CN110009122A - 户用多能互补综合能源利用系统能量优化调度方法及系统 - Google Patents
户用多能互补综合能源利用系统能量优化调度方法及系统 Download PDFInfo
- Publication number
- CN110009122A CN110009122A CN201811615229.0A CN201811615229A CN110009122A CN 110009122 A CN110009122 A CN 110009122A CN 201811615229 A CN201811615229 A CN 201811615229A CN 110009122 A CN110009122 A CN 110009122A
- Authority
- CN
- China
- Prior art keywords
- energy
- heat
- user
- period
- thermal
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 230000000295 complement effect Effects 0.000 title claims abstract description 25
- 238000004146 energy storage Methods 0.000 claims abstract description 60
- 230000005611 electricity Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000003860 storage Methods 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 239000004065 semiconductor Substances 0.000 claims description 30
- 108090000623 proteins and genes Proteins 0.000 claims description 23
- 238000010438 heat treatment Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000005338 heat storage Methods 0.000 claims description 13
- 238000007599 discharging Methods 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 7
- 238000009435 building construction Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 239000004035 construction material Substances 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- FQZYTYWMLGAPFJ-OQKDUQJOSA-N tamoxifen citrate Chemical compound [H+].[H+].[H+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O.C=1C=CC=CC=1C(/CC)=C(C=1C=CC(OCCN(C)C)=CC=1)/C1=CC=CC=C1 FQZYTYWMLGAPFJ-OQKDUQJOSA-N 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000002834 transmittance Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 238000009472 formulation Methods 0.000 abstract description 3
- 239000000203 mixture Substances 0.000 abstract description 3
- 230000002068 genetic effect Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 239000003245 coal Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005485 electric heating Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010353 genetic engineering Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 101150112970 up gene Proteins 0.000 description 2
- 101150044182 8 gene Proteins 0.000 description 1
- 208000001613 Gambling Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000035571 calor Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000005406 washing Methods 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
- 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—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Heat-Pump Type And Storage Water Heaters (AREA)
Abstract
本发明实施例提供一种户用多能互补综合能源利用系统能量优化调度方法及系统,该方法包括:建立户用多能互补综合能源利用系统的能量优化调度模型,能量优化调度模型以用户总电费最少以及系统效率最高为目标,以户用综合能源利用系统的热平衡约束、电能量平衡约束、用户常规可时移电负荷日用电量约束、多形态储能约束和可控制型热源输出热量约束为约束条件;根据能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。本发明实施例制定用户各热源设备输出能量日计划、各储能输入输出能量日计划和各可时移负荷工作日计划,达到降低用户电费、提高能源综合利用效率的目的。
Description
技术领域
本发明实施例涉及电力技术领域,更具体地,涉及一种户用多能互补综合能源利用系统能量优化调度方法及系统。
背景技术
在推动能源生产、提升能源利用效率、加大节能减排力度和防治雾霾的新形势下,广大农村地区的户用“煤改电”工程取得了广泛应用,产生了包含空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等众多设备在内的以电代煤采暖系统;同时,广大农村用户建筑物上安装了光伏发电与太阳能光热集热器等可再生能源利用设备,形成了包含市电、光伏发电、光热、电采暖、蓄热、电动汽车V2H、家庭用电负荷等供能、储能与用能对象在内的户用综合能源利用系统。这种综合能源利用系统能够将户用“煤改电”热负荷与光伏能源利用相结合,通过优化调控技术实现对太阳能“就地收集、就地储存、就地使用”的过程,最终达到降低用户用能成本、提高综合能源利用效率的目的。因而研究优化调度系统内多种产能、储能与用能设备的方法,成为该系统成功实施的关键技术。
针对家庭用户的能量调度,现有技术仅是以户用微电网的角度针对分布式电源与家庭用电计划的优化调度;另一方面,目前关于综合能源系统的研究,多数集中在分布式能源引入电力系统后形成的区域级较大规模综合能源系统的规划设计、以电能为主导的多能流潮流分析以及设备控制的角度,尚未涉及“煤改电”用户特色的户用多能互补综合能源利用系统能量优化调度的研究。
发明内容
为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的户用多能互补综合能源利用系统能量优化调度方法及系统。
根据本发明实施例的第一方面,提供一种户用多能互补综合能源利用系统能量优化调度方法,该方法包括:建立户用多能互补综合能源利用系统的能量优化调度模型,能量优化调度模型以用户总电费最少以及系统效率最高为目标,以户用综合能源利用系统的热平衡约束、电能量平衡约束、用户常规可时移电负荷日用电量约束、多形态储能约束和可控制型热源输出热量约束为约束条件;根据能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
根据本发明实施例第二方面,提供了一种户用多能互补综合能源利用系统能量优化调度系统,该系统包括:建立模块,用于建立户用多能互补综合能源利用系统的能量优化调度模型,能量优化调度模型以用户总电费最少以及系统效率最高为目标,以户用综合能源利用系统的热平衡约束、电能量平衡约束、用户常规可时移电负荷日用电量约束、多形态储能约束和可控制型热源输出热量约束为约束条件;优化模块,用于根据能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
本发明实施例提供的户用多能互补综合能源利用系统能量优化调度方法及系统,通过构建基于分析的户用综合能源利用系统能量优化调度模型及优化求解算法,优化制定用户各热源设备输出能量日计划、各储能输入输出能量日计划以及各可时移负荷工作日计划,最终达到降低用户电费、提高能源综合利用效率的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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,还可以根据这些图获得其他的附图。
图1为本发明实施例提供的户用多能互补综合能源利用系统能量优化调度方法的流程示意图;
图2为本发明实施例提供的户用多能互补综合能源利用系统优化调度模型求解流程示意图;
图3为本发明实施例提供的户用多能互补综合能源利用系统能量优化调度系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例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。
针对现有技术中,尚未涉及“煤改电”用户特色的户用多能互补综合能源利用系统能量优化调度的研究。另外,现有综合能源利用系统的多能流分析大多是基于热力学第一定律即能量守恒角度的“能”分析。对于多能源综合系统来说,基于热力学第一、第二定律之上的分析,实际上能够更为客观的描述系统中能量的“质”与“量”变化的物理过程,从而更科学的找出提高系统能源利用效率的策略。基于此,本发明实施例提供一种户用多能互补综合能源利用系统能量优化调度方法,参见图1,该方法包括:
101、建立户用多能互补综合能源利用系统的能量优化调度模型,能量优化调度模型以用户总电费最少以及系统效率最高为目标,以户用综合能源利用系统的热平衡约束、电能量平衡约束、用户常规可时移电负荷日用电量约束、多形态储能约束和可控制型热源输出热量约束为约束条件。
具体地,本发明实施例基于可再生能源最大化利用原则建立优化调度模型,来制定户用综合能源利用系统日前调度计划。为此,以用户总电费最少以及综合能源利用系统的效率最高为目标,在满足系统内热平衡和电能平衡,以及各可控型热源输出热量、各形态储能输入输出能量均在约束范围内等约束前提(即约束条件)下,优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
应当说明的是,是能量可用性、可用能、有效能的统称,定义为:在周围环境条件下,由于系统与环境的不平衡使得系统从所处状态自动地变化到与环境平衡的状态时,能够最大限度转化为有用功的那部分能量称为 和能量具有相同的量纲,可以看作为一种广义概念上的能量。它以环境为基准,不仅在一定程度上反映了能量在数量上的大小,而且也反映了能量品质的高低。因此,采用分析方法对具有多种能源的综合能源利用系统进行分析,能够更客观的描述系统中能量的质与量变化的物理过程,从而更科学的找出提高系统能源利用效率的策略。
102、根据能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
具体地,本发明实施例构建的户用综合能源利用系统能量优化模型的控制变量为次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。控制变量有连续型(可控型热源输出热量计划和各形态储能输入输出能量计划)也有0-1整型(可时移负荷工作状态),且对于储能来说各时段间有耦合性。因此这是一个多目标、多约束、非线性、实数混合整数的动态优化问题。基于此,可以采用矩阵混合实数编码的遗传算法求解,本发明实施例对具体求解所采用的方法不作限定。
本发明实施例提供的方法,通过构建基于分析的户用综合能源利用系统能量优化调度模型及优化求解算法,优化制定用户各热源设备输出能量日计划、各储能输入输出能量日计划以及各可时移负荷工作日计划,最终达到降低用户电费、提高能源综合利用效率的目的。
基于上述实施例的内容,作为一种可选实施例,能量优化调度模型的目标函数包括:综合能源利用系统用户日总电费最少的第一目标函数,以及实现户用综合能源利用系统效率最高的第二目标函数;
第一目标函数为,
式中,F1表示综合能源利用系统用户日总电费,若总电费为负值表示盈利;EGR,t为t时段用户与配电网交互能量;CGR,t为t时段购售电价格,EGR,t≥0取该时段的实际购电价格,EGR,t<0取该时段的售电价格。
由于是以环境为基准的,存在与环境间的自动平衡倾向,对于包含电能和热能的户用综合能源利用系统,对热能部分采用分析方法,进而提高效率更具有现实意义。是能量的质与量的统一,而能量品质与量的变化主要发生在能量转换环节,因此分析能量转换装置的输出是提高系统效率的关键。对于户用综合能源利用系统,空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等设备通过消耗电能来制取热能,属于可以通过控制出水温度实现输出热量控制的能量转换设备,是可控制型热源。综合能源利用系统效率最高的目标,可由系统内所有可控制型热源设备全天输出最大这一目标达到。第二目标函数为,
式中,F2表示系统内所有可控制型热源设备全天输出ExAH,t、ExEH,t、ExSH,t、ExBH,t分别为空气源热泵、电磁辅热、半导体辅热和蓄热电锅炉在t时段的输出
基于上述实施例的内容,作为一种可选实施例,空气源热泵、电磁辅热、半导体辅热和蓄热电锅炉的输出由输出能量控制变量及工质温度计算获得;即,
且有
