CN113052498B - 基于综合能源系统的电转气两阶段转化装置调度方法 - Google Patents

Abstract

本发明公开了一种基于综合能源系统的电转气两阶段转化装置调度方法，包括以下步骤：S1：获取区域内可再生资源出力数据、综合能源系统负荷数据以及设备信息数据；S2：根据可再生资源出力数据、综合能源系统负荷数据以及设备信息数据构建电转气两阶段转化装置模型；S3：以仿真时长内的综合能源系统可靠性指标作为适应度函数，结合可再生资源出力数据、综合能源系统负荷数据以及设备信息数据，采用基于博弈交叉策略的差分进化算法对电转气两阶段转化装置模型的调度策略进行优化求解；通过优化电转气两阶段转化装置调度方法，提高了综合能源系统整体的运行可靠性。

Description

基于综合能源系统的电转气两阶段转化装置调度方法

技术领域

本发明属于综合能源系统优化调度技术领域，特别涉及基于综合能源系统的电转气两阶段转化装置调度方法。

背景技术

综合能源系统是一种新型的混合动力系统，通过先进的能源转换和能源传输储存技术整合多种不同能源形式，实现多个能源子系统的协调运行，梯级利用能源，从而提升能源效率。

由于综合能源系统各子系统能够互相转化，从而使得综合能源系统能够通过优化不同能源子系统的调度策略使得系统供能更加可靠安全。电转气装置能够将无法消纳的可再生资源转化为氢能和天然气，不仅能够将电能转化为氢能、天然气以满足多种类型负荷需求，还能够将多余的可再生资源作为系统备用资源储存起来，作为系统未来缺能时的后备供给资源。由于电转气装置的输入是无法消纳的可再生资源，故电转气装置对系统的运行成本不造成影响。在不影响综合能源系统的经济性的基础上提高了系统的多种类型能源供能可靠性。

然而，对不同的负荷需求情况，电转气采用不同的调度策略会对系统的可靠性能造成不同的影响。尤其是如今氢能逐渐得到重视，未来氢能极可能作为一种常见的负荷类型存在于综合能源系统中。目前现有的综合能源系统往往以经济性最优对系统所有设备进行调度优化而忽略了系统供能的可靠性。对于电转气两阶段转化装置在运行中如何分配以氢气形式和天然气形式储存的比例能使得综合能源系统整体供能更加可靠的问题仍有待解决。

发明内容

针对上述问题，结合综合能源系统各子能源系统的能源能够相互转换、互济运行的特性，本发明提供一种基于综合能源系统的电转气两阶段转化装置调度方法。

一种基于综合能源系统的电转气两阶段转化装置调度方法，包括以下步骤：

S1：获取区域内可再生资源出力数据、综合能源系统负荷数据以及设备信息数据；

S2：根据可再生资源出力数据、综合能源系统负荷数据以及设备信息数据构建电转气两阶段转化装置模型；

S3：以仿真时长内的综合能源系统可靠性指标作为适应度函数，结合可再生资源出力数据、综合能源系统负荷数据以及设备信息数据，采用基于博弈交叉策略的差分进化算法对电转气两阶段转化装置模型的调度策略进行优化求解。

进一步的，所述可再生资源出力数据包括风出力、光出力。

进一步的，所述综合能源系统负荷数据包括电负荷、热负荷、冷负荷需求。

进一步的，所述设备信息数据设备容量、设备模型和设备运行约束条件。

进一步的，可靠性指标包括综合能源系统的供能能力和综合能源系统的充裕性，适应度函数F(x)具体如下：

C(x)＝C₁+C₂

式中，C₁代表综合能源系统的供能能力，C₂代表综合能源系统的充裕性。

进一步的，综合能源系统的供能能力C₁具体如下：

式中，n为能源种类；N为能源种类总数；μ_n为不同能源种类供能可靠对用户的重要度，当能源种类为电时，μ_e＝1；当能源种类为热时，μ_h＝0.4；当能源种类为冷时，μ_c＝0.3；R_n为不同种类能源的能源供给期望。

进一步的，综合能源系统的充裕性C₂具体如下：

式中，T为仿真周期，为j时刻存入的氢量和天然气量；ρ_i为第i种能源的能源品质系数；ρ₁为氢气的能源品质系数；ρ₂为甲烷的能源品质系数；N_i代表单位体积内的能源摩尔数；η_i代表能源的转化效率；W_i为第i种能源的热量；Q_i为第i种能源的总能量。

进一步的，电转气两阶段转化装置包括电解槽、储氢罐、甲烷化设备。

进一步的，电转气两阶段转化装置模型具体如下：

其中，P_ph，t、P_hs，t、分别代表进入电解槽的电功率、进入储氢罐的电功率、进入甲烷化设备的电功率；P_ph，r代表电解槽的额定功率；Q_hs，in，t、/>分别代表t时刻产生的氢气量、天然气量；η_ph、η_hs、/>分别代表电解槽效率、电功率转氢气转化系数、甲烷化设备转化系数；α_ph、β_ph、γ_ph代表电解槽的转换系数参数；P_ph，min、P_ph，max、P_hs，min、P_hs，max、/>分别每个时刻进入电解槽、储氢罐和甲烷化设备的功率上下限；P_wp，t代表该综合能源t时刻的可再生资源出力值；L_t，e代表t时刻的电负荷。

进一步的，采用基于博弈交叉策略的差分进化算法对电转气两阶段转化装置模型的调度策略进行优化求解，包括以下步骤：

S301：设置差分进化算法的初始参数、种群数量；

种群数量Np取200、变异算子F取0.6、初始交叉算子CR₀取0.5、迭代终止条件为迭代次数大于等于300次；

S302：初始化种群；

结合获取的所述综合能源系统的负荷、所述可再生资源出力数据以及所述电转气两阶段转化装置模型，在空间内随机生成代表调度策略的初始种群；

S303：基于反射变异策略变异；

个体基于反射变异策略进行变异，即G代中第i个个体X_i，G的变异策略为：

V_i，G＝(ω₁X_1，G+ω₂X_2，G+ω₃X_3，G)+F(X_1，G-X_4，G)

其中，

式中，V_i，G为G代中第i个个体的变异子代个体；X_1，G、X_2，G、X_3，G、X_4，G为G代中任意选取的四个个体；f(X_1，G)、f(X_1，G)、f(X_1，G)分别代表X_1，G、X_2，G、X_3，G的适应度值；ω₁、ω₂、ω₃为变异方向参数；X_1，G为四个个体中适应度最好的个体；X_4，G为四个个体中适应度最差的个体；

S304：个体基于概率选择交叉策略进行交叉，具体如下：

交叉策略1：交叉策略2：/>

式中，f₀ max为父代最优适应度；f₀ avg为父代平均适应度；CR为交叉算子；为第G代的第i个变异个体的j维变量；/>为第G代的第i个父代个体的j维变量；f为变异子代个体的适应度值；K₁、K₂为固定参数，取0.8、0.3；Var₀、Var₁为父代方差、变异子代方差；/>为交叉后的实验第i个个体的j维变量；

种群中每个个体选取交叉策略1和交叉策略2的初始概率为根据第G代两个交叉策略的概率/>通过轮盘赌对交叉策略进行选择，对种群中所有个体进行交叉操作，生成实验子代；

S305：计算适应度并基于贪婪思想进行选择；计算父代个体和实验子代个体的适应度，根据贪婪思想选取较优者进入下一代；

S306：个体作为博弈的参与者，根据选择结果更新两个交叉策略的概率；

每个个体都为博弈的局中人，两个交叉策略为策略集。若个体X_i，G采用的交叉策略1，选择结果为实验子代，则个体X_i，G的收益为正，交叉策略1的概率应随之提高，交叉策略2的概率随之减少，具体如下：

式中，为G+1代的交叉策略1、交叉策略2的概率；

反之，若个体X_i，G进入下一代，则个体X_i，G的收益为负，交叉策略1的概率应随之降低，交叉策略2的概率随之提高，具体如下：

根据所有个体的进化情况更新两个交叉策略的概率

S307：记录众群的适应度值；

S308：判断是否达到迭代终止条件，若是，结束迭代，输出最终优化调度策略；若否，返回S303。

本发明的有益效果：通过优化电转气两阶段转化装置调度方法，提高了综合能源系统整体的运行可靠性。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的基于综合能源系统的电转气两阶段转化装置调度方法的流程图；

图2为本发明实施例的基于综合能源系统的电转气两阶段转化装置调度方法的综合能源系统整体结构图；图中，C为冷能管理器、E为电能管理器、H为热能管理器、CCHP为冷热电联产系统；

图3为本发明实施例的基于综合能源系统的电转气两阶段转化装置调度方法的基于博弈交叉策略的差分进化算法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，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。

请参阅图1，图1为本发明实施例的基于综合能源系统的电转气两阶段转化装置调度方法的流程图，基于综合能源系统的电转气两阶段转化装置调度方法，该方法包括以下步骤：

S1：获取区域内可再生资源出力数据、综合能源系统负荷数据以及设备信息数据。

请参阅图2，图2为本发明实施例的基于综合能源系统的电转气两阶段转化装置调度方法的综合能源系统整体结构图；图中，C为冷能管理器、E为电能管理器、H为热能管理器、CCHP为冷热电联产系统。

可再生资源出力数据包括风出力、光出力，综合能源系统负荷数据包括电负荷、热负荷和冷负荷需求，设备信息包括设备容量、设备模型和设备运行约束条件。

S2：根据可再生资源出力数据、综合能源系统负荷数据以及设备信息数据构建电转气两阶段转化装置模型。

如图2所示，电转气两阶段转化装置包括电解槽、储氢罐、甲烷化设备。

电转气两阶段转化装置的模型具体如下：

式中，P_ph，t、P_hs，t、分别代表进入电解槽的电功率、进入储氢罐的电功率、进入甲烷化设备的电功率；P_ph，r代表电解槽的额定功率；Q_hs，in，t、/>分别代表t时刻产生的氢气量、天然气量；η_ph、η_hs、/>分别代表电解槽效率、电功率转氢气转化系数、甲烷化设备转化系数；α_ph、β_ph、γ_ph代表电解槽的转换系数参数；P_ph，min、P_ph，max、P_hs，max、P_hs，min、/>分别每个时刻进入电解槽、储氢罐和甲烷化设备的功率上下限。P_wp，t代表该综合能源t时刻的可再生资源出力值；L_t，e代表t时刻的电负荷。

特别地，为了不影响系统运行经济性，针对本实施例的应用场景，电解槽的模型应受综合能源系统的电负荷与可再生资源限制。

该数学模型合理，考虑了各设备的约束条件及转化过程，同时也考虑了综合能源系统整体对电转气两阶段转化装置的限制和约束。

当可再生资源出力大于系统所需电负荷时，运行电转气设备。未消纳的可再生资源通过电解槽分解后，部分以氢资源的形式存于储氢设备中；另一部分经过甲烷化设备转换为天然气，储存在储气设备中。

由于天然气的燃烧可以供给多种负荷，故每个时刻分配给储氢罐和甲烷化设备的功率的调度策略不同会对该时刻综合能源系统的各能源类型供能情况均产生影响。除此之外，储氢作为储能设备，储氢设备的存量不仅影响了该时刻系统的供电能力，还会对前后时刻的系统供能情况产生影响。故需要对其各个时刻的运行情况进行调度，以得到使得综合能源系统可靠性最优的调度策略。

S3：以仿真时长内的综合能源系统可靠性指标作为适应度函数，结合可再生资源出力数据、综合能源系统负荷数据以及设备信息数据，采用基于博弈交叉策略的差分进化算法对电转气两阶段转化装置模型的调度策略进行优化求解。

其中，代表可靠性指标的适应度函数C(x)具体如下：

C(x)＝C₁+C₂

可靠性指标由两部分组成，C₁代表综合能源系统供能能力，C₂代表综合能源系统充裕性。

以仿真周期内系统的电能供给期望、热能供给期望、冷能供给期望代表系统能够供给负荷的能力。其中各种类能源供给期望代表能源能够顺利传输到用户需求侧的概率。由于不同类型能源的供给重要程度不同，对不同种类的能源的供给期望赋予不同的权重后再求和得到C₁。

能源供给期望计算如下：

式中，T为仿真周期；n为不同的能源种类，在本实例种n＝e，h，c代表电、热、冷能源；j为系统仿真运行的时刻；S_j，n为系统j时刻n种类型能源的供给情况，S_j，n为1表示能够能满足n种类型能源供给，0表示不能；P_j，n为系统j时刻n种类型能源的最大供给能力；L_j，n为系统j时刻n种类型能源的负荷需求。

综合能源系统供能能力C₁具体如下：

式中，n为能源种类；N为能源种类总数；μ_n为不同能源种类供能可靠对用户的重要度，当能源种类为电时，μ_e＝1；当能源种类为热时，μ_h＝0.4；当能源种类为冷时，μ_c＝0.3；R_n为不同种类能源的能源供给期望。

以仿真周期内系统的储氢、储气量代表综合能源系统的充裕性C₂，即以系统的备用容量来表示应对负荷、可再生资源预测不确定性及突发故障情况的能力。同样地，由于不同能源种类的能源品质不同，综合能源系统充裕性C₂具体如下：

式中，T为仿真周期，为j时刻存入的氢量和天然气量；ρ_i为第i种能源的能源品质系数；ρ₁为氢气的能源品质系数；ρ₂为甲烷的能源品质系数；N_i代表单位体积内的能源摩尔数；η_i代表能源的转化效率；W_i为第i种能源的热量；Q_i为第i种能源的总能量。

请参阅图3，图3为本发明实施例的基于综合能源系统的电转气两阶段转化装置调度方法的基于博弈交叉策略的差分进化算法的流程图，采用基于博弈交叉策略的差分进化算法进行优化调度策略的求解，包括以下步骤：

S301：设置差分进化算法的初始参数、种群数量。

种群数量Np取200、变异算子F取0.6、初始交叉算子CR₀取0.5、迭代终止条件为迭代次数大于等于300次。

S302：初始化种群。

结合获取的综合能源系统的负荷、可再生资源出力数据以及电转气两阶段转化装置模型，在空间内随机生成代表调度策略的初始种群。

S303：基于反射变异策略变异。

个体基于反射变异策略进行变异，即G代中第i个个体X_i，G的变异策略为：

V_i，G＝(ω₁X_1，G+ω₂X_2，G+ω₃X_3，G)+F(X_1，G-X_4，G)

其中，

式中，V_i，G为G代中第i个个体的变异子代个体；X_1，G、X_2，G、X_3，G、X_4，G为G代中任意选取的四个个体；f(X_1，G)、f(X_1，G)、f(X_1，G)分别代表X_1，G、X_2，G、X_3，G的适应度值；ω₁、ω₂、ω₃为变异方向参数；X_1，G为四个个体中适应度最好的个体；X_4，G为四个个体中适应度最差的个体。

S304：个体基于概率选择交叉策略进行交叉。

交叉过程是种群维持多样性的重要原因，对于优化调度这种复杂多维问题，保持种群的多样性是避免算法过早收敛陷入局部最优的重要手段。故采用双交叉策略博弈的方法来生成当前迭代代数的交叉算子。

交叉策略1：交叉策略2：/>

式中，f₀ max为父代最优适应度；f₀ avg为父代平均适应度；CR为交叉算子；为第G代的第i个变异个体的j维变量；/>为第G代的第i个父代个体的j维变量；f为变异子代个体的适应度值；K₁、K₂为固定参数，取0.8、0.3；Var₀、Var₁为父代方差、变异子代方差；/>为交叉后的实验第i个个体的j维变量。

种群中每个个体选取交叉策略1和交叉策略2的初始概率为根据第G代两个交叉策略的概率/>通过轮盘赌对交叉策略进行选择。对种群中所有个体进行交叉操作，生成实验子代。

种群中每个个体选取交叉策略1和交叉策略2的概率为初始概率为0.5、0.5。对种群中所有个体进行交叉操作，生成实验子代。

S305：计算适应度并基于贪婪思想进行选择。

计算父代个体和实验子代个体的适应度，根据贪婪思想选取较优者进入下一代。

S306：个体作为博弈的参与者，根据选择结果更新两个交叉策略的概率。

每个个体都为博弈的局中人，两个交叉策略为策略集。若个体X_i，G采用的交叉策略1，选择结果为实验子代，则个体X_i，G的收益为正，交叉策略1的概率应随之提高，交叉策略2的概率随之减少，具体如下：

式中，为G+1代的交叉策略1、交叉策略2的概率。

反之，若个体X_i，G进入下一代，则个体X_i，G的收益为负，交叉策略1的概率应随之降低，交叉策略2的概率随之提高，具体如下：

根据所有个体的进化情况更新两个交叉策略的概率

S307：记录众群的适应度值。

S308：判断是否达到迭代终止条件，若是，结束迭代，输出最终优化调度策略；若否，返回S303。

尽管参照前述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精神和范围。

Claims (6)

1.一种基于综合能源系统的电转气两阶段转化装置调度方法，其特征在于，所述方法包括以下步骤：

S1：获取区域内可再生资源出力数据、综合能源系统负荷数据以及设备信息数据；

S2：根据所述可再生资源出力数据、所述综合能源系统负荷数据以及所述设备信息数据构建电转气两阶段转化装置模型；其中，所述电转气两阶段转化装置模型具体如下：

其中，P_ph,t、P_hs,t、分别代表进入电解槽的电功率、进入储氢罐的电功率、进入甲烷化设备的电功率；P_ph,r代表电解槽的额定功率；Q_hs,in,t、/>分别代表t时刻产生的氢气量、天然气量；η_ph、η_hs、/>分别代表电解槽效率、电功率转氢气转化系数、甲烷化设备转化系数；α_ph、β_ph、γ_ph代表电解槽的转换系数参数；P_ph,min、P_ph,max、P_hs,min、P_hs,max、/>分别每个时刻进入电解槽、储氢罐和甲烷化设备的功率上下限；P_wp,t代表该综合能源t时刻的可再生资源出力值；L_t,e代表t时刻的电负荷；

S3：以仿真时长内的综合能源系统可靠性指标作为适应度函数，结合所述可再生资源出力数据、所述综合能源系统负荷数据以及所述设备信息数据，采用基于博弈交叉策略的差分进化算法对所述电转气两阶段转化装置模型的调度策略进行优化求解；

所述可靠性指标包括综合能源系统的供能能力和综合能源系统的充裕性，所述适应度函数C(x)具体如下：

C(x)＝C₁+C₂

式中，C₁代表综合能源系统供能能力，C₂代表综合能源系统充裕性；

所述综合能源系统供能能力C₁具体如下：

式中，n为能源种类；N为能源种类总数；μ_n为不同能源种类供能可靠对用户的重要度，当能源种类为电时，μ_e＝1；当能源种类为热时，μ_h＝0.4；当能源种类为冷时，μ_c＝0.3；R_n为不同种类能源的能源供给期望；

所述综合能源系统充裕性C₂具体如下：

式中，T为仿真周期，为j时刻存入的氢量和天然气量；ρ_i为第i种能源的能源品质系数；ρ₁为氢气的能源品质系数；ρ₂为甲烷的能源品质系数；N_i代表单位体积内的能源摩尔数；η_i代表能源的转化效率；W_i为第i种能源的热量；Q_i为第i种能源的总能量。

2.根据权利要求1所述的基于综合能源系统的电转气两阶段转化装置调度方法，其特征在于，所述可再生资源出力数据包括风出力、光出力。

3.根据权利要求1所述的基于综合能源系统的电转气两阶段转化装置调度方法，其特征在于，所述综合能源系统负荷数据包括电负荷、热负荷、冷负荷需求。

4.根据权利要求1所述的基于综合能源系统的电转气两阶段转化装置调度方法，其特征在于，所述设备信息数据包括设备容量、设备模型和设备运行约束条件。

5.根据权利要求1所述的基于综合能源系统的电转气两阶段转化装置调度方法，其特征在于，所述电转气两阶段转化装置包括电解槽、储氢罐、甲烷化设备。

6.根据权利要求1所述的基于综合能源系统的电转气两阶段转化装置调度方法，其特征在于，采用基于博弈交叉策略的差分进化算法对所述电转气两阶段转化装置模型的调度策略进行优化求解，包括以下步骤：

S301：设置差分进化算法的初始参数、种群数量；

种群数量Np取200、变异算子F取0.6、初始交叉算子CR₀取0.5、迭代终止条件为迭代次数大于等于300次；

S302：初始化种群；

结合获取的所述综合能源系统的负荷、所述可再生资源出力数据以及所述电转气两阶段转化装置模型，在空间内随机生成代表调度策略的初始种群；

S303：基于反射变异策略变异；

个体基于反射变异策略进行变异，即G代中第i个个体X_i,G的变异策略为：

V_i,G＝(ω₁X_1,G+ω₂X_2,G+ω₃X_3,G)+F(X_1,G-X_4,G)

其中，

式中，V_i,G为G代中第i个个体的变异子代个体；X_1,G、X_2,G、X_3,G、X_4,G为G代中任意选取的四个个体；f(X_1,G)、f(X_1,G)、f(X_1,G)分别代表X_1,G、X_2,G、X_3,G的适应度值；ω₁、ω₂、ω₃为变异方向参数；X_1,G为四个个体中适应度最好的个体；X_4,G为四个个体中适应度最差的个体；

S304：个体基于概率选择交叉策略进行交叉，具体如下：

交叉策略1：交叉策略2：/>

式中，f₀max为父代最优适应度；f₀avg为父代平均适应度；CR为交叉算子；为第G代的第i个变异个体的j维变量；/>为第G代的第i个父代个体的j维变量；f为变异子代个体的适应度值；K₁、K₂为固定参数，取0.8、0.3；Var₀、Var₁为父代方差、变异子代方差；/>为交叉后的实验第i个个体的j维变量；

种群中每个个体选取交叉策略1和交叉策略2的初始概率为根据第G代两个交叉策略的概率/>通过轮盘赌对交叉策略进行选择，对种群中所有个体进行交叉操作，生成实验子代；

S305：计算适应度并基于贪婪思想进行选择；计算父代个体和实验子代个体的适应度，根据贪婪思想选取较优者进入下一代；

S306：个体作为博弈的参与者，根据选择结果更新两个交叉策略的概率；

每个个体都为博弈的局中人，两个交叉策略为策略集；若个体X_i,G采用的交叉策略1，选择结果为实验子代，则个体X_i,G的收益为正，交叉策略1的概率应随之提高，交叉策略2的概率随之减少，具体如下：

式中，为G+1代的交叉策略1、交叉策略2的概率；

反之，若个体X_i,G进入下一代，则个体X_i,G的收益为负，交叉策略1的概率应随之降低，交叉策略2的概率随之提高，具体如下：

根据所有个体的进化情况更新两个交叉策略的概率

S307：记录众群的适应度值；

S308：判断是否达到迭代终止条件，若是，结束迭代，输出最终优化调度策略；若否，返回S303。