CN112366697B - 一种多能流配电网日前能量管理模型的管理方法 - Google Patents
一种多能流配电网日前能量管理模型的管理方法 Download PDFInfo
- Publication number
- CN112366697B CN112366697B CN202011197729.4A CN202011197729A CN112366697B CN 112366697 B CN112366697 B CN 112366697B CN 202011197729 A CN202011197729 A CN 202011197729A CN 112366697 B CN112366697 B CN 112366697B
- Authority
- CN
- China
- Prior art keywords
- power
- heat
- formula
- gas
- energy
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 79
- 238000007726 management method Methods 0.000 title claims abstract description 51
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 60
- 239000003345 natural gas Substances 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 241000283153 Cetacea Species 0.000 claims abstract description 12
- 239000007789 gas Substances 0.000 claims description 127
- 238000004146 energy storage Methods 0.000 claims description 70
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 63
- 150000001875 compounds Chemical class 0.000 claims description 59
- 238000004519 manufacturing process Methods 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 21
- 238000005338 heat storage Methods 0.000 claims description 20
- 238000011144 upstream manufacturing Methods 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 15
- 241000711969 Chandipura virus Species 0.000 claims description 14
- 208000015951 Cytophagic histiocytic panniculitis Diseases 0.000 claims description 14
- 238000011161 development Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 239000003795 chemical substances by application Substances 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000020169 heat generation Effects 0.000 claims description 4
- 210000000712 G cell Anatomy 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- -1 hydrogen Chemical class 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 230000007423 decrease Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- G06Q10/04—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
- G06Q10/067—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
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明为一种多能流配电网日前能量管理模型的管理方法,属于多能流配电网领域,针对现有模型和算法不能保证配电网实际运行和调度的效果的问题,采用技术方案如下:一种多能流配电网日前能量管理模型的管理方法,包括如下步骤:步骤1,考虑配电网内部能量网络,建立多能流配电网日前能量管理模型,其包括天然气网络模型、热力网络模型和电力网络模型;步骤2,根据步骤1建立的多能流配电网日前能量管理模型,采用自适应改进鲸鱼优化算法计算结果。本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果,并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。
Description
技术领域
本发明属于多能流配电网领域,特别涉及一种多能流配电网日前能量管理模型的管理方法。
背景技术
目前,能源危机和经济问题日益严重,促使工业界寻求更有效的能源消费和生产方式。为了提高能源利用率,多能流系统受到越来越多的关注。在结构上,多能流配电网与传统的配电网相比,能源形式多样,能源利用率高,能够同时为用户提供多种能源需求。然而,目前的能量管理方法大部分都是针对单一能源网络而建立的,这导致了能源效率低并且经济性较差。少部分人针对多能流配电网提出了能量管理方法,但他们都是运用能量枢纽概念对多能流配电网进行建模,这种方法缺乏对配电网内部能量网络的考虑,不能保证配电网实际运行和调度的效果。因此,需要对现有模型和算法进行改进,以保证配电网实际运行和调度的效果。
发明内容
针对现有技术的问题,本发明提供一种多能流配电网日前能量管理模型的管理方法,采用模型考虑了配电网内部能量网络,以保证实际配电网实际运行和调度的效果,此外,通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。
本发明采用技术方案如下:一种多能流配电网日前能量管理模型的管理方法,包括如下步骤:
步骤1,建立多能流配电网日前能量管理模型:
步骤1.1,在满足系统内负荷要求的前提下,以多能流配电网总运行成本最小为优化目标,建立目标函数;
步骤1.2,考虑多能流配电网日前能量管理模型的燃气网络影响因素包括P2G机组和燃气负荷,其中,燃气负荷还包括锅炉、CHP机组和燃气需求,由此建立天然气网络模型;
步骤1.3,考虑多能流配电网日前能量管理模型的热力网络影响因素包括管道、热源、热负荷以及热储能,其中,热源为锅炉和CHP机组,通过电动泵在多能流配电网系统中提供水循环,由此建立热力网络模型;
步骤1.4,考虑多能流配电网日前能量管理模型的电力网络中的每个节点都必须满足包括有功功率和无功功率在内的电力平衡,由此建立电力网络模型;
步骤2,根据步骤1建立的多能流配电网日前能量管理模型,采用自适应改进鲸鱼优化算法计算结果。
本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果,并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。
进一步地,步骤1.1中的目标函数为公式(1):
式中,为与上游热网交换的热能,MW;为与上游气网交换的气能,m3/day;为与上游电网交换的电能,MW;为热能价格,元/MW;为天然气价格,元/m3;为电力价格,元/MW;表示上游热网与多能流配电网之间交换热能的成本,元;表示上游天然气网络和多能流配电网之间交换天然气的成本,元;表示上游大电网与多能流配电网之间交换电能的成本,元;
需要指出的是,在每个时间段,多能流配电网都可以将剩余能源出售给相关的上游网络,从而降低其日常运营成本。
多能流配电网日前能源调度中所有控制变量如下:
式中,为热电联产机组(combined heat and power,CHP)产热功率,MW;为燃气锅炉产热功率,MW;分别为CHP和燃气锅炉初始温度,K;为电储能系统的充放电状态,MW;为热储能系统的变化状态,无量纲。
进一步地,步骤1.2的天然气网络模型中各节点气流平衡如式(3):
式中,为g节点P2G的产气量,m3/day;为g节点天然气需求量,m3/day;为g节点CHP耗气量,m3/day;为g节点燃气锅炉耗气量,m3/day;为g节点到k节点的输气量,m3/day;NG为天然气网络节点总数。
式中,为管道压力符号函数,无量纲,如果Πg≥Πk,表明能量流从气网g节点转移到气网k节点,其值等于1,反之则等于-1;为节点g和节点k之间的管道常数,无量纲;Hg、Hk分别为管道高度,m;Πg、Πk分别为g节点与k节点的气体压力,kPa;为管道坡度校正,kPa2;为管道的平均压力,kPa;Za气体平均压缩系数,无量纲;为管道气流平均温度,K;为管道平均压力,kpa;T0为初始温度,K;为管道直径,mm;Ep为天然气管道绝对粗糙度,mm;Lgk为管道长度,km;γG为气体比重,无量纲;为天然气管道摩擦系数,其可根据科尔布鲁克方程计算,即式(8)而得:
同时,每个节点的压力Πj必须位于以下约束范围内:
P2G单元耗电量如下:
每个P2G单元t时刻的产气量必须位于以下约束范围内:
燃气锅炉耗气量计算如下:
CHP机组耗气量为:
进一步地,步骤1.3中的热力网络模型中,每根管道的热功率Φhb和每根管道末端温度计算如下:
式中,Φhb为为每根管道的热功率,MW;为节点h和节点b之间管道的水流量,kg/s;cp为水的比热容,kJ/(kg·K);Tstart,h、Tend,b分别为节点h和节点b的水流温度,K;Tg为环境温度,K;为热管长度,km;Γ热传导系数,W/mK;
混合热节点的温度为:
热力网络模型中热平衡约束如下:
所有节点的供水和回水温度平衡满足如下条件:
每个节点的供水和回水温度必须在约束范围内,需满足如下条件:
每个CHP机组和燃气锅炉产热量约束,需满足如下条件:
式中,为每个CHP机组的产热功率,MW;为每个燃气锅炉产热功率,MW;为每个CHP机组最小产热功率,MW;为每个CHP机组最大产热功率,MW;为每个燃气锅炉最小产热功率,MW;为每个燃气锅炉最大产热功率,MW;NCHP为系统内CHP的总数;Nboil为系统内燃气锅炉总数。
此外,每个CHP机组和燃气锅炉的起始温度必须在约束范围内:
热储能的状态变化满足条件如下:
在充电和放电状态下要考虑每个TSS不能同时充电和放电。
TSS的容量限制和充/放热功率约束满足如下条件:
进一步地,步骤1.4的电力网络模型中,每个节点都必须满足包括有功功率和无功功率在内的电力平衡:
式中:分别为节点i的储能充、放电功率,MW;分别为节点i的CHP有功功率和无功功率,MVA;分别为节点i的有功功率和无功功率需求,MVA;为节点i的热泵消耗电功率,MW;分别为从大电网购买的有功功率和无功功率,MW;Vi、Vj分别为节点i和节点j的幅值,V;Yij为输电线路导纳,S;NE为电网节点数,无量纲。
热泵消耗电功率可由下式计算而得:
每个节点的电压必须在约束范围内需满足条件如下:
ESS系统充放电模型如下:
ESS容量约束需满足条件如下:
ESS充放电功率约束需满足条件如下:
步骤2中采用的自适应改进鲸鱼优化算法按如下步骤进行:
步骤2.1,输入多能流配电网优化问题数据,每个种群都是优化问题的一种解决方案,第i个种群Xi表示如下:
Xi=[xi,1,xi,2,...,xi,D]i=1,2,....,ps (46)
式中:ps为总群个数;D为控制变量个数;
步骤2.2,通过计算每个代理的适应度,得到初始的最优搜索代理:探索过程取决于参数A和ρ,ρ是[0,1]之间的随机数;
若ρ<0.5,执行步骤2.2(1);
若ρ≥0.5,执行步骤2.2(2);
步骤2.2(1),当|A|<1时,为开发过程,通过式(52)更新当前搜索位置,即每个候选解的下一个位置:
X(t+1)=Xbest(t)-A·E (52)
式中:Xbest为当前最优解的位置向量,E为X在位置更新前与Xbest之间的距离;
当|A|>1时,为勘探过程,选择一个随机位置向量,通过式(50)更新当前搜索位置,即每个候选解的下一个位置:
X(t+1)=Xrand(t)-A·D (50)
式中:Xrand为从当前种群中随机选择的位置向量;D为X在位置更新前与Xrand之间的距离;
步骤2.2(2),通过式(54)更新当前搜索位置,即每个候选解的下一个位置:
X(t+1)=D·ebl·cos(2πl)+Xbest(t) (54)
式中:D′为最优解位置与当前解位置之间的距离;b为常数,定义了对数螺线的形状;l为[-1,1]之间的随机数;
步骤2.3,判断迭代次数iter是否小于迭代次数最大值,
若是,增加一次迭代,并返回步骤2.2;
若否,结束计算。
步骤2.2(1)的式(52)满足下式:
E=|C·Xbest(t)-X(t)| (51)
式中:C为系数向量,X为当前解的位置向量。
步骤2.2(1)的式(50)通过下式计算:
C=2·r (48)
D=|C·Xrand(t)-X(t)| (49)
式中:C为系数向量,X为当前解的位置向量,r是[0,1]中的随机向量。
步骤2.2(2)的式(54)通过下式计算:
D′=|Xbest(t)-X(t)| (53)
式中:X为当前解的位置向量,Xbest为当前最优解的位置向量。
为了提高WOA在探索和开发过程中的有效性,从局部最优点出发,采用自适应机制来改变参数A,基于小波理论,参数A的自适应机制将在搜索中动态改变种群的突变,具体如下:
式中:h为膨胀参数;β是h的形状参数;ψ(φ)为Morlet小波函数;η为h的上界;iter为迭代次数;βmin、βmax为形状参数的最小值和最大值。
传统的WOA算法由搜索猎物(即勘探过程)、包围捕食(即开发过程)和泡网攻击三部分组成,其搜索过程(包括勘探过程和开发过程)取决于参数A和ρ,A的含义如下:
A=2a·r-a (47)
在勘探和开发过程中,a由2线性减小到0,r是[0,1]中的随机向量。
本发明具有的有益效果:本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果,并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。
附图说明
图1为多能流配电网日前能量管理模型的管理方法的流程图;
图2为自适应改进鲸鱼优化算法的流程图。
具体实施方式
下面结合本发明的附图,对本发明实施例的技术方案进行解释和说明,但下述实施例仅为本发明的优选实施例,并非全部。基于实施方式中的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例,都属于本发明的保护范围。
多能流配电网日前能量管理模型的管理方法,如图1所示,包括如下步骤:
步骤1,建立多能流配电网日前能量管理模型:
步骤1.1,在满足系统内负荷要求的前提下,以多能流配电网总运行成本最小为优化目标,建立目标函数如公式(1)所示:
式中,为与上游热网交换的热能,MW;为与上游气网交换的气能,m3/day;为与上游电网交换的电能,MW;为热能价格,元/MW;为天然气价格,元/m3;为电力价格,元/MW;表示上游热网与多能流配电网之间交换热能的成本,元;表示上游天然气网络和多能流配电网之间交换天然气的成本,元;表示上游大电网与多能流配电网之间交换电能的成本,元;
需要指出的是,在每个时间段,多能流配电网都可以将剩余能源出售给相关的上游网络,从而降低其日常运营成本。
多能流配电网日前能源调度中所有控制变量如下:
式中,为热电联产机组(combined heat and power,CHP)产热功率,MW;为燃气锅炉产热功率,MW;分别为CHP和燃气锅炉初始温度,K;为电储能系统的充放电状态,MW;为热储能系统的变化状态,无量纲。
步骤1.2,考虑多能流配电网日前能量管理模型的燃气网络影响因素包括P2G机组和燃气负荷,其中,燃气负荷还包括锅炉、CHP机组和燃气需求,由此建立天然气网络模型:节点气流平衡如式(3):
式中,为g节点P2G的产气量,m3/day;为g节点天然气需求量,m3/day;为g节点CHP耗气量,m3/day;为g节点燃气锅炉耗气量,m3/day;为g节点到k节点的输气量m3/day;NG为天然气网络节点总数。
式中,为管道压力符号函数,无量纲,如果Πg≥Πk,表明能量流从气网g节点转移到气网k节点,其值等于1,反之则等于-1;为节点g和节点k之间的管道常数,无量纲;Hg、Hk分别为管道高度,m;Πg、Πk分别为g节点与k节点的气体压力,kPa;为管道坡度校正,kPa2;为管道的平均压力,kPa;Za气体平均压缩系数,无量纲;为管道气流平均温度,K;为管道平均压力,kpa;T0为初始温度,K;为管道直径,mm;Ep为天然气管道绝对粗糙度,mm;Lgk为管道长度,km;γG为气体比重,无量纲;为天然气管道摩擦系数,其可根据科尔布鲁克方程计算,即式(8)而得:
同时,每个节点的压力Πj必须位于以下约束范围内:
P2G单元耗电量如下:
每个P2G单元的产气量必须位于以下约束范围内:
燃气锅炉耗气量计算如下:
CHP机组耗气量为:
步骤1.3,考虑多能流配电网日前能量管理模型的热力网络影响因素包括管道、热源、热负荷以及热储能,其中,热源为锅炉和CHP机组,通过电动泵在多能流配电网系统中提供水循环,由此建立热力网络模型:每根管道的热功率Φhb和每根管道末端温度计算如下:
式中,Φhb为每根管道的热功率,MW;为节点h和节点b之间管道的水流量,kg/s;cp为水的比热容,kJ/(kg·K);Tstart,h、Tend,b分别为节点h和节点b的水流温度,K;Tg为环境温度,K;为热管长度,km;Γ热传导系数,W/mK;
混合热节点的温度为:
热力网络模型中热平衡约束如下:
所有节点的供水和回水温度平衡满足如下条件:
每个节点的供水和回水温度必须在约束范围内,需满足如下条件:
每个CHP机组和燃气锅炉产热量约束,需满足如下条件:
式中,为每个CHP机组的产热功率,MW;为每个燃气锅炉产热功率,MW;为每个CHP机组最小产热功率,MW;为每个CHP机组最大产热功率,MW;为每个燃气锅炉最小产热功率,MW;为每个燃气锅炉最大产热功率,MW;NCHP为系统内CHP的总数;Nboil为系统内燃气锅炉总数;
此外,每个CHP机组和燃气锅炉的起始温度必须在约束范围内:
热储能的状态变化满足条件如下:
在充电和放电状态下要考虑每个TSS不能同时充电和放电。
TSS的容量限制和充/放热功率约束满足如下条件:
步骤1.4,考虑多能流配电网日前能量管理模型的电力网络中的每个节点都必须满足包括有功功率和无功功率在内的电力平衡,由此建立电力网络模型:每个节点都必须满足包括有功功率和无功功率在内的电力平衡:
式中:分别为节点i的储能充、放电功率,MW;分别为节点i的CHP有功功率和无功功率,MVA;分别为节点i的有功功率和无功功率需求,MVA;为节点i的热泵消耗电功率,MW;分别为从大电网购买的有功功率和无功功率,MW;Vi、Vj分别为节点i和节点j的幅值,V;Yij为输电线路导纳,S;NE为电网节点数,无量纲;
热泵消耗电功率可由下式计算而得:
每个节点的电压必须在约束范围内需满足条件如下:
ESS系统充放电模型如下:
ESS容量约束需满足条件如下:
ESS充放电功率约束需满足条件如下:
步骤2,根据步骤1建立的多能流配电网日前能量管理模型,采用自适应改进鲸鱼优化算法计算结果,如图2所示,按如下步骤进行:
步骤2.1,输入多能流配电网优化问题数据,每个种群都是优化问题的一种解决方案,第i个种群Xi表示如下:
Xi=[xi,1,xi,2,...,xi,D]i=1,2,....,ps (46)
式中:ps为总群个数;D为控制变量个数;
步骤2.2,通过计算每个代理的适应度,得到初始的最优搜索代理:探索过程取决于参数A和ρ,ρ是[0,1]之间的随机数;
若ρ<0.5,执行步骤2.2(1);
若ρ≥0.5,执行步骤2.2(2);
步骤2.2(1),当|A|<1时,为开发过程,通过式(52)更新当前搜索位置,即每个候选解的下一个位置:
D=|C·Xbest(t)-X(t)| (51)
X(t+1)=Xbest(t)-A·E (52)
式中:C为系数向量,X为当前解的位置向量,为当前最优解的位置向量,Xbest为当前最优解的位置向量,E为X在位置更新前与Xbest之间的距离;
当|A|>1时,为勘探过程,选择一个随机位置向量,通过式(50)更新当前搜索位置,即每个候选解的下一个位置:
C=2·r (48)
D=|C·Xrand(t)-X(t)| (49)
式中:C为系数向量,X为当前解的位置向量,r是[0,1]中的随机向量。
X(t+1)=Xrand(t)-A·D (50)
式中:Xrand为从当前种群中随机选择的位置向量;D为X在位置更新前与Xrand之间的距离;
步骤2.2(2),通过式(54)更新当前搜索位置,即每个候选解的下一个位置:
D′=|Xbest(t)-X(t)| (53)
X(t+1)=D′·ebl·cos(2πl)+Xbest(t) (54)
式中:D′为最优解位置与当前解位置之间的距离;b为常数,定义了对数螺线的形状;l为[-1,1]之间的随机数;
步骤2.3,判断迭代次数iter是否小于迭代次数最大值,
若是,增加一次迭代,并返回步骤2.2;
若否,结束计算。
为了提高WOA在探索和开发过程中的有效性,从局部最优点出发,采用自适应机制来改变参数A,基于小波理论,参数A的自适应机制将在搜索中动态改变种群的突变,具体如下:
式中:h为膨胀参数;β是h的形状参数;ψ(φ)为Morlet小波函数;η为h的上界;iter为迭代次数;βmin、βmax为形状参数的最小值和最大值。
本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果,并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。
传统的WOA算法由搜索猎物(即勘探过程)、包围捕食(即开发过程)和泡网攻击三部分组成,其搜索过程(包括勘探过程和开发过程)取决于参数A和ρ,A的含义如下:
A=2a·r-a (47)
在勘探和开发过程中,a由2线性减小到0,r是[0,1]中的随机向量。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,熟悉该领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求的范围中。
Claims (8)
1.一种多能流配电网日前能量管理模型的管理方法,其特征在于,包括如下步骤:
步骤1,建立多能流配电网日前能量管理模型:
步骤1.1,在满足系统内负荷要求的前提下,以多能流配电网总运行成本最小为优化目标,建立目标函数;目标函数为公式(1):
式中,为与上游热网交换的热能,MW;为与上游气网交换的气能,m3/day;为与上游电网交换的电能,MW;为热能价格,元/MW;为天然气价格,元/m3;为电力价格,元/MW;表示上游热网与多能流配电网之间交换热能的成本,元;表示上游天然气网络和多能流配电网之间交换天然气的成本,元;表示上游大电网与多能流配电网之间交换电能的成本,元;
多能流配电网日前能源调度中所有控制变量如下:
步骤1.2,考虑多能流配电网日前能量管理模型的燃气网络影响因素包括P2G机组和燃气负荷,其中,燃气负荷还包括锅炉、CHP机组和燃气需求,由此建立天然气网络模型;天然气网络模型中各节点气流平衡如式(3):
式中,为g节点P2G的产气量,m3/day;为g节点天然气需求量,m3/day;为g节点CHP耗气量,m3/day;为g节点燃气锅炉耗气量,m3/day;为g节点到k节点的输气量,m3/day;NG为天然气网络节点总数;
式中,为管道压力符号函数,无量纲,如果Πg≥Πk,表明能量流从气网g节点转移到气网k节点,其值等于1,反之则等于-1;为节点g和节点k之间的管道常数,无量纲;Hg、Hk分别为管道高度,m;Πg、Πk分别为g节点与k节点的气体压力,kPa;为管道坡度校正,kPa2;为管道的平均压力,kPa;Za气体平均压缩系数,无量纲;为管道气流平均温度,K;为管道平均压力,kpa;T0为初始温度,K;为管道直径,mm;Ep为天然气管道绝对粗糙度,mm;Lgk为管道长度,km;γG为气体比重,无量纲;为天然气管道摩擦系数,其可根据科尔布鲁克方程计算,即式(8)而得:
同时,每个节点的压力Πj必须位于以下约束范围内:
P2G单元耗电量如下:
每个P2G单元t时刻的产气量必须位于以下约束范围内:
燃气锅炉耗气量计算如下:
CHP机组耗气量为:
步骤1.3,考虑多能流配电网日前能量管理模型的热力网络影响因素包括管道、热源、热负荷以及热储能,其中,热源为锅炉和CHP机组,通过电动泵在多能流配电网系统中提供水循环,由此建立热力网络模型;
步骤1.4,考虑多能流配电网日前能量管理模型的电力网络中的每个节点都必须满足包括有功功率和无功功率在内的电力平衡,由此建立电力网络模型;
步骤2,根据步骤1建立的多能流配电网日前能量管理模型,采用自适应改进鲸鱼优化算法计算结果。
2.根据权利要求1所述的多能流配电网日前能量管理模型的管理方法,其特征在于,步骤1.3中的热力网络模型中,每根管道的热功率Φhb和每根管道末端温度计算如下:
式中,Φhb为每根管道的热功率,MW;为节点h和节点b之间管道的水流量,kg/s;cp为水的比热容,kJ/(kg·K);Tstart,h、Tend,b分别为节点h和节点b的水流温度,K;Tg为环境温度,K;为热管长度,km;Γ热传导系数,W/mK;
混合热节点的温度为:
热力网络模型中热平衡约束如下:
所有节点的供水和回水温度平衡满足如下条件:
每个节点的供水和回水温度必须在约束范围内,需满足如下条件:
每个CHP机组和燃气锅炉产热量约束,需满足如下条件:
式中,为每个CHP机组的产热功率,MW;为每个燃气锅炉产热功率,MW;为每个CHP机组最小产热功率,MW;为每个CHP机组最大产热功率,MW;为每个燃气锅炉最小产热功率,MW;为每个燃气锅炉最大产热功率,MW;NCHP为系统内CHP的总数;Nboil为系统内燃气锅炉总数;
此外,每个CHP机组和燃气锅炉的起始温度必须在约束范围内:
热储能的状态变化满足条件如下:
TSS的容量限制和充/放热功率约束满足如下条件:
3.根据权利要求2所述的多能流配电网日前能量管理模型的管理方法,其特征在于,步骤1.4的电力网络模型中,每个节点都必须满足包括有功功率和无功功率在内的电力平衡:
式中:分别为节点i的储能充、放电功率,MW;分别为节点i的CHP有功功率和无功功率,MVA;分别为节点i的有功功率和无功功率需求,MVA;为节点i的热泵消耗电功率,MW;Qgrid分别为从大电网购买的有功功率和无功功率,MW;Vi、Vj分别为节点i和节点j的幅值,V;Yij为输电线路导纳,S;NE为电网节点数,无量纲;
热泵消耗电功率可由下式计算而得:
每个节点的电压必须在约束范围内需满足条件如下:
ESS系统充放电模型如下:
ESS容量约束需满足条件如下:
ESS充放电功率约束需满足条件如下:
4.根据权利要求1所述的多能流配电网日前能量管理模型的管理方法,其特征在于,步骤2中采用的自适应改进鲸鱼优化算法按如下步骤进行:
步骤2.1,输入多能流配电网优化问题数据,每个种群都是优化问题的一种解决方案,第i个种群Xi表示如下:
Xi=[xi,1,xi,2,...,xi,D]i=1,2,....,ps (46)
式中:ps为总群个数;D为控制变量个数;
步骤2.2,通过计算每个代理的适应度,得到初始的最优搜索代理:探索过程取决于参数A和ρ,ρ是[0,1]之间的随机数;
若ρ<0.5,执行步骤2.2(1);
若ρ≥0.5,执行步骤2.2(2);
步骤2.2(1),当|A|<1时,为开发过程,通过式(52)更新当前搜索位置,即每个候选解的下一个位置:
X(t+1)=Xbest(t)-A·E (52)
式中:Xbest为当前最优解的位置向量,E为X在位置更新前与Xbest之间的距离;
当|A|>1时,为勘探过程,选择一个随机位置向量,通过式(50)更新当前搜索位置,即每个候选解的下一个位置:
X(t+1)=Xrand(t)-A·D (50)
式中:Xrand为从当前种群中随机选择的位置向量;D为X在位置更新前与Xrand之间的距离;
步骤2.2(2),通过式(54)更新当前搜索位置,即每个候选解的下一个位置:
X(t+1)=D·ebl·cos(2πl)+Xbest(t) (54)
式中:D′为最优解位置与当前解位置之间的距离;b为常数,定义了对数螺线的形状;l为[-1,1]之间的随机数;
步骤2.3,判断迭代次数iter是否小于迭代次数最大值,
若是,增加一次迭代,并返回步骤2.2;
若否,结束计算。
6.根据权利要求4所述的多能流配电网日前能量管理模型的管理方法,其特征在于,步骤2.2(1)的式(52)满足下式:
E=|C·Xbest(t)-X(t)| (51)
式中:C为系数向量,X为当前解的位置向量。
7.根据权利要求4所述的多能流配电网日前能量管理模型的管理方法,其特征在于,步骤2.2(1)的式(50)通过下式计算:
C=2·r (48)
D=|C·Xrand(t)-X(t)| (49)
式中:C为系数向量,X为当前解的位置向量,r是[0,1]中的随机向量。
8.根据权利要求4所述的多能流配电网日前能量管理模型的管理方法,其特征在于,步骤2.2(2)的式(54)通过下式计算:
D′=|Xbest(t)-X(t)| (53)
式中:X为当前解的位置向量,Xbest为当前最优解的位置向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011197729.4A CN112366697B (zh) | 2020-10-30 | 2020-10-30 | 一种多能流配电网日前能量管理模型的管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011197729.4A CN112366697B (zh) | 2020-10-30 | 2020-10-30 | 一种多能流配电网日前能量管理模型的管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112366697A CN112366697A (zh) | 2021-02-12 |
CN112366697B true CN112366697B (zh) | 2022-06-17 |
Family
ID=74513199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011197729.4A Active CN112366697B (zh) | 2020-10-30 | 2020-10-30 | 一种多能流配电网日前能量管理模型的管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112366697B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9323299B2 (en) * | 2012-08-27 | 2016-04-26 | Green Light Industries, Inc. | Multiple power source unit |
CN106056246A (zh) * | 2016-05-30 | 2016-10-26 | 清华大学 | 一种冷热电多能流微电网考虑运行的储能容量优化方法 |
CN106845671A (zh) * | 2016-12-12 | 2017-06-13 | 长沙理工大学 | 一种多能流系统多目标最优潮流模型及其求解方法 |
CN110348602B (zh) * | 2019-06-06 | 2021-09-21 | 国网浙江省电力有限公司经济技术研究院 | 计及天然气管网和热力管网特性的综合能源系统优化方法 |
CN110992206B (zh) * | 2019-11-29 | 2023-09-26 | 燕山大学 | 一种多源电场的优化调度方法及系统 |
-
2020
- 2020-10-30 CN CN202011197729.4A patent/CN112366697B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112366697A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245878B (zh) | 智能楼宇群体的分布式综合能源需求响应协同优化方法 | |
CN108258679B (zh) | 考虑供热网储热特性的电-热综合能源系统优化调度方法 | |
CN109727158B (zh) | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 | |
CN108596453B (zh) | 考虑网络动态特性的综合能源系统日前优化调度方法及系统 | |
CN110263966B (zh) | 考虑动态传热过程的电-热综合能源系统优化调度方法 | |
CN107665384B (zh) | 一种含多区域能源站的电力-热力综合能源系统调度方法 | |
CN110188492B (zh) | 一种考虑热网特性的冷热电联供微网优化调度方法 | |
CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN109359839B (zh) | 一种综合能源系统中区域热网的节点热价计算方法 | |
CN108416472A (zh) | 一种区域多源供冷供热系统优化调度方法 | |
CN109389248B (zh) | 基于区域热网的综合能源系统热电功率协调调度方法 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN111191353B (zh) | 考虑热惯性的电-热综合能源系统协调运行方法 | |
CN109523076A (zh) | 一种储能参与下的综合能源系统日前稳态优化分析方法 | |
CN116341881B (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
CN112949940A (zh) | 一种综合能源虚拟电厂多设备选址方法 | |
CN114266382A (zh) | 一种考虑热惯性的热电联产系统两阶段优化调度方法 | |
CN113131513B (zh) | 考虑碳排放的电、热、气转换优化运行配置方法和存储介质 | |
CN112366697B (zh) | 一种多能流配电网日前能量管理模型的管理方法 | |
CN113128868A (zh) | 一种区域综合能源系统调度优化方法及装置 | |
CN111047069A (zh) | 一种考虑热网储能特性的热电联合调度灵活性评估方法 | |
CN115169128A (zh) | 考虑网络动态特性的综合能源系统机组组合方法及系统 | |
CN113610305B (zh) | 一种综合能源系统的优化调度方法 | |
CN113761727A (zh) | 一种含分布式电热泵的热电联合系统优化调度模型构建方法 | |
Cong et al. | Review of research on system thermal inertia modelling and optimal scheduling from the perspective of flexible resources |
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 |