CN116432824A - 基于多目标粒子群的综合能源***优化方法及*** - Google Patents

基于多目标粒子群的综合能源***优化方法及*** Download PDF

Info

Publication number
CN116432824A
CN116432824A CN202310244233.5A CN202310244233A CN116432824A CN 116432824 A CN116432824 A CN 116432824A CN 202310244233 A CN202310244233 A CN 202310244233A CN 116432824 A CN116432824 A CN 116432824A
Authority
CN
China
Prior art keywords
energy
optimization
objective
comprehensive
energy system
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
Application number
CN202310244233.5A
Other languages
English (en)
Inventor
魏振
张发骏
牛庆达
刘同同
纪永尚
温俊强
郭英雷
王义元
撖奥洋
安树怀
石立国
王洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Original Assignee
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co filed Critical QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Priority to CN202310244233.5A priority Critical patent/CN116432824A/zh
Publication of CN116432824A publication Critical patent/CN116432824A/zh
Pending legal-status Critical Current

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本公开属于能源优化技术领域，具体涉及一种基于多目标粒子群的综合能源***优化方法及***，包括：获取综合能源***的实时数据；根据所获取的实时数据和预设的优化模型，实现综合能源***的能源优化；其中，在能源优化的过程中，通过经济指标、环保指标和能源利用率指标设定优化模型的目标函数，采用多目标粒子群算法进行多目标优化求解。本公开以综合能源***的利用效率和综合经济性为优化目标，采用智能算法，提高了处理多目标优化问题的收敛性和鲁棒性，实现综合能源***的优化运行。

Description

基于多目标粒子群的综合能源***优化方法及***
技术领域
本公开属于能源优化技术领域，具体涉及一种基于多目标粒子群的综合能源***优化方法及***。
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。
综合能源***是一种具有多种能源输入和多种能量输出、且带有复杂运行特性和运行环境的新型能源互联网。为保障其安全稳定运行，基于能量管理***的分层和对等控制模式被用来协调电网与***、***与分布式单元、供能和负荷之间的运行和信息交互。
综合能源***的调度运行要应对不同能源体系差异、多元化用能与能量管理需求，优化能源生产和消费效率。
据发明人了解，关于综合能源***的调度研究多集中于多目标优化问题；针对多目标优化的研究算法大体包含两种：一是应用模糊理论等算法将***的多个目标进行加权转化为单目标优化问题，但权重依赖决策者的主观性，逐渐难以满足实际工程的客观要求；二是直接采用多目标优化算法，即求解帕累托前沿，并从中选取最优解，多目标粒子群算法(MOPSO)、非支配排序遗传精英算法(NSGA-Ⅱ)较为常见，遗传算法通过交叉、变异迭代等操作，可有效降低种群单一性从而使求解遍布种群避免陷入局部最优，但对求解超过2个目标函数的多目标问题时，收敛速度很慢甚至很难收敛，计算效率低。
发明内容
为了解决上述问题，本公开提出了一种基于多目标粒子群的综合能源***优化方法及***，以综合能源***的利用效率和综合经济性为优化目标，采用智能算法，提高了处理多目标优化问题的收敛性和鲁棒性，实现综合能源***的优化运行。
根据一些实施例，本公开的第一方案提供了一种基于多目标粒子群的综合能源***优化方法，采用如下技术方案：
一种基于多目标粒子群的综合能源***优化方法，包括：
获取综合能源***的实时数据；
根据所获取的实时数据和预设的优化模型，实现综合能源***的能源优化；
其中，在能源优化的过程中，通过经济指标、环保指标和能源利用率指标设定优化模型的目标函数，采用多目标粒子群算法进行多目标优化求解。
作为进一步的技术限定，所述综合能源***包括热能、电能、气能和冷能，内设能源供给模块、再生能源模块、能源转换模块和能源储存模块；所述可再生能源模块包含风力发电机和光伏发电机；所述能源转换模块包含冷热电联产机组、燃气锅炉、电热泵和电制冷机；所述能源储存模块包含储电和储热。
作为进一步的技术限定，所述目标函数包括经济性目标函数、环保性目标函数和能源利用效率目标函数；所述经济性目标函数以年运行总成本最低为目标，包括供电***总成本、供热***总成本、供冷***总成本和供气***总成本；所述环保性目标函数以污染物排放量最小为目标；所述能源利用效率目标函数以综合能源利用率最高。
作为进一步的技术限定，所述目标函数的约束条件包括能源平衡约束、设备出力上下限约束、冷热电量联产机组能量转化约束、综合能源***与外部能源网交互功率约束、蓄电池约束和储热槽约束；所述能源平衡约束包括电力***约束、热力约束、供冷***约束和供气***约束。
作为进一步的技术限定，所述多目标粒子群算法中的每个粒子表征可行解空间中的一个潜在最优解，各个粒子的特征指标包括位置、速度和适应度值。
作为进一步的技术限定，所述粒子速度的更新公式为：
Figure SMS_1
所述粒子位置的更新公式为：
Figure SMS_2
其中，i＝1,2,……N，N为粒子总数；υi为粒子速度；rand()指介于(0，1)之间的随机数；xi为当前粒子位置；c1和c2为学习因子，通常定义为常数；ω为惯性因子。
作为进一步的技术限定，所述采用多目标粒子群算法进行多目标优化求解的具体步骤为：
(1)初始化群体粒子群的位置和速度，计算适应值；
(2)根据支配原则，计算得到储备集；
(3)计算个体极值；
(4)计算用于群体极值选取的储备集拥挤度；
(5)在储备集中选择群体极值；
(6)更新粒子的速度、位置和适应值；
(7)更新储备集；
(8)根据决策算法对储备集中的非支配解进行选择；
(9)满足结束条件，则结束；否则，转到第(3)步继续循环。
根据一些实施例，本公开的第二方案提供了一种基于多目标粒子群的综合能源***优化***，采用如下技术方案：
一种基于多目标粒子群的综合能源***优化***，包括：
获取模块，其被配置为获取综合能源***的实时数据；
优化模块，其被配置为根据所获取的实时数据和预设的优化模型，实现综合能源***的能源优化；
其中，在能源优化的过程中，通过经济指标、环保指标和能源利用率指标设定优化模型的目标函数，采用多目标粒子群算法进行多目标优化求解。
根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于多目标粒子群的综合能源***优化方法中的步骤。
根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的基于多目标粒子群的综合能源***优化方法中的步骤。
与现有技术相比，本公开的有益效果为：
本公开构建了综合能源***各环节转换设备及储能设备模型，考虑***的经济、环境与能源效益，以经济性(运行成本最低)、环保性(CO2和NOx污染物排放量)、能源利用效率为综合能源***优化目标函数，设置***的能源供需平衡与设备运行机制的约束条件，基于多目标粒子群算法进行综合能源***的优化调度，提高了处理多目标优化问题的收敛性和鲁棒性，实现综合能源***的优化运行。
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是本公开实施例一中的基于多目标粒子群的综合能源***优化方法的流程图；
图2是本公开实施例一中的综合能源***的结构图；
图3是本公开实施例一中的多目标粒子群算法进行多目标优化求解的流程图；
图4是本公开实施例一中的光伏、风电出力及负荷需求示意图；
图5是本公开实施例二中的基于多目标粒子群的综合能源***优化***的结构框图。
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，本文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。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本公开实施例一介绍了一种基于多目标粒子群的综合能源***优化方法。
如图1所示的一种基于多目标粒子群的综合能源***优化方法，包括：
获取综合能源***的实时数据；
根据所获取的实时数据和预设的优化模型，实现综合能源***的能源优化；
其中，在能源优化的过程中，通过经济指标、环保指标和能源利用率指标设定优化模型的目标函数，采用多目标粒子群算法进行多目标优化求解。
综合能源***包含热、电、气以及冷多种能流，***主要包含能源供给模块、再生能源模块、能源转换模块和能源储存模块的综合能源***框架。其中能源供给模块含有外部电网和天然气网；可再生能源模块包含风力发电机和光伏发电机；能源转换模块主要包含冷热电联产机组、燃气锅炉、电热泵和电制冷机；能源储存模块包含储电、储热。***内部包含各类能源转换设备,以实现电能与热能、冷能的转化关系，共同作用来满足用户侧各类能源需求，具体框架如图2所示；具体建模如下所示：
(1)冷热电联产机组
冷热电联产机组作为综合能源***的主要能流转换装置，体现着电、热、冷、气四种能源模式的转化耦合。设备内部模型如下式：
Figure SMS_3
Figure SMS_4
Figure SMS_5
HCCHP(t)＝HWHB(t)-UCCHP(t)
其中，HWHB(t)为余热锅炉热能流输出功率；UCCHP(t)、GCCHP(t)分别为冷热电联产机组的输出冷功率与用气量；HCCHP(t)为冷热电联产机组的输出热功率；PCCHP(t)为冷热电联产机组的实际出力，单位均为kW；
Figure SMS_6
分别为冷热电联产机组产电、产热、产冷效率以及热能流损失率；LHV为外部天然气的热值下限，一般取值9.7kWh/Nm3。
(2)电制冷机
电制冷机通过消耗电能带动压缩机做功制冷，其数学模型如下所示：
UER(t)＝PER(t)·COPER
其中，UER(t)为电制冷机的输出冷功率；PER(t)为电制冷机的消耗功率，单位为kW；COPER为电制冷机的能效参数，一般取值为3.2。
(3)电热泵
电热泵是典型的电热耦合设备，通过消耗电能转化为热能供应给热负荷，在制热过程中无污染气体排放，其数学模型如下所示：
HEB(t)＝ηEB·PEB(t)
其中，HEB(t)、ηEB以及PEB(t)分别为电热泵的热能输出功率、电热能流转化效率以及损失功率，单位为kW。
(4)燃气锅炉
燃气锅炉(以天然气为能量来源，相较于其他锅炉设备来说，它较为经济，同时排放的有害气体也较少，其数学模型如下所示：
HGB(t)＝ηGB·GGB(t)·LHV
其中，HGB(t)、ηGB以及GGB(t)分别为燃气锅炉的输出热功率、气热能流的转化效率以及设备的用气量，单位为m3。
(5)蓄电池
蓄电池可以在市价低时或负荷低时充电，在负荷高时放电，起到削峰填谷的作用，有效减少能源网络的波动，提高***运行的稳定性和灵活性。蓄电池所存电量与充放电过程建模如下：
Figure SMS_7
其中，EES(t)表示经过Δt后蓄电池的电量；EES(t-1)表示前一时段蓄电池的电量；σES为储能漏电系数(0.03)；PES_chr(t)和PEs_dis(t)分别表示储电装置的储、放电功率；ηES_chr和ηES_dis分别为储、放电能效。
(6)储热槽
储热槽是存储热能的设备，其建模形式与蓄电池类似：
Figure SMS_8
其中，EHS(t)表示经过Δt后储热槽的热量；EES(t-1)表示前一时段储热槽的热量；σHS为储热槽失热系数，常为0.03；PHS_chr(t)和PHS_dis(t)分别表示储热槽的充热和放热功率；ηHS_chr和ηHS_dis分别为充热能效与放热能效。
(7)风电与光伏
由于风力发电和光伏发电过程具有巨大的波动性和不确定性，不考虑风电机组以及太阳能电池板的建模问题，为保证风电与光伏的平稳运行同样需满足功率约束：
Figure SMS_9
Figure SMS_10
其中，
Figure SMS_11
和/>
Figure SMS_12
表示光伏出力的上下限；/>
Figure SMS_13
和/>
Figure SMS_14
表示风电出力的上下限。
综合能源***优化运行的目标函数
(1)经济性指标
Figure SMS_15
C(t)＝CE(t)+CH(t)+Cu(t)+CG(t)
其中，C(t)为t时段内***总运行调度成本；CE(t)，CH(t)，CU(t)，CG(t)分别为电能、热能、冷能、天然气四个相关能源设备的运行成本；T为调度周期。
1)供电***总成本
供电总成本包括产电设备的初始建设成本换算值，***运维成本以及外部购电成本，其数学模型如下所示：
CE(t)＝CC/E(t)+CM/E(t)+CB/E(t)
其中，CE(t)为***总成本；CC/E(t)，CM/E(t)，CB/E(t)分别为***的初始设备建设成本换算值、运维成本以及从外部购电成本。
其中：
Figure SMS_16
Figure SMS_17
CB/E(t)＝PBuy(t)·PE(t)
式中，N为设备数量；Cc，n，Cλ，n，Tn，Cn，Pn(t)分别为第n台设备的单位容量初始成本、容量、运行寿命、单位出力的运行维护成本系数和发电量；PE(t)为t时段外部电网的售电价格。
2)供热***总成本
供热***的总成本由运行调度周期内产热设备初始建设成本换算值、运行维护成本和从外部购热成本组成，其数学模型如下所示：
CH(t)＝CC/H(t)+CM/H(t)+CB/H(t)
其中，CH(t)为供热***总成本；CC/H(t)，CM/H(t)，CB/H(t)分别为供热***的初始建设成本折算值、运行维护成本以及从外部热网的购热成本。
其中，初始建设成本换算值和运行维护成本计算公式可类比供电***；
CB/H(t)＝HBuy(t)·PH(t)
其中，PH(t)为t时段从外部热网的购热价格。
3)供冷***总成本
供冷***的总成本由产冷设备的初始投资折算额、运维成本构成：
CU(t)＝CC/U(t)+CM/U(t)
其中，CU(t)为供冷***总成本；CC/U(t)，CM/U(t)分别为供热***的初始建设成本换算值和运维成本。
4)供气***总成本
供气***总成本由运行调度周期内从外部气网购气的成本组成，购气量由用户侧的天然气负荷和以天然气为燃料的燃气锅炉、燃气轮机的气负荷共同决定，其数学模型如下所示：
CB/G(t)＝GBuy(t)·PG(t)
其中，PG(t)为t时段的天然气价格。
(2)环保性指标
当前碳排放量对气候变化的控制与空气质量的提升有着至关重要的作用，碳排放量对经济转型与环境保护有着积极意义。为使***更好适应经济与环保目标，选取CO2，NOx污染物排放量来建立环保性数学模型，通过优化碳排放最小目标，获得最大的环保效益具体算式如下所示：
Figure SMS_18
Figure SMS_19
Figure SMS_20
其中，EENV为***总的污染物排放量；
Figure SMS_21
分别为co2，NOx的排放量；ka，kb分别为气和电的co2排放系数；kCCHP，kGB分别为CCHP机组和电热泵的NOx排放系数。
(3)能源利用率指标
能源利用率指标将能源利用率设置大于70％，因此将综合能源利用率最高设为能源目标函数，具体如下所示：
Figure SMS_22
其中，ηPER为综合能源***的能源利用率；
Figure SMS_23
为外部能源输入量；
Figure SMS_24
分别为***总产电能量、热能量、冷能量。
综合能源***优化运行约束条件模型
(1)能量平衡约束
1)电力***
综合能源电力***由冷热电联产机组、分布式能源、蓄电池放电和外网进行供应，负荷需求包括电制冷机、电热泵、蓄电池充电及用户电负荷，其功率平衡关系如下所示：
PBuy(t)+PCCHP(t)+PWT(t)+PPV(t)＝PER(t)+PEB(t)+PLoad(t)+PES_char(t)
其中，PBuy(t)为从电网购入的功率；PLoad(t)为用户侧电负荷需求，单位均为kW。
2)热力***
综合能源***的热能来源于燃气锅炉、电热泵、CCHP机组等能源枢纽，储热槽的设置起到了削峰填谷，提高热能利用率，同时辅之外部热网，热力***的功率平衡关系如下：
HBuy(t)+HCCHP(t)+HGB(t)+HEB(t)+HHS_dis(t)＝HLoad(t)+HHS_char(t)
其中，HBuy(t)为向外部购热量；HLoad(t)为用户侧热负荷需求，单位均为kW。
3)供冷***
冷热电联产机组、电制冷机与吸收式制冷机作为综合能源***的制冷设备，满足需求侧用户相关冷能需求，功率平衡关系如下：
UCCHP(t)+UER(t)＝ULoad(t)
其中ULoad(t)为用户侧冷负荷需求，单位为kW。
4)供气***
综合能源供气设备由外部天然气管网负责能源供应，一部分经燃气锅炉制热，一部分经燃气轮机发电，其余用来满足用户侧天然气负荷需求，其功率平衡关系如下所示：
GBuy(t)＝GGB(t)+GCCHP(t)+GLoad(t)
其中，GBuy(t)为天然气网的供气量；GLoad(t)为用户侧其符合需求，单位均为m3。
(2)设备出力上下限约束
综合能源***中涉及到的所有设备出力均要满足出力上下限约束，即：
Figure SMS_25
(3)冷热电联产机组能量转化约束
冷热电量联产机组输出冷功率是吸收式制冷机将燃气轮机产生的余热转化的为冷能，故CCHP中输出的总冷功率需要小于余热功率，即：
HHWB(t)≥UCCHP(t)
(4)综合能源***与外部能源网交互功率约束
综合能源***的电、热、气能流与外部能源网均处于互联互通状态，故联络交互线有物理上最大允许通过功率，即：
Figure SMS_26
其中，
Figure SMS_27
为综合能源***与外部电网间联络线最大允许购能功率。
(5)蓄电池约束
实际运行中蓄电池需满足的约束有：
Figure SMS_28
Figure SMS_29
UES_chr(t)+UES_dis(t)≤1
Figure SMS_30
其中，UES_chr(t)和UES_dis(t)均为0-1变量，表征蓄电池的充放电状态，其值为1时蓄电池充电或放电，其值为0时蓄电池停运，同时两数和不超过1限制了充电与放电的同时进行；
Figure SMS_31
和/>
Figure SMS_32
表示电池容量的上下限。
(6)储热槽约束
储热槽的运行约束如下：
Figure SMS_33
Figure SMS_34
UHS_chr(t)+UHS_dis(t)≤1
Figure SMS_35
其中，UHS_chr(t)和UHS_dis(t)均为0-1变量，表征储热槽的充放热状态，其值为1时储热槽充热或放热，其值为0时储热槽停运，同时两数和不超过1限制了充热与放热的同时进行；
Figure SMS_36
和/>
Figure SMS_37
表示储热槽容量的上下限。
优化计算
粒子群优化算法(PSO)是一种群智能算法。寻优过程仿生了鸟类群体捕食活动。为求解多目标优化问题，将PSO算法扩展为多目标粒子群优化算法(MOPSO)。
多目标粒子群算法中的每个粒子表征可行解空间中的一个潜在最优解，各粒子包含位置、速度、适应度值三项特征指标。设置个体极值pbest和群体极值gbest来更新粒子个***置，使粒子向最优解附近移动，其中pbest记录个体粒子历史上适应度值的最优位置，gbest为种群中的所有粒子搜索到的适应度值最优位置。粒子每进行一次位置更新，就需要对当前适应度值重新计算，将得到的新适应度值与pbest和gbest比较，从而更新各粒子位置。
粒子速度的更新公式为：
Figure SMS_38
粒子位置的更新公式为：
Figure SMS_39
其中，i＝1,2,……N，N为粒子总数；υi为粒子速度；rand()指介于(0，1)之间的随机数；xi为当前粒子位置；c1和c2为学习因子，通常定义为常数；ω为惯性因子。
在本实施例中，采用隶属度函数进行目标函数的归一化和线性化叠加，将多目标转化成单目标，最终得到多目标函数的最优解。
在本实施例中，经济性目标函数和能源利用效率目标函数的隶属度函数采用
Figure SMS_40
环保性目标函数的隶属度函数采用
Figure SMS_41
其中，Ai为目标函数的隶属度，其中，A1为偏大型，A2为偏小型；fi为第i个指标的目标函数；fi.min、fi.max为第i个目标的隶属度函数临界点。
本实施例采用层次分析法确定隶属度函数的权重系数。
如图3所示，采用多目标粒子群算法进行多目标优化求解的具体步骤为：
(1)初始化群体粒子群的位置和速度，计算适应值；
(2)根据支配原则，计算得到储备集；
(3)计算个体极值；
(4)计算用于群体极值选取的储备集拥挤度；
(5)在储备集中选择群体极值；
(6)更新粒子的速度、位置和适应值；
(7)更新储备集；
(8)根据决策算法对储备集中的非支配解进行选择；
(9)满足结束条件，则结束；否则，转到第(3)步继续循环。
下面结合实际的算例验证本实施例中所提出的方法的有效性：
选取调度周期为24小时，单位调度间隔为1小时，CCHP***中燃气锅炉排出的烟气全部供给余热锅炉；其中电价、天然气和购热价格如表1所示，典型场景的能量需求如图4所示。
表1电价、天然气和购热价格元/(KW·h)
Figure SMS_42
从图4可以看出，热、冷和气负荷在一个时间周期内变化相对较小，电负荷在一个时间周期内波动较大。光伏出力集中在白天且随时间规律变化，风电出力有较大的随机性。热负荷需求量随时间呈简单近似线性规律变化；冷负荷需求在早晨时间段内与热负荷需求反向变化，整体与电负荷需求变化趋势一致；气负荷在整个时间周期内较平稳，变化幅度很小；电负荷需求量最大且波动也较大，其整体符合人们行为特征。
整体来看，在污染物排放目标要求下，冷热电联产机组、电热泵的出力都比较稳定且在供能出力中占比都较少；在经济成本目标要求下，***更愿意从外部直接购能，且购能受能源价格影响明显；在一次能源利用率的指标要求下，***均采用优先充分利用风电光伏等可再生能源、再考虑其他供能方式的策略。在满足符合需求的前提下，更好地使一次能源利用率得到提升。
同时考虑经济性、环保性和一次能源利用率，基于多目标粒子群算法进行综合能源***的优化求解，求解结果如表2所示。
表2优化运行结果
Figure SMS_43
本实施例通过构建综合能源***各环节转换设备及存储设备模型，考虑***的经济、环境与能源效益，以经济性目标函数(运行成本最低)、环保性目标函数(CO2和NOx污染物排放量)、能源利用效率为综合能源***优化目标函数，设置***的能源供需平衡与设备运行机制的约束条件，提出了一种基于多目标粒子群算法的优化调度，验证了本实施例所提出的优化方案在碳排放与能源综合利用上取得更优结果，对综合能源***优化运行研究具有工程参考价值。
实施例二
本公开实施例二介绍了一种基于多目标粒子群的综合能源***优化***。
如图5所示的一种基于多目标粒子群的综合能源***优化***，包括：
获取模块，其被配置为获取综合能源***的实时数据；
优化模块，其被配置为根据所获取的实时数据和预设的优化模型，实现综合能源***的能源优化；
其中，在能源优化的过程中，通过经济指标、环保指标和能源利用率指标设定优化模型的目标函数，采用多目标粒子群算法进行多目标优化求解。
详细步骤与实施例一提供的基于多目标粒子群的综合能源***优化方法相同，在此不再赘述。
实施例三
本公开实施例三提供了一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的基于多目标粒子群的综合能源***优化方法中的步骤。
详细步骤与实施例一提供的基于多目标粒子群的综合能源***优化方法相同，在此不再赘述。
实施例四
本公开实施例四提供了一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的基于多目标粒子群的综合能源***优化方法中的步骤。
详细步骤与实施例一提供的基于多目标粒子群的综合能源***优化方法相同，在此不再赘述。
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。

Claims (10)

1.一种基于多目标粒子群的综合能源***优化方法，其特征在于，包括：
获取综合能源***的实时数据；
根据所获取的实时数据和预设的优化模型，实现综合能源***的能源优化；
其中，在能源优化的过程中，通过经济指标、环保指标和能源利用率指标设定优化模型的目标函数，采用多目标粒子群算法进行多目标优化求解。
2.如权利要求1中所述的一种基于多目标粒子群的综合能源***优化方法，其特征在于，所述综合能源***包括热能、电能、气能和冷能，内设能源供给模块、再生能源模块、能源转换模块和能源储存模块；所述可再生能源模块包含风力发电机和光伏发电机；所述能源转换模块包含冷热电联产机组、燃气锅炉、电热泵和电制冷机；所述能源储存模块包含储电和储热。
3.如权利要求1中所述的一种基于多目标粒子群的综合能源***优化方法，其特征在于，所述目标函数包括经济性目标函数、环保性目标函数和能源利用效率目标函数；所述经济性目标函数以年运行总成本最低为目标，包括供电***总成本、供热***总成本、供冷***总成本和供气***总成本；所述环保性目标函数以污染物排放量最小为目标；所述能源利用效率目标函数以综合能源利用率最高。
4.如权利要求1中所述的一种基于多目标粒子群的综合能源***优化方法，其特征在于，所述目标函数的约束条件包括能源平衡约束、设备出力上下限约束、冷热电量联产机组能量转化约束、综合能源***与外部能源网交互功率约束、蓄电池约束和储热槽约束；所述能源平衡约束包括电力***约束、热力约束、供冷***约束和供气***约束。
5.如权利要求1中所述的一种基于多目标粒子群的综合能源***优化方法，其特征在于，所述多目标粒子群算法中的每个粒子表征可行解空间中的一个潜在最优解，各个粒子的特征指标包括位置、速度和适应度值。
6.如权利要求1中所述的一种基于多目标粒子群的综合能源***优化方法，其特征在于，所述粒子速度的更新公式为：
Figure FDA0004125465120000021
所述粒子位置的更新公式为：
Figure FDA0004125465120000022
其中，i＝1,2,……N，N为粒子总数；υi为粒子速度；rand()指介于(0，1)之间的随机数；xi为当前粒子位置；c1和c2为学习因子，通常定义为常数；ω为惯性因子。
7.如权利要求1中所述的一种基于多目标粒子群的综合能源***优化方法，其特征在于，所述采用多目标粒子群算法进行多目标优化求解的具体步骤为：
(1)初始化群体粒子群的位置和速度，计算适应值；
(2)根据支配原则，计算得到储备集；
(3)计算个体极值；
(4)计算用于群体极值选取的储备集拥挤度；
(5)在储备集中选择群体极值；
(6)更新粒子的速度、位置和适应值；
(7)更新储备集；
(8)根据决策算法对储备集中的非支配解进行选择；
(9)满足结束条件，则结束；否则，转到第(3)步继续循环。
8.一种基于多目标粒子群的综合能源***优化***，其特征在于，包括：
获取模块，其被配置为获取综合能源***的实时数据；
优化模块，其被配置为根据所获取的实时数据和预设的优化模型，实现综合能源***的能源优化；
其中，在能源优化的过程中，通过经济指标、环保指标和能源利用率指标设定优化模型的目标函数，采用多目标粒子群算法进行多目标优化求解。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于多目标粒子群的综合能源***优化方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于多目标粒子群的综合能源***优化方法中的步骤。
CN202310244233.5A 2023-03-14 2023-03-14 基于多目标粒子群的综合能源***优化方法及*** Pending CN116432824A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310244233.5A CN116432824A (zh) 2023-03-14 2023-03-14 基于多目标粒子群的综合能源***优化方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310244233.5A CN116432824A (zh) 2023-03-14 2023-03-14 基于多目标粒子群的综合能源***优化方法及***

Publications (1)

Publication Number Publication Date
CN116432824A true CN116432824A (zh) 2023-07-14

Family

ID=87084601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310244233.5A Pending CN116432824A (zh) 2023-03-14 2023-03-14 基于多目标粒子群的综合能源***优化方法及***

Country Status (1)

Country Link
CN (1) CN116432824A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151701A (zh) * 2023-10-31 2023-12-01 山东欣历能源有限公司 一种热电联产的工业余热回收利用***
CN117391401A (zh) * 2023-12-07 2024-01-12 中国民用航空飞行学院 机场电动地勤车的调度方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117151701A (zh) * 2023-10-31 2023-12-01 山东欣历能源有限公司 一种热电联产的工业余热回收利用***
CN117151701B (zh) * 2023-10-31 2024-02-09 山东欣历能源有限公司 一种热电联产的工业余热回收利用***
CN117391401A (zh) * 2023-12-07 2024-01-12 中国民用航空飞行学院 机场电动地勤车的调度方法
CN117391401B (zh) * 2023-12-07 2024-03-05 中国民用航空飞行学院 机场电动地勤车的调度方法

Similar Documents

Publication Publication Date Title
CN111144668B (zh) 考虑场景模拟的综合能源***随机优化模型的建立方法
CN108229025B (zh) 一种冷热电联供型多微网主动配电***经济优化调度方法
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
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
CN116432824A (zh) 基于多目标粒子群的综合能源***优化方法及***
CN113779783B (zh) 计及多重不确定性的区域综合能源***规划与运行联合优化方法
CN112068436B (zh) 工业园区的综合能源***分层分布式控制方法及***
CN113592365B (zh) 一种考虑碳排放与绿电消纳的能源优化调度方法及***
CN114611772B (zh) 一种基于多智能体强化学习的多微网***协同优化方法
CN114662752A (zh) 基于价格型需求响应模型的综合能源***运行优化方法
Li et al. Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages
CN116663820A (zh) 一种需求响应下的综合能源***能量管理方法
CN116468215A (zh) 计及源荷不确定性的综合能源***调度方法及装置
Li et al. Intraday multi-objective hierarchical coordinated operation of a multi-energy system
Dong et al. Hierarchical multi-objective planning for integrated energy systems in smart parks considering operational characteristics
Jintao et al. Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及***
CN107832873A (zh) 基于双层母线式结构的综合能源***优化规划方法及装置
CN112883630B (zh) 用于风电消纳的多微网***日前优化经济调度方法
CN113158547B (zh) 计及经济性和可靠性的区域综合能源***优化配置方法
CN114417695A (zh) 多园区综合能源***经济调度方法
Liu et al. Influence evaluation of integrated energy system on the unit commitment in power system
CN116502921A (zh) 一种园区综合能源***优化管理***及其协调调度方法
CN116681228A (zh) 一种考虑场景不确定性和碳排放的综合能源***设备容量优化配置方法
CN115906456A (zh) 考虑需求侧响应不确定性的含氢储能ies调度优化模型

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