CN114154744A - 综合能源***的扩容规划方法、装置及电子设备 - Google Patents
综合能源***的扩容规划方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114154744A CN114154744A CN202111516519.1A CN202111516519A CN114154744A CN 114154744 A CN114154744 A CN 114154744A CN 202111516519 A CN202111516519 A CN 202111516519A CN 114154744 A CN114154744 A CN 114154744A
- Authority
- CN
- China
- Prior art keywords
- energy system
- capacity expansion
- power
- comprehensive energy
- max
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 239000002245 particle Substances 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 51
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 50
- 239000003345 natural gas Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 22
- 238000001816 cooling Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 13
- 229910052799 carbon Inorganic materials 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000009194 climbing Effects 0.000 claims description 3
- 239000002737 fuel gas Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 6
- 230000005611 electricity Effects 0.000 description 8
- 238000005338 heat storage Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004146 energy storage Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000002803 fossil fuel Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- 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)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于综合能源***优化技术领域,提供了一种综合能源***的扩容规划方法、装置及电子设备,所述方法包括:以综合能源***在扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数;建立目标函数的约束条件,并采用粒子群算法求解目标函数;基于求解结果对综合能源***进行扩容规划。本发明能够合理地对综合能源***进行扩容规划。
Description
技术领域
本发明属于综合能源***优化技术领域,尤其涉及一种综合能源***的扩容规划方法、装置及电子设备。
背景技术
综合能源***为综合能源生产、输送和消费的整体***,通过对传统化石能源的合理使用以及结合利用多种一次能源,能够有效减少化石燃料的消耗量,优化能源供应***的结构,并降低社会发展对传统化石燃料的依赖性。
然而,随着化石能源的逐渐减少和环境污染的愈发严重,新能源发电技术被世界各国高度重视,越来越多的风力、光伏发电投入使用,由于其具有的不确定性和波动性,给现有能源供应网络带来了一定不利影响,其自身的大量消纳也存在困难,因此综合能源***的规划问题受到较大关注。目前,还没有结合扩容问题对综合能源***进行规划的方法。
发明内容
有鉴于此,本发明实施例提供了一种综合能源***的扩容规划方法、装置及电子设备,以合理地对综合能源***进行扩容规划。
本发明实施例第一方面提供了一种综合能源***的扩容规划方法,包括:
以综合能源***在扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数;
建立目标函数的约束条件,并采用粒子群算法求解目标函数;
基于求解结果对综合能源***进行扩容规划。
本发明实施例第二方面提供了一种综合能源***的扩容规划装置,包括:
计算模块,用于以综合能源***在扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数;以及建立目标函数的约束条件,并采用粒子群算法求解目标函数;
规划模块,用于基于求解结果对综合能源***进行扩容规划。