式中:ExAH,t、ExEH,t、ExSH,t、ExBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等能量转换设备在t时段的输出kWh;EHAH,t、EHEH,t、EHSH,t、EHBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等可控制型热源设备在t时段的输出热量,kWh,是本能量优化调度问题的控制变量;T0,t为天气预报预测的t时环境温度(℃);TA,t、TE,t、TS,t、TB,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉在t时输出热水温度,℃;Tr,t为供暖系统t时刻回水温度,℃;Cw为水的比热容,一般取4186.8J/(kg·℃),经换算为1.163kWh/(kg·℃);Gw为供暖系统循环流量,kg/h,可以提前设定;Δt为时段长度,h。
针对上述约束条件1),户用综合能源利用系统热平衡约束:
在户用综合能源利用系统中,太阳能光热板集热器利用太阳能辐照进行光热转换为用户提供免费的清洁热量,属于可再生能源热源;空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等能量转换设备通过消耗电能来制取热能,并且可以通过预设温度控制实现输出热量的控制,因此既属于可控制型热源,又属于电能负荷;相变蓄热设备、保温水箱属于可以进行热量存储的热储能;系统热负荷主要指为满足用户室内温度维持在舒适温度所需要供给暖水管道的热量。
基于可再生能源最大化利用原则,太阳能光热板集热器输出的热量不需要控制调整,也即在优化调度模型中不以优化控制变量出现,而是以必须满足的反向热负荷形式出现。用户供暖热负荷消耗的热量与太阳能光热板集热器输出热量之差称为“热能等效净负荷”。因此,基于上述实施例的内容,作为一种可选实施例,热能等效净负荷为用户供暖热负荷消耗的热量与太阳能光热板集热器输出热量之差;即,
EHELD,t=EHLD,t-EPVH,t (t=1,2,...,24) (5)
式中,EHELD,t为t时段的热能等效净负荷;EHLD,t为用户在t时段的供暖热负荷需求热量;EPVH,t为t时段太阳能光热板集热器输出热量;以上单位都为kWh。
其中,用户的供暖热负荷需求热量EHLD,t主要由两部分组成:将用户室内空气调节至人体舒适温度需求的热量EHLD1,t,以及需要补充的由于用户房屋建筑自然散热丢失的热量EHLD2,t。
式中,C为空气比热容,通常取103J/kg·℃,可以换算为kWh/(kg·℃)单位;V为用户房屋建筑体积(m3),ρ为空气密度(kg/m3);Tobj,t为按用户要求或根据用户活动习惯预设的次日t时室内目标温度(如有人时段可以预设为国家规定室内舒适温度18℃~20℃,家中无人时段可预设为稍低于舒适温度);α为房屋建筑材料的修正系数;K为墙或外窗的传热系数,kW/(m2·℃);F为房屋墙或外窗面积,m2;ξ为地点修正系数,℃;T0,t为天气预报预测的t时环境温度(℃);Δt为时段长度,h。
太阳能光热板集热器输出热量EPVH,t由该集热器吸收的太阳辐射能EPVAH,t减去集热器本体热损失能量EPVLH,t得到,即:
EPVH,t=EPVAH,t-EPVLH,t=ArtταΔt-Au(TP,t-T0,t)Δt
其中,
式中,A为太阳能光热板集热器面积m2;rt为预测的t时太阳辐照度(kW/m2);τα表示光热板透射比与吸收比的有效乘积;u为集热器热损系数,kW/(m2·℃);TP,t为t时集热器输出热水温度(℃),可由集热器吸收的太阳辐射能EPVAH,t计算得到;T0,t为天气预报预测的t时环境温度(℃);Δt为时段长度,h;Tr,t为供暖系统t时刻回水温度,℃;Cw为水的比热容,一般取1.163kWh/(kg·℃);Gw为供暖系统循环流量,kg/h,可以提前设定。
基于上述实施例的内容,作为一种可选实施例,各计划时段控制空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等可控制型热源的输出热量(可通过控制设定温度实现控制输出热量),相变蓄热设备与蓄热水箱的输入输出热量必须满足热能等效净负荷能量需求,也就是优化决策方案必须满足以下热平衡约束为:
ExHAH,t+ExHEH,t+ExHSH,t+ExHBH,t+EXSH,t+EWSH,t=EHELD,t (t=1,2,...,24) (8)
式中,ExAH,t、ExEH,t、ExSH,t、ExBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等能量转换设备在t时段的输出EXSH,t、EWSH,t分别为相变蓄热设备、蓄热水箱在t时段的输入输出热量,输出热量取正,输入热量取负;EHELD,t为t时段的热能等效净负荷,如式(5)。
针对上述约束条件2),户用综合能源利用系统电能量平衡约束:
基于可再生能源最大化利用原则,在优化调度模型中光伏发电能量不以优化控制变量出现,而是以必须满足的反向电负荷形式出现,这里称综合能源利用系统用户的不可时移电负荷(户用非时移负荷包括:照明、冰箱、电脑、饮水机、电炊具等)用电量与光伏发电能量之差为“电能等效净负荷”,即:
EELD,t=ELD,t-EPV,t (t=1,2,...,24) (9)
式中,EELD,t为t时段的电能等效净负荷,EELD,t为正呈负荷性,EELD,t为负呈电源性;ELD,t为用户在t时段的不可时移电负荷用电量;EPV,t为t时段的光伏发电输出能量。
基于上述实施例的内容,作为一种可选实施例,各计划时段控制退役蓄电池充放电能量、电网交互能量与电动汽车充放电量、空气源热泵用电量、电磁辅热用电量、半导体辅热、蓄热电锅炉用电量(实际上是通过控制其输出热量来控制其用电量)和其它常规可时移负荷状态必须满足电能等效净负荷能量需求,也就是优化决策方案必须满足以下电能量平衡约束:
式中:等式右侧EELD,t为t时段控制优化决策方案必须满足的电能等效净负荷需求,如式(9);EGR,t为t时段用户与配电网交互能量,购电电量取正,售电电量取负;EBT,t为t时段退役蓄电池充放电能量,放电取正,充电取负;EEV,t为t时段电动汽车充放电量,放电取正,充电取负;EAH,t、EEH,t、ESH,t、EBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等通过消耗电能制取热能,且具有可时移特性的能量转换设备在t时段的用电量;xi,t为第i个可时移负荷t时段工作状态控制变量,0表示不工作状态,1表示处于工作状态;EML,i第i个可时移负荷在额定功率下的用电量;NML为用户常规可时移电负荷数(如洗衣机、家电充电器、电动自行车充电等)。
其中,空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等能量转换设备在t时段的用电量由其产热量决定,即:
式中:COPA、COPE、COPS、COPB分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉的能效比,空气源热泵的能效比通常取3.5~4,电磁辅热的能效比通常取0.98,半导体辅热的能效比通常取0.85~0.9,蓄热电锅炉的能效比通常取0.95。
针对上述约束条件3),用户常规可时移电负荷日用电量约束:
通常用户常规可时移电负荷日用电量(kWh)可近似为常数,并假设日使用时数是调度时段长Δt的整数倍(若需更精确地控制结果,将调度时段长Δt缩短即可)。因而,基于上述实施例的内容,作为一种可选实施例,可时移负荷约束矩阵SLD定义为
式中:NML为常规可时移负荷总数;第1列元素si1为第i个可时移负荷日用电总时数;第2列元素PiN为第i个可时移负荷的额定功率(kW)。
由此得到用户常规可时移电负荷日用电量约束为,
xI=s1 (13)
式中:x为NML行24列常规可时移负荷状态控制矩阵,第i行第t列元素为xi,t,表示第i个可时移负荷t时段工作状态控制变量,0表示不工作状态,1表示处于工作状态;I为24行值为“1”的列向量;s1为可时移负荷约束矩阵SLD的第1列向量。
式(13)中第i个等式为
针对上述约束条件4),户用综合能源利用系统多形态储能约束:
基于上述实施例的内容,作为一种可选实施例,户用综合能源利用系统多形态储能约束包括:电储能充放电能量约束、相变蓄热设备输入输出热量约束和蓄热水箱储热输入输出热量约束。其中:
①电储能充放电能量约束
退役蓄电池与电动汽车蓄电池都属于电储能,其充放电能量控制变量的约束条件形式相同,仅以退役蓄电池为例说明,即退役蓄电池在各时段的充放电能量需满足
EBTmin,t≤EBT,t≤EBTmax,t (t=1,2,...,24)
式中:EBT,t为t时段退役蓄电池充放电能量,也是本能量优化调度问题的一组控制变量;EBTmax,t和EBTmin,t分别为t时段蓄电池充放电量上下限值;EBTmax,t和EBTmin,t分别为t时段蓄电池充放电量上下限值;Q0为退役蓄电池在该调度日起始时刻已经存储的能量;Qupper和Qlow分别为给定的退役蓄电池存储容量上下限值,属于固定参数;IBATch_upper为退役蓄电池最大允许充电电流,A;IBATdisch_upper为最大允许放电电流,A;ηch、ηdisch分别为退役蓄电池充电效率与放电效率;UBT为蓄电池端电压;Δt为调度时段长。
②相变蓄热设备输入输出热量约束
EXSHmin,t≤EXSH,t≤EXSHmax,t (t=1,2,...,24)
式中:EXSH,t为蓄热水箱在t时段的输入输出热量,也是本能量优化调度问题的一组控制变量,输出热量取正,输入热量取负;EXSHmax,t和EXSHmin,t分别为t时段蓄热水箱输入输出热量上下限值;QXSH,0为相变蓄热设备在该调度日起始时刻已经存储的热量;QXSHmin、QXSHmin分别为相变蓄热设备为维持正常工作必须存储的最小热能量与允许存储的最大热能量。
③蓄热水箱储热输入输出热量约束
EWSHmin,t≤EWSH,t≤EWSHmax,t (t=1,2,...,24)
式中:EWSH,t为蓄热水箱在t时段的输入输出热量,也是本能量优化调度问题的一组控制变量,输出热量取正,输入热量取负;EWSHmax,t和EWSHmin,t分别为t时段蓄热水箱输入输出热量上下限值;QWSH,0为蓄热水箱在该调度日起始时刻已经存储的热量;QWSHmin、QWSHmin分别为蓄热水箱为维持正常工作必须存储的最小热能量与允许存储的最大热能量。
针对上述约束条件5),户用综合能源利用系统可控制型热源输出热量约束
式中:EHAH,t、EHEH,t、EHSH,t、EHBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等可控制型热源设备在t时段的输出热量,也是本能量优化调度问题的一组控制变量;Cw为水的比热容,一般取1.163kWh/(kg·℃);Gw为供暖系统循环流量,kg/h;TAmax、TEmax、TSmax、TBmax分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉的工作温度上限;Trmin为供暖系统回水温度下限。
为了对上述能量优化调度模型进行求解,本发明实施例采用基于矩阵混合实数编码遗传算法实现。以下对该遗传算法进行说明:
(1)遗传算法关键步骤
遗传算法的实现包含以下五大关键步骤:适应度函数的设计、控制变量编码、初始群体的产生、遗传操作、终止条件设定,下面分别介绍处理方法。
1)适应度函数
适应度函数是遗传算法中用来比较不同个体优劣的评价指标。由于建立的是多目标优化模型,需要将其转化为单目标问题才能构建适应度函数,为此采用模糊加权重的方法把多目标优化问题转换为单目标优化问题求解。首先把目标函数采用隶属函数模糊化,把最小化目标函数转化为最大化目标函数;经过转换,把有量纲的目标函数转化为无量纲的目标函数,使目标函数具有可比性;最后根据系统的实际情况,对每个目标函数分配不同的权重,转化为单目标函数。
用户日总电费最少目标函数F1是最小化目标函数,因此选择隶属函数μ(F1)为单调递减函数
式中:F1min为理想的目标值,对于用户日总电费F1,可以取预测的“电能等效净负荷”全天各时段的电量乘以对应时段的购售电价求和得到;F1max为不能接受的目标值,取预测的用户全天各时段用电量与热量乘以高峰时段的购电价得到。
系统内所有可控制型热源设备全天输出最大目标函数F2是最大化目标函数,选择μ(F2)为单调递增函数
式中:F2min为不能接受的目标值,可以采用供暖热负荷日需求热量的历史最小值;F2max为理想的目标值,可以采用供暖热负荷日需求热量的历史最大值。
根据运行实际情况对各模糊目标选择合适的权重,转化为单目标函数
maxFobject=ω1μ(F1)+ω2μ(F2) (21)
式中:ω1为用户日总电费最少目标的权重系数;ω2为系统内所有可控制型热源设备全天输出最大目标的权重系数;且ω1+ω2=1。
最终采用上式得到的Fobject作为本发明遗传算法优化求解的适应度函数。
2)控制变量编码
按照优化模型的控制变量类型将个体分为NML+8个基因段,并定义遗传算法中的个体矩阵V由NML+8个控制向量作为行向量,即
其中,电储能基因段退役蓄电池充放电量向量EBT和电动汽车充放电量向量EEV的各时段充放电量按实数编码;热储能基因段相变蓄热设备输入输出热量向量EXSH和保温水箱输入输出热量向量EWSH的各时段充放电量按实数编码;可控型热源基因段空气源热泵输出热量向量EHAH、电磁辅热输出热量向量EHEH、半导体辅热输出热量向量EHSH、蓄热电锅炉输出热量向量EHBH的各时段输出热量按实数编码;NML个可时移负荷状态xi基因段均按0-1整数编码。
3)初始群体产生
初始群体的产生分3步完成:
①初始化产生各形态储能基因段EBT、EEV、EXSH、EWSH
由各形态储能输入输出能量控制变量约束式(15)~(18)可知,储能t时段输入输出能量与1~t-1时段紧密相关,因此需要按其行向量中元素时间顺序依次产生。以退役蓄电池充放电量向量EBT为例,即
EBT,t=EBTmin,t+(EBTmax,t-EBTmin,t)Random (23)
式中:Random为生成0~1间随机数的随机函数;EBTmax,t和EBTmin,t按式(15)求得。
②初始化产生可控型热源基因段EHAH、EHEH、EHSH、EHBH
以空气源热泵输出热量向量EHAH为例,即
EHAH,t=CwGw(TAmax-Trmin)Δt*Random (24)
式中:Random为生成0~1间随机数的随机函数;其它变量同式(19)。
③初始化产生可时移负荷工作状态基因段x1...xi...xNML
按(13)式,各可时移负荷工作状态行向量xi中元素1的个数等于它的用电总时数,“1”所在的元素位置采用随机产生的方法。例如对于行向量xi,调用Random(si1)函数产生1~si1间的随机数,该随机数的整数部分d即代表行向量xi的第d个元素为1。重复该操作直至行向量xi中出现si1个“1”元素,其余元素为0。
4)遗传操作
I.选择
采用赌轮选择,具体执行过程是:
①计算出群体中所有个体的适应度大小及其总和;
②计算出每个个体的相对适应度大小,即为各个体被遗传到下一代群体中的概率;
③使用模拟赌盘操作(即0到1之间的随机数)来确定哪些个体被选中遗传到下一代;
④为了弥补概率选择法的不足,设置保留算子,即在子代中直接保留父代中的若干个最优或次优个体,使适应度函数高的个体不受交叉和变异的影响,而是无条件的遗传给后代,只有产生更好的品种才会被取代。
