CN108197768B - 一种能源系统与管网布局联合优化方法 - Google Patents
一种能源系统与管网布局联合优化方法 Download PDFInfo
- Publication number
- CN108197768B CN108197768B CN201810281676.0A CN201810281676A CN108197768B CN 108197768 B CN108197768 B CN 108197768B CN 201810281676 A CN201810281676 A CN 201810281676A CN 108197768 B CN108197768 B CN 108197768B
- Authority
- CN
- China
- Prior art keywords
- energy
- pipe network
- model
- node
- heat
- 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
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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明涉及一种能源系统与管网布局联合优化方法,包括以下步骤:S1:建立目标区域内的特征日的冷、热和电负荷模型;S2:根据负荷模型得出的负荷结果数据,将目标区域内各个节点的能量供需链进行集成,建立管网模型;S3:根据负荷模型和管网模型,选择发电技术设备、辅助功能技术设备和储能技术设备,构建分布式综合能源系统的能量生产与传输体系,并对其中所有的技术设备进行数学建模;S4:根据影响因子,构建系统模型的寻优运算空间;S5:根据目标区域内的评价指标,通过熵权法将系统模型的多目标函数加权转化为单一目标函数。本发明提供了一种能够对技术选型、容量配置、设备选址、实时调度、管网设计及系统能流进行联合设计决策的优化方法。
Description
技术领域
本发明涉及分布式联供与管网布局系统工程领域,尤其涉及一种能源系统与管网布局联合优化的方法。
背景技术
能源危机与环境问题日益成为经济发展与社会进步不可忽视的问题。传统的大型集中式能源系统远距离传输供能方式忽略了供需负荷间的匹配性,不利于能源效率、经济性与环境友好性的提升。为了解决这些问题,亟需发展更为高效、经济、环保的供能系统。冷热电多联产(Combined cooling heating and power,CCHP)作为先进的梯级综合能源系统,集高效、经济、环保优势于一身,更是作为对当前大机组、大电网的有益补充。冷热电多联产系统梯级利用多品质能源,藕合热电联产技术、余热回收系统、制冷与供热技术,将发电、供热及制冷过程协调一体化,分级利用不同品位的热能,其中高品位用以发电、低品位用以供热或制冷;该能源系统能够显著地提高能源综合利用效率,明显地减少能源浪费,并有效地降低高温乏汽直接排出给环境造成的污染,具有良好的节能性能、经济价值及环境效益。
冷热电多联产技术为基于用户侧的综合能源系统改造提供解决方案,倡导耦合多项分布式产能技术及多项辅助供能技术并对其协调控制以实现优化调度。其中,分布式产能技术包含燃气轮机、燃气内燃机、燃料电池及可再生能源发电技术等;辅助供能技术包含辅助供热/制冷技术及储能技术,供热/制冷技术包含燃料锅炉、热泵、地源热泵、电制冷空调及溴化锂吸收式制冷机等,储能技术包含蓄电池、冰蓄冷空调及储罐等。
供给侧与需求侧的能源匹配不应局限于小范围内的配置,分布式冷热电多联产综合供能系统作为一种新型的先进发电方式,可以针对具有一定能源负荷规律且多种能源消耗差异明显的建筑进行联合设计,是解决大区域能源规划问题的有效途径。冷热电多联产系统通过在靠近配电网或用户侧的周边就近发电以减小电网传输损耗,并将能量通过管网系统传输到周边用能区域,具有低投资、高效率、降损耗及环保性等优点,尤其在电力负荷峰时比集中供电更经济高效;其有效规划,即对能源系统中产能设备的选址及协调控制,将使得区域能源网络中的总体能耗得到有效降低。
大区域分布式冷热电多联产系统性能优劣极大程度地依赖于CHP电站选址、管网传输设计、技术设备容量配置及其实时调度策略,故应在匹配能源负荷需求且实现预期经济效益、环境效益指标的前提下确定可行的最佳优化布局决策方案。目前,国内外关于分布式能源系统的科学研究大多数集中表现为针对单一耗能建筑的负荷规律计算,研究单一负荷规律区域的简单设计及单一冷热电多联产系统的运行策略,旨在以节约一次能源、降低温室气体排放、减少热损失及提升经济性为主要目标函数,在基于包含多种耗能规律的大区域分布式能源系统的联合设计以及管网能流传输系统布局的方面研究较少,但在整合大区域多能源负荷集成的综合分布式冷热电多联产系统时,技术选型、容量配置、设备选址、实时调度、管网设计及系统能流之间的权衡十分重要。
在优化方法的选取上,随机试验法、内点罚函数法、外点罚函数法与序列二次规划法等直接或间接优化方法,以及局部搜索、模拟退火、遗传算法和人工神经网络优化算法等传统智能优化方法通过模拟抽象得到符合一定规律的数学模型,可以解决一定范围内的复杂工程实践,但其随机搜索的性质决定了慢速计算的缺陷,与规划的时效要求相冲突。
发明内容
为解决上述问题,本发明一种能源系统与管网布局联合优化方法,目的在于提供一种能够对技术选型、容量配置、设备选址、实时调度、管网设计及系统能流进行联合设计决策的优化方法,为大区域分布式综合能源系统布局提供解决方案。该方法不仅良好地改善了传统区域能源规划方式的时空局限性,而且能够实现多负荷规律集成的大区域综合能源系统的联合设计与布局优化,进一步改善供给侧与需求侧之间的能源匹配。把一个大区域分布式能源系统划分为更小单元,在小单元内和小单元间将能源需求波动、技术初始组合与后期更新投资之间的相互作用进行全局考量,针对具有逐时冷、热、电负荷时序模型的小单元区域进行分布式供能系统设计,依据区域综合能源系统总体规划目标拟定系统产能技术的组成,优化产能设备的台数,配置产能设备的额定容量,设计联供系统的位置布局,搭建能流管网的最佳架构,设定产能设备的运行操作。本发明综合考虑大区域能源系统的经济指标、节能指标以及环保指标,利用通用代数建模软件GAMS(The General AlgebraicModeling System)搭建数学模型,采用熵权法处理多目标计算方法,合理地、准确地、快速地实现大区域分布式综合能源系统设计与运行优化的最优解决方案。
具体方案如下:
一种能源系统与管网布局联合优化方法,包括以下步骤:
S1:建立目标区域内的按季节划分的特征日的冷、热和电负荷模型;
S2:根据负荷模型得出的负荷结果数据,将目标区域内各个节点的能量供需链进行集成,建立管网模型,所述管网模型包括节点内管网能量流控制模型和节点间管网布局模型;
S3:根据负荷模型和管网模型,选择发电技术设备、辅助功能技术设备和储能技术设备,构建分布式综合能源系统的能量生产与传输体系,并对其中所有的技术设备进行数学建模,构建系统模型;
S4:根据影响因子,构建多联产系统运行的能量守恒约束条件和边界条件,构建系统模型的寻优运算空间;
S5:根据目标区域内的评价指标,通过熵权法对多目标的权重进行赋值,将系统模型的多目标函数加权转化为单一目标函数。
进一步的,步骤S1中负荷模型的建立方法为:通过目标区域内的各个节点的建筑的围护结构特征来建立负荷模型,所述目标区域内各个节点的建筑的围护结构的冷、热负荷计算的数学模型为:
上式中,下标i表示大区域中的小地址单元;下标e表示建筑围护结构;下标y,s,h分别表示年,季节,小时;EL表示i节点逐时冷、热负荷;A、U分别表示各围护结构的面积与传热系数;Cw表示通风系数;Tin为室内设计温度,T out为室外逐时温度。
进一步的,步骤S2中的管网模型采用如下所示数学模型:
上式中,下标i’表示节点i附近的一个节点;MP表示节点间管网中的能流;MT表示技术设备产生的能流,MB表示输送给各节点的能流;DE表示节点内管网中的能流;Cp表示水的比热容;ΔT表示供给侧与管网回水之间的温差;HL表示管网传输的能量损失;D表示两个节点质心间的直线距离;τ为曲折因子,其值为曲折路径与其欧几里德距离的比值;κ表示供能管道的损失百分比;δ表示持续时间;X和XP均为二进制变量,从施工开始起X的价值为1,管网完工时起XP的价值为1,以保证管道投资成本计算正确。
进一步的,步骤S3中所述发电技术设备包括CHP电厂和可再生发电技术,所述可再生发电技术包括光伏发电板、太阳能集热器和风力发电机;所述辅助功能技术设备包括燃料锅炉、电制冷空调、换热器、地源热泵和溴化锂吸收式制冷机;所述储能技术设备包括蓄电池、冰蓄冷空调和储罐。
进一步的,所述CHP电厂的数学模型通过负载因子模型表征如下:
上式中,下标ch表示技术类型CHP电厂;OE、ER则分别表示CHP技术的实际运行容量与额定最大容量;f为负载因子。
进一步的,所述CHP电厂中的主要技术燃气轮机采用如下所示的数学模型:
上式中,IE为i节点的CHP机组对应时刻输入燃料总能量;NSPy为运行年份的个数,OE与OQ分别表示CHP发电机出力以及排出烟气可利用热值;ηel与ηth分别表示CHP机组的实时电效率与热效率;a1、a2、a3、a4、b1、b2、b3、b4分别为对应参数。
进一步的,所述光伏发电板采用如下所示的数学模型:
OEi,pv,y,s,h=ηpv,y·θy,s,h·NSTi,pv,y·εpv
上式中,OE表示光伏发电板的输出能量;η表示光伏发电板的效率,设置η=14.2%;θ表示实时太阳辐照强度;NST表示光伏发电板的数量;εpv表示光伏发电板的平均尺寸。
进一步的,所述太阳能集热器采用如下所示的数学模型:
上式中,OQ表示太阳能集热器的输出能量;η表示太阳能集热器的瞬时效率;NST表示太阳能集热器的数量;εstc表示太阳能集热器的平均尺寸;c1、c2、G表示热损失系数。
进一步的,所述风力发电机采用如下所示的数学模型:
上式中,OE为实时风机出力;vi,y,s,h为实时环境风速;νin、νrated、νout分别表示对应风机的切入风速、额定风速、切出风速;ERwi为记住运时时刻的最大功率也即切出功率;d1、d2、d3、d4表示其性能参数。
进一步的,针对辅助技术设备中的燃料锅炉、电制冷空调和换热器均采用技术输入与固定能效比的乘积等于设备运行功率的数学模型。
针对辅助技术设备中的溴化锂吸收式制冷机和地源热泵采用非固定能效比的建模,采用如下所示的数学模型:
上式中,下标te表示技术的类型,此处包含溴化锂吸收式制冷机与地源热泵;IE为te技术对应时刻输入总能量;CR表示te技术额定运行功率;δ为运行时间;NSPte,y为运行年份的搭建的te技术设备的个数;OE表示te技术实时输出总能量;η表示te技术对应时刻的运行效率,e1、e2、e3、e4为对应参数。
进一步的,所述储能技术设备采用如下所示的数学模型:
STe,et,i,y,s,h=STe,et,i,y,s,h-1+SCe,et,i,y,s,h-SDe,et,i,y,s,h-LSe,et,i,y,s,h
上式中,下标e表示所储能量的类型,包含冷、热与电;下标et表示储能技术类型,包括蓄电池、冰蓄冷空调和储罐;ST、SC与SD表示储能、产能与耗能;LS表示能量损失。
进一步的,所述冰蓄冷空调采用如下所示的数学模型:
进一步的,步骤S4中所述影响因子包括实时功能模式的影响和能源需求波动的影响,所述多联产系统运行的能量守恒约束条件包括电能平衡约束、热能平衡约束和冷能平衡约束;所述边界条件包括设备功率约束。
进一步的,步骤S5中所述评价指标包括经济效益评价指标、节能效益评价指标和环境效益评价指标;
通过熵权法将多目标函数加权转化为单一目标函数采用的目标函数数学模型为:
min(max)o=min(max)(w1o1+w2o2+w3o3)
其中,o1、o2、o3表示各效益的评价指标,分别为总运行成本、能源效率与排放因子;w1、w2、w3表示各效益评价指标对应的权重因子。
本发明采用如上技术方案,并具有有益效果:
1、传统的优化方法通常基于单一性与不变性的负荷,而本发明综合权衡了时间、空间与技术三个维度,将能源供应的实时变化和小时能源需求波动的影响考虑在模型中,兼顾负荷计算和实施输出二者的平衡,有利于从需求侧提高系统的经济性、环保效益与能效水平。
2.本发明综合考虑了小单元内的能流控制和小单元间的管网互联,对各技术设备进行切合实际的数学建模,达到技术类型寻优及所选技术设备容量与数量确定、最佳空间布局与运行策略拟定的目的,准确合理地实现区域多联产系统优化运行的寻优。
3.本发明在多目标函数中各子目标的权重数值确定上采取熵权法进行客观选取,在一定程度上规避了传统多目标函数子目标权重的处理方法需要过多的依赖决策者的个人经验以及学术能力的弊端。赋值数据合理有效,原理科学,简便易于实现。
附图说明
图1所示为本发明实施例的针对具有综合能源需求的区域提出的设计系统流程图。
图2所示为本发明实施例的节点1的春、夏、秋、冬季负荷曲线图。
图3所示为本发明实施例的节点2的春、夏、秋、冬季负荷曲线图。
图4所示为本发明实施例的节点3的春、夏、秋、冬季负荷曲线图。
图5所示为本发明实施例的节点4的春、夏、秋、冬季负荷曲线图。
图6所示为本发明实施例的节点5的春、夏、秋、冬季负荷曲线图。
图7所示为本发明实施例的分区优化情景的管道设计图。
图8所示为本发明实施例的五种分区优化情景的数据结果图。
图9所示为本发明实施例的五种分区优化情景的系统技术设备容量配置结果图。
图10所示为本发明实施例的五种分区情景夏季电负荷优化运行策略图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。现结合附图和具体实施方式对本发明进一步说明。
本实施例的大区域分布式冷热电多联产系统综合系统考虑能源供应的实时变化和小时能源需求波动的影响,针对大区域实时负荷进行分布式供能系统的设计与优化,以指导区域综合能源系统总体规划。首先建立目标区域内按季节区分的典型日时序冷、热和电负荷模型。其次依据负荷模型建立区内管网能量流控制及区间管网互联布局的优化模型。然后,选取发电技术设备、辅助功能技术设备与储能技术设备,构建分布式综合系统的能量生产与传输体系,对所选技术设备进行数学建模。接着通过系统运行的能量守恒约束条件及技术可行的边界条件构建可寻优运算空间。最后,构建系统优化运行的多目标函数组合,规划最优的设计方案以及系统运行策略。
本发明实施例提供了一种能源系统与管网布局联合优化方法,所述方法可包括以下步骤:
S1:建立目标区域内的按季节划分的特征日的冷、热和电负荷模型。
由于每个季节的冷、热和电能量的需求量不同,因此所述特征日需要按季节划分。
该实施例中,所述负荷模型为时序负荷模型。所述负荷模型的建立途径包括两种,途径一:根据目标区域内的能源分配管理部门监测记录中的历史能耗数据,通过综合分析总结来得到不同季节中的特征日的逐时冷、热和电负荷曲线,如图2~6所示,为五个节点在春、夏、秋、冬四季中特征日的负荷曲线图,可以根据该负荷曲线图来建立负荷模型;途径二:通过目标区域内的各个节点的建筑的围护结构特征来建立负荷模型,该实施例中,所述负荷模型计算公式为:
上述负荷模型计算公式中包含围护结构热负荷与新风热负荷两部分,上式中,下标i表示目标区域中的节点;下标e表示建筑围护结构,主要包含门、窗、屋面、地板和外墙等;下标y,s,h分别表示年,季节,小时;EL表示i节点逐时的冷、热负荷;A表示各围护结构的面积,新增建筑面积时其值可变;U表示各围护结构的传热系数;Cw表示通风系数;Tin为室内设计温度,T out为室外逐时温度。以上符号所代表的含义不仅适用于本负荷模型计算公式,在本发明中,以上符号代表的含义均相同。
S2:根据负荷模型得出的负荷结果数据,将目标区域内各个节点的能量供需链进行集成,建立管网模型,所述管网模型包括节点内管网能量流控制模型和节点间管网布局模型。
所述节点内管网能量流控制模型和节点间管网布局模型即管网能流平衡模型与管道传输损失模型,采用如下所示的数学模型:
所述管网能流平衡模型与管道传输损失模型的计算公式如下:
上式中,下标i’表示节点i附近的一个节点,质量流量只能从某个节点流向与其相邻的另一个节点;MP表示节点之间管网中的能流,其值不能超过管道的最大传输容量,即Xi',i,y,s,h·MPmin≤MPi',i,y,s,h≤Xi',i,y,s,h·MPmax,其中表示流入节点之前的能留,表示从该节点流向下一节点的能流;MT表示技术设备产生的能流,MB表示输送给各节点的能流;DE表示节点内管网中的能流;Cp表示水的比热容;ΔT表示供给侧与管网回水之间的温差;HL表示管网传输的能量损失;D表示两个节点质心间的直线距离;τ为曲折因子,其值为曲折路径与其欧几里德距离的比值,用于粗略估算管道的实际弧长;κ表示供能管道的损失百分比;δ表示持续时间;X和XP均为二进制变量,表示两个相邻节点之间的管道连通,X为表示节点之间的管网是否存在的二进制变量,设定存在为1,不存在为0,XP表示该年是否有新修建管网,设定有为1,否则为0,从施工开始起X的价值为1,管网完工时起XP的价值为1,以保证两单元间只存在一条管道,即:
以上符号所代表的含义适用于本发明中的所有公式。
S3:根据负荷模型和管网模型,选择发电技术设备、辅助功能技术设备和储能技术设备,构建分布式综合能源系统的能量生产与传输体系,并对其中所有的技术设备进行数学建模。
该实施例中选取的发电技术设备为CHP电厂与可再生发电技术,所述可再生发电技术包括光伏发电板、太阳能集热器、风力发电机;选取的辅助功能技术设备为燃料锅炉、电制冷空调、换热器、地源热泵与溴化锂吸收式制冷机;选取的储能技术设备为蓄电池、冰蓄冷空调与储罐。
构建的分布式综合能源系统的能量生产与传输体系如图1所示,并对框架中所有的技术设备进行数学建模。
S31:针对CHP电厂进行数学建模。
泵的耗电量取决于其运行能力CAP,其受压降Ψ为下限,最大容量CAPmax为上限,所以泵的运行能力CAP采用如下所示的数学模型:
其中ρ是水的密度,注意只有当节点i和i'之间存在管道连接时,泵才启用。
考虑到部分能源需求的间歇性,CHP电厂的数学模型通过负载因子模型表征,引入瞬时负荷系数作为启停指标,以确定热电联产的开关状态,确保热电联产的高效运行。数学模型如下:
其中,下标ch表示技术设备类型CHP电厂;OE和ER分别表示CHP电厂的实际运行容量与额定最大容量;f为负载因子,25%的f是CHP电厂的切出系数。
所述CHP电厂中的主要技术燃气轮机采用如下所示的数学模型:
其中,IE为i节点的CHP机组对应时刻输入燃料总能量;NSPy为运行年份的个数,OE与OQ分别表示CHP发电机出力以及排出烟气可利用热值;ηel与ηth分别表示CHP机组的逐时发电效率与热效率;a1、a2、a3、a4、b1、b2、b3、b4分别为对应参数。
S32:针对光伏发电板与太阳能集热器进行数学建模。
所述光伏发电板与太阳能集热器数学模型表达式分别为:
OEi,pv,y,s,h=ηpv,y·θy,s,h·NSTi,pv,y·εpv
其中,OE表示技术设备的输出能量;η表示光伏发电板的效率,光伏发电板不受负载率影响,本实施例中设置η=14.2%,太阳能集热器的运行效率为瞬时效率;θ表示特定时间段的太阳辐照度,其值可从当地太阳辐射数据库获得;NST表示技术设备的数量,对于光伏发电而言,NSTi,pv,y·εpv≤Ai,pv,其中Ai,pv表示节点内光伏安装的可用屋顶空间;ε表示技术设备的平均尺寸;c1、c2、G表示热损失系数。
S33:针对风力发电机进行数学建模。
所述风力发电机的数学建模参考的是不同选型风力发电机的出厂性能曲线,模型如下:
其中,OE为实时风机出力;vi,y,s,h为实时环境风速;νin、νrated、νout分别表示对应风机的切入风速、额定风速、切出风速;ERwi为记住运时时刻的最大功率也即切出功率;d1、d2、d3、d4表示其性能参数。
S34:针对辅助技术设备进行数学建模。
针对辅助技术如燃料锅炉、电制冷空调、换热器均采用技术输入与固定能效比的乘积等于设备运行功率的数学模型。
针对辅助供应设备溴化锂吸收式制冷机、地源热泵采取非固定能效比的建模,采用如下所示的数学模型:
其中,下标te表示技术的类型,此处包含溴化锂吸收式制冷机与地源热泵;IE为i节点中的te技术对应时刻输入总能量;CR表示te技术额定运行功率;δ为运行时间;NSPte,y为运行年份的搭建的te技术设备的个数;对于地源热泵而言,NSPi,gshp,y·εgshp≤Ai,gshp,其中Ai,gshp表示节点内地源热泵安装的可用面积;OE表示te技术实时输出总能量;η表示te技术对应时刻的运行效率,e1、e2、e3、e4为对应参数。
此外,地源热泵模型还受到以下约束:
其中,ΔTs,h表示土壤与地源热泵出口之间的时变温差;ηi,gshp,s,h为地源热泵的性能系数;地源热泵的冷/热输出不能同时发生,供热或供冷取决于优化结果。
S35:针对储能技术设备进行数学建模。
大规模储能组件能提高能源系统运行的灵活性,增强区域电网的稳定性,是支持可再生能源技术的重要辅助手段。本实施例的能量存储技术间由能量守恒采用如下所示的数学模型:
STe,et,i,y,s,h=STe,et,i,y,s,h-1+SCe,et,i,y,s,h-SDe,et,i,y,s,h-LSe,et,i,y,s,h
其中,下标e表示所储能量的类型,包含冷、热与电;下标et表示储能技术类型,包括蓄电池、冰蓄冷空调和储罐;ST、SC与SD表示储能、充能与放能;LS表示能量损失,可表示为当前储存量与小时能量损失系数之积,即LSe,et,i,y,s,h=STe,et,i,y,s,h·ηe,s,h,供热和冷却损失与环境温度相关,而电力损失此处假定为常数。
由于能源年需求的波动和能源系统的变化,储能技术的能力也可能会发生变化,由模型NDTet,i,y=NDTet,i,y-1+NTet',et,i,y·Rtet',et修正,其中NDT表示某期技术设备的数量,TN表示新加的替代技术设备数量,RT为技术替代参数,反映多个技术交换的效果,其值为-1或1。基于需求侧的储能循环建模还需要考虑以下三个方面,即储能总量应不大于最大容量当前储能输入SC应小于剩余储能空间、当前储能输出SD应该低于上期的储能:
SDe,et,i,y,s,h≤STe,et,i,y,s,h-1
所述冰蓄冷空调采用如下所示的数学模型:
S4:根据影响因子,构建多联产系统运行的能量守恒约束条件和边界条件,构建系统模型的寻优运算空间。
该实施例中,所述影响因子为实时功能模式的影响和能源需求波动的影响;所述多联产系统运行的能量守恒约束条件包括电能平衡约束、热能平衡约束和冷能平衡约束;所述边界条件包括设备功率约束。
S5:根据目标区域内的评价指标,通过熵权法对多目标的权重进行赋值,将系统模型的多目标函数加权转化为单一目标函数。
该实施例中,所述评价指标包括经济效益评价指标、节能效益评价指标和环境效益评价指标。
采用的目标函数数学模型为:
min(max)o=min(max)(w1o1+w2o2+w3o3)
其中,o1、o2、o3表示各效益的评价指标,分别为总运行成本、能源效率与排放因子;w1、w2、w3表示各效益评价指标对应的权重因子。
S51:经济效益o1的评价指标为多联产系统的总运行成本,包含燃料费用、与电网交易的买电费用以及卖电费用的和差值,其具体计算公式如下:
上式中,CCy表示新技术的年度投资,OMy表示年度运营维护成本,INy表示销售给电网的收入,r表示年利率。
S511:CCy的计算公式如下:
上式中,下标t、st分别表示产能技术设备及储能设备;NT、NS分别表示节点i新投资的技术设备数量;Pt、Ps分别表示节点i新投资的技术设备价格;Dis表示两个节点i之间的距离;二元变量Xp代表节点间新投资的管网;Pc代表每公里的管道成本。
S512:OMy的计算公式如下:
上式中,下标tg表示技术类型,包含热电联产和燃料锅炉;Eingas表示天然气消耗量,Pgas表示天然气价格,本实施例中设定为常数;ELim表示电力输入量,且节点间直接输电的可能性很小;Ptou表示电价,本实施例中采用分时计价;Nt、Ns分别表示供应方技术总数及存储部件总数;β为维护系数。
S513:INy的计算公式如下:
上式中,ELex表示将多余的发电量;Pfi表示电力的上网电价。
S52:节能效益o2的评价指标为运行周期内的能源效率,其具体表达式如下所示:
S53:环境效益o3的评价指标是排放因子,其值为二氧化碳、二氧化硫等气体的排放总量与传统参考供能系统SP的差值,其计算公式如下:
o3=EMrm+EMtm+EMpc+EMop+EMel
上式中,根据生命周期理论,分别计算原材料采购rm、技术制造tm、工厂建设pc、操作运行op和报废el五个过程的污染物排放。排放污染物主要包括COX、NH4、NOX、SOX、CH4和PM2.5,均可用二氧化碳排放当量表征。
其中操作运行阶段的污染物排放可表示为如下模型:
上式中,IEgas表示系统消耗的天然气量;EP表示电网买电量;ε表示天然气和煤炭的排放因子,天然气、煤炭产生的温室气体排放量可转换为二氧化碳当量;η表示标煤发电效率。
本实施例的混合整数非线性模型在通用数学建模软件GAMS(The GeneralAlgebraic Modeling System)平台搭建,并使用平台内置求解器lindo展开优化运行。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (13)
1.一种能源系统与管网布局联合优化方法,其特征在于,包括以下步骤:
S1:建立目标区域内的按季节划分的特征日的冷、热和电负荷模型;
S2:根据负荷模型得出的负荷结果数据,将目标区域内各个节点的能量供需链进行集成,建立管网模型,所述管网模型包括节点内管网能量流控制模型和节点间管网布局模型;管网模型采用如下所示数学模型:
上式中,下标i’表示节点i附近的一个节点;下标y,s,h分别表示年,季节,小时;MP表示节点间管网中的能流;MT表示技术设备产生的能流,MB表示输送给各节点的能流;DE表示节点内管网中的能流;Cp表示水的比热容;△T表示供给侧与管网回水之间的温差;HL表示管网传输的能量损失;D表示两个节点质心间的直线距离;τ为曲折因子,其值为曲折路径与其欧几里德距离的比值;κ表示供能管道的损失百分比;δ表示持续时间;X和XP均为二进制变量,从施工开始起X的价值为1,管网完工时起XP的价值为1,以保证管道投资成本计算正确;
S3:根据负荷模型和管网模型,选择发电技术设备、辅助功能技术设备和储能技术设备,构建分布式综合能源系统的能量生产与传输体系,并对其中所有的技术设备进行数学建模,构建系统模型;
S4:根据影响因子,构建多联产系统运行的能量守恒约束条件和边界条件,构建系统模型的寻优运算空间;
S5:根据目标区域内的评价指标,通过熵权法对多目标的权重进行赋值,将系统模型的多目标函数加权转化为单一目标函数。
3.根据权利要求1所述的能源系统与管网布局联合优化方法,其特征在于:步骤S3中所述发电技术设备包括CHP电厂和可再生发电技术,所述可再生发电技术包括光伏发电板、太阳能集热器和风力发电机;所述辅助功能技术设备包括燃料锅炉、电制冷空调、换热器、地源热泵和溴化锂吸收式制冷机;所述储能技术设备包括蓄电池、冰蓄冷空调和储罐。
6.根据权利要求3所述的能源系统与管网布局联合优化方法,其特征在于:所述光伏发电板采用如下所示的数学模型:
OEi,pv,y,s,h=ηpv,y·θy,s,h·NSTi,pv,y·εpv
上式中,OE表示光伏发电板的输出能量;η表示光伏发电板的效率,设置η=14.2%;θ表示实时太阳辐照强度;NST表示光伏发电板的数量;εpv表示光伏发电板的平均尺寸。
10.根据权利要求3所述的能源系统与管网布局联合优化方法,其特征在于:所述储能技术设备采用如下所示的数学模型:
STe,et,i,y,s,h=STe,et,i,y,s,h-1+SCe,et,i,y,s,h-SDe,et,i,y,s,h-LSe,et,i,y,s,h
上式中,下标e表示所储能量的类型,包含冷、热与电;下标et表示储能技术类型,包括蓄电池、冰蓄冷空调和储罐;ST、SC与SD表示储能、产能与耗能;LS表示能量损失。
12.根据权利要求1所述的能源系统与管网布局联合优化方法,其特征在于:步骤S4中所述影响因子包括实时功能模式的影响和能源需求波动的影响,所述多联产系统运行的能量守恒约束条件包括电能平衡约束、热能平衡约束和冷能平衡约束;所述边界条件包括设备功率约束。
13.根据权利要求1所述的能源系统与管网布局联合优化方法,其特征在于:步骤S5中所述评价指标包括经济效益评价指标、节能效益评价指标和环境效益评价指标;
通过熵权法将多目标函数加权转化为单一目标函数采用的目标函数数学模型为:
min(max)o=min(max)(w1o1+w2o2+w3o3)
其中,o表示转化后的单一目标,o1、o2、o3表示各效益的评价指标,分别为总运行成本、能源效率与排放因子;w1、w2、w3表示各效益评价指标对应的权重因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810281676.0A CN108197768B (zh) | 2018-04-02 | 2018-04-02 | 一种能源系统与管网布局联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810281676.0A CN108197768B (zh) | 2018-04-02 | 2018-04-02 | 一种能源系统与管网布局联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197768A CN108197768A (zh) | 2018-06-22 |
CN108197768B true CN108197768B (zh) | 2021-07-27 |
Family
ID=62596546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810281676.0A Active CN108197768B (zh) | 2018-04-02 | 2018-04-02 | 一种能源系统与管网布局联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197768B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694483A (zh) * | 2018-07-28 | 2018-10-23 | 天津大学 | 考虑电热气耦合的综合能源系统设备选型及容量规划方法 |
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系统的经济调度方法 |
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 |
CN109884898B (zh) * | 2019-03-22 | 2022-01-28 | 河海大学 | 一种综合能源系统多目标模糊优化方法 |
CN110059979A (zh) * | 2019-04-28 | 2019-07-26 | 上海博亦信息科技有限公司 | 一种城市资源禀赋与科技成果转化成功度的分析方法 |
CN110245878B (zh) * | 2019-06-27 | 2021-09-21 | 华翔翔能科技股份有限公司 | 智能楼宇群体的分布式综合能源需求响应协同优化方法 |
CN110852531A (zh) * | 2019-11-26 | 2020-02-28 | 国网江苏省电力有限公司南通供电分公司 | 一种能源互联网多目标优化方法 |
CN111105086A (zh) * | 2019-12-16 | 2020-05-05 | 茂盟(上海)工程技术股份有限公司 | 一种冷热电负荷预测可视化布局系统及方法 |
CN111445107B (zh) * | 2020-03-02 | 2023-06-13 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
CN111429301B (zh) * | 2020-03-26 | 2023-04-28 | 中国科学技术大学 | 一种容量配置和运行策略的协同优化处理方法和装置 |
CN111798044B (zh) * | 2020-06-30 | 2023-07-25 | 国网甘肃省电力公司武威供电公司 | 基于改进最小叉熵的ries运行规划仿真方法 |
CN111815174A (zh) * | 2020-07-10 | 2020-10-23 | 中联煤层气有限责任公司 | 一种确定气田集输系统的架构参数的方法及相关装置 |
CN112395719B (zh) * | 2020-11-16 | 2024-01-12 | 新奥新智科技有限公司 | 能源系统的管网布局方法及装置 |
CN112949940A (zh) * | 2021-03-17 | 2021-06-11 | 东南大学 | 一种综合能源虚拟电厂多设备选址方法 |
CN113255224A (zh) * | 2021-06-03 | 2021-08-13 | 玲珑集团有限公司 | 一种基于发光萤火虫算法的能源系统配置优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676646A (zh) * | 2016-03-11 | 2016-06-15 | 国网天津市电力公司 | 一种冷热电联供系统优化运行的线性化方法 |
CN106055773A (zh) * | 2016-05-27 | 2016-10-26 | 东南大学 | 结合热网模型的多区域综合能源系统配置模型的建立方法 |
CN106651628A (zh) * | 2016-09-14 | 2017-05-10 | 国网天津市电力公司 | 基于图论的区域冷热电综合能源优化配置方法及装置 |
CN106960282A (zh) * | 2017-03-27 | 2017-07-18 | 武汉大学 | 一种气电综合能源配网系统的协调运行方法 |
CN107025519A (zh) * | 2017-03-30 | 2017-08-08 | 厦门大学 | 区域分布式冷热电多联产系统混合整数非线性模型优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9146547B2 (en) * | 2011-07-20 | 2015-09-29 | Nec Laboratories America, Inc. | Optimal energy management of a rural microgrid system using multi-objective optimization |
-
2018
- 2018-04-02 CN CN201810281676.0A patent/CN108197768B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676646A (zh) * | 2016-03-11 | 2016-06-15 | 国网天津市电力公司 | 一种冷热电联供系统优化运行的线性化方法 |
CN106055773A (zh) * | 2016-05-27 | 2016-10-26 | 东南大学 | 结合热网模型的多区域综合能源系统配置模型的建立方法 |
CN106651628A (zh) * | 2016-09-14 | 2017-05-10 | 国网天津市电力公司 | 基于图论的区域冷热电综合能源优化配置方法及装置 |
CN106960282A (zh) * | 2017-03-27 | 2017-07-18 | 武汉大学 | 一种气电综合能源配网系统的协调运行方法 |
CN107025519A (zh) * | 2017-03-30 | 2017-08-08 | 厦门大学 | 区域分布式冷热电多联产系统混合整数非线性模型优化方法 |
Non-Patent Citations (1)
Title |
---|
多区域综合能源系统热网建模及系统运行优化;顾伟 等;《中国电机工程学报》;20170305;第37卷(第5期);第1305-1313页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108197768A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197768B (zh) | 一种能源系统与管网布局联合优化方法 | |
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 | |
CN108960503B (zh) | 基于内点法的综合能源系统多场景优化分析方法 | |
Henning et al. | A comprehensive model for the German electricity and heat sector in a future energy system with a dominant contribution from renewable energy technologies—Part I: Methodology | |
Liu et al. | Coordinated operation of multi-integrated energy system based on linear weighted sum and grasshopper optimization algorithm | |
Shen et al. | Multi-objective capacity configuration optimization of an integrated energy system considering economy and environment with harvest heat | |
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 | |
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 | |
CN113344736A (zh) | 一种园区级综合能源系统及其控制方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN109634119A (zh) | 一种基于日内滚动优化的能源互联网优化控制方法 | |
CN111860937A (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 | |
Zhang et al. | Nested optimization design for combined cooling, heating, and power system coupled with solar and biomass energy | |
Chang et al. | Multi-objective optimization of a novel combined cooling, dehumidification and power system using improved M-PSO algorithm | |
CN112182887A (zh) | 一种综合能源系统规划优化仿真方法 | |
Wang et al. | Optimizing for clean-heating improvements in a district energy system with high penetration of wind power | |
Sandvall et al. | Low-energy buildings heat supply–Modelling of energy systems and carbon emissions impacts | |
CN105955931A (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
CN109861302A (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN111445107A (zh) | 冷热电联供型微电网多目标优化配置方法 | |
CN112364556A (zh) | 基于多能互补的智慧能源优化配置方法及终端设备 | |
Zhang et al. | Energy scheduling optimization of the integrated energy system with ground source heat pumps | |
Guo et al. | Thermodynamic performance analyses and optimization design method of a novel distributed energy system coupled with hybrid-energy storage | |
CN113850409A (zh) | 一种考虑可再生能源接入的综合能源系统优化运行方法 |
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 |