CN109685683A - 用于泛能站的能源调度模型优化方法、装置、介质及设备 - Google Patents
用于泛能站的能源调度模型优化方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN109685683A CN109685683A CN201811507969.2A CN201811507969A CN109685683A CN 109685683 A CN109685683 A CN 109685683A CN 201811507969 A CN201811507969 A CN 201811507969A CN 109685683 A CN109685683 A CN 109685683A
- Authority
- CN
- China
- Prior art keywords
- period
- characterization
- variable
- characterize
- gas
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 238000002485 combustion reaction Methods 0.000 claims description 142
- 238000012512 characterization method Methods 0.000 claims description 141
- 239000002918 waste heat Substances 0.000 claims description 93
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 90
- 230000006870 function Effects 0.000 claims description 77
- 230000008878 coupling Effects 0.000 claims description 67
- 238000010168 coupling process Methods 0.000 claims description 67
- 238000005859 coupling reaction Methods 0.000 claims description 67
- 230000005611 electricity Effects 0.000 claims description 53
- 239000003345 natural gas Substances 0.000 claims description 45
- 238000004519 manufacturing process Methods 0.000 claims description 35
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 26
- 239000003546 flue gas Substances 0.000 claims description 26
- 239000000567 combustion gas Substances 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000010129 solution processing Methods 0.000 claims description 9
- 239000007789 gas Substances 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000004064 recycling Methods 0.000 claims description 6
- 230000005055 memory storage Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 10
- 239000002994 raw material Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000035800 maturation Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
Abstract
本发明公开了一种用于泛能站的能源调度模型优化方法、装置、可读介质及电子设备,该方法包括:建立泛能站所对应的能源调度模型;利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解。本发明提出的方案,其算法个性化处理能力较高,可以针对泛能站的能源调度模型进行准确的求解,并得到泛能站的能源调度模型的最优解。
Description
技术领域
本发明涉及能源领域,尤其涉及用于泛能站的能源调度模型优化方法、装置、介质及设备。
背景技术
当今社会面临着能源危机与环境污染的双重压力,泛能站作为利用电、气、冷、热等不同形式能源在时空上的耦合机制以实现多能互补的高效分布式能源系统被提出,通常需要为其配置相应的能源调度模型并求得能源调度模型的最优解,根据能源调度模型的最优解得到泛能站的优化能源调度模型。
目前,通常利用CPLEX或Gurobi等成熟的求解器进行能源调度模型建模并对求其最优解,但CPLEX或Gurobi等成熟的求解器均为商业化封装,其算法个性化处理能力偏低,可能无法针对泛能站的能源调度模型进行准确的求解,从而无法得到泛能站的能源调度模型的最优解。
发明内容
本发明提供了一种用于泛能站的能源调度模型优化方法、装置、可读介质及电子设备,该方法的算法个性化处理能力较高,可以针对泛能站的能源调度模型进行准确的求解,并得到泛能站的能源调度模型的最优解。
第一方面,本发明提供了一种用于泛能站的能源调度模型优化方法,包括:
建立泛能站所对应的能源调度模型;
利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解。
优选地,
所述建立泛能站所对应的能源调度模型包括:
确定目标函数以及至少一个约束条件;
利用确定的所述目标函数以及所述至少一个约束条件建立泛能站的所述能源调度模型。
优选地,
所述目标函数包括:
其中,
表征时段t电价与泛能站购买电量的乘积;
表征时段t天然气气价与泛能站购买天然气量的乘积;
表征时段t用户所需电量与电价的乘积;
表征时段t用户所需热量与热价的乘积;
Ny表征余热锅炉的台数、Nm表征内燃机的台数、Nb表燃气蒸汽锅炉的台数;
表征时段t第i台余热锅炉的运行维护成本、表征时段t第i台内燃机的运行维护成本、表征时段t第i台燃气蒸汽锅炉的运行维护成本;
表征时段t第i台余热锅炉的开机成本、表征时段t第i台内燃机的开机成本、表征时段t第i台燃气蒸汽锅炉的开机成本;
表征时段t第i台余热锅炉的停机成本、表征时段t第i台内燃机的停机成本、表征时段t第i台燃气蒸汽锅炉的停机成本;
表征时段t第i台余热锅炉的状态变量、表征时段t第i台内燃机的状态变量、表征时段t第i台燃气蒸汽锅炉的状态变量;
表征时段t第i台余热锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台燃气蒸汽锅炉的启动变量;
表征时段t第i台余热锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台燃气蒸汽锅炉的停机变量;
状态变量、启动变量、停机变量均为0或1的整数变量。
优选地,
所述至少一个约束条件包括:电量平衡约束条件、热能平衡约束条件、燃气平衡约束条件、内燃机余热回收约束条件、设备运行安全和状态耦合约束条件、开机停机和设备状态耦合约束、设备之间输入输出耦合约束条件中的至少一个;
所述电量平衡约束条件包括:
其中,表征时段t泛能站购买电量、表征时段t第i台内燃机产电量、表征时刻t用户所需电量、Nm表征内燃机的台数;
所述热能平衡约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉产高温蒸汽量、表征时段t第i台余热锅炉产高温蒸汽量、表征时段t用户所需热量、Nb表征燃气蒸汽锅炉的台数、Ny表征余热锅炉的台数;
所述燃气平衡约束条件包括:
其中,表征时刻t第i台燃气蒸汽锅炉使用天然气量、表征时刻t第i台内燃机使用天然气量、表征时刻t泛能站购买天然气量;
所述内燃机余热回收约束条件包括:
其中,s表征高温烟气、表征时刻t第i台内燃机产高温烟气量、表征时段t第i台余热锅炉输入高温烟气量、表征时段t第i台内燃机的状态变量、表征时段t第i台余热锅炉的状态变量;
所述设备运行安全和状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的状态变量、表征时段t第i台内燃机的产高温蒸汽量;
所述开机停机和设备状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台余热锅炉的启动变量、表征时段t第i台燃气蒸汽锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台余热锅炉的停机变量、表征时段t+1第i台燃气蒸汽锅炉的状态变量、表征时段t+1第i台内燃机的状态变量、表征时段t+1第i台余热锅炉的状态变量;
所述设备之间输入输出耦合约束条件包括:内燃机输入输出耦合和/或燃气蒸汽锅炉输入输出耦合;其中,
内燃机输入输出耦合:
和/或,
燃气蒸汽锅炉输入输出耦合:
其中,表征时刻t第j台燃气蒸汽锅炉使用天然气量、表征时段t第j台燃气蒸汽锅炉产高温蒸汽量、di、ei、aj、bj均表征历史数据拟合值,
状态变量、启动变量、停机变量均为0或1的整数变量。
优选地,
所述利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解,包括:
S1,初始化所述能源调度模型中所述目标函数在所述至少一个约束条件下的一个可行解所对应的第一目标函数值,将所述第一目标函数值确定为所述目标函数的当前上界,并对所述能源调度模型进行松弛化处理以形成线性松弛调度模型;
S2,求解所述线性松弛调度模型的第一最优解;
S3,判断所述线性松弛调度模型的第一最优解中所携带的各个整数变量是否为整数,若是,则执行S11,否则,执行S4;
S4,在所述第一最优解中选取一个最优取值非整数的第一整数变量,并对选择的所述第一整数变量进行整数分支以形成两个分支子模型;
S5,选择一个未被选择过的所述分支子模型,求解选择的所述分支子模型的第二最优解,并计算所述分支子模型的所述第二最优解对应在所述目标函数上的当前函数值;
S6,检测所述当前函数值是否大于所述当前上界,若是,舍弃选择的所述分支子模型并执行S9,否则,执行S7;
S7,检查所述第二最优解中所携带的各个整数变量的最优取值是否均为整数,若是则确定所述第二最优解为新的当前上界并执行S9,否则,执行S8;
S8,在所述第二最优解中选取一个最优取值非整数的第二整数变量,并对选择的所述第二整数变量进行整数分支以形成两个新的分支子模型,并执行S5;
S9,检测是否存在未被选择过的分支子模型,若是,则执行S5,否则,执行S10;
S10,将对应于所述当前上界的第二最优解确定为所述能源调度模型的最优解;
S11,将所述线性松弛调度模型的所述第一最优解确定为所述能源调度模型的最优解。
第二方面,本发明提供了一种用于泛能站的能源调度模型优化装置,该装置包括:
建模模块和求解处理模块;
所述建模模块,用于建立泛能站所对应的能源调度模型;
所述求解处理模块,用于利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解。
优选地,
所述建模模块包括:目标函数构建单元、约束条件构建单元及建模单元;
所述目标函数构建单元,用于构建目标函数;
所述约束条件构建单元,用于构建至少一个约束条件;
所述建模单元,用于根据所述目标函数和所述至少一个约束条件建立所述能源调度模型。
优选地,
所述目标函数包括:
其中,
表征时段t电价与泛能站购买电量的乘积;
表征时段t天然气气价与泛能站购买天然气量的乘积;
表征时段t用户所需电量与电价的乘积;
表征时段t用户所需热量与热价的乘积;
Ny表征余热锅炉的台数、Nm表征内燃机的台数、Nb表燃气蒸汽锅炉的台数;
表征时段t第i台余热锅炉的运行维护成本、表征时段t第i台内燃机的运行维护成本、表征时段t第i台燃气蒸汽锅炉的运行维护成本;
表征时段t第i台余热锅炉的开机成本、表征时段t第i台内燃机的开机成本、表征时段t第i台燃气蒸汽锅炉的开机成本;
表征时段t第i台余热锅炉的停机成本、表征时段t第i台内燃机的停机成本、表征时段t第i台燃气蒸汽锅炉的停机成本;
表征时段t第i台余热锅炉的状态变量、表征时段t第i台内燃机的状态变量、表征时段t第i台燃气蒸汽锅炉的状态变量;
表征时段t第i台余热锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台燃气蒸汽锅炉的启动变量;
表征时段t第i台余热锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台燃气蒸汽锅炉的停机变量;
状态变量、启动变量、停机变量均为0或1的整数变量。
优选地,
所述至少一个约束条件包括:电量平衡约束条件、热能平衡约束条件、燃气平衡约束条件、内燃机余热回收约束条件、设备运行安全和状态耦合约束条件、开机停机和设备状态耦合约束、设备之间输入输出耦合约束条件中的至少一个;
所述电量平衡约束条件包括:
其中,表征时段t泛能站购买电量、表征时段t第i台内燃机产电量、表征时刻t用户所需电量、Nm表征内燃机的台数;
所述热能平衡约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉产高温蒸汽量、表征时段t第i台余热锅炉产高温蒸汽量、表征时段t用户所需热量、Nb表征燃气蒸汽锅炉的台数、Ny表征余热锅炉的台数;
所述燃气平衡约束条件包括:
其中,表征时刻t第i台燃气蒸汽锅炉使用天然气量、表征时刻t第i台内燃机使用天然气量、表征时刻t泛能站购买天然气量;
所述内燃机余热回收约束条件包括:
其中,s表征高温烟气、表征时刻t第i台内燃机产高温烟气量、表征时段t第i台余热锅炉输入高温烟气量、表征时段t第i台内燃机的状态变量、表征时段t第i台余热锅炉的状态变量;
所述设备运行安全和状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的状态变量、表征时段t第i台内燃机的产高温蒸汽量;
所述开机停机和设备状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台余热锅炉的启动变量、表征时段t第i台燃气蒸汽锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台余热锅炉的停机变量、表征时段t+1第i台燃气蒸汽锅炉的状态变量、表征时段t+1第i台内燃机的状态变量、表征时段t+1第i台余热锅炉的状态变量;
所述设备之间输入输出耦合约束条件包括:内燃机输入输出耦合和/或燃气蒸汽锅炉输入输出耦合;其中,
内燃机输入输出耦合:
和/或,
燃气蒸汽锅炉输入输出耦合:
其中,表征时刻t第j台燃气蒸汽锅炉使用天然气量、表征时段t第j台燃气蒸汽锅炉产高温蒸汽量、di、ei、aj、bj均表征历史数据拟合值,
状态变量、启动变量、停机变量均为0或1的整数变量。
优选地,
所述求解处理模块,用于执行如下S1~S11:
S1,初始化所述能源调度模型中所述目标函数在所述至少一个约束条件下的一个可行解所对应的第一目标函数值,将所述第一目标函数值确定为所述目标函数的当前上界,并对所述能源调度模型进行松弛化处理以形成线性松弛调度模型;
S2,求解所述线性松弛调度模型的第一最优解;
S3,判断所述线性松弛调度模型的第一最优解中所携带的各个整数变量是否为整数,若是,则执行S11,否则,执行S4;
S4,在所述第一最优解中选取一个最优取值非整数的第一整数变量,并对选择的所述第一整数变量进行整数分支以形成两个分支子模型;
S5,选择一个未被选择过的所述分支子模型,求解选择的所述分支子模型的第二最优解,并计算所述分支子模型的所述第二最优解对应在所述目标函数上的当前函数值;
S6,检测所述当前函数值是否大于所述当前上界,若是,舍弃选择的所述分支子模型并执行S9,否则,执行S7;
S7,检查所述第二最优解中所携带的各个整数变量的最优取值是否均为整数,若是则确定所述第二最优解为新的当前上界并执行S9,否则,执行S8;
S8,在所述第二最优解中选取一个最优取值非整数的第二整数变量,并对选择的所述第二整数变量进行整数分支以形成两个新的分支子模型,并执行S5;
S9,检测是否存在未被选择过的分支子模型,若是,则执行S5,否则,执行S10;
S10,将对应于所述当前上界的第二最优解确定为所述能源调度模型的最优解;
S11,将所述线性松弛调度模型的所述第一最优解确定为所述能源调度模型的最优解。
第三方面,本发明提供了一种可读介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行如第一方面中任一所述的方法。
第四方面,本发明提供了一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种用于泛能站的能源调度模型优化方法、装置、可读介质及电子设备,该方法通过在构建泛能站的能源调度模型后,利用分支定界算法对能源调度模型进行求解,分支定界算法可以将能源调度模型的全部可行域反复地分割,以使分割得到的子集越来越小,并对每个子集内的解集计算一个目标下界与初始设置的上界进行比较,对于目标下界大于初始设置的上界的子集不再进行进一步的分割,从而缩小了搜索范围,其算法的个性化处理能力较高,因此,利用分支定界算法对泛能站的能源调度模型进行求解,可以实现针对泛能站的能源调度模型进行准确的求解,并获得泛能站能源调度模型的最优解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中提供的一种用于泛能站的能源调度模型优化方法的流程示意图;
图2为本发明实施例中提供的一种用于泛能站的能源调度模型优化装置的结构示意图;
图3为本发明实施例中提供的又一种用于泛能站的能源调度模型优化装置的结构示意图;
图4为本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例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做出创造性劳动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。
如图1所述,本发明实施例提供一种用于泛能站的能源调度模型优化方法,该方法包括:
步骤101,建立泛能站所对应的能源调度模型;
步骤102,利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解。
本发明实施例中提供了一种用于泛能站的能源调度模型优化方法,该方法通过在构建泛能站的能源调度模型后,利用分支定界算法对能源调度模型进行求解,分支定界算法可以将能源调度模型的全部可行域反复地分割,以使分割得到的子集越来越小,并对每个子集内的解集计算一个目标下界与初始设置的上界进行比较,对于目标下界大于初始设置的上界的子集不再进行进一步的分割,从而缩小了搜索范围,其算法的个性化处理能力较高,因此,利用分支定界算法对泛能站的能源调度模型进行求解,可以实现针对泛能站的能源调度模型进行准确的求解,并获得泛能站能源调度模型的最优解。
本发明一个实施例中,所述建立泛能站所对应的能源调度模型包括:确定目标函数以及至少一个约束条件;利用确定的所述目标函数以及所述至少一个约束条件建立泛能站的所述能源调度模型。
在上述实施例中,用户可以根据实际需求构建目标函数以及约束条件。
本发明一个实施例中,所述目标函数包括:
其中,
表征时段t电价与泛能站购买电量的乘积;
表征时段t天然气气价与泛能站购买天然气量的乘积;
表征时段t用户所需电量与电价的乘积;
表征时段t用户所需热量与热价的乘积;
Ny表征余热锅炉的台数、Nm表征内燃机的台数、Nb表燃气蒸汽锅炉的台数;
表征时段t第i台余热锅炉的运行维护成本、表征时段t第i台内燃机的运行维护成本、表征时段t第i台燃气蒸汽锅炉的运行维护成本;
表征时段t第i台余热锅炉的开机成本、表征时段t第i台内燃机的开机成本、表征时段t第i台燃气蒸汽锅炉的开机成本;
表征时段t第i台余热锅炉的停机成本、表征时段t第i台内燃机的停机成本、表征时段t第i台燃气蒸汽锅炉的停机成本;
表征时段t第i台余热锅炉的状态变量、表征时段t第i台内燃机的状态变量、表征时段t第i台燃气蒸汽锅炉的状态变量;
表征时段t第i台余热锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台燃气蒸汽锅炉的启动变量;
表征时段t第i台余热锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台燃气蒸汽锅炉的停机变量;
状态变量、启动变量、停机变量均为0或1的整数变量。
在上述实施例中,构建目标函数F时考虑的因素有泛能站内的三种能源(即电能、天然气、热能)以及三种设备(即内燃机、余热锅炉、燃气蒸汽锅炉),三种能源与三种设备在泛能站内的相互关系如下:内燃机以天然气为原料产生电量和高温烟气,内燃机产生的电量用于为用户提供电能,产生的高温烟气经余热锅炉变为高温蒸汽为用户提供热能,燃气蒸汽锅炉以天然气为原料产生高温蒸汽为用户提供热能,泛能站购买天然气为内燃机和燃气蒸汽锅炉提供原料,同时泛能站也会购买电量用于维持泛能站的正常运转,考虑上述各个因素,得到目标函数F,构建的目标函数F表征收益的相反数,min F表征最大化收益,则对能源调度模型进行优化的目标为泛能站的收益最大化,当然,用户可以根据实际需求构建不同的目标函数。