II.交叉
遗传算法的交叉操作是通过在两个父代个体之间以一定的规则交换基因编码而产生下一代新个体的计算过程。随机产生一个交叉的行号h,当h对应式(21)个体不同基因段时,有2种交叉方法。
在以下讨论中,随机产生待交叉的两个父代个体为第k个和第k+1个,用脚标标识;父代用上标m标识,交叉产生的下一代用上标m+1标识。
①各形态储能基因段及可控型热源基因段交叉方法
各形态储能基因段EBT、EEV、EXSH、EWSH及可控型热源基因段EHAH、EHEH、EHSH、EHBH的交叉操作是按列进行的。以空气源热泵输出热量向量EHAH为例,将准备进行交叉操作的两个父代个体的空气源热泵输出热量基因段表示为
生成0~1间的随机数α,生成介于1~24间的随机交叉位t,在交叉位t上对两个列元素进行算术交叉操作,则生成下一代第k个和第k+1个个体的空气源热泵输出热量基因段为
②可时移负荷工作状态基因段交叉方法
可时移负荷工作状态基因段交叉按行进行,即当h>8时将第k个和第k+1个个体第h行的元素互换,生成下一代第k个和第k+1个个体的可时移负荷工作状态基因段为
III.变异操作
变异操作是个体自身基因的变化形成新的个体作为下一代新成员。按随机产生的行号h指向式(21)不同的基因段有2种变异方法。
①行号h指向各形态储能及可控型热源实数型基因段的变异方法
首先随机产生的变异的列起、止号分别为nl和n2,满足1≤n1≤n2≤24,随机生成0~1间的随机数α。然后进行变异操作,变异操作是在个体内相同类型基因段的行向量间进行的,即:若随机产生的行号h指向电储能行向量EBT或EEV,则变异在EBT和EEV间进行;若行号h指向热储能行向量EXSH或EWSH,则变异在EXSH和EWSH间进行;若行号h指向可控型热源行向量EHAH、EHEH、EHSH、EHBH,则变异在它们中间任意2个行向量间进行。以随机产生的行号h指向电储能中的EBT为例说明,变异后新生成的2个电储能行向量为:
该变异操作相当于在不同电储能间进行能量分配的重新调整。并且由于是同时进行多个时段的分配调整,因此执行效率较高。
②行号h指向可时移负荷工作状态0-1型基因段的变异方法
随机产生的变异的2个列号nl和n2,交换该h行nl和n2列元素。
5)终止条件
当遗传算法达到预先设定的最大迭代次数M或连续多代(达到预设值J)最优个体的适应度没有明显改进,则终止计算。
(2)算法总体流程
优化求解总体流程如图2所示。
基于上述实施例的内容,作为一种可选实施例,根据所述能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划,包括:
S1、获得预测数据以及相关参数,预测数据包括次日各时段太阳辐照度数据、气温数据、各时段光伏发电数据、各时段太阳能光热版集电器输出热量数据、各可时移电负荷的日工作时长、各不可时移电负荷在次日各时段的用电量以及次日各时段室内目标温度;相关参数包括分时购售电价、各类产能设备的额定参数、各类储能设备的额定参数以及用户房屋建筑材料面积。
具体地,根据“煤改电”用户所在地的太阳辐照度历史数据与天气预报,预测得到次日各时段太阳辐照度数据、气温数据;随后根据太阳辐照度与光伏发电出力的关系式得到次日各时段光伏发电量数据;根据太阳辐照度、气温(环境温度)与太阳能光热板集热器输出热量的公式(9)得到次日各时段太阳能光热板集热器输出热量数据。根据用户常规家用电器(即除各类电采暖设备、电动汽车之外的电器)使用习惯,分类为可时移电负荷与不可时移电负荷;根据历史经验统计得到各可时移电负荷的日工作总时长(即式(12)中的si1);根据不可时移电负荷经验工作时段及工作时长,由不可时移电负荷额定功率乘以该时段的经验工作时长,得到不可时移电负荷在次日各时段的用电量。根据用户要求或活动习惯预设次日各时段室内目标温度,如家中有人时段可以预设为规定室内舒适温度18℃~20℃,家中无人时段可预设为稍低于舒适温度。
S2、根据预测数据及相关参数计算次日各时段热能等效净负荷以及次日各时段电能等效净负荷。具体地,可根据输入的预测数据及相关参数,按公式(5)~(7)计算次日各时段热能等效净负荷,按公式(9)计算次日各时段电能等效净负荷。
S3、置迭代次数g=1,并按初始群体产生方法产生N个个体V,组成初始群体;其中,
式中,电储能基因段退役蓄电池充放电量向量EBT和电动汽车充放电量向量EEV的各时段充放电量按实数编码;热储能基因段相变蓄热设备输入输出热量向量EXSH和保温水箱输入输出热量向量EWSH的各时段充放电量按实数编码;可控型热源基因段空气源热泵输出热量向量EHAH、电磁辅热输出热量向量EHEH、半导体辅热输出热量向量EHSH、蓄热电锅炉输出热量向量EHBH的各时段输出热量按实数编码;NML个可时移负荷状态xi基因段均按0-1整数编码。
S4、计算每个个体的适应度函数;具体地,按公式(19)~(21)对每个个体计算适应度函数。
S5、判断是否满足优化终止条件,终止条件为迭代次数g是否达到最大迭代次数M或连续J代最优个体适应度没有明显改进;若满足终止条件,则结束计算并输出优化结果,优化结果包括各可控型热源各时段输出热量计划、各形态储能各时段输入输出能量计划、用户常规可时移负荷各时段工作计划及计算用户日电费;
S6、若不满足终止条件,则对群体的适应度进行排序,保留最优的Y个个体并添加到新一代群体中。
S7、其余个体进行选择、交叉、变异操作,产生新一代个体中,与S6中的Y个保留个体一起形成新一代群体;
S8、置迭代次数g=g+1,并进入步骤S4以进入下一轮循环优化计算。
综上,本发明实施例根据“煤改电”用户内光伏发电、光热、可控制型热源、电储能、热储能、供暖热负荷、家庭用电负荷等供能、储能与用能对象的特性,通过构建基于分析的户用综合能源利用系统能量优化调度模型及优化求解算法,优化制定用户各热源设备输出能量日计划、各储能输入输出能量日计划以及各可时移负荷工作日计划,最终达到降低用户电费、提高能源综合利用效率的目的。
基于上述实施例的内容,本发明实施例提供了一种户用多能互补综合能源利用系统能量优化调度系统,该户用多能互补综合能源利用系统能量优化调度系统用于执行上述方法实施例中的户用多能互补综合能源利用系统能量优化调度方法。参见图3,该系统包括:建立模块301和优化模块302;其中,建立模块301,用于建立户用多能互补综合能源利用系统的能量优化调度模型,能量优化调度模型以用户总电费最少以及系统效率最高为目标,以户用综合能源利用系统的热平衡约束、电能量平衡约束、用户常规可时移电负荷日用电量约束、多形态储能约束和可控制型热源输出热量约束为约束条件;优化模块302,用于根据能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
具体地,本发明实施例基于可再生能源最大化利用原则建立优化调度模型,来制定户用综合能源利用系统日前调度计划。为此,建立模块301以用户总电费最少以及综合能源利用系统的效率最高为目标。在满足系统内热平衡和电能平衡,以及各可控型热源输出热量、各形态储能输入输出能量均在约束范围内等约束前提(即约束条件)下,优化模块302优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
本发明实施例提供的系统,通过构建基于分析的户用综合能源利用系统能量优化调度模型及优化求解算法,优化制定用户各热源设备输出能量日计划、各储能输入输出能量日计划以及各可时移负荷工作日计划,最终达到降低用户电费、提高能源综合利用效率的目的。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种户用多能互补综合能源利用系统能量优化调度方法,其特征在于,包括:
建立户用多能互补综合能源利用系统的能量优化调度模型,所述能量优化调度模型以用户总电费最少以及系统效率最高为目标,以户用综合能源利用系统的热平衡约束、电能量平衡约束、用户常规可时移电负荷日用电量约束、多形态储能约束和可控制型热源输出热量约束为约束条件;
根据所述能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
2.根据权利要求1所述的方法,其特征在于,所述能量优化调度模型的目标函数包括:综合能源利用系统用户日总电费最少的第一目标函数,以及实现户用综合能源利用系统效率最高的第二目标函数;
所述第一目标函数为,
式中,F1表示综合能源利用系统用户日总电费,EGR,t为t时段用户与配电网交互能量,CGR,t为t时段购售电价格;
所述第二目标函数为,
式中,F2表示系统内所有可控制型热源设备全天输出,ExAH,t、ExEH,t、ExSH,t、ExBH,t分别为空气源热泵、电磁辅热、半导体辅热和蓄热电锅炉在t时段的输出。
3.根据权利要求2所述的方法,其特征在于,所述空气源热泵、电磁辅热、半导体辅热和蓄热电锅炉的输出由输出能量控制变量及工质温度计算获得;即,
且有,
式中:ExAH,t、ExEH,t、ExSH,t、ExBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等能量转换设备在t时段的输出;EHAH,t、EHEH,t、EHSH,t、EHBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等可控制型热源设备在t时段的输出热量;T0,t为天气预报预测的t时环境温度;TA,t、TE,t、TS,t、TB,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉在t时输出热水温度;Tr,t为供暖系统t时刻回水温度;Cw为水的比热容;Gw为供暖系统循环流量;Δt为时段长度。
4.根据权利要求1所述的方法,其特征在于,所述热平衡约束为:
各计划时段控制空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉的输出热量,相变蓄热设备与蓄热水箱的输入输出热量必须满足热能等效净负荷能量需求;即,
ExHAH,t+ExHEH,t+ExHSH,t+ExHBH,t+EXSH,t+EWSH,t=EHELD,t(t=1,2,...,24)
式中,ExAH,t、ExEH,t、ExSH,t、ExBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等能量转换设备在t时段的输出;EXSH,t、EWSH,t分别为相变蓄热设备、蓄热水箱在t时段的输入输出热量,输出热量取正,输入热量取负;EHELD,t为t时段的热能等效净负荷。
5.根据权利要求4所述的方法,其特征在于,所述热能等效净负荷为用户供暖热负荷消耗的热量与太阳能光热板集热器输出热量之差;即,
EHELD,t=EHLD,t-EPVH,t(t=1,2,...,24)
式中,EHELD,t为t时段的热能等效净负荷,EHLD,t为用户在t时段的供暖热负荷需求热量,EPVH,t为t时段太阳能光热板集热器输出热量;
其中,
式中,C为空气比热容,V为用户房屋建筑体积,ρ为空气密度,Tobj,t为按用户要求或根据用户活动习惯预设的次日t时室内目标温度,α为房屋建筑材料的修正系数,K为墙或外窗的传热系数,F为房屋墙或外窗面积,ξ为地点修正系数,T0,t为天气预报预测的t时环境温度,Δt为时段长度;
EPVH,t=EPVAH,t-EPVLH,t=ArtταΔt-Au(TP,t-T0,t)Δt
其中,
式中,A为太阳能光热板集热器面积,rt为预测的t时太阳辐照度,τα表示光热板透射比与吸收比的有效乘积,u为集热器热损系数,TP,t为t时集热器输出热水温度,T0,t为天气预报预测的t时环境温度,Δt为时段长度,Tr,t为供暖系统t时刻回水温度,Cw为水的比热容,Gw为供暖系统循环流量。
6.根据权利要求1所述的方法,其特征在于,所述电能量平衡约束为:
式中:EELD,t为t时段控制优化决策方案必须满足的电能等效净负荷需求;EGR,t为t时段用户与配电网交互能量;EBT,t为t时段退役蓄电池充放电能量;EEV,t为t时段电动汽车充放电量;EAH,t、EEH,t、ESH,t、EBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等通过消耗电能制取热能,且具有可时移特性的能量转换设备在t时段的用电量;xi,t为第i个可时移负荷t时段工作状态控制变量;EML,i第i个可时移负荷在额定功率下的用电量;NML为用户常规可时移电负荷数;
其中,空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等能量转换设备在t时段的用电量由其产热量决定,即,
式中,COPA、COPE、COPS、COPB分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉的能效比。
7.根据权利要求1所述的方法,其特征在于,所述多形态储能约束包括:电储能充放电能量约束、相变蓄热设备输入输出热量约束和蓄热水箱储热输入输出热量约束。
8.根据权利要求1所述的方法,其特征在于,所述可控制型热源输出热量约束为:
式中:EHAH,t、EHEH,t、EHSH,t、EHBH,t分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉等可控制型热源设备在t时段的输出热量;Cw为水的比热容;Gw为供暖系统循环流量;TAmax、TEmax、TSmax、TBmax分别为空气源热泵、电磁辅热、半导体辅热、蓄热电锅炉的工作温度上限;Trmin为供暖系统回水温度下限。
9.根据权利要求1所述的方法,其特征在于,所述根据所述能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划,包括:
S1、获得预测数据以及相关参数,所述预测数据包括次日各时段太阳辐照度数据、气温数据、各时段光伏发电数据、各时段太阳能光热版集电器输出热量数据、各可时移电负荷的日工作时长、各不可时移电负荷在次日各时段的用电量以及次日各时段室内目标温度;所述相关参数包括分时购售电价、各类产能设备的额定参数、各类储能设备的额定参数以及用户房屋建筑材料面积;
S2、根据所述预测数据及所述相关参数计算次日各时段热能等效净负荷以及次日各时段电能等效净负荷;
S3、置迭代次数g=1,并按初始群体产生方法产生N个个体V,组成初始群体;其中,
式中,电储能基因段退役蓄电池充放电量向量EBT和电动汽车充放电量向量EEV的各时段充放电量按实数编码;热储能基因段相变蓄热设备输入输出热量向量EXSH和保温水箱输入输出热量向量EWSH的各时段充放电量按实数编码;可控型热源基因段空气源热泵输出热量向量EHAH、电磁辅热输出热量向量EHEH、半导体辅热输出热量向量EHSH、蓄热电锅炉输出热量向量EHBH的各时段输出热量按实数编码;NML个可时移负荷状态xi基因段均按0-1整数编码;
S4、计算每个所述个体的适应度函数;
S5、判断是否满足优化终止条件,所述终止条件为迭代次数g是否达到最大迭代次数M或连续J代最优个体适应度没有明显改进;若满足所述终止条件,则结束计算并输出优化结果,所述优化结果包括各可控型热源各时段输出热量计划、各形态储能各时段输入输出能量计划、用户常规可时移负荷各时段工作计划及计算用户日电费;
S6、若不满足终止条件,则对群体的适应度进行排序,保留最优的Y个个体并添加到新一代群体中;
S7、其余个体进行选择、交叉、变异操作,产生新一代个体中,与S6中的Y个保留个体一起形成新一代群体;
S8、置迭代次数g=g+1,并进入步骤S4以进入下一轮循环优化计算。
10.一种户用多能互补综合能源利用系统能量优化调度系统,其特征在于,包括:
建立模块,用于建立户用多能互补综合能源利用系统的能量优化调度模型,所述能量优化调度模型以用户总电费最少以及系统效率最高为目标,以户用综合能源利用系统的热平衡约束、电能量平衡约束、用户常规可时移电负荷日用电量约束、多形态储能约束和可控制型热源输出热量约束为约束条件;
优化模块,用于根据所述能量优化调度模型优化制定次日各时段各可控型热源输出热量计划、各形态储能输入输出能量计划以及用户常规可时移负荷工作计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811615229.0A CN110009122B (zh) | 2018-12-27 | 2018-12-27 | 户用多能互补综合能源利用系统能量优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811615229.0A CN110009122B (zh) | 2018-12-27 | 2018-12-27 | 户用多能互补综合能源利用系统能量优化调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110009122A true CN110009122A (zh) | 2019-07-12 |
CN110009122B CN110009122B (zh) | 2021-02-02 |
Family
ID=67165292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811615229.0A Active CN110009122B (zh) | 2018-12-27 | 2018-12-27 | 户用多能互补综合能源利用系统能量优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009122B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110906571A (zh) * | 2019-11-30 | 2020-03-24 | 华南理工大学 | 基于机器学习的太阳能热泵热水系统控制策略优化方法 |
CN111400641A (zh) * | 2019-11-29 | 2020-07-10 | 国网天津市电力公司电力科学研究院 | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 |
CN112068481A (zh) * | 2020-09-08 | 2020-12-11 | 汇创电气设备制造有限公司 | 一种锅炉远程智能控制系统及方法 |
CN113095611A (zh) * | 2019-12-23 | 2021-07-09 | 中国农业大学 | 含电采暖设备和光伏电源的低压配电网协调规划方法 |
CN113283709A (zh) * | 2021-04-29 | 2021-08-20 | 国网浙江省电力有限公司湖州供电公司 | 一种面向农村电网的分层分布式负荷协同调度方法 |
CN113306425A (zh) * | 2021-07-09 | 2021-08-27 | 长春汽车工业高等专科学校 | 一种电动汽车充电组件的温度监控系统和方法 |
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN114781922A (zh) * | 2022-05-19 | 2022-07-22 | 河北大学 | 一种电热综合能源系统优化调度方法 |
CN115342419A (zh) * | 2022-08-09 | 2022-11-15 | 中核坤华能源发展有限公司 | 一种多能源互补供热系统智能调控方法 |
CN115879749A (zh) * | 2023-03-01 | 2023-03-31 | 中铁建设集团机电安装有限公司 | 一种能源系统的能源调度方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377311A (zh) * | 2012-04-25 | 2013-10-30 | 彭星煜 | 一种冷热电联产系统的热经济性分析方法 |
CN105446163A (zh) * | 2014-08-29 | 2016-03-30 | 国家电网公司 | 一种基于不同能源类型的微网全能流建模方法 |
CN108510122A (zh) * | 2018-03-30 | 2018-09-07 | 中国电建集团福建省电力勘测设计院有限公司 | 基于环境排放、热*利用最优双约束条件的综合能源系统优化方法 |
CN108631343A (zh) * | 2018-06-12 | 2018-10-09 | 上海电力学院 | 一种多能互补能源互联网优化调度方法 |
-
2018
- 2018-12-27 CN CN201811615229.0A patent/CN110009122B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103377311A (zh) * | 2012-04-25 | 2013-10-30 | 彭星煜 | 一种冷热电联产系统的热经济性分析方法 |
CN105446163A (zh) * | 2014-08-29 | 2016-03-30 | 国家电网公司 | 一种基于不同能源类型的微网全能流建模方法 |
CN108510122A (zh) * | 2018-03-30 | 2018-09-07 | 中国电建集团福建省电力勘测设计院有限公司 | 基于环境排放、热*利用最优双约束条件的综合能源系统优化方法 |
CN108631343A (zh) * | 2018-06-12 | 2018-10-09 | 上海电力学院 | 一种多能互补能源互联网优化调度方法 |
Non-Patent Citations (2)
Title |
---|
DIANHONG LI ET AL.: "Exergy and energy analysis of photovoltaic-thermoelectric hybrid systems", 《ELSEVIER》 * |
郭艳飞 等: "基于㶲效率的综合能源系统能效分析模型", 《可再生能源》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400641A (zh) * | 2019-11-29 | 2020-07-10 | 国网天津市电力公司电力科学研究院 | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 |
CN111400641B (zh) * | 2019-11-29 | 2024-03-22 | 国网天津市电力公司电力科学研究院 | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 |
CN110906571A (zh) * | 2019-11-30 | 2020-03-24 | 华南理工大学 | 基于机器学习的太阳能热泵热水系统控制策略优化方法 |
CN113095611A (zh) * | 2019-12-23 | 2021-07-09 | 中国农业大学 | 含电采暖设备和光伏电源的低压配电网协调规划方法 |
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN112068481A (zh) * | 2020-09-08 | 2020-12-11 | 汇创电气设备制造有限公司 | 一种锅炉远程智能控制系统及方法 |
CN113283709A (zh) * | 2021-04-29 | 2021-08-20 | 国网浙江省电力有限公司湖州供电公司 | 一种面向农村电网的分层分布式负荷协同调度方法 |
CN113306425A (zh) * | 2021-07-09 | 2021-08-27 | 长春汽车工业高等专科学校 | 一种电动汽车充电组件的温度监控系统和方法 |
CN113306425B (zh) * | 2021-07-09 | 2022-07-26 | 长春汽车工业高等专科学校 | 一种电动汽车充电组件的温度监控系统和方法 |
CN114781922A (zh) * | 2022-05-19 | 2022-07-22 | 河北大学 | 一种电热综合能源系统优化调度方法 |
CN114781922B (zh) * | 2022-05-19 | 2023-05-09 | 河北大学 | 一种电热综合能源系统优化调度方法 |
CN115342419A (zh) * | 2022-08-09 | 2022-11-15 | 中核坤华能源发展有限公司 | 一种多能源互补供热系统智能调控方法 |
CN115879749A (zh) * | 2023-03-01 | 2023-03-31 | 中铁建设集团机电安装有限公司 | 一种能源系统的能源调度方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110009122B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009122A (zh) | 户用多能互补综合能源利用系统能量优化调度方法及系统 | |
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
Mbungu et al. | An optimal energy management system for a commercial building with renewable energy generation under real-time electricity prices | |
Wu et al. | Multitasking multi-objective operation optimization of integrated energy system considering biogas-solar-wind renewables | |
Li et al. | A novel bi-level robust game model to optimize a regionally integrated energy system with large-scale centralized renewable-energy sources in Western China | |
CN106786753B (zh) | 多用户的区域能源互联网的系统及其调节方法 | |
CN107546743B (zh) | 一种辐射状配电网分布式优化潮流方法 | |
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 | |
Zhang et al. | Optimization algorithm for home energy management system based on artificial bee colony in smart grid | |
Zhang et al. | Collaborative optimization for multiple energy stations in distributed energy network based on electricity and heat interchanges | |
CN113471976B (zh) | 基于多能互补微电网与主动配电网的优化调度方法 | |
CN106779471A (zh) | 一种多能互联交直流混合微电网系统及优化配置方法 | |
Gao et al. | Multi-objective optimization of smart community integrated energy considering the utility of decision makers based on the Lévy flight improved chicken swarm algorithm | |
Wang et al. | Pareto tribe evolution with equilibrium-based decision for multi-objective optimization of multiple home energy management systems | |
CN113595133B (zh) | 基于能源路由器的配电网-多微网系统及其调度方法 | |
CN108596442A (zh) | 计及条件风险价值的综合能源系统经济调度方法 | |
CN107392366A (zh) | 计及用户行为分析的综合能源系统供需双侧综合优化方法 | |
Liu et al. | Two-stage optimal economic scheduling for commercial building multi-energy system through internet of things | |
CN110474370A (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
CN110489915A (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
CN113255224A (zh) | 一种基于发光萤火虫算法的能源系统配置优化方法 | |
CN114066204A (zh) | 一种综合能源系统的一体化优化规划与运行方法及装置 | |
Fu et al. | Optimal capacity configuration of CCHP system with improved operation strategies using improved multi-objective multi-universe algorithm | |
Ma et al. | Energy storage capacity optimization for improving the autonomy of grid-connected microgrid | |
Li et al. | Multi-dimension day-ahead scheduling optimization of a community-scale solar-driven CCHP system with demand-side management |
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 |