CN116150954A - 综合能源系统能源配置方案优化方法、装置和终端设备 - Google Patents
综合能源系统能源配置方案优化方法、装置和终端设备 Download PDFInfo
- Publication number
- CN116150954A CN116150954A CN202211533911.1A CN202211533911A CN116150954A CN 116150954 A CN116150954 A CN 116150954A CN 202211533911 A CN202211533911 A CN 202211533911A CN 116150954 A CN116150954 A CN 116150954A
- Authority
- CN
- China
- Prior art keywords
- energy
- comprehensive
- energy system
- comprehensive energy
- configuration scheme
- 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 58
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 62
- 241000283153 Cetacea Species 0.000 claims abstract description 39
- 230000006870 function Effects 0.000 claims description 53
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 32
- 229910052799 carbon Inorganic materials 0.000 claims description 32
- 239000002028 Biomass Substances 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 238000010248 power generation Methods 0.000 description 33
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 26
- 239000007789 gas Substances 0.000 description 16
- 238000004146 energy storage Methods 0.000 description 12
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 7
- 229910052802 copper Inorganic materials 0.000 description 7
- 239000010949 copper Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005338 heat storage Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005485 electric heating Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000002309 gasification Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 150000003839 salts Chemical class 0.000 description 3
- 239000002918 waste heat Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例涉及综合能源系统方案配置技术领域，公开了一种综合能源系统能源配置方案优化方法、装置和终端设备。上述综合能源系统能源配置方案优化方法包括根据综合能源系统能源流向关系建立综合能源系统能源流动模型；基于所述综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件；基于所述能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼优化算法计算所述综合能源系统的最优能源配置方案。通过改进差分鲸鱼优化算法对综合能源系统能源配置方案进行整体优化，提高了综合能源系统能源配置方案的经济性、环保性和能源利用效率。
Description
技术领域
本发明涉及综合能源系统方案配置技术领域，具体涉及一种综合能源系统能源配置方案优化方法、装置和终端设备。
背景技术
综合能源系统的配置方案，即综合能源系统中各要素的容量、功率配置，是衡量综合能源系统能否实现的基础，追求规划优化效果最优更是综合能源系统落地的重点，如何实现综合效果更优的综合能源规划方案，是目前乡村综合能源系统应用领域的空白点。
发明内容
有鉴于此，本发明实施例提供了一种综合能源系统能源配置方案优化方法、装置和终端设备，对综合能源系统能源配置方案进行整体优化，提高了综合能源系统能源配置方案的经济性、环保性和能源利用效率。
为达到上述目的，本发明采用如下技术方案：
第一方面，本发明实施例提供了一种综合能源系统能源配置方案优化方法，其特征在于，包括：根据综合能源系统能源流向关系建立综合能源系统能源流动模型；基于所述综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件；基于所述能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼优化算法计算所述综合能源系统的最优能源配置方案。
基于第一方面，在一些实施例中，所述基于所述能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼算法计算所述综合能源系统的最优能源配置方案，包括：初始化种群和鲸鱼算法参数，其中所述种群中的个体为综合能源系统的能源配置方案，所述算法参数包括最大迭代次数；基于所述能源配置方案的优化目标函数和约束条件计算所述种群中个体的适应度值和最优位置，根据所述种群中个体的适应度值和最优位置更新参数AW、Y和CW的值，其中，AW和CW为系数向量，Y为用于确定选择搜索环绕还是螺旋更新位置的因子；利用差分算法中的交叉变异策略替代鲸鱼算法中的随机选择策略，对所述种群中个体实行交叉变异操作；当达到所述最大迭代次数后输出最优解，所述最优解为所述综合能源系统的最优能源配置方案。
基于第一方面，在一些实施例中，所述利用差分算法中的交叉变异策略替代传统鲸鱼算法中的随机选择策略，对所述种群中个体实行交叉变异操作，包括：基于差分算法变异策略对种群进行变异：Vi1,j＝Xgbest,j+F×rand(XWr1,j-XWr2,j)式中，Vi1,j为变异个体，Xgbest,j为当前种群最优位置，XWr1,j、XWr2,j为种群随机个体，rand∈[0,1]，F为变异常数且F>0；基于差分算法交叉策略对变异后的种群进行交叉：
式中，Uij为经过交叉后得到目标个体的候选个体，XW为鲸鱼位置向量，Fv为运用差分算法后的变异常数，Fmax、Fmin分别为F的最大值和最小值，vmax为最大迭代次数，v为当前迭代次数，CR为交叉概率，CRvmax、CRvmin为CR的最大值和最小值。
基于第一方面，在一些实施例中，所述根据综合能源系统能源流向关系建立综合能源系统能源流动模型，包括：根据综合能源系统能源流向关系将所述综合能源系统划分为能量输入模块，能量转换与存储模块和能量输出模块；基于能源设备的工作原理，对能量转换与存储模块中的主要能源设备进行能源流动建模，组成所述综合能源系统能源流动模型。
基于第一方面，在一些实施例中，所述基于所述综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件，包括：基于所述综合能源系统能源流动模型确定综合能源系统的运行成本、碳排放量和综合能效；根据所述综合能源系统的运行成本、碳排放量和综合能效，构建多虚拟同步机的最低运行成本函数、最小碳排放量函数和综合能效最高函数；构建约束条件，所述约束条件包括投资能力约束、建筑面积约束、电网供能约束、供能设备运行约束和能量平衡约束。
基于第一方面，在一些实施例中，所述最低运行成本函数为minf1＝CINV+COPT式中，CINV和COPT分别为系统投资成本年值、系统维护成本年值；所述最小碳排放量函数为
式中，τ为一年中的天数，T为系统运行时段，
为外部系统中电能的碳排放系数，Pt ele为系统购电量，hgasout,CO2为生物质机组的碳排放量，Peηug为电锅炉碳排放量，∑λn为热泵机组碳排放量；所述综合能效最高函数为
式中，i′为设备集I中的能源供应设备，Exi′ out和Exi′ in分别为输出、输入系统的能量
值。
基于第一方面，在一些实施例中，所述投资能力约束为Tmax≥fin(x)
式中，Tmax为乡村综合能源系统最大投资能力，fin(x)为总投资成本。所述建筑面积约束为
式中，mi为第i台设备安装占用的土地面积，AZmax为可用于建设综合能源系统的可使用土地面积，xi为第i种设备数量；所述电网供能约束为
式中，Dmax为电网最大的供电能力，Pmax i为第i台设备的耗电功率，Umax i为第i台设备的发电功率，Lq max为乡村综合能源系统内部设计的用电负荷，S为安全用电系数；所述供能设备运行约束为
式中，Qi min与Qmax i分别为第i种设备的供冷/供热的最小功率及最大功率，Qi down与ΔQup i分别为第i种设备的减少出力与增加出力的爬坡率；所述能量平衡约束为Pi′(t)+Pbuy(t)＝PLoad(t)+Ploss(t)式中，Pi′(t)为t时段供能设备供能量，Pbuy(t)为t时段向外部系统的购能量，PLoad(t)为t时段系统负荷，Ploss(t)为t时段系统有功损耗。
第二方面，本发明实施例提供了一种综合能源系统能源配置方案优化装置，包括：模型建立模块，用于根据综合能源系统能源流向关系建立综合能源系统能源流动模型；函数设置模块，用于基于所述综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件；优化计算模块，用于基于所述能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼优化算法计算所述综合能源系统的最优能源配置方案。
第三方面，本发明实施例提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述第一方面中任一项所述综合能源系统能源配置方案优化方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面中任一项所述综合能源系统能源配置方案优化方法的步骤。
本发明实施例中，通过建立综合能源流动模型，实现了对综合能源循环过程的仿真模拟，进而建立起综合能源系统能源流动模型。通过改进差分鲸鱼优化算法对考虑多种能源因素的优化目标函数进行计算，实现了对综合能源系统能源配置方案的整体优化，提高了综合能源系统能源配置方案的经济性、环保性和能源利用效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的综合能源系统能源配置方案优化方法流程图；
图2是本发明实施例提供的综合能源系统能源流向关系示意图；
图3是本发明实施例提供的改进差分鲸鱼优化算法运算流程图；
图4是本发明实施例提供的电、热负荷、光照强度和电价数据图；
图5是本发明实施例提供的DE-WOA算法、WOA算法和NSGA-II算法求解效果箱型对比图；
图6是本发明实施例提供的三维帕累托结果分析图；
图7是本发明实施例提供的三维帕累托结果分析图的左视图、右视图和俯视图；
图8是本发明实施例提供的综合能源系统能源配置方案优化装置结构示意图；
图9是本发明实施例提供的终端设备示意图。
具体实施方式
下面结合具体实施例对本发明进行更清楚的说明。以下实施例将有助于本领域的技术人员进一步理解本发明的作用，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
在光伏发电系统的运行管理中，如何确定满足光伏逆变器可靠性要求的光伏发电系统参数成为了一个关键问题，针对这一问题，本发明搭建了基于IGBT寿命估计的微电网分布式光伏发电系统参数整定系统，实现了在考虑IGBT寿命与净增发电量情况下光伏发电系统最优容配比与功率限值的确定。
如图1所示，该综合能源系统能源配置方案优化方法可以包括步骤S101至步骤S103。
步骤S101：根据综合能源系统能源流向关系建立综合能源系统能源流动模型。
基于生-光资源耦合利用的乡村综合能源系统以生物质能、太阳能作为主要驱动能源，满足农业生活生产中的热、电能量需求。其中，动力设备的运行性能对系统整体性能影响重大，常用的动力设备包括生物质热电联产机组、电锅炉、空气源热泵等。选取效率高、成本低的生物质热电联产机组作为系统的动力设备，并选用能量转化效率较高的光伏和光热机组用作发电，以满足用户的电负荷需求。
在一些实施例中，如图2所示，根据综合能源系统能源流向关系将综合能源系统划分为能量输入模块，能量转换与存储模块和能量输出模块。在此系统中，生物质热电联产发电机组、光热发电机组以及光伏电池组产生的电能可以满足用户的大部分电负荷需求，不足部分由电网购电补充。在电量多余时，储能系统将储存多余电量，为平抑光伏机组出力的不确定性做出保障。
能量输入模块：大型电网，太阳能与生物质气源构成了能量输入模块。
能源转换与存储模块：该模块中有大量供电设备，其中光伏、光热机组将太阳能转化为电能以满足系统内电负荷的需求，生物质热电联产机组将生物质能转化为电能和热能以满足电热负荷需求。光热机组通过智能定日镜将太阳光反射到集热器上，利用高温加热熔盐，将高温熔盐送入储热罐，通过与水交换产生水蒸汽驱动汽轮机发电。光伏与光热发电有天然互补的优势，光伏发电受光照影响波动性大，光热发电机组自带的储能装置在有光照的白天能弥补光伏出力波动，夜间能利用储存在储热罐中的高温熔盐代替光伏继续发电，以达到光伏光热联合发电系统连续平稳发电的目的。
生物质热电联产机组通过燃气轮机发电，从燃气轮机排出的烟气通过换热器产生高温蒸汽，驱动ORC螺杆膨胀机用于余热发电，为用户提供部分电能，其排出尾气通过冷凝器进行换热，为用户提供热负荷。采用燃气轮机串联ORC螺杆膨胀机进行联合循环发电，能够提高生物质气化热电联产系统的总体发电效率。考虑小型热电联供系统的余热量有限，当系统余热不足时，可首先由空气源热泵补充供热，然后由电锅炉补充供热。
储能系统主要包括储能电池与沼气罐，储能电池具有削峰，填谷等功能，是系统中的备用供电装置。
能量输出模块：能量输出的主要含义是负荷。用户所消耗的能量主要有电热两个负荷，用于支持农业生活生产、生活用热、农业大棚采暖以及对能源系统进行整体调度控制的综合控制中心。
基于能源设备的工作原理，对能量转换与存储模块中的主要能源设备进行能源流动建模，组成综合能源系统能源流动模型。
在一些实施例中，主要能源设备包括生物质热电联产机组、热泵机组、电锅炉、光热发电设备、光伏发电设备和储能电池。
(1)生物质热电联产机组
生物质气化单元的功能是在高温、高压和还原气氛中将热值较低的生物质粗原料气化，转化为可供下游利用的热值较高的合成气。合成气主要由氢气、一氧化碳、二氧化碳、硫化氢、未转化的碳和灰分组成。进入生物质发电的一部分合成气与大量压缩空气混合，并在燃烧室中燃烧以产生高温、高压的气体做功。燃烧过程可表示为与过量氧气的氧化反应，假设在反应中发生完全燃烧，气体中所有的一氧化碳和氢气都转化为二氧化碳和蒸汽，而进入和离开发电模块的气体温度和压力由所选择的气化技术确定，分别由T1和p1以及T4和p4表示。基于能量平衡，进入发电模块中压缩机的空气质量流率是温度T1的函数，燃料气体的质量流率mo及其摩尔组成x由下式表示：
对于由CO、CO2、H2、H2O、O2、N2和微量CH4、H2S组成的典型燃料气体，上式可具体表示为：
mofg+moatr＝mogusim (2)
mofghfg+moairhair＝mogasin×hgasin (5)
xgassut.j＝xgasin,j,j＝N2,O2,CO2,H2O,SOO2 (7)
式中，t为合成气的温度T除以1000，h为合成气的比焓，下标fg表示进入发电模块的气体，gasin和gasout分别代表进出口处的气体。氢、氧、氮和硫的平衡方程由类似方程表示。
生物质发电模块中进出口气体的焓是与温度相关的经验函数。燃料气体的焓值可以根据经验公式计算，流经压缩机的空气焓值和入口处气体的焓值可以用相同的方式计算得出。
由上述计算得到压缩机的进、出口参数，发电模块产生的机械功是气体组份、流经发电模块的气体质量流率及其进、出口物理参数的函数，表示为：
wgt＝mogasin×(hgasin-hgasottt) (8)
由发电模块产生的余热Hgaxout为出口气体的摩尔流率与其比焓hgaxout的乘积，这部分余热后续可用于吸收式制冷机进行制冷或供热。
(2)热泵机组
机组的制冷量(制热量)Q计算如下：
Q＝VρcΔt/3600 (9)
式中，V表示热泵机组用户侧平均流量，单位m3/h，t表示热泵机组用户侧进出口水温差，单位℃，ρ表示热水平均密度，单位kg/m3，c表示热水平均定压比热，kJ/(kg·℃)。ρ、c可根据介质进出口平均温度由物性参数表查取。
在额定制热工况下，将COPb定义为机组COP随负荷变化特性曲线的系数，热泵机组基础性能系数COPb随机组负荷率变化的模型表达式如下：
COPb＝aλ4+bλ3+cλ2+dλ+e (10)
式中，COPb为热泵机组的性能系数，λ为机组的负荷率，a、b、c和d为拟合系数，e为常数。
单机容量的修正系数，定义如下：
式中，COPb,u为用户选用的机组额定工况下的COP，COPb,0为机组负荷率为1时COPb的值。
考虑冷凝器水温和水流量对设备能效比的影响，采用2次多项式模型对数据进行拟合：
式中，ψc,t和ψc,f分别为冷凝器水温修正系数和流量修正系数，用于描述冷凝器水温或水量在非额定工况时机组COP的变化情况。tc，i为冷凝器进水温度，mc为冷凝器相对额定工况的流量比，m＝Mc，u/Mc,0，其中Mc,u为机组冷凝器实际流量，Mc,0为机组冷凝器额定工况流量，a，b为拟合系数。下标c,t表示冷凝器水温，c,f表示冷凝器流量。
考虑蒸发器水温和水流量对设备能效比的影响，对蒸发器工况同样采用2次多项式模型对数据进行拟合：
式中，ψe,t和ψe,f分别为蒸发器水温修正系数和流量修正系数，用于描述蒸发器水温或水量在非额定工况时机组COP的变化情况。te,o为蒸发器进水温度，me为蒸发器相对额定工况的流量比，me＝Me,u/Me,0，其中Me,u为机组蒸发器实际流量，Me,0为机组蒸发器额定工况流量，a,b为拟合系数。下标e,t表示蒸发器出水温度，e,f表示蒸发器流量。
得到变工况下的热泵机组模型多因素出力模型：
(3)电锅炉
电加热锅炉内介质的能量变化方程
式中，c为水的比热容，单位kJ/kg·℃(取值为4.2kJ/kg·℃)；Mg为电锅炉的容水量，单位m3；Tg为电锅炉内的平均水温，Txc、Txj分别代表电锅炉出水温度，GX代表经过电锅炉的水的流量，Pe表示电加热锅炉的电功率，τ代表时间，ug代表电锅炉实际运行与标定电锅炉效率的修正系数，η代表电锅炉标定效率。
电锅炉实际运行效率为：
ηs＝ηug (18)
式中，ηs表示电加热锅炉的实际加热效率。
(4)光热发电设备
集热器是热利用中完成转化过程的主要装置，系统能量传递过程大致包括玻璃盖板对太阳辐射的吸收和透射过程，空气与玻璃盖板和太阳电池板之间的对流换热过程，太阳电池的光电转换过程以及水和铜管之间的对流换热过程。设备能量传递数学模型如下：
玻璃盖板的能量方程：
空气流道内的能量方程：
光伏吸热板的能量平衡方程：
光伏吸热板上非边界处的各个节点的能量平衡方程有两种不同的形式。一种是仅在X-Y平面存在导热的节点；另一种是，除了在二维平面存在导热，还通过铜管焊接位置，与铜管有直接热传导的节点。
与铜管没有接触的节点处的能量方程：
与铜管有接触的节点处的能量方程：
铜管的能量方程：
铜管中水的能量平衡方程：
(5)光伏发电设备
光伏发电主要设备模型及出力计算方法如下：
EPV(t)＝NPV[GP(t)/GSTC(t)][1+α(TPV,P(t)-TPV,ST)] (24)
式中，EPV为太阳能光伏阵列输出功率；NPV为标准条件下最大的光伏阵列输出功率，即装机容量；GP为t时刻的太阳辐射强度；GSTC为标准条件下的太阳辐射强度；α为PV电池温度系数；TPV,P为电池组在t时刻的温度；TPV,ST为电池组在标准测试条件下的温度。
(6)储能电池
其充电存入电能的数学模型为：
其释放电能的数学模型为：
式中，δe是蓄电池的自身电能消耗率；Pin是蓄电池的电能存入功率；Pout是蓄电池的电能释放功率；SOC(t)是第t个时段结束时蓄电池的剩余电量；SOC(t-1)是第t-1个时段结束时蓄电池的剩余电量；
是蓄电池的电能存入效率；
是蓄电池的电能释放效率；
是蓄电池的额定容量。
步骤S102：基于综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件。
在一些实施例中，基于综合能源系统能源流动模型确定综合能源系统的运行成本、碳排放量和综合能效。根据综合能源系统的运行成本、碳排放量和综合能效，构建多虚拟同步机的最低运行成本函数、最小碳排放量函数和综合能效最高函数。
以系统投资成本、维护成本年值最小化作为反映乡村综合能源系统规划优化模型经济性的目标函数。最低运行成本函数为
minf1＝CINV+COPT (28)
式中，CINV和COPT分别为系统投资成本年值、系统维护成本年值，具体计算公式如下：
式中，I为系统设备元件类型集合(包括光伏、光热、热电联产(CHP，combined heatand power)、空气源热泵、电锅炉、储能电池以及沼气罐等设备)；i为设备类别；
和Mi分别为设备i的单位容量投资成本及总配置容量；yi为设备寿命期；r为折现率，本发明中取8％；
为设备i的单位容量年固定维护成本；T为系统运行时段；τ为一年中的天数；
为系统向大电网购电的价格；Pt ele为系统购电量。
乡村综合能源系统通过提高终端用能中可再生能源发电占比，降低传统化石能源消耗并减少污染物排放，以带来可观的环境效益。本发明以系统总体碳排放量最小作为反映乡村综合能源系统环境效益的优化目标，最小碳排放量函数为
式中，τ为一年中的天数，T为系统运行时段，
为外部系统中电能的碳排放系数，Pt ele为系统购电量，hgasout,CO2为生物质机组的碳排放量，Peηug为电锅炉碳排放量，∑λn为热泵机组碳排放量；
本发明基于热力学第二定律，建立能源利用
效率模型作为反映综合能效的目标函数，综合能效最高函数为
式中，i′为设备集I中的能源供应设备，Exi′ out和Exi′ in分别为输出、输入系统的能量
值。
Exi′ in＝(wgt+Pe+Epv)Δt (33)
PL、HL、CL分别为电负荷、热负荷与冷负荷；
和
分别为热负荷的设定温度和环境温度；Tr CL和
分别为冷负荷的设定温度和环境温度，单位℃。
在一些实施例中，构建约束条件，约束条件包括投资能力约束、建筑面积约束、电网供能约束、供能设备运行约束和能量平衡约束。
投资能力约束为
Tmax≥fin(x) (35)
式中，Tmax为乡村综合能源系统最大投资能力，fin(x)为总投资成本。
乡村综合能源系统的安装必选考虑资源的多少以及可安装场地的大小，建筑面积约束为
式中，mi为第i台设备安装占用的土地面积，AZmax为可用于建设综合能源系统的可使用土地面积，xi为第i种设备数量。
对于建筑面积的约束，各设备还需要考虑专属用地面积的约束，需考虑综合能源系统建设的地理位置，例如：在屋顶安装太阳能光伏板时，需要以屋顶有效光照面积最大值为约束。
电网供能约束为
式中，Dmax为电网最大的供电能力，Pmax i为第i台设备的耗电功率，Umax i为第i台设备的发电功率，Lq max为乡村综合能源系统内部设计的用电负荷，S为安全用电系数；
供能设备运行约束为
式中，Qi min与Qmax i分别为第i种设备的供冷/供热的最小功率及最大功率，Qi down与ΔQup i分别为第i种设备的减少出力与增加出力的爬坡率；
能量平衡约束为
Pi′(t)+Pbuy(t)＝PLoad(t)+Ploss(t) (40)
式中，Pi′(t)为t时段供能设备供能量，Pbuy(t)为t时段向外部系统的购能量，PLoad(t)为t时段系统负荷，Ploss(t)为t时段系统有功损耗。
步骤S103：基于能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼优化算法计算综合能源系统的最优能源配置方案。
基本鲸鱼优化算法存在解精度低、收敛速度慢和易陷入局部最优等缺点。为了克服这些缺点，本发明基于差分算法交叉、变异操作全局搜索性强、性能更优的特点，对基本鲸鱼优化算法进行改进优化，通过随机选择个体与当前个体和当前最优个体，避免算法陷入局部最优。
改进差分鲸鱼优化算法的运算流程如图3所示，首先进行算法模型的参数设定，初始化算法参数，记录个体适应度及最优位置，根据所述种群中个体的适应度值和最优位置更新参数AW、Y和CW的值，其中，AW和CW为系数向量，Y为用于确定选择搜索环绕还是螺旋更新位置的因子。
利用差分算法中的交叉变异策略替代鲸鱼算法中的随机选择策略，对所述种群中个体实行交叉变异操作。
当达到所述最大迭代次数后输出最优解，所述最优解为所述综合能源系统的最优能源配置方案。
其中鲸鱼算法的运算原理如下所示，包括包围猎物，泡沫网攻击和搜索猎物。
(1)包围猎物
该阶段选择一个搜索代理，将其定义为前一代中的最佳解决方案。其他搜索代理试图避开最优代理来实现全局搜索，具体描述如下：
DW＝CW|XW′(v)-XW(v)| (41)
XW(v+1)＝XW′(v)-AW·DW (42)
式中，v代表当前迭代次数，DW是包围步长，AW和CW是系数向量，XW(v)是当前鲸鱼位置向量，XW′(v)是当前最优鲸鱼位置向量，XW(v+1)是每一次迭代中需要更新的最佳位置向量。系数向量AW和CW的计算如下：
AW＝2×rand1-σ (43)
CW＝2rand2 (44)
式中，σ为收敛因子，其随迭代次数增加从2线性递减到0；rand为[0,1]之间的随机数。σ的求解公式如下：
式中，v为当前迭代次数；vmax为最大迭代次数。
(2)泡沫网攻击
鲸鱼在捕食的时候通常采用螺旋运动的方式先包围猎物，再进行捕猎。
在这一阶段讨论了两种方法，收缩环和螺旋更新位置。收缩环的机制与全局搜索相似，并取值AW＝[-1,1]，另一种方法是螺旋更新位置，根据当前位置和最优代理构造对数螺旋曲线，使得搜索代理逐步逼近最佳位置。具体描述如下：
DW′＝|XW′(v)-XW(v)| (46)
XW(v+1)＝DW′·qΛgcos(2πl)+XW′(v) (47)
式中，DW′指当前鲸鱼与最佳位置，也就是猎物位置的距离；Λ为数螺旋形状的常数量；g是介于[-1,1]之间的随机数；Y是用于确定选择搜索环绕还是螺旋更新位置的因子。假设收缩包围机制和螺旋位置更新概率相同，均为0.5。
(3)搜索猎物
搜索猎物采取鱼群随机性位置更新的方法，数学模型如下：
DW＝|CW×Xrand-XW(v)| (48)
XW(v+1)＝Xrand-AW×DW (49)
式中，Xrand是随机所得的位置向量，如果AW超出[-1,1]的范围，就通过随机寻找鲸鱼个体，并根据个体的方位，排查其他鲸鱼位置，面向全局搜索找到合适的猎物。
将差分算法的交叉用到传统鲸鱼优化算法中，利用差分算法中的变异策略替代传统鲸鱼算法中的随机选择策略，免去了参数D对于随机搜索的影响，在传统鲸鱼算法进行随机选择新个体时，有效地利用了差分算法的交叉策略，使传统鲸鱼算法速度更快，且种群更具多样性。
改进差分鲸鱼优化算法基于差分算法变异策略对种群进行变异：
Vi1,j＝Xgbest,j+F×rand(XWr1,j-XWr2,j)* (50)
式中，Vi1,j为变异个体，Xgbest,j为当前种群最优位置，XWr1,j、XWr2,j为种群随机个体，rand∈[0,1]，F为变异常数且F>0；
基于差分算法交叉策略对变异后的种群进行交叉：
式中，Uij为经过杂交后得到目标个体的候选个体，XW为鲸鱼位置向量，Fv为运用差分算法后的变异常数，Fmax、Fmin分别为F的最大值和最小值，vmax为最大迭代次数，v为当前迭代次数，CR为交叉概率，CRvmax…、CRvmin为CR的最大值和最小值。
实施例1
根据构建的乡村综合能源系统规划模型，设置系统仿真时间为一年，时间间隔为1小时，即有8760个时间点。以某村庄为例，对农村用户的生产生活全年逐时负荷进行统计计算。图4中(a)、(b)、(c)所示分别为该综合能源系统用户的电、热负荷、光照强度数据。算例采用分时电价，高峰时段电价为1.42元/kWh，平时段电价为0.947元/kWh，低谷时段电价为0.47元/kWh。图4中(d)为该综合能源系统的电价数据。
上述结果表明用户的电负荷在一年中的分布较为均匀，整体电力需求在25000kW-150000kW之间；主要负荷高峰集中在春夏季，可能达到110000kW-140000kW。热负荷呈现出明显的季节变化趋势。热负荷在冬季的需求比较大，负荷高峰达到40000kW-50000kW；在夏季的需求最小，负荷低谷在5000kW左右。
表1设备参数表
根据上述乡村综合能源配置情况和设备参数表，本发明分别采用改进差分鲸鱼优化算法(DE-WOA)、基本鲸鱼优化算法(WOA)、遗传算法(NSGA-II)三种算法求解乡村综合能源系统规划模型，3个算法的表现情况采用箱型图，如图5所示。DE-WOA改善了DOA易陷入局部最优的缺点，可以更好地搜索到全局最优解，且相比NSGA-II算法，DE-WOA算法具有更快的收敛速度。
帕累托优化方法是求解多目标优化问题的常用方法。通过求取一系列最优解，进而为决策者提供更多的选择。帕累托最优解表示在所考虑的模型的约束集中再找不出比它更好的解，最优解构成的解集被称为帕累托前沿。帕累托优化的目的是求取一个解集，通常以某些算法通过较大的计算量使得帕累托前沿分布尽量均匀、广泛。
根据三个目标函数得到帕累托前沿Pareto结果分析，得到图6和图7的帕累托分析结果图，其中图6为三维帕累托图，是基于三个目标函数的最优解构成的解集，Pareto系数为0.3，它在帕累托前沿生成了90个解决方案。
在图7中，(a)，(b)，(c)显示了图6的左视图、右视图和俯视图。综合能效(CEE)，年化成本(AC)和碳排放(CE)之间存在密切的联动关系。当AC增加时，CEE和CE都会随之变动，且CE对AC更加敏感。此外，投资成本和能效比成正相关，与碳排放成负相关，AC增加会导致CEE的升高和CE的降低。同时，随着能效比的不断降低，CE不断升高。可以得出结论，更高效运行的系统和更清洁的系统需要更多的投资。
针对上述乡村综合能源系统，本发明设置了3个场景进行对比，分别为：
场景1：生物质沼气热电联产机组-空气源热泵-电锅炉-电池-电网-沼气罐场景2：光伏-光热发电系统-空气源热泵-电锅炉-电池-电网
场景3：光伏-光热发电系统-生物质沼气热电联产机组-空气源热泵-电锅炉-电池-电网-沼气罐
各场景下的综合能源系统设备规划结果如下表2所示。
表2不同场景下的各类设备的配置规划
由上表分析可知，储能电池用于缓解用电高峰时的供电压力，在场景3中光热集热系统与光热储热系统除供给热系统外，还可以将热能转换成电能输出，故储能电池的配置容量减少。在场景3中配置的生物质沼气CHP容量是场景1的1.87倍，不仅提高了农村地区的清洁能源的消纳率，而且能够有效降低供能成本。场景3增加了带有沼气罐的生物质沼气CHP，不仅在一定程度上替代了部分的电锅炉和空气源热泵的供热负荷，还能够供电以减少储能配置。而光热集热系统设备的装机容量翻了一倍多，但由于其投资成本高，其配置的容量分别占光伏、光热储热系统装机容量的15.56％、6.48％。光伏、光热储热系统的装机容量变化较小，且供电子系统仅增加了电转换效率低的CHP设备，因此优化潜力较小。
本发明以全寿命周期成本、碳排放、综合能效为优化目标建立规划优化模型，实现该能源系统的经济最优、碳排放最低、综合能效最高。表3为对不同场景下年化投资成本、购电成本、运行成本、碳排放总量和综合能效等情况分析。
表3不同场景下的规划目标结果
由表3可知，场景1购电成本和碳排放总量均远高于场景2和3。场景3中增加了光热发电系统且生物质沼气CHP机组容量较大，年化投资成本较高。此外，场景3的运维成本最高，场景1的运维成本最低。场景3的经济性与环保性更优，主要因为峰时电价阶段购电量减少，降低购电成本，而可再生能源发电更加环保。场景2的能效比场景1的增加了1.71，场景3的能效比场景2的增加了3.13。综上，场景3的设备配置效果更优。
参见图8，本发明实施例提供了一种综合能源系统能源配置方案优化装置80，包括：模型建立模块810、函数设置模块820、优化计算模块830。
模型建立模块810，用于根据综合能源系统能源流向关系建立综合能源系统能源流动模型。
函数设置模块820，用于基于综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件。
优化计算模块830，用于基于能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼优化算法计算综合能源系统的最优能源配置方案。
图9是本发明一实施例提供的终端设备的示意图。如图9所示，该实施例的终端设备9包括：处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机程序92，例如生物质燃料与煤掺烧掺配方案评估程序。所述处理器90执行所述计算机程序92时实现上述生物质燃料与煤掺烧掺配方案评估方法实施例中的步骤，例如图1所示的步骤S101至步骤S103。
示例性的，所述计算机程序92可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器91中，并由所述处理器90执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序92在所述终端设备9中的执行过程。
所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器90、存储器91。本领域技术人员可以理解，图9仅仅是终端设备9的示例，并不构成对终端设备9的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器90可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器91可以是所述终端设备9的内部存储单元，例如终端设备9的硬盘或内存。所述存储器91也可以是所述终端设备9的外部存储设备，例如所述终端设备9上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器91还可以既包括所述终端设备9的内部存储单元也包括外部存储设备。所述存储器91用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器91还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
Claims (10)
1.一种综合能源系统能源配置方案优化方法，其特征在于，包括：
根据综合能源系统能源流向关系建立综合能源系统能源流动模型；
基于所述综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件；
基于所述能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼优化算法计算所述综合能源系统的最优能源配置方案。
2.如权利要求1所述的综合能源系统能源配置方案优化方法，其特征在于，所述基于所述能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼算法计算所述综合能源系统的最优能源配置方案，包括：
初始化种群和鲸鱼算法参数，其中所述种群中的个体为综合能源系统的能源配置方案，所述算法参数包括最大迭代次数；
基于所述能源配置方案的优化目标函数和约束条件计算所述种群中个体的适应度值和最优位置，根据所述种群中个体的适应度值和最优位置更新参数AW、Y和CW的值，其中，AW和CW为系数向量，Y为用于确定选择搜索环绕还是螺旋更新位置的因子；
利用差分算法中的交叉变异策略替代鲸鱼算法中的随机选择策略，对所述种群中个体实行交叉变异操作；
当达到所述最大迭代次数后输出最优解，所述最优解为所述综合能源系统的最优能源配置方案。
3.如权利要求2所述的综合能源系统能源配置方案优化方法，其特征在于，所述利用差分算法中的交叉变异策略替代传统鲸鱼算法中的随机选择策略，对所述种群中个体实行交叉变异操作，包括：
基于差分算法变异策略对种群进行变异：
Vi1,j＝Xgbest,j+F×rand(XWr1,j-XWr2,j)
式中，Vi1,j为变异个体，Xgbest,j为当前种群最优位置，XWr1,j、XWr2,j为种群随机个体，rand∈[0,1]，F为变异常数且F>0；
基于差分算法交叉策略对变异后的种群进行交叉：
式中，Uij为经过交叉后得到目标个体的候选个体，XW为鲸鱼位置向量，Fv为运用差分算法后的变异常数，Fmax、Fmin分别为F的最大值和最小值，vmax为最大迭代次数，v为当前迭代次数，CR为交叉概率，CRvmax、CRvmin为CR的最大值和最小值。
4.如权利要求1所述的综合能源系统能源配置方案优化方法，其特征在于，所述根据综合能源系统能源流向关系建立综合能源系统能源流动模型，包括：
根据综合能源系统能源流向关系将所述综合能源系统划分为能量输入模块，能量转换与存储模块和能量输出模块；
基于能源设备的工作原理，对能量转换与存储模块中的主要能源设备进行能源流动建模，组成所述综合能源系统能源流动模型。
5.如权利要求1所述的综合能源系统能源配置方案优化方法，其特征在于，所述基于所述综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件，包括：
基于所述综合能源系统能源流动模型确定综合能源系统的运行成本、碳排放量和综合能效；
根据所述综合能源系统的运行成本、碳排放量和综合能效，构建多虚拟同步机的最低运行成本函数、最小碳排放量函数和综合能效最高函数；
构建约束条件，所述约束条件包括投资能力约束、建筑面积约束、电网供能约束、供能设备运行约束和能量平衡约束。
6.如权利要求5所述的综合能源系统能源配置方案优化方法，其特征在于，所述最低运行成本函数为
minf1＝CINV+COPT
式中，CINV和COPT分别为系统投资成本年值、系统维护成本年值；
所述最小碳排放量函数为
式中，τ为一年中的天数，T为系统运行时段，
为外部系统中电能的碳排放系数，
为系统购电量，hgasout,CO2为生物质机组的碳排放量，Peηug为电锅炉碳排放量，∑λn为热泵机组碳排放量；
所述综合能效最高函数为
式中，i′为设备集I中的能源供应设备，Exi′ out和Exi′ in分别为输出、输入系统的能量
值。
7.如权利要求5所述的综合能源系统能源配置方案优化方法，其特征在于，所述投资能力约束为
Tmax≥fin(x)
式中，Tmax为乡村综合能源系统最大投资能力，fin(x)为总投资成本；
所述建筑面积约束为
式中，mi为第i台设备安装占用的土地面积，AZmax为可用于建设综合能源系统的可使用土地面积，xi为第i种设备数量；
所述电网供能约束为
式中，Dmax为电网最大的供电能力，Pmax i为第i台设备的耗电功率，Umax i为第i台设备的发电功率，Lq max为乡村综合能源系统内部设计的用电负荷，S为安全用电系数；
所述供能设备运行约束为
式中，Qi min与Qmax i分别为第i种设备的供冷/供热的最小功率及最大功率，Qi down与ΔQup i分别为第i种设备的减少出力与增加出力的爬坡率；
所述能量平衡约束为
Pi′(t)+Pbuy(t)＝PLoad(t)+Ploss(t)
式中，Pi′(t)为t时段供能设备供能量，Pbuy(t)为t时段向外部系统的购能量，PLoad(t)为t时段系统负荷，Ploss(t)为t时段系统有功损耗。
8.一种综合能源系统能源配置方案优化装置，其特征在于，包括：
模型建立模块，用于根据综合能源系统能源流向关系建立综合能源系统能源流动模型；
函数设置模块，用于基于所述综合能源系统能源流动模型设置能源配置方案的优化目标函数和约束条件；
优化计算模块，用于基于所述能源配置方案的优化目标函数和约束条件，通过改进差分鲸鱼优化算法计算所述综合能源系统的最优能源配置方案。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述综合能源系统能源配置方案优化方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述综合能源系统能源配置方案优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211533911.1A CN116150954A (zh) | 2022-12-01 | 2022-12-01 | 综合能源系统能源配置方案优化方法、装置和终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211533911.1A CN116150954A (zh) | 2022-12-01 | 2022-12-01 | 综合能源系统能源配置方案优化方法、装置和终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116150954A true CN116150954A (zh) | 2023-05-23 |
Family
ID=86355269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211533911.1A Pending CN116150954A (zh) | 2022-12-01 | 2022-12-01 | 综合能源系统能源配置方案优化方法、装置和终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116150954A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118278565A (zh) * | 2024-03-27 | 2024-07-02 | 江苏省电力试验研究院有限公司 | 一种基于改进人工鱼群算法的屋顶光伏装机容量优化方法 |
| CN118333345A (zh) * | 2024-06-13 | 2024-07-12 | 贵州黔源电力股份有限公司 | 一种基于多目标鲸鱼算法的水光互补系统优化调度方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345005A (zh) * | 2018-09-12 | 2019-02-15 | 中国电力科学研究院有限公司 | 一种基于改进鲸鱼算法的综合能源系统多维寻优方法 |
| CN110070292A (zh) * | 2019-04-23 | 2019-07-30 | 东华大学 | 基于交叉变异鲸鱼优化算法的微网经济调度方法 |
| AU2020100983A4 (en) * | 2019-11-14 | 2020-07-16 | Shandong University | Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation |
| CN112182887A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种综合能源系统规划优化仿真方法 |
| CN112465261A (zh) * | 2020-12-11 | 2021-03-09 | 国网宁夏电力有限公司经济技术研究院 | 一种面向多元主体接入的综合能源系统的规划方法 |
| CN112785065A (zh) * | 2021-01-27 | 2021-05-11 | 国网江苏省电力有限公司扬州供电分公司 | 基于混合人工鱼群算法的综合能源系统规划方法及系统 |
| CN113887973A (zh) * | 2021-10-09 | 2022-01-04 | 国网河北省电力有限公司经济技术研究院 | 一种综合能源系统的多目标规划方法、装置及终端设备 |
| CN113937767A (zh) * | 2021-10-22 | 2022-01-14 | 河北工业大学 | 一种基于改进鲸鱼算法的微电网容量优化配置方法 |
| CN114154744A (zh) * | 2021-12-13 | 2022-03-08 | 国网新疆电力有限公司经济技术研究院 | 综合能源系统的扩容规划方法、装置及电子设备 |
-
2022
- 2022-12-01 CN CN202211533911.1A patent/CN116150954A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345005A (zh) * | 2018-09-12 | 2019-02-15 | 中国电力科学研究院有限公司 | 一种基于改进鲸鱼算法的综合能源系统多维寻优方法 |
| CN110070292A (zh) * | 2019-04-23 | 2019-07-30 | 东华大学 | 基于交叉变异鲸鱼优化算法的微网经济调度方法 |
| AU2020100983A4 (en) * | 2019-11-14 | 2020-07-16 | Shandong University | Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation |
| CN112182887A (zh) * | 2020-09-30 | 2021-01-05 | 深圳供电局有限公司 | 一种综合能源系统规划优化仿真方法 |
| CN112465261A (zh) * | 2020-12-11 | 2021-03-09 | 国网宁夏电力有限公司经济技术研究院 | 一种面向多元主体接入的综合能源系统的规划方法 |
| CN112785065A (zh) * | 2021-01-27 | 2021-05-11 | 国网江苏省电力有限公司扬州供电分公司 | 基于混合人工鱼群算法的综合能源系统规划方法及系统 |
| CN113887973A (zh) * | 2021-10-09 | 2022-01-04 | 国网河北省电力有限公司经济技术研究院 | 一种综合能源系统的多目标规划方法、装置及终端设备 |
