CN111563616A - 一种综合能源系统优化方法 - Google Patents

一种综合能源系统优化方法 Download PDF

Info

Publication number
CN111563616A
CN111563616A CN202010304758.XA CN202010304758A CN111563616A CN 111563616 A CN111563616 A CN 111563616A CN 202010304758 A CN202010304758 A CN 202010304758A CN 111563616 A CN111563616 A CN 111563616A
Authority
CN
China
Prior art keywords
period
substation
heat
energy system
carbon dioxide
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
CN202010304758.XA
Other languages
English (en)
Other versions
CN111563616B (zh
Inventor
杨鑫
郭宝甫
田二胜
毛建容
王坤
王珂
杨振宇
吴迪
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.)
Hebei Xiong'an Xuji Electric Technology Co ltd
Xuji Group Co Ltd
XJ Electric Co Ltd
Xuchang XJ Software Technology Co Ltd
Original Assignee
Hebei Xiong'an Xuji Electric Technology Co ltd
Xuji Group Co Ltd
XJ Electric Co Ltd
Xuchang XJ Software Technology 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 Hebei Xiong'an Xuji Electric Technology Co ltd, Xuji Group Co Ltd, XJ Electric Co Ltd, Xuchang XJ Software Technology Co Ltd filed Critical Hebei Xiong'an Xuji Electric Technology Co ltd
Priority to CN202010304758.XA priority Critical patent/CN111563616B/zh
Publication of CN111563616A publication Critical patent/CN111563616A/zh
Application granted granted Critical
Publication of CN111563616B publication Critical patent/CN111563616B/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
    • 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
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种综合能源系统优化方法，构建综合能源系统优化模型：构建各能源子站能源转换能力约束、热量约束、电力需求约束以及启停约束；以最小化总成本和二氧化碳排放量作为目标函数；以多目标进化算法生成综合能源系统优化模型的Pareto最优解；根据所述Pareto最优解配置综合能源系统，排放二氧化碳。本发明以最小化总成本和二氧化碳排放量作为目标函数，平衡了最佳经济性的系统配置与最优的环境，从而解决二者目标函数冲突的问题。本发明在能力、热量、电气级联的约束和启停约束条件下，最小化总成本，保证了综合因素的全面性。以本发明得优化方法获得的最优解配置综合能源系统，同时满足了成本和二氧化碳排放的要求。

Description

一种综合能源系统优化方法
技术领域
本发明涉及综合能源技术领域，尤其涉及一种综合能源系统优化方法。
背景技术
综合能源系统是在智能电网的基础上，引入冷、热、气、燃料、储能等非电能源载体，多种能源综合分配、互补利用，涵盖多种能源发/输/储/用的综合性系统。
综合能源系统一方面通过实现多能源协同优化和互补提高可再生能源的利用率；另一方面通过实现能源梯级利用，提高能源的综合利用水平。然而，由于综合能源系统是一种有较多变量、特性复杂、随机性强、多时间尺度的非线性系统，其规划问题较传统能源规划问题更为复杂。
综合能源系统的规划和运行是能源供需匹配的关键问题。针对这一问题，提出了基于混合整数线性规划的优化方法。然而，由于市场条件、资源可得性等参数的不确定性，仅用单目标函数分析一个最优解不足以确定能源系统的规模。
发明内容
针对综合能源系统的优化配置问题，本发明提供一种综合能源系统优化方法，以最小化总成本和二氧化碳排放量作为目标函数，平衡了最佳经济性的系统配置与最优的环境，从而解决二者目标函数冲突的问题。
为达到上述目的，本发明提供了一种综合能源系统优化方法，包括：
构建综合能源系统优化模型：构建各能源子站能源转换能力约束、热量约束、电力需求约束以及启停约束；以最小化总成本和二氧化碳排放量作为目标函数；
以多目标进化算法生成综合能源系统优化模型的Pareto最优解；
根据所述Pareto最优解配置综合能源系统，排放二氧化碳。
进一步的，所述能力约束包括子站供应热量能力约束、子站电力生产消耗、子站热泵消耗、子站在周期t内r型燃料消耗量、子站在周期t内二氧化碳排放量、子站中电力供应以及子站的最大利用率约束。
进一步的，所述子站供应热量能力约束包括：
Figure BDA0002455345250000021
所述子站电力生产消耗包括：
Figure BDA0002455345250000022
所述子站热泵消耗包括：
Figure BDA0002455345250000023
所述子站在周期t内r型燃料消耗量包括：
Figure BDA0002455345250000024
所述子站在周期t内二氧化碳排放量包括：
Figure BDA0002455345250000025
所述子站中电力供应包括：
Figure BDA0002455345250000026
Figure BDA0002455345250000027
所述子站的最大利用率约束及其在整个周期中的情况包括：
Figure BDA0002455345250000028
Figure BDA0002455345250000029
其中，
Figure BDA00024553452500000217
为子站si的最大容量，
Figure BDA00024553452500000210
为子站si的最小容量，
Figure BDA00024553452500000211
为周期t内子站si使用r类型资源生成的热量，
Figure BDA00024553452500000212
表示周期t内子站是否存在，Nr为资源类型总数，
Figure BDA00024553452500000213
为子站si供热效率，
Figure BDA00024553452500000214
为子站si供电效率，
Figure BDA00024553452500000215
为热泵在周期t内生产的热量，
Figure BDA00024553452500000216
为电/热转换效率，dt为周期t的时间长度，
Figure BDA0002455345250000031
为r类型资源的二氧化碳税，
Figure BDA0002455345250000032
为子站si在周期t内生产的电能，
Figure BDA0002455345250000033
为全周期内子站si的个数，
Figure BDA0002455345250000034
为子站热量生产的最大容量，r为可用资源种类，
Figure BDA0002455345250000035
为热量，
Figure BDA0002455345250000036
为电量，y为二进制变量，表示是否存在。
进一步的，所述热量约束包括：
(1)热量在时间t流向用户cm，且子站si在周期t内保持热量平衡：
Figure BDA0002455345250000037
Figure BDA0002455345250000038
(2)整体热量平衡：
Figure BDA0002455345250000039
其中，
Figure BDA00024553452500000310
为周期t内子站si输出至用户cm的热量，
Figure BDA00024553452500000311
表示周期t内输出至用户cm的热量，Ns表示子站的数量，Nr资源类型总数，dt表示周期t的时间长度，
Figure BDA00024553452500000312
表示周期t内的热量损失，
Figure BDA00024553452500000313
表示周期t内子站si生产的热量，T表示周期个数，Nm表示用户的数量。
进一步的，所述电力需求约束包括：
(1)周期t内的电力平衡约束：
Figure BDA00024553452500000314
Figure BDA00024553452500000315
(2)电气级联约束：
Figure BDA00024553452500000316
Figure BDA00024553452500000317
Figure BDA00024553452500000318
其中，
Figure BDA0002455345250000041
表示客户端cm在周期t内对l质量等级电能的需求，
Figure BDA0002455345250000042
表示热泵消耗的电能，
Figure BDA0002455345250000043
表示子站si在周期t内产生的l质量等级的电能，
