CN105913193A - 一种分布式能源规划系统及方法 - Google Patents
一种分布式能源规划系统及方法 Download PDFInfo
- Publication number
- CN105913193A CN105913193A CN201610270885.6A CN201610270885A CN105913193A CN 105913193 A CN105913193 A CN 105913193A CN 201610270885 A CN201610270885 A CN 201610270885A CN 105913193 A CN105913193 A CN 105913193A
- Authority
- CN
- China
- Prior art keywords
- energy
- assembly
- unit
- stand
- source type
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009826 distribution Methods 0.000 title abstract description 5
- 230000005611 electricity Effects 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 29
- 239000002245 particle Substances 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000013011 mating Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000005304 joining Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 15
- 230000000875 corresponding effect Effects 0.000 description 66
- 238000002485 combustion reaction Methods 0.000 description 8
- 239000007789 gas Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 239000002918 waste heat Substances 0.000 description 5
- 125000001246 bromo group Chemical class Br* 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000010025 steaming Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 description 1
- 229910052794 bromium Inorganic materials 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种分布式能源规划系统及方法,分布式能源规划系统提供了多种能源类型的设备模型,同时每种能源类型的设备模型包括多种不同型号的设备模型,以使分布式能源规划系统充分满足用户需求,通过配置单元生成多组待用能源设备组件,采用匹配单元选择相应的能源设备组件及匹配的优化策略,以支持典型能源设备的非线性因素,提高了系统优化的准确性。分布式能源规划方法可支持典型能源设备的能源规划配置,且具有准确性高的优点。
Description
技术领域
本发明涉及能源综合利用技术领域,尤其涉及一种分布式能源规划系统及方法。
背景技术
分布式能源技术种类众多,主要包括:传统的基于微燃机、燃机、燃气内燃机等设备的冷热电三联供技术,基于光伏、风机等可再生能源发电技术,及储能电池、电动汽车、蓄冷/热等新型的分布式能源应用技术。在进行分布式能源系统规划时,需要兼顾并网或离网等不同模式,综合考虑用户需求情况、设备投资成本、运行经济性以及效率等多种因素。并且需要考虑分布式能源的多样性及其技术的耦合性,大大增大了系统的优化设计难度。现有的分布式能源系统规划方法将整个系统视为一个线性问题,通常采用简单建模简化系统复杂性,然而实际的能源系统中存在繁多的非线性因素,因此获取的规划结果通常都会偏离实际的需求。
综上所述,现有的针对分布式能源系统规划方法,由于方法单一,不能满足实际分布式能源系统多样性与复杂性的要求,对于不同类型的分布式能源系统设计针对性较差,优化效果参差不齐。
发明内容
针对现有的分布式能源系统规划方法存在的上述问题,现提供一种旨在实现可支持典型能源设备的非线性因素,提高了系统优化的准确性的分布式能源规划系统及方法。
具体技术方案如下:
一种分布式能源规划系统,包括:
一接收单元,用以接收用户需求信息和技术信息;
一存储单元,用以存储复数个能源类型的设备模型,每一种能源类型包括多种不同型号的设备模型,每一种型号的设备模型对应一组特性参数;
一配置单元,分别连接所述接收单元和所述存储单元,用以根据所述用户需求信息和所述技术信息获取相关联的所有的能源类型,根据所有的所述能源类型提取相应的所述设备模型,分别将同一种能源类型不同型号的所述设备模型与相关联的其他所述能源类型对应的设备类型进行组合,以形成复数组待用能源设备组件;
一匹配单元,连接所述配置单元,用以选择与复数组所述待用能源设备组件匹配的能源设备组件,每一所述能源设备组件对应一优化策略;
一计算单元,分别连接所述配置单元和所述匹配单元,用以分别根据每组所述待用能源设备组件的特性参数、所述用户需求信息和所述技术信息及相应的所述优化策略生成相应的约束条件,以获取每一种能源类型对应的设备模型的个数,根据获取的每一种能源类型对应的设备模型的个数计算相应的所述待用能源设备组件的耗资数值;
一获取单元,连接所述计算单元,用以获取复数组所述待用能源设备组件中最小的耗资数值,并输出所述耗资数值及相应的所述优化策略。
优选的,所述能源设备组件包括三类分别为:风光储设备组件、冷热电三联供设备组件和通用设备组件。
优选的,在所述匹配单元中将所述待用能源设备组件分别与所述风光储设备组件和所述冷热电三联供设备组件进行匹配,若匹配则选择相应的设备组件,若不匹配则选择所述通用设备组件。
优选的,当所述待用能源设备组件为所述风光储设备组件时,与所述风光储设备组件对应的所述优化策略建立的所述约束条件为:
1.1EL≤Epv*ηinv+EW≤1.2EL (1)
其中,ηinv表示降额因子,EL表示负荷,单位为kW;Epv为光伏输出功率,单位为kW;EW为风机输出功率,单位为kW;LPSP(t)以小时为计量单位,表示当t时刻,蓄电池放电量超过其最小蓄电量时,即这一时刻作缺电计算。
优选的,所述通用设备组件对应的所述优化策略采用粒子群优化方法。
优选的,所述冷热电三联供设备组件对应的所述优化策略采用线性规划方法。
一种分布式能源规划方法,应用上述的分布式能源规划系统,包括下述步骤:
S1.接收用户需求信息和技术信息;
S2.根据所述用户需求信息和所述技术信息获取相关联的所有的能源类型,根据所有的所述能源类型提取相应的所述设备模型,分别将同一种能源类型不同型号的所述设备模型与相关联的其他所述能源类型对应的设备类型进行组合,以形成复数组待用能源设备组件;
S3.选择与复数组所述待用能源设备组件匹配的能源设备组件,每一所述能源设备组件对应一优化策略;
S4.分别根据每组所述待用能源设备组件的特性参数、所述用户需求信息和所述技术信息及相应的所述优化策略生成相应的约束条件,以获取每一种能源类型对应的设备模型的个数,根据获取的每一种能源类型对应的设备模型的个数计算相应的所述待用能源设备组件的耗资数值;
S5.获取复数组所述待用能源设备组件中最小的耗资数值,并输出所述耗资数值及相应的所述优化策略。
优选的,所述能源设备组件包括三类分别为:风光储设备组件、冷热电三联供设备组件和通用设备组件。
优选的,在所述步骤S3中将所述待用能源设备组件分别与所述风光储设备组件和所述冷热电三联供设备组件进行匹配,若匹配则选择相应的设备组件,若不匹配则选择所述通用设备组件。
优选的,当所述待用能源设备组件为所述风光储设备组件时,与所述风光储设备组件对应的所述优化策略建立的所述约束条件为:
1.1EL≤Epv*ηinv+EW≤1.2EL (1)
其中,ηinv表示降额因子,EL表示负荷,单位为kW;Epv为光伏输出功率,单位为kW;EW为风机输出功率,单位为kW;LPSP(t)以小时为计量单位,表示当t时刻,蓄电池放电量超过其最小蓄电量时,即这一时刻作缺电计算。
优选的,所述通用设备组件对应的所述优化策略采用粒子群优化方法。
优选的,所述冷热电三联供设备组件对应的所述优化策略采用线性规划方法。
上述技术方案的有益效果:
1)分布式能源规划系统提供了多种能源类型的设备模型,同时每种能源类型的设备模型包括多种不同型号的设备模型,以使分布式能源规划系统充分满足用户需求,通过配置单元生成多组待用能源设备组件,采用匹配单元选择相应的能源设备组件及匹配的优化策略,以支持典型能源设备的非线性因素,提高了系统优化的准确性;
2)分布式能源规划方法可支持典型能源设备的能源规划配置,且具有准确性高的优点。
附图说明
图1为本发明所述的分布式能源规划系统的一种实施例的模块图;
图2为本发明所述的分布式能源规划方法的一种实施例的方法流程图。
具体实施方式
下面将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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
如图1所示,一种分布式能源规划系统,包括:
一接收单元1,用以接收用户需求信息和技术信息;
一存储单元4,用以存储复数个能源类型的设备模型,每一种能源类型包括多种不同型号的设备模型,每一种型号的设备模型对应一组特性参数;
一配置单元2,分别连接接收单元1和存储单元4,用以根据用户需求信息和技术信息获取相关联的所有的能源类型,根据所有的能源类型提取相应的设备模型,分别将同一种能源类型不同型号的设备模型与相关联的其他能源类型对应的设备类型进行组合,以形成复数组待用能源设备组件;
一匹配单元5,连接配置单元2,用以选择与复数组待用能源设备组件匹配的能源设备组件,每一能源设备组件对应一优化策略;
一计算单元3,分别连接配置单元2和匹配单元5,用以分别根据每组待用能源设备组件的特性参数、用户需求信息和技术信息及相应的优化策略生成相应的约束条件,以获取每一种能源类型对应的设备模型的个数,根据获取的每一种能源类型对应的设备模型的个数计算相应的待用能源设备组件的耗资数值;
一获取单元6,连接计算单元3,用以获取复数组待用能源设备组件中最小的耗资数值,并输出耗资数值及相应的优化策略。
在计算单元3中建立优化变量与目标函数及约束条件之间的关系,其中优化变量为各设备容量、能源供应量以及启停状态,目标函数为满足给定负荷需求小的系统耗资最低,约束条件为分布式能源系统的输出应该满足冷平衡、热平衡、电力平衡以及设备的要求。约束条件包括:回收热量+产热大于等于热负荷,分布式技术发电小于等于设备额定功率,分布式系统供电+电网买电大于等于电负荷。
在本实施例中,接收单元1还可接收市场信息和环境资源信息等,配置单元2可根据用户需求信息、技术信息和环境资源信息获取相关联的所有的能源类型,能源类型可包括风能源、光能源、燃气能源、冷能源、热能源、电能源等,其中每一能源类型对应一类设备模型,每一类设备模式可包括多种不同型号的设备模型;通过配置单元2可根据用户需求信息和技术信息将涉及到的所有的能源类型对应的设备模型进行配置组合,以形成多组待用能源设备组件,利用匹配单元5将待用能源设备组件与预设的能源设备组件(典型能源设备对应的能源设备组件)进行匹配,根据匹配结果选择相应的优化策略,计算相应的待用能源设备组件的耗资数值,从多组待用能源设备组件的耗资数值中选取耗资最小的一组作为最优的规划结果,该规划结果还可包括所有设备模型全年运行方案得到经济性分析,及各种因素的敏感性分析,如各种能源价格、设备价格、利率变化等对结果的影响程度等。
分布式能源规划系统提供了多种能源类型的设备模型,同时每种能源类型的设备模型包括多种不同型号的设备模型,以使分布式能源规划系统充分满足用户需求,通过配置单元2生成多组待用能源设备组件,采用匹配单元5选择相应的能源设备组件及匹配的优化策略,以支持典型能源设备的非线性因素,提高了系统优化的准确性。
在优选的实施例中,能源设备组件可包括:风光储设备组件、冷热电三联供设备组件和通用设备组件。
在本实施例中,能源设备组件还可包括其他典型组件。风光储设备组件和冷热电三联供设备组件属于典型能源设备,通用设备组件属于通用能源设备。
在优选的实施例中,在匹配单元5中将待用能源设备组件分别与风光储设备组件和冷热电三联供设备组件进行匹配,若匹配则选择相应的设备组件,若不匹配则选择通用设备组件。
在本实施例中,先将待用能源设备组件与典型能源设备进行匹配,若匹配,则选择相应的优化策略进行耗资计算;若不匹配,则选择通用能源设备对应的优化策略进行耗资计算。
在优选的实施例中,当待用能源设备组件为风光储设备组件时,与风光储设备组件对应的优化策略建立的约束条件为:
1.1EL≤Epv*ηinv+EW≤1.2EL (1)
其中,ηinv表示降额因子,ηinv取值在0.1-1之间,EL表示负荷,单位为kW;Epv为光伏输出功率,单位为kW;EW为风机输出功率,单位为kW;LPSP(t)以小时为计量单位,表示当t时刻,蓄电池放电量超过其最小蓄电量时,即这一时刻作缺电计算。
在本实施例中,当待用能源设备组件为风光储设备组件时,风光储设备组件对应的优化策略主要考虑到光伏风机发电量与全年总负载的能量平衡关系,利用其能量平衡来优化风机与光伏的装机容量。蓄电池主要用来平衡可再生能源发电与负载之间的不匹配,以系统全年缺电率来优化蓄电池的装机容量。在此方法中,首次将系统供能种类及系统拓扑结构纳入系统规划优化过程中,系统可根据用户需求、当地政策条件和资源情况进行多种拓扑结构的分析,同时优化系统中的电力电子设备容量,具体过程如下:
分析用户侧用能需求及用能规律,结合当地新能源政策、风光资源与用户要求,通过系统供能技术设备数据库选择系统供能方式;计算选定的供能方式中单位容量下平均输出功率能力,利用系统风光承担用户负荷的比例值进行系统风光容量初值计算;通过用户负荷与新能源输出功率全年能量平衡条件优化系统风光容量;通过系统拓扑结构数据库中选定一种拓扑结构,结合系统缺电率优化系统储能电池容量与电力电子设备容量;分析系统经济性,通过约束判定条件重新规划系统拓扑结构、储能电池容量和电力电子设备容量。选取符合规划预期的风光储容量、电力电子设备容量及系统拓扑结构。
获取经济性SP的具体过程为:
其中:C表示项目总投入;IG表示项目补贴及奖励;Cener表示年均能源收益;Ccapa表示年均节约容量收益;Cghg表示温室气体减排收益;Cre表示可再生能源额度收益;Co&m表示运维成本;Cfuel表示燃料成本。
在优选的实施例中,冷热电三联供设备组件对应的优化策略采用线性规划方法。
当待用能源设备组件为冷热电三联供设备组件时,根据冷热电三联供设备组件对应的优化策略进行耗资数值C的具体过程为:
C=Cdp+Cop (3)
其中,Cdp为初投资年等值费用;Cop为年运行能消耗费用。
