CN115115193A - 一种工业园区低碳分析及优化规划方法 - Google Patents
一种工业园区低碳分析及优化规划方法 Download PDFInfo
- Publication number
- CN115115193A CN115115193A CN202210672589.4A CN202210672589A CN115115193A CN 115115193 A CN115115193 A CN 115115193A CN 202210672589 A CN202210672589 A CN 202210672589A CN 115115193 A CN115115193 A CN 115115193A
- Authority
- CN
- China
- Prior art keywords
- cost
- planning
- model
- carbon
- energy
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 121
- 238000005457 optimization Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 101
- 238000010276 construction Methods 0.000 claims abstract description 31
- 238000012423 maintenance Methods 0.000 claims abstract description 31
- 230000009467 reduction Effects 0.000 claims abstract description 17
- 238000013461 design Methods 0.000 claims abstract description 16
- 230000002068 genetic effect Effects 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000002922 simulated annealing Methods 0.000 claims description 8
- 238000001816 cooling Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000032683 aging Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000005485 electric heating Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000000137 annealing Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000004064 recycling Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 claims description 2
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 12
- 238000004146 energy storage Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 10
- 230000005611 electricity Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 239000004014 plasticizer Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research 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
- G06Q10/06—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
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种工业园区低碳分析及优化规划方法,该方法通过当量满负荷运行时间法和概率分布对特定场景进行负荷预测。建立各能源单元的规划建设成本及设备运行维护成本模型和报废成本模型,以全生命周期年折算成本最小为上层规划模型的优化目标,以碳手迹成本最低为下层优化模型的优化目标,建立工业园区能源系统双层优化规划模型,同时满足各类平衡性、限制性约束。通过碳足迹及碳手迹求解进行低碳分析,将上下层模型连接,采用改进遗传算法求解双层模型并进行方案寻优,迭代求解直至收敛,优化求解得到工业园区系统的产量计划、设备装机容量及碳手迹抵消方案。本发明可应用于工业园区的规划设计和低碳分析下的规划减排方案优化设计。
Description
技术领域
本发明属于综合能源系统的工业园区低碳分析与优化规划结合领域,具体涉及一种工业园区优化规划方法。
背景技术
工业园区是我国城镇发展支撑动力,其能源系统的智慧化升级是构建以综合能源系统为主的现代化智慧城镇的必由路径,也是实现城市整体安全、稳定、友好、和谐运行的条件之一。当前,我国工业园区呈现加速发展趋势,规模不断扩大,并趋向于集中式、分布式能源互补运行方式,即采用多能协同互补、多端供需互动、信息能量融合的集中供能范式,接入风、光、电等个性特异的分布式供能形式,对于提高工业园区供能可靠性和灵活性具有重要意义。
工业园区的规划设计是保障其安全,高效,经济,可靠运行的首要关键技术,工业园区包含多种供能方式和多种用能负载,其规划设计是一个复杂的系统工程。工业园区的二氧化碳排放量占全国的31%,在国家双碳战略要求下,面对庞大复杂的工业园区综合能源系统,企业需要平衡好经济效益和环境效益,给工业园区的规划设计提出了重大挑战,传统的规划设计方法难以完成目前工业园区的需求,主要体现在:(1)工业园区的生产流程复杂,其能源系统包含多种能源单元,在以往的规划设计方法中缺少完整的低碳分析,缺乏低碳分析的理论依据;(2)工业园区的低碳分析需要全产业链全生命周期内的碳核算,目前缺乏针对性的核算基线,碳足迹核查仅仅核算工业园区内自身的碳排放净值,无法体现出规划方案中潜在的环境效益和提供的产品或服务通过减少他人碳足迹带来的环境收益;(3)传统规划设计方法相对比较简单的将碳排放作为优化目标求解方案,减碳方案设计停留在理论上,亟需能够对减碳方案进行优化的规划设计方法。
虽然目前已经有相关研究,针对工业生产企业的碳基线盘查、分布式能源的双层优化规划方法,如专利202110769556.7“一种考虑多种分布式能源运行的配电网双层优化规划方法”、专利201711092907.5“一种含控制策略的工业园区综合能源系统优化调度与评价系统和方法”和专利20180133288.8“针对源、荷、储协调互动的综合能源系统设计方法”在规划阶段考虑了综合运行成本、能量损耗和安全性环保性的问题,并考虑了通过优化运行策略来指导规划设计,但在规划阶段并没有考虑设备的容量可变性和周期性,导致在应对规划设计时多周期的负荷变动、设备升级等问题时综合经济效益有限,同时缺少对于环境效益的明确考量。专利201811497857.3“一种碳盘查/碳核查管理系统及方法”主要针对企业的全流程温室气体排放量进行计算和分析管理,但没有给出明确的对于园区规划建设或节能减排方案的指导。
发明内容
本发明的目的是克服现有规划方案未详细考虑碳排放对于工业园区能源系统调节能力的影响,导致现有的规划方案各设备装机容量难以完全适应未来国家的碳配额要求,提出了一种通过碳足迹和碳手迹协同的工业园区低碳分析及优化规划方法。本发明在保证满足供求平衡约束及良好的经济性条件下,优化选择热电联产锅炉、储能系统、地源热泵、光伏系统等设备装机容量,再建立综合成本经济型评价指标的基础上进行方案优化,减少了传统能源系统规划设计可能产生的装机容量过大,温室气体超高排放等问题,提高了工业园区能源系统规划设计水平。
本发明主要的应用对象为工业园区综合能源系统,该工业园区包含能量路由器、燃机、热电联产机组、地源热泵热泵、热储能装置、建筑一体化光伏系统、工业生产线、新建碳汇等,该系统通过管网与外部电网和外部热网连接。该园区的可再生能源和工业负荷都具有一定的不确定性,如何处理不确定性设计各设备的装机容量是关键问题。
本发明工业园区规划方法包括特定场景负荷预测、建立工业园区能源系统双层优化规划模型、建立方案碳足迹及碳手迹求解模型、求解双层优化规划模型得到包含各设备装机容量的规划方案,具体如下:
(1)生成特定场景。
生成特定场景的方法是根据能量路由器、设备单元(如燃机、可再生能源、CHP机组、热泵、储能装置)、热负荷、电负荷、冷负荷的历史运行数据,通过概率统计生成各能量源和负荷的出力概率分布,同时依据统计得到的各时段能量源和负荷的均值及标准差,采用当量满负荷运行时间法预测计算各设备各个时段相应的运行功率概率,得到特定场景。
(2)建立工业园区能源系统双层优化规划模型。
所述的工业园区能源系统双层优化规划模型包括上层规划模型和下层优化模型;首先建立各能量路由器和设备单元(燃机、可再生能源、CHP机组、热泵、储能装置)的规划建设成本及设备运行维护成本模型和报废成本模型,在此基础上,以全生命周期年折算成本最小为上层规划模型的优化目标,所述全生命周期年折算成本为年化规划建设成本及设备运行维护成本和年化报废成本之和;以碳手迹成本最低为下层优化模型的优化目标,建立工业园区低碳分析及优化规划双层模型,同时满足各种平衡性约束、限制性约束(包括容量约束、时间约束、规划用地约束);
(3)求解工业园区能源系统双层优化规划模型。
根据碳基线盘查表格及核算清单,识别碳排放源、确定系统边界示意图和核算方法,采用核算因子法计算规划方案的全生命周期碳足迹,并反馈给下层模型;采用改进遗传算法和基于模拟退火修正的适应度函数,交互迭代求解所述的双层规划模型。具体方法为:采用多目标优化算法与小时级线性优化调度算法相结合的双层交互迭代求解方法,对上层规划模型进行求解以得到工业园区能源系统的容量规划方案,下层模型通过确定性算法求解器求解得到上层模型的解集对应的各设备出力时间序列;双层交互迭代直至收敛,通过上述步骤,优化求得综合能源系统的各设备装机容量,得到工业园区低碳分析优化规划的减排方案。
上述技术方案中,进一步地,所述步骤(1)中,采用场景削减方法对场景进行聚类;
所述的当量满负荷运行时间法,具体为:
当量满负荷运行时间是指:能源单元全年运行负荷的总和与能源单元最大出力的比值,即:
式中,τi为第i类能源单元运行当量满负荷运行时间,h;q为能源单元全年总负荷,kJ/a;qm,i为第i类能源单元最大出力,kJ/h;负荷率εi表示第i类能源单元全年总负荷与对应的能源单元在累计运行时间内总的最大出力之和的比例;Ti为第i类能源单元设备累计运行时间。
进一步地,步骤(2)中,所述上层规划模型满足的约束条件是能源结构约束,即各能源单元的装机容量大小约束、电热冷负荷供求平衡约束;上层规划模型的优化目标中,全生命周期年折算成本中的年化规划建设成本和设备运行维护成本是由规划建设成本和设备运行维护成本按照年利率折算得到的;所述规划建设成本包括系统前期规划设计和能源单元设备采购的费用,设备运行维护成本包括安装验证与调试确认、运行能耗、设备检修、消耗能源购买和碳手迹成本的费用;所述报废成本包括固定资产年度折旧和最终的残值回收费用;所述的下层优化模型满足如下约束条件:时间约束、能量输送损失约束、规划用地约束;
减排方案包括:获取碳配额、新建碳汇、国家规定的绿色低碳行为、提高能源效率、减少材料使用、使用环境友好型材料、开发产品可回收性、减少废料量、延长产品寿命和提高产品可用性。
进一步地,所述的步骤(2)中,建立各能量路由器和设备单元的规划建设成本及设备运行维护成本模型和报废成本模型的方法如下:
1)规划建设成本及设备运行维护成本模型
式中:为第i类设备的规划建设成本,为第i类设备的运行维护成本;Cin.i为第i类设备的年化规划建设成本费用;R为折现率;l为设备的预计运行寿命;Ui为第i类设备单位功率建设费用;Pi为第i类设备规划额定负荷;
2)报废成本模型
年化报废成本是将固定资产累计折旧按照相应比例系数,采用平均年限法折算到设备投资成本中得到,并根据报废处置费用与报废资产残值回收收入之差决定固定资产累计折旧计入总成本时是正值或负值
式中:SCi为第i类能源单元的报废成本,SCEAC.i—第i类能源单元的年化报废成本。
进一步地,所述的步骤(2)中,建立的上层规划模型的优化目标和下层优化模型的优化目标如下:
Flca(x)=F1(x)+F2(x) (6)
式中,Flca(x)为全生命周期年折算成本;x为待优化的各能源单元设备容量集合,即各能量路由器和设备单元的装机规划容量集合;F1(x)为所有能量单元的规划建设及设备运行维护总成本,为第i类设备的规划建设成本,为第i类设备的运行维护成本,F2(x)为所有能量单元的报废总成本,Fc(x,y)为规划方案下碳手迹总成本,由各能源单元工艺优化节能成本、能源传输损失缩减成本、Cmat.i原料替换成本、Ccfor.i新建碳汇绿化成本、Ccpro.i新建碳汇项目成本、Ctra.i交通方式节能成本、Clife.i寿命延长成本、Cele.i其他规定模块成本组成,y为可优化的下层决策变量,D为年运行天数,δ为时间折算系数。
进一步地,计算所述碳手迹成本之前需先计算得到碳手迹,碳手迹是反映减排能力的指标,使用CO2当量表示,用于描述规划方案提供用于替换基准解决方案时产生的减排情况。所述碳手迹的计算公式为:
H=H1+Hini+Hele (10)
式中:H为碳手迹,H1为工业园区提供产品/服务过程中实现的碳手迹,Hini为工业园区在主动行动过程中实现的碳手迹,Hele为工业园区通过提供减少他人碳足迹的产品/服务实现的碳手迹,Wi为工业园区中第i类产品/服务的年产量,FEi为第i类产品/服务单位产量对应的基准碳足迹产量,Fi为第i类产品/服务单位产量对应的碳足迹产量,εi为第i类产品/服务的年生产占有率。
进一步地,所述的步骤(2)中,平衡性约束包括电平衡约束、热平衡约束、冷平衡约束,具体如下:
电负荷供求平衡约束
式中:Pi为第i类设备的供电量,Edemand为电力需求量;
热负荷供求平衡约束
式中:Qh.i为第i类设备的供热量,Qh.demand为热需求量;
冷负荷供求平衡约束
式中:Qc.i为第i类设备的供冷量,Qc.demand为冷需求量。
进一步地,所述的步骤(3)中,上层规划模型的求解过程具体为:
1)调用下层优化模型运行结果,计算目标函数响应值;
2)基于当前目标函数响应值,输出机组装机规划容量;
3)采用改进的遗传算法求解上层规划模型得到解集;
所述改进的遗传算法具体为:
遗传算法中交叉概率Pc与变异概率Pm是影响搜索性能及收敛情况的关键参数,通过引入自适应的交叉概率与变异概率,使交叉与概率操作随种群适应度的变化而调整,不再是定值,当群体逐步落入局部最优解时,相应提高交叉概率与变异概率,当群体趋于发散时,相应降低交叉概率与变异概率,从而实现自适应地调整遗传操作,提升遗传算法的搜索能力;自适应的交叉概率与变异概率分别表示如下:
式中:fitmax为种群中最大的个体适应度值;fitavg为种群的平均适应度值,fitc为交叉操作中较优个体的适应度值,fitm为变异操作中个体的适应度值;Pc1、Pc2、Pm1、Pm2分别为自适应交叉概率与变异概率的上限和下限。
进一步地,所述的步骤(3)中,下层优化模型的求解过程具体包括以下步骤:
1)针对上层模型输出的最优解集中的采样点,在可能包含最优解的区域再次采样,计算目标函数Fc(x,y)的值;与当前最优采样点进行对比计算,如果目标函数值减小,即对应所建立的下层优化模型的优化目标H1增大,则将最优解集更新,否则不变;
2)基于模拟退火修正的适应度函数,调用上层输出最优解集的方案
利用模拟退火算法改进遗传算法以实现寻优过程对适应度的不断修正,表示如下:
式中:fit(x)im为基于模拟退火修正的适应度函数,k为模拟退火功能系数,取小于1.0的数,t为遗传算法的进化代数,T0为模拟退火的初始温度,取与目标函数同一量级的数,f(x)为种群中个体的目标函数值;
3)重复采样过程,不断调用上层模型,迭代计算缩小最优解集,直至寻找到全局最优解。
双层模型交互迭代直至收敛,收敛速度取决于上层模型设置的终止条件,通过上述步骤,优化求得综合能源系统的各设备装机容量,得到工业园区低碳分析优化规划的方案。
所述的碳手迹指系统通过用优化方案取代基准方案时实现潜在的积极环境影响。
通过这种创新的评价机制能够实现对全生命周期积极环境影响的评价,评价基于通过提供减少他人碳足迹的产品或服务来实现有益的环境影响,手迹的大小指的是两种方案之间的差异,可以通过减少他人的足迹来实现自己的手迹,比如生产更加节能的产品,采用碳手迹对碳足迹进行抵消的方法达成减排目标。
本发明具有以下优点:
(1)本发明在工业园区能源系统的规划场景方面,考虑了典型场景的负荷数据和环境参数,以及工业园区在减排方案上的长期规划需求。
(2)本发明在分析工业园区能源系统的设备容量和全生命周期年折算成本的基础上,考虑碳手迹在规划中的重要影响,建立基于年折算成本和碳手迹的多目标求解模型。
(3)本发明提出一种多目标优化算法与小时级线性优化调度算法相结合的双层交互迭代求解方法,上层模型求解工业园区能源系统的容量规划方案,下层模型通过确定性算法求解器求解得到上层各方案对应的各设备出力时间序列。
附图说明
图1是化工生产园区碳排放系统核算边界示意图;
图2是增塑剂生产企业碳排放核查流程示意图;
图3是本发明中的双层模型求解步骤示意图。
具体实施方式
以下结合附图和具体实施例对本发明方法进行详细描述。本发明主要应用于工业园区能源系统。
本实施例中工业园区能源系统包含的可再生能源发电装置主要是建筑一体化光伏系统和光伏板;热电联产装置主要包括:CHP机组、地源热泵、溴化锂吸收式热泵及制冷机组、电制冷机组、电储能设备。系统能够满足电、热、冷多种负荷需求。电热冷网络通过能量路由器实现了耦合,电储能装置能够通过输入谷电和可再生能源电力并在峰电时间输出实现收益。
本发明的工业园区综合能源系统规划方法包括:生成典型日规划场景、建立双层优化规划模型、双层模型求解等步骤,具体步骤如下:
1、首先开展特定场景负荷预测和典型日选取。
根据能量路由器、设备单元(如燃机、可再生能源、CHP机组、热泵、储能装置)、热负荷、电负荷、冷负荷的历史运行数据,通过概率统计生成各能量源和负荷的出力概率分布,同时依据统计得到的各时段能量源和负荷的均值及标准差,采用当量满负荷运行时间法预测计算各个时段相应的运行功率概率,得到规划特定场景。
采用聚类法选取典型日,采用电负荷、热负荷、冷负荷、光照强度和环境风速等边界数据作为输入数据。
2、建立工业园区能源系统双层规划模型:
(1)建立各能源单元设备机理模型
CHP机组模型
QGT=BGT·Qnet·ηGT (1)
太阳能光伏系统模型
太阳能光伏发电系统通常采用MPPT控制策略,且能源系统规划中使用稳态模型,模型表达式如下:
PPV=ξηmApηp (4)
式中:PPV为光伏额定发电功率;ξ为平均光照辐射强度;ηm为MPPT控制器效率;Ap为光伏板利用面积;ηp为平均光伏板效率。
地源热泵模型
式中:COP为地源热泵能效比;E为输出制热功率;P为输入耗电功率。
溴化锂吸收式热泵模型
Qh=COPhQls (6)
Qls=Gls(hlsin-hlsout) (7)
式中:Qh为溴化锂吸收式热泵的输出热功率;COPh为机组制热能效比;Qls为驱动热源的输入功率;Gis为驱动热源的工质流量;hlsih为驱动热源利用前焓值;hlsout为驱动热源利用后焓值。
溴化锂吸收式制冷机模型
Qc=COPcQls (8)
Qls=Gls(hlsin-hlsout) (9)
式中:Qc为溴化锂吸收式热泵的输出热功率;COPc为机组制冷能效比;Qls为驱动热源的输入功率;Gls为驱动热源的工质流量;hlsin为驱动热源利用前焓值;hlsout为驱动热源利用后焓值。
电储能系统模型
Qsto=QchγchΔtch-QdisγdisΔtdis (10)
式中:Qsto为储罐的储电量;Qch为储罐的储电功率;Qdis为储罐的放热功率;γch为储电效率;Δtch为储电时间;γdis为放热效率;Δtdis为放热时间。
电制冷机组模型
Qce=COPcePce (11)
式中:Qce为电制冷机组输出功率;COPce为机组制冷能效比;Pce为耗电功率。
CCUS系统模型
Ctrans=(0.015N+1)×(Cpipe+nIpre) (12)
式中:Ctrans为运输过程总投资费用;N为管道预期使用寿命;Cpipe为管道投资成本;Ipre压缩机站投资成本。
(2)使用综合成本法建立各设备全生命周期年化折算成本模型:
使用综合成本法进行搭建的经济性评价模型中,模型一般由系统规划建设成本及设备运行维护成本模型、报废成本模型组成,采用年均成本进行评价。系统规划建设成本包括系统前期规划设计和能源单元设备采购的费用;设备运行维护费用包括安装验证与调试确认、运行能耗、设备检修、消耗能源购买和碳手迹成本的费用;报废成本包括固定资产年度折旧和最终的残值回收费用。
建立各能量路由器和设备单元的规划建设成本及设备运行维护成本模型和报废成本模型的方法如下:
1)规划建设成本及设备运行维护成本模型
式中:为第i类设备的规划建设成本,为第i类设备的运行维护成本;Cin.i为第i类设备的年化规划建设成本费用;R为折现率;l为设备的预计运行寿命;Ui为第i类设备单位功率建设费用;Pi为第i类设备规划额定负荷;
2)报废成本模型
年化报废成本是将固定资产累计折旧按照相应比例系数,采用平均年限法折算到设备投资成本中得到,并根据报废处置费用与报废资产残值回收收入之差决定固定资产累计折旧计入总成本时是正值或负值
式中:SCi为第i类能源单元的报废成本,SCEAC.i—第i类能源单元的年化报废成本。
以碳手迹成本最低为下层优化模型的优化目标,建立工业园区低碳分析及优化规划双层模型,同时满足各种平衡性约束、限制性约束。
所述碳手迹的计算公式为:
H=H1+Hini+Hele (16)
式中:H为碳手迹,H1为工业园区提供产品/服务过程中实现的碳手迹,Hini为工业园区在主动行动过程中实现的碳手迹,Hele为工业园区通过提供减少他人碳足迹的产品/服务实现的碳手迹,Wi为工业园区中第i类产品/服务的年产量,FEi为第i类产品/服务单位产量对应的基准碳足迹产量,Fi为第i类产品/服务单位产量对应的碳足迹产量,εi为第i类产品/服务的年生产占有率。
以年化综合成本最低为上层规划模型的优化目标,以典型日负荷参数和环境参数下的年化碳手迹成本最低为下层优化调度目标,建立工业园区综合能源系统双层规划模型,同时满足平衡性约束、碳配额约束、限制性约束(包括容量约束、时间约束、规划用地约束)。
建立的上层规划模型的优化目标和下层优化模型的优化目标如下:
Flca(x)=F1(x)+F2(x) (18)
式中,Flca(x)为全生命周期年折算成本,即对应与所建立的上层规划模型的求解目标,x为待优化的各能源单元设备容量集合,即各能量路由器、燃机、可再生能源、CHP机组、热泵、储能装置的装机规划容量集合,F1(x)为所有能量单元的规划建设运行维护总成本,为第i类设备的规划建设成本,为第i类设备的运行维护成本,F2(x)为所有能量单元的报废总成本,Fc(x,y)为规划方案下碳足迹总成本,由各能源单元工艺优化节能成本、能源传输损失缩减成本、Cmat.i原料替换成本、Ccfor.i新建碳汇绿化成本、Ccpri.i新建碳汇项目成本、Ctra.i交通方式节能成本、Clife.i寿命延长成本、Cele.i其他规定模块成本组成,y为可优化的下层决策变量,D为年运行天数,δ为时间折算系数。
考虑的约束条件具体如下:
平衡性约束主要指电平衡约束、热平衡约束、冷平衡约束如下:
电负荷供求平衡约束
式中:Pi为第i类设备的供电量,Edemand为电力需求量;
热负荷供求平衡约束
式中:Qh.i为第i类设备的供热量,Qh.demand为热需求量;
冷负荷供求平衡约束
式中:Qh.i为第i类设备的供热量,Qh.demand为热需求量;
碳配额约束
Hall≥Hlim (25)
式中:Hall为总的碳排放量,Hlim为政府规定的碳配额;
限制性约束包括容量约束、时间约束、规划用地约束:
时间约束
Tday≤Tmax (26)
式中:Tday为规划方案的实现减排总时间,Tmax为规划期总时间;
容量约束
Ppv≥Pmin (27)
式中:Ppv为规划方案的设备容量,Pmin为规定的设备最小容量;
规划用地约束
Sgreen≤Smax (28)
式中:Sgreen为规划方案的用地面积,Smax为最大可用面积。
3、求解工业园区能源系统双层优化规划模型
如图3为本发明提出一种多目标优化算法与小时级线性优化调度算法相结合的双层交互迭代求解方法。
根据碳基线盘查表格及核算清单,识别碳排放源、确定系统边界示意图(如图1)和核算程序(如图2),采用核算因子法计算规划方案的全生命周期碳足迹,并反馈给下层模型。
上层模型多目标优化求解得到的工业园区能源系统中可选的规划方案集,将多个方案输入到下层优化调度模型中,下层模型在给定的规划方案下,通过确定性算法求解器求解得到上层各方案对应的各设备出力时间序列,将对应的下层求解得到的出力时间序列返回至上层规划模型,通过分层求解、交替迭代的方式,直至判断达到上层模型的算法终止条件,获取最优系统规划方案解集。
所述的双层优化规划模型求解步骤如下:
(1)初始化参数设置,光伏系统、CHP机组、地源热泵、溴化锂吸收式热泵及制冷机组、电制冷机组、电储能设备的技术参数和经济型参数,生成初始系统规划空间:
(2)在规划空间基础上采用当量满负荷运行时间法得到负荷预测结果,采用聚类法选取典型日,结合环境数据生成规划特定场景,完成算法的初始化。
(3)根据设备技术性参数和经济型参数设置上层模型初始目标函数,随机生成第一代父代种群并计算目标函数值,种群选择、交叉、变异。
(4)求解上层模型,计算种群的目标函数值,计算种群个体的拥挤度,根据结果生成下一代父代种群,判断是否达到最大进化代数或进化停滞,输出帕累托解集传递至下层。
(5)更新下层优化模型的调度优化模型及边界条件,采用确定性优化算法求解得到优化调度结果。
(6)判断下层模型的调度优化结果是否满足收敛条件,满足则停止迭代,输出最优规划方案集合,否则将调度优化结果返回至上层模型,更新上层目标函数值,返回步骤(4)。
Claims (9)
1.一种工业园区低碳分析及优化规划方法,其特征在于,包括以下步骤:
(1)生成特定场景
根据能量路由器、设备单元、热负荷、电负荷、冷负荷的历史运行数据,通过概率统计生成各能量源和负荷的出力概率分布,同时依据统计得到的各时段能量源和负荷的均值及标准差,采用当量满负荷运行时间法预测计算各设备不同时段相应的运行功率概率,生成特定场景;
(2)建立工业园区能源系统双层优化规划模型
所述的工业园区能源系统双层优化规划模型包括上层规划模型和下层优化模型;首先建立各能量路由器和设备单元的规划建设成本及设备运行维护成本模型和报废成本模型,在此基础上,以全生命周期年折算成本最小为上层规划模型的优化目标,所述全生命周期年折算成本为年化规划建设成本及设备运行维护成本和年化报废成本之和;以碳手迹成本最低为下层优化模型的优化目标,建立工业园区低碳分析及优化规划双层模型,同时满足各种平衡性约束、限制性约束;
(3)求解工业园区能源系统双层优化规划模型
根据碳基线盘查表格及核算清单,识别碳排放源、确定系统边界示意图和核算方法,采用核算因子法计算全生命周期碳足迹,并反馈给下层模型;采用多目标优化算法与小时级线性优化调度算法相结合的双层交互迭代求解方法,对上层规划模型进行求解以得到工业园区能源系统的容量规划方案,下层模型通过确定性算法求解器求解得到上层模型的解集对应的各设备出力时间序列;双层交互迭代直至收敛,通过上述步骤,优化求得综合能源系统的各设备装机容量,得到工业园区低碳分析优化规划的减排方案。
3.根据权利要求1所述的工业园区低碳分析及优化规划方法,其特征在于,步骤(2)中,所述上层规划模型满足的约束条件是能源结构约束,即各能源单元的装机容量大小约束、电热冷负荷供求平衡约束;上层规划模型的优化目标中,全生命周期年折算成本中的年化规划建设成本和设备运行维护成本是由规划建设成本和设备运行维护成本按照年利率折算得到的;所述规划建设成本包括系统前期规划设计和能源单元设备采购的费用,设备运行维护成本包括安装验证与调试确认、运行能耗、设备检修、消耗能源购买和碳手迹成本的费用;所述报废成本包括固定资产年度折旧和最终的残值回收费用;所述的下层优化模型满足如下约束条件:时间约束、能量输送损失约束、规划用地约束;
减排方案包括:获取碳配额、新建碳汇、国家规定的绿色低碳行为、提高能源效率、减少材料使用、使用环境友好型材料、开发产品可回收性、减少废料量、延长产品寿命和提高产品可用性。
4.根据权利要求1所述的工业园区低碳分析及优化规划方法,其特征在于,所述的步骤(2)中,建立各能量路由器和设备单元的规划建设成本及设备运行维护成本模型和报废成本模型的方法如下:
1)规划建设成本及设备运行维护成本模型
式中:为第i类设备的规划建设成本,为第i类设备的运行维护成本;Cin.i为第i类设备的年化规划建设成本费用;R为折现率;l为设备的预计运行寿命;Ui为第i类设备单位功率建设费用;Pi为第i类设备规划额定负荷;
2)报废成本模型
年化报废成本是将固定资产累计折旧按照相应比例系数,采用平均年限法折算到设备投资成本中得到,并根据报废处置费用与报废资产残值回收收入之差决定固定资产累计折旧计入总成本时是正值或负值
式中:SCi为第i类能源单元的报废成本,SCEAC.i—第i类能源单元的年化报废成本。
5.根据权利要求1所述的工业园区低碳分析及优化规划方法,其特征在于,所述的步骤(2)中,建立的上层规划模型的优化目标和下层优化模型的优化目标如下:
Flca(x)=F1(x)+F2(x) (6)
式中,Flca(x)为全生命周期年折算成本;x为待优化的各能源单元设备容量集合,即各能量路由器和设备单元的装机规划容量集合;F1(x)为所有能量单元的规划建设及设备运行维护总成本,为第i类设备的规划建设成本,为第i类设备的运行维护成本,F2(x)为所有能量单元的报废总成本,Fc(x,y)为规划方案下碳手迹总成本,由各能源单元工艺优化节能成本、能源传输损失缩减成本、Cmat.i原料替换成本、Ccfor.i新建碳汇绿化成本、Ccpro.i新建碳汇项目成本、Ctra.i交通方式节能成本、Clife.i寿命延长成本、Cele.i其他规定模块成本组成,y为可优化的下层决策变量,D为年运行天数,δ为时间折算系数。
8.根据权利要求1所述的工业园区低碳分析及优化规划方法,其特征在于,所述的步骤(3)中,上层规划模型的求解过程具体为:
1)调用下层优化模型运行结果,计算目标函数响应值;
2)基于当前目标函数响应值,输出机组装机规划容量;
3)采用改进的遗传算法求解上层规划模型得到解集;
所述改进的遗传算法具体为:
遗传算法中交叉概率Pc与变异概率Pm是影响搜索性能及收敛情况的关键参数,通过引入自适应的交叉概率与变异概率,使交叉与概率操作随种群适应度的变化而调整,不再是定值,当群体逐步落入局部最优解时,相应提高交叉概率与变异概率,当群体趋于发散时,相应降低交叉概率与变异概率,从而实现自适应地调整遗传操作,提升遗传算法的搜索能力;自适应的交叉概率与变异概率分别表示如下:
式中:fitmax为种群中最大的个体适应度值;fitavg为种群的平均适应度值,fitc为交叉操作中较优个体的适应度值,fitm为变异操作中个体的适应度值;Pc1、Pc2、Pm1、Pm2分别为自适应交叉概率与变异概率的上限和下限。
9.根据权利要求1所述的工业园区低碳分析及优化规划方法,其特征在于,所述的步骤(3)中,下层优化模型的求解过程具体包括以下步骤:
1)针对上层模型输出的最优解集中的采样点,在可能包含最优解的区域再次采样,计算目标函数Fc(x,y)的值;与当前最优采样点进行对比计算,如果目标函数值减小,即对应所建立的下层优化模型的优化目标H1增大,则将最优解集更新,否则不变;
2)基于模拟退火修正的适应度函数,调用上层输出最优解集的方案
利用模拟退火算法改进遗传算法以实现寻优过程对适应度的不断修正,表示如下:
式中:fit(x)im为基于模拟退火修正的适应度函数,k为模拟退火功能系数,取小于1.0的数,t为遗传算法的进化代数,T0为模拟退火的初始温度,取与目标函数同一量级的数,f(x)为种群中个体的目标函数值;
3)重复采样过程,不断调用上层模型,迭代计算缩小最优解集,直至寻找到全局最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210672589.4A CN115115193A (zh) | 2022-06-14 | 2022-06-14 | 一种工业园区低碳分析及优化规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210672589.4A CN115115193A (zh) | 2022-06-14 | 2022-06-14 | 一种工业园区低碳分析及优化规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115115193A true CN115115193A (zh) | 2022-09-27 |
Family
ID=83329043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210672589.4A Pending CN115115193A (zh) | 2022-06-14 | 2022-06-14 | 一种工业园区低碳分析及优化规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115115193A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629578A (zh) * | 2023-07-11 | 2023-08-22 | 工业富联(佛山)创新中心有限公司 | 一种制造工厂排程计算的方法及系统 |
CN116957171A (zh) * | 2023-09-20 | 2023-10-27 | 国网浙江省电力有限公司丽水供电公司 | 一种碳减排优化方法、装置、设备及存储介质 |
-
2022
- 2022-06-14 CN CN202210672589.4A patent/CN115115193A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116629578A (zh) * | 2023-07-11 | 2023-08-22 | 工业富联(佛山)创新中心有限公司 | 一种制造工厂排程计算的方法及系统 |
CN116629578B (zh) * | 2023-07-11 | 2024-03-22 | 工业富联(佛山)创新中心有限公司 | 一种制造工厂排程计算的方法及系统 |
CN116957171A (zh) * | 2023-09-20 | 2023-10-27 | 国网浙江省电力有限公司丽水供电公司 | 一种碳减排优化方法、装置、设备及存储介质 |
CN116957171B (zh) * | 2023-09-20 | 2023-12-15 | 国网浙江省电力有限公司丽水供电公司 | 一种碳减排优化方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy | |
Wang et al. | Capacity planning and optimization of business park-level integrated energy system based on investment constraints | |
CN111291963B (zh) | 一种协调经济性与可靠性的园区综合能源系统规划方法 | |
Elsied et al. | An advanced energy management of microgrid system based on genetic algorithm | |
CN111445067B (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
CN109103926A (zh) | 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN115115193A (zh) | 一种工业园区低碳分析及优化规划方法 | |
CN110363353A (zh) | 一种分布式综合能源系统的优化设计和调度方法及系统 | |
CN114330826A (zh) | 一种碳排放预测及优化方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN112348276A (zh) | 基于多要素三层次的综合能源系统规划优化方法 | |
Lu et al. | Configuration optimization of an off-grid multi-energy microgrid based on modified NSGA-II and order relation-TODIM considering uncertainties of renewable energy and load | |
Ren et al. | Multi-objective optimization of a hybrid distributed energy system using NSGA-II algorithm | |
Song et al. | A fuzzy‐based multi‐objective robust optimization model for a regional hybrid energy system considering uncertainty | |
CN112633575A (zh) | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 | |
Chen et al. | Optimal design of integrated urban energy systems under uncertainty and sustainability requirements | |
CN116187173A (zh) | 一种区域综合能源系统双层优化方法及系统 | |
Wang et al. | Multi-attribute decision analysis for optimal design of park-level integrated energy systems based on load characteristics | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
Li et al. | Optimal design and operation method of integrated energy system based on stochastic scenario iteration and energy storage attribute evaluation | |
Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
Ma et al. | The optimal configuration of distributed generators for CCHP micro-grid based on double-layer operation strategy and improved NSGA-III algorithm | |
Xue et al. | Optimal capacity allocation method of integrated energy system considering renewable energy uncertainty | |
Liu et al. | Evaluation of New Power System Based on Entropy Weight-TOPSIS Method |
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 |