CN109471362A - 一种冷热电联产优化系统及方法 - Google Patents
一种冷热电联产优化系统及方法 Download PDFInfo
- Publication number
- CN109471362A CN109471362A CN201811549473.1A CN201811549473A CN109471362A CN 109471362 A CN109471362 A CN 109471362A CN 201811549473 A CN201811549473 A CN 201811549473A CN 109471362 A CN109471362 A CN 109471362A
- Authority
- CN
- China
- Prior art keywords
- firefly
- heating system
- cooling heating
- cogeneration
- cogeneration cooling
- 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
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种冷热电联产优化系统及方法,其系统包括:数据采集模块、系统优化模块以及系统调度模块;同时本发明对系统进行模块化处理,易于控制和执行冷热电联产系统优化方案,基于改进萤火虫算法的冷热电联产系统优化方法,通过改进吸引度公式和位置更新公式,很大改善了传统萤火虫算法易于陷入局部最优解的缺点,提高了收敛速度,能够有效的提高算法寻优能力,得到更为合理的冷热电联产系统优化方案。
Description
技术领域
本发明属于冷热电联产技术领域,具体涉及一种冷热电联产优化系统及方法。
背景技术
冷热电联产系统是一种基于能量梯级利用的综合供、用能分布式能源系统。系统安装在负荷侧附近,燃气轮机消耗天然气发电,余热回收系统对燃气轮机发电过程中产生的余热回收利用,用于供热或制冷,进而实现系统负荷侧的冷、热、电联供。通过这种方式大大提高整个系统的一次能源利用率,实现能源的梯级利用。
在供能侧,冷热电联产系统是由不同的能量产生设备组成,系统提供的各种能量有很大的差异,在用能侧,用户对各种能量有着不同的需求,且具有不同时性,这就要求冷热电联产系统的输出必须兼顾时间性和多样性。在应用场合不同的冷热电负荷的需求工况下,要实现冷热电联供系统的经济运行,需要具体的最优控制策略来实现。对冷热电联产系统各模块建立数学模型,并基于目标函数,对模型求解,得出设备最优出力。求解的算法多种多样,线性规划、非线性规划、萤火虫算法、粒子群算法等都是常见的求解模型算法。
萤火虫算法作为一种新型的全局寻优策略,已被应用到几乎所有领域科学和工程,如数字图像压缩和图像处理、特征值优化、动态问题等等。萤火虫算法不仅可以优化单峰函数和多峰函数,而且该算法具有较强的局部搜索能力,可以在一个较小的区域内找到最优解。操作方便、实现简单、参数较少。不过,萤火虫算法仍然存在一些不足,它必须要求感知范围内有优秀个体向其提供信息,否则个体将停止搜索,这种搜索方法对优秀个体的依赖程度太高,从而降低了收敛速度;并且,当个体距离峰值非常近时,由于步长可能大于该距离,将导致个体在峰值附近发生振荡现象。
发明内容
为了克服现有技术中的问题,本发明提供了一种冷热电联产优化系统及方法。
本发明为解决其技术问题所采用的技术方案是:一种冷热电联产优化系统,包括:数据采集模块、系统优化模块、系统调度模块;
所述数据采集模块,包括数据采集单元和信息传输单元;
所述数据采集单元,用于采集冷热电联产系统运行的数据信息,包括各时段电价、负荷预测值、冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率;所述信息传输单元,用于将数据采集单元所采集的冷热电联产系统运行的数据信息传输至数据存储单元;
所述系统优化模块,包括数据存储单元、基于改进萤火虫算法系统优化单元、方案输出单元;
所述数据存储单元,用于存储信息传输单元传输的冷热电联产系统运行的数据信息,作为当前冷热电联产系统待优化初始数据。所述基于改进萤火虫算法系统优化单元,采用改进的萤火虫算法对当前冷热电联产系统待优化初始数据进行优化,得到该系统中各控制变量的优化值,所述各控制变量包括冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率。所述方案输出单元,用于将各控制变量的优化值传送至系统调度模块中的购电量调节单元、燃气轮机调节器、燃气锅炉调节器、制冷机调节器;
