CN112862154B - 一种考虑需求响应的区域能源系统双层规划优化方法 - Google Patents

一种考虑需求响应的区域能源系统双层规划优化方法 Download PDF

Info

Publication number
CN112862154B
CN112862154B CN202110001455.5A CN202110001455A CN112862154B CN 112862154 B CN112862154 B CN 112862154B CN 202110001455 A CN202110001455 A CN 202110001455A CN 112862154 B CN112862154 B CN 112862154B
Authority
CN
China
Prior art keywords
energy
formula
cost
power
equipment
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
CN202110001455.5A
Other languages
English (en)
Other versions
CN112862154A (zh
Inventor
丁研
韦晓婷
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202110001455.5A priority Critical patent/CN112862154B/zh
Publication of CN112862154A publication Critical patent/CN112862154A/zh
Application granted granted Critical
Publication of CN112862154B publication Critical patent/CN112862154B/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
    • G06Q10/0631—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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)

Abstract

本发明公开了一种考虑需求响应的区域能源系统双层规划优化方法。该方法包括：以系统经济成本最小化和
Figure DDA0002881537150000011
效率最大化为双目标，提出一种将规划优化和运行优化上下结合的双层规划方法。根据需求响应策略制定四种情景，对各情景下的能源系统方案进行规划，通过对比分析确定最佳的需求响应情景，并对能源系统方案进行反馈指导。基于本发明提出的综合评价体系，利用熵权‑灰色关联‑TOPSIS综合评价决策方法确定出综合效益最佳的考虑需求响应的区域能源系统方案。本发明可以对区域能源系统进行合理优化，从而在满足用能需求的基础上，最大限度的降低经济成本，减少系统能耗与碳排放量，提高系统用能效率，实现规划与运行的协同优化。

Description

一种考虑需求响应的区域能源系统双层规划优化方法
技术领域
本发明属于建筑节能领域，具体涉及一种考虑需求响应的区域能源系统双层规划优化方法。
背景技术
随着经济和科技的高速发展，世界能源消费总量也随之迅猛攀升。由于全球气候变化和世界人口增长，能源供给和消费模式正发生着深刻变化，以节能减排为核心的能源技术革命已成为世界各国越来越重视的问题。随着我国城镇化建设与发展速度加快，越来越多人口涌入城市的同时，人们对城市功能和宜居性要求也不断提升，从而导致建筑能耗攀升。因此，满足人们建筑能源需求的同时最大程度降低建筑能耗，实现建筑节能已成为了节能减排的关键环节之一。实现节能减排，做好城市和区域能源规划是第一步。过去，我国一直沿用供应侧能源规划的思路，即遵循可靠性原则，能源系统供给在保证极端气候条件下的最大负荷用能需求上进行能源系统的单向规划。但由于实际中建筑用能负荷在时间与空间上的不稳定，沿用供应侧能源规划思路往往导致长距离供能的输送能耗、冗余的系统容量、设备运行利用率与能效过低等问题，从而加剧了能源系统投资增加、系统运行调节的复杂性和能量的浪费。此外，电力、燃气、热力甚至风电、光伏、光热等可再生能源彼此独立规划，缺乏协同规划，也往往会造成能源资源的浪费。因此在规划能源系统时应同时考虑供需双方特点，挖掘需求侧的可调节的弹性资源，维持能量的供需平衡。
早在1986年，美国电力科学研究院第一次提出了“需求响应”概念，在20世纪90年代，我国开始对需求响应的理论和应用展开了研究。传统的需求响应只单一针对电力需求响应，指的是电力用户受电价或电力政策的影响，暂时地改变其固有用电习惯，从而达到削减或推移某时段内用电负荷，改变电力供应情况，从而保证电网供应稳定性。对于供应侧而言，需求响应可以减少新增调峰设备，提高既有设备的实际利用小时数，减少运行维护成本和系统总体投资；同时可以保留原本可能用于新建电厂、电网的土地空间资源。对于用户侧而言，在可接受范围内参与需求响应可以获得相应的补贴或奖励，减少能源付费成本。为了解决供应侧能源规划存在的问题，需求侧能源规划已成为了能源规划的新趋势。需求侧能源规划的基本思路是，除了供应侧的资源，需求侧终端的设计节能量和运行节能量也视为一种资源同时参与能源规划，在综合比较需求和供应两侧资源供给的经济和效益上确定区域能源规划的最终方案。考虑需求响应的需求侧能源规划有利于避免规划容量冗余、节省系统投资、提高规划和运行匹配程度。因此需求侧能源规划是顺应当前供给侧结构性改革要求的必然之举，可以极大的提高供需双侧综合能源利用的协同性，推进区域能源系统结构调整，矫正系统配置要素，扩大能源供给方式的多元性，不仅能保证能源供给安全，更提高了能源供给系统对建筑需求变化的适应能力，有利于提高综合能源效率，促进区域能源系统可持续发展。
过去很多学者已在区域能源系统规划问题上开展了许多的研究，在概念理论、模型构建、解决方法和工程实际经验上取得的成果都为区域能源规划提供了坚实的基础。但通过大量的文献调研，仍能总结出当前区域能源规划的研究现状存在以下不足：
(1)过去的研究中，区域建筑形式较为单一，多为办公建筑或居住建筑。缺少对区域能源系统所服务建筑群在建筑功能差异和形式配比上的考虑。
(2)区域能源系统优化目标仍主要以经济成本最小和二氧化碳排放量最小为为主，少有在规划阶段将热力指标作为优化目标。
(3)建筑是需求响应的核心，电网需求波动的最大源头是建筑的空调和供暖用电。在规划阶段提前考虑需求响应因素的研究刚刚起步，且目前主要在微电网系统规划中考虑电力需求响应。涉及暖通空调领域的需求响应与能源系统规划的协同优化仍有待进一步研究。
发明内容
本发明的目的在于克服现有技术的不足,提出一种考虑需求响应的区域能源系统双层规划优化方法。
为实现上述目的，本发明提出了一种考虑需求响应的区域能源系统双层规划方法，包括：
首先，基于暖通空调领域里最常用的温度重设和预冷/预热策略设立三种需求响应情景即情景一只考虑建筑单预冷/预热策略，情景二只考虑建筑温度重设策略，情景三考虑预冷/预热+温度重设策略。将不考虑需求响应策略的情景作为基准情景。
其次，将规划与运行相结合，采用双层规划优化方法:上层优化结果作为下层优化的约束边界条件，下层优化结果对上层优化结果进行反馈校正，最终确定出满足目标函数和约束条件的能源系统优化方案；上层优化为规划优化，以能源系统全寿命周期内总成本等年值最小和系统
Figure BDA0002881537130000021
效率最高为优化目标，主要设备配置容量为优化变量，利用多目标遗传算法(NSGA-Ⅱ)求解。
能源系统的全寿命周期内总成本等年值CATC包括全寿命周期初投资费用等年值Cinv，运行维护成本Cmat，安装运输费用Cbuild，燃料购入成本Ccsu和环境成本Cenv。
目标函数一表示为：
f1＝minCATC＝min{Cinv+Cmat+Cbuild+Ccsu+Cenv} (1)
其中，各分项成本计算方法如下：
(1)全寿命周期初投资费用等年值Cinv
全寿命周期初投资费用等年值是指将规划初期购买、运输和安装系统各设备的一次性初投资折算到全寿命周期内每一年的等值费用，可由下式计算得到：
Figure BDA0002881537130000031
式中：
cinv,i——设备单位容量价格，元/kW；
Xi——设备额定容量，kW；
r——资本年利率；
N——设备寿命，年；
k——系统内设备类型；
i——设备序号；
(2)维护成本Cmat
能源系统在建成后，需每年定期对设备进行维护管理，设备年运行维护成本一般来说是固定的，在规划阶段，设备维护费用一般可按照主要设备费用的3％来估算。维护成本Cmat按下式计算：
Cmat＝γCinv (3)
式中：
γ——系统维护费用对设备初投资占比，一般取3％。
(3)设备安装运输费用
设备安装运输费用一般可按照主要设备费用的15％来估算：
Cbuild＝λCinv (4)
式中：λ——系统安装运输费用对设备初投资占比，一般取15％。
(3)燃料购入成本Ccsu
能源系统运行过程中一定会消耗一定量的燃料，如电力、化石燃料等，从而产生燃料购入费用，燃料购入成本计算式如下式所示：
Figure BDA0002881537130000041
式中：
T——运行总时长，h；
t——时间序号，h；
F——燃料种类；
f——燃料种类序号；
ci,f——第i种设备关于第f种能源消耗的单位能源价格，元/kW；
Pi,f(t)——第i种设备关于第f种能源消耗的逐时消耗量，元/kW。
(4)环境成本Cenv
环境成本是指能源系统运行过程中消耗各种能量，同时排放出一定量的污染物的环境判罚成本，可通过下式计算得到：
Figure BDA0002881537130000042
式中：
Figure BDA0002881537130000043
——消耗第f种能源的第j种污染物的单位排放量，kg/kW；
cj,EP——消耗第f种能源的第j种污染物的单位排放价格，元/kg。
目标函数二表示为：
Figure BDA0002881537130000044
式中，Pin表示输入能源系统的能量，Pout表示能源系统对外输出的能量，λ表示能量的能质系数，下标e、c、h、re分别代表电量、冷量、热量和可再生能量。常见能量形式的能质系数计算方法如下。
化石燃料的能质系数计算式如下：
Figure BDA0002881537130000051
式中：
λf——化石燃料的能质系数；
Tburn——实际燃烧温度，K；
T0——环境温度，K。
电能能质系数为1：
λe＝1 (9)
式中：λe为电能的能质系数。
可再生能量能质系数为0：
λre＝0 (10)
式中：λre为可再生能量的能质系数。
建筑空间用热的能质系数如下：
Figure BDA0002881537130000052
式中：
λh——建筑空间用热的能质系数；
T0——室外环境温度，K；
Th——室内环境供热温度，K。
建筑空间用冷的能质系数如下式：
Figure BDA0002881537130000053
式中：
λc——建筑空间用冷的能质系数；
T0——室外环境温度，K；
Tc——室内环境供冷温度，K。
上层优化的主要约束条件为各设备的容量限制条件，如下式：
Xi,min≤Xi≤Xi,max (13)
式中：
Xi——系统内第i种设备的配置容量，kW；
Xi,min——系统内第i种设备的配置容量下限，kW；
Xi,max——系统内第i种设备的配置容量上限，kW。
下层为运行优化，将总运行成本最小和系统
Figure BDA0002881537130000062
效率最高作为加权单目标函数，本发明中视总运行成本与系统
Figure BDA0002881537130000063
效率的重要性相同，权重都为0.5。各设备逐时运行量为优化变量，利用内点法求解。
下层运行优化的加权单目标函数表示为：
g＝min{0.5×(Ccsu+Cenv)-0.5×ηex} (14)
下层运行优化是在上层规划的配置容量基础上进行系统运行优化模拟，决策变量是系统各个主要设备的逐时运行量，需要满足的约束条件有设备的运行限制约束和能量平衡约束。下层优化的约束条件如下：
(1)设备运行限制约束
①冷水机组运行约束
Figure BDA0002881537130000061
式中：
qEC,t——冷水机组在t时刻的制冷功率，kW；
XEC——冷水机组的额定容量，kW；
PEC,t——冷水机组在t时刻消耗的电功率，kW；
COPEC——冷水机组的电制冷性能系数。
②热泵运行约束
Figure BDA0002881537130000071
Figure BDA0002881537130000072
式中：
qHP,c,t——热泵在t时刻产生的制冷功率，kW；
qHP,h,t——热泵在t时刻产生的制热功率，kW；
PHP,t——热泵在t时刻消耗的电功率，kW；
XHP——热泵的额定容量，kW；
COPHP,c——热泵的电制冷性能系数；
COPHP,h——热泵的电制热性能系数。
③燃气锅炉的运行约束
ρGB,minXGB≤qGB,t≤XGB； (18)
式中：
qGB,t——燃气锅炉在t时刻产生的制热功率，kW；
XGB——燃气锅炉的额定容量，kW；
ρGB,min——为保证安全，燃气锅炉运行允许的最小负荷率，一般取0.3。
④蓄能设备的运行约束
蓄能设备在一天的开始和结束时刻的蓄能量要相等：
ESt＝T＝ESt＝0 (19)
运行过程中的蓄能状态：
Figure BDA0002881537130000073
ρES,minXES≤ESt≤ρES,maxXES (21)
蓄能设备的充放功率速率限制：
Figure BDA0002881537130000081
Figure BDA0002881537130000082
式中：
XES——蓄能设备的额定容量，kW；
ESt＝0,ESt,ESt＝T——分别是蓄能设备在初始时刻、t时刻和结束时刻的蓄能状态，kW；
Figure BDA0002881537130000083
——分别是蓄能设备的充能功率和放能功率，kW；
ηchar,ηdis——分别是蓄能设备的充能效率和放能效率，％；
Figure BDA0002881537130000084
——蓄能设备的自损耗系数；
Rchar,Rdis——分别是蓄能设备的充能倍率和放能倍率，即蓄能设备在额定时间内充/放能至其额定容量所需要的能量值。
⑤光伏系统运行约束
0≤PPV,t (24)
式中：PPV,t是t时刻光伏系统的总发电量，kW。
(2)能量平衡约束
①电功率平衡约束
对任意时刻t，能源系统从市政电网购入的电量与光伏系统的发电量之和要等于区域内用户电负荷与系统内供冷供热设备的耗电量之和。
Pneed,t+PEC,t+PHP,t＝PEgrid,t+PPV,t (25)
式中：Pneed,t为t时刻的用户电负荷需求，kW。
②冷功率平衡约束
对任意时刻t，系统内主要供冷设备的总供冷量要大于等于区域用户的冷负荷需求。
Figure BDA0002881537130000091
式中：
LCneed,t——区域内用户在t时刻的冷负荷需求，kW；
qi,cool,t——能源系统内第i种供冷设备在t时刻的对外供冷量，kW。
③热功率平衡约束
对任意时刻t，系统内主要供热设备的总供热量要大于等于区域用户的热负荷需求。
Figure BDA0002881537130000092
式中：
LHneed,t——区域内用户在t时刻的热负荷需求，kW；
qi,heat,t——能源系统内第i种供热设备在t时刻的对外热冷量，kW。
利用该双层优化方法对某一种能源系统方案在四种情景下的规划进行优化，对四种情景下的规划结果进行对比分析，以高峰时段电网购电削减量与低谷时段的电网购电的增加量之和作为需求响应潜力大小的指标，各情景下能源系统的需求响应潜力可通过运行日电网购电曲线来反映，从而确定出具有最佳技术经济效益的需求响应策略。
根据前面确定的最佳需求响应策略情景，再对三种能源系统方案进行反馈规划。从经济效益、运行效益、环境效益三个方面提出包含七个指标的综合评价体系，经济效益指标主要包括全寿命周期初投资等年值、运行成本和总成本。运行效益指标主要包括平均
Figure BDA0002881537130000095
效率和电/热网购电/热曲线平准化率。环境效益指标主要包括总碳排放量和可再生能源利用率。利用熵权+灰色关联+TOPSIS综合评价决策方法确定出具有最佳综合效益的能源系统方案作为最终的区域能源系统方案。
电/热网购电/热曲线平准化率计算式如下：
Figure BDA0002881537130000093
式中，
Figure BDA0002881537130000094
为平均购电/热量；Lmax为最大购电/热量。
本发明关于可再生能源利用率的计算方法为应用可再生能源的设备容量在所有设备总容量中的占比。
有益效果
1.有利于将规划和运行相匹配，避免能源系统规划容量冗余，节省系统总成本。
2.有利于在规划阶段提前考虑需求响应，整合供给侧和需求侧资源，落实需求侧规划。
3.在经济效益、运行效益和环境效益三个维度上，最终规划方案具有最佳综合效益。
附图说明
图1为本发明一个实施例中的主要技术路线；
图2为本发明一个实施例中的区域建筑夏季典型日逐时冷负荷曲线；
图3为本发明一个实施例中的区域建筑冬季典型日逐时热负荷曲线；
图4为本发明一个实施例中的区域建筑典型日逐时电负荷曲线；
图5为本发明一个实施例中的三种建筑对应四种情景的设立情况；
图6为本发明一个实施例中的各情景下能源系统夏季典型日需求响应潜力对比；
图7为本发明一个实施例中的各情景下能源系统冬季典型日需求响应潜力对比；
图8为本发明一个实施例中的各能源方案的指标雷达图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。
本发明提供了一种考虑需求响应的区域能源系统双层规划优化方法，该方法主要技术路线如图1所示，包括首先，基于暖通空调领域里最常用的温度重设和预冷/预热策略设立三种需求响应情景即情景一只考虑建筑单预冷/预热策略，情景二只考虑建筑温度重设策略，情景三考虑预冷/预热+温度重设策略。将不考虑需求响应策略的情景作为基准情景。
其次，将规划与运行相结合，采用双层规划优化方法。上层优化为规划优化，以能源系统全寿命周期内总成本等年值最小和系统
Figure BDA0002881537130000101
效率最高为优化目标，主要设备配置容量为优化变量，利用多目标遗传算法(NSGA-Ⅱ)求解。下层为运行优化，将总运行成本最小和系统
Figure BDA0002881537130000102
效率最高作为加权单目标函数，各设备逐时运行量为优化变量，利用内点法求解。上层优化结果作为下层优化的约束边界条件，下层优化结果对上层优化结果进行反馈校正，最终确定出满足目标函数和约束条件的能源系统优化方案。
利用该双层优化方法对某一种能源系统方案在四种情景下的规划进行优化，对四种情景下的规划结果进行对比分析，以高峰时段电网购电削减量与低谷时段的电网购电的增加量之和作为需求响应潜力大小的指标，各情景下能源系统的需求响应潜力可通过运行日电网购电曲线来反映，从而确定出具有最佳技术经济效益的需求响应策略。
根据前面确定的最佳需求响应策略情景，再对三种能源系统方案进行反馈规划。从经济效益、运行效益、环境效益三个方面提出包含七个指标的综合评价体系，经济效益指标主要包括全寿命周期初投资等年值、运行成本和总成本。运行效益指标主要包括平均
Figure BDA0002881537130000111
效率和电/热网购电/热曲线平准化率。环境效益指标主要包括总碳排放量和可再生能源利用率。利用熵权+灰色关联+TOPSIS综合评价决策方法确定出具有最佳综合效益的能源系统方案作为最终的区域能源系统方案。
优选地，所述需求响应情景设立是基于基于暖通空调领域里最常用的温度重设和预冷/预热策略。正常工作时间内，办公建筑的夏季供冷温度为25，℃冬季供暖温度为22；℃商场建筑的夏季供冷温度为25，℃冬季供暖温度为20；℃酒店建筑的夏季供冷温度为24，℃冬季供暖温度为22。℃情景一为单建筑预冷/预热，即区域内所有办公建筑和商场建筑除正常工作时间的空调运行策略外，在清晨5:00-8:00为预冷/预热时段，办公建筑夏季预冷温度为24，℃冬季预热温度为18；℃商场建筑夏季预冷温度为24，℃冬季预热温度为17。℃由于酒店为全天候使用空调，因此不考虑预冷/预热策略。情景二为单独考虑建筑空调温度重设，即办公建筑从早上8:00到下午18:00，夏季供冷温度为26，℃冬季供热温度为20；℃商场建筑从早上8:00到夜晚20:00，夏季供冷温度为26，℃冬季供热温度为18；℃酒店建筑夏季全天供冷温度为25，℃冬季全天供热温度为20。℃情景三为建筑预冷/预热与空调温度重设共同实施。
优选地，所述双层规划优化方法中，上层规划优化模型中的目标函数一是使能源系统全寿命周期内总成本等年值最小，能源系统的全寿命周期内总成本等年值CATC包括全寿命周期初投资费用等年值Cinv，运行维护成本Cmat，安装运输费用Cbuild，燃料购入成本Ccsu和环境成本Cenv。该目标由下式表示：
f1＝minCATC＝min{Cinv+Cmat+Cbuild+Ccsu+Cenv} (1)
(1)全寿命周期初投资费用等年值Cinv
全寿命周期初投资费用等年值是指将规划初期购买、运输和安装系统各设备的一次性初投资折算到全寿命周期内每一年的等值费用，可由式(2)计算得到：
Figure BDA0002881537130000121
式中：
cinv,i——设备单位容量价格，元/kW；
Xi——设备额定容量，kW；
r——资本年利率；
N——设备寿命，年；
k——系统内设备类型；
i——设备序号。
(2)维护成本Cmat
能源系统在建成后，需每年定期对设备进行维护管理，设备年运行维护成本一般来说是固定的，在规划阶段，设备维护费用一般可按照主要设备费用的3％来估算。维护成本Cmat按式(3)所示：
Cmat＝γCinv (3)
式中：
γ——系统维护费用对设备初投资占比，一般取3％。
(3)设备安装运输费用
设备安装运输费用一般可按照主要设备费用的15％来估算：
Cbuild＝λCinv (4)
式中：λ——系统安装运输费用对设备初投资占比，一般取15％。
(4)燃料购入成本Ccsu
能源系统运行过程中一定会消耗一定量的燃料，如电力、化石燃料等，从而产生燃料购
入费用，燃料购入成本计算式如式(5)所示：
Figure BDA0002881537130000122
式中：
T——运行总时长，h；
t——时间序号，h；
F——燃料种类；
f——燃料种类序号；
ci,f——第i种设备关于第f种能源消耗的单位能源价格，元/kW；
Pi,f(t)——第i种设备关于第f种能源的逐时消耗量，kW。
(5)环境成本Cenv
环境成本是指能源系统运行过程中消耗各种能量，同时排放出一定量的污染物的环境判罚成本，可通过式(6)计算得到：
Figure BDA0002881537130000131
式中：
Figure BDA0002881537130000132
——消耗第f种能源的第j种污染物的单位排放量，kg/kW；
cj,EP——消耗第f种能源的第j种污染物的单位排放价格，元/kg。
上层规划优化模型的目标函数二是能源系统的
Figure BDA0002881537130000135
效率最大化，可通过式(7)计算：
Figure BDA0002881537130000133
式中：式中，Pin表示输入能源系统的能量，Pout表示能源系统对外输出的能量，λ表示能量的能质系数，下标e、c、h、re分别代表电量、冷量、热量和可再生能量。常见能量形式的能质系数计算方法如下：
化石燃料的能质系数计算式如下：
Figure BDA0002881537130000134
式中：
λf——化石燃料的能质系数；
Tburn——实际燃烧温度，K；
T0——环境温度，K。
电能能质系数为1：
λe＝1 (9)
式中：λe为电能的能质系数
可再生能量能质系数为0：
λre＝0 (10)
式中：λre为可再生能量的能质系数
建筑空间用热的能质系数如下：
Figure BDA0002881537130000141
式中：
λh——建筑空间用热的能质系数；
T0——室外环境温度，K；
Th——室内环境供热温度，K。
建筑空间用冷的能质系数如下：
Figure BDA0002881537130000142
式中：
λc——建筑空间用冷的能质系数；
T0——室外环境温度，K；
Tc——室内环境供冷温度，K。
上层优化的主要约束条件为各设备的容量限制条件，如下式所示：
Xi,min≤Xi≤Xi,max (13)
式中：
Xi——系统内第i种设备的配置容量，kW；
Xi,min——系统内第i种设备的配置容量下限，kW；
Xi,max——系统内第i种设备的配置容量上限，kW。
优选地，所述双层规划优化方法中，下层规划优化模型中的目标函数是总运行成本及系统
Figure BDA0002881537130000154
效率构造成的加权单目标函数作为下层运行优化的单目标函数，本发明中视总运行成本与系统
Figure BDA0002881537130000155
效率的重要性相同，权重都为0.5。下层运行优化的加权单目标函数如式(14)所示：
g＝min{0.5×(Ccsu+Cenv)-0.5×ηex} (14)
下层运行优化是在上层规划的配置容量基础上进行系统运行优化模拟，决策变量是系统各个主要设备的逐时运行量，需要满足的约束条件有设备的运行限制约束和能量平衡约束。下层优化的约束条件如下：
(1)设备运行限制约束
①冷水机组运行约束
Figure BDA0002881537130000151
式中：
qEC,t——冷水机组在t时刻的制冷功率，kW；
XEC——冷水机组的额定容量，kW；
PEC,t——冷水机组在t时刻消耗的电功率，kW；
COPEC——冷水机组的电制冷性能系数。
②热泵运行约束
Figure BDA0002881537130000152
Figure BDA0002881537130000153
式中：
qHP,c,t——热泵在t时刻产生的制冷功率，kW；
qHP,h,t——热泵在t时刻产生的制热功率，kW；
PHP,t——热泵在t时刻消耗的电功率，kW；
XHP——热泵的额定容量，kW；
COPHP,c——热泵的电制冷性能系数；
COPHP,h——热泵的电制热性能系数。
③燃气锅炉的运行约束
ρGB,minXGB≤qGB,t≤XGB； (18)
式中：
qGB,t——燃气锅炉在t时刻产生的制热功率，kW；
XGB——燃气锅炉的额定容量，kW；
ρGB,min——为保证安全，燃气锅炉运行允许的最小负荷率，一般取0.3。
④蓄能设备的运行约束
蓄能设备在一天的开始和结束时刻的蓄能量要相等：
ESt＝T＝ESt＝0 (19)
运行过程中的蓄能状态：
Figure BDA0002881537130000161
ρES,minXES≤ESt≤ρES,maxXES (21)
蓄能设备的充放功率速率限制：
Figure BDA0002881537130000162
Figure BDA0002881537130000163
式中：
XES——蓄能设备的额定容量，kW；
ESt＝0,ESt,ESt＝T——分别是蓄能设备在初始时刻、t时刻和结束时刻的蓄能状态，kW；
Figure BDA0002881537130000171
——分别是蓄能设备的充能功率和放能功率，kW；
ηchar,ηdis——分别是蓄能设备的充能效率和放能效率，％；
Figure BDA0002881537130000172
——蓄能设备的自损耗系数；
Rchar,Rdis——分别是蓄能设备的充能倍率和放能倍率，即蓄能设备在额定时间内充/放能至其额定容量所需要的能量值。
⑤光伏系统运行约束
0≤PPV,t (24)
式中：PPV,t是t时刻光伏系统的总发电量，kW。
(2)能量平衡约束
①电功率平衡约束
对任意时刻t，能源系统从市政电网购入的电量与光伏系统的发电量之和要等于区域内用户电负荷与系统内供冷供热设备的耗电量之和：
Pneed,t+PEC,t+PHP,t＝PEgrid,t+PPV,t (25)
式中：Pneed,t为t时刻的用户电负荷需求，kW。
②冷功率平衡约束
对任意时刻t，系统内主要供冷设备的总供冷量要大于等于区域用户的冷负荷需求：
Figure BDA0002881537130000173
式中：
LCneed,t——区域内用户在t时刻的冷负荷需求，kW；
qi,cool,t——能源系统内第i种供冷设备在t时刻的对外供冷量，kW。
③热功率平衡约束
对任意时刻t，系统内主要供热设备的总供热量要大于等于区域用户的热负荷需求：
Figure BDA0002881537130000174
式中：
LHneed,t——区域内用户在t时刻的热负荷需求，kW；
qi,heat,t——能源系统内第i种供热设备在t时刻的对外热冷量，kW。
优选地，所述双层规划优化方法中，上层规划优化模型由非支配排序遗传算法(NSGA-Ⅱ)求解；下层运行优化模型以典型日运行模拟替代全年运行模拟，从而达到最大化减少计算负担，加快求解速度的目的。通过MATLAB内置的fmincon函数直接调用内点法来对下层运行优化问题求解，仅需设置少量算法参数即可完成算法调用。
优选地，所述考虑需求响应的区域能源系统的综合评价指标体系从经济效益、运行效益、环境效益三个方面提出七个指标对能源系统方案进行综合评价，经济效益指标主要包括全寿命周期初投资等年值、运行成本和总成本。运行效益指标主要包括平均
Figure BDA0002881537130000181
效率和电/热网购电/热曲线平准化率。环境效益指标主要包括总碳排放量和可再生能源利用率。其中，电/热网购电/热曲线平准化率指的是购电/热量的平稳程度，通过用平均购电/热量与最大购电/热量之间的比值来衡量平均购电/热量与最大购电/热量之间的差异程度。电/热网购电/热曲线平准化率越高，表明购电/热曲线越平稳，能源系统越有利于电网的安全平稳运行。电/热网购电/热曲线平准化率计算式如式(28)所示：
Figure BDA0002881537130000182
式中，
Figure BDA0002881537130000183
为平均购电/热量；Lmax为最大购电/热量。
本发明关于可再生能源利用率的计算方法为应用可再生能源的设备容量在所有设备总容量中的占比。
实施例1：
本实施例提供一个我国武汉市的某一正在规划的园区的部分区域作为研究案例，对本发明提出的考虑需求响应的区域能源系统双层规划优化方法的有效性和效益进行验证。该规划区域内共有十栋建筑，分别为5栋建筑面积为17392.62m2的办公楼，2栋建筑面积为21113.17m2的商场和3栋建筑面积为41945.89m2的酒店。所有建筑总占地面积约为21600m2。
通过DesignBuilder模拟单体建筑典型日的逐时冷、热、电负荷，将区域内所有功能和数量的建筑负荷逐时叠加，自下而上得到包含所有建筑的区域逐时冷、热、电负荷。区域夏季典型日逐时冷负荷曲线如图2所示，冬季典型日逐时热负荷曲线如图3所示，典型日逐时电负荷如图4所示。
案例区域能源系统计划配备冷水机组、地源热泵、屋顶光伏系统、蓄热水箱和燃气锅炉。根据光照强度测算，当光伏电池板倾角为30°时，单位面积电池板上接收的太阳总辐射量最大，最有利于收集太阳辐射，提高光伏系统的实际发电量。因此对于本发明中案例的园区光伏系统，要求以30°倾角放置光伏电池板。该园区附近规划有变电站，且变电站在用地、容量等规划上都为园区未来用电负荷增长预留有一定的弹性富裕，因此该园区具有便利的电力条件。冷水机组和地源热泵的制冷/制热性能系数如表1所示。光伏组件性能参数如表2所示。蓄能罐性能参数如表3所示。
表1冷水机组和地源热泵的制冷/制热性能系数
Figure BDA0002881537130000191
表2光伏组件性能参数
Figure BDA0002881537130000192
表3蓄能罐性能参数
Figure BDA0002881537130000193
取系统设备平均寿命周期为20年，年利率取0.07。为更好地实行需求响应策略，在本发明中案例所选区域中实行试点分时电价，即峰时段为8:00-11:00和18:00-23:00，峰段电价为1.2035元/kWh；谷时段为23:00-7:00，谷段电价为0.5522元/kWh；其他时刻为平时段，平时段电价为0.8367元/kWh。天然气价格取2.27元/m3。系统通过电网购电的CO2排放系数取0.877kg/kWh，碳税取0.14元/kgCO2。系统各主要设备的经济成本如表4所示。
表4系统各主要设备的经济成本
Figure BDA0002881537130000194
Figure BDA0002881537130000201
在优化前须对程序中运用的NSGA-Ⅱ遗传算法和fmincon函数的基本算法参数进行设置。本发明中关于NSGA-Ⅱ遗传算法和fmincon函数的基本参数及变量搜索范围如表5所示。
表5算法参数及变量搜索范围设置
Figure BDA0002881537130000202
通过前文对案例区域的冬夏典型日逐时冷、热、电负荷的模拟及主要设备经济及参数等设置，利用MATLAB 2019b编写区域能源系统双层优化程序，最终得出了案例区域的能源系统容量优化结果和运行优化结果。案例区域能源系统的主要设备容量优化结果如表6所示。系统全寿命初投资等年值为700.67万元，包含运行费用在内的总成本为3102.40万元。可再生能源占比约50.55％。
表6主要设备容量配置结果
Figure BDA0002881537130000203
该系统在夏季典型日的运行
Figure BDA0002881537130000204
效率为58.24％，运行成本为11.94万元，二氧化碳排放量为96.57吨。冬季典型日的运行
Figure BDA0002881537130000211
效率为71.60％，运行成本为10.51万元，二氧化碳排放量为85.96吨。冬夏季平均
Figure BDA0002881537130000212
效率为64.9％。一般认为，30％及以下的
Figure BDA0002881537130000213
效率属于较低
Figure BDA0002881537130000214
效率，可见，经过优化，冬夏典型日的系统
Figure BDA0002881537130000215
效率均大于30％，都较好的利用了能量。冬夏季典型日运行优化结果如表7所示。
表7冬夏季典型日运行优化结果
Figure BDA0002881537130000216
基于本发明中案例区域及能源系统形式，以不考虑需求响应策略的情景为基准情景，另设立三种考虑温度重设和预冷/预热需求响应策略的情景。三种建筑对应四种情景的设立情况如图5所示。对每种情景下的能源系统再次利用本发明中提出的双层规划方法进行优化，各情景容量规划优化结果如表8所示。
表8各情景容量规划结果
Figure BDA0002881537130000217
各情景下能源系统在冬夏典型日的需求响应潜力可通过运行日电网购电曲线来反映。夏季典型日需求响应潜力对比如图6所示，冬季典型日需求响应潜力对比如图7所示。从图6和图7可见，情景一的夏季典型日需求响应潜力为3178kW，冬季典型日需求响应潜力为3845.04kW，冬夏总需求响应潜力为7023.03kW。情景二的夏季典型日需求响应潜力为2862.94kW，冬季典型日需求响应潜力为4037.65kW，冬夏总需求响应潜力为6900.59kW。情景三的夏季典型日需求响应潜力为4528.96kW，冬季典型日需求响应潜力为5409.85kW，冬夏总需求响应潜力为9938.80kW。因此，考虑预冷+温度重设的需求响应策略最有利于提高能源系统对电网的需求响应潜力。
各情景关于目标函数的计算结果如表9所示。
表9各情景关于目标函数的计算结果
Figure BDA0002881537130000221
从表9可见，考虑需求响应的三种情景的全寿命周期初投资等年值相比基准情景都有所减少，情景一到情景三的全寿命周期初投资等年值依次减少0.55％、1.02％和9.15％，预冷+温度重设策略最有利于节省系统初投资。情景一的运行成本相比基准情景有所增加，这是因为情景一只采用单预冷/预热策略，在其他条件不变的情况下，尽管峰值冷热负荷有所降低，但减少的峰值负荷不足以抵消提前开启机组预冷/预热增加的系统能耗，因此总体来说系统能耗增加了，燃料消耗与碳排放量也随之增加，增加了0.23％。情景二和情景三各自的运行成本分别降低了5.42％和3.60％，可见温度重设策略最有利于降低系统运行成本与减少系统碳排放量。综合初投资与运行成本，考虑考虑需求响应的三种情景相对于基准情景而言，分别减少了-0.05％、4.43％和4.85％。这说明了需求响应策略具有很好的经济效益，其中采用预冷+温度重设的需求响应策略的情景三总体经济效益最佳。
考虑了温度重设的情景二和情景三都有助于提升能源系统冬夏平均
Figure BDA0002881537130000222
效率，分别可提升3.80％和1.32％的系统
Figure BDA0002881537130000223
效率，而单独采用预冷的情景一的系统
Figure BDA0002881537130000224
效率降低了0.55％。
综上所述，建议在能源规划时，采用预冷+温度重设的需求响应策略，不仅有利于提高系统
Figure BDA0002881537130000225
效率，还能最大限度降低系统总成本、提高可再生能源比例与保障电网平稳运行。
基于预冷+温度重设策略，对新的能源系统方案进行分析对比，从而达到使需求响应策略对能源系统方案规划进行指导的目的。因此除前文提到的能源系统方案外，为案例区域另选定两种能源系统方案，如表10所示。
表10三种能源系统方案
Figure BDA0002881537130000226
对每一种能源系统方案，在预冷+温度重设情景下，利用本发明中提出的规划方法确定每种能源系统方案中各主要设备的容量配置，各系统配置结果如表11所示。
表11各能源系统容量配置结果
Figure BDA0002881537130000231
基于本发明提出的能源系统综合评价体系，各能源系统方案的各项指标数值对比如表12所示。
表12各能源系统方案的各项指标数值对比
Figure BDA0002881537130000232
将各指标标准化数值结果转化为雷达图可帮助投资者和决策者更直观地了解各方案在所有指标体系下的表现效果。各能源方案的指标雷达图如图8所示。根据上述分析，不同的方案在各项指标下的效益得分排序有所差异，因此有必要采用熵权-灰色关联-TOPSIS综合评价决策方法综合评价决策方法来计算各方案的综合效益的优劣。首先对于经过标准化处理的指标数据，利用熵权法确定所有指标的权重，如表13所示。
表13所有指标权重值
Figure BDA0002881537130000233
Figure BDA0002881537130000241
基于上述指标权重计算各方案在指标下的加权数值，并确定得到正理想解为(0，0，0，0.122，0.116，0，0.105)，负理想解为(0.103，0.233，0.154，0，0，0.168，0)之后根据第三章中的综合距离计算公式得到三种能源系统方案关于正负理想解的综合距离与正理想解的相对贴近度，如表14所示。
表14能源系统方案的综合距离计算结果
Figure BDA0002881537130000242
通过表14可知，三种方案与正理想解的相对贴近度排序为方案三＞方案一＞方案二。方案三与正理想解的相对贴近度最大，说明方案三在综合评价指标体系下的综合效益最佳。其次为方案一，方案二的综合效益最差。因此，在预冷+温度重设需求响应策略下，选用冷水机组+地源热泵+燃气锅炉+光伏+蓄能罐的多能互补能源系统方案作为最终的区域能源系统规划方案。

Claims (2)

1.一种考虑需求响应的区域能源系统双层规划优化方法，其特征在于，包括如下步骤：
步骤一是设立三种需求响应情景：
情景一只考虑建筑单预冷/预热策略；
情景二只考虑建筑温度重设策略；
情景三考虑预冷/预热+温度重设策略；
将不考虑需求响应策略的情景作为基准情景；
步骤二是将规划与运行相结合，采用双层规划优化方法：
上层优化为规划优化，以能源系统全寿命周期内总成本等年值最小和系统
Figure FDA0003662254020000011
效率最高为优化目标，主要设备配置容量为优化变量，利用多目标遗传算法NSGA-Ⅱ求解；
下层为运行优化，将总运行成本最小和系统
Figure FDA0003662254020000012
效率最高作为加权单目标函数，各设备逐时运行量为优化变量，利用内点法求解，上层优化结果作为下层优化的约束边界条件，下层优化结果对上层优化结果进行反馈校正，最终确定出满足目标函数和约束条件的能源系统优化方案；
步骤三是利用步骤二的双层优化方法对某一种能源系统方案在四种情景下的规划进行优化，对四种情景下的规划结果进行对比分析，以高峰时段电网购电削减量与低谷时段的电网购电的增加量之和作为需求响应潜力大小的指标，各情景下能源系统的需求响应潜力可通过运行日电网购电曲线来反映，从而确定出确定出具有最佳技术经济效益的需求响应策略；
步骤四是从经济效益、运行效益、环境效益三个方面提出包含七个指标的综合评价体系：
根据步骤三确定的最佳需求响应策略情景；
再对三种能源系统方案进行反馈规划；
基于步骤四的综合评价体系，利用熵权+灰色关联+TOPSIS综合评价决策方法确定出具有最佳综合效益的能源系统方案作为最终的区域能源系统方案；
上层优化模型中的优化目标是使能源系统全寿命周期内总成本等年值最小和系统
Figure FDA0003662254020000013
效率最高，能源系统的全寿命周期内总成本等年值CATC包括全寿命周期初投资费用等年值Cinv，运行维护成本Cmat，安装运输费用Cbuild，燃料购入成本Ccsu和环境成本Cenv；
目标函数一表示为：
f1＝min CATC＝min{Cinv+Cmat+Cbuild+Ccsu+Cenv} (1)
其中，式(1)中的各分项成本计算方法如下：
(1)全寿命周期初投资费用等年值Cinv
全寿命周期初投资费用等年值是指将规划初期购买、运输和安装系统各设备的一次性初投资折算到全寿命周期内每一年的等值费用，由式(2)计算得到：
Figure FDA0003662254020000021
式中：
cinv,i——设备单位容量价格，元/kW；
Xi——设备额定容量，kW；
r——资本年利率；
N——设备寿命，年；
k——系统内设备类型；
i——设备序号；
(2)维护成本Cmat
能源系统在建成后，需每年定期对设备进行维护管理，设备年运行维护成本一般来说是固定的，在规划阶段，维护成本Cmat如式(3)：
Cmat＝γCinv (3)
式中：
γ——系统维护费用对设备初投资占比；
(3)设备安装运输费用；
设备安装运输费用如下：
Cbuild＝λCinv (4)
式中：λ——系统安装运输费用对设备初投资占比；
(4)燃料购入成本Ccsu
燃料购入成本计算式如式(5)所示：
Figure FDA0003662254020000031
式中：
T——运行总时长，h；
t——时间序号，h；
F——燃料种类；
f——燃料种类序号；
ci,f——第i种设备关于第f种能源消耗的单位能源价格，元/kW；
Pi,f(t)——第i种设备关于第f种能源消耗的逐时消耗量，元/kW；
(5)环境成本Cenv
环境成本是指能源系统运行过程中消耗各种能量，同时排放出一定量的污染物的环境判罚成本，通过式(6)计算得到：
Figure FDA0003662254020000032
式中：
Figure FDA0003662254020000033
——消耗第f种能源的第j种污染物的单位排放量，kg/kW；
cj,EP——消耗第f种能源的第j种污染物的单位排放价格，元/kg；
目标函数二表示为：
Figure FDA0003662254020000034
式中，Pin表示输入能源系统的能量，Pout表示能源系统对外输出的能量，λ表示能量的能质系数，下标e、c、h、re分别代表电量、冷量、热量和可再生能量；
常见能量形式的能质系数计算方法如下：
化石燃料的能质系数计算式如式(8)所示：
Figure FDA0003662254020000035
式中：
λf——化石燃料的能质系数；
Tburn——实际燃烧温度，K；
T0——环境温度，K；
电能能质系数为1：
λe＝1 (9)
式中：λe为电能的能质系数
可再生能量能质系数为0：
λre＝0 (10)
式中：λre为可再生能量的能质系数
建筑空间用热的能质系数如式(11)所示：
Figure FDA0003662254020000041
式中：
λh——建筑空间用热的能质系数；
T0——室外环境温度，K；
Th——室内环境供热温度，K；
建筑空间用冷的能质系数如式(12)所示：
Figure FDA0003662254020000042
式中：
λc——建筑空间用冷的能质系数；
T0——室外环境温度，K；
Tc——室内环境供冷温度，K；
上层优化的主要约束条件为各设备的容量限制条件，如下式所示：
Xi,min≤Xi≤Xi,max (13)
式中：
Xi——系统内第i种设备的配置容量，kW；
Xi,min——系统内第i种设备的配置容量下限，kW；
Xi,max——系统内第i种设备的配置容量上限，kW；
在上层优化规划模型的目标函数中，燃料购入成本、环境成本和系统
Figure FDA0003662254020000052
效率都与系统逐时运行状况密切相关，其中，燃料购入成本与环境成本之和可视为系统运行过程中的总运行成本；
为了使得上层优化目标中的总成本最小，系统
Figure FDA0003662254020000053
效率最高，且上层的规划优化结果与运行更匹配，将总运行成本及系统
Figure FDA0003662254020000054
效率构造成为加权函数作为下层运行优化的单目标函数；
视总运行成本与系统
Figure FDA0003662254020000055
效率的重要性相同，权重都为0.5，下层运行优化的加权单目标函数表示为：
g＝min{0.5×(Ccsu+Cenv)-0.5×ηex} (14)
下层运行优化是在上层规划的配置容量基础上进行系统运行优化模拟，决策变量是系统各个主要设备的逐时运行量，需要满足的约束条件有设备的运行限制约束和能量平衡约束；
下层优化的约束条件如下：
(1)设备运行限制约束
①冷水机组运行约束
Figure FDA0003662254020000051
式中：
qEC,t——冷水机组在t时刻的制冷功率，kW；
XEC——冷水机组的额定容量，kW；
PEC,t——冷水机组在t时刻消耗的电功率，kW；
COPEC——冷水机组的电制冷性能系数；
②热泵运行约束
Figure FDA0003662254020000061
Figure FDA0003662254020000062
式中：
qHP,c,t——热泵在t时刻产生的制冷功率，kW；
qHP,h,t——热泵在t时刻产生的制热功率，kW；
PHP,t——热泵在t时刻消耗的电功率，kW；
XHP——热泵的额定容量，kW；
COPHP,c——热泵的电制冷性能系数；
COPHP,h——热泵的电制热性能系数；
③燃气锅炉的运行约束
ρGB,minXGB≤qGB,t≤XGB； (18)
式中：
qGB,t——燃气锅炉在t时刻产生的制热功率，kW；
XGB——燃气锅炉的额定容量，kW；
ρGB,min——为保证安全，燃气锅炉运行允许的最小负荷率；
④蓄能设备的运行约束
蓄能设备在一天的开始和结束时刻的蓄能量要相等：
ESt＝T＝ESt＝0 (19)
运行过程中的蓄能状态：
Figure FDA0003662254020000071
ρES,minXES≤ESt≤ρES,maxXES (21)
蓄能设备的充放功率速率限制：
Figure FDA0003662254020000072
Figure FDA0003662254020000073
式中：
XES——蓄能设备的额定容量，kW；
ESt＝0,ESt,ESt＝T——分别是蓄能设备在初始时刻、t时刻和结束时刻的蓄能状态，kW；
Figure FDA0003662254020000074
——分别是蓄能设备的充能功率和放能功率，kW；
ηchar,ηdis——分别是蓄能设备的充能效率和放能效率，％；
Figure FDA0003662254020000075
——蓄能设备的自损耗系数；
Rchar,Rdis——分别是蓄能设备的充能倍率和放能倍率，即蓄能设备在额定时间内充/放能至其额定容量所需要的能量值；
⑤光伏系统运行约束
0≤PPV,t (24)
式中：PPV,t是t时刻光伏系统的总发电量，kW；
(2)能量平衡约束
①电功率平衡约束
对任意时刻t，能源系统从市政电网购入的电量与光伏系统的发电量之和要等于区域内用户电负荷与系统内供冷供热设备的耗电量之和：
Pneed,t+PEC,t+PHP,t＝PEgrid,t+PPV,t (25)
式中：Pneed,t为t时刻的用户电负荷需求，kW；
②冷功率平衡约束
对任意时刻t，系统内主要供冷设备的总供冷量要大于等于区域用户的冷负荷需求：
Figure FDA0003662254020000081
式中：
LCneed,t——区域内用户在t时刻的冷负荷需求，kW；
qi,cool,t——能源系统内第i种供冷设备在t时刻的对外供冷量，kW；
③热功率平衡约束
对任意时刻t，系统内主要供热设备的总供热量要大于等于区域用户的热负荷需求：
Figure FDA0003662254020000082
式中：
LHneed,t——区域内用户在t时刻的热负荷需求，kW；
qi,heat,t——能源系统内第i种供热设备在t时刻的对外热冷量，kW。
2.根据权利要求1所述的一种考虑需求响应的区域能源系统双层规划优化方法，其特征在于，
经济效益指标主要包括全寿命周期初投资等年值、运行成本和总成本，运行效益指标主要包括平均
Figure FDA0003662254020000085
效率和电/热网购电/热曲线平准化率；
环境效益指标主要包括总碳排放量和可再生能源利用率，其中，电/热网购电/热曲线平准化率指的是购电/热量的平稳程度，通过用平均购电/热量与最大购电/热量之间的比值来衡量平均购电/热量与最大购电/热量之间的差异程度，电/热网购电/热曲线平准化率越高，表明购电/热曲线越平稳，能源系统越有利于电网的安全平稳运行；
电/热网购电/热曲线平准化率计算式如式(28)所示：
Figure FDA0003662254020000083
式中，
Figure FDA0003662254020000084
为平均购电/热量；Lmax为最大购电/热量；
可再生能源利用率的计算方法为应用可再生能源的设备容量在所有设备总容量中的占比。
CN202110001455.5A 2021-01-04 2021-01-04 一种考虑需求响应的区域能源系统双层规划优化方法 Active CN112862154B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110001455.5A CN112862154B (zh) 2021-01-04 2021-01-04 一种考虑需求响应的区域能源系统双层规划优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110001455.5A CN112862154B (zh) 2021-01-04 2021-01-04 一种考虑需求响应的区域能源系统双层规划优化方法

Publications (2)

Publication Number Publication Date
CN112862154A CN112862154A (zh) 2021-05-28
CN112862154B true CN112862154B (zh) 2022-08-02

Family

ID=76001204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110001455.5A Active CN112862154B (zh) 2021-01-04 2021-01-04 一种考虑需求响应的区域能源系统双层规划优化方法

Country Status (1)

Country Link
CN (1) CN112862154B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554296A (zh) * 2021-07-16 2021-10-26 国网江苏省电力有限公司经济技术研究院 园区综合能源系统规划的多指标评价方法
CN113623710A (zh) * 2021-08-18 2021-11-09 国网福建省电力有限公司经济技术研究院 考虑配网功率及供暖的蓄热式电采暖优化配置方法及装置
CN114037331B (zh) * 2021-11-19 2022-08-26 浙江大学 一种考虑典型日特征权重动态分配的综合能源系统规划方法
CN115018184B (zh) * 2022-06-28 2024-04-05 天津大学 一种基于需求响应的空调系统双层优化调度方法
CN116227739B (zh) * 2023-05-05 2023-09-12 中建安装集团有限公司 计及能效的含热泵与电热混合储能的建筑微能源网双层优化配置方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108510122B (zh) * 2018-03-30 2021-08-31 中国电建集团福建省电力勘测设计院有限公司 基于最优双约束条件的综合能源系统优化方法
CN111342451A (zh) * 2020-03-12 2020-06-26 四川大学 促进可再生能源消纳的园区综合能源系统经济配置方法
CN111476509B (zh) * 2020-05-28 2022-08-26 南方电网科学研究院有限责任公司 基于igdt模型的用户侧综合能源系统规划方法及装置
CN111969592A (zh) * 2020-07-24 2020-11-20 南昌大学 基于用户满意度和需求响应的综合能源系统双层规划方法

Also Published As

Publication number Publication date
CN112862154A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN112862154B (zh) 一种考虑需求响应的区域能源系统双层规划优化方法
Wu et al. Residential net-zero energy buildings: Review and perspective
Liu et al. Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community
CN113344736B (zh) 一种园区级综合能源系统及其控制方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
Wang et al. A review of approaches to low-carbon transition of high-rise residential buildings in China
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN113762708A (zh) 一种考虑多目标协同的园区级综合能源系统规划方法
CN112800619B (zh) 多源异质全可再生能源热电气储耦合系统建模与规划方法
Deng et al. Comparative analysis of optimal operation strategies for district heating and cooling system based on design and actual load
Cheraghi et al. Multi-objective optimization of a hybrid renewable energy system supplying a residential building using NSGA-II and MOPSO algorithms
CN112182887A (zh) 一种综合能源系统规划优化仿真方法
Ochs et al. Evaluation of efficiency and renewable energy measures considering the future energy mix
Guo et al. Thermodynamic performance analyses and optimization design method of a novel distributed energy system coupled with hybrid-energy storage
CN115857348A (zh) 考虑两联供热泵舒适供能的分布式能量系统容量优化方法
CN113222227B (zh) 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法
Wu et al. Collaborative optimization method and energy-saving, carbon-abatement potential evaluation for nearly-zero energy community supply system with different scenarios
CN113298164B (zh) 一种基于光伏出力不确定性的楼宇用能优化方法
CN115099473A (zh) 近零碳区域综合能源系统多目标优化方法
CN113962438A (zh) 一种冷热电混合能源联合优化系统及方法
CN114565480A (zh) 考虑碳排放量的区域分布式多能源系统多目标规划方法
CN114330835A (zh) 一种综合能源微网中电/热混合储能系统的优化配置方法
Maleki Dastjerdi et al. Comprehensive energy and economic transient analysis of an off-grid hydrogen car-integrated zero energy building
Yang et al. Development of solar eco-city: experience and lessons learned from turpan demonstration district, China

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