| CN113937767A (zh) * | 2021-10-22 | 2022-01-14 | 河北工业大学 | 一种基于改进鲸鱼算法的微电网容量优化配置方法 |
| CN114154744A (zh) * | 2021-12-13 | 2022-03-08 | 国网新疆电力有限公司经济技术研究院 | 综合能源系统的扩容规划方法、装置及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 王永利;郭璐;周泯含;孙亚领;刘琳;黄菲菲;: "基于定额投资条件下的综合能源系统规划效益研究", 电力需求侧管理, no. 05, 20 September 2020 (2020-09-20), pages 38 - 44 * |
| 王永利;郭璐;周泯含;孙亚领;刘琳;黄菲菲;: "基于定额投资条件下的综合能源系统规划效益研究", 电力需求侧管理, no. 05, pages 38 - 44 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118278565A (zh) * | 2024-03-27 | 2024-07-02 | 江苏省电力试验研究院有限公司 | 一种基于改进人工鱼群算法的屋顶光伏装机容量优化方法 |
| CN118333345A (zh) * | 2024-06-13 | 2024-07-12 | 贵州黔源电力股份有限公司 | 一种基于多目标鲸鱼算法的水光互补系统优化调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111144668B (zh) | 考虑场景模拟的综合能源系统随机优化模型的建立方法 | |
| Luo et al. | Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy | |
| Liu et al. | Techno-economic feasibility of solar power plants considering PV/CSP with electrical/thermal energy storage system | |
| Das et al. | Effect of load following strategies, hardware, and thermal load distribution on stand-alone hybrid CCHP systems | |
| 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 | |
| Lingmin et al. | Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power | |
| Li et al. | Power system planning based on CSP-CHP system to integrate variable renewable energy | |
| Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
| CN116150954A (zh) | 综合能源系统能源配置方案优化方法、装置和终端设备 | |
| 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 | |
| CN112363395B (zh) | 一种负荷密集型城市智慧园区工业用户负荷建模方法 | |
| CN112749462A (zh) | 一种综合能源系统当前运行参数的优化方法、系统及设备 | |
| Assareh et al. | Performance analysis of solar-assisted-geothermal combined cooling, heating, and power (CCHP) systems incorporated with a hydrogen generation subsystem | |
| CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
| 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 | |
| CN115994615A (zh) | 一种基于多能互补的综合能源运行控制方法及系统 | |
| Saleem et al. | Optimizing renewable polygeneration: A synergetic approach harnessing solar and wind energy systems | |
| Velarde et al. | Scenario-based model predictive control for energy scheduling in a parabolic trough concentrating solar plant with thermal storage | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| Ren et al. | Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers | |
| Mohammadi et al. | Comparative transient assessment and optimization of battery and hydrogen energy storage systems for near-zero energy buildings | |
| CN112085263A (zh) | 一种用户侧分布式能源系统混合储能优化配置方法和系统 | |
| Dimri et al. | Thermoeconomic optimization and performance analysis of solar combined heating and power systems: A comparative study | |
| CN115204705A (zh) | 考虑电转气存储的区域综合能源系统运行优化方法及应用 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230523 |
|
| RJ01 | Rejection of invention patent application after publication |