以投资回收期最短为目标的能源供应系统优化配置方法

摘要

一种以投资回收期最短为目标的能源供应系统优化配置方法：S1.确定优化目标；S2.利用计算机基于遗传算法优化：S2-1.系统初始化；S2-2.初始化种群P；S2-3.计算初始种群各个体适应度函数值，并执行逻辑排序操作，计算聚集距离；S2-4.从父代种群中通过选择、交叉和变异操作得子代种群，通过再次仿真，计算种群个体适应度函数值，并执行排序，计算各个体聚集距离，选择生成下一代父代种群；S2-5.判断是否满足终止条件：满足则调用仿真策略，进行数据仿真，输出优化结果；否则返回。本发明首次提出了以综合能源供应系统投资回收周期最小为目标的优化规划设计方法，采用基于单目标遗传算法对各设备的类型和装机容量进行优化，对系统设备的构成及容量进行确定。

主权项

一种以投资回收期最短为目标的能源供应系统优化配置方法，其特征是包括以下步骤：S1确定优化目标$T_j=\frac{\mathrm{\Delta K}}{R}=\frac{I_{\mathrm{DER}}-I_{\mathrm{sys}}}{C_{\mathrm{sys}}-C_{\mathrm{DER}}+\Delta C_{\mathrm{cap}}}---\left(1\right);$式中，T_j表示该方案投资的增量投资回收期，ΔK表示增加投资，R表示效益；I_DER表示多能互补供能系统建设投资；I_sys表示传统系统建设投资；C_sys表示传统系统运行时的经营成本；C_DER表示多能互补微网系统运行时的经营成本；ΔC_cap表示变压器备用容量节省成本；式中：$I_{\mathrm{DER}}=\underset{i\in \mathrm{DER}}{\Sigma }{I}_{\mathrm{DER},i}+I_{\mathrm{bat}}---\left(2\right);$其中，I_DER,i指第i类分布式设备初始投资费用，单位元，I_bat为储能替换费用；I_sys＝I_air+C_air+I_fuel    (3)；其中，I_air为电空调投资，C_air为电空调的替换费用，I_fuel为备用燃机投资；C_sys＝C_ele+C_co      (4)；其中，C_ele为纯电负荷耗电成本，C_co为制冷负荷耗电成本；$C_{\mathrm{DER}}=C_E+C_F+\underset{i\in \mathrm{DER}}{\Sigma }{C}_{\mathrm{OM},i}---\left(5\right);$其中：C_E为年购电费用，C_F为年购气费用，C_OM,i指第i类设备的年运行维护费用；ΔC_cap＝12*c_cap*(cap_sys‑cap_DER)   (6)；其中，c_cap为系统每月变压器单位容量费用，cap_sys为系统接入前需要的变压器容量，cap_DER为微网系统接入后需要的变压器容量；S2利用计算机基于遗传算法优化，包括以下子步骤：S2‑1系统初始化，读取系统中蓄电池、光伏、微燃机、变流器、蓄冰空调设备参数，以及遗传算法参数；S2‑2初始化种群P：通过随机函数产生第一代父代种群的优化变量；S2‑3计算初始种群各个体适应度函数值，并执行逻辑排序操作，计算聚集距离；S2‑4，从父代种群中通过选择、交叉和变异操作得到子代种群，通过再次仿真，计算种群个体适应度函数值，并执行排序操作，计算各个体的聚集距离，选择生成下一代父代种群；S2‑5，判断是否满足终止条件：满足则调用仿真策略,进行数据仿真,输出优化结果；否则进入下一步骤；S2‑6从当前种群P中选择交配种群Q，对交配种群进行交叉、变异操作，即Q‑Qc‑Qm；计算种群Qm中各个体的适应度函数值，对(PUQm)分层排序操作，根据排序结果依次从种群(PUQm)中选择N个个体构成下一代种群P；返回步骤S2‑5。