基于静态多目标框架的冷热电联产系统的储能调度方法技术方案

本发明专利技术公开了一种基于静态多目标框架的冷热电联产系统的储能调度方法。对于一个包含可再生能源的冷热电联产系统，可采用大容量储能系统平抑可再生能源的出力波动，同时应对不确定的用户负荷量。本发明专利技术依据静态多目标框架，并采用萤火虫算法计算出冷热电联产系统的最优储能方案，从而实现冷热电联产系统的最优经济运行，并大大提高了能源利用率。

Energy storage scheduling method for CCHP system based on static multi objective framework

The invention discloses an energy storage scheduling method based on the static multi objective frame of the CCHP system. For a combined cooling heating and power system with renewable energy, a large capacity energy storage system can be used to stabilize the output fluctuation of renewable energy and to cope with the uncertain user load. According to the static multi objective frame, and adopting the firefly algorithm, the optimal energy storage scheme of the CCHP system is calculated, so as to realize the optimal economic operation of the CCHP system, and greatly improve the energy utilization rate.

【技术实现步骤摘要】
基于静态多目标框架的冷热电联产系统的储能调度方法
本专利技术属于冷热电联产系统
，具体涉及一种基于静态多目标框架的冷热电联产系统的储能调度方法。
技术介绍
为解决能源危机与生态恶化问题，许多国家、地区大力推广冷热电联产系统，该系统涉及众多成熟的能源综合利用技术，其靠近用户、梯级利用、一次能源利用效率高、环境友好、能源供应安全可靠，并可以合理接入可再生能源，受到广泛的关注与青睐。冷热电联产系统可以并网运行也可以独立运行，为了减少独立运行期间的容量不足风险，需要设置储能系统，由此需要研究冷热电联产系统的最优储能调度方案。系统的储存能量主要用于满足负载需求，在市场电价低时，进行储能系统充电；在电价高时，储能系统放电，从而实现系统的最小运行成本。实际运行中，高电价期间通常也是尖峰负载期间，出于安全考虑，在储能中应当保存足够的功率进行支持切负荷最小化。此外，还需要考虑一些负载和可再生能源出力的不确定性，以及未受规划调度的独立事件，这些事件的出现时间和持续时间都不可预测。因此，需要在运行成本和削减负荷之间做到最佳权衡，提出一个考虑所有不确定性因素的静态调度方案。
技术实现思路
本专利技术所要解决的技术问题在于提供一种基于静态多目标框架的冷热电联产系统的储能调度方法，采用萤火虫算法优化计算出储能系统的最后充放电方案，提高冷热电联产系统的能源利用效率，并减少系统的运行成本。实现专利技术目的的技术解决方案为：一种基于静态多目标框架的冷热电联产系统的储能调度方法，采用萤火虫算法优化计算出储能系统的最后充放电方案，包括以下步骤：步骤1：建立冷热电联产系统的储能系统模型、冷热电联产系统并网和独立运行时的静态调度模型，以及相应运行状态下各元件的运行约束。步骤2：设置萤火虫算法中萤火虫数量、介质光吸收系数、最大吸引度、迭代次数等。步骤3：在可行空间中生成初始位置组合；步骤4：计算不同位置萤火虫的最大吸引度、移动方向，更新位置；步骤5：判断萤火虫算法是否收敛，如果收敛，则将新位置作为最佳位置；如不满足则返回步骤4；步骤6：按照步骤4、步骤5，每个萤火虫找到最佳位置，形成最佳位置组合。步骤7：判断最优策略组合是否满足误差，如果满足，得到的最优策略组合为最优解，否则返回步骤。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的储能系统模型中，储能系统要满足充放电功率约束：其中，表示储能机组b在t时刻的实时充电\放电功率，是最大充电\放电功率。是储能机组的运行指标，储能机组运行时要避免充放电同时出现：储能机组的容量约束为：其中，Eb,t储能机组b在t时刻的容量，分别是机组的最小、最大容量。充放电功率和荷电状态的关系为：其中，分别表示机组b的充、放电系数；Δt是储能系统运行的时间间隔。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统并网时的静态调度模型中，最小化运行成本的优化问题的方程模型如下：其中，OC表示冷热电联产系统的运行成本；ps表示冷热电联产系统在场景s下的运行概率，NS为总场景数；t,H分别表示调度时段、总时段数；表示可调度机组g出力，NG为总机组数量，表示此时的成本函数；表示可再生能源r的出力，NR为总机组数量，Cr表示其运行成本系数，表示冷热电联产系统与主电网在连接点功率，νt表示t时段市场电价；NB为储能机组的总数量，Cb表示储能机组运行成本系数；SUg,t,SDg,t分别表示可调度机组的开关断成本。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统并网时的静态调度模型，可调度机组的成本函数为：其中，ag和bg分别表示固定成本和变化成本，Ig,t表示机组运行状态量。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统并网时的静态调度模型，有功功率平衡约束为：其中，表示用户l的负荷量，共有NL个用户。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统并网时的静态调度模型，可调度机组的出力约束为：其中，分别表示可调度机组的最小、最大出力值。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统并网时的静态调度模型，可调度机组的爬坡率约束为为：其中，URg,DRg分别表示可调度机组的出力上升率、下降率。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统并网时的静态调度模型，可再生能源的功率输出范围为：其中，表示可再生能源的最大输出功率。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统独立时的静态调度模型中，最小化削减成本的优化问题方程如下：其中，ECCt负荷削减成本；πτ表示独立运行场景τ的发生概率，共有T个独立运行场景；h表示独立运行的时间段，表示此时的负荷削减量，VOLL表示削减损失系数。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统独立时的静态调度模型，在未规划独立事件中，应可以供应足够的电量给负荷：其中，表示最大削减负荷量。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤1的冷热电联产系统独立时的静态调度模型，最终的电量削减指标成为第二目标函数：其中，ECE为第二目标函数。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤2的萤火虫算法中，亮度、吸引度定义如下：其中，I0表示为最大亮度，即萤火虫自身的亮度，本专利技术中取值0.9；γ为介质的光吸收系数，本专利技术中取值0.00000078；是萤火虫i与j之间的笛卡尔距离。这里，亮度也是萤火虫的吸引度，发光亮度相同，则萤火虫各自随机移动。进一步的，本专利技术的基于静态多目标框架的冷热电联产系统的储能调度方法，步骤2的萤火虫算法中，萤火虫i被萤火虫j吸引后，位置更新为：xi＝xi+β(xj-xi)+ε(δ-0.5)其中，xi,xj分别表示萤火虫i和萤火虫j的实际位置，即代表模型中所有运行的机组；ε,δ是扰动随机参数，用于加大搜索区域，避免过早陷入局部最优。本专利技术取值为ε＝0.8，δ服从[0,1]均匀分布。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1.本专利技术的方法通过建立静态并网、独立运行调度框架，能够实现冷热电联产系统的最优经济效益；2.本专利技术通过萤火虫算法能够快速计算出最优储能调度方案，缩短了优化时间。3.本专利技术的方法实现了能源的多级利用，大大提高了能源利用效率，改善了冷热电联产系统的稳定性。附图说明图1是萤火虫算法的流程；图2是修改的IEEE-34节点测试系统；图3是不同案例下的储能优化调度；图4是案例1中能量损耗收敛曲线；图5是优化方案的ECE值分析曲线。具体实施方式下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。一种基于静态多目标框架的冷热电联产系统的储能调度方法，如图1所示，包括以下步骤：步骤1：建本文档来自技高网...

【技术保护点】
一种基于静态多目标框架的冷热电联产系统的储能调度方法；其特征在于，采用萤火虫算法优化计算出储能系统的最后充放电方案；该方法具体包括以下步骤：步骤1：建立冷热电联产系统的储能系统模型、冷热电联产系统并网和独立运行时的静态调度模型，以及相应运行状态下各元件的运行约束；步骤2：设置萤火虫算法中萤火虫数量、介质光吸收系数、最大吸引度、迭代次数；步骤3：在可行空间中生成初始位置组合；步骤4：计算不同位置萤火虫的最大吸引度、移动方向，更新位置；步骤5：判断萤火虫算法是否收敛，如果收敛，则将新位置作为最佳位置；如不满足则返回步骤4；步骤6：按照步骤4、步骤5，每个萤火虫找到最佳位置，形成最佳位置组合；步骤7：判断最优策略组合是否满足误差，如果满足，得到的最优策略组合为最优解，否则返回步骤4。

【技术特征摘要】
1.一种基于静态多目标框架的冷热电联产系统的储能调度方法；其特征在于，采用萤火虫算法优化计算出储能系统的最后充放电方案；该方法具体包括以下步骤：步骤1：建立冷热电联产系统的储能系统模型、冷热电联产系统并网和独立运行时的静态调度模型，以及相应运行状态下各元件的运行约束；步骤2：设置萤火虫算法中萤火虫数量、介质光吸收系数、最大吸引度、迭代次数；步骤3：在可行空间中生成初始位置组合；步骤4：计算不同位置萤火虫的最大吸引度、移动方向，更新位置；步骤5：判断萤火虫算法是否收敛，如果收敛，则将新位置作为最佳位置；如不满足则返回步骤4；步骤6：按照步骤4、步骤5，每个萤火虫找到最佳位置，形成最佳位置组合；步骤7：判断最优策略组合是否满足误差，如果满足，得到的最优策略组合为最优解，否则返回步骤4。2.依据权利要求1所述的基于静态多目标框架的冷热电联产系统的储能调度方法，其特征在于，步骤1的储能系统模型中，储能系统要满足充放电功率约束：其中，表示储能机组b在t时刻的实时充电\放电功率，是最大充电\放电功率。是储能机组的运行指标，储能机组运行时要避免充放电同时出现：储能机组的容量约束为：其中，Eb,t储能机组b在t时刻的容量，分别是机组的最小、最大容量；充放电功率和荷电状态的关系为：其中，分别表示机组b的充、放电系数；Δt是储能系统运行的时间间隔。3.依据权利要求1所述的基于静态多目标框架的冷热电联产系统的储能调度方法，其特征在于，步骤1的冷热电联产系统并网时的静态调度模型中，最小化运行成本的优化问题的方程模型如下：其中，OC表示冷热电联产系统的运行成本；ps表示冷热电联产系统在场景s下的运行概率，NS为总场景数；t,H分别表示调度时段、总时段数；表示可调度机组g出力，NG为总机组数量，表示此时的成本函数；表示可再生能源r的出力，NR为总机组数量，Cr表示其运行成本系数，表示冷热电联产系统与主电网在连接点功率，νt表示t时段市场电价；NB为储能机组的总数量，Cb表示储能机组运行成本系数；SUg,t,SDg,t分别表示可调度机组的开关断成本；；所述静态调度模型中可调度机组的成本函数为：其中，ag和bg分别表示固定成本和变化成本，Ig,t表示机组运行状态量；所述静态调度模型的有功功率平衡约束为：其中，表示用户l的负荷量，共有...

【专利技术属性】
技术研发人员：郑红娟，杨永标，戚艳，宋杰，王冬，徐石明，李延满，王旭东，高辉，张卫国，周静，
申请(专利权)人：国电南瑞科技股份有限公司，国家电网公司，国网天津市电力公司，南京南瑞集团公司，
类型：发明
国别省市：江苏,32