CN110414779A - 一种基于改进mrm法的分布式系统多目标优化设计方法 - Google Patents
一种基于改进mrm法的分布式系统多目标优化设计方法 Download PDFInfo
- Publication number
- CN110414779A CN110414779A CN201910525195.4A CN201910525195A CN110414779A CN 110414779 A CN110414779 A CN 110414779A CN 201910525195 A CN201910525195 A CN 201910525195A CN 110414779 A CN110414779 A CN 110414779A
- Authority
- CN
- China
- Prior art keywords
- mrm
- capacity
- load
- optimization design
- objective
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 230000006872 improvement Effects 0.000 title description 3
- 230000005611 electricity Effects 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 4
- 231100000719 pollutant Toxicity 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001816 cooling 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
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于改进MRM法的分布式系统多目标优化设计方法:通过调研或者模拟等方法获取供能系统年逐时冷、热、电负荷,确定一种运行方式(以热定电或者以电定热)将冷(热)负荷(以热定电)或电负荷(以电定热)按照降序进行排列,同时采用最大矩形法(MRM)确定系统初始的容量;建立经济性及环境性两个目标函数,以系统能量平衡、负荷供需及设备的容量变化范围为约束条件,采用多目标遗传算法计算得到最佳的系统容量配置解集。本发明在MRM的基础上采用多目标遗传算法,以系统经济性及环境性为目标进行优化设计,使得系统配置更加合理,操作便捷、计算速度快,可为系统规划设计提供重要参考依据。
Description
技术领域
本发明涉及系统配置优化领域,尤其涉及分布式系统多目标优化设计。
背景技术
分布式能源系统是相对传统集中式供能系统提出的,是一种建立在用户端,可以有效实现能源梯级利用,提高能源利用效率的新型供能模式。这种供能系统根据用户对能源的不同要求,根据温度对口原则供应能源,将输送环节的能耗降至最低,从而实现能源利用效率的最大化。
虽然分布式能源在国内外得到了迅速的发展,但在实际设计和运行过程中存在以下几个问题:
(1)由于容量配置的不合理,导致系统长时间处于低负荷运行状态,系统运行效率低下,系统在能效、经济、环保等方面较分供系统优势不明显;
(2)传统设计方法往往单独按照供能系统冷、热、电三种负荷中的一种选择设备容量,忽略了冷、热、电三种负荷之间相互的耦合影响,系统设备容量配置不合理;
(3)传统设计方法仅考虑系统最大、平均、最小热负荷,忽略了负荷全年动态变化特点,从而导致装机匹配不合理;
(4)传统设计方法考虑因素较为单一,仅考虑系统的经济性能,因此无法发挥分布式能源其他方面的优势。
MRM方法被广发应用于联供系统装机容量的确定中,虽然其具有简单、快速等优点,但由于MRM方法确定原动机容量时不考虑系统结构、设备投资、运行费用等因素,只关心系统的热负荷与电负荷,因此MRM方法并不能保证系统的经济性、环保性等达到最优。
为解决上述问题,本发明方法在MRM方法的基础上,对系统进行经济性及环保性的多目标优化设计,优化配置容量。
发明内容
本发明的目的在于克服现有技术中存在的上述不足,而提供一种基于改进MRM法的分布式系统多目标优化设计方法,能够优化分布式能源系统的配置。
本发明解决上述问题所采用的技术方案是:一种基于改进MRM法的分布式系统多目标优化设计方法,其特征是,主要包括以下步骤:
(1)通过调研、模拟等方法获取分布式系统供能区域全年逐时冷、热、电负荷;
(2)确定运行策略:以热定电或者以电定热;
(3)将全年热(冷)负荷(以热定电)或电负荷(以电定热)进行降序排列;
(4)建立最大矩形模型算法(Maximum Rectangle Method,MRM),获得系统初始的容量配置;
(5)在MRM方法得到的系统容量基础上,以系统年总费用及年污染物排放为目标函数,系统的等式及不等式约束建立基于多目标遗传算法的优化模型;
(6)优化得出最佳装机配置的解集。
进一步的,所述最大矩形算法MRM为:在年降序排列负荷曲线上取一点,使得横纵坐标相乘的值最大,此时对应系统的容量配置原动机为最小配置,调峰设备为最大容量配置。
进一步的,系统负荷需求最大值对应的原动机容量为最大值,此时调峰设备的容量为最小。
进一步的,年总费用包含初始投资、维护费用及运行费用;污染物排放包含CO2排放量及NOx排放量。
进一步的,系统的等式约束包含能量平衡约束即冷、热、电负荷之间的平衡,不等式约束包括系统各设备容量的范围约束。
本发明与现有技术相比,具有以下优点和效果:
1、本发明的方法在MRM的基础上采用多目标遗传算法,以系统经济性及环境性为目标进行优化设计,使得系统配置更加合理。
2、本发明操作便捷、计算速度快,可为系统规划设计提供重要参考依据。
附图说明
图1是本发明实施例中提出的基于改进MRM法的分布式系统多目标优化设计方法的流程图。
图2是本发明实施例中冷(热)负荷年延时曲线及MRM方法获得的最小原动机容量曲线图。
图3是本发明实施例中通过多目标遗传算法获得的最佳解集图。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
以某园区为例,基于改进MRM法的分布式系统多目标优化设计方法,主要包括以下步骤:
1、通过模拟法获得供能区域全年8760h的冷热负荷变化曲线;
2、选取以热定电的运行策略,将热(冷)负荷进行降序排列;
3、采用MRM法进行计算,当获得在Q=177.33kW时,T=1281h时,Q与T的乘积Qmax达到最大,根据E=Qmax/((1-η1)×η2),η1为发电效率,η2为一次能源利用率,得出原动机的容量为:Enom=360kW,根据系统能量平衡以及用户负荷特性,得出其他设备容量;
4、建立系统经济性及环境性的目标方程:
其中:为第k种设备的容量,kW;
为第k种设备单位千瓦造价,RMB/kW;
为第k种设备的输出功率,kW;
为第k种设备的维护费用,RMB/kW;
LHV为燃料低位热值,MJ/立方;
Cflue为天然气价格,RMB/立方;
E(h)为电设备消耗的电量,kWh;
Cele为电价,RMB/kWh;
环境性目标方程:
其中:F(h)为h小时内系统消耗天然气热量,kWh;
为消耗单位千瓦时天然气,CO2的排放量,kg/kWh;
wgas,NOx为消耗单位千瓦时天然气,NOx的排放量,kg/kWh;
5、确定系统的约束条件,等式约束:分布式能源系统逐时供能(冷、热负荷)等于用户逐时需求,以及系统之间能量平衡关系;
不等式约束:分布式能源系统设备容量介于MRM法求得的设备容量与最大负荷需求对应的设备容量之间;
6、采用多目标遗传算法NSGA_2进行求解,得到Pareto最佳解集。在解集里取三组解见下表1。
表1三组最优解
名称 | 内燃机(kW) | 溴化锂(kW) | 电制冷(kW) | 燃气锅炉(kW) |
1 | 428 | 420 | 75 | 80 |
2 | 451 | 427 | 62 | 56 |
3 | 487 | 481 | 16 | 21 |
虽然本发明以实施例公开如上,但其并非用以限定本发明的保护范围,任何熟悉该项技术的技术人员,在不脱离本发明的构思和范围内所作的更改,均应属于本发明的保护范围。
Claims (5)
1.一种基于改进MRM法的分布式系统多目标优化设计方法,其特征是,主要包括以下步骤:
(1)获取分布式系统供能区域全年逐时冷、热、电负荷;
(2)确定运行策略:以热定电或者以电定热;
(3)将全年热/冷负荷或电负荷进行降序排列;
(4)建立最大矩形模型算法MRM,获得系统初始的容量配置;
(5)在MRM方法得到的系统容量基础上,以系统年总费用及年污染物排放为目标函数,系统的等式及不等式约束建立基于多目标遗传算法的优化模型;
(6)优化得出最佳装机配置的解集。
2.根据权利要求1所述的基于改进MRM法的分布式系统多目标优化设计方法,其特征是,所述最大矩形算法MRM为:在年降序排列负荷曲线上取一点,使得横纵坐标相乘的值最大,此时对应系统的容量配置原动机为最小配置,调峰设备为最大容量配置。
3.根据权利要求1所述的基于改进MRM法的分布式系统多目标优化设计方法,其特征是,系统负荷需求最大值对应的原动机容量为最大值,此时调峰设备的容量为最小。
4.根据权利要求1所述的基于改进MRM法的分布式系统多目标优化设计方法,其特征是,年总费用包含初始投资、维护费用及运行费用;污染物排放包含CO2排放量及NOx排放量。
5.根据权利要求1所述的基于改进MRM法的分布式系统多目标优化设计方法,其特征是,系统的等式约束包含能量平衡约束即冷、热、电负荷之间的平衡,不等式约束包括系统各设备容量的范围约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525195.4A CN110414779A (zh) | 2019-06-18 | 2019-06-18 | 一种基于改进mrm法的分布式系统多目标优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525195.4A CN110414779A (zh) | 2019-06-18 | 2019-06-18 | 一种基于改进mrm法的分布式系统多目标优化设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110414779A true CN110414779A (zh) | 2019-11-05 |
Family
ID=68359170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910525195.4A Pending CN110414779A (zh) | 2019-06-18 | 2019-06-18 | 一种基于改进mrm法的分布式系统多目标优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414779A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651847A (zh) * | 2020-12-14 | 2021-04-13 | 国网北京市电力公司 | 综合能源优化方法、系统、装置、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400042A (zh) * | 2013-08-07 | 2013-11-20 | 东南大学 | 一种冷热电联供型微电网优化配置方法 |
