一种适用于楼宇微网能源系统容量的优化配置方法及系统技术方案

本发明专利技术公开了一种适用于楼宇微网能源系统容量的优化配置方法及系统，属于能源系统容量优化技术领域。本发明专利技术方法，包括：获取楼宇微网能源系统的基本数据，基于所述基本数据构建楼宇微网能源系统的容量优化配置模型；基于预设的求解策略，对所述容量优化配置模型求取最优解；通过最优解对所述楼宇微网能源系统容量进行优化配置。本发明专利技术提供了一种适用于楼宇微网能源系统容量的优化配置方法及系统，通过构建容量优化配置模型，并以预设的求解策略对所述容量优化模型求解，获取的最优解用于容量配置，有效的降低了楼宇微网能源系统的投资成本和提成了综合效益。和提成了综合效益。和提成了综合效益。

【技术实现步骤摘要】
一种适用于楼宇微网能源系统容量的优化配置方法及系统


[0001]本专利技术涉及能源系统容量优化
，并且更具体地，涉及一种适用于楼宇微网能源系统容量的优化配置方法及系统。

技术介绍

[0002]研究和发展楼宇微网是解决能源危机和环境污染的有效方法，合理地配置楼宇各设备容量，实现多种能源形式的协同优化，不仅能够提高各分布式供能设备的利用效率，还可以提升楼宇微网系统的经济性。楼宇虚拟储能本质上是利用围护建筑升降温具有热惰性的特性，调节室内温度改变需求侧用能需求，以此达到虚拟充放能的效果。目前在进行设备容量优化配置时考虑功率平衡、设备出力等确定性约束较多，而对于温度变化导致的楼宇室内能量变化考虑较少，当前对于楼宇微网能源系统中的储能优化环节与其它供能设备的联合优化的研究仍待深入，并且配置储能设备初始投资较高。

技术实现思路

[0003]针对上述问题，本专利技术提出了一种适用于楼宇微网能源系统容量的优化配置方法，包括：
[0004]获取楼宇微网能源系统的基本数据，基于所述基本数据构建楼宇微网能源系统的容量优化配置模型；
[0005]所述容量优化配置模型以所述楼宇微网能源系统的容量及成本参数作为输入数据，以所述容量优化配置模型的最优解作为输出数据，所述最优解包括最小化的楼宇微网能源系统综合效益和楼宇微网能源系统投资成本参数；
[0006]将所述输入数据输入至容量优化配置模型，基于预设的求解策略，对所述容量优化配置模型求取最优解；
[0007]通过最优解对所述楼宇微网能源系统容量进行优化配置。
[0008]可选的，容量优化模型以最小化楼宇微网能源系统综合效益和楼宇微网能源系统投资成本为优化目标，且包括多种约束条件。
[0009]可选的，容量优化模型，如下：
[0010][0011]其中：F1为楼宇微网能源系统综合效益，F2为楼宇微网系统投资成本；
[0012]C1为楼宇微网能源系统运维成本，计算公式如下：
[0013][0014]其中：C
pv
、C
bt
、C
ec
、C
gas
、C
H
、C
ec
分别为楼宇微网能源系统光伏装置、蓄电池、电制冷机、微型燃气轮机、蓄热罐及吸收式制冷机的单位时间运维成本，P
pv,t
、P
bt,t
、P
ec,t
、P
gas,t
、
P
H,t
、P
ac,t
分别为楼宇微网能源系统光伏装置、蓄电池、电制冷机、微型燃气轮机、蓄热罐及吸收式制冷机在t时刻的出力，N＝24。
[0015]C2为楼宇微网能源系统光伏消纳收益及用户满意度，计算公式如下：
[0016]C2＝C
in
δ
pv
+λ|T
in,t
‑
T
set
|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0017]其中：C
in
δ
pv
为光伏消纳收益，δ
pv
为楼宇内光伏的实际接入量，C
in
为光伏的单位容量消纳效益，λ|T
in,t
‑
T
set
|为用户满意度，λ为用能成本，T
in,t
为楼宇内实际温度，T
set
为设定温度；
[0018]C3为楼宇微网能源系统环境成本及燃料费用成本，计算公式如下：
[0019]C3＝Q
C
(C
SP
δ
S
+C
NP
δ
N
+C
CP
δ
C
)+M
gas
δ
gas
ꢀꢀꢀꢀꢀꢀ
(4)
[0020]其中：Q
C
(C
SP
δ
S
+C
NP
δ
N
+C
CP
δ
C
)为环境成本，C
SP
、C
NP
、C
CP
为单位质量SO2、NO
X
、CO2的环境成本系数，Q
C
为火电机组煤耗量，δ
S
、δ
N
、δ
C
为单位质量燃煤所产生的SO2、NO
X
、CO2的费用，M
gss
δ
gss
为燃料费用成本，δ
gss
为燃气轮机单位容量的费用，M
gss
为燃气轮机容量；
[0021]C4为楼宇微网能源系统设备投资成本，计算公式如下：
[0022]C4＝(M
mt
c
mt
+M
bt
c
bt
+M
ec
c
ec
+M
pv
c
pv
+M
ac
c
ac
+M
H
c
H
)
ꢀꢀꢀꢀꢀꢀꢀ
(5)
[0023]式中：M
mt
、M
bt
、M
ec
、M
pv
、M
ac
、M
H
分别为楼宇微网能源系统微型燃气轮机、蓄电池、电制冷机、光伏装置、吸收式制冷机及蓄热罐的最大安装容量，c
mt
、c
bt
、c
ec
、c
pv
、c
ac
、c
H
分别为楼宇微网能源系统微型燃气轮机、蓄电池、电制冷机、光伏装置、吸收式制冷机及蓄热罐的单位容量安装成本。
[0024]可选的，多种约束条件包括：电功率平衡约束，制冷功率约束，热功率平衡约束，设备上下限约束和储能系统相关约束；
[0025]所述电功率平衡约束，如下：
[0026]P
ex,t
+P
PV,t
+P
bt,t
+＝P
el,t
+P
ec,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0027]其中：P
el,t
为t时刻的电功率负荷，P
ex,t
为t时刻的联络线功率，P
pv,t
、P
bt,t
、P
ec,t
、分别为楼宇微网能源系统光伏装置、蓄电池、电制冷机在t时刻的出力；
[0028]所述制冷功率约束，如下：
[0029]Q
AR,t
+Q
EC,t
＝Q...

【技术保护点】

【技术特征摘要】
1.一种适用于楼宇微网能源系统容量的优化配置方法，其特征在于，所述方法包括：获取楼宇微网能源系统的基本数据，基于所述基本数据构建楼宇微网能源系统的容量优化配置模型；所述容量优化配置模型以所述楼宇微网能源系统的容量及成本参数作为输入数据，以所述容量优化配置模型的最优解作为输出数据，所述最优解包括最小化的楼宇微网能源系统综合效益和楼宇微网能源系统投资成本参数；将所述输入数据输入至容量优化配置模型，基于预设的求解策略，对所述容量优化配置模型求取最优解；通过最优解对所述楼宇微网能源系统容量进行优化配置。2.根据权利要求1所述的方法，其特征在于，所述容量优化模型以最小化楼宇微网能源系统综合效益和楼宇微网能源系统投资成本为优化目标，且包括多种约束条件。3.根据权利要求2所述的方法，其特征在于，所述容量优化模型，如下：其中：F1为楼宇微网能源系统综合效益，F2为楼宇微网系统投资成本；C1为楼宇微网能源系统运维成本，计算公式如下：其中：C
pv
、C
bt
、C
ec
、C
gas
、C
H
、C
ec
分别为楼宇微网能源系统光伏装置、蓄电池、电制冷机、微型燃气轮机、蓄热罐及吸收式制冷机的单位时间运维成本，P
pv,t
、P
bt,t
、P
ec,t
、P
gas,t
、P
H,t
、P
ac,t
分别为楼宇微网能源系统光伏装置、蓄电池、电制冷机、微型燃气轮机、蓄热罐及吸收式制冷机在t时刻的出力，N＝24。C2为楼宇微网能源系统光伏消纳收益及用户满意度，计算公式如下：C2＝C
in
δ
pv
+λ|T
in,t
‑
T
set
|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中：C
in
δ
pv
为光伏消纳收益，δ
pv
为楼宇内光伏的实际接入量，C
in
为光伏的单位容量消纳效益，λ|T
in,t
‑
T
set
|为用户满意度，λ为用能成本，T
in,t
为楼宇内实际温度，T
set
为设定温度；C3为楼宇微网能源系统环境成本及燃料费用成本，计算公式如下：C3＝Q
C
(C
SP
δ
S
+C
NP
δ
N
+C
CP
δ
C
)+M
gas
δ
gas
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中：Q
C
(C
SP
δ
S
+C
NP
δ
N
+C
CP
δ
C
)为环境成本，C
SP
、C
NP
、C
CP
为单位质量SO2、NO
X
、CO2的环境成本系数，Q
C
为火电机组煤耗量，δ
S
、δ
N
、δ
C
为单位质量燃煤所产生的SO2、NO
X
、CO2的费用，M
gss
δ
gss
为燃料费用成本，δ
gss
为燃气轮机单位容量的费用，M
gss
为燃气轮机容量；C4为楼宇微网能源系统设备投资成本，计算公式如下：C4＝(M
mt
c
mt
+M
bt
c
bt
+M
ec
c
ec
+M
pv
c
pv
+M
ac
c
ac
+M
H
c
H
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中：M
mt
、M
bt
、M
ec
、M
pv
、M
ac
、M
H
分别为楼宇微网能源系统微型燃气轮机、蓄电池、电制冷机、光伏装置、吸收式制冷机及蓄热罐的最大安装容量，c
mt
、c
bt
、c
ec
、c
pv
、c
ac
、c
H
分别为楼宇微网能源系统微型燃气轮机、蓄电池、电制冷机、光伏装置、吸收式制冷机及蓄热罐的单位容量安装成本。4.根据权利要求2所述的方法，其特征在于，所述多种约束条件包括：电功率平衡约束，
制冷功率约束，热功率平衡约束，设备上下限约束和储能系统相关约束；所述电功率平衡约束，如下：P
ex,t
+P
PV,t
+P
bt,t
+＝P
el,t
+P
ec,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中：P
el,t
为t时刻的电功率负荷，P
ex,t
为t时刻的联络线功率，P
pv,t
、P
bt,t
、P
ec,t
、分别为楼宇微网能源系统光伏装置、蓄电池、电制冷机在t时刻的出力；所述制冷功率约束，如下：Q
AR,t
+Q
EC,t
＝Q
cool,t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中：Q
cool,t
为t时刻的制冷功率负荷，Q
AR,t
为t时刻的吸收式制冷机功率输出，Q
EC,t
为t时刻的电制冷机功率输出。所述热功率平衡约束，如下：P
heat,t
‑
P
H
(t)
‑
P
gas,t
＝ΔQ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)其中：P
heat,t
为t时刻的热功率负荷，P
H
(t)为t时刻的蓄热罐输出功率，P
gas,t
为楼宇微网能源系统微型燃气轮机在t时刻的出力；所述设备上下限约束如下：其中，P
ex
为联络线功率、P
ex
和分别为P
ex
的下限和上限；P
ec,t
为楼宇微网能源系统电制冷机出力、P
ec
和分别为P
ec,t
的下限和上限；P
bt
为楼宇微网能源系统蓄电池出力、P
bt
和分别为P
bt
的下限和上限；所述储能系统相关约束，包括：充放电功率约束，充放电状态转换约束，初始能量约束和储能容量约束；所述充放电功率约束，如下：所述充放电状态转换约束，如下：所述初始能量约束，如下：所述储能容量约束，如下：式中：P
chmax
和P
dismax
分别为充放电最大功率，Z
ch
(t)和Y
dis
(t)分别为充放电转换状态变量，S
sh
(t)和S
dis
(t)分别为蓄电池的充放电状态，K
ini
为储能的初始容量系数，P
batmax
和P
batmin
分别为蓄电池容量上下限。
5.根据权利要求1所述的方法，其特征在于，所述预设的求解策略为基于小生境技术和灰色加权关联度指标的改进的粒子群
‑
灰狼多目标求解策略。6.一种适用于楼宇微网能源系统容量的优化配置系统，其特征在于，所述系统包括：构建模型单元，用于获取楼宇微网能源系统的基本数据，基于所述基本数据构建楼宇微网能源系统的容量优化配置模型；所述容量优化配置模型以所述楼宇微网能源系统的容量及成本参数作为输入数据，以所...

【专利技术属性】
技术研发人员：牛耕，吕广宪，季宇，吴鸣，刘海涛，寇凌峰，熊雄，张颖，王文博，丁保迪，
申请(专利权)人：国家电网有限公司中国电力科学研究院有限公司国网上海市电力公司，
类型：发明
国别省市：