CN114662752A - 基于价格型需求响应模型的综合能源系统运行优化方法 - Google Patents
基于价格型需求响应模型的综合能源系统运行优化方法 Download PDFInfo
- Publication number
- CN114662752A CN114662752A CN202210274798.3A CN202210274798A CN114662752A CN 114662752 A CN114662752 A CN 114662752A CN 202210274798 A CN202210274798 A CN 202210274798A CN 114662752 A CN114662752 A CN 114662752A
- Authority
- CN
- China
- Prior art keywords
- price
- power
- energy system
- constraint
- optimization
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 77
- 230000004044 response Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005611 electricity Effects 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 19
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 51
- 238000004146 energy storage Methods 0.000 claims description 47
- 239000007789 gas Substances 0.000 claims description 38
- 239000003345 natural gas Substances 0.000 claims description 26
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000010248 power generation Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 8
- 239000003344 environmental pollutant Substances 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 239000002918 waste heat Substances 0.000 claims description 5
- 238000002485 combustion reaction Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 231100000719 pollutant Toxicity 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005057 refrigeration Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000008236 heating water Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G06N3/12—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
- G06Q10/06315—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
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Water Supply & Treatment (AREA)
- Genetics & Genomics (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
本发明公开一种基于价格型需求响应模型的综合能源系统运行优化方法，本方法考虑了综合能源系统的电、热、冷三种负荷同时响应的效果评估，采取双目标优化的方式对系统的运行成本和碳排放量两个目标进行优化。统筹考虑电力市场价格数据、园区设备特性数据、园区负荷数据等因素，建立综合能源系统价格型需求响应模型，首次采用NSGA‑II和模糊隶属度函数求出基于价格型需求响应模型的综合能源系统运行优化最优解。相关计算过程原理简单，实用性强，可有效降低运行成本以及系统负荷，促进用户侧参与综合能源系统运行。
Description
技术领域
本发明涉及综合能源系统运行优化技术领域，提供了一种基于价格型需求响应模型的综合能源系统运行优化方法。
背景技术
综合能源系统是一个集合能源生产、传输、分配、转换、存储和消费等多个环节并进行统一的协调和优化的能源产供销一体化系统。在综合能源系统中，需求响应通过引导用户在负荷高峰时削减或转移负荷，充分发挥需求侧资源的调节作用，积极调动需求侧资源参与到能源系统的运行当中，有效缓解当前各类能源需求的增长与资源利用不均衡之间的矛盾，提高系统可靠性和能源利用效率。目前有关需求侧的研究主要集中考虑电能的单一响应，而综合能源系统的需求侧含有电、热、冷三种能源，所以系统在对用能进行调度时需要考虑三种能源的响应。
需求响应和综合能源系统运行优化的结合更加能够增强系统的弹性，利用综合能源系统的协调互补特性支撑需求响应的实施，需求响应的实施又能够缓解系统的扩容压力。而价格型需求响应通过用户接收到能源的价格信息后调整自身用能需求的方式，改善用能结构，保障能源系统经济、高效、平稳运行。现阶段只有少量对综合能源系统需求侧的研究，缺乏基于价格型需求响应的综合能源系统优化方法的研究。因此，充分研究基于价格型需求响应方式的综合能源系统运行优化方法具有重要的现实意义。
发明内容
针对上述存在的问题，如何使价格型需求响应参与综合能源系统运行优化是实现需求侧和供给侧之间良好互动机制的基础，同时如何利用精细化的调控策略对需求响应资源进行建模分析，是需要解决的主要技术问题。
利用价格型需求响应模型进行综合能源系统运行优化的基本思想是：优化前，实现能源结构的确定、设备的性能参数及功率约束参数的确定、各类能源价格的导入、用户响应负荷的计算以及引导用户实施需求响应的实时电价的确定；优化中，按照设定的优化场景设定优化目标，利用NSGA-II方法和模糊隶属度方法进行寻优，最终确定最佳的目标结果；优化后，实施优化目标结果以及负荷削减情况的对比分析，研究系统负荷和运行成本在需求响应前后的变化。
为了解决所述技术问题，本发明采用的技术方案是：一种基于价格型需求响应模型的综合能源运行优化方法，包括以下步骤：
S1：获取基础数据及模型参数
获取综合能源系统运行的基础数据以及模型对应的参数，包括各类设备的性能参数及功率约束参数、各类能源价格信息、用户的能源负荷需求、用户实施需求响应的实时电价等数据。
S2：构建基于实时电价的需求响应模型
以分时电价为基础建立实时电价需求响应模型，实时电价计算公式如下：
式中，Pspot(t)表示园区综合能源系统对外的实时售电价格；Q(t)表示用户t时刻的电负荷；N表示仿真的时段数，仿真时间取24小时，仿真间隔为1小时；Ptou(t)表示基准电价，取国网公布的分时电价，即园区综合能源系统购买电力的分时电价；Qmin和Qmax表示对外售电的价格的约束下限和上限。
根据用户需求价格弹性原理，价格型需求响应前后负荷量之间的关系式，如下所示：
式中，Q0(t)表示响应前t时刻的用户负荷需求；σ(t，t0)表示用户在(t，t0)时刻的需求价格弹性；P0(t0)表示响应前t0时刻的电价，P(t0)表示响应后t0时刻的电价。
S3：构建模型目标函数与约束条件
园区综合能源系统经济运行的最大目标是在既定的投资水平下既满足负荷需求又最大限度降低能源成本，同时实现碳排放量降低的目标。因此本发明采取双目标优化的方式对系统的运行成本和碳排放量两个目标进行优化，系统根据负荷情况产生实时电价，用户根据该价格参与需求响应。
S31)：系统总运行成本的计算
综合能源系统的运行成本主要包含燃气轮机消耗天然气的成本、燃气锅炉消耗天然气的成本、向电网购电成本、各设备单元的运行维护成本。以一个调度周期，以综合需求响应以及合理的安排各单位出力，使园区综合能源系统总运行成本最小，收益最大。计算公式如下：
Min F1＝Fope-Fin，
式中，Fope表示运行成本；Fin表示运行收入；Pgrid(t)是综合能源系统和电网之间的交换功率，kW；Cgrid(t)为交换功率的单位价格，元/kW；△t为调度周期，小时；Cgas(t)为购买天然气的单位价格，元/m3；Qgb(t)为燃气锅炉的产热功率，kW；ηgb为燃气锅炉的产热效率，％；Pgt(t)为燃气轮机的发电功率，kW；a、b和c为燃气轮机的燃料成本系数；HVgas为天然气的低热值，kWh/m3；Pbess,c/bess.f(t)为储能电池的充放电功率，kW；Capbess为储能电池的总容量，kW；Ccir为储能电池单次完全充放电的成本；Mcircle为储能电池的充放电次数；Xbess表示储能电池的数量；其中假设储能电池每次充放电的使用成本保持相同。Mj equ表示系统中第j个设备的单位功率维护成本，元/kW；Pj equ(t)表示系统中第j个设备的出力功率，kW；Qcool(t)表示系统内冷负荷；Pcool(t)表示满足用户冷负荷的实时价格，Qhot(t)表示系统内热负荷，Phot(t)表示满足用户热负荷的实时价格，Pele(t)表示系统内的电负荷，Pspot(t)表示园区综合能源系统对外的实时售电价格。
S32)：系统碳排放量的计算
有效的降低碳排放量将不仅对环境保护发挥重大作用，而且也有利于园区的长远运行，计算公式如下：
式中，Ccarb是碳排放量，kg；α是发电过程中污染物排放系数；Pgrid(t)是综合能源系统和电网之间的交换功率；Pin,NG(t)表示天然气输入功率；β是天然气燃烧中污染物排放系数，HVgas为天然气的低热值。
S33)：约束条件的确定
在园区综合能源系统中，考虑到系统和外部的交互关系以及系统与能源网的安全，包括系统内部设备自身以及系统与外部网络之间能量交换的功率必须遵循约束条件。约束条件分为能源平衡约束、能源供应约束以及能源系统运行约束三种。
能源平衡约束包含电功率平衡约束、热功率平衡约束和冷功率平衡约束。
电功率平衡约束：
Pgrid(t)+Pgt(t)+Ppv(t)+Pbess,d(t)＝Pele(t)+Per(t)+Pbess,c(t)，
式中，Pgrid(t)表示综合能源系统和电网之间t时刻的交互功率；Pgt(t)表示燃气轮机t时刻的出力；Ppv(t)表示光伏在t时刻的出力；Pbess,d(t)表示储能电池在t时刻的放电功率；Pele(t)、Per(t)和Pbess,c(t)分别表示系统内t时刻的电负荷、电制冷机的电负荷以及储能电池的充电功率。
热功率平衡约束：
式中，ηgt表示燃气轮机的产热效率；Pgt(t)表示燃气轮机在t时刻的发电功率；ηwhb表示余热锅炉的产热效率；ω表示热分配系数，用以分配供给制冷机和制热水的热量；Qgb(t)表示燃机锅炉在t时刻的出力；Qhot(t)表示系统内t时刻的热负荷；θ表示热负荷的调节系数。
冷功率平衡约束：
ηlbuQlbu(t)+ηerQer(t)＝Qcool(t)，
式中，ηlbu表示溴化锂制冷机的制冷效率；Qlbu(t)表示溴化锂制冷机在t时刻的制冷功率；ηer表示电制冷机的制冷效率；Qer(t)表示电制冷机在t时刻的制冷功率；Qcool(t)表示系统内t时刻的冷负荷。
为保证系统与能源网的安全，综合能源系统需遵循能源供应约束：
Pe_min≤|Pe_grid|≤Pe_max
Pg_min≤|Pg_network|≤Pg_max，
式中，Pe_min(t)表示电网与综合能源系统之间的最小电量交换功率；Pe_max(t)表示电网与综合能源系统之间的最大电量交换频率；Pg_max(t)表示天然气网向系统供应天然气的最大功率；Pg_min(t)表示天然气网向系统供应天然气的最小功率。能源系统运行约束包含设备运行约束、储能电池约束、天然气连接节点压力约束和分配系数约束。
设备运行约束：
式中，Pgrid,max(t)为综合能源系统向电网购电的最大功率；Pi,min(t)为第i种产电设备在t时刻的电功率下限；Pi(t)表示系统中第i种产电设备在t时刻的产电功率；Qi,min(t)为第i种产热设备在t时刻的热功率下限；Qi(t)表示系统中第i种产热设备在t时刻的产热功率；Ei(t)表示系统中第i种产电设备在t时刻的出力；Smin为系统中设备向上爬坡速率。
储能电池约束：
式中，soct和soct+1分别为储能电池在t和t+1时刻的荷电状态；δbess为储能电池的自放电率；ηbess,c为储能电池的充电效率；ηbess,d为储能电池的放电效率；αbess,c和αbess,d分别为储能电池的充电状态和放电状态，取值为0-1变量，αbess,c取1表示充电，αbess,d取1表示放电，不可同时充放电；pbess,c和pbess,d分别表示储能电池的充电和放电功率；socmin和socmax分别表示储能电池荷电状态的上下限；socL和socT分别表示储能电池的起始和终止荷电状态；pbess,c max和pbess,d max分别表示储能电池的最大充放电功率；Imax ch和Imax dis分别表示电池允许的最大充放电电流；Pinv表示系统中逆变器的容量；Vbat表示电池的额定电压；Qmax表示电池容量。
天然气连接节点压力约束：
式中，ρmin j和ρmax j表示气网允许的最小压力和最大压力。
分配系数约束：
式中，vc为某种形式能源分配到不同能源转换装置的分配系数；c为能源转换装置的编号。
S4：求解综合能源系统运行成本与碳排放量最低运行计划
综合能源系统的运行需要从经济成本、环境成本等多方面的因素综合考虑，而为寻找最佳规划解而设置的系统模拟运行过程又是典型的多目标约束下的优化问题，涉及需要线性、非线性、随机性的因素。相比多约束、单目标优化模型获得唯一解，本发明建立的多指标约束、多目标协同优化模型获得由多组解组成的帕累托解。综合考虑每个能源供应单元的输出功率和园区综合能源系统中的系统能量需求以及模型的特征，本发明采用带精英策略的非支配排序的遗传算法(NSGA-Ⅱ)求解系统运行优化问题，求解得出的帕累托解采用模糊隶属度函数进行计算评价。
S41)：优化问题描述及变量识别
实现经济成本最低、环境成本可承受是一个园区健康持续发展的必然要求，在此基础上通过建立多指标约束、多目标协同优化模型是满足该要求的关键步骤。多目标优化问题可综合概括为多目标混合整数非线性规划的求解，其一般形式如下：
式中，x、y为优化变量；f(x,y)为优化目标函数；X为变量集；Y为所有可行解的集合；J(x,y)为不等式约束；H(x,y)为等式约束。
在综合能源系统运行优化中，通常优化所得的是系统内各个设备的运行状态和每个小时的设备出力值。本发明采用二进制的方式来表示设备的运行状态，设X_s＝1表示设备处于运行状态，X_s＝0表示设备处于待机状态，采用X_p表示设备的出力水平，当设备的自动调解功率输出范围没有限制时，设备的实际出力为Preal＝X_p；当设备的功率调节范围具有上下限约束时，设备的实际出力为Preal＝X_p×X_s。综合本发明设定的优化目标函数、优化变量的类型等情况，最后模型的优化变量可识别如下：
式中，X_p表示系统内各个设备的输出功率集合；X_s表示系统内各个设备的运行状态；Sgt(t)表示燃气轮机运行状态；Spv(t)表示光伏发电设备运行状态；Swhb(t)表示余热锅炉运行状态；Slbs(t)表示溴化锂制冷机运行状态；Sgfb(t)表示燃气锅炉运行状态；Ser(t)表示电制冷机运行状态；Sbees(t)表示储能电池运行状态；Pgt(t)表示燃气轮机输出功率；Ppv(t)表示光伏发电输出功率；Pwhb(t)表示余热锅炉输出功率；Plbs(t)表示溴化锂制冷机输出功率；Pgfb(t)表示燃气锅炉输出功率；Per(t)表示电制冷机输出功率；Pbees(t)表示储能电池输出功率。
综合能源系统的运行优化问题涉及较多因素，建立的优化模型中变量较多且目标函数复杂，包含大量的非线性方程和变量，常规数学模型求解难度较大。在优化模型中存在多个变量、多种约束、目标函数较为复杂，传统的数学方法不适合求解多目标问题。综合考虑每个能源供应单元输出功率和园区综合能源系统中的系统能量需求以及模型的特征，采用带精英策略的非支配排序的遗传算法(NSGA-II)求解系统运行优化问题。
S42)：采用NSGA-II算法对模型求解
本发明采用NSGA-II算法对模型进行求解，通过计算获得优化后的由多组解组成的非劣解集。首先随机产生规模为N的初始种群，非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群；从第二代开始将父代种群与子代种群合并，进行快速非支配排序，同时对每个非支配层中的个体进行拥挤度计算，根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群。以此类推，当满足设定的程序结束条件时输出帕累托解集。
S43)：选择最优解
模糊隶属度理论通过合成每个目标函数的模糊隶属度来从帕累托解集中选择最满意解。首先通过公式计算帕累托集中目标函数的隶属度；根据决策者的偏好设置权重值，并计算多目标函数的最优解的隶属权重值，最大值对应的帕累托解集是最优解。本发明中，权重设置为相等权重，隶属度值计算公式为：
式中，Fi表示目标函数的第i个目标解；Fmin i表示目标函数的最小解；Fmax i表示目标函数的最大解。N表示设定的种群数目；Di表示设定的目标函数的权重；Nobj表示设定的目标函数的数量；uk表示目标函数的隶属度值。
S5：算例优化结果分析
将得到的基础数据与边界参数输入价格型需求响应模型，按“自发自用，余电上网”的模式，对指定算例进行仿真分析，仿真周期为一天，仿真步长为一小时。通过优化目标结果的对比分析负荷削减与成本节约情况，评估模型对综合能源系统的优化程度。
本发明的有益效果：
1.已有的综合能源系统需求侧响应评估多集中考虑电负荷响应的单一评估，本发明考虑了综合能源系统的电、热、冷三种负荷同时响应的效果评估。
2.已有的综合能源系统需求侧响应优化方法多对系统运行成本单一目标进行优化，本发明采取双目标优化的方式对系统的运行成本和碳排放量两个目标进行优化。
3.NSGA-II是一种多目标遗传算法，它在第一代NSGA基础上提出了快速非支配排序算法，并引进了精英策略和拥挤距离的概念，具有运行速度快、优化结果精度高、解集收敛性好的优点。
4.本发明结合国内综合能源系统需求侧响应技术发展现状，以园区综合能源系统为研究对象，统筹考虑电力市场价格数据、园区设备特性数据、园区负荷数据等因素，建立综合能源系统价格型需求响应模型，首次采用NSGA-II和模糊隶属度函数求出基于价格型需求响应模型的综合能源系统运行优化最优解。相关计算过程原理简单，实用性强，可有效降低运行成本以及系统负荷，促进用户侧参与综合能源系统运行。
附图说明
图1为实施例所述方法的流程图；
图2为需求响应前后用户负荷示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
本实施例以某工业园区为例，公开一种基于价格型需求响应模型的园区综合能源系统运行优化方法，具体描述如下：
S1)获取基础数据及模型参数
获取综合能源系统运行的基础数据以及模型对应的参数，包括各类设备的性能参数及功率约束参数、各类能源价格信息、用户的能源负荷需求、用户实施需求响应的实时电价等数据，具体：综合能源系统和电网之间交换功率Pgrid、交换功率单位价格Cgrid、调度周期△t、天然气单位价格Cgas、燃气锅炉产热功率Qgb、燃气锅炉产热效率ηgb，、燃气轮机发电功率Pgt、燃气轮机燃料成本系数a、b和c、天然气低热值HVgas、储能电池充放电功率Pbess,c/bess.f、储能电池总容量Capbess、储能电池单次完全充放电成本Ccir、储能电池充放电次数Mcircle、储能电池数量Xbess、系统中第j个设备的单位功率维护成本Mj equ、系统中第j个设备出力功率Pj equ、碳排放量Ccarb、发电过程中污染物排放系数α、电网输入功率PE、天然气输入功率Pin,NG、天然气燃烧中污染物排放系数β、光伏出力Ppv、储能电池放电功率Pbess,d、系统内电负荷Pele、电制冷机的电负荷Per、储能电池充电功率Pbess,c、燃气轮机产热效率ηgt、余热锅炉产热效率ηwhb、热分配系数ω、系统内热负荷Qhot、热负荷调节系数θ、溴化锂制冷机制冷效率ηlbu、溴化锂制冷机在t时刻制冷功率Qlbu、电制冷机制冷效率ηer、电制冷机制冷功率Qer、、系统内冷负荷Qcool、综合能源系统向电网购电最大功率Pgrid,max、第i种产电设备电功率下限Pi,min、系统中第i种产电设备产电功率Pi、第i种产热设备热功率下限Qi,min、系统中第i种产热设备产热功率Qi、系统中第i种产电设备出力Ei、系统中设备向上爬坡速率Smin、储能电池在t时刻荷电状态soct、储能电池自放电率δbess、储能电池充电效率ηbess,c；储能电池放电效率ηbess,d、储能电池充电状态αbess,c、储能电池放电状态αbess,d、储能电池荷电状态的上下限socmin和socmax、储能电池的起始和终止荷电状态socL和socT、电池允许的最大充放电电流Imax ch和Imax dis、系统中逆变器容量Pinv、电池额定电压Vbat、电池容量Qmax、气网允许的最小压力和最大压力ρmin j和ρmax j、某种形式能源分配到不同能源转换装置的分配系数vc、园区综合能源系统对外的实时售电价格Pspot、电网公布的分时电价Ptuo、对外售电价格的约束下限Qmin和上限Qmax、需求价格弹性σ；其中系统内的能源价格情况如表1-1所示。
表1-1系统能源价格分布表
本发明所研究的园区综合能源系统内的光伏、燃气轮机、燃气锅炉、余热锅炉、电制冷机、吸收式制冷机、电储能的性能参数如表1-2所示，各个设备的功率上下限约束参数如表1-3所示。
表1-2设备性能参数情况表
表1-3设备功率参数表
S2)构建基于实时电价的需求响应模型
以分时电价为基础建立实时电价需求响应模型，实时电价计算公式如下：
根据用户需求价格弹性原理，价格型需求响应前后负荷量之间需满足关系式，如下所示：
S3)构建模型目标函数与约束条件
根据S1中的数据建立综合能源系统运行优化模型，综合能源系统运行优化模型以最小运行成本和碳排放量为目标，将综合能源系统内部设备运行特性和负荷需求作为约束条件。
目标函数：
(1)系统总成本
Min F1＝Fope-Fin
(2)系统碳排放量
约束条件：
(1)电功率平衡约束
Pgrid(t)+Pgt(t)+Ppv(t)+Pbess,d(t)＝Pele(t)+Per(t)+Pbess,c(t)，
(2)热功率平衡约束：
(3)冷功率平衡约束：
ηlbuQlbu(t)+ηerQer(t)＝Qcool(t)，
(4)能源供应约束：
Pe_min≤|Pe_grid|≤Pe_max
Pg_min≤|Pg_network|≤Pg_max，
(5)设备运行约束：
(6)储能电池约束：
(7)天然气连接节点压力约束：
(8)分配系数约束：
S3)求解综合能源系统运行成本与碳排放量最低运行计划
综合考虑每个能源供应单元的输出功率和园区综合能源系统中的系统能量需求以及模型的特征，本发明采用带精英策略的非支配排序的遗传算法(NSGA-Ⅱ)求解系统运行优化问题，求解得出的帕累托解Fi采用隶属度函数进行计算最终得到目标函数的隶属度值uk，根据隶属度值的大小得到优化的最佳解。
S31)：优化问题描述及变量识别
实现经济成本最低、环境成本可承受是一个园区健康持续发展的必然要求，在此基础上通过建立多指标约束、多目标协同优化模型是满足该要求的关键步骤。本发明采用二进制的方式来表示设备的运行状态，设X_s＝1表示设备处于运行状态，X_s＝0表示设备处于待机状态，采用X_p表示设备的出力水平。综合设定的优化目标函数、优化变量的类型等情况，最后模型的优化变量可识别如下：
式中，X_p表示系统内各个设备的输出功率集合；X_s表示系统内各个设备的运行状态。
S32)：采用NSGA-II算法对模型求解
本发明采用NSGA-II算法对模型进行求解，通过计算获得优化后的由多组解组成的非劣解集。首先随机产生规模为N的初始种群，非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群；从第二代开始将父代种群与子代种群合并，进行快速非支配排序，同时对每个非支配层中的个体进行拥挤度计算，根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群。以此类推，当满足设定的程序结束条件时输出帕累托解集。
S33)：采用隶属度函数选择最优解
模糊隶属度理论通过合成每个目标函数的模糊隶属度来从非劣解集中选择最满意解。首先通过公式计算帕累托集中目标函数的隶属度；根据决策者的偏好设置权重值，并计算多目标函数的最优解的隶属权重值，最大值对应的非劣解集解是最优解。本发明中，权重设置为相等权重，隶属度值计算公式为：
式中，Fi表示目标函数的第i个目标解；Fmin i表示目标函数的最小解；Fmax i表示目标函数的最大解。N表示设定的种群数目；Di表示设定的目标函数的权重；Nobj表示设定的目标函数的数量；uk表示目标函数的隶属度值。
S4)算例优化结果分析
本发明以园区综合能源系统运行成本最小化和碳排放量最低化为优化目标，将得到的基础数据与边界参数输入价格型需求响应模型，按“自发自用，余电上网”的模式，对指定算例进行仿真分析，仿真周期为一天，仿真步长为一小时。通过需求响应参与优化与不参与优化两种场景进行优化，对比分析优化目标结果以及负荷削减情况，评估模型对综合能源系统的优化程度。
以下分别为需求响应模式与非需求响应模式下优化目标值对比和电力负荷削减水平对比：
表4-1需求响应前后目标值
表4-2需求响应前后电力负荷特性值
由上表和图2可看出，需求响应模式下的购电电费比非需求响应模式下的购电电费降低18.45％，而购买天然气的费用需求响应模式下仅比非需求响应模式下上涨0.24％。在实时电价的影响下，用户负荷需求在低谷时间段明显增加，在高峰时间段负荷需求明显降低，电力负荷削减程度达到47.23％。因此，本发明所研究的基于价格型需求响应模型能够很好的削峰填谷并为系统运行方带来较好的收益。
以上描述的仅是本发明的基本原理和优选实施例，本领域计算人员根据本发明做出的改进和替换，属于本发明的保护范围。
Claims (7)
1.一种基于价格型需求响应模型的综合能源系统运行优化方法，其特征在于：包括以下步骤：
S01)、获取综合能源系统运行的基础数据以及价格型需求响应模型对应的参数；
S02)、构建基于实时电价的需求响应模型，以分时电价为基础建立实时电价需求响应模型，实时电价计算公式为：
式中，Pspot(t)表示园区综合能源系统对外的实时售电价格；Q(t)表示用户t时刻的电负荷；N表示仿真的时段数；Ptou(t)表示基准电价，取国网公布的分时电价，即园区综合能源系统购买电力的分时电价；Qmin和Qmax表示对外售电的价格的约束下限和上限；
根据用户需求价格弹性原理，价格型需求响应前后负荷量之间的关系式为：
式中，Q0(t)表示响应前t时刻的用户负荷需求，Q(t)表示响应后t时刻的用户负荷需求；σ(t，t0)表示用户在(t，t0)时刻的需求价格弹性；P0(t0)表示响应前t0时刻的电价，P(t0)表示响应后t0时刻的电价；
S03)、构建模型目标函数与约束条件，根据步骤S01)中的数据建立综合能源系统运行优化模型，综合能源系统运行优化模型以最小运行成本和碳排放量为目标，将综合能源系统内部设备运行特性和负荷需求作为约束条件，采用双目标优化的方式对系统的运行成本和碳排放量两个目标进行优化，系统根据负荷情况产生实时电价，用户根据该价格参数需求响应；
S04)、求解综合能源系统运行成本与碳排放量最低运行计划；采用带精英策略的非支配排序的遗传算法求解系统运行优化问题，求解得出的帕累托解采用模糊隶属度函数进行计算评价，从而得出综合能源系统运行成本与碳排放量最低运行计划。
2.根据权利要求1所述的基于价格型需求响应的综合能源系统运行优化方法，其特征在于：步骤S03)具体为：
S31)、计算系统总运行成本，综合能源系统的运行成本包括燃气轮机消耗天然气的成本、燃气锅炉消耗天然气的成本、向电网购电成本、各设备单元的运行维护成本，计算公式为：
Min F1＝Fope-Fin，
式中，Fope表示运行成本；Fin表示运行收入；Pgrid(t)是综合能源系统和电网之间的交换功率；Cgrid(t)为交换功率的单位价格；Cgas(t)为购买天然气的单位价格；Qgb(t)为燃气锅炉的产热功率；ηgb为燃气锅炉的产热效率；Pgt(t)为燃气轮机的发电功率；a、b和c为燃气轮机的燃料成本系数；HVgas为天然气的低热值；Pbess,c/bess.f(t)为储能电池的充放电功率；Capbess为储能电池的总容量；Ccir为储能电池单次完全充放电的成本；Mcircle为储能电池的充放电次数；Xbess表示储能电池的数量；其中假设储能电池每次充放电的使用成本保持相同，Mj equ表示系统中第j个设备的单位功率维护成本；Pj equ(t)表示系统中第j个设备的出力功率；Qcool(t)表示系统内冷负荷；Pcool(t)表示满足用户冷负荷的实时价格，Qhot(t)表示系统内热负荷，Phot(t)表示满足用户热负荷的实时价格，Pele(t)表示系统内的电负荷，Pspot(t)表示园区综合能源系统对外的实时售电价格；
S32)、计算系统碳排放量，计算公式为：
式中，Ccarb是碳排放量；α是发电过程中污染物排放系数；Pgrid(t)是综合能源系统和电网之间的交换功率；Pin,NG(t)表示天然气输入功率；β是天然气燃烧中污染物排放系数，HVgas为天然气的低热值；
S33)、确定约束条件，约束条件包括能源平衡约束、能源供应约束以及能源系统运行约束，能源平衡约束包含电功率平衡约束、热功率平衡约束和冷功率平衡约束；
为保证系统与能源网的安全，综合能源系统需遵循能源供应约束，能源系统运行约束包含设备运行约束、储能电池约束、天然气连接节点压力约束和分配系数约束。
3.根据权利要求2所述的基于价格型需求响应模型的综合能源系统运行优化方法，其特征在于：步骤S04)具体为：
S41)、优化问题描述及变量识别，将多目标优化问题综合为多目标混合整数非现行规划的求解，其表达公式为：
式中，x、y为优化变量；f(x,y)为优化目标函数；X为变量集；Y为所有可行解的集合；J(x,y)为不等式约束；H(x,y)为等式约束；
综合能源系统运行优化中，优化所得的是系统内各个设备的运行状态和每个小时的设备出力值，采用二进制的方式来表示设备的运行状态，设X_s＝1表示设备处于运行状态，X_s＝0表示设备处于待机状态，采用X_p表示设备的出力水平，当设备的自动调解功率输出范围没有限制时，设备的实际出力为Preal＝X_p；当设备的功率调节范围具有上下限约束时，设备的实际出力为Preal＝X_p×X_s，综合优化目标函数、优化变量的类型，最后模型的优化变量表示如下：
式中，X_s表示系统内各个设备的运行状态；X_p表示系统内各个设备的输出功率集合；Sgt(t)表示燃气轮机运行状态；Spv(t)表示光伏发电设备运行状态；Swhb(t)表示余热锅炉运行状态；Slbs(t)表示溴化锂制冷机运行状态；Sgfb(t)表示燃气锅炉运行状态；Ser(t)表示电制冷机运行状态；Sbees(t)表示储能电池运行状态；Pgt(t)表示燃气轮机输出功率；Ppv(t)表示光伏发电输出功率；Pwhb(t)表示余热锅炉输出功率；Plbs(t)表示溴化锂制冷机输出功率；Pgfb(t)表示燃气锅炉输出功率；Per(t)表示电制冷机输出功率；Pbees(t)表示储能电池输出功率；
S42)、采用NSGA-II算法对模型求解，通过计算获得优化后的由多组解组成的非劣解集；
S43)、选择最优解，首先通过公式计算帕累托集中目标函数的隶属度；根据决策者的偏好设置权重值，并计算多目标函数的最优解的隶属权重值，最大值对应的帕累托解集是最优解。
4.根据权利要求3所述的基于价格型需求响应模型的综合能源系统运行优化方法，其特征在于：步骤S42)中，采用NSGA-II算法对模型进行求解的过程为：首先随机产生规模为N的初始种群，非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群；从第二代开始将父代种群与子代种群合并，进行快速非支配排序，同时对每个非支配层中的个体进行拥挤度计算，根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群，以此类推，当满足设定的程序结束条件时输出帕累托解集。
5.根据权利要求3所述的基于价格型需求响应模型的综合能源系统运行优化方法，其特征在于：步骤S43)中，权重设置为相等权重，隶属度值计算公式为：
式中，Fi表示目标函数的第i个目标解；Fi min表示目标函数的最小解；Fi max表示目标函数的最大解，N表示设定的种群数目；Di表示设定的目标函数的权重；Nobj表示设定的目标函数的数量；uk表示目标函数的隶属度值。
6.根据权利要求1所述的基于价格型需求响应模型的综合能源系统运行优化方法，其特征在于：步骤S01)获取的参数包括各类设备的性能参数及功率约束参数、各类能源价格信息、用户的能源负荷需求、用户实施需求响应的实时电价。
7.根据权利要求1所述的基于价格型需求响应模型的综合能源系统运行优化方法，其特征在于：仿真时间取24小时，仿真间隔为1小时。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210274798.3A CN114662752A (zh) | 2022-03-18 | 2022-03-18 | 基于价格型需求响应模型的综合能源系统运行优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210274798.3A CN114662752A (zh) | 2022-03-18 | 2022-03-18 | 基于价格型需求响应模型的综合能源系统运行优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114662752A true CN114662752A (zh) | 2022-06-24 |
Family
ID=82030897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210274798.3A Pending CN114662752A (zh) | 2022-03-18 | 2022-03-18 | 基于价格型需求响应模型的综合能源系统运行优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114662752A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147007A (zh) * | 2022-08-01 | 2022-10-04 | 东南大学溧阳研究院 | 一种基于电-碳信息和nsga-ii的园区低碳经济用能方法 |
| CN116027757A (zh) * | 2023-03-27 | 2023-04-28 | 中国科学院电工研究所 | 光催化-热化学耦合制燃料的综合能源系统运行调控方法 |
| CN116484999A (zh) * | 2023-01-16 | 2023-07-25 | 华北电力大学 | 考虑梯级利用的城镇综合能源系统调度优化方法及其应用 |
-
2022
- 2022-03-18 CN CN202210274798.3A patent/CN114662752A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147007A (zh) * | 2022-08-01 | 2022-10-04 | 东南大学溧阳研究院 | 一种基于电-碳信息和nsga-ii的园区低碳经济用能方法 |
| CN115147007B (zh) * | 2022-08-01 | 2023-04-18 | 东南大学溧阳研究院 | 一种基于电-碳信息和nsga-ii的园区低碳经济用能方法 |
| CN116484999A (zh) * | 2023-01-16 | 2023-07-25 | 华北电力大学 | 考虑梯级利用的城镇综合能源系统调度优化方法及其应用 |
| CN116027757A (zh) * | 2023-03-27 | 2023-04-28 | 中国科学院电工研究所 | 光催化-热化学耦合制燃料的综合能源系统运行调控方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108229025B (zh) | 一种冷热电联供型多微网主动配电系统经济优化调度方法 | |
| CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
| CN107508328A (zh) | 考虑风电消纳的联合系统能量优化方法 | |
| CN114662752A (zh) | 基于价格型需求响应模型的综合能源系统运行优化方法 | |
| 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 | |
| CN106026152A (zh) | 一种电动汽车接入微电网的充放电调度方法 | |
| CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
| CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
| CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
| CN112598224A (zh) | 一种园区综合能源系统群与电网的互动博弈调度方法 | |
| CN110110897A (zh) | 一种考虑不同储能运行策略的综合能源系统优化方法 | |
| CN109345012A (zh) | 基于综合评价指标的园区能源互联网运行优化方法 | |
| CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
| CN112564102B (zh) | 多微网负荷优化调度方法和系统 | |
| CN111353128B (zh) | 一种基于非合作博弈的多能量枢纽优化运行方法 | |
| CN114155103A (zh) | 基于区块链合作博弈的能量共享联盟灵活性交易方法 | |
| Zhai et al. | Optimization of integrated energy system considering photovoltaic uncertainty and multi-energy network | |
| CN113393125A (zh) | 基于源荷双侧互动博弈的综合能源系统协同调度方法 | |
| CN115829142A (zh) | 一种工业企业综合能源系统优化规划方法 | |
| CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
| Jintao et al. | Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy | |
| CN112016825A (zh) | 一种区域综合能源系统的集中式交易优化决策方法 | |
| An et al. | Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics | |
| CN113258559A (zh) | 一种冷热电联供微电网群系统博弈优化方法 | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 |
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 |