所述系统调度模块,包括分时电价单元、负荷预测单元、购电量调节单元、燃气轮机调节器、燃气锅炉调节器、制冷机调节器;
所述分时电价单元,用于显示各时段电价;
所述负荷预测单元,用于对冷热电联产系统所供负荷进行短期负荷预测;
所述购电量调节单元,用于根据系统优化模块得到的购电量优化值调节冷热电联产系统购电量;
所述燃气轮机调节器,用于根据系统优化模块得到的燃气轮机优化值调节燃气轮机输出电功率;
所述燃气锅炉调节器,用于根据系统优化模块得到的燃气锅炉优化值调节燃气锅炉输出热功率;
所述制冷机调节器,用于根据系统优化模块得到的制冷机优化值调节吸收式制冷机和电制冷机的输出冷功率。
一种冷热电联产系统优化方法,采用前述的一种冷热电联产优化系统实现,包括以下步骤:
步骤1.通过数据采集单元采集冷热电联产系统运行的数据信息,并将冷热电联产系统运行的数据信息由信息传输单元发送至数据存储单元;
步骤2.数据存储单元存储冷热电联产系统运行的数据信息,作为当前冷热电联产系统待优化初始数据;
步骤3.设定冷、热、电负荷平衡约束条件以及设备运行约束条件,以冷热电联产系统日运行成本最小为目标,建立目标函数。
步骤3.1.设定冷热电联产系统冷、热、电负荷平衡约束条件:
冷负荷平衡约束:PEC,t+PABC,t≥LC,t;
其中,PEC,t为电制冷机在t时段的制冷功率,PABC,t为吸收式制冷机在t时段的制冷功率,LC,t为t时段冷负荷需求。
热负荷平衡约束:
其中,PCHP,t为余热回收系统在t时段回收的热功率,PBL,t为燃气锅炉在t时段的输出热功率,LH,t为t时段热负荷需求,ηabc为吸收式制冷机的效能系数。
电负荷平衡约束:
其中,Pgrid,t为冷热电联产系统t时段购电量,PGu,t为第u台燃气轮机t时段电功率,Ppv,t为光伏系统t时段预测电功率,LE,t为t时段电负荷需求,ηec为电制冷机效能系数,u为燃气轮机的台数。
步骤3.2.设定设备运行约束条件如下:
燃气发电机出力约束:PGu,min≤PGu,t≤PGu,max;PGu,min、PGu,max分别为第u台燃气发电机最小、最大输出电功率。
光伏电池出力约束: 为光伏电池在t时刻的额定功率。
燃气锅炉出力约束: 为燃气锅炉的额定功率。
吸收式制冷机出力约束:PABC,min≤PABC,t≤PABC,max;PABC,min、PABC,max分别为吸收式制冷机最小、最大制冷功率。
电制冷机出力约束:PEC,min≤PEC,t≤PEC,max;PEC,min、PEC,max分别为吸收式制冷机最小、最大制冷功率。
步骤3.3.以冷热电联产系统日运行成本最小为目标函数如下:
其中,M表示冷热电联产系统的运行成本,Cec,t表示t时段电价,Cfc为天然气单价,NG为燃气轮机台数,ηe为燃气发电机的发电效率,ηbl为燃气锅炉的热效率,T为冷热电联产系统优化调度周期。
步骤4.采用改进的萤火虫算法对目标函数进行求解,当达到最大迭代次数或满足搜索精度ε时,输出冷热电联产系统各控制变量优化值;
步骤4.1.随机初始化萤火虫的位置,以目标函数值的倒数作为萤火虫最大荧光亮度;
参数初始化,根据冷热电联产系统待优化的各控制变量的取值上限和取值下限随机生成萤火虫种群,萤火虫位置编码如下:
X为萤火虫个体的控制变量各时段取值矩阵,xk为随机生成的第k组冷热电联产系统待优化控制变量,随机生成初始萤火虫位置的公式为:Xrc=Xrc,min+rand(0,1)×(Xrc,max-Xrc,min),0<r≤Ng+4,0<c≤T,式中,Xrc为萤火虫位置分量,Xrc,min和Xrc,max分别为对应位置分量的下限值和上限值,rand(0,1)为(0,1)内随机数。
步骤4.2.计算群体中萤火虫的相对亮度I和吸引度β,根据相对亮度决定萤火虫的移动方向;
定义萤火虫相对亮度如下:
其中,I0表示萤火虫自身荧光亮度,与目标函数值相关,目标函数值越优,自身亮度越高;γ表示光吸收系数,可设置为常数。rij表示第i只萤火虫与第j只萤火虫之间的笛卡尔距离, 表示第i只萤火虫的位置坐标分量,表示第j只萤火虫的位置坐标分量。
改进萤火虫吸引度公式如下:
βij为第i只萤火虫与第j只萤火虫之间的吸引度。
改进后的萤火虫吸引度公式与萤火虫相对亮度和萤火虫间距离有关。
步骤4.3.更新萤火虫的空间位置,对处在最佳位置的萤火虫进行随机移动;
萤火虫i被亮度更大的萤火虫j吸引向其移动而更新自己的位置,位置更新公式改进如下:
Xi(w+1)=Xi(w)+βij(Xj(w)-Xi(w))+s(w)E(w);
其中,Xi(w)、Xi(w+1)分别为第i只萤火虫初始位置和迭代后的位置,Xj(w)为第j只萤火虫的初始位置,s(w)为萤火虫的移动步长,E(w)是由均匀分布得到的随机数矩阵。为避免萤火虫个体在迭代后期出现“振荡”,因此根据全局最优信息动态调整s(w)取值。初始步长设为固定值s0,当萤火虫间距离小于固定步长s0时,使步长逐渐减小,改为变步长s(w)=s0θw,θ取值为(0,1)之间的实数。
步骤4.4.根据更新后萤火虫的位置,重新计算萤火虫的亮度;
步骤4.5.当达到最大迭代次数或满足搜索精度ε时,则转至步骤4.6;否则,搜索次数加1,转步骤4.2,进行下一次搜索;
步骤4.6.输出全局极值点和最优个体值。
步骤5.根据冷热电联产系统各控制变量优化值调节冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率。
本发明的有益效果:本发明提出一种冷热电联产优化系统及方法,对系统进行模块化处理,易于控制和执行冷热电联产系统优化方案,基于改进萤火虫算法的冷热电联产系统优化方法,通过改进吸引度公式和位置更新公式,很大改善了传统萤火虫算法易于陷入局部最优解的缺点,提高了收敛速度,能够有效的提高算法寻优能力,得到更为合理的冷热电联产系统优化方案。
附图说明
图1为现有的冷热电联产系统示意图。
图2为本发明具体实施方式中一种冷热电联产优化系统的结构框图。
图3为本发明具体实施方式中一种冷热电联产优化系统及方法的流程图。
图4为本发明具体实施方式中冷热电联产系统建立冷、热、电负荷平衡约束条件以及设备运行约束条件,建立系统目标函数的流程图。
图5为本发明具体实施方式中基于改进萤火虫算法优化初始数据得到各控制量优化值的流程图。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
图1为现有的冷热电联产系统示意图,某区域用户负荷分为电、热、冷负荷,燃气轮机发电量和从大电网购电来供给电负荷,同时电制冷机消耗部分电量制冷供给冷负荷,燃气轮机发电过程中产生的高温余热由余热回收系统回收,供给热负荷,若热负荷需求较大,则不足的部分由燃气锅炉补充,同时吸收式制冷机吸收部分热量制冷供给冷负荷;冷负荷由吸收式制冷机供给,若冷负荷需求较大,则不足部分由电制冷机补充。
图2为本发明的一种冷热电联产优化系统,旨在对冷热电联产系统进行优化而建立的硬件系统,包括:数据采集模块、系统优化模块、系统调度模块。
数据采集模块,包括数据采集单元和信息传输单元。本实施方式中,数据采集单元由数据采集器组成,数据采集器的型号为PFXLM4B01DAC,用于采集冷热电联产系统运行的数据信息,包括各时段电价、负荷预测值、冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率。本实施方式中,信息传输单元由中继器组成,中继器的型号为RD980,用于将数据采集单元所采集的冷热电联产系统运行的数据信息传输至数据存储单元。
系统优化模块,包括数据存储单元、基于改进萤火虫算法系统优化单元、方案输出单元。数据存储单元,用于存储信息传输单元传输的冷热电联产系统运行的数据信息,作为当前冷热电联产系统待优化初始数据;基于改进萤火虫算法系统优化单元,采用改进的萤火虫算法对当前冷热电联产系统待优化初始数据进行优化,得到该系统中各控制变量的优化值,所述各控制变量包括冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率;方案输出单元,用于将各控制变量的优化值传送至系统调度模块中的购电量调节单元、燃气轮机调节器、燃气锅炉调节器、制冷机调节器;
所述系统调度模块,包括分时电价单元、负荷预测单元、购电量调节单元、燃气轮机调节器、燃气锅炉调节器、制冷机调节器。分时电价单元,用于显示各时段电价;负荷预测单元,用于对冷热电联产系统所供负荷进行短期负荷预测;购电量调节单元,用于根据系统优化模块得到的购电量优化值调节冷热电联产系统购电量;燃气轮机调节器,用于根据系统优化模块得到的燃气轮机优化值调节燃气轮机输出电功率;燃气锅炉调节器,用于根据系统优化模块得到的燃气锅炉优化值调节燃气锅炉输出热功率。制冷机调节器,用于根据系统优化模块得到的制冷机优化值调节吸收式制冷机和电制冷机的输出冷功率。
本发明提出一种冷热电联产系统优化方法,如图3所示,包括以下步骤:
步骤1.数据采集单元采集冷热电联产系统运行的数据信息,再由信息传输单元将冷热电联产系统运行的数据信息发送至数据存储单元。
步骤2.数据存储单元存储冷热电联产系统运行的数据信息,作为当前冷热电联产系统待优化初始数据。
步骤3.设定冷、热、电负荷平衡约束条件以及设备运行约束条件,以冷热电联产系统日运行成本最小为目标,建立目标函数。如图4所示。
步骤3.1.设定冷热电联产系统冷、热、电负荷平衡约束条件:
冷负荷平衡约束:PEC,t+PABC,t≥LC,t;
其中,PEC,t为电制冷机在t时段的制冷功率,PABC,t为吸收式制冷机在t时段的制冷功率,LC,t为t时段冷负荷需求。
热负荷平衡约束:
其中,PCHP,t为余热回收系统在t时段回收的热功率,PBL,t为燃气锅炉在t时段的输出热功率,LH,t为t时段热负荷需求,ηabc为吸收式制冷机的效能系数。
电负荷平衡约束:
其中,Pgrid,t为冷热电联产系统t时段购电量,PGu,t为第u台燃气轮机t时段电功率,Ppv,t为光伏系统t时段预测电功率,LE,t为t时段电负荷需求,ηec为电制冷机效能系数,u为燃气轮机的台数。
步骤3.2.设定设备运行约束条件如下:
燃气发电机出力约束:PGu,min≤PGu,t≤PGu,max;PGu,min、PGu,max分别为第u台燃气发电机最小、最大输出电功率。
光伏电池出力约束: 为光伏电池在t时刻的额定功率。
燃气锅炉出力约束: 为燃气锅炉的额定功率。
吸收式制冷机出力约束:PABC,min≤PABC,t≤PABC,max;PABC,min、PABC,max分别为吸收式制冷机最小、最大制冷功率。
电制冷机出力约束:PEC,min≤PEC,t≤PEC,max;PEC,min、PEC,max分别为吸收式制冷机最小、最大制冷功率。
步骤3.3.以冷热电联产系统日运行成本最小为目标函数如下:
其中,M表示冷热电联产系统的运行成本,Cec,t表示t时段电价,Cfc为天然气单价,NG为燃气轮机台数,ηe为燃气发电机的发电效率,ηbl为燃气锅炉的热效率,T为冷热电联产系统优化调度周期。
步骤4.采用改进的萤火虫算法对目标函数进行求解,具体流程如图5所示,当达到最大迭代次数或满足搜索精度ε时,输出冷热电联产系统各控制变量优化值。
步骤4.1.参数初始化,设置萤火虫个体数N=200,迭代次数为100,随机初始化萤火虫的位置,以目标函数值的倒数作为萤火虫最大荧光亮度。
参数初始化,根据冷热电联产系统待优化的各控制变量的取值上限和取值下限随机生成萤火虫种群,萤火虫位置编码如下:
X为萤火虫个体的控制变量各时段取值矩阵,xk为随机生成的第k组冷热电联产系统待优化控制变量,随机生成初始萤火虫位置的公式为:Xrc=Xrc,min+rand(0,1)×(Xrc,max-Xrc,min),0<r≤Ng+4,0<c≤T,N为萤火虫位置矩阵总行数,式中,Xrc为萤火虫位置分量,Xrc,min和Xrc,max分别为对应位置分量的下限值和上限值,rand(0,1)为(0,1)内随机数。
步骤4.2.计算群体中萤火虫的相对亮度I和吸引度β,根据相对亮度决定萤火虫的移动方向;
定义萤火虫相对亮度如下:
其中,I0表示萤火虫自身荧光亮度,与目标函数值相关,目标函数值越优,自身亮度越高;γ表示光吸收系数,可设置为常数,取γ=1,rij表示第i只萤火虫与第j只萤火虫之间的笛卡尔距离, 表示第i只萤火虫的位置坐标分量,表示第j只萤火虫的位置坐标分量。
改进萤火虫吸引度公式如下:
βij为第i只萤火虫与第j只萤火虫之间的吸引度。
改进后的萤火虫吸引度公式与萤火虫相对亮度和萤火虫间距离有关。
步骤4.3.更新萤火虫的空间位置,对处在最佳位置的萤火虫进行随机移动;
萤火虫i被亮度更大的萤火虫j吸引向其移动而更新自己的位置,位置更新公式改进如下:
Xi(w+1)=Xi(w)+βij(Xj(w)-Xi(w))+s(w)E(w);
其中,Xi(w)、Xi(w+1)分别为第i只萤火虫初始位置和迭代后的位置,Xj(w)为第j只萤火虫的初始位置,s(w)为萤火虫的移动步长,E(w)是由均匀分布得到的随机数矩阵。为避免萤火虫个体在迭代后期出现“振荡”,因此根据全局最优信息动态调整s(w)取值。初始步长设为固定值s0=0.25,当萤火虫间距离小于固定步长s0时,使步长逐渐减小,改为变步长s(w)=s0θw,θ取0.95。
步骤4.4.根据更新后的萤火虫的位置,重新计算萤火虫的亮度;
步骤4.5.当达到最大迭代次数或满足搜索精度ε时,则转至步骤4.6;否则,搜索次数加1,转步骤4.2,进行下一次搜索;
步骤4.6.输出全局极值点和最优个体值;
步骤5.根据冷热电联产系统各控制变量优化值调节冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率。
Claims (4)
1.一种冷热电联产优化系统,其特征在于,包括:数据采集模块、系统优化模块和系统调度模块;
所述数据采集模块,包括数据采集单元和信息传输单元;
所述数据采集单元,用于采集冷热电联产系统运行的数据信息,包括各时段电价、负荷预测值、冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率;所述信息传输单元,用于将数据采集单元所采集的冷热电联产系统运行的数据信息传输至数据存储单元;