进一步地,获取初投资年等值费用Cdp的过程为:
Cdp=r∑Cinvestment (4)
r=i(i+1)N/((i+1)N-1) (5)
其中,Cinvestment为系统投资成本;r为资本回收系数;i为年利率,N为系统使用年限;
获取年运行能消耗费用Cop的过程为:
Cop=CwinterDwinter+CsummerDsummer+CotherDother (6)
其中,Cwinter为冬季典型日运行费用,Csummer为夏季典型日运行费用,Cother为过渡季典型日运行费用,Dwinter为冬季典型日天数,Dsummer为夏季典型日天数,Dother为过渡季典型日天数。
在本实施例中,当待用能源设备组件为冷热电三联供设备组件时,采用线性规划(LP)进行求解,并比较、选出经济性最好的相应的运行策略。冷热电三联供设备组件对应的优化策略以年总费用为判断投资计划可行性的依据。年总费用主要包括:初投资年等值费用、年运行能耗费用两部分,初投资年等值费用为各设备总投资根据使用年限折合到每年的平均投资,年运行能耗费用是指联产系统消耗的天然气和从电网购电支出的费用以及年系统维护费。通过确定配置的联产系统的优化运行问题,得到该配置下联产系统最低的年总费用,然后考虑不连续的改变设备容量的大小,得到不同方案的年总费用。整个优化规划从用户侧需求出发,确定所用联产系统的结构形式,对于某种联产系统结构形式,设共有I种设备,每种设备有J种容量可供选择,实际设备台数不能超过最大可选择台数。选取典型日进行运行优化,分布式供能系统运行燃料费用包括天然气、网购电(暂不考虑售电)、等费用。为使优化问题求解方便,同时加快计算速度,对运行优化进行可不考虑环境温度对燃气轮机输出功率影响,假定系统中所有动力设备输出功率相等,将热力设备效率认为定值。
在优选的实施例中,通用设备组件对应的优化策略采用粒子群优化方法(particle swarm optimization,简称PSO)。
在本实施例中,粒子群优化方法主要模拟鸟群的捕食行为,在PSO中每个行为都可以想象为D维搜索空间上的一个点,称其为粒子。在一个规模为m的粒子群,假设第s个粒子的位置和速度分别是XS=[XS1,XS2,XS3……XSD],VS=[VS1,VS2,VS3……VSD],S=1,2,3….m,记录该粒子的个体最优位置Ps=[PS1,PS2,PS3……PSD],并记录整体最优位置Pg=[Pg1,Pg2,Pg3……PgD],然后更新粒子的速度和位置,进行新一轮的计算。当达到设定目标或者循环次数时,计算结束。这里的粒子群是不同的设备组合群,包括设备的容量、设备的类型;更新的速度包括设备容量的更新,设备启停的更新;是否达到目标要求,主要针对是否投资最小、回收年限最少或者是环境污染最小等,是多目标、可选择的判断标准。
一种分布式能源规划方法,应用如上述的分布式能源规划系统,包括下述步骤:
S1.接收用户需求信息和技术信息;
S2.根据用户需求信息和技术信息获取相关联的所有的能源类型,根据所有的能源类型提取相应的设备模型,分别将同一种能源类型不同型号的设备模型与相关联的其他能源类型对应的设备类型进行组合,以形成复数组待用能源设备组件;
S3.选择与复数组待用能源设备组件匹配的能源设备组件,每一能源设备组件对应一优化策略;
S4.分别根据每组待用能源设备组件的特性参数、用户需求信息和技术信息及相应的优化策略生成相应的约束条件,以获取每一种能源类型对应的设备模型的个数,根据获取的每一种能源类型对应的设备模型的个数计算相应的待用能源设备组件的耗资数值;
S5.获取复数组待用能源设备组件中最小的耗资数值,并输出耗资数值及相应的优化策略。
在步骤S5中若最小耗资数值对应多个待用能源设备组件时,则重新配置优化策略,并返回执行步骤S3。
在本实施例中,可支持典型能源设备的能源规划配置,且具有准确性高的优点。
在优选的实施例中,所述能源设备组件包括三类分别为:风光储设备组件、冷热电三联供设备组件和通用设备组件。
在优选的实施例中,在所述步骤S3中将所述待用能源设备组件分别与所述风光储设备组件和所述冷热电三联供设备组件进行匹配,若匹配则选择相应的设备组件,若不匹配则选择所述通用设备组件。
在优选的实施例中,当所述待用能源设备组件为所述风光储设备组件时,与所述风光储设备组件对应的所述优化策略建立的所述约束条件为:
1.1EL≤Epv*ηinv+EW≤1.2EL (1)
其中,ηinv表示降额因子,EL表示负荷,单位为kW;Epv为光伏输出功率,单位为kW;EW为风机输出功率,单位为kW;LPSP(t)以小时为计量单位,表示当t时刻,蓄电池放电量超过其最小蓄电量时,即这一时刻作缺电计算。
在优选的实施例中,所述通用设备组件对应的所述优化策略采用粒子群优化方法。
在优选的实施例中,冷热电三联供设备组件对应的优化策略采用线性规划方法。
在本发明的一种具体实施例中,根据某厂用电和用热(冷)负荷情况,拟在厂区内建设天然气分布式供能系统为某电机厂生产、生活提供热电负荷,并通过厂房内现有的蒸汽溴化锂机组制冷,实现热电冷三联供。该电机厂能源负荷主要有:生产工艺加热所需的蒸汽热负荷,生产机械设备运行以及生活所需的电力负荷和少量热水负荷。本实施例适用于冷热电三联供设备组件对应的优化策略。
采用分布式能源规划方法的具体过程为:获取用户需求信息和技术信息,根据用户需求信息和技术信息可获取十种优化设计结果,可综合考虑各个方案的年总费用,投资费用承受能力,建设场地限制,投资回收期,补贴领取条件等各种因素从十种方案中选取合适的方案。并进行相关的敏感性分析,如天然气价格、电价等对规划结果的影响趋势等。除此之外,分布式能源规划系统还优化出年运行策略,指导实际的运行过程。
该规划方案1-5具体配置规划结果如下:
方案1:1台1500kW内燃机+1台750kW余热锅炉+4850kW燃气锅炉+制冷量4350kW溴机+7kW电加热器;
方案2:2台1500kW内燃机+2台750kW余热锅炉+4850kW燃气锅炉+制冷量4350kW溴机+7kW电加热器;
方案3:3台1500kW内燃机+3台750kW余热锅炉+4850kW燃气锅炉+制冷量4350kW溴机+7kW电加热器;
方案4:4台1500kW内燃机+4台750kW余热锅炉+4850kW燃气锅炉+制冷量4350kW溴机+7kW电加热器;
方案5:5台1500kW内燃机+5台750kW余热锅炉+4850kW燃气锅炉+制冷量4350kW溴机+7kW电加热器。
如表1所示表示冷热电三联供设备组件的十种规划方案。
表1
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (12)
1.一种分布式能源规划系统,其特征在于,包括:
一接收单元,用以接收用户需求信息和技术信息;
一存储单元,用以存储复数个能源类型的设备模型,每一种能源类型包括多种不同型号的设备模型,每一种型号的设备模型对应一组特性参数;
一配置单元,分别连接所述接收单元和所述存储单元,用以根据所述用户需求信息和所述技术信息获取相关联的所有的能源类型,根据所有的所述能源类型提取相应的所述设备模型,分别将同一种能源类型不同型号的所述设备模型与相关联的其他所述能源类型对应的设备类型进行组合,以形成复数组待用能源设备组件;
一匹配单元,连接所述配置单元,用以选择与复数组所述待用能源设备组件匹配的能源设备组件,每一所述能源设备组件对应一优化策略;
一计算单元,分别连接所述配置单元和所述匹配单元,用以分别根据每组所述待用能源设备组件的特性参数、所述用户需求信息和所述技术信息及相应的所述优化策略生成相应的约束条件,以获取每一种能源类型对应的设备模型的个数,根据获取的每一种能源类型对应的设备模型的个数计算相应的所述待用能源设备组件的耗资数值;
一获取单元,连接所述计算单元,用以获取复数组所述待用能源设备组件中最小的耗资数值,并输出所述耗资数值及相应的所述优化策略。
2.如权利要求1所述的分布式能源规划系统,其特征在于,所述能源设备组件包括三类分别为:风光储设备组件、冷热电三联供设备组件和通用设备组件。
3.如权利要求2所述的分布式能源规划系统,其特征在于,在所述匹配单元中将所述待用能源设备组件分别与所述风光储设备组件和所述冷热电三联供设备组件进行匹配,若匹配则选择相应的设备组件,若不匹配则选择所述通用设备组件。
4.如权利要求3所述的分布式能源规划系统,其特征在于,当所述待用能源设备组件为所述风光储设备组件时,与所述风光储设备组件对应的所述优化策略建立的所述约束条件为:
1.1EL≤Epv·ηinv+EW≤1.2EL (1)
其中,ηinv表示降额因子,EL表示负荷,单位为kW;Epv为光伏输出功率,单位为kW;EW为风机输出功率,单位为kW;LPSP(t)以小时为计量单位,表示当t时刻,蓄电池放电量超过其最小蓄电量时,即这一时刻作缺电计算。
5.如权利要求2所述的分布式能源规划系统,其特征在于,所述通用设备组件对应的所述优化策略采用粒子群优化方法。
6.如权利要求2所述的分布式能源规划系统,其特征在于,所述冷热电三联供设备组件对应的所述优化策略采用线性规划方法。
7.一种分布式能源规划方法,应用如权利要求1所述的分布式能源规划系统,其特征在于,包括下述步骤:
S1.接收用户需求信息和技术信息;
S2.根据所述用户需求信息和所述技术信息获取相关联的所有的能源类型,根据所有的所述能源类型提取相应的所述设备模型,分别将同一种能源类型不同型号的所述设备模型与相关联的其他所述能源类型对应的设备类型进行组合,以形成复数组待用能源设备组件;
S3.选择与复数组所述待用能源设备组件匹配的能源设备组件,每一所述能源设备组件对应一优化策略;
S4.分别根据每组所述待用能源设备组件的特性参数、所述用户需求信息和所述技术信息及相应的所述优化策略生成相应的约束条件,以获取每一种能源类型对应的设备模型的个数,根据获取的每一种能源类型对应的设备模型的个数计算相应的所述待用能源设备组件的耗资数值;
S5.获取复数组所述待用能源设备组件中最小的耗资数值,并输出所述耗资数值及相应的所述优化策略。
8.如权利要求7所述的分布式能源规划方法,其特征在于,所述能源设备组件包括三类分别为:风光储设备组件、冷热电三联供设备组件和通用设备组件。
9.如权利要求8所述的分布式能源规划方法,其特征在于,在所述步骤S3中将所述待用能源设备组件分别与所述风光储设备组件和所述冷热电三联供设备组件进行匹配,若匹配则选择相应的设备组件,若不匹配则选择所述通用设备组件。
10.如权利要求9所述的分布式能源规划方法,其特征在于,当所述待用能源设备组件为所述风光储设备组件时,与所述风光储设备组件对应的所述优化策略建立的所述约束条件为:
1.1EL≤Epv*ηinv+EW≤1.2EL (1)
其中,ηinv表示降额因子,EL表示负荷,单位为kW;Epv为光伏输出功率,单位为kW;EW为风机输出功率,单位为kW;LPSP(t)以小时为计量单位,表示当t时刻,蓄电池放电量超过其最小蓄电量时,即这一时刻作缺电计算。
11.如权利要求8所述的分布式能源规划方法,其特征在于,所述通用设备组件对应的所述优化策略采用粒子群优化方法。
12.如权利要求8所述的分布式能源规划方法,其特征在于,所述冷热电三联供设备组件对应的所述优化策略采用线性规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610270885.6A CN105913193B (zh) | 2016-04-27 | 2016-04-27 | 一种分布式能源规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610270885.6A CN105913193B (zh) | 2016-04-27 | 2016-04-27 | 一种分布式能源规划系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105913193A true CN105913193A (zh) | 2016-08-31 |
CN105913193B CN105913193B (zh) | 2018-03-06 |
Family
ID=56752805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610270885.6A Active CN105913193B (zh) | 2016-04-27 | 2016-04-27 | 一种分布式能源规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105913193B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472401A (zh) * | 2018-10-30 | 2019-03-15 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
CN113408924A (zh) * | 2021-06-30 | 2021-09-17 | 中国农业大学 | 基于统计机器学习的园区综合能源系统的规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455850A (zh) * | 2013-08-07 | 2013-12-18 | 东南大学 | 分布式冷热电联供系统并网运行在线优化方法 |
CN104218578A (zh) * | 2014-09-15 | 2014-12-17 | 华北电力大学 | 一种分布式供电系统的规划方法及装置 |
-
2016
- 2016-04-27 CN CN201610270885.6A patent/CN105913193B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455850A (zh) * | 2013-08-07 | 2013-12-18 | 东南大学 | 分布式冷热电联供系统并网运行在线优化方法 |
CN104218578A (zh) * | 2014-09-15 | 2014-12-17 | 华北电力大学 | 一种分布式供电系统的规划方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472401A (zh) * | 2018-10-30 | 2019-03-15 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
CN109472401B (zh) * | 2018-10-30 | 2020-05-12 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
CN113408924A (zh) * | 2021-06-30 | 2021-09-17 | 中国农业大学 | 基于统计机器学习的园区综合能源系统的规划方法 |
CN113408924B (zh) * | 2021-06-30 | 2024-02-02 | 中国农业大学 | 基于统计机器学习的园区综合能源系统的规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105913193B (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rolfsman | Combined heat-and-power plants and district heating in a deregulated electricity market | |
CN105205552B (zh) | 一种独立新能源混合发电系统优化规划方法 | |
CN103839109A (zh) | 一种基于博弈纳什均衡的微网电源规划方法 | |
CN109659927A (zh) | 一种考虑储能参与度的综合能源微网储能容量配置方法 | |
Darcovich et al. | Control strategies and cycling demands for Li-ion storage batteries in residential micro-cogeneration systems | |
CN110110904A (zh) | 考虑经济性、独立性和碳排放的综合能源系统优化方法 | |
Menconi et al. | Energy sovereignty in Italian inner areas: Off-grid renewable solutions for isolated systems and rural buildings | |
CN109472401A (zh) | 分布式供能运行策略的确定方法、装置、设备和存储介质 | |
CN110941799A (zh) | 一种考虑系统综合不确定性因素的能量枢纽随机规划方法 | |
Zhai et al. | Optimization of integrated energy system considering photovoltaic uncertainty and multi-energy network | |
CN110417045A (zh) | 一种针对交直流混合微电网容量配置的优化方法 | |
Zhao et al. | Economic dispatch of multi-energy system considering seasonal variation based on hybrid operation strategy | |
Liu et al. | Multi-scenario analysis and collaborative optimization of a novel distributed energy system coupled with hybrid energy storage for a nearly zero-energy community | |
CN107425540A (zh) | 一种三电池耦合型综合能源系统及其优化设计方法 | |
Barabino et al. | Energy Communities: A review on trends, energy system modelling, business models, and optimisation objectives | |
Timmons | Optimal renewable energy systems: minimizing the cost of intermittent sources and energy storage | |
CN105913193B (zh) | 一种分布式能源规划系统及方法 | |
Shah et al. | Financial benefits by installing PV generation and energy storage systems for households | |
Li et al. | Planning model of integrated energy system considering P2G and energy storage | |
de Oliveira Gabriel et al. | Numerical simulation of an on-grid natural gas PEMFC-solar photovoltaic micro CHP unit: Analysis of the energy, economic and environmental impacts for residential and industrial applications | |
Li et al. | Role of different energy storage methods in decarbonizing urban distributed energy systems: A case study of thermal and electricity storage | |
CN108960564A (zh) | 基于集中式建模的冷热电联供型微网配电系统调度方法 | |
CN111524028A (zh) | 一种多能互补耦合系统配置方法 | |
CN109946977A (zh) | 含冷热电三联供系统的智慧园区能源优化调度方法 | |
CN113011655B (zh) | 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |