一种冷热电联供系统优化运行的线性化方法技术方案

技术编号:14926357 阅读:129 留言:0更新日期:2017-03-30 18:15
本发明专利技术涉及一种冷热电联供系统优化运行的线性化方法,其技术特点在于包括以下步骤:步骤1、在冷热电联供系统中分别选取电源设备和辅助联供设备设置冷热电联供系统场景,并对场景中每个设备进行数学建模;步骤2、分析冷热电联供系统优化运行的优化目标,建立冷热电联供系统优化运行的多目标优化函数,并对其进行优化处理,将多个优化目标加权转化为单一优化目标;步骤3、确定冷热电联供系统优化运行的约束条件,并将约束条件进行线性优化后对冷热电联供系统进行运行优化。本发明专利技术从线性化的角度直接对冷热电联供系统的运行进行规划,便于快速、正确地获得冷热电联供系统优化运行的最优解。

【技术实现步骤摘要】

本专利技术涉及冷热电联供系统
,特别是一种冷热电联供系统优化运行的线性化方法
技术介绍
众所周知,人类社会要依靠能源才能得以生存,农业、工业和经济都离不开能源,随着能源消耗与环境问题的日益严重,冷热电联供系统应运而生。联供系统的优点很多,主要有缓解电力供需矛盾,提高能源利用效率;增强能源供应的可靠性以及稳定性;保护环境,减少环境污染等。联供系统的设备分为分布式电源设备和辅助联供设备,分布式电源设备常用的是光伏电池、燃气发电机和蓄电池,辅助联供设备包含制冷设备和供热设备等,常见的制冷设备为空调系统、电制冷机、吸收式制冷机、热泵等,常见的供热设备有燃气锅炉和余热锅炉等。伴随着联供系统的发展日益成熟,用户对于系统的优化运行也有着越来越高的要求。系统运行时消耗的能源量、排放的二氧化碳量、对环境的污染等等均是优化需要考虑的因素,因此,对于系统运行的优化策略不应该仅仅着眼于经济效益,还要考虑到环境效益和节能效益。由于优化运行的目标不止一个,因此如何对各个优化目标选取合适的权重从而转化为单一目标是优化运行必须要考虑的问题。在优化算法的选取上,传统的优化算法如内点法、非线性规划法以及最近兴起的包括神经网络、粒子群、遗传算法等人工智能算法虽然解决了寻找全局最优解的问题,能精确处理问题中离散变量,但由于这类方法通常属于随机搜索方法,具有计算速度慢的先天缺陷,难以适应在线计算以及电力系统的要求。
技术实现思路
本专利技术的目的在于克服现有技术的不足,提供一种设计合理、易于实现且能够保证快速、正确地找到最优解的冷热电联供系统优化运行的线性化方法。本专利技术解决其技术问题是采取以下技术方案实现的:一种冷热电联供系统优化运行的线性化方法,包括以下步骤:步骤1、在冷热电联供系统中分别选取电源设备和辅助联供设备设置冷热电联供系统场景,并对场景中每个设备进行数学建模;步骤2、分析冷热电联供系统优化运行的优化目标,建立冷热电联供系统优化运行的多目标优化函数,并对其进行优化处理,将多个优化目标加权转化为单一优化目标;步骤3、确定冷热电联供系统优化运行的约束条件,并将约束条件进行线性优化后对冷热电联供系统进行运行优化。而且,所述步骤1中选取的电源设备为燃气内燃机和蓄电池;所述步骤1中选取的辅助联供设备为吸收式制冷机组、压缩式电制冷机、燃气锅炉、蓄热槽、冰蓄冷、热泵和余热锅炉。而且,所述燃气内燃机采用如下所示的六参数的数学模型:PGE=aGEQfuel_GE+bGEHgas=mGEQfuel_GE+nGEHwater=pGEQfuel_GE+qGE]]>其中,PGE_min≤PGE≤PGE_max;上述表达式中,PGE为发电机出力;Hgas为排出烟气的可利用热值;Hwater为缸套冷却水的可利用热值;Qfuel_GE为输入的燃料热能;PGE_min为发电机最小出力;PGE_max为发电机最大出力;aGE、bGE、mGE、nGE、pGE和qGE是发电机六参数数学模型的参数。而且,所述蓄电池采用KiBaM模型进行数学建模,其蓄电池剩余容量的数学模型表达式为:EBT(t+1)=EBT(t)·(1-μBT)t+(ηBT,inPBT,in(t)-1ηBT,outPBT,out(t))·Δt]]>上述表达式中,Δt为t时刻到(t+1)时刻的间隔;EBT(t)为在t时刻储存的电量;PBT,in(t)为t时刻充电功率;PBT,out(t)为t时刻放电功率;ηBT,in为充电效率;ηBT,out为放电效率;μBT为电量损失系数。而且,所述辅助联供设备中吸收式制冷机组、压缩式电制冷机、燃气锅炉、热泵和余热锅炉均采用输入与能效比的乘积等于输出的数学模型。而且,所述辅助联供设备中蓄热槽和冰蓄冷采用KiBaM模型进行数学建模。而且,所述步骤2的具体步骤包括:(1)分析冷热电联供系统优化运行的优化目标,建立冷热电联供系统优化运行的多目标优化函数;所述优化目标包括:经济效益、环境效益和节能效益;(2)确定经济效益、环境效益和节能效益的优化目标的评价指标以及各优化目标间的权重,采用将多个优化目标加权转换为单个优化目标的方法对上述冷热电联供系统优化运行的多目标优化函数进行优化处理,则优化处理后的多目标优化函数为:minf=min(ω1f1+ω2f2+ω3f3);其中,ω1+ω2+ω3=1上述表达式中,f1为经济效益;f2为环境效益;f3为节能效益;ω1为经济效益的权重因子;ω2为环境效益的权重因子;ω3为节能效益的权重因子。而且,所述冷热电联供系统优化运行的各优化目标的评价指标分别为:①经济效益f1的评价指标为包括燃料费用、设备运行维护费用和与电网交互的电能费用在内的各种费用之和;其中,燃料费用包括内燃机和燃气锅炉的燃料费用;与电网交互的电能费用包括冷热电联供系统的电能不足时从电网购入电能的费用以及冷热电联供系统电能过剩时向电网售出电能的费用。②环境效益f2的评价指标为CO2的排放量CDE;③节能效益f3的评价指标为一次能源的消耗量PEC。而且,所述步骤3的约束条件包括:电功率平衡约束、热功率平衡约束、冷功率平衡约束和设备功率约束。本专利技术的优点和积极效果是:1、本专利技术结合冷热电负荷需求的特点,考虑到常用的人工智能算法的缺点,使用线性化方法保证系统的优化运行。建立简化的设备线性模型,结合系统运行的实际情况,综合经济、环境和节能因素,选取合适的优化目标函数,并考虑系统运行的所有约束条件,完成线性规划算法。整个优化算法具有计算速度快、可适用于大规模电力系统、实用性强且能够确保冷热电联供系统优化运行的成功实现等优点。本专利技术从线性化的角度直接对冷热电联供系统的运行进行规划,便于快速、正确地获得冷热电联供系统优化运行的最优解。2、本专利技术在设备模型的建立上,考虑到整个优化算法采用的是线性化的方法,所以设备的数学模型也是线性化的,因此不需考虑设备运行时的环境温度、电压、频率等影响设备出力的各种因素,从而简化了计算过程,实现了快速找到冷热电联供系统优化运行的最优解的目的。3、本专利技术在优化算法的选取上,没有选用常见的优化算法,如传统的内点法、非线性规划法以及最近兴起的包括神经网络、粒子群、遗传算法等的人工智能算法,而是选取了线性规划算法。线性规划算法从数本文档来自技高网
...
一种冷热电联供系统优化运行的线性化方法

【技术保护点】
一种冷热电联供系统优化运行的线性化方法,其特征在于包括以下步骤:步骤1、在冷热电联供系统中分别选取电源设备和辅助联供设备,设置冷热电联供系统场景,并对场景中每个设备进行数学建模;步骤2、分析冷热电联供系统优化运行的优化目标,建立冷热电联供系统优化运行的多目标优化函数,并对其进行优化处理,将多个优化目标加权转化为单一优化目标;步骤3、确定冷热电联供系统优化运行的约束条件,并将约束条件进行线性优化后对冷热电联供系统进行运行优化。

【技术特征摘要】
1.一种冷热电联供系统优化运行的线性化方法,其特征在于包
括以下步骤:
步骤1、在冷热电联供系统中分别选取电源设备和辅助联供设备,
设置冷热电联供系统场景,并对场景中每个设备进行数学建模;
步骤2、分析冷热电联供系统优化运行的优化目标,建立冷热电
联供系统优化运行的多目标优化函数,并对其进行优化处理,将多个
优化目标加权转化为单一优化目标;
步骤3、确定冷热电联供系统优化运行的约束条件,并将约束条
件进行线性优化后对冷热电联供系统进行运行优化。
2.根据权利要求1所述的一种冷热电联供系统优化运行的线性
化方法,其特征在于:所述步骤1中选取的电源设备为燃气内燃机和
蓄电池;所述步骤1中选取的辅助联供设备为吸收式制冷机组、压缩
式电制冷机、燃气锅炉、蓄热槽、冰蓄冷、热泵和余热锅炉。
3.根据权利要求2所述的一种冷热电联供系统优化运行的线性
化方法,其特征在于:所述燃气内燃机采用如下所示的六参数的数学
模型:
PGE=aGEQfuel_GE+bGEHgas=mGEQfuel_GE+nGEHwater=pGEQfuel_GE+qGE]]>其中,PGE_min≤PGE≤PGE_max;
上述表达式中,PGE为发电机出力;Hgas为排出烟气的可利用热值;
Hwater为缸套冷却水的可利用热值;Qfuel_GE为输入的燃料热能;PGE_min为
发电机最小出力;PGE_max为发电机最大出力;aGE、bGE、mGE、nGE、pGE和qGE是发电机六参数数学模型的参数。
4.根据权利要求2所述的一种冷热电联供系统优化运行的线性
化方法,其特征在于:所述蓄电池采用KiBaM模型进行数学建模,其

\t蓄电池剩余容量的数学模型表达式为:
EBT(t+1)=EBT(t)·(1-μBT)t+(ηBT,inPBT,in(t)-1ηBT,outPBT,out(t))·Δt]]>上述表达式中,Δt为t时刻到(t+1)时刻的间隔;EBT(t)为在t
时刻储存的电量;PBT,in(t)为t时刻充电功率;PBT,out(t)为t时刻放电功
率;ηBT,in为充电效率;ηBT,out为放电效率;μB...

【专利技术属性】
技术研发人员:蒋菱王旭东于建成李国栋霍现旭吴磊孙璐王凯徐青山曾艾东
申请(专利权)人:国网天津市电力公司国家电网公司东南大学
类型:发明
国别省市:天津;12

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1