Figure BDA0002455345250000044
上网电量，
Figure BDA0002455345250000045
表示从电网购入电能，T表示周期个数，
Figure BDA0002455345250000046
表示l质量等级在t周期内的电能流出，
Figure BDA0002455345250000047
表示l+1质量等级在t周期内的电能流出，l表示资源类型质量等级，最高质量等级为l＝1,最低质量级别为l＝Nl，Nl表示资源类型数量，Nm表示用户的数量，Nsi表示子站的数量。
进一步的，所述启停约束包括：
Figure BDA0002455345250000048
Figure BDA0002455345250000049
其中
Figure BDA00024553452500000423
为启动变量，
Figure BDA00024553452500000410
表示周期t内能源转换装置子站si是否存在，
Figure BDA00024553452500000411
表示周期t+Δt能源转换装置si是否存在，Δt表示时间步长。
进一步的，以最小化总成本和二氧化碳排放量作为目标函数包括：
Figure BDA00024553452500000412
Figure BDA00024553452500000413
其中OPEX表示年运营成本，CAPEX表示年投资成本，TC表示年运营成本和年投资成本之和，
Figure BDA00024553452500000414
表示周期t内子站si使用r类型资源生成的热量，
Figure BDA00024553452500000415
表示周期t内子站是否存在，
Figure BDA00024553452500000416
为能源转换子站si是否存在。
进一步的，以多目标进化算法生成综合能源系统优化模型的Pareto最优解包括：
能源转换子站si是否存在
Figure BDA00024553452500000417
以及二氧化碳排放税
Figure BDA00024553452500000418
是主优化
Figure BDA00024553452500000419
的决策变量；
Figure BDA00024553452500000420
与
Figure BDA00024553452500000421
由主优化求解从而作为从优化的输入数据；最小化总成本TC是从优化中的目标函数，从优化为混合整数线性规划问题，周期t内子站si使用r类型资源生成的热量
Figure BDA00024553452500000422
是从优化的决策变量，作为主优化的输入数据；通过进化算法进行求解并得到Pareto最优解。
本发明的上述技术方案具有如下有益的技术效果：
本发明以最小化总成本和二氧化碳排放量作为目标函数，平衡了最佳经济性的系统配置与最优的环境，从而解决二者目标函数冲突的问题。本发明在能力、热量、电气级联的约束和启停约束条件下，最小化总成本，保证了综合因素的全面性。以本发明得优化方法获得的最优解配置综合能源系统，同时满足了成本和二氧化碳排放的要求。
附图说明
图1是综合能源系统优化方法的流程示意图；
图2多目标进化算法示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提供一种综合能源系统优化方法，结合图1，包括以下步骤：
S1构建综合能源系统优化模型
在综合能源系统中，转换技术用于将一次能源转换为最终能源，终端设备通常用于将最终能源转换为有用的服务。为了以最低的成本满足能源需求，可以同时使用多种转换技术。
综合能源系统的经济性优化问题是一个混合整数线性规划模型。综合能源系统的配置和运行条件是优化的主要决策变量，目标是在能力、热量和电气级联的约束下最小化总成本。
一般来说，产生最佳经济性的系统配置和运行条件与最优的环境友好性是互相矛盾的，通过多目标优化得到一个称为Pareto集的“平衡”最优解集，从而解决目标函数冲突的问题。
这里采用集中式能源站为某个区域提供能源供应，能源站用字母s和索引i表示。将一年划分为若干个周期，用索引t(t＝1,2，…，Nt)表示，从而反映功率和热量消耗的变化情况。电量用
Figure BDA0002455345250000061
表示，热量用
Figure BDA0002455345250000062
表示，资源类型用字母r表示。
S100构建各能源子站能源转换能力约束
主要指能源转换技术，与其相关的主要约束条件有：
(1)子站si供应热量能力约束
Figure BDA0002455345250000063
Figure BDA0002455345250000064
(2)子站si的电力生产和热泵hpj的消耗：
Figure BDA0002455345250000065
Figure BDA0002455345250000066
(3)子站si在周期t内r型燃料消耗量和二氧化碳排放量：
Figure BDA0002455345250000067
Figure BDA0002455345250000068
(4)子站si中电力供应：
Figure BDA0002455345250000069
Figure BDA00024553452500000610
(5)子站si在周期t中的最大利用率：
Figure BDA00024553452500000611
Figure BDA0002455345250000071
S200构建热量约束
为了计算区域综合能源系统的最优配置和运行策略，需要考虑能源需求情况。以下方程式表示热量需求约束：
(1)热量在周期t流向用户cm，且子站si在周期t内保持热量平衡：
Figure BDA0002455345250000072
Figure BDA0002455345250000073
(2)整体热量平衡：
Figure BDA0002455345250000074
S300构建电力需求约束
