一种含虚拟储能的冷热电联供微电网多目标优化方法技术

本发明专利技术涉及一种含虚拟储能的冷热电联供微电网多目标优化方法，所述的方法包括以下步骤：建立微电网系统中设备的设备模型；建立微电网系统的多目标优化模型；设置微电网系统运行的约束条件；对多目标优化模型的目标函数进行模糊处理，获取基于满意度的单目标优化模型；采用改进粒子群算法对基于满意度的单目标优化模型进行求解，输出最大满意度时的系统信息。与现有技术相比，本发明专利技术充分考虑微电网系统的虚拟储能模型，利用模糊优化模型对多目标优化模型进行处理，转化为单目标优化模型简化了求解流程，提高了求解速度，基于改进粒子群算法对系统进行优化，提高系统优化的准确性和效率。

【技术实现步骤摘要】
一种含虚拟储能的冷热电联供微电网多目标优化方法
本专利技术涉及冷热电联供微网领域，尤其是涉及一种含虚拟储能的冷热电联供微电网多目标优化方法。
技术介绍
冷热电联供(combinedcoolingheatingandpower，CCHP)系统存在冷、热、电三种能量，能够提高能源的综合利用率并减少污染物排放，具有良好的社会和经济效益。随着空调的快速推广普及，我国空调负荷在夏季所占尖峰负荷的比例已达半数，而且还在不断增加，由于人体对温度变化的感知不敏感，且冷热能存在一定的惯性因素。随着系统内空调设备的增多，空调的可调度裕量变得较为可观。现有的微电网系统中风电、光伏发出功率存在间歇性、随机性等问题。蒸汽轮机在发出电能的同时也会产生大量热能及污染气体。目前，针对微网内的优化调度，主要考虑传统的储能设备作用，系统的设备容量存在一定冗余且经济性较差，大多数优化目标与约束条件较为单一，与实际运行情况有一定差距，很难准确得到系统优化调度结果。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种含虚拟储能的冷热电联供微电网多目标优化方法。本专利技术的目的可以通过以下技术方案来实现：一种含虚拟储能的冷热电联供微电网多目标优化方法，所述的方法包括以下步骤：S1：建立微电网系统中设备的设备模型，所述的设备模型包括虚拟储能模型；S2：建立微电网系统的多目标优化模型；S3：设置微电网系统运行的约束条件；S4：对多目标优化模型的目标函数进行模糊优化处理，获取基于满意度的单目标优化模型；S5：采用改进粒子群算法对基于满意度的单目标优化模型进行求解，输出最大满意度时的系统信息。优选地，所述的步骤S2中多目标优化模型的优化目标包括经济指标优化模型和能效指标优化模型。优选地，所述的经济指标优化模型的函数表达式为：QOUT＝PH_LOAD+PC_LOAD+PE_LOAD+PGRID_SELLQIN＝PPV+PWT+PMT+PGRID_BUY式中，F1为能源综合利用率；QOUT为冷热电微网系统输出能量；QIN为冷热电微网系统输入能量；PH_LOAD、PC_LOAD、PE_LOAD、PGRID_SELL分别为热负荷功率、冷负荷功率、电负荷功率和电网卖电功率；PPV、PWT、PMT分别为光伏、风机、微型燃气轮机的发电功率；PGRID_BUY为电网购电功率，所述的能效指标优化模型的函数表达式为：其中，CF(t)为系统运行燃料成本、COM(t)为系统运行维护成本、CGE(t)为与电网双向功率交互成本、CSS(t)为系统设备启停成本、CBW(t)为系统储能设备折旧成本；T为一个调度周期。优选地，所述的步骤S4的具体步骤包括：S41：以升半直线分布函数作为综合能源利用率的隶属度函数：其中，μ(F1)为系统综合能源利用率所的隶属度函数；F1min为系统综合能源利用率对应的单目标优化最优值；δ1为系统综合能源利用率对应的伸缩值；S42：以降半直线分布函数作为运行成本最小的隶属度函数：其中，μ(F2)为运行成本所对应的隶属度函数；F2min为运行成本对应的单目标优化最优值；δ2为运行成本分别对应的伸缩值，S43：设μ隶属度函数中的最小值，定义μ为满意度，将多目标优化经模糊处理后转变为满足所有已有约束条件的单目标非线性优化问题，获取基于满意度的单目标优化模型，所述的单目标优化模型的目标为满意度μ最大，基于满意度的单目标优化模型为：maxμF2+δ2μ≤F2min+δ2F1-δ1μ≥F1min-δ10≤μ≤1。优选地，所述的步骤S5具体包括：S51：将原始数据输入微电网优化模型，所述的原始数据包括风机、光伏输出电功率，电功率和冷热能功率，空调负荷的输入电功率等，以及系统运行各设备的运行和储能约束条件；S52：利用改进粒子群算法，求解经济指标优化模型、能效指标优化模型的单目标优化结果；S53：将经济指标优化模型、能效指标优化模型的单目标优化结果进行伸缩，获取优化结果的伸缩值；S54：将伸缩值代入新的以满意度最大为目标函数的模糊优化模型中，利用改进的粒子群算法求解该非线性单目标模糊优化模型，得到最大满意度时的系统内各设备的出力、负荷和系统的运行成本、综合能源利用率。优选地，所述的改进粒子群算法为自适应惯性权重的改进粒子群算法，所述的改进粒子群算法利用当前粒子位置与全局最优粒子位置的差值来决定算法的惯性权重，并根据差值的大小对惯性权重进行非线性的改变，并采用动态调整加速粒子的形式更新加速因子。优选地，所述的惯性权重的计算公式为：其中，D为解空间维数；为粒子i在k时刻的惯性权重；wstart、wend为惯性权重的初始值和结束值；xmax、xmin为粒子位置的变化范围，优选地，所述的加速因子的更新公式为：式中：c1f、c1i为加速因子c1的初始值和最终值；c2f、c2i为加速因子c2的初始值和最终值；T、Tmax为算法当前迭代次数与最大迭代次数。优选地，所述的虚拟储能模型的表达式为：Pac_in＝COPac×Hac_outPac_in＝COPac×Qac(t)其中，Pac_in、Hac_out为输入电功率和输出冷、热功率；COPac为空调的能效系数；Tr(t)为室内房间温度；Tout(t)为室外温度；Qac(t)为空调制冷功率；R为建筑等效热阻；C为建筑等效热熔。优选地，所述的设备模型还包括微型燃气轮机、余热锅炉模型、吸收式制冷机模型、电制冷机模型、电锅炉模型和电储能模型。微型燃气轮机模型：微型燃气轮机时CCHP系统的核心，在发电的同时会产生高温废烟，高温费烟进入余热锅炉转化为热能使用。本专利技术假设废烟在转化过程中温度不发生变化，忽略外界环境对微型蒸汽轮机的影响。其数学模型为：其中：式中CMT(t)为t时段燃气轮机的燃料成本；PMT(t)、ηMT(t)为t时段微型气轮机发出有功功率和发电效率系数；Δτ为微型燃气轮机运行时间；Rgas为天然气单位价格；LH为天然气低位热值。余热锅炉模型式中Hhe(t)为t时段余热锅炉的制热功率输出；η1为燃气轮机散热损失系数；ηhe为热回收效率；COPhe为余热锅炉的能效比。x(t)、1-x(t)分别为t时段微型燃气轮机烟气通入余热锅炉的流量比和烟气通入吸收式制冷机的流量比。吸收式制冷机模型：Qac(t)＝Hac(t)·COPac式中Qac(t)、Hac(t)为t时段吸收式制冷机的制冷功率输出和吸收的热功率；COPac为吸收式制冷机的能效比；QacMT(t)为t时段微型燃气轮机余热通过吸收式制冷机的制冷功率输出。电制冷机模型：Qec(t)＝Pac(t)本文档来自技高网...

【技术保护点】
1.一种含虚拟储能的冷热电联供微电网多目标优化方法，其特征在于，所述的方法包括以下步骤：/nS1：建立微电网系统中设备的设备模型，所述的设备模型包括虚拟储能模型；/nS2：建立微电网系统的多目标优化模型；/nS3：设置微电网系统运行的约束条件；/nS4：对多目标优化模型的目标函数进行模糊优化处理，获取基于满意度的单目标优化模型；/nS5：采用改进粒子群算法对基于满意度的单目标优化模型进行求解，输出最大满意度时的系统信息。/n

【技术特征摘要】
1.一种含虚拟储能的冷热电联供微电网多目标优化方法，其特征在于，所述的方法包括以下步骤：
S1：建立微电网系统中设备的设备模型，所述的设备模型包括虚拟储能模型；
S2：建立微电网系统的多目标优化模型；
S3：设置微电网系统运行的约束条件；
S4：对多目标优化模型的目标函数进行模糊优化处理，获取基于满意度的单目标优化模型；
S5：采用改进粒子群算法对基于满意度的单目标优化模型进行求解，输出最大满意度时的系统信息。


2.根据权利要求1所述的一种含虚拟储能的冷热电联供微电网多目标优化方法，其特征在于，所述的步骤S2中多目标优化模型的优化目标包括经济指标优化模型和能效指标优化模型。


3.根据权利要求2所述的一种含虚拟储能的冷热电联供微电网多目标优化方法，其特征在于，所述的经济指标优化模型的函数表达式为：



QOUT＝PH_LOAD+PC_LOAD+PE_LOAD+PGRID_SELL
QIN＝PPV+PWT+PMT+PGRID_BUY
式中，F1为能源综合利用率；QOUT为冷热电微网系统输出能量；QIN为冷热电微网系统输入能量；PH_LOAD、PC_LOAD、PE_LOAD、PGRID_SELL分别为热负荷功率、冷负荷功率、电负荷功率和电网卖电功率；PPV、PWT、PMT分别为光伏、风机、微型燃气轮机的发电功率；PGRID_BUY为电网购电功率，
所述的能效指标优化模型的函数表达式为：



其中，CF(t)为系统运行燃料成本、COM(t)为系统运行维护成本、CGE(t)为与电网双向功率交互成本、CSS(t)为系统设备启停成本、CBW(t)为系统储能设备折旧成本；T为一个调度周期。


4.根据权利要求1所述的一种含虚拟储能的冷热电联供微电网多目标优化方法，其特征在于，所述的步骤S4的具体步骤包括：
S41：以升半直线分布函数作为综合能源利用率的隶属度函数：



其中，μ(F1)为系统综合能源利用率所的隶属度函数；F1min为系统综合能源利用率对应的单目标优化最优值；δ1为系统综合能源利用率对应的伸缩值；
S42：以降半直线分布函数作为运行成本最小的隶属度函数：



其中，μ(F2)为运行成本所对应的隶属度函数；F2min为运行成本对应的单目标优化最优值；δ2为运行成本分别对应的伸缩值，
S43：设μ隶属度函数中的最小值，定义μ为满意度，将多目标优化经模糊处理后转变为满足所有已有约束条件的单目标非线性优化问题，获取基于满意度的单目标优化模...

【专利技术属性】
技术研发人员：和树森，刘天羽，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31