本发明实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述第一方面的综合能源***的扩容规划方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面的综合能源***的扩容规划方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例通过在综合能源***原有投资设备的基础上,以扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数并求解,来对综合能源***进行扩容规划,能够降低综合能源***的扩容投资成本并满足实际需求,实现合理的扩容设计。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的综合能源***的扩容规划方法的流程示意图;
图2是本发明实施例提供的一种综合能源***的能流结构示意图;
图3是本发明实施例提供的一种遗传算法求解过程示意图;
图4是本发明实施例提供的能源中心全年电需求的示例图;
图5是本发明实施例提供的能源中心全年热需求的示例图;
图6是本发明实施例提供的能源中心全年冷需求的示例图;
图7是本发明实施例提供的综合能源***的扩容规划装置的结构示意图;
图8是本发明实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
随着社会经济的发展、技术的进步以及节能减排的压力,世界各国的能源、负荷结构也在不断的调整之中,不同能源供应***(煤、石油、天然气、电、热、水等)和能源终端用户之间的关联互动和耦合关系也更加密切。综合能源***为综合了能源生产、输送和消费的整体***,通过对传统化石能源的合理使用以及结合利用多种一次能源,能够有效减少化石燃料的消耗量,优化能源供应***的结构,并降低社会发展对传统化石燃料的依赖性。
目前,世界许多国家都在根据自身的实际需求制定适合实际国情的综合能源***发展战略,中国虽然起步晚,但也在积极推动综合能源***的发展。随着化石能源的逐渐减少和环境污染的愈发严重,新能源发电技术被世界各国高度重视,越来越多的风力、光伏发电投入使用,然而由于其具有的不确定性和波动性,给现有能源供应网络带来了一定不利影响,其自身的大量消纳也存在困难。因此综合能源***的扩容规划问题受到较大关注。现有技术一提出一种考虑区域综合能源***优化运行的配电网扩展规划方法,用于满足负荷增长并促进资源的优化利用。现有技术二针对可再生能源的波动性、不确定性对配电网带来冲击,采用目标计划约束规划储能容量。现有技术三考虑从电池集成进行经济、环保多目标规划。现有技术四提出满足多能负荷需求构建多能转换与存储设备成本优化规划综合能源***。现有技术五分析了电力***与热力***的差异性和互补性,研究了不同场景下两种储能装置的优化设计方法和协调优化控制策略。现有技术六研究了不同能源和多能流的互补规划,提出一种更加完善的综合能源***模型。现有技术七研究IES中可再生能源的高效利用问题,通过建立混合整数线性规划模型,以***运行的经济成本最低为目标,对***内的各类设备进行优化配置,分析了储电/热设备在***中的作用。然而,目前的研究均没有将扩容问题与综合能源***规划相结合,因此需要考虑一种能够解决扩容规划问题的策略
参见图1所示,本发明实施例提供了一种综合能源***的扩容规划方法,该方法包括以下步骤:
步骤S101,以综合能源***在扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数;
步骤S102,建立目标函数的约束条件,并采用粒子群算法求解目标函数;
步骤S103,基于求解结果对综合能源***进行扩容规划。
在本发明实施例中,综合能源***是指根据区域内可以获得的各类能源,针对不同类型用户的用能需求,在能源供应、转换、传输、存储、消费等环节进行统筹协调,对区域内的供能设备、传输管网等进行一体化规划和建设,在满足***内多元化用能需求的同时,有效地提升能源利用效率,促进能源可持续发展的新型一体化的能源***。综合能源***具有以下一些基本特征:(1)综合能源***可实现不同供用能***间的有机协调;(2)综合能源***可利用不同供用能***间的互动能力实现能源的优化调度;(3)综合能源***可实现各类能源的优化利用;(4)综合能源***可以有效降低碳排放。
在对综合能源***进行扩容规划前,需建立综合能源***的能流结构图。
首先研究综合能源***的耦合特性,包括能源、经济、时空、稳定性等方面;其次研究综合能源***关键设备的耦合特性;最后研究综合能源***的传输特性,包括电力***、热力***、天然气***。
一种典型的能流结构图可以参见图2所示。
建立综合能源***能流结构图之后,从经济性方面确定综合能源***的规划优化目标,即扩容后的综合能源***在满足用户负荷需求的前提下尽可能减少年成本。首先以扩容后综合能源***在寿命周期内的年成本最低为规划目标,综合能源***中已有设备的投资费用将进行分摊折算;其次以电网供能、热网供能、冷网供能、设备运行、天然气容量和可靠性等建立约束条件;最后使用遗传算法,求解综合能源扩容规划模型,得到最优方案。
可见,本发明实施例通过在综合能源***原有投资设备的基础上,以扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数并求解,来对综合能源***进行扩容规划,能够降低综合能源***的扩容投资成本并满足实际需求,实现合理的扩容设计。