各用户在周期t内的用电需求来自各能量转换技术或主电网直接供电，根据不同的资源类型(用l＝1，…，Nl表示)为电力生产和消费规定了不同的质量水平，其中最高质量等级为l＝1，最低质量等级为l＝Nl。假设从电网输出或输入的电力质量等级最低，在电量冗余的情况下，也有可能将剩余电量从较高质量
Figure BDA0002455345250000075
级联到较低质量水平：
(1)周期t内的电力平衡：
Figure BDA0002455345250000076
Figure BDA0002455345250000077
(2)电气级联：
Figure BDA0002455345250000078
Figure BDA0002455345250000079
Figure BDA0002455345250000081
S400构建启停约束：
方程(17)定义了启动变量
Figure BDA0002455345250000082
当能源转换装置子站si在周期t内启动时，该值为1，否则为0。方程(18)限制能源转换装置子站si至少运行
Figure BDA0002455345250000083
小时。
Figure BDA0002455345250000084
Figure BDA0002455345250000085
S2以多目标进化算法生成综合能源系统优化模型的Pareto最优解；
(1)经济性优化
在经济性优化中，目标函数是使总成本TC以及二氧化碳排放量降至最低，总成本即年运营成本(OPEX)和投资成本(CAPEX)之和，运营成本和投资成本分别用运营成本[yuan/year]和资本支出[yuan/year]表示。
其中，年总投资成本线性化为设备容量的函数，用
Figure BDA0002455345250000086
和
Figure BDA0002455345250000087
两个参数表示；运营总成本根据各期累计燃料消耗和电力净输入计算：
minTC＝OPEX+CAPEX (19)
Figure BDA0002455345250000088
Figure BDA0002455345250000089
其中：
Figure BDA00024553452500000810
(2)多目标优化
目标为最小化年总成本和二氧化碳排放量：
Figure BDA0002455345250000091
其中：
Figure BDA0002455345250000092
(3)进化算法进行多目标优化问题求解
由于进化算法具有处理非线性和非连续目标函数的能力，因此进化算法被证明是解决复杂多目标优化问题的一种稳健方法。本发明采用基于进化算法的多目标优化方法，研究了综合能源系统配置和运行方式对CO2排放的影响。算法如图2所示。该模型被分解为主优化和从优化，其中非线性的主问题用进化算法求解。目标为最小化年总成本和二氧化碳排放量，将式(23)表示为式(25)：
Figure BDA0002455345250000093
Figure BDA0002455345250000094
二进制变量
Figure BDA0002455345250000095
(表示能源转换设备是否选择)和设备的最大可用容量
Figure BDA0002455345250000096
是主优化中的决策变量；此外，二氧化碳税
Figure BDA0002455345250000097
也被视为主优化的一个决策变量，它的定义是为了研究CO2排放在单目标函数从优化中的影响。
Figure BDA0002455345250000098
和
Figure BDA0002455345250000099
是主优化中的决策变量，也是从优化中的输入数据。
某种能源转换技术(及能源转换子站)是否选择
Figure BDA00024553452500000910
以及二氧化碳排放税
Figure BDA00024553452500000911
是主优化
Figure BDA00024553452500000912
的决策变量；从优化
Figure BDA00024553452500000913
是一个混合整数线性规划问题。
Figure BDA00024553452500000914
与
Figure BDA00024553452500000915
由主优化求解从而作为从优化的输入数据。最小化总成本TC是从优化中的目标函数，能源转换设备的容量配置及其运行状态
Figure BDA00024553452500000916
是从优化的决策变量。最后通过进化算法进行求解并得到Pareto最优解。包括二氧化碳税在内的总成本最小化是从优化的目标函数，各能量转换设备的配置和运行条件是从优化的主要决策变量。给出了由多目标进化算法生成的Pareto最优解。
S3根据所述Pareto最优解配置综合能源系统，排放二氧化碳。
该配置的综合能源系统采用多目标函数，按照最优解配置综合能源系统，解决了成本和二氧化碳排放的要求之间的矛盾，同时满足了成本和二氧化碳排放的要求。
参数的含义参见表1。
表1
Figure BDA0002455345250000101
Figure BDA0002455345250000111
综上所述，本发明涉及一种综合能源系统优化方法，构建综合能源系统优化模型：构建各能源子站能源转换能力约束、热量约束、电力需求约束以及启停约束；以最小化总成本和二氧化碳排放量作为目标函数；以多目标进化算法生成综合能源系统优化模型的Pareto最优解；根据所述Pareto最优解配置综合能源系统，排放二氧化碳。本发明以最小化总成本和二氧化碳排放量作为目标函数，平衡了最佳经济性的系统配置与最优的环境，从而解决二者目标函数冲突的问题。本发明在能力、热量、电气级联的约束和启停约束条件下，最小化总成本，保证了综合因素的全面性。以本发明得优化方法获得的最优解配置综合能源系统，同时满足了成本和二氧化碳排放的要求。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (8)

1.一种综合能源系统优化方法，其特征在于，包括：
构建综合能源系统优化模型：构建各能源子站能源转换能力约束、热量约束、电力需求约束以及启停约束；以最小化总成本和二氧化碳排放量作为目标函数；
以多目标进化算法生成综合能源系统优化模型的Pareto最优解；
根据所述Pareto最优解配置综合能源系统，排放二氧化碳。
2.根据权利要求1所述的综合能源系统优化方法，其特征在于，所述能力约束包括子站供应热量能力约束、子站电力生产消耗、子站热泵消耗、子站在周期t内r型燃料消耗量、子站在周期t内二氧化碳排放量、子站中电力供应以及子站的最大利用率约束。
3.根据权利要求2所述的综合能源系统优化方法，其特征在于，
所述子站供应热量能力约束包括：
Figure FDA0002455345240000011
所述子站电力生产消耗包括：
Figure FDA0002455345240000012
所述子站热泵消耗包括：
Figure FDA0002455345240000013
所述子站在周期t内r型燃料消耗量包括：
Figure FDA0002455345240000014
所述子站在周期t内二氧化碳排放量包括：
Figure FDA0002455345240000015
所述子站中电力供应包括：
Figure FDA0002455345240000016
Figure FDA0002455345240000017
所述子站的最大利用率约束及其在整个周期中的情况包括：
Figure FDA0002455345240000021
Figure FDA0002455345240000022
其中，
Figure FDA0002455345240000023
为子站si的最大容量，
Figure FDA0002455345240000024
为子站si的最小容量，
Figure FDA0002455345240000025
为周期t内子站si使用r类型资源生成的热量，
Figure FDA0002455345240000026
表示周期t内子站是否存在，Nr为资源类型总数，
Figure FDA0002455345240000027
为子站si供热效率，
Figure FDA0002455345240000028
为子站si供电效率，
Figure FDA0002455345240000029
为热泵在周期t内生产的热量，
Figure FDA00024553452400000210
为电/热转换效率，dt为周期t的时间长度，
Figure FDA00024553452400000211
为r类型资源的二氧化碳税，
Figure FDA00024553452400000212
为子站si在周期t内生产的电能，
Figure FDA00024553452400000213
为全周期内子站si的个数，
Figure FDA00024553452400000214
为子站热量生产的最大容量，r为可用资源种类，
Figure FDA00024553452400000215
为热量，
Figure FDA00024553452400000216
为电量，y为二进制变量，表示是否存在。
4.根据权利要求1或2所述的综合能源系统优化方法，其特征在于，所述热量约束包括：
(1)热量在时间t流向用户cm，且子站si在周期t内保持热量平衡：
Figure FDA00024553452400000217
Figure FDA00024553452400000218
(2)整体热量平衡：
Figure FDA00024553452400000219
其中，
Figure FDA00024553452400000220
为周期t内子站si输出至用户cm的热量，
Figure FDA00024553452400000221
表示周期t内输出至用户cm的热量，Ns表示子站的数量，Nr资源类型总数，dt表示周期t的时间长度，
Figure FDA00024553452400000222
表示周期t内的热量损失，
Figure FDA00024553452400000223
表示周期t内子站si生产的热量，T表示周期个数，Nm表示用户的数量。
5.根据权利要求4所述的综合能源系统优化方法，其特征在于，所述电力需求约束包括：
(1)周期t内的电力平衡约束：
Figure FDA0002455345240000031
Figure FDA0002455345240000032
(2)电气级联约束：
Figure FDA0002455345240000033
Figure FDA0002455345240000034
Figure FDA0002455345240000035
其中，
Figure FDA0002455345240000036
表示客户端cm在周期t内对l质量等级电能的需求，
Figure FDA0002455345240000037
表示热泵消耗的电能，
Figure FDA0002455345240000038
表示子站si在周期t内产生的l质量等级的电能，
Figure FDA0002455345240000039
上网电量，
Figure FDA00024553452400000310
表示从电网购入电能，T表示周期个数，
Figure FDA00024553452400000311
表示l质量等级在t周期内的电能流出，
Figure FDA00024553452400000312
表示l+1质量等级在t周期内的电能流出，l表示资源类型质量等级，最高质量等级为l＝1,最低质量级别为l＝Nl，Nl表示资源类型数量，Nm表示用户的数量，Nsi表示子站的数量。
6.根据权利要求5所述的综合能源系统优化方法，其特征在于，所述启停约束包括：
Figure FDA00024553452400000313
Figure FDA00024553452400000314
其中
Figure FDA00024553452400000317
为启动变量，
Figure FDA00024553452400000315
表示周期t内能源转换装置子站si是否存在，
Figure FDA00024553452400000316
表示周期t+Δt能源转换装置si是否存在，Δt表示时间步长。
7.根据权利要求6所述的综合能源系统优化方法，其特征在于，以最小化总成本和二氧化碳排放量作为目标函数包括：
Figure FDA0002455345240000041
Figure FDA0002455345240000042
其中OPEX表示年运营成本，CAPEX表示年投资成本，TC表示年运营成本和年投资成本之和，
Figure FDA0002455345240000043
表示周期t内子站si使用r类型资源生成的热量，
Figure FDA0002455345240000044
表示周期t内子站是否存在，
Figure FDA0002455345240000045
为能源转换子站si是否存在。
8.根据权利要求7所述的综合能源系统优化方法，其特征在于，以多目标进化算法生成综合能源系统优化模型的Pareto最优解包括：
能源转换子站si是否存在
Figure FDA0002455345240000046
以及二氧化碳排放税
Figure FDA0002455345240000047
是主优化
Figure FDA0002455345240000048
的决策变量；
Figure FDA0002455345240000049
与
Figure FDA00024553452400000410
由主优化求解从而作为从优化的输入数据；最小化总成本TC是从优化中的目标函数，从优化为混合整数线性规划问题，周期t内子站si使用r类型资源生成的热量
Figure FDA00024553452400000411
是从优化的决策变量，作为主优化的输入数据；通过进化算法进行求解并得到Pareto最优解。
CN202010304758.XA 2020-04-17 2020-04-17 一种综合能源系统优化方法 Active CN111563616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010304758.XA CN111563616B (zh) 2020-04-17 2020-04-17 一种综合能源系统优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010304758.XA CN111563616B (zh) 2020-04-17 2020-04-17 一种综合能源系统优化方法