所述系统优化模块,包括数据存储单元、基于改进萤火虫算法系统优化单元、方案输出单元;
所述数据存储单元,用于存储信息传输单元传输的冷热电联产系统运行的数据信息,作为当前冷热电联产系统待优化初始数据;所述基于改进萤火虫算法系统优化单元,采用改进的萤火虫算法对当前冷热电联产系统待优化初始数据进行优化,得到该系统中各控制变量的优化值,所述各控制变量包括冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率;所述方案输出单元,用于将各控制变量的优化值传送至系统调度模块中的购电量调节单元、燃气轮机调节器、燃气锅炉调节器、制冷机调节器;
所述系统调度模块,包括分时电价单元、负荷预测单元、购电量调节单元、燃气轮机调节器、燃气锅炉调节器、制冷机调节器;
所述分时电价单元,用于显示各时段电价;所述负荷预测单元,用于对冷热电联产系统所供负荷进行短期负荷预测;所述购电量调节单元,用于根据系统优化模块得到的购电量优化值调节冷热电联产系统购电量;所述燃气轮机调节器,用于根据系统优化模块得到的燃气轮机优化值调节燃气轮机输出电功率;所述燃气锅炉调节器,用于根据系统优化模块得到的燃气锅炉优化值调节燃气锅炉输出热功率;所述制冷机调节器,用于根据系统优化模块得到的制冷机优化值调节吸收式制冷机和电制冷机的输出冷功率。
2.一种冷热电联产优化方法,采用权利要求1中所述的一种冷热电联产优化系统实现,其特征在于,包括以下步骤:
步骤1.通过数据采集单元采集冷热电联产系统运行的数据信息,并将冷热电联产系统运行的数据信息由信息传输单元发送至数据存储单元;
步骤2.数据存储单元存储冷热电联产系统运行的数据信息,作为当前冷热电联产系统待优化初始数据;
步骤3.设定冷、热、电负荷平衡约束条件及设备运行约束条件,以冷热电联产系统日运行成本最小为目标,建立目标函数;
步骤4.采用改进的萤火虫算法对目标函数进行求解,当达到最大迭代次数或满足搜索精度ε时,输出冷热电联产系统各控制变量优化值;
步骤5.根据冷热电联产系统各控制变量优化值调节冷热电联产系统购电量、燃气轮机输出电功率、燃气锅炉输出热功率、制冷机输出冷功率。
3.根据权利要求2所述的一种冷热电联产系统优化方法,其特征在于所述步骤3包括以下步骤:
步骤3.1.设定冷热电联产系统冷、热、电负荷平衡约束条件:
冷负荷平衡约束:PEC,t+PABC,t≥LC,t;
其中,PEC,t为电制冷机在t时段的制冷功率,PABC,t为吸收式制冷机在t时段的制冷功率,LC,t为t时段冷负荷需求;
热负荷平衡约束:
其中,PCHP,t为余热回收系统在t时段回收的热功率,PBL,t为燃气锅炉在t时段的输出热功率,LH,t为t时段热负荷需求,ηabc为吸收式制冷机的效能系数;
电负荷平衡约束:
其中,Pgrid,t为冷热电联产系统t时段购电量,PGu,t为第u台燃气轮机t时段电功率,Ppv,t为光伏系统t时段预测电功率,LE,t为t时段电负荷需求,ηec为电制冷机效能系数,u为燃气轮机的台数;
步骤3.2.设定设备运行约束条件如下:
燃气发电机出力约束:PGu,min≤PGu,t≤PGu,max;PGu,min、PGu,max分别为第u台燃气发电机最小、最大输出电功率;
光伏电池出力约束: 为光伏电池在t时刻的额定功率;
燃气锅炉出力约束: 为燃气锅炉的额定功率;
吸收式制冷机出力约束:PABC,min≤PABC,t≤PABC,max;PABC,min、PABC,max分别为吸收式制冷机最小、最大制冷功率;
电制冷机出力约束:PEC,min≤PEC,t≤PEC,max;PEC,min、PEC,max分别为吸收式制冷机最小、最大制冷功率;
步骤3.3.以冷热电联产系统日运行成本最小为目标函数如下:
其中,M表示冷热电联产系统的运行成本,Cec,t表示t时段电价,Cfc为天然气单价,NG为燃气轮机台数,ηe为燃气发电机的发电效率,ηbl为燃气锅炉的热效率,T为冷热电联产系统优化调度周期。
4.根据权利要求2所述的一种冷热电联产系统优化方法,其特征在于:所述步骤4包括以下步骤:
步骤4.1.随机初始化萤火虫的位置,以目标函数值的倒数作为萤火虫最大荧光亮度;
参数初始化,根据冷热电联产系统待优化的各控制变量的取值上限和取值下限随机生成萤火虫种群,萤火虫位置编码如下:
X为萤火虫个体的控制变量各时段取值矩阵,xk为随机生成的第k组冷热电联产系统待优化控制变量,随机生成初始萤火虫位置的公式为:Xrc=Xrc,min+rand(0,1)×(Xrc,max-Xrc,min),0<r≤Ng+4,0<c≤T,式中,Xrc为萤火虫位置分量,Xrc,min和Xrc,max分别为对应位置分量的下限值和上限值,rand(0,1)为(0,1)内随机数;
