CN118228907A - 一种热电联产系统调度策略确定方法及装置 - Google Patents
一种热电联产系统调度策略确定方法及装置 Download PDFInfo
- Publication number
- CN118228907A CN118228907A CN202410035757.8A CN202410035757A CN118228907A CN 118228907 A CN118228907 A CN 118228907A CN 202410035757 A CN202410035757 A CN 202410035757A CN 118228907 A CN118228907 A CN 118228907A
- Authority
- CN
- China
- Prior art keywords
- cogeneration system
- model
- equipment
- objective function
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000006243 chemical reaction Methods 0.000 claims abstract description 66
- 238000005457 optimization Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 18
- 239000000446 fuel Substances 0.000 claims description 64
- 230000006870 function Effects 0.000 claims description 51
- 239000000463 material Substances 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000001816 cooling Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 26
- 238000004891 communication Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本说明书涉及热电联产系统领域，提供了一种热电联产系统调度策略确定方法及装置，方法包括：建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件；根据所述设备运行模型及约束条件，训练得到热电联产系统模型；根据热电联产系统的多维度成本，建立第一目标函数；根据热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。本说明书建立的热电联产系统模型能够真实动态地反应系统内在输入输出关系，准确地及高效地模拟热电联产系统输出情况和未来趋势，利用热电联产系统模型及元启发优化算法优化目标函数能够提高优化过程收敛速度和准确性。
Description
技术领域
本文涉及热电联产系统领域，尤其涉及一种热电联产系统调度策略确定方法及装置。
背景技术
能源需求的快速增长,给电网系统的经济环保调度带来了巨大挑战。热电联产作为高效的分散式能源系统,被广泛应用于工业园区和城市集中供热系统,以实现电力、蒸汽或热水多联产,提高能源利用效率。现有的热电联产系统普遍存在热电不匹配问题,不能实现环境优化运行，且存在浪费资源、成本高的问题。
在热电联产优化调度方面,传统的研究主要依赖数学模型和启发式(heuristics)方法,这类方法根据经验总结出的规则进行调度,存在模拟和预测能力有限、优化过程收敛速度慢、容易陷入局部最优解的问题。还有一些研究采用了智能优化算法,如遗传算法、粒子群算法等。但是这些算法收敛速度慢,难以处理复杂约束,并且依赖随机搜索,容易陷入局部最优。
发明内容
本说明书用于解决现有技术中，未利用热电联产系统的输入输出特性进行建模，进而导致调度策略确定算法本身没有利用问题的内在结构进行有效指导,依赖盲目搜索，存在调度策略确定效率及准确率低，不能实现热电匹配的问题。
为了解决上述技术问题，本文一方面提供一种热电联产系统调度策略确定方法，包括：
建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，其中，所述约束条件包括运行约束条件、能量平衡约束条件、环境排放约束条件、物料和能量流动约束条件；
根据所述设备运行模型及约束条件，训练得到热电联产系统模型，其中，所述热电联产系统的输入向量包括燃料转换设备的输入参数、环境参数及操作约束，输出向量包括热电输出设备的效率及产出量；
根据热电联产系统的多维度成本，建立第一目标函数；
根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。
作为本说明书的进一步实施例中，建立热电联产系统中各设备的设备运行模型包括：
收集热电联产系统中各设备的性能数据及能源转换过程信息；
基于热力学原理、各设备的性能数据及能源转换过程信息，建立各设备的设备运行模型。
作为本说明书的进一步实施例中，所述热电联产系统中各设备包括：燃气轮机、蒸汽轮机、电动机、锅炉、热交换器、冷却塔、压缩机、膨胀阀；
燃气轮机模型表示为：PGT＝ηGT×LHV×Fin；
其中，PGT为燃气轮机的输出功率，ηGT为燃气轮机的效率，LHV为低位发热值，Fin为燃气轮机的燃料流量；
蒸汽轮机模型表示为：PST＝ηST×ΔH×Msteam；
其中，PST为蒸汽轮机的输出功率，ηST为蒸汽轮机的效率，ΔH为蒸汽焓变，Msteam为蒸汽质量流量；
电动机模型表示为：PEM＝ηEM×V×I；
其中，PEM为电动机的输出功率，ηEM为电动机的效率，V为电压，I为电流；
锅炉模型表示为：QB＝ηB×LHV×Ffuel；
其中，QB为锅炉的输出热量，ηB为锅炉的效率，LHV为低位发热值，Ffuel为锅炉的燃料流量；
热交换器模型表示为：QHX＝U×A×ΔT；
其中，QHX为热交换器的热传递率，U为总传热系数，A为热传面积，ΔT为温差；
冷却塔模型表示为：QCT＝Cp×Mwater×ΔTwater；
其中，QCT为冷却塔散失的热量，Cp为水的比热容，Mwater为水的质量流量，ΔTwater为水的温差；
压缩机模型表示为：
其中，PC为压缩机功率，ηC为压缩机效率，V为流量，Pout为输出压力，Z为压缩因子，R为气体常数，T为温度；
膨胀阀模型表示为：
其中，ΔP为压降，f为摩擦因子，L为管道长度，V为流速，D为管径。
作为本说明书的进一步实施例中，建立热电联产系统中各能源转换设备的约束条件包括：
根据能源转换设备运行模型的功率限制信息，建立如下公式表示的设备运行约束条件：
Pmin,i≤Pi≤Pmax,i；
其中，Pmin,i为能源转换设备i的最小功率限值，Pi为能源转换设备i的功率，Pmax,i为能源转换设备i的最大功率限值；
根据能源转换设备运行模型的能量守恒原理，建立如下公式表示的能量平衡约束条件：
∑Qin-∑Qout＝ΔQstorage；
其中，∑Qin为热电联产系统的输入能量，∑Qout为热电联产系统的输出能量，ΔQstorage为热电联产系统存储能量；
根据能源转换设备运行模型的物料流动信息，建立如下公式表示的流量约束条件：
Eemission≤Elimit；
其中，Eemission为热电联产系统的排放气体量，Elimit为热电联产系统的排放气体限值量；
根据热电联产系统的环境排放信息，建立如下公式表示的环境排放约束条件：
∑Fin,n-∑Fout,n＝ΔFstorage,n；
其中，∑Fin,n为热电联产系统中各设备n的物料流入量，∑Fout,n为热电联产系统中各设备n的物料流出量，ΔFstorage,n为热电联产系统中各设备n的物料存储量。
作为本说明书的进一步实施例中，所述第一目标函数利用如下公式表示：
Ctotal＝min{α×Cfuel+β×Coperation+γ×Cmaintenance+δ×Cdepreciation+∈×Cemission-ζ×Revenueelectricity-η×Revenueheat}；
其中，Ctotal为总成本；
Cfuel为燃料成本，根据热电联产系统中燃料转换设备的燃料流量计算得到；
Coperation为操作成本，根据热电联产系统中电力消耗设备的电力消耗功率计算得到；
Cmaintenance为维护成本，根据热电联产系统中各设备的效率及运行状态计算得到；
Cdepreciation为折旧成本，根据热电联产系统中各设备的投资成本分摊到单位产品的成本计算得到；
Cemission为环境排放成本，根据热电联产系统中燃料转换设备的燃料流量计算得到；
Revenueelectricity为电力收入，根据热电联产系统的发电效率和发电量计算得到；
Revenueheat为热量收入，根据热电联产系统的蒸汽效率及蒸汽量计算得到；
α,β,γ,δ,∈,ζ,η为权重系数。
作为本说明书的进一步实施例中，根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略，包括：
根据所述设备运行模型及物料和能量流动约束条件，建立关联矩阵；
利用关联矩阵，结合所述约束条件建立元模型；
根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数得到调度策略。
作为本说明书的进一步实施例中，热电联产系统调度策略确定方法还包括：
根据热电联产系统中能源转换设备的能耗信息，建立第二目标函数；
根据热电联产系统中能源转换设备的环境影响因素信息，建立第三目标函数；
根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数得到调度策略进一步为：根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数、第二目标函数及第三目标函数得到调度策略。
本说明书第二方面，提供一种热电联产系统调度策略确定装置，包括：
建模单元，用于建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，其中，所述约束条件包括运行约束条件、能量平衡约束条件、环境排放约束条件、物料和能量流动约束条件；
模型训练单元，用于根据所述设备运行模型及约束条件，训练得到热电联产系统模型，其中，所述热电联产系统的输入向量包括燃料转换设备的输入参数、环境参数及操作约束，输出向量包括热电输出设备的效率及产出量；
目标确定单元，用于根据热电联产系统的多维度成本，建立第一目标函数；
调度策略优化单元，用于根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。
本说明书第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述任一实施例所述的方法。
本说明书第四方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被计算机设备的处理器执行时实现前述任一实施例所述的方法。
本说明书提供的热电联产系统调度策略确定方法及装置，通过先建立电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，再根据所述设备运行模型及约束条件，训练得到热电联产系统模型，由热电联产系统模型预测热电联产系统的输出数据，能够准确地及高效地模拟热电联产系统输出情况和未来趋势，还可以有效地捕捉热电联产系统内复杂动态的细微变化，为元启发优化算法提供更准确的输入。同时，由于热电联产系统模型基于热电联产系统中各设备的运行模型建立，因此，热电联产系统模型能够真实动态地反应系统内在输入输出关系，能够保障热电联产系统预测输出数据的准确性。
通过根据热电联产系统的多维度成本，建立第一目标函数，根据热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略，能够根据热电联产系统的输出来分析和提取问题的关键特征和内在规律，从而指导调度策略的搜索过程，在复杂调度约束条件下快速搜索出更符合实际需求的满意的PARETO最优调度策略，即能够更高效及准确地处理复杂约束，提高优化过程的收敛速度和准确性，有效避免陷入局部最优解，实现对复杂热电联产系统的全局最优化。本研究充分应用这一新方法的优势,有望大幅提高热电联产系统的运行水平。
为让本说明书的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本说明书实施例热电联产系统调度策略确定系统的结构图；
图2示出了本说明书实施例热电联产系统调度策略确定方法的第一流程图；
图3示出了本说明书实施例调度策略确定过程的流程图；
图4示出了本说明书实施例热电联产系统调度策略确定方法的第二流程图；
图5示出了本说明书实施例热电联产系统调度策略确定装置的结构图；
图6示出了本说明书实施例计算机设备的结构图。
附图符号说明：
101、客户端；
102、服务端；
501、建模单元；
502、模型训练单元；
503、目标确定单元；
504、调度策略优化单元；
602、计算机设备；
604、处理器；
606、存储器；
608、驱动机构；
610、输入/输出模块；
612、输入设备；
614、输出设备；
616、呈现设备；
618、图形用户接口；
620、网络接口；
622、通信链路；
624、通信总线。
具体实施方式
下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
需要说明的是，本说明书的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本说明书的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。
本文实施例中，提供一种热电联产系统调度策略确定系统，用于解决现有技术中未利用热电联产系统的输入输出特性进行建模，进而导致调度策略确定算法本身没有利用问题的内在结构进行有效指导,依赖盲目搜索，存在调度策略确定效率及准确率低，不能实现热电匹配的问题。
具体的，如图1所示，热电联产系统调度策略确定系统包括：客户端101及服务端102。
客户端101提供用户界面，以便用户通过用户界面配置热电联产系统中的设备、设备参数、环境相关参数及约束参数。其中，设备包括：燃料转换设备(燃气轮机、锅炉等)、执行器(例如膨胀阀)及热电输出设备(燃气轮机、蒸汽轮机及电动机等)。设备参数包括性能数据，以燃气轮机为例，设备参数例如为燃机出力、热耗率、机组效率、烟气流量、排烟温度等。环境相关参数例如为环境温度及湿度。约束参数例如为操作成本上限、排放量上限等。在本说明书一些实施例中，所述客户端可以为台式电脑、平板电脑、笔记本电脑、智能手机、数字助理、智能可穿戴设备等。其中，智能可穿戴设备可以包括智能手环、智能手表、智能眼镜、智能头盔等。当然，所述客户端并不限于上述具有一定实体的电子设备，其还可以为运行于上述电子设备中的软件。
服务端102用于根据用户配置的热电联产系统中的设备及设备参数建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，其中，所述约束条件包括运行约束条件、能量平衡约束条件、环境排放约束条件、物料和能量流动约束条件；根据所述设备运行模型及约束条件，训练得到热电联产系统模型，其中，所述热电联产系统的输入向量包括燃料转换设备的输入参数、环境参数及操作约束，输出向量包括热电输出设备的效率及产出量；根据热电联产系统的多维度成本，建立第一目标函数；根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。
具体实施时，服务端102还将调度策略发送至客户端101显示，以辅助用户进行决策。
本实施例能够辅助电网企业进行热电联产系统的优化，为电网企业提供更智能化的调度决策支持，提高热电联产系统的管理和优化效率，同时提升热电联产系统的环保效益以及在同等产出情况下降低燃料。
通过先建立电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，再根据所述设备运行模型及约束条件，训练得到热电联产系统模型，由热电联产系统模型预测热电联产系统的输出数据，能够准确地及高效地模拟热电联产系统输出情况和未来趋势，还可以有效地捕捉热电联产系统内复杂动态的细微变化，为元启发优化算法提供更准确的输入。同时，由于热电联产系统模型基于热电联产系统中各设备的运行模型建立，因此，热电联产系统模型能够真实动态地反应系统内在输入输出关系，能够保障热电联产系统预测输出数据的准确性。
通过根据热电联产系统的多维度成本，建立第一目标函数，根据热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略，能够在复杂调度约束条件下快速搜索出更符合实际需求的最优调度策略，即能够更高效及准确地处理复杂约束，提高优化过程的收敛速度和准确性，有效避免陷入局部最优解，实现对复杂热电联产系统的全局最优化。本研究充分应用这一新方法的优势,有望大幅提高热电联产系统的运行水平。
本文一实施例中，提供一种热电联产系统调度策略确定方法，如图2所示，包括：
步骤201，建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，其中，所述约束条件包括运行约束条件、能量平衡约束条件、环境排放约束条件、物料和能量流动约束条件。
本步骤实施时，收集热电联产系统中各设备的性能数据及能源转换过程信息；基于热力学原理、各设备的性能数据及能源转换过程信息，建立各设备的设备运行模型。
一些实施方式中，热电联产系统中各设备包括：燃气轮机、蒸汽轮机、电动机、锅炉、热交换器、冷却塔、压缩机、膨胀阀。能源转换设备包括：燃气轮机、蒸汽轮机、电动机等。
步骤202，根据所述设备运行模型及约束条件，训练得到热电联产系统模型，其中，所述热电联产系统的输入向量包括燃料转换设备的输入参数、环境参数及操作约束，输出向量包括热电输出设备的效率及产出量。
具体的，燃料转换设备的输入参数为影响输出的参数，以燃气轮机为例，输入参数包括：燃气轮机的燃料流量、温度及压力。环境参数包括：环境温度及环境湿度。操作约束包括：操作成本上限约束及排放量上限约束。
本步骤实施时，先根据设备运行模型及约束条件，确定训练集及测试集，训练集及测试集中的每一样本包括一输入数据及输出数据；然后根据输入向量及输出向量建立CNN模型；接着利用训练集中的样本训练CNN模型，得到热电联产系统模型；利用测试集验证热电联产系统模型，若热电联产系统模型的预测结果不满足预设要求，则重新训练CNN模型，直至训练得到的热电联产系统模型满足预设要求为止。
步骤203，根据热电联产系统的多维度成本，建立第一目标函数。
一实施方式中，多维度成本包括：燃料成本、操作成本、维护成本、折旧成本、环境排放成本、电力收入及热量收入。
其中，燃料成本包括不同类型燃料的购买成本，根据热电联产系统中燃料转换设备的燃料流量计算得到。
对于燃气轮机来说，燃料成本与燃料流程成正比，即Cfuel∝Fin，其中，Cfuel为燃料成本，Fin为燃气轮机的燃料流量，∝为正比。
对于锅炉来说，燃料成本与锅炉的燃料流量成正比，即Cfuel∝Ffuel，其中，Ffuel为锅炉的燃料流量。
操作成本涉及日常操作所需的资源，根据热电联产系统中电力消耗设备的电力消耗功率计算得到。即Coperation∝V×I，其中，Coperation为操作成本，V为电力消耗设备电压，I为电力消耗设备电流。
维护成本包括设备的定期检查和修理费用，根据热电联产系统中各设备的效率及运行状态计算得到，效率高的设备通常维护成本较低。
折旧成本反映设备随时间推移价值的降低，根据热电联产系统中各设备的投资成本分摊到单位产品的成本计算得到。
环境排放成本反映污染物排放带来的经济负担，根据热电联产系统中燃料转换设备的燃料流量计算得到，与燃料流量成正比。
电力收入来自系统向电网或用于销售电力的收益，根据热电联产系统的发电效率和发电量计算得到。
热量收入来自系统给外部供热产生的收益，根据热电联产系统的蒸汽效率及蒸汽量计算得到。
步骤204，根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。
本步骤实施时，根如图3所示，包括：
步骤301，根据设备运行模型及物料和能量流动约束条件，建立关联矩阵。其中，关联矩阵描述了热电联产系统汇总各设备间的相互依赖和相互作用关系，例如能量输入输出、物料转换等。本领域技术人员可根据设备运行模型及物料和能量流动约束条件依据理论知识建立关联矩阵，本文对关联矩阵具体不做限定。
步骤302，利用关联矩阵，结合约束条件建立元模型。
本步骤中建立的元模型能够综合反映热电联产系统的整体行为，包括能量转换效率、成本效益及环境影响等。
步骤303，根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数得到调度策略。
本步骤实施时，从求得的所有Pareto最优解集中，选择最符合系统运行目标和约束的解作为最终调度策略。
本步骤利用热电联产系统模型来分析和预测系统的设备效率及产出量，为元启发式优化算法提供数据，元启发优化算法根据热电联产系统模型输出的数据结合元模型驱动洞察调整搜索策略，以更有效地探索解空间。
本文一实施例中，热电联产系统中各设备包括：燃气轮机、蒸汽轮机、电动机、锅炉、热交换器、冷却塔、压缩机、膨胀阀；
燃气轮机模型表示为：PGT＝ηGT×LHV×Fin；
其中，PGT为燃气轮机的输出功率，ηGT为燃气轮机的效率，LHV为低位发热值，Fin为燃气轮机的燃料流量；
蒸汽轮机模型表示为：PST＝ηST×ΔH×Msteam；
其中，PST为蒸汽轮机的输出功率，ηST为蒸汽轮机的效率，ΔH为蒸汽焓变，Msteam为蒸汽质量流量；
电动机模型表示为：PEM＝ηEM×V×I；
其中，PEM为电动机的输出功率，ηEM为电动机的效率，V为电压，I为电流；
锅炉模型表示为：QB＝ηB×LHV×Ffuel；
其中，QB为锅炉的输出热量，ηB为锅炉的效率，LHV为低位发热值，Ffuel为锅炉的燃料流量；
热交换器模型表示为：QHX＝U×A×ΔT；
其中，QHX为热交换器的热传递率，U为总传热系数，A为热传面积，ΔT为温差；
冷却塔模型表示为：QCT＝Cp×Mwater×ΔTwater；
其中，QCT为冷却塔散失的热量，Cp为水的比热容，Mwater为水的质量流量，ΔTwater为水的温差；
压缩机模型表示为：
其中，PC为压缩机功率，ηC为压缩机效率，V为流量，Pout为输出压力，Z为压缩因子，R为气体常数，T为温度；
膨胀阀模型表示为：
其中，ΔP为压降，f为摩擦因子，L为管道长度，V为流速，D为管径。
本文一实施例中，上述步骤201建立能源转换设备的约束条件包括：
根据能源转换设备运行模型的功率限制信息，建立如下公式表示的设备运行约束条件：
Pmin,i≤Pi≤Pmax,i；
其中，Pmin,i为能源转换设备i的最小功率限值，Pi为能源转换设备i的功率，Pmax,i为能源转换设备i的最大功率限值；
根据能源转换设备运行模型的能量守恒原理，建立如下公式表示的能量平衡约束条件：
∑Qin-∑Qout＝ΔQstorage；
其中，∑Qin为热电联产系统的输入能量，∑Qout为热电联产系统的输出能量，ΔQstorage为热电联产系统存储能量；
根据能源转换设备运行模型的物料流动信息，建立如下公式表示的流量约束条件：
Eemission≤Elimit；
其中，Eemission为热电联产系统的排放气体量，Elimit为热电联产系统的排放气体限值量；
根据热电联产系统的环境排放信息，建立如下公式表示的环境排放约束条件：
∑Fin,n-∑Fout,n＝ΔFstorage,n；
其中，∑Fin,n为热电联产系统中各设备n的物料流入量，∑Fout,n为热电联产系统中各设备n的物料流出量，ΔFstorage,n为热电联产系统中各设备n的物料存储量。
本实施例仅为举例说明，具体实施时，还可涉及包括其它设备的热电联产系统，具体可根据实际情况而定，本文对此不作具体限定。
本文一实施例中，第一目标函数利用如下公式表示：
Ctotal＝min{α×Cfuel+β×Coperation+γ×Cmaintenance+δ×Cdepreciation+∈×Cemission-ζ×Revenueelectricity-η×Revenueheat}；
其中，Ctotal为总成本；
Cfuel为燃料成本，根据热电联产系统中燃料转换设备的燃料流量计算得到；
Coperation为操作成本，根据热电联产系统中电力消耗设备的电力消耗功率计算得到；
Cmaintenance为维护成本，根据热电联产系统中各设备的效率及运行状态计算得到；
Cdepreciation为折旧成本，根据热电联产系统中各设备的投资成本分摊到单位产品的成本计算得到；
Cemission为环境排放成本，根据热电联产系统中燃料转换设备的燃料流量计算得到；
Revenueelectricity为电力收入，根据热电联产系统的发电效率和发电量计算得到；
Revenueheat为热量收入，根据热电联产系统的蒸汽效率及蒸汽量计算得到；
α,β,γ,δ,∈,ζ,η为权重系数，可根据实际运营情况和策略目标进行调整。
本文一实施例中，如图4所示，热电联产系统调度策略确定除了包括步骤201至203外，还包括：
步骤401，根据热电联产系统中能源转换设备的能耗信息，建立第二目标函数。
本步骤中，第二目标函数的建立可根据能源转换设备的能耗情况而定，本文对具体公式不做限定。
步骤402，根据热电联产系统中能源转换设备的环境影响因素信息，建立第三目标函数。
本步骤中，第三目标函数的建立可根据能源转换设备的环境影响情况而定，本文对具体公式不做限定。
步骤403，根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数、第二目标函数及第三目标函数得到调度策略。
本实施例能够确定出同时满足负荷、环境影响、发电成本最小化等多个目标的调度策略，适用复杂调度场景。
基于同一发明构思，本说明书还提供一种热电联产系统调度策略确定装置，如下面的实施例所述。由于热电联产系统调度策略确定装置解决问题的原理与热电联产系统调度策略确定方法相似，因此热电联产系统调度策略确定装置的实施可以参见热电联产系统调度策略确定方法，重复之处不再赘述。
具体的，如图5所示，热电联产系统调度策略确定装置包括：
建模单元501，用于建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，其中，所述约束条件包括运行约束条件、能量平衡约束条件、环境排放约束条件、物料和能量流动约束条件。
模型训练单元502，用于根据所述设备运行模型及约束条件，训练得到热电联产系统模型，其中，所述热电联产系统的输入向量包括燃料转换设备的输入参数、环境参数及操作约束，输出向量包括热电输出设备的效率及产出量。
目标确定单元503，用于根据热电联产系统的多维度成本，建立第一目标函数。
调度策略优化单元504，用于根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。
本实施例通过先建立电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，再根据所述设备运行模型及约束条件，训练得到热电联产系统模型，由热电联产系统模型预测热电联产系统的输出数据，能够准确地及高效地模拟热电联产系统输出情况和未来趋势，还可以有效地捕捉热电联产系统内复杂动态的细微变化，为元启发优化算法提供更准确的输入。同时，由于热电联产系统模型基于热电联产系统中各设备的运行模型建立，因此，热电联产系统模型能够真实动态地反应系统内在输入输出关系，能够保障热电联产系统预测输出数据的准确性。
通过根据热电联产系统的多维度成本，建立第一目标函数，根据热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略，能够根据热电联产系统的输出来分析和提取问题的关键特征和内在规律，从而指导调度策略的搜索过程，在复杂调度约束条件下快速搜索出更符合实际需求的最优调度策略，即能够更高效及准确地处理复杂约束，提高优化过程的收敛速度和准确性，有效避免陷入局部最优解，实现对复杂热电联产系统的全局最优化。本研究充分应用这一新方法的优势,有望大幅提高热电联产系统的运行水平。
本说明书一实施例中，还提供一种计算机设备，如图6所示，计算机设备602可以包括一个或多个处理器604，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备602还可以包括任何存储器606，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储器606可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储器都可以使用任何技术来存储信息。进一步地，任何存储器可以提供信息的易失性或非易失性保留。进一步地，任何存储器可以表示计算机设备602的固定或可移除部件。在一种情况下，当处理器604执行被存储在任何存储器或存储器的组合中的相关联的指令时，计算机设备602可以执行相关联指令的任一操作。计算机设备602还包括用于与任何存储器交互的一个或多个驱动机构608，诸如硬盘驱动机构、光盘驱动机构等。
计算机设备602还可以包括输入/输出模块610(I/O)，其用于接收各种输入(经由输入设备612)和用于提供各种输出(经由输出设备614)。一个具体输出机构可以包括呈现设备616和相关联的图形用户接口618(GUI)。在其他实施例中，还可以不包括输入/输出模块610(I/O)、输入设备612以及输出设备614，仅作为网络中的一台计算机设备。计算机设备602还可以包括一个或多个网络接口620，其用于经由一个或多个通信链路622与其他设备交换数据。一个或多个通信总线624将上文所描述的部件耦合在一起。
通信链路622可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路622可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
本说明书实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法的步骤。
本说明书实施例还提供了一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行前述任一实施例所述的方法。
应理解，在本说明书的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施例的实施过程构成任何限定。
还应理解，在本说明书实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本说明书中字符“/”，一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到，结合本说明书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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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说明书的范围。
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，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本说明书所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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说明书实施例方案的目的。
另外，在本说明书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，也可以是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，本说明书的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中应用了具体实施例对本说明书的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本说明书的方法及其核心思想；同时，对于本领域的一般技术人员，依据本说明书的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本说明书的限制。
Claims (10)
1.一种热电联产系统调度策略确定方法，其特征在于，包括：
建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，其中，所述约束条件包括运行约束条件、能量平衡约束条件、环境排放约束条件、物料和能量流动约束条件；
根据所述设备运行模型及约束条件，训练得到热电联产系统模型，其中，所述热电联产系统的输入向量包括燃料转换设备的输入参数、环境参数及操作约束，输出向量包括热电输出设备的效率及产出量；
根据热电联产系统的多维度成本，建立第一目标函数；
根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。
2.如权利要求1所述的方法，其特征在于，建立热电联产系统中各设备的设备运行模型包括：
收集热电联产系统中各设备的性能数据及能源转换过程信息；
基于热力学原理、各设备的性能数据及能源转换过程信息，建立各设备的设备运行模型。
3.如权利要求2所述的方法，其特征在于，所述热电联产系统中各设备包括：燃气轮机、蒸汽轮机、电动机、锅炉、热交换器、冷却塔、压缩机、膨胀阀；
燃气轮机模型表示为：PGT＝ηGT×LHV×Fin；
其中，PGT为燃气轮机的输出功率，ηGT为燃气轮机的效率，LHV为低位发热值，Fin为燃气轮机的燃料流量；
蒸汽轮机模型表示为：PST＝ηST×ΔH×Msteam；
其中，PST为蒸汽轮机的输出功率，ηST为蒸汽轮机的效率，ΔH为蒸汽焓变，Msteam为蒸汽质量流量；
电动机模型表示为：PEM＝ηEM×V×I；
其中，PEM为电动机的输出功率，ηEM为电动机的效率，V为电压，I为电流；
锅炉模型表示为：QB＝ηB×LHV×Ffuel；
其中，QB为锅炉的输出热量，ηB为锅炉的效率，LHV为低位发热值，Ffuel为锅炉的燃料流量；
热交换器模型表示为：QHX＝U×A×ΔT；
其中，QHX为热交换器的热传递率，U为总传热系数，A为热传面积，ΔT为温差；
冷却塔模型表示为：QcT＝Cp×Mwater×ΔTwater；
其中，QCT为冷却塔散失的热量，Cp为水的比热容，Mwater为水的质量流量，ΔTwater为水的温差；
压缩机模型表示为：
其中，PC为压缩机功率，ηC为压缩机效率，V为流量，Pout为输出压力，Z为压缩因子，R为气体常数，T为温度；
膨胀阀模型表示为：
其中，ΔP为压降，f为摩擦因子，L为管道长度，V为流速，D为管径。
4.如权利要求1所述的方法，其特征在于，建立热电联产系统中各能源转换设备的约束条件包括：
根据能源转换设备运行模型的功率限制信息，建立如下公式表示的设备运行约束条件：
Pmin，i≤Pi≤Pmax，i；
其中，Pmin，i为能源转换设备i的最小功率限值，Pi为能源转换设备i的功率，Pmax，i为能源转换设备i的最大功率限值；
根据能源转换设备运行模型的能量守恒原理，建立如下公式表示的能量平衡约束条件：
∑Qin-∑Qout＝ΔQstorage；
其中，∑Qin为热电联产系统的输入能量，∑Qout为热电联产系统的输出能量，ΔQstorage为热电联产系统存储能量；
根据能源转换设备运行模型的物料流动信息，建立如下公式表示的流量约束条件：
Eemission≤Elimit；
其中，Eemission为热电联产系统的排放气体量，Elimit为热电联产系统的排放气体限值量；
根据热电联产系统的环境排放信息，建立如下公式表示的环境排放约束条件：
∑Fin，n-∑Fout，n＝ΔFstorage，n；
其中，∑Fin，n为热电联产系统中各设备n的物料流入量，∑Fout，n为热电联产系统中各设备n的物料流出量，ΔFstorage，n为热电联产系统中各设备n的物料存储量。
5.如权利要求1所述的方法，其特征在于，所述第一目标函数利用如下公式表示：
Ctotal＝min{α×Cfuel+β×Coperation+γ×Cmaintenance+δ×Cdepreciation+∈×Cemission-ζ×Revenueelectricity-η×Revenueheat}；
其中，Ctotal为总成本；
Cfuel为燃料成本，根据热电联产系统中燃料转换设备的燃料流量计算得到；
Coperation为操作成本，根据热电联产系统中电力消耗设备的电力消耗功率计算得到；
Cmaintenance为维护成本，根据热电联产系统中各设备的效率及运行状态计算得到；
Cdepreciation为折旧成本，根据热电联产系统中各设备的投资成本分摊到单位产品的成本计算得到；
Cemission为环境排放成本，根据热电联产系统中燃料转换设备的燃料流量计算得到；
Revenueelectricity为电力收入，根据热电联产系统的发电效率和发电量计算得到；
Revenueheat为热量收入，根据热电联产系统的蒸汽效率及蒸汽量计算得到；
α，β，γ，δ，∈，ζ，η为权重系数。
6.如权利要求1所述的方法，其特征在于，根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略，包括：
根据所述设备运行模型及物料和能量流动约束条件，建立关联矩阵；
利用关联矩阵，结合所述约束条件建立元模型；
根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数得到调度策略。
7.如权利要求6所述的方法，其特征在于，还包括：
根据热电联产系统中能源转换设备的能耗信息，建立第二目标函数；
根据热电联产系统中能源转换设备的环境影响因素信息，建立第三目标函数；
根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数得到调度策略进一步为：根据热电联产系统模型和元模型，利用元启发式优化算法，求解第一目标函数、第二目标函数及第三目标函数得到调度策略。
8.一种热电联产系统调度策略确定装置，其特征在于，包括：
建模单元，用于建立热电联产系统中各设备的设备运行模型及各能源转换设备的约束条件，其中，所述约束条件包括运行约束条件、能量平衡约束条件、环境排放约束条件、物料和能量流动约束条件；
模型训练单元，用于根据所述设备运行模型及约束条件，训练得到热电联产系统模型，其中，所述热电联产系统的输入向量包括燃料转换设备的输入参数、环境参数及操作约束，输出向量包括热电输出设备的效率及产出量；
目标确定单元，用于根据热电联产系统的多维度成本，建立第一目标函数；
调度策略优化单元，用于根据所述热电联产系统模型、设备运行模型及约束条件，利用元启发式优化算法优化所述第一目标函数得到调度策略。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至7任意一项所述方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机设备的处理器执行时实现权利要求1至7任意一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410035757.8A CN118228907A (zh) | 2024-01-08 | 2024-01-08 | 一种热电联产系统调度策略确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410035757.8A CN118228907A (zh) | 2024-01-08 | 2024-01-08 | 一种热电联产系统调度策略确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118228907A true CN118228907A (zh) | 2024-06-21 |
Family
ID=91506859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410035757.8A Pending CN118228907A (zh) | 2024-01-08 | 2024-01-08 | 一种热电联产系统调度策略确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118228907A (zh) |
-
2024
- 2024-01-08 CN CN202410035757.8A patent/CN118228907A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hajabdollahi et al. | An exergy-based multi-objective optimization of a heat recovery steam generator (HRSG) in a combined cycle power plant (CCPP) using evolutionary algorithm | |
| Kim et al. | Neural-network-based optimization for economic dispatch of combined heat and power systems | |
| Rist et al. | Economic dispatch of a single micro-gas turbine under CHP operation | |
| Mohamed et al. | Optimization of Savonius turbines using an obstacle shielding the returning blade | |
| Daim et al. | Implementing technology roadmap process in the energy services sector: A case study of a government agency | |
| Gopalakrishnan et al. | Operational planning of combined heat and power plants through genetic algorithms for mixed 0–1 nonlinear programming | |
| Lo et al. | Economic dispatch of chiller plant by improved ripple bee swarm optimization algorithm for saving energy | |
| CN111416352B (zh) | 一种多能源耦合系统的调度方法及计算设备 | |
| Zhang et al. | Optimized generation capacity expansion using a further improved screening curve method | |
| CN103917928A (zh) | 联合冷却加热发电厂的热-经济学建模和优化 | |
| EP2884059A1 (en) | Multistage HRSG control in combined cycle unit | |
| Bertini et al. | Soft computing based optimization of combined cycled power plant start-up operation with fitness approximation methods | |
| Chen et al. | Techno-economic evaluation and optimization of CCGT power Plant: A multi-criteria decision support system | |
| Groniewsky | Exergoeconomic optimization of a thermal power plant using particle swarm optimization | |
| CN113592133A (zh) | 一种能量枢纽优化配置方法及系统 | |
| Chen et al. | Operation optimization of combined cooling, heating, and power superstructure system for satisfying demand fluctuation | |
| Li et al. | Study on operation strategy and load forecasting for distributed energy system based on Chinese supply-side power grid reform | |
| Hamilton et al. | Dispatch optimization of electric thermal energy storage within System Advisor Model | |
| Han et al. | Multi-scenario data-driven robust optimisation for industrial steam power systems under uncertainty | |
| Chen et al. | A compressor off-line washing schedule optimization method with a LSTM deep learning model predicting the fouling trend | |
| CN118228907A (zh) | 一种热电联产系统调度策略确定方法及装置 | |
| de Araújo et al. | Response surface methods based in artificial intelligence for superstructure thermoeconomic optimization of waste heat recovery systems in a large internal combustion engine | |
| Ferreira et al. | Thermal-economic optimisation of a CHP gas turbine system by applying a fit-problem genetic algorithm | |
| Neises | Influence of the air-cooled supercritical carbon dioxide recompression cycle design-point on molten salt power tower techno-economic performance | |
| Hamilton et al. | Integrating concentrating solar power technologies into the hybrid optimization and performance platform (HOPP) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |