CN108631343A - 一种多能互补能源互联网优化调度方法 - Google Patents

Abstract

本发明涉及一种多能互补能源互联网优化调度方法，所述多能互补能源互联网包括储冷/热单元、储电单元、电出力设备、冷出力设备、热出力设备和负荷需求方，所述方法包括：在设定的控制策略下，以系统运维成本、环保成本及综合效益成本最低作为多目标函数，约束条件包括功率平衡约束、发电输出功率限制约束和储能电池运行约束，通过基于自适应交叉变异操作的遗传算法求解，得到各设备的负荷优化分配。与现有技术相比，本发明相比于传统调度方法，不仅促进了外电网的“削峰填谷”，而且缓解电网负荷压力，提高了区域新能源的就地消纳能力，实现真正意义上的清洁高效。

Description

一种多能互补能源互联网优化调度方法

技术领域

本发明涉及能源调度技术领域，尤其是涉及一种多能互补能源互联网优化调度方法。

背景技术

多能互补能源互联网集合了多种能源形式(风、光、天然气)，包括余热利用单元、储能、蓄能单元等。其能源形式的多样化增加了系统的波动性。如何提高系统的优化调度，是分布式能源互联网经济可靠、安全高效运行的关键。

传统的分布式能源互联网由可再生能源、三联供系统及单一纯储能系统组成，传统研究方法主要是将传统分供系统与单一运行控制策略下的优化调度的综合效益进行对比。随着一次能源的逐渐枯竭及国内外学者对多能互补能源互联网研究的不断推进，能源互联网的经济性越来越受到大家的关注。随之，多能互补能源互联网中的设备数学模型在多时间尺度上将会更加复杂。

在解决多目标的联合规划问题时，优化目标的约束条件，除了自有特性约束外，还需要考虑其耦合约束，因此需求高效的智能算法来解决模型的计算问题。多能互补能源互联网的运行优化调度与能源系统的调度策略紧密相关，不同的调度策略与市场方案对最终的优化调度结果产生重大影响。综上，多能互补能源互联网的优化调度仍面临严峻的挑战。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多能互补能源互联网优化调度方法。

本发明的目的可以通过以下技术方案来实现：

一种多能互补能源互联网优化调度方法，所述多能互补能源互联网包括储冷/热单元、储电单元、电出力设备、冷出力设备、热出力设备和负荷需求方，所述方法包括：在设定的控制策略下，以系统运维成本、环保成本及综合效益成本最低作为多目标函数，约束条件包括功率平衡约束、发电输出功率限制约束和储能电池运行约束，通过基于自适应交叉变异操作的遗传算法求解，得到各设备的负荷优化分配。

优选的，所述电出力设备包括风力发电单元、光伏发电单元、燃气内燃机发电系统及并网时所考虑的市电；所述冷出力设备包括冷水机组、溴化锂冷温水机组；所述热出力设备包括空气源热泵、冷水机组、溴化锂冷温水机组。

优选的，所述控制策略采用并网售电控制策略，所述并网售电控制策略包括：

利用分时电价政策，在夜间电价低谷时段通过开启所述冷水机组和空气源热泵分别进行制冷、制热，将冷/热水储存在所述储冷/热单元中，在白天用能高峰时段，通过释放储冷/热单元中的冷/热水，来满足用户的冷/热能需求；若多能互补能源互联网的供能无法满足区域内的电负荷需求，则从外电网购电来补充区域的负荷需求缺额，若多能互补能源互联网中有电余量，则采取余电上网的措施。

优选的，所述基于自适应交叉变异操作的遗传算法求解的过程包括：

(1)、依据系统总决策变量个数确定初始种群大小，将系统的目标函数映射为适应度函数，先在各设备的约束条件下生成一组初始种群，通过比较每组初始种群的适应度大小，选择第一次迭代的最优个体；

(2)、自适应地改变交叉概率P_c、变异概率P_m的大小，使进化过程分为渐进和突变两个不同阶段；

(3)、利用适应度函数值中最大的个体形成子群体，并与次子代的个体混合组成次子代初始化种群；

(4)、不断更新种群直至满足迭代条件为止，输出最终使目标函数最小的各决策变量值。

与现有技术相比，本发明具有以下优点：

1、本优化调度方法相比于传统调度方法，不仅促进了外电网的“削峰填谷”，而且缓解电网负荷压力，提高了区域新能源的就地消纳能力，实现真正意义上的清洁高效。

2、采用并网售电控制策略，与并网不售电控制策略和离网控制策略相比，既能够达到经济效益最优，又能够实现更好的环保性。

3、采用自适应交叉变异操作的遗传算法求解多能互补能源互联网多目标函数的问题，利用当前种群适应度和种群代数来设计交叉算子和变异算子，有效的保持了种群的多样性，改善了全局搜索能力，加快了收敛速提高计算精度，在寻找最优解时具有良好的表现。

4、将传统单一的储冷/热单元和储电单元结合作为区域能源系统的调峰设备，制定供冷/热设备的运行模式，实现高峰时段电负荷、冷/热负荷转移，提高了系统的整体效益。

附图说明

图1为本发明中多能互补能源互联网优化调度方法流程图；

图2为本发明中基于自适应交叉变异操作的遗传算法流程图；

图3为本发明中多能互补能源互联网的能源结构示意图；

图4为实例中园区夏季典型日光伏与风力发电功率；

图5为实例中园区冬季典型日光伏与风力发电功率；

图6为实例中园区夏季典型日电负荷与冷负荷；

图7为实例中园区冬季典型日电负荷与热负荷；

图8为实例中并网售电控制策略下园区夏季典型日冷能调度优化结果；

图9为实例中并网售电控制策略下园区夏季典型日电能调度优化结果；

图10为实例中并网售电控制策略下园区冬季典型日热能调度优化结果；

图11为实例中并网售电控制策略下园区冬季典型日电能调度优化结果；

图12为实例中并网不售电控制策略下园区夏季典型日冷能调度优化结果；

图13为实例中并网不售电控制策略下园区夏季典型日电能调度优化结果；

图14为实例中并网不售电控制策略下园区冬季典型日热能调度优化结果；

图15为实例中并网不售电控制策略下园区冬季典型日电能调度优化结果；

图16为实例中离网控制状态下园区夏季典型日冷能调度优化结果；

图17为实例中离网控制状态下园区夏季典型日电能调度优化结果；

图18为实例中离网控制状态下园区冬季典型日热能调度优化结果；

图19为实例中离网控制状态下园区冬季典型日电能调度优化结果。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

如图3所示，多能互补能源互联网包括储冷/热单元、储电单元、电出力设备、冷出力设备、热出力设备和负荷需求方。电出力设备包括风力发电单元、光伏发电单元、燃气内燃机发电系统及并网时所考虑的市电；冷出力设备包括冷水机组和溴化锂冷温水机组；热出力设备包括空气源热泵、冷水机组和溴化锂冷温水机组。通过各设备、系统之间的协调满足用户侧冷热电负荷需求。燃气内燃机发电机组和余热利用设备组成冷热电联供单元，余热利用设备包括溴化锂冷温水机组。储电单元包括储能电池，储冷/热单元包括蓄能水箱。负荷需求方包括电负荷、冷负荷和热负荷，电负荷包括风力发电单元、光伏发电单元、燃气轮机系统和市电，冷负荷包括冷水机组、溴化锂冷温水机组和蓄能水箱，热负荷包括空气源热泵、冷水机组、溴化锂冷温水机组和蓄能水箱。其中，溴化锂冷温水机组具体为烟气热水型溴化锂吸收式冷温水机组，冷水机组具体为离心式冷水机组。多能互补能源互联网中将储冷/热单元和储电单元结合作为调峰设备。该系统能源形式多样，为实现分布式能源互联网的经济运行，需要考虑分布式能源系统中各供能单元的出力分配，以及分布式能源互联网与外电网之间的电能交互。通过储能、蓄能系统的充放控制，来调节由气象因素引起的光伏、风力出力的波动及负荷的突然变动，提高分布式能源系统运行稳定性。在满足区域内的冷、热、电负荷的需求、能源系统运行经济性的同时，考虑环保性。

本实施例中，各分布式单元的运行模式如下所示：

1、优先利用能源互联网内部的光伏(PV)、风电(WT)的可再生能源发电；在保证能源互联网稳定运行的基础上，用此类清洁能源来满足区域电负荷，并实现与外电网的电交换；且PV与WT都工作与最大功率跟踪点模式。

2、对于冷热电联供系统(CCHP)，由于其具有较高的一次能源利用效率，为提高系统的综合利用效率，其工作在“以冷/热定电”运行模式下，由区域的冷/热负荷确定CCHP的整体出力。

3、当PV、WT和CCHP的出力能够满足区域的全部电负荷时，首先为储能电池(BT、EV)、蓄能水箱储能，同时监测储能装置的工作状态，使其工作在最优状态；在区域进入负荷高峰阶段时，则储能电池、蓄能水箱设备工作在放能状态；即储能电池、蓄能水箱设备以“削峰填谷”模式进行工作。

4、作为区域冷/热供能的主要设备，CCHP部分的具体运行模式规定如下：

1)供冷设备运行策略：

冷能以5℃的水的方式供给用户或者储存在蓄能水箱中；过度阶段将充分使用余热设备，将余热设备分开供能，一部分余热机组进行供热，一部分将进行供冷；

7:00-23:00高峰电时间段：

根据冷负荷的需求，优先开启燃气内燃机发电机组及溴化锂冷温水机组，即优先利用联供系统；余热利用设备余热机组单台制冷出力不宜低于50％；超出的负荷需求依次由蓄冷槽、离心式冷水机组提供；

23:00-次日7:00低谷电时间段：

为了使谷电得到充分利用，优先开启离心式冷水机组。

2)供热设备运行策略：

热能以56℃的水的方式供给用户或者储存在蓄能水箱中；在供热负荷高峰时段，余热设备优先使用，即优先运行溴化锂冷温水机组，空气源热泵、蓄热槽进行调峰运行，当负荷下降时将溴化锂冷温水机组的热能余量储蓄在蓄能水箱里，过渡期将一部分溴化锂冷温水机组进行供冷，使余热充分利用，夏季的生活热水负荷主要运行余热设备。

一种多能互补能源互联网优化调度方法，包括：在设定的控制策略下，以系统运维成本、环保成本及综合效益成本最低作为多目标函数，约束条件包括功率平衡约束、发电输出功率限制约束和储能电池运行约束，通过基于自适应交叉变异操作的遗传算法求解，得到各设备的负荷优化分配。功率平衡约束包括电功率平衡约束和热/冷功率平衡约束。

控制策略包括三种：并网售电控制策略、并网不售电控制策略和离网控制策略。

策略一：并网售电控制策略：利用分时电价政策，在夜间电价低谷时段通过开启电动离心式冷水机组和空气源热泵分别进行制冷、制热，将冷/热水储存在蓄能水箱中，在白天用能高峰时段，通过释放蓄能水箱中的冷/热水，来满足用户的冷/热能需求；若多能互补能源互联网的供能无法满足区域内的电负荷需求，则从外电网购电来补充区域的负荷需求缺额，若多能互补能源互联网中有电余量，则采取余电上网的措施。通过分时电价及政府对于分布式发电的价格补贴等，极大改善了系统的运行经济性。

策略二：并网不售电控制策略：策略二与策略一相比，区别在于仅与外电网实现单向流动；即在园区的冷、热、电负荷需求无法完全满足时向外电网购电，以补充缺额；但若能够满足需求，则根据负荷实际需求对分布式能源互联网进行实时出力调度，而不采用向外电网售电的方式。

策略三：离网状态：当外电网发生故障时，多能互补能源互联网需要切断与外电网的连接，工作在离网状态下。此时，能源互联网优化调度的目的在于维持园区内重要电负荷的稳定运行，并最大限度的供应冷/热能。即：优先利用可再生能源(PV、WT)发电，冷热电联供系统运行在“冷/热定电”方式下；在用能高峰时段，当各分布式单元无法满足区域全部负荷需求时，则优先考虑储能电池及蓄能设备供能，若在储能、蓄能系统仍不能满足区域负荷需求，则根据负荷需求的重要性，考虑切除部分可中断负荷，优先保证重要负荷的供能。

通过对能源系统各设备进行建模及能流分析，得到各设备出力与系统运维成本C₁、环保成本C₂及综合效益成本C₃的函数，以各成本最低作为目标函数：

minC₂＝C_CCHP+C_grid

minC₃＝[C₁,C₂]

其中，C_i,A表示能源互联网中各分布式发电单元i的安装成本；N表示各分布式发电单元i(PV、WT、CCHP、BT)的总数；C_i,O表示能源互联网中各分布式发电单元i的运维成本；C_i,f表示能源互联网中分布式发电单元i的燃料消耗成本；C_Grid表示为能源互联网与外电网之间的购售电成本；C_CCHP表示多能互补能源互联网中冷热电联供单元的排污处理费用。

对于上述目标函数，主要考虑以下约束：

(1)等式约束

1)电功率平衡约束

式中：P_Load,t为t时刻园区用户及发电设备制冷、供热所需的电负荷；P_Grid,t为能源互联网与外电网交换功率；P_BT,t为t时刻储能电池充电量和放电量，蓄电取负值，放电取正值；P_i,t为发电单元类型i(PV、WT、CCHP)的输出功率，等式表达如下：

P_i,t＝P_WT+P_PV+P_GE

P_WT、P_PV和P_GE分别表示发电单元PV、WT和CCHP的输出功率。

2)热/冷功率平衡约束

Q_AC,t+Q_CL,t+Q_CS,t＝Q_c,t

Q_AC,t+Q_EC,t+Q_HS,t＝Q_h,t

式中，Q_AC,t为溴化锂冷温水机供冷/热功率；Q_CL,t为离心式电制冷机制冷功率；Q_CS,t为储能系统的蓄/放冷功率；Q_c,t为园区的冷负荷功率需求功率；Q_AC,t为溴化锂冷温水机输出热功率；Q_HS,t为热能储能系统的蓄/放热功率；Q_EC,t为空气源热泵供热功率；Q_h,t为园区热负荷需求功率。

(2)不等式约束

1)发电输出功率限制约束

各发电单元出力需满足机组容量限制才能稳定运行，即要求：

式中：分别为第i种分布式发电单元t时刻出力上、下限；P_i,i为发电单元类型i的输出功率，单位kW。各单元具体的发电输出功率限制如下所示。

①燃气内燃机：

式中：P_GE ^t为当前内燃机发电功率；P_GE ^t-1为上一时段内燃机发电功率；P_GE,up表示内燃机在该时间段内发电功率的最大增幅；P_GE,down表示内燃机在该时间段内发电功率的最大降幅。

②烟气热水型溴化锂机组出力约束：溴化锂冷温水机组在运行过程中，输出冷热功率受其额定功率限制，如下式所示：

式中，Q_AC,c为溴化锂冷温水机组的制冷功率；Q_AC,h为余热吸收式冷温水机的制热功率；Q_AC,cIN为溴化锂冷温水机组的额定制冷容量；Q_AC,hIN为溴化锂冷温水机组的额定制热容量。

③空气源热泵出力约束：

0≤Q_EC≤Q_EC,N

式中：Q_EC为空气源热泵的供热功率；Q_EC,N为空气源热泵的额定供热功率。

④离心式制冷机组制冷出力约束：

0≤Q_CL≤Q_CL,N

式中：Q_CL为离心式制冷机组的制冷量；Q_CL,N为离心式制冷机的额定制冷功率。

⑤蓄能水箱蓄能和放能约束：

供冷时；

供热时；

式中，S_CS 、S_HS 分别为蓄能水箱的蓄冷、热量下限；分别为蓄能水箱的蓄冷、热量上限；分别为蓄能水箱的蓄冷、热量功率上限；分别为蓄能水箱的放冷、热量功率上限。

2)储能电池运行约束

式中：S_BT 为储能电池的能量状态下限；为储能电池的能量状态上限；为储能电池的最大允许充电功率，单位kW；为储能电池最大允许放电功率，单位kW，储能电池的荷电量优先分配给有功出力。

本方法在遗传算法求解的过程中采用自适应的交叉变异操作，在生成初始种群时采用“最优保留”政策。

“最优保留”政策：在遗传算法中，若采用完全随机生成初始种群的方法，收敛速度会很慢，且会影响收敛精度，因此，为保证算法最终收敛于全局最优，利用适应度函数值中最大的个体形成子群体，并与次子代的个体混合组成次子代初始化种群，从而提高了收敛速度。

采用自适应的交叉变异操作：在计算过程中，自适应地改变交叉概率P_c、变异概率P_m的大小，使进化过程分为渐进和突变两个不同阶段，这将大大地提高算法的计算速度和收敛效率，参数调整方案如下：

其中P_c1＜P_c2

其中P_m1＜P_m2

其中，P_c1、P_c2分别表示交叉概率1、交叉概率2，P_m1、P_m2分别表示变异概率1、变异概率2，f₁表示要交叉的两个个体中较大的适应度值，f₂表示要变异的个体的适应度值，f_max表示群体中最大的适应度值，f_avg表示每代群体的平均适应度。

为了保证遗传算法的全局收敛性和加快算法的收敛速度，在基本遗传算法的基础上进行如上部分的改进。改进遗传算法的流程图如图2所示。该遗传算法在多能互补能源互联网的优化调度的应用流程图如图1所示，具体包括：

(1)、依据系统总决策变量个数确定初始种群大小，将系统的目标函数映射为适应度函数，先在各设备的约束条件下生成一组初始种群，通过比较每组初始种群的适应度大小，选择第一次迭代的最优个体；

(2)、自适应地改变交叉概率P_c、变异概率P_m的大小，使进化过程分为渐进和突变两个不同阶段；

(3)、利用适应度函数值中最大的个体形成子群体，并与次子代的个体混合组成次子代初始化种群；

(4)、不断更新种群直至满足迭代条件为止，输出最终使目标函数最小的各决策变量值。

本实施例中，对比传统分供形式下和不同控制策略下的多能互补能源互联网优化调度方法。本实施例以华东地区某园区的实际工程为依托，建设以风力、光伏、天然气为基础能源的冷热电联供的多能互补分布式能源系统。以夏季和冬季典型日用户侧冷/热、电负荷为研究对象，依据当地夏季和冬季环境温度、光照强度、风速预测风机及光伏电池出力(如图4和5所示)。夏季和冬季冷/热、电负荷采用园区用户侧真实数据，其曲线图如图6和7所示。

多能互补分布式能源互联网按照并网售电控制策略、并网不售电控制策略及离网控制策略三种策略分别进行仿真。在不同调度日以15mins为一时间段，对该园区进行全局运行优化，不同策略的仿真结果分析如下：图8～11是能源互联网系统在并网售电控制策略下夏、冬季的冷能、电能的优化调度结果；图12～15是能源互联网系统在并网不售电控制策略下夏、冬季的冷能、电能的优化调度结果；图16～19是能源互联网系统在离网控制策略下夏、冬季的冷能、电能的优化调度结果。根据调度优化结果，得到系统综合效益最优时，各能源设备的出力情况。

策略一、策略二情况下，将夏季典型日的运维、燃料、电网购售电成本与传统分供形式下的成本比较。传统分供方式，即由外电网购电满足园区所有电负荷需求、由电制冷机制冷满足园区所有冷负荷需求，传统分工系统的运维成本为电制冷机运维成本。

表1策略一夏季典型日下成本比较(单位：元)

表2策略二夏季典型日下成本比较(单位：元)

供能方式	设备运维	燃料成	电网购电成	总成本
					联供方式	1071	11098	43807	55976
传统分供方	232	0	69914	70146
					节约成本	-839	-11098	26107	14170

根据仿真结果，计算多能互补能源互联网系统在夏季典型日的运维、燃料、电网购售电成本，计算具有相同负荷时，传统分供系统的运维、燃料、电网购售电成本。计算结果如表1、2。由表1、2可知，不管是并网售电方式，还是并网不售电方式，相较于传统分供方式，多能互补分布式能源互联网系统购电成本、总成本均有明显的下降，尤其售电模式下，购电成本下降了47.1％，总成本下降了23.7％，由此可见，建立多能互补分布式能源互联网是很有必要的。当外电网发生故障时，需要切断园区分布式能源互联网与外电网的联结，园区能源互联网进入离网运行状态。此时，分布式能源互联网优化调度的首要目的在于，保证园区重要负荷供能不中断的同时，最大限度的供应冷、热、电。在离网运行状态下，园区内部的分布式源提供的电能有限，此时将优先保证园区一、二级重要负荷的供能。

表3不同控制策略下成本比较(单位：万元)

控制策略	经济成本	环保成本	总成本
				策略一	2595.455	1.651	2597.106
策略二	2595.698	1.783	2597.481
				策略三	2594.281	1.295	2595.576

由表3可知，并网运行模式下，售电与不售电状态，即策略一与策略二，其经济成本相差0.243万元，环保成本相差0.132万元，总成本相差0.375万元，即在总安装成本一致的情况下，并网售电模式既能够达到经济效益最优，又能够实现更好的环保性。策略三为外电网故障状态时离网运行状态的成本，虽然其经济成本与环保成本都较并网售电控制策略(策略一)下低，但此时园区只能保证重要负荷的能源供应，不能作为园区的运行常态。因此，本实施例中多能互补能源互联网最终采用并网售电控制策略，系统综合效益达到最优。

本实施例多能互补能源互联网优化调度方法与传统分供方式对比分析，结果表明本方法不仅促进了外电网的“削峰填谷”，而且缓解电网负荷压力，提高了区域新能源的就地消纳能力；针对不同控制策略下优化调度方法，表明本方法在并网售电状态下，园区的综合效益达到最优，实现真正意义上的清洁高效。本方法对能源互联网的发展、多能互补能源互联网示范工程项目的实施都有一定的推动作用，具有一定的借鉴意义。

Claims (4)

1.一种多能互补能源互联网优化调度方法，所述多能互补能源互联网包括储冷/热单元、储电单元、电出力设备、冷出力设备、热出力设备和负荷需求方，其特征在于，所述方法包括：在设定的控制策略下，以系统运维成本、环保成本及综合效益成本最低作为多目标函数，约束条件包括功率平衡约束、发电输出功率限制约束和储能电池运行约束，通过基于自适应交叉变异操作的遗传算法求解，得到各设备的负荷优化分配。

2.根据权利要求1所述的一种多能互补能源互联网优化调度方法，其特征在于，所述电出力设备包括风力发电单元、光伏发电单元、燃气内燃机发电系统及并网时所考虑的市电；所述冷出力设备包括冷水机组、溴化锂冷温水机组；所述热出力设备包括空气源热泵、冷水机组、溴化锂冷温水机组。

3.根据权利要求2所述的一种多能互补能源互联网优化调度方法，其特征在于，所述控制策略采用并网售电控制策略，所述并网售电控制策略包括：

利用分时电价政策，在夜间电价低谷时段通过开启所述冷水机组和空气源热泵分别进行制冷、制热，将冷/热水储存在所述储冷/热单元中，在白天用能高峰时段，通过释放储冷/热单元中的冷/热水，来满足用户的冷/热能需求；若多能互补能源互联网的供能无法满足区域内的电负荷需求，则从外电网购电来补充区域的负荷需求缺额，若多能互补能源互联网中有电余量，则采取余电上网的措施。

4.根据权利要求1所述的一种多能互补能源互联网优化调度方法，其特征在于，所述基于自适应交叉变异操作的遗传算法求解的过程包括：

(1)、依据系统总决策变量个数确定初始种群大小，将系统的目标函数映射为适应度函数，先在各设备的约束条件下生成一组初始种群，通过比较每组初始种群的适应度大小，选择第一次迭代的最优个体；

(2)、自适应地改变交叉概率P_c、变异概率P_m的大小，使进化过程分为渐进和突变两个不同阶段；

(3)、利用适应度函数值中最大的个体形成子群体，并与次子代的个体混合组成次子代初始化种群；

(4)、不断更新种群直至满足迭代条件为止，输出最终使目标函数最小的各决策变量值。