面向综合能源系统的多能源调度方法技术方案

本发明专利技术公开一种面向综合能源系统的多能源调度方法，包括如下步骤：S1、构建目标函数，以电能和热能使用时的最低成本作为目标函数f＝minC

【技术实现步骤摘要】
面向综合能源系统的多能源调度方法


[0001]本专利技术属于能源调度
，更具体地，本专利技术涉及一种面向综合能源系统的多能源调度方法。

技术介绍

[0002]工业物联网是实现工业4.0的主要催化剂之一，因此它被视为未来工业系统中的一个重要元素，有助于降低能耗和增强产品生命周期管理。现有的工业多能源调度框架，旨在优化可再生能源的使用和降低能源成本，解决了工业集成能源系统中多能源的管理问题。工业多能源调度框架以同步方式整合多能源存储、可再生能源发电、能源转换和能源交易，考虑了工业用户的典型能源负荷、国家电网和交易平台的能源价格以及各子系统投资成本和收益之间的权衡。这就导致了系统的复杂程度剧增，许多研究者尝试将人工智能算法引入来解决系统复杂度剧增的问题。
[0003]为了解决综合能源系统动态经济调度问题，研究者们提出了将基于差分进化算法应用在综合能源控制之中，采用单一的变异策略进行进化，这导致在优化参数时稳定在局部最优而非全局最优值。

技术实现思路

[0004]本专利技术提供一种面向综合能源系统的多能源调度方法，旨在改善上述问题。
[0005]本专利技术是这样实现的，一种面向综合能源系统的多能源调度方法，所述方法具体包括如下步骤：
[0006]S1、构建目标函数，以电能和热能使用时的最低成本作为目标函数f＝minC
T
；
[0007]S2、将电能和热能使用时的成本C
T
作为适应度Q(s
i
,a
j
)，对当前状态s
i
下采取的动作a
j
使用多种进化方法进行进化，更新适应度值；
[0008]S3、基于进化前后的适应度值确定状态s
i
下采取的动作a
j
的奖励值R
i+1
，基于奖励值R
i+1
更新适应度Q(s
i
,a
j
)；
[0009]S4、返回步骤S2，直至适应度值收敛或执行次数达到次数阈值，则输出最小适应度对应的状态，即为最佳状态。
[0010]进一步的，电能和热能使用时的成本C
T
采用如下公式进行计算：
[0011]C
T
＝C
T,p
+C
T,t
ꢀꢀ
(1)
[0012]C
T,p
和C
T,t
分别代表电能成本和热能成本；
[0013][0014]表示从国家电网购买电能的成本，表示从能源交易平台购买电能的成本、表示电能相关设备的投资成本，R
T,p
表示向能源交易平台出售电能获取的利润；
[0015][0016]表示从能源交易平台购买热能的成本，表示热能设备的投资成本用表
示，R
T,t
表示向能源交易平台出售热能获取的利润。
[0017]进一步的，基于奖励值R
i+1
适应度值Q(s
i
,a
j
)更新方法具体如下：
[0018][0019]其中，R
i+1
表示在状态s
i
下采取动作a
j
的奖励值，α和γ分别表示折扣率和学习率，α、γ∈[0,1]，a表示状态s
i
下采取动作的集合，表示状态s
i
下采取各动作a
k
后的最大适应度值，a
k
∈a。
[0020]进一步的，所述进化方法由进化策略及该进化策略的参数选择方法组成，其中，进化策略包括：DE/best/2、DE/rand/2、NGI，每种进化策略对应的参数选择方法包括：随机法、自适应法和适应法。
[0021]进一步的，状态s
i
下采取的动作a
j
的奖励值R
i+1
确定方法具体如下：
[0022]对进化前的适应度Q(s
i
,a
j
)
′
按高到低的顺序进行排列，确定个体所在的层状态；
[0023]对进化后的适应度值Q(s
i
,a
j
)
″
按高到低的顺序进行排列，定个体所在的层状态；
[0024]设定的层状态间转移对应的奖励值，基于个体进化前后的层状态来个体的确定奖励值。
[0025]本专利技术同时优化每个个体的进化策略和参数选择方法，可以自适应地确定最优进化策略和参数，能够在优化参数时快速找到全局最优解，避免算法陷入局部最优，有效降低了综合能源系统在调度方面的复杂度。
附图说明
[0026]图1为本专利技术实施例提供的面向综合能源系统的多能源调度方法流程图；
[0027]图2为本专利技术实施例提供的PVT板每小时收集的可再生能源量示意图；
[0028]图3为本专利技术实施例提供的电网一周内每小时电价示意图；
[0029]图4为本专利技术实施例提供的用户电热能源需求示意图；
[0030]图5为本专利技术实施例提供的电/热能储存设备能量调度示意图；
[0031]图6为本专利技术实施例提供的能源交易中心的电/热交易示意图。
具体实施方式
[0032]下面对照附图，通过对实施例的描述，对本专利技术的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本专利技术的专利技术构思、技术方案有更完整、准确和深入的理解。
[0033]工业多能源调度系统将优化可再生能源的使用，降低能源成本为目标。系统同步进行多种能源存储、可再生能源生产、能源转换和能源交易，并且考虑了工业用户的典型能源负荷、国家电网和交易平台的能源价格以及各子系统的投资成本和收益之间的权衡，本专利技术是研究电能和热能的调度，旨在实现工业用户的能源使用成本最低。
[0034]图1为本专利技术提供的面向综合能源系统的多能源调度方法流程图，该方法具体包括如下步骤：
[0035]构建目标函数，以电能和热能使用时的最低成本作为目标函数，
[0036]工业多能源调度系统为每个工业用户更新多个设备的状态和能源交易时，会考虑每小时的决策。优化目标是使每个工业用户在一段时间T内的能源使用成本C
T
达到最小值。
[0037]C
T
＝C
T,p
+C
T,t
ꢀꢀ
(1)
[0038]公式(1)中的C
T,p
和C
T,t
分别代表电能成本和热能成本。
[0039]电能分析：
[0040]电能成本包括：从国家电网购买电能的成本从能源交易平台购买电能的成本和相关设备的投资成本为了得到有效成本，还需要减去将出售电能给能源交易平台的利润R
T,p
减去。
[0041][0042]热能分析：
[0043]与电能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向综合能源系统的多能源调度方法，其特征在于，所述方法具体包括如下步骤：S1、构建目标函数，以电能和热能使用时的最低成本作为目标函数f＝min C
T
；S2、将电能和热能使用时的成本C
T
作为适应度Q(s
i
,a
j
)，对当前状态s
i
下采取的动作a
j
使用多种进化方法进行进化，更新适应度值；S3、基于进化前后的适应度值确定状态s
i
下采取的动作a
j
的奖励值R
i+1
，基于奖励值R
i+1
更新适应度Q(s
i
,a
j
)；S4、返回步骤S2，直至适应度值收敛或执行次数达到次数阈值，则输出最小适应度对应的状态，即为最佳状态。2.如权利要求1所述面向综合能源系统的多能源调度方法，其特征在于，电能和热能使用时的成本C
T
采用如下公式进行计算：C
T
＝C
T,p
+C
T,t
ꢀꢀꢀꢀ
(1)C
T,p
和C
T,t
分别代表电能成本和热能成本；分别代表电能成本和热能成本；表示从国家电网购买电能的成本，表示从能源交易平台购买电能的成本、表示电能相关设备的投资成本，R
T,p
表示向能源交易平台出售电能获取的利润；表示向能源交易平台出售电能获取的利润；表示从能源交易平台购买热能的成本，表示热能设备的投资成本用表示，R

【专利技术属性】
技术研发人员：林其友，舒晓欣，汪洋，陈彦斌，尹成，黄晟，杨乐新，庞彦，李佩，肖明伟，汪涵，李涛，刘于良，赵灿明，陈繁，俞红，汪琨，黄星亮，刘静，胡祖伟，郑少将，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：