本发明一个实施例中,所述至少一个约束条件包括:电量平衡约束条件、热能平衡约束条件、燃气平衡约束条件、内燃机余热回收约束条件、设备运行安全和状态耦合约束条件、开机停机和设备状态耦合约束、设备之间输入输出耦合约束条件中的至少一个;
所述电量平衡约束条件包括:
其中,表征时段t泛能站购买电量、表征时段t第i台内燃机产电量、表征时刻t用户所需电量、Nm表征内燃机的台数;
所述热能平衡约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉产高温蒸汽量、表征时段t第i台余热锅炉产高温蒸汽量、表征时段t用户所需热量、Nb表征燃气蒸汽锅炉的台数、Ny表征余热锅炉的台数;
所述燃气平衡约束条件包括:
其中,表征时刻t第i台燃气蒸汽锅炉使用天然气量、表征时刻t第i台内燃机使用天然气量、表征时刻t泛能站购买天然气量;
所述内燃机余热回收约束条件包括:
其中,s表征高温烟气、表征时刻t第i台内燃机产高温烟气量、表征时段t第i台余热锅炉输入高温烟气量、表征时段t第i台内燃机的状态变量、表征时段t第i台余热锅炉的状态变量;
所述设备运行安全和状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的状态变量、表征时段t第i台内燃机的产高温蒸汽量;
所述开机停机和设备状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台余热锅炉的启动变量、表征时段t第i台燃气蒸汽锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台余热锅炉的停机变量、表征时段t+1第i台燃气蒸汽锅炉的状态变量、表征时段t+1第i台内燃机的状态变量、表征时段t+1第i台余热锅炉的状态变量;
所述设备之间输入输出耦合约束条件包括:内燃机输入输出耦合和/或燃气蒸汽锅炉输入输出耦合;其中,
内燃机输入输出耦合:
和/或,
燃气蒸汽锅炉输入输出耦合:
其中,表征时刻t第j台燃气蒸汽锅炉使用天然气量、表征时段t第j台燃气蒸汽锅炉产高温蒸汽量、di、ei、aj、bj均表征历史数据拟合值,
状态变量、启动变量、停机变量均为0或1的整数变量。
在上述实施例中,针对于公式2,由于泛能站中内燃机产电量以及泛能站向电网购买电量应满足泛能站向用户所提供的电量,即目标函数应当满足电量平衡,因此,可将公式2作为能源调度模型中的一个约束条件;针对于公式3,由于在泛能站中内燃机产生电量的同时会产生高温烟气,高温烟气通过余热锅炉变为高温蒸汽,余热锅炉产生的高温蒸汽与燃气蒸汽锅炉产生的高温蒸汽满足用户的热量需求,即目标函数应当满足热量平衡,因此,可将公式3作为能源调度模型中的一个约束条件;针对于公式4,由于内燃机和燃气蒸汽锅炉均以天然气为原料,泛能站通过购买天然气为内燃机和燃气蒸汽锅炉提供原料,即目标函数应当满足燃气平衡,因此,可将公式4作为能源调度模型中的一个约束条件;针对于公式5,由于内燃机产生的高温烟气全部输出给余热锅炉,即内燃机输出的高温烟气量与余热锅炉输入的高温烟气量一致,且内燃机与余热锅炉的运行状态始终保持相同,则目标函数应当满足高温烟气平衡且满足内燃机与余热锅炉的状态变量相同,因此,可将公式5作为能源调度模型中的一个约束条件;针对于公式6,考虑每一个设备有最大产能和最小产能,且燃气蒸汽锅炉、内燃机和余热蒸汽锅炉的最大产能和最小产能又分别跟设备的状态变量耦合,即目标函数应当满足设备运行安全和状态耦合的关系,因此,可将公式6作为能源调度模型中的一个约束条件;针对公式7,引入启动变量和停机变量,并考虑设备开机停机和各时段的设备状态间的耦合,即目标函数应当满足设备开机停机与各时段的设备状态的耦合关系,因此,可将公式7作为能源调度模型中的一个约束条件;针对公式8,内燃机消耗天然气产生电量,考虑内燃机天然气的消耗量与产生的电量之间的关系,通过内燃机的历史数据进行拟合得出内燃机输入输出耦合关系式,即目标函数应当满足内燃机输入输出耦合关系式,因此,可将公式8作为能源调度模型中的一个约束条件;针对公式9,由于燃气蒸汽锅炉消耗天然气,产生高温蒸汽,利用历史数据进行拟合得出燃气蒸汽锅炉输入输出耦合关系式,即目标函数应当满足燃气蒸汽锅炉输入输出耦合关系式,因此,可将公式9作为能源调度模型中的一个约束条件。
显而易见的,由公式1-公式9构成泛能站的能源调度模型,状态变量、启动变量和停机变量均为0或1的整数变量,1代表设备运行状态、有开机动作或有关机动作,0代表设备停运状态、无开机动作或无关机动作,则对泛能站的能源调度模型进行优化属于混合整数线性规划;对泛能站的能源调度模型进行优化,即在约束条件下,求解目标函数的最优解,根据能源调度模型的最优解得到泛能站的优化调度模型,以实现收益最大化的优化目标。
本发明一个实施例中,所述利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解,包括:
S1,初始化所述能源调度模型中所述目标函数在所述至少一个约束条件下的一个可行解所对应的第一目标函数值,将所述第一目标函数值确定为所述目标函数的当前上界,并对所述能源调度模型进行松弛化处理以形成线性松弛调度模型;
S2,求解所述线性松弛调度模型的第一最优解;
S3,判断所述线性松弛调度模型的第一最优解中所携带的各个整数变量是否为整数,若是,则执行S11,否则,执行S4;
S4,在所述第一最优解中选取一个最优取值非整数的第一整数变量,并对选择的所述第一整数变量进行整数分支以形成两个分支子模型;
S5,选择一个未被选择过的所述分支子模型,求解选择的所述分支子模型的第二最优解,并计算所述分支子模型的所述第二最优解对应在所述目标函数上的当前函数值;
S6,检测所述当前函数值是否大于所述当前上界,若是,舍弃选择的所述分支子模型并执行S9,否则,执行S7;
S7,检查所述第二最优解中所携带的各个整数变量的最优取值是否均为整数,若是则确定所述第二最优解为新的当前上界并执行S9,否则,执行S8;
S8,在所述第二最优解中选取一个最优取值非整数的第二整数变量,并对选择的所述第二整数变量进行整数分支以形成两个新的分支子模型,并执行S5;
S9,检测是否存在未被选择过的分支子模型,若是,则执行S5,否则,执行S10;
S10,将对应于所述当前上界的第二最优解确定为所述能源调度模型的最优解;
S11,将所述线性松弛调度模型的所述第一最优解确定为所述能源调度模型的最优解。
在上述实施例中,分支定界算法可以将能源调度模型在约束条件下的全部可行域反复地分割,以使分割得到的子集越来越小,并对每个子集内的解集计算一个目标下界与初始设置的上界进行比较,对于目标下界大于初始设置的上界的子集不再进行进一步的分割,从而缩小了搜索范围,最终确定能源调度模型的最优解。
具体的,首先初始化能源调度模型中目标函数在约束条件下的一个可行解所对应的第一目标函数值,将第一目标函数值确定为目标函数的当前上界;然后对泛能站的能源调度模型进行松弛化处理,即将目标函数中状态变量、启动变量、停机变量只能为0或1的整数变量,松弛为0至1的连续变量,从而形成线性松弛调度模型;求解该线性松弛调度模型的第一最优解,如果该线性松弛调度模型的第一最优解中携带的各个整数变量的最优取值均为整数,则该第一最优解即为能源调度模型的最优解,如果该线性松弛调度模型的第一最优解中存在最优取值非整数的整数变量,从第一最优解中选取一个最优取值非整数的第一整数变量,对第一整数变量进行整数分支以形成两个分支子模型,例如,如果在第一最优解中第i台内燃机的状态变量的最优取值为0.4,则可以将第i台内燃机的状态变量选取为第一整数变量,对其进行整数分支,可以形成第i台内燃机的状态变量为0的分支子模型和第i台内燃机的状态变量为1的分支子模型;选取所有分支子模型进行求解得到第二最优解,如果得到的分支子模型的第二最优解对应在目标函数上的当前函数值比当前上界大,则舍弃该分支子模型,因继续进行分支只能得到更差的结果;如果得到的分支子模型的最优解比当前上界小,则先检测第二最优解携带的整数变量的最优取值是否均为整数,若是,则第二最优解为能源调度模型的一个可行解,且第二最优解对应在目标函数上的当前函数值比当前上界小,更新当前上界;若第二最优解存在最优取值非整数的整数变量,在第二最优解中选取最优取值非整数的第二整数变量进行整数分支,形成新的分支子模型,继续求解新的分支子模型的第二最优解,直至没有继续分支的可能;其中因第二最优解是第一整数变量整数分支后求得,也就是第一整数变量只能为0或1的条件下求得的第二最优解,则第二整数变量与第一整数变量必然是不同的;
在此过程中随着被选择的分支的不同,第二最优解被不断的更新,当得到的第二最优解是能源调度模型的一个可行解且当前的第二最优解对应在目标函数上的当前函数值比当前上界小,更新当前上界,将所有形成的分支子问题都求解完成后将最终得到的当前上界所对应的第二最优解确定为能源调度模型的最优解。
基于与本发明方法实施例相同的构思,如图2所示,本发明实施例还提供了一种用于泛能站的能源调度模型优化装置,该装置包括:建模模块201和求解处理模块202;所述建模模块201,用于建立泛能站所对应的能源调度模型;所述求解处理模块202,用于利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解。
本发明一个实施例中,所述建模模块201包括:目标函数构建单元2011、约束条件构建单元2012及建模单元2013;所述目标函数构建单元2011,用于构建目标函数;所述约束条件构建单元2012,用于构建至少一个约束条件;所述建模单元2013,用于根据所述目标函数和所述至少一个约束条件建立所述能源调度模型。
本发明一个实施例中,所述目标函数包括:
其中,
表征时段t电价与泛能站购买电量的乘积;
表征时段t天然气气价与泛能站购买天然气量的乘积;
表征时段t用户所需电量与电价的乘积;
表征时段t用户所需热量与热价的乘积;
Ny表征余热锅炉的台数、Nm表征内燃机的台数、Nb表燃气蒸汽锅炉的台数;
表征时段t第i台余热锅炉的运行维护成本、表征时段t第i台内燃机的运行维护成本、表征时段t第i台燃气蒸汽锅炉的运行维护成本;
表征时段t第i台余热锅炉的开机成本、表征时段t第i台内燃机的开机成本、表征时段t第i台燃气蒸汽锅炉的开机成本;
表征时段t第i台余热锅炉的停机成本、表征时段t第i台内燃机的停机成本、表征时段t第i台燃气蒸汽锅炉的停机成本;
表征时段t第i台余热锅炉的状态变量、表征时段t第i台内燃机的状态变量、表征时段t第i台燃气蒸汽锅炉的状态变量;
表征时段t第i台余热锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台燃气蒸汽锅炉的启动变量;
表征时段t第i台余热锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台燃气蒸汽锅炉的停机变量;
状态变量、启动变量、停机变量均为0或1的整数变量。
本发明一个实施例中,所述至少一个约束条件包括:电量平衡约束条件、热能平衡约束条件、燃气平衡约束条件、内燃机余热回收约束条件、设备运行安全和状态耦合约束条件、开机停机和设备状态耦合约束、设备之间输入输出耦合约束条件中的至少一个;
所述电量平衡约束条件包括:
其中,表征时段t泛能站购买电量、表征时段t第i台内燃机产电量、表征时刻t用户所需电量、Nm表征内燃机的台数;
所述热能平衡约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉产高温蒸汽量、表征时段t第i台余热锅炉产高温蒸汽量、表征时段t用户所需热量、Nb表征燃气蒸汽锅炉的台数、Ny表征余热锅炉的台数;
所述燃气平衡约束条件包括:
其中,表征时刻t第i台燃气蒸汽锅炉使用天然气量、表征时刻t第i台内燃机使用天然气量、表征时刻t泛能站购买天然气量;
所述内燃机余热回收约束条件包括:
其中,s表征高温烟气、表征时刻t第i台内燃机产高温烟气量、表征时段t第i台余热锅炉输入高温烟气量、表征时段t第i台内燃机的状态变量、表征时段t第i台余热锅炉的状态变量;
所述设备运行安全和状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的状态变量、表征时段t第i台内燃机的产高温蒸汽量;
所述开机停机和设备状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台余热锅炉的启动变量、表征时段t第i台燃气蒸汽锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台余热锅炉的停机变量、表征时段t+1第i台燃气蒸汽锅炉的状态变量、表征时段t+1第i台内燃机的状态变量、表征时段t+1第i台余热锅炉的状态变量;
所述设备之间输入输出耦合约束条件包括:内燃机输入输出耦合和/或燃气蒸汽锅炉输入输出耦合;其中,
内燃机输入输出耦合:
和/或,
燃气蒸汽锅炉输入输出耦合:
其中,表征时刻t第j台燃气蒸汽锅炉使用天然气量、表征时段t第j台燃气蒸汽锅炉产高温蒸汽量、di、ei、aj、bj均表征历史数据拟合值,
状态变量、启动变量、停机变量均为0或1的整数变量。
本发明一个实施例中,所述求解处理模块202,用于执行如下S1~S11:
S1,初始化所述能源调度模型中所述目标函数在所述至少一个约束条件下的一个可行解所对应的第一目标函数值,将所述第一目标函数值确定为所述目标函数的当前上界,并对所述能源调度模型进行松弛化处理以形成线性松弛调度模型;
S2,求解所述线性松弛调度模型的第一最优解;
S3,判断所述线性松弛调度模型的第一最优解中所携带的各个整数变量是否为整数,若是,则执行S11,否则,执行S4;
S4,在所述第一最优解中选取一个最优取值非整数的第一整数变量,并对选择的所述第一整数变量进行整数分支以形成两个分支子模型;
S5,选择一个未被选择过的所述分支子模型,求解选择的所述分支子模型的第二最优解,并计算所述分支子模型的所述第二最优解对应在所述目标函数上的当前函数值;
S6,检测所述当前函数值是否大于所述当前上界,若是,舍弃选择的所述分支子模型并执行S9,否则,执行S7;
S7,检查所述第二最优解中所携带的各个整数变量的最优取值是否均为整数,若是则确定所述第二最优解为新的当前上界并执行S9,否则,执行S8;
S8,在所述第二最优解中选取一个最优取值非整数的第二整数变量,并对选择的所述第二整数变量进行整数分支以形成两个新的分支子模型,并执行S5;
S9,检测是否存在未被选择过的分支子模型,若是,则执行S5,否则,执行S10;
S10,将对应于所述当前上界的第二最优解确定为所述能源调度模型的最优解;
S11,将所述线性松弛调度模型的所述第一最优解确定为所述能源调度模型的最优解。
为了描述的方便,描述以上装置实施例时以功能分为各种单元或模块分别描述,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
图4是本发明实施例提供的一种电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放执行指令。具体地,执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器,并向处理器提供执行指令和数据。
在一种可能实现的方式中,处理器从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成用于泛能站的能源调度模型优化装置。处理器执行存储器所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的用于泛能站的能源调度模型优化方法。
上述如本发明图2、图3所示实施例提供的用于泛能站的能源调度模型优化装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种可读介质,该可读存储介质存储有执行指令,存储的执行指令被电子设备的处理器执行时,能够使该电子设备执行本发明任一实施例中提供的用于泛能站的能源调度模型优化方法,并具体用于执行如图1所示的方法。
前述各个实施例中所述的电子设备可以为计算机。
本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (12)
1.一种用于泛能站的能源调度模型优化方法,其特征在于,包括:
建立泛能站所对应的能源调度模型;
利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解。
2.根据权利要求1所述的方法,其特征在于,
所述建立泛能站所对应的能源调度模型包括:
确定目标函数以及至少一个约束条件;
利用确定的所述目标函数以及所述至少一个约束条件建立泛能站的所述能源调度模型。
3.根据权利要求2所述的方法,其特征在于,
所述目标函数包括:
其中,
表征时段t电价与泛能站购买电量的乘积;
表征时段t天然气气价与泛能站购买天然气量的乘积;
表征时段t用户所需电量与电价的乘积;
表征时段t用户所需热量与热价的乘积;
Ny表征余热锅炉的台数、Nm表征内燃机的台数、Nb表燃气蒸汽锅炉的台数;
表征时段t第i台余热锅炉的运行维护成本、表征时段t第i台内燃机的运行维护成本、表征时段t第i台燃气蒸汽锅炉的运行维护成本;
表征时段t第i台余热锅炉的开机成本、表征时段t第i台内燃机的开机成本、表征时段t第i台燃气蒸汽锅炉的开机成本;
表征时段t第i台余热锅炉的停机成本、表征时段t第i台内燃机的停机成本、表征时段t第i台燃气蒸汽锅炉的停机成本;
表征时段t第i台余热锅炉的状态变量、表征时段t第i台内燃机的状态变量、表征时段t第i台燃气蒸汽锅炉的状态变量;
表征时段t第i台余热锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台燃气蒸汽锅炉的启动变量;
表征时段t第i台余热锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台燃气蒸汽锅炉的停机变量;
状态变量、启动变量、停机变量均为0或1的整数变量。
4.根据权利要求2所述的方法,其特征在于,
所述至少一个约束条件包括:电量平衡约束条件、热能平衡约束条件、燃气平衡约束条件、内燃机余热回收约束条件、设备运行安全和状态耦合约束条件、开机停机和设备状态耦合约束、设备之间输入输出耦合约束条件中的至少一个;
所述电量平衡约束条件包括:
其中,表征时段t泛能站购买电量、表征时段t第i台内燃机产电量、表征时刻t用户所需电量、Nm表征内燃机的台数;
所述热能平衡约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉产高温蒸汽量、表征时段t第i台余热锅炉产高温蒸汽量、表征时段t用户所需热量、Nb表征燃气蒸汽锅炉的台数、Ny表征余热锅炉的台数;
所述燃气平衡约束条件包括:
其中,表征时刻t第i台燃气蒸汽锅炉使用天然气量、表征时刻t第i台内燃机使用天然气量、表征时刻t泛能站购买天然气量;
所述内燃机余热回收约束条件包括:
其中,s表征高温烟气、表征时刻t第i台内燃机产高温烟气量、表征时段t第i台余热锅炉输入高温烟气量、表征时段t第i台内燃机的状态变量、表征时段t第i台余热锅炉的状态变量;
所述设备运行安全和状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的状态变量、表征时段t第i台内燃机的产高温蒸汽量;
所述开机停机和设备状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台余热锅炉的启动变量、表征时段t第i台燃气蒸汽锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台余热锅炉的停机变量、表征时段t+1第i台燃气蒸汽锅炉的状态变量、表征时段t+1第i台内燃机的状态变量、表征时段t+1第i台余热锅炉的状态变量;
所述设备之间输入输出耦合约束条件包括:内燃机输入输出耦合和/或燃气蒸汽锅炉输入输出耦合;其中,
内燃机输入输出耦合:
和/或,
燃气蒸汽锅炉输入输出耦合:
其中,表征时刻t第j台燃气蒸汽锅炉使用天然气量、表征时段t第j台燃气蒸汽锅炉产高温蒸汽量、di、ei、aj、bj均表征历史数据拟合值,
状态变量、启动变量、停机变量均为0或1的整数变量。
5.根据权利要求3所述的方法,其特征在于,
所述利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解,包括:
S1,初始化所述能源调度模型中所述目标函数在所述至少一个约束条件下的一个可行解所对应的第一目标函数值,将所述第一目标函数值确定为所述目标函数的当前上界,并对所述能源调度模型进行松弛化处理以形成线性松弛调度模型;
S2,求解所述线性松弛调度模型的第一最优解;
S3,判断所述线性松弛调度模型的第一最优解中所携带的各个整数变量是否为整数,若是,则执行S11,否则,执行S4;
S4,在所述第一最优解中选取一个最优取值非整数的第一整数变量,并对选择的所述第一整数变量进行整数分支以形成两个分支子模型;
S5,选择一个未被选择过的所述分支子模型,求解选择的所述分支子模型的第二最优解,并计算所述分支子模型的所述第二最优解对应在所述目标函数上的当前函数值;
S6,检测所述当前函数值是否大于所述当前上界,若是,舍弃选择的所述分支子模型并执行S9,否则,执行S7;
S7,检查所述第二最优解中所携带的各个整数变量的最优取值是否均为整数,若是则确定所述第二最优解为新的当前上界并执行S9,否则,执行S8;
S8,在所述第二最优解中选取一个最优取值非整数的第二整数变量,并对选择的所述第二整数变量进行整数分支以形成两个新的分支子模型,并执行S5;
S9,检测是否存在未被选择过的分支子模型,若是,则执行S5,否则,执行S10;
S10,将对应于所述当前上界的第二最优解确定为所述能源调度模型的最优解;
S11,将所述线性松弛调度模型的所述第一最优解确定为所述能源调度模型的最优解。
6.一种用于泛能站的能源调度模型优化装置,其特征在于,包括:
建模模块和求解处理模块;
所述建模模块,用于建立泛能站所对应的能源调度模型;
所述求解处理模块,用于利用分支定界算法对所述能源调度模型进行求解,以确定所述能源调度模型的最优解。
7.根据权利要求6所述的装置,其特征在于,
所述建模模块包括:目标函数构建单元、约束条件构建单元及建模单元;
所述目标函数构建单元,用于构建目标函数;
所述约束条件构建单元,用于构建至少一个约束条件;
所述建模单元,用于根据所述目标函数和所述至少一个约束条件建立所述能源调度模型。
8.根据权利要求7所述的装置,其特征在于,
所述目标函数包括:
其中,
表征时段t电价与泛能站购买电量的乘积;
表征时段t天然气气价与泛能站购买天然气量的乘积;
表征时段t用户所需电量与电价的乘积;
表征时段t用户所需热量与热价的乘积;
Ny表征余热锅炉的台数、Nm表征内燃机的台数、Nb表燃气蒸汽锅炉的台数;
表征时段t第i台余热锅炉的运行维护成本、表征时段t第i台内燃机的运行维护成本、表征时段t第i台燃气蒸汽锅炉的运行维护成本;
表征时段t第i台余热锅炉的开机成本、表征时段t第i台内燃机的开机成本、表征时段t第i台燃气蒸汽锅炉的开机成本;
表征时段t第i台余热锅炉的停机成本、表征时段t第i台内燃机的停机成本、表征时段t第i台燃气蒸汽锅炉的停机成本;
表征时段t第i台余热锅炉的状态变量、表征时段t第i台内燃机的状态变量、表征时段t第i台燃气蒸汽锅炉的状态变量;
表征时段t第i台余热锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台燃气蒸汽锅炉的启动变量;
表征时段t第i台余热锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台燃气蒸汽锅炉的停机变量;
状态变量、启动变量、停机变量均为0或1的整数变量。
9.根据权利要求7所述的装置,其特征在于,
所述至少一个约束条件包括:电量平衡约束条件、热能平衡约束条件、燃气平衡约束条件、内燃机余热回收约束条件、设备运行安全和状态耦合约束条件、开机停机和设备状态耦合约束、设备之间输入输出耦合约束条件中的至少一个;
所述电量平衡约束条件包括:
其中,表征时段t泛能站购买电量、表征时段t第i台内燃机产电量、表征时刻t用户所需电量、Nm表征内燃机的台数;
所述热能平衡约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉产高温蒸汽量、表征时段t第i台余热锅炉产高温蒸汽量、表征时段t用户所需热量、Nb表征燃气蒸汽锅炉的台数、Ny表征余热锅炉的台数;
所述燃气平衡约束条件包括:
其中,表征时刻t第i台燃气蒸汽锅炉使用天然气量、表征时刻t第i台内燃机使用天然气量、表征时刻t泛能站购买天然气量;
所述内燃机余热回收约束条件包括:
其中,s表征高温烟气、表征时刻t第i台内燃机产高温烟气量、表征时段t第i台余热锅炉输入高温烟气量、表征时段t第i台内燃机的状态变量、表征时段t第i台余热锅炉的状态变量;
所述设备运行安全和状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的状态变量、表征时段t第i台内燃机的产高温蒸汽量;
所述开机停机和设备状态耦合约束条件包括:
其中,表征时段t第i台燃气蒸汽锅炉的启动变量、表征时段t第i台内燃机的启动变量、表征时段t第i台余热锅炉的启动变量、表征时段t第i台燃气蒸汽锅炉的停机变量、表征时段t第i台内燃机的停机变量、表征时段t第i台余热锅炉的停机变量、表征时段t+1第i台燃气蒸汽锅炉的状态变量、表征时段t+1第i台内燃机的状态变量、表征时段t+1第i台余热锅炉的状态变量;
所述设备之间输入输出耦合约束条件包括:内燃机输入输出耦合和/或燃气蒸汽锅炉输入输出耦合;其中,
内燃机输入输出耦合:
和/或,
燃气蒸汽锅炉输入输出耦合:
其中,表征时刻t第j台燃气蒸汽锅炉使用天然气量、表征时段t第j台燃气蒸汽锅炉产高温蒸汽量、di、ei、aj、bj均表征历史数据拟合值,
状态变量、启动变量、停机变量均为0或1的整数变量。
10.根据权利要求8所述的装置,其特征在于,
所述求解处理模块,用于执行如下S1~S11:
S1,初始化所述能源调度模型中所述目标函数在所述至少一个约束条件下的一个可行解所对应的第一目标函数值,将所述第一目标函数值确定为所述目标函数的当前上界,并对所述能源调度模型进行松弛化处理以形成线性松弛调度模型;
S2,求解所述线性松弛调度模型的第一最优解;
S3,判断所述线性松弛调度模型的第一最优解中所携带的各个整数变量是否为整数,若是,则执行S11,否则,执行S4;
S4,在所述第一最优解中选取一个最优取值非整数的第一整数变量,并对选择的所述第一整数变量进行整数分支以形成两个分支子模型;
S5,选择一个未被选择过的所述分支子模型,求解选择的所述分支子模型的第二最优解,并计算所述分支子模型的所述第二最优解对应在所述目标函数上的当前函数值;
S6,检测所述当前函数值是否大于所述当前上界,若是,舍弃选择的所述分支子模型并执行S9,否则,执行S7;
S7,检查所述第二最优解中所携带的各个整数变量的最优取值是否均为整数,若是则确定所述第二最优解为新的当前上界并执行S9,否则,执行S8;
S8,在所述第二最优解中选取一个最优取值非整数的第二整数变量,并对选择的所述第二整数变量进行整数分支以形成两个新的分支子模型,并执行S5;
S9,检测是否存在未被选择过的分支子模型,若是,则执行S5,否则,执行S10;
S10,将对应于所述当前上界的第二最优解确定为所述能源调度模型的最优解;
S11,将所述线性松弛调度模型的所述第一最优解确定为所述能源调度模型的最优解。
11.一种可读介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行如权利要求1至5中任一所述的方法。
12.一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811507969.2A CN109685683A (zh) | 2018-12-11 | 2018-12-11 | 用于泛能站的能源调度模型优化方法、装置、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811507969.2A CN109685683A (zh) | 2018-12-11 | 2018-12-11 | 用于泛能站的能源调度模型优化方法、装置、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685683A true CN109685683A (zh) | 2019-04-26 |
Family