可选的,目标函数为:
式中,fin(x)为综合能源***的年投资成本;fop(p)为综合能源***的年运行成本,即***购买天然气、向电网购电等所花费的费用;fmc(p)为综合能源***的年维护费用;fce(p)为综合能源***的年碳排放成本;x为决策变量,表示各个设备的数量;p表示各个设备的出力。
可选的,fin(x)由以下公式计算:
式中,y为综合能源***的设计寿命;r为折现率;ci为设备i的单台购置成本;xi为设备i的台数;ji为设备i的单台土地使用成本;ti为设备i的单台安装费用;el为建设阶段花费的其它建设成本。
可选的,fop(p)由以下公式计算:
式中,pi为耗电设备i的出力;ηi为耗电设备i的耗电比例系数;Gi为消耗天然气设备i的出力,κi为消耗天然气设备i的消耗燃气比例系数。
可选的,fmc(p)由以下公式计算:
式中,wi为设备i的单台维护成本。
可选的,fce(p)由以下公式计算:
式中,δe为电能的碳排放系数,δg为天然气的碳排放系数,Dctax为碳排放税。
可选的,在本发明实施例中,约束条件包括电网供能约束、热网供能约束、冷网供能约束、设备运行约束、天然气容量约束和可靠性约束。
电网供能约束为:
热网供能约束为:
冷网供能约束为
设备运行约束为;
天然气容量约束为:
式中,PQmin,J、PQmax,l分别表示天然气管道流量的上下限,cll,y为管道传输流量的安全波动系数;Vmin,s与Vmax,s分别表示供气量的上下限。
可靠性约束为:
ΔLe s≤ΔEmax
ΔLq s≤ΔQmax
ΔLc s≤ΔCmax
可选的,采用粒子群算法求解目标函数,包括:
步骤一,设定种群大小和最大迭代次数;
步骤二,对综合能源***中的各个设备进行编码,并产生初始的种群;
步骤三,计算种群中每个个体的适应度;
步骤四,对种群进行选择、交叉、变异操作,产生新一代种群;
步骤五,重复执行步骤三和步骤四,直至达到最大迭代次数,输出适应度最高的个体,得到目标函数的解。
可选的,在本发明实施例中,个体的适应度由个体对应的综合能源***在扩容后寿命周期内的年成本确定,综合能源***在扩容后寿命周期内的年成本越低,对应个体的适应度越高。
在本发明实施例中,具体求解流程可以如下:
(1)设定种群大小和最大迭代次数;
(2)对综合能源***中的各个设备进行编码处理,然后随机生成规模为N的初始种群S;
(3)计算种群的个体适应度:由于目标函数是***经济和环境的目标值,可直接反映染色体的优劣,所以选用目标函数作为评价适应度高低的标准。也就是说直接把目标函数看做适应度函数。个体适应度函数的表达式为:
fit=min(F)
对于该方法适应度的评价规则是:个体的目标函数值越小,说明其适应度函数越高;反之,个体的目标函数值越大,说明其适应度越低。
(4)对初始种群S进行选择、交叉、变异并产生初始种群S的子代种群Q,具体包括:个体选择,在个体不可重复选择的前提下,随机选择两个个体;交叉方式选择,随机分配个体交叉方式,该操作有行交叉和列交叉两种交叉方式;交叉操作,对两个个体在交叉位置后面的列进行互换,组合生成两个新的个体;变异操作,对上述子代染色体按照变异概率Pm进行下述变异操作,Pm取值为0.001~0.1,得到子代种群Q;
(6)迭代至达到最大迭代次数,在父代种群和子代种群的混合种群中选择最优个体,输出最优方案。
在本发明实施例中,参见图3所示,还可以在迭代过程中基于种群的适应度来作为迭代终止条件。即当种群的适应度满足一定阈值时,则判定子代已经达到最优,终止迭代并输出最优个体,以提高求解速度。
以下,对本方案进行仿真分析。
某能源中心全年电需求曲线如图4所示。因提供数据中并未给出热需求数据,本次测算根据典型负荷特性对能源中心一年的热负荷情况进行模拟测算,需求曲线如图5所示。基于建设期对总冷负荷估算的数据以及冷负荷典型特性,对能源中心一年的冷负荷需求曲线进行模拟,得到冷需求曲线如图6所示。
根据对园区内资源和地形进行分析,拟将光伏装机容量上限设定为1000kW。由于缺乏备选设备数据,本次测算以千瓦为单位进行测算,并且设定储电和储热设备充放电功率和容量比为1:4,并且设定储能可用容量范围为10%-95%。按扩容前后供能设备组合的不同划分为如表1所示的三种场景并分别开展综合能源***仿真测算,根据区域用户需求,其中场景一已有建设“直燃机+蒸汽锅炉+真空锅炉+螺杆机+离心机”的多能互补智慧能源***,场景二计划扩建后的多能互补智慧能源***由“光伏+直燃机+蒸汽锅炉+真空锅炉+螺杆机+离心机+储能电池+储热罐+蓄冰槽”组成,满足终端用户对电、热和冷能源的需求,场景三由“CCHP+蒸汽锅炉+真空锅炉+螺杆机+储热罐”组成。本次测算的三个场景均采用电能并网不上网模式。
表1场景设备表
在本次测算中,各种设备的年成本均采用全周期成本折旧进行计算,其具体参数如表2所示(各设备单功率购置成本以及单功率年运维成本均为模拟数据,可提供当地实际情况数据进行测算):
表2设备成本费用明细表
根据所提供资料,规划区内的电价以及天然气价格如表3所示(由于未提供能源中心规划区内天然气价格,本次测算天然气价格采用固定价格模式):
表3分时电价表
由于规划方未提供完整的设备参数数据,未提供的设备型号、参数,本次测算采用常用设备的参数,主要性能参数设置如表4所示:
表4***内设备性能参数表
输出结果如下:
场景A下为园区现有设备直燃机、蒸汽锅炉、真空锅炉、螺杆机、离心机。基于现有数据分析,直燃机(供热)的装机容量为2698kW,蒸汽锅炉的装机容量为3102kW,真空锅炉的装机容量为8400kW,螺杆机的装机容量为1439kW,离心机的装机容量为3516kW,直燃机(供冷)的装机容量为3480kW。
场景B下可安装分布式设备主要有光伏、储能电池、直燃机、真空锅炉、蒸汽锅炉、储热罐、螺杆机、离心机、蓄冰槽。基于现有数据分析,光伏的装机容量为1378kW,储能电池的装机容量为499kW,直燃机(供热)的装机容量为2698kW,真空锅炉的装机容量为8400kW,蒸汽锅炉的装机容量为3102kW,储热罐的装机容量为1000kW,直燃机(供冷)的装机容量为3480kW,螺杆机的装机容量为1439kW,离心机的装机容量为3516kW,蓄冰槽的装机容量为1500kW。
场景C下可安装分布式设备主要有CCHP(冷热电三联供)、真空锅炉、蒸汽锅炉、储热罐、螺杆机。基于现有数据分析,CCHP的装机容量为1181kW,真空锅炉的装机容量为8400kW,蒸汽锅炉的装机容量为3102kW,储热罐的装机容量为500kW,螺杆机的装机容量为1439kW。
经过分析,三个场景均能够满足用户需求,且相对于现有的规划方案,本方案在原有规划的基础上,考虑了光伏发电机组和储电、储热、储冷设备的经济因素,实现了满足负荷需求的基础上最大程度节约投资和运行成本,能够满足园区负荷波动以及未来发展的需要。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
参见图7所示,本发明实施例提供了一种综合能源***的扩容规划装置,该装置70包括:
计算模块71,用于以综合能源***在扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数;以及建立目标函数的约束条件,并采用粒子群算法求解目标函数。
规划模块72,用于基于求解结果对综合能源***进行扩容规划。
可选的,计算模块71建立的目标函数为:
式中,fin(x)为综合能源***的年投资成本;fop(p)为综合能源***的年运行成本;fmc(p)为综合能源***的年维护费用;fce(p)为综合能源***的年碳排放成本;x表示各个设备的数量,p表示各个设备的出力。
可选的,fin(x)、fop(p)、fmc(p)、fce(p)的计算公式分别为:
式中,y为综合能源***的设计寿命;r为折现率;ci为设备i的单台购置成本;xi为设备i的台数;ji为设备i的单台土地使用成本;ti为设备i的单台安装费用;el为其它建设成本;pi为耗电设备i的出力;ηi为耗电设备i的耗电比例系数;Gi为消耗天然气设备i的出力,κi为消耗天然气设备i的消耗燃气比例系数;wi为设备i的单台维护成本;δe为电能的碳排放系数,δg为天然气的碳排放系数,Dctax为碳排放税。
可选的,计算模块71建立的约束条件包括电网供能约束、热网供能约束、冷网供能约束、设备运行约束、天然气容量约束和可靠性约束。
电网供能约束为:
热网供能约束为:
冷网供能约束为
设备运行约束为;
天然气容量约束为:
式中,PQmin,J、PQmax,l分别表示天然气管道流量的上下限,cll,y为管道传输流量的安全波动系数;Vmin,s与Vmax,s分别表示供气量的上下限;
可靠性约束为:
ΔLe s≤ΔEmax
ΔLq s≤ΔQmax
ΔLc s≤ΔCmax
可选的,计算模块71具体用于:
步骤一,设定种群大小和最大迭代次数;
步骤二,对综合能源***中的各个设备进行编码,并产生初始的种群;
步骤三,计算种群中每个个体的适应度;
步骤四,对种群进行选择、交叉、变异操作,产生新一代种群;
步骤五,重复执行步骤三和步骤四,直至达到最大迭代次数,输出适应度最高的个体,得到目标函数的解。
可选的,计算模块71具体用于:
根据个体对应的综合能源***在扩容后寿命周期内的年成本确定个体的适应度,年成本越低,对应个体的适应度越高。
图8是本发明实施例提供的电子设备80的示意图。
如图8所示,该实施例的电子设备80包括:处理器81、存储器82以及存储在存储器82中并可在处理器81上运行的计算机程序83,例如综合能源***的扩容规划程序。处理器81执行计算机程序83时实现上述各个综合能源***的扩容规划方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,处理器81执行计算机程序83时实现上述各装置实施例中各模块的功能,例如图7所示模块71至72的功能。
示例性的,计算机程序83可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器82中,并由处理器81执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序83在电子设备80中的执行过程。例如,计算机程序83可以被分割成计算模块71、规划模块72(虚拟装置中的模块),各模块具体功能如下:
计算模块71,用于以综合能源***在扩容后寿命周期内的年成本最低为目标,综合能源***中各个设备的数量为决策变量,建立目标函数;以及建立目标函数的约束条件,并采用粒子群算法求解目标函数。
规划模块72,用于基于求解结果对综合能源***进行扩容规划。
电子设备80可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。电子设备80可包括,但不仅限于,处理器81、存储器82。本领域技术人员可以理解,图8仅仅是电子设备80的示例,并不构成对电子设备80的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备80还可以包括输入输出设备、网络接入设备、总线等。
所称处理器81可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器82可以是电子设备80的内部存储单元,例如电子设备80的硬盘或内存。存储器82也可以是电子设备80的外部存储设备,例如电子设备80上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器82还可以既包括电子设备80的内部存储单元也包括外部存储设备。存储器82用于存储计算机程序以及电子设备80所需的其他程序和数据。存储器82还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种综合能源***的扩容规划方法,其特征在于,包括:
以综合能源***在扩容后寿命周期内的年成本最低为目标,所述综合能源***中各个设备的数量为决策变量,建立目标函数;
建立所述目标函数的约束条件,并采用粒子群算法求解所述目标函数;
基于求解结果对所述综合能源***进行扩容规划。
4.如权利要求1所述的综合能源***的扩容规划方法,其特征在于,所述约束条件包括:电网供能约束、热网供能约束、冷网供能约束、设备运行约束、天然气容量约束和可靠性约束。
5.如权利要求4所述的综合能源***的扩容规划方法,其特征在于,所述电网供能约束为:
所述热网供能约束为:
所述冷网供能约束为
所述设备运行约束为;
所述天然气容量约束为:
式中,PQmin,J、PQmax,l分别表示天然气管道流量的上下限,cll,y为管道传输流量的安全波动系数;Vmin,s与Vmax,s分别表示供气量的上下限;
所述可靠性约束为:
ΔLe s≤ΔEmax
ΔLq s≤ΔQmax
ΔLc s≤ΔCmax
6.如权利要求1-5任一项所述的综合能源***的扩容规划方法,其特征在于,采用粒子群算法求解所述目标函数,包括:
步骤一,设定种群大小和最大迭代次数;
步骤二,对综合能源***中的各个设备进行编码,并产生初始的种群;
步骤三,计算种群中每个个体的适应度;
步骤四,对所述种群进行选择、交叉、变异操作,产生新一代种群;
步骤五,重复执行步骤三和步骤四,直至达到最大迭代次数,输出适应度最高的个体,得到所述目标函数的解。
7.如权利要求6所述的综合能源***的扩容规划方法,其特征在于,个体的适应度由个体对应的综合能源***在扩容后寿命周期内的年成本确定;
综合能源***在扩容后寿命周期内的年成本越低,对应个体的适应度越高。
8.一种综合能源***的扩容规划装置,其特征在于,包括:
计算模块,用于以综合能源***在扩容后寿命周期内的年成本最低为目标,所述综合能源***中各个设备的数量为决策变量,建立目标函数;以及建立所述目标函数的约束条件,并采用粒子群算法求解所述目标函数;
规划模块,用于基于求解结果对所述综合能源***进行扩容规划。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111516519.1A CN114154744A (zh) | 2021-12-13 | 2021-12-13 | 综合能源***的扩容规划方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111516519.1A CN114154744A (zh) | 2021-12-13 | 2021-12-13 | 综合能源***的扩容规划方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114154744A true CN114154744A (zh) | 2022-03-08 |
Family
ID=80451042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111516519.1A Pending CN114154744A (zh) | 2021-12-13 | 2021-12-13 | 综合能源***的扩容规划方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154744A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187409A (zh) * | 2022-09-13 | 2022-10-14 | 北京邮电大学 | 能源投资策略的确定方法、装置、电子设备及存储介质 |
CN115795881A (zh) * | 2022-11-21 | 2023-03-14 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源***储热装置规划方法及*** |
CN116150954A (zh) * | 2022-12-01 | 2023-05-23 | 华北电力大学 | 综合能源***能源配置方案优化方法、装置和终端设备 |
-
2021
- 2021-12-13 CN CN202111516519.1A patent/CN114154744A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115187409A (zh) * | 2022-09-13 | 2022-10-14 | 北京邮电大学 | 能源投资策略的确定方法、装置、电子设备及存储介质 |
CN115795881A (zh) * | 2022-11-21 | 2023-03-14 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源***储热装置规划方法及*** |
CN115795881B (zh) * | 2022-11-21 | 2024-03-29 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源***储热装置规划方法及*** |
CN116150954A (zh) * | 2022-12-01 | 2023-05-23 | 华北电力大学 | 综合能源***能源配置方案优化方法、装置和终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
Yang et al. | Optimal energy flow control strategy for a residential energy local network combined with demand-side management and real-time pricing | |
CN104537435B (zh) | 基于用户侧经济性指标的分布式电源优化配置方法 | |
CN108537409A (zh) | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 | |
CN114154744A (zh) | 综合能源***的扩容规划方法、装置及电子设备 | |
CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN111340274A (zh) | 一种基于虚拟电厂参与的综合能源***优化方法和*** | |
CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
Ali et al. | Economic planning and comparative analysis of market-driven multi-microgrid system for peer-to-peer energy trading | |
CN112952807B (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
Zhu et al. | A review of distributed energy system optimization for building decarbonization | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和*** | |
CN114595868A (zh) | 一种综合能源***源网荷储协同规划方法及*** | |
Rahmatian et al. | Optimal operation of the energy hubs in the islanded multi-carrier energy system using Cournot model | |
CN114519543A (zh) | 一种乡村多能源***边缘自治运行方法及*** | |
Zhao et al. | Day-ahead robust optimal dispatch of integrated energy station considering battery exchange service | |
Habib et al. | Combined heat and power units sizing and energy cost optimization of a residential building by using an artificial bee colony algorithm | |
CN113592365A (zh) | 一种考虑碳排放与绿电消纳的能源优化调度方法及*** | |
Dong et al. | Hierarchical multi-objective planning for integrated energy systems in smart parks considering operational characteristics | |
Shi et al. | Research on energy management of hydrogen electric coupling system based on deep reinforcement learning | |
CN115187018A (zh) | 一种园区综合能源***双层优化调度方法及装置 | |
CN111126675A (zh) | 多能互补微网***优化方法 | |
CN115204562A (zh) | 一种计及多能共享的互联微能源网分布式协同优化调度方法和*** | |
Li et al. | Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system | |
CN112883630A (zh) | 用于风电消纳的多微网***日前优化经济调度方法 |
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 |