CN116306194A - 基于多目标优化理论的综合能源系统能效优化配置方法 - Google Patents
基于多目标优化理论的综合能源系统能效优化配置方法 Download PDFInfo
- Publication number
- CN116306194A CN116306194A CN202111593686.6A CN202111593686A CN116306194A CN 116306194 A CN116306194 A CN 116306194A CN 202111593686 A CN202111593686 A CN 202111593686A CN 116306194 A CN116306194 A CN 116306194A
- Authority
- CN
- China
- Prior art keywords
- energy
- heat
- max
- constraints
- cost
- 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 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000002068 genetic effect Effects 0.000 claims abstract description 15
- 238000002922 simulated annealing Methods 0.000 claims abstract description 13
- 238000013461 design Methods 0.000 claims abstract description 10
- 230000006872 improvement Effects 0.000 claims abstract description 10
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 28
- 229910052799 carbon Inorganic materials 0.000 claims description 26
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 25
- 238000005338 heat storage Methods 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 24
- 238000012423 maintenance Methods 0.000 claims description 14
- 239000003345 natural gas Substances 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 claims description 9
- 239000007789 gas Substances 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 8
- 238000001816 cooling Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 239000002737 fuel gas Substances 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims description 2
- 230000008018 melting Effects 0.000 claims description 2
- 238000005293 physical law Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000013486 operation strategy Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000000137 annealing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002459 sustained effect Effects 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
- 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
- G06Q10/04—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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Abstract
本发明公开了一种基于多目标优化理论的综合能源系统能效优化配置方法,结合运筹学最优化理论和工程应用的实际需求,从综合能源系统视角建立工业园区能效优化配置的目标函数;通过对现实情况的模型化分析,建立工业园区综合能源系统能效优化配置的约束模型;提出适用于工程应用的融合模拟退火特性的改进遗传算法。通过本发明所建立的工业园区能源系统能效优化配置方法,能够对工业园区内各类典型场景的能源系统进行精细化设计,支持在保障成本效益的前提下提升整个能源系统的整体能效水平;此外,本发明还能给出运行调度阶段的运行策略建议,给下一步能效优化和能效提升方案设计提供定量的依据。
Description
技术领域
本发明涉及工业园区能源技术领域,尤其涉及一种基于多目标优化理论的综合能源系统能效优化配置方法。
背景技术
近年来,我国通过制定调整能源供给与消费结构、促进新能源能源生产技术发展、建立能源产业生态圈等政策,来推进新一代现代化能源体系的构建。能源互联网能够使能源基础设施、能源技术信息数据互联互用,能够使多种能源形式、能源分配方式协同互济,对提升整个能源系统的综合利用效率,推动能源系统高质量发展与低碳转型具有重要意义。
当前,经济发展模式由高速增长转为高质量增长。主要的工业领域能源排放仍占我国碳排放的主要部分,控制工业领域的碳排放是当前多数国家碳排放控制工作的主要着力点。现有工业领域节能减排工作主要集中在能源节约改造、能源梯级利用等方面,缺乏从能源系统整体角度设计能效水平,且传统的能源服务公司缺乏对工业领域生产制造工艺工序的了解,难以对其进行整体规划、设计和建设。
发明内容
本发明目的是提供一种基于多目标优化理论的综合能源系统能效优化配置方法,该方法应用面向工业园区,结合运筹学最优化理论和工程应用的实际需求,从综合能源系统视角建立工业园区能效优化配置的目标函数;通过对现实情况的模型化分析,建立工业园区综合能源系统能效优化配置的约束模型;提出适用于工程应用的融合模拟退火特性的改进遗传算法。
为实现本发明的目的,本发明提供的技术方案如下:一种基于多目标优化理论的综合能源系统能效优化配置方法,所述方法为工业园区综合能源系统能效优化配置方法,工业园区能源系统能效提升的目标函数如下:
(1)优化目标1:年总成本目标
目标函数为:
式中,fin(x)是系统投资初始投资成本,x是规划建设的决策变量;fop(p)是寿命期内系统年运行成本,即系统购买天然气、向电网购电等所花费的费用;fmc(p) 是系统的年维护费用;是系统的年碳排放成本;p是系统运行的决策变量;
1)初始投资成本
综合能源系统的初始投资成本公式为:
式中,y是系统的设计寿命,r为折现率;ci为各设备单位购置成本;xi为各设备的规划最优装机容量;ji为各设备占用土地的使用成本;ti为各设备单位容量的安装费用;el为建设阶段花费的其余成本;
2)年运行成本
综合能源系统的年运行成本公式如下:
式中:Pi为设备i的运转出力情况;ηi为设备i的耗电比例系数;Gi为消耗天然气的设备i出力情况,κi为设备i的消耗燃气比例系数;
3)年维护成本
综合能源系统的年维护成本公式如下:
式中:fmc(p)为综合能源系统全寿命周期的所有设备的年维护成本;wi为设备的单位维护成本;
4)年碳排放成本
综合能源系统的年碳排放成本公式如下:
式中:fce(p)为为综合能源系统全寿命周期的年碳排放成本;δe为电能的碳排放系数;δg为天然气的碳排放系数;Dctax为碳排放税;
(2)优化目标2:年综合能效
式中,Pe和Pg分别表示电能和气体等外部能源输入;Le、Lh和Lc分别表示园区用户的电、热、冷负荷;Se、Sh和Sc分别表示电池、蓄热罐和蓄冰槽在能量损失后的实际剩余储能量;De、Dh和Dc分别表示电池、蓄热罐和蓄冰槽在产生能量损失后实际释放的能量;λE、λG、λH和λC分别为电、天然气、热、冷能的能量系数;λe、λh和λc分别代表电、热、冷负荷的能量系数。
与现有技术相比,本发明的有益效果为,通过本发明所建立的工业园区能源系统能效优化配置方法,能够对工业园区内各类典型场景的能源系统进行精细化设计,支持在保障成本效益的前提下提升整个能源系统的整体能效水平;此外,本发明还能给出运行调度阶段的运行策略建议,给下一步能效优化和能效提升方案设计提供定量的依据,便于在产业上推广和使用。
附图说明
图1为本申请融合模拟退火特性的改进遗传算法的运作流程图;
图2为本申请示例中一年中每个小时的负荷示意图;
图3为本申请示例中优化配置结果的帕累托前沿示意图;
图4为本申请示例中冬季典型日电力子系统的出力情况示意图;
图5为本申请示例中夏季典型日电力子系统的出力情况示意图;
图6为本申请示例中冬季典型日供热子系统的出力情况示意图;
图7为本申请示例中夏季典型日供冷子系统的出力情况示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用属于“包含”和/或“包括”时,其指明存在特征、步骤、操作、部件或者模块、组件和/或它们的组合。
针对我国工业领域能源碳排放的占比较高,能效提升技术老旧,能效提升力度不足,缺乏专业的能效提升服务技术等问题。本发明在工业领域生产制造工艺工序了解的基础上,对我国工业领域能效提升等问题进行深入研究,从综合能源系统视角一整套面向工业园区能源体系的综合能源系统能效优化配置方法。本发明的主要创新性体现在以下几点:
1、结合运筹学理论,建立起工业园区能源系统能效提升的目标函数;
2、结合工业园区生产规划的实际情况,对优化模型的约束条件进行建模;
3、结合优化模型的条件和遗传算法,建立融合模拟退火特性的改进遗传算法,对模型进行有效求解。
本发明采取以下技术方案实现:
1、目标函数
本发明所实现的园区级综合能源系统能效优化配置的优化目标主要围绕年总成本最低、能效最高两个目标展开。
(1)优化目标1:年总成本目标
年总成本主要包括综合能源系统初期的初始投资成本年化值、年运行成本 (包括能源的消耗量,人工费用的投入)、年维护费用成本以及年碳排放成本等。其目标函数为:
式中,fin(x)是系统投资初始投资成本,x是规划建设的决策变量(各个设备的装机容量);fop(p)是寿命期内系统年运行成本,即系统购买天然气、向电网购电等所花费的费用;fmc(p)是系统的年维护费用;是系统的年碳排放成本;p是系统运行的决策变量(各个设备的出力)。
1)初始投资成本
综合能源系统的初始投资成本主要由设备的购置成本、安装成本、土地费用和其他费用组成,即:
式中,y是系统的设计寿命,r为折现率;ci为各设备单位购置成本;xi为各设备的规划最优装机容量;ji为各设备占用土地的使用成本;ti为各设备单位容量的安装费用;el为建设阶段花费的其余成本。
2)年运行成本
综合能源系统需要考虑到的系统运行成本主要有:全寿命周期内的燃料年消耗费用、电能年购买费用。公式如下:
式中:Pi为设备i的运转出力情况;ηi为设备i的耗电比例系数;Gi为消耗天然气的设备i出力情况,κi为设备i的消耗燃气比例系数。
3)年维护成本
式中:fmc(p)为综合能源系统全寿命周期的所有设备的年维护成本;wi为设备的单位维护成本。
4)年碳排放成本
式中:fce(p)为为综合能源系统全寿命周期的年碳排放成本;δe为电能的碳排放系数;δg为天然气的碳排放系数;Dctax为碳排放税。
(2)优化目标2:年综合能效
式中,Pe和Pg分别表示电能和气体等外部能源输入;Le、Lh和Lc分别表示园区用户的电、热、冷负荷;Se、Sh和Sc分别表示电池、蓄热罐和蓄冰槽在能量损失后的实际剩余储能量;De、Dh和Dc分别表示电池、蓄热罐和蓄冰槽在产生能量损失后实际释放的能量;λE、λG、λH和λC分别为电、天然气、热、冷能的能量系数;λe、λh和λc分别代表电、热、冷负荷的能量系数。
2、优化约束
本发明所建立的园区级综合能源系统能效配置模型必须综合考虑资源的多少、可安装场地大小、当前技术可制造的最大容量等因素的影响,即必须在一定的约束条件下进行,具体如下所示:
(1)建筑面积的约束
相关设备的安装应考虑场地的限制,例如光伏板的安装应考虑相关地方的建筑面积限制。约束可以表示如下:
式中:mi表示设备i安装占用的土地面积;AZmax表示建设设备i的可使用土地面积。
(2)电网供能约束
式中,Dmax表示电网线路或变电设备的最大供电能力;Pmax i表示设备i的耗电功率,Umax i表示设备i的发电功率;Lq max表示园区内部设计的用电负荷;S 表示安全用电系数。
(3)供能设备运行约束
式中,Qi min与Qmax i分别表示设备i的供冷/供热的最小或最大功率;Qi down与ΔQup i分别表示设备i的最大最小爬坡率。
(4)天然气网络容量约束
传输网络约束包括对应的气压和潮流之间的物理定律。其公式如下:
式中,PQmin,J,PQmax,l分别表示管道l可承受流量的上下限;cll.y为管道安全波动系数。
(5)供需平衡约束
Es(t)=Eload(t) (12)
式中,Es(t)为各种能源的供给量,kW);Eload(t)为用户对各类能源的需求量。
(6)可靠性约束
增加新的设备不能影响电力系统的能源供应安全,因此,应考虑系统运行安全约束。
ΔLb s≤ΔLmax (13)
式中,ΔLmax为电能不足上限。
(7)能源网络传输能力约束
增加新的设备提高能源供给的同时,应考虑传输网络中不同支路的传输能力,保证能量能够传输到用户侧使用。
式中,为热网正常传输热能时节点i处可承受的最高温度;/>为热网正常传输热能时节点i处可承受的最高和最低温度;/>为热网正常传输热能时节点i处可承受的最大热介质流速;/>为热网正常传输热能时管段i-j可承受热传递功率的最大值;/>为热网正常传输热能时管段i-j可承受热传递功率的最小值。
(8)储能电池约束
式中,SOC(t),SOC(t0)分别表示电池在某时刻的剩余存储电量;δ表示电池系统的自放电损失率;SOCmin,SOCmax为剩余存储容量的最小安全约束和最大安全约束;Pch_e,max,Pdis_e,max为额定最大充电和放电功率。
(9)蓄热罐约束
式中,QTS(t)表示t时刻蓄热罐中剩余存储的热量;μhloss表示蓄热罐热量的自散热损失率;QTS(t0)表示初始t0时刻蓄热罐中储存的热量;表示从时刻t至时刻t0之间蓄热罐的存储的热量;/>表示从时刻t至时刻t0之间蓄热罐的释放的热量;/>分别是最大允许蓄热量、最小允许蓄热量与蓄热容量的比值;CTS为蓄热容量。
(10)蓄冰槽约束
CESmin≤CES(t)≤CESmax (18)
式中,CESmax、CESmin是蓄冰槽容量的最大和最小约束,Qcesin,min、Qcesin,max是蓄冰功率的最小值和最大值,Qcesout,min、Qcesout,max是融冰功率的最小值和最大值。
3、融合模拟退火特性的改进遗传算法
图1融合模拟退火特性的改进遗传算法的运作流程。本发明所提出的改进算法重要的是要为每个种群增加多样性,以使遗传算法能够逃脱局部极小值。一般来说,智能算法的全局搜索能力通过突变来实现,而突变是种群成员的随机改变。但是,在本发明提出的算法中,多样性是通过在每一代种群都产生新的、随机的个体,以及通过在模拟退火中进行局部搜索来实现的。在算法开始时,会生成并评估初始种群;对最佳种群成员执行模拟退火,并评估新种群的适应性;然后,完成遗传算法的交叉和变异程序,以生成新种群。在每个回合结束时,最优的种群成员将替换为新个体。在精英方法下,具有最高适应度值的优化方案将通过算法进行求得,并且只有在找到更合适的优化方案时才会被替换。基于此流程,进行反复迭代,直到满足停止条件。该算法主要包括以下几个方面的改进。
(1)适应度函数
启发式算法的目标是最大程度地达到设定的目标。根据本发明建立的优化模型,该算法的目标包括总成本以及综合能效最优两个方面。
(2)种群初始化
原始种群通过一定的随机机制产生,其(群体规模为N)特点主要包括随机位置和初始的移动速度;假设群体中共有N个个体,每个个体有i个维度的决策变量(即扩容设备的装机容量),每个种群个体的基因特征可以表示为:
式中,XN为种群个体的位置;VN为种群个体的移动速度。
(3)对优秀个体进行模拟退火操作
模拟退火应该理解并充分利用求解问题的性质和特点。因此,定义了以下模拟退火的基本过程。此外,每个退火回合期间概率是相同的。
1)关闭遗传因子的随机选择的模式。
2)基于模拟退火机制对优秀个体进行进化操作。
3)基于产生的新一代个体,计算其适应度值,与上一代种群合并,产生新一代种群;
4)如果此结果解决方案的适应度函数值比以前的最佳解决方案低,则可以选择它,也可以根据概率接受函数随机选择。这里,温度T每次在退火回合后递增。
(4)遗传和交叉
遗传和交叉概率组合了两个不同父解决方案的属性以生成新种群。一般来说,遗传算法机制中轮盘选择用于确定父代中的哪两个结合形成新一代个体。
根据如下公式更新每个个体在解空间中的速度与位置。
示例:
1、数据收集
本发明以我国某园区为例,根据本发明研究建立的模型进行园区能源系统仿真。拟配置设备包括光伏、风机、燃气轮机、热泵、蓄热罐、电锅炉、电制冷、储能电池、溴化锂吸收式制冷机、燃气锅炉、冰蓄冷等设备。本节选取某一年的负荷数据为研究对象,以1小时为精度对未来一年时间的综合能源系统能源设备进行优化配置仿真,以此来评估优化配置的效果。该园区中的能源需求为电能,热能和冷能,其年负荷如图2所示。此外,算例以1小时为最优调度步长,以一年中的8760个小时为仿真时间。
2、优化结果
方案同时考虑经济与能效的多目标优化配置方案的帕累托边界如图3所示。
表1各方案优化配置结果
本申请提出的以经济性和综合能效为目标的多目标优化配置方案,在经济性和综合能效方面都达到了性能的综合平衡,使得综合能源系统项目既能达到良好的投资效益。
表2方案成本数据
图4为该园区冬季典型日电力子系统的出力情况,图5为该园区夏季典型日电力子系统的出力情况。由图可知,该园区的电力供给主要由电网供给,风机、光伏、储能、CCHP作为电力系统的补充。冬季与夏季出力情况相比可知,冬季风机、CCHP出力水平高于夏季,这是因为冬季风速高,且有供暖需求,热负荷需求较高。储能电池主要根据电价的变化趋势波动,在一定程度上降低了用能成本,提高了能效。
图6为该园区冬季典型日供热子系统的出力情况。由图可知,该园区的冬季热需求主要由CCHP满足,不足的部分由电锅炉和燃气锅炉补充。这是由于 CCHP的综合转化效率远高于电锅炉和燃气锅炉,且CCHP的平均能源供给成本较电锅炉和燃气锅炉具有一定优势。此外,蓄热罐完全响应分时电价,在夜里蓄能、白天释能,获得了较大的经济效益。
图7为该园区冬季典型日供热子系统的出力情况。由图可知,该园区夏季冷负荷需求主要由热泵满足,其余部分由冰蓄冷机组、CCHP、和制冷空调满足。 CCHP是满足电力和热需求的主要能源,其产冷量受其他需求的限制。因此,从主从角度来说,热泵、冰蓄冷机组、制冷空调是CCHP冷出力的响应单元。热泵是当前公认的能效水平较高、且运行费用较低的设备。冰蓄冷机组在能源系统中与储能电池、蓄热罐的作用和定位类似,完全响应市场电价的波动。制冷空调作为整个供冷子系统的备用产能单元,在冷需求无法被满足时开启以满足用户的冷负荷。
需要说明的是,本申请中未详述的技术方案,采用公知技术。
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于多目标优化理论的综合能源系统能效优化配置方法,其特征在于,所述方法为工业园区综合能源系统能效优化配置方法,工业园区能源系统能效提升的目标函数如下:
(1)优化目标1:年总成本目标
目标函数为:
式中,fin(x)是系统投资初始投资成本,x是规划建设的决策变量;fop(p)是寿命期内系统年运行成本,即系统购买天然气、向电网购电等所花费的费用;fmc(p)是系统的年维护费用;是系统的年碳排放成本;p是系统运行的决策变量;
1)初始投资成本
综合能源系统的初始投资成本公式为:
式中,y是系统的设计寿命,r为折现率;ci为各设备单位购置成本;xi为各设备的规划最优装机容量;ji为各设备占用土地的使用成本;ti为各设备单位容量的安装费用;el为建设阶段花费的其余成本;
2)年运行成本
综合能源系统的年运行成本公式如下:
式中:Pi为设备i的运转出力情况;ηi为设备i的耗电比例系数;Gi为消耗天然气的设备i出力情况,κi为设备i的消耗燃气比例系数;
3)年维护成本
综合能源系统的年维护成本公式如下:
式中:fmc(p)为综合能源系统全寿命周期的所有设备的年维护成本;wi为设备的单位维护成本;
4)年碳排放成本
综合能源系统的年碳排放成本公式如下:
式中:fce(p)为为综合能源系统全寿命周期的年碳排放成本;δe为电能的碳排放系数;δg为天然气的碳排放系数;Dctax为碳排放税;
(2)优化目标2:年综合能效
式中,Pe和Pg分别表示电能和气体等外部能源输入;Le、Lh和Lc分别表示园区用户的电、热、冷负荷;Se、Sh和Sc分别表示电池、蓄热罐和蓄冰槽在能量损失后的实际剩余储能量;De、Dh和Dc分别表示电池、蓄热罐和蓄冰槽在产生能量损失后实际释放的能量;λE、λG、λH和λC分别为电、天然气、热、冷能的能量系数;λe、λh和λc分别代表电、热、冷负荷的能量系数。
2.根据权利要求1所述的一种基于多目标优化理论的综合能源系统能效优化配置方法,其特征在于,综合能源系统能效配置模型在一定的约束条件下进行,具体包括如下:
(1)建筑面积的约束
约束表示如下:
式中:mi表示设备i安装占用的土地面积;AZmax表示建设设备i的可使用土地面积;
(2)电网供能约束
约束表示如下:
式中,Dmax表示电网线路或变电设备的最大供电能力;Pmax i表示设备i的耗电功率,Umax i表示设备i的发电功率;Lq max表示园区内部设计的用电负荷;S表示安全用电系数;
(3)供能设备运行约束
约束表示如下:
式中,Qi min与Qmax i分别表示设备i的供冷/供热的最小或最大功率;Qi down与ΔQup i分别表示设备i的最大最小爬坡率;
(4)天然气网络容量约束
约束表示如下:
传输网络约束包括对应的气压和潮流之间的物理定律,其公式如下:
式中,PQmin,J,PQmax,l分别表示管道l可承受流量的上下限;cll.y为管道安全波动系数;
(5)供需平衡约束
约束表示如下:
Es(t)=Eload(t) (12)
式中,Es(t)为各种能源的供给量;Eload(t)为用户对各类能源的需求量;
(6)可靠性约束
约束表示如下:
ΔLb s≤ΔLmax (13)
式中,ΔLmax为电能不足上限。
(7)能源网络传输能力约束
约束表示如下:
式中,为热网正常传输热能时节点i处可承受的最高温度;/>为热网正常传输热能时节点i处可承受的最高和最低温度;/>为热网正常传输热能时节点i处可承受的最大热介质流速;/>为热网正常传输热能时管段i-j可承受热传递功率的最大值;/>为热网正常传输热能时管段i-j可承受热传递功率的最小值;
(8)储能电池约束
约束表示如下:
式中,SOC(t),SOC(t0)分别表示电池在某时刻的剩余存储电量;δ表示电池系统的自放电损失率;SOCmin,SOCmax为剩余存储容量的最小安全约束和最大安全约束;Pch_e,max,Pdis_e,max为额定最大充电和放电功率;
(9)蓄热罐约束
约束表示如下:
式中,QTS(t)表示t时刻蓄热罐中剩余存储的热量;μhloss表示蓄热罐热量的自散热损失率;QTS(t0)表示初始t0时刻蓄热罐中储存的热量;表示从时刻t至时刻t0之间蓄热罐的存储的热量;/>表示从时刻t至时刻t0之间蓄热罐的释放的热量;/>分别是最大允许蓄热量、最小允许蓄热量与蓄热容量的比值;CTS为蓄热容量;
(10)蓄冰槽约束
约束表示如下:
CESmin≤CES(t)≤CESmax (18)
式中,CESmax、CESmin是蓄冰槽容量的最大和最小约束,Qcesin,min、Qcesin,max是蓄冰功率的最小值和最大值,Qcesout,min、Qcesout,max是融冰功率的最小值和最大值。
3.根据权利要求1所述的一种基于多目标优化理论的综合能源系统能效优化配置方法,其特征在于,所述方法采用适用于工程应用的融合模拟退火特性的改进遗传算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111593686.6A CN116306194A (zh) | 2021-12-23 | 2021-12-23 | 基于多目标优化理论的综合能源系统能效优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111593686.6A CN116306194A (zh) | 2021-12-23 | 2021-12-23 | 基于多目标优化理论的综合能源系统能效优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116306194A true CN116306194A (zh) | 2023-06-23 |
Family
ID=86827407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111593686.6A Pending CN116306194A (zh) | 2021-12-23 | 2021-12-23 | 基于多目标优化理论的综合能源系统能效优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116306194A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117332991A (zh) * | 2023-11-24 | 2024-01-02 | 国网天津市电力公司电力科学研究院 | 一种基于综合能源需求的系统能效优化方法及装置 |
-
2021
- 2021-12-23 CN CN202111593686.6A patent/CN116306194A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117332991A (zh) * | 2023-11-24 | 2024-01-02 | 国网天津市电力公司电力科学研究院 | 一种基于综合能源需求的系统能效优化方法及装置 |
CN117332991B (zh) * | 2023-11-24 | 2024-03-19 | 国网天津市电力公司电力科学研究院 | 一种基于综合能源需求的系统能效优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community | |
CN108197768B (zh) | 一种能源系统与管网布局联合优化方法 | |
CN111463836B (zh) | 一种综合能源系统优化调度方法 | |
CN111445067B (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
CN111860937B (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN113344736A (zh) | 一种园区级综合能源系统及其控制方法 | |
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 | |
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 | |
CN113255198B (zh) | 一种含虚拟储能的冷热电联供微电网多目标优化方法 | |
CN113592365B (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 | |
CN112182887A (zh) | 一种综合能源系统规划优化仿真方法 | |
CN105955931A (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
CN113779783A (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
Kang et al. | Feed-forward active operation optimization for CCHP system considering thermal load forecasting | |
CN113850409A (zh) | 一种考虑可再生能源接入的综合能源系统优化运行方法 | |
CN112528501A (zh) | 一种分布式供能系统分层优化设计方法 | |
Wang et al. | Research on capacity and strategy optimization of combined cooling, heating and power systems with solar photovoltaic and multiple energy storage | |
Luo et al. | A two-stage energy management strategy for CCHP microgrid considering house characteristics | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
Yang et al. | Optimal scheduling of CCHP with distributed energy resources based on water cycle algorithm | |
Dong et al. | Hierarchical multi-objective planning for integrated energy systems in smart parks considering operational characteristics | |
CN116306194A (zh) | 基于多目标优化理论的综合能源系统能效优化配置方法 | |
CN113240204A (zh) | 考虑可再生能源消纳区域能源站容量优化配置方法及系统 | |
CN112736987A (zh) | 一种基于非合作博弈的综合能源系统容量配置方法及系统 |
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 |