综合能源系统多目标集成设计与优化控制方法技术方案

本发明专利技术涉及一种综合能源系统多目标集成设计与优化控制方法，属于新能源发电和储能技术领域。本发明专利技术的系统参数优化层以系统电能转换效率最大化和系统熵效率最大化为优化目标，以压缩空气储能系统的输出气体温度和膨胀比作为优化变量；系统容量配置优化层以系统经济成本最小化和污染物排放最小化为优化目标，以微型燃气轮机、风力发电系统、光伏发电系统、压缩空气储能系统的配置容量为优化变量；系统运行控制优化层以系统运行成本最小化、压缩空气储能系统SOC最小化、系统相对能耗最小化为优化目标；三层均采用多目标遗传算法求得Pareto最优解集，通过模糊决策方法得到最优解，提高综合能源系统的能量效率、运行经济性和新能源消纳水平。

【技术实现步骤摘要】
综合能源系统多目标集成设计与优化控制方法
本专利技术涉及一种综合能源系统多目标集成设计与优化控制方法，属于新能源发电和储能

技术介绍
综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内煤炭、石油、天然气、电能、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。在满足系统内多元化用能需求的同时，要有效地提升能源利用效率，促进能源可持续发展的新型一体化的能源系统。综合能源系统由于复杂的结构、设备种类多运行特性差异大、具有冷热电耦合特性、高渗透率新能源，导致其参数设计、容量配置和优化控制面临巨大技术挑战。目前还没有缺少相关研究和方法应用，只是研究综合能源系统内单个设备的参数优化，或者其中参数设计、容量配置和优化控制其中一个方面，没有考虑综合能源系统的整体效率或者参数设计、容量配置和优化控制三者的递进关系，而且能量效率、运行经济性和新能源消纳水平需要综合考虑，协同优化设计与运行控制。
技术实现思路
针对现有技术存在的上述缺陷，本专利技术提出了一种综合能源系统多目标集成设计与优化控制方法，通过考虑综合能源系统的整体效率或者参数设计、容量配置和优化控制三者的递进关系，实现能量效率、运行经济性和新能源消纳水平等的协同优化设计与运行控制。本专利技术所述的综合能源系统多目标集成设计与优化控制方法，包括如下步骤：S1：构建系统最优运行模式：构建系统最优运行模式分为系统参数优化层、系统容量配置优化层、系统运行控制优化层；S2：构建系统参数优化层：包括如下小步：S21：参数设计：分为优化目标、优化变量和约束条件三个步骤，具体包括以下分小步：S211：优化目标：以系统电能转换效率最大化和系统熵效率最大化为优化目标；其中，系统电能转换效率最大化表示为：式中，Ecom表示一个计算周期内压缩空气储能系统吸收的电能；Etur分别表示一个计算周期内压缩空气储能系统释放的电能；其中，系统熵效率最大化表示为：maxηEx＝ηEx,th·ηEx,tur(2)式中，ηEx,th表示压缩空气储能系统节流阀的熵效率；ηEx,tur表示压缩空气储能系统涡轮的熵效率；S212：优化变量：以压缩空气储能系统的输出气体温度和膨胀比作为优化变量；S213：约束条件：以压缩空气储能系统的输出气体温度、膨胀比的参数取值范围作为约束条件；其中，压缩空气储能系统的输出气体温度Tout(t)、膨胀比τ的参数取值范围表示为：Tmin≤Tout≤Tmax(3)τmin≤τ≤τmax(4)式中，Tmin,Tmax是压缩空气储能系统输出气体的最小温度和最大温度，τmin,τmax压缩空气储能系统的最小膨胀比和最大膨胀比，由第三层提供的系统最优运行模式；S22：求解最优解集：利用多目标遗传算法求得压缩空气储能系统的输出气体温度和膨胀比的Pareto最优解集，通过模糊决策方法得到最优解；S3：构建系统容量配置优化层：包括如下小步：S31：容量配置：分为优化目标、优化变量和约束条件三个步骤，具体包括以下分小步：S311：优化目标：以系统经济成本最小化和污染物排放最小化为优化目标；其中，系统经济成本最小化表示为：式中，i表示综合能源系统内的设备；Caz,i表示设备购置成本；Cop,i表示设备运行成本；Pi,r表示第二层优化的设备配置容量；d表示设备折旧率；L表示设备生命周期；Pi(t)表示第三层优化的设备实际功率输出；其中，污染物排放最小化表示为：式中，WT表示风力发电系统；PV表示光伏发电系统；MT表示微型燃气轮机；CAES表示压缩空气储能系统；Ce,WT,Ce,PV,Ce,MT,Ce,CAES表示综合能源系统内的各设备的环境成本；PWT(t),PPV(t),PMT(t),PCAES(t)表示第三层优化的设备实际功率输出；Ce,TPG表示传统火力发电的环境成本；PTPG(t)表示传统火力发电的实际功率输出；S312：优化变量：以微型燃气轮机、风力发电系统、光伏发电系统、压缩空气储能系统的配置容量作为优化变量；S313：约束条件：以压缩空气储能系统的运行约束作为约束条件；其中，压缩空气储能系统的运行约束表示为：CAES释能约束0≤PCAES(t)≤Ptur(7)CAES储能约束0≤PCAES(t)≤Pcom(8)式中，Ptur代表CAES涡轮膨胀运行时的机械功率；Pcom代表CAES涡轮压缩运行时的机械功率；S32：求解最优解集：采用多目标遗传算法求得微型燃气轮机、风力发电系统、光伏发电系统、压缩空气储能系统的配置容量Pareto最优解集，通过模糊决策方法得到最优解；S4：构建系统运行控制优化层：包括如下小步：S41：优化控制：分为优化目标、优化变量和约束条件三个步骤，具体包括以下分小步：S411：优化目标：以系统运行成本最小化、压缩空气储能系统SOC最小化、系统相对能耗最小化为优化目标；其中，系统运行成本最小化表示为：式中，Epgrid(t),Epgas(t)代表电价和天然气价格；Epex(t)代表综合能源系统向电网卖电的价格；Egrid(t),Eex(t)代表向电网买电和卖电的电量；Ggas(t)代表消耗的天然气量；其中，压缩空气储能系统SOC最小化表示为：式中，SOCCAES(t0)代表压缩空气储能计算周期初始时刻的SOC；SOCCAES(tn)代表压缩空气储能计算周期结束时刻的SOC；其中，系统相对能耗最小化表示为：式中，GTPG(t)代表火力发电供能系统的能源消耗；GCCHP(t)代表综合能源系统的能源消耗；S412：优化变量：以微型燃气轮机、风力发电系统、光伏发电系统、压缩空气储能系统的功率输出为优化变量；S413：约束条件：以微型燃气轮机的运行约束为约束条件；其中，微型燃气轮机的运行约束可以表示为：αPMT,r≤PMT(t)≤PMT,r(12)式中，PMT,r代表第二层优化的微型燃气轮机的配置容量；PMT(t)代表第三层优化的微型燃气轮机的实际输出功率；α根据轻载对运行效率的影响而定，一般取α＝0.2；S42：求解最优解集：采用多目标遗传算法求得微型燃气轮机、风力发电系统、光伏发电系统、压缩空气储能系统的功率输出Pareto最优解集，通过模糊决策方法得到最优解；S5：判断是否达到最优解集的最大代数：如果否，则进入步骤S2进行重新优化；如果是，则作为最终控制方案。优选地，所述步骤S2、步骤S3和步骤S4为三层协同优化架构。优选地，所述步骤S21、步骤S31和步骤S41三者为递进关系，综合考虑整体效率的因素还包括能量效率、运行经济性和新能源消纳水平。优选地，所述步骤S311中的综合能源系统内的设备，包括微型燃气轮机、风力发电系统、光伏发电系统、压缩空气储能系统和储热系统。优选地，所述步骤S311中的压缩空气储能系统，包括压缩机、储气罐、透平膨胀机、燃气内燃机和制冷机。优选地，所述步骤S311中的压缩空气储能系统，在用电低谷时，富余电能驱动压缩机机组将空气以高压形式储存于储气罐中，同时压缩机机组的间冷器回收压缩热；在用电高峰时，储气罐内的高压空气经过回热器预热后进入透平膨胀机做功并驱动发电机发电，透平膨胀机出口的乏气进入燃气内燃机中与天然气混合燃烧再次驱动发电机发电，燃气内燃机排放的高温烟气先经过回热本文档来自技高网...

【技术保护点】
1.一种综合能源系统多目标集成设计与优化控制方法，其特征在于，包括如下步骤：S1：构建系统最优运行模式：构建系统最优运行模式分为系统参数优化层、系统容量配置优化层、系统运行控制优化层；S2：构建系统参数优化层：包括如下小步：S21：参数设计：分为优化目标、优化变量和约束条件三个步骤，具体包括以下分小步：S211：优化目标：以系统电能转换效率最大化和系统熵效率最大化为优化目标；其中，系统电能转换效率最大化表示为：

【技术特征摘要】
2018.05.08 CN 20181043295141.一种综合能源系统多目标集成设计与优化控制方法，其特征在于，包括如下步骤：S1：构建系统最优运行模式：构建系统最优运行模式分为系统参数优化层、系统容量配置优化层、系统运行控制优化层；S2：构建系统参数优化层：包括如下小步：S21：参数设计：分为优化目标、优化变量和约束条件三个步骤，具体包括以下分小步：S211：优化目标：以系统电能转换效率最大化和系统熵效率最大化为优化目标；其中，系统电能转换效率最大化表示为：式中，Ecom表示一个计算周期内压缩空气储能系统吸收的电能；Etur分别表示一个计算周期内压缩空气储能系统释放的电能；其中，系统熵效率最大化表示为：maxηEx＝ηEx,th·ηEx,tur(2)式中，ηEx,th表示压缩空气储能系统节流阀的熵效率；ηEx,tur表示压缩空气储能系统涡轮的熵效率；S212：优化变量：以压缩空气储能系统的输出气体温度和膨胀比作为优化变量；S213：约束条件：以压缩空气储能系统的输出气体温度、膨胀比的参数取值范围作为约束条件；其中，压缩空气储能系统的输出气体温度Tout(t)、膨胀比τ的参数取值范围表示为：Tmin≤Tout≤Tmax(3)τmin≤τ≤τmax(4)式中，Tmin,Tmax是压缩空气储能系统输出气体的最小温度和最大温度，τmin,τmax压缩空气储能系统的最小膨胀比和最大膨胀比，由第三层提供的系统最优运行模式；S22：求解最优解集：利用多目标遗传算法求得压缩空气储能系统的输出气体温度和膨胀比的Pareto最优解集，通过模糊决策方法得到最优解；S3：构建系统容量配置优化层：包括如下小步：S31：容量配置：分为优化目标、优化变量和约束条件三个步骤，具体包括以下分小步：S311：优化目标：以系统经济成本最小化和污染物排放最小化为优化目标；其中，系统经济成本最小化表示为：式中，i表示综合能源系统内的设备；Caz,i表示设备购置成本；Cop,i表示设备运行成本；Pi,r表示第二层优化的设备配置容量；d表示设备折旧率；L表示设备生命周期；Pi(t)表示第三层优化的设备实际功率输出；其中，污染物排放最小化表示为：式中，WT表示风力发电系统；PV表示光伏发电系统；MT表示微型燃气轮机；CAES表示压缩空气储能系统；Ce,WT,Ce,PV,Ce,MT,Ce,CAES表示综合能源系统内的各设备的环境成本；PWT(t),PPV(t),PMT(t),PCAES(t)表示第三层优化的设备实际功率输出；Ce,TPG表示传统火力发电的环境成本；PTPG(t)表示传统火力发电的实际功率输出；S312：优化变量：以微型燃气轮机、风力发电系统、光伏发电系统、压缩空气储能系统的配置容量作为优化变量；S313：约束条件：以压缩空气储能系统的运行约束作为约束条件；其中，压缩空气储能系统的运行约束表示为：CAES释能约束0≤PCAES(t)≤Ptur(7)CAES储能约束0≤PCAES(t)≤Pcom(8)式中，Ptur代表CAES涡轮膨胀运行时的机械功率；Pcom代表CAES涡轮压缩运行时的机械功率；S32：求解最优解集：采用多目标遗传算法求得微型燃气轮机、...

【专利技术属性】
技术研发人员：王超，王瑞琪，孙振海，安树怀，许玮，慕世友，
申请(专利权)人：国网山东省电力公司青岛供电公司，国家电网公司，
类型：发明
国别省市：山东,37