CN114565244B - 综合能源系统的优化调度方法及装置 - Google Patents
综合能源系统的优化调度方法及装置 Download PDFInfo
- Publication number
- CN114565244B CN114565244B CN202210141253.5A CN202210141253A CN114565244B CN 114565244 B CN114565244 B CN 114565244B CN 202210141253 A CN202210141253 A CN 202210141253A CN 114565244 B CN114565244 B CN 114565244B
- Authority
- CN
- China
- Prior art keywords
- representing
- power
- model
- energy system
- electric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010248 power generation Methods 0.000 claims abstract description 53
- 238000002360 preparation method Methods 0.000 claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 29
- 241000255581 Drosophila <fruit fly, genus> Species 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 239000000446 fuel Substances 0.000 claims description 33
- 238000005057 refrigeration Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 description 12
- 241000255588 Tephritidae Species 0.000 description 10
- 238000003860 storage Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid 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
- G06Q10/06—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
-
- 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
- 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
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供一种综合能源系统的优化调度方法及装置。所述方法包括:构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;根据热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型,构建优化调度的约束条件;根据果蝇算法对约束条件和预设的目标函数进行求解,在满足生产实用需求的运行成本最低的目标条件下,确定综合能源系统中各能源系统的输出功率。本申请实施例提供的综合能源系统的优化调度方法可以提高综合能源系统的能源利用率。
Description
技术领域
本申请涉及能源调度技术领域,具体涉及一种综合能源系统的优化调度方法及装置。
背景技术
Integrated Energy System,IES综合能源系统的出现减少了化石能源的消耗实现清洁替代,在提高能源的利用效率以及新能源出力的上网空间上具有良好效果。其中,综合能源系统是指以电力系统为核心并由电、气、热等网络耦合而成的多能源系统,相比于传统的单能源网具有能源利用率高污染排放量小等特点,已经成为未来能源网络的发展趋势。
相关技术中,综合能源系统的调度通常采用供热负荷的大小来确定发电量,即根据供热负荷来选择配套的锅炉及汽轮发电机组,根据蒸汽用量来确定机组的进汽量。然而,随着系统电、热耦合的加深以及在我国北方冬季供暖期电热需求之间的矛盾,这种采用供热负荷的大小来确定发电量的方式,在热量需求较高时会出现电出力供大于求的情况,限制了新能源出力的上网空间,不利于综合能源系统的能源的高效利用,导致综合能源系统的调度效果不佳。
发明内容
本申请实施例提供一种综合能源系统的优化调度方法及装置,提高综合能源系统的能源利用率,从而提高综合能源系统的调度效果。
第一方面,本申请实施例提供一综合能源系统的优化调度方法,包括:
根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
根据果蝇算法对所述约束条件和预设的目标函数进行求解,在满足生产实用需求的运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度。
在一个实施例中,所述热电联产机组模型包括:
ηb,iGfuel,iQLHV=Gb,i(hbout,i-hbin,i);
其中,ηb,i表示第i台锅炉的效率;Gfuel,i表示第i台锅炉的燃料流量;QLHV表示燃料的低位热值;Gb,i表示第i台锅炉输出的工质流量;hbout,i表示进锅炉工质的焓值,hbin,i分别表示出锅炉工质的焓值;Qb表示多台锅炉的总输出热功率;PCHP表示热电联产机组对外输出电功率;ηe表示热电联产机组的电效率;ηpl表示热电联产机组的厂用电率。
其中,PPV表示光伏发电功率;fPV表示光伏组件的折减系数;PV,cap表示光伏组件的额定功率;IS表示标准工况下的光照强度;IT表示实际的光照强度;αP表示温度因数;Tcell表示实际运行时光伏电池温度;Tcell,STC表示标准工况下的光伏电池温度。
在一实施例中,所述电制冷机组模型包括:PCE=ηvoecPin;
其中,PCE表示所述电制冷机组的输出功率;Cvoec表示所述电制冷机组的能效比;Pin表示所述电制冷机组的输入电功率。
在一实施例中,所述压缩空气制取系统模型包括:PCMP=ηCMPGCMP;
其中,PCMP表示压缩空气耗电功率;ηCMP表示所述压缩空气制取系统的比功率;GCMP表示所述压缩空气制取系统的出力。
在一实施例中,所述约束条件包括设备出力约束条件;
所述设备出力约束条件包括:Pgen,min≤Pgen≤Pgen,max;
其中,Pgen,min表示热电联产机组中发电机功率的输出功率下限,Pgen,max表示热电联产机组中发电机功率的输出功率上限。
在一实施例中,所述约束条件还包括电平衡约束条件;
所述电平衡约束条件包括:PPV+Pbuy=PDM+PCE+PCMP;
其中,PPV表示所述太阳能光伏发电系统中的光伏发电功率;Pbuy表示调度周期的购电量;PDM表示工业园区生产用电功率;PCE表示所述电制冷机组的耗电功率;PCMP表示所述压缩空气制取系统的耗电功率。
在一实施例中,所述目标函数为f=Cgrid+Cfuel+CMC;
其中,Cgrid表示所述综合能源系统的日总购电费用;Cfuel表示燃料购买的费用;CMC代表设备的维修费用。
第二方面,本申请实施例提供一种综合能源系统的优化调度装置,包括:
模型构建模块,用于根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
约束条件构建模块,用于根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
能源调度模块,用于根据果蝇算法对所述约束条件和预设的目标函数进行求解,在运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度。
第三方面,本申请实施例提供一种电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述程序时实现第一方面所述的综合能源系统的优化调度方法的步骤。
第四方面,本申请实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现第一方面所述的综合能源系统的优化调度方法的步骤。
本申请实施例提供的综合能源系统的优化调度方法及装置,通过综合能源系统中各能源系统的特性,分别构建对应的系统模型,并利用果蝇算法对各系统模型形成的约束条件和以满足生产实用需求的运行成本最低为目标函数进行优化调度,从而在运行成本最低目标情况下,使能源系统的输出功率能够满足生产实用需求,且实时优化调度的鲁棒性更好,从而提高综合能源系统的能源利用率,进而提高综合能源系统的调度效果。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请实施例提供的综合能源系统的优化调度方法的流程示意图;
图2是本申请实施例提供的经济效益曲线图;
图3是本申请实施例提供的综合能源系统的优化调度装置的结构示意图;
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面结合附图对本申请实施例进行详细的阐述。
参见图1,是本发明实施例提供的综合能源系统的优化调度方法的流程示意图之一,该方法应用于服务器或终端设备中,用于进行综合能源系统的优化调度。如图1所示,本实施例提供的一种综合能源系统的优化调度方法包括:
步骤101,根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
步骤102,根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
步骤103,根据果蝇算法对所述约束条件和预设的目标函数进行求解,在运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度。
通过综合能源系统中各能源系统的特性,分别构建对应的系统模型,并利用果蝇算法对各系统模型形成的约束条件和以满足生产实用需求的运行成本最低为目标函数进行优化调度,从而在运行成本最低目标情况下,使能源系统的输出功率能够满足生产实用需求,从而提高综合能源系统的能源利用率,进而提高综合能源系统的调度效果。
在一实施例中,所述热电联产机组模型包括:
ηb,iGfuel,iQLHV=Gb,i(hbout,i-hbin,i);
其中,ηb,i表示第i台锅炉的效率;Gfuel,i表示第i台锅炉的燃料流量;QLHV表示燃料的低位热值;Gb,i表示第i台锅炉输出的工质流量;hbout,i表示进锅炉工质的焓值,hbin,i分别表示出锅炉工质的焓值;Qb表示多台锅炉的总输出热功率;PCHP表示热电联产机组对外输出电功率;ηe表示热电联产机组的电效率;ηpl表示热电联产机组的厂用电率。
其中,PPV表示光伏发电功率;fPV表示光伏组件的折减系数;PV,cap表示光伏组件的额定功率;IS表示标准工况下的光照强度;IT表示实际的光照强度;αP表示温度因数;Tcell表示实际运行时光伏电池温度;Tcell,STC表示标准工况下的光伏电池温度。
在一实施例中,光伏组件的折减系数用于计算由组件自身老化、雨雪及灰尘覆盖导致的能量损失,可根据实际情况进行设定。示例性的,其可以取值为0.9。
在一实施例中,标准工况下的光照强度可根据实际情况进行设定,通常其取值可以为1KM/m2。
在一实施例中,所述电制冷机组模型包括:PCE=ηvoecPin;
其中,PCE表示所述电制冷机组的输出功率;Cvoec表示所述电制冷机组的能效比;Pin表示所述电制冷机组的输入电功率。
在一实施例中,所述压缩空气制取系统模型包括:PCMP=ηCMPGCMP;
其中,PCMP表示压缩空气耗电功率;ηCMP表示所述压缩空气制取系统的比功率;GCMP表示所述压缩空气制取系统的出力。
在一实施例中,综合能源系统的优化调度的约束条件可以包括设备处理约束条件和电平衡约束条件。所述设备出力约束条件包括:Pgen,min≤Pgen≤Pgen,max;
其中,Pgen,min表示热电联产机组中发电机功率的输出功率下限,Pgen,max表示热电联产机组中发电机功率的输出功率上限。
所述电平衡约束条件包括:PPV+Pbuy=PDM+PCE+PCMP;
其中,PPV表示所述太阳能光伏发电系统中的光伏发电功率;Pbuy表示调度周期的购电量;PDM表示工业园区生产用电功率;PCE表示所述电制冷机组的耗电功率;PCMP表示所述压缩空气制取系统的耗电功率。
在一实施例中,目标函数可以为目标函数为f=Cgrid+Cfuel+CMC;
其中,Cgrid表示所述综合能源系统的日总购电费用,若存在向电网售电情况,则售电费用为负值;Cfuel表示燃料购买的费用;CMC代表设备的维修费用。
在一实施例中,在构建目标函数及约束条件后,即可采用果蝇算法对目标函数及约束条件进行求解。在采用果蝇算法对目标函数及约束条件进行求解时,每一个可能解都被编码成一个个体,若干个个体构成群体。通过迭代寻优,查找出在最优解来进行综合能源系统的优化调度。
具体的,初始化果蝇种群规模为40和最大迭代数100,将热电联产机组,光伏发电系统和外部购电的产出电量按照预设比例分布。其中电价可按照某地的平均电价0.6元或其他设定值来进行计算。用果蝇算法求解问题时,将热电联产机组、光伏发电和外部购电这3个归一化后的比例作为果蝇个体的染色体,将每一个可能解都被编码成个体,若干个个体构成了群体,然后初始化果蝇群体位置,如(0.7 0.20.1)。
然后,在每一只果蝇个体使用嗅觉寻找食物时,赋予其搜索方向和距离。其中搜索范围和距离计算方式为:
Xi=Xaxis+RandomValue
Yi=Yaxis+RandomValue
确定果蝇个体到起始点的间距Disti,并根据果蝇个体到起始点的间距Disti,确定味道浓度判定值Si。
味道浓度判定值为:
Si=1/Disti
在确定味道浓度判定值后,根据味道浓度判定值以及目标函数,确定果蝇个体适应度值Smelli。
其中,Smelli=个体比例×(Cgrid+Cfuel+CMC)
从各适应度值中获取最小值,并记录对应的果蝇的当前位置信息和相应的味道浓度值后,保留最优的味道浓度值,并将该味道浓度值对应的位置信息作为新的果蝇种群中心后,重复上述步骤进行迭代寻优,并在每次获得最优的味道浓度值时判断其是否优于历史最优味道浓度值;若是,则将该获得的最优的味道浓度值对应的位置信息作为新的果蝇种群中心,直至迭代达到最大迭代次数。
其中,每一只果蝇个体使用嗅觉寻找食物时,赋予其搜索方向和距离。示例性的,其坐标的变化范围Random为0.7。
如图2所示,假设取太阳在12h的辐射强度时,光伏发电的功率约为36MW,此时经过果蝇算法优化迭代100次轴,最优果蝇个体的编码为(0.8 0.15 0.1),即3个目标所占权重比例为(0.8 0.15 0.1)时,不仅满足构建的约束条件,其适应度值还最低,此时确定的综合能源系统中各能源系统的输出功率最优。
下面对本申请实施例提供的综合能源系统的优化调度装置进行描述,下文描述的综合能源系统的优化调度装置与上文描述的综合能源系统的优化调度方法可相互对应参照。
在一实施例中,如图3所示,提供了一种综合能源系统的优化调度装置,包括:
模型构建模块210,用于根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
约束条件构建模块220,用于根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
能源调度模块230,用于根据果蝇算法对所述约束条件和预设的目标函数进行求解,在运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度。
在一实施例中,所述热电联产机组模型包括:
ηb,iGfuel,iQLHV=Gb,i(hbout,i-hbin,i);
其中,ηb,i表示第i台锅炉的效率;Gfuel,i表示第i台锅炉的燃料流量;QLHV表示燃料的低位热值;Gb,i表示第i台锅炉输出的工质流量;hbout,i表示进锅炉工质的焓值,bin,i分别表示出锅炉工质的焓值;Qb表示多台锅炉的总输出热功率;PCHP表示热电联产机组对外输出电功率;ηe表示热电联产机组的电效率;ηpl表示热电联产机组的厂用电率。
其中,PPV表示光伏发电功率;fPV表示光伏组件的折减系数;PV,cap表示光伏组件的额定功率;IS表示标准工况下的光照强度;IT表示实际的光照强度;αP表示温度因数;Tcell表示实际运行时光伏电池温度;Tcell,STC表示标准工况下的光伏电池温度。
在一实施例中,所述电制冷机组模型包括:PCE=ηvoecPin;
其中,PCE表示所述电制冷机组的输出功率;Cvoec表示所述电制冷机组的能效比;Pin表示所述电制冷机组的输入电功率。
在一实施例中,所述压缩空气制取系统模型包括:PCMP=ηCMPGCMP;
其中,PCMP表示压缩空气耗电功率;ηCMP表示所述压缩空气制取系统的比功率;GCMP表示所述压缩空气制取系统的出力。
在一实施例中,所述约束条件包括设备出力约束条件;
所述设备出力约束条件包括:Pgen,min≤Pgen≤Pgen,max;
其中,Pgen,min表示热电联产机组中发电机功率的输出功率下限,Pgen,max表示热电联产机组中发电机功率的输出功率上限。
在一实施例中,所述约束条件还包括电平衡约束条件;
所述电平衡约束条件包括:PPV+Pbuy=PDM+PCE+PCMP;
其中,PPV表示所述太阳能光伏发电系统中的光伏发电功率;Pbuy表示调度周期的购电量;PDM表示工业园区生产用电功率;PCE表示所述电制冷机组的耗电功率;PCMP表示所述压缩空气制取系统的耗电功率。
在一实施例中,所述目标函数为f=Cgrid+Cfuel+CMC;
其中,Cgrid表示所述综合能源系统的日总购电费用;Cfuel表示燃料购买的费用;CMC代表设备的维修费用。
通过综合能源系统中各能源系统的特性,分别构建对应的系统模型,并利用果蝇算法对各系统模型形成的约束条件和以满足生产实用需求的运行成本最低为目标函数进行优化调度,从而在运行成本最低目标情况下,使能源系统的输出功率能够满足生产实用需求,从而提高综合能源系统的能源利用率,进而提高综合能源系统的调度效果。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)810、通信接口(Communication Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序,以执行综合能源系统的优化调度方法的步骤,例如包括:
根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
根据果蝇算法对所述约束条件和预设的目标函数进行求解,在满足生产实用需求的运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各实施例所提供的综合能源系统的优化调度方法的步骤,例如包括:
根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
根据果蝇算法对所述约束条件和预设的目标函数进行求解,在满足生产实用需求的运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度。
另一方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使处理器执行上述各实施例提供的方法的步骤,例如包括:
根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
根据果蝇算法对所述约束条件和预设的目标函数进行求解,在满足生产实用需求的运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (9)
1.一种综合能源系统的优化调度方法,其特征在于,包括:
根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
根据果蝇算法对所述约束条件和预设的目标函数进行求解,在满足生产实用需求的运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度;
所述热电联产机组模型包括:
ηb,iGfuel,iQLHV=Gb,i(hbout,i-hbin,i);
其中,ηb,i表示第i台锅炉的效率;Gfuel,i表示第i台锅炉的燃料流量;QLHV表示燃料的低位热值;Gb,i表示第i台锅炉输出的工质流量;hbout,i表示进锅炉工质的焓值,hbin,i分别表示出锅炉工质的焓值;Qb表示多台锅炉的总输出热功率;PCHP表示热电联产机组对外输出电功率;ηe表示热电联产机组的电效率;ηpl表示热电联产机组的厂用电率。
3.根据权利要求1所述的综合能源系统的优化调度方法,其特征在于,所述电制冷机组模型包括:PCE=ηvoecPin;
其中,PCE表示所述电制冷机组的输出功率;Cvoec表示所述电制冷机组的能效比;Pin表示所述电制冷机组的输入电功率。
4.根据权利要求1所述的综合能源系统的优化调度方法,其特征在于,所述压缩空气制取系统模型包括:PCMP=ηCMPGCMP;
其中,PCMP表示压缩空气耗电功率;ηCMP表示所述压缩空气制取系统的比功率;GCMP表示所述压缩空气制取系统的出力。
5.根据权利要求1-4任意一项所述的综合能源系统的优化调度方法,其特征在于,所述约束条件包括设备出力约束条件;
所述设备出力约束条件包括:Pgen,min≤Pgen≤Pgen,max;
其中,Pgen,min表示热电联产机组中发电机功率的输出功率下限,Pgen,max表示热电联产机组中发电机功率的输出功率上限。
6.根据权利要求5所述的综合能源系统的优化调度方法,其特征在于,所述约束条件还包括电平衡约束条件;
所述电平衡约束条件包括:PPV+Pbuy=PDM+PCE+PCMP;
其中,PPV表示所述太阳能光伏发电系统中的光伏发电功率;Pbuy表示调度周期的购电量;PDM表示工业园区生产用电功率;PCE表示所述电制冷机组的耗电功率;PCMP表示所述压缩空气制取系统的耗电功率。
7.根据权利要求1-4任意一项所述的综合能源系统的优化调度方法,其特征在于,所述目标函数为f=Cgrid+Cfuel+CMC;
其中,Cgrid表示所述综合能源系统的日总购电费用;Cfuel表示燃料购买的费用;CMC代表设备的维修费用。
8.一种综合能源系统的优化调度装置,其特征在于,包括:
模型构建模块,用于根据综合能源系统中热电联产机组的电效率和锅炉的总输出热功率,太阳能光伏发电系统中光伏组件的折减系数和额定功率,电制冷机组的能效比和输入功率,以及压缩空气制取系统的比功率和出力,分别构建热电联产机组模型、太阳能光伏发电系统模型、电制冷机组模型以及压缩空气制取系统模型;
约束条件构建模块,用于根据所述热电联产机组模型、所述太阳能光伏发电系统模型、电制冷机组模型以及所述压缩空气制取系统模型,构建优化调度的约束条件;
能源调度模块,用于根据果蝇算法对所述约束条件和预设的目标函数进行求解,在运行成本最低的目标条件下,对所述综合能源系统中各能源系统的输出功率进行优化调度;
所述热电联产机组模型包括:
ηb,iGfuel,iQLHV=Gb,i(hbout,i-hbin,i);
其中,ηb,i表示第i台锅炉的效率;Gfuel,i表示第i台锅炉的燃料流量;QLHV表示燃料的低位热值;Gb,i表示第i台锅炉输出的工质流量;hbout,i表示进锅炉工质的焓值,hbin,i分别表示出锅炉工质的焓值;Qb表示多台锅炉的总输出热功率;PCHP表示热电联产机组对外输出电功率;ηe表示热电联产机组的电效率;ηpl表示热电联产机组的厂用电率。
9.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的综合能源系统的优化调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210141253.5A CN114565244B (zh) | 2022-02-16 | 2022-02-16 | 综合能源系统的优化调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210141253.5A CN114565244B (zh) | 2022-02-16 | 2022-02-16 | 综合能源系统的优化调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114565244A CN114565244A (zh) | 2022-05-31 |
CN114565244B true CN114565244B (zh) | 2023-04-07 |
Family
ID=81714761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210141253.5A Active CN114565244B (zh) | 2022-02-16 | 2022-02-16 | 综合能源系统的优化调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565244B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2019101043A4 (en) * | 2019-09-11 | 2019-10-24 | Southeast University | A two-stage robust scheduling method for a hydrogen conpressed natural gas integrated energy system |
CN112531687A (zh) * | 2020-11-24 | 2021-03-19 | 国家电网有限公司 | 含热电联合机组的综合能源系统周前机组组合优化方法 |
CN112560221A (zh) * | 2020-11-13 | 2021-03-26 | 清华大学 | 含增强地热系统的设施农业能源网容量分配方法及装置 |
CN112991087A (zh) * | 2020-06-19 | 2021-06-18 | 国网能源研究院有限公司 | 综合能源系统能量模拟与优化调度方法、系统及设备 |
CA3115583A1 (en) * | 2020-04-17 | 2021-10-17 | Mcmaster University | Integrated community energy and harvesting system |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629462B (zh) * | 2018-05-17 | 2021-02-19 | 杭州华电下沙热电有限公司 | 含储能的综合能源微网优化规划方法及综合能源微网系统 |
CN109696891B (zh) * | 2018-12-20 | 2020-09-15 | 北京华建网源电力设计研究院有限公司 | 包含空气源热泵和储能的微能源网系统及其运行控制方法 |
CN110163411B (zh) * | 2019-04-11 | 2022-02-18 | 华北电力大学 | 一种区域综合能源系统运行优化方法 |
CN110705776A (zh) * | 2019-09-27 | 2020-01-17 | 中冶赛迪电气技术有限公司 | 能源优化调度方法 |
CN111899125B (zh) * | 2020-07-31 | 2024-02-27 | 华中科技大学 | 一种综合能源系统的优化建模运行方法、装置和介质 |
CN112165122A (zh) * | 2020-09-02 | 2021-01-01 | 中国电力科学研究院有限公司 | 一种综合能源系统的运行方法及系统 |
CN113255224A (zh) * | 2021-06-03 | 2021-08-13 | 玲珑集团有限公司 | 一种基于发光萤火虫算法的能源系统配置优化方法 |
-
2022
- 2022-02-16 CN CN202210141253.5A patent/CN114565244B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2019101043A4 (en) * | 2019-09-11 | 2019-10-24 | Southeast University | A two-stage robust scheduling method for a hydrogen conpressed natural gas integrated energy system |
CA3115583A1 (en) * | 2020-04-17 | 2021-10-17 | Mcmaster University | Integrated community energy and harvesting system |
CN112991087A (zh) * | 2020-06-19 | 2021-06-18 | 国网能源研究院有限公司 | 综合能源系统能量模拟与优化调度方法、系统及设备 |
CN112560221A (zh) * | 2020-11-13 | 2021-03-26 | 清华大学 | 含增强地热系统的设施农业能源网容量分配方法及装置 |
CN112531687A (zh) * | 2020-11-24 | 2021-03-19 | 国家电网有限公司 | 含热电联合机组的综合能源系统周前机组组合优化方法 |
Non-Patent Citations (1)
Title |
---|
支欣 ; 岳福音 ; 葛玉林 ; .综合能源系统的运行优化配置分析.自动化与仪器仪表.2020,(第08期),第138-143页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114565244A (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
CN108206543A (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 | |
CN111144620A (zh) | 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法 | |
Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
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 | |
CN109888840B (zh) | 风光-垃圾发电能源综合利用系统的调度优化方法及装置 | |
CN112906958B (zh) | 一种园区综合能源系统的双层多目标优化方法及装置 | |
CN111030094B (zh) | 一种多能互补园区供能可靠性评估方法 | |
CN109473976A (zh) | 一种冷热电联供型微网能量调度方法及系统 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN112365021A (zh) | 一种基于混合储能的区域综合能源系统规划优化方法 | |
CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
CN114519543A (zh) | 一种乡村多能源系统边缘自治运行方法及系统 | |
CN111353128A (zh) | 一种基于非合作博弈的多能量枢纽优化运行方法 | |
CN110994606A (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
CN113592365A (zh) | 一种考虑碳排放与绿电消纳的能源优化调度方法及系统 | |
CN112131712A (zh) | 客户侧多能源系统多目标优化方法和系统 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法 | |
CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
CN114565244B (zh) | 综合能源系统的优化调度方法及装置 | |
CN116205458A (zh) | 考虑不确定性的水电制氢的综合能源系统优化调度模型建立方法 | |
CN112561120B (zh) | 一种基于微电网参考日前市场出清系统优化运行方法 |
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 |