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 PDFInfo
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000007789 gas Substances 0.000 claims abstract description 226
- 239000000446 fuel Substances 0.000 claims abstract description 145
- 238000011084 recovery Methods 0.000 claims abstract description 61
- 239000002918 waste heat Substances 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 127
- 230000005611 electricity Effects 0.000 claims description 62
- 239000003345 natural gas Substances 0.000 claims description 62
- 238000004146 energy storage Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 25
- 238000010248 power generation Methods 0.000 claims description 16
- 230000009194 climbing Effects 0.000 claims description 15
- 238000005338 heat storage Methods 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 6
- 231100000719 pollutant Toxicity 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- -1 hydrogen hydrocarbon Chemical class 0.000 claims description 5
- 238000012886 linear function Methods 0.000 claims description 5
- 238000013486 operation strategy Methods 0.000 claims description 4
- 239000004215 Carbon black (E152) Substances 0.000 claims description 3
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 239000003245 coal Substances 0.000 claims description 3
- 238000003487 electrochemical reaction Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 229930195733 hydrocarbon Natural products 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims 1
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 238000005259 measurement Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000004134 energy conservation Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 5
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
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
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:
上述三个式中:为燃料电池在时段t的发电功率;为燃料电池在时段t的发电效率;为燃料电池在时段t的输入燃料量;为函数关系;an、bn均为燃料电池第n次幂项的系数;为燃料电池在时段t的载荷率;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;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:
上述三个式中:为燃气轮机在时段t的输出发电功率;为燃气轮机在时段t的发电效率;为燃气轮机在时段t的输入燃料量;为燃气轮机在时段t的输出热量;ηloss为散热损失;为燃气轮机在时段t的载荷率;为函数关系;cn为燃气轮机第n次幂项的系数;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:
上述三个式中:为热回收系统在时段t的输出热量;为热回收系统在t的热回收效率;为热回收系统在时段t的输入热量;为函数关系;dn为余热回收系统第n次幂项的系数;为热回收系统在时段t的载荷率;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;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;为燃料电池在时段t的热电比;为燃料电池在时段t的发电功率;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;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:
上述两个式中:为燃气锅炉在时段t的输出热量;为燃气锅炉在时刻t的热效率;为燃气锅炉在时段t的输入燃料量;为函数关系;en为燃气锅炉第n次幂项的系数;为燃气锅炉在时段t的载荷率;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:
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:
式中:为电/热储能在时段t的储能量;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;为电/热储能在时段t的充电/热功率;为电/热储能在时段t的放电/热功率;为电/热储能充电/热效率;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:
光伏模型如下:
式中: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;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:
B、环保型优化目标:
式中:F2为环保型优化目标函数;T为优化周期;为第j种燃气设备的第i种污染气体排放因子;为第j种燃气设备在时段t天然气输入量;为消耗单位电力的第i种等效排放污染气体排放因子;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:
式中:F3为能源型优化目标函数;T为优化周期;为在时段t天然气网络注入到多能流系统中的天然气量;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:
上述三个式中: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;为燃料电池的切除系数;为燃料电池的额定容量;为燃料电池在时段t的发电功率;燃料电池机组的下爬坡率;为燃料电池在时段t+1的发电功率;为燃料电池机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数;
A2、燃气轮机:
上述三个式中: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;为燃气轮机的切除系数;为燃气轮机的额定容量;为燃气轮机在时段t的输出发电功率;为燃气轮机机组的下爬坡率;为燃气轮机在时段t+1的输出发电功率;为燃气轮机机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数;
A3、热回收系统:
A4、燃气锅炉:
上述三个式中: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;为燃气锅炉的切除系数;为燃气锅炉的额定容量;为燃气锅炉在时段t的输出热量;为燃气锅炉机组的下爬坡率;为燃气锅炉在时段t+1的输出热量;为燃气锅炉机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数;
A5、地源热泵:
上述式中: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;为地源热泵的切除系数;为地源热泵的额定容量;为地源热泵在时段t的输出热功率;为地源热泵机组的下爬坡率;为地源热泵在时段t+1的输出热功率;为地源热泵机组的上爬坡率;T为优化周期;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;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:
上述式中:为电/热储能在时段t的充电/热功率;为最大充电/热倍率;为电/热储能的容量;为电/热储能在时段t的放电/热功率;为最大放电/热倍率;为电/热储能在时段t的储能容量下限;为电/热储能在时段t的储能量;为电/热储能在时段t的储能容量上限;T为优化周期;为电/热储能在时段t+T的储能量;
A7、风电和光伏:
B、能量平衡约束:
B1、电平衡约束:
式中:为多能流系统在时段t实际消纳的风电功率;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;为在时段t大电网注入到多能流系统中的电能;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;为燃料电池在时段t的发电功率;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;为燃气轮机在时段t的输出发电功率;为时段t的电负荷需求;为电储能在时段t的放电功率;为电储能在时段t的充电功率;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;为地源热泵在时段t的输入电功率;
B2、热平衡约束:
上式中:为热回收系统在时段t的输出热量;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;为地源热泵在时段t的输出热功率;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;为燃气锅炉在时段t的输出热量;为热储能在时段t的放热功率;为热储能在时段t的充热功率;为时段t的热负荷需求;
B3、气平衡约束:
上述式中:为在时段t天然气网络注入到多能流系统中的天然气量;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;为燃料电池在时段t的输入燃料量;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;为燃气轮机在时段t的输入燃料量;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;为燃气锅炉在时段t的输入燃料量;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;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;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:
式中:为与大电网功率交换的下限;为在时段t大电网注入到多能流系统中的电能;为与大电网功率交换的上限;为与天然气网功率交换的下限;为在时段t天然气网络注入到多能流系统中的天然气量;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:
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:
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:
上述三个式中:为燃料电池在时段t的发电功率;为燃料电池在时段t的发电效率;为燃料电池在时段t的输入燃料量;为函数关系;an、bn均为燃料电池第n次幂项的系数;为燃料电池在时段t的载荷率;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;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:
上述三个式中:为燃气轮机在时段t的输出发电功率;为燃气轮机在时段t的发电效率;为燃气轮机在时段t的输入燃料量;为燃气轮机在时段t的输出热量;ηloss为散热损失;为燃气轮机在时段t的载荷率;为函数关系;cn为燃气轮机第n次幂项的系数;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:
上述三个式中:为热回收系统在时段t的输出热量;为热回收系统在t的热回收效率;为热回收系统在时段t的输入热量;为函数关系;dn为余热回收系统第n次幂项的系数;为热回收系统在时段t的载荷率;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;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;为燃料电池在时段t的热电比;为燃料电池在时段t的发电功率;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;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:
上述两个式中:为燃气锅炉在时段t的输出热量;为燃气锅炉在时刻t的热效率;为燃气锅炉在时段t的输入燃料量;为函数关系;en为燃气锅炉第n次幂项的系数;为燃气锅炉在时段t的载荷率;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:
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:
式中:为电/热储能在时段t的储能量;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;为电/热储能在时段t的充电/热功率;为电/热储能在时段t的放电/热功率;为电/热储能充电/热效率;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:
光伏模型如下:
式中: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;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:
B、环保型优化目标:
式中:F2为环保型优化目标函数;T为优化周期;为第j种燃气设备的第i种污染气体排放因子;为第j种燃气设备在时段t天然气输入量;为消耗单位电力的第i种等效排放污染气体排放因子;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:
式中:F3为能源型优化目标函数;T为优化周期;为在时段t天然气网络注入到多能流系统中的天然气量;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:
上述三个式中: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;为燃料电池的切除系数;为燃料电池的额定容量;为燃料电池在时段t的发电功率;燃料电池机组的下爬坡率;为燃料电池在时段t+1的发电功率;为燃料电池机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数。
A2、燃气轮机:
上述三个式中: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;为燃气轮机的切除系数;为燃气轮机的额定容量;为燃气轮机在时段t的输出发电功率;为燃气轮机机组的下爬坡率;为燃气轮机在时段t+1的输出发电功率;为燃气轮机机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数。
A3、热回收系统:
A4、燃气锅炉:
上述三个式中: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;为燃气锅炉的切除系数;为燃气锅炉的额定容量;为燃气锅炉在时段t的输出热量;为燃气锅炉机组的下爬坡率;为燃气锅炉在时段t+1的输出热量;为燃气锅炉机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数。
A5、地源热泵:
上述式中: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;为地源热泵的切除系数;为地源热泵的额定容量;为地源热泵在时段t的输出热功率;为地源热泵机组的下爬坡率;为地源热泵在时段t+1的输出热功率;为地源热泵机组的上爬坡率;T为优化周期;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;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:
上述式中:为电/热储能在时段t的充电/热功率;为最大充电/热倍率;为电/热储能的容量;为电/热储能在时段t的放电/热功率;为最大放电/热倍率;为电/热储能在时段t的储能容量下限;为电/热储能在时段t的储能量;为电/热储能在时段t的储能容量上限;T为优化周期;为电/热储能在时段t+T的储能量。
A7、风电和光伏:
B、能量平衡约束:
B1、电平衡约束:
式中:为多能流系统在时段t实际消纳的风电功率;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;为在时段t大电网注入到多能流系统中的电能;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;为燃料电池在时段t的发电功率;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;为燃气轮机在时段t的输出发电功率;为时段t的电负荷需求;为电储能在时段t的放电功率;为电储能在时段t的充电功率;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;为地源热泵在时段t的输入电功率。
B2、热平衡约束:
上式中:为热回收系统在时段t的输出热量;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;为地源热泵在时段t的输出热功率;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;为燃气锅炉在时段t的输出热量;为热储能在时段t的放热功率;为热储能在时段t的充热功率;为时段t的热负荷需求。
B3、气平衡约束:
上述式中:为在时段t天然气网络注入到多能流系统中的天然气量;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;为燃料电池在时段t的输入燃料量;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;为燃气轮机在时段t的输入燃料量;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;为燃气锅炉在时段t的输入燃料量;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。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。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:
式中:为与大电网功率交换的下限;为在时段t大电网注入到多能流系统中的电能;为与大电网功率交换的上限;为与天然气网功率交换的下限;为在时段t天然气网络注入到多能流系统中的天然气量;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:
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:
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
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模式下分配比例因子整体上均大于F1模式下分配比例因子,在F2模式下进一步表明,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,与的差异还是相对明显,如F1模式下,F2模式下,F3模式下,与在不同时段交叉变化;F123模式下,与在不同时段亦是交叉变化。整体上后半优化周期与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:
上述三个式中:为燃料电池在时段t的发电功率;为燃料电池在时段t的发电效率;为燃料电池在时段t的输入燃料量;为函数关系;an、bn均为燃料电池第n次幂项的系数;为燃料电池在时段t的载荷率;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;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:
上述三个式中:为燃气轮机在时段t的输出发电功率;为燃气轮机在时段t的发电效率;为燃气轮机在时段t的输入燃料量;为燃气轮机在时段t的输出热量;ηloss为散热损失;为燃气轮机在时段t的载荷率;为函数关系;cn为燃气轮机第n次幂项的系数;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:
上述三个式中:为热回收系统在时段t的输出热量;为热回收系统在t的热回收效率;为热回收系统在时段t的输入热量;为函数关系;dn为余热回收系统第n次幂项的系数;为热回收系统在时段t的载荷率;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;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;为燃料电池在时段t的热电比;为燃料电池在时段t的发电功率;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;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:
上述两个式中:为燃气锅炉在时段t的输出热量;为燃气锅炉在时刻t的热效率;为燃气锅炉在时段t的输入燃料量;为函数关系;en为燃气锅炉第n次幂项的系数;为燃气锅炉在时段t的载荷率;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:
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:
式中:为电/热储能在时段t的储能量;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;为电/热储能在时段t的充电/热功率;为电/热储能在时段t的放电/热功率;为电/热储能充电/热效率;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:
光伏模型如下:
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:
B、环保型优化目标:
式中:F2为环保型优化目标函数;T为优化周期;为第j种燃气设备的第i种污染气体排放因子;为第j种燃气设备在时段t天然气输入量;为消耗单位电力的第i种等效排放污染气体排放因子;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:
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:
上述三个式中: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;为燃料电池的切除系数;为燃料电池的额定容量;为燃料电池在时段t的发电功率;燃料电池机组的下爬坡率;为燃料电池在时段t+1的发电功率;为燃料电池机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数;
A2、燃气轮机:
上述三个式中: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;为燃气轮机的切除系数;为燃气轮机的额定容量;为燃气轮机在时段t的输出发电功率;为燃气轮机机组的下爬坡率;为燃气轮机在时段t+1的输出发电功率;为燃气轮机机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数;
A3、热回收系统:
A4、燃气锅炉:
上述三个式中: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;为燃气锅炉的切除系数;为燃气锅炉的额定容量;为燃气锅炉在时段t的输出热量;为燃气锅炉机组的下爬坡率;为燃气锅炉在时段t+1的输出热量;为燃气锅炉机组的上爬坡率;T为优化周期;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;为优化调度周期T内的最大启动次数;
A5、地源热泵:
上述式中: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;为地源热泵的切除系数;为地源热泵的额定容量;为地源热泵在时段t的输出热功率;为地源热泵机组的下爬坡率;为地源热泵在时段t+1的输出热功率;为地源热泵机组的上爬坡率;T为优化周期;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;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:
上述式中:为电/热储能在时段t的充电/热功率;为最大充电/热倍率;为电/热储能的容量;为电/热储能在时段t的放电/热功率;为最大放电/热倍率;为电/热储能在时段t的储能容量下限;为电/热储能在时段t的储能量;为电/热储能在时段t的储能容量上限;T为优化周期;为电/热储能在时段t+T的储能量;
A7、风电和光伏:
B、能量平衡约束:
B1、电平衡约束:
式中:为多能流系统在时段t实际消纳的风电功率;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;为在时段t大电网注入到多能流系统中的电能;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;为燃料电池在时段t的发电功率;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;为燃气轮机在时段t的输出发电功率;为时段t的电负荷需求;为电储能在时段t的放电功率;为电储能在时段t的充电功率;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;为地源热泵在时段t的输入电功率;
B2、热平衡约束:
上式中:为热回收系统在时段t的输出热量;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;为地源热泵在时段t的输出热功率;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;为燃气锅炉在时段t的输出热量;为热储能在时段t的放热功率;为热储能在时段t的充热功率;为时段t的热负荷需求;
B3、气平衡约束:
上述式中:为在时段t天然气网络注入到多能流系统中的天然气量;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;为燃料电池在时段t的输入燃料量;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;为燃气轮机在时段t的输入燃料量;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;为燃气锅炉在时段t的输入燃料量;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;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;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:
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:
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:
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。
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)
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)
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 |
-
2019
- 2019-04-22 CN CN201910325641.7A patent/CN110163415B/zh active Active
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 |