ID=66187515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811507969.2A Pending CN109685683A (zh) | 2018-12-11 | 2018-12-11 | 用于泛能站的能源调度模型优化方法、装置、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685683A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912654A (zh) * | 2022-03-31 | 2022-08-16 | 北京百度网讯科技有限公司 | 对象调度方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150051938A1 (en) * | 2013-08-13 | 2015-02-19 | Siemens Industry, Inc. | Systems, methods and apparatus for optimizing fuel mix, fuel allocation and scheduling of generator resources |
CN107832979A (zh) * | 2017-12-06 | 2018-03-23 | 浙江大学 | 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法 |
CN108256736A (zh) * | 2017-12-15 | 2018-07-06 | 南京航空航天大学 | 微电网中涉及时间相关可再生能源的发电调度技术 |
CN108490904A (zh) * | 2018-05-10 | 2018-09-04 | 东北大学 | 一种基于设备多工况运行的能源系统优化调度方法 |
-
2018
- 2018-12-11 CN CN201811507969.2A patent/CN109685683A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150051938A1 (en) * | 2013-08-13 | 2015-02-19 | Siemens Industry, Inc. | Systems, methods and apparatus for optimizing fuel mix, fuel allocation and scheduling of generator resources |
CN107832979A (zh) * | 2017-12-06 | 2018-03-23 | 浙江大学 | 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法 |
CN108256736A (zh) * | 2017-12-15 | 2018-07-06 | 南京航空航天大学 | 微电网中涉及时间相关可再生能源的发电调度技术 |
CN108490904A (zh) * | 2018-05-10 | 2018-09-04 | 东北大学 | 一种基于设备多工况运行的能源系统优化调度方法 |
Non-Patent Citations (2)
Title |
---|
FREDERICK S. HILLIERGERALD J. LIEBERMAN著;李晓松译: "《运筹学导论》", 30 September 2018, 国防工业出版社 * |
周鹏程等: "综合能源系统建模仿真规划调度及效益评价综述与展望", 《山东电力技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912654A (zh) * | 2022-03-31 | 2022-08-16 | 北京百度网讯科技有限公司 | 对象调度方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | A tri-level model of centralized transmission and decentralized generation expansion planning for an electricity market—Part I | |
CN104424512B (zh) | 操作计划决策方法和操作计划决策系统 | |
TWI713908B (zh) | 資料處理的方法、裝置及設備 | |
CN108898230A (zh) | 一种设备管理方法及管理服务器 | |
CN110442689A (zh) | 一种问答关系排序方法、装置、计算机设备及存储介质 | |
CN108021708A (zh) | 内容推荐方法、装置与计算机可读存储介质 | |
Lin et al. | Performance evaluation for a footwear manufacturing system with multiple production lines and different station failure rates | |
CN108319646A (zh) | 基于用户历史行为的车源搜索方法及装置 | |
CN109634239A (zh) | 一种用于混合流水车间节能调度的建模方法 | |
WO2023124211A1 (zh) | 成套定制家电的处理方法、装置、电子设备及可存储介质 | |
CN106411908A (zh) | 一种推荐方法及装置 | |
CN108334347A (zh) | 一种业务控制流程的定制方法及装置 | |
CN109687529A (zh) | 一种能源调度方法、装置、可读介质及电子设备 | |
CN109685683A (zh) | 用于泛能站的能源调度模型优化方法、装置、介质及设备 | |
CN107358058A (zh) | 一种耗材使用数据的分析方法、装置及系统 | |
Senington et al. | A linked data approach for the connection of manufacturing processes with production simulation models | |
CN108765191A (zh) | 配网不停电作业任务与作业工器具的匹配系统及方法 | |
CN107146095A (zh) | 一种邮件的展示信息处理方法、装置及邮件系统 | |
CN103678548B (zh) | 基于组合模式的失效服务替代推荐方法 | |
CN101154178A (zh) | 微机调试系统 | |
CN109726861A (zh) | 一种电力应用数据的优化方法及系统 | |
CN106127551A (zh) | 项目推荐方法和装置 | |
CN110502620A (zh) | 导诊相似问题对生成方法、系统及计算机设备 | |
CN111639192A (zh) | 一种获取能流图的方法、装置、可读介质及电子设备 | |
CN104239072B (zh) | 软件的程序代码的生成方法及装置 |
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 |
Application publication date: 20190426 |
|
RJ01 | Rejection of invention patent application after publication |