基于改进樽海鞘群优化算法的园区综合能源系统配置方法技术方案

本发明专利技术提出基于改进樽海鞘群优化算法的园区综合能源系统配置方法：首先，建立园区综合能源系统中各个设备的详细数学模型；其次，建立电、热综合需求响应模型；然后，根据设备模型和设备的容量构建目标函数，以CIES的运行成本最少为优化目标建立目标函数和约束条件；最后，基于改进樽海鞘群优化算法对目标函数进行求解。通过算例验证和算法对比，充分证明了所提模型和求解思路的正确性，采用ISSA对CIES进行优化配置，在满足电、热负荷综合需求响应的基础上，可以优化得到更低的运行成本，同时提高风光利用率，且相比于传统及改进群智能算法，该算法具有更好的收敛特性。该算法具有更好的收敛特性。该算法具有更好的收敛特性。

【技术实现步骤摘要】
基于改进樽海鞘群优化算法的园区综合能源系统配置方法


[0001]本专利技术属于综合能源系统优化运行
，具体涉及基于改进樽海鞘群优化算法的园区综合能源系统配置方法。

技术介绍

[0002]综合能源系统(Integrated energy system，IES)集多能源于一体，由供能设备、能源转换装置和能源储存设备组成。综合能源系统输入侧的能量形式多样，有化石能源，也有各种可再生能源。在系统负荷侧能量需求也丰富多样，主要有电负荷需求、热负荷需求、冷负荷需求等。并且在系统内部有着能够对多种能源进行相互转换的机组，当系统内部某种能量不足时，通过多能耦合作用，把富余的能源转换成为不足的能源供给用户使用，不仅能够实现多种能源相互协调运行，而且在规划、运行、调度阶段中不同能源之间互补互济，显著提高清洁能源消纳率的同时，也能增强系统运行的安全性和可靠性。
[0003]根据IES的规模大小和发/输/配/用等特性，可以将其分为跨区域级综合能源系统、区域综合能源系统和园区综合能源系统(Community Integrated Energy System，CIES)。园区综合能源系统是通过能源利用、转换、储存可以实现源
‑
荷
‑
储一体化协调运行的有机整体。它并不是单一能源系统的简单相加，而是可以协调多种供能系统的使用时间和方式，以提高能量的利用效率和系统整体经济性。园区综合能源系统打破了传统供电、供热等网络的孤立运行现状，能够实现多种不同能源之间在时间和空间上的相互作用，并且对提高供能效率和灵活性、促进各能源优势互补、满足负荷侧多元化能源需求有重要作用。
[0004]此外，随着智能用电技术、通信技术的发展和新一轮需求侧电力市场改革，电网侧和负荷侧互动性日益增强。增加“源”“荷”两端互动性能够有效提高园区综合能源系统运行经济性和能源利用效率。通过合理的调度手段协调各种资源合理分配，及时满足需求侧用户的需求响应，提高风光机组与用能的匹配性，对提系统运行的稳定性和经济性的具有重要的现实意义。

技术实现思路

[0005]在CIES中，建立合理有效的优化配置模型是实现系统经济运行和多能源供需平衡的关键，为进一步改善CIES功率不平衡问题，提高能源利用率，降低系统运行成本，在常规CIES优化配置基础上，同时引入对电和热两种负荷需求的综合响应策略，形成兼顾经济性与多能互补的园区综合能源系统优化配置框架，本专利技术提出基于改进樽海鞘群优化算法的园区综合能源系统配置方法，CIES中主要的能源设备包括风能(WT)、太阳能(PV)、热电联产机组(CHP)、电热锅炉(HB)、燃气锅炉(GB)、储能蓄电池(BT)、储热罐(HS)，在此基础上，建立了电、热综合需求响应模型，并以系统运行成本最低为目标建立目标函数，以系统功率平衡和各机组运行状况为约束条件，并采用改进樽海鞘群优化算法(Improved Salp SwarmAlgorithm，ISSA)对建立的目标函数进行求解，通过算例验证和算法对比，充分证明了所提模型和求解思路的正确性，采用ISSA对CIES进行优化配置，在满足电、热负荷需求响
应的基础上，可以优化得到更低的运行成本，同时提高风光利用率，且相比于传统及改进群智能算法，该算法具有更好的收敛特性。具体过程包括：首先，建立园区综合能源系统中各个设备的详细数学模型；其次，建立电、热综合需求响应模型；然后，根据设备模型和设备的容量构建目标函数，以CIES的运行成本最少为优化目标建立目标函数和约束条件；最后，基于改进樽海鞘群优化算法对目标函数进行求解。
[0006]本专利技术采用的技术方案为：基于改进樽海鞘群优化算法的园区综合能源系统配置方法，包括如下步骤：
[0007]S1：建立园区综合能源系统中各个设备的详细数学模型；
[0008]S2：建立电、热综合需求响应模型；
[0009]S3：根据设备模型和设备的容量构建目标函数，以CIES的运行成本最少为优化目标建立目标函数；
[0010]S4：确定S3中目标函数的约束条件；
[0011]S5：基于改进樽海鞘群优化算法对目标函数进行求解。
[0012]具体的，所述步骤S1：建立园区综合能源系统中各个设备的详细数学模型。本专利技术建立的CIES中主要的能源设备包括风力发电机组(WT)、光伏发电机组(PV)、热电联产机组(CHP)、燃气锅炉(GB)、电热锅炉(HB)、储能蓄电池(BT)、储热罐(HS)。下面详细介绍各设备的数学模型：
[0013]1)PV模型
[0014]光伏输出功率主要受太阳辐照度的影响，这与太阳的位置、光伏发电设备的地理位置和天气条件有关。一定时间段内的太阳辐照度近似为Beta分布，其概率密度函数为：
[0015][0016]式中，r表示实际光照辐照度，r
max
表示最大光照照度；Γ(
·
)为gramma函数；α、β为形状参数，可以根据一定时段内的光照强度的平均值μ和方差σ2来表示：
[0017][0018][0019]光伏出力P
PV
与光照强度r的关系可表示为：
[0020]P
PV
＝r
·
A
·
ρ
[0021]式中，A表示光伏阵列的有效面积；ρ表示电池板光电转化率。
[0022]结合上述公式，P
PV
的概率密度函数可以表示为：
[0023][0024]光伏，表示光伏输出功率最大值。
[0025]2)WT模型
[0026]风力发电的出力主要是由风能的大小决定，风电机组输出功率取决于风速和额定
输出功率P
r
。常用Weibull分布来描述风速的随机性分布，风速的概率密度函数为：
[0027][0028]式中，v表示风力机叶轮轮毂处风速；k、c表示形状参数和尺度参数，k决定分布密度曲线的基本形状，c起放大或缩小曲线的作用，但不影响分布的形状。
[0029]为方便研究，将风机输出功率P
WT
与风速的关系近似线性化为：
[0030][0031