CN110796279A - 一种多能互补优化运行方法与系统 - Google Patents
一种多能互补优化运行方法与系统 Download PDFInfo
- Publication number
- CN110796279A CN110796279A CN201810868021.3A CN201810868021A CN110796279A CN 110796279 A CN110796279 A CN 110796279A CN 201810868021 A CN201810868021 A CN 201810868021A CN 110796279 A CN110796279 A CN 110796279A
- Authority
- CN
- China
- Prior art keywords
- power
- function
- objective function
- objective
- target
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000000295 complement effect Effects 0.000 title claims abstract description 21
- 230000006870 function Effects 0.000 claims abstract description 202
- 239000002245 particle Substances 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000005338 heat storage Methods 0.000 claims description 50
- 239000007789 gas Substances 0.000 claims description 26
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 24
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 20
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 17
- 238000005265 energy consumption Methods 0.000 claims description 17
- 238000010521 absorption reaction Methods 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 15
- 239000001569 carbon dioxide Substances 0.000 claims description 12
- 239000003345 natural gas Substances 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000002918 waste heat Substances 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 241000820057 Ithone Species 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000001816 cooling Methods 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000013486 operation strategy Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009998 heat setting Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种多能互补优化运行方法与系统，包括：基于多能设备运行数据将多能互补优化涉及的多个目标整合为结果目标；以动力输出为优化变量，对所述结果目标利用粒子群算法求解获得每个设备的动力输出；根据所述每个设备的动力输出进行运行控制。本发明涉及一种冷热电多能互补优化运行方法与系统，基于预设的约束条件，利用模糊算法求解预设各目标函数对应的隶属度函数；对所述隶属度函数进行变换得到单目标优化函数；利用粒子群算法计算所述单目标优化函数的最优解，并根据所述最优解进行优化运行，降低了模型求解难度，解决的传统优化中只能够针对单一目标进行优化的问题，同时兼顾到了其他的指标，具有一定的可行性与有效性。
Description
技术领域
本发明属于节能减排领域，具体涉及一种多能互补优化运行方法与系统。
背景技术
随着人们对经济増长的迫切需求和对环境问题日益关注，单一能源形式的能 源系统己经不能满足人们的物质需求，同时随着煤炭等化石能源的日益枯竭，开 发清洁能源、提高能源利用率、实现能源可持续发展已成为当今共同关注的话题。 冷热电联供系统运行时耦合了冷、热、电多种能量，实现能源的阶梯利用，合理 的优化运行可以提高能源的一次利用率并降低碳化物等的排放，减少对环境的压 力。
目前，在冷热电联供系统的优化运行方面，传统方法有：考虑微网经济调度 的混合整数规划方法；含热电联产系统的微网经济优化模型，并采用方程线性化 的方法求解；针对CCHP型微网，考虑经济与环境指标的两阶段优化方法；采用 混合整数单目标规划方法，对冷热电三联供系统运行策略进行研究,以天然气和 电力能源价格比进行了灵敏度分析；建立以运行成本最低、能源损耗最小和环境 污染最小为目标的优化函数，提出了降低一次能源消耗的混合控制策略；采用机 会约束规划方法，计及电负荷不确定性因素，对含光伏风机的热电联供型微电网 优化运行问题进行研究等。冷热电联供系统是一种多种能量交互、耦合性较强的 复杂供能系统，其优化目标应综合考虑各方面性能。然而，大多数优化往往只针 对于某单目标函数，进行优化运行时，却忽略了系统中的其他性能，而且不同的 目标函数其量纲也各不相同，有多个目标需要优化运行时，甚至可能互相冲突。
发明内容
为解决上述传统优化只针对于某单目标函数，进行优化运行时，却忽略了系 统中的其他性能，而且不同的目标函数其量纲也各不相同，有多个目标需要优化 运行时，甚至可能互相冲突问题，本申请提供一种多能互补优化运行方法，所述 方法包括：
基于多能设备运行数据将多能互补优化涉及的多个目标整合为结果目标；
以动力输出为优化变量，对所述结果目标利用粒子群算法求解获得每个设备 的动力输出；
根据所述每个设备的动力输出进行运行控制；
所述多目标包括：经济性目标、二氧化碳排放量目标和一次能源消耗量目标。
优选的，所述基于多能设备运行数据将多能互补优化涉及的多个目标整合为 结果目标，包括：
所述多个目标中的每个目标均对应一个目标函数；
对所述多个目标中的每个目标函数使用粒子群算法进行计算获得每个目标 函数的隶属度函数；
基于每个目标函数的隶属度函数，将多个目标函数整合成结果目标函数；
对所述结果函数进行求解获得适应度值，根据所述适应度值获得对应的动力 输出；
其中，所述经济性目标对应经济性目标函数；所述二氧化碳排放量目标对应 二氧化碳排放量目标函数；所述一次能源消耗量目标对应一次能源消耗量目标函 数。
优选的，所述对所述多个目标中的每个目标函数使用粒子群算法进行计算获 得每个目标函数的隶属度函数包括：
基于多个目标函数，根据所述多能设备的运行数据、约束条件，利用模糊算 法分别对多个目标函数进行计算获得每个目标函数的最大值、最小值；
基于所述多个目标函数的最大值和最小值，计算多个目标函数对应的隶属度 函数；
其中，所述约束条件包括：电能平衡约束、热平衡约束、冷平衡约束、设备 出力约束和与电网交互功率约束以及蓄热槽运行约束；
所述多能设备的运行数据包括：设备机组基本配置参数、各费用参数以及冷 热电负荷与光伏预测出力参数。
优选的，所述经济性目标函数为：
minf1＝C1+C2+C3
式中，minf1为经济性目标函数，C1为燃料成本，C2为机组运行和维护成 本，C3为与电网交互成本；
式中，FGT与FGB分别代表t时间段燃气轮机与燃气锅炉消耗天然气量，Cgass为天然气价格；αi和Pi(t)分别代表第i组设备的运行维护费用以及在t时段的输 出功率；Pb(t)与cb分别代表t时段向电网的购电功率与购电价格；Ps(t)与cs分 别代表t时段向电网的售电功率与售电价格；
所述二氧化碳排放量目标函数为：
式中，minf2为二氧化碳排放量目标函数，βe代表电网CO2排放等值系数， βGT与βGB分别代表燃气轮机与燃气锅炉的CO2排放系数；
所述一次能源消耗量目标函数为：
式中，minf3为一次能源消耗量目标函数，γf与γe分别代表天然气与电网 的一次能源转换系数。
优选的，所述隶属度函数如下所示：
式中，μi(x)为第i个目标函数的隶属度函数；fi(x)为第i个目标函数；fi min为第i个目标函数在单目标优化下求得的最小值；fi max为第i个目标函数在单目 标优化下求得的最大值。
优选的，所述将所述基于每个目标函数的隶属度函数，将多个目标函数整合 成结果目标函数的公式如下所示：
式中，f(x)为结果目标函数；wi为多目标函数中的第i个目标函数的权重。
优选的，所述目标函数的权重如下所示：
式中，wi为多目标函数中的第i个目标函数的权重，vi为多目标函数中的第 i个目标函数的变异系数；
所述vi的公式如下：
式中，vi为多目标函数中的第i个目标函数的变异系数；σi为多目标函数中 的第i个目标函数的标准差；
为多目标函数中的第i个目标函数值的平均值。
优选的，所述动力输出的值由下式得出：
式中，gj(x)为约束条件中的第j个约束条件；f(x)为结果目标函数；fmax为 群体中最差可行离子的适应值；F(x)为适应度函数。
优选的，其特征在于，所述电能平衡约束包括：燃气轮机发电量、光伏电池 的发电量以及从电网购电量之和等于电力负荷需求、电制冷机耗电量以及向电网 的售电量；
所述热平衡约束包括：当蓄热槽处于放热状态时，通过余热回收系统回收的 热功率、燃气锅炉产生的热功率以及蓄热槽的放热功率之和大于等于吸收式制冷 机以及热交换器所消耗的热功率；当蓄热槽处于储热状态时，通过余热回收系统 回收的热功率、燃气锅炉产生的热功率之和大于等于吸收式制冷机、热交换器所 消耗的热功率以及蓄热槽的储热功率；
所述冷平衡约束包括：吸收式制冷机与电制冷机的制冷量应大于等于冷负荷 需求；
所述设备出力约束如下所示：
式中，Pk表示第k组设备的出力，
与
分别表示第k组设备出力的上 下限；
所述电网交互功率约束如下所示：
式中，与
分别代表购电功率的上下限；与
分别代表售电功 率的上下限；
所述蓄热槽运行约束如下所示：
式中，
与分别为蓄热槽的储热功率上下限；
与
分别为蓄热 槽的放热功率上下限；
与分别为蓄热槽的容量上下限；
为蓄热槽的 初始容量；Qdisch与
代表蓄热槽的放热量以及对应的放热效率；Qch与代 表蓄热槽的储热量以及对应的储热效率。
一种多能互补优化运行系统，包括：
整合模块：用于基于多能设备运行数据将多能互补优化涉及的多个目标整合 为结果目标；
求解模块：用于以动力输出为优化变量，对所述结果目标利用粒子群算法求 解获得每个设备的动力输出；
控制模块：用于根据所述每个设备的动力输出进行运行控制。
优选的，所述整合模块包括：
模糊化单元：用于对所述多个目标中的每个目标函数使用粒子群算法进行求 解获得每个单个目标函数的隶属度函数；
整合单元：用于基于每个目标函数的隶属度函数，将多个目标函数整合成结 果目标函数；
求解单元：用于对所述结果函数求解获得适应度值，根据所述适应度值获得 对应的动力输出。
况且与最接近的现有技术相比，本申请还具有如下有益效果：
1、本发明涉及一种多能互补优化运行方法与系统，基于预设的约束条件， 利用模糊算法求解预设各目标函数对应的隶属度函数；对所述隶属度函数进行变 换得到单目标优化函数；利用粒子群算法计算所述单目标优化函数的最优解，并 根据所述最优解进行优化运行，降低了模型求解难度，解决的传统优化中只能够 针对单一目标进行优化的问题，同时兼顾到了其他的指标，具有一定的可行性与 有效性；
2、本发明涉及一种多能互补优化运行方法与系统，与传统策略相比，本发 明提出的多目标综合优化策略各项指标都处于较高水平，且相比于分供系统有较 高的节约率，避免了单目标优化下只追求单个目标的最优而弱化其他指标的缺陷， 具有明显的优越性。
附图说明
图1为本发明的方法流程示意图；
图2为本发明的基于模糊理论和粒子群算法的优化运行方法示意图；
图3为本发明的夏季典型日优化运行结果示意图；
图4为本发明的联供系统结构示意图。
具体实施例
以下结合附图和实施例对本发明作进一步说明。
实施例1
如图1所示，为本发明的方法步骤流程图：
步骤1：基于多能设备运行数据将多能互补优化涉及的多个目标整合为结果 目标；
步骤2：以动力输出为优化变量，对所述结果目标利用粒子群算法求解获得 每个设备的动力输出；
步骤3：根据所述每个设备的动力输出进行运行控制；
所述多目标包括：经济性目标、二氧化碳排放量目标和一次能源消耗量目标。
如图2所示，本发明所提的基于模糊理论与粒子群算法的优化运行方法示意 图
(1)模糊理论
定义1：设U是论域，μA是将任何u∈U映射为[0,1]上某个值的函数，即 μA:U→[0,1]，u→μA(u)
则称μA为定义在U上的一个隶属度函数，μA(u)称为u对模糊集A的隶属 度；
定义2：设A＝{μA(u)|u∈U}，则称A为论域U上的一个模糊集；
模糊集合完全由其隶属函数确定，即一个模糊集合与其隶属函数是等价的。
根据模糊集理论，采用隶属函数μ(x)来模糊化各目标函数，且 μ(x)∈[0,1]；隶属函数取：
式中，μi(x)为隶属度函数,fi(x)为目标函数；fi min和fi max各目标函数在单目 标优化下求得的最大与最小值；粒子群算法求解(最大最小)
在求取各目标函数的隶属函数后，对各隶属函数进行加权相加得到单目标优 化函数：
式中，wi为各目标函数的权重系数，且wi≥0,∑wi＝1。
(2)粒子群算法
粒子群算法(PSO)是一种有效的全局寻优算法，通过群体中个体之间的协 作和信息共享来寻找最优解。
PSO初始化为一群随机粒子(随机解)。然后通过迭代找到最优解。在每一次 的迭代中，粒子通过跟踪两个极值(个体最优pbest与全局最优gbest)来更新自己。 在找到这两个最优值后，粒子通过一下公式来更新自己的速度和位置：
式中，η1与η2为学习因子，本文分别取2；vid为粒子速度，zid为粒子位置； w为惯性权重，本发明采用线性递减调整权重：
wt＝wmax-t*(wmax-wmin)/N(6)
式中，wmax与wmin分别为惯性权重的最大最小值，N为迭代次数。
(3)目标函数
由于冷热电联供系统供能形式多样、设备繁多、设备间耦合复杂，本发明从 经济、环境与能源三方面对系统进行优化运行分析，优化周期T为24h，优化步 长为1h。
1)经济性目标函数
系统经济型目标函数为：
minf1＝C1+C2+C3(7)
式中，C1为燃料成本，C2为机组运行和维护成本，C3为与电网交互成本；
式中，FGT与FGB分别代表t时间段燃气轮机GT与燃气锅炉GB消耗天然气量， Cgass为天然气价格；αi和Pi(t)分别代表第i组设备的运行维护费用以及在t时段 的输出功率；Pb(t)与cb分别代表t时段向电网的购电功率与购电价格；Ps(t)与cs分别代表t时段向电网的售电功率与售电价格。
2)CO2排放量目标函数
冷热电联供系统的环境性能主要涉及到污染物排放和系统运行噪音，本文主 要考虑以污染物排污的环境性能作为其评价指标，目标函数为：
式中，βe代表电网CO2排放等值系数，βGT与βGB分别代表燃气轮机GT与燃气 锅炉GB的CO2排放系数。
3)一次能源消耗量目标函数
一次能源消耗量是指把系统消耗掉的燃料量和购买的电量统一化为标准一 次能源，便于对系统进行比较分析，目标函数为：
式中，γf与γe分别代表天然气与电网的一次能源转换系数。
(4)约束条件
冷热电多联供系统的约束条件包括电能平衡约束、冷、热能平衡约束、各机 组设备运行约束，以及实际操作中保证系统安全可靠运行的条件约束。
1)电能平衡约束
燃气轮机发电量、光伏电池的发电量以及从电网购电量之和等于电力负荷需 求、电制冷机耗电量以及向电网的售电量。
Pb+PGT+PPV＝PELE+PEC+Ps(11)
2)热平衡约束
当蓄热槽TST处于放热状态时，通过余热回收系统回收的热功率、燃气锅炉 GB产生的热功率以及蓄热槽的放热功率之和大于等于吸收式制冷机以及热交换 器所消耗的热功率；当蓄热槽TST处于储热状态时，通过余热回收系统回收的热 功率、燃气锅炉GB产生的热功率之和大于等于吸收式制冷机、热交换器所消耗 的热功率以及蓄热槽的储热功率。
式中，QHRS代表GT回收的热量，Qdisch与代表蓄热槽TST的放热量以及 对应的放热效率；Qch与代表蓄热槽TST的储热量以及对应的储热效率。
3)冷平衡约束
吸收式制冷机与电制冷机的制冷量应大于等于冷负荷需求。
QAC+QEC≥Qcl(13)
4)设备出力约束
为保证联供系统运行在安全范围内，将设备出力限制在一定范围内，即：
式中，Pk表示第k组设备的出力(包括GT燃气轮机、GB燃气锅炉、EC电制 冷剂、AC吸收式制冷机与PV光伏系统)，
与
分别表示第k组设备出力的 上下限。
5)与电网交互功率约束
式中，
与
分别代表购电功率的上下限；与
分别代表售电功 率的上下限。
6)蓄热槽运行约束
蓄热槽由于存在储热与放热两种状态，其约束相较于其他设备略微复杂，具 体约束为：
式中，
与
分别为蓄热槽的储热功率上下限；
与
分别为蓄热 槽的放热功率上下限；与
分别为蓄热槽的容量上下限；
为蓄热槽的 初始容量。
下面结合具体的实施例对步骤进行详细解释与说明；
对步骤1基于预设的约束条件，利用模糊算法求解预设各目标函数对应的隶 属度函数的解释如下：
1)输入设备机组基本配置参数、各费用参数以及冷热负荷与光伏预测出力 数据；
2)设置PSO算法基本参数，如迭代次数、粒子数、学习因子及惯性权重等；
步骤2：对所述隶属度函数进行变换得到单目标优化函数的具体解释如下： 变异系数法
权重系数的确定采用变异系数法。变异系数法是直接利用各项指标所包含的 信息，通过计算得到指标的权重，是一种客观赋权的方法[18]。为了消除各目标函 数值量纲不同的影响，利用各目标函数对应的变异系数来衡量其取值的差异程度。 各目标函数的变异系数公式如下：
式中，σi是第i个目标函数的标准差，
为第i个目标函数值的平均值。
各项目标函数的权重为：
对步骤3的解释与说明:
单目标函数求解：
1)以各时段燃气轮机GT输出的电功率为优化变量，初始化粒子，并根据对 应时段的冷热电负荷功率以及光伏预测功率确定其他设备(燃气锅炉GB、TST 蓄热槽、电制冷机EC以及吸收式制冷机AC)的输出功率，根据Fi(x)分别计算3 个单目标函数的适应值；
2)在不同目标函数下分别比较每个粒子的个体极值与适应值，以及适应值 与全局极值，更新当前的全局极值以及全局最优位置；
3)按更新各粒子的速度以及位置，并重复1)至3)，直到最大迭代次数。
对三个目标函数分别进行单目标优化，得出各目标函数在单目标优化下求得 的最大值fi max与最小值fi min，并根据最大最小值求出各目标函数对应的隶属度函 数u1、u2与u3。
按式(3)、(4)计算各目标函数对应的权重系数，将多目标函数转化为单目 标函数
并重新确定其对应的适应度函数F(x)；
重复上述步骤，求解新的目标函数，得出各设备在各时段的出力。
实施例2：
下面通过一个实施例对本发明做进一步的说明。
以南方某园区能源站典型冷热电联供系统作为研究对象，并加入可再生能源 光伏以及储能装置蓄热槽，构成含可再生能源以及冷热电多能耦合的微网优化运 行模型，系统结构如图4所示。利用MATLAB软件对所提优化调度模型进行编程 实现，并选取夏季某典型日作为区域优化调度场景，优化调度周期为24h，优化 步长为1h。
分别在f1、f2、f3三个目标函数下进行单目标优化，并计算对应优化目标下 优化值的最大最小值，结果如表1所示。
表1
根据表1的单目标优化下的各目标函数最大最小值，计算各目标函数对应的 隶属度函数。
随机生成50组优化变量，分别计算对应的目标函数值及其标准差与均值， 并根据式(3)(4)求得权重系数，计算结果如表2所示。
表2
由此可得，由3个目标函数转化成的单目标函数为：
F＝0.5117μ1+0.2348μ2+0.2534μ3(17)
根据新的综合目标函数，利用PSO算法进行寻优，得出综合优化运行结果。 分别计算比较系统综合最优、单目标最优下、两种运行策略下以及分产系统下的 运行费用、二氧化碳排放量和一次能源消耗量，计算结果如表3所示。
图3为夏季典型日的综合优化结果，其中电需求包括用户的电负荷需求与电 制冷机的用电需求之和，考虑到冷需求可由电制冷机与吸收式制冷机共同满足， 所以引入制冷比θ表示电制冷机提供的冷量占冷负荷的百分比，从而吸收式制冷 机提供的冷量所占比例为(1-θ)，这里θ取0.4；热需求包含吸收式制冷机消耗 的热和热交换器消耗的热总和。
表3
综合上述结果可知，根据表3对不同运行策略下对系统各性能指标的计算结 果可以看出，以热定电方式下的系统运行费用、CO2排放量以及一次能源消耗量 均低于以电定热，说明此系统在以热定电运行方式下的整体性能要优于以电定热。 而本发明建立的多目标综合优化模型，能使得联供系统相对于分产系统在三个性 能指标上均体现较大的优势，尤其是CO2排放量，相较于其他两个指标节约率最 大，从排放量上冬季的减排能力更强；多目标综合优化下的联供系统3个指标的 节约率平均在40％以上，且各项指标相较于其他运行策略均为最优(除单目标 优化下对应的最优指标以外)。因此，单一的对某一目标进行优化，往往会弱化 其他目标值。多目标综合最优可以合理分配每个目标函数的权重值，综合考虑各 项指标的影响，得到合适的优化解，以传统的运行策略相比具有较明显的优势。
实施例3
本发明还涉及一种冷热电多能互补优化运行系统，包括：
整合模块：用于基于多能设备运行数据将多能互补优化涉及的多个目标整合 为结果目标；
求解模块：用于以动力输出为优化变量，对所述结果目标利用粒子群算法求 解获得每个设备的动力输出；
控制模块：用于根据所述每个设备的动力输出进行运行控制。
所述整合模块包括：
模糊化单元：用于对所述多个目标中的每个目标函数使用粒子群算法进行求 解获得每个单个目标函数的隶属度函数；
整合单元：用于基于每个目标函数的隶属度函数，将多个目标函数整合成结 果目标函数；
求解单元：用于对所述结果函数求解获得适应度值，根据所述适应度值获得 对应的动力输出。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算 机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软 件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计 算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、 光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品 的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框 的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机 或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指 令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得 在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从 而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和 原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的 权利要求范围之内。
Claims (11)
1.一种多能互补优化运行方法，其特征在于，所述方法包括：
基于多能设备运行数据将多能互补优化涉及的多个目标整合为结果目标；
以动力输出为优化变量，对所述结果目标利用粒子群算法求解获得每个设备的动力输出；
根据所述每个设备的动力输出进行运行控制；
所述多目标包括：经济性目标、二氧化碳排放量目标和一次能源消耗量目标。
2.如权利要求1所述的一种多能互补优化运行方法，其特征在于，所述基于多能设备运行数据将多能互补优化涉及的多个目标整合为结果目标，包括：
所述多个目标中的每个目标均对应一个目标函数；
对所述多个目标中的每个目标函数使用粒子群算法进行计算获得每个目标函数的隶属度函数；
基于每个目标函数的隶属度函数，将多个目标函数整合成结果目标函数；
对所述结果函数进行求解获得适应度值，根据所述适应度值获得对应的动力输出；
其中，所述经济性目标对应经济性目标函数；所述二氧化碳排放量目标对应二氧化碳排放量目标函数；所述一次能源消耗量目标对应一次能源消耗量目标函数。
3.如权利要求2所述的一种多能互补优化运行方法，其特征在于，所述对所述多个目标中的每个目标函数使用粒子群算法进行计算获得每个目标函数的隶属度函数包括：
基于多个目标函数，根据所述多能设备的运行数据、约束条件，利用模糊算法分别对多个目标函数进行计算获得每个目标函数的最大值、最小值；
基于所述多个目标函数的最大值和最小值，计算多个目标函数对应的隶属度函数；
其中，所述约束条件包括：电能平衡约束、热平衡约束、冷平衡约束、设备出力约束和与电网交互功率约束以及蓄热槽运行约束；
所述多能设备的运行数据包括：设备机组基本配置参数、各费用参数以及冷热电负荷与光伏预测出力参数。
4.如权利要求2所述的一种多能互补优化运行方法，其特征在于，
所述经济性目标函数为：
minf1＝C1+C2+C3
式中，minf1为经济性目标函数，C1为燃料成本，C2为机组运行和维护成本，C3为与电网交互成本；
式中，FGT与FGB分别代表t时间段燃气轮机与燃气锅炉消耗天然气量，Cgass为天然气价格；αi和Pi(t)分别代表第i组设备的运行维护费用以及在t时段的输出功率；Pb(t)与cb分别代表t时段向电网的购电功率与购电价格；Ps(t)与cs分别代表t时段向电网的售电功率与售电价格；
所述二氧化碳排放量目标函数为：
式中，minf2为二氧化碳排放量目标函数，βe代表电网CO2排放等值系数，βGT与βGB分别代表燃气轮机与燃气锅炉的CO2排放系数；
所述一次能源消耗量目标函数为：
式中，minf3为一次能源消耗量目标函数，γf与γe分别代表天然气与电网的一次能源转换系数。
5.如权利要求4所述的一种多能互补优化运行方法，其特征在于，所述隶属度函数如下所示：
式中，μi(x)为第i个目标函数的隶属度函数；fi(x)为第i个目标函数；fi min为第i个目标函数在单目标优化下求得的最小值；fi max为第i个目标函数在单目标优化下求得的最大值。
6.如权利要求4所述的一种多能互补优化运行方法，其特征在于，所述将所述基于每个目标函数的隶属度函数，将多个目标函数整合成结果目标函数的公式如下所示：
式中，f(x)为结果目标函数；wi为多目标函数中的第i个目标函数的权重；且wi≥0,∑wi＝1。
7.如权利要求6所述的一种多能互补优化运行方法，其特征在于，所述目标函数的权重如下所示：
式中，wi为多目标函数中的第i个目标函数的权重，vi为多目标函数中的第i个目标函数的变异系数；
所述vi的公式如下：
式中，vi为多目标函数中的第i个目标函数的变异系数；σi为多目标函数中的第i个目标函数的标准差；
为多目标函数中的第i个目标函数值的平均值。
8.如权利要求2所述的一种多能互补优化运行方法，其特征在于，
所述动力输出的值由下式得出：
式中，gj(x)为约束条件中的第j个约束条件；f(x)为结果目标函数；fmax为群体中最差可行离子的适应值；F(x)为适应度函数。
9.如权利要求2所述的一种多能互补优化运行方法，其特征在于，所述电能平衡约束包括：燃气轮机发电量、光伏电池的发电量以及从电网购电量之和等于电力负荷需求、电制冷机耗电量以及向电网的售电量；
所述热平衡约束包括：当蓄热槽处于放热状态时，通过余热回收系统回收的热功率、燃气锅炉产生的热功率以及蓄热槽的放热功率之和大于等于吸收式制冷机以及热交换器所消耗的热功率；当蓄热槽处于储热状态时，通过余热回收系统回收的热功率、燃气锅炉产生的热功率之和大于等于吸收式制冷机、热交换器所消耗的热功率以及蓄热槽的储热功率；
所述冷平衡约束包括：吸收式制冷机与电制冷机的制冷量应大于等于冷负荷需求；
所述设备出力约束如下所示：
式中，Pk表示第k组设备的出力，与分别表示第k组设备出力的上下限；
所述电网交互功率约束如下所示：
式中，
与
分别代表购电功率的上下限；Ps max与Ps min分别代表售电功率的上下限；
所述蓄热槽运行约束如下所示：
式中，
与
分别为蓄热槽的储热功率上下限；与
分别为蓄热槽的放热功率上下限；
与
分别为蓄热槽的容量上下限；
为蓄热槽的初始容量；Qdisch与代表蓄热槽的放热量以及对应的放热效率；Qch与代表蓄热槽的储热量以及对应的储热效率。
10.一种多能互补优化运行系统，其特征在于，包括：
整合模块：用于基于多能设备运行数据将多能互补优化涉及的多个目标整合为结果目标；
求解模块：用于以动力输出为优化变量，对所述结果目标利用粒子群算法求解获得每个设备的动力输出；
控制模块：用于根据所述每个设备的动力输出进行运行控制。
11.如权利要求10所述的一种多能互补优化运行系统，其特征在于，所述整合模块包括：
模糊化单元：用于对所述多个目标中的每个目标函数使用粒子群算法进行求解获得每个单个目标函数的隶属度函数；
整合单元：用于基于每个目标函数的隶属度函数，将多个目标函数整合成结果目标函数；
求解单元：用于对所述结果函数求解获得适应度值，根据所述适应度值获得对应的动力输出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810868021.3A CN110796279A (zh) | 2018-08-02 | 2018-08-02 | 一种多能互补优化运行方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810868021.3A CN110796279A (zh) | 2018-08-02 | 2018-08-02 | 一种多能互补优化运行方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110796279A true CN110796279A (zh) | 2020-02-14 |
Family
ID=69425922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810868021.3A Pending CN110796279A (zh) | 2018-08-02 | 2018-08-02 | 一种多能互补优化运行方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110796279A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429301A (zh) * | 2020-03-26 | 2020-07-17 | 中国科学技术大学 | 一种容量配置和运行策略的协同优化处理方法和装置 |
| CN113255198A (zh) * | 2021-03-25 | 2021-08-13 | 上海电机学院 | 一种含虚拟储能的冷热电联供微电网多目标优化方法 |
| CN113469533A (zh) * | 2021-07-02 | 2021-10-01 | 河海大学 | 一种含综合能源系统的配电网运行评价方法 |
| CN113757634A (zh) * | 2021-11-09 | 2021-12-07 | 华南理工大学 | 一种工业锅炉能效环保协同检测平台及方法 |
| CN117745109A (zh) * | 2024-02-21 | 2024-03-22 | 新奥数能科技有限公司 | 一种基于多能互补的低碳性优化供能方式确定方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127377A (zh) * | 2016-06-21 | 2016-11-16 | 国家电网公司 | 一种智能电网多能源综合协调水平评价方法 |
| CN106920177A (zh) * | 2017-01-17 | 2017-07-04 | 无锡协鑫分布式能源开发有限公司 | 一种多能互补微能源的经济运行策略 |
-
2018
- 2018-08-02 CN CN201810868021.3A patent/CN110796279A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106127377A (zh) * | 2016-06-21 | 2016-11-16 | 国家电网公司 | 一种智能电网多能源综合协调水平评价方法 |
| CN106920177A (zh) * | 2017-01-17 | 2017-07-04 | 无锡协鑫分布式能源开发有限公司 | 一种多能互补微能源的经济运行策略 |
Non-Patent Citations (1)
| Title |
|---|
| 彭树勇: "冷热电联供型微电网优化配置与运行研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 9, 15 September 2014 (2014-09-15), pages 14 - 52 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111429301A (zh) * | 2020-03-26 | 2020-07-17 | 中国科学技术大学 | 一种容量配置和运行策略的协同优化处理方法和装置 |
| CN113255198A (zh) * | 2021-03-25 | 2021-08-13 | 上海电机学院 | 一种含虚拟储能的冷热电联供微电网多目标优化方法 |
| CN113469533A (zh) * | 2021-07-02 | 2021-10-01 | 河海大学 | 一种含综合能源系统的配电网运行评价方法 |
| CN113757634A (zh) * | 2021-11-09 | 2021-12-07 | 华南理工大学 | 一种工业锅炉能效环保协同检测平台及方法 |
| CN113757634B (zh) * | 2021-11-09 | 2022-02-18 | 华南理工大学 | 一种工业锅炉能效环保协同检测平台及方法 |
| CN117745109A (zh) * | 2024-02-21 | 2024-03-22 | 新奥数能科技有限公司 | 一种基于多能互补的低碳性优化供能方式确定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Luo et al. | Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy | |
| CN111463836B (zh) | 一种综合能源系统优化调度方法 | |
| CN110796279A (zh) | 一种多能互补优化运行方法与系统 | |
| CN108206543B (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 | |
| CN106786509B (zh) | 大规模风电并网下基于多场景模拟的热-电联合调度方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN107358345B (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 | |
| CN105160159A (zh) | 一种多能源技术量化筛选方法 | |
| Chang et al. | Multi-objective optimization of a novel combined cooling, dehumidification and power system using improved M-PSO algorithm | |
| CN111860937A (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
| CN112165122A (zh) | 一种综合能源系统的运行方法及系统 | |
| CN112668791A (zh) | 热电联供系统的优化方法 | |
| CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
| CN112600253A (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
| Wang et al. | Multi-attribute decision analysis for optimal design of park-level integrated energy systems based on load characteristics | |
| Melo et al. | A decision-making method to choose optimal systems considering financial and environmental aspects: Application in hybrid CCHP systems | |
| Kang et al. | Feed-forward active operation optimization for CCHP system considering thermal load forecasting | |
| Li et al. | Intraday multi-objective hierarchical coordinated operation of a multi-energy system | |
| Wang et al. | Co-optimization of configuration and operation for distributed multi-energy system considering different optimization objectives and operation strategies | |
| CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法 | |
| Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
| CN116972521A (zh) | 基于商业楼宇太阳能光伏中央空调系统控制方法 | |
| Abdalla et al. | The impact of clustering strategies to site integrated community energy and harvesting systems on electrical demand and regional GHG reductions | |
| CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
| CN114997460A (zh) | 考虑可再生能源最大消纳的区域型微能源网运行优化方法 |
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 |