发明名称 面向具有耦合型电冷热需求的微电网容量规划方法
摘要 本发明公开了一种面向具有耦合型电冷热需求的微电网容量规划方法,包括:建立面向具有耦合型冷热电需求的微电网供能设备容量规划模型和建立基于多目标粒子群技术的微电网供能设备最优容量规划计算方法。通过上述方式,本发明面向具有耦合型电冷热需求的微电网容量规划方法,解决了当所规划的微电网需向用户同时供电与供冷(或供热),并且电冷或电热的供应之间存在耦合关系时的不同供能设备容量最佳配置问题。这一模型在考虑了微电网的多种供能设备的各种工程,经济,与安全约束条件下实现了多目标优化。
申请公布号 CN106022503A 申请公布日期 2016.10.12
申请号 CN201610151040.5 申请日期 2016.03.17
申请人 北京睿新科技有限公司 发明人 周勤
分类号 G06Q10/04(2012.01)I;G06Q50/06(2012.01)I 主分类号 G06Q10/04(2012.01)I
代理机构 苏州广正知识产权代理有限公司 32234 代理人 徐萍
主权项 一种面向具有耦合型电冷热需求的微电网容量规划方法,其特征在于,步骤包括:(1)建立面向具有耦合型冷热电需求的微电网供能设备容量规划模型(1.1)建立联网不允许反送电的冷热电微网最优容量规划模型(1.1.1)设置待求解的变量:CCHP机组数量N_CCHP、PV板串数N_PV、风机数量N_WT、蓄冰空调制冷机组额定冷功率Q_ice_air、蓄冰槽容量C_Ice_Tank、机载空调额定冷功率Q_normal_air、燃气锅炉额定制热功率Q_boiler,其中,Q_normal_air根据制冷期谷段冷负荷来确定,C_Ice_Tank根据日最大释冰量来确定,所以,待寻优变量为:X={N_CCHP,N_PV,N_WT,Q_ice_air,Q_boiler };(1.1.2)设置多目标函数设置优化目标1:使得由微网投资成本年折算、燃气年购置成本、从大电网的年购电成本、碳排放年治理成本和年运行维护成本组成的微网年成本<img file="449536dest_path_image001.GIF" wi="18" he="25" />的值最小:<img file="366676dest_path_image002.GIF" wi="429" he="43" />(1)<img file="21779dest_path_image003.GIF" wi="436" he="43" />(2)其中,CI为微网设备投资成本年折算,<img file="167721dest_path_image004.GIF" wi="355" he="47" />、<img file="857459dest_path_image005.GIF" wi="283" he="47" />、<img file="555288dest_path_image006.GIF" wi="232" he="53" />、<img file="674250dest_path_image007.GIF" wi="370" he="47" />、<img file="623883dest_path_image008.GIF" wi="430" he="56" />、<img file="43494dest_path_image009.GIF" wi="403" he="39" />分别为冷热电联供系统、PV板、风机、燃气锅炉、蓄冰空调、机载空调的投资成本;<img file="912224dest_path_image010.GIF" wi="437" he="75" />(3),CN_G为微网冷热电联供机组CCHP和燃气锅炉boiler的燃气年购置成本,其中<img file="666553dest_path_image011.GIF" wi="83" he="45" />为燃气价格;<img file="278931dest_path_image012.GIF" wi="347" he="71" />(4)其中,CExch_E为微网从大电网购电的年费用,<img file="553049dest_path_image013.GIF" wi="90" he="38" />为微网向大电网的购电价格,其随尖峰、峰、平、谷时段而变化,<img file="858260dest_path_image014.GIF" wi="107" he="39" />为微网与大电网交换功率;<img file="975251dest_path_image015.GIF" wi="439" he="179" />(5)<img file="125741dest_path_image016.GIF" wi="45" he="27" />为年排放治理费用;<img file="644578dest_path_image017.GIF" wi="404" he="185" />(6)<img file="107308dest_path_image018.GIF" wi="40" he="26" />为年运行维护费用;设置优化目标2:使得冷热电负荷的缺失惩罚<img file="462328dest_path_image019.GIF" wi="19" he="25" />的值最小<img file="291875dest_path_image020.GIF" wi="416" he="66" />(7)其中,<img file="665219dest_path_image021.GIF" wi="136" he="62" />为每类电负荷的切除量,其不包括柔性可调度移走的负荷,m=(1,2,3,4),<img file="312232dest_path_image022.GIF" wi="49" he="39" />为每类电负荷的缺失惩罚权重,<img file="138237dest_path_image023.GIF" wi="32" he="25" />为该地区的年国民生产总值与年发电量的比值,<img file="896108dest_path_image024.GIF" wi="148" he="63" />为每类冷/热负荷的切除量,n=(1,2),<img file="123958dest_path_image025.GIF" wi="51" he="55" />为每类冷热负荷的缺失惩罚权重;(1.1.3)设置多约束条件约束条件1:可再生能源利用率PRE大于或等于30% ,<img file="941873dest_path_image026.GIF" wi="186" he="42" />(8)其中,<img file="255174dest_path_image027.GIF" wi="112" he="55" />为PV的实际调度发电功率,<img file="387094dest_path_image028.GIF" wi="91" he="38" />为风机的实际调度发电功率,<img file="735030dest_path_image029.GIF" wi="74" he="38" />为电负荷;约束条件2:弃风弃光率<img file="599212dest_path_image030.GIF" wi="52" he="19" />小于或等于1%,且<img file="399809dest_path_image031.GIF" wi="291" he="42" />(9)其中,<img file="499483dest_path_image032.GIF" wi="155" he="54" />为N_PV串数下PV板的能够发电功率,<img file="596063dest_path_image034.GIF" wi="139" he="46" />为N_WT台数下风机的能够发电功率;约束条件3:电供需平衡,即<img file="883956dest_path_image035.GIF" wi="340" he="107" />(10)其中,<img file="787321dest_path_image036.GIF" wi="100" he="26" />,<img file="844270dest_path_image037.GIF" wi="107" he="54" />为t时的柔性调度移出负荷,<img file="909309dest_path_image038.GIF" wi="91" he="47" />为向t时移入的柔性调度负荷,对于时刻t,二者满足<img file="684498dest_path_image039.GIF" wi="399" he="110" />,即不存在既移出负荷又移入负荷的时刻,针对不同的运行场景,可以对上述电供需平衡等式(10)进行细化;约束条件4:冷/热供需平衡热电联供的热平衡:<img file="125975dest_path_image040.GIF" wi="441" he="59" />(11)其中,<img file="303010dest_path_image041.GIF" wi="106" he="47" />为时刻t的热负荷;冷电联供的冷平衡:<img file="538950dest_path_image042.GIF" wi="418" he="91" />(12)其中,<img file="801435dest_path_image043.GIF" wi="99" he="45" />为时刻t的冷负荷;约束条件5:设备类约束,即各变量需要满足如下的上下限约束:<img file="46603dest_path_image044.GIF" wi="385" he="39" />(13)<img file="812565dest_path_image045.GIF" wi="392" he="46" />(14)<img file="484986dest_path_image046.GIF" wi="389" he="47" />(15)<img file="969188dest_path_image047.GIF" wi="395" he="39" />(16)<img file="18046dest_path_image048.GIF" wi="394" he="45" />(17)<img file="904094dest_path_image049.GIF" wi="394" he="41" />(18);(1.2)建立联网并允许反送电的冷热电微网最优容量规划模型(1.2.1)执行步骤(1.1.1)设置待求解的变量,执行步骤(1.1.2)设置多目标函数;(1.2.2)设置多约束条件,包括电供需平衡约束:<img file="747416dest_path_image050.GIF" wi="435" he="119" />(19)其中,<img file="718914dest_path_image051.GIF" wi="99" he="27" />,微网与大电网交换功率<img file="181251dest_path_image052.GIF" wi="139" he="55" />存在约束<img