CN112784484B - 一种区域综合能源系统多目标优化方法及优化系统 - Google Patents
一种区域综合能源系统多目标优化方法及优化系统 Download PDFInfo
- Publication number
- CN112784484B CN112784484B CN202110070858.5A CN202110070858A CN112784484B CN 112784484 B CN112784484 B CN 112784484B CN 202110070858 A CN202110070858 A CN 202110070858A CN 112784484 B CN112784484 B CN 112784484B
- Authority
- CN
- China
- Prior art keywords
- power
- gas
- energy system
- time
- optimization
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 claims abstract description 96
- 238000006243 chemical reaction Methods 0.000 claims abstract description 74
- 230000005611 electricity Effects 0.000 claims abstract description 70
- 230000005540 biological transmission Effects 0.000 claims abstract description 26
- 238000004146 energy storage Methods 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 11
- 239000007789 gas Substances 0.000 claims description 149
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 32
- 238000010521 absorption reaction Methods 0.000 claims description 27
- 230000007613 environmental effect Effects 0.000 claims description 27
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 20
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 16
- 239000001569 carbon dioxide Substances 0.000 claims description 16
- 230000035772 mutation Effects 0.000 claims description 13
- 239000003345 natural gas Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 18
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 7
- 229910052799 carbon Inorganic materials 0.000 description 7
- 230000020169 heat generation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Genetics & Genomics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
Abstract
一种区域综合能源系统多目标优化方法及优化系统,首先确立了区域综合能源系统的多维度优化目标;然后,在已知区域综合能源系统优化目标的基础上,构建区域综合能源系统的模型框架,对区域综合能源系统中的能源转换设备、分配设备、传输设备、储电设备等设备进行建模。同时设置约束条件,包括能量平衡约束、能量转换设备出力约束、联络线传输功率约束、储能约束。最后,对所建的多目标优化模型进行求解,得到多目标优化的迭代寻优过程与最终的多目标优化解集。本发明所述方法提出了区域综合能源系统的多目标优化方案,符合区域综合能源系统协调多个优化目标的需求。
Description
技术领域
本发明属于能源系统多目标优化技术领域,具体涉及一种区域综合能源系统多目标优化方法及优化系统。
背景技术
综合能源系统整合一定区域内电能、天然气、热能、冷能等多种能源,实现多种能源之间的协同优化和互补互济,对提高能源的利用效率、促进可再生能源消纳以及实现节能减排目标具有重要意义。传统的综合能源系统规划与运行局限于单一优化目标,不利于在经济运行与环境保护之间寻求一个平衡,不符合可持续发展的规律。
随着可持续发展思想逐渐深入人心,在进行综合能源系统建设时,经济性目标已经不再是唯一需要考虑的因素,在环境问题日益严峻的当下,如何切实减少碳排放,是每一个企业都需要承担的义务与责任。以往的综合能源系统优化方案中对碳排放的优化是将碳排放量折算到经济性层面进行统一优化调度,只能得到单一的优化结果,不能反映碳排放量与经济性的一个相互作用关系,且碳排放量的优化结果依赖于折算系数,并不能得到较为理想的优化目标,碳排放已经成为影响综合能源建设的一个不可忽视的重要因素。
因此在区域综合能源系统优化中综合考量经济性、环境性等多个优化目标具有重大的现实意义。本发明提出一种基于快速非支配排序算法的区域综合能源系统多目标优化方法,建立包含经济性与环境性的多目标优化模型,相比仅考虑经济性的单目标优化模型,能够更好的看出经济性目标与环境性目标之间的关系,能够帮助综合能源建设企业更好的在经济性与环境性之间进行权衡。
发明内容
发明目的:本发明的目的在于提出一种区域综合能源系统的多目标优化方法及优化系统,以期反映经济性与环境性目标之间的关系,协助综合能源建设企业在经济性与环境性目标之间进行权衡取舍。
为实现上述发明目的,本发明具体采用以下技术方案。
一种区域综合能源系统多目标优化方法,包括以下步骤:
(1)采集区域综合能源系统信息,包括综合能源系统网络架构信息,能量分配设备、转换设备、传输设备、储电设备信息,电/热/冷负荷信息,分时电价信息以及天然气价格信息;
(2)建立区域综合能源系统多维度优化目标;
(3)建立区域综合能源系统的能量转换设备模型,包括燃气轮机模型、燃气锅炉模型、电转气设备模型、电制冷机模型、吸收式制冷机模型;
(4)建立区域综合能源系统的储电设备模型;
(5)设置区域综合能源系统运行约束条件,所述系统运行约束包括能量平衡约束、能量转换设备出力约束、联络线传输功率约束、储能约束;
(6)求解区域综合能源系统多目标优化模型,所述区域综合能源系统多目标优化模型包括多目标优化模型包含步骤(2)中设定的两个优化目标,步骤(3)中建立的能量转换设备模型,步骤(4)中建立的储电设备模型以及步骤(5)中设置的约束条件;
本发明进一步包括以下优选方案。
所述区域综合能源系统多目标优化方法还进一步包括:
步骤(7)输出步骤(6)计算得到的区域综合能源系统多目标优化信息。
在步骤(2)中,所建立的区域综合能源系统多维度优化目标包括经济性目标和环境性目标,以一天24h为调度周期,步长为1h,其中,通过下式构建经济性目标:
式中:C1为区域综合能源系统运行时一个调度周期的总购能成本,包含电网购电成本和气源购气成本;为t时刻的购/售电功率值,大于0时表示购电,小于0时表示售电;为t时刻的购/售电价格,采用分时电价;为t时刻的购气功率值;priceg为购气价格,在整个调度周期内为一个定值;
通过下式构建环境性目标:
式中:C2为区域综合能源系统运行时一个调度周期的总二氧化碳排放量,包括用电产生的二氧化碳排放和用气产生的二氧化碳排放;为t时刻电转气设备产生的气功率;μe为单位电功率折算的二氧化碳排放系数;μg为单位气功率折算的二氧化碳排放系数。
步骤(3)建立区域综合能源系统能量转换设备模型包括:
燃气轮机模型如下:
燃气锅炉模型如下:
电转气设备模型如下:
电制冷机模型如下:
吸收式制冷机模型如下:
在步骤(4)中,按照下式建立区域综合能源系统的储电设备模型包括:
式中:Et为t时刻储电设备的储电量;Et-1为t-1时刻储电设备的储电量,γ为储电设备的自损耗率;为t时刻储电设备的充电功率;为t时刻储电设备的放电功率;为储电设备的充电效率;为储电设备的放电效率;V为0-1变量,为0时储电设备放电,为1时储电设备充电;
在所述储电设备模型中,在调度周期结束时的储电量与调度周期开始时的储电量相同:
E0=E24
式中:E0为0时刻的储电量;E24为24时刻的储电量。
在步骤(5)中,设置区域综合能源系统运行约束条件包括电功率平衡约束条件、热功率平衡约束条件、冷功率平衡约束条件、气功率平衡约束条件、能量转换设备出力约束、联络线传输功率约束、储能约束,各约束条件分别如下:
电功率平衡约束条件:
式中:表示t时刻的电负荷,表示t时刻输入电制冷机的电功率,表示t时刻输入电转气设备的电功率,为t时刻储电设备的充电功率,为t时刻的购/售电功率值,表示t时刻燃气轮机输出的电功率,为t时刻储电设备的放电功率;
热功率平衡约束条件:
冷功率平衡约束条件:
气功率平衡约束条件:
所述能量转换设备出力约束条件为:
联络线传输功率出力约束为:
所述储电设备功率出力约束条件为:
Emin≤Et≤Emax
在步骤(6)中,优选采用快速非支配排序算法求解区域综合能源系统多目标优化模型。
在步骤(6)中,求解区域综合能源系统多目标优化模型具体包括以下步骤:
6.1随机生成初始父代种群,种群中的每个个体都是区域综合能源系统多目标优化模型的一个可行解,即种群中的每个个体均为包含多目标优化模型可行解信息的一个向量,可行解信息包含各个能量转化设备的输入输出信息、储电设备的充放电信息、电网购/售电信息、气源购气信息、经济性目标信息以及环境性目标信息;其中,父代种群的生成规则在满足步骤(5)中设置的约束条件下完全随机;
6.2对父代种群进行交叉、变异操作,生成子代种群;
6.3子代种群与父代种群合并为一个新的大种群,并按照Pareto支配关系对该种群进行快速非支配排序,排序后,种群中的个体按照Pareto支配等级的高低划分放入集合F1,...,Fm中;
6.4按照Pareto支配等级的高低依次从集合F1、F2、…、Fm中选择个体组成新的父代种群,要求新父代种群大小与原父代种群大小一致,假设新父代种群的个体中支配等级最低的个体为l,若集合Fl的元素恰好全被选中组成新父代种群,则进行步骤6.6,否则,转入步骤6.5;
6.5对集合Fl中的个体进行拥挤度排序,选择拥挤度最大的个体加入新父代种群中,直到满足新父代种群个体数量要求为止;
6.6判断是否达到迭代次数限制,如果达到了,则停止迭代,输出结果,如果没有达到迭代次数限制,则转入步骤6.2。
在6.2中,所述的交叉、变异操作具体如下:
6.2.1、交叉操作:
其中,
6.2.2、变异操作:
其中,
父代种群中的个体通过上述交叉、变异操作后,产生了包含新的可行解信息的子代个体,从而生成子代种群。
步骤6.3具体包括以下内容:
6.3.1明确Pareto支配等级高低的评定方法;
对于经济性与环境性两个目标分量fi(x),i=1,2,其中f1(x)表示经济性目标,f2(x)表示环保性目标,任意给定两个多目标优化模型的可行解Xa和Xb,如果有以下两个条件成立,则称Xa支配Xb,或称Xa的Pareto支配等级比Xb高:
6.3.2按照上述的Pareto支配关系计算出种群中每个个体p的被支配个数np和该个体支配的个体的集合Sp;
6.3.3将种群中参数np=0的个体放入集合F1中;
6.3.4令k=1;
6.3.5对于个体i∈Fk,得到该个体支配的个体的集合Si;
6.3.6对于个体l∈Si,进行赋值运算nl=nl-1,若运算后nl=0,则将个体l加入集合Fk+1中,其中,nl是指个体l的被支配个数;
6.3.7集合Si中的元素是否全部进行了步骤6.3.6所示的运算,若没有,则转入步骤6.3.6,否则,转入步骤6.3.8;
6.3.8集合Fk中的元素是否全部进行了步骤6.3.5至步骤6.3.7所示的运算,若没有,则转入步骤6.3.5,否则,转入步骤6.3.9;
6.3.9经过步骤6.3.5至步骤6.3.8所示的运算后,所有个体的被支配个数是否全变为0,若没有,则进行赋值运算k=k+1,并转入步6.3.5,否则,输出快速非支配排序结果F1、F2、…、Fm。
在6.5中,对集合Fl中的个体进行拥挤度排序,选择拥挤度最大的个体加入新父代种群,具体包括以下内容
6.5.1令初始拥挤度nd=0,n∈1,...,N;
6.5.2选择经济性优化目标f1;
6.5.3在经济性优化目标下对集合Fl中的元素进行排序;
6.5.4令两个边界元素的拥挤度为无穷;
6.5.5非边界元素的拥挤度为nd=nd+(f1(i+1)-f1(i-1));其中,i的含义是指集合Fl按照经济性从大到小排序中的第i个非边界元素;
6.5.6返回步骤6.5.2,将经济性优化目标替换为环境性优化目标f2,按照6.5.3-6.5.5的方式计算环境性优化目标下集合Fl中的元素拥挤度,得到经济性优化目标和环境性优化目标下的拥挤度。
本申请同时公开了一种利用前述多目标优化方法的区域综合能源优化系统,包括综合能源系统信息采集单元、多维度优化目标设立单元、能量转换设备模型建模单元、储电设备模型建模单元、综合能源系统运行约束条件设立单元、多目标优化模型求解单元;其特征在于:
所述综合能源系统信息采集单元采集区域综合能源系统信息,包括网络架构信息、能量分配设备、转换设备、传输设备、储电设备等设备信息、电/热/冷负荷信息、分时电价信息、天然气价格信息;
所述多维度优化目标设立单元用于建立区域综合能源系统经济性目标与环境性目标;
所述能量转换设备模型建模单元用于建立区域综合能源系统的能量转换设备模型,包括燃气轮机模型、燃气锅炉模型、电转气设备模型、电制冷机模型、吸收式制冷机模型;
所述综合能源系统运行约束条件设立单元用于设置区域综合能源系统运行约束条件,其中所述约束条件包括能量平衡约束、能量转换设备出力约束、联络线传输功率约束、储能约束;
所述多目标优化模型求解单元求解区域综合能源系统多目标优化模型,所述区域综合能源系统多目标优化模型包括两个优化目标、能量转换设备模型、储电设备模型以及约束条件。
进一步优选地,
所述区域综合能源优化系统还包括优化信息输出单元,所述优化信息输出单元用于输出计算得到的区域综合能源系统多目标优化结果以及计算过程。
本发明的有益效果:
在本发明所提出的方法中,首先,明确了经济性目标与环境性目标这两个优化目标;然后,在已知区域综合能源系统的结构、分时电价、天然气价格、电/热/冷负荷等信息的基础上,建立各能量转换设备和储电设备的模型,使其更加符合现实场景。同时设置约束条件,包括能量平衡约束、能源转换设备出力约束、联络线传输功率约束、储能约束,使得区域综合能系统安全高效运行。其次,根据所建立模型的性质,选择合适的多目标求解算法,配置到所建立的多目标优化模型中。最后,基于MATLAB2019b软件编写所配置的多目标求解算法,得到多目标优化的寻优过程。算例分析验证了本发明所提方法对综合能源系统多目标优化的有效性,本发明可为综合能源系统多目标优化提供指导借鉴。
本方法配置的多目标优化算法为智能算法中的一种,优化模型的形式、性质不会影响算法的收敛性质,具有较广的适用范围。
附图说明
图1为本发明实施流程图;
图2为区域综合能源系统的算例结构图;
图3为区域综合能源系统的负荷曲线图;
图4为快速非支配排序算法的流程图;
图5为本发明所提模型求解的收敛过程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
一种区域综合能源系统多目标优化方法,其流程如图1所示,包括以下步骤:
(1)采集区域综合能源系统信息
采集区域综合能源系统信息,包括网络架构信息、能量分配设备、转换设备、传输设备、储电设备等设备信息、电/热/冷负荷信息、分时电价信息、天然气价格信息;
(2)建立的区域综合能源系统多维度优化目标包括经济性目标和环境性目标,以一天24h为调度周期,步长为1h,其中,通过下式构建经济性目标:
式中:C1为区域综合能源系统运行时一个调度周期的总购能成本,包含电网购电成本和气源购气成本;为t时刻的购/售电功率值,大于0时表示购电,小于0时表示售电;为t时刻的购/售电价格,采用分时电价;为t时刻的购气功率值;priceg为购气价格,在整个调度周期内为一个定值。
通过下式构建环境性目标:
式中:C2为区域综合能源系统运行时一个调度周期的总二氧化碳排放量,包括用电产生的二氧化碳排放和用气产生的二氧化碳排放;为t时刻电转气设备产生的气功率;μe为单位电功率折算的二氧化碳排放系数;μg为单位气功率折算的二氧化碳排放系数。
(3)建立区域综合能源系统能量转换设备模型
燃气轮机模型如下:
燃气锅炉模型如下:
电转气设备模型如下:
电制冷机模型如下:
吸收式制冷机模型如下:
(4)按照下式建立区域综合能源系统的储电设备模型:
式中:Et为t时刻储电设备的储电量;Et-1为t-1时刻储电设备的储电量;γ为储电设备的自损耗率;为t时刻储电设备的充电功率;为t时刻储电设备的放电功率;为储电设备的充电效率;为储电设备的放电效率;V为0-1变量,为0时储电设备放电,为1时储电设备充电。
在所述储电设备模型中,在调度周期结束时的储电量与调度周期开始时的储电量相同:
E0=E24
式中:E0为0时刻的储电量;E24为24时刻的储电量。
(5)设置区域综合能源系统运行约束条件包括电功率平衡约束条件、热功率平衡约束条件、冷功率平衡约束条件、气功率平衡约束条件、能量转换设备出力约束、联络线传输功率约束、储能约束,各约束条件分别如下
电功率平衡约束条件:
式中:表示t时刻的电负荷;表示t时刻输入电制冷机的电功率;表示t时刻输入电转气设备的电功率;为t时刻储电设备的充电功率;为t时刻的购/售电功率值;表示t时刻燃气轮机输出的电功率;为t时刻储电设备的放电功率。
热功率平衡约束条件:
冷功率平衡约束条件:
气功率平衡约束条件:
能量转换设备出力约束条件为:
联络线传输功率出力约束为:
G、储电设备功率出力约束
Emin≤Et≤Emax
(6)优选采用快速非支配排序算法求解区域综合能源系统多目标优化模型,所述区域综合能源系统多目标优化模型包括多目标优化模型包含步骤(2)中设定的两个优化目标,步骤(3)中建立的能量转换设备模型,步骤(4)中建立的储电设备模型以及步骤(5)中设置的约束条件。
本领域技术人员清楚,对步骤(2)中设定的两个优化目标,步骤(3)中建立的能量转换设备模型以及步骤(4)中建立的储电设备模型以及步骤(5)中设置的约束条件联立即可求解区域综合能源系统多目标优化模型得到优化后的模型。
现有技术中的计算方法均能取得有益的技术效果。为了达到更优的技术效果,使得求解多目标优化模型时不会受制于模型的形式与性质,本发明实施例优先为所建立的区域综合能源系统多目标优化模型配置快速非支配排序算法。但需要说明的是,该实施例只是优选实施例,而并非是对本发明精神的限制。
在本申请实施例中,所建立的区域综合能源系统多目标优化模型为0-1混合整数非线性多目标规划模型,由于快速非支配排序算法基于遗传算法的随机点生成与筛选的思路,因此该方法求解多目标优化模型时不会受制于模型的形式与性质。所使用的快速非支配排序算法的流程如下:
6.1、随机生成初始父代种群,种群中的每个个体都是区域综合能源系统多目标优化模型的一个可行解,即种群中的每个个体均为包含多目标优化模型可行解信息的一个向量,可行解信息包含各个能量转化设备的输入输出信息,储电设备的充放电信息,电网购/售电信息,气源购气信息,经济性目标信息以及环境性目标信息;其中,多目标优化模型包含步骤(2)中设定的两个优化目标,步骤(3)中建立的能量转换设备模型,步骤(4)中建立的储电设备模型以及在步骤(5)中设置的约束条件,父代种群的生成规则在满足步骤(5)中设置的约束条件下完全随机;
6.2、对父代种群进行交叉、变异操作,生成子代种群;
所述的交叉、变异操作的数学表述如下:
6.2.1、交叉操作:
其中,
6.2.2、变异操作:
其中,
父代种群中的个体通过上述交叉、变异操作后,产生了包含新的可行解信息的子代个体,从而生成子代种群。
6.3子代种群与父代种群合并为一个新的大种群,并按照Pareto支配关系对该种群进行快速非支配排序,排序后,种群中的个体按照Pareto支配等级的高低划分放入集合F1,...,Fm中;
6.3.1明确Pareto支配等级高低的评定方法;
在最小化多目标优化问题中,对于本发明所提出的经济性与环境性两个目标分量fi(x),i=1,2,其中f1(x)表示经济性目标,f2(x)表示环保性目标,任意给定两个多目标优化模型的可行解Xa和Xb,如果有以下两个条件成立,则称Xa支配Xb,或称Xa的Pareto支配等级比Xb高;
6.3.2按照上述的Pareto支配关系计算出种群中每个个体p的被支配个数np和该个体支配的个体的集合Sp;
6.3.3将种群中参数np=0的个体放入集合F1中;
6.3.4令k=1;
6.3.5对于个体i∈Fk,得到该个体支配的个体的集合Si;
6.3.6对于个体l∈Si,进行赋值运算nl=nl-1,若运算后nl=0,则将个体l加入集合Fk+1中,其中,nl是指个体l的被支配个数;
6.3.7集合Si中的元素是否全部进行了步骤6.3.6所示的运算,若没有,则转入步骤6.3.6,否则,转入步骤6.3.8;
6.3.8集合Fk中的元素是否全部进行了步骤6.3.5至步骤6.3.7所示的运算,若没有,则转入步骤6.3.5,否则,转入步骤6.3.9;
6.3.9经过步骤6.3.5至步骤6.3.8所示的运算后,所有个体的被支配个数是否全变为0,若没有,则进行赋值运算k=k+1,并转入步骤6.3.5,否则,输出快速非支配排序结果F1、F2、…、Fm。
6.4按照Pareto支配等级的高低依次从集合F1、F2、…、Fm中选择个体组成新的父代种群,要求新父代种群大小与原父代种群大小一致,假设新父代种群的个体中支配等级最低的个体为l,若集合Fl的元素恰好全被选中组成新父代种群,则进行步骤6.6,否则,转入步骤6.5;
6.5、对集合Fl中的个体进行拥挤度排序,选择拥挤度最大的个体加入新父代种群中,直到满足新父代种群个体数量要求为止;
6.5.1、令初始拥挤度nd=0,n∈1,...,N;
6.5.2、选择经济性优化目标f1;
6.5.3、在经济性优化目标下对集合Fl中的元素进行排序;
6.5.4、令两个边界元素的拥挤度为无穷;
6.5.5、非边界元素的拥挤度为nd=nd+(f1(i+1)-f1(i-1));其中,i的含义是指集合Fl按照经济性从大到小排序中的第i个非边界元素;
6.5.6、返回步骤6.5.2,将经济性优化目标替换为环境性优化目标f2,按照6.5.3-6.5.5的方式计算环境性优化目标下集合Fl中的元素拥挤度,得到经济性优化目标下和环境性优化目标下的拥挤度。
6.6是否达到迭代次数限制,如果达到了,则停止迭代,输出结果,如果没有达到迭代次数限制,则转入步骤6.2。
(7)输出区域综合能源系统信息
输出区域综合能源系统多目标优化信息,包括寻优算法迭代过程、Pareto前沿。
本申请同时公开了一种利用前述多目标优化方法的区域综合能源优化系统,包括综合能源系统信息采集单元、多维度优化目标设立单元、能量转换设备模型建模单元、储电设备模型建模单元、综合能源系统运行约束条件设立单元、多目标优化模型求解单元;
所述综合能源系统信息采集单元采集区域综合能源系统信息,包括网络架构信息、能量分配设备、转换设备、传输设备、储电设备等设备信息、电/热/冷负荷信息、分时电价信息、天然气价格信息;
所述多维度优化目标设立单元用于建立区域综合能源系统经济性目标与环境性目标;
所述能量转换设备模型建模单元用于建立区域综合能源系统的能量转换设备模型,包括燃气轮机模型、燃气锅炉模型、电转气设备模型、电制冷机模型、吸收式制冷机模型;
所述综合能源系统运行约束条件设立单元用于设置区域综合能源系统运行约束条件,其中所述约束条件包括能量平衡约束、能量转换设备出力约束、联络线传输功率约束、储能约束;
所述多目标优化模型求解单元求解区域综合能源系统多目标优化模型,所述区域综合能源系统多目标优化模型包括两个优化目标、能量转换设备模型、储电设备模型以及约束条件。
所述区域综合能源优化系统还包括优化信息输出单元,所述优化信息输出单元用于输出计算得到的区域综合能源系统多目标优化结果以及计算过程。
算例分析
1算例介绍
本发明中算例以夏季典型日为研究对象,仿真时间间隔为1小时,仿真周期为24小时。算例中区域综合能源系统结构如图2所示:主要能量组件包括燃气轮机、燃气锅炉、电转气设备、电制冷机、吸收式制冷机、储电设备,在输入侧,综合能源系统中输入能源类型包括天然气、电力。在输出侧,综合能源系统的输出包括电负荷、热负荷、冷负荷。燃气轮机因发电产生的高温烟气用来给用户供暖,同时由燃气锅炉辅助供热。
本发明中算例的主要参数设置:天然气价格为2.07元/m3,热值为35169kJ/m3,电联络线最大传输功率为1200kW,气联络线最大传输功率为1600kW。算例中已有设备的参数如表1所示,储能设备的参数如表2所示,分时电价见表3,负荷曲线见图3。
表1、区域综合能源系统已有设备参数
表2:储能设备参数
表3:分时电价
2结果分析
基于MATLAB2019b软件平台编写仿真程序对上述所建立的多目标优化模型进行求解,算法流程图见图4。
从说明书附图的图5可知,快速非支配排序算法初始化过程中随机生成了一个点集,点集中每个点代表着一个可行解。通过交叉和变异过程,将产生更多的随机点以组成一个更大的点集。该算法通过精英选择策略从所有点中选出最优的一组点,形成与初始父代点集大小相同的新父代点集。随着迭代的不断进行,点集的分布逐渐向Pareto前沿靠拢。在第400次迭代时,点集大致分布基本趋于稳定,由点集组成的轨迹非常接近帕累托前沿。在第600次迭代时,点集的分布基本不会随着迭代的进行而发生改变,此时,迭代停止,输出多目标问题的最优解,即Pareto前沿。决策者可以根据目标函数的要求选择Pareto前沿的点作为规划目标,从而得到满足多个目标需求的优化解。
从Pareto前沿中可以看出,能源的购买成本与碳排放之间存在负相关关系。降低能源购买成本的代价将是加剧二氧化碳排放量,由于两个优化目标之间存在着矛盾,决策者需要综合考量各优化目标的权重后进行合理的选择。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种区域综合能源系统多目标优化方法,其特征在于,所述多目标优化方法包括以下步骤:
(1)采集区域综合能源系统信息,包括综合能源系统网络架构信息,能量分配设备、转换设备、传输设备、储电设备信息,电/热/冷负荷信息,分时电价信息以及天然气价格信息;
(2)建立区域综合能源系统多维度优化目标,
式中:C1、C2分别为区域综合能源系统运行时一个调度周期的总购能成本和总二氧化碳排放量,为t时刻的购/售电功率值,大于0时表示购电,小于0时表示售电;为t时刻的购/售电价格,采用分时电价;为t时刻的购气功率值;priceg为购气价格,在整个调度周期内为一个定值;为t时刻电转气设备产生的气功率;μe为单位电功率折算的二氧化碳排放系数;μg为单位气功率折算的二氧化碳排放系数;
(3)建立区域综合能源系统的能量转换设备模型,包括燃气轮机模型、燃气锅炉模型、电转气设备模型、电制冷机模型、吸收式制冷机模型;
(4)建立区域综合能源系统的储电设备模型;
(5)设置区域综合能源系统运行约束条件,所述系统运行约束包括能量平衡约束、能量转换设备出力约束、联络线传输功率约束、储能约束;
(6)求解区域综合能源系统多目标优化模型,所述区域综合能源系统多目标优化模型包括多目标优化模型包含步骤(2)中设定的两个优化目标,步骤(3)中建立的能量转换设备模型,步骤(4)中建立的储电设备模型以及步骤(5)中设置的约束条件;根据多维度优化目标函数信息,制定排序规则、生成初始种群、产生后代种群、种群筛选、迭代停止位判断、输出迭代结果;
在步骤(6)中,求解区域综合能源系统多目标优化模型具体包括以下步骤:
6.1随机生成初始父代种群,种群中的每个个体都是区域综合能源系统多目标优化模型的一个可行解,可行解信息包含各个能量转化设备的输入输出信息、储电设备的充放电信息、电网购/售电信息、气源购气信息、经济性目标信息以及环境性目标信息;
6.2对父代种群进行交叉、变异操作,生成子代种群;
6.3子代种群与父代种群合并为一个新的大种群,并按照Pareto支配关系对该种群进行快速非支配排序,排序后,种群中的个体按照Pareto支配等级的高低划分放入集合F1,...,Fm中;
6.4按照Pareto支配等级的高低依次从集合F1、F2、…、Fm中选择个体组成新的父代种群,要求新父代种群大小与原父代种群大小一致,假设新父代种群的个体中支配等级最低的个体为l,若集合Fl的元素恰好全被选中组成新父代种群,则进行步骤6.6,否则,转入步骤6.5;
6.5对集合Fl中的个体进行拥挤度排序,选择拥挤度最大的个体加入新父代种群中,直到满足新父代种群个体数量要求为止;
6.6判断是否达到迭代次数限制,如果达到了,则停止迭代,输出结果,如果没有达到迭代次数限制,则转入步骤6.2。
2.根据权利要求1所述的区域综合能源系统多目标优化方法,其特征在于:
所述区域综合能源系统多目标优化方法还进一步包括:
步骤(7),输出步骤(6)计算得到的区域综合能源系统多目标优化信息。
3.根据权利要求1或2所述的区域综合能源系统多目标优化方法,其特征在于:
步骤(3)建立区域综合能源系统能量转换设备模型包括:
燃气轮机模型如下:
燃气锅炉模型如下:
电转气设备模型如下:
电制冷机模型如下:
吸收式制冷机模型如下:
5.根据权利要求1或2所述的区域综合能源系统多目标优化方法,其特征在于:
在步骤(5)中,设置区域综合能源系统运行约束条件包括电功率平衡约束条件、热功率平衡约束条件、冷功率平衡约束条件、气功率平衡约束条件、能量转换设备出力约束、联络线传输功率约束、储能约束,各约束条件分别如下:
电功率平衡约束条件:
式中:表示t时刻的电负荷,表示t时刻输入电制冷机的电功率,表示t时刻输入电转气设备的电功率,Pe char,t为t时刻储电设备的充电功率,为t时刻的购/售电功率值,表示t时刻燃气轮机输出的电功率,Pe dis,t为t时刻储电设备的放电功率;
热功率平衡约束条件:
冷功率平衡约束条件:
气功率平衡约束条件:
9.根据权利要求1或8所述的区域综合能源系统多目标优化方法,其特征在于:
步骤6.3具体包括以下内容:
6.3.1明确Pareto支配等级高低的评定方法;
对于经济性与环境性两个目标分量fi(x),i=1,2,其中f1(x)表示经济性目标,f2(x)表示环保性目标,任意给定两个多目标优化模型的可行解Xa和Xb,如果有以下两个条件成立,则称Xa支配Xb,或称Xa的Pareto支配等级比Xb高:
6.3.2按照上述的Pareto支配关系计算出种群中每个个体p的被支配个数np和该个体支配的个体的集合Sp;
6.3.3将种群中参数np=0的个体放入集合F1中;
6.3.4令k=1;
6.3.5对于个体i∈Fk,得到该个体支配的个体的集合Si;
6.3.6对于个体l∈Si,进行赋值运算nl=nl-1,若运算后nl=0,则将个体l加入集合Fk+1中,其中,nl是指个体l的被支配个数;
6.3.7集合Si中的元素是否全部进行了步骤6.3.6所示的运算,若没有,则转入步骤6.3.6,否则,转入步骤6.3.8;
6.3.8集合Fk中的元素是否全部进行了步骤6.3.5至步骤6.3.7所示的运算,若没有,则转入步骤6.3.5,否则,转入步骤6.3.9;
6.3.9经过步骤6.3.5至步骤6.3.8所示的运算后,所有个体的被支配个数是否全变为0,若没有,则进行赋值运算k=k+1,并转入步6.3.5,否则,输出快速非支配排序结果F1、F2、…、Fm。
10.根据权利要求9所述的区域综合能源系统多目标优化方法,其特征在于:
在6.5中,对集合Fl中的个体进行拥挤度排序,选择拥挤度最大的个体加入新父代种群,具体包括以下内容:
6.5.1令初始拥挤度nd=0,n∈1,...,N;
6.5.2选择经济性优化目标f1;
6.5.3在经济性优化目标下对集合Fl中的元素进行排序;
6.5.4令两个边界元素的拥挤度为无穷;
6.5.5非边界元素的拥挤度为nd=nd+(f1(i+1)-f1(i-1));其中,i的含义是指集合Fl按照经济性从大到小排序中的第i个非边界元素;
6.5.6返回步骤6.5.2,将经济性优化目标替换为环境性优化目标f2,按照6.5.3-6.5.5的方式计算环境性优化目标下集合Fl中的元素拥挤度,得到经济性优化目标和环境性优化目标下的拥挤度。
11.一种利用权利要求1所述区域综合能源系统多目标优化方法的区域综合能源优化系统,包括综合能源系统信息采集单元、多维度优化目标设立单元、能量转换设备模型建模单元、储电设备模型建模单元、综合能源系统运行约束条件设立单元、多目标优化模型求解单元;其特征在于:
所述综合能源系统信息采集单元采集区域综合能源系统信息,包括网络架构信息、能量分配设备、转换设备、传输设备、储电设备等设备信息、电/热/冷负荷信息、分时电价信息、天然气价格信息;
所述多维度优化目标设立单元用于建立区域综合能源系统经济性目标与环境性目标;
所述能量转换设备模型建模单元用于建立区域综合能源系统的能量转换设备模型,包括燃气轮机模型、燃气锅炉模型、电转气设备模型、电制冷机模型、吸收式制冷机模型;
所述综合能源系统运行约束条件设立单元用于设置区域综合能源系统运行约束条件,其中所述约束条件包括能量平衡约束、能量转换设备出力约束、联络线传输功率约束、储能约束;
所述多目标优化模型求解单元求解区域综合能源系统多目标优化模型,所述区域综合能源系统多目标优化模型包括两个优化目标、能量转换设备模型、储电设备模型以及约束条件。
12.根据权利要求11所述的区域综合能源优化系统,其特征在于:
所述区域综合能源优化系统还包括优化信息输出单元,所述优化信息输出单元用于输出计算得到的区域综合能源系统多目标优化结果以及计算过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070858.5A CN112784484B (zh) | 2021-01-19 | 2021-01-19 | 一种区域综合能源系统多目标优化方法及优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070858.5A CN112784484B (zh) | 2021-01-19 | 2021-01-19 | 一种区域综合能源系统多目标优化方法及优化系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112784484A CN112784484A (zh) | 2021-05-11 |
CN112784484B true CN112784484B (zh) | 2022-08-02 |
Family
ID=75757260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110070858.5A Active CN112784484B (zh) | 2021-01-19 | 2021-01-19 | 一种区域综合能源系统多目标优化方法及优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784484B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113392513B (zh) * | 2021-05-28 | 2022-05-03 | 国网河北省电力有限公司衡水供电分公司 | 冷热电联供系统多目标优化方法、装置及终端 |
CN113325896B (zh) * | 2021-05-31 | 2022-03-01 | 浙江工业大学 | 一种智能零售机的多目标温度优化控制方法 |
CN113642802B (zh) * | 2021-08-24 | 2024-02-02 | 国网江苏省电力有限公司营销服务中心 | 一种基于碳计量模型的综合能源站能源优化调度方法和系统 |
CN114707289B (zh) * | 2021-12-28 | 2023-07-18 | 国网江苏省电力有限公司经济技术研究院 | 基于机会约束的电热耦合综合能源系统多目标优化方法 |
CN115147014A (zh) * | 2022-08-31 | 2022-10-04 | 国网浙江省电力有限公司宁波供电公司 | 一种综合能源系统的多目标均衡分配方法 |
CN115239024B (zh) * | 2022-09-21 | 2023-03-24 | 国网浙江省电力有限公司宁波供电公司 | 城市区域多元能源供能规划方法 |
CN117729233A (zh) * | 2023-12-14 | 2024-03-19 | 中国人寿保险股份有限公司山东省分公司 | 一种基于关键多维度的设备资源集约化管理系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180241209A1 (en) * | 2017-02-17 | 2018-08-23 | Tsinghua University | Dispatching method and device for integrated transmission and distribution network |
CN110163443A (zh) * | 2019-05-27 | 2019-08-23 | 西南石油大学 | 考虑电-气综合需求响应的天然气调压站微能网优化调度方法 |
CN110210747A (zh) * | 2019-05-28 | 2019-09-06 | 河海大学 | 一种电热气互联能源系统灵活性调度方法 |
CN111445090A (zh) * | 2020-04-21 | 2020-07-24 | 清华大学 | 一种离网型综合能源系统双层规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417006B (zh) * | 2019-07-24 | 2023-01-06 | 三峡大学 | 一种综合能源系统多时间尺度能量调度方法 |
-
2021
- 2021-01-19 CN CN202110070858.5A patent/CN112784484B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180241209A1 (en) * | 2017-02-17 | 2018-08-23 | Tsinghua University | Dispatching method and device for integrated transmission and distribution network |
CN110163443A (zh) * | 2019-05-27 | 2019-08-23 | 西南石油大学 | 考虑电-气综合需求响应的天然气调压站微能网优化调度方法 |
CN110210747A (zh) * | 2019-05-28 | 2019-09-06 | 河海大学 | 一种电热气互联能源系统灵活性调度方法 |
CN111445090A (zh) * | 2020-04-21 | 2020-07-24 | 清华大学 | 一种离网型综合能源系统双层规划方法 |
Non-Patent Citations (1)
Title |
---|
《含风电场的电力系统功率预测与优化调度研究》;李天;《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》;20190415(第4期);摘要,第4.2.3、第4.3.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN112784484A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112784484B (zh) | 一种区域综合能源系统多目标优化方法及优化系统 | |
Wang et al. | Capacity planning and optimization of business park-level integrated energy system based on investment constraints | |
Mahbub et al. | Combining multi-objective evolutionary algorithms and descriptive analytical modelling in energy scenario design | |
CN105449713B (zh) | 考虑分布式电源特性的有源配电网智能软开关规划方法 | |
CN112131733B (zh) | 计及电动汽车充电负荷影响的分布式电源规划方法 | |
CN106655248B (zh) | 一种并网型微电网电源容量配置方法 | |
CN112736926A (zh) | 一种分布式新能源接入配电网区间仿射潮流动态优化方法 | |
CN111681130A (zh) | 一种考虑条件风险价值的综合能源系统优化调度方法 | |
CN113239607A (zh) | 综合能源系统经济调度优化方法、系统、设备及存储介质 | |
Sudabattula et al. | Optimal allocation of wind based distributed generators in distribution system using Cuckoo Search Algorithm | |
CN112069720A (zh) | 一种综合能源系统及其运行优化方法 | |
CN112952807B (zh) | 考虑风电不确定性与需求响应的多目标优化调度方法 | |
CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
CN113592133A (zh) | 一种能量枢纽优化配置方法及系统 | |
CN110829502B (zh) | 一种考虑新能源的多目标区间发电调度方法 | |
CN112131712A (zh) | 客户侧多能源系统多目标优化方法和系统 | |
Liu et al. | SARAP algorithm of multi-objective optimal capacity configuration for WT-PV-DE-BES stand-alone microgrid | |
CN112561273A (zh) | 一种基于改进pso的主动配电网可再生dg规划方法 | |
Liu et al. | Improving the economic and environmental benefits of the energy system: A novel hybrid economic emission dispatch considering clean energy power uncertainty | |
CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
CN111091239A (zh) | 基于差分进化算法的能源服务商电价策略制定方法及装置 | |
CN114757388A (zh) | 一种基于改进nsga-iii的区域综合能源系统设备容量优化方法 | |
CN112446175B (zh) | 基于配电网概率潮流计算的分布式电源选址优化方法 | |
CN112564160B (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 | |
CN111898801B (zh) | 一种用于配置多能互补供电系统的方法及系统 |
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 |