CN114091728A - 一种基于江水源热泵的供能系统优化调度方法和系统 - Google Patents
一种基于江水源热泵的供能系统优化调度方法和系统 Download PDFInfo
- Publication number
- CN114091728A CN114091728A CN202111218782.2A CN202111218782A CN114091728A CN 114091728 A CN114091728 A CN 114091728A CN 202111218782 A CN202111218782 A CN 202111218782A CN 114091728 A CN114091728 A CN 114091728A
- Authority
- CN
- China
- Prior art keywords
- wolf
- supply system
- energy supply
- water source
- heat pump
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 37
- 241000282461 Canis lupus Species 0.000 claims abstract description 232
- 238000005457 optimization Methods 0.000 claims abstract description 124
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 230000005611 electricity Effects 0.000 claims abstract description 34
- 230000003993 interaction Effects 0.000 claims abstract description 23
- 238000010438 heat treatment Methods 0.000 claims description 46
- 239000007789 gas Substances 0.000 claims description 41
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 32
- 238000004146 energy storage Methods 0.000 claims description 28
- 238000010248 power generation Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 20
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 18
- 229910052799 carbon Inorganic materials 0.000 claims description 18
- 239000003345 natural gas Substances 0.000 claims description 17
- 150000001875 compounds Chemical class 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 51
- 239000002245 particle Substances 0.000 description 21
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009184 walking Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000224 chemical solution deposition Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000352 storage cell Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000282421 Canidae Species 0.000 description 1
- 241000424941 Canis lupus lupus Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- 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
- G06N3/004—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
- G06Q10/063—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
- 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
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于江水源热泵的供能系统优化调度方法和系统，包括：获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；本发明中基于江水源热泵的供能系统协调优化运行模型，实了现江水源热泵参与优化调度，可提升负荷密集区电网供需互动响应能力，为电网削峰填谷提供支撑，促进电网平稳运行；采用加入信息交互的改进的狼群算法求解优化调度策略，提高了搜索效率，加快了收敛速度，提高了精度。
Description
技术领域
本发明属于综合能源场景下能源供需互动的优化技术领域，具体涉及一种基于江水源热泵的供能系统优化调度方法和系统。
背景技术
随着经济社会的发展，用户侧电气化水平不断提升，大城市的负荷集聚效应不断增强，居民聚居区、CBD等城市负荷密集区域的用电负荷持续攀升、屡创新高，同时峰谷差进一步拉大，局部供需矛盾进一步深化。在电力负荷高峰时段，由于运行方式调整裕度小，电网运行压力大，输变电设备重载和过载问题严重。而负荷密集区供电可靠性要求高、线路走廊紧张，电网建设及改造难度逐年增大，因此需要寻求新的解决方案，破解城市负荷密集区电力供需矛盾的难题。水源热泵技术是一种利用地下水或河流、地表的部分河流和湖泊作为冷、热源的高效节能技术。其中江水源热泵技术以江河水源等地表径流为冷、热源，相对于其他采暖制冷技术，由于江水具有更好的流动性和宏观热能特征，江水源热泵具有能源利用效率更高，系统性能更稳定，调节能力更强、占地面积更小等优势，特别适合于临近江河资源，制冷供热负荷大，空间资源紧张的居民聚集区、CBD等负荷密集区域。
与能效比为1.6和0.9的传统燃煤和电锅炉供暖相比，江水源热泵的能效比平均大于4.0，是一种更节能的供暖方式。利用天然江水源作为冷热源进行能量转换的空调系统更加稳定，制热效果更好。不仅省去了燃煤锅炉系统，占地面积更小，而且没有燃烧过程，具有无烟、无废渣、无废气的优点。在优化目标方面，现有的江水源热泵供能系统相关研究主要集中在提高系统中各种设备的效率和以系统运行成本最低为目标优化动态经济调度，考虑其他方面的研究很少。此外，在供能系统的供热配置中，现有的集成能源系统供热方式大多集中在燃气、电锅炉、冷热电联供系统等，主要供热是电锅炉和燃气锅炉，生产建设成本、运行维护成本、开停工成本都很高。最后，在优化算法中，粒子群优化算法在当前的研究中得到广泛应用。然而，在求解高维复杂模型时，很难获得最优结果。
发明内容
为克服上述现有技术的不足，本发明提出一种基于江水源热泵的供能系统优化调度方法，包括：
获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；
将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；
其中，所述供能系统协调优化调度模型是基于各优化时段微网的分时电价、新能源出力、电负荷和热负荷，以供能系统的总运营成本最小为目标确定各优化时段对应的供能系统的优化调度策略进行构建的；所述改进的狼群算法在狼群中狼只的游走行为基于狼只间的信息交互。
优选的，所述供能系统包括：新能源发电机组、微型燃气轮机、储能设备和江水源热泵机组。
优选的，所述供能系统协调优化调度模型的建立，包括：
基于各优化时段供能系统的分时电价、新能源出力、天然气价格、碳排放系数、电负荷和热负荷，以供能系统的总运营成本最小为目标函数，以功率平衡约束、热平衡约束、新能源发电功率约束、微型燃气轮机约束、江水源热泵机组约束和储能设备约束为约束条件对所述目标函数进行约束，建立江水源热泵的供能系统协调优化调度模型。
优选的，所述目标函数的计算式如下：
式中，F为目标函数的值，CNG(t)为t时刻天然气发电的成本，CHP(t)为t时刻供能系统的成本，CGR(t)为t时刻微网与电网的交互成本，CEN(t)为t时刻碳排放控制的成本，T为调度周期。
优选的，所述热平衡约束的计算式如下：
式中，
为第j个江水源热泵在t时刻的加热功率，
为微网在t时刻的总热负荷，NHP为江水源热泵机组的数量。
优选的，所述江水源热泵机组约束包括：加热功率的上下限约束和启停约束；
所述加热功率的上下限约束的计算式如下：
式中，Qmin为单台江水源热泵加热功率的下限，Qmax为单台江水源热泵加热功率的上限，
为t时刻第j个江水源热泵的启停标志，
为t时刻第j个江水源热泵的加热功率；
所述启停约束的计算式如下：
式中，NHP为江水源热泵机组的数量，
为t时刻第j+1个江水源热泵的启停标志。
优选的，所述利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略，包括：
A1：利用各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷以及碳排放系数初始化调度方案组成的初代狼群的位置集合，根据狼群中各狼只对应的调度方案的目标函数值在初代狼群中选择最小的狼只为头狼；
A2：对狼群中的各探狼分别在多个方向上基于对应目标函数值更小的其他狼只的位置进行搜寻，在搜寻到的目标函数值比当前更小的方向前进一步并更新位置，判断是否有探狼搜寻得到位置对应的目标函数值小于头狼对应的目标函数值：
若是，则基于头狼的位置和目标函数值次优的狼只的位置，将狼群中各狼只向头狼靠拢，并在靠拢过程中，更新头狼的位置，转入A3；
否则，继续搜寻，转入A3；
A3：判断是否达到最大搜寻次数：
若是，则转入A4，否则转入A2；
A4：选择对应目标函数值最小的狼只作为头狼，判断头狼对应目标函数值的大小是否满足预设条件或是否达到最大迭代次数：
若任一项为是，则输出头狼位置对应的调度方案，否则根据“优胜劣汰”的狼群更新机制进行群体更新，并转入A2。
优选的，对探狼基于对应目标函数值更小的其他狼只的位置进行搜寻时，搜寻到的位置的计算式如下：
式中，
为第i匹探狼k+1次搜寻时在d维的位置，
为第i匹探狼k次搜寻时在d维的位置，stepa为搜寻步长，gb为探狼在不同方向搜索后猎物气味浓度最高的方向，h为搜寻方向的个数，
为第i匹探狼k次搜寻时在d维的信息交换系数，
是第y匹探狼k次搜寻时在d维的位置，且
对应的目标函数值比
对应的目标函数值更小。
优选的，将狼群中各狼只向头狼靠拢时，狼只位置的计算式如下：
式中，
为第i匹探狼k次搜寻中向头狼靠拢时在d维的位置，
为第i匹探狼k+1次搜寻中向头狼靠拢时在d维的位置，
为第i匹探狼k+1次搜寻中向头狼靠拢时在d维的前进速度；
第i匹探狼k+1次搜寻中向头狼靠拢时在d维的前进速度
的计算式如下：
式中，λ×stepb为靠拢步长，λ为随机数，stepb为靠拢常数，
为头狼k次搜寻时在d维的位置，
为目标函数值次优的狼只k次搜寻时在d维的位置。
基于同一发明构思，本申请还提供了一种基于江水源热泵的供能系统优化调度系统，包括：数据获取模块和优化调度模块；
所述数据获取模块，用于获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；
所述优化调度模块，用于将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；
其中，所述供能系统协调优化调度模型是基于各优化时段微网的分时电价、新能源出力、电负荷和热负荷，以供能系统的总运营成本最小为目标确定各优化时段对应的供能系统的优化调度策略进行构建的；所述改进的狼群算法在狼群中狼只的游走行为基于狼只间的信息交互。
优选的，所述供能系统包括：新能源发电机组、微型燃气轮机、储能设备和江水源热泵机组。
优选的，所述供能系统协调优化调度模型的建立，包括：
基于各优化时段供能系统的分时电价、新能源出力、天然气价格、碳排放系数、电负荷和热负荷，以供能系统的总运营成本最小为目标函数，以功率平衡约束、热平衡约束、新能源发电功率约束、微型燃气轮机约束、江水源热泵机组约束和储能设备约束为约束条件对所述目标函数进行约束，建立江水源热泵的供能系统协调优化调度模型。
优选的，所述目标函数的计算式如下：
式中，F为目标函数的值，CNG(t)为t时刻天然气发电的成本，CHP(t)为t时刻供能系统的成本，CGR(t)为t时刻微网与电网的交互成本，CEN(t)为t时刻碳排放控制的成本，T为调度周期。
优选的，所述热平衡约束的计算式如下：
式中，
为第j个江水源热泵在t时刻的加热功率，
为微网在t时刻的总热负荷，NHP为江水源热泵机组的数量。
优选的，所述江水源热泵机组约束包括：加热功率的上下限约束和启停约束；
所述加热功率的上下限约束的计算式如下：
式中，Qmin为单台江水源热泵加热功率的下限，Qmax为单台江水源热泵加热功率的上限，
为t时刻第j个江水源热泵的启停标志，
为t时刻第j个江水源热泵的加热功率；
所述启停约束的计算式如下：
式中，NHP为江水源热泵机组的数量，
为t时刻第j+1个江水源热泵的启停标志。
优选的，所述利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略，包括：
A1：利用各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷以及碳排放系数初始化调度方案组成的初代狼群的位置集合，根据狼群中各狼只对应的调度方案的目标函数值在初代狼群中选择最小的狼只为头狼；
A2：对狼群中的各探狼分别在多个方向上基于对应目标函数值更小的其他狼只的位置进行搜寻，在搜寻到的目标函数值比当前更小的方向前进一步并更新位置，判断是否有探狼搜寻得到位置对应的目标函数值小于头狼对应的目标函数值：
若是，则基于头狼的位置和目标函数值次优的狼只的位置，将狼群中各狼只向头狼靠拢，并在靠拢过程中，更新头狼的位置，转入A3；
否则，继续搜寻，转入A3；
A3：判断是否达到最大搜寻次数：
若是，则转入A4，否则转入A2；
A4：选择对应目标函数值最小的狼只作为头狼，判断头狼对应目标函数值的大小是否满足预设条件或是否达到最大迭代次数：
若任一项为是，则输出头狼位置对应的调度方案，否则根据“优胜劣汰”的狼群更新机制进行群体更新，并转入A2。
与最接近的现有技术相比，本发明具有的有益效果如下：
本发明提供了一种基于江水源热泵的供能系统优化调度方法和系统，包括：获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；其中，供能系统协调优化调度模型是基于各优化时段微网的分时电价、新能源出力、电负荷和热负荷，以供能系统的总运营成本最小为目标确定各优化时段对应的供能系统的优化调度策略进行构建的；改进的狼群算法在狼群中狼只的游走行为基于狼只间的信息交互；本发明中，基于江水源热泵的综合能源供能系统微网系统结构简化了实际复杂场景，有便于问题的发现和解决；构建的基于江水源热泵的供能系统协调优化运行模型，实了现江水源热泵参与优化调度，可提升负荷密集区电网供需互动响应能力，为电网削峰填谷提供支撑，促进电网平稳运行；采用加入信息交互的改进的狼群算法求解优化调度策略，提高了搜索效率，加快了收敛速度，提高了精度。
本发明还分别构建供能系统中新能源发电机组、微型燃气轮机、储能设备和江水源热泵机组的模型。通过判断供能系统中各能源转换设备和储能设备的运行状态，可以确定不同类型设备优化调度的响应任务量。
本发明根据建立的供能系统中新能源发电机组、微型燃气轮机、储能设备和江水源热泵机组数学模型，构建基于江水源热泵的供能系统协调优化运行模型，确立目标函数和约束条件。该优化模型实了现江水源热泵、分布式电源、储能设备、用电负荷之间的优化调度，可提升负荷密集区电网供需互动响应能力。
附图说明
图1为本发明提供的一种基于江水源热泵的供能系统优化调度方法流程示意图；
图2为本发明提供的一个基于江水源热泵的供能系统优化调度方法实施例的流程示意图；
图3为本发明具体实施方式中提供的改进的狼群算法流程图流程示意图；
图4为本发明提供的一种基于江水源热泵的供能系统优化调度系统结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
为了解决负荷密集区用户电力供需矛盾、用户用能体验差的问题，采用占地面积小、安装成本低、供暖效果好的水源热泵作为供暖设施，本发明提供一种基于江水源热泵的供能系统优化调度方法和系统；在满足供能系统内用户用能需求的前提下，建立包含光伏、储能、燃气机组的江水源热泵供能系统和电网交互的一体化的供能系统协调优化调度模型；以碳排放和运行成本作为优化目标，考虑到所建立的模型维数高、模型复杂、约束条件多，采用改进的狼群算法进行优化求解，弥补了传统狼群算法的不足，有利于全面提升负荷密集区基于江水源热泵的供能系统的电网友好性及经济效益，缓解电网供需矛盾。
实施例1：
本发明提供的一种基于江水源热泵的供能系统优化调度方法流程示意图如图1所示，包括：
步骤1：获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；
步骤2：将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；
其中，供能系统协调优化调度模型是基于各优化时段微网的分时电价、新能源出力、电负荷和热负荷，以供能系统的总运营成本最小为目标确定各优化时段对应的供能系统的优化调度策略进行构建的；改进的狼群算法在狼群中狼只的游走行为基于狼只间的信息交互。
具体的，一个基于江水源热泵的供能系统优化调度方法的具体示例流程如图2所示，具体步骤如下：
在步骤1之前，进行计算准备，包括：
S1构建基于江水源热泵的综合能源供能系统微电网系统结构；
S2分别构建供能系统中光伏发电机组、微型燃气轮机、储能设备和江水源热泵机组的模型。；
S3根据步骤S2中建立的供能系统中光伏发电机组、微型燃气轮机、储能设备和江水源热泵机组数学模型，构建基于江水源热泵的供能系统协调优化运行模型，确立目标函数和约束条件。
步骤2在分析传统狼群算法不足的基础上，加入信息交互，提出改进的狼群算法，并对建立的模型进行计算，得到系统平均运行成本、碳排放及优化调度结果。
步骤S1中，构建基于江水源热泵的综合能源供能系统微电网系统结构包括：光伏发电系统、燃气发电机组、储能、江水源热泵机组和负载。其中：
光伏发电系统只有在白天有光时才能输出，存在间歇性和波动性。因此，需要微型燃气轮机和电池组来稳定光伏发电系统的输出功率，以减少输出功率波动对配电网的影响。燃气轮机可以提供大部分电力负荷需求。电池组可以根据当前电力负荷状态及时充放电，缓冲系统中的功率波动。江水源热泵机组提供每日所需的热负荷。
步骤S2中，构建供能系统中光伏发电机组、微型燃气轮机、储能设备和江水源热泵机组的模型，其中，
S2-a、光伏发电机组模型：
光伏发电机组的输出功率由下式根据最大功率、日照强度和面板温度估算：
式中，标有ST的物理量是标准测试下的运行参数，PST是光伏发电机组的最大功率值，GST和TST分别是标准测试条件下的太阳光辐射强度和标准测试条件下光伏板的参考温度。G、T是当前太阳辐射强度和工作点的光伏板温度，PPV(G,T)为太阳辐射强度为G且光伏板温度为T时的光伏发电机组的输出功率。k为功率温度系数。光伏发电系统的运行不需要考虑碳排放。
S2-b、微型燃气轮机模型：
燃气轮机作为天然气发电的动力装置，具有结构简单、重量轻、启动快、输出灵活可控、燃料利用率高、排气污染小等优点。单个燃气轮机的工作气体消耗公式如下式所示：
式中，VGT(t)为t时刻单个微型燃气轮机的工作气体消耗，PGT,q(t)和ηGT,q(t)分别是t时刻第q个微型燃气轮机的发电功率和效率。天然气低位热值的LNG为9.7KW·h/m3。微型燃气轮机的发电效率由下式描述：
式中，
为t时段第q台微型燃气轮机的发电功率标准值。效率系数aq、bq、cq、dq根据实际数据拟合。
S2-c、储能设备模型：
储能电量与前期电量、充放电情况、电量衰减有关。t时间储能设备充放电公式如下式所示：
式中，E(t)是储能电池在时间t的剩余容量，ηch、ηdis是储能装置的充放电效率，δdis是储能电池的自放电系数，Pch(t)是储能电池在时间t的充电功率，Pdis为储能电池的放电功率。
S2-d、江水源热泵机组模型：
江水源热泵(简称水源热泵或热泵)的工作原理是在夏季将建筑内的热量传递给水源；冬天，从温度相对恒定的水源中提取太阳能或地热能，利用热泵原理通过水与建筑进行能量交换。系统t时刻空调水泵的总流量为
式中，FHP是单个江水源热泵的额定流量，
是t时刻第j个热泵的启停标志，NHP是江水源热泵主机数。
单个江水源热泵的供热能力可以计算从热泵主机的启动和停止状态，水泵的额定流量，热负荷和总流的热水系统的空调，如下式所示：
式中，
为第j个热泵在t时刻的加热功率，
为t时刻系统热负荷，Ft H为t时刻空调水泵的总流量。
江水源热泵机组t时刻功耗Pt HP计算公式如下式所示：
式中，ηCOP是热泵的采暖性能系数，PCP和PCWP分别是水源热泵的水源侧水泵和空调水泵的额定功率。
步骤S3中，构建的基于江水源热泵的供能系统协调优化运行模型中，以系统经济运行和碳排放最小为目标，其中，
目标函数如下：
式中，F是系统在调度周期T内的总运营成本，CNG(T)、CHP(T)、CGR(T)和CEN(T)分别为t时刻燃气发电的成本，加热成本，交互成本和碳排放控制成本。具体成本公式如下式所示：
式中，SCH4为单位体积天然气的价格，VGT，t，all为t时间内所有启动的发电的用气量，NGT为燃气发动机(即微型燃气轮机)数量，Ssc，q为第q台燃气发动机的启停成本，CHP为供热系统成本，Sgb(t)为t时刻电网电价，aH和bH分别为微网络和配网为供热系统供电比例系数。CGR为微网与电网的交互成本，Pmg(t)为t时刻微网与电网的交互功率，Sgs(t)为t时刻的上网电价。CEN是碳排放控制的成本，包括各单元碳排放与电网交互功率对应的碳排放，λCO2为碳排放税单位价格，αGT,i为燃气发电机组二氧化碳排放系数，βmg为电网供电的排放系数。
约束条件：包括功率平衡约束、热平衡约束、光伏发电功率约束、天然气发电机组约束、江水源热泵机组约束和电池组约束，其中：
S3-a、功率平衡约束：
式中，PGT,q(t)为第q个微型燃气轮机在t时刻的发电功率，PPV(t)是光伏发电机组在时间t输出功率，PES(t)是储能设备在t时刻充电和放电功率，Peload(t)是系统在t时刻的负荷功率。
考虑到系统光伏输出提前一天预测的不确定性，应预留部分旋转容量空间，以减少不确定性因素带来的风险以及系统波动对配电网的影响。根据统计，光伏发电输出误差近似满足正态分布。因此系统内功值应符合以下公式：
式中，RGT,q(t)为系统第q个微型燃气轮机在t时刻的储备值，δPV(t)为t时刻光伏发电预测值误差正态分布的均值，且置信水平α满足约束的概率值。
S3-b、热平衡约束：
式中，
为第q个热泵在t时刻的加热功率，
为系统在t时刻的总热负荷。
S3-c、光伏发电功率约束：
式中，PPV,t,z为第z组光伏电池在t时刻的实际输出值，NPV为光伏电池数量，
为第z组光伏电池的最大额定输出功率。
S3-d、天然气发电机组(即微型燃气轮机组)约束：
天然气发电机组约束包括机组爬坡功率约束、功率上下限约束和机组启停次数约束。公式如下：
Pq_min＜PGT,q(t)＜Pq_max
式中，ΔPGT,q指天然气发电机机组功率在连续时间段内的变化范围，上标up和down分别表示向上变化和向下变化；UGT,q,t为第q台微型燃气轮机在t时刻的启动和停止状态，1为启动，0为停止；Pq_min和Pq_max分别表示第q台微型燃气轮机的功率下限和上限，T表示调度周期。
S3-e、江水源热泵机组约束：
江水源热泵机组的约束条件包括加热功率的上下限和启停约束条件，约束公式如下：
式中，Qmin和Qmax分别为单台热泵加热功率的上下限。
S3-f、电池组约束：
令电池的初始容量等于调度结束时的容量约束，如下：
SOCt＝0＝SOCt＝T
储能电池充放电功率约束和容量约束公式如下式所示：
SOCmin≤SOC(t)≤SOCmax
式中，
为电池在t时刻的充电功率，Pch_max为允许的最大充电功率，
为电池在t时刻的放电功率，Pdis_max为允许的最大放电功率。SOCmin和SOCmax是电池充电的最佳范围。
步骤2中，标准的狼群算法有五个步骤：初始化狼群、游走、头狼召唤、围攻猎物和狼群更新。在算法中，头狼游走行为如下式所示：
xi,d＝xi,d+sin(2π×g/h)×stepa
式中，xi,d为i即第i匹狼在第d维的位置，g为当前移动方向，h为总移动方向，stepa为移动步长。
在求解的初期，由于g是一个随机值，狼只粒子的方向具有较强的随机性。每个方向的探索性搜索行为使其比粒子群算法更全面、更强大。然而，在游走过程中不同狼之间缺乏信息交换的问题，游走行为收敛速度较慢，容易陷入局部最优。在粒子群优化算法中加入粒子速度更新的思想，被引入到狼群算法中以增加粒子间的信息交换。因此，优化算法中的游走公式得到更新如下：
式中，
为d维k代第i个粒子即狼只的值，gb为粒子在不同方向搜索后猎物集中度最高的方向。
为第i匹探狼k次搜寻时在d维的信息交换系数，取[0，1]中的随机数。
是第k代d维的y个粒子，更接近最优解位置。当游走位置离最优解较远时，更新差值较大，反之，更新差值较小。优化后的算法增强了狼群之间的信息交换，提高了搜索效率，加快了收敛速度，提高了精度。
该优化算法在后期求解过程中的速度更新公式与粒子群相似，更新公式如下：
式中
为后期k+1次搜寻中第i匹狼在d维前进速度，k为迭代次数，下角标i、y、s、best代表狼粒子的种类，其中best表示最优即头狼，s表示次优，d代表狼粒子维度，
是狼粒子i在d维度下第k次迭代下的取值，随机数λ与stepb的乘积代表个体狼粒子前进步长，后面的式子代表狼粒子前进的方向，该方向取决于全局最优头狼的值
和次优狼粒子s的值
狼群位置更新过程中如有适应度值优于头狼的其他粒子，则该粒子取代头狼成为最优头狼粒子xbest。狼群算法采用优胜劣汰机制，若最优狼粒子经连续t次迭代内产生更新，则无需更改；若t次迭代后最优狼粒子位置无更新，则淘汰一定量适应度较差的粒子，保持种群多样性。优化后的狼群算法基本流程如图3所示。
实施例2：
基于同一发明构思，本发明还提供了一种基于江水源热泵的供能系统优化调度系统，该系统结构如图4所示，包括：数据获取模块和优化调度模块；
数据获取模块，用于获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；
优化调度模块，用于将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；
其中，供能系统协调优化调度模型是基于各优化时段微网的分时电价、新能源出力、电负荷和热负荷，以供能系统的总运营成本最小为目标确定各优化时段对应的供能系统的优化调度策略进行构建的；改进的狼群算法在狼群中狼只的游走行为基于狼只间的信息交互。
其中，供能系统包括：新能源发电机组、微型燃气轮机、储能设备和江水源热泵机组。
其中，供能系统协调优化调度模型的建立，包括：
基于各优化时段供能系统的分时电价、新能源出力、天然气价格、碳排放系数、电负荷和热负荷，以供能系统的总运营成本最小为目标函数，以功率平衡约束、热平衡约束、新能源发电功率约束、微型燃气轮机约束、江水源热泵机组约束和储能设备约束为约束条件对目标函数进行约束，建立江水源热泵的供能系统协调优化调度模型。
其中，目标函数的计算式如下：
式中，F为目标函数的值，CNG(t)为t时刻天然气发电的成本，CHP(t)为t时刻供能系统的成本，CGR(t)为t时刻微网与电网的交互成本，CEN(t)为t时刻碳排放控制的成本，T为调度周期。
其中，热平衡约束的计算式如下：
式中，
为第j个江水源热泵在t时刻的加热功率，
为微网在t时刻的总热负荷，NHP为江水源热泵机组的数量。
其中，江水源热泵机组约束包括：加热功率的上下限约束和启停约束；
加热功率的上下限约束的计算式如下：
式中，Qmin为单台江水源热泵加热功率的下限，Qmax为单台江水源热泵加热功率的上限，
为t时刻第j个江水源热泵的启停标志，
为t时刻第j个江水源热泵的加热功率；
启停约束的计算式如下：
式中，NHP为江水源热泵机组的数量，
为t时刻第j+1个江水源热泵的启停标志。
其中，利用改进的狼群算法求解供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略，包括：
A1：利用各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷以及碳排放系数初始化调度方案组成的初代狼群的位置集合，根据狼群中各狼只对应的调度方案的目标函数值在初代狼群中选择最小的狼只为头狼；
A2：对狼群中的各探狼分别在多个方向上基于对应目标函数值更小的其他狼只的位置进行搜寻，在搜寻到的目标函数值比当前更小的方向前进一步并更新位置，判断是否有探狼搜寻得到位置对应的目标函数值小于头狼对应的目标函数值：
若是，则基于头狼的位置和目标函数值次优的狼只的位置，将狼群中各狼只向头狼靠拢，并在靠拢过程中，更新头狼的位置，转入A3；
否则，继续搜寻，转入A3；
A3：判断是否达到最大搜寻次数：
若是，则转入A4，否则转入A2；
A4：选择对应目标函数值最小的狼只作为头狼，判断头狼对应目标函数值的大小是否满足预设条件或是否达到最大迭代次数：
若任一项为是，则输出头狼位置对应的调度方案，否则根据“优胜劣汰”的狼群更新机制进行群体更新，并转入A2。
其中，对探狼基于对应目标函数值更小的其他狼只的位置进行搜寻时，搜寻到的位置的计算式如下：
式中，
为第i匹探狼k+1次搜寻时在d维的位置，
为第i匹探狼k次搜寻时在d维的位置，stepa为搜寻步长，gb为探狼在不同方向搜索后猎物气味浓度最高的方向，h为搜寻方向的个数，
为第i匹探狼k次搜寻时在d维的信息交换系数，
是第y匹探狼k次搜寻时在d维的位置，且
对应的目标函数值比
对应的目标函数值更小。
其中，将狼群中各狼只向头狼靠拢时，狼只位置的计算式如下：
式中，
为第i匹探狼k次搜寻中向头狼靠拢时在d维的位置，
为第i匹探狼k+1次搜寻中向头狼靠拢时在d维的位置，
为第i匹探狼k+1次搜寻中向头狼靠拢时在d维的前进速度；
第i匹探狼k+1次搜寻中向头狼靠拢时在d维的前进速度
的计算式如下：
式中，λ×stepb为靠拢步长，λ为随机数，stepb为靠拢常数，
为头狼k次搜寻时在d维的位置，
为目标函数值次优的狼只k次搜寻时在d维的位置。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，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:本领域技术人员阅读本发明后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。
Claims (16)
1.一种基于江水源热泵的供能系统优化调度方法，其特征在于，包括：
获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；
将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；
其中，所述供能系统协调优化调度模型是基于各优化时段微网的分时电价、新能源出力、电负荷和热负荷，以供能系统的总运营成本最小为目标确定各优化时段对应的供能系统的优化调度策略进行构建的；所述改进的狼群算法在狼群中狼只的游走行为基于狼只间的信息交互。
2.如权利要求1所述的方法，其特征在于，所述供能系统包括：新能源发电机组、微型燃气轮机、储能设备和江水源热泵机组。
3.如权利要求2所述的方法，其特征在于，所述供能系统协调优化调度模型的建立，包括：
基于各优化时段供能系统的分时电价、新能源出力、天然气价格、碳排放系数、电负荷和热负荷，以供能系统的总运营成本最小为目标函数，以功率平衡约束、热平衡约束、新能源发电功率约束、微型燃气轮机约束、江水源热泵机组约束和储能设备约束为约束条件对所述目标函数进行约束，建立江水源热泵的供能系统协调优化调度模型。
4.如权利要求3所述的方法，其特征在于，所述目标函数的计算式如下：
式中，F为目标函数的值，CNG(t)为t时刻天然气发电的成本，CHP(t)为t时刻供能系统的成本，CGR(t)为t时刻微网与电网的交互成本，CEN(t)为t时刻碳排放控制的成本，T为调度周期。
5.如权利要求3所述的方法，其特征在于，所述热平衡约束的计算式如下：
式中，
为第j个江水源热泵在t时刻的加热功率，
为微网在t时刻的总热负荷，NHP为江水源热泵机组的数量。
6.如权利要求3所述的方法，其特征在于，所述江水源热泵机组约束包括：加热功率的上下限约束和启停约束；
所述加热功率的上下限约束的计算式如下：
式中，Qmin为单台江水源热泵加热功率的下限，Qmax为单台江水源热泵加热功率的上限，
为t时刻第j个江水源热泵的启停标志，
为t时刻第j个江水源热泵的加热功率；
所述启停约束的计算式如下：
式中，NHP为江水源热泵机组的数量，
为t时刻第j+1个江水源热泵的启停标志。
7.如权利要求3所述的方法，其特征在于，所述利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略，包括：
A1：利用各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷以及碳排放系数初始化调度方案组成的初代狼群的位置集合，根据狼群中各狼只对应的调度方案的目标函数值在初代狼群中选择最小的狼只为头狼；
A2：对狼群中的各探狼分别在多个方向上基于对应目标函数值更小的其他狼只的位置进行搜寻，在搜寻到的目标函数值比当前更小的方向前进一步并更新位置，判断是否有探狼搜寻得到位置对应的目标函数值小于头狼对应的目标函数值：
若是，则基于头狼的位置和目标函数值次优的狼只的位置，将狼群中各狼只向头狼靠拢，并在靠拢过程中，更新头狼的位置，转入A3；
否则，继续搜寻，转入A3；
A3：判断是否达到最大搜寻次数：
若是，则转入A4，否则转入A2；
A4：选择对应目标函数值最小的狼只作为头狼，判断头狼对应目标函数值的大小是否满足预设条件或是否达到最大迭代次数：
若任一项为是，则输出头狼位置对应的调度方案，否则根据“优胜劣汰”的狼群更新机制进行群体更新，并转入A2。
8.如权利要求7所述的方法，其特征在于，对探狼基于对应目标函数值更小的其他狼只的位置进行搜寻时，搜寻到的位置的计算式如下：
式中，
为第i匹探狼k+1次搜寻时在d维的位置，
为第i匹探狼k次搜寻时在d维的位置，stepa为搜寻步长，gb为探狼在不同方向搜索后猎物气味浓度最高的方向，h为搜寻方向的个数，
为第i匹探狼k次搜寻时在d维的信息交换系数，
是第y匹探狼k次搜寻时在d维的位置，且
对应的目标函数值比
对应的目标函数值更小。
9.如权利要求7所述的方法，其特征在于，将狼群中各狼只向头狼靠拢时，狼只位置的计算式如下：
式中，
为第i匹探狼k次搜寻中向头狼靠拢时在d维的位置，
为第i匹探狼k+1次搜寻中向头狼靠拢时在d维的位置，
为第i匹探狼k+1次搜寻中向头狼靠拢时在d维的前进速度；
第i匹探狼k+1次搜寻中向头狼靠拢时在d维的前进速度
的计算式如下：
式中，λ×stepb为靠拢步长，λ为随机数，stepb为靠拢常数，
为头狼k次搜寻时在d维的位置，
为目标函数值次优的狼只k次搜寻时在d维的位置。
10.一种基于江水源热泵的供能系统优化调度系统，其特征在于，包括：数据获取模块和优化调度模块；
所述数据获取模块，用于获取包含江水源热泵的微网中各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷；
所述优化调度模块，用于将各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷代入预先建立的供能系统协调优化调度模型中，利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略；
其中，所述供能系统协调优化调度模型是基于各优化时段微网的分时电价、新能源出力、电负荷和热负荷，以供能系统的总运营成本最小为目标确定各优化时段对应的供能系统的优化调度策略进行构建的；所述改进的狼群算法在狼群中狼只的游走行为基于狼只间的信息交互。
11.如权利要求10所述的优化调度系统，其特征在于，所述供能系统包括：新能源发电机组、微型燃气轮机、储能设备和江水源热泵机组。
12.如权利要求11所述的优化调度系统，其特征在于，所述供能系统协调优化调度模型的建立，包括：
基于各优化时段供能系统的分时电价、新能源出力、天然气价格、碳排放系数、电负荷和热负荷，以供能系统的总运营成本最小为目标函数，以功率平衡约束、热平衡约束、新能源发电功率约束、微型燃气轮机约束、江水源热泵机组约束和储能设备约束为约束条件对所述目标函数进行约束，建立江水源热泵的供能系统协调优化调度模型。
13.如权利要求12所述的优化调度系统，其特征在于，所述目标函数的计算式如下：
式中，F为目标函数的值，CNG(t)为t时刻天然气发电的成本，CHP(t)为t时刻供能系统的成本，CGR(t)为t时刻微网与电网的交互成本，CEN(t)为t时刻碳排放控制的成本，T为调度周期。
14.如权利要求12所述的优化调度系统，其特征在于，所述热平衡约束的计算式如下：
式中，
为第j个江水源热泵在t时刻的加热功率，
为微网在t时刻的总热负荷，NHP为江水源热泵机组的数量。
15.如权利要求12所述的优化调度系统，其特征在于，所述江水源热泵机组约束包括：加热功率的上下限约束和启停约束；
所述加热功率的上下限约束的计算式如下：
式中，Qmin为单台江水源热泵加热功率的下限，Qmax为单台江水源热泵加热功率的上限，
为t时刻第j个江水源热泵的启停标志，
为t时刻第j个江水源热泵的加热功率；
所述启停约束的计算式如下：
式中，NHP为江水源热泵机组的数量，
为t时刻第j+1个江水源热泵的启停标志。
16.如权利要求12所述的优化调度系统，其特征在于，所述利用改进的狼群算法求解所述供能系统协调优化调度模型，得到各优化时段的微网中供能系统的优化调度策略，包括：
A1：利用各优化时段供能系统的分时电价、新能源出力、电负荷和热负荷以及碳排放系数初始化调度方案组成的初代狼群的位置集合，根据狼群中各狼只对应的调度方案的目标函数值在初代狼群中选择最小的狼只为头狼；
A2：对狼群中的各探狼分别在多个方向上基于对应目标函数值更小的其他狼只的位置进行搜寻，在搜寻到的目标函数值比当前更小的方向前进一步并更新位置，判断是否有探狼搜寻得到位置对应的目标函数值小于头狼对应的目标函数值：
若是，则基于头狼的位置和目标函数值次优的狼只的位置，将狼群中各狼只向头狼靠拢，并在靠拢过程中，更新头狼的位置，转入A3；
否则，继续搜寻，转入A3；
A3：判断是否达到最大搜寻次数：
若是，则转入A4，否则转入A2；
A4：选择对应目标函数值最小的狼只作为头狼，判断头狼对应目标函数值的大小是否满足预设条件或是否达到最大迭代次数：
若任一项为是，则输出头狼位置对应的调度方案，否则根据“优胜劣汰”的狼群更新机制进行群体更新，并转入A2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218782.2A CN114091728A (zh) | 2021-10-20 | 2021-10-20 | 一种基于江水源热泵的供能系统优化调度方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111218782.2A CN114091728A (zh) | 2021-10-20 | 2021-10-20 | 一种基于江水源热泵的供能系统优化调度方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114091728A true CN114091728A (zh) | 2022-02-25 |
Family
ID=80297241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111218782.2A Pending CN114091728A (zh) | 2021-10-20 | 2021-10-20 | 一种基于江水源热泵的供能系统优化调度方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114091728A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115659779A (zh) * | 2022-09-26 | 2023-01-31 | 国网江苏省电力有限公司南通供电分公司 | 一种多直流馈入受端电网的新能源接入优化策略 |
| CN116599142A (zh) * | 2023-03-28 | 2023-08-15 | 淮阴工学院 | 一种保障安全供能的智能调控系统 |
| CN117647963A (zh) * | 2024-01-29 | 2024-03-05 | 四川速聚智联科技有限公司 | 用于天然气方井池的排液智能控制方法及系统 |
-
2021
- 2021-10-20 CN CN202111218782.2A patent/CN114091728A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115659779A (zh) * | 2022-09-26 | 2023-01-31 | 国网江苏省电力有限公司南通供电分公司 | 一种多直流馈入受端电网的新能源接入优化策略 |
| CN116599142A (zh) * | 2023-03-28 | 2023-08-15 | 淮阴工学院 | 一种保障安全供能的智能调控系统 |
| CN116599142B (zh) * | 2023-03-28 | 2024-06-11 | 淮阴工学院 | 一种保障安全供能的智能调控系统 |
| CN117647963A (zh) * | 2024-01-29 | 2024-03-05 | 四川速聚智联科技有限公司 | 用于天然气方井池的排液智能控制方法及系统 |
| CN117647963B (zh) * | 2024-01-29 | 2024-04-09 | 四川速聚智联科技有限公司 | 用于天然气方井池的排液智能控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Ghersi et al. | Multi-objective optimization of CCHP system with hybrid chiller under new electric load following operation strategy | |
| CN108206543B (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
| CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
| CN111463836B (zh) | 一种综合能源系统优化调度方法 | |
| CN105337303B (zh) | 一种含热泵的热电联产型微电网容量优化配置方法 | |
| CN114091728A (zh) | 一种基于江水源热泵的供能系统优化调度方法和系统 | |
| CN106451566B (zh) | 一种海岛智能微电网多源协调控制方法 | |
| CN110932317B (zh) | 一种本质可再生能源互补的分布式能源系统的设计方法 | |
| Destro et al. | Components design and daily operation optimization of a hybrid system with energy storages | |
| CN107482638A (zh) | 冷热电联供型微电网多目标动态优化调度方法 | |
| CN111860937B (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
| CN109245093A (zh) | 一种冷热电联供分布式能源站协同优化调度方法 | |
| Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
| CN106786509B (zh) | 大规模风电并网下基于多场景模拟的热-电联合调度方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN106022503A (zh) | 面向具有耦合型电冷热需求的微电网容量规划方法 | |
| CN105550766A (zh) | 一种含可再生能源的微网鲁棒多目标运行优化方法 | |
| CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
| CN109242350A (zh) | 计及可平移负荷的冷热电联供系统容量优化配置方法 | |
| CN109390981B (zh) | 新能源参与电量平衡的送端电网机组组合运行控制方法 | |
| Feng et al. | Cost advantage of adjustable-speed pumped storage unit for daily operation in distributed hybrid system | |
| Liu et al. | Multi-scenario analysis and collaborative optimization of a novel distributed energy system coupled with hybrid energy storage for a nearly zero-energy community | |
| CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
| CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |