CN112991087B - 综合能源系统能量模拟与优化调度方法、系统及设备 - Google Patents

综合能源系统能量模拟与优化调度方法、系统及设备 Download PDF

Info

Publication number
CN112991087B
CN112991087B CN202010563966.1A CN202010563966A CN112991087B CN 112991087 B CN112991087 B CN 112991087B CN 202010563966 A CN202010563966 A CN 202010563966A CN 112991087 B CN112991087 B CN 112991087B
Authority
CN
China
Prior art keywords
energy
representing
time
scheduling
load
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
CN202010563966.1A
Other languages
English (en)
Other versions
CN112991087A (zh
Inventor
李成仁
罗永伟
张泠
高效
连进步
吴心弘
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.)
Hunan University
State Grid Zhejiang Electric Power Co Ltd
State Grid Energy Research Institute Co Ltd
Original Assignee
Hunan University
State Grid Zhejiang Electric Power Co Ltd
State Grid Energy Research Institute Co Ltd
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 Hunan University, State Grid Zhejiang Electric Power Co Ltd, State Grid Energy Research Institute Co Ltd filed Critical Hunan University
Priority to CN202010563966.1A priority Critical patent/CN112991087B/zh
Publication of CN112991087A publication Critical patent/CN112991087A/zh
Application granted granted Critical
Publication of CN112991087B publication Critical patent/CN112991087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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

Landscapes

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

Abstract

本发明公开了一种综合能源系统能量模拟与优化调度方法、系统及设备，所述方法包括：确定区域内建筑数据库，并根据所述区域内建筑数据库确定区域能源供应形式与能源设备类型，确定能源价格参数；根据所述区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求，并根据区域地理位置及负荷特点，构建综合能源系统；根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件，建立综合能源系统的能量模拟模型；对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化；以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对所述能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期。

Description

综合能源系统能量模拟与优化调度方法、系统及设备
技术领域
本发明涉及综合能源系统技术领域，尤其是涉及一种综合能源系统能量模拟与优化调度方法、系统及设备。
背景技术
区域综合能源供能方案的设计是一项系统性工程，涉及到前期区域用地规划、负荷预测分析、能源供应系统设计、设备选型、设备容量配置及使用调度等诸前期准备工作；但现有的区域综合能源规划设计与调度方法的设计与研究，在设备选型与设备的效率大多采用经验值与固定值，设备选取不合理导致设备容量配置过大或过小，使得区域出现供能不足或投资额过大的问题；区域内能源价格体系与供能设备之间的调度没有充分考虑，造成运行成本增加。与此同时，“互联网+”智慧能源的行动计划的提出，为上述问题的解决带来新的途径，而作为其重要物理载体的综合能源系统的优化调度运行则是实现上述问题关键所在。
“互联网+”智慧能源的行动计划，指出充分考虑电、热、气等不同形式能源之间的耦合是构建能源互联网的重要基础，而综合能源系统作为能源互联网的根本物理实现，其合理规划与调度是实现多能源协调高效、低碳运行的基本保障。因此，在满足用户需求的同时，如何实现综合能源合理规划与调度已成为当下关注的焦点。现有技术中提供了一种考虑电转气运行成本综合能源系统优化调度方法，该发明属于能源配置领域，建立含P2G的能源集线器模型，分析P2G运行成本对系统经济性与风电接纳能力的影响，并建立多目标优化调度模型，但未对供能设备的容量及储能调度进行优化。
现有技术中还提供了一种计及不确定性的区域综合能源系统日前多目标优化调度电网技术，建立了计及负荷和光伏不确定性的区域综合能源系统日前多目标优化调度模型，模型从调度角度提出了通过系统自我调节、无功调节和电转气等控制方案，分析了系统间相互作用与能量流动。上述研究证明了综合能源系统能量模拟与优化调度方法对解决上述问题具有极大的帮助。
发明内容
本发明的目的在于提供一种综合能源系统能量模拟与优化调度方法、系统及设备，旨在解决现有技术中的上述问题。
本发明提供一种综合能源系统能量模拟与优化调度方法，包括：
确定区域内建筑数据库，并根据区域内建筑数据库确定区域能源供应形式与能源设备类型，确定能源价格参数；
根据区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求，并根据区域地理位置及负荷特点，构建综合能源系统；
根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件，建立综合能源系统的能量模拟模型；
将每一个设备的最大可接受的设备容量设置为约束条件上限值，基于用户负荷需求与综合能源系统的能量模拟调度模型，根据预定的最小优化时间周期和预定模拟时间步长，以运行费用、初投资与回收期为目标函数，基于粒子群算法对能量模拟调度模型进行求解，对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化，并基于优化结果，获得优化供能设备的最优配置容量；以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期。
本发明提供一种综合能源系统能量模拟与优化调度系统，包括：
确定模块，用于确定区域内建筑数据库，并根据区域内建筑数据库确定区域能源供应形式与能源设备类型，确定能源价格参数；
计算模块，用于根据区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求，并根据区域地理位置及负荷特点，构建综合能源系统；
建立模块，用于根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件，建立综合能源系统的能量模拟模型；
优化模块，用于将每一个设备的最大可接受的设备容量设置为约束条件上限值，基于用户负荷需求与综合能源系统的能量模拟调度模型，根据预定的最小优化时间周期和预定模拟时间步长，以运行费用、初投资与回收期为目标函数，基于粒子群算法对能量模拟调度模型进行求解，对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化，并基于优化结果，获得优化供能设备的最优配置容量；以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期。
本发明实施例还提供一种综合能源系统能量模拟与优化调度设备，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，计算机程序被处理器执行时实现上述综合能源系统能量模拟与优化调度方法的步骤。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传递的实现程序，程序被处理器执行时实现上述综合能源系统能量模拟与优化调度方法的步骤。
采用本发明实施例，以最小运行费用为目标函数，采用冒泡法与最速下降法，对充放能调度及系统运行调度进行优化；同时采用粒子群算法，对各设备容量进行优化，兼顾综合能源系统初投资经济性与运行的经济性；在实现系统节能、实现能源高效利用方面具有显著的效益。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是本发明实施例的综合能源系统能量模拟与优化调度方法的示意图；
图2是本发明实施例的综合能源系统流程的示意图；
图3是本发明实施例的放能调度状况的示意图；
图4是本发明实施例的一个周期内三种工况下运行费用的示意图；
图5a是本发明实施例的工况一电负荷下各设备出力状况的示意图；
图5b是本发明实施例的工况一热负荷下各设备出力状况的示意图；
图5c是本发明实施例的工况一冷负荷下各设备出力状况的示意图；
图6a是本发明实施例的工况二电负荷下各设备出力状况的示意图；
图6b是本发明实施例的工况二热负荷下各设备出力状况的示意图；
图6c是本发明实施例的工况二冷负荷下各设备出力状况的示意图；
图7a是本发明实施例的工况三电负荷下各设备出力状况的示意图；
图7b是本发明实施例的工况三热负荷下各设备出力状况的示意图；
图7c是本发明实施例的工况三冷负荷下各设备出力状况的示意图；
图8是本发明实施例的综合能源系统能量模拟与优化调度系统的示意图；
图9是本发明实施例的综合能源系统能量模拟与优化调度设备的示意图。
具体实施方式
本发明实施例提供了一种综合能源系统能量模拟与优化调度方法。基于区域内的规划设计构建数据库；基于区域内建筑面积、容积率与建筑类型，预测区域冷、热、电负荷需求，并考虑各种供能设备模型及其对应的约束条件，构建能量模型；以区域综合能源系统初投资最小化，运行费用最小化、投资回收期最小化为目标函数，采用粒子群优化算法对所述模型求解，得到最小初投资，最佳系统供能方案，以及所述系统的设备容量配置。本发明在满足区域内能源需求的同时，可最大限度降低建设成本及运行成本，且具有极高的运行可靠性。
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"坚直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例，提供了一种综合能源系统能量模拟与优化调度方法，图1是本发明实施例的综合能源系统能量模拟与优化调度方法的示意图，如图1所示，根据本发明实施例的综合能源系统能量模拟与优化调度方法具体包括：
步骤101，确定区域内建筑数据库，并根据区域内建筑数据库确定区域能源供应形式与能源设备类型，确定能源价格参数；具体地，步骤1中的建筑数据库包括建筑用地面积、容积率、建筑类型、建筑密度、建筑高度等参数；的能源供应形式包括：单一供电、单一供冷、单一供热、热电联供、冷电联供、冷热电联供；能源设备类型包括：电制冷机、电热泵、溴化锂机组、燃气轮机、燃气锅炉、储冷装置、储热装置；的电热泵有水源热泵、空气源热泵、地源热泵等类型；的电制冷机有离心式制冷机、螺杆式制冷机与涡旋式制冷机等，并且明确各个设备的性能参数；的能源价格包括根据当地用电与用气类型与峰谷状况划分的逐时电价与燃气价格。
步骤102，根据区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求，并根据区域地理位置及负荷特点，构建综合能源系统；
具体地，根据区域内建筑数据库中的参数，采用能耗模拟软件DeST，基于状态空间法根据公式1和公式2模拟预测逐时负荷:
其中，yt表示逐时负荷预测值；t1,t2,……tn表示各围护结构的温度分布向量；A1,A2,……An,C1,C2,……Cn表示各围护结构的导热和热容矩阵；R12,R13,……Rn-1,n表示各围护结构内表面之间长波辐射换热矩阵；u是表示外界条件及室内发热量、送风温度、风量的向量；矩阵W1,W2,……Wn表示拢量u如何作用在各面墙体上；tR表示房间室内发热量；h1,h2,……hn表示房间空气与各墙体间换热能力的向量；f表示房间结构及自动控制情况所决定的系数；d表示由希望输出的信息所决定的向量；yt表示逐时预测负荷；下标t-i·Δτ表示i·Δτ时刻前的状态；Δτ表示时间步长；θi表示状态方程系数。
步骤103，根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件，建立综合能源系统的能量模拟模型；
根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件具体包括：
根据公式3建立电负荷平衡约束函数：
根据公式4建立冷负荷平衡约束函数：
Lc+Ecs＝Hab·ηab+Pec·ηc 公式4；
根据公式5建立热负荷平衡约束函数：
根据公式6建立储冷约束函数：
根据公式7建立储热约束函数：
根据公式8建立供能设备运行费用优化目标函数：
Cop＝fe·Ein+fg·(Gchp+Ggb) 公式8；
其中，Le表示用户电负荷需求；Lc表示用户冷负荷需求；Lh表示用户热负荷需求；Pec表示电制冷机输入功率；Pehp表示电热泵输入功率；Ein表示电网输电；Gchp表示燃气轮机输入功率；Hab表示溴化锂制冷机组输入功率；Ggb表示燃气锅炉输入功率；Ec＝Ecs-Eds表示储冷装置净储冷功率；Eh＝Ecs-Eds表示储热装置净储热功率；Cop表示优化调度模型下运行费用；表示燃气轮机发电效率；表示燃气轮机热效率；ηab表示溴化锂制冷机组制冷效率；ηc表示电制冷机Cop；ηh表示电热泵Cop；ηgb表示燃气锅炉效率；fe表示逐时电价；fg表示逐时燃气价格；分别表示t时刻储冷、储热元件的储能量；δc、δh分别表示储冷、储热损失率；ec.c和ec.d表示储冷元件充能和放能效率；eh.c和eh.d表示储热元件充能和放能效率；和表示储冷元件输入功率与输出功率；和表示储热元件输入功率与输出功率；
根据公式9-13确定设备模型约束函数：
根据公式14-17确定储能装置约束条件：
其中，ux表示0-1开关变量，用以限制充放能过程不能同时发生；和表示储能元件最小和最大储能量；表示储能元件在调度周期前后储能量保持不变，其中x可表示储冷c或者储热h。
步骤104，将每一个设备的最大可接受的设备容量设置为约束条件上限值，基于用户负荷需求与综合能源系统的能量模拟调度模型，根据预定的最小优化时间周期和预定模拟时间步长，以运行费用、初投资与回收期为目标函数，基于粒子群算法对能量模拟调度模型进行求解，对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化，并基于优化结果，获得优化供能设备的最优配置容量；以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期。
在步骤4中，对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化具体包括：
根据用户逐时负荷确定储热储冷量，基于逐时电价并以最小储能费用为目标，采用冒泡法确定储热储冷的时间进行储能调度运行优化；
根据逐时电价与在满足用户逐时负荷需求的前提下，以整个放能周期的运行费用最小为目标函数，采用最速下降法确定最佳放能时间与放能量，得出各供能设备的出力，进行放能调度运行优化，同时对当地能源价格体系给出合理性建议；其中，最速下降法的函数为：
ak+1＝ak+ρk·s-k 公式18；
其中，s-k表示梯度负方向；ρk表示梯度方向上的搜索步长；ak表示函数的坐标；ak+1表示所求函数的最佳坐标值；
在约束条件下，根据公式19，系统运行成本与系统初投资最小化为目标，优化供能设备配置容量：
其中，Ctot表示供能系统总成本；表示各供能设备初投资费用；i表示折旧费用；t表示系统使用年限；
以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期具体包括：
采用粒子群算法对目标函数与约束条件进行求解，得出最佳运行方式、初投资最短回收周期，其中，的粒子群算法为公式20-21：
vi＝vi+c1·rand()·(pbesti-xi)+c2·rand()·(gbesti-xi) 公式20；
xi＝xi+vi 公式21；
其中，i＝1,2,3......N；N表示此群中粒子的总数；vi表示粒子的速度；xi表示粒子的当前位置；rand()表示介于(0,1)之间的随机数；c1和c2表示学习因子，通常为2；pbesti表示局部最优值；gbesti表示表示全局最优值。
以下结合附图，对本发明实施例的上述技术方案进行详细说明。
如图2所示，提供了一种综合能源系统能量模拟与优化调度方法。
步骤1，明确区域内建筑数据库，在计算中使用的建筑数据库包括建筑用地面积、容积率、建筑类型、建筑密度、建筑高度等参数；所述的能源供应形式包括：单一供电、单一供冷、单一供热、热电联供、冷电联供、热电冷联供；能源设备类型包括：电制冷机、电热泵、溴化锂机组、燃气轮机、燃气锅炉、储冷装置、储热装置；所述的电热泵有水源热泵、空气源热泵、地源热泵等类型；所述的电制冷机有离心式制冷机、螺杆式制冷机与涡旋式制冷机等，并且明确各个设备的性能参数；所述的能源价格包括逐时电价与燃气价格，根据当地用电与用气类型与峰谷状况划分。
以一个周期负荷案例进行分析，本实例采用的设备包括：热电联产、燃气锅炉、水源热泵、溴化锂吸收式制冷机、离心水冷式制冷机、储热装置、冰蓄冷装置，该案例已确定各供能设备的容量及性能参数如表1。案例中燃气价格为0.31￥/kW·h，逐时电价参数如表2。
表1：设备元件容量参数
表2：逐时电价参数(￥/kW·h)
用户的冷负荷由溴化锂吸收式制冷机、离心水冷式制冷机与冰蓄冷装置提供；用户的热负荷由热电联产余热、燃气锅炉、热泵及储热装置提供，用户的电负荷由电网与热电联产提供。本案例对三种工况进行分析与展示，如表3所示：
表3：工况划分
步骤2，全年逐时负荷需求预测，依据用地面积、容积率与建筑类型等参数，采用能耗模拟软件DeST，基于状态空间法模拟预测逐时负荷，其公式如下：
其中，yt表示逐时负荷预测值；t1,t2,……tn表示各围护结构的温度分布向量；A1,A2,……An,C1,C2,……Cn表示各围护结构的导热和热容矩阵；R12,R13,……Rn-1,n表示各围护结构内表面之间长波辐射换热矩阵；u是向量，表示外界条件及室内发热量、送风温度、风量；矩阵W1,W2,……Wn表示拢量u如何作用在各面墙体上；tR表示房间室内发热量；h1,h2,……hn表示房间空气与各墙体间换热能力的向量；f表示房间结构及自动控制情况所决定的系数；d表示由希望输出的信息所决定的向量；yt表示逐时预测负荷；下标t-i·Δτ表示i·Δτ时刻前的状态；Δτ表示时间步长；θi表示状态方程系数。
采用DeST能耗模拟软件，预测出用户逐时负荷，如表4所示：
表4:DeST预测用户逐时负荷参数
步骤3，以满足用户需求为前提，建立各供能设备能量转换模型及其相应对应的约束条件，建立综合能源系统的能量模拟模型，构建用户冷、热、电负荷平衡约束函数；
电负荷平衡约束函数为：
其中，Le表示用户电负荷需求；Pce表示电制冷机输入功率；Pehp表示电热泵输入功率；Ein表示电网输电；Gchp表示燃气轮机输入功率；表示燃气轮机发电效率；
冷负荷平衡约束函数为：
Lc+Ec＝Hab·ηab+Pec·ηc
其中，Lc表示用户冷负荷需求；Ec＝Ecs-Eds表示储冷装置净储冷功率；Hab表示溴化锂制冷机组输入功率；ηab表示溴化锂制冷机组制冷效率；ηc表示电制冷机Cop；
热负荷平衡约束函数为：
其中，Lh表示用户热负荷需求；Eh＝Ecs-Eds表示储热装置净储热功率；Ggb表示燃气锅炉输入功率；表示燃气轮机热效率；ηh表示电热泵Cop；ηgb表示燃气锅炉效率；
储冷约束函数为：
储热约束函数为：
其中，表示t时刻储能元件x的储能量；δx表示储能损失率；ex.c和ex.d表示储能元件充能和放能效率；和表示储能元件输入功率与输出功率；下标x可表示冷量c或者热量h。
供能设备运行费用优化目标函数：
Cop＝fe·Ein+fg·(Gchp+Ggb)
其中，Cop表示优化调度模型下运行费用；fe表示逐时电价；fg表示逐时燃气价格；
建立供能设备约束条件模型：
储能装置约束条件：
其中，ux表示0-1开关变量用以限制充放能过程不能同时发生；和表示储能元件最小和最大储能量；表示储能元件在调度周期前后储能量保持不变，下标x可表示冷量c或者热量h。
储能调度关键为充放能时间与量度，根据用户逐时负荷确定出储量，基于逐时电价以最小储能费用为目标，若用户全周期负荷需求大于额定储能量，则在低谷电价时全部储能；若用户全周期负荷需求小于额定储能量，则采用冒泡法确定储能的时间；放能优化调度时，根据逐时电价与在满足用户逐时负荷需求的前提下，以整个放能周期的运行费用最小为目标函数，采用最速下降法确定最佳放能时间与放能量，最速下降法函数为：
ak+1＝ak+ρk·s-k
其中，s-k表示梯度负方向；ρk表示梯度方向上的搜索步长；ak表示函数的坐标；ak+1表示所求函数的最佳坐标值。
根据案例显示，储能时间段在0点-7点、22点-0点，放能时间段在8点-21点，其放能调度状况如图3所示。
在约束条件下，以运行成本与系统初投资为目标，优化供能设备配置容量：
其中，Ctot表示供能系统总成本；表示各供能设备初投资费用；i表示折旧费用；t表示系统使用年限；
采用粒子群算法对所述的模型进行求解，得出最佳运行方式、最佳初投资机最短回收周期。所述的粒子群算法公式：
vi＝vi+c1·rand()·(pbesti-xi)+c2·rand()·(gbesti-xi)；
xi＝xi+vi
其中，i＝1,2,3......N；N表示此群中粒子的综述；vi表示粒子的速度；xi表示粒子的当前位置；rand()表示介于(0,1)之间的随机数；c1和c2表示学习因子，通常为2；pbesti表示局部最优值；gbesti表示表示全局最优值。
案例已对设备的最佳容量进行了确定，分析了三种工况下一个周期运行费用如表5与图4所示，三种工况均以系统运行成本最小为目标；
表5：三种工况运行费用参数
通过图4分析可知，工况三、工况二的运行费用相对工况一分别减少14.65％、5.92％，储热装置对综合能源系统的运行成本有着关键性的影响。
同时储热装置的存在，对系统各供能设备的出力状况有着明显的影响。图5a-7c分别展示冷、热、电三种逐时负荷下各设备出力状况。
从图5a-图5c得知，工况一在逐时电价低谷时(1-7,21-24时)，用户电负荷主要靠电网满足，在电价较高时间段(8-21时)，通过启动热电联产机组以降低购电费用，热电联产余热满足用户热负荷需求，不足部分由热泵与燃气锅炉提供，由于热泵的Cop比燃气锅炉效率大的多，受逐时电价影响，热泵出力比燃气锅炉更多。同理，用户逐时冷负荷主要电制冷机组提供，不足部分由溴化锂制冷机组提供，主要原因是电制冷机的制冷系数远大于溴化锂制冷机组，在当前的电价及天然气价格下，由电制冷机供冷更加经济。
从图6a-图7c得知，工况二、三与工况一相似，均在逐时电价低谷时(1-7,21-24时)，用户电负荷主要靠电网满足，同时储能装置的负荷来源于电网，储热由热泵全部提供，储冷由电制冷机提供；在电价较高时间段(8-21时)，通过启动热电联产机组以降低购电费用，且在工况三热电联产出力要比工况二多。在放能调度下，通过储能装置放热满足用户热负荷，不足部分由热电联产余热与热泵提供，燃气轮机不出力；同理，在放能调度下，通过储冷装置放冷满足用户冷负荷，不足部分由电制冷机提供。从图中也可得知，储能装置的使用减少不必要的供能设备使用，不仅减少了系统运行成本，也降低了系统初投资费用，同时也可以对当地的能源价格体系给出相应的建议。
与现有技术相比，本发明实施例在系统的调度优化、运行费用及初投资成本等方面具有以下明显优点：
储能装置调度模型:本发明实施例在系统储能调度优化时，根据用户逐时负荷确定出储量，基于逐时电价以最小储能费用为目标，采用冒泡法确定储能的时间，确保在运行周期内储能完全消耗；所述的放能优化调度模型，根据逐时电价与在满足用户逐时负荷需求的前提下，以整个放能周期的运行费用最小为目标函数，采用最速下降法确定最佳放能时间与放能量。该方法相比传统的动态规划方法进行速度更快，运行更为稳定。
系统优化调度模型：本发明实施例在系统运行调度时，基于能源价格体系进行优化，能源价格体系包括逐时电价与燃气价格，根据当地用电与用气类型与峰谷状况划分。在满足用户负荷的前提下，与储能调度模型结合以最小运行费用为目标函数，采用最速下降法求解，得出各供能设备的出力，以此减少综合能源系统运行成本，同时对当地能源价格体系给出合理性建议。
设备效率模型：本发明实施例各供能设备的效率是随设备部分负荷波动而变化，更能准确的反映真实状况，以燃气锅炉效率为例，其效率拟合公式为：
η′gb/ηgb＝β2·(H′gb/Hgb)2+β1·(H′gb/Hgb)+β0
其中，β2、β1和β0为拟合系数；η′gb表示燃气锅炉效率；ηgb表示燃气锅炉额定效率；β2表示燃气锅炉效率；β1；β0；Hgb表示燃气锅炉额定功率；H′gb表示燃气锅炉输出功率。
设备容量优化模型：本发明实施例以满足用户需求为前提，建立供能设备模型及约束条件，结合储能装置充放调度策略，建立综合能源系统优化调度模型，在约束条件下，以运行成本与系统初投资最小为目标，优化供能设备配置容量为：
其中，Ctot表示供能系统总成本；表示各供能设备初投资费用；i表示折旧费用；t表示系统使用年限。
综上所述，本发明实施例在明确区域建筑数据库，能源供应形式及能源价格体系，给出合理的综合能源系统；根据当地能源价格体系与分类，优化充放能调度、系统运行调度与设备装机容量，减少综合能源系统运行成本与初投资，同时对当地能源价格体系给出合理性建议。
系统实施例
根据本发明实施例，提供了一种综合能源系统能量模拟与优化调度系统，图8是本发明实施例的综合能源系统能量模拟与优化调度系统的示意图，如图8所示，根据本发明实施例的综合能源系统能量模拟与优化调度系统具体包括：
确定模块80，用于确定区域内建筑数据库，并根据所述区域内建筑数据库确定区域能源供应形式与能源设备类型，确定能源价格参数；具体地，建筑数据库包括建筑用地面积、容积率、建筑类型、建筑密度、建筑高度等参数；的能源供应形式包括：单一供电、单一供冷、单一供热、热电联供、冷电联供、冷热电联供；能源设备类型包括：电制冷机、电热泵、溴化锂机组、燃气轮机、燃气锅炉、储冷装置、储热装置；的电热泵有水源热泵、空气源热泵、地源热泵等类型；的电制冷机有离心式制冷机、螺杆式制冷机与涡旋式制冷机等，并且明确各个设备的性能参数；的能源价格包括根据当地用电与用气类型与峰谷状况划分的逐时电价与燃气价格。
计算模块82，用于根据所述区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求，并根据区域地理位置及负荷特点，构建综合能源系统；所述计算模块82具体用于：
根据所述区域内建筑数据库中的参数，采用能耗模拟软件DeST，基于状态空间法根据公式1和公式2模拟预测逐时负荷:
其中，yt表示逐时负荷预测值；t1,t2,……tn表示各围护结构的温度分布向量；A1,A2,……An,C1,C2,……Cn表示各围护结构的导热和热容矩阵；R12,R13,……Rn-1,n表示各围护结构内表面之间长波辐射换热矩阵；u是表示外界条件及室内发热量、送风温度、风量的向量；矩阵W1,W2,……Wn表示拢量u如何作用在各面墙体上；tR表示房间室内发热量；h1,h2,……hn表示房间空气与各墙体间换热能力的向量；f表示房间结构及自动控制情况所决定的系数；d表示由希望输出的信息所决定的向量；yt表示逐时预测负荷；下标t-i·Δτ表示i·Δτ时刻前的状态；Δτ表示时间步长；θi表示状态方程系数。
建立模块84，用于根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件，建立综合能源系统的能量模拟模型；所述建立模块84具体用于：
根据公式3建立电负荷平衡约束函数：
根据公式4建立冷负荷平衡约束函数：
Lc+Ecs＝Hab·ηab+Pec·ηc 公式4；
根据公式5建立热负荷平衡约束函数：
根据公式6建立储冷约束函数：
根据公式7建立储热约束函数：
根据公式8建立供能设备运行费用优化目标函数：
Cop＝fe·Ein+fg·(Gchp+Ggb) 公式8；
其中，Le表示用户电负荷需求；Lc表示用户冷负荷需求；Lh表示用户热负荷需求；Pec表示电制冷机输入功率；Pehp表示电热泵输入功率；Ein表示电网输电；Gchp表示燃气轮机输入功率；Hab表示溴化锂制冷机组输入功率；Ggb表示燃气锅炉输入功率；Ec＝Ecs-Eds表示储冷装置净储冷功率；Eh＝Ecs-Eds表示储热装置净储热功率；Cop表示优化调度模型下运行费用；表示燃气轮机发电效率；表示燃气轮机热效率；ηab表示溴化锂制冷机组制冷效率；ηc表示电制冷机Cop；ηh表示电热泵Cop；ηgb表示燃气锅炉效率；fe表示逐时电价；fg表示逐时燃气价格；分别表示t时刻储冷、储热元件的储能量；δc、δh分别表示储冷、储热损失率；ec.c和ec.d表示储冷元件充能和放能效率；eh.c和eh.d表示储热元件充能和放能效率；和表示储冷元件输入功率与输出功率；和表示储热元件输入功率与输出功率；
根据公式9-13确定设备模型约束函数：
根据公式14-17确定储能装置约束条件：
其中，ux表示0-1开关变量，用以限制充放能过程不能同时发生；和表示储能元件最小和最大储能量；表示储能元件在调度周期前后储能量保持不变，其中x可表示储冷c或者储热h。
优化模块86，用于将每一个设备的最大可接受的设备容量设置为约束条件上限值，基于用户负荷需求与综合能源系统的能量模拟调度模型，根据预定的最小优化时间周期和预定模拟时间步长，以运行费用、初投资与回收期为目标函数，基于粒子群算法对所述能量模拟调度模型进行求解，对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化，并基于优化结果，获得优化供能设备的最优配置容量；以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对所述能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期。
所述优化模块86具体用于：
根据用户逐时负荷确定储热储冷量，基于逐时电价并以最小储能费用为目标，采用冒泡法确定储热储冷的时间进行储能调度运行优化；
根据逐时电价与在满足用户逐时负荷需求的前提下，以整个放能周期的运行费用最小为目标函数，采用最速下降法确定最佳放能时间与放能量，得出各供能设备的出力，进行放能调度运行优化，同时对当地能源价格体系给出合理性建议；其中，所述最速下降法的函数为：
ak+1＝ak+ρk·s-k 公式18；
其中，s-k表示梯度负方向；ρk表示梯度方向上的搜索步长；ak表示函数的坐标；ak+1表示所求函数的最佳坐标值；
在约束条件下，根据公式19，系统运行成本与系统初投资最小化为目标，优化供能设备配置容量：
其中，Ctot表示供能系统总成本；表示各供能设备初投资费用；i表示折旧费用；t表示系统使用年限；
采用粒子群算法对目标函数与约束条件进行求解，得出最佳运行方式、初投资最短回收周期，其中，所述的粒子群算法为公式20-21：
vi＝vi+c1·rand()·(pbesti-xi)+c2·rand()·(gbesti-xi) 公式20；
xi＝xi+vi 公式21；
其中，i＝1,2,3......N；N表示此群中粒子的总数；vi表示粒子的速度；xi表示粒子的当前位置；rand()表示介于(0,1)之间的随机数；c1和c2表示学习因子，通常为2；pbesti表示局部最优值；gbesti表示表示全局最优值。
综上所述，以最小运行费用为目标函数，采用冒泡法与最速下降法，对充放能调度及系统运行调度进行优化；同时采用粒子群算法，对各设备容量进行优化，兼顾综合能源系统初投资经济性与运行的经济性；在实现系统节能、实现能源高效利用方面具有显著的效益。
装置实施例一
本发明实施例提供一种综合能源系统能量模拟与优化调度设备，如图9所示，包括：存储器90、处理器92及存储在所述存储器90上并可在所述处理器92上运行的计算机程序，所述计算机程序被所述处理器92执行时实现如上述方法实施例中所述的步骤101-104。
装置实施例二
本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息传输的实现程序，所述程序被处理器92执行时实现如上述方法实施例中所述的步骤101-104。
本实施例所述计算机可读存储介质包括但不限于为：ROM、RAM、磁盘或光盘等。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，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，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，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。这样，本发明不限制于任何特定的硬件和软件结合。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (6)

1.一种综合能源系统能量模拟与优化调度方法，其特征在于，包括：
确定区域内建筑数据库，并根据所述区域内建筑数据库确定区域能源供应形式与能源设备类型，确定能源价格参数；
根据所述区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求，并根据区域地理位置及负荷特点，构建综合能源系统；
根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件，建立综合能源系统的能量模拟模型；
将每一个设备的最大可接受的设备容量设置为约束条件上限值，基于用户负荷需求与综合能源系统的能量模拟调度模型，根据预定的最小优化时间周期和预定模拟时间步长，以运行费用、初投资与回收期为目标函数，基于粒子群算法对所述能量模拟调度模型进行求解，对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化，并基于优化结果，获得优化供能设备的最优配置容量；以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对所述能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期；
其中，根据所述区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求具体包括：
根据所述区域内建筑数据库中的参数，采用能耗模拟软件DeST，基于状态空间法根据公式1和公式2模拟预测逐时负荷:
其中，yt表示逐时负荷预测值；t1,t2,……tn表示各围护结构的温度分布向量；A1,A2,……An,C1,C2,……Cn表示各围护结构的导热和热容矩阵；R12,R13,……Rn-1,n表示各围护结构内表面之间长波辐射换热矩阵；u是表示外界条件及室内发热量、送风温度、风量的向量；矩阵W1,W2,……Wn表示拢量u如何作用在各面墙体上；tR表示房间室内发热量；h1,h2,……hn表示房间空气与各墙体间换热能力的向量；f表示房间结构及自动控制情况所决定的系数；d表示由希望输出的信息所决定的向量；yt表示逐时预测负荷；下标t-i·Δτ表示i·Δτ时刻前的状态；Δτ表示时间步长；θi表示状态方程系数；
其中，建立各供能设备能量转换模型及其相对应的约束条件具体包括：
根据公式3建立电负荷平衡约束函数：
根据公式4建立冷负荷平衡约束函数：
Lc+Ecs＝Hab·ηab+Pec·ηc 公式4；
根据公式5建立热负荷平衡约束函数：
根据公式6建立储冷约束函数：
根据公式7建立储热约束函数：
根据公式8建立供能设备运行费用优化目标函数：
Cop＝fe·Ein+fg·(Gchp+Ggb) 公式8；
其中，Le表示用户电负荷需求；Lc表示用户冷负荷需求；Lh表示用户热负荷需求；Pec表示电制冷机输入功率；Pehp表示电热泵输入功率；Ein表示电网输电；Gchp表示燃气轮机输入功率；Hab表示溴化锂制冷机组输入功率；Ggb表示燃气锅炉输入功率；Ec＝Ecs-Eds表示储冷装置净储冷功率；Eh＝Ecs-Eds表示储热装置净储热功率；Cop表示优化调度模型下运行费用；表示燃气轮机发电效率；表示燃气轮机热效率；ηab表示溴化锂制冷机组制冷效率；ηc表示电制冷机Cop；ηh表示电热泵Cop；ηgb表示燃气锅炉效率；fe表示逐时电价；fg表示逐时燃气价格；分别表示t时刻储冷、储热元件的储能量；δc、δh分别表示储冷、储热损失率；ec.c和ec.d表示储冷元件充能和放能效率；eh.c和eh.d表示储热元件充能和放能效率；和表示储冷元件输入功率与输出功率；和表示储热元件输入功率与输出功率；
根据公式9-13确定设备模型约束函数：
根据公式14-17确定储能装置约束条件：
其中，ux表示0-1开关变量，用以限制充放能过程不能同时发生；和表示储能元件最小和最大储能量；表示储能元件在调度周期前后储能量保持不变，其中x可表示储冷c或者储热h。
2.根据权利要求1所述的方法，其特征在于，
对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化具体包括：
根据用户逐时负荷确定储热储冷量，基于逐时电价并以最小储能费用为目标，采用冒泡法确定储热储冷的时间进行储能调度运行优化；
所述的放能调度运行优化，根据逐时电价与在满足用户逐时负荷需求的前提下，以整个放能周期的运行费用最小为目标函数，采用最速下降法确定最佳放能时间与放能量，得出各供能设备的出力，进行放能调度运行优化，同时对当地能源价格体系给出合理性建议；其中，所述最速下降法的函数为：
ak+1＝ak+ρk·s-k 公式18；
其中，s-k表示梯度负方向；ρk表示梯度方向上的搜索步长；ak表示函数的坐标；ak+1表示所求函数的最佳坐标值；
在约束条件下，根据公式19，系统运行成本与系统初投资最小化为目标，优化供能设备配置容量：
其中，Ctot表示供能系统总成本；表示各供能设备初投资费用；i表示折旧费用；t表示系统使用年限；
以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对所述能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期具体包括：
采用粒子群算法对目标函数与约束条件进行求解，得出最佳运行方式、初投资最短回收周期，其中，所述的粒子群算法为公式20-21：
vi＝vi+c1·rand()·(pbesti-xi)+c2·rand()·(gbesti-xi) 公式20；
xi＝xi+vi 公式21；
其中，i＝1,2,3......N；N表示此群中粒子的总数；vi表示粒子的速度；xi表示粒子的当前位置；rand()表示介于(0,1)之间的随机数；c1和c2表示学习因子，通常为2；pbesti表示局部最优值；gbesti表示表示全局最优值。
3.一种综合能源系统能量模拟与优化调度系统，其特征在于，包括：
确定模块，用于确定区域内建筑数据库，并根据所述区域内建筑数据库确定区域能源供应形式与能源设备类型，确定能源价格参数；
计算模块，用于根据所述区域内建筑数据库，计算区域内用户的冷、热、电全年逐时负荷需求，并根据区域地理位置及负荷特点，构建综合能源系统；
建立模块，用于根据用户负荷需求，建立各供能设备能量转换模型及其相对应的约束条件，建立综合能源系统的能量模拟模型；
优化模块，用于将每一个设备的最大可接受的设备容量设置为约束条件上限值，基于用户负荷需求与综合能源系统的能量模拟调度模型，根据预定的最小优化时间周期和预定模拟时间步长，以运行费用、初投资与回收期为目标函数，基于粒子群算法对所述能量模拟调度模型进行求解，对系统进行设备全年运行工况优化、储能调度运行优化、以及放能调度运行优化，并基于优化结果，获得优化供能设备的最优配置容量；以运行费用、初投资与回收期为目标函数，基于粒子群算法进一步对所述能量模拟调度模型进行求解，最终获取最佳运行方式、初投资最短回收周期；
其中，所述计算模块具体用于：
根据所述区域内建筑数据库中的参数，采用能耗模拟软件DeST，基于状态空间法根据公式1和公式2模拟预测逐时负荷:
其中，yt表示逐时负荷预测值；t1,t2,……tn表示各围护结构的温度分布向量；A1,A2,……An,C1,C2,……Cn表示各围护结构的导热和热容矩阵；R12,R13,……Rn-1,n表示各围护结构内表面之间长波辐射换热矩阵；u是表示外界条件及室内发热量、送风温度、风量的向量；矩阵W1,W2,……Wn表示拢量u如何作用在各面墙体上；tR表示房间室内发热量；h1,h2,……hn表示房间空气与各墙体间换热能力的向量；f表示房间结构及自动控制情况所决定的系数；d表示由希望输出的信息所决定的向量；yt表示逐时预测负荷；下标t-i·Δτ表示i·Δτ时刻前的状态；Δτ表示时间步长；θi表示状态方程系数；
其中，所述建立模块具体用于：
根据公式3建立电负荷平衡约束函数：
根据公式4建立冷负荷平衡约束函数：
Lc+Ecs＝Hab·ηab+Pec·ηc 公式4；
根据公式5建立热负荷平衡约束函数：
根据公式6建立储冷约束函数：
根据公式7建立储热约束函数：
根据公式8建立供能设备运行费用优化目标函数：
Cop＝fe·Ein+fg·(Gchp+Ggb) 公式8；
其中，Le表示用户电负荷需求；Lc表示用户冷负荷需求；Lh表示用户热负荷需求；Pec表示电制冷机输入功率；Pehp表示电热泵输入功率；Ein表示电网输电；Gchp表示燃气轮机输入功率；Hab表示溴化锂制冷机组输入功率；Ggb表示燃气锅炉输入功率；Ec＝Ecs-Eds表示储冷装置净储冷功率；Eh＝Ecs-Eds表示储热装置净储热功率；Cop表示优化调度模型下运行费用；表示燃气轮机发电效率；表示燃气轮机热效率；ηab表示溴化锂制冷机组制冷效率；ηc表示电制冷机Cop；ηh表示电热泵Cop；ηgb表示燃气锅炉效率；fe表示逐时电价；fg表示逐时燃气价格；分别表示t时刻储冷、储热元件的储能量；δc、δh分别表示储冷、储热损失率；ec.c和ec.d表示储冷元件充能和放能效率；eh.c和eh.d表示储热元件充能和放能效率；和表示储冷元件输入功率与输出功率；和表示储热元件输入功率与输出功率；
根据公式9-13确定设备模型约束函数：
根据公式14-17确定储能装置约束条件：
其中，ux表示0-1开关变量，用以限制充放能过程不能同时发生；和表示储能元件最小和最大储能量；表示储能元件在调度周期前后储能量保持不变，其中x可表示储冷c或者储热h。
4.根据权利要求3所述的系统，其特征在于，所述优化模块具体用于：
根据用户逐时负荷确定储热储冷量，基于逐时电价并以最小储能费用为目标，采用冒泡法确定储热储冷的时间进行储能调度运行优化；
根据逐时电价与在满足用户逐时负荷需求的前提下，以整个放能周期的运行费用最小为目标函数，采用最速下降法确定最佳放能时间与放能量，得出各供能设备的出力，进行放能调度运行优化，同时对当地能源价格体系给出合理性建议；其中，所述最速下降法的函数为：
ak+1＝ak+ρk·s-k 公式18；
其中，s-k表示梯度负方向；ρk表示梯度方向上的搜索步长；ak表示函数的坐标；ak+1表示所求函数的最佳坐标值；
在约束条件下，根据公式19，系统运行成本与系统初投资最小化为目标，优化供能设备配置容量：
其中，Ctot表示供能系统总成本；表示各供能设备初投资费用；i表示折旧费用；t表示系统使用年限；
采用粒子群算法对目标函数与约束条件进行求解，得出最佳运行方式、初投资最短回收周期，其中，所述的粒子群算法为公式20-21：
vi＝vi+c1·rand()·(pbesti-xi)+c2·rand()·(gbesti-xi) 公式20；
xi＝xi+vi 公式21；
其中，i＝1,2,3......N；N表示此群中粒子的总数；vi表示粒子的速度；xi表示粒子的当前位置；rand()表示介于(0,1)之间的随机数；c1和c2表示学习因子，通常为2；pbesti表示局部最优值；gbesti表示表示全局最优值。
5.一种综合能源系统能量模拟与优化调度设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至2中任一项所述的综合能源系统能量模拟与优化调度方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至2中任一项所述的综合能源系统能量模拟与优化调度方法的步骤。
CN202010563966.1A 2020-06-19 2020-06-19 综合能源系统能量模拟与优化调度方法、系统及设备 Active CN112991087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010563966.1A CN112991087B (zh) 2020-06-19 2020-06-19 综合能源系统能量模拟与优化调度方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010563966.1A CN112991087B (zh) 2020-06-19 2020-06-19 综合能源系统能量模拟与优化调度方法、系统及设备

Publications (2)

Publication Number Publication Date
CN112991087A CN112991087A (zh) 2021-06-18
CN112991087B true CN112991087B (zh) 2024-02-20

Family

ID=76344225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010563966.1A Active CN112991087B (zh) 2020-06-19 2020-06-19 综合能源系统能量模拟与优化调度方法、系统及设备

Country Status (1)

Country Link
CN (1) CN112991087B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393173A (zh) * 2021-07-14 2021-09-14 国网综合能源服务集团有限公司 一种区域综合能源系统优化调度方法、装置及终端设备
CN113537618B (zh) * 2021-07-29 2022-10-25 中国电建集团河南省电力勘测设计院有限公司 一种考虑居民用户需求响应的综合能源系统优化调度方法
CN113947236B (zh) * 2021-09-06 2022-11-08 阿里云计算有限公司 综合能源调度方法、计算设备及介质
CN113902167A (zh) * 2021-09-07 2022-01-07 山东电力工程咨询院有限公司 计及站房投资的综合智慧能源系统配置优化方法及装置
CN114218808A (zh) * 2021-12-29 2022-03-22 国网江苏电力设计咨询有限公司 一种综合能源系统能耗优化方法
CN114077934B (zh) * 2022-01-19 2022-04-22 国网湖北省电力有限公司经济技术研究院 一种综合能源微网互联系统及其调度方法
CN114529060A (zh) * 2022-01-25 2022-05-24 苗韧 一种基于园区负荷动态模拟多能互补的优化方法及系统
CN114565244B (zh) * 2022-02-16 2023-04-07 石河子大学 综合能源系统的优化调度方法及装置
CN114595584B (zh) * 2022-03-14 2023-06-30 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
CN115374527B (zh) * 2022-10-24 2023-01-03 天津大学 一种区域电-热-冷综合能源动态模拟系统构建方法
CN115907350B (zh) * 2022-11-04 2023-08-08 华北电力大学 一种建筑综合能源系统的能量管理方法及系统
CN116992548B (zh) * 2023-09-26 2023-12-01 山东建筑大学 一种建筑及区域综合能源系统的设计优化方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411303A (zh) * 2011-12-05 2012-04-11 华北电力大学 一种燃气型冷热电联供系统的优化调度装置及方法
CN109523065A (zh) * 2018-10-29 2019-03-26 西安理工大学 一种基于改进量子粒子群算法的微能源网优化调度方法
CN109858759A (zh) * 2018-12-29 2019-06-07 陕西鼓风机（集团）有限公司 一种工业园区综合能源平衡调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411303A (zh) * 2011-12-05 2012-04-11 华北电力大学 一种燃气型冷热电联供系统的优化调度装置及方法
CN109523065A (zh) * 2018-10-29 2019-03-26 西安理工大学 一种基于改进量子粒子群算法的微能源网优化调度方法
CN109858759A (zh) * 2018-12-29 2019-06-07 陕西鼓风机（集团）有限公司 一种工业园区综合能源平衡调度方法

Also Published As

Publication number Publication date
CN112991087A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112991087B (zh) 综合能源系统能量模拟与优化调度方法、系统及设备
CN109711080B (zh) 一种冷热电联供系统多时间尺度优化运行方法
CN111463836B (zh) 一种综合能源系统优化调度方法
CN110503241B (zh) 冷-热-电综合能源系统的多目标优化方法
CN109634119B (zh) 一种基于日内滚动优化的能源互联网优化控制方法
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN110555618B (zh) 基于改进樽海鞘算法的网络化综合能源系统优化调度方法
CN112508391B (zh) 一种产业园区群与地区电网相协同的综合能源系统规划方法
CN105207205A (zh) 一种融合需求侧响应的分布式能源系统能量优化调控方法
CN106950840A (zh) 面向电网削峰的综合能源系统分层分布式协调控制方法
CN109884888B (zh) 一种基于非合作博弈的多楼宇微网模型预测调控方法
CN112580938B (zh) 面向多重不确定性的综合能源系统优化调度方法及装置
CN112564102B (zh) 多微网负荷优化调度方法和系统
CN112600253A (zh) 基于用能效率最优的园区综合能源协同优化方法及设备
CN109685332A (zh) 一种综合能源多主体利益均衡优化调度方法及设备
CN111160636A (zh) 一种cchp型微电网调度优化方法
CN112329260A (zh) 一种多能互补微网多元多目标优化配置与优化运行方法
CN117974365B (zh) 一种电热综合能源耦合系统多目标运行优化方法及系统
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及系统
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
CN114970962A (zh) 一种电气热综合能源系统优化方法
CN112381339A (zh) 电力市场环境下区域综合能源系统运行成本优化方法
CN116957155A (zh) 综合能源系统多主体站-网协同优化运行方法
CN111339474A (zh) 一种基于趋势预测分析法的综合能源系统预测运行方法
CN116415793A (zh) 计及热电储能园区综合能源系统及其低碳优化调度方法

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