CN112633575A - 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 - Google Patents
基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 Download PDFInfo
- Publication number
- CN112633575A CN112633575A CN202011531994.1A CN202011531994A CN112633575A CN 112633575 A CN112633575 A CN 112633575A CN 202011531994 A CN202011531994 A CN 202011531994A CN 112633575 A CN112633575 A CN 112633575A
- Authority
- CN
- China
- Prior art keywords
- energy
- capacity
- optimization
- layer
- power
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 83
- 230000000295 complement effect Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 6
- 239000007789 gas Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 7
- 238000002485 combustion reaction Methods 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 6
- 238000005206 flow analysis Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000002918 waste heat Substances 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002860 competitive effect Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 abstract description 6
- 238000010168 coupling process Methods 0.000 abstract description 6
- 238000005859 coupling reaction Methods 0.000 abstract description 6
- 230000005611 electricity Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013432 robust analysis Methods 0.000 description 1
- 230000004083 survival effect Effects 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Feedback Control In General (AREA)
Abstract
本公开提出了基于鲁棒优化的多能互补综合能源系统容量配置方法及系统,包括:基于多能互补综合能源系统能量流关系建立系统全功况模型;基于上述系统全功况模型建立双层优化配置模型,第一层用于完成设备容量多目标优化配置,第二层用于完成关键运行参数鲁棒优化,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。充分考虑可再生能源接入的影响,分析设备容量与运行参数间的耦合关系。
Description
技术领域
本公开属于环保与节能技术领域,尤其涉及基于鲁棒优化的多能互补综合能源系统容量配置方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
能源和环境是人类社会得以生存发展的重要物质基础,攸关国计民生和国家安全。人类目前主要依赖的能源是化石燃料,然而化石能源不仅面临日益枯竭的危险,而且其大规模使用更导致气候恶变、生态环境惨遭破坏,大力发展可再生能源是解决问题的关键。多能互补综合能源系统集成风能、太阳能、生物质能等可再生能源与冷热电联供系统,可同时满足用户电、气、冷、热等多种能量需求,进而提高可再生能源消纳率与能源综合利用效率,是高效、经济、绿色、安全用能的典范。
多能互补综合能源系统中包含诸多不同类型的能量转换单元,其集成形式复杂多样。尤其是动力设备选型对整体性能具有举足轻重的影响,不同动力技术相互迥异的特性使系统流程亦不尽相同。因此,根据冷、热、电负荷变化情况和用户实际需求,全面评估不同能量转化技术的本质特性,实现系统优化配置设计,合理规划设备前期投资,准确匹配能源供需关系,是综合能源系统高效运行不可或缺的重要前提。然而,可再生能源固有的不确定性导致综合能源系统的运行工况愈加复杂多变,系统容量与运行模式之间的耦合关系加深,加大了系统优化配置的难度。为解决可再生能源不确定性问题,往往需要增大发电设备的旋转备用容量或配置储电设备,但经济性较差。
通过对现有专利进行检索,发现一种综合能源系统鲁棒规划方法及系统(申请号:202010514136.X),此专利考虑负荷的不确定性,构建内嵌经济性运行策略的综合能源系统鲁棒规划模型。然而该专利的优化方法并未考虑可再生能源的不确定性问题,以及容量配置与运行模式间的耦合关系,系统性能有待进一步提高。
发明内容
为克服上述现有技术的不足,本公开提供了基于鲁棒优化的多能互补综合能源系统容量配置方法,能够最终得到系统容量配置方案。
为实现上述目的,本公开的一个或多个实施例提供了如下技术方案:
第一方面,公开了基于鲁棒优化的多能互补综合能源系统容量配置方法,包括:
