CN112446552B - 一种生物质气化冷热电联供***的多目标优化方法 - Google Patents
一种生物质气化冷热电联供***的多目标优化方法 Download PDFInfo
- Publication number
- CN112446552B CN112446552B CN202011480818.XA CN202011480818A CN112446552B CN 112446552 B CN112446552 B CN 112446552B CN 202011480818 A CN202011480818 A CN 202011480818A CN 112446552 B CN112446552 B CN 112446552B
- Authority
- CN
- China
- Prior art keywords
- biomass
- biomass gasification
- combined cooling
- power system
- gasification combined
- 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
- 239000002028 Biomass Substances 0.000 title claims abstract description 106
- 238000002309 gasification Methods 0.000 title claims abstract description 66
- 238000010438 heat treatment Methods 0.000 title claims abstract description 64
- 238000001816 cooling Methods 0.000 title claims abstract description 62
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 27
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims abstract description 26
- 238000013486 operation strategy Methods 0.000 claims abstract description 23
- 238000005057 refrigeration Methods 0.000 claims abstract description 20
- 238000010248 power generation Methods 0.000 claims abstract description 19
- 238000005338 heat storage Methods 0.000 claims abstract description 17
- 238000005265 energy consumption Methods 0.000 claims abstract description 15
- 229910002092 carbon dioxide Inorganic materials 0.000 claims abstract description 13
- 239000001569 carbon dioxide Substances 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 230000002068 genetic effect Effects 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 208000024620 acute necrotizing encephalopathy of childhood Diseases 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 239000002283 diesel fuel Substances 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 208000033937 musculocontractural type Ehlers-Danlos syndrome Diseases 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 239000002918 waste heat Substances 0.000 claims description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims 1
- 229910052739 hydrogen Inorganic materials 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/04—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
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生物质气化冷热电联供***的多目标优化方法，首先将电制冷比与生物质气化装置、发电装置、蓄热装置、生物质补燃锅炉的容量作为优化变量；构建结合蓄热装置和电制冷设备的生物质气化冷热电联供***的优化模型；通过DeST仿真软件模拟得到某一建筑的全年冷、热、电负荷数据；利用设置好参数的遗传算法对所述生物质气化冷热电联供***在不同生物质种类、不同运行策略下进行多目标优化，得到所述生物质气化冷热电联供***在达到最优经济、能源、环境和综合性能时的各优化变量。上述方法能够节约***运行成本，减少能源消耗和二氧化碳气体的排放，从而提高生物质气化冷热电联供***的性能。
Description
技术领域
本发明涉及生物质气化冷热电联供***技术领域，尤其涉及一种生物质气化冷热电联供***的多目标优化方法。
背景技术
冷热电联供***是以能源梯级利用为原理，实现冷、热、电同时供应的能源利用***，它相比于传统的分产供能***具有经济效益好、效率高、环境友好等优点，被认为是满足和解决能源需求、能源供应安全和环境问题等问题的一种有效替代方案。与传统的分供***相比，冷热电联供***的能源利用率高达75％-80％。目前冷热电联供***的驱动能源大多数是以化石燃料(例如煤、天然气)等不可再生能源为主，然而不可再生能源的大量使用带来的能源消耗和环境污染问题一直存在且尚未得到妥善解决，为了解决这一问题，应使用可再生能源来代替化石燃料。
在可再生能源中，生物质能是很好地选择之一。一方面，生物质能作为第二大可再生能源，占可再生能源的50％，具有极大的发展潜力；另一方面，生物质能是一种环境友好型能源，将生物质能应用于发电可以提高发电效率。将生物质能作为冷热电联供***的能源供应可以进一步提高***的性能，这将是一种更容易，更有益的利用生物质能源的方式，特别是在解决能源消耗和环境污染的问题上。在生物质能转化技术中，生物质气化技术被认为是适合用于分布式发电的方法。因此，生物质气化冷热电联供***(BiomassGasification Based Combined Cooling,Heating,and Power,BGBCCHP)被提出并应用于现有的办公建筑、医院、宾馆等，现有技术建立了许多优化模型来优化生物质气化冷热电联供***的结构、运行策略，而在优化过程中，***原料供应的种类、设备参数、运行策略都对最佳结果有着重要的影响，而现有技术缺乏针对多目标优化的解决方案。
发明内容
本发明的目的是提供一种生物质气化冷热电联供***的多目标优化方法，该方法能够节约***运行成本，减少能源消耗和二氧化碳气体的排放，从而提高生物质气化冷热电联供***的性能。
本发明的目的是通过以下技术方案实现的：
一种生物质气化冷热电联供***的多目标优化方法，所述方法包括：
步骤1、首先将电制冷比与生物质气化装置、发电装置、蓄热装置、生物质补燃锅炉的容量作为优化变量；
步骤2、根据优化变量建立目标函数，并构建结合蓄热装置和电制冷设备的生物质气化冷热电联供***的优化模型；
步骤3、通过DeST仿真软件模拟得到某一建筑的全年冷、热、电负荷数据，并将其作为已知数据，根据已知数据和相关参数计算***在不同运行策略下提供的冷、热、电需求；
步骤4、利用设置好参数的遗传算法对所述生物质气化冷热电联供***在不同生物质种类、不同运行策略下进行多目标优化，得到所述生物质气化冷热电联供***在达到最优经济、能源、环境和综合性能时的各优化变量；其中，所述不同运行策略包括：以电定热、以热定电、混合策略；
步骤5、通过比较不同生物质种类、不同运行策略下***达到经济、能源、环境和综合性能最优来确定最佳的生物质种类、运行策略和设备配置。
由上述本发明提供的技术方案可以看出，上述方法能够节约***运行成本，减少能源消耗和二氧化碳气体的排放，从而提高生物质气化冷热电联供***的性能。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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，对于本领域的普通技术人员来讲，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附图。
图1为本发明实施例提供的生物质气化冷热电联供***的多目标优化方法流程示意图；
图2为本发明所举实例的建筑外观示意图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
下面将结合附图对本发明实施例作进一步地详细描述，如图1所示为本发明实施例提供的生物质气化冷热电联供***的多目标优化方法流程示意图，所述方法包括：
步骤1、首先将电制冷比与生物质气化装置、发电装置、蓄热装置、生物质补燃锅炉的容量作为优化变量；
这里，电制冷比即电制冷负荷占总冷负荷的比例。
步骤2、根据优化变量建立目标函数，并构建结合蓄热装置和电制冷设备的生物质气化冷热电联供***的优化模型；
在该步骤中，生物质气化冷热电联供***的优化模型的构建过程具体为：
首先年总成本节省率的计算如公式(1)所示：
式中，ATCS表示年总成本节省率；ATCRSP表示分供***的年总成本(￥/year)；ATCBGBCCHP表示生物质气化冷热电联供***的年总成本(￥/year)；
其中，生物质气化冷热电联供***的年总成本ATCBGBCCHP的计算如公式(2)所示：
式中，δ表示设备损耗系数；R表示年度资本回收系数；Nga，Npgu，Nb，Ns作为优化变量分别表示生物质气化装置、发电装置、生物质补燃锅炉、蓄热装置的容量(kW)；Nab，Nec，Nhu分别表示吸收式制冷机、电制冷、供热装置的容量(kW)；mga，mpgu，mab，mec，mb，mhu，ms分别表示生物质气化装置、发电装置、吸收式制冷机、电制冷、供热装置、生物质补燃锅炉、蓄热装置的设备价格(￥/kW)；me(i)，mg分别表示买电、卖电的价格(￥/kWh)；mb表示生物质的价格(￥/t)；Bb(i)表示每个时刻所消耗的生物质质量(kg/s)；Egrid,in(i)，Egrid,out(i)分别表示每个时刻从电网购买的电量和卖回的电量(kWh)；
年总非可再生能源消耗节省率的计算如公式(3)所示：
式中，ANESR表示年总非可再生能源消耗节省率；ANECRSP表示分供***的年总非可再生能源消耗量(kJ/year)；ANECBGBCCHP表示生物质气化冷热电联供***的年总非可再生能源消耗量(kJ/year)；
其中，生物质气化冷热电联供***的年总非可再生能源消耗量ANECBGBCCHP的计算如公式(4)所示：
式中，ηe表示电厂发电的效率；ηgrid表示电网的效率；LHVoil表示柴油的低位发热值(kJ/kg)；ρoil表示柴油的密度(kg/L)；κoil表示柴油的价格(￥/L)；L表示运输距离(km)；
年二氧化碳排放减少率的计算如公式(5)所示：
式中，ACDER表示年二氧化碳排放减少率；ACDERSP表示分供***的年总二氧化碳排放量(t/year)；ACDEBGBCCHP表示生物质气化冷热电联供***的年总二氧化碳排放量(t/year)；
其中，生物质气化冷热电联供***的年总二氧化碳排放量ACDEBGBCCHP的计算如公式(6)所示：
式中，y表示设备使用年限(年)；rrec表示回收率；μga，μpgu，μab，μec，μhu，μb，μs，μgrid分别表示生物质气化装置、发电装置、吸收式制冷机、电制冷、供热装置、生物质补燃锅炉、蓄热装置、电网电能的CO2排放系数(kg/kW)；μb表示生物质的CO2排放系数(g/kg)；
则最终生物质气化冷热电联供***的综合节省率V的计算如公式(7)所示：
V＝γ1ATCS+γ2ANESR+γ3ACDER (7)
其中，γ1、γ2和γ3为权值系数，令γ1+γ2+γ3＝1。
步骤3、通过DeST仿真软件模拟得到某一建筑的全年冷、热、电负荷数据，并将其作为已知数据，根据已知数据和相关参数计算***在不同运行策略下提供的冷、热、电需求；
在该步骤中，***在不同运行策略下提供的冷、热、电需求具体为：
***在不同运行策略下均能满足建筑所需要的冷、热、电负荷，其热平衡的计算如公式(8)所示：
式中，Qrej，Qbfb，Qh，Qc，Qex分别表示余热回收***回收的热量、生物质补燃锅炉补充的热量、建筑物所需热负荷、建筑物所需冷负荷、***产生的多余热量(kWh)；Qs.in，Qs.out分别表示蓄热装置输入和输出的热量(kWh)；Vs.in，Vs.out代表蓄热装置的工作变量；ηhu，COPab分别表示供热装置、吸收式制冷机的效率；
***电平衡的计算如公式(9)所示：
式中，Epgu，Egrid,in，Euser，Egrid,out分别表示发电装置产生的电量、从电网补充的电量、用户需要的电量、卖回电网的电量(kWh)；COPec表示电制冷的效率。
步骤4、利用设置好参数的遗传算法对所述生物质气化冷热电联供***在不同生物质种类、不同运行策略下进行多目标优化，得到所述生物质气化冷热电联供***在达到最优经济、能源、环境和综合性能时的各优化变量；
在该步骤中，所述不同运行策略包括：以电定热、以热定电、混合策略。
具体实现中，利用设置好参数的遗传算法对所述生物质气化冷热电联供***在不同生物质种类、不同运行策略下进行多目标优化的过程具体为：
首先，将优化变量初始化并编码；
其次，计算并评估目标函数，判断其是否满足***在不同策略、不同性能下的最优准则；
当不满足最优准则时，选择最佳个体，通过选择、交叉和变异操作初始化种群，然后搜索再次返回目标函数计算；
相反，当满足最优准则时，即输出最佳优化变量的参数；
最后，在对BGBCCHP***的配置进行优化和确定后，能得到***在不同生物质种类、不同运行策略下的各目标函数的最优值。
在本实例中，设定的遗传算法的主要参数包括：种群数量为200，群体规模为50，交叉概率为0.05，变异概率为0.9。
所得到的生物质气化冷热电联供***在达到最优经济、能源、环境和综合性能时的各优化变量包括：电制冷比，即电制冷负荷占总冷负荷的比例；以及生物质气化装置、发电装置、蓄热装置、生物质补燃锅炉的容量。
步骤5、通过比较不同生物质种类、不同运行策略下***达到经济、能源、环境和综合性能最优来确定最佳的生物质种类、运行策略和设备配置。
为更好的说明本发明实施例所述方法的过程及效果，下面以北京某办公建筑作为研究案例，从经济、能源、环境和综合角度使生物质气化冷热电联供***的性能得到优化进行详细说明，如图2所示为本发明所举实例的建筑外观示意图：
该案例办公建筑为七层办公建筑，占地10300.15平方米，根据建筑图纸在DeST中建立模型，对该办公建筑各房间功能进行定义。
结合北京气候特点和该建筑的实际定位设置相关参数(包括设置围护结构，采暖日，空调日等)，利用上述方法对建筑物的空间拓扑建模和计算即可得到全年8760h下建筑的逐时冷、热、电负荷。
值得注意的是，本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种生物质气化冷热电联供***的多目标优化方法，其特征在于，所述方法包括：
步骤1、首先将电制冷比与生物质气化装置、发电装置、蓄热装置、生物质补燃锅炉的容量作为优化变量；
步骤2、根据优化变量建立目标函数，并构建结合蓄热装置和电制冷设备的生物质气化冷热电联供***的优化模型；
其中，所述生物质气化冷热电联供***的优化模型构建过程具体为：
年总成本节省率的计算如公式(1)所示：
式中，ATCS表示年总成本节省率；ATCRSP表示分供***的年总成本；ATCBGBCCHP表示生物质气化冷热电联供***的年总成本；
其中，生物质气化冷热电联供***的年总成本ATCBGBCCHP的计算如公式(2)所示：
式中，δ表示设备损耗系数；R表示年度资本回收系数；Nga，Npgu，Nb，Ns作为优化变量分别表示生物质气化装置、发电装置、生物质补燃锅炉、蓄热装置的容量；Nab，Nec，Nhu分别表示吸收式制冷机、电制冷、供热装置的容量；mga，mpgu，mab，mec，mb，mhu，ms分别表示生物质气化装置、发电装置、吸收式制冷机、电制冷、生物质补燃锅炉、供热装置、蓄热装置的设备价格；me(i)，mg分别表示买电、卖电的价格；mbs表示生物质的价格；Bb(i)表示每个时刻所消耗的生物质质量；Egrid,in(i)，Egrid,out(i)分别表示每个时刻从电网购买的电量和卖回的电量；
年总非可再生能源消耗节省率的计算如公式(3)所示：
式中，ANESR表示年总非可再生能源消耗节省率；ANECRSP表示分供***的年总非可再生能源消耗量；ANECBGBCCHP表示生物质气化冷热电联供***的年总非可再生能源消耗量；
其中，生物质气化冷热电联供***的年总非可再生能源消耗量ANECBGBCCHP的计算如公式(4)所示：
式中，ηe表示电厂发电的效率；ηgrid表示电网的效率；LHVoil表示柴油的低位发热值；ρoil表示柴油的密度；κoil表示柴油的价格；L表示运输距离；
年二氧化碳排放减少率的计算如公式(5)所示：
式中，ACDER表示年二氧化碳排放减少率；ACDERSP表示分供***的年总二氧化碳排放量；ACDEBGBCCHP表示生物质气化冷热电联供***的年总二氧化碳排放量；
其中，生物质气化冷热电联供***的年总二氧化碳排放量ACDEBGBCCHP的计算如公式(6)所示：
式中，y表示设备使用年限；rrec表示回收率；μga，μpgu，μab，μec，μhu，μb，μs，μgrid分别表示生物质气化装置、发电装置、吸收式制冷机、电制冷、供热装置、生物质补燃锅炉、蓄热装置、电网电能的CO2排放系数；μbs表示生物质的CO2排放系数；
则最终生物质气化冷热电联供***的综合节省率V的计算如公式(7)所示：
V＝γ1ATCS+γ2ANESR+γ3ACDER (7)
其中，γ1、γ2和γ3为权值系数，令γ1+γ2+γ3＝1；
步骤3、通过DeST仿真软件模拟得到某一建筑的全年冷、热、电负荷数据，并将其作为已知数据，根据已知数据和相关参数计算***在不同运行策略下提供的冷、热、电需求；
步骤4、利用设置好参数的遗传算法对所述生物质气化冷热电联供***在不同生物质种类、不同运行策略下进行多目标优化，得到所述生物质气化冷热电联供***在达到最优经济、能源、环境和综合性能时的各优化变量；其中，所述不同运行策略包括：以电定热、以热定电、混合策略；
步骤5、通过比较不同生物质种类、不同运行策略下***达到经济、能源、环境和综合性能最优来确定最佳的生物质种类、运行策略和设备配置。
2.根据权利要求1所述生物质气化冷热电联供***的多目标优化方法，其特征在于，在步骤3中，***在不同运行策略下提供的冷、热、电需求具体为：
***在不同运行策略下均能满足建筑所需要的冷、热、电负荷，其热平衡的计算如公式(8)所示：
式中，Qrej，Qbfb，Qh，Qc，Qex分别表示余热回收***回收的热量、生物质补燃锅炉补充的热量、建筑物所需热负荷、建筑物所需冷负荷、***产生的多余热量；Qs.in，Qs.out分别表示蓄热装置输入和输出的热量；Vs.in，Vs.out代表蓄热装置的工作变量；ηhu，COPab分别表示供热装置、吸收式制冷机的效率；
***电平衡的计算如公式(9)所示：
式中，Epgu，Egrid,in，Euser，Egrid,out分别表示发电装置产生的电量、从电网补充的电量、用户需要的电量、卖回电网的电量；COPec表示电制冷的效率。
3.根据权利要求1所述生物质气化冷热电联供***的多目标优化方法，其特征在于，在步骤4中，所得到的生物质气化冷热电联供***在达到最优经济、能源、环境和综合性能时的各优化变量包括：
电制冷比，即电制冷负荷占总冷负荷的比例；
以及生物质气化装置、发电装置、蓄热装置、生物质补燃锅炉的容量。
4.根据权利要求1所述生物质气化冷热电联供***的多目标优化方法，其特征在于，在步骤4中，利用设置好参数的遗传算法对所述生物质气化冷热电联供***在不同生物质种类、不同运行策略下进行多目标优化的过程具体为：
首先，将优化变量初始化并编码；
其次，计算并评估目标函数，判断其是否满足***在不同策略、不同性能下的最优准则；
当不满足最优准则时，选择最佳个体，通过选择、交叉和变异操作初始化种群，然后搜索再次返回目标函数计算；
相反，当满足最优准则时，即输出最佳优化变量的参数；
最后，在对BGBCCHP***的配置进行优化和确定后，能得到***在不同生物质种类、不同运行策略下的各目标函数的最优值；其中，BGBCCHP***表示生物质气化冷热电联供***。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011480818.XA CN112446552B (zh) | 2020-12-15 | 2020-12-15 | 一种生物质气化冷热电联供***的多目标优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011480818.XA CN112446552B (zh) | 2020-12-15 | 2020-12-15 | 一种生物质气化冷热电联供***的多目标优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112446552A CN112446552A (zh) | 2021-03-05 |
| CN112446552B true CN112446552B (zh) | 2023-02-03 |
Family
ID=74739138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011480818.XA Active CN112446552B (zh) | 2020-12-15 | 2020-12-15 | 一种生物质气化冷热电联供***的多目标优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112446552B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114621794B (zh) * | 2022-05-16 | 2022-08-19 | 烟台尚美丽家新能源有限公司 | 一种生物质气化炉多能耦合智慧联供生产***及方法 |
| CN116227750A (zh) * | 2023-05-09 | 2023-06-06 | 烟台尚美丽家新能源有限公司 | 一种生物质原料多联供综合管理***及管理方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103065197A (zh) * | 2012-12-12 | 2013-04-24 | 中国能源建设集团广东省电力设计研究院 | 分布式冷热电联供***的优化配置方法 |
| CN104766133A (zh) * | 2015-03-09 | 2015-07-08 | 山东大学 | 一种小型生物质沼气冷热电联供***综合优化方法 |
| CN109988653B (zh) * | 2019-03-18 | 2020-10-16 | 北京石油化工学院 | 生物质气化三联供***及其运行经济性的评估方法 |
-
2020
- 2020-12-15 CN CN202011480818.XA patent/CN112446552B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112446552A (zh) | 2021-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Long-term economic planning of combined cooling heating and power systems considering energy storage and demand response | |
| Lingmin et al. | Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power | |
| Li et al. | Optimization and analysis of CCHP system based on energy loads coupling of residential and office buildings | |
| Shen et al. | Multi-objective capacity configuration optimization of an integrated energy system considering economy and environment with harvest heat | |
| Guo et al. | Multi-objective optimization design and multi-attribute decision-making method of a distributed energy system based on nearly zero-energy community load forecasting | |
| CN104881712A (zh) | 多能互补分布式能源***及其设备配置与运行优化方法 | |
| CN105676824A (zh) | 一种可再生能源冷热电联供能量优化调度***与方法 | |
| Zhang et al. | Nested optimization design for combined cooling, heating, and power system coupled with solar and biomass energy | |
| CN114330826A (zh) | 一种碳排放预测及优化方法 | |
| CN110363353A (zh) | 一种分布式综合能源***的优化设计和调度方法及*** | |
| CN111429301B (zh) | 一种容量配置和运行策略的协同优化处理方法和装置 | |
| CN112446552B (zh) | 一种生物质气化冷热电联供***的多目标优化方法 | |
| CN111668878A (zh) | 一种可再生微能源网的优化配置方法和*** | |
| Wang et al. | Multi-attribute decision analysis for optimal design of park-level integrated energy systems based on load characteristics | |
| CN115759604B (zh) | 一种综合能源***优化调度方法 | |
| Wang et al. | Multi-objective energy planning for regional natural gas distributed energy: A case study | |
| Li et al. | Study on the operation strategy for integrated energy system with multiple complementary energy based on developed superstructure model | |
| Chen et al. | Optimal design of integrated urban energy systems under uncertainty and sustainability requirements | |
| Qin et al. | Robust optimal dispatching of integrated electricity and gas system considering refined power-to-gas model under the dual carbon target | |
| Wang et al. | Co-optimization of configuration and operation for distributed multi-energy system considering different optimization objectives and operation strategies | |
| Sun et al. | A BCS-GDE multi-objective optimization algorithm for combined cooling, heating and power model with decision strategies | |
| Li et al. | Role of different energy storage methods in decarbonizing urban distributed energy systems: A case study of thermal and electricity storage | |
| CN111126675A (zh) | 多能互补微网***优化方法 | |
| CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
| CN114757388A (zh) | 一种基于改进nsga-iii的区域综合能源***设备容量优化方法 |
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 |