CN111445067A - 一种适用于高铁站综合能源系统的多目标规划方法 - Google Patents

一种适用于高铁站综合能源系统的多目标规划方法 Download PDF

Info

Publication number
CN111445067A
CN111445067A CN202010217969.XA CN202010217969A CN111445067A CN 111445067 A CN111445067 A CN 111445067A CN 202010217969 A CN202010217969 A CN 202010217969A CN 111445067 A CN111445067 A CN 111445067A
Authority
CN
China
Prior art keywords
power
planning
heat
speed rail
capacity
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
Application number
CN202010217969.XA
Other languages
English (en)
Other versions
CN111445067B (zh
Inventor
王小君
杨斌
张广平
和敬涵
张放
孙庆凯
张义志
付建民
薛海龙
常士锋
牛雪锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
China State Railway Group Co Ltd
Original Assignee
Beijing Jiaotong University
China State Railway Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University, China State Railway Group Co Ltd filed Critical Beijing Jiaotong University
Publication of CN111445067A publication Critical patent/CN111445067A/zh
Application granted granted Critical
Publication of CN111445067B publication Critical patent/CN111445067B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/06—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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种适用于高铁站综合能源系统的多目标规划方法，基于高铁站供能形式与用能特点，评估高铁站内负荷需求并考虑电热系统时间尺度差异，利用负荷预测模型和能源出力概率模型生成高铁站综合能源系统模拟时序曲线；基于高铁站综合能源系统模拟时序曲线和建筑物空腔储热特性建立高铁站综合能源系统双层多目标规划模型以获取规划方案，再利用可靠性校验模型对规划方案进行可靠性评估，通过多目标规划模型与可靠性校验模型之间不断反馈，直到选择出满足多个目标最优的规划方案。本发明实现系统容量配置与运行优化之间的平衡以及多个规划目标之间的平衡，降低综合成本，提高能源利用效率。

Description

一种适用于高铁站综合能源系统的多目标规划方法
技术领域
本发明涉及高铁站综合能源系统规划与运行技术领域，尤其涉及一种适用于高铁站综合能源系统的多目标规划方法。
背景技术
随着可再生能源的接入、主动式负荷(如电动汽车等)的灵活使用，以及大规模区域互联，电网已经演进成为了巨维数的典型动态大系统。而电力系统与燃气系统、热力系统耦合日渐紧密，必将形成以电为核心的综合能源系统。综合能源系统在满足系统内多元化用能需求的同时，也能够有效提升能源利用效率、促进能源可持续发展。而高铁站作为新的交通枢纽，加大了各城市间的联系，加快区域经济融合，不仅促进了当地经济的发展也带动了制造业的转型升级。在能源互联网的大背景下，高铁站需充分发挥综合能源系统的优势，同时能够适应未来的标准，形成一个绿色低碳、安全高效、智慧友好的能源系统。在分布式综合能源系统的建立过程中，需要针对具体地区具体分析，合理分析智能客运站所在地的自然资源的特性及其用能需求，合理规划能源系统结构；并需充分考虑高铁客运站自身的运行特性，优化控制策略，提高能源利用效率，实现客运站的高效、清洁、智能运行。规划设计是高铁站综合能源系统的重要技术之一，直接关系到系统的经济性、环保性和可靠性。在高铁站供能系统规划设计过程中，需要考虑灵活多变的设备组合方案以及运行控制策略，传统的确定性优化方法已不再适用于高铁站供能系统的容量规划。合理的高铁站容量规划可以延缓传统能源供应系统的建设，提高系统能源供应的合理可靠性。然而，现有针对高铁站系统容量规划研究还不是很深入，大多数综合能源系统规划研究主要针对微电网和工业园区的供能系统规划设计，无法保证高铁站综合能源供能系统规划结果的可信度。
发明内容
本发明的实施例提供了一种适用于高铁站综合能源系统的多目标规划方法，以克服现有技术得缺陷。
为了实现上述目的，本发明采取了如下技术方案。
一种适用于高铁站综合能源系统的多目标规划方法，包括：
S1、基于高铁站供能形式与用能特点，评估高铁站内负荷需求并考虑电热系统时间尺度差异，利用负荷预测模型和能源出力概率模型生成高铁站综合能源系统模拟时序曲线；
S2、基于高铁站综合能源系统模拟时序曲线和建筑物空腔储热特性建立高铁站综合能源系统双层多目标规划模型以获取规划方案，再利用可靠性校验模型对规划方案进行可靠性评估，通过所述双层多目标规划模型与可靠性校验模型之间不断反馈，直到选择出满足多个目标最优的规划方案，其中，所述双层多目标规划模型包括规划层模型和运行层模型，所述规划层模型用于求解系统中各设备容量的优化配置方案，所述运行层模型用于运行配置方案并将运行结果会反馈给规划层模型，规划层模型和运行层模之间不断地反馈传递从而获取规划方案。
优选地，所述S2包括以下步骤：
S21、以能量平衡约束和能量网络传输功率约束为规划层的约束条件，以年度总费用最小为目标函数，建立高铁站综合能源系统规划层模型，所述规划层模型采用多目标粒子群优化算法对高铁站综合能源系统规划层模型进行优化求解，设定阈值，选择多组最优解对应的高铁站综合能源系统中各类设备容量的优化配置方案；
S22、以功率约束、储能约束、供能可靠性约束和建筑物空腔储能特性约束为优化运行的约束条件，以年度运行维护费用最小为目标函数，建立高铁站综合能源系统运行层模型，所述运行层模型对多组最优解对应的高铁站综合能源系统中各类设备容量的优化配置方案进行优化运行，利用混合整数线性规划求解系统的优化运行问题，得到高铁站综合能源系统的多组运行输出结果；
S23、进行容量选择，对所述多组运行输出结果进行环保性与经济性对比分析；
S24、将得到的分析结果反馈到步骤S21中的规划层模型，对高铁站综合能源系统中各设备的容量优化进行重新选择和优化，以获取规划方案；
S25、利用可靠性校验模型判断规划方案的可靠性指标是否满足标准，并将结果基于可靠性边际成本反馈至多目标优化模型，重复步骤S21-S24，不断迭代，直到选择出满足环保性、经济性与可靠性的容量配置方案作为高铁站综合能源系统的最优规划方案。
优选地，所述建筑物空腔储热特性包括：建筑物空腔热平衡、建筑物空腔热损耗；
所述建筑物空腔热平衡方程：
基于建筑物空腔的热储能特性，根据能量守恒得到建筑物的热平衡方程；
Figure BDA0002425073650000031
式中，ΔQ为建筑物内热量的变化值，ρ为空气密度，C为空气比热容，V为建筑物内空气容量，Ti为温度，τ为间隔时间，式(1)表明，建筑物内温度变化速率与空气质量以及空气比热容的乘积等于建筑物内热量的变化值；
所述建筑物空腔热损耗方程：
Qloss＝Kwall×Fwall×(Tout-Tin)+Kwin×Fwin×(Tout-Tin)+I×Fwin×S (4)
式中，Qloss为建筑物的热量损耗；右边第一项(Kwall×Fwall×(Tout-Tin))为建筑物墙外与墙内传递的热量，Kwall为外墙的传热系数，(Tout-Tin)为墙内外温差，Fwall为建筑墙的面积；第二项(Kwin×Fwin×(Tout-Tin))为通过建筑窗与室外传递的热量，Fwin为建筑窗的面积；第三项(I×Fwin×S)为建筑物从太阳辐射吸收的热量，I为辐射功率，S为遮阳系数，其取值与是否有遮阳板以及其材质有关，Qh为室内制热设备的功率。
优选地，所述S2中利用可靠性校验模型对规划方案进行可靠性评估包括：
可靠性校验方程：
EENS＝∑S∈ΩP(s)×L(s) (3)
式中，EENS为期望能量削减量，Ω为高铁站内综合能源系统全部失效状态的集合；P(s)为状态s的概率，L(s)为状态s的最优负荷削减量。
可靠性边际成本RMC为：
Figure BDA0002425073650000041
式中，R为系统可靠性，i为第i个设备，Call为年综合成本，Pi,R为系统设备容量，
Figure BDA0002425073650000042
与
Figure BDA0002425073650000043
可通过影子价格理论求解。
优选地，所述S21中所述年度总费用为设备初始投资成本年费用、环境年费用和年度运行维护费用之和，目标函数为：
minfup＝Cinv+Cev+Crun (5)
式中，fup为年度总成本；Cinv为设备初始投资成本；Cev为环境年费用；Crun年度运行维护费用。
所述规划层模型包括：经济目标模型和考虑阶梯环境交易的环境目标模型，所述经济目标模型为：
Figure BDA0002425073650000044
Figure BDA0002425073650000051
式中，Cinf为设备初始投资年等值成本；Cj为第j种设备的单位容量初始单位造价；Pcap,j为第j种设备的额定功率；R为资金年回收率；r为折现率；n为使用寿命周期，单位：年；
所述考虑阶梯式环境交易的环境目标模型为：
Figure BDA0002425073650000052
式中：Cev为环境成本；Pk(t)为排放源k当时的功率；
Figure BDA0002425073650000055
为单位发电量排放源k的污染物j的排放量；θj为污染物j单价；δj和λj为污染物j阶梯环境交易价格；Δt为间隔时间，单位：h；D、D1、D2分别为各阶梯环境交易成本。
优选地，所述S21中以能量平衡约束和能量网络传输功率约束为规划层的约束条件，所述能量平衡包括电力平衡约束、热功率平衡约束和冷功率平衡约束；
所述电力平衡约束为：
Figure BDA0002425073650000053
式中，Pg(t)为系统向电网购电量；PGT(t)为燃气轮机发电量；Pb(t)为蓄电池的充放电功率；Pload,i(t)为第i个负荷的耗电功率；Pequ,j(t)为第j个设备的耗电功率；
所述热功率平衡约束为：
Figure BDA0002425073650000054
式中，QGT(t)为燃气轮机产热量；QHP(t)为热泵产热量；QGB(t)为电锅炉产热量；QES(t)为建筑物空腔吸收或释放的热量；Qhload,i为第i个热负荷的耗热量；ηrec为燃气轮机产热效率；
所示冷功率平衡约束为：
Figure BDA0002425073650000061
式中，PGT(t)为燃气轮机发电量；γ为吸收系数；COPc为制冷系数；QEC(t)为电制冷机制冷量；QES(t)为建筑物空腔吸收或释放的热量；Qcload,i为第i个冷负荷的耗冷量；
所述能源网络传输功率约束为：
Figure BDA0002425073650000062
式中，
Figure BDA0002425073650000063
和
Figure BDA0002425073650000064
是系统可以从电网购买的电功率下限和上限；
Figure BDA0002425073650000065
和
Figure BDA0002425073650000066
是系统可以从热网购买的热功率的下限和上限；
Figure BDA0002425073650000067
和
Figure BDA0002425073650000068
是该系统可以从外部燃气市场购买的气功率的下限和上限。
优选地，所述S21中规划层模型采用多目标粒子群优化算法对高铁站综合能源系统规划层模型进行优化求解，包括以下步骤：
S211、系统初始化，输入高铁站综合能源系统中设备、负荷、日照、温度、建筑材料种类、使用面积、传热系数以及相应算法参数；
S212、初始化群体粒子个数N，粒子维数D，最大迭代次数T，学习因子c1、c2，惯性权重w，位置最大值Xmax，位置最小值Xmin,速度最大值Vmax,速度最小值Vmin；
S213、初始化种群粒子位置x和速度v，粒子个体最优位置p和最优值pbest，以及粒子群全局最优位置g和最优值gbest；
S214、更新位置x和速度值v，并进行边界条件处理，判断是否替换粒子个体最优位置p和最优值pbest、粒子群全局最优位置g和最优值gbest；
S215、判断是否满足终止条件：若满足，则结束搜索过程，输出优化值；若不满足，则执行步骤S22，继续进行迭代优化。
优选地，所述S22中所述年度运行维护费用为系统运行维护成本与用户舒适度惩罚成本之和：
Figure BDA0002425073650000071
式中，Crun年运行维护成本；Di为第i种典型日的天数；Cfuel,t为设备在某一典型日中第t时段的天然气费用；Cgrid,t为设备在某一典型日中第t时段的电网购电费用；Com,t为设备在某一典型日中第t时段的运行维护费用；(α|Tin,t-Tset|)为用户舒适度下降的成本；α为舒适度因数；QGT,t为燃气轮发电机在第t时段的制热量；QGB,t为燃气锅炉在第t时段的制热量；Cgas为天然气换算成单位千瓦的燃料费用；Pj,t为第j种设备在第t时刻的功率；Cope,j为第j种设备单位容量的运行维护费用。
优选地，所述S22中以功率约束、储能约束和建筑物空腔储能特性约束为优化运行的约束条件，所述功率约束为：
Figure BDA0002425073650000072
式中，
Figure BDA0002425073650000073
和
Figure BDA0002425073650000074
是第i个分布式电源DG输出功率的下限和上限；
Figure BDA0002425073650000075
和
Figure BDA0002425073650000076
是第i个CCHP机组输出功率的下限和上限；
Figure BDA0002425073650000077
和
Figure BDA0002425073650000078
是第i个GB输出功率的下限和上限；
所述储能约束包括：储能系统的容量状态和ES充放电的功率约束；
所述储能系统的容量状态为：
Figure BDA0002425073650000081
式中，ESOC(t+1)和ESOC(t)为在时间t+1和t时ES系统的容量状态；α为自放电率；ηES,C和ηES,D为ES的充电和放电效率；RES,C和RES,D为ES的充电和放电状态变量；
Figure BDA0002425073650000082
和
Figure BDA0002425073650000083
为ES充电状态的上下限；
所述ES充放电的功率约束为：
Figure BDA0002425073650000084
式中，
Figure BDA0002425073650000085
和
Figure BDA0002425073650000086
为ES充电功率的下限和上限；
Figure BDA0002425073650000087
和
Figure BDA0002425073650000088
为ES放电功率的下限和上限；
所述建筑物空腔储能特性约束包括：建筑物空腔储热容量约束和建筑物空腔吸/放热功率约束，
所述建筑物空腔储热容量约束：
Figure BDA0002425073650000089
式中，TSOC(t+1)和TSOC(t)为时间t+1和t时TES的容量状态；β为自放热率；ηTES,C和ηTES,D为TES充放电效率；RTES,C和RTES,D为TES充放电状态变量；
Figure BDA00024250736500000810
和
Figure BDA00024250736500000811
为TES容量状态的下限和上限；
所述建筑物空腔吸/放热功率约束：
Figure BDA00024250736500000812
式中，
Figure BDA0002425073650000091
和
Figure BDA0002425073650000092
为TES充电功率的下限和上限；
Figure BDA0002425073650000093
和
Figure BDA0002425073650000094
为TES放电功率的下限和上限。
优选地，所述S22中利用混合整数线性规划求解系统的优化运行问题，包括以下步骤:
Figure BDA0002425073650000095
式中，cx为目标函数；A为联立线性方程的系数矩阵；b为联立线性方程的值；xz和xj分别为连续变量和整型变量；Z和J为取值集合。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例提供了一种适用于高铁站综合能源系统的多目标规划方法，充分考虑了建筑物储能特性以及系统的可靠性要求，建立了包括第一阶段容量规划和第二阶段运行优化的两阶段优化模型。第一阶段的规划结果一般会影响第二阶段的运行目标和约束条件，而第二阶段的运行结果会反馈给第一阶段，检验第一阶段规划的准确性、有效性以及经济性，实现了第一阶段与第二阶段的相互作用，并利用可靠性校验模型对多目标规划方案进行检验，确保为高铁站综合能源系统提供最佳容量。实现系统容量配置与运行优化之间的平衡，尽可能降低成本，提高能源利用效率。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为高铁站综合能源系统典型结构示意图；
图2为高铁站综合能源系统的多目标规划方法的流程示意图；
图3为高铁站综合能源系统冬季典型日电/热/冷负荷需求曲线图；
图4为高铁站综合能源系统夏季典型日电/热/冷负荷需求曲线图；
图5为高铁站综合能源系统过渡季典型日电/热/冷负荷需求曲线图；
图6为高铁站综合能源系统规划适应度迭代曲线；
图7为高铁站综合能源系统规划问题求解流程图；
图8为不考虑空腔储能时夏季各设备出力情况曲线；
图9为不考虑空腔储能时冬季各设备出力情况曲线；
图10为不考虑空腔储能时过渡季各设备出力情况曲线；
图11为考虑空腔储能时夏季各设备出力情况曲线；
图12为考虑空腔储能时冬季各设备出力情况曲线；
图13为考虑空腔储能时过渡季各设备出力情况曲线。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
高铁站综合能源系统是一个集能源生产、转化和消费于一体的综合系统，在高铁站能源系统规划运行中可以实现不同能源的互补协调，实现能源的高效利用。此外，所设计的高铁站综合能源系统与外部相连，以确保系统的能量平衡，当系统的能量供应不能满足负载需求时，系统将与市场互动，以满足负荷需求，保证规划结果合理可靠性。
本发明实施例提供了一种适用于高铁站综合能源系统的多目标规划方法，如图1-6所示，包括以下步骤：
S1、基于高铁站供能形式与用能特点，评估高铁站内负荷需求并考虑电热系统时间尺度差异，利用负荷预测模型和能源出力概率模型生成高铁站综合能源系统模拟时序曲线。
S2、基于高铁站综合能源系统模拟时序曲线和建筑物空腔储热特性建立高铁站综合能源系统双层多目标规划模型以获取规划方案，再利用可靠性校验模型对规划方案进行可靠性评估，通过所述双层多目标规划模型与可靠性校验模型之间不断反馈，直到选择出满足多个目标最优的规划方案，其中，所述双层多目标规划模型包括规划层模型和运行层模型，所述规划层模型用于求解系统中各设备容量的优化配置方案，所述运行层模型用于运行配置方案并将运行结果会反馈给规划层模型，规划层模型和运行层模之间不断地反馈传递从而获取规划方案。
其中，建筑物空腔储热特性包括：建筑物空腔热平衡和建筑物空腔热损耗；
(ⅰ)建筑物空腔热平衡方程：
基于建筑物空腔的热储能特性，根据能量守恒得到建筑物的热平衡方程；
Figure BDA0002425073650000121
式中，ΔQ为建筑物内热量的变化值，ρ为空气密度，C为空气比热容，V为建筑物内空气容量，Ti为温度，τ为间隔时间，式(1)表明，建筑物内温度变化速率与空气质量以及空气比热容的乘积等于建筑物内热量的变化值；
(ⅱ)建筑物空腔热损耗方程：
Qloss＝Kwall×Fwall×(Tout-Tin)+Kwin×Fwin×(Tout-Tin)+I×Fwin×S (2)
式中，Qloss为建筑物的热量损耗；右边第一项(Kwall×Fwall×(Tout-Tin))为建筑物墙外与墙内传递的热量，Kwall为外墙的传热系数，(Tout-Tin)为墙内外温差，Fwall为建筑墙面积；第二项(Kwin×Fwin×(Tout-Tin))为通过建筑窗与室外传递的热量，Fwin为建筑窗面积；第三项(I×Fwin×S)为建筑物从太阳辐射吸收的热量，I为辐射功率，S为遮阳系数，其取值与是否有遮阳板、玻璃材质等有关，Qh为室内制热设备的功率。
此外，可靠性校验模型包括：可靠性校验方程与可靠性边际成本方程；
(ⅰ)可靠性校验方程：
EENS＝∑s∈ΩP(s)×L(s) (3)
式中，EENS为期望能量削减量，Ω为高铁站内综合能源系统全部失效状态的集合；P(s)为状态s的概率，L(s)为状态s的最优负荷削减量。
(ⅱ)可靠性边际成本方程：
所述可靠性边际成本RMC(reliability marginal cost)为：
Figure BDA0002425073650000131
式中，R为系统可靠性，i为第i个设备，Call为年综合成本，Pi,R为系统设备容量，
Figure BDA0002425073650000132
与
Figure BDA0002425073650000133
可通过影子价格理论求解。
进一步地，S2包括以下步骤：
S21、以能量平衡约束和能量网络传输功率约束为规划层的约束条件，以年度总费用(即设备初始投资成本年费用与环境年费用之和)最小为目标函数，建立高铁站综合能源系统规划层模型，规划层模型采用多目标粒子群优化算法对高铁站综合能源系统规划层模型进行优化求解，设定阈值，选择多组最优解对应的高铁站综合能源系统中各类设备容量的优化配置方案，具体包括：
(ⅰ)年度总费用目标函数为：
minfup＝Cinv+Cev+Crun (5)
式中，fup为年度总成本；Cinv为设备初始投资成本；Cev为环境年费用；Crun年度运行维护费用。
(ⅱ)规划层模型包括：经济目标模型和考虑阶梯环境交易的环境目标模型。
经济目标模型：
在高铁站综合能源系统中，经济成本主要为设备投资年度成本Cinf。设备投资的年度成本是在考虑投资时间价值的基础上，平均每年年初购买设备的总投资，并获得设备投资年等值成本。
Figure BDA0002425073650000141
Figure BDA0002425073650000142
式中，Cinf为设备初始投资年等值成本；Cj为第j种设备的单位容量初始单位造价；Pcap,j为第j种设备的额定功率，kW；R为资金年回收率；r为折现率；n为使用寿命周期，年。
考虑阶梯式环境交易的环境目标模型：
阶梯式环境交易是指当污染物排放总量不超过污染物排放量的最大值时，环境成本等于每个排放源的各个污染物排放量乘以其环境价格，当污染物排放过量时，环境成本还包括超过部分的阶梯环境交易成本。
Figure BDA0002425073650000143
式中：Cev为环境成本；Pk(t)为排放源k当时的功率，kW；
Figure BDA0002425073650000144
为单位发电量排放源k的污染物j的排放量，kg/kWh；θj为污染物j单价，元/kg；δj和λj为污染物j阶梯环境交易价格，元/kg；Δt为间隔时间，h；D、D1、D2分别为各阶梯环境交易成本。
(ⅲ)高铁站综合能源系统规划层优化约束包括：能量平衡约束和能源网络传输功率约束。
其中，能量平衡包括：电力平衡约束、热功率平衡约束和冷功率平衡约束。
电力平衡：
电力平衡是指系统的电力供应始终满足用电需求，系统内的电力平衡约束如下：
Figure BDA0002425073650000151
式中，Pg(t)为系统向电网购电量，kW；PGT(t)为燃气轮机发电量，kW；Pb(t)为蓄电池的充放电功率，kW；Pload,i(t)为第i个负荷的耗电功率，kW；Pequ,j(t)为第j个设备的耗电功率。
热功率平衡：
热平衡主要是系统自身产生的热量可以满足自身的需要，如果不满足，系统需要从热网中购买一定量的热量。
Figure BDA0002425073650000152
式中，QGT(t)为燃气轮机产热量，kW；QHP(t)为热泵产热量，kW；QGB(t)为电锅炉产热量，kW；QES(t)为建筑物空腔吸收或释放的热量，kW；Qhload,i为第i个热负荷的耗热量；ηrec为燃气轮机产热效率。
冷功率平衡：
冷平衡主要是系统自身产生的制冷量可以满足自身的需要，如果不满足，系统需要依靠制冷设备产生制冷量。
Figure BDA0002425073650000153
式中，PGT(t)为燃气轮机发电量，kW；γ为吸收系数；COPc为制冷系数；QEC(t)为电制冷机制冷量，kW；QES(t)为建筑物空腔吸收或释放的热量，kW；Qcload,i为第i个冷负荷的耗冷量。
能源网络传输功率约束：
在高铁站综合能源系统中，考虑到输电/热/气管道的安全性和系统成本的经济性，系统与外部网络之间的交换功率必须控制在一定范围内。
Figure BDA0002425073650000161
式中，
Figure BDA0002425073650000162
和
Figure BDA0002425073650000163
是系统可以从电网购买的电功率下限和上限，kW；
Figure BDA0002425073650000164
和
Figure BDA0002425073650000165
是系统可以从热网购买的热功率的下限和上限，kW；
Figure BDA0002425073650000166
和
Figure BDA0002425073650000167
是该系统可以从外部燃气市场购买的气功率的下限和上限，kW。
(ⅳ)规划层模型采用多目标粒子群优化算法对高铁站综合能源系统规划层模型进行优化求解，包括以下步骤：
S211、系统初始化，输入高铁站综合能源系统中设备、负荷、日照、温度、建筑材料种类、使用面积、传热系数以及相应算法参数；
S212、初始化群体粒子个数N，粒子维数D，最大迭代次数T，学习因子c1、c2，惯性权重w，位置最大值Xmax，位置最小值Xmin,速度最大值Vmax,速度最小值Vmin；
S213、初始化种群粒子位置x和速度v，粒子个体最优位置p和最优值pbest，以及粒子群全局最优位置g和最优值gbest；
S214、更新位置x和速度值v，并进行边界条件处理，判断是否替换粒子个体最优位置p和最优值pbest、粒子群全局最优位置g和最优值gbest；
S215、判断是否满足终止条件：若满足，则结束搜索过程，输出优化值；若不满足，则执行步骤S22，继续进行迭代优化。
S22、以功率约束、储能约束和建筑物空腔储能特性约束为优化运行的约束条件，以年度运行维护费用(即系统运行维护成本与用户舒适度惩罚成本之和最小)最小为目标函数，建立高铁站综合能源系统运行层模型，运行层模型对多组最优解对应的高铁站综合能源系统中各类设备容量的优化配置方案进行优化运行，利用混合整数线性规划求解系统的优化运行问题，得到高铁站综合能源系统的多组运行输出结果，具体包括：
(ⅰ)高铁站综合能源系统年运行维护成本包括：年电网购电成本，年燃料采购成本，年设备运行维护成本以及用户舒适度下降惩罚成本；
Figure BDA0002425073650000171
式中，Crun年运行维护成本；Di为第i种典型日的天数；Cfuel,t为设备在某一典型日中第t时段的天然气费用；Cgrid,t为设备在某一典型日中第t时段的电网购电费用；Com,t为设备在某一典型日中第t时段的运行维护费用；(α|Tin,t-Tset|)为用户舒适度下降的成本；α为舒适度因数；QGT,t为燃气轮发电机在第t时段的制热量，kW；QGB,t为燃气锅炉在第t时段的制热量，kW；Cgas为天然气换算成单位千瓦的燃料费用，元/kW；Pj,t为第j种设备在第t时刻的功率，kW；Cope,j为第j种设备单位容量的运行维护费用，元/kW。
(ⅱ)高铁站综合能源系统运行层优化约束包括：功率约束、储能约束和建筑物空腔储能特性约束。
功率约束：
在高铁站综合能源系统中，考虑到各类设备的特性以及系统的安全性和可靠性要求，各类设备的功率必须保持在最大输出功率范围内，
Figure BDA0002425073650000172
式中，
Figure BDA0002425073650000173
和
Figure BDA0002425073650000174
是第i个分布式电源DG输出功率的下限和上限，kW；
Figure BDA0002425073650000175
和
Figure BDA0002425073650000176
是第i个CCHP机组(CCHP为冷热电联供机组)输出功率的下限和上限，kW；
Figure BDA0002425073650000177
和
Figure BDA0002425073650000178
是第i个GB输出功率的下限和上限，kW。
储能约束：
高铁站综合能源系统中的储能系统可以实现缓解分布式发电出力的随机性，负荷的削峰填谷，降低运行成本；其容量和充放电功率需要满足如下约束：
储能系统的容量状态：
高铁站综合能源系统中的储能系统容量应始终保持在一定的范围内：
Figure BDA0002425073650000181
式中，ESOC(t+1)和ESOC(t)为在时间t+1和t时ES系统的容量状态；α为自放电率；ηES,C和ηES,D为ES(储能系统)的充电和放电效率；RES,C和RES,D为ES的充电和放电状态变量；
Figure BDA0002425073650000182
和
Figure BDA0002425073650000183
为ES充电状态的上下限。
ES充放电的功率约束：
ES的最大充放电功率反映了储能系统瞬间提供的带能，考虑到系统的安全性和可靠性要求，ES的充放电功率必须保持在一定范围内，
Figure BDA0002425073650000184
式中，
Figure BDA0002425073650000185
和
Figure BDA0002425073650000186
为ES充电功率的下限和上限；
Figure BDA0002425073650000187
和
Figure BDA0002425073650000188
为ES放电功率的下限和上限。
建筑物空腔储能特性约束：
建筑物可以看作是一个大型的储能系统，它可以减小环境温度变化对室内温度的影响，改善用户的舒适度，减少用户对冷热能源的需求，在规划中若对建筑物热动态特性加以考虑可以优化供冷供热设备的安装容量与运行费用，从而使得规划方案更具经济性。
建筑物空腔储热容量约束：
Figure BDA0002425073650000191
式中，TSOC(t+1)和TSOC(t)为时间t+1和t时TES(建筑物空腔储能系统)的容量状态；β为自放热率；ηTES,C和ηTES,D为TES充放电效率；RTES,C和RTES,D为TES充放电状态变量；
Figure BDA0002425073650000192
和
Figure BDA0002425073650000193
为TES容量状态的下限和上限。
所述建筑物空腔吸/放热功率约束：
Figure BDA0002425073650000194
式中，
Figure BDA0002425073650000195
和
Figure BDA0002425073650000196
为TES充电功率的下限和上限；
Figure BDA0002425073650000197
和
Figure BDA0002425073650000198
为TES放电功率的下限和上限。
(ⅲ)运行层模型利用混合整数线性规划MILP求解系统的优化运行问题，包括以下步骤：
Figure BDA0002425073650000199
式中，cx为目标函数；A为联立线性方程的系数矩阵；b为联立线性方程的值；xz和xj分别为连续变量和整型变量；Z和J为取值集合。
S23、进行容量选择，对S22中获得的多组运行输出结果进行供能可靠性与规划经济性对比分析。
S24、将得到的分析结果反馈到步骤S21中的规划层模型，对高铁站综合能源系统中各设备的容量优化进行重新选择和优化，以获取规划方案。
S25、利用可靠性校验模型判断规划方案的可靠性指标是否满足标准，并将结果基于可靠性边际成本反馈至多目标优化模型，重复步骤S21-S23，不断迭代，直到选择出满足环保性、经济性与可靠性的容量配置方案作为高铁站综合能源系统的最优规划方案。
本发明实施例选取国内某典型高铁站综合能源系统规划设计项目作为研究对象，验证了建立的容量规划和运行优化模型的可靠性。系统主要配备燃气轮机系统，蓄热槽系统，吸收式制冷机系统，电制冷机系统和电锅炉系统等。根据预测的负荷需求，将本发明提出的优化模型用于容量规划和运行优化。
参数
选择国内某一典型高铁站综合能源系统作为研究对象。系统主要配备燃气轮机系统，蓄热槽系统，吸收式制冷机系统，电制冷机系统和电锅炉系统等。本实施例中系统中的富足的电量可以出售给大电网。
仿真中使用的基本参数主要包括系统设备容量，单位功率投资和运行成本，以及负荷需求曲线，能源价格和污染物排放。图3-5显示了该高铁站综合能源系统的不同季节下电/热/冷负荷的需求曲线。表1为燃气轮机系统，蓄热槽系统，吸收式制冷机系统，电制冷机系统和电锅炉系统的设备成本明细。表2为各类能源分时段价格。表3为污染物排放量和环境成本因素。表4为设备可靠性参数。
表1设备成本明细表
Figure BDA0002425073650000201
Figure BDA0002425073650000211
表2能源分时价格
Figure BDA0002425073650000212
表3污染物排放和环境成本因素
污染物 SO<sub>2</sub> NO<sub>x</sub> CO<sub>2</sub> CO
天然气 11.6 0.0062 2.01 0
环境价格 6.00 8.00 0.023 1.00
表4设备可靠性参数
Figure BDA0002425073650000213
Figure BDA0002425073650000221
容量规划方案
根据系统全年光照强度、电负荷、热负荷和冷负荷需求的预测，采用本发明提出的模型进行优化配置计算。上层容量规划以年负荷、光照强度等数据为基础数据，仿真时间步长采用1h，项目规划周期选择20年。为了缩短系统的运行时间，在下层运行优化中，采用典型日的数据代替系统的年数据。下层运行优化以典型日负荷(24h)和分布式的输出为基础数据，以1h的仿真时间步长优化不同规划方案的日运行，如图7所示。
两阶段容量优化的模拟过程如下：
步骤1：基础数据。模拟的基础数据有全年电/热/冷负荷数据、光照强度数据、电价数据、煤炭价格数据和天然气价格数据等。根据该地区的地理特征，确定各备选设备及其技术经济参数。
步骤2：容量规划仿真。根据本发明建立的系统容量规划层模型，采用粒子群优化算法对第一步的数据进行仿真，得到了容量规划方案。上层规划仿真的基础数据为全年数据，仿真步长为1小时。
步骤3：运行优化仿真。根据本发明建立的系统运行层模型，采用MILP方法对第2步得到的各种规划方案进行运行状态仿真。下层仿真以典型日(24小时)数据为输入数据，仿真步骤为1小时。
步骤4：容量规划决策。通过第二步的运行仿真，可以得到不同规划方案下综合能源系统的运行状态。根据各方案的运行成本、天然气消耗量、污染物排放量和系统负荷供给能力，对方案进行比较，最终确定最佳方案。
步骤5：计划结果。通过对第1步至第4步的计算，得出设备类型、设备容量、设备数量和总投资。
设置两种模拟情形：1)不考虑站体空腔储能时高铁站综合能源系统规划；2)考虑站体空腔储能时的高铁站冷热电一体化综合能源系统规划方案。在情形2中设定高铁站在冬夏季工作时间段内可以接受温度在设定稳定±2℃的范围内变化，舒适度因数取α＝0.5。
上述两种情形下，得到的高铁站综合能源系统最终结果如下表5所示：
表5高铁站综合能源系统的规划优化结果
Figure BDA0002425073650000231
在上述两种情形下，高铁站冷热电一体化综合能源系统规划方案如表5所示。从规划设备容量上来看，情形1与2中燃气轮机与蓄热槽规划容量无明显变化，制冷设备电制冷机以及余热吸收式冷温水机的规划容量均有小幅度下降，并且情形2中制热设备电热泵的规划容量也有小幅度下降。
表6成本对比情况
参数 情形1 情形2
总成本/万元 16227 16042
投资成本/万元 1737 1711
运维成本/万元 202 200
购电成本/万元 9065 8810
购气成本/万元 5223 5307
舒适度成本/万元 0 14
当引入建筑空腔建筑储能系统时，情形2规划方案年总成本相较情形1降低了185万元，下降了1.1％。可以看出总成本的下降主要来源于从上级电网购电成本的降低以及设备投资成本的降低。
表7可靠性提升边际成本
Figure BDA0002425073650000241
表7中可靠性的提升措施主要有三类，一是通过设备扩容来提高供能充裕性，从而改善可靠性；二是增加新设备，丰富系统能量转化途径通过多能互补提高系统可靠性；三是设置备用设备，在故障时提供紧急供能服务。在保证系统整体的年综合费用教育的情况下，有效地提升了系统的可靠性，使得高铁站综合能源系统可以更加经济可靠的运行。
根据本发明实施例设计的两阶段规划和运行策略，将第一阶段规划过程中获得的系统容量配置方案作为第二阶段运行优化的参数。从图6中可知当迭代到350代时，适应度值趋于稳定。此外，需要验证优化算法计算的系统规划能力是有效和合理的。因此，根据第一步得到的容量配置方案，进行运行优化仿真。两阶段优化求解过程的示意图如图7所示。
运行优化仿真
在系统规划过程中，容量配置的准确性主要体现在系统运行可靠性和系统经济性两个方面。故而对系统的日常运行优化进行了仿真分析，以确保系统容量配置的合理性和系统的经济运行。如图8-10所示为不考虑建筑物空腔储能时在不同季节的负荷条件下系统各部分的输出和运行状态优化结果。图11-13所示为考虑建筑物空腔储能时在不同季节的负荷条件下系统各部分的输出和运行状态优化结果。
由各个设备出力情况可知在考虑了建筑物空腔储能特性后燃气轮机机组出力情况较为平稳；从电网购电情况则受分时电价与电负荷变化等因素影响，波动较为剧烈；而冷热源设备出力情况受季节因素影响较大，主要表现为冬季热源出力较多，冷源出力较少，夏季为冷源出力高峰期，热源出力不多，春秋季节冷热源出力情况适中。当引入建筑空腔建筑储能系统时，情形2规划方案年总成本相较情形1降低了185万元，下降了1.1％。可以看出总成本的下降主要来源于从上级电网购电成本的降低以及设备投资成本的降低。
综上所述，本发明实施例提供了一种高铁站综合能源系统双层规划优化方法，通过研究建筑物空腔储能特性对高铁站综合能源系统规划问题的影响，并在此基础上提出了高铁站综合能源系统的概念和结构，提出了高铁站综合能源系统容量优化和运行优化的两阶段优化问题，并建立了包括第一阶段容量规划和第二阶段运行优化的两阶段优化模型。第一阶段容量规划以投资年成本和环境年成本之和最小化为目标函数，建立了综合考虑电力、热力、天然气、阶梯式环境交易对高铁站综合能源系统的多目标容量规划模型，并采用粒子群算法进行优化求解。第二阶段运行优化以系统运行维护成本最小化为目标函数，建立了综合考虑分布式发电运行成本、储能成本、购售电成本和天然气采购成本的高铁站综合能源系统运行优化模型，并利用混合整数线性规划(MILP)求解系统的优化运行问题。第一阶段的规划结果一般会影响第二阶段的运行目标和约束条件，而第二阶段的运行结果会反馈给第一阶段，检验第一阶段规划的准确性以及可靠性，重新规划系统容量，实现了第一阶段与第二阶段的相互作用。最后，利用可靠性校验模型对多目标规划方案进行检验，确保为高铁站综合能源系统提供最佳容量，实现系统容量配置与运行优化之间的平衡，尽可能降低成本，提高能源供应效率。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种适用于高铁站综合能源系统的多目标规划方法，其特征在于，包括：
S1、基于高铁站供能形式与用能特点，评估高铁站内负荷需求并考虑电热系统时间尺度差异，利用负荷预测模型和能源出力概率模型生成高铁站综合能源系统模拟时序曲线；
S2、基于高铁站综合能源系统模拟时序曲线和建筑物空腔储热特性建立高铁站综合能源系统双层多目标规划模型以获取规划方案，再利用可靠性校验模型对规划方案进行可靠性评估，通过所述双层多目标规划模型与可靠性校验模型之间不断反馈，直到选择出满足多个目标最优的规划方案，其中，所述双层多目标规划模型包括规划层模型和运行层模型，所述规划层模型用于求解系统中各设备容量的优化配置方案，所述运行层模型用于运行配置方案并将运行结果会反馈给规划层模型，规划层模型和运行层模之间不断地反馈传递从而获取规划方案。
2.根据权利要求1所述的方法，其特征在于，所述S2包括以下步骤：
S21、以能量平衡约束和能量网络传输功率约束为规划层的约束条件，以年度总费用最小为目标函数，建立高铁站综合能源系统规划层模型，所述规划层模型采用多目标粒子群优化算法对高铁站综合能源系统规划层模型进行优化求解，设定阈值，选择多组最优解对应的高铁站综合能源系统中各类设备容量的优化配置方案；
S22、以功率约束、储能约束、供能可靠性约束和建筑物空腔储能特性约束为优化运行的约束条件，以年度运行维护费用最小为目标函数，建立高铁站综合能源系统运行层模型，所述运行层模型对多组最优解对应的高铁站综合能源系统中各类设备容量的优化配置方案进行优化运行，利用混合整数线性规划求解系统的优化运行问题，得到高铁站综合能源系统的多组运行输出结果；
S23、进行容量选择，对所述多组运行输出结果进行环保性与经济性对比分析；
S24、将得到的分析结果反馈到步骤S21中的规划层模型，对高铁站综合能源系统中各设备的容量优化进行重新选择和优化，以获取规划方案；
S25、利用可靠性校验模型判断规划方案的可靠性指标是否满足标准，并将结果基于可靠性边际成本反馈至多目标优化模型，重复步骤S21-S24，不断迭代，直到选择出满足环保性、经济性与可靠性的容量配置方案作为高铁站综合能源系统的最优规划方案。
3.根据权利要求1所述的方法，其特征在于，所述建筑物空腔储热特性包括：建筑物空腔热平衡、建筑物空腔热损耗；
所述建筑物空腔热平衡方程：
基于建筑物空腔的热储能特性，根据能量守恒得到建筑物的热平衡方程；
Figure FDA0002425073640000021
式中，ΔQ为建筑物内热量的变化值，ρ为空气密度，C为空气比热容，V为建筑物内空气容量，Ti为温度，τ为间隔时间，式(1)表明，建筑物内温度变化速率与空气质量以及空气比热容的乘积等于建筑物内热量的变化值；
所述建筑物空腔热损耗方程：
Qloss＝Kwall×Fwall×(Tout-Tin)+Kwin×Fwin×(Tout-Tin)+I×Fwin×S (2)
式中，Qloss为建筑物的热量损耗；右边第一项(Kwall×Fwall×(Tout-Tin))为建筑物墙外与墙内传递的热量，Kwall为外墙的传热系数，(Tout-Tin)为墙内外温差，Fwall为建筑墙的面积；第二项(Kwin×Fwin×(Tout-Tin))为通过建筑窗与室外传递的热量，Fwin为建筑窗的面积；第三项(I×Fwin×S)为建筑物从太阳辐射吸收的热量，I为辐射功率，S为遮阳系数，其取值与是否有遮阳板以及其材质有关，Qh为室内制热设备的功率。
4.根据权利要求1所述的方法，其特征在于，所述S2中利用可靠性校验模型对规划方案进行可靠性评估包括：
可靠性校验方程：
EENS＝∑S∈ΩP(s)×L(s) (3)
式中，EENS为期望能量削减量，Ω为高铁站内综合能源系统全部失效状态的集合；P(s)为状态s的概率，L(s)为状态s的最优负荷削减量。
可靠性边际成本RMC为：
Figure FDA0002425073640000031
式中，R为系统可靠性，i为第i个设备，Call为年综合成本，Pi，R为系统设备容量，
Figure FDA0002425073640000032
与
Figure FDA0002425073640000033
可通过影子价格理论求解。
5.根据权利要求2所述的方法，其特征在于，所述S21中所述年度总费用为设备初始投资成本年费用、环境年费用和年度运行维护费用之和，目标函数为：
minfup＝Cinv+Cev+Crun (5)
式中，fup为年度总成本；Cinv为设备初始投资成本；Cev为环境年费用；Crun年度运行维护费用。
所述规划层模型包括：经济目标模型和考虑阶梯环境交易的环境目标模型，所述经济目标模型为：
Figure FDA0002425073640000034
Figure FDA0002425073640000035
式中，Cinf为设备初始投资年等值成本；Cj为第j种设备的单位容量初始单位造价；Pcap，j为第j种设备的额定功率；R为资金年回收率；r为折现率；n为使用寿命周期，单位：年；
所述考虑阶梯式环境交易的环境目标模型为：
Figure FDA0002425073640000041
式中：Cev为环境成本；Pk(t)为排放源k当时的功率；
Figure FDA0002425073640000042
为单位发电量排放源k的污染物j的排放量；θj为污染物j单价；δj和λj为污染物j阶梯环境交易价格；Δt为间隔时间，单位：h；D、D1、D2分别为各阶梯环境交易成本。
6.根据权利要求5所述的方法，其特征在于，所述S21中以能量平衡约束和能量网络传输功率约束为规划层的约束条件，所述能量平衡包括电力平衡约束、热功率平衡约束和冷功率平衡约束；
所述电力平衡约束为：
Figure FDA0002425073640000043
式中，Pg(t)为系统向电网购电量；PGT(t)为燃气轮机发电量；Pb(t)为蓄电池的充放电功率；Pload，i(t)为第i个负荷的耗电功率；Pequ，j(t)为第j个设备的耗电功率；
所述热功率平衡约束为：
Figure FDA0002425073640000044
式中，QGT(t)为燃气轮机产热量；QHP(t)为热泵产热量；QGB(t)为电锅炉产热量；QES(t)为建筑物空腔吸收或释放的热量；Qhload，i为第i个热负荷的耗热量；ηrec为燃气轮机产热效率；
所示冷功率平衡约束为：
Figure FDA0002425073640000051
式中，PGT(t)为燃气轮机发电量；γ为吸收系数；COPc为制冷系数；QEC(t)为电制冷机制冷量；QES(t)为建筑物空腔吸收或释放的热量；Qcload,i为第i个冷负荷的耗冷量；
所述能源网络传输功率约束为：
Figure FDA0002425073640000052
式中，
Figure FDA0002425073640000053
和
Figure FDA0002425073640000054
是系统可以从电网购买的电功率下限和上限；
Figure FDA0002425073640000055
和
Figure FDA0002425073640000056
是系统可以从热网购买的热功率的下限和上限；
Figure FDA0002425073640000057
和
Figure FDA0002425073640000058
是该系统可以从外部燃气市场购买的气功率的下限和上限。
7.根据权利要求6所述的方法，其特征在于，所述S21中规划层模型采用多目标粒子群优化算法对高铁站综合能源系统规划层模型进行优化求解，包括以下步骤：
S211、系统初始化，输入高铁站综合能源系统中设备、负荷、日照、温度、建筑材料种类、使用面积、传热系数以及相应算法参数；
S212、初始化群体粒子个数N，粒子维数D，最大迭代次数T，学习因子c1、c2，惯性权重w，位置最大值Xmax，位置最小值Xmin,速度最大值Vmax,速度最小值Vmin；
S213、初始化种群粒子位置x和速度v，粒子个体最优位置p和最优值pbest，以及粒子群全局最优位置g和最优值gbest；
S214、更新位置x和速度值v，并进行边界条件处理，判断是否替换粒子个体最优位置p和最优值pbest、粒子群全局最优位置g和最优值gbest；
S215、判断是否满足终止条件：若满足，则结束搜索过程，输出优化值；若不满足，则执行步骤S22，继续进行迭代优化。
8.根据权利要求2所述的方法，其特征在于，所述S22中所述年度运行维护费用为系统运行维护成本与用户舒适度惩罚成本之和：
Figure FDA0002425073640000061
式中，Crun年运行维护成本；Di为第i种典型日的天数；Cfuel，t为设备在某一典型日中第t时段的天然气费用；Cgrid，t为设备在某一典型日中第t时段的电网购电费用；Com，t为设备在某一典型日中第t时段的运行维护费用；(α|Tin，t-Tset|)为用户舒适度下降的成本；α为舒适度因数；QGT，t为燃气轮发电机在第t时段的制热量；QGB，t为燃气锅炉在第t时段的制热量；Cgas为天然气换算成单位千瓦的燃料费用；Pj，t为第j种设备在第t时刻的功率；Cope，j为第j种设备单位容量的运行维护费用。
9.根据权利要求2所述的方法，其特征在于，所述S22中以功率约束、储能约束和建筑物空腔储能特性约束为优化运行的约束条件，所述功率约束为：
Figure FDA0002425073640000062
式中，
Figure FDA0002425073640000063
和
Figure FDA0002425073640000064
是第i个分布式电源DG输出功率的下限和上限；
Figure FDA0002425073640000065
和
Figure FDA0002425073640000066
是第i个CCHP机组输出功率的下限和上限；
Figure FDA0002425073640000067
和
Figure FDA0002425073640000068
是第i个GB输出功率的下限和上限；
所述储能约束包括：储能系统的容量状态和ES充放电的功率约束；
所述储能系统的容量状态为：
Figure FDA0002425073640000071
式中，ESOC(t+1)和ESOC(t)为在时间t+1和t时ES系统的容量状态；α为自放电率；ηES,C和ηES,D为ES的充电和放电效率；RES,C和RES,D为ES的充电和放电状态变量；
Figure FDA0002425073640000072
和
Figure FDA0002425073640000073
为ES充电状态的上下限；
所述ES充放电的功率约束为：
Figure FDA0002425073640000074
式中，
Figure FDA0002425073640000075
和
Figure FDA0002425073640000076
为ES充电功率的下限和上限；
Figure FDA0002425073640000077
和
Figure FDA0002425073640000078
为ES放电功率的下限和上限；
所述建筑物空腔储能特性约束包括：建筑物空腔储热容量约束和建筑物空腔吸/放热功率约束，
所述建筑物空腔储热容量约束：
Figure FDA0002425073640000079
式中，TSOC(t+1)和TSOC(t)为时间t+1和t时TES的容量状态；β为自放热率；ηTES,C和ηTES,D为TES充放电效率；RTES,C和RTES,D为TES充放电状态变量；
Figure FDA00024250736400000710
和
Figure FDA00024250736400000711
为TES容量状态的下限和上限；
所述建筑物空腔吸/放热功率约束：
Figure FDA00024250736400000712
式中，
Figure FDA0002425073640000081
和
Figure FDA0002425073640000082
为TES充电功率的下限和上限；
Figure FDA0002425073640000083
和
Figure FDA0002425073640000084
为TES放电功率的下限和上限。
10.根据权利要求2所述的方法，其特征在于，所述S22中利用混合整数线性规划求解系统的优化运行问题，包括以下步骤:
Figure FDA0002425073640000085
式中，cx为目标函数；A为联立线性方程的系数矩阵；b为联立线性方程的值；xz和xj分别为连续变量和整型变量；Z和J为取值集合。
CN202010217969.XA 2020-03-09 2020-03-25 一种适用于高铁站综合能源系统的多目标规划方法 Active CN111445067B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010158096 2020-03-09
CN202010158096X 2020-03-09

Publications (2)

Publication Number Publication Date
CN111445067A true CN111445067A (zh) 2020-07-24
CN111445067B CN111445067B (zh) 2022-08-12

Family

ID=71650806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010217969.XA Active CN111445067B (zh) 2020-03-09 2020-03-25 一种适用于高铁站综合能源系统的多目标规划方法

Country Status (1)

Country Link
CN (1) CN111445067B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329991A (zh) * 2020-10-21 2021-02-05 南京电力设计研究院有限公司 基于资源共享的地铁供电系统双层规划模型构建方法
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
CN112636391A (zh) * 2020-12-09 2021-04-09 国网西藏电力有限公司 一种风光储分布式能源系统容量配置方法
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
CN112949177A (zh) * 2021-02-26 2021-06-11 国网北京市电力公司 一种综合能源系统构建中的多优化目标赋权方法及系统
CN113298351A (zh) * 2021-04-27 2021-08-24 东南大学 基于时域分析动态可控性指标的冷热电能源系统规划方法
CN114017904A (zh) * 2021-11-04 2022-02-08 广东电网有限责任公司 一种建筑物hvac系统的运行控制方法及装置
CN114050571A (zh) * 2021-11-22 2022-02-15 沈阳工业大学 一种考虑碳流的综合能源系统能量枢纽管控方法
CN114142460A (zh) * 2021-11-17 2022-03-04 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617460A (zh) * 2013-12-06 2014-03-05 天津大学 冷热电联供微网系统的双层优化规划设计方法
US20140368044A1 (en) * 2014-09-02 2014-12-18 Electro-Motive Diesel, Inc. Rail integrated energy system
CN104766247A (zh) * 2015-04-14 2015-07-08 国家电网公司 一种全电压等级电网可靠性的计算方法
CN107846007A (zh) * 2017-07-03 2018-03-27 东南大学 基于混沌局部搜索的直流配网电源储能双层规划方法
CN109687444A (zh) * 2018-12-27 2019-04-26 广东电网有限责任公司 一种微电网电源多目标双层优化配置方法
CN109740827A (zh) * 2019-02-14 2019-05-10 华北电力大学 一种基于双层优化的区域综合能源系统规划优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103617460A (zh) * 2013-12-06 2014-03-05 天津大学 冷热电联供微网系统的双层优化规划设计方法
US20140368044A1 (en) * 2014-09-02 2014-12-18 Electro-Motive Diesel, Inc. Rail integrated energy system
CN104766247A (zh) * 2015-04-14 2015-07-08 国家电网公司 一种全电压等级电网可靠性的计算方法
CN107846007A (zh) * 2017-07-03 2018-03-27 东南大学 基于混沌局部搜索的直流配网电源储能双层规划方法
CN109687444A (zh) * 2018-12-27 2019-04-26 广东电网有限责任公司 一种微电网电源多目标双层优化配置方法
CN109740827A (zh) * 2019-02-14 2019-05-10 华北电力大学 一种基于双层优化的区域综合能源系统规划优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
仇知: "计及不确定性的区域综合能源系统双层优化配置规划模型", 《电力自动化设备》 *
高章鹏: "面向园区微网的综合能源系统优化配置与运行研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329991A (zh) * 2020-10-21 2021-02-05 南京电力设计研究院有限公司 基于资源共享的地铁供电系统双层规划模型构建方法
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
CN112636391A (zh) * 2020-12-09 2021-04-09 国网西藏电力有限公司 一种风光储分布式能源系统容量配置方法
CN112636391B (zh) * 2020-12-09 2023-04-07 国网西藏电力有限公司 一种风光储分布式能源系统容量配置方法
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
CN112949177A (zh) * 2021-02-26 2021-06-11 国网北京市电力公司 一种综合能源系统构建中的多优化目标赋权方法及系统
CN112949177B (zh) * 2021-02-26 2024-03-08 国网北京市电力公司 一种综合能源系统构建中的多优化目标赋权方法及系统
CN113298351A (zh) * 2021-04-27 2021-08-24 东南大学 基于时域分析动态可控性指标的冷热电能源系统规划方法
CN113298351B (zh) * 2021-04-27 2023-10-24 东南大学 基于时域分析动态可控性指标的冷热电能源系统规划方法
CN114017904B (zh) * 2021-11-04 2023-01-20 广东电网有限责任公司 一种建筑物hvac系统的运行控制方法及装置
CN114017904A (zh) * 2021-11-04 2022-02-08 广东电网有限责任公司 一种建筑物hvac系统的运行控制方法及装置
CN114142460A (zh) * 2021-11-17 2022-03-04 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN114142460B (zh) * 2021-11-17 2024-03-15 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN114050571A (zh) * 2021-11-22 2022-02-15 沈阳工业大学 一种考虑碳流的综合能源系统能量枢纽管控方法
CN114050571B (zh) * 2021-11-22 2024-04-09 沈阳工业大学 一种考虑碳流的综合能源系统能量枢纽管控方法

Also Published As

Publication number Publication date
CN111445067B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN111445067B (zh) 一种适用于高铁站综合能源系统的多目标规划方法
CN109885009B (zh) 计及电转气规划的多能互补园区能源优化配置方法
Shen et al. Multi-objective capacity configuration optimization of an integrated energy system considering economy and environment with harvest heat
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
Sohani et al. Comprehensive performance evaluation and demands’ sensitivity analysis of different optimum sizing strategies for a combined cooling, heating, and power system
Zhang et al. Nested optimization design for combined cooling, heating, and power system coupled with solar and biomass energy
Li et al. A partition optimization design method for a regional integrated energy system based on a clustering algorithm
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN111144707A (zh) 基于能源枢纽的多能源系统协同规划建模方法
CN110363353A (zh) 一种分布式综合能源系统的优化设计和调度方法及系统
Kong et al. Optimization of the hybrid solar power plants comprising photovoltaic and concentrating solar power using the butterfly algorithm
CN106779471A (zh) 一种多能互联交直流混合微电网系统及优化配置方法
CN112365021A (zh) 一种基于混合储能的区域综合能源系统规划优化方法
Li et al. Evaluation research of the energy supply system in multi-energy complementary park based on the improved universal generating function method
Wang et al. Multi-objective energy planning for regional natural gas distributed energy: A case study
CN110994606A (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
Wang et al. Multi-attribute decision analysis for optimal design of park-level integrated energy systems based on load characteristics
Kang et al. Feed-forward active operation optimization for CCHP system considering thermal load forecasting
Wang et al. Research on capacity and strategy optimization of combined cooling, heating and power systems with solar photovoltaic and multiple energy storage
CN116187173A (zh) 一种区域综合能源系统双层优化方法及系统
Zhao et al. Multi-objective bi-level planning of the integrated energy system considering uncertain user loads and carbon emission during the equipment manufacturing process
Ren et al. Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers
Wu et al. Optimal design method and benefits research for a regional integrated energy system
Hengrui et al. An effective planning approach for integrated energy systems considering equipment operating characteristics
CN213783243U (zh) 一种面向产业园区的综合能源系统运行优化装置

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