步骤4.2.计算群体中萤火虫的相对亮度I和吸引度β,根据相对亮度决定萤火虫的移动方向;
定义萤火虫相对亮度如下:
其中,I0表示萤火虫自身荧光亮度,与目标函数值相关,目标函数值越优,自身亮度越高;γ表示光吸收系数,可设置为常数,rij表示萤火虫i与j之间的笛卡尔距离, 表示第i只萤火虫的位置坐标分量,表示第j只萤火虫的位置坐标分量;
改进萤火虫吸引度公式如下:
βij为第i只萤火虫与第j只萤火虫之间的吸引度,改进后的萤火虫吸引度公式与萤火虫相对亮度和萤火虫间距离有关;
步骤4.3.更新萤火虫的空间位置,对处在最佳位置的萤火虫进行随机移动;
萤火虫i被亮度更大的萤火虫j吸引向其移动而更新自己的位置,位置更新公式改进如下:
Xi(w+1)=Xi(w)+βij(Xj(w)-Xi(w))+s(w)E(w);
其中,Xi(w)、Xi(w+1)分别为第i只萤火虫的初始位置和迭代后的位置,Xj(w)为第j只萤火虫的初始位置,s(w)为萤火虫的移动步长,E(w)是由均匀分布得到的随机数矩阵,为避免萤火虫个体在迭代后期出现“振荡”,因此根据全局最优信息动态调整s(w)取值,初始步长设为固定值s0,当萤火虫间距离小于固定步长s0时,使步长逐渐减小,改为变步长s(w)=s0θw,θ取值为(0,1)之间的实数;
步骤4.4,根据更新后萤火虫的位置,重新计算萤火虫的亮度;
步骤4.5,当达到最大迭代次数或满足搜索精度ε时,则转至步骤4.6;否则,搜索次数加1,转步骤4.2,进行下一次搜索;
步骤4.6,输出全局极值点和最优个体值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811549473.1A CN109471362A (zh) | 2018-12-18 | 2018-12-18 | 一种冷热电联产优化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811549473.1A CN109471362A (zh) | 2018-12-18 | 2018-12-18 | 一种冷热电联产优化系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109471362A true CN109471362A (zh) | 2019-03-15 |
Family
ID=65676454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811549473.1A Pending CN109471362A (zh) | 2018-12-18 | 2018-12-18 | 一种冷热电联产优化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109471362A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110504684A (zh) * | 2019-08-21 | 2019-11-26 | 东北大学 | 一种区域多微网系统日前优化调度方法 |
CN112212430A (zh) * | 2020-10-27 | 2021-01-12 | 南京遒涯信息技术有限公司 | 一种基于多源动力和idc协同的智慧能源供热系统 |
CN112212539A (zh) * | 2020-10-27 | 2021-01-12 | 南京遒涯信息技术有限公司 | 一种多源动力与边缘云的智慧能源系统 |
CN112212396A (zh) * | 2020-10-27 | 2021-01-12 | 南京遒涯信息技术有限公司 | 一种基于燃机、5g和ai超算的idc系统 |
CN113465221A (zh) * | 2021-06-18 | 2021-10-01 | 淮阴工学院 | 一种低碳排放的冷热电联产系统及其控制方法 |
CN114580864A (zh) * | 2022-02-21 | 2022-06-03 | 石河子大学 | 针对综合能源系统的多元储能分配方法、系统及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411303A (zh) * | 2011-12-05 | 2012-04-11 | 华北电力大学 | 一种燃气型冷热电联供系统的优化调度装置及方法 |
CN103728881A (zh) * | 2014-01-02 | 2014-04-16 | 东南大学 | 一种多楼宇冷热电联供系统的优化运行方法 |
CN103729684A (zh) * | 2013-11-22 | 2014-04-16 | 浙江工业大学 | 基于萤火虫优化算法的微网负荷博弈方法 |
CN105760959A (zh) * | 2016-02-24 | 2016-07-13 | 武汉大学 | 一种基于两阶段萤火虫编码的机组组合优化方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
CN106527142A (zh) * | 2016-12-06 | 2017-03-22 | 国网江苏省电力公司徐州供电公司 | 一种有源配电网环境下的冷热电联供系统协调调度方法 |
CN106934535A (zh) * | 2017-03-01 | 2017-07-07 | 贵州电网有限责任公司 | 一种冷热电三联供协调控制管理装置及方法 |
CN107370167A (zh) * | 2017-06-16 | 2017-11-21 | 国电南瑞科技股份有限公司 | 基于静态多目标框架的冷热电联产系统的储能调度方法 |
CN107464008A (zh) * | 2016-06-02 | 2017-12-12 | 南京理工大学 | 一种大型楼宇冷热电联供系统的优化调度方法 |
CN108256688A (zh) * | 2018-02-05 | 2018-07-06 | 东北石油大学 | 改进萤火虫算法优化grnn的蒸汽驱开发效果预测方法 |
-
2018
- 2018-12-18 CN CN201811549473.1A patent/CN109471362A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411303A (zh) * | 2011-12-05 | 2012-04-11 | 华北电力大学 | 一种燃气型冷热电联供系统的优化调度装置及方法 |
CN103729684A (zh) * | 2013-11-22 | 2014-04-16 | 浙江工业大学 | 基于萤火虫优化算法的微网负荷博弈方法 |
CN103728881A (zh) * | 2014-01-02 | 2014-04-16 | 东南大学 | 一种多楼宇冷热电联供系统的优化运行方法 |
CN105760959A (zh) * | 2016-02-24 | 2016-07-13 | 武汉大学 | 一种基于两阶段萤火虫编码的机组组合优化方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
CN107464008A (zh) * | 2016-06-02 | 2017-12-12 | 南京理工大学 | 一种大型楼宇冷热电联供系统的优化调度方法 |
CN106527142A (zh) * | 2016-12-06 | 2017-03-22 | 国网江苏省电力公司徐州供电公司 | 一种有源配电网环境下的冷热电联供系统协调调度方法 |
CN106934535A (zh) * | 2017-03-01 | 2017-07-07 | 贵州电网有限责任公司 | 一种冷热电三联供协调控制管理装置及方法 |
CN107370167A (zh) * | 2017-06-16 | 2017-11-21 | 国电南瑞科技股份有限公司 | 基于静态多目标框架的冷热电联产系统的储能调度方法 |
CN108256688A (zh) * | 2018-02-05 | 2018-07-06 | 东北石油大学 | 改进萤火虫算法优化grnn的蒸汽驱开发效果预测方法 |
Non-Patent Citations (2)
Title |
---|
孙秋野 等: "能源互联网动态协调优化控制体系构建", 《中国电机工程学报》 * |
孙鹏飞 等: "多能源冷热电联供系统的经济优化与分析", 《控制工程》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110504684A (zh) * | 2019-08-21 | 2019-11-26 | 东北大学 | 一种区域多微网系统日前优化调度方法 |
CN110504684B (zh) * | 2019-08-21 | 2023-06-20 | 东北大学 | 一种区域多微网系统日前优化调度方法 |
CN112212430A (zh) * | 2020-10-27 | 2021-01-12 | 南京遒涯信息技术有限公司 | 一种基于多源动力和idc协同的智慧能源供热系统 |
CN112212539A (zh) * | 2020-10-27 | 2021-01-12 | 南京遒涯信息技术有限公司 | 一种多源动力与边缘云的智慧能源系统 |
CN112212396A (zh) * | 2020-10-27 | 2021-01-12 | 南京遒涯信息技术有限公司 | 一种基于燃机、5g和ai超算的idc系统 |
CN112212430B (zh) * | 2020-10-27 | 2022-01-21 | 深圳利行科技有限公司 | 一种基于多源动力和idc协同的智慧能源供热系统 |
CN112212539B (zh) * | 2020-10-27 | 2022-02-15 | 深能智慧能源科技有限公司 | 一种多源动力与边缘云的智慧能源系统 |
CN113465221A (zh) * | 2021-06-18 | 2021-10-01 | 淮阴工学院 | 一种低碳排放的冷热电联产系统及其控制方法 |
CN113465221B (zh) * | 2021-06-18 | 2022-08-26 | 淮阴工学院 | 一种低碳排放的冷热电联产系统及其控制方法 |
CN114580864A (zh) * | 2022-02-21 | 2022-06-03 | 石河子大学 | 针对综合能源系统的多元储能分配方法、系统及设备 |
CN114580864B (zh) * | 2022-02-21 | 2023-12-05 | 石河子大学 | 针对综合能源系统的多元储能分配方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109471362A (zh) | 一种冷热电联产优化系统及方法 | |
CN108183500B (zh) | 一种多能互补的农村微能网容量优化配置方法及装置 | |
CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
CN109711080B (zh) | 一种冷热电联供系统多时间尺度优化运行方法 | |
CN110866641A (zh) | 计及源储荷协同的多能互补系统两级优化调度方法及系统 | |
CN111445090A (zh) | 一种离网型综合能源系统双层规划方法 | |
CN108964128A (zh) | 基于电锅炉与储热装置协调供热的低碳经济调度求解方法 | |
CN105869075A (zh) | 一种冷热电联供型微型能源网经济优化调度方法 | |
CN109523092A (zh) | 多能互补冷热电联供系统及其协同调度方法 | |
CN108521132B (zh) | 多能互补支撑电网频率调节的多时间尺度优化控制方法 | |
CN108131722A (zh) | 一种面向电网调峰的终端用户制冷行为自适应调控 | |
Chang et al. | Multi-objective optimization of a novel combined cooling, dehumidification and power system using improved M-PSO algorithm | |
CN107860057B (zh) | 一种热电联产供暖系统热负荷经济优化调度方法 | |
CN109858697B (zh) | 计及源荷随机的冷热电联供系统优化运行方法及系统 | |
CN109447323A (zh) | 一种计及节点热价的综合能源系统两阶段容量配置方法 | |
CN113255198B (zh) | 一种含虚拟储能的冷热电联供微电网多目标优化方法 | |
CN109546689B (zh) | 一种适用于大规模系统的两阶段机组组合运行控制方法 | |
CN113255224A (zh) | 一种基于发光萤火虫算法的能源系统配置优化方法 | |
CN114322044B (zh) | 一种综合能源系统及其运行控制方法 | |
CN114648250A (zh) | 计及综合需求响应和碳排放的园区综合能源系统规划方法 | |
CN113836689A (zh) | 新能源冷热电联供系统分时间尺度运行优化方法及系统 | |
CN113446656B (zh) | 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法 | |
CN116151126A (zh) | 数据中心多能互补分布式能源系统的优化设计和调度方法 | |
CN113240279A (zh) | 基于综合需求侧响应的综合能源系统运行控制方法及系统 | |
CN112862282A (zh) | 一种基于ddqn算法的综合能源系统源-荷协同调度优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190315 |