CN112200348B - 一种计及综合需求响应的区域综合能源系统多目标运行决策方法 - Google Patents
一种计及综合需求响应的区域综合能源系统多目标运行决策方法 Download PDFInfo
- Publication number
- CN112200348B CN112200348B CN202010951438.3A CN202010951438A CN112200348B CN 112200348 B CN112200348 B CN 112200348B CN 202010951438 A CN202010951438 A CN 202010951438A CN 112200348 B CN112200348 B CN 112200348B
- Authority
- CN
- China
- Prior art keywords
- demand response
- constraint
- coal
- energy system
- chp
- 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.)
- Active
Links
- 230000004044 response Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 239000013256 coordination polymer Substances 0.000 claims description 35
- 239000000446 fuel Substances 0.000 claims description 27
- 239000003245 coal Substances 0.000 claims description 25
- 239000007789 gas Substances 0.000 claims description 25
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 24
- YQHLDYVWEZKEOX-UHFFFAOYSA-N cumene hydroperoxide Chemical compound OOC(C)(C)C1=CC=CC=C1 YQHLDYVWEZKEOX-UHFFFAOYSA-N 0.000 claims description 17
- 238000010438 heat treatment Methods 0.000 claims description 14
- 239000003345 natural gas Substances 0.000 claims description 12
- 230000005284 excitation Effects 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000020169 heat generation Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012887 quadratic function Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003034 coal gas Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012163 sequencing technique 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于能源与环境技术领域,主要涉及计及综合需求响应的区域综合能源系统多目标运行决策方法。包括如下步骤:S1:综合需求响应建模;S2:区域综合能源系统经济性建模;S3:区域综合能源系统能效建模;S4:区域综合能源系统优化目标与约束建模;S5:区域综合能源系统多目标运行方案求解;S6:区域综合能源系统运行方案决策。采用上述步骤的求解方法提高了多种目标下区域综合能源系统优化运行方案的求解效率。用综合需求响应,有效扩展了帕累托最优解集,并提高区域综合能源系统运行方案的经济性和能效。其提出的区域综合能源运行方案决策方法,可以从帕累托最优解集中找出考虑区域综合能源系统决策者倾向性目标的最佳运行方案。
Description
技术领域
本发明属于能源与环境技术领域,主要涉及计及综合需求响应的区域综合能源系统多目标运行决策方法。
背景技术
随着工业的发展和居民生活对于能源的不断增长,能源消耗不断增加,环境问题也日益突出。区域综合能源系统(Regional Integrated Energy System,RIES)可以通过多种能源间的互补耦合可以有效提升系统整体能源利用效率和运行经济性。一方面,区域综合能源系统通过多种供能设备的耦合,为能源系统的优化协同优化提供可能性。另一方面,多种能源参与下的综合需求响应为区域综合能源系统提供了更多的调控手段和空间。因而,本专利重在提出一种计及综合需求响应的区域综合能源系统多目标运行决策方法。因此,本专利将能源技术效率和经济效益作为多目标,对区域综合能源系统进行运行优化与分析,为区域级综合能源系统优化运行提供科学依据。
发明内容
本发明的目的在于提出计及综合需求响应的区域综合能源系统多目标运行决策方法,提出区域综合能源系统多目标优化运行优化的目标函数、约束条件以及求解方法,提出区域综合能源系统运行方案决策方法。
本发明采取的技术方案是:
一种计及综合需求响应的区域综合能源系统多目标运行决策方法,其特征在于:包括如下步骤:
S1:综合需求响应建模;
S2:区域综合能源系统经济性建模;
S3:区域综合能源系统能效建模;
S4:区域综合能源系统优化目标与约束建模;
S5:区域综合能源系统多目标运行方案求解;
S6:区域综合能源系统运行方案决策。
进一步的,所述步骤S1中,综合需求响应指用户参与上级能源网络的负荷调节,包括电力需求响应和热力需求响应,该电力需求响应和热力需求响应均采用激励型响应模型,包括如下步骤:
S11:构建激励型电力需求响应模型,其模型在数学上为二次函数,如下式所示:
式中:CDR,i(t)表示第i个激励型需求响应用户在第t时段的需求响应成本;PDR,i(t)表示第i个激励型需求响应用户在第t时段的需求响应削减功率;ɑDR,i表示第i个激励型需求响应用户补偿金额的二次项系数;bDR,i表示第i个激励型需求响应用户补偿金额的一次项系数;其中:PDR,i,max(t)、PDR,i,min(t)分别表示第i个用户在第t时段需求响应能力上下限,PDR,i,min(t)一般取0;
S12:构建激励型热力需求响应模型,其模型在数学上亦为二次函数,如下式所示;
式中:CHR,i(t)表示第i个激励型热力需求响应用户在第t时段的需求响应成本;QHR,i(t)表示第i个激励型热力需求响应用户在第t时段的需求响应削减供热量;ɑHR,i表示第i个激励型热力需求响应用户补偿金额的二次项系数;bHR,i表示第i个激励型热力需求响应用户补偿金额的一次项系数;其中:QHR,i,max(t)、QHR,i,min(t)分别表示第i个用户在第t时段热力需求响应能力上下限,PDR,i,min(t)一般取0。
进一步的,所述步骤S2中,首先需设置运行决策时间,并制定相应的周期和步长,之后,基于典型区域综合能源系统建立区域综合能源系统经济性模型,如下式所示:
式中:f1为系统总运行成本;CCP(t)表示第t时段燃煤火电机组的运行成本;CCB(t)表示第t时段燃煤供热锅炉的运行成本;CCHP(t)表示第t时段燃气热电联产机组的运行成本;ccoal和cgas分别表示标准煤和天然气的单价;FCHP(t)表示在第t时段燃气热电联产机组的天然气消耗量;FCP(t)表示在第t时段燃煤火电机组的标准煤消耗量;FCB(t)表示在第t时段燃煤供热锅炉的标准煤消耗量;
FCHP(t)的计算方式如下式所示:
式中:FCHP(t)表示在第t时段燃气热电联产机组的天然气消耗量;PCHP(t)、QCHP(t)分别表示在第t时段燃气热电联产机组的供电功率、供热功率;ɑCHP,P、ɑCHP,H分别表示其燃料消耗特性中发电和发热功率的二次项系数;bCHP,P、bCHP,H分别表示其燃料消耗特性发电和发热功率的线性系数;cCHP,P、cCHP,H表示其燃料消耗特性的常数项;
FCP(t)的计算方式如下式所示:
式中:FCP(t)表示在第t时段燃煤火电机组的标准煤消耗量,PCP(t)表示在第t时段燃煤火电机组的发电功率,aCP表示其燃料消耗特性的二次项系数,bCP表示其燃料消耗特性的线性系数,cCP表示其燃料消耗特性的常数项;
FCB(t)的计算方式如下式所示:
式中:FCB(t)表示在第t时段燃煤供热锅炉的标准煤消耗量,QCB(t)表示在第t时段燃煤供热锅炉的供热功率,aCB表示其燃料消耗特性的二次项系数,bCB表示其燃料消耗特性的线性系数,cCB表示其燃料消耗特性的常数项。
进一步的,所述步骤S3中,所用模型为区域综合能源系统的总二次能源供给量与总一次能源消耗量的比值,如下式所示:
式中:T表示计算步长,在本专利模型中其值取1h;kgc表示天然气按照热值转换到标准煤的系数;qcoal表示标准煤的热值。
进一步的,所述步骤S4中,首先,需建立区域综合能源系统运行的目标函数模型,该区域综合能源系统运行包含经济性和能效两个目标,其优化的目标函数如下式所示:
min{f1,-f2}
之后,即可建立区域综合能源系统的运行约束模型,包括如下步骤:
S41:建立供能机组出力上下限约束模型;
式中:PCP,min、QCB,min、PCHP,min、QCHP,min分别表示燃煤火电机组供电功率、燃煤供热锅炉供热功率、燃气热电联产机组供电、供热功率下限,PCP,max、QCB,max、PCHP,max、QCHP,max分别表示燃煤火电机组供电功率、燃煤供热锅炉供热功率、燃气热电联产机组供电、供热功率上限;
S42:建立用户激励型需求响应上下限约束;
S43:建立供能机组爬坡速率约束模型;
式中:νCP,min、νCB,min、νCHP,P,min、νCHP,Q,min分别表示燃煤火电机组、燃煤供热锅炉、燃气热电联产机组电功率和热功率降功率限值,νCP,max、νCB,max、νCHP,P,max、νCHP,Q,max分别表示燃煤火电机组、燃煤供热锅炉、燃气热电联产机组电功率和热功率升功率速率限值;
S44:建立供需平衡约束模型;
在运行周期内的每个时刻,均应满足每个用户的电力以及热力负荷供需平衡,负荷平衡约束,如下式所示:
式中:Pload(t)和Qload(t)表示系统在t时段预测电负荷与预测热负荷;
S45:建立系统安全备用约束模型,如下式所示:
式中:PG,max表示系统供电机组最大出力,kr表示系统备用容量系数。
进一步的,所述步骤S5中,基于精英策略的非支配排序的遗传算法进行改进,包括如下步骤:
S51:多目标优化模型的等式约束和不等式约束如下式所示:
式中:x表示各个优化变量组成的解矩阵,J、K分别表示量种形式约束条件的数量;
S52:定义约束违反值来定量描述某个解违反约束条件的程度;
S53:采用带约束的支配关系改变非支配排序方式;支配关系由个体约束违反值来决定,约束违反值小的个体支配约束违反值大的个体;如果个体的约束违反值相等,再通过原始的支配关系对其进行判定;通过带约束的支配关系先考虑约束违反值再考虑目标函数情况可以保证更接近满足约束条件的个体优先保留,从而保证最终的迭代结果是可行解;
S54:基于传统NSGA-II方法,应用本专利提出的改进方法,可以求解区域综合能源系统运行优化问题,获得兼顾经济性和能效的帕累托最优解集。
进一步的,所述步骤S52中,以解矩阵x为例,该解的约束违反值表示方式如下:
式中:<gj(x)>表示若gj(x)<0或gj(x)=0则其值为0,若gj(x)>0则其值为其本身;若某个解的约束违反值为0,则该解完全满足约束条件,为可行解;若某个解的约束违反值大于0,则该解为不可行解,CV(x)的值越大说明该解越不满足约束条件。
进一步的,所述步骤S6中,包括如下步骤:
S61:对S5所得到的帕累托最优解集合{(f1,1,—f2,1),(f1,2,—f2,2),…,(f1,N,—f2,N)}的两个目标(f1和—f2)的数值分别进行归一化,分别归一化到[0,1]的区间,得到{(f’1,1,f’2,1),(f’1,2,f’2,2),…,(f’1,N,f’2,N)};
S62:据区域综合能源系统决策者对于经济性和能效两个目标的倾向性,对两个目标设定权重,分别为ɑf1和ɑf2;
S63:应用如下公示计算帕累托最优解集合中每一组解的综合指标;
S64:对序列f’n进行排序,选取数值最小f’n所对应的解作为区域综合能源系统多目标运行决策方案。
本发明的优点和积极效果是:
1、本发明中,应用的步骤S1-S6中,所提目标函数涉及区域综合能源系统能效模型、经济性模型;所提约束条件包括供能机组出力上下限约束,用户激励型需求响应上下限约束,供能机组爬坡速率约束,供需平衡约束,系统安全备用约束等模型;所用求解方法采用改进的带精英策略的非支配排序的遗传算法;所提区域综合能源系统运行方案决策方法,应用帕累托最优解集的归一化,目标权重设置、解元素的综合指标计算和排序以及最适运行方案决策等方法。上述方法整合提供了一种计及综合需求响应的区域综合能源系统多目标运行决策方法。
2、本发明中,基于区域综合能源系统经济性和能效模型,通过本专利提出的区域综合能源系统优化运行建模和求解方法,在求解过程中由于区域综合能源系统多目标优化调度模型的约束条件数量较多,以附图1所述的区域综合能源系统为例,由于是次日24点时序优化,所以其优化模型等式约束为48个,不等式约束多达236个,导致优化算法的收敛速度非常慢,且产生大量的不可行解。因此,基于精英策略的非支配排序的遗传算法进行优化,提高了多种目标下区域综合能源系统优化运行方案的求解效率。
3、本发明中,利用综合需求响应,有效扩展了帕累托最优解集,并提高区域综合能源系统运行方案的经济性和能效。另外,其提出的区域综合能源运行方案决策方法,可以从帕累托最优解集中找出考虑区域综合能源系统决策者倾向性目标的最佳运行方案。
附图说明
图1为计及综合需求响应的区域综合能源系统多目标运行决策的流程图;
图2为区域综合能源系统典型结构图。
具体实施方式
下面结合实施例,对本发明进一步说明,下述实施例是说明性的,不是限定性的,不能以下述实施例来限定本发明的保护范围。
一种计及综合需求响应的区域综合能源系统多目标运行决策方法,本发明的创新在于,包括如下步骤:
S1:综合需求响应建模
综合需求响应(Integrated Demand Response,IDR)指用户参与上级能源网络的负荷调节,本发明中包括电力需求响应和热力需求响应,均采用激励型响应模型。
首先,构建激励型电力需求响应模型,其模型在数学上为二次函数,如下式所示。
式中:CDR,i(t)表示第i个激励型需求响应用户在第t时段的需求响应成本;PDR,i(t)表示第i个激励型需求响应用户在第t时段的需求响应削减功率;ɑDR,i表示第i个激励型需求响应用户补偿金额的二次项系数;bDR,i表示第i个激励型需求响应用户补偿金额的一次项系数。其中:PDR,i,max(t)、PDR,i,min(t)分别表示第i个用户在第t时段需求响应能力上下限,PDR,i,min(t)一般取0。
其次,构建激励型热力需求响应模型,其模型在数学上亦为二次函数,如下式所示。
式中:CHR,i(t)表示第i个激励型热力需求响应用户在第t时段的需求响应成本;QHR,i(t)表示第i个激励型热力需求响应用户在第t时段的需求响应削减供热量;ɑHR,i表示第i个激励型热力需求响应用户补偿金额的二次项系数;bHR,i表示第i个激励型热力需求响应用户补偿金额的一次项系数。其中:QHR,i,max(t)、QHR,i,min(t)分别表示第i个用户在第t时段热力需求响应能力上下限,PDR,i,min(t)一般取0。
S2:区域综合能源系统经济性建模
典型区域综合能源系统如附图2所示,运行决策时间为日前,以24小时为周期、以1小时为步长。基于典型区域综合能源系统建立区域综合能源系统经济性模型,如下式所示。
式中:f1为系统总运行成本;CCP(t)表示第t时段燃煤火电机组的运行成本;CCB(t)表示第t时段燃煤供热锅炉的运行成本;CCHP(t)表示第t时段燃气热电联产机组的运行成本;ccoal和cgas分别表示标准煤和天然气的单价。FCHP(t)表示在第t时段燃气热电联产机组的天然气消耗量;FCP(t)表示在第t时段燃煤火电机组的标准煤消耗量;FCB(t)表示在第t时段燃煤供热锅炉的标准煤消耗量,三者计算方式分别如公示(4)-(6)所示。
式中:FCHP(t)表示在第t时段燃气热电联产机组的天然气消耗量;PCHP(t)、QCHP(t)分别表示在第t时段燃气热电联产机组的供电功率、供热功率;ɑCHP,P、ɑCHP,H分别表示其燃料消耗特性中发电和发热功率的二次项系数;bCHP,P、bCHP,H分别表示其燃料消耗特性发电和发热功率的线性系数;cCHP,P、cCHP,H表示其燃料消耗特性的常数项。
式中:FCP(t)表示在第t时段燃煤火电机组的标准煤消耗量,PCP(t)表示在第t时段燃煤火电机组的发电功率,aCP表示其燃料消耗特性的二次项系数,bCP表示其燃料消耗特性的线性系数,cCP表示其燃料消耗特性的常数项。
式中:FCB(t)表示在第t时段燃煤供热锅炉的标准煤消耗量,QCB(t)表示在第t时段燃煤供热锅炉的供热功率,aCB表示其燃料消耗特性的二次项系数,bCB表示其燃料消耗特性的线性系数,cCB表示其燃料消耗特性的常数项。
S3:区域综合能源系统能效建模
能效模型为区域综合能源系统的总二次能源供给量与总一次能源消耗量的比值,如下式所示。
式中:T表示计算步长,在本专利模型中其值取1h;kgc表示天然气按照热值转换到标准煤的系数;qcoal表示标准煤的热值。
S4:区域综合能源系统优化目标与约束建模
首先,建立区域综合能源系统运行的目标函数模型。区域综合能源系统运行优化包含经济性和能效两个目标。区域综合能源系统多目标运行优化的目标函数如下式所示。
min{f1,-f2} (8)
其次,建立区域综合能源系统的运行约束模型。
第一,建立供能机组出力上下限约束模型。
式中:PCP,min、QCB,min、PCHP,min、QCHP,min分别表示燃煤火电机组供电功率、燃煤供热锅炉供热功率、燃气热电联产机组供电、供热功率下限,PCP,max、QCB,max、PCHP,max、QCHP,max分别表示燃煤火电机组供电功率、燃煤供热锅炉供热功率、燃气热电联产机组供电、供热功率上限。
第二,建立用户激励型需求响应上下限约束。
第三,建立供能机组爬坡速率约束模型。
式中:νCP,min、νCB,min、νCHP,P,min、νCHP,Q,min分别表示燃煤火电机组、燃煤供热锅炉、燃气热电联产机组电功率和热功率降功率限值,νCP,max、νCB,max、νCHP,P,max、νCHP,Q,max分别表示燃煤火电机组、燃煤供热锅炉、燃气热电联产机组电功率和热功率升功率速率限值。
第四,建立供需平衡约束模型。在运行周期内的每个时刻,均应满足每个用户的电力以及热力负荷供需平衡,负荷平衡约束如下式所示。
式中:Pload(t)和Qload(t)表示系统在t时段预测电负荷与预测热负荷。
最后,建立系统安全备用约束模型。
式中:PG,max表示系统供电机组最大出力,kr表示系统备用容量系数。
S5:区域综合能源系统多目标运行方案求解
本专利所建立的优化模型在数学求解上属于多目标优化问题,该类问题通常带精英策略的非支配排序的遗传算法(NSGA-Ⅱ)的多目标优化求解算法,其引入精英策略,具有较好鲁棒性。但是,区域综合能源系统多目标优化调度模型的约束条件数量较多,以附图1所示的区域综合能源系统为例,由于是次日24点时序优化,所以其优化模型等式约束为48个,不等式约束多达236个,导致优化算法的收敛速度非常慢,且产生大量的不可行解。因此本专利提出了改进的NSGA-II方法,以求解区域综合能源多目标优化模型。传统NSAG-II方法本专利将不再赘述,重点介绍其改进思路。
首先,定义约束违反值来定量描述解对约束的违反程度,即其与可行解的差距。多目标优化模型的等式约束和不等式约束可以表示为如下:
式中:x表示各个优化变量组成的解矩阵,J、K分别表示量种形式约束条件的数量。
其次,定义约束违反值来定量描述某个解违反约束条件的程度。以解矩阵x为例,该解的约束违反值表示方式如下:
式中:<gj(x)>表示若gj(x)<0或gj(x)=0则其值为0,若gj(x)>0则其值为其本身。若某个解的约束违反值为0,则该解完全满足约束条件,为可行解;若某个解的约束违反值大于0,则该解为不可行解,CV(x)的值越大说明该解越不满足约束条件。
再次,采用带约束的支配关系,从而改变非支配排序方式。支配关系由个体约束违反值来决定,约束违反值小的个体支配约束违反值大的个体。如果个体的约束违反值相等,再通过原始的支配关系对其进行判定。通过带约束的支配关系先考虑约束违反值再考虑目标函数情况可以保证更接近满足约束条件的个体优先保留,从而保证最终的迭代结果是可行解。
最后,基于传统NSGA-II方法,应用本专利提出的改进方法,可以求解区域综合能源系统运行优化问题,获得兼顾经济性和能效的帕累托最优解集。
S6:区域综合能源系统运行方案决策
首先,对S5所得到的帕累托最优解集合{(f1,1,—f2,1),(f1,2,—f2,2),…,(f1,N,—f2,N)}的两个目标(f1和—f2)的数值分别进行归一化,分别归一化到[0,1]的区间,得到{(f’1,1,f’2,1),(f’1,2,f’2,2),…,(f’1,N,f’2,N)}。
其次,依据区域综合能源系统决策者对于经济性和能效两个目标的倾向性,对两个目标设定权重,分别为ɑf1和ɑf2。
再次,应用如下公示计算帕累托最优解集合中每一组解的综合指标。
最后,对序列f’n进行排序,选取数值最小f’n所对应的解作为区域综合能源系统多目标运行决策方案。
本发明中,基于区域综合能源系统经济性和能效模型,通过本专利提出的区域综合能源系统优化运行建模和求解方法,在求解过程中由于区域综合能源系统多目标优化调度模型的约束条件数量较多,以附图1所述的区域综合能源系统为例,由于是次日24点时序优化,所以其优化模型等式约束为48个,不等式约束多达236个,导致优化算法的收敛速度非常慢,且产生大量的不可行解。因此,基于精英策略的非支配排序的遗传算法进行优化,提高了多种目标下区域综合能源系统优化运行方案的求解效率。
本发明中,利用综合需求响应,有效扩展了帕累托最优解集,并提高区域综合能源系统运行方案的经济性和能效。另外,其提出的区域综合能源运行方案决策方法,可以从帕累托最优解集中找出考虑区域综合能源系统决策者倾向性目标的最佳运行方案。
Claims (1)
1.一种计及综合需求响应的区域综合能源系统多目标运行决策方法,其特征在于:包括如下步骤:
S1:综合需求响应建模;
所述步骤S1中,综合需求响应指用户参与上级能源网络的负荷调节,包括电力需求响应和热力需求响应,该电力需求响应和热力需求响应均采用激励型响应模型,包括如下步骤:
S11:构建激励型电力需求响应模型,其模型在数学上为二次函数,如下式所示:
式中:CDR,i(t)表示第i个激励型需求响应用户在第t时段的需求响应成本;PDR,i(t)表示第i个激励型需求响应用户在第t时段的需求响应削减功率;ɑDR,i表示第i个激励型需求响应用户补偿金额的二次项系数;bDR,i表示第i个激励型需求响应用户补偿金额的一次项系数;其中:PDR,i,max(t)、PDR,i,min(t)分别表示第i个用户在第t时段需求响应能力上下限,PDR,i,min(t)一般取0;
S12:构建激励型热力需求响应模型,其模型在数学上亦为二次函数,如下式所示;
式中:CHR,i(t)表示第i个激励型热力需求响应用户在第t时段的需求响应成本;QHR,i(t)表示第i个激励型热力需求响应用户在第t时段的需求响应削减供热量;ɑHR,i表示第i个激励型热力需求响应用户补偿金额的二次项系数;bHR,i表示第i个激励型热力需求响应用户补偿金额的一次项系数;其中:QHR,i,max(t)、QHR,i,min(t)分别表示第i个用户在第t时段热力需求响应能力上下限,PDR,i,min(t)一般取0;
S2:区域综合能源系统经济性建模;
S3:区域综合能源系统能效建模;
S4:区域综合能源系统优化目标与约束建模;
S5:区域综合能源系统多目标运行方案求解;
S6:区域综合能源系统运行方案决策;
所述步骤S2中,首先需设置运行决策时间,并制定相应的周期和步长,之后,基于典型区域综合能源系统建立区域综合能源系统经济性模型,如下式所示:
式中:f1为系统总运行成本;CCP(t)表示第t时段燃煤火电机组的运行成本;CCB(t)表示第t时段燃煤供热锅炉的运行成本;CCHP(t)表示第t时段燃气热电联产机组的运行成本;ccoal和cgas分别表示标准煤和天然气的单价;FCHP(t)表示在第t时段燃气热电联产机组的天然气消耗量;FCP(t)表示在第t时段燃煤火电机组的标准煤消耗量;FCB(t)表示在第t时段燃煤供热锅炉的标准煤消耗量;
FCHP(t)的计算方式如下式所示:
式中:FCHP(t)表示在第t时段燃气热电联产机组的天然气消耗量;PCHP(t)、QCHP(t)分别表示在第t时段燃气热电联产机组的供电功率、供热功率;ɑCHP,P、ɑCHP,H分别表示其燃料消耗特性中发电和发热功率的二次项系数;bCHP,P、bCHP,H分别表示其燃料消耗特性发电和发热功率的线性系数;cCHP,P、cCHP,H表示其燃料消耗特性的常数项;
FCP(t)的计算方式如下式所示:
式中:FCP(t)表示在第t时段燃煤火电机组的标准煤消耗量,PCP(t)表示在第t时段燃煤火电机组的发电功率,aCP表示其燃料消耗特性的二次项系数,bCP表示其燃料消耗特性的线性系数,cCP表示其燃料消耗特性的常数项;
FCB(t)的计算方式如下式所示:
式中:FCB(t)表示在第t时段燃煤供热锅炉的标准煤消耗量,QCB(t)表示在第t时段燃煤供热锅炉的供热功率,aCB表示其燃料消耗特性的二次项系数,bCB表示其燃料消耗特性的线性系数,cCB表示其燃料消耗特性的常数项;
所述步骤S3中,所用模型为区域综合能源系统的总二次能源供给量与总一次能源消耗量的比值,如下式所示:
式中:T表示计算步长,在本专利模型中其值取1h;kgc表示天然气按照热值转换到标准煤的系数;qcoal表示标准煤的热值;
所述步骤S4中,首先,需建立区域综合能源系统运行的目标函数模型,该区域综合能源系统运行包含经济性和能效两个目标,其优化的目标函数如下式所示:
min{f1,-f2}
之后,即可建立区域综合能源系统的运行约束模型,包括如下步骤:
S41:建立供能机组出力上下限约束模型;
式中:PCP,min、QCB,min、PCHP,min、QCHP,min分别表示燃煤火电机组供电功率、燃煤供热锅炉供热功率、燃气热电联产机组供电、供热功率下限,PCP,max、QCB,max、PCHP,max、QCHP,max分别表示燃煤火电机组供电功率、燃煤供热锅炉供热功率、燃气热电联产机组供电、供热功率上限;
S42:建立用户激励型需求响应上下限约束;
S43:建立供能机组爬坡速率约束模型;
式中:νCP,min、νCB,min、νCHP,P,min、νCHP,Q,min分别表示燃煤火电机组、燃煤供热锅炉、燃气热电联产机组电功率和热功率降功率限值,νCP,max、νCB,max、νCHP,P,max、νCHP,Q,max分别表示燃煤火电机组、燃煤供热锅炉、燃气热电联产机组电功率和热功率升功率速率限值;
S44:建立供需平衡约束模型;
在运行周期内的每个时刻,均应满足每个用户的电力以及热力负荷供需平衡,负荷平衡约束,如下式所示:
式中:Pload(t)和Qload(t)表示系统在t时段预测电负荷与预测热负荷;
S45:建立系统安全备用约束模型,如下式所示:
式中:PG,max表示系统供电机组最大出力,kr表示系统备用容量系数;
所述步骤S5中,基于精英策略的非支配排序的遗传算法进行改进,包括如下步骤:
S51:多目标优化模型的等式约束和不等式约束如下式所示:
式中:x表示各个优化变量组成的解矩阵,J、K分别表示量种形式约束条件的数量;
S52:定义约束违反值来定量描述某个解违反约束条件的程度;
S53:采用带约束的支配关系改变非支配排序方式;支配关系由个体约束违反值来决定,约束违反值小的个体支配约束违反值大的个体;如果个体的约束违反值相等,再通过原始的支配关系对其进行判定;通过带约束的支配关系先考虑约束违反值再考虑目标函数情况可以保证更接近满足约束条件的个体优先保留,从而保证最终的迭代结果是可行解;
S54:基于传统NSGA-II方法,应用本专利提出的改进方法,可以求解区域综合能源系统运行优化问题,获得兼顾经济性和能效的帕累托最优解集;
所述步骤S52中,以解矩阵x为例,该解的约束违反值表示方式如下:
式中:<gj(x)>表示若gj(x)<0或gj(x)=0则其值为0,若gj(x)>0则其值为其本身;若某个解的约束违反值为0,则该解完全满足约束条件,为可行解;若某个解的约束违反值大于0,则该解为不可行解,CV(x)的值越大说明该解越不满足约束条件;
所述步骤S6中,包括如下步骤:
S61:对S5所得到的帕累托最优解集合{(f1,1,—f2,1),(f1,2,—f2,2),…,(f1,N,—f2,N)}的两个目标(f1和—f2)的数值分别进行归一化,分别归一化到[0,1]的区间,得到{(f’1,1,f’2,1),(f’1,2,f’2,2),…,(f’1,N,f’2,N)};
S62:据区域综合能源系统决策者对于经济性和能效两个目标的倾向性,对两个目标设定权重,分别为ɑf1和ɑf2;
S63:应用如下公示计算帕累托最优解集合中每一组解的综合指标;
S64:对序列f’n进行排序,选取数值最小f’n所对应的解作为区域综合能源系统多目标运行决策方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010951438.3A CN112200348B (zh) | 2020-09-11 | 2020-09-11 | 一种计及综合需求响应的区域综合能源系统多目标运行决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010951438.3A CN112200348B (zh) | 2020-09-11 | 2020-09-11 | 一种计及综合需求响应的区域综合能源系统多目标运行决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112200348A CN112200348A (zh) | 2021-01-08 |
CN112200348B true CN112200348B (zh) | 2023-03-03 |
Family
ID=74014726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010951438.3A Active CN112200348B (zh) | 2020-09-11 | 2020-09-11 | 一种计及综合需求响应的区域综合能源系统多目标运行决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200348B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112837181B (zh) * | 2021-02-23 | 2022-10-04 | 国网山东省电力公司经济技术研究院 | 计及需求响应不确定性的综合能源系统的调度方法 |
CN113159380B (zh) * | 2021-03-18 | 2023-04-07 | 国网山东综合能源服务有限公司 | 一种计及需求响应的综合能源系统运行优化方法 |
CN113297725B (zh) * | 2021-04-28 | 2022-08-09 | 浙江大学 | 一种基于改进ewm法的区域综合能源系统能效评估方法 |
CN113947236B (zh) * | 2021-09-06 | 2022-11-08 | 阿里云计算有限公司 | 综合能源调度方法、计算设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109713723A (zh) * | 2019-02-13 | 2019-05-03 | 广东工业大学 | 一种区域综合能源系统运行优化方法 |
CN110910272A (zh) * | 2019-10-28 | 2020-03-24 | 国网天津市电力公司 | 一种城市综合能源系统多目标优化方法 |
CN110956266A (zh) * | 2019-06-06 | 2020-04-03 | 国网辽宁省电力有限公司 | 基于层次分析法的多电源电力系统多目标优化调度方法 |
-
2020
- 2020-09-11 CN CN202010951438.3A patent/CN112200348B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109713723A (zh) * | 2019-02-13 | 2019-05-03 | 广东工业大学 | 一种区域综合能源系统运行优化方法 |
CN110956266A (zh) * | 2019-06-06 | 2020-04-03 | 国网辽宁省电力有限公司 | 基于层次分析法的多电源电力系统多目标优化调度方法 |
CN110910272A (zh) * | 2019-10-28 | 2020-03-24 | 国网天津市电力公司 | 一种城市综合能源系统多目标优化方法 |
Non-Patent Citations (1)
Title |
---|
NSGA2遗传算法改进研究及其在微电网配置中的应用;李海珍;《信息科技辑》;20180315;第I140-75页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112200348A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112200348B (zh) | 一种计及综合需求响应的区域综合能源系统多目标运行决策方法 | |
CN110889549B (zh) | 考虑人体舒适度的综合能源系统多目标优化调度方法 | |
CN110378058A (zh) | 一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法 | |
CN113592648A (zh) | 一种综合能源系统的多主体交易方法及系统 | |
CN112068436B (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
CN110247392B (zh) | 计及风电备用能力与需求侧响应的多备用资源鲁棒优化方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN114648165A (zh) | 一种基于多智能体博弈的多热源供热系统优化调度方法 | |
CN116663820A (zh) | 一种需求响应下的综合能源系统能量管理方法 | |
CN113644652B (zh) | 一种基于用户不确定性行为的负荷调控优化系统 | |
CN112434861A (zh) | 计及热力管网反馈调节的电热协调优化调度方法及装置 | |
CN115186902A (zh) | 温室综合能源系统的调控方法、装置、终端及存储介质 | |
CN107392366A (zh) | 计及用户行为分析的综合能源系统供需双侧综合优化方法 | |
CN112311019A (zh) | 多智能体系统及其能源路由策略 | |
CN115310797A (zh) | 一种园区综合能源系统的鲁棒规划方法 | |
Cai et al. | Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response | |
CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
Tang et al. | Multi-objective optimal dispatch for integrated energy systems based on a device value tag | |
CN112365108B (zh) | 一种园区综合能源系统多目标优化协同运行方法 | |
CN110852618A (zh) | 一种综合能源系统的日前调度方法和相关装置 | |
Li et al. | Stochastic-robust planning optimization method based on tracking-economy extreme scenario tradeoff for CCHP multi-energy system | |
CN117526451A (zh) | 考虑柔性负荷下的区域综合能源系统配置优化方法 | |
CN117559391A (zh) | 考虑电力系统灵活性供需平衡的混合储能联合规划方法 | |
CN111523792B (zh) | 综合能源系统调度参数计算、设备控制方法及相关装置 | |
CN114529056A (zh) | 综合能源系统运行优化方法、设备及可读存储介质 |
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 |