CN110163415B - 一种变工况特性下的多能流系统多目标模糊协同优化方法 - Google Patents

一种变工况特性下的多能流系统多目标模糊协同优化方法 Download PDF

Info

Publication number
CN110163415B
CN110163415B CN201910325641.7A CN201910325641A CN110163415B CN 110163415 B CN110163415 B CN 110163415B CN 201910325641 A CN201910325641 A CN 201910325641A CN 110163415 B CN110163415 B CN 110163415B
Authority
CN
China
Prior art keywords
energy
time period
power
time
optimization
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.)
Active
Application number
CN201910325641.7A
Other languages
English (en)
Other versions
CN110163415A (zh
Inventor
高靖
葛维春
王涛
张明理
周沫
潘霄
李占军
王春生
王鹤霏
王义贺
杨方圆
刘禹彤
谢东亮
李威
薛峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
STATE GRID LIAONING ECONOMIC TECHNIQUE INSTITUTE
State Grid Corp of China SGCC
Nari Technology Co Ltd
Original Assignee
STATE GRID LIAONING ECONOMIC TECHNIQUE INSTITUTE
State Grid Corp of China SGCC
Nari Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by STATE GRID LIAONING ECONOMIC TECHNIQUE INSTITUTE, State Grid Corp of China SGCC, Nari Technology Co Ltd filed Critical STATE GRID LIAONING ECONOMIC TECHNIQUE INSTITUTE
Priority to CN201910325641.7A priority Critical patent/CN110163415B/zh
Publication of CN110163415A publication Critical patent/CN110163415A/zh
Application granted granted Critical
Publication of CN110163415B publication Critical patent/CN110163415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及多能流系统技术领域，具体涉及一种变工况特性下的多能流系统多目标模糊协同优化方法。包括向多能流系统输入系统信息；建立变工况特性下的各能源转换设备模型；建立多能流系统多目标模糊协同优化模型；输出多能流优化结果系统信息。本发明建立变工况特性下燃料电池、燃气轮机、燃气锅炉、余热回收系统的高阶非线性模型，以经济型、环保型、节能型为优化目标的多能流系统协同优化模型，建立多目标模糊协同优化模型。考虑设备载荷率、启动次数、工作时段、变工况运行等物理约束，基于地理资源禀赋引入地源热泵。是多能流系统优化调度、协同运行、运行设计和工程计算分析的基础，降低多能流系统运行燃料成本、减少污染排放、节约化石能源。

Description

一种变工况特性下的多能流系统多目标模糊协同优化方法
技术领域
本发明涉及一种多能流系统技术领域，具体涉及一种变工况特性下的多能流系统多目标模糊协同优化方法。
背景技术
实现多能源系统的集成与协同是解决可再生能源消纳和负荷削峰填谷问题的有效途径。多能源系统是一个多输入多输出系统，各类能源转换设备和存储设备构成系统输入和输出的耦合关系，与单一能源系统相比，多能源系统中电、气、油、热等能源以一定耦合形式形成互补关系，共同构成能源供应体系。一方面，多能源系统中所含设备种类多，不同形式能源之间相互耦合、协同配合，使其供能方式在较为灵活的同时也较为复杂，对于同样的负荷需求，有不同供能组合模式和运行策略；另一方面，各设备通常具有非线性工作特征，使其运行特性与设计点发生偏移；其次，在经济、环境、能源等多重因素的影响下，不同工程应用场景对多能源系统运行模式、策略有明显差异。可见研究变工况特性下的多能源系统多目标协同优化运行显得尤为重要。
关于多能流系统的运行机理及运行优化研究一直是学术界关注的焦点。目前，国内外针对变工况特性下的多能流系统多目标模糊协同优化的研究尚处于起步阶段。为此，本发明在传统额定工况运行模型的基础，考虑多能流系统在变工况特性的优化调度运行问题。
发明内容
针对上述现有技术中存在的不足之处，本发明提出了一种变工况特性下的多能流系统多目标模糊协同优化方法，其目的是为了提供一种能够成为多能流系统优化调度、协同运行、运行设计和工程计算分析的基础的协同优化方法，以期降低多能流系统运行燃料成本、减少污染排放、节约化石能源。
为了实现上述发明目的，本发明是通过以下技术方案来实现的：
一种变工况特性下的多能流系统多目标模糊协同优化方法，包括以下步骤：
步骤1：向多能流系统输入系统信息；
步骤2：建立变工况特性下的各能源转换设备模型；
步骤3：建立多能流系统多目标模糊协同优化模型；
步骤4：输出多能流优化结果系统信息。
所述步骤1：向多能流系统输入系统信息，是指向多能流系统输入系统信息，包括多能流系统的拓扑信息、能源转换设备信息、负荷信息、风电出力信息、光伏出力信息以及联络线信息。
所述步骤2：建立变工况特性下的各能源转换设备模型，包括：燃料电池模型、燃气轮机模型、余热回收系统模型、燃气锅炉模型、地源热泵、电/热储能、风电和光伏模型，并设定各个能源转换设备模型之间的连接方式；
①燃料电池模型：
燃料电池是一种直接将燃料的化学能转化为电能的发电装置，能够将天然气、氢气碳氢燃料的化学能通过电化学反应直接转化为电能，其负荷响应快、运行质量高，实现与燃气轮机、可再生能源发电系统很好的藕合和互补，形成一种多能流供应系统；其变工况下的燃料电池模型如下所示：
Figure BDA0002036125470000021
Figure BDA0002036125470000022
Figure BDA0002036125470000023
上述三个式中：
Figure BDA0002036125470000024
为燃料电池在时段t的发电功率；
Figure BDA0002036125470000025
为燃料电池在时段t的发电效率；
Figure BDA0002036125470000026
为燃料电池在时段t的输入燃料量；
Figure BDA0002036125470000027
为函数关系；an、bn均为燃料电池第n次幂项的系数；
Figure BDA0002036125470000028
为燃料电池在时段t的载荷率；
Figure BDA0002036125470000029
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000210
为燃料电池在时段t的热电比；
②燃气轮机模型：
燃气轮机作为耦合气、电、热的多能流系统的主要供能设备，其运行效率在不同负载率下变化较大，采用三阶发电效率函数来拟合，变工况下的燃气轮机模型如下：
Figure BDA00020361254700000211
Figure BDA0002036125470000031
Figure BDA0002036125470000032
上述三个式中：
Figure BDA0002036125470000033
为燃气轮机在时段t的输出发电功率；
Figure BDA0002036125470000034
为燃气轮机在时段t的发电效率；
Figure BDA0002036125470000035
为燃气轮机在时段t的输入燃料量；
Figure BDA0002036125470000036
为燃气轮机在时段t的输出热量；ηloss为散热损失；
Figure BDA0002036125470000037
为燃气轮机在时段t的载荷率；
Figure BDA0002036125470000038
为函数关系；cn为燃气轮机第n次幂项的系数；
Figure BDA0002036125470000039
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
③余热回收系统模型：
热回收系统将燃气轮机、燃料电池产生的热能进行集中回收，进一步提供多能流系统能源利用效率；常见的余热回收系统有回热器、吸收式制热设备、换热器，其提供的热能与热回收效率有关，热回收系统的热回收效率受载荷率的影响，计算如下：
Figure BDA00020361254700000310
Figure BDA00020361254700000311
Figure BDA00020361254700000312
上述三个式中：
Figure BDA00020361254700000313
为热回收系统在时段t的输出热量；
Figure BDA00020361254700000314
为热回收系统在t的热回收效率；
Figure BDA00020361254700000315
为热回收系统在时段t的输入热量；
Figure BDA00020361254700000316
为函数关系；dn为余热回收系统第n次幂项的系数；
Figure BDA00020361254700000317
为热回收系统在时段t的载荷率；
Figure BDA00020361254700000318
为余热回收系统在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000319
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000320
为燃料电池在时段t的热电比；
Figure BDA00020361254700000321
为燃料电池在时段t的发电功率；
Figure BDA00020361254700000322
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000323
为燃气轮机在时段t的输出热量；
④燃气锅炉模型：
燃气锅炉通常作为热源提供、补充热能，其工作特性相对稳定，燃气锅炉产生的热量与锅炉的效率有关，建立燃气锅炉的二阶变工况特性模型：
Figure BDA0002036125470000041
Figure BDA0002036125470000042
上述两个式中：
Figure BDA0002036125470000043
为燃气锅炉在时段t的输出热量；
Figure BDA0002036125470000044
为燃气锅炉在时刻t的热效率；
Figure BDA0002036125470000045
为燃气锅炉在时段t的输入燃料量；
Figure BDA0002036125470000046
为函数关系；en为燃气锅炉第n次幂项的系数；
Figure BDA0002036125470000047
为燃气锅炉在时段t的载荷率；
Figure BDA0002036125470000048
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
⑤地源热泵：
地源热泵的工作特性如下：
Figure BDA0002036125470000049
式中：
Figure BDA00020361254700000410
为地源热泵在时段t的输出热功率；
Figure BDA00020361254700000411
为地源热泵在时段t的制热系数，本发明中取常数；
Figure BDA00020361254700000412
为地源热泵在时段t的输入电功率；
Figure BDA00020361254700000413
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
⑥电/热储能：
多能流系统中使用电储能和热储能两种不同类型的储能设备来保证优化运行策略的灵活性，同时平移热电负荷及风电、光伏在时间上的不匹配；电储能与热储能模型相似，其一般模型归纳如下：
Figure BDA00020361254700000414
Figure BDA00020361254700000415
式中：
Figure BDA00020361254700000416
为电/热储能在时段t的储能量；
Figure BDA00020361254700000417
为电/热储能在时段t+1的储能量；σE/H为电/热储能充放损失率；
Figure BDA00020361254700000418
为电/热储能在时段t的充电/热功率；
Figure BDA00020361254700000419
为电/热储能在时段t的放电/热功率；
Figure BDA00020361254700000420
为电/热储能充电/热效率；
Figure BDA00020361254700000421
为电/热储能放电/热效率；Δt为优化调度仿真步长；
⑦风电和光伏模型：
由于风能、太阳能具有随机性和波动性，在优化调度运行过程中通常是全额接收，本发明中风电、光伏最大出力按预测功率参与协调；为了充分利用可再生能源，假设风电和光伏均工作在最大功率点跟踪模式下，用一条可再生能源的预测曲线来表示一天内的出力；为了使得多能流系统优化调度策略更为灵活，模型允许优化策略决定风电以及光伏的投入或切除；
风电模型如下：
Figure BDA0002036125470000051
式中：
Figure BDA0002036125470000052
为时段t的风电预测输出功率；Pr为时段t的风电的额定输出功率；v(t)、vin、vr、vout分别为时段t的实际预测风速、切入风速、额定风速、切出风速；x、y、z为风电模型常系数；
光伏模型如下：
Figure BDA0002036125470000053
式中：
Figure BDA0002036125470000054
为时段t的光伏预测输出功率；Pstc为标准测试条件下的最大测试功率；
Figure BDA0002036125470000055
为时段t的太阳辐射强度；Gstc为时段t的标准测试条件下的太阳辐射强度；k为功率温度系数；Tt为时段t的光伏表面温度；Tref为标准测试条件下的光伏温度。
所述步骤3：建立多能流系统多目标模糊协同优化模型，包括：多目标函数、优化运行约束条件、模型求解方法；
经济型优化目标F1考虑到使得多能流系统在优化调度周期内的总运行燃料成本最低、包括购买电力和燃气的费用；环保型优化目标F2是降低多能流系统整体设备运行排放，包括燃料电池、燃气轮机、燃气锅炉燃烧天然气排放，以及购买单位电力的等效排放；能源型优化目标F3使得多能流系统减少化石能源的消耗，包括天然气消耗、等效煤炭消耗。
所述多目标函数包括：
A、经济型优化目标：
Figure BDA0002036125470000061
式中：F1为经济型优化目标函数；T为优化周期；
Figure BDA0002036125470000062
为天然气单位功率价格；
Figure BDA0002036125470000063
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA0002036125470000064
为电力单位功率价格；
Figure BDA0002036125470000065
为在时段t大电网注入到多能流系统中的电能；
B、环保型优化目标：
Figure BDA0002036125470000066
Figure BDA0002036125470000067
式中：F2为环保型优化目标函数；T为优化周期；
Figure BDA0002036125470000068
为第j种燃气设备的第i种污染气体排放因子；
Figure BDA0002036125470000069
为第j种燃气设备在时段t天然气输入量；
Figure BDA00020361254700000610
为消耗单位电力的第i种等效排放污染气体排放因子；
Figure BDA00020361254700000611
为在时段t大电网注入到多能流系统中的电能；CO2为二氧化碳；SO2为二氧化硫；NOx为氮氧化合物；FC为燃料电池；GT为燃气轮机；GB为燃气锅炉；
C、能源型优化目标：
Figure BDA00020361254700000612
式中：F3为能源型优化目标函数；T为优化周期；
Figure BDA00020361254700000613
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA00020361254700000614
为在时段t大电网注入到多能流系统中的电能；ηp,grid为火电机组的平均发电效率；ηt,grid为电能传输效率。
所述优化运行约束条件包括：多能流系统在实际优化协调运行的约束条件主要包括：(1)设备运行约束，主要为调度周期内的启停次数、爬坡率、容量、最小载荷率等限制；(2)系统中电、气、热能量平衡限制；(3)单位时间内购电、购气功率受到联络线功率交换量限制；
A、设备运行约束：
A1、燃料电池：
Figure BDA0002036125470000071
Figure BDA0002036125470000072
Figure BDA0002036125470000073
上述三个式中：
Figure BDA0002036125470000074
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000075
为燃料电池的切除系数；
Figure BDA0002036125470000076
为燃料电池的额定容量；
Figure BDA0002036125470000077
为燃料电池在时段t的发电功率；
Figure BDA0002036125470000078
燃料电池机组的下爬坡率；
Figure BDA0002036125470000079
为燃料电池在时段t+1的发电功率；
Figure BDA00020361254700000710
为燃料电池机组的上爬坡率；T为优化周期；
Figure BDA00020361254700000711
为燃料电池在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000712
为优化调度周期T内的最大启动次数；
A2、燃气轮机：
Figure BDA00020361254700000713
Figure BDA00020361254700000714
Figure BDA00020361254700000715
上述三个式中：
Figure BDA00020361254700000716
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000717
为燃气轮机的切除系数；
Figure BDA00020361254700000718
为燃气轮机的额定容量；
Figure BDA00020361254700000719
为燃气轮机在时段t的输出发电功率；
Figure BDA00020361254700000720
为燃气轮机机组的下爬坡率；
Figure BDA00020361254700000721
为燃气轮机在时段t+1的输出发电功率；
Figure BDA00020361254700000722
为燃气轮机机组的上爬坡率；T为优化周期；
Figure BDA00020361254700000723
为燃气轮机在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000724
为优化调度周期T内的最大启动次数；
A3、热回收系统：
Figure BDA0002036125470000081
式中：
Figure BDA0002036125470000082
为热回收系统在时段t的输出热量；
Figure BDA0002036125470000083
为热回收系统输出功率最大值；
A4、燃气锅炉：
Figure BDA0002036125470000084
Figure BDA0002036125470000085
Figure BDA0002036125470000086
上述三个式中：
Figure BDA0002036125470000087
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000088
为燃气锅炉的切除系数；
Figure BDA0002036125470000089
为燃气锅炉的额定容量；
Figure BDA00020361254700000810
为燃气锅炉在时段t的输出热量；
Figure BDA00020361254700000811
为燃气锅炉机组的下爬坡率；
Figure BDA00020361254700000812
为燃气锅炉在时段t+1的输出热量；
Figure BDA00020361254700000813
为燃气锅炉机组的上爬坡率；T为优化周期；
Figure BDA00020361254700000814
为燃气锅炉在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000815
为优化调度周期T内的最大启动次数；
A5、地源热泵：
Figure BDA00020361254700000816
Figure BDA00020361254700000817
Figure BDA00020361254700000818
Figure BDA00020361254700000819
上述式中：
Figure BDA00020361254700000820
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700000821
为地源热泵的切除系数；
Figure BDA00020361254700000822
为地源热泵的额定容量；
Figure BDA00020361254700000823
为地源热泵在时段t的输出热功率；
Figure BDA00020361254700000824
为地源热泵机组的下爬坡率；
Figure BDA00020361254700000825
为地源热泵在时段t+1的输出热功率；
Figure BDA0002036125470000091
为地源热泵机组的上爬坡率；T为优化周期；
Figure BDA0002036125470000092
为地源热泵在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000093
为优化调度周期T内的最大启动次数；Tstart为允许地源热泵的工作时间段起始时刻；Tend为允许地源热泵的工作时间段结束时刻；εacc为地源热泵在优化调度周期T内的最大工作时间占比率；
A6、电/热储能：
Figure BDA0002036125470000094
Figure BDA0002036125470000095
Figure BDA0002036125470000096
Figure BDA0002036125470000097
上述式中：
Figure BDA0002036125470000098
为电/热储能在时段t的充电/热功率；
Figure BDA0002036125470000099
为最大充电/热倍率；
Figure BDA00020361254700000910
为电/热储能的容量；
Figure BDA00020361254700000911
为电/热储能在时段t的放电/热功率；
Figure BDA00020361254700000912
为最大放电/热倍率；
Figure BDA00020361254700000913
为电/热储能在时段t的储能容量下限；
Figure BDA00020361254700000914
为电/热储能在时段t的储能量；
Figure BDA00020361254700000915
为电/热储能在时段t的储能容量上限；T为优化周期；
Figure BDA00020361254700000916
为电/热储能在时段t+T的储能量；
A7、风电和光伏：
Figure BDA00020361254700000917
Figure BDA00020361254700000918
上述式中：
Figure BDA00020361254700000919
为多能流系统在时段t实际消纳的风电功率；
Figure BDA00020361254700000920
为时段t的风电预测输出功率；
Figure BDA00020361254700000921
为多能流系统在时段t实际消纳的光伏功率；
Figure BDA00020361254700000922
为时段t的光伏预测输出功率；
B、能量平衡约束：
B1、电平衡约束：
Figure BDA00020361254700000923
式中：
Figure BDA0002036125470000101
为多能流系统在时段t实际消纳的风电功率；
Figure BDA0002036125470000102
为多能流系统在时段t实际消纳的光伏功率；ηT为变压器效率；
Figure BDA0002036125470000103
为在时段t大电网注入到多能流系统中的电能；
Figure BDA0002036125470000104
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000105
为燃料电池在时段t的发电功率；
Figure BDA0002036125470000106
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000107
为燃气轮机在时段t的输出发电功率；
Figure BDA0002036125470000108
为时段t的电负荷需求；
Figure BDA0002036125470000109
为电储能在时段t的放电功率；
Figure BDA00020361254700001010
为电储能在时段t的充电功率；
Figure BDA00020361254700001011
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001012
为地源热泵在时段t的输入电功率；
B2、热平衡约束：
Figure BDA00020361254700001013
上式中：
Figure BDA00020361254700001014
为热回收系统在时段t的输出热量；
Figure BDA00020361254700001015
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001016
为地源热泵在时段t的输出热功率；
Figure BDA00020361254700001017
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001018
为燃气锅炉在时段t的输出热量；
Figure BDA00020361254700001019
为热储能在时段t的放热功率；
Figure BDA00020361254700001020
为热储能在时段t的充热功率；
Figure BDA00020361254700001021
为时段t的热负荷需求；
B3、气平衡约束：
Figure BDA00020361254700001022
Figure BDA00020361254700001023
Figure BDA00020361254700001024
Figure BDA00020361254700001025
Figure BDA00020361254700001026
Figure BDA00020361254700001027
Figure BDA00020361254700001028
Figure BDA00020361254700001029
上述式中：
Figure BDA0002036125470000111
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA0002036125470000112
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000113
为燃料电池在时段t的输入燃料量；
Figure BDA0002036125470000114
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000115
为燃气轮机在时段t的输入燃料量；
Figure BDA0002036125470000116
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000117
为燃气锅炉在时段t的输入燃料量；
Figure BDA0002036125470000118
为天然气母线在时段t分配到燃料电池、的天然气分配比例因子；
Figure BDA0002036125470000119
为天然气母线在时段t分配到燃气轮机的天然气分配比例因子；
Figure BDA00020361254700001110
为天然气母线在时段t分配到燃气锅炉的天然气分配比例因子；
C、联络线功率约束：
Figure BDA00020361254700001111
Figure BDA00020361254700001112
式中：
Figure BDA00020361254700001113
为与大电网功率交换的下限；
Figure BDA00020361254700001114
为在时段t大电网注入到多能流系统中的电能；
Figure BDA00020361254700001115
为与大电网功率交换的上限；
Figure BDA00020361254700001116
为与天然气网功率交换的下限；
Figure BDA00020361254700001117
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA00020361254700001118
为与天然气网功率交换的上限。
所述模型求解方法包括：
A、目标函数的模糊化：
为建立多目标模糊协调优化调度模型，对每个目标定义其相应的隶属度函数，对①建立的多目标模型，期望在满足所有约束条件前提下，整个多能流系统的购买燃料花费越小越好；排放越小越好；同时化石能源消耗越小越好；选用降半直线形函数为它们的隶属度函数；相应的数学表达式为：
Figure BDA00020361254700001119
式中：μ(·)为隶属度函数关系；n＝1，2，3表示目标函数的个数；Fn为第n个单目标；κn为Fn单目标最优化的目标值；Δn为相对于单目标Fn最优值可接受的增加值；
B、多目标模糊优化模型：
目标函数和约束条件均有模糊性或二者之一具有模糊性的优化问题称为模糊优化问题，当目标不只一个时为多目标模糊优化；根据最大最小满意度方法，令满意度
Figure BDA0002036125470000121
为所有目标函数的隶属度函数中的最小值：
Figure BDA0002036125470000122
上式中：
Figure BDA0002036125470000123
为满意度；μ(·)为隶属度函数关系；n＝1，2，3表示目标函数的个数；Fn为第n个单目标；
依据模糊集理论的最大最小原理，多目标优化问题转化为满足所有约束条件的满意度
Figure BDA0002036125470000124
最大化的问题，也就是
Figure BDA0002036125470000125
问题，其数学描述如下：
Figure BDA0002036125470000126
Figure BDA0002036125470000127
上式中：
Figure BDA0002036125470000128
为满意度；μ(·)为隶属度函数关系；
C、伸缩原则：
首先需要求解3个单目标函数的目标函数值F11、F22、F33以及各单目标优化时对应的其它目标函数值，F1最优化时F2、F3目标函数对应目标值为F12、F13；F2最优化时F1、F3目标函数对应目标值为F21、F23；F3最优化时F1、F2目标函数对应目标值为F31、F32；同时记多目标模糊优化F123下F1、F2、F3对应的目标函数值为F123-1、F123-2、F123-3，即定义：
κn＝Fnn
Δn≤max{Fpq}-Fnn,p≠q＝1,2,3
上式中：κn为Fn单目标最优化的目标值；Fnn为第n单目标函数的目标函数值；Δn为相对于单目标Fn最优值可接受的增加值；n＝1，2，3表示目标函数的个数；
κn、Δn确定后，将其带入隶属度函数即得到各目标函数的隶属度函数，然后求解最优化满意度问题。
所述步骤4：输出多能流优化结果系统信息，包括各个能源转换设备变工况特性下的效率、消纳的风电和光伏量、各个能源转换设备的出力、联络线功率变化、多目标优化结果及电/热储能量变化。
本发明优点及有益效果是：
本发明针对在不同运行模式下多能流系统中各设备通常具有非线性工作特征使其运行特性与设计点发生偏移的问题，建立了变工况特性下的多能流系统多目标模糊协同优化模型。首先，在考虑了新能源与电/热储能的基础上建立了变工况特性下燃料电池、燃气轮机、燃气锅炉、余热回收系统的高阶非线性模型。然后，根据不同工程应用模式需求提出了以经济型、环保型、节能型为优化目标的多能流系统协同优化模型，并基于模糊理论建立多目标模糊协同优化模型。其次，考虑设备载荷率、启动次数、工作时段、变工况运行等物理约束，基于地理资源禀赋引入地源热泵。最后，以一个多能流系统算例对所建模型进行了应用和验证，提出的一种变工况特性下的多能流系统多目标模糊协同优化方法是多能流系统优化调度、协同运行、运行设计和工程计算分析的基础。
附图说明
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及具体实施方式对本发明作进一步的详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
图1为本发明实施流程图；
图2为降半直线型隶属度函数图；
图3为算例多能流系统结构图；
图4为不同优化目标下燃料电池发电效率与发电功率逐时段变化；
图5为不同优化目标下天然气母线分配比例因子逐时段变化。
具体实施方式
本发明是一种变工况特性下的多能流系统多目标模糊协同优化方法，如图1所示，图1为本发明实施流程图，本发明包括以下步骤：
步骤1：向多能流系统输入系统信息。
向多能流系统输入系统信息，包括多能流系统的拓扑信息、能源转换设备信息、负荷信息、风电出力信息、光伏出力信息以及联络线信息。
步骤2：建立变工况特性下的各能源转换设备模型。
包括燃料电池模型、燃气轮机模型、余热回收系统模型、燃气锅炉模型、地源热泵、电/热储能、风电和光伏模型，并设定各个能源转换设备模型之间的连接方式；
①燃料电池模型。
燃料电池是一种直接将燃料的化学能转化为电能的发电装置，能够将天然气、氢气等碳氢燃料的化学能通过电化学反应直接转化为电能，其负荷响应快、运行质量高，可实现与燃气轮机、可再生能源发电系统很好的藕合和互补，形成一种多能流供应系统。其变工况下的燃料电池模型如下所示：
Figure BDA0002036125470000141
Figure BDA0002036125470000142
Figure BDA0002036125470000143
上述三个式中：
Figure BDA0002036125470000144
为燃料电池在时段t的发电功率；
Figure BDA0002036125470000145
为燃料电池在时段t的发电效率；
Figure BDA0002036125470000146
为燃料电池在时段t的输入燃料量；
Figure BDA0002036125470000147
为函数关系；an、bn均为燃料电池第n次幂项的系数；
Figure BDA0002036125470000148
为燃料电池在时段t的载荷率；
Figure BDA0002036125470000149
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001410
为燃料电池在时段t的热电比。
②燃气轮机模型。
燃气轮机作为耦合气、电、热的多能流系统的主要供能设备，其运行效率在不同负载率下变化较大，本发明中采用三阶发电效率函数来拟合，变工况下的燃气轮机模型如下：
Figure BDA00020361254700001411
Figure BDA0002036125470000151
Figure BDA0002036125470000152
上述三个式中：
Figure BDA0002036125470000153
为燃气轮机在时段t的输出发电功率；
Figure BDA0002036125470000154
为燃气轮机在时段t的发电效率；
Figure BDA0002036125470000155
为燃气轮机在时段t的输入燃料量；
Figure BDA0002036125470000156
为燃气轮机在时段t的输出热量；ηloss为散热损失；
Figure BDA0002036125470000157
为燃气轮机在时段t的载荷率；
Figure BDA0002036125470000158
为函数关系；cn为燃气轮机第n次幂项的系数；
Figure BDA0002036125470000159
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0。
③余热回收系统模型。
热回收系统将燃气轮机、燃料电池产生的热能进行集中回收，进一步提供多能流系统能源利用效率。常见的余热回收系统有回热器、吸收式制热设备，换热器等，其提供的热能与热回收效率有关，热回收系统的热回收效率受载荷率的影响，可计算如下：
Figure BDA00020361254700001510
Figure BDA00020361254700001511
Figure BDA00020361254700001512
上述三个式中：
Figure BDA00020361254700001513
为热回收系统在时段t的输出热量；
Figure BDA00020361254700001514
为热回收系统在t的热回收效率；
Figure BDA00020361254700001515
为热回收系统在时段t的输入热量；
Figure BDA00020361254700001516
为函数关系；dn为余热回收系统第n次幂项的系数；
Figure BDA00020361254700001524
为热回收系统在时段t的载荷率；
Figure BDA00020361254700001518
为余热回收系统在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001519
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001520
为燃料电池在时段t的热电比；
Figure BDA00020361254700001521
为燃料电池在时段t的发电功率；
Figure BDA00020361254700001522
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001523
为燃气轮机在时段t的输出热量。
④燃气锅炉模型。
燃气锅炉通常作为热源提供、补充热能，其工作特性相对稳定，燃气锅炉产生的热量与锅炉的效率有关，本发明中建立燃气锅炉的二阶变工况特性模型：
Figure BDA0002036125470000161
Figure BDA0002036125470000162
上述两个式中：
Figure BDA0002036125470000163
为燃气锅炉在时段t的输出热量；
Figure BDA0002036125470000164
为燃气锅炉在时刻t的热效率；
Figure BDA0002036125470000165
为燃气锅炉在时段t的输入燃料量；
Figure BDA0002036125470000166
为函数关系；en为燃气锅炉第n次幂项的系数；
Figure BDA0002036125470000167
为燃气锅炉在时段t的载荷率；
Figure BDA0002036125470000168
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0。
⑤地源热泵。
地源热泵通常以浅层地热资源作为热源，具有节能、环保、调控方便等优点，可在冬季供热、夏季供冷。相比于传统供热方式只能将部分电能转化为热能，地源热泵通过从环境中吸收低温热能或向环境中释放热能方式可以输出自身所耗电能若干倍的热能，从而大大降低化石能源消耗，但其工作时间模式通常受到限制，以减少对环境能量平衡的破坏。地源热泵的工作特性如下：
Figure BDA0002036125470000169
式中：
Figure BDA00020361254700001610
为地源热泵在时段t的输出热功率；
Figure BDA00020361254700001611
为地源热泵在时段t的制热系数，本发明中取常数；
Figure BDA00020361254700001612
为地源热泵在时段t的输入电功率；
Figure BDA00020361254700001613
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0。
⑥电/热储能。
多能流系统中使用电储能和热储能两种不同类型的储能设备来保证优化运行策略的灵活性，同时平移热电负荷及风电、光伏在时间上的不匹配。电储能与热储能模型相似，其一般模型可以归纳如下：
Figure BDA00020361254700001614
Figure BDA00020361254700001615
式中：
Figure BDA00020361254700001616
为电/热储能在时段t的储能量；
Figure BDA00020361254700001617
为电/热储能在时段t+1的储能量；σE/H为电/热储能充放损失率；
Figure BDA0002036125470000171
为电/热储能在时段t的充电/热功率；
Figure BDA0002036125470000172
为电/热储能在时段t的放电/热功率；
Figure BDA0002036125470000173
为电/热储能充电/热效率；
Figure BDA0002036125470000174
为电/热储能放电/热效率；Δt为优化调度仿真步长。
⑦风电和光伏模型。
由于风能、太阳能具有随机性和波动性，在优化调度运行过程中通常是全额接收，本发明中风电、光伏最大出力按预测功率参与协调。为了充分利用可再生能源，假设风电和光伏均工作在最大功率点跟踪模式下，可以用一条可再生能源的预测曲线来表示一天内的出力。为了使得多能流系统优化调度策略更为灵活，本发明中的模型允许优化策略决定风电以及光伏的投入或切除。
风电模型如下：
Figure BDA0002036125470000175
式中：
Figure BDA0002036125470000176
为时段t的风电预测输出功率；Pr为时段t的风电的额定输出功率；v(t)、vin、vr、vout分别为时段t的实际预测风速、切入风速、额定风速、切出风速；x、y、z为风电模型常系数。
光伏模型如下：
Figure BDA0002036125470000177
式中：
Figure BDA0002036125470000178
为时段t的光伏预测输出功率；Pstc为标准测试条件下的最大测试功率；
Figure BDA0002036125470000179
为时段t的太阳辐射强度；Gstc为时段t的标准测试条件下的太阳辐射强度；k为功率温度系数；Tt为时段t的光伏表面温度；Tref为标准测试条件下的光伏温度。
步骤3：建立多能流系统多目标模糊协同优化模型。
建立多目标模糊协同优化模型包括：多目标函数、优化运行约束条件、模型求解方法。
本发明中含可再生能源、及变工况特性运行下的多能流系统协调优化模型的目标函数需要充分考虑到经济、环保、能源消耗等因素，因此建立多目标协同优化模型。经济型优化目标F1考虑到使得多能流系统在优化调度周期内的总运行燃料成本最低、包括购买电力和燃气的费用；环保型优化目标F2是降低多能流系统整体设备运行排放，包括燃料电池、燃气轮机、燃气锅炉燃烧天然气排放，以及购买单位电力的等效排放；能源型优化目标F3使得多能流系统减少化石能源的消耗，包括天然气消耗、等效煤炭消耗。
①多目标函数。
A、经济型优化目标：
Figure BDA0002036125470000181
式中：F1为经济型优化目标函数；T为优化周期；
Figure BDA0002036125470000182
为天然气单位功率价格；
Figure BDA0002036125470000183
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA0002036125470000184
为电力单位功率价格；
Figure BDA0002036125470000185
为在时段t大电网注入到多能流系统中的电能。
B、环保型优化目标：
Figure BDA0002036125470000186
Figure BDA0002036125470000187
式中：F2为环保型优化目标函数；T为优化周期；
Figure BDA0002036125470000188
为第j种燃气设备的第i种污染气体排放因子；
Figure BDA0002036125470000189
为第j种燃气设备在时段t天然气输入量；
Figure BDA00020361254700001810
为消耗单位电力的第i种等效排放污染气体排放因子；
Figure BDA00020361254700001811
为在时段t大电网注入到多能流系统中的电能；CO2为二氧化碳；SO2为二氧化硫；NOx为氮氧化合物；FC为燃料电池；GT为燃气轮机；GB为燃气锅炉。
C、能源型优化目标：
Figure BDA0002036125470000191
式中：F3为能源型优化目标函数；T为优化周期；
Figure BDA0002036125470000192
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA0002036125470000193
为在时段t大电网注入到多能流系统中的电能；ηp,grid为火电机组的平均发电效率；ηt,grid为电能传输效率。
②优化运行约束条件。
多能流系统在实际优化协调运行的约束条件主要包括：(1)设备运行约束，主要为调度周期内的启停次数、爬坡率、容量、最小载荷率等限制；(2)系统中电、气、热能量平衡限制；(3)单位时间内购电、购气功率受到联络线功率交换量限制。
A、设备运行约束：
A1、燃料电池：
Figure BDA0002036125470000194
Figure BDA0002036125470000195
Figure BDA0002036125470000196
上述三个式中：
Figure BDA0002036125470000197
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000198
为燃料电池的切除系数；
Figure BDA0002036125470000199
为燃料电池的额定容量；
Figure BDA00020361254700001910
为燃料电池在时段t的发电功率；
Figure BDA00020361254700001911
燃料电池机组的下爬坡率；
Figure BDA00020361254700001912
为燃料电池在时段t+1的发电功率；
Figure BDA00020361254700001913
为燃料电池机组的上爬坡率；T为优化周期；
Figure BDA00020361254700001914
为燃料电池在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700001915
为优化调度周期T内的最大启动次数。
A2、燃气轮机：
Figure BDA00020361254700001916
Figure BDA00020361254700001917
Figure BDA00020361254700001918
上述三个式中：
Figure BDA0002036125470000201
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000202
为燃气轮机的切除系数；
Figure BDA0002036125470000203
为燃气轮机的额定容量；
Figure BDA0002036125470000204
为燃气轮机在时段t的输出发电功率；
Figure BDA0002036125470000205
为燃气轮机机组的下爬坡率；
Figure BDA0002036125470000206
为燃气轮机在时段t+1的输出发电功率；
Figure BDA0002036125470000207
为燃气轮机机组的上爬坡率；T为优化周期；
Figure BDA0002036125470000208
为燃气轮机在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000209
为优化调度周期T内的最大启动次数。
A3、热回收系统：
Figure BDA00020361254700002010
式中：
Figure BDA00020361254700002011
为热回收系统在时段t的输出热量；
Figure BDA00020361254700002012
为热回收系统输出功率最大值。
A4、燃气锅炉：
Figure BDA00020361254700002013
Figure BDA00020361254700002014
Figure BDA00020361254700002015
上述三个式中：
Figure BDA00020361254700002016
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002017
为燃气锅炉的切除系数；
Figure BDA00020361254700002018
为燃气锅炉的额定容量；
Figure BDA00020361254700002019
为燃气锅炉在时段t的输出热量；
Figure BDA00020361254700002020
为燃气锅炉机组的下爬坡率；
Figure BDA00020361254700002021
为燃气锅炉在时段t+1的输出热量；
Figure BDA00020361254700002022
为燃气锅炉机组的上爬坡率；T为优化周期；
Figure BDA00020361254700002023
为燃气锅炉在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002024
为优化调度周期T内的最大启动次数。
A5、地源热泵：
Figure BDA00020361254700002025
Figure BDA00020361254700002026
Figure BDA0002036125470000211
Figure BDA0002036125470000212
上述式中：
Figure BDA0002036125470000213
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA0002036125470000214
为地源热泵的切除系数；
Figure BDA0002036125470000215
为地源热泵的额定容量；
Figure BDA0002036125470000216
为地源热泵在时段t的输出热功率；
Figure BDA0002036125470000217
为地源热泵机组的下爬坡率；
Figure BDA0002036125470000218
为地源热泵在时段t+1的输出热功率；
Figure BDA0002036125470000219
为地源热泵机组的上爬坡率；T为优化周期；
Figure BDA00020361254700002110
为地源热泵在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002111
为优化调度周期T内的最大启动次数；Tstart为允许地源热泵的工作时间段起始时刻；Tend为允许地源热泵的工作时间段结束时刻；εacc为地源热泵在优化调度周期T内的最大工作时间占比率。
A6、电/热储能：
Figure BDA00020361254700002112
Figure BDA00020361254700002113
Figure BDA00020361254700002114
Figure BDA00020361254700002115
上述式中：
Figure BDA00020361254700002116
为电/热储能在时段t的充电/热功率；
Figure BDA00020361254700002117
为最大充电/热倍率；
Figure BDA00020361254700002118
为电/热储能的容量；
Figure BDA00020361254700002119
为电/热储能在时段t的放电/热功率；
Figure BDA00020361254700002120
为最大放电/热倍率；
Figure BDA00020361254700002121
为电/热储能在时段t的储能容量下限；
Figure BDA00020361254700002122
为电/热储能在时段t的储能量；
Figure BDA00020361254700002123
为电/热储能在时段t的储能容量上限；T为优化周期；
Figure BDA00020361254700002124
为电/热储能在时段t+T的储能量。
A7、风电和光伏：
Figure BDA00020361254700002125
Figure BDA0002036125470000221
上述式中：
Figure BDA0002036125470000222
为多能流系统在时段t实际消纳的风电功率；
Figure BDA0002036125470000223
为时段t的风电预测输出功率；
Figure BDA0002036125470000224
为多能流系统在时段t实际消纳的光伏功率；
Figure BDA0002036125470000225
为时段t的光伏预测输出功率。
B、能量平衡约束：
B1、电平衡约束：
Figure BDA0002036125470000226
式中：
Figure BDA0002036125470000227
为多能流系统在时段t实际消纳的风电功率；
Figure BDA0002036125470000228
为多能流系统在时段t实际消纳的光伏功率；ηT为变压器效率；
Figure BDA0002036125470000229
为在时段t大电网注入到多能流系统中的电能；
Figure BDA00020361254700002210
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002211
为燃料电池在时段t的发电功率；
Figure BDA00020361254700002212
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002213
为燃气轮机在时段t的输出发电功率；
Figure BDA00020361254700002214
为时段t的电负荷需求；
Figure BDA00020361254700002215
为电储能在时段t的放电功率；
Figure BDA00020361254700002216
为电储能在时段t的充电功率；
Figure BDA00020361254700002217
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002218
为地源热泵在时段t的输入电功率。
B2、热平衡约束：
Figure BDA00020361254700002219
上式中：
Figure BDA00020361254700002220
为热回收系统在时段t的输出热量；
Figure BDA00020361254700002221
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002222
为地源热泵在时段t的输出热功率；
Figure BDA00020361254700002223
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002224
为燃气锅炉在时段t的输出热量；
Figure BDA00020361254700002225
为热储能在时段t的放热功率；
Figure BDA00020361254700002226
为热储能在时段t的充热功率；
Figure BDA00020361254700002227
为时段t的热负荷需求。
B3、气平衡约束：
Figure BDA00020361254700002228
Figure BDA0002036125470000231
Figure BDA0002036125470000232
Figure BDA0002036125470000233
Figure BDA0002036125470000234
Figure BDA0002036125470000235
Figure BDA0002036125470000236
Figure BDA0002036125470000237
上述式中：
Figure BDA0002036125470000238
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA0002036125470000239
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002310
为燃料电池在时段t的输入燃料量；
Figure BDA00020361254700002311
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002312
为燃气轮机在时段t的输入燃料量；
Figure BDA00020361254700002313
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure BDA00020361254700002314
为燃气锅炉在时段t的输入燃料量；
Figure BDA00020361254700002315
为天然气母线在时段t分配到燃料电池、的天然气分配比例因子。
Figure BDA00020361254700002316
为天然气母线在时段t分配到燃气轮机的天然气分配比例因子。
Figure BDA00020361254700002317
为天然气母线在时段t分配到燃气锅炉的天然气分配比例因子。
C、联络线功率约束：
Figure BDA00020361254700002318
Figure BDA00020361254700002319
式中：
Figure BDA00020361254700002320
为与大电网功率交换的下限；
Figure BDA00020361254700002321
为在时段t大电网注入到多能流系统中的电能；
Figure BDA00020361254700002322
为与大电网功率交换的上限；
Figure BDA00020361254700002323
为与天然气网功率交换的下限；
Figure BDA00020361254700002324
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure BDA00020361254700002325
为与天然气网功率交换的上限。
③模型求解方法。
A、目标函数的模糊化：
为建立多目标模糊协调优化调度模型，需对每个目标定义其相应的隶属度函数。对①建立的多目标模型，期望在满足所有约束条件前提下，整个多能流系统的购买燃料花费越小越好；排放越小越好；同时化石能源消耗越小越好。因此，选用降半直线形函数为它们的隶属度函数。目标的隶属度函数如图2所示，相应的数学表达式为：
Figure BDA0002036125470000241
式中：μ(·)为隶属度函数关系；n＝1，2，3表示目标函数的个数；Fn为第n个单目标；κn为Fn单目标最优化的目标值；Δn为相对于单目标Fn最优值可接受的增加值。
B、多目标模糊优化模型：
目标函数和约束条件均有模糊性或二者之一具有模糊性的优化问题称为模糊优化问题，当目标不只一个时为多目标模糊优化。根据最大最小满意度方法，令满意度
Figure BDA0002036125470000242
为所有目标函数的隶属度函数中的最小值：
Figure BDA0002036125470000243
上式中：
Figure BDA0002036125470000244
为满意度；μ(·)为隶属度函数关系；n＝1，2，3表示目标函数的个数；Fn为第n个单目标。
依据模糊集理论的最大最小原理，多目标优化问题可以转化为满足所有约束条件的满意度
Figure BDA0002036125470000245
最大化的问题，也就是
Figure BDA0002036125470000246
问题，其数学描述如下：
Figure BDA0002036125470000247
Figure BDA0002036125470000248
上式中：
Figure BDA0002036125470000249
为满意度；μ(·)为隶属度函数关系。
C、伸缩原则:
首先需要求解3个单目标函数的目标函数值F11、F22、F33以及各单目标优化时对应的其它目标函数值，F1最优化时F2、F3目标函数对应目标值为F12、F13；F2最优化时F1、F3目标函数对应目标值为F21、F23；F3最优化时F1、F2目标函数对应目标值为F31、F32；同时记多目标模糊优化F123下F1、F2、F3对应的目标函数值为F123-1、F123-2、F123-3。即可定义：
κn＝Fnn
Δn≤max{Fpq}-Fnn,p≠q＝1,2,3
上式中：κn为Fn单目标最优化的目标值；Fnn为第n单目标函数的目标函数值；Δn为相对于单目标Fn最优值可接受的增加值；n＝1，2，3表示目标函数的个数。
κn、Δn确定后，将其带入隶属度函数即得到各目标函数的隶属度函数，然后求解最优化满意度问题。
步骤4：输出多能流优化结果系统信息。
输出多能流优化结果系统信息，包括各个能源转换设备变工况特性下的效率、消纳的风电和光伏量、各个能源转换设备的出力、联络线功率变化、多目标优化结果、电/热储能量变化等。
步骤5：算例分析。
本发明中建立的变工况特性下的多能流系统多目标模糊协同优化模型从数学概念上理解是求解0-1混合整数非线性规划问题，可以采用通用的商业优化软件如LINGO、GAMES、CPLEX等求解，本发明基于LINGO18.0优化软件解决上述问题。
A、算例介绍：
本发明中算例以冬季典型日为研究对象，取时间间隔为1h，分24个时段，即一个优化调度周期，算例多能流系统结构如图3所示。本发明算例中燃料电池、燃气轮机、燃气锅炉、地源热泵在一个调度周期的最大启动次数为4；电/热储能参数如表1所示；多能流系统与大电网功率交换上限为1.2MW/h、与天然气网功率交换上限为1.5MW/h；燃料电池的切除系数0.1、燃气轮机的切除系数0.25、燃气锅炉与地源热泵的切除系数0.05；地源热泵在时段7-时段24为允许的工作时期。本发明中算例的功率单位无特殊说明外均为MW。
表1储能设备参数
类型 电储能 热储能
最大充、放电/热倍率 0.2、0.3 0.2、0.2
额定容量 0.5 0.6
储能容量上下限 [0.05，0.475] [0.09，0.570]
起始容量 0.2 0.3
充、放电/热效率 0.95、0.95 0.93、0.93
自放电/热率 0.02 0.05
B、优化结果:
变工况特性下的单目标和多目标模糊优化结果见表2。多目标模糊优化的满意度
Figure BDA0002036125470000261
值为0.7058740，此时，多目标模糊优化下的燃料成本相对于单目标F1增加3.84％、气体排放相对于单目标F2增加4.85％、化石能源消耗相对于单目标F3增加1.6％。多目标模糊优化平衡了各个单目标之间的矛盾与冲突，给出相对都较为满意的优化调度方案。
表2单目标优化与多目标模糊优化的结果
Figure BDA0002036125470000262
算例中仅以燃料电池为例来分析变工况特性下的设备能量效率变化及不同模式下设备运行方式的差异性。如图4所示，燃料电池的发电功率较时，其发电效率会相应降低。在时段1-时段10期间，不同模式下燃料电池的发电效率均相对平稳，但F1与F2模式下效率差异明显，F1下追求燃料成本最小，高效率模式下可以节约燃料；F2下追求排放最小，燃料电池的CO2排放因子明显小于燃气轮机，显然F2模式下燃料电池满功率运行更可以减排。同时从图5中也可以发现，在时段1-时段10期间且在F2模式下
Figure BDA0002036125470000263
分配比例因子整体上均大于F1模式下
Figure BDA0002036125470000264
分配比例因子，在F2模式下
Figure BDA0002036125470000265
进一步表明，F2模式下，燃料电池起到主要耦合气、电、热的核心作用，承担发电、发热的主要供能。在时段11-时段24期间，不同模式下，燃料电池的发电效率趋势变化整体上相同，但不同模式下，
Figure BDA0002036125470000271
与
Figure BDA0002036125470000272
的差异还是相对明显，如F1模式下，
Figure BDA0002036125470000273
F2模式下，
Figure BDA0002036125470000274
F3模式下，
Figure BDA0002036125470000275
与
Figure BDA0002036125470000276
在不同时段交叉变化；F123模式下，
Figure BDA0002036125470000277
与
Figure BDA0002036125470000278
在不同时段亦是交叉变化。整体上后半优化周期
Figure BDA0002036125470000279
与
Figure BDA00020361254700002710
大小接近或交叉变化，说明燃料电池与燃气轮机相互协同配合运行效果明显且作用程度接近。燃气锅炉主要起热调峰的作用，图5的优化结果也满足了起初设计的要求。图5优化结果表明，燃气锅炉主要在F1模式下会启动，且在时段1-时段7及时段24期间热负荷高峰期间起到补充燃机及热储能、地源热泵供热缺额的热能。

Claims (8)

1.一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：包括以下步骤：
步骤1：向多能流系统输入系统信息；
步骤2：建立变工况特性下的各能源转换设备模型；
步骤3：建立多能流系统多目标模糊协同优化模型；
步骤4：输出多能流优化结果系统信息。
2.根据权利要求1所述的一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：所述步骤1：向多能流系统输入系统信息，是指向多能流系统输入系统信息，包括多能流系统的拓扑信息、能源转换设备信息、负荷信息、风电出力信息、光伏出力信息以及联络线信息。
3.根据权利要求1所述的一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：所述步骤2：建立变工况特性下的各能源转换设备模型，包括：燃料电池模型、燃气轮机模型、余热回收系统模型、燃气锅炉模型、地源热泵、电/热储能、风电和光伏模型，并设定各个能源转换设备模型之间的连接方式；
①燃料电池模型：
燃料电池是一种直接将燃料的化学能转化为电能的发电装置，能够将天然气、氢气碳氢燃料的化学能通过电化学反应直接转化为电能，其负荷响应快、运行质量高，实现与燃气轮机、可再生能源发电系统很好的藕合和互补，形成一种多能流供应系统；其变工况下的燃料电池模型如下所示：
Figure FDA0002036125460000011
Figure FDA0002036125460000012
Figure FDA0002036125460000013
上述三个式中：
Figure FDA0002036125460000014
为燃料电池在时段t的发电功率；
Figure FDA0002036125460000015
为燃料电池在时段t的发电效率；
Figure FDA0002036125460000016
为燃料电池在时段t的输入燃料量；
Figure FDA0002036125460000017
为函数关系；an、bn均为燃料电池第n次幂项的系数；
Figure FDA0002036125460000021
为燃料电池在时段t的载荷率；
Figure FDA0002036125460000022
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA0002036125460000023
为燃料电池在时段t的热电比；
②燃气轮机模型：
燃气轮机作为耦合气、电、热的多能流系统的主要供能设备，其运行效率在不同负载率下变化较大，采用三阶发电效率函数来拟合，变工况下的燃气轮机模型如下：
Figure FDA0002036125460000024
Figure FDA0002036125460000025
Figure FDA0002036125460000026
上述三个式中：
Figure FDA0002036125460000027
为燃气轮机在时段t的输出发电功率；
Figure FDA0002036125460000028
为燃气轮机在时段t的发电效率；
Figure FDA0002036125460000029
为燃气轮机在时段t的输入燃料量；
Figure FDA00020361254600000210
为燃气轮机在时段t的输出热量；ηloss为散热损失；
Figure FDA00020361254600000211
为燃气轮机在时段t的载荷率；
Figure FDA00020361254600000212
为函数关系；cn为燃气轮机第n次幂项的系数；
Figure FDA00020361254600000213
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
③余热回收系统模型：
热回收系统将燃气轮机、燃料电池产生的热能进行集中回收，进一步提供多能流系统能源利用效率；常见的余热回收系统有回热器、吸收式制热设备、换热器，其提供的热能与热回收效率有关，热回收系统的热回收效率受载荷率的影响，计算如下：
Figure FDA00020361254600000214
Figure FDA00020361254600000215
Figure FDA00020361254600000216
上述三个式中：
Figure FDA00020361254600000217
为热回收系统在时段t的输出热量；
Figure FDA00020361254600000218
为热回收系统在t的热回收效率；
Figure FDA00020361254600000219
为热回收系统在时段t的输入热量；
Figure FDA00020361254600000220
为函数关系；dn为余热回收系统第n次幂项的系数；
Figure FDA00020361254600000221
为热回收系统在时段t的载荷率；
Figure FDA00020361254600000222
为余热回收系统在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA0002036125460000031
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA0002036125460000032
为燃料电池在时段t的热电比；
Figure FDA0002036125460000033
为燃料电池在时段t的发电功率；
Figure FDA0002036125460000034
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA0002036125460000035
为燃气轮机在时段t的输出热量；
④燃气锅炉模型：
燃气锅炉通常作为热源提供、补充热能，其工作特性相对稳定，燃气锅炉产生的热量与锅炉的效率有关，建立燃气锅炉的二阶变工况特性模型：
Figure FDA0002036125460000036
Figure FDA0002036125460000037
上述两个式中：
Figure FDA0002036125460000038
为燃气锅炉在时段t的输出热量；
Figure FDA0002036125460000039
为燃气锅炉在时刻t的热效率；
Figure FDA00020361254600000310
为燃气锅炉在时段t的输入燃料量；
Figure FDA00020361254600000311
为函数关系；en为燃气锅炉第n次幂项的系数；
Figure FDA00020361254600000312
为燃气锅炉在时段t的载荷率；
Figure FDA00020361254600000313
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
⑤地源热泵：
地源热泵的工作特性如下：
Figure FDA00020361254600000314
式中：
Figure FDA00020361254600000315
为地源热泵在时段t的输出热功率；
Figure FDA00020361254600000316
为地源热泵在时段t的制热系数，本发明中取常数；
Figure FDA00020361254600000317
为地源热泵在时段t的输入电功率；
Figure FDA00020361254600000318
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
⑥电/热储能：
多能流系统中使用电储能和热储能两种不同类型的储能设备来保证优化运行策略的灵活性，同时平移热电负荷及风电、光伏在时间上的不匹配；电储能与热储能模型相似，其一般模型归纳如下：
Figure FDA0002036125460000041
Figure FDA0002036125460000042
式中：
Figure FDA0002036125460000043
为电/热储能在时段t的储能量；
Figure FDA0002036125460000044
为电/热储能在时段t+1的储能量；σE/H为电/热储能充放损失率；
Figure FDA0002036125460000045
为电/热储能在时段t的充电/热功率；
Figure FDA0002036125460000046
为电/热储能在时段t的放电/热功率；
Figure FDA0002036125460000047
为电/热储能充电/热效率；
Figure FDA0002036125460000048
为电/热储能放电/热效率；Δt为优化调度仿真步长；
⑦风电和光伏模型：
由于风能、太阳能具有随机性和波动性，在优化调度运行过程中通常是全额接收，本发明中风电、光伏最大出力按预测功率参与协调；为了充分利用可再生能源，假设风电和光伏均工作在最大功率点跟踪模式下，用一条可再生能源的预测曲线来表示一天内的出力；为了使得多能流系统优化调度策略更为灵活，模型允许优化策略决定风电以及光伏的投入或切除；
风电模型如下：
Figure FDA0002036125460000049
式中：
Figure FDA00020361254600000410
为时段t的风电预测输出功率；Pr为时段t的风电的额定输出功率；v(t)、vin、vr、vout分别为时段t的实际预测风速、切入风速、额定风速、切出风速；x、y、z为风电模型常系数；
光伏模型如下：
Figure FDA00020361254600000411
式中：
Figure FDA00020361254600000412
为时段t的光伏预测输出功率；Pstc为标准测试条件下的最大测试功率；
Figure FDA00020361254600000413
为时段t的太阳辐射强度；Gstc为时段t的标准测试条件下的太阳辐射强度；k为功率温度系数；Tt为时段t的光伏表面温度；Tref为标准测试条件下的光伏温度。
4.根据权利要求1所述的一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：所述步骤3：建立多能流系统多目标模糊协同优化模型，包括：多目标函数、优化运行约束条件、模型求解方法；
经济型优化目标F1考虑到使得多能流系统在优化调度周期内的总运行燃料成本最低、包括购买电力和燃气的费用；环保型优化目标F2是降低多能流系统整体设备运行排放，包括燃料电池、燃气轮机、燃气锅炉燃烧天然气排放，以及购买单位电力的等效排放；能源型优化目标F3使得多能流系统减少化石能源的消耗，包括天然气消耗、等效煤炭消耗。
5.根据权利要求4所述的一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：所述多目标函数包括：
A、经济型优化目标：
Figure FDA0002036125460000051
式中：F1为经济型优化目标函数；T为优化周期；
Figure FDA0002036125460000052
为天然气单位功率价格；
Figure FDA0002036125460000053
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure FDA0002036125460000054
为电力单位功率价格；
Figure FDA0002036125460000055
为在时段t大电网注入到多能流系统中的电能；
B、环保型优化目标：
Figure FDA0002036125460000056
Figure FDA0002036125460000057
式中：F2为环保型优化目标函数；T为优化周期；
Figure FDA0002036125460000058
为第j种燃气设备的第i种污染气体排放因子；
Figure FDA0002036125460000059
为第j种燃气设备在时段t天然气输入量；
Figure FDA00020361254600000510
为消耗单位电力的第i种等效排放污染气体排放因子；
Figure FDA00020361254600000511
为在时段t大电网注入到多能流系统中的电能；CO2为二氧化碳；SO2为二氧化硫；NOx为氮氧化合物；FC为燃料电池；GT为燃气轮机；GB为燃气锅炉；
C、能源型优化目标：
Figure FDA0002036125460000061
式中：F3为能源型优化目标函数；T为优化周期；
Figure FDA0002036125460000062
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure FDA0002036125460000063
为在时段t大电网注入到多能流系统中的电能；ηp,grid为火电机组的平均发电效率；ηt,grid为电能传输效率。
6.根据权利要求4所述的一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：所述优化运行约束条件包括：
多能流系统在实际优化协调运行的约束条件主要包括：(1)设备运行约束，主要为调度周期内的启停次数、爬坡率、容量、最小载荷率等限制；(2)系统中电、气、热能量平衡限制；(3)单位时间内购电、购气功率受到联络线功率交换量限制；
A、设备运行约束：
A1、燃料电池：
Figure FDA0002036125460000064
Figure FDA0002036125460000065
上述三个式中：
Figure FDA0002036125460000066
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA0002036125460000067
为燃料电池的切除系数；
Figure FDA0002036125460000068
为燃料电池的额定容量；
Figure FDA0002036125460000069
为燃料电池在时段t的发电功率；
Figure FDA00020361254600000610
燃料电池机组的下爬坡率；
Figure FDA00020361254600000611
为燃料电池在时段t+1的发电功率；
Figure FDA00020361254600000612
为燃料电池机组的上爬坡率；T为优化周期；
Figure FDA00020361254600000613
为燃料电池在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000614
为优化调度周期T内的最大启动次数；
A2、燃气轮机：
Figure FDA0002036125460000071
Figure FDA0002036125460000072
上述三个式中：
Figure FDA0002036125460000073
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA0002036125460000074
为燃气轮机的切除系数；
Figure FDA0002036125460000075
为燃气轮机的额定容量；
Figure FDA0002036125460000076
为燃气轮机在时段t的输出发电功率；
Figure FDA0002036125460000077
为燃气轮机机组的下爬坡率；
Figure FDA0002036125460000078
为燃气轮机在时段t+1的输出发电功率；
Figure FDA0002036125460000079
为燃气轮机机组的上爬坡率；T为优化周期；
Figure FDA00020361254600000710
为燃气轮机在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000711
为优化调度周期T内的最大启动次数；
A3、热回收系统：
Figure FDA00020361254600000712
式中：
Figure FDA00020361254600000713
为热回收系统在时段t的输出热量；
Figure FDA00020361254600000714
为热回收系统输出功率最大值；
A4、燃气锅炉：
Figure FDA00020361254600000715
Figure FDA00020361254600000716
上述三个式中：
Figure FDA00020361254600000717
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000718
为燃气锅炉的切除系数；
Figure FDA00020361254600000719
为燃气锅炉的额定容量；
Figure FDA00020361254600000720
为燃气锅炉在时段t的输出热量；
Figure FDA00020361254600000721
为燃气锅炉机组的下爬坡率；
Figure FDA00020361254600000722
为燃气锅炉在时段t+1的输出热量；
Figure FDA00020361254600000723
为燃气锅炉机组的上爬坡率；T为优化周期；
Figure FDA00020361254600000724
为燃气锅炉在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000725
为优化调度周期T内的最大启动次数；
A5、地源热泵：
Figure FDA0002036125460000081
Figure FDA0002036125460000082
Figure FDA0002036125460000083
上述式中：
Figure FDA0002036125460000084
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA0002036125460000085
为地源热泵的切除系数；
Figure FDA0002036125460000086
为地源热泵的额定容量；
Figure FDA0002036125460000087
为地源热泵在时段t的输出热功率；
Figure FDA0002036125460000088
为地源热泵机组的下爬坡率；
Figure FDA0002036125460000089
为地源热泵在时段t+1的输出热功率；
Figure FDA00020361254600000810
为地源热泵机组的上爬坡率；T为优化周期；
Figure FDA00020361254600000811
为地源热泵在时段t+1运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000812
为优化调度周期T内的最大启动次数；Tstart为允许地源热泵的工作时间段起始时刻；Tend为允许地源热泵的工作时间段结束时刻；εacc为地源热泵在优化调度周期T内的最大工作时间占比率；
A6、电/热储能：
Figure FDA00020361254600000813
Figure FDA00020361254600000814
Figure FDA00020361254600000815
Figure FDA00020361254600000816
上述式中：
Figure FDA00020361254600000817
为电/热储能在时段t的充电/热功率；
Figure FDA00020361254600000818
为最大充电/热倍率；
Figure FDA00020361254600000819
为电/热储能的容量；
Figure FDA00020361254600000820
为电/热储能在时段t的放电/热功率；
Figure FDA00020361254600000821
为最大放电/热倍率；
Figure FDA00020361254600000822
为电/热储能在时段t的储能容量下限；
Figure FDA00020361254600000823
为电/热储能在时段t的储能量；
Figure FDA00020361254600000824
为电/热储能在时段t的储能容量上限；T为优化周期；
Figure FDA00020361254600000825
为电/热储能在时段t+T的储能量；
A7、风电和光伏：
Figure FDA0002036125460000091
Figure FDA0002036125460000092
上述式中：
Figure FDA0002036125460000093
为多能流系统在时段t实际消纳的风电功率；
Figure FDA0002036125460000094
为时段t的风电预测输出功率；
Figure FDA0002036125460000095
为多能流系统在时段t实际消纳的光伏功率；
Figure FDA0002036125460000096
为时段t的光伏预测输出功率；
B、能量平衡约束：
B1、电平衡约束：
Figure FDA0002036125460000097
式中：
Figure FDA0002036125460000098
为多能流系统在时段t实际消纳的风电功率；
Figure FDA0002036125460000099
为多能流系统在时段t实际消纳的光伏功率；ηT为变压器效率；
Figure FDA00020361254600000910
为在时段t大电网注入到多能流系统中的电能；
Figure FDA00020361254600000911
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000912
为燃料电池在时段t的发电功率；
Figure FDA00020361254600000913
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000914
为燃气轮机在时段t的输出发电功率；
Figure FDA00020361254600000915
为时段t的电负荷需求；
Figure FDA00020361254600000916
为电储能在时段t的放电功率；
Figure FDA00020361254600000917
为电储能在时段t的充电功率；
Figure FDA00020361254600000918
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000919
为地源热泵在时段t的输入电功率；
B2、热平衡约束：
Figure FDA00020361254600000920
上式中：
Figure FDA00020361254600000921
为热回收系统在时段t的输出热量；
Figure FDA00020361254600000922
为地源热泵在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000923
为地源热泵在时段t的输出热功率；
Figure FDA00020361254600000924
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600000925
为燃气锅炉在时段t的输出热量；
Figure FDA00020361254600000926
为热储能在时段t的放热功率；
Figure FDA00020361254600000927
为热储能在时段t的充热功率；
Figure FDA00020361254600000928
为时段t的热负荷需求；
B3、气平衡约束：
Figure FDA0002036125460000101
Figure FDA0002036125460000102
Figure FDA0002036125460000103
Figure FDA0002036125460000104
Figure FDA0002036125460000105
Figure FDA0002036125460000106
Figure FDA0002036125460000107
Figure FDA0002036125460000108
上述式中：
Figure FDA0002036125460000109
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure FDA00020361254600001010
为燃料电池在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600001011
为燃料电池在时段t的输入燃料量；
Figure FDA00020361254600001012
为燃气轮机在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600001013
为燃气轮机在时段t的输入燃料量；
Figure FDA00020361254600001014
为燃气锅炉在时段t运行状态0-1变量，运行取1，停机取0；
Figure FDA00020361254600001015
为燃气锅炉在时段t的输入燃料量；
Figure FDA00020361254600001016
为天然气母线在时段t分配到燃料电池、的天然气分配比例因子；
Figure FDA00020361254600001017
为天然气母线在时段t分配到燃气轮机的天然气分配比例因子；
Figure FDA00020361254600001018
为天然气母线在时段t分配到燃气锅炉的天然气分配比例因子；
C、联络线功率约束：
Figure FDA00020361254600001019
Figure FDA00020361254600001020
式中：
Figure FDA00020361254600001021
为与大电网功率交换的下限；
Figure FDA00020361254600001022
为在时段t大电网注入到多能流系统中的电能；
Figure FDA00020361254600001023
为与大电网功率交换的上限；
Figure FDA00020361254600001024
为与天然气网功率交换的下限；
Figure FDA00020361254600001025
为在时段t天然气网络注入到多能流系统中的天然气量；
Figure FDA00020361254600001026
为与天然气网功率交换的上限。
7.根据权利要求4所述的一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：所述模型求解方法包括：
A、目标函数的模糊化：
为建立多目标模糊协调优化调度模型，对每个目标定义其相应的隶属度函数，对①建立的多目标模型，期望在满足所有约束条件前提下，整个多能流系统的购买燃料花费越小越好；排放越小越好；同时化石能源消耗越小越好；选用降半直线形函数为它们的隶属度函数；相应的数学表达式为：
Figure FDA0002036125460000111
式中：μ(·)为隶属度函数关系；n＝1，2，3表示目标函数的个数；Fn为第n个单目标；κn为Fn单目标最优化的目标值；Δn为相对于单目标Fn最优值可接受的增加值；
B、多目标模糊优化模型：
目标函数和约束条件均有模糊性或二者之一具有模糊性的优化问题称为模糊优化问题，当目标不只一个时为多目标模糊优化；根据最大最小满意度方法，令满意度
Figure FDA0002036125460000119
为所有目标函数的隶属度函数中的最小值：
Figure FDA0002036125460000112
上式中：
Figure FDA0002036125460000113
为满意度；μ(·)为隶属度函数关系；n＝1，2，3表示目标函数的个数；Fn为第n个单目标；
依据模糊集理论的最大最小原理，多目标优化问题转化为满足所有约束条件的满意度
Figure FDA0002036125460000114
最大化的问题，也就是
Figure FDA0002036125460000115
问题，其数学描述如下：
Figure FDA0002036125460000116
Figure FDA0002036125460000117
上式中：
Figure FDA0002036125460000118
为满意度；μ(·)为隶属度函数关系；
C、伸缩原则：
首先需要求解3个单目标函数的目标函数值F11、F22、F33以及各单目标优化时对应的其它目标函数值，F1最优化时F2、F3目标函数对应目标值为F12、F13；F2最优化时F1、F3目标函数对应目标值为F21、F23；F3最优化时F1、F2目标函数对应目标值为F31、F32；同时记多目标模糊优化F123下F1、F2、F3对应的目标函数值为F123-1、F123-2、F123-3，即定义：
κn＝Fnn
Δn≤max{Fpq}-Fnn,p≠q＝1,2,3
上式中：κn为Fn单目标最优化的目标值；Fnn为第n单目标函数的目标函数值；Δn为相对于单目标Fn最优值可接受的增加值；n＝1，2，3表示目标函数的个数；
κn、Δn确定后，将其带入隶属度函数即得到各目标函数的隶属度函数，然后求解最优化满意度问题。
8.根据权利要求1所述的一种变工况特性下的多能流系统多目标模糊协同优化方法，其特征是：所述步骤4：输出多能流优化结果系统信息，包括各个能源转换设备变工况特性下的效率、消纳的风电和光伏量、各个能源转换设备的出力、联络线功率变化、多目标优化结果及电/热储能量变化。
CN201910325641.7A 2019-04-22 2019-04-22 一种变工况特性下的多能流系统多目标模糊协同优化方法 Active CN110163415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910325641.7A CN110163415B (zh) 2019-04-22 2019-04-22 一种变工况特性下的多能流系统多目标模糊协同优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910325641.7A CN110163415B (zh) 2019-04-22 2019-04-22 一种变工况特性下的多能流系统多目标模糊协同优化方法

Publications (2)

Publication Number Publication Date
CN110163415A CN110163415A (zh) 2019-08-23
CN110163415B true CN110163415B (zh) 2022-12-09

Family

ID=67639796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910325641.7A Active CN110163415B (zh) 2019-04-22 2019-04-22 一种变工况特性下的多能流系统多目标模糊协同优化方法

Country Status (1)

Country Link
CN (1) CN110163415B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110932317B (zh) * 2019-11-29 2023-07-21 国网新疆电力有限公司 一种本质可再生能源互补的分布式能源系统的设计方法
CN111509738A (zh) * 2020-05-29 2020-08-07 上海交通大学 电热微网源荷储协同平滑联络线功率方法及系统
CN111899121B (zh) * 2020-06-23 2023-07-04 深圳职业技术学院 基于电转气设备的区域能源系统源荷协调运行简易方法
CN111769561A (zh) * 2020-09-02 2020-10-13 国网江西省电力有限公司电力科学研究院 一种ries运行优化方法及装置
CN114741966A (zh) * 2022-04-19 2022-07-12 南京工业大学 一种反应精馏有机污染物产治协同的分级优化控制方法
CN118134059B (zh) * 2024-05-08 2024-07-09 天津大学 电热网与建筑用户协同优化方法、系统、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485352B (zh) * 2016-09-30 2019-06-25 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法
CN108875277A (zh) * 2018-07-23 2018-11-23 长沙理工大学 一种考虑天然气系统n-1的多能流系统静态安全分析方法
CN109327042B (zh) * 2018-09-27 2023-02-10 南京邮电大学 一种微电网多能源联合优化调度方法

Also Published As

Publication number Publication date
CN110163415A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
CN110163415B (zh) 一种变工况特性下的多能流系统多目标模糊协同优化方法
CN109327042B (zh) 一种微电网多能源联合优化调度方法
CN110163443B (zh) 考虑电-气综合需求响应的天然气调压站微能网优化调度方法
CN111738502B (zh) 促进富余风电消纳的多能互补系统需求响应运行优化方法
CN110288152B (zh) 考虑电/热柔性负荷的区域综合能源系统储能配置方法
CN103580063B (zh) 一种基于需方响应消纳大规模并网风电的方法
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN111400641A (zh) 一种含蓄热式电采暖的综合能源系统日前优化调度方法
CN110991000B (zh) 计及固体氧化物燃料电池和电转气的能量枢纽建模方法
CN111614121A (zh) 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN109993345B (zh) 一种面向园区的孤岛运行多能互补系统动态经济调度方法
CN110994606B (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN112380730A (zh) 一种考虑多能耦合交互的综合能源微网优化运行方法
Ghappani et al. Optimal operation framework of an energy hub with combined heat, hydrogen, and power (CHHP) system based on ammonia
CN110930073A (zh) 计及价格型需求响应的风-光-光热联合发电系统日前调度方法
CN110957722B (zh) 一种含电转气设备的微型能源网日前优化调度方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
Li et al. Planning model of integrated energy system considering P2G and energy storage
CN113240205A (zh) 一种基于多能源综合利用的区域用能系统替代优化方法
CN113131513A (zh) 考虑碳排放的电、热、气转换优化运行配置方法和存储介质
CN115906456A (zh) 考虑需求侧响应不确定性的含氢储能ies调度优化模型
CN114997662A (zh) 含电动车充电桩的区域分布式多能源系统低碳规划方法
CN114386256A (zh) 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法
CN114759610B (zh) 一种基于风光虚拟同步机的风光燃储综合能源系统
Men et al. Optimization strategy of ac/dc hybrid energy supply in multi energy system considering adiabatic compressed air energy storage device and comprehensive demand response

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