CN112508280B - 一种综合能源系统实时性能的评价和优化方法及系统 - Google Patents

一种综合能源系统实时性能的评价和优化方法及系统 Download PDF

Info

Publication number
CN112508280B
CN112508280B CN202011440260.2A CN202011440260A CN112508280B CN 112508280 B CN112508280 B CN 112508280B CN 202011440260 A CN202011440260 A CN 202011440260A CN 112508280 B CN112508280 B CN 112508280B
Authority
CN
China
Prior art keywords
energy
performance
storage device
representing
energy storage
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
Application number
CN202011440260.2A
Other languages
English (en)
Other versions
CN112508280A (zh
Inventor
张承慧
李浩然
孙波
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202011440260.2A priority Critical patent/CN112508280B/zh
Publication of CN112508280A publication Critical patent/CN112508280A/zh
Application granted granted Critical
Publication of CN112508280B publication Critical patent/CN112508280B/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
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (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)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供的综合能源系统实时性能的评价和优化方法及系统，属于能源系统性能评价技术领域，确定优化变量及对应的约束条件；根据运行优化目标，选择对应的性能指标及计算公式；根据性能指标的数量和指标间的相关性，确定评价算法；根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。本发明通过储能的量化机制完善了综合能源系统的运行指标体系，基于马氏距离可消除相关性和量纲差异的功能对系统的性能进行评价，可实时优化综合能源系统的运行性能，提升了系统的运行优化的准确性和可靠性，降低能耗、成本和排放等指标。

Description

一种综合能源系统实时性能的评价和优化方法及系统
技术领域
本发明涉及能源系统性能评价技术领域，具体涉及一种综合能源系统实时性能的评价和优化方法及系统。
背景技术
综合能源系统是一种多能量输入多能量输出的分布式能源系统，可集成多种分布式电源设备、能量转换设备、储能设备，满足用户的多元用能需求，有效的提升了能源生产和供给的经济和环境效益。
综合能源系统运行优化中，通过储能装置的能量充放，实现能源生产和供应的削峰填谷，是提升系统性能的有效措施。传统的峰谷运行优化的实施需要在一个运行周期内进行，一般这个周期为一整天。每次优化的计算量巨大，且优化结果严重依赖于负荷预测的准确性。然而，日前负荷预测的准确性较低，进而导致了运行优化的结果并不理想。另一方面，预测小时内负荷的超短期预测的准确性很高，但却不能满足传统峰谷运行优化的需求。主要原因在于削峰填谷的效益需要经过一个能量平衡周期的运行才能体现，无法在超短期内进行评价。
综合能源系统的性能评价中，存在多个量纲不同的优化指标。常用性能指标包括，能耗、成本、排放、负荷满足率、电网依赖性等。如何对含有多个指标的运行方案进行快速准确的评价，选出最佳方案，是技术难点。目前，应用于多目标评价的方法包括主观加权法、熵权法、TOPSIS法和帕累托前沿法。主观加权法的缺陷在于人为因素对评价过程的影响加大，不完全符合指标之间的客观分布规律，造成评价结果的失真。熵权法和TOPSIS法虽然避免了主观赋权的方式，但在去量纲的过程中没有考虑到指标之间相关性对评价结果的影响。帕累托前沿法的缺陷在于无法进一步评价处于前沿的样本的性能优劣。
发明内容
本发明的目的在于提供一种可实现超短期性能评价、评价结果准确、可获得更好综合能源系统削峰填谷运行性能的综合能源系统实时性能的评价和优化方法及系统，以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的，本发明采取了如下技术方案：
一方面，本发明提供一种综合能源系统实时性能的评价和优化方法，包括：
确定优化变量及对应的约束条件；
根据运行优化目标，选择对应的性能指标及计算公式；
根据性能指标的数量和指标间的相关性，确定评价算法；
根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。
优选的，以综合能源系统中各个储能设备的出力为优化变量，以储能设备的出力最小为约束条件。
优选的，运行优化目标为：
结合储能量化机制，为储能装置中的能量设置新属性，完善性能指标体系；其中，新属性包括成本、排放和能耗；
根据综合能源系统中储能装置的类型，预先确定其成本系数、排放系数和能耗系数，计算新属性的值；
在储能时，扣除新属性的值，在放能时，增加新属性的值。
优选的，计算新属性的值包括：
能耗总额Qtotal为：Qtotal＝Qresource+Qstorage＝Qresource+Pstorage×t×qf；
成本总额Ctotal为：Ctotal＝Cresource+Cstorage＝Cresource+Pstorage×t×cf；
排放总额Etotal为：Etotal＝Eresource+Estorage＝Eresource+Pstorage×t×ef；
其中，Qresource表示供能装置能耗，Qstorage表示储能装置能耗；Pstorage表示储能装置的充放功率；Cresource表示供能装置成本，Cstorage表示储能装置成本；Eresource表示供能装置排放，Estorage表示储能装置排放；t表示装置运行时间；qf表示储能装置的能耗系数，cf表示储能装置的成本系数，ef表示储能装置的排放系数。
优选的，根据性能指标的数量和指标间的相关性，确定评价算法包括：
选择性能指标作为样本；其中，性能指标包括单位能耗、单位成本、单位排放、负荷满足率、电网依赖率；
以马氏距离替代欧式距离，计算样本点与理想点的距离，从而根据距离大小评价样本的优劣。
优选的，根据距离大小评价样本的优劣包括：
设置约束点和理想点，并基于约束点在全部样本中筛选出有效样本，得到筛选后的性能矩阵；
将有效样本及理想点所在的欧氏空间通过协方矩阵进行空间归一化变换得到马氏空间，得到变换后的性能矩阵；
以每个有效样本与理想点的马氏距离作为其适应值，并以适应值对样本进行排序。
优选的，确定约束点a，将原始性能指标构建原始性能矩阵O：
a＝(a1,a2,...,am)；
Figure BDA0002830258990000031
理想点b与筛选后的性能矩阵S为：
Figure BDA0002830258990000041
bi＝min(Si,1,Si,2,...Si,m)；
b＝(b1,b2,...,bm)；
Figure BDA0002830258990000042
协方差矩阵C与变换后的性能矩阵M为：
ci,j＝cov(Si,Sj)；
Figure BDA0002830258990000043
QTQ＝C-1；
M＝QS；
样本与理想点的马氏距离为：
Figure BDA0002830258990000044
或di＝|Mi|
d＝(d1,d2,...,dn)；
其中，a表示约束点的坐标向量，m表示性能指标的总数量，n表示样本的总数量；i、j表示矩阵中某向量或向量中某元素的位置序号，Si表示筛选后的性能矩阵S中第i行的元素组成的行向量，Oi表示原始性能矩阵O中第i行的元素组成的行向量，oi,j表示原始性能矩阵O中第i行第j列的元素，aj表示约束向量中第j个元素，[ ]表示空向量或空矩阵，bi表示理想点b的坐标向量中第j个元素，ci,j表示筛选后的性能矩阵S中第i个行向量Si与第j个行向量Sj的协方差，同时ci,j表示协方差矩阵C中第i行第j列的元素，Q表示协方差矩阵的逆矩阵的正交分解矩阵，di表示变换后性能矩阵中第i个样本点与理想点的马氏距离，同时di表示距离向量d中第i个元素，Mi表示变换后的性能矩阵M中第i行的元素组成的行向量。
第二方面，本发明提供一种综合能源系统实时性能的评价和优化系统，包括：
确定模块，用于确定优化变量及对应的约束条件；
选择模块，用于根据运行优化目标，选择对应的性能指标及计算公式，根据性能指标的数量和指标间的相关性，确定评价算法；
计算模块，用于根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。
优选的，所述确定模块被配置为以综合能源系统中各个储能设备的出力为优化变量，以储能设备的出力最小为约束条件。
优选的，所述选择模块被配置确定运行优化目标为：
结合储能量化机制，为储能装置中的能量设置新属性，完善性能指标体系；其中，新属性包括成本、排放和能耗；根据综合能源系统中储能装置的类型预先确定其成本系数、排放系数和能耗系数，计算新属性的值；在储能时，扣除新属性的值，在放能时，增加新属性的值。
本发明有益效果：通过储能的量化机制完善了综合能源系统的运行指标体系，基于马氏距离的可消除相关性和量纲差异的功能对系统的性能进行评价，可实时优化综合能源系统的运行性能，有助于提升综合能源系统的运行优化的准确性和可靠性，降低能耗、成本和排放等指标。
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为本发明实施例所述的储能量化机制与综合能源系统运行性能关系示意图。
图2为本发明实施例所述的由欧式距离变换为马氏距离的样本空间变换示意图。
图3为本发明实施例所述的综合能源系统实时性能的评价和优化方法流程示意图。
图4为本发明实施例所述的综合能源系统结构组成示意图。
图5为本发明实施例所述的综合能源系统使用的负荷数据示意图。
具体实施方式
下面详细叙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。
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、元件和/或它们的组。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明，下面结合附图以具体实施例对本发明作进一步解释说明，且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1中，本发明实施例1提供一种综合能源系统实时性能的评价和优化系统，包括：
确定模块，用于确定优化变量及对应的约束条件；
选择模块，用于根据运行优化目标，选择对应的性能指标及计算公式，根据性能指标的数量和指标间的相关性，确定评价算法；
计算模块，用于根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。
所述确定模块被配置为以综合能源系统中各个储能设备的出力为优化变量，以储能设备的出力最小为约束条件。
所述选择模块被配置确定运行优化目标为：
结合储能量化机制，为储能装置中的能量设置新属性，完善性能指标体系；其中，新属性包括成本、排放和能耗；根据综合能源系统中储能装置的类型预先确定其成本系数、排放系数和能耗系数，计算新属性的值；在储能时，扣除新属性的值，在放能时，增加新属性的值。
在本实施例1中，基于上述的综合能源系统实时性能的评价和优化系统实现了综合能源系统实时性能的评价和优化方法，该方法包括：
确定优化变量及对应的约束条件；
根据运行优化目标，选择对应的性能指标及计算公式；
根据性能指标的数量和指标间的相关性，确定评价算法；
根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。
以综合能源系统中各个储能设备的出力为优化变量，以储能设备的出力最小为约束条件。
运行优化目标为：
结合储能量化机制，为储能装置中的能量设置新属性，完善性能指标体系；其中，新属性包括成本、排放和能耗；
根据综合能源系统中储能装置的类型预先确定其成本系数、排放系数和能耗系数，计算新属性的值；
在储能时，扣除新属性的值，在放能时，增加新属性的值。
计算新属性的值包括：
能耗总额Qtotal为：Qtotal＝Qresource+Qstorage＝Qresource+Pstorage×t×qf；
成本总额Ctotal为：Ctotal＝Cresource+Cstorage＝Cresource+Pstorage×t×cf；
排放总额Etotal为：Etotal＝Eresource+Estorage＝Eresource+Pstorage×t×ef；
其中，Qresource表示供能装置能耗，Qstorage表示储能装置能耗；Pstorage表示储能装置的充放功率；Cresource表示供能装置成本，Cstorage表示储能装置成本；Eresource表示供能装置排放，Estorage表示储能装置排放；t表示装置运行时间；qf表示储能装置的能耗系数，cf表示储能装置的成本系数，ef表示储能装置的排放系数。
根据性能指标的数量和指标间的相关性，确定评价算法包括：
选择性能指标作为样本；其中，性能指标包括单位能耗、单位成本、单位排放、负荷满足率、电网依赖率；
以马氏距离替代欧式距离，计算样本点与理想点的距离，从而根据距离大小评价样本的优劣。
根据距离大小评价样本的优劣包括：
设置约束点和理想点，并基于约束点在全部样本中筛选出有效样本，得到筛选后的性能矩阵；
将有效样本及理想点所在的欧氏空间通过协方矩阵进行空间归一化变换得到马氏空间，得到变换后的性能矩阵；
以每个有效样本与理想点的马氏距离作为其适应值，并以适应值对样本进行排序。
确定约束点a，将原始性能指标构建原始性能矩阵O：
a＝(a1,a2,...,am)；
Figure BDA0002830258990000091
理想点b与筛选后的性能矩阵S为：
Figure BDA0002830258990000101
bi＝min(Si,1,Si,2,...Si,m)；
b＝(b1,b2,...,bm)；
Figure BDA0002830258990000102
协方差矩阵C与变换后的性能矩阵M为：
ci,j＝cov(Si,Sj)；
Figure BDA0002830258990000103
QTQ＝C-1；
M＝QS；
样本与理想点的马氏距离为：
Figure BDA0002830258990000104
d＝(d1,d2,...,dn)；
其中，a表示约束点的坐标向量，m表示性能指标的总数量，n表示样本的总数量；i、j表示矩阵中某向量或向量中某元素的位置序号，Si表示筛选后的性能矩阵S中第i行的元素组成的行向量，Oi表示原始性能矩阵O中第i行的元素组成的行向量，oi,j表示原始性能矩阵O中第i行第j列的元素，aj表示约束向量中第j个元素，[]表示空向量或空矩阵，bi表示理想点b的坐标向量中第j个元素，ci,j表示筛选后的性能矩阵S中第i个行向量Si与第j个行向量Sj的协方差，同时ci,j表示协方差矩阵C中第i行第j列的元素，Q表示协方差矩阵的逆矩阵的正交分解矩阵，di表示变换后性能矩阵中第i个样本点与理想点的马氏距离，同时di表示距离向量d中第i个元素，Mi表示变换后的性能矩阵M中第i行的元素组成的行向量。
实施例2
本发明提供一种综合能源系统实时性能的评价和优化方法，该方法包括：确定优化变量及对应的约束条件；根据运行优化目标，选择对应的性能指标及计算公式；根据性能指标的数量和指标间的相关性，确定评价算法；根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。
如图3所示，在本实施例2中，实现的综合能源系统的实时运行优化方法为：综合能源系统运行优化时的优化变量包括各设备的出力，常用的指标包括能耗、成本、排放、负荷满足率、电网依赖性等。因此，本实施例基于遗传算法，求解系统的最佳运行方案。具体包括：
(1)设置变量及其约束条件。通常情况下，综合能源系统运行优化时，遵守源储荷平衡的约束，每个能量流中总输入等于总输出。因此，可使用此能量平衡方程，在某些设备的出力已知时计算出其他设备的出力，从而降低优化变量的数量。
(2)设置性能指标及评价方法。根据运行优化的目标，选择对应的性能指标及计算公式。根据性能指标的数量和指标间的相关性，选择合适的评价方法。
(3)设置遗传算法。根据变量数量和约束条件，设置算法的种群规模、遗传代数等参数及终止条件。
(4)优化求解及获取最佳方案。运行遗传算法，当满足终止条件后，根据评价方法对各样本性能的评价结果，选择性能最佳的运行方案为优化结果。
本发明实施例2通过储能的量化机制完善综合能源系统的运行指标体系，基于马氏距离的可消除相关性和量纲差异的功能对系统的性能进行评价，有助于提升综合能源系统的运行优化的准确性和可靠性，降低能耗、成本和排放等指标。
在本实施例2中，综合能源系统运行中的储能量化机制包括：
如图1所示，所使用的储能量化机制，为储能装置中的能量设置成本、排放、能耗等属性，实时的量化储能装置的运行对系统整体性能的影响。根据对综合能源系统中储能装置的类型预先确定其成本、排放、能耗系数，在储能时，扣除运行指标中该部分能量相关的数额，在放能时，增加相应数额。从而将储能装置在周期性运行中的全局性能评估分解为每个时刻的实时滚动评估。进而与发电、制冷、供热等设备运行的实时优化结合，实现整个系统的实时优化。
储能量化机制公式化表示为：
能耗总额Qtotal为：Qtotal＝Qresource+Qstorage＝Qresource+Pstorage×t×qf；
成本总额Ctotal为：Ctotal＝Cresource+Cstorage＝Cresource+Pstorage×t×cf；
排放总额Etotal为：Etotal＝Eresource+Estorage＝Eresource+Pstorage×t×ef；
其中，Qresource表示供能装置能耗，Qstorage表示储能装置能耗；Pstorage表示储能装置的充放功率；Cresource表示供能装置成本，Cstorage表示储能装置成本；Eresource表示供能装置排放，Estorage表示储能装置排放；t表示装置运行时间；qf表示储能装置的能耗系数，cf表示储能装置的成本系数，ef表示储能装置的排放系数。
储能量化机制中的各项系数，根据系统设备装机容量、用户用能需求的具体情况，在一定周期内设定为固定的数值。对于一天、一周或一年运行周期，可使用滚动加全局的优化方法求解，具体过程类似容量配置方法或日前调度方法，这里不再详述。
如图2所示，本实施例2中，提出基于马氏距离的多目标评价方法，以马氏距离替代欧式距离，计算样本点与理想点的距离，从而根据距离大小评价样本的优劣。在马氏距离计算过程中，使用协方差矩阵的归一化空间中，消除了各目标之间的相关性和量纲差异，各样本的性能优劣直接与理想点的距离大小相关。首先设置约束点和理想点，并基于约束点在全部样本中筛选出有效样本。然后，将有效样本及理想点所在的欧氏空间通过协方矩阵进行空间归一化变换得到马氏空间。最后，以每个有效样本与理想点的马氏距离作为其适应值，并将以适应值将样本排序。约束点设置可由参考系统的指标值确定，也可基于待评价样本计算而得。一般情况下，理想点取原点或以每个指标的最小值生成。
马氏距离的多目标评价方法公式化表示为：
(1)确定约束点a，将原始性能指标构建原始性能矩阵O：
a＝(a1,a2,...,am)；
Figure BDA0002830258990000131
(2)理想点b与筛选后的性能矩阵S为：
Figure BDA0002830258990000132
bi＝min(Si,1,Si,2,...Si,m)；
b＝(b1,b2,...,bm)；
Figure BDA0002830258990000141
(3)协方差矩阵C与变换后的性能矩阵M为：
ci,j＝cov(Si,Sj)；
Figure BDA0002830258990000142
QTQ＝C-1；
M＝QS；
(4)样本与理想点的马氏距离为：
Figure BDA0002830258990000143
或di＝|Mi|
d＝(d1,d2,...,dn)；
其中，a表示约束点的坐标向量，m表示性能指标的总数量，n表示样本的总数量；i、j表示矩阵中某向量或向量中某元素的位置序号，Si表示筛选后的性能矩阵S中第i行的元素组成的行向量，Oi表示原始性能矩阵O中第i行的元素组成的行向量，oi,j表示原始性能矩阵O中第i行第j列的元素，aj表示约束向量中第j个元素，[ ]表示空向量或空矩阵，bi表示理想点b的坐标向量中第j个元素，ci,j表示筛选后的性能矩阵S中第i个行向量Si与第j个行向量Sj的协方差，同时ci,j表示协方差矩阵C中第i行第j列的元素，Q表示协方差矩阵的逆矩阵的正交分解矩阵，di表示变换后性能矩阵中第i个样本点与理想点的马氏距离，同时di表示距离向量d中第i个元素，Mi表示变换后的性能矩阵M中第i行的元素组成的行向量。
马氏空间是基于样本全体的分布特征而归一化的空间，也就是说，样本集合中任何个体改变之后，归一化后的马氏空间就会不同，各个样本与理想点的马氏距离都会改变。因此，在用于启发式算法时，上一代种群中样本间的马氏距离不可直接用于下一代，每一代优化都需要重新计算马氏距离。
在本实施例2中，展示了储能量化机制和实时优化方法的可行性，并对比了不同评价方法的优化结果。
案例中选取建设于某办公建筑的综合能源系统，其结构如图4所示，设备包括热泵、光伏、风机、发电机组、热制冷机、燃气锅炉、储能电池、储热水箱。使用的负荷数据如图5所示。设备的容量、价格等属性如表1所示。电力和燃料的价格和排放系数如表2所示。为各个储能设备预设的量化参数如表3所示。
表1设备价格数据
Figure BDA0002830258990000151
表2电网燃料数据
Figure BDA0002830258990000152
Figure BDA0002830258990000161
表3储能设备的量化参数
Figure BDA0002830258990000162
本实施例2中，使用的性能指标包括单位能耗、单位成本、单位排放、负荷满足率、电网依赖率。所对比的评价方法为主观权重法、熵权法、TOPSIS法、马氏距离法。其中主观赋权法的权重分别为0.15，0.30，0.15，0.20，0.20，马氏空间法中约束点为各指标的期望值和标准差之和。
综合能源系统的实时运行优化，以发电机组、燃气锅炉、热泵、吸收式制冷机、储能电池、储热水箱的运行出力为变量，经过遗传算法30代计算后，各评价方法所得最优方案的运行性能如表4所示。
表4不同评价方法优化运行后的性能指标
Figure BDA0002830258990000163
通过结果可以看出，基于马氏空间评价方法的系统运行优化，各项性能指标均优于其他方法，其中能耗降低了0.037kWh/kWh，成本降低了0.008元/kWh，碳排放降低了0.011kg/kWh，电网依赖率降低了3.54％。基于储能量化机制的实时优化，各项性能指标均优于无储能量化机制的优化，其中能耗降低了0.027kWh/kWh，成本降低了0.011元/kWh，碳排放降低了0.010kg/kWh，电网依赖率降低了2.30％。
综上所述，本发明实施例所述的综合能源系统实时性能的评价和优化方法及系统采用储能量化机制，将削峰填谷运行的收益实时量化，避免了周期性的运行优化，有助于提升优化运行的及时性和准确性；采用马氏空间变换的多目标评价方法，提升了多目标优化中性能差异的辨识度，有效的区分了不同样本性能的优劣；采用削峰填谷的实时优化方法，与低误差的短期负荷预测结合，精确的制定设备的处理方案，有效的提升了系统的运行性能。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本发明公开的技术方案的基础上，本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种综合能源系统实时性能的评价和优化方法，其特征在于，包括：
确定优化变量及对应的约束条件；
根据运行优化目标，选择对应的性能指标及计算公式；
所述运行优化目标为：
结合储能量化机制，为储能装置中的能量设置新属性，完善性能指标体系；其中，新属性包括成本、排放和能耗；
根据综合能源系统中储能装置的类型预先确定其成本系数、排放系数和能耗系数，计算新属性的值；
计算新属性的值包括：
能耗总额Qtotal为：Qtotal＝Qresource+Qstorage＝Qresource+Pstorage×t×qf；
成本总额Ctotal为：Ctotal＝Cresource+Cstorage＝Cresource+Pstorage×t×cf；
排放总额Etotal为：Etotal＝Eresource+Estorage＝Eresource+Pstorage×t×ef；
其中，Qresource表示供能装置能耗，Qstorage表示储能装置能耗；Pstorage表示储能装置的充放功率；Cresource表示供能装置成本，Cstorage表示储能装置成本；Eresource表示供能装置排放，Estorage表示储能装置排放；t表示装置运行时间；qf表示储能装置的能耗系数，cf表示储能装置的成本系数，ef表示储能装置的排放系数；
在储能时，扣除新属性的值，在放能时，增加新属性的值；
根据性能指标的数量和指标间的相关性，确定评价算法；
根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。
2.根据权利要求1所述的综合能源系统实时性能的评价和优化方法，其特征在于，以综合能源系统中各个储能设备的出力为优化变量，以储能设备的出力最小为约束条件。
3.根据权利要求1所述的综合能源系统实时性能的评价和优化方法，其特征在于，根据性能指标的数量和指标间的相关性，确定评价算法包括：
选择性能指标作为样本；其中，性能指标包括单位能耗、单位成本、单位排放、负荷满足率、电网依赖率；
以马氏距离替代欧式距离，计算样本点与理想点的距离，从而根据距离大小评价样本的优劣。
4.根据权利要求3所述的综合能源系统实时性能的评价和优化方法，其特征在于，根据距离大小评价样本的优劣包括：
设置约束点和理想点，并基于约束点在全部样本中筛选出有效样本，得到筛选后的性能矩阵；
将有效样本及理想点所在的欧氏空间通过协方矩阵进行空间归一化变换得到马氏空间，得到变换后的性能矩阵；
以每个有效样本与理想点的马氏距离作为其适应值，并以适应值对样本进行排序。
5.根据权利要求4所述的综合能源系统实时性能的评价和优化方法，其特征在于，确定约束点a，将原始性能指标构建原始性能矩阵O：
a＝(a1,a2,...,am)；
Figure FDA0003809269510000031
理想点b与筛选后的性能矩阵S为：
Figure FDA0003809269510000032
bi＝min(Si,1,Si,2,...Si,m)；
b＝(b1,b2,...,bm)；
Figure FDA0003809269510000033
协方差矩阵C与变换后的性能矩阵M为：
ci,j＝cov(Si,Sj)；
Figure FDA0003809269510000034
QTQ＝C-1；
M＝QS；
样本与理想点的马氏距离为：
Figure FDA0003809269510000035
或di＝|Mi|
d＝(d1,d2,...,dn)；
其中，a表示约束点的坐标向量，m表示性能指标的总数量，n表示样本的总数量；Si表示筛选后的性能矩阵S中第i行的元素组成的行向量，Oi表示原始性能矩阵O中第i行的元素组成的行向量，oi,j表示原始性能矩阵O中第i行第j列的元素，aj表示约束向量中第j个元素，[]表示空向量或空矩阵，bi表示理想点b的坐标向量中第j个元素，ci,j表示筛选后的性能矩阵S中第i个行向量Si与第j个行向量Sj的协方差，同时ci,j表示协方差矩阵C中第i行第j列的元素，Q表示协方差矩阵的逆矩阵的正交分解矩阵，di表示变换后性能矩阵中第i个样本点与理想点的马氏距离，同时di表示距离向量d中第i个元素，Mi表示变换后的性能矩阵M中第i行的元素组成的行向量。
6.一种综合能源系统实时性能的评价和优化系统，其特征在于，包括：
确定模块，用于确定优化变量及对应的约束条件；
选择模块，用于根据运行优化目标，选择对应的性能指标及计算公式，根据性能指标的数量和指标间的相关性，确定评价算法；
所述选择模块被配置确定运行优化目标为：
所述运行优化目标为：
结合储能量化机制，为储能装置中的能量设置新属性，完善性能指标体系；其中，新属性包括成本、排放和能耗；
根据综合能源系统中储能装置的类型预先确定其成本系数、排放系数和能耗系数，计算新属性的值；
计算新属性的值包括：
能耗总额Qtotal为：Qtotal＝Qresource+Qstorage＝Qresource+Pstorage×t×qf；
成本总额Ctotal为：Ctotal＝Cresource+Cstorage＝Cresource+Pstorage×t×cf；
排放总额Etotal为：Etotal＝Eresource+Estorage＝Eresource+Pstorage×t×ef；
其中，Qresource表示供能装置能耗，Qstorage表示储能装置能耗；Pstorage表示储能装置的充放功率；Cresource表示供能装置成本，Cstorage表示储能装置成本；Eresource表示供能装置排放，Estorage表示储能装置排放；t表示装置运行时间；qf表示储能装置的能耗系数，cf表示储能装置的成本系数，ef表示储能装置的排放系数；
在储能时，扣除新属性的值，在放能时，增加新属性的值；
计算模块，用于根据优化变量的数量和约束条件，设置遗传算法的计算参数及终止条件；结合遗传算法，当满足终止条件后，结合评价算法确定性能指标的评价结果，选择性能最优的运行方案为优化结果。
7.根据权利要求6所述的综合能源系统实时性能的评价和优化系统，其特征在于，所述确定模块被配置为以综合能源系统中各个储能设备的出力为优化变量，以储能设备的出力最小为约束条件。
CN202011440260.2A 2020-12-11 2020-12-11 一种综合能源系统实时性能的评价和优化方法及系统 Active CN112508280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011440260.2A CN112508280B (zh) 2020-12-11 2020-12-11 一种综合能源系统实时性能的评价和优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011440260.2A CN112508280B (zh) 2020-12-11 2020-12-11 一种综合能源系统实时性能的评价和优化方法及系统

Publications (2)

Publication Number Publication Date
CN112508280A CN112508280A (zh) 2021-03-16
CN112508280B true CN112508280B (zh) 2022-11-01

Family

ID=74970770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011440260.2A Active CN112508280B (zh) 2020-12-11 2020-12-11 一种综合能源系统实时性能的评价和优化方法及系统

Country Status (1)

Country Link
CN (1) CN112508280B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114091973A (zh) * 2021-12-06 2022-02-25 国网山东省电力公司枣庄供电公司 综合能源系统能效提升的方法、装置及终端设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697566A (zh) * 2018-12-27 2019-04-30 四川大学 机电产品加工工艺评价系统及其评价方法
CN109784573B (zh) * 2019-01-24 2023-06-20 南方电网科学研究院有限责任公司 一种能源互联网多目标优化方法及装置
CN111626487B (zh) * 2020-05-15 2023-05-26 浙江大学 一种综合能源系统多评价指标优化规划技术方法和系统
CN111859680A (zh) * 2020-07-24 2020-10-30 武汉理工大学 一种系统性能综合评价方法

Also Published As

Publication number Publication date
CN112508280A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
JP2010213477A (ja) 発電計画作成方法、装置、プログラムおよび記憶装置
CN104915736A (zh) 基于改进熵权法提高风电功率组合预测精度的方法
CN112186761B (zh) 一种基于概率分布的风电功率场景生成方法及系统
CN112950098A (zh) 基于综合能源系统的能源规划方法、装置及终端设备
CN104102840A (zh) 配电网对光伏电源接纳能力的测评方法
CN112348276A (zh) 基于多要素三层次的综合能源系统规划优化方法
CN116681312A (zh) 一种面向生态的多目标水库优化调度决策方法及系统
CN112508280B (zh) 一种综合能源系统实时性能的评价和优化方法及系统
CN115733178A (zh) 基于成本和风险多目标的光储充电站容量配置方法及系统
CN116861776A (zh) 基于电-能源-碳关联模型的碳排放近实时计算方法
CN115566689A (zh) 一种改进天鹰优化算法优化负荷峰谷时段划分以及峰谷电价方法
CN115456406A (zh) 一种综合能源系统的评估方法、装置、设备以及存储介质
CN115907511A (zh) 可调节负荷资源价值评估模型的构建方法及装置
CN116823008A (zh) 一种园区能源利用效率评估方法、系统、设备和存储介质
CN108694475B (zh) 基于混合模型的短时间尺度光伏电池发电量预测方法
CN113780686A (zh) 一种面向分布式电源的虚拟电厂运行方案优化方法
CN113240330A (zh) 一种需求侧虚拟电厂多维价值评估方法和调度策略
CN116384251A (zh) 一种考虑风险规避的新能源发电功率组合预测方法及系统
CN114529056A (zh) 综合能源系统运行优化方法、设备及可读存储介质
CN115471086A (zh) 一种全要素能源利用效率的评价方法、存储介质和装置
CN113807019A (zh) 基于改进场景分类和去粗粒化的mcmc风电模拟方法
CN111598349A (zh) 一种短期用电量预测方法、装置及可读存储介质
CN115660208B (zh) 一种考虑消纳责任权重的电网企业月度购电优化方法
CN117592804B (zh) 一种液化压缩空气储能液化率表征方法、系统及电子设备
CN112801334B (zh) 一种电力容量出清方法及系统

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