CN110598913A - 一种园区综合能源系统设备容量配置的优化方法及系统 - Google Patents
一种园区综合能源系统设备容量配置的优化方法及系统 Download PDFInfo
- Publication number
- CN110598913A CN110598913A CN201910774362.9A CN201910774362A CN110598913A CN 110598913 A CN110598913 A CN 110598913A CN 201910774362 A CN201910774362 A CN 201910774362A CN 110598913 A CN110598913 A CN 110598913A
- Authority
- CN
- China
- Prior art keywords
- energy
- cost
- equipment
- comprehensive energy
- energy system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000002245 particle Substances 0.000 claims abstract description 48
- 230000006870 function Effects 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 27
- 239000000446 fuel Substances 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 10
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004308 accommodation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 206010003591 Ataxia Diseases 0.000 description 1
- 206010010947 Coordination abnormal Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 208000028756 lack of coordination Diseases 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种园区综合能源系统设备容量配置的优化方法及系统,其中方法包括:获取园区综合能源系统的综合能量成本;将所述综合能量成本最小作为目标函数;获取所述目标函数的预设优化约束条件;根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量。本发明提供的园区综合能源系统设备容量配置的优化方法建立以综合能量成本最小为目标的优化设计模型,利用粒子群算法及混合整数线性规划求解使综合能量成本最小的最优设备容量,可以有效降低园区用能成本,有利于提高系统经济性。
Description
技术领域
本发明涉及综合能源系统领域,具体涉及一种园区综合能源系统设备容量配置的优化方法及系统。
背景技术
在能源互联网背景下,电、气、热等多种能源越来越紧密的耦合在一起。随着耦合设备的不断加入,各能源子系统之间打破了传统割裂的状态,形成了综合能源系统。综合能源系统由于复杂的结构、设备种类多、设备运行特性差异大、具有冷热电耦合特性、高渗透率新能源,导致其参数设计、容量配置和优化控制面临巨大技术挑战。目前,综合能源系统在国内发展较缓,系统的运行都要以其静态安全为依托,在此基础上进行规划,以及后期的优化运行,并且目前国内对综合能源系统的研究只是针对单个设备的参数优化,或者其中参数设计、容量配置和优化控制其中一个方面,没有考虑综合能源系统的整体效率或者参数设计、容量配置和优化控制三者的递进关系,导致综合能源系统的用能成本较高,经济性较差。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的综合能源系统中各设备容量配置缺乏协调配置,导致用能成本较高的缺陷,从而提供一种园区综合能源系统设备容量配置的优化方法及系统。
第一方面,本发明实施例提供一种园区综合能源系统设备容量配置的优化方法,包括如下步骤:获取园区综合能源系统的综合能量成本;将所述综合能量成本最小作为目标函数;获取所述目标函数的预设优化约束条件;根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量。
在一实施例中,所述的园区综合能源系统设备容量配置的优化方法,还包括:获取各季度的供电、供热、供冷设备折旧成本;获取各季度的电、热、冷系统辅助设备折旧成本;获取各季度的供电、供热、供冷设备运行维护成本;获取各季度的供电、供热、供冷燃料成本。
在一实施例中,所述的园区综合能源系统设备容量配置的优化方法,还包括:获取能量平衡的约束条件;获取能量转换设备的运行约束条件;获取储能设备的运行约束条件;获取联络线交换功率约束条件。
在一实施例中,所述的园区综合能源系统设备容量配置的优化方法,还包括:利用混合整数线性规划求解各设备出力,得到最小综合能量成本;将最小综合能量成本作为寻优依据,利用粒子群算法计算园区综合能源系统各设备的最优容量。
在一实施例中,所述的园区综合能源系统设备容量配置的优化方法,将园区综合能源系统设备容量作为粒子,利用下式更新粒子速度和位置:
vt+1=wvt+c1r1(pbest-xt)+c2r2(gbest-xt)
xt+1=xt+vt+1
其中,vt+1为t+1时刻的粒子速度;vt为t时刻的粒子速度;xt+1为t+1时刻的粒子位置;xt为t时刻的粒子速度;w为惯性因子;c1为自我学习因子;c2为群体学习因子;pbest为个体最优值;gbest为群体最优值;r1、r2为随机数。
在一实施例中,所述的园区综合能源系统设备容量配置的优化方法,所述目标函数通过以下公式表示:
CIES=β1CE,e+β2CE,h+β3CE,c,
β1+β2+β3=1,
β2=β1·HPR,
β3=β1·CPR;
其中,CIES为综合能量成本;CE,e为电能成本;CE,h为热能成本;CE,c为冷能成本;β1、β2、β3分别为电能量成本权重、热能量成本权重、冷能量成本权重,HPR为热电比,CPR为冷电比。
第二方面,本发明实施例提供一种园区综合能源系统设备容量配置的优化系统,包括:综合能量成本获取模块,用于获取园区综合能源系统的综合能量成本;目标函数构建模块,用于将所述综合能量成本最小作为目标函数;优化约束条件获取模块,获取所述目标函数的预设优化约束条件;最优容量获取模块,用于根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量。
第三方面,本发明实施例提供一种计算机设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行本发明实施例第一方面所述的园区综合能源系统设备容量配置的优化方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的园区综合能源系统设备容量配置的优化方法。
本发明技术方案,具有如下优点:
1.本发明提供的园区综合能源系统设备容量配置的优化方法及系统,根据园区综合能源系统结构、负荷需求、能源形式等要素,建立以综合能量成本最小为目标的优化设计模型,为园区综合能源系统求解使综合用能成本最小的最优设备容量,降低园区用能成本,提高系统经济性。
2.本发明提供的园区综合能源系统设备容量配置的优化方法及系统,利用粒子群算法及混合整数线性规划结合的方法优化求解设计模型,使得优化方法更加简单,收敛速度快,求解效率高,全局搜索能力强。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中提供的园区综合能源系统设备容量配置的优化方法的一个具体示例的流程图;
图2为本发明实施例中提供的获取园区综合能源系统的综合能量成本的一个具体示例的流程图;
图3为本发明实施例中提供的获取所述目标函数的预设优化约束条件的一个具体示例的流程图;
图4为本发明实施例中提供的优化求解目标函数的一个具体示例的流程图;
图5为本发明实施例中提供的优化求解算法的流程图;
图6为本发明实施例中提供的园区四个典型日的负荷曲线及太阳辐射密度变化图;
图7为本发明实施例中提供的综合能源系统结构;
图8为本发明实施例中能量成本优化结果图;
图9为本发明实施例提供的园区综合能源系统设备容量配置的优化系统的一个具体示例的组成图;
图10为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种园区综合能源系统设备容量配置的优化方法,可以应用于工业园区、居民区等的综合能源系统设备的容量配置,如图1所示,该优化方法包括如下步骤:
步骤S1:获取园区综合能源系统的综合能量成本。
本发明实施例中,根据园区综合能源系统结构、负荷需求、能源形式等要素,综合能源系统共包含电、热、冷三种形式的能量,因此本发明实施例主要考虑电能成本、热能成本和冷能成本,将三种能量成本加权相加,得到综合能量成本,园区综合能源系统的综合能量成本的表达式为:
CIES=β1CE,e+β2CE,h+β3CE,c (1)
β1+β2+β3=1 (2)
β2=β1·HPR (3)
β3=β1·CPR (4)
其中,CIES为综合能量成本;CE,e为电能成本;CE,h为热能成本;CE,c为冷能成本;β1、β2、β3分别为电能量成本权重、热能量成本权重、冷能量成本权重;热电比(heat-to-powerratio,HPR)=年总热负荷/年总电负荷;冷电比(cooling-to-power ratio,CPR)=年总冷负荷/年总电负荷。
步骤S2:将所述综合能量成本最小作为目标函数。
本发明实施例中,对综合能源系统进行优化设计,求解系统中关键设备的最优容量配置,是实现综合能源系统安全、稳定、经济运行的基础和前提。因此本发明将所述综合能量成本最小作为目标函数,求解园区综合能源系统各设备的最优容量。
步骤S3:获取所述目标函数的预设优化约束条件。
为了优化求解综合能源系统模型,本发明实施例采用所述目标函数的四个预设优化约束条件,分别是:能量平衡约束、能量转换设备运行约束、储能设备运行约束、联络线交换功率约束。
步骤S4:根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量。
本发明实施例以综合能量成本为目标函数,求解各设备的最优容量。由于系统的能量调度策略也会影响优化结果,并且为解耦设备容量与设备出力的关系,本发明实施例将园区综合能源系统设备容量配置的优化问题分解为外层设备容量配置层和内层能量优化调度层。将外层的设备容量配置作为内层能量优化调度的数据基础,内层的最小综合能量成本反馈到外层作为寻优的依据,通过内外层的迭代求解全局最优值。外层设备容量配置层使用原理简单、使用方便、收敛速度快的粒子群算法(Particle Swarm Optimization,PSO)加快搜索速度,内层的优化问题属于混合整数线性规划,将粒子群算法中每个粒子作为输入条件,求解最小设备出力,并将求解结果反馈至外层。
本发明提供的园区综合能源系统设备容量配置的优化方法,根据园区综合能源系统结构、负荷需求、能源形式等要素,建立以综合能量成本最小为目标的优化设计模型,为园区综合能源系统求解使综合用能成本最小的最优设备容量,降低园区用能成本,提高系统经济性。
在实际应用中,综合能源系统负荷需求及光伏出力具有明显的季节特征,为准确计算各能量成本,本发明实施例将一年划分为春季、夏季、秋季、冬季四个时段,计算每种时段的天数在全年的占比ms,s=1,2,3,4。各能量成本的表达式为:
其中,CE,e、CE,h、CE,c分别为各季度的电能成本、热能成本、冷能成本;CE,e s、CE,h s、CE ,c s分别为季度s的电能成本、热能成本、冷能成本。
本发明实施例中,考虑到综合能源系统负荷需求及光伏出力除与季节相关外,也具有明显的时间性特征,在每种季节性时段内选取一典型日,将其划分为T个时段,各季度能量成本表示为:
其中,Ne、Nh、Nc分别为供电、供热、供冷设备总数;Pe i、Ph i、Pc i分别为i时刻电负荷、热负荷、冷负荷;CED,e、CED,h、CED,c分别为供电、供热、供冷设备折旧成本;CAD,e、CAD,h、CAD,c分别为电、热、冷系统辅助设备折旧成本;COM,e、COM,h、COM,c分别为供电、供热、供冷设备运行维护成本;CF,e、CF,h、CF,c分别为供电、供热、供冷燃料成本。
在一具体实施例中,如图2所示,执行步骤S1的过程可以具体包括如下步骤:
步骤S11:获取各季度的供电、供热、供冷设备折旧成本。
本发明实施例中,设备折旧成本既要考虑设备的物理使用寿命,又要考虑设备运行对使用寿命的影响,设备折旧成本通过以下式子计算:
其中,CED为设备折旧成本;CED buy为考虑设备物理使用寿命得到的单位时间设备折旧成本;CED run为考虑运行对设备寿命影响得到的设备供能折旧成本;ν为设备单位容量投资成本;W为设备容量;tlife为设备使用寿命;α为Δt内设备供能量;αlife为设备全生命周期供能量。
步骤S12:获取各季度的电、热、冷系统辅助设备折旧成本。
本发明实施例中,综合能源系统的辅助设备主要包含水泵、压缩机、交直流变换器、管道、线路等器件,这部分设备的折旧成本CAD与设备运行状况无关,可由式(12)直接计算。本发明实施例为简化计算,辅助设备的投资成本按照系统初始投资总成本的30%核算。
步骤S13:获取各季度的供电、供热、供冷设备运行维护成本。
本发明实施例中,设备运行维护成本可以通过下式计算:
COM=λα (14)
其中,COM为设备运行维护成本;λ为设备的单位供能维护成本;α为Δt内设备供能量。
步骤S14:获取各季度的供电、供热、供冷燃料成本。
本发明实施例中,燃料成本可以通过下式计算::
其中,CF为燃料成本;cf为燃料价格;η为电能向需求能量转换时的效率;α为Δt内设备供能量。
在一具体实施例中,如图3所示,执行步骤S3的过程可以具体包括如下步骤:
步骤S31:获取能量平衡的约束条件。
本发明实施例中,在每一时刻综合能源系统应满足电、热、冷平衡约束:
其中,ei,j为供电设备j在i时刻的供电量;hi,j为供热设备j在i时刻的供热量;ci,j为供冷设备j在i时刻的供冷量;Pe i、Ph i、Pc i分别为i时刻电负荷、热负荷、冷负荷。
步骤S32:获取能量转换设备的运行约束条件。
本发明实施例中,能量转换设备的运行约束条件为:
其中,WA为能量转换设备的容量;Qin A为设备A的输入能量。
步骤S33:获取储能设备的运行约束条件。
本发明实施例中,储能设备的运行约束条件为:
0≤SB(t)≤WB (20)
其中,WB为储能设备容量;SB为储能设备储能量;Qin B为设备B输入能量;Qin,max B为设备B最大输入能量;Qout B为设备B输出能量;Qout,max B为设备B最大输出能量。
步骤S34:获取联络线交换功率约束条件。
本发明实施例中,联络线交换功率的运行约束条件为:
其中,PGRID(t)为t时刻综合能源系统与电网联络线交换功率;Pmin GRID为联络线交换功率最低限值;Pmax GRID为联络线交换功率最高限值。
本发明实施例中,以综合能量成本最小为目标函数,求解各设备的最优容量。由于系统的能量调度策略也会影响优化结果,为解耦设备容量与设备出力的关系,因此本实施例将此优化问题分解为外层设备容量配置层和内层能量优化调度层。将外层的设备容量配置作为内层能量优化调度的数据基础,内层最小综合能量成本反馈到外层作为寻优的依据,通过内外层的迭代求解全局最优值。因此在一具体实施例中,如图4所示,执行步骤S4的过程可以具体包括:
步骤S41:利用混合整数线性规划求解各设备出力,得到最小综合能量成本。
本发明实施例中,内层的优化问题属于混合整数线性规划,本发明将粒子群算法中每个粒子作为内层优化问题的输入条件,求解最小设备出力,并将最小综合能量成本反馈至外层。
步骤S42:将最小综合能量成本成本作为寻优依据,利用粒子群算法计算园区综合能源系统各设备的最优容量。
本发明实施例中,将综合能源系统中各设备容量作为粒子,将内层最小综合能量成本作为粒子的适应度,利用式(24)更新粒子的速度和位置:
其中,vt+1为t+1时刻的粒子速度;vt为t时刻的粒子速度;xt+1为t+1时刻的粒子位置;xt为t时刻的粒子速度;w为惯性因子;c1为自我学习因子;c2为群体学习因子;pbest为个体最优值;gbest为群体最优值;r1、r2为随机数。
本发明实施例中,根据优化约束条件,利用粒子群算法及混合整数线性规划求解目标函数,得到园区综合能源系统各设备的最优容量的具体算法流程如图5所示,首先初始化粒子群,包括设定粒子规模L,迭代次数ger,粒子的位置x和速度v,粒子个体最优值p和个体极值pbest,粒子群全局最优值g和全局极值gbest;其次输入设备容量范围,随机生成一组粒子,并设置迭代次数k为1;随后输入负荷数据、系统目标函数及约束条件;然后求解混合整数线性规划问题,得到出力计划及目标函数值,并求出本组粒子中个体最优值pn和个体极值pbest;再然后判断个体极值pbest和全局极值gbest的大小,如果pbest<gbest,则将个体最优值pn赋给全局最优值g,将个体极值pbest赋给全局极值gbest,如果pbest>gbest,则全局最优值g和全局极值gbest不变;再然后更新粒子的速度和位置,更新迭代次数k=k+1;最后,判断迭代次数k和迭代次数ger的大小或者判断目标函数是否收敛,如果迭代次数k>迭代次数ger或者目标函数收敛,则优化求解过程结束,否则更新负荷数据、系统目标函数及约束条件,重复上述优化求解过程,直到迭代次数k>迭代次数ger或者目标函数收敛。
本发明提供的园区综合能源系统设备容量配置的优化方法可以应用在园区的综合能源系统设备容量的优化配置中,本发明实施例以北京地区某集办公、实验、餐饮、住宿于一体的园区的综合能源系统设备容量配置为例说明:北京地区某集办公、实验、餐饮、住宿于一体的园区,园区负荷需求包括电负荷、热负荷、冷负荷三种,四季使用电网供电,春夏秋三季使用电锅炉供热,冬季集中供热,夏季集中供冷。如图6所示,本发明实施例选取四个典型日数据分别代表春季(45d)、夏季(153d)、秋季(46d)、冬季(121d)冷热电负荷需求及辐照度。每个典型日分为24个时段,Δt=1h,各时段电价如表1所示。
表1
综合能源系统结构如图7所示,按照上述的园区综合能源系统设备容量配置的优化方法求解系统最优容量配置。
本发明实施例利用外层粒子群算法将光伏电池、碱性电解槽、燃料电池、固体蓄热电锅炉的容量作为粒子,作为内层能量优化调度的数据基础。内层能量调度以综合能量成本为目标,以能量平衡、设备运行、联络线交换功率限制为约束,在MATLAB环境下,基于Yalmip平台建立IES优化设计模型,并通过Yalmip工具箱调用Gurobi求解器进行求解该混合整数线性规划问题,并将优化的结果反馈到外层作为寻优的依据,通过内外层的迭代求解全局最优值。按照上述方法进行优化,得到的最优容量配置结果如表2所示。
表2
综合能源系统能量成本与园区原能量成本对比如图8所示,从图8中可以看出,在综合能量价格方面,综合能源系统为0.4933元/kW,园区原供能结构为0.6242元/kW,价格降低0.1309元/kW;在电价方面,综合能源系统为0.7969元/kW,园区原供能结构为0.9072元/kW,价格降低0.1103元/kW;在热价方面,综合能源系统为0.2463元/kW,园区原供能结构为0.3438元/kW,价格降低0.0975元/kW;在冷价方面,综合能源系统为0.5785元/kW,园区原供能结构为0.8700元/kW,价格降低0.2915元/kW。由以上数据可以看出本发明实施例中提供的园区综合能源系统设备容量配置的优化方法可以有效的降低园区用能成本,并提高系统经济性。
实施例2
本发明实施例提供一种园区综合能源系统设备容量配置的优化系统,如图9所示,包括:
综合能量成本获取模块1,用于获取园区综合能源系统的综合能量成本;此模块执行实施例1中的步骤S1所描述的方法,在此不再赘述。
目标函数构建模块2,用于将所述综合能量成本最小作为目标函数;此模块执行实施例1中的步骤S2所描述的方法,在此不再赘述。
优化约束条件获取模块3,获取所述目标函数的预设优化约束条件;此模块执行实施例1中的步骤S3所描述的方法,在此不再赘述。
最优容量获取模块4,用于根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量。此模块执行实施例1中的步骤S4所描述的方法,在此不再赘述。
本发明提供的园区综合能源系统设备容量配置的优化系统,根据园区综合能源系统结构、负荷需求、能源形式等要素,建立以综合能量成本最小为目标的优化设计模型,为园区综合能源系统求解使综合用能成本最小的最优设备容量,降低园区用能成本,提高系统经济性。利用粒子群算法及混合整数线性规划结合的方法优化求解设计模型,使得优化方法更加简单,收敛速度快,求解效率高,全局搜索能力强。
实施例3
本发明实施例提供一种计算机设备,如图10所示,包括:至少一个处理器401,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口403,存储器404,至少一个通信总线402。其中,通信总线402用于实现这些组件之间的连接通信。其中,通信接口403可以包括显示屏(Display)、键盘(Keyboard),可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(Ramdom Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1的园区综合能源系统设备容量配置的优化方法。存储器404中存储一组程序代码,且处理器401调用存储器404中存储的程序代码,以用于执行实施例1的园区综合能源系统设备容量配置的优化方法。
其中,通信总线402可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条线表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器404可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固降硬盘(英文:solid-state drive,缩写:SSD);存储器404还可以包括上述种类的存储器的组合。
其中,处理器401可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器404还用于存储程序指令。处理器401可以调用程序指令,实现如本申请执行实施例1中的园区综合能源系统设备容量配置的优化方法。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机可执行指令,该计算机可执行指令可执行实施例1的园区综合能源系统设备容量配置的优化方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固降硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种园区综合能源系统设备容量配置的优化方法,其特征在于,包括如下步骤:
获取园区综合能源系统的综合能量成本;
将所述综合能量成本最小作为目标函数;
获取所述目标函数的预设优化约束条件;
根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量。
2.根据权利要求1所述的园区综合能源系统设备容量配置的优化方法,其特征在于,所述获取园区综合能源系统的综合能量成本的步骤,包括:
获取各季度的供电、供热、供冷设备折旧成本;
获取各季度的电、热、冷系统辅助设备折旧成本;
获取各季度的供电、供热、供冷设备运行维护成本;
获取各季度的供电、供热、供冷燃料成本。
3.根据权利要求1所述的园区综合能源系统设备容量配置的优化方法,其特征在于,所述获取所述目标函数的预设优化约束条件的步骤,包括:
获取能量平衡的约束条件;
获取能量转换设备的运行约束条件;
获取储能设备的运行约束条件;
获取联络线交换功率约束条件。
4.根据权利要求1所述的园区综合能源系统设备容量配置的优化方法,其特征在于,所述根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量的步骤,包括:
利用混合整数线性规划求解各设备出力,得到最小综合能量成本;
将最小综合能量成本作为寻优依据,利用粒子群算法计算园区综合能源系统各设备的最优容量。
5.根据权利要求4所述的园区综合能源系统设备容量配置的优化方法,其特征在于,将园区综合能源系统设备容量作为粒子,利用下式更新粒子速度和位置:
vt+1=wvt+c1r1(pbest-xt)+c2r2(gbest-xt)
xt+1=xt+vt+1
其中,vt+1为t+1时刻的粒子速度;vt为t时刻的粒子速度;xt+1为t+1时刻的粒子位置;xt为t时刻的粒子速度;w为惯性因子;c1为自我学习因子;c2为群体学习因子;pbest为个体最优值;gbest为群体最优值;r1、r2为随机数。
6.根据权利要求2所述的园区综合能源系统设备容量配置的优化方法,其特征在于,所述目标函数通过以下公式表示:
CIES=β1CE,e+β2CE,h+β3CE,c,
β1+β2+β3=1,
β2=β1·HPR,
β3=β1·CPR;
其中,CIES为综合能量成本;CE,e为电能成本;CE,h为热能成本;CE,c为冷能成本;β1、β2、β3分别为电能量成本权重、热能量成本权重、冷能量成本权重,HPR为热电比,CPR为冷电比。
7.根据权利要求6所述的园区综合能源系统设备容量配置的优化方法,各季度能量成本表示为:
其中,Ne、Nh、Nc分别为供电、供热、供冷设备总数;CED,e、CED,h、CED,c分别为供电、供热、供冷设备折旧成本;CAD,e、CAD,h、CAD,c分别为电、热、冷系统辅助设备折旧成本;COM,e、COM,h、COM,c分别为供电、供热、供冷设备运行维护成本;CF,e、CF,h、CF,c分别为供电、供热、供冷燃料成本。
8.一种园区综合能源系统设备容量配置的优化系统,其特征在于,包括:
综合能量成本获取模块,用于获取园区综合能源系统的综合能量成本;
目标函数构建模块,用于将所述综合能量成本最小作为目标函数;
优化约束条件获取模块,获取所述目标函数的预设优化约束条件;
最优容量获取模块,用于根据所述优化约束条件,利用粒子群算法及混合整数线性规划求解所述目标函数,得到园区综合能源系统各设备的最优容量。
9.一种计算机设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-7中任一所述的园区综合能源系统设备容量配置的优化方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-7中任一所述的园区综合能源系统设备容量配置的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910774362.9A CN110598913B (zh) | 2019-08-21 | 2019-08-21 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910774362.9A CN110598913B (zh) | 2019-08-21 | 2019-08-21 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110598913A true CN110598913A (zh) | 2019-12-20 |
CN110598913B CN110598913B (zh) | 2022-04-15 |
Family
ID=68855024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910774362.9A Active CN110598913B (zh) | 2019-08-21 | 2019-08-21 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598913B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111404183A (zh) * | 2020-04-22 | 2020-07-10 | 南方电网科学研究院有限责任公司 | 区域综合能源系统多元储能协同配置方法、程序、系统与应用 |
CN112348276A (zh) * | 2020-11-18 | 2021-02-09 | 河海大学 | 基于多要素三层次的综合能源系统规划优化方法 |
CN112365072A (zh) * | 2020-11-19 | 2021-02-12 | 山东大学 | 园区综合能源系统一体化设计方案生成方法及系统 |
CN112488495A (zh) * | 2020-11-27 | 2021-03-12 | 国网山东省电力公司电力科学研究院 | 基于gso和混合整数规划的园区综合能源规划方法及系统 |
CN112580994A (zh) * | 2020-12-23 | 2021-03-30 | 华北电力大学 | 含分布式能源接入的园区综合能源系统规划方法 |
CN112699615A (zh) * | 2021-01-14 | 2021-04-23 | 国网能源研究院有限公司 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
CN114118558A (zh) * | 2021-11-22 | 2022-03-01 | 国网经济技术研究院有限公司 | 一种能源站设备容量配置优化方法及系统 |
CN114565239A (zh) * | 2022-02-15 | 2022-05-31 | 石河子大学 | 用于产业园区的综合低碳能源调度方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734168A (zh) * | 2015-03-13 | 2015-06-24 | 山东大学 | 一种基于电热联合调度的微电网运行优化系统及方法 |
CN108665188A (zh) * | 2018-05-23 | 2018-10-16 | 国网天津市电力公司电力科学研究院 | 一种基于优化模型的园区多能源主体综合配比方法 |
CN108694483A (zh) * | 2018-07-28 | 2018-10-23 | 天津大学 | 考虑电热气耦合的综合能源系统设备选型及容量规划方法 |
CN109063925A (zh) * | 2018-08-16 | 2018-12-21 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源系统优化运行方法 |
CN109193626A (zh) * | 2018-09-15 | 2019-01-11 | 天津大学 | 一种分布式能源站选型与定容优化规划统一求解方法 |
CN109345012A (zh) * | 2018-08-29 | 2019-02-15 | 华南理工大学 | 基于综合评价指标的园区能源互联网运行优化方法 |
CN109658005A (zh) * | 2018-12-29 | 2019-04-19 | 天津大学 | 考虑电储能的园区综合能源系统设备选型与容量规划方法 |
-
2019
- 2019-08-21 CN CN201910774362.9A patent/CN110598913B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734168A (zh) * | 2015-03-13 | 2015-06-24 | 山东大学 | 一种基于电热联合调度的微电网运行优化系统及方法 |
CN108665188A (zh) * | 2018-05-23 | 2018-10-16 | 国网天津市电力公司电力科学研究院 | 一种基于优化模型的园区多能源主体综合配比方法 |
CN108694483A (zh) * | 2018-07-28 | 2018-10-23 | 天津大学 | 考虑电热气耦合的综合能源系统设备选型及容量规划方法 |
CN109063925A (zh) * | 2018-08-16 | 2018-12-21 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源系统优化运行方法 |
CN109345012A (zh) * | 2018-08-29 | 2019-02-15 | 华南理工大学 | 基于综合评价指标的园区能源互联网运行优化方法 |
CN109193626A (zh) * | 2018-09-15 | 2019-01-11 | 天津大学 | 一种分布式能源站选型与定容优化规划统一求解方法 |
CN109658005A (zh) * | 2018-12-29 | 2019-04-19 | 天津大学 | 考虑电储能的园区综合能源系统设备选型与容量规划方法 |
Non-Patent Citations (2)
Title |
---|
孙阳: "基于粒子群算法的微电网调度模型及优化运行策略研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
管霖 等: "考虑冷热电存储的区域综合能源站优化设计方法", 《电网技术》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111404183B (zh) * | 2020-04-22 | 2021-07-02 | 南方电网科学研究院有限责任公司 | 区域综合能源系统多元储能协同配置方法、程序、系统与应用 |
CN111404183A (zh) * | 2020-04-22 | 2020-07-10 | 南方电网科学研究院有限责任公司 | 区域综合能源系统多元储能协同配置方法、程序、系统与应用 |
CN112348276A (zh) * | 2020-11-18 | 2021-02-09 | 河海大学 | 基于多要素三层次的综合能源系统规划优化方法 |
CN112365072B (zh) * | 2020-11-19 | 2023-01-31 | 山东大学 | 园区综合能源系统一体化设计方案生成方法及系统 |
CN112365072A (zh) * | 2020-11-19 | 2021-02-12 | 山东大学 | 园区综合能源系统一体化设计方案生成方法及系统 |
CN112488495A (zh) * | 2020-11-27 | 2021-03-12 | 国网山东省电力公司电力科学研究院 | 基于gso和混合整数规划的园区综合能源规划方法及系统 |
CN112488495B (zh) * | 2020-11-27 | 2023-04-07 | 国网山东省电力公司电力科学研究院 | 基于gso和混合整数规划的园区综合能源规划方法及系统 |
CN112580994A (zh) * | 2020-12-23 | 2021-03-30 | 华北电力大学 | 含分布式能源接入的园区综合能源系统规划方法 |
CN112699615A (zh) * | 2021-01-14 | 2021-04-23 | 国网能源研究院有限公司 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
CN112699615B (zh) * | 2021-01-14 | 2023-05-30 | 国网能源研究院有限公司 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
CN114118558A (zh) * | 2021-11-22 | 2022-03-01 | 国网经济技术研究院有限公司 | 一种能源站设备容量配置优化方法及系统 |
CN114565239A (zh) * | 2022-02-15 | 2022-05-31 | 石河子大学 | 用于产业园区的综合低碳能源调度方法及系统 |
CN114565239B (zh) * | 2022-02-15 | 2023-06-09 | 石河子大学 | 用于产业园区的综合低碳能源调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110598913B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598913B (zh) | 一种园区综合能源系统设备容量配置的优化方法及系统 | |
CN111144668B (zh) | 考虑场景模拟的综合能源系统随机优化模型的建立方法 | |
CN111950809B (zh) | 基于主从博弈的综合能源系统分层分区优化运行方法 | |
CN103762589B (zh) | 一种电网中新能源容量配比分层优化方法 | |
Yang et al. | Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage | |
CN107732949B (zh) | 一种综合风电全年多季节特性的储能布点定容方法 | |
CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN112836882B (zh) | 考虑设备负载率变化的区域综合能源系统运行优化方法 | |
CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN109149656A (zh) | 一种气-电互联综合能源系统机组组合方法 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
CN112560221A (zh) | 含增强地热系统的设施农业能源网容量分配方法及装置 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
Yuan et al. | An advanced multicarrier residential energy hub system based on mixed integer linear programming | |
CN106451424A (zh) | 含大规模光伏发电并网的输电网随机规划方法 | |
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 | |
Bruno et al. | Managing networked hybrid-energy systems: A predictive dispatch approach | |
CN109066823B (zh) | 一种适于三端口电力电子变压器的交直流混合微网两层优化方法 | |
CN116703118A (zh) | 差异化建筑热惯性的综合能源系统日前调度方法及系统 | |
CN110518637A (zh) | 复合相变储能微网配置方法 | |
Zhao et al. | Research on Multiobjective Optimal Operation Strategy for Wind‐Photovoltaic‐Hydro Complementary Power System |
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 |