一种需求侧综合柔性负荷调控优化方法及系统技术方案

本发明专利技术涉及一种需求侧综合柔性负荷调控优化方法及系统，适用于运算复杂的考虑需求侧综合柔性负荷的协调方法优化。该方法先对收集到的历史数据进行预处理；在粒子群中利用轮盘转法选出粒子领导者，并基于粒子领导者更新粒子速度和最佳位置；将多目标粒子群算法和同步回代消除算法相结合，得到最佳方案。该系统包括预处理模块、选择粒子领导者模块、优化模块。本发明专利技术首次将MOSPO算法与同步回代消除算法相结合，使得算法更加严谨准确，同时首次将MOSPO算法应用到冷热电气结合问题上，提出了解决多种储能技术相结合会互相冲突的问题，将会对IDR系统的进一步发展提供可能性与新思路。

【技术实现步骤摘要】
一种需求侧综合柔性负荷调控优化方法及系统
本专利技术涉及一种需求侧综合柔性负荷调控优化方法及系统，适用于运算复杂的考虑需求侧综合柔性负荷的协调方法优化及系统。
技术介绍
在全球节能减排的大背景下，需求响应应运而生，需求响应(demandresponse，DR)是整合用户侧电网响应潜力的有效手段，可有效提高电网运行的安全性与稳定性，作为削峰填谷的有效方式，在减少高峰负荷，减低系统成本，提高系统可靠性的方面有着很好的效果。目前，综合能源系统中的综合需求响应的研究已引起广泛关注。综合能源系统的应用为需求响应带来了新的发展。电力、热能、天然气和其他形式能源的集成使得所有类型的能源用户都能积极参与需求响应项目。利用能源互联系统中不同能源间的互补性，非弹性能源负荷也可以在用电高峰期采用各种其他形式的能源替代电能，从而积极参与需求响应计划。从电力系统的角度看，所有类型的能源用户在高峰时段都能减少电力需求，从而可以改善需求响应优化调度的效果；从用户的角度看，需求侧的能源消耗量几乎没有改变，从而保持了消费者的舒适性。但研究成果较少考虑用户对不同类型能源需求之间的影响关系。而通过利用冷、热、电等能源在时空上的互补特性，可增强能源子系统之间的耦合关系，从而提升工业用户的整体响应潜力。而随着智能电网逐渐向综合能源系统发展，电力需求响应也开始向IDR的转变。IDR应用示意图如图1所示。其本质是实现能源资源最大化利用的运行模式，以相对低廉的成本确保能源系统安全、经济运行，提升能源利用效率和用能满意度，推进形成竞争公平、价格合理的能源市场表1从响应对象、主体、目标等多个方面对比了综合能源系统前后需求响应的异同点。在综合能源体系下，从单一地增加或减少某一类能源使用成为通过源-储协调转换以及负荷侧用能增减来解决冷、热、电需求问题，极大提升了需求响应的互动内容、能力和效益。其中，“数量调节”方式是指改变终端负荷大小；“时间调节”是指改变终端负荷的用能时间；“载体转换”是指一种能源载体的需求可以由其他能源载体替代供应，如终端的热负荷可以由CHP机组、燃气锅炉或热泵提供。表1综合需求响应内涵与传统需求响应相比，IDR所处的多能系统更大、多能耦合元件更多、多能互补途径更复杂，参与全时段调度能力更强。但目前的研究多针对单类型储能装置，关于多类型储能的联合调度优化问题涉及较少，随着能源网络耦合程度逐渐提高，多能存储和综合需求响应将成为其运行优化的关键环节。在系统运行优化前后，多能存储技术和综合需求响应技术可调整柔性负荷和能量转换装置的出力水平，在增加能源系统灵活性、经济性和可再生能源利用率的同时，改变多能源系统运行工况，进而影响系统可靠性。然而，鲜有研究分析多能存储和综合需求响应对能源系统可靠性的影响。
技术实现思路
专利技术目的：本专利技术在于面对现有状况下，综合响应侧考虑过于单一，鲜有多种技术相互结合的情况，提出将蓄热式电锅炉和蓄冷空调作为冷热电气相结合的一种想法，并基于将二者科学结合调控，提出了一种需求侧综合柔性负荷调控优化方法及系统，用于解决多种技术目标函数可能相互冲突的问题，打破传统IDR应用的局限性，为IDR的进一步发展提出新思路，并为存在的多储能技术相互冲突的问题提出解决方法。技术方案：一种需求侧综合柔性负荷调控优化方法，该方法包括：步骤1，对收集到的历史数据进行预处理；步骤2，在粒子群中利用轮盘转法选出粒子领导者，并基于粒子领导者更新粒子速度和最佳位置；步骤3，将多目标粒子群算法和同步回代消除算法相结合，得到最佳方案。进一步的，通过收集历史数据，对所收集数据进行预处理，清理异常数据；针对于冷热电气目标函数，对于约束条件，采取公式(1)进行优化，进而保证等式约束和不等式同时优化的条件：MinF(X)＝[f1(X)f2(X)...fn(X)]T其中F(X)是包含目标函数的向量，X是包含优化变量的向量，fi(x)是目标函数ith；gi(x)和hi(x)是相等和不平等的约束；n是目标函数的数量；对于多目标优化问题，X或Y解决方案是两个可能的解决方案之一；一个将主导另一个，或者没有一个将被其他任何解决方案所主导；在一个优化问题中，如果满足以下两个条件，则一个解决方案X将主导Y：j、k表示变量编号，fj、fk表示变量的目标函数，通过搜索空间上的非支配解来获得帕累托集解；最后，从档案中存储的非主导解决方案中获得答案。进一步的，根据预处理后的数据，利用瑞利模型风能系统输出功率的概率密度函数获取风能的量；采用风力涡轮机将风能转换为电能；风力涡轮机的输出功率取决于参数，基于可用的历史数据开发概率模型；由于风速是随机变量，根据风速行为，瑞利分布用于模拟风；瑞利分布是威布尔分布的特殊形式，其中形状指数等于2；假设αw作为尺度参数，和βw＝2作为形状参数，概率密度和累积分布函数如下：当Vm被认为是一个特定站点的平均风速，尺度参数给出：Γ表示gamma函数，r(x)＝∫e∧(-t)×t∧(x-1)dt，下限为0，上限为+∞；在取代的情况下，αw在概率密度函数和累积分布函数，瑞利模型风能系统将被作为平均风速的函数根据下列式子获得；概率密度和累积分布函数的样本；Vm表示特点站点的平均风速；对于特定的瑞利模型风能系统，输出功率的特性是清晰的：其中Vci，Vr，Vco和Vwind分别是风力涡轮机的切入速度，额定转速，截止速度和实际速度，PR是涡轮机的额定功率；使用等式获得瑞利模型风能系统输出功率的概率密度函数fPw(Pw)；获得风能公式为：其中，Pw表示输出功率，Fv(Vco)、Fv(Vci)、Vm、Vr、PR表示风力涡轮机的截止速度的概率密度、切入速度的概率密度、特点站点的平均风速、涡轮机的额定转速、涡轮机的额定功率；产生初始种群为XT＝[X1，X2，...，XT]；根据或其中，f1(x)、f2(x)表示运营成本函数、污染排放函数，FCost、FEmission(t)表示运营成本、污染排放量，EmiDG、EmiGrid(t)、Prs、UOCs、COC(t)分别表示可再生DG单元造成的平均污染、由电网引起的污染、s场景的概率、不确定的操作成本、确定的操作成本；将电力调度算法应用于所生成的人口与适应度函数的计算。进一步的，选择领导者的过程：探索的搜索空间被分成相等的部分，并且概率分布被分配到每个部分，使用轮盘赌法选择最佳粒子作为领导者；当归档的成员数目超过了确定的容量，则删除多余粒子；在删除多余粒子过程中，采用同步回代消除算法；对于同步回代消除算法，要求S＝S-{d}，R＝R+{d}，且pr＝pr+pd得到满足，在获得初始粒子后，对每一个粒子指定一个发生的概率Ps(ps＞0)，且所有粒子概率之和相加为1，每个粒子发生的概率本文档来自技高网...

【技术保护点】
1.一种需求侧综合柔性负荷调控优化方法，其特征在于：该方法包括：/n步骤1，对收集到的历史数据进行预处理；/n步骤2，在粒子群中利用轮盘转法选出粒子领导者，并基于粒子领导者更新粒子速度和最佳位置；/n步骤3，将多目标粒子群算法和同步回代消除算法相结合，得到最佳方案。/n

【技术特征摘要】
20200402 CN 20201025344031.一种需求侧综合柔性负荷调控优化方法，其特征在于：该方法包括：
步骤1，对收集到的历史数据进行预处理；
步骤2，在粒子群中利用轮盘转法选出粒子领导者，并基于粒子领导者更新粒子速度和最佳位置；
步骤3，将多目标粒子群算法和同步回代消除算法相结合，得到最佳方案。


2.根据权利要求1所述的一种需求侧综合柔性负荷调控优化方法，其特征在于：通过收集历史数据，对所收集数据进行预处理，清理异常数据；
针对于冷热电气目标函数，对于约束条件，采取公式(1)进行优化，进而保证等式约束和不等式同时优化的条件：
MinF(X)＝[f1(X)f2(X)...fn(X)]T



其中F(X)是包含目标函数的向量，X是包含优化变量的向量，fi(x)是目标函数ith；gi(x)和hi(x)是相等和不平等的约束；n是目标函数的数量；对于多目标优化问题，X或Y解决方案是两个可能的解决方案之一；一个将主导另一个，或者没有一个将被其他任何解决方案所主导；在一个优化问题中，如果满足以下两个条件，则一个解决方案X将主导Y：






j、k表示变量编号，fj、fk表示变量的目标函数，
通过搜索空间上的非支配解来获得帕累托集解；最后，从档案中存储的非主导解决方案中获得答案。


3.根据权利要求1所述的一种需求侧综合柔性负荷调控优化方法，其特征在于：根据预处理后的数据，利用瑞利模型风能系统输出功率的概率密度函数获取风能的量；
采用风力涡轮机将风能转换为电能；风力涡轮机的输出功率取决于参数，基于可用的历史数据信息开发概率模型；由于风速是随机变量，根据风速行为，瑞利分布用于模拟风；瑞利分布是威布尔分布的特殊形式，其中形状指数等于2；假设αw作为尺度参数，和βw＝2作为形状参数，概率密度和累积分布函数如下：






当Vm被认为是一个特定站点的平均风速，尺度参数给出：






Г表示gamma函数，г(x)＝∫e^(-t)×t^(x-1)dt,下限为0，上限为+∞；
在取代的情况下，αw在概率密度函数和累积分布函数，瑞利模型风能系统将被作为平均风速的函数根据下列式子获得；
概率密度和累积分布函数的样本；






Vm表示特点站点的平均风速；
对于特定的瑞利模型风能系统，输出功率的特性是清晰的：



其中Vci，Vr，Vco和Vwind分别是风力涡轮机的切入速度，额定转速，截止速度和实际速度，PR是涡轮机的额定功率；
使用等式获得瑞利模型风能系统输出功率的概率密度函数fPw(Pw)；获得风能公式为：



其中，Pw表示输出功率，Fv(Vco)、Fv(Vci)、Vm、Vr、PR表示风力涡轮机的截止速度的概率密度、切入速度的概率密度、特点站点的平均风速、涡轮机的额定转速、涡轮机的额定功率；
产生初始种群为XT＝[X1,X2,...,XT]；
根据



或



其中，f1(x)、f2(x)表示运营成本函数、污染排放函数，FCost、FEmission(t)表示运营成本、污染排放量，EmiDG、EmiGrid(t)、Prs、UOCs、COC(t)分别表示可再生DG单元造成的平均污染、由电网引起的污染、s场景的概率、不确定的操作成本、确定的操作成本；
将电力调度算法应用于所生成的人口与适应度函数的计算。


4.根据权利要求1所述的一种需求侧综合柔性负荷调控优化方法，其特征在于：选择领导者的过程：探索的搜索空间被分成相等的部分，并且概率分布被分配到每个部分，使用轮盘赌法选择最佳粒子作为领导者；
当归档的成员数目超过了确定的容量，则删除多余粒子；在删除多余粒子过程中，采用同步回代消除算法；
对于同步回代消除算法，要求S＝S-{d},R＝R+{d}，且pr＝pr+pd得到满足，在获得初始粒子后，对每一个粒子指定一个发生的概率Ps(ps>0)，且所有粒子概率之和相加为1，每个粒子发生的概率指定为1/N；集合S表示初始的粒子，d表示粒子索引，集合R表示需消除的粒子，Pr表示粒子r的概率，Pd表示粒子索引d的概率，
为了更新最佳位置，会将粒子的新位置与其先前位置进行比较



其中，Pbest，i(t+1)、Pbest，i(t)、Xi(t+1)表示粒子最佳位置、粒子原来的位置、粒子的新位置。


5.根据权利要求1或4所述的一种需求侧综合柔性负荷调控优化方法，其特征在于：同步回代消除算法的首先要计算每对粒子的距离
Ds,s′(r)＝D(ζs,ζs′)(12)
其中，Ds,s′为粒子...

【专利技术属性】
技术研发人员：崔嘉，韩智杰，杨俊友，李钊，田小蕾，雷振江，吕旭明，金成明，李桐，
申请(专利权)人：沈阳工业大学，国网辽宁省电力有限公司电力科学研究院，国网辽宁省电力有限公司，
类型：发明
国别省市：辽宁;21