CN111523213A - 一种基于人工智能的电核心型综合能源系统优化供能方法 - Google Patents
一种基于人工智能的电核心型综合能源系统优化供能方法 Download PDFInfo
- Publication number
- CN111523213A CN111523213A CN202010293328.2A CN202010293328A CN111523213A CN 111523213 A CN111523213 A CN 111523213A CN 202010293328 A CN202010293328 A CN 202010293328A CN 111523213 A CN111523213 A CN 111523213A
- Authority
- CN
- China
- Prior art keywords
- electric
- power
- energy system
- comprehensive energy
- heat
- 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 22
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 16
- 230000005611 electricity Effects 0.000 title claims description 30
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 210000000349 chromosome Anatomy 0.000 claims description 24
- 239000007789 gas Substances 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 11
- 238000001816 cooling Methods 0.000 claims description 9
- 239000003507 refrigerant Substances 0.000 claims description 8
- 238000005057 refrigeration Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 239000002918 waste heat Substances 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 229910052799 carbon Inorganic materials 0.000 abstract description 2
- 230000008859 change Effects 0.000 abstract description 2
- 238000013178 mathematical model Methods 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 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
- 230000007547 defect Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B1/00—Methods of steam generation characterised by form of heating method
- F22B1/28—Methods of steam generation characterised by form of heating method in boilers heated electrically
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H9/00—Details
- F24H9/20—Arrangement or mounting of control or safety devices
- F24H9/2007—Arrangement or mounting of control or safety devices for water heaters
- F24H9/2014—Arrangement or mounting of control or safety devices for water heaters using electrical energy supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B27/00—Machines, plants or systems, using particular sources of energy
- F25B27/02—Machines, plants or systems, using particular sources of energy using waste heat, e.g. from internal-combustion engines
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B29/00—Combined heating and refrigeration systems, e.g. operating alternately or simultaneously
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/27—Relating to heating, ventilation or air conditioning [HVAC] technologies
- Y02A30/274—Relating to heating, ventilation or air conditioning [HVAC] technologies using waste energy, e.g. from internal combustion engine
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Energy (AREA)
- Computer Hardware Design (AREA)
- Sustainable Development (AREA)
- Public Health (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种基于人工智能的电核心型综合能源系统优化供能方法，包括：步骤1，确立电核心型综合能源系统结构及相应核心设备的数学模型；步骤2，将整个生命全周期内的总成本作为目标函数，进行优化使其总和最小；步骤3，设定电核心型综合能源系统的优化约束条件：设备出力上下限约束、冷热电功率平衡约束、网络潮流约束等；步骤4，基于人工智能算法，处理模型，求取最佳决策变量，使目标函数最小，实现电核心型综合能源系统的优化供能。本方法以电力为核心，开展电、冷、热多种能源的系统优化供能研究，可变革能源消费形式，推动时代经济转型，发展低碳经济。
Description
技术领域
本发明涉及综合能源系统优化领域，具体涉及一种基于人工智能的电核心型综合能源系统优化供能方法。
背景技术
电力作为最重要的能源领域之一，尤其是综合能源系统的快速发展，将在能源变革中发挥重要作用。因此，以电力为核心，开展电、冷、热多种能源互联和多维度能源系统优化供能技术研究，可变革能源消费形式，全面提升综合能源利用效率，创新能源综合利用发展新模式。此举已成为推动时代经济转型、发展低碳经济的重要手段，是我国未来能源系统建设的重中之重。
电核心型综合能源系统由配电子系统、供冷/热子系统相互耦合互连而成，并以能源转换、主动配电网等技术为核心，在能源传输、分配、转换和平衡上起着“承上启下”的作用。尽管目前国内外对综合能源系统具体设备的建模研究已取得很大的进展，但现有综合能源系统的运行和调度管理仍采用以“电”为核心的实现思路，主要关注系统中的电气设备建模，除了电系统之外的其他系统均被大大简化甚至忽略。针对电核心型综合能源系统优化供能的研究，需要考虑几个问题。1)如何满足系统内电冷热负荷的不同运行需求，实现多能源能量优化管理，提高能源综合利用效率；2)如何实现电气冷热能源和电网峰谷的匹配，促进电网供需平衡，提高供电可靠性与稳定性；3)如何提高负荷率、降低高峰负荷，从而减少装机投资。研究电核心型综合能源系统的优化供能方法符合我国能源改革的政策方针，有利于我国产业结构调整和产业升级，具有明显的经济效益和社会效益。
发明内容
为了弥补上述现有技术的不足，本发明提供了一种基于人工智能的电核心型综合能源系统优化供能方法，使其具有可靠性高、经济效益好等优点。
所述方法包括：
步骤1：构建综合能源系统结构模型
综合能源系统可向用户供给冷、热、电等多种形式的能量，构建的电核心型综合能源系统从上级电网购买电量满足电负荷需求，吸收式制冷机吸收燃气锅炉余热制冷供给冷负荷，燃气锅炉消耗燃气制热满足热负荷需求，相关设备模型及参数如下：
1)电压缩机：以电驱动压缩机，把处于低温低压气体状态的制冷剂排入机体内进行压缩，在气温压强满足要求的情况下，再把制冷剂通入冷凝器中，高温高压的制冷剂放热，冷凝水吸热，从而制冷。其模型如下：
PECR(t)＝COPECREECR(t) (1)
式中：PECR(t)为电压缩机t时刻的制冷功率；EECR(t)为电压缩机t时刻的耗电功率；COP(coefficientofperformance)，即吸收能量和释放能量间的转换率，简称能效系数，COPECR为电制冷机的能效系数。
2)电锅炉：以电力为能源并将其转化成为热能，从而经过锅炉转换，向外输出具有一定热能的蒸汽、高温水或有机热载体。其模型如下：
PEB(t)＝COPEBEEB(t) (2)
式中：PEB(t)为电锅炉t时刻的制热功率；EEB(t)为电锅炉t时刻的耗电功率；COPEB为电锅炉的能效系数。
步骤2：确立综合能源系统目标函数
以系统整个生命周期内的总成本最低为目标确立综合能源系统的优化函数，对电核心型综合能源系统进行优化供能，目标函数为：
min(C1+C2+C3) (3)
式中：C1为建造成本；C2为运行成本；C3为维护成本。因此所述步骤2包含3个步骤，如下：
步骤2.1：建造成本指系统中核心设备的基础装机费用，需要进行折旧转换：
式中：IntRate为利率；a为当下年份；Rconverse为将每年费用折算到当前年份的系数；Rrecover为折旧率；Mj为j设备的建造单价；Rj为j设备的容量；y为整个寿命周期年限。
步骤2.2：运行成本指电核心型综合能源系统运行过程中从上级电网购买的费用：
C2＝∑30(EECR(t)+Pbuy(t)+EEB(t))Ke (5)
式中：采用分时电价制度，Ke是分时电价；Pbuy(t)是t时刻的购电功率。
步骤2.3：维护成本指系统中核心设备的基础维护费用：
C3＝y∑MjRjBj (6)
式中：Bj是j设备的维护成本系数。
步骤3：确定综合能源系统优化约束
该综合能源系统需要满足3个供需平衡也就是3个等式约束条件即电平衡、热平衡、冷平衡，以及网络潮流约束。除此以外，还需要满足不等式约束条件即设备运行上下限。所述步骤3包含2个步骤，如下：
步骤3.1：等式约束
1)电平衡、热平衡、冷平衡是指设备发出的电量，热量和冷量能够满足系统的电需求、热需求和冷需求，约束条件如下：
式中：PLoad_power(t)、PLoad_heating(t)、PLoad_cooling(t)分别是t时刻的电负荷、热负荷和冷负荷需求。
2)为保证电力系统的安全稳定运行，潮流分布需满足如下条件：
式中：Pki、Qki、Rkj、Xkj分别为节点k、i间线路的有功功率、无功功率、电阻和电抗；Pil、Qil分别为节点i、k间线路的有功功率和无功功率；Pi、Qi分别为流经节点i的有功功率和无功功率；u(i)、v(i)分别为与节点i相连接的上游节点k集合和下游节点l集合。
步骤3.2：不等式约束
为提高系统设备的寿命年限，设备运行时的输出功率以及承受电压均需满足最大最小值限制：
步骤4：人工智能算法求取最佳决策变量
所提出的电核心型综合能源系统优化模型为混合整数非线性规划模型，尤其是网络潮流约束具有复杂性和强非凸性，一般的优化求解器和普通算法均无法求解，因此基于人工智能，采取分支界定算法对模型进行处理求解。
所述步骤4包含4个步骤，如下：
步骤4.1：将电核心型综合能源系统进行初始化，输入提前调研设定好的系统设备参数。
步骤4.2：根据约束条件，将问题解的可行空间映射为遗传空间，故一组可行解即可编码成一个染色体，向量的每个元素称为基因；将目标函数转化为适应度函数，染色体在遗传空间的优劣程度，将由适应度函数的大小体现。
步骤4.3：通过对染色体的选择交叉变异，对遗传空间进行搜索；对生成的新染色体进行适应度评估，适应度大的一组染色体保留，不小则淘汰；
步骤4.4：通过MATLAB平台上算法的编写，设置循环迭代次数以及精度，不断断计算各染色体的适应值，选择最好的染色体，获得最优解。
与最接近的现有技术相比，本发明的有益效果是：
1、分析了综合能源系统冷能流、热能流、电能流的流动方向与交互方式，构建各设备单元模型，提出电核心型综合能源系统优化供能方法；
2、将整个生命全周期内的总成本作为目标函数，结合各优化约束条件，基于人工智能算法，对模型进行处理，求解最佳决策变量，使目标函数最小，实现电核心型综合能源系统的优化供能，并与电冷热自供能系统进行对比，验证该方法的优越性与经济性。
附图说明
图1为本发明的流程图。
图2是本发明实施案例中采用的电核心型综合能源系统结构图。
图3是对比验证时采用的电冷热自供能综合能源系统结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施案例对本发明进行深入地详细说明。如图1所示，本发明所述的一种基于人工智能的电核心型综合能源系统优化供能方法，流程如图1所示，具体包括以下步骤：
步骤1：构建综合能源系统结构模型
综合能源系统可向用户供给冷、热、电等多种形式的能量，构建的电核心型综合能源系统从上级电网购买电量满足电负荷需求，吸收式制冷机吸收燃气锅炉余热制冷供给冷负荷，燃气锅炉消耗燃气制热满足热负荷需求，相关设备模型及参数如下：
1)电压缩机：以电驱动压缩机，把处于低温低压气体状态的制冷剂排入机体内进行压缩，在气温压强满足要求的情况下，再把制冷剂通入冷凝器中，高温高压的制冷剂放热，冷凝水吸热，从而制冷。其模型如下：
PECR(t)＝COPECREECR(t) (1)
式中：PECR(t)为电压缩机t时刻的制冷功率；EECR(t)为电压缩机t时刻的耗电功率；COP(coefficientofperformance)，即吸收能量和释放能量间的转换率，简称能效系数，COPECR为电制冷机的能效系数。
2)电锅炉：以电力为能源并将其转化成为热能，从而经过锅炉转换，向外输出具有一定热能的蒸汽、高温水或有机热载体。其模型如下：
PEB(t)＝COPEBEEB(t) (2)
式中：PEB(t)为电锅炉t时刻的制热功率；EEB(t)为电锅炉t时刻的耗电功率；COPEB为电锅炉的能效系数。
步骤2：确立综合能源系统目标函数
以系统整个生命周期内的总成本最低为目标确立综合能源系统的优化函数，对电核心型综合能源系统进行优化供能，目标函数为：
min(C1+C2+C3) (3)
式中：C1为建造成本；C2为运行成本；C3为维护成本。因此所述步骤2包含3个步骤，如下：
步骤2.1：建造成本指系统中核心设备的基础装机费用，需要进行折旧转换：
式中：IntRate为利率；a为当下年份；Rconverse为将每年费用折算到当前年份的系数；Rrecover为折旧率；Mj为j设备的建造单价；Rj为j设备的容量；y为整个寿命周期年限。
步骤2.2：运行成本指电核心型综合能源系统运行过程中从上级电网购买的费用：
C2＝∑30(EECR(t)+Pbuy(t)+EEB(t))Ke (5)
式中：采用分时电价制度，Ke是分时电价；Pbuy(t)是t时刻的购电功率。
步骤2.3：维护成本指系统中核心设备的基础维护费用：
C3＝y∑MjRjBj (6)
式中：Bj是j设备的维护成本系数。
步骤3：确定综合能源系统优化约束
该综合能源系统需要满足3个供需平衡也就是3个等式约束条件即电平衡、热平衡、冷平衡，以及网络潮流约束。除此以外，还需要满足不等式约束条件即设备运行上下限。所述步骤3包含2个步骤，如下：
步骤3.1：等式约束
1)电平衡、热平衡、冷平衡是指设备发出的电量，热量和冷量能够满足系统的电需求、热需求和冷需求，约束条件如下：
式中：PLoad_power(t)、PLoad_heating(t)、PLoad_cooling(t)分别是t时刻的电负荷、热负荷和冷负荷需求。
2)为保证电力系统的安全稳定运行，潮流分布需满足如下条件：
式中：Pki、Qki、Rkj、Xkj分别为节点k、i间线路的有功功率、无功功率、电阻和电抗；Pil、Qil分别为节点i、k间线路的有功功率和无功功率；Pi、Qi分别为流经节点i的有功功率和无功功率；u(i)、v(i)分别为与节点i相连接的上游节点k集合和下游节点l集合。
步骤3.2：不等式约束
为提高系统设备的寿命年限，设备运行时的输出功率以及承受电压均需满足最大最小值限制：
步骤4：人工智能算法求取最佳决策变量
所提出的电核心型综合能源系统优化模型为混合整数非线性规划模型，尤其是网络潮流约束具有复杂性和强非凸性，一般的优化求解器和普通算法均无法求解，因此基于人工智能，采取遗传算法对模型进行求解。
所述步骤4包含4个步骤，如下：
步骤4.1：将电核心型综合能源系统进行初始化，输入提前调研设定好的系统设备参数。
步骤4.2：根据约束条件，将问题解的可行空间映射为遗传空间，故一组可行解即可编码成一个染色体，向量的每个元素称为基因；将目标函数转化为适应度函数，染色体在遗传空间的优劣程度，将由适应度函数的大小体现。
步骤4.3：通过对染色体的选择交叉变异，对遗传空间进行搜索；对生成的新染色体进行适应度评估，适应度大的一组染色体保留，不小则淘汰；
步骤4.4：通过MATLAB平台上算法的编写，设置循环迭代次数以及精度，不断断计算各染色体的适应值，选择最好的染色体，获得最优解。
实施案例如下：
1)构建综合能源系统结构模型
以某园区含电、冷、热负荷的综合能源系统为例进行仿真。图2为提出的电核心型综合能源系统结构图，电压缩机吸收电功率制冷，电锅炉吸收电功率制热，所需电量全部从上级电网购买。
2)设置设备价格参数
系统中备选设备的价格参数如下表：
表1设备成本费用
| 设备名称 | 单位成本 | 运行维护成本 |
| 电压缩机ECR | 1300元/kW | 每年6％的初期投资 |
| 电锅炉EB | 800元/kW | 每年6％的初期投资 |
| 燃气锅炉GFB | 630元/kW | 每年6％的初期投资 |
| 吸收式制冷机AR | 1100元/kW | 每年6％的初期投资 |
基于分时电价进行购电，将峰平谷各时段划分为：高峰时段(8：00—11：00，18：00—23：00)，共计8小时，1.065元·kWh-1；平时段(23：00—07：00)，共计8小时，0.313元·kWh-1；低谷时段(07：00—08：00，11：00—18：00)，共计8小时，0.678元·kWh-1。
3)与电冷热自供能系统进行对比
图3为对比验证时采用的电冷热自供能综合能源系统结构图，从上级电网购买电量满足电负荷需求，吸收式制冷机吸收燃气锅炉余热制冷供给冷负荷，燃气锅炉消耗燃气制热满足热负荷需求。该规划问题为混台整数规划，在MATLAB平台上，运用yalmip及Cplex工具箱，基于人工智能算法进行处理，求解系统主要设备的最佳容量，表2、表3分别对两个综合能源系统的规划容量和成本构成进行了比较：
表2电冷热自供能与全电核心型系统设备规划容量对比
表3电冷热自供能与电核心型系统成本构成对比
| 成本构成 | 电冷热自供能 | 电核心型 |
| 建造成本 | 1.0178e+07 | 8.5300e+06 |
| 运行成本 | 1.8613e+08 | 1.7820e+08 |
| 维护成本 | 9.1602e+06 | 7.6770e+06 |
| 总成本 | 2.0546e+8 | 1.9441e+08 |
由上表可知，电冷热自供能系统需要建设的设备明显多于电核心型综合能源系统，因此前者建造成本和设备维护成本更高。就长期运行结果而言，电核心型综合能源系统的购电费用低于电冷热自供能系统的燃气费用，总成本更低，经济性和环境友好性更强。本发明研究电核心型综合能源系统的优化供能方法，可变革能源消费形式，推动时代经济转型，有利于我国产业结构调整和产业升级，具有明显的经济效益和社会效益。
本发明的以上实施例仅用以说明而并非是对本发明实施方式的限定。对于所属领域的普通技术人员来说，凡是不脱离本发明精神和范围的任何修改或局部替换，均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种基于人工智能的电核心型综合能源系统优化供能方法，其特征在于，包括如下步骤：
步骤1：构建综合能源系统结构模型
综合能源系统可向用户供给冷、热、电等多种形式的能量，构建的电核心型综合能源系统从上级电网购买电量满足电负荷需求，吸收式制冷机吸收燃气锅炉余热制冷供给冷负荷，燃气锅炉消耗燃气制热满足热负荷需求，相关设备模型及参数如下：
1)电压缩机：以电驱动压缩机，把处于低温低压气体状态的制冷剂排入机体内进行压缩，在气温压强满足要求的情况下，再把制冷剂通入冷凝器中，高温高压的制冷剂放热，冷凝水吸热，从而制冷；其模型如下：
PECR(t)＝COPECREECR(t) (1)
式中：PECR(t)为电压缩机t时刻的制冷功率；EECR(t)为电压缩机t时刻的耗电功率；COP(coefficient of performance)，即吸收能量和释放能量间的转换率，简称能效系数，COPECR为电制冷机的能效系数；
2)电锅炉：以电力为能源并将其转化成为热能，从而经过锅炉转换，向外输出具有一定热能的蒸汽、高温水或有机热载体；其模型如下：
PEB(t)＝COPEBEEB(t) (2)
式中：PEB(t)为电锅炉t时刻的制热功率；EEB(t)为电锅炉t时刻的耗电功率；COPEB为电锅炉的能效系数；
步骤2：确立综合能源系统目标函数
以系统整个生命周期内的总成本最低为目标确立综合能源系统的优化函数，对电核心型综合能源系统进行优化供能，目标函数为：
min(C1+C2+C3) (3)
式中：C1为建造成本；C2为运行成本；C3为维护成本；因此所述步骤2包含3个步骤，如下：
步骤2.1：建造成本指系统中核心设备的基础装机费用，需要进行折旧转换：
式中：IntRate为利率；a为当下年份；Rconverse为将每年费用折算到当前年份的系数；Rrecover为折旧率；Mj为j设备的建造单价；Rj为j设备的容量；y为整个寿命周期年限；
步骤2.2：运行成本指电核心型综合能源系统运行过程中从上级电网购买的费用：
C2＝∑30(EECR(t)+Pbuy(t)+EEB(t))Ke (5)
式中：采用分时电价制度，Ke是分时电价；Pbuy(t)是t时刻的购电功率；
步骤2.3：维护成本指系统中核心设备的基础维护费用：
C3＝y∑MjRjBj (6)
式中：Bj是j设备的维护成本系数；
步骤3：确定综合能源系统优化约束
该综合能源系统需要满足3个供需平衡也就是3个等式约束条件即电平衡、热平衡、冷平衡，以及网络潮流约束；除此以外，还需要满足不等式约束条件即设备运行上下限；所述步骤3包含2个步骤，如下：
步骤3.1：等式约束
1)电平衡、热平衡、冷平衡是指设备发出的电量，热量和冷量能够满足系统的电需求、热需求和冷需求，约束条件如下：
式中：PLoad_power(t)、PLoad_heating(t)、PLoad_cooling(t)分别是t时刻的电负荷、热负荷和冷负荷需求；
2)为保证电力系统的安全稳定运行，潮流分布需满足如下条件：
式中：Pki、Qki、Rkj、Xkj分别为节点k、i间线路的有功功率、无功功率、电阻和电抗；Pil、Qil分别为节点i、k间线路的有功功率和无功功率；Pi、Qi分别为流经节点i的有功功率和无功功率；u(i)、v(i)分别为与节点i相连接的上游节点k集合和下游节点l集合；
步骤3.2：不等式约束
为提高系统设备的寿命年限，设备运行时的输出功率以及承受电压均需满足最大最小值限制：
步骤4：人工智能算法求取最佳决策变量
所提出的电核心型综合能源系统优化模型为混合整数非线性规划模型，尤其是网络潮流约束具有复杂性和强非凸性，一般的优化求解器和普通算法均无法求解，因此基于人工智能，采取遗传算法对模型进行处理求解；
所述步骤4包含4个步骤，如下：
步骤4.1：将电核心型综合能源系统进行初始化，输入提前调研设定好的系统设备参数；
步骤4.2：根据约束条件，将问题解的可行空间映射为遗传空间，故一组可行解即可编码成一个染色体，向量的每个元素称为基因；将目标函数转化为适应度函数，染色体在遗传空间的优劣程度，将由适应度函数的大小体现；
步骤4.3：通过对染色体的选择交叉变异，对遗传空间进行搜索；对生成的新染色体进行适应度评估，适应度大的一组染色体保留，不小则淘汰；
步骤4.4：通过MATLAB平台上算法的编写，设置循环迭代次数以及精度，不断断计算各染色体的适应值，选择最好的染色体，获得最优解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010293328.2A CN111523213A (zh) | 2020-04-15 | 2020-04-15 | 一种基于人工智能的电核心型综合能源系统优化供能方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010293328.2A CN111523213A (zh) | 2020-04-15 | 2020-04-15 | 一种基于人工智能的电核心型综合能源系统优化供能方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111523213A true CN111523213A (zh) | 2020-08-11 |
Family
ID=71902308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010293328.2A Pending CN111523213A (zh) | 2020-04-15 | 2020-04-15 | 一种基于人工智能的电核心型综合能源系统优化供能方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111523213A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465220A (zh) * | 2020-11-25 | 2021-03-09 | 南方电网能源发展研究院有限责任公司 | 一种基于能源技术供需侧响应模型的分析方法及系统 |
| CN112465263A (zh) * | 2020-12-11 | 2021-03-09 | 国网宁夏电力有限公司经济技术研究院 | 一种适应多场景的综合能源运行优化方法 |
| CN113806952A (zh) * | 2021-09-24 | 2021-12-17 | 沈阳工程学院 | 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915472A (zh) * | 2012-10-30 | 2013-02-06 | 南京软核科技有限公司 | 基于基因修复混沌遗传算法的配电网综合优化规划方法 |
| CN105023058A (zh) * | 2015-07-07 | 2015-11-04 | 天津大学 | 一种同时考虑开关动作的配电网智能软开关运行优化方法 |
| CN109217297A (zh) * | 2018-09-28 | 2019-01-15 | 国网浙江省电力有限公司经济技术研究院 | 交直流主动配电网日前调度二阶锥模型 |
| CN110598313A (zh) * | 2019-09-10 | 2019-12-20 | 国网河北省电力有限公司 | 计及储能全寿命周期运维的综合能源系统优化配置方法 |
| CN110994697A (zh) * | 2019-12-03 | 2020-04-10 | 国网浙江平阳县供电有限责任公司 | 含光储联合体的交直流配电网优化运行控制方法及系统 |
-
2020
- 2020-04-15 CN CN202010293328.2A patent/CN111523213A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915472A (zh) * | 2012-10-30 | 2013-02-06 | 南京软核科技有限公司 | 基于基因修复混沌遗传算法的配电网综合优化规划方法 |
| CN105023058A (zh) * | 2015-07-07 | 2015-11-04 | 天津大学 | 一种同时考虑开关动作的配电网智能软开关运行优化方法 |
| CN109217297A (zh) * | 2018-09-28 | 2019-01-15 | 国网浙江省电力有限公司经济技术研究院 | 交直流主动配电网日前调度二阶锥模型 |
| CN110598313A (zh) * | 2019-09-10 | 2019-12-20 | 国网河北省电力有限公司 | 计及储能全寿命周期运维的综合能源系统优化配置方法 |
| CN110994697A (zh) * | 2019-12-03 | 2020-04-10 | 国网浙江平阳县供电有限责任公司 | 含光储联合体的交直流配电网优化运行控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| MASOUD FARIVAR, STEVEN H. LOW: "Branch flow model: Relaxations and convexification", 2012 IEEE 51ST IEEE CONFERENCE ON DECISION AND CONTROL (CDC), pages 3672 - 3679 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465220A (zh) * | 2020-11-25 | 2021-03-09 | 南方电网能源发展研究院有限责任公司 | 一种基于能源技术供需侧响应模型的分析方法及系统 |
| CN112465263A (zh) * | 2020-12-11 | 2021-03-09 | 国网宁夏电力有限公司经济技术研究院 | 一种适应多场景的综合能源运行优化方法 |
| CN113806952A (zh) * | 2021-09-24 | 2021-12-17 | 沈阳工程学院 | 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法 |
| CN113806952B (zh) * | 2021-09-24 | 2024-02-27 | 沈阳工程学院 | 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Smart energy systems: A critical review on design and operation optimization | |
| CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
| Mansouri et al. | Energy hub design in the presence of P2G system considering the variable efficiencies of gas-fired converters | |
| CN111523213A (zh) | 一种基于人工智能的电核心型综合能源系统优化供能方法 | |
| CN110348709A (zh) | 基于氢能与储能设备的多能源系统的运行优化方法和装置 | |
| Li et al. | Bi-level optimization design strategy for compressed air energy storage of a combined cooling, heating, and power system | |
| CN109919480B (zh) | 一种三层目标的能源互联网规划方法及设备 | |
| CN111445067A (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
| CN112258021B (zh) | 用于家庭燃料电池热电联供建筑的能效评估方法及系统 | |
| CN111859683A (zh) | 基于动态能量集线器的园区综合能源系统优化配置方法 | |
| CN113850409A (zh) | 一种考虑可再生能源接入的综合能源系统优化运行方法 | |
| CN111724045A (zh) | 基于数据驱动的综合能源系统能效评价与提升方法 | |
| CN110400090B (zh) | 一种基于多目标随机优化的智能园区多能源微网配置方法 | |
| Kang et al. | Feed-forward active operation optimization for CCHP system considering thermal load forecasting | |
| Dong et al. | Hierarchical multi-objective planning for integrated energy systems in smart parks considering operational characteristics | |
| CN115455719A (zh) | 一种基于全生命周期碳成本的综合能源系统优化仿真方法 | |
| CN115859686A (zh) | 考虑扩展碳排放流的综合能源系统低碳调度方法及系统 | |
| Li et al. | Optimal design and analysis of a new CHP-HP integrated system | |
| Taheri et al. | Design and performance optimization of a tri‐generation energy hub considering demand response programs | |
| CN113886761A (zh) | 一种综合能源系统能效分析评估方法 | |
| Yang et al. | Optimal scheduling of CCHP with distributed energy resources based on water cycle algorithm | |
| Abdalla et al. | The impact of clustering strategies to site integrated community energy and harvesting systems on electrical demand and regional GHG reductions | |
| CN111463773A (zh) | 一种区域型综合能源系统能量管理优化方法和装置 | |
| CN113250772A (zh) | 基于储能的综合能源系统优化方法及其系统 | |
| Sun et al. | Efficiency and benefit evaluation of multi-energy microgrid considering multi-type heat pump |
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 |