基于多能互补综合能源系统能量流关系建立系统全功况模型;
基于上述系统全功况模型建立双层优化配置模型,第一层用于完成设备容量多目标优化配置,第二层用于完成关键运行参数鲁棒优化,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
进一步的技术方案,所述系统全功况模型包括:
基于电负荷、光伏发电功率、风电功率、发电机组电功率及与电网交互功率的电能平衡关系表达;
基于热负荷、余热换热功率、燃气锅炉功率及储能设备输入/出功率的热能平衡关系表达;
基于冷负荷、吸收式制冷机制冷功率及电制冷机的输出功率的冷能平衡关系表达。
进一步的技术方案,所述双层优化配置模型中第一层用于完成设备容量多目标优化配置,具体选取能源、经济、环境方面的竞争性目标,建立以主动单元容量为变量的优化配置模型,作为下一级运行参数优化中的系统配置。
进一步的技术方案,主动单元容量即发电机组容量,光伏、风电机组均由可利用安装面积、可利用自然资源总量确定,其他设备可通过能量流关系式获得。
进一步的技术方案,所述优化配置模型约束条件:根据当地用户需求与可再生能源的可利用量,确定各主动单元容量可配置区间。
进一步的技术方案,运用带精英策略的非支配排序遗传算法求解上述优化配置模型,得到侧重于不同属性目标的Pareto最优配置解集,即各主动单元的优化容量序列,进而完成设备容量配置。
进一步的技术方案,所述双层优化配置模型的第二层用于完成关键运行参数鲁棒优化,具体包括:
基于可再生能源出力预测和随机分布特性,分别构建太阳能、风能等可再生能源出力不确定性区间;
通过系统能量流分析,提出辅助供电比和辅助供冷或热比关键运行参数;
基于上一层的设备容量配置,以上述关键运行参数为决策变量,并在上一层优化目标中选取与运行方式相关的指标作为本层目标,进而建立计及可再生能源不确定区间的min-max鲁棒优化模型。
进一步的技术方案,在通过系统能量流分析,提出辅助供电比和辅助供冷或热比关键运行参数的同时,根据全工况特性模型,设定内燃发电机组的最低负荷率以避免机组运行于低效区。
进一步的技术方案,针对min-max鲁棒优化模型采用计算效率较高的两阶段松弛算法求解,得到可再生能源出力最恶劣影响下的关键参数变化并给出此时的性能指标,从而为优化调度提供合理的边界条件,同时,将优化过程中所得各主动单元的最大出力反馈至上一层容量配置层,以修正容量配置时的约束条件,实现双层互动。
第二方面,公开了基于鲁棒优化的多能互补综合能源系统容量配置系统,包括:
系统全功况模型建立模块,用于基于多能互补综合能源系统能量流关系建立系统全功况模型;
容量配置求解模块,用于基于上述系统全功况模型建立双层优化配置模型,第一层用于完成设备容量多目标优化配置,第二层用于完成关键运行参数鲁棒优化,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
以上一个或多个技术方案存在以下有益效果:
针对多能互补综合能源系统存在可再生能源不确定性的问题,使得综合能源系统的运行工况愈加复杂多变,系统容量与运行模式的耦合关系加深,导致系统优化配置极为困难。本公开技术方案提出了一种基于鲁棒优化的多能互补综合能源系统容量配置方法,充分考虑可再生能源接入的影响,分析设备容量与运行参数间的耦合关系,采用嵌套优化的思想,建立双层优化配置模型,第一层利用带精英策略的非支配排序遗传算法求解设备容量优化配置模型,第二层利用两阶段松弛算法完成关键运行参数鲁棒优化设计,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
本发明附加方面的优点将在下面的描述中部分给出,部分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
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例多能互补综合能源系统结构图;
图2为本公开实施例基于鲁棒优化的双层优化配置方法逻辑关系示意图;
图3为本公开实施例整体技术方案框图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了基于鲁棒优化的多能互补综合能源系统容量配置方法,包括:
基于多能互补综合能源系统能量流关系建立系统全功况模型;
基于上述系统全功况模型建立双层优化配置模型,第一层用于完成设备容量多目标优化配置,第二层用于完成关键运行参数鲁棒优化,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
为了更清楚的阐述本实施例,基于鲁棒优化的多能互补综合能源系统容量配置实现过程可具体描述如下:
首先,本申请所基于的多能互补综合能源系统结构如图1所示,供电子系统由风电、光伏、内燃发电机组和外部电网构成,供冷子系统由吸收式制冷机、电制冷机、蓄冷装置构成,供热子系统由燃气锅炉、余热回收装置、蓄热装置构成。
基于该系统结构,本实施例子提出了一种基于鲁棒优化的多能互补综合能源系统容量配置方法,如图2所示,充分考虑可再生能源接入的影响,以性能、设备、能源和系统参数为输入,具体包括设备的运行效率,光照强度,风速,设备投资成本、排放系数,电价,燃气价格、热值等,确定系统能量流关系,建立全功况模型,进而分析设备容量与运行参数间的耦合关系,采用嵌套优化的思想,建立双层优化配置模型,第一层完成设备容量多目标优化配置,第二层完成关键运行参数鲁棒优化设计,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
进一步的说明,设备容量是运行参数优化的约束条件,而运行参数优化的结果中各主动单元的最大出力反馈至容量配置层,可以修正容量配置时的约束条件,同时运行优化求得的运行花费是容量配置优化目标的组成部分,设备容量与运行参数之间可形成交互机制,迭代求解。
更为具体的实施方案,关于能量流分析:
首先进行系统能量流分析,建立系统全功况模型。
电能平衡关系:
Eload(t)+Eec(t)=Epv(t)+Ewp(t)+Egrid(t)+Epgu(t) (1)
式中,Eload为电负荷;Epv为光伏发电功率;Ewp为风电功率;Epgu为发电机组电功率;Egrid为与电网交互功率,购电(Egrid>0),售电(Egrid<0);Eec为电制冷机耗电量。
其中发电机组燃气输入量Fpgu(t)为:
式中,ηth,pgu(t)和ηe,pgu(t)分别内燃发电机组的热效率和电效率:
式中,a0,a1,a2,b0,b1和b2为拟合多项式系数,PLRpgu为发电机组负载率:
式中,Npgu为发电机组额定功率。
系统由电网购电所消耗的一次能源Fgrid(t):
式中,ηe,grid和ηd,grid为电网发电效率和传输效率。
热能平衡关系:
Hload(t)=Qhe(t)+Qb(t)+Qs(t) (7)
式中,Hload为热负荷;Qhe为余热换热功率;Qb为燃气锅炉功率;Qs为储能设备输入/出功率,输出时(Qs>0),输入时(Qs<0)。
其中燃气锅炉燃气消耗量Fb(t):
式中,ηb为燃气锅炉的热效率。
燃气消耗总量:
Fgas(t)=Fpgu(t)+Fb(t) (9)
冷能平衡关系:
Cload(t)=Qab(t)+Qec(t)+Qs(t) (10)
式中,Cload为冷负荷;Qab为吸收式制冷机制冷功率;Qec为电制冷机的输出功率。
吸收式制冷机的输出功率Qab为:
Qab(t)=Qrh(t)COPab (11)
式中,Qrh为发电机组余热回收功率,COPab为吸收式制冷机的能效比。
t时刻电制冷机的耗电量Eec为:
式中,COPec为电制冷机的能效比。
对储能设备有:
Qsta(t+1)=ηsQsta(t)-Qs(t) (13)
式中,Qsta(t+1)和Qsta(t)分别为储能设备t+1时刻和t时刻的储能状态,ηs为储能设备的效率。
关于设备容量优化配置模型:
选取能源、经济、环境等方面的竞争性目标,建立以主动单元容量为变量的优化配置模型,作为下一级运行参数优化中的系统配置。以分供系统为对比系统,研究优化配置方法的先进性。分供系统由电网、电制冷机和燃气锅炉构成,满足用户的电冷热需求。
优化目标:
式中,PESR为年能源节约率,ACR为年费用节约率,CERR为年CO2减排率。FSP,FIES分别为分供系统和综合能源系统的年能源消耗量,CSP,CIES分别为分供系统和综合能源系统的年综合成本,CESP,CEIES分别为分供系统和综合能源系统的年CO2排放量。分别由下式求得:
CIES=CIES,EQ+CIES,OM+CIES,OP (19)
CSP=CSP,EQ+CSP,OM+CSP,EC (20)
式中,CIES,EQ,CIES,OM,CIES,OP分别为综合能源系统的设备投资年化成本,年维护成本,年运行成本;CSP,EQ,CSP,OM,CSP,OP为分供系统的设备投资年化成本,年维护成本,年运行成本。
综合能源系统的年运行成本包括燃料成本、电网购电成本,可表示为如下形式:
CIES,EQ=CIES,INR (22)
CIES,OM=σCIES,IN (23)
式中,Pgrid为t时刻电网交互价格,购电时为正,售电时为负;Pgas为燃气价格;CIES,IN为综合能源系统总投资成本;R为投资回报系数;σ为系统运行维护费用比例系数。
上述式子中的投资回收系数R可表示为:
式中,k为设备寿命;r为基准折现率。
CSP可以进一步表示为:
CSP,EQ=CSP,INR (26)
CSP,OM=σCSP,IN (27)
式中,ESP,grid(t)为t时刻分供系统的购电量;CSP,IN为分供系统的投资成本。
综合能源系统的CO2年排放量可表示为:
式中,μgrid为电网燃煤的CO2排放系数;μgas为燃气的CO2排放系数。
分供系统年CO2排放量可表示为:
优化变量:
以主动单元容量为优化变量,即发电机组容量Npgu。光伏、风电机组均由可利用安装面积、可利用自然资源总量确定,其他设备可通过能量流关系式获得。
约束条件:
根据当地用户需求与可再生能源的可利用量,确定各主动单元容量可配置区间:
0≤Npgu≤Npgu,max (30)
式中,Npgu,max为内燃发电机组容量的上限;以上约束保证Npgu的优化值在合理可行的范围内。
运用带精英策略的非支配排序遗传算法求解上述优化配置模型,得到侧重于不同属性目标的Pareto最优配置解集,即各主动单元的优化容量序列,进而可根据不同利益方需求完成设备容量配置,此处包括系统内所有设备的容量,具体:发电机组、吸收式制冷机、锅炉、电制冷机等。
(3)关键运行参数鲁棒优化设计
①基于可再生能源出力预测和随机分布特性,分别构建太阳能、风能等可再生能源出力不确定性区间,如下式所示:
ppv,foc(t)(1-αpv,red)<ppv(t)<ppv,foc(t)(1+αpv,inc) (31)
pwp,foc(t)(1-αwp,red)<pwp(t)<pwp,foc(t)(1+αwp,inc) (32)
式中:p表示t时刻太阳能(pv)和风能(wp)的实际可用量;pfoc则代表t时刻的预测值;αred和αinc分别为根据随机模型所确定的最小和最大偏离度,取值均为0至1之间,即可再生能源的出力变化均应在此区间范围之内。
②通过系统能量流分析,提出辅助供电比θe和辅助供冷(热)比θc等关键运行参数,具体分别如下式所示:
同时,根据全工况特性模型,设定内燃发电机组的最低负荷率δpgu以避免机组运行于低效区。
③基于上一层的设备容量配置,以上述关键运行参数为决策变量,并在上一层优化目标中选取与运行方式相关的指标(如能耗成本)作为本层目标,进而建立计及可再生能源不确定区间的min-max鲁棒优化模型。
式中:a统一指代决策变量;w则表示可再生能源出力;同时,根据全工况模型以及不确定区间,分别给出二者的变化范围A和W。
④考虑到鲁棒优化属非线性规划难解问题,采用计算效率较高的两阶段松弛算法求解式(35)模型,得到可再生能源出力最恶劣影响下的关键参数变化并给出此时的性能指标,从而为优化调度提供合理的边界条件。同时,将优化过程中所得各主动单元的最大出力反馈至上一层容量配置层,以修正容量配置时的约束条件,实现双层互动式一体化设计。
⑤通过鲁棒性分析,评估在保障系统安全稳定运行前提下优化设计方案的保守度。
研究方案的整体结构如图3所示。
实施例二
本实施例的目的是提供一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例子一中的方法的步骤。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行上述实施例子一中的方法的步骤。
实施例四
本实施例的目的是提供公开了基于鲁棒优化的多能互补综合能源系统容量配置系统,包括:
系统全功况模型建立模块,用于基于多能互补综合能源系统能量流关系建立系统全功况模型;
容量配置求解模块,用于基于上述系统全功况模型建立双层优化配置模型,第一层用于完成设备容量多目标优化配置,第二层用于完成关键运行参数鲁棒优化,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。
本领域技术人员应该明白,上述本公开的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。
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,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.基于鲁棒优化的多能互补综合能源系统容量配置方法,其特征是,包括:
基于多能互补综合能源系统能量流关系建立系统全功况模型;
基于上述系统全功况模型建立双层优化配置模型,第一层用于完成设备容量多目标优化配置,第二层用于完成关键运行参数鲁棒优化,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
2.如权利要求1所述的基于鲁棒优化的多能互补综合能源系统容量配置方法,其特征是,所述系统全功况模型包括:
基于电负荷、光伏发电功率、风电功率、发电机组电功率及与电网交互功率的电能平衡关系表达;
基于热负荷、余热换热功率、燃气锅炉功率及储能设备输入/出功率的热能平衡关系表达;
基于冷负荷、吸收式制冷机制冷功率及电制冷机的输出功率的冷能平衡关系表达。
3.如权利要求1所述的基于鲁棒优化的多能互补综合能源系统容量配置方法,其特征是,所述双层优化配置模型中第一层用于完成设备容量多目标优化配置,具体选取能源、经济、环境方面的竞争性目标,建立以主动单元容量为变量的优化配置模型,作为下一级运行参数优化中的系统配置。
优选的,主动单元容量即发电机组容量,光伏、风电机组均由可利用安装面积、可利用自然资源总量确定,其他设备可通过能量流关系式获得。
优选的,所述优化配置模型约束条件:根据当地用户需求与可再生能源的可利用量,确定各主动单元容量可配置区间。
4.如权利要求3所述的基于鲁棒优化的多能互补综合能源系统容量配置方法,其特征是,运用带精英策略的非支配排序遗传算法求解上述优化配置模型,得到侧重于不同属性目标的Pareto最优配置解集,即各主动单元的优化容量序列,进而完成设备容量配置。
5.如权利要求1所述的基于鲁棒优化的多能互补综合能源系统容量配置方法,其特征是,所述双层优化配置模型的第二层用于完成关键运行参数鲁棒优化,具体包括:
基于可再生能源出力预测和随机分布特性,分别构建太阳能、风能等可再生能源出力不确定性区间;
通过系统能量流分析,提出辅助供电比和辅助供冷或热比关键运行参数;
基于上一层的设备容量配置,以上述关键运行参数为决策变量,并在上一层优化目标中选取与运行方式相关的指标作为本层目标,进而建立计及可再生能源不确定区间的min-max鲁棒优化模型。
6.如权利要求5所述的基于鲁棒优化的多能互补综合能源系统容量配置方法,其特征是,在通过系统能量流分析,提出辅助供电比和辅助供冷或热比关键运行参数的同时,根据全工况特性模型,设定内燃发电机组的最低负荷率以避免机组运行于低效区。
7.如权利要求5所述的基于鲁棒优化的多能互补综合能源系统容量配置方法,其特征是,针对min-max鲁棒优化模型采用计算效率较高的两阶段松弛算法求解,得到可再生能源出力最恶劣影响下的关键参数变化并给出此时的性能指标,从而为优化调度提供合理的边界条件,同时,将优化过程中所得各主动单元的最大出力反馈至上一层容量配置层,以修正容量配置时的约束条件,实现双层互动。
8.基于鲁棒优化的多能互补综合能源系统容量配置系统,其特征是,包括:
系统全功况模型建立模块,用于基于多能互补综合能源系统能量流关系建立系统全功况模型;
容量配置求解模块,用于基于上述系统全功况模型建立双层优化配置模型,第一层用于完成设备容量多目标优化配置,第二层用于完成关键运行参数鲁棒优化,并实现两层之间的双向互动反馈,循环迭代,最终得到系统容量配置方案。
9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征是,该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011531994.1A CN112633575B (zh) | 2020-12-22 | 2020-12-22 | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011531994.1A CN112633575B (zh) | 2020-12-22 | 2020-12-22 | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633575A true CN112633575A (zh) | 2021-04-09 |
CN112633575B CN112633575B (zh) | 2023-01-31 |
Family
ID=75321174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011531994.1A Active CN112633575B (zh) | 2020-12-22 | 2020-12-22 | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633575B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595584A (zh) * | 2022-03-14 | 2022-06-07 | 南方电网数字电网研究院有限公司 | 多能源互补的区域终端用能配置方法及装置 |
CN114744624A (zh) * | 2022-06-10 | 2022-07-12 | 国网湖北省电力有限公司经济技术研究院 | 一种生物质-太阳能分布式电源规划优化方法 |
CN112633575B (zh) * | 2020-12-22 | 2023-01-31 | 山东大学 | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550766A (zh) * | 2015-12-04 | 2016-05-04 | 山东大学 | 一种含可再生能源的微网鲁棒多目标运行优化方法 |
CN106712010A (zh) * | 2017-01-23 | 2017-05-24 | 南京邮电大学 | 大规模间歇式能源接入的混合能源多目标鲁棒优化方法 |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
CN108616122A (zh) * | 2018-05-15 | 2018-10-02 | 电子科技大学 | 一种计及超低频振荡的调速器pid参数鲁棒优化方法 |
CN110009152A (zh) * | 2019-04-03 | 2019-07-12 | 东南大学 | 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法 |
CN111245024A (zh) * | 2020-01-14 | 2020-06-05 | 山东大学 | 基于模型预测控制的综合能源系统鲁棒优化运行方法 |
CN111244939A (zh) * | 2020-01-17 | 2020-06-05 | 山东大学 | 一种计及需求侧响应的多能互补系统两级优化设计方法 |
CN111523249A (zh) * | 2020-05-27 | 2020-08-11 | 福州大学 | 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法 |
CN111695742A (zh) * | 2020-06-22 | 2020-09-22 | 南方电网科学研究院有限责任公司 | 一种综合能源系统日前调度区间优化方法、系统及设备 |
CN111738498A (zh) * | 2020-06-08 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 一种综合能源系统鲁棒规划方法及系统 |
CN112053034A (zh) * | 2020-08-11 | 2020-12-08 | 云南电网有限责任公司 | 考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633575B (zh) * | 2020-12-22 | 2023-01-31 | 山东大学 | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 |
-
2020
- 2020-12-22 CN CN202011531994.1A patent/CN112633575B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550766A (zh) * | 2015-12-04 | 2016-05-04 | 山东大学 | 一种含可再生能源的微网鲁棒多目标运行优化方法 |
CN106712010A (zh) * | 2017-01-23 | 2017-05-24 | 南京邮电大学 | 大规模间歇式能源接入的混合能源多目标鲁棒优化方法 |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
CN108616122A (zh) * | 2018-05-15 | 2018-10-02 | 电子科技大学 | 一种计及超低频振荡的调速器pid参数鲁棒优化方法 |
CN110009152A (zh) * | 2019-04-03 | 2019-07-12 | 东南大学 | 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法 |
CN111245024A (zh) * | 2020-01-14 | 2020-06-05 | 山东大学 | 基于模型预测控制的综合能源系统鲁棒优化运行方法 |
CN111244939A (zh) * | 2020-01-17 | 2020-06-05 | 山东大学 | 一种计及需求侧响应的多能互补系统两级优化设计方法 |
CN111523249A (zh) * | 2020-05-27 | 2020-08-11 | 福州大学 | 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法 |
CN111738498A (zh) * | 2020-06-08 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 一种综合能源系统鲁棒规划方法及系统 |
CN111695742A (zh) * | 2020-06-22 | 2020-09-22 | 南方电网科学研究院有限责任公司 | 一种综合能源系统日前调度区间优化方法、系统及设备 |
CN112053034A (zh) * | 2020-08-11 | 2020-12-08 | 云南电网有限责任公司 | 考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633575B (zh) * | 2020-12-22 | 2023-01-31 | 山东大学 | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 |
CN114595584A (zh) * | 2022-03-14 | 2022-06-07 | 南方电网数字电网研究院有限公司 | 多能源互补的区域终端用能配置方法及装置 |
CN114744624A (zh) * | 2022-06-10 | 2022-07-12 | 国网湖北省电力有限公司经济技术研究院 | 一种生物质-太阳能分布式电源规划优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112633575B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | The optimal structure planning and energy management strategies of smart multi energy systems | |
CN112633575B (zh) | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 | |
Shen et al. | Multi-objective capacity configuration optimization of an integrated energy system considering economy and environment with harvest heat | |
Wu et al. | Multi-objective and multi-algorithm operation optimization of integrated energy system considering ground source energy and solar energy | |
CN111244939B (zh) | 一种计及需求侧响应的多能互补系统两级优化设计方法 | |
Li et al. | Performance evaluation of solar hybrid combined cooling, heating and power systems: A multi-objective arithmetic optimization algorithm | |
CN111401665B (zh) | 协同优化的综合能源系统设计方案的获取方法和系统 | |
Qiao et al. | Multi-objective optimization of integrated energy system considering installation configuration | |
CN112069720A (zh) | 一种综合能源系统及其运行优化方法 | |
CN112417651B (zh) | 一种基于后悔规避的用户级综合能源系统优化方法 | |
Li et al. | Capacity design of a distributed energy system based on integrated optimization and operation strategy of exergy loss reduction | |
Ge et al. | Optimal configuration and operation analysis of solar-assisted natural gas distributed energy system with energy storage | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN108052722A (zh) | 面向综合能效最优的分布式冷热电混合能源系统设计方法 | |
Yanan et al. | Intelligent scheduling optimization of seasonal CCHP system using rolling horizon hybrid optimization algorithm and matrix model framework | |
CN113779783A (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
CN111008760A (zh) | 一种冷热电联供微电网系统的双层优化方法 | |
CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法 | |
Ren et al. | Design and analysis of solar hybrid combined cooling, heating and power system: A bi-level optimization model | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
CN114757414A (zh) | 一种考虑供需不确定性的综合能源系统鲁棒优化规划方法 | |
Liu et al. | Promotion of distributed energy system considering capacity allocation optimization and multi-stakeholder decision-making behaviors | |
Zheng et al. | Optimal rural integrated energy system configuration against the background of the rural energy transformation strategy |
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 |