 | 2023-01-31 | 山东大学 | 基于鲁棒优化的多能互补综合能源***容量配置方法及*** |
CN112928751B (zh) * | 2021-02-02 | 2023-08-22 | 山东大学 | 一种基于鲁棒优化的新能源电网并网装备配置方法 |
CN113159380B (zh) * | 2021-03-18 | 2023-04-07 | 国网山东综合能源服务有限公司 | 一种计及需求响应的综合能源***运行优化方法 |
CN113052722B (zh) * | 2021-04-16 | 2022-08-02 | 山东大学 | 基于虚拟负荷控制的综合能源***运行优化方法及*** |
CN115834388B (zh) * | 2022-10-21 | 2023-11-14 | 支付宝(杭州)信息技术有限公司 | ***控制方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689189A (zh) * | 2019-09-24 | 2020-01-14 | 国网天津市电力公司 | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9619848B2 (en) * | 2013-05-06 | 2017-04-11 | Sas Institute Inc. | Techniques to determine settings for an electrical distribution network |
-
2020
- 2020-01-17 CN CN202010053327.0A patent/CN111244939B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689189A (zh) * | 2019-09-24 | 2020-01-14 | 国网天津市电力公司 | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 |
Non-Patent Citations (1)
Title |
---|
可再生能源冷热电联供***两级优化设计研究;张立志;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190915(第9期);第1-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111244939A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111244939B (zh) | 一种计及需求侧响应的多能互补***两级优化设计方法 | |
Luo et al. | Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy | |
CN110866641B (zh) | 计及源储荷协同的多能互补***两级优化调度方法及*** | |
Wei et al. | Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system | |
Shen et al. | Multi-objective capacity configuration optimization of an integrated energy system considering economy and environment with harvest heat | |
CN109523092B (zh) | 多能互补冷热电联供***及其协同调度方法 | |
CN109146182A (zh) | 计及多种储能的分布式冷热电联供***的经济调度方法 | |
CN107358345B (zh) | 计及需求侧管理的分布式冷热电联供***优化运行方法 | |
CN105869075A (zh) | 一种冷热电联供型微型能源网经济优化调度方法 | |
CN106022503A (zh) | 面向具有耦合型电冷热需求的微电网容量规划方法 | |
Chen et al. | Economic and environmental operation of power systems including combined cooling, heating, power and energy storage resources using developed multi-objective grey wolf algorithm | |
Song et al. | Study on the optimization and sensitivity analysis of CCHP systems for industrial park facilities | |
CN105955931B (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和*** | |
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 | |
CN113592200B (zh) | 一种含水源热泵的区域综合能源***低碳优化运行方法 | |
Dai et al. | Optimization of CCHP integrated with multiple load, replenished energy, and hybrid storage in different operation modes | |
CN114722591A (zh) | 一种净零能耗建筑电热氢多能流供能设备规划方法 | |
CN112165122A (zh) | 一种综合能源***的运行方法及*** | |
CN112633575B (zh) | 基于鲁棒优化的多能互补综合能源***容量配置方法及*** | |
CN112131712B (zh) | 客户侧多能源***多目标优化方法和*** | |
Nazari et al. | Effect of storage options on price‐based scheduling for a hybrid trigeneration system | |
CN113902225A (zh) | 一种综合能源***优化方法、***、装置及存储介质 | |
CN111126675A (zh) | 多能互补微网***优化方法 | |
Xue et al. | Optimal capacity allocation method of integrated energy system considering renewable energy uncertainty |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |