CN111445107B - 冷热电联供型微电网多目标优化配置方法 - Google Patents
冷热电联供型微电网多目标优化配置方法 Download PDFInfo
- Publication number
- CN111445107B CN111445107B CN202010135058.2A CN202010135058A CN111445107B CN 111445107 B CN111445107 B CN 111445107B CN 202010135058 A CN202010135058 A CN 202010135058A CN 111445107 B CN111445107 B CN 111445107B
- Authority
- CN
- China
- Prior art keywords
- energy
- cost
- cchp system
- output
- ith
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000001816 cooling Methods 0.000 title claims abstract description 33
- 238000010438 heat treatment Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000012423 maintenance Methods 0.000 claims abstract description 24
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 62
- 239000007789 gas Substances 0.000 claims description 58
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims description 50
- 239000003345 natural gas Substances 0.000 claims description 31
- 230000007613 environmental effect Effects 0.000 claims description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 26
- 238000010248 power generation Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 24
- 238000004146 energy storage Methods 0.000 claims description 23
- 230000005611 electricity Effects 0.000 claims description 20
- 239000002245 particle Substances 0.000 claims description 18
- 230000008901 benefit Effects 0.000 claims description 17
- 238000005338 heat storage Methods 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 10
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 239000000356 contaminant Substances 0.000 claims description 5
- 239000003344 environmental pollutant Substances 0.000 claims description 5
- 231100000719 pollutant Toxicity 0.000 claims description 5
- 238000011234 economic evaluation Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000008685 targeting Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000003912 environmental pollution Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004064 recycling Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 230000002431 foraging effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000012669 compression test Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种冷热电联供型微电网多目标优化配置方法,通过构建CCHP***的能量供给设备模型以及其能量流向图,将冷能、热能统一换算成电能来调度,通过从设备的运行成本以及维护成本角度出发分析各种设备在不同时间段产生每千瓦时的能量成本,通过能量成本的大小关系确定出CCHP***内各设备输出能量的调度流程图;构建CCHP***配置的目标函数以及求解该函数的约束条件并确定求解***目标函数值的评价指标;在满足评价指标下通过改进PSO算法来找出最好的配置方案。本发明优化配置后的CCHP***供电可靠性达到99%以上,并且CCHP***使用周期内投资小、对环境的污染也达到最小,有效降低CCHP***的在运行周期内的成本。
Description
技术领域
本发明属于微电网技术领域,涉及冷热电联供型微电网技术,具体地说,涉及一种冷热电联供型微电网多目标优化配置方法。
背景技术
冷热电联供型微电网在孤岛运行时主要由太阳能光伏发电***、风力发电***等运行成本低的设备作为第一出力单元,当电能供给不足时则由燃气轮机等运行成本相对较低的出力单元提供。传统微电网***中涉及的冷负荷、热负荷是由分供设备压缩试制冷机、电锅炉产生,在整个能量供给的过程中伴随着能源使用效率低下,例如燃气轮机的天然气利用率只有百分之三十,而其烟气中包含的百分之六十的能量则直接排放到大气中,这不仅对大气造成了污染,也产生了巨大的资源浪费。
冷热电联供(英文:combined cooling heating and power,简称:CCHP)***中使用燃气轮机作为一种出力设备,因CCHP***中将燃气轮机的发电过程中产生的废气再次利用在取暖季转换为热能、供冷季转换为冷能,从而将无污染的天然气在燃烧情况下不同级别的热量加以利用,实现能源的分级利用。相对于由分布式电源组成的分供(英文:separation production,简称:SP)***,CCHP***不仅提高能源的利用率,而且减小对环境的污染,是目前一种提倡大力发展的供能模式。
CCHP***相对于SP***虽然具有能源利用率高、环境污染小的特点,但是从提高能源利用率、减少环境污染及增强***的鲁棒性的角度来配置整个CCHP***是解决整个CCHP***配置研究的关键。文献(Hu,R.;Ma,J.;Li,Z.K.;Lu,Q.;Zhang,D.H.;Qian,X.;Optimal allocation and applicability analysis of distributed combinedcooling-heating-power system.Dianwang Jishu 2017,41,418-425.)中将CCHP***产生的多个收益设定为整个模型的求解目标,在不同负荷结构需求下给出了CCHP***配置模式,整个CCHP***未能在多个年数据以及未来年数据的背景下进行***鲁棒性的验证。文献(Ma,X.Y.;Wu,Y.W.;Fang,H.L.;Sun,Y.Z.Optimal sizing of hybrid solar-winddistributed generation in an islanded microgrid using improved bacterialforaging algorithm.Zhongguo Dianji Gongcheng Xuebao 2011,31,17-25.)中通过改进细菌觅食算法对含有风/光/储混合微电网的出力设备进行优化配置,整个配置过程并没有考虑实际工程中对于负荷的区分,尤其是取暖季以及夏季负荷高峰期的使用,也未考虑储能设备与CCHP***中一级负荷的关系。文献(Li,M.;Mu,H.L.;Li,N.;Ma,B.Y.Optimaldesign and operation strategy for integrated evaluation of CCHP(combinedcooling heating and power)system.Energy 2016,99,202-220.)中从能量分析、经济运行以及环境影响方面对CCHP***的配置进行优化,采用了两种算法对不同场景下CCHP***产生的经济效益进行对比得出最合适的使用场景,该CCHP***中未能将燃气价格波动以及不可控因素考虑进CCHP***中,从而使得整个CCHP***的可靠性过多的依赖于实验数据。
综上可知,现有CCHP***配置方法存在以下几个问题:(1)***配置时考虑的***建设成本不全面,例如土地成本、并网逆变设备成本未考虑进***配置中,建设运行成本不全面无法接近于实际的工程应用。(2)在***优化配置中未将所建设的***充分与实际的工程应用相结合,例如只在固定的数据下建设***模型,没有对***模型的可靠性进行验证,供电可靠性差。(3)在***建设初期未将***建设完成在运行周期内的***累计投资成本的优势进行体现。因此,如何提高CCHP***供电可靠性、降低建设运行成本,同时能够减少环境污染,是优化CCHP***亟需解决的问题。
发明内容
本发明针对现有冷热电联供型微电网优化配置存在的可靠性差、运行成本高等上述问题,提供了一种冷热电联供型微电网多目标优化配置方法,能够提高CCHP***的供电可靠性、降低建设运行成本,还能够减少环境污染。
为了达到上述目的,本发明提供了一种冷热电联供型微电网多目标优化配置方法,含有以下步骤:
构建CCHP***的能量供给设备模型及其能量流向图;
计算CCHP***中每个分布式电源产生每千瓦时电能的成本;
计算CCHP***中制冷制热设备产生的冷能及热能的成本,并将其换算成每千瓦时电能的成本;
由计算出电能的成本确定CCHP***供能设备能量的调度流程图;
以CCHP***的最小投入资金为目标,通过求解目标函数Ctotal在满足约束条件和评价指标的前提下的最小值构建CCHP***配置模型,所述目标函数Ctotal表示为:
Ctotal=Cfi+Cgas+Cma+Cin+Ce+Csu (1)
式中,Cfi表示设备购买成本、Cgas表示燃料消耗费用、Cma表示设备维护成本、Cin表示设备安装成本、Ce表示环境成本、Csu表示CCHP***收益成本;
通过求解CCHP***配置模型的目标函数Ctotal获取CCHP***最优配置。
优选的,所述能量供给设备模型包括太阳能光伏电池组、风力发电机组、燃气轮机、蓄电池储能装置、直燃型溴化锂吸收式冷水机组、直燃型溴化锂吸收式温水机组、蓄能装置、电制冷机以及电锅炉。
优选的,根据CCHP***所在地区的历史气象条件和物价水平计算每个分布式电源的运行成本、维护成本以及发电补贴成本,进而得到每个分布式电源产生每千瓦时电能的成本。
优选的,所述设备购买成本Cfi为:
所述燃料消耗费用Cgas为:
式中,T为CCHP***中设备运行的时间点;为燃气轮机第t时刻功率输出量;ηMT为燃气轮机发电效率;LHV为天然气的热值,此值大小为9.7kW·h/m3;ΔtMT为燃气轮机运行时长;/>为溴化锂冷水机组在t时刻消耗天然气产生的冷能;/>为溴化锂热水机组在t时刻消耗天然气产生的热能;ηBT_cool为溴化锂冷水机组在t时刻消耗天然气产生冷能的效率;ηBT_hot为溴化锂热水机组在t时刻消耗天然气产生热能的效率;ΔtBT_gas_cool为溴化锂冷水机组消耗天然气产生冷能的工作时间;ΔtBT_gas_hot为溴化锂热水机组消耗天然气产生热能的工作时间;/>为第t时刻天然气的单价;
所述设备维护成本Cma为:
所述设备安装成本Cin为:
所述环境成本Ce为:
式中,M为CCHP***中产生污染物的数量种类;αj为按照国际标准处理第j种污染气体的单位处理费用;βij为第i种设备在单位输出功率内产生第j种污染性气体的比例系数;Pi(t)为第i种设备在t时的出力大小;Q为所占用土地可以净化的有害气体种类;L为所占用土地净化空气总的费用种类;l为所占用土地净化空气的费用种类;αlq为CCHP***所占用土地净化q种气体的费用;αq为CCHP***所占用土地净化q种气体的比例系数;
所述CCHP***收益成本Csu为:
式中,K为新能源发电补贴的种类数;为第i时刻分布式电源的出力大小;Ck为第k种新能源发电补贴的价格;/>为t时刻向电网购电的电量;/>为t时刻向电网购电的价格;/>为t时刻向电网售电的电量;/>为t时刻向电网售电的电价。
优选的,目标函数Ctotal满足的约束条件包括能量平衡约束条件、供能单元出力约束条件以及蓄能单元储能约束条件,其中:
所述能量平衡约束条件表示为:
式中,为第i种分布式电源的单位时间内输出的电量;/>为***中第t时间点电负荷的需求量;/>第i种冷能输出设备的单位时间内输出的冷能;/>为***中第t时间点冷负荷的需求量;/>为第i种热能输出设备的单位时间内输出的热能;为第t时间点***热负荷的需求量;
所述供能单元出力约束条件表示为:
式中,为第i种电能输出设备出力的下限,/>为第i种电能输出设备出力的上限,/>为第i种冷能输出单元出力的下限,/>为第i种冷能输出单元出力的上限,/>为第i种热能输出单元出力的下限,/>为第i种热能输出单元出力的上限;
所述蓄能单元储能约束条件表示为:
(1-DOD)QR≤QBAT(t)≤QBAT_max(t) (14)
0≤Qcool(t)≤Qcool_max (15)
0≤Qhot(t)≤Qhot_max (16)
式中,QBAT_max(t)为蓄电池***在t时刻额定容量;QBAT(t)为蓄电池***在t时刻容量;QR为蓄电池***的额定容量;DOD(%)为蓄电池组最大允许放电深度;Qcool_max为蓄冷槽额定储冷量;Qcool(t)为蓄冷槽第t时刻储冷量;Qhot_max为蓄热槽额定储热量;Qhot(t)为蓄热槽第t时刻储热量。
优选的,所述的评价指标包括可靠性评价指标、经济性评价指标以及环保性评价指标,其中:
所述可靠性评价指标的目标函数表示为:
ηsys=ηeqηgirdηpower (17)
式中,ηsys为CCHP***稳定性;ηeq为CCHP***中器件稳定性,在***配置过程选择高可靠性器件以及增加备用器件使得ηeq为百分之百;ηgird为负荷节点稳定性,配置CCHP***时增加Cfi,选购输出电能质量高、运行稳定同时增设应急设备,使得ηgird为百分之百;ηpower为CCHP***中能量供求可靠性;N为CCHP***规划建设周期;为t时刻CCHP***根据负荷所输出的电能;/>为第i年CCHP***总的负荷量;
所述经济性评价指标表示为CCHP***的累计投资成本:
式中,Y为CCHP***使用年限时间;为第i年CCHP***收益成本,/>为第i年CCHP***燃料消耗费用,/>为第i年CCHP***设备维护成本,/>为第i年CCHP***环境成本,/>为第i年CCHP***购买电网的电能成本;
所述环保性评价指标指CCHP***替代传统功能***后以及SP***后污染气体的排放减少率ηe,表示为:
式中,Psys为CCHP***总的负荷量。
优选的,采用改进的粒子群优化算法对目标函数Ctotal进行求解,改进的粒子群优化算法中,种群粒子速度位置更新公式为:
式中,为第k+1次迭代时的种群粒子速度;ω为惯性权重系数,/>为第k次迭代时的种群粒子速度;c1为个体极值加速度常数;r1为[0,1]范围内变换的随机数;/>为第k次迭代时的个体极值;/>为第k次迭代时的搜索区域位置;c2为群体极值加速度常数;r2为[0,1]范围内变换的随机数;/>为第k次迭代时的群体极值;/>为第k+1次迭代时的搜索区域位置;
所述惯性权重系数ω满足随着迭代次数的增加而减小的条件,满足上述条件的惯性权重系数ω由公式(23)确定,公式(23)表示为:
ω(k)=ωstar+(ωstar-ωend)(2k/Tmax-(k/Tmax)2) (23)
式中,ω(k)为第k次迭代下的权重系数;k为当前迭代次数;ωstar为初始惯性权重;ωend为迭代至最大次数是的惯性权重;Tmax为CCHP***中设备运行的最大时间点。
与现有技术相比,本发明的优点和积极效果在于:
本发明通过构建CCHP***的能量供给设备以及其能量流向图,将冷能、热能统一换算成电能来调度,通过从设备的运行成本以及维护成本角度出发分析各种设备在不同时间段产生每千瓦时的能量成本,通过能量成本的大小关系确定出CCHP***内各设备输出能量的调度流程图;构建CCHP***配置的目标函数以及求解该函数的约束条件并确定求解***目标函数值的评价指标;在满足评价指标下通过改进PSO算法来找出最好的配置方案。采用本发明上述配置方法获得的CCHP***配置方案,CCHP***供电可靠性达到99%以上,并且CCHP***使用周期内投资小、对环境的污染也达到最小,有效降低CCHP***的在运行周期内的成本。
附图说明
图1为本发明实施例所述CCHP***能量流向图;
图2为本发明实施例所述分布式电源产生每千瓦时电能成本示意图;
图3为本发明实施例制冷制热设备产生每千瓦时电能成本示意图;
图4为本发明实施例供能设备能量调度流程图;
图5为本发明实施例不同负荷结构下典型日电、冷、热负荷需求量示意图;
图6为本发明实施例不同负荷结构时间段风机、光伏典型日发电曲线图;
图7为本发明实施例构建的CCHP***配置模型图;
图8为本发明实施例每天缺失负荷数据统计示意图;
图9为本发明实施例各负荷缺失量以及***可靠性示意图;
图10为本发明实施例所述CCHP***、SP***以及传统供能***使用时间内累计使用成本示意图;
图11为本发明实施例不同供能方式下各***不同耗能设备的环境成本示意图。
具体实施方式
下面,通过示例性的实施方式对本发明进行具体描述。然而应当理解,在没有进一步叙述的情况下,一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
本发明一实施例提供了一种冷热电联供型微电网多目标优化配置方法,含有以下步骤:
S1、构建CCHP***的能量供给设备模型及其能量流向图。其中,所述能量供给设备模型包括太阳能光伏电池组、风力发电机组、燃气轮机、蓄电池储能装置、直燃型溴化锂吸收式冷水机组、直燃型溴化锂吸收式温水机组、蓄能装置、电制冷机以及电锅炉;CCHP***的能量流向图参见图1。
S2、计算CCHP***中每个分布式电源产生每千瓦时电能的成本。
本实施例中,CCHP***运行在并网模式或者孤岛模式,燃气轮机发电***使用天然气作为燃料,产生的电能用于***中电能的供给。根据CCHP***所在地区的历史气象条件和物价水平计算每个分布式电源的运行成本、维护成本以及发电补贴成本,进而得到每个分布式电源产生每千瓦时电能的成本(参见图2)。
具体地,每千瓦时光伏电池发电成本计算公式如下:
式中,CPV为每千瓦时光伏电池发电成本;PPV为单块光伏电池全年发电量;Cbuy_PV为单块光伏电池购买成本;Cland_PV为单块光伏电池每年折合土地使用成本;Cma_PV为单块光伏电池每年折合的维护成本;Cin_PV为单块光伏电池折合的安装成本;Cbe_PV为每千瓦时光伏发电补贴。
每千瓦时风力发电机发电成本计算公式如下:
式中,CWT为每千瓦时风力发电机发电成本;PWT为单台风力发电机全年发电量;Cbuy_WT为单台风力发机电购买成本;Cland_WT为单台风力发电机每年折合土地使用成本;Cma_WT为单台风力发电机每年折合的维护成本;Cin_WT为单台风力发电机折合的安装成本;Cbe_WT为每千瓦时风力发电机发电补贴。
每千瓦时燃气轮机发电成本计算公式如下:
式中,CMT每千瓦时燃气轮机发电成本;PMT为燃气轮机消耗1立方米天然气的发电量;Cgas为每立方米天然气价格;Cma_MT为燃气轮机产生每千瓦时电能的维护成本。
电能价格则根据CCHP***所在地区的电价所确定。
S3、计算CCHP***中制冷制热设备产生的冷能及热能的成本(参见图3),并将其换算成每千瓦时电能的成本。
S4、由计算出电能的成本确定CCHP***供能设备能量的调度流程图(参见图4)。由于CCHP***区分了峰时以及谷时的功能时间段,根据图2及图3中计算出的设备出力成本,在特定时间下优先选择处理成本最小的设备。
S5、以CCHP***的最小投入资金为目标,通过求解目标函数Ctotal在满足约束条件和评价指标的前提下的最小值构建CCHP***配置模型,所述目标函数Ctotal表示为:
Ctotal=Cfi+Cgas+Cma+Cin+Ce+Csu (1)
式中,Cfi表示设备购买成本、Cgas表示燃料消耗费用、Cma表示设备维护成本、Cin表示设备安装成本、Ce表示环境成本、Csu表示CCHP***收益成本。
具体地,所述设备购买成本Cfi为:
所述燃料消耗费用Cgas为:
式中,T为CCHP***中设备运行的时间点;为燃气轮机第t时刻功率输出量;ηMT为燃气轮机发电效率;LHV为天然气的热值,此值大小为9.7kW·h/m3;ΔtMT为燃气轮机运行时长;/>为溴化锂冷水机组在t时刻消耗天然气产生的冷能;/>为溴化锂热水机组在t时刻消耗天然气产生的热能;ηBT_cool为溴化锂冷水机组消耗天然气产生冷能的效率;ηBT_hot为溴化锂热水机组消耗天然气产生热能的效率;ΔtBT_gas_cool为溴化锂冷水机组消耗天然气产生冷能的工作时间;ΔtBT_gas_hot为溴化锂热水机组消耗天然气产生热能的工作时间;/>为第t时刻天然气的单价。
所述设备维护成本Cma为:
所述设备安装成本Cin为:
所述环境成本Ce为:
式中,M为CCHP***中产生污染物的种类;αj为按照国际标准处理第j种污染气体的单位处理费用;βij为第i种设备在单位输出功率内产生第j种污染性气体的比例系数;Pi(t)为第i种设备在t时的出力大小;Q为所占用土地可以净化的有害气体种类;L为所占用土地净化空气总的费用种类;l为所占用土地净化空气的费用种类;αlq为CCHP***所占用土地净化q种气体的费用;αq为CCHP***所占用土地净化q种气体的比例系数。
所述CCHP***收益成本Csu为:
式中,K为新能源发电补贴的种类数;为第i时刻分布式电源的出力大小;Ck为第k种新能源发电补贴的价格;/>为t时刻向电网购电的电量;/>为t时刻向电网购电的价格;/>为t时刻向电网售电的电量;/>为t时刻向电网售电的电价。
CCHP***中的约束条件是为了让整个CCHP***拥有较高的运行可靠性、经济环保性,根据IEEE Std 1366-2003标准和中国DLT836-2012配电网供电可靠性指标标准,将配电网的可靠性标准区分为三个层次,本实施例中,通过增加设备投资成本使得整个CCHP***的元器件可靠性以及负荷节点可靠性达到百分之百的安全稳定。整个CCHP***运行过程中必须满足电能需求平衡、冷能需求平衡、热能需求平衡的总的能量平衡,CCHP***将总的能量需求分配给各能量输出单元,CCHP***中出力单元也应满足各自的出力约束。整个过程中蓄电池***以及整个蓄能***在能量的调度过程中起到削峰填谷的作用。
具体地,目标函数Ctotal满足的约束条件包括能量平衡约束条件、供能单元出力约束条件以及蓄能单元储能约束条件。
整个CCHP***的能量供给需满足CCHP***在任何时刻的负荷需求,才能保证整个CCHP***的稳定运行。因此,所述能量平衡约束条件表示为:
式中,为第i种分布式电源的单位时间内输出的电量;/>为***中第t时间点电负荷的需求量;/>第i种冷能输出设备的单位时间内输出的冷能;/>为***中第t时间点冷负荷的需求量;/>为第i种热能输出设备的单位时间内输出的热能;为第t时间点***热负荷的需求量。
CCHP***的稳定性主要由各出力单元的能量输出的冷能、热能以及电能来保证,***中各能量输出单元的能量输出也都存在自己的范围。确定各能量输出单元的出力约束对于模型中求解出各出力单元的数量至关重要。为了实现供能单元出力约束,所述供能单元出力约束条件表示为:
式中,为第i种电能输出设备出力的下限,/>为第i种电能输出设备出力的上限,/>为第i种冷能输出单元出力的下限,/>为第i种冷能输出单元出力的上限,/>为第i种热能输出单元出力的下限,/>为第i种热能输出单元出力的上限。
在CCHP***中蓄能单元任何时刻都应该满足蓄能单元储能约束条件,所述蓄能单元储能约束条件表示为:
(1-DOD)QR≤QBAT(t)≤QBAT_max(t) (14)
0≤Qcool(t)≤Qcool_max (15)
0≤Qhot(t)≤Qhot_max (16)
式中,QBAT_max(t)为蓄电池***在t时刻额定容量;QBAT(t)为蓄电池***在t时刻容量;QR为蓄电池***的额定容量;DOD(%)为蓄电池组最大允许放电深度;Qcool_max为蓄冷槽额定储冷量;Qcool(t)为蓄冷槽第t时刻储冷量;Qhot_max为蓄热槽额定储热量;Qhot(t)为蓄热槽第t时刻储热量。
具体地,所述的评价指标包括可靠性评价指标、经济性评价指标以及环保性评价指标,其中:
所述可靠性评价指标的目标函数表示为:
ηsys=ηeqηgirdηpower (17)
式中,ηsys为CCHP***稳定性;ηeq为CCHP***中器件稳定性,在***配置过程选择高可靠性器件以及增加备用器件使得ηeq为百分之百;ηgird为负荷节点稳定性,配置CCHP***时增加Cfi,选购输出电能质量高、运行稳定同时增设应急设备,使得ηgird为百分之百;ηpower为CCHP***中能量供求可靠性;N为CCHP***规划建设周期;为t时刻CCHP***根据负荷所输出的电能;/>为第i年CCHP***总的负荷量。
CCHP***与SP***相比,其优点在于:绝大部分热能、冷能通过回收燃气轮机烟气获得,使得整个***的运行费用降低,中国政府对于太阳能、风能发电存在一定额度补贴以及电能回收政策,因此,整个CCHP***是一可以逐步回收成本的***。所述经济性评价指标表示为CCHP***的累计投资成本:
式中,Y为CCHP***使用年限时间;为第i年CCHP***收益成本,/>为第i年CCHP***燃料消耗费用,/>为第i年CCHP***设备维护成本,/>为第i年CCHP***环境成本,/>为第i年CCHP***购买电网的电能成本。
CCHP***微电网中主要出力单元为光伏电池组、风力发电机组、燃气轮机发电单元,而电网功率交互单元则作为能量输出的辅助单元。由于中国国内的电能60%以煤为燃料的火力发电机产生。煤燃烧的同时产生大量的NOx、SOx、COx等污染物,因此在使用电网电能时其能量使用的背后也相当于在排放这些污染物,参照目前处理这些污染物的资金成本,将这些成本计算为CCHP***运行的附加成本。则所述环保性评价指标指CCHP***替代传统功能***后以及SP***后污染气体的排放减少率ηe,表示为:
式中,Psys为CCHP***总的负荷量。
S6、通过求解CCHP***配置模型的目标函数Ctotal获取CCHP***最优配置。
粒子群优化(简称:PSO)算法因具有随机全局搜索、收敛快以及效率高等优点,常用于对目标函数的求解。但同时它的缺点也比较明显,例如:在寻优过程中存在粒子在俯冲过程中会错失全局最优解等情况。在应用PSO算法处理多维复杂问题时,算法可能陷入局部最优解也就是所说的过早收敛。
具体地,为了避免上述问题在求解目标函数中出现,本发明实施例中,采用改进的粒子群优化算法对目标函数Ctotal进行求解,改进的粒子群优化算法中,种群粒子速度位置更新公式为:
式中,为第k+1次迭代时的种群粒子速度;ω为惯性权重系数,/>为第k次迭代时的种群粒子速度;c1为个体极值加速度常数;r1为[0,1]范围内变换的随机数;/>为第k次迭代时的个体极值;/>为第k次迭代时的搜索区域位置;c2为群体极值加速度常数;r2为[0,1]范围内变换的随机数;/>为第K次迭代时的群体极值;/>为第k+1次迭代时的搜索区域位置。
所述惯性权重系数ω满足随着迭代次数的增加而减小的条件,满足上述条件的惯性权重系数ω由公式(23)确定,公式(23)表示为:
ω(k)=ωstar+(ωstar-ωend)(2k/Tmax-(k/Tmax)2) (23)
式中,ω(k)为第k次迭代下的权重系数;k为当前迭代次数;ωstar为初始惯性权重;ωend为迭代至最大次数是的惯性权重;Tmax为CCHP***中设备运行的最大时间点。
本发明上述方法,进行CCHP***的优化配置时,将CCHP***中经济性目标、可靠性目标、环境性三个目标全部折合成同一个***投资目标,经济性目标函数表示为***的固定成本投资、***运行以及投资,***的可靠性目标换算成***投资为增加能量输出设备的品质稳定性以及能量输出的可靠性,在负荷需求下,保证能量供给达到99%以上;***的环境性目标表示为***自身产生的污染物治理费用,以及***通过电网获取电能后,由于电网电能的60%由传统火力发电产生,因此使用电网的电能时在本***中换算成的环境成本表示为火力发电厂生产每千瓦时电能产生的NOx、SOx、COx污染物处理成本。优化配置后的CCHP***使用周期内投资小、对环境的污染也达到最小,有效降低CCHP***的在运行周期内的成本。
为了说明上述方法的有效性,以下结合具体实例对上述方法做出进一步说明。
对CCHP***能量供/需进行分析。
(1)负荷分析
以某一工业园区2016年负荷需求为例,工业园区总面积为2.05*105m2,年均每小时平均电负荷量约为350KWh,取暖季(11.16-3.31)每小时负荷需求量按换算成电能额约为115KWh,供冷季(5.15-9.15)每小时负荷需求量按换算成电能额约为218KWh,将整个***的能量供给按照供能时间段以及供能的种类进行区分,全年的电负荷分为取暖季、供冷季以及过度季(既不取暖也不供冷的季节)用电负荷,取暖季的热负荷,供冷季的冷负荷,各种负荷如图5所示。将不同的负荷区分开有利于配置上的优化,避免设备容量规划的不合理。
(2)太阳能发电、风力发电输出分析
***建设所在地选择在烟台某地区,根据当地一年内以小时为尺度的风速、温度等气象数据数据,通过太阳能光伏电池、风力发电机功率输出数学模型计算出该地区光电转换效率为16.15%、26.5%,将整个***的太阳能光伏电池组、风力发电机机组能量输出按不同负荷结构所在的间段进行区分,如图6所示。
根据目标函数及约束条件得出满足约束条件的CCHP***配置模型,参见图7,该模型中的4000000点都满足***的约束条件且都可以让***可靠地运行起来,但是每个点所对应的Ctotal各不相同,即公式(1)所包含的各种成本也不同。
根据改进的粒子群优化算法求解CCHP***配置模型的目标函数,在满足约束条件下根据评价指标计算出CCHP***建设的成本为3.385*105元,各能量供给设备容量,如表1所示。
表1
能量输出设备名称 | 装机容量/KW |
太阳能发电机组 | 1140.4 |
风力发电机机组 | 980 |
燃气轮机发电机机组 | 325 |
直燃型溴化锂冷水(热水)机组 | 260 |
电制冷机机组 | 283 |
电锅炉机组 | 268.7 |
蓄电池组 | 1200 |
蓄热槽 | 2000 |
蓄冷槽 | 4500 |
根据公式(17)和公式(18)对CCHP***进行可靠性评价,统计***负荷冷热电负荷需求数据与***所提供能量差,对***进行可靠性评价,在本实施例中的CCHP***中,统计2016年每天所缺失的负荷量,计算出***可靠性。输入2017年、2018年、2019年***所在地风光数据以及能量需求数据,统计***运行数据挖掘出每年统计负荷的缺失量,计算每天负荷缺失量、每年各种负荷缺失量以及***可靠性,具体参见图8、图9。
根据CCHP***经济性评价指标,根据最近四年***所在地的风光数据以及园区的负荷数据,通过取平均值估算出***建设并投入使用的二十年内的风光数据以及负荷数据。由公式(19)计算出CCHP***每年的由公式(24)计算出SP***每年的/>传统的工业园区只采用电能来满足工业园区内的所用负荷需求,因此其能量运行费用计算为使用的电能费用,传统供能***的/>由公式(25)计算得到。公式(24)和公式(25)表示为:
式中,为SP***的累计投资成本;CSP_fi为SP***设备购买成本;CSP_in为SP***设备安装成本;/>为第i年SP***收益成本;/>为第i年SP***燃料消耗费用;/>为第i年SP***设备维护成本;/>为第i年SP***环境成本;/>为第i年SP***购买电网的电能成本;/>为传统供能***的累计投资成本;/>为第i年传统供能***环境成本;/>为第i年传统供能***购买电网的电能成本。
如图10所示,由图像可以看出CCHP建设成本最高、SP***次之、传统供能***最低,但是从***的长远发展角度可以看出,由于CCHP***、SP***存在收益,因此随着使用时间的增长,在使用时间内的累计投资在逐渐减少,本实施例优化配置后的CCHP***在***使用时间的第13年起累计投资成本低于传统供能***,在规划使用的20年内,其***总投入资金只占传统供能***的50%。本实施例优化配置后的CCHP***相比于SP***,由于增加能量二次利用等相关设备在成本上投资较大,但是其大部分热能、冷能通过回收燃气轮机尾气获得,因此***运行成本较低,在***投资使用第十一年时本实施例优化配置后的CCHP***总投资成本低于SP***,综上所述CCHP***在经济性方面优势最为明显。
根据公式(6)计算工业园区在SP***、传统电能供应以及本实施例优化配置后的CCHP***下满足整个工业园区每年负荷供给时***所产生的每年环境成本分别为102606.98元、148979.6元、584923元。图11中展示的是工业园区在三种供能方式下每年各***所产生环境成本的详细数据,根据图4的能量调度流程图将CCHP***产生的环境成本主要区分为消耗电网电能的设备产生环境成本以及消耗天然气的设备产生的环境成本。SP***以及传统电能供应***则根据冷热电负荷的需求量来计算出相应的消耗电网电能的设备产生环境成本以及消耗天然气的设备产生的环境成本。由公式(20)得出本实施例优化配置后的CCHP***相对于SP***的环保指标约为31.26%,相对于传统电能供应***的环保指标为82.45%,因此本实施例优化配置后的CCHP在环保性方面具有较大的优势。
上述实施例用来解释本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改和改变,都落入本发明的保护范围。
Claims (6)
1.一种冷热电联供型微电网多目标优化配置方法,其特征在于,含有以下步骤:
构建CCHP***的能量供给设备模型及其能量流向图;
计算CCHP***中每个分布式电源产生每千瓦时电能的成本;
计算CCHP***中制冷制热设备产生的冷能及热能的成本,并将其换算成每千瓦时电能的成本;
由计算出电能的成本确定CCHP***供能设备能量的调度流程图;以CCHP***的最小投入资金为目标,通过求解目标函数Ctotal在满足约束条件和评价指标的前提下的最小值构建CCHP***配置模型,所述目标函数Ctotal表示为:
Ctotal=Cfi+Cgas+Cma+Cin+Ce+Csu (1)
式中,Cfi表示设备购买成本、Cgas表示燃料消耗费用、Cma表示设备维护成本、Cin表示设备安装成本、Ce表示环境成本、Csu表示CCHP***收益成本;
所述设备购买成本Cfi为:
所述燃料消耗费用Cgas为:
式中,T为CCHP***中设备运行的时间点;为燃气轮机第t时刻功率输出量;ηMT为燃气轮机发电效率;LHV为天然气的热值,此值大小为9.7kW·h/m3;ΔtMT为燃气轮机运行时长;/>为溴化锂冷水机组在t时刻消耗天然气产生的冷能;/>为溴化锂热水机组在t时刻消耗天然气产生的热能;ηBT_cool为溴化锂冷水机组消耗天然气产生冷能的效率;ηBT_hot为溴化锂热水机组消耗天然气产生热能的效率;ΔtBT_gas_cool为溴化锂冷水机组消耗天然气产生冷能的工作时间;ΔtBT_gas_hot为溴化锂热水机组消耗天然气产生热能的工作时间;/>为第t时刻天然气的单价;
所述设备维护成本Cma为:
所述设备安装成本Cin为:
所述环境成本Ce为:
式中,M为CCHP***中产生污染物的数量种类;αj为按照国际标准处理第j种污染气体的单位处理费用;βij为第i种设备在单位输出功率内产生第j种污染性气体的比例系数;Pi(t)为第i种设备在t时的出力大小;Q为所占用土地可以净化的有害气体种类;L为所占用土地净化空气总的费用种类;l为所占用土地净化空气的费用种类;αlq为CCHP***所占用土地净化q种气体的费用;αq为CCHP***所占用土地净化q种气体的比例系数;
所述CCHP***收益成本Csu为:
式中,K为新能源发电补贴的种类数;为第i时刻分布式电源的出力大小;Ck为第k种新能源发电补贴的价格;/>为t时刻向电网购电的电量;/>为t时刻向电网购电的价格;为t时刻向电网售电的电量;/>为t时刻向电网售电的电价;
通过求解CCHP***配置模型的目标函数Ctotal获取CCHP***最优配置。
2.如权利要求1所述的冷热电联供型微电网多目标优化配置方法,其特征在于,所述能量供给设备模型包括太阳能光伏电池组、风力发电机组、燃气轮机、蓄电池储能装置、直燃型溴化锂吸收式冷水机组、直燃型溴化锂吸收式温水机组、蓄能装置、电制冷机以及电锅炉。
3.如权利要求2所述的冷热电联供型微电网多目标优化配置方法,其特征在于,根据CCHP***所在地区的历史气象条件和物价水平计算每个分布式电源的运行成本、维护成本以及发电补贴成本,进而得到每个分布式电源产生每千瓦时电能的成本。
4.如权利要求1所述的冷热电联供型微电网多目标优化配置方法,其特征在于,目标函数Ctotal满足的约束条件包括能量平衡约束条件、供能单元出力约束条件以及蓄能单元储能约束条件,其中:
所述能量平衡约束条件表示为:
式中,为第i种分布式电源的单位时间内输出的电量;/>为CCHP***中第t时间点电负荷的需求量;/>第i种冷能输出设备的单位时间内输出的冷能;/>为CCHP***中第t时间点冷负荷的需求量;/>为第i种热能输出设备的单位时间内输出的热能;/>为第t时间点***热负荷的需求量;
所述供能单元出力约束条件表示为:
式中,为第i种电能输出设备出力的下限;/>为第i种电能输出设备出力的上限;/>为第i种冷能输出单元出力的下限;/>为第i种冷能输出单元出力的上限;/>为第i种热能输出单元出力的下限;/>为第i种热能输出单元出力的上限;
所述蓄能单元储能约束条件表示为:
(1-DOD)QR≤QBAT(t)≤QBAT_max(t) (14)
0≤Qcool(t)≤Qcool_max (15)
0≤Qhot(t)≤Qhot_max (16)
式中,QBAT_max(t)为蓄电池***在t时刻额定容量;QBAT(t)为蓄电池***在t时刻容量;QR为蓄电池***的额定容量;DOD(%)为蓄电池组最大允许放电深度;Qcool_max为蓄冷槽额定储冷量;Qcool(t)为蓄冷槽第t时刻储冷量;Qhot_max为蓄热槽额定储热量;Qhot(t)为蓄热槽第t时刻储热量。
5.如权利要求1所述的冷热电联供型微电网多目标优化配置方法,其特征在于,所述的评价指标包括可靠性评价指标、经济性评价指标以及环保性评价指标,其中:
所述可靠性评价指标的目标函数表示为:
ηsys=ηeqηgirdηpower (17)
式中,ηsys为CCHP***稳定性;ηeq为CCHP***中器件稳定性,在***配置过程选择高可靠性器件以及增加备用器件使得ηeq为百分之百;ηgird为负荷节点稳定性,配置CCHP***时增加Cfi,选购输出电能质量高、运行稳定同时增设应急设备,使得ηgird为百分之百;ηpower为CCHP***中能量供求可靠性;N为CCHP***规划建设周期;为t时刻CCHP***根据负荷所输出的电能;/>为第i年CCHP***总的负荷量;
所述经济性评价指标表示为CCHP***的累计投资成本:
式中,Y为CCHP***使用年限时间;为第i年CCHP***收益成本,/>为第i年CCHP***燃料消耗费用,/>为第i年CCHP***设备维护成本,/>为第i年CCHP***环境成本,/>为第i年CCHP***购买电网的电能成本;/>
所述环保性评价指标指CCHP***替代传统电能供应***以及SP***后污染气体的排放减少率ηe,表示为:
式中,Psys为CCHP***总的负荷量。
6.如权利要求1所述的冷热电联供型微电网多目标优化配置方法,其特征在于,采用改进的粒子群优化算法对目标函数Ctotal进行求解,改进的粒子群优化算法中,种群粒子速度位置更新公式为:
式中,为第k+1次迭代时的种群粒子速度;ω为惯性权重系数,/>为第k次迭代时的种群粒子速度;c1为个体极值加速度常数;r1为[0,1]范围内变换的随机数;/>为第k次迭代时的个体极值;/>为第k次迭代时的搜索区域位置;c2为群体极值加速度常数;r2为[0,1]范围内变换的随机数;/>为第k次迭代时的群体极值;/>为第k+1次迭代时的搜索区域位置;
所述惯性权重系数ω满足随着迭代次数的增加而减小的条件,满足上述条件的惯性权重系数ω由公式(23)确定,公式(23)表示为:
ω(k)=ωstar+(ωstar-ωend)(2k/Tmax-(k/Tmax)2) (23)
式中,ω(k)为第k次迭代下的权重系数;k为当前迭代次数;ωstar为初始惯性权重;ωend为迭代至最大次数是的惯性权重;Tmax为CCHP***中设备运行的最大时间点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010135058.2A CN111445107B (zh) | 2020-03-02 | 2020-03-02 | 冷热电联供型微电网多目标优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010135058.2A CN111445107B (zh) | 2020-03-02 | 2020-03-02 | 冷热电联供型微电网多目标优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445107A CN111445107A (zh) | 2020-07-24 |
CN111445107B true CN111445107B (zh) | 2023-06-13 |
Family
ID=71648855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010135058.2A Active CN111445107B (zh) | 2020-03-02 | 2020-03-02 | 冷热电联供型微电网多目标优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445107B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287493B (zh) * | 2020-09-17 | 2022-11-01 | 国家电网公司西南分部 | 含透平膨胀机的冷热电氢联供型微电网容量优化配置方法 |
CN112257899A (zh) * | 2020-09-22 | 2021-01-22 | 国网河北省电力有限公司营销服务中心 | 一种cchp***优化调度方法及终端设备 |
CN112434853B (zh) * | 2020-11-23 | 2024-05-31 | 上海电气分布式能源科技有限公司 | 供能***的容量配置方法、装置、电子设备及存储介质 |
CN112528501A (zh) * | 2020-12-11 | 2021-03-19 | 东南大学 | 一种分布式供能***分层优化设计方法 |
CN112713590B (zh) * | 2020-12-22 | 2022-11-08 | 南昌大学 | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
CN113240149A (zh) * | 2021-02-18 | 2021-08-10 | 北京国电通网络技术有限公司 | 能源供需的动态配置方法、装置、电子设备及存储介质 |
CN113392513B (zh) * | 2021-05-28 | 2022-05-03 | 国网河北省电力有限公司衡水供电分公司 | 冷热电联供***多目标优化方法、装置及终端 |
CN114066276A (zh) * | 2021-11-22 | 2022-02-18 | 国网黑龙江省电力有限公司电力科学研究院 | 基于电能替代的能量利用评估方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
CN108008629A (zh) * | 2016-10-29 | 2018-05-08 | 南京理工大学 | 一种多种能源互补利用***的优化运行方法 |
CN108197768A (zh) * | 2018-04-02 | 2018-06-22 | 厦门大学 | 一种能源***与管网布局联合优化方法 |
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 |
CN109146182A (zh) * | 2018-08-24 | 2019-01-04 | 南京理工大学 | 计及多种储能的分布式冷热电联供***的经济调度方法 |
CN109255560A (zh) * | 2018-11-20 | 2019-01-22 | 成都大学 | 一种基于冷热电负荷比例的cchp***评估优化方法 |
CN109617142A (zh) * | 2018-12-13 | 2019-04-12 | 燕山大学 | 一种cchp型微电网多时间尺度优化调度方法及*** |
CN109659927A (zh) * | 2018-10-24 | 2019-04-19 | 国网天津市电力公司电力科学研究院 | 一种考虑储能参与度的综合能源微网储能容量配置方法 |
CN109784569A (zh) * | 2019-01-23 | 2019-05-21 | 华北电力大学 | 一种区域综合能源***优化控制方法 |
CN109934399A (zh) * | 2019-03-06 | 2019-06-25 | 华北电力大学 | 一种考虑设备变工况特性的综合能源***规划方法 |
CN110244566A (zh) * | 2019-06-24 | 2019-09-17 | 燕山大学 | 计及柔性负荷的冷热电联供***容量优化配置方法 |
CN110333660A (zh) * | 2019-07-29 | 2019-10-15 | 西安科技大学 | 一种冷热电联供***多目标优化方法 |
CN110414762A (zh) * | 2019-02-26 | 2019-11-05 | 南京工业大学 | 一种综合能源***的需求响应建模方法 |
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 |
-
2020
- 2020-03-02 CN CN202010135058.2A patent/CN111445107B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022503A (zh) * | 2016-03-17 | 2016-10-12 | 北京睿新科技有限公司 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
CN108008629A (zh) * | 2016-10-29 | 2018-05-08 | 南京理工大学 | 一种多种能源互补利用***的优化运行方法 |
CN108197768A (zh) * | 2018-04-02 | 2018-06-22 | 厦门大学 | 一种能源***与管网布局联合优化方法 |
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 |
CN109146182A (zh) * | 2018-08-24 | 2019-01-04 | 南京理工大学 | 计及多种储能的分布式冷热电联供***的经济调度方法 |
CN109659927A (zh) * | 2018-10-24 | 2019-04-19 | 国网天津市电力公司电力科学研究院 | 一种考虑储能参与度的综合能源微网储能容量配置方法 |
CN109255560A (zh) * | 2018-11-20 | 2019-01-22 | 成都大学 | 一种基于冷热电负荷比例的cchp***评估优化方法 |
CN109617142A (zh) * | 2018-12-13 | 2019-04-12 | 燕山大学 | 一种cchp型微电网多时间尺度优化调度方法及*** |
CN109784569A (zh) * | 2019-01-23 | 2019-05-21 | 华北电力大学 | 一种区域综合能源***优化控制方法 |
CN110414762A (zh) * | 2019-02-26 | 2019-11-05 | 南京工业大学 | 一种综合能源***的需求响应建模方法 |
CN109934399A (zh) * | 2019-03-06 | 2019-06-25 | 华北电力大学 | 一种考虑设备变工况特性的综合能源***规划方法 |
CN110244566A (zh) * | 2019-06-24 | 2019-09-17 | 燕山大学 | 计及柔性负荷的冷热电联供***容量优化配置方法 |
CN110333660A (zh) * | 2019-07-29 | 2019-10-15 | 西安科技大学 | 一种冷热电联供***多目标优化方法 |
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 (2)
Title |
---|
含冷热电联供和储能的微能源网优化调度研究;杨志鹏;《工程科技Ⅱ辑》;第11-43页 * |
含冷热电联供***的微能源网运行优化研宄;李玉君;《工程科技Ⅱ辑》;第18-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111445107A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111445107B (zh) | 冷热电联供型微电网多目标优化配置方法 | |
Liu et al. | Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community | |
Lingmin et al. | Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power | |
Ahadi et al. | A novel approach for optimal combinations of wind, PV, and energy storage system in diesel-free isolated communities | |
CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
CN111860937B (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
CN109245093A (zh) | 一种冷热电联供分布式能源站协同优化调度方法 | |
CN111463836A (zh) | 一种综合能源***优化调度方法 | |
Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
CN106786509B (zh) | 大规模风电并网下基于多场景模拟的热-电联合调度方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN113762708A (zh) | 一种考虑多目标协同的园区级综合能源***规划方法 | |
Tabar et al. | Achieving a nearly zero energy structure by a novel framework including energy recovery and conversion, carbon capture and demand response | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
Lin et al. | Energy management strategy and capacity optimization for CCHP system integrated with electric‐thermal hybrid energy storage system | |
Liu et al. | Capacity allocation for regional integrated energy system considering typical day economic operation | |
CN114844124B (zh) | 一种基于目标优化的综合能源***的运行控制方法 | |
Yuan et al. | A control strategy for distributed energy system considering the state of thermal energy storage | |
CN113078684B (zh) | 一种基于双层优化的区域能源社区规划方法 | |
CN112883630A (zh) | 用于风电消纳的多微网***日前优化经济调度方法 | |
Mahoor et al. | Smart energy management for a micro-grid with consideration of demand response plans | |
Ahammed et al. | Analysis of Energy Consumption for a Hybrid Green Data Center | |
CN213783243U (zh) | 一种面向产业园区的综合能源***运行优化装置 | |
CN114565480A (zh) | 考虑碳排放量的区域分布式多能源***多目标规划方法 |
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 |