发明内容
本发明的目的在于提供一种设计合理、通用性较好且有助于促进园区内部可再生能源消纳的基于优化模型的园区多能源主体综合配比方法。
本发明解决其现实问题是采取以下技术方案实现的:
一种基于优化模型的园区多能源主体综合配比方法,包括以下步骤:
步骤1、以年值成本最小化为园区多能源主体综合配比优化目标,综合考虑园区多能源主体供应和转化设备的年折旧及运行维护成本、外购电成本和外购天然气成本,分别计算各类型成本,构建年值成本最小化的优化模型目标函数;
步骤2、综合考虑园区投资约束、园区能源自平衡约束、多能源主体负荷平衡约束、园区外部能源输入约束、多能源主体供应和转化设备出力及爬坡约束和变量非负及整数约束,构建优化模型约束条件;
步骤3、基于粒子群算法求解步骤1的年值成本最小化的优化模型,输出目标值和最优解,得到园区多能源主体综合配比。
而且,所述步骤1的具体步骤包括:
步骤1-1:计算多能源主体供应和转化设备的年折旧成本,计算公式如下:
式中,ADC为多能源主体供应和转化设备的年折旧成本(万元/年);ADCi为设备i的年折旧成本(万元/年/台);ni为设备i的数量(台);
Ii为设备i的初始投资成本(万元/台);(A/P,i0,mi)为以i0为折现率,设备i的使用寿命mi为时间周期的等额分付资本回收系数(1/年);εi为设备i的残值率(%);
步骤1-2:计算多能源主体供应和转化设备的年运行维护成本,计算公式如下:
式中,AOC为多能源主体供应和转化设备的年运行维护成本(万元/年);AOCi为设备i的年运行维护成本(万元/年);γi为设备i年运行维护成本费率(%);
步骤1-3:计算园区年外购电成本,计算公式如下:
式中,AC
e为外购电成本(万元/年);
为供热季典型日时段t外部电网的输入电功率(万千瓦);Δt为单位时间间隔;N
HS为一年中供热季典型日的天数(天);
为供冷季典型日时段t外部电网的输入电功率(万千瓦);N
CS为一年中供冷季典型日的天数(天);
为过渡季典型日时段t外部电网的输入电功率(万千瓦);N
TS为一年中过渡季典型日的天数(天);p
e为外购电电价(元/千瓦时);
步骤1-4:计算园区年外天然气成本,计算公式如下:
式中,AC
NG为外购天然气成本(万元/年);
为供热季典型日时段t外部天然气的输入量(立方米);
为供冷季典型日时段t外部天然气的输入量(立方米);
为过渡季典型日时段t外部天然气的输入量(立方米);p
NG为外购天然气气价(元/立方米);
步骤1-5:构建优化模型目标函数,计算公式如下:
TAC=ADC+AOC+ACe+ACNG
f=Min(TAC)
式中,TAC为总年值成本(万元/年);Min()为最小化函数;f是为优化模型目标函数。
而且,所述步骤2的具体步骤包括:
步骤2-1:构建园区投资约束,各种能源供应和转化设备的初始投资成本应小于一定资金规模,其计算公式如下:
式中,BMax为初始投资最大资金规模(万元)。
步骤2-2:构建园区能源自平衡约束,在保障运行安全可靠性的前提下,园区应当能够实现冷、热、电多种能源供需自我平衡运行,其计算公式如下:
式中,
为风电机组的输出电功率上限(万千瓦);n
WT为风电机组的数量(台);
为光伏机组的输出电功率上限(万千瓦);n
PV为光伏机组的数量(台);
为天然气冷-热-电三联供系统的输出电功率上限(万千瓦);n
WT为天然气冷-热-电三联供系统的数量(台);
为年度最大电负荷(万千瓦);λ
L为电能安全系数(%);
为天然气冷-热-电三联供系统的输出热功率上限(万千瓦);
为电制热设备的输出热功率上限(万千瓦);n
EH为电制热设备的数量(台);
为年度最大热负荷(万千瓦);λ
H为热能安全系数(%);
为天然气冷-热-电三联供系统的输出冷功率上限(万千瓦);
为电制热设备的输出冷功率上限(万千瓦);n
EC为电制冷设备的数量(台);
为年度最大冷负荷(万千瓦);λ
C为冷能安全系数(%)。
步骤2-3:构建多能源主体负荷平衡约束,基于供热季典型日、供冷季典型日和过渡季典型日的综合用能场景,园区内部冷、热、电多能源主体负荷应当实现实时平衡,其计算公式如下:
式中,s为典型日类型,包括供热季典型日、供冷季典型日和过渡季典型日三种;
为典型日时段t的外部电网的输入电功率(万千瓦);
为典型日时段t风电机组的输出电功率(万千瓦);
为典型日时段t光伏机组的输出电功率(万千瓦);
为典型日时段t天然气冷-热-电三联供系统的输出电功率(万千瓦);
为典型日时段t的电负荷(万千瓦);
为典型日时段t电制热设备的输入电动率(万千瓦);
为典型日时段t电制冷设备的输入电动率(万千瓦);
为典型日时段t天然气冷-热-电三联供系统的输出热功率(万千瓦);
为典型日时段t电制热设备的输出热动率(万千瓦);
为典型日时段t的热负荷(万千瓦);
为典型日时段t天然气冷-热-电三联供系统的输出冷功率(万千瓦);
为典型日时段t电制冷设备的输出冷动率(万千瓦);
为典型日时段t的冷负荷(万千瓦);
步骤2-4:构建园区外部能源输入约束,园区与外部电网的交换电能功率以及输入园区的天然气量应当维持在一定的范围内,其计算公式如下:
式中,
为典型日时段t外部电网的输入电功率(万千瓦);
为典型日时段t外部天然气的输入量(立方米);
为与外部电网的最小交换电能功率(万千瓦);
为与外部电网的最大交换电能功率(万千瓦);
为输入园区的最大天然气量(立方米);
步骤2-5:构建多能源主体供应和转化设备出力约束,能源供应和转化设备出力应当在上下限范围之内,其计算公式如下:
式中,
为天然气冷-热-电三联供系统的输出电功率下限(万千瓦);
为天然气冷-热-电三联供系统的输出热功率下限(万千瓦);
为电制热设备的输出热功率下限(万千瓦);
为天然气冷-热-电三联供系统的输出冷功率下限(万千瓦);
为电制热设备的输出冷功率下限(万千瓦);
步骤2-6:构建多能源主体供应和转化设备爬坡约束,能源供应和转化设备出力调节能力应当在一定范围之内,其计算公式如下:
式中,
为风电机组输出电功率的上爬坡能力(万千瓦);
为风电机组输出电功率的下爬坡能力(万千瓦);
为光伏机组输出电功率的上爬坡能力(万千瓦);
为光伏机组输出电功率的下爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出电功率的上爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出电功率的下爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出热功率的上爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出热功率的下爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出冷功率的上爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出冷功率的下爬坡能力(万千瓦);
步骤2-7:构建变量非负及整数约束,能源供应和转化设备出力应为非负数,设备数量应为非负整数,其计算公式如下:
nWT/nPV/nMT/nEH/nEC≥0且为整数
而且,所述步骤3包括如下具体步骤:
步骤3-1:设置粒子群初始速度和位置,其计算公式如下:
式中,n为群体规模,d为搜索空间,
为粒子i初始位置,
为粒子i初始速度;
步骤3-2:计算粒子i适应度,其计算公式如下:
式中,
为粒子i在第k次迭代的适应度;f(x)为粒子适应度函数;
为粒子i在第k次迭代的位置;
步骤3-3:计算粒子i个体极值和个体极值位置,个体极值为粒子i在第k次迭代及以前的最大适应度,个体极值位置为个体极值所在位置,其计算公式如下:
xPbest,i=f-1(pPbest,i)
式中,pPbest,i为粒子i个体极值;Max()为最大化函数;xPbest,i为粒子i个体极值位置;f-1(x)为粒子适应度反函数。
步骤3-4:计算全局极值和全局极值位置,全局极值为粒子群内所有粒子在第k次迭代及以前的最大适应度,全局极值位置为全局极值所在位置,其计算公式如下:
pGbest=Max(pPbest,1,pPbest,2,...,pPbest,n)
xGbest=f-1(pGbest)
式中,pGbest为全局极值;xGbest为全局极值位置;
步骤3-5:判断是否满足迭代次数达到最大迭代次数或者全局极值满足最小界限的收敛条件,若满足收敛条件,则转至步骤3-7;如不满足收敛条件,则转至步骤3-6,其计算公式如下:
k≤T
式中,T为最大迭代次数;Δp为全局极值最小界限;
步骤3-6:更新粒子i位置和速度,更新后返回步骤2-2且迭代次数k加1,其计算公式如下:
式中,
为粒子i在第k+1次迭代的第l维速度;ω为惯性权重;
为粒子i在第k次迭代的第l维速度;c
1为学习因子1;r
1为范围为[0,1]的随机数1;c
2为学习因子2;r
2为范围为[0,1]的随机数2;x
Phest,i,l为粒子i个体极值的第l维位置;
为粒子i在第k次迭代的第l维位置;x
Ghest,l为全局极值的第l维位置;
为粒子i在第k+1次迭代的第l维位置。
步骤3-7:输出目标函数最小值pGbest及模型最优解xGbest。
本发明的优点和有益效果:
本发明可应用于园区综合能源系统规划等工作中,有助于促进园区内部可再生能源消纳,提升园区综合能源利用效率,实现园区内部多种能源资源的优化配置,在园区内部形成清洁、安全、智能的新型能源消费方式。具体来说,(1)本发明综合考虑年折旧及运行维护成本、外购电成本和外购天然气成本,以年值成本最小化构建目标函数,能够实现园区多能源主体在全寿命周期内总成本最小化;(2)本发明约束条件中综合考虑供热季、供冷季和过渡季典型日的不同能源负荷特性和系统运行状态,能够使配比结果更加科学合理。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
本发明以图2所示的园区多能源主体系统为例,进行详细说明:
园区多能主体系统是一种靠近用户侧的综合能源系统,包括外部电力、天然气等外部能源输入,伏机组、风电机组、天然气冷-热-电三联供系统、电制热设备、电制冷设备等多种能源供应和转化设备,以及电、热、冷等多种负荷需求。其中,外部电力和天然气分别通过并网点变压器和压缩机送入园区;天然气冷热电三联供系统由燃气轮机、余热锅炉和吸收式制冷机构成,能够将外部输入的天然气转化为电能、热能和冷能;风电机组和光伏机组能够将园区范围内的风能和太阳能转化为电能;电制热设备和电制冷设备分别能够将电能转化为热能和冷能;电、冷、热负荷主要包括园区范围内工业企业生产制造、工商业运营、居民生活等用电、用冷、用热需求。园区多能主体系统通过大电网、天然气的外部能源输入和风、光等可再生能源的就地利用,利用光伏机组、风电机组、天然气冷-热-电三联供系统、电制热设备、电制冷设备等多种能源供应和转化设备,为园区终端用户提供冷、热、电等多种类型能源,满足园区范围内多种类型能源负荷需求。通过合理配置外部电力、天然气输入,光伏机组、风电机组、天然气冷-热-电三联供系统、电制热设备、电制冷设备等多种能源供应和转化设备的容量,将能够实现园区范围内安全、可靠、高效、经济的电、热、冷综合能源供应。
一种基于优化模型的园区多能源主体综合配比方法,如图1所示,包括以下步骤:
步骤1、以年值成本最小化为园区多能源主体综合配比优化目标,综合考虑园区多能源主体供应和转化设备的年折旧及运行维护成本、外购电成本和外购天然气成本,分别计算各类型成本,构建年值成本最小化的优化模型目标函数;
所述步骤1的具体步骤包括:
步骤1-1:计算多能源主体供应和转化设备的年折旧成本,计算公式如下:
式中,ADC为多能源主体供应和转化设备的年折旧成本(万元/年);
ADCi为设备i的年折旧成本(万元/年/台);ni为设备i的数量(台);
Ii为设备i的初始投资成本(万元/台);(A/P,i0,mi)为以i0为折现率,设备i的使用寿命mi为时间周期的等额分付资本回收系数(1/年);εi为设备i的残值率(%);
步骤1-2:计算多能源主体供应和转化设备的年运行维护成本,计算公式如下:
式中,AOC为多能源主体供应和转化设备的年运行维护成本(万元/年);AOCi为设备i的年运行维护成本(万元/年);γi为设备i年运行维护成本费率(%);
步骤1-3:计算园区年外购电成本,计算公式如下:
式中,AC
e为外购电成本(万元/年);
为供热季典型日时段t外部电网的输入电功率(万千瓦);Δt为单位时间间隔;N
HS为一年中供热季典型日的天数(天);
为供冷季典型日时段t外部电网的输入电功率(万千瓦);N
CS为一年中供冷季典型日的天数(天);
为过渡季典型日时段t外部电网的输入电功率(万千瓦);N
TS为一年中过渡季典型日的天数(天);p
e为外购电电价(元/千瓦时);
步骤1-4:计算园区年外天然气成本,计算公式如下:
式中,AC
NG为外购天然气成本(万元/年);
为供热季典型日时段t外部天然气的输入量(立方米);
为供冷季典型日时段t外部天然气的输入量(立方米);
为过渡季典型日时段t外部天然气的输入量(立方米);p
NG为外购天然气气价(元/立方米);
步骤1-5:构建优化模型目标函数,计算公式如下:
TAC=ADC+AOC+ACe+ACNG
f=Min(TAC)
式中,TAC为总年值成本(万元/年);Min()为最小化函数;f为为优化模型目标函数。
步骤2、综合考虑园区投资约束、园区能源自平衡约束、多能源主体负荷平衡约束、园区外部能源输入约束、多能源主体供应和转化设备出力及爬坡约束和变量非负及整数约束,构建优化模型约束条件;
所述步骤2的具体步骤包括:
步骤2-1:构建园区投资约束,各种能源供应和转化设备的初始投资成本应小于一定资金规模,其计算公式如下:
式中,BMax为初始投资最大资金规模(万元)。
步骤2-2:构建园区能源自平衡约束,在保障运行安全可靠性的前提下,园区应当能够实现冷、热、电多种能源供需自我平衡运行,其计算公式如下:
式中,
为风电机组的输出电功率上限(万千瓦);n
WT为风电机组的数量(台);
为光伏机组的输出电功率上限(万千瓦);n
PV为光伏机组的数量(台);
为天然气冷-热-电三联供系统的输出电功率上限(万千瓦);n
WT为天然气冷-热-电三联供系统的数量(台);
为年度最大电负荷(万千瓦);λ
L为电能安全系数(%);
为天然气冷-热-电三联供系统的输出热功率上限(万千瓦);
为电制热设备的输出热功率上限(万千瓦);n
EH为电制热设备的数量(台);
为年度最大热负荷(万千瓦);λ
H为热能安全系数(%);
为天然气冷-热-电三联供系统的输出冷功率上限(万千瓦);
为电制热设备的输出冷功率上限(万千瓦);n
EC为电制冷设备的数量(台);
为年度最大冷负荷(万千瓦);λ
C为冷能安全系数(%)。
步骤2-3:构建多能源主体负荷平衡约束,基于供热季典型日、供冷季典型日和过渡季典型日的综合用能场景,园区内部冷、热、电多能源主体负荷应当实现实时平衡,其计算公式如下:
式中,s为典型日类型,包括供热季典型日、供冷季典型日和过渡季典型日三种;
为典型日时段t的外部电网的输入电功率(万千瓦);
为典型日时段t风电机组的输出电功率(万千瓦);
为典型日时段t光伏机组的输出电功率(万千瓦);
为典型日时段t天然气冷-热-电三联供系统的输出电功率(万千瓦);
为典型日时段t的电负荷(万千瓦);
为典型日时段t电制热设备的输入电动率(万千瓦);
为典型日时段t电制冷设备的输入电动率(万千瓦);
为典型日时段t天然气冷-热-电三联供系统的输出热功率(万千瓦);
为典型日时段t电制热设备的输出热动率(万千瓦);
为典型日时段t的热负荷(万千瓦);
为典型日时段t天然气冷-热-电三联供系统的输出冷功率(万千瓦);
为典型日时段t电制冷设备的输出冷动率(万千瓦);
为典型日时段t的冷负荷(万千瓦);
步骤2-4:构建园区外部能源输入约束,园区与外部电网的交换电能功率以及输入园区的天然气量应当维持在一定的范围内,其计算公式如下:
式中,
为典型日时段t外部电网的输入电功率(万千瓦);
为典型日时段t外部天然气的输入量(立方米);
为与外部电网的最小交换电能功率(万千瓦);
为与外部电网的最大交换电能功率(万千瓦);
为输入园区的最大天然气量(立方米);
步骤2-5:构建多能源主体供应和转化设备出力约束,能源供应和转化设备出力应当在上下限范围之内,其计算公式如下:
式中,
为天然气冷-热-电三联供系统的输出电功率下限(万千瓦);
为天然气冷-热-电三联供系统的输出热功率下限(万千瓦);
为电制热设备的输出热功率下限(万千瓦);
为天然气冷-热-电三联供系统的输出冷功率下限(万千瓦);
为电制热设备的输出冷功率下限(万千瓦);
步骤2-6:构建多能源主体供应和转化设备爬坡约束,能源供应和转化设备出力调节能力应当在一定范围之内,其计算公式如下:
式中,
为风电机组输出电功率的上爬坡能力(万千瓦);
为风电机组输出电功率的下爬坡能力(万千瓦);
为光伏机组输出电功率的上爬坡能力(万千瓦);
为光伏机组输出电功率的下爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出电功率的上爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出电功率的下爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出热功率的上爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出热功率的下爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出冷功率的上爬坡能力(万千瓦);
为天然气冷-热-电三联供系统输出冷功率的下爬坡能力(万千瓦);
步骤2-7:构建变量非负及整数约束,能源供应和转化设备出力应为非负数,设备数量应为非负整数,其计算公式如下:
nWT/nPV/nMT/nEH/nEC≥0且为整数
步骤3、基于粒子群算法求解步骤1的年值成本最小化的优化模型,输出目标值和最优解,得到园区多能源主体综合配比;
所述步骤1的年值成本最小化的优化模型为混合整数规划模型,可利用粒子群算法进行求解,其具体处理流程如图3所示。
所述步骤3包括如下具体步骤:
步骤3-1:设置粒子群初始速度和位置,其计算公式如下:
式中,n为群体规模,d为搜索空间,
为粒子i初始位置,
为粒子i初始速度;
步骤3-2:计算粒子i适应度,其计算公式如下:
式中,
为粒子i在第k次迭代的适应度;f(x)为粒子适应度函数;
为粒子i在第k次迭代的位置;
步骤3-3:计算粒子i个体极值和个体极值位置,个体极值为粒子i在第k次迭代及以前的最大适应度,个体极值位置为个体极值所在位置,其计算公式如下:
xPbest,i=f-1(pPbest,i)
式中,pPbest,i为粒子i个体极值;Max()为最大化函数;xPbest,i为粒子i个体极值位置;f-1(x)为粒子适应度反函数。
步骤3-4:计算全局极值和全局极值位置,全局极值为粒子群内所有粒子在第k次迭代及以前的最大适应度,全局极值位置为全局极值所在位置,其计算公式如下:
pGbest=Max(pPbest,1,pPbest,2,...,pPbest,n)
xGbest=f-1(pGbest)
式中,pGbest为全局极值;xGbest为全局极值位置;
步骤3-5:判断是否满足迭代次数达到最大迭代次数或者全局极值满足最小界限的收敛条件,若满足收敛条件,则转至步骤3-7;如不满足收敛条件,则转至步骤3-6,其计算公式如下:
k≤T
式中,T为最大迭代次数;Δp为全局极值最小界限;
步骤3-6:更新粒子i位置和速度,更新后返回步骤2-2且迭代次数k加1,其计算公式如下:
式中,
为粒子i在第k+1次迭代的第l维速度;ω为惯性权重;
为粒子i在第k次迭代的第l维速度;c
1为学习因子1;r
1为范围为[0,1]的随机数1;c
2为学习因子2;r
2为范围为[0,1]的随机数2;x
Phest,i,l为粒子i个体极值的第l维位置;
为粒子i在第k次迭代的第l维位置;x
Ghest,l为全局极值的第l维位置;
为粒子i在第k+1次迭代的第l维位置。
步骤3-7:输出目标函数最小值pGbest及模型最优解xGbest。
需要强调的是,本发明所述实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。