CN108646552A (zh) * | 2018-04-16 | 2018-10-12 | 杭州电子科技大学信息工程学院 | 基于遗传算法的天然气分布式能源机组参数的多目标优化方法 |
CN109583623A (zh) * | 2018-10-17 | 2019-04-05 | 国网(北京)节能设计研究院有限公司 | 区域多能源供给系统日内滚动协同优化运行方法和装置 |
CN109885855A (zh) * | 2018-12-13 | 2019-06-14 | 中电智慧综合能源有限公司 | 考虑机组特性的冷-热-电三联供能源站稳态调度方法 |
-
2019
- 2019-06-18 CN CN201910525195.4A patent/CN110414779A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400042A (zh) * | 2013-08-07 | 2013-11-20 | 东南大学 | 一种冷热电联供型微电网优化配置方法 |
CN108646552A (zh) * | 2018-04-16 | 2018-10-12 | 杭州电子科技大学信息工程学院 | 基于遗传算法的天然气分布式能源机组参数的多目标优化方法 |
CN109583623A (zh) * | 2018-10-17 | 2019-04-05 | 国网(北京)节能设计研究院有限公司 | 区域多能源供给系统日内滚动协同优化运行方法和装置 |
CN109885855A (zh) * | 2018-12-13 | 2019-06-14 | 中电智慧综合能源有限公司 | 考虑机组特性的冷-热-电三联供能源站稳态调度方法 |
Non-Patent Citations (3)
Title |
---|
唐继旭等: "一种CCHP系统配置优化LP模型及高效算法", 《热科学与技术》 * |
孙鹏;由世俊;张欢;李旭;: "三联供系统中综合性能评价方法的应用研究", 热能动力工程 * |
郑卫东: "分布式能源系统分析与优化研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651847A (zh) * | 2020-12-14 | 2021-04-13 | 国网北京市电力公司 | 综合能源优化方法、系统、装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108646552B (zh) | 基于遗传算法的天然气分布式能源机组参数的多目标优化方法 | |
CN108631343A (zh) | 一种多能互补能源互联网优化调度方法 | |
CN108717594A (zh) | 一种冷热电联供型多微网系统经济优化调度方法 | |
CN104716644A (zh) | 一种可再生能源冷热电微网系统及控制方法 | |
CN108625988A (zh) | 一种含压缩空气储能的cchp微网结构及其运行方法 | |
CN109696891A (zh) | 包含空气源热泵和储能的微能源网系统及其运行控制方法 | |
CN105241117A (zh) | 一种利用冷源的数据中心cchp供能系统及方法 | |
CN104808489A (zh) | 冷热电联供系统的三级协同整体优化方法 | |
CN110391655B (zh) | 一种含多能源耦合的微能源网经济优化调度方法及装置 | |
CN107358345A (zh) | 计及需求侧管理的分布式冷热电联供系统优化运行方法 | |
CN104766133A (zh) | 一种小型生物质沼气冷热电联供系统综合优化方法 | |
CN104820363B (zh) | 基于生物质气的冷热电联供系统及能量优化控制方法 | |
CN113627011A (zh) | 一种基于多目标优化的综合能源运行仿真方法 | |
CN104457023B (zh) | 区域型冷热电三联供系统的设备容量优化配置方法 | |
CN113553718A (zh) | 一种绿色数据中心综合供能系统设备容量的配置方法 | |
CN110284973A (zh) | 一种分布式冷热电联供系统 | |
CN111064221B (zh) | 一种分布式能源站设备运行策略寻优方法 | |
CN204407890U (zh) | 一种可再生能源冷热电微网系统 | |
CN110414779A (zh) | 一种基于改进mrm法的分布式系统多目标优化设计方法 | |
Yuan et al. | Operation optimization of CCHP-type microgrid considering units' part-load characteristics | |
CN211926188U (zh) | 一种基于分布式能源的数据中心余热回收利用系统 | |
CN106709178A (zh) | 一种冷热电联供微网系统建模方法 | |
CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
CN111520841A (zh) | 基于高效低碳排放准则的冷热电三联供系统调控策略 | |
Zheng et al. | Optimal rural integrated energy system configuration against the background of the rural energy transformation strategy |
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 |