file="921805dest_path_image053.GIF" wi="363" he="39" />,<img file="811395dest_path_image054.GIF" wi="230" he="61" />表示电能从大电网流入微网,<img file="270189dest_path_image055.GIF" wi="193" he="53" />表示电能从微网流入大电网,<img file="395271dest_path_image056.GIF" wi="115" he="54" />为t时的柔性调度移出负荷,<img file="232473dest_path_image057.GIF" wi="90" he="47" />为向t时移入的柔性调度负荷,对于时刻t,二者满足<img file="417598dest_path_image058.GIF" wi="371" he="103" />,即不存在既移出负荷又移入负荷的时刻,针对不同的运行场景,对上述电供需平衡等式(19)进行细化;(1.3)基于粒子群技术的多种微电网设备最优容量规划计算方法(1.3.1)联网不允许反送电的冷热电微网最优容量规划优化算法(1.3.1.1)多场景含可调度负载的冷热电微网优化调度方法初始化参数,随机产生微电网计划孤岛和非计划孤岛运行的日期和时段;设置月份和日期的上下限,并根据上下限进行调度计算;当月份不超过5月或者大于等于9月时,采用多运行场景的微网热电联供调度方法计算时刻调度策略;当月份在6‑8月时,采用多运行场景的微网冷电联供调度计算时刻调度策略;判断待计算的日期是否是计划孤岛日的前一天,如果是前一天的话,对计划孤岛日进行预调度,计算电池缺口,再按预设的切发电时段、谷、平、峰、尖峰时段的优先级对电池充电至缺口满足;当对电池充电至缺口满足时或者待计算的日期不是计划孤岛日的前一天,则计算日燃气购置费、日大电网电购置费、日排放治理费、日弃风弃光量、日切各类负荷量,完成日调度策略;当计算的月份超过12时,计算年燃气购置费、大电网电购置费、运行维护费、排放治理费、冷热电负荷短缺惩罚费、可再生能源利用率和弃风弃光率;(1.3.1.2)基于多目标优化PSO的求解算法及实现根据多能源微网最优容量规划问题的模型,选取五维的粒子Particle={N_CCHP,N_PV,N_WT,Q_ice_air,Q_boiler },按各自的上下限约束设置一定种群数量的初始位置及初始速度;判断粒子是否达到设置的最大进化代数,如果达到了就输出非支配解集,如果没有达到,则对于当前进化代数下的种群内的所有的五维粒子按照步骤(1.3.1.1)的多场景含可调度负载的冷热电微网优化调度方法,以日为单位,计算各个能源设备在年8760时刻的运行状态,再计算各个粒子对应的上述各优化目标值和约束值,以更新非支配解集;判断非支配解的个数是否超过预设值,如果超过了则优先移除网格中密集的非支配解,如果没有超过则将非支配解在网格中进行定位;更新粒子速度,采用随机方法从非支配解网格中选择出全局最优解,该粒子的进化最优解寻找迭代过程中出现的非支配解,并再次按上述方法选择全局最优解;更新粒子位置,重新判断粒子是否达到设置的最大进化代数;(1.3.2)联网并允许反送电的冷电微网最优容量规划优化算法(1.3.2.1)联网方式下热电联供优化调度策略a)获取燃气锅炉Boiler供热负荷与从大电网购电供电负荷的和的值,再获取CCHP联合供热和电负荷,当从大电网的购电价格<img file="363688dest_path_image059.GIF" wi="171" he="44" />元/kWh时,则采用CCHP联合供热;当热少电多时,CCHP以热定电,其余不足的电从大电网购买;当热多电少时:电和热匹配的部分先用CCHP供给,再根据微网向大电网的反送电电价<img file="292461dest_path_image060.GIF" wi="74" he="47" />来判断剩余的热的供给方法,当<img file="7607dest_path_image061.GIF" wi="186" he="45" />元/kWh时,CCHP工作于以热定电模式;反之,CCHP工作于以电定热和燃气锅炉Boiler供热模式;(1.3.2.2)联网方式下冷电联供优化调度策略首先,优先使用光伏发电PV和风力发电PW供给电负荷,分如下两种情况:a)当光伏发电PV和风力发电PW供电负荷后有余量时:当反送电价格<img file="363634dest_path_image062.GIF" wi="147" he="47" />元/kWh时,采用CCHP以冷定电,且CCHP所产电和PV、PW的剩余电反送大电网的供冷负荷的方式;反之,用PV和PW剩余的电量驱动直接供冷负荷;当采取用PV和PW剩余的电量驱动直接供冷负荷的方式时,直至直供满载还有冷却口时,可采用CCHP以冷定电和反送电的方式或者用PV和PW剩余电释冷的方式,但优选用CCHP以冷定电和反送电的方式;b)当PV和PW不足以供电负荷时:PV和PW供部分电负荷后,当剩余的电负荷与冷负荷若出现电多冷少,则CCHP工作于以冷定电方式,不足的电从大电网购买;当剩余的电负荷与冷负荷若出现电少冷多时,若<img file="531441dest_path_image063.GIF" wi="166" he="54" />元/kWh,采取CCHP以冷定电和反送电的方式;反之,采取CCHP产冷和产电驱动直供的工作方式;(1.3.2.3)基于多目标优化PSO的求解算法及实现。
地址 100015 北京市朝阳区将台路5号院5号楼2112室