Publications (2)

Publication Number Publication Date
CN111563616A true CN111563616A (zh) 2020-08-21
CN111563616B CN111563616B (zh) 2023-11-28

Family

ID=72071658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010304758.XA Active CN111563616B (zh) 2020-04-17 2020-04-17 一种综合能源系统优化方法

Country Status (1)

Country Link
CN (1) CN111563616B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116131A (zh) * 2020-08-25 2020-12-22 清华大学 计及碳排放的综合能源系统多层级优化方法
CN112381325A (zh) * 2020-11-27 2021-02-19 云南电网有限责任公司电力科学研究院 一种加氢站规划方法
CN117246302A (zh) * 2023-03-09 2023-12-19 长安大学 一种基于坡度信息的混合动力汽车瞬时反馈控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130245845A1 (en) * 2012-03-19 2013-09-19 Saudi Arabian Oil Company Systems and Computer Programs For Simultaneous Process and Utility Systems Synthesis in Partially and Fully Decentralized Environments
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
CN108510122A (zh) * 2018-03-30 2018-09-07 中国电建集团福建省电力勘测设计院有限公司 基于环境排放、热*利用最优双约束条件的综合能源系统优化方法
CN110110904A (zh) * 2019-04-17 2019-08-09 华北电力大学 考虑经济性、独立性和碳排放的综合能源系统优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130245845A1 (en) * 2012-03-19 2013-09-19 Saudi Arabian Oil Company Systems and Computer Programs For Simultaneous Process and Utility Systems Synthesis in Partially and Fully Decentralized Environments
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
CN108510122A (zh) * 2018-03-30 2018-09-07 中国电建集团福建省电力勘测设计院有限公司 基于环境排放、热*利用最优双约束条件的综合能源系统优化方法
CN110110904A (zh) * 2019-04-17 2019-08-09 华北电力大学 考虑经济性、独立性和碳排放的综合能源系统优化方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
BOWEN ZHOU等: ""Multi-objective optimal operation of coastal hydro-electrical energy system with seawater reverse osmosis desalination based on constrained NSGA-III"", 《ENERGY CONVERSION AND MANAGEMENT》 *
BOWEN ZHOU等: ""Multi-objective optimal operation of coastal hydro-electrical energy system with seawater reverse osmosis desalination based on constrained NSGA-III"", 《ENERGY CONVERSION AND MANAGEMENT》, vol. 207, 10 February 2020 (2020-02-10), pages 1 - 15, XP086064735, DOI: 10.1016/j.enconman.2020.112533 *
李珊: ""电力系统低碳生产多目标优化协调机理研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
李珊: ""电力系统低碳生产多目标优化协调机理研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, vol. 2013, no. 03, 15 March 2013 (2013-03-15), pages 042 - 545 *
汪涛等: "计及用户可响应负荷的区域多能源系统运行优化模型", 《电力建设》 *
汪涛等: "计及用户可响应负荷的区域多能源系统运行优化模型", 《电力建设》, vol. 39, no. 09, 1 September 2018 (2018-09-01), pages 38 - 46 *
王鲁浩等: ""多可再生能源冷热电联供微网系统环境经济优化调度"", 《控制与决策》 *
王鲁浩等: ""多可再生能源冷热电联供微网系统环境经济优化调度"", 《控制与决策》, vol. 31, no. 05, 31 May 2016 (2016-05-31), pages 913 - 917 *
谢书桥;张国方;: "基于多目标优化的CNG站点规模规划――以武汉市为例", 物流技术, vol. 37, no. 01, pages 105 - 109 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116131A (zh) * 2020-08-25 2020-12-22 清华大学 计及碳排放的综合能源系统多层级优化方法
CN112116131B (zh) * 2020-08-25 2022-08-30 清华大学 计及碳排放的综合能源系统多层级优化方法
CN112381325A (zh) * 2020-11-27 2021-02-19 云南电网有限责任公司电力科学研究院 一种加氢站规划方法
CN112381325B (zh) * 2020-11-27 2023-11-21 云南电网有限责任公司电力科学研究院 一种加氢站规划方法
CN117246302A (zh) * 2023-03-09 2023-12-19 长安大学 一种基于坡度信息的混合动力汽车瞬时反馈控制方法
CN117246302B (zh) * 2023-03-09 2024-03-12 长安大学 一种基于坡度信息的混合动力汽车瞬时反馈控制方法

Also Published As

Publication number Publication date
CN111563616B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
Jiang et al. Research on wind power accommodation for an electricity-heat-gas integrated microgrid system with power-to-gas
CN111563616A (zh) 一种综合能源系统优化方法
Nosratabadi et al. Simultaneous planning of energy carriers by employing efficient storages within main and auxiliary energy hubs via a comprehensive MILP modeling in distribution network
CN106684915A (zh) 一种风氢耦合发电系统的优化方法及装置
Lu et al. Optimal operation scheduling of household energy hub: A multi-objective optimization model considering integrated demand response
CN106529737A (zh) 一种配电网供给侧调峰电源规划布局方法
Ren et al. A novel planning method for design and dispatch of hybrid energy systems
CN107609779A (zh) 一种分布式能源管理系统的综合效益评估方法
Qin et al. Robust optimal dispatching of integrated electricity and gas system considering refined power-to-gas model under the dual carbon target
CN109685287A (zh) 增量配电网电源容量多目标优化配置方法
Cai et al. Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response
Wang et al. Coordinated operation strategy for hydrogen energy storage in the incremental distribution network
Liu et al. Key technologies and developments of multi-energy system: Three-layer framework, modelling and optimisation
CN112446552B (zh) 一种生物质气化冷热电联供系统的多目标优化方法
CN112182915A (zh) 一种协同促进风电消纳的优化调度方法及系统
CN115906456A (zh) 考虑需求侧响应不确定性的含氢储能ies调度优化模型
Weishang et al. Study on optimal model of micro-energy network operation configuration considering flexible load characteristics
CN113675843A (zh) 含高渗透率光伏cchp微电网的主动配电网控制方法
Chang et al. Multi-objective optimal source–load interaction scheduling of combined heat and power microgrid considering stable supply and demand
Fan Multiobjective Optimal Dispatching Method of Generalized Power Active Distribution Network Based on Game Theory
Guo et al. Optimal configuration of multi-energy storage for load aggregators considering user behavior
CN109670734A (zh) 基于协同归一化的电力系统经济排放调度方法
Li et al. Optimization Operation of the Park-Level Integrated Energy System Based on the Improved Coyote Optimization Algorithm
Liu et al. Benefit allocation of electricity–gas–heat–hydrogen integrated energy system based on Shapley value
Chen et al. Cooperative Operation Method of Multi-micro-grids Power-Sharing Based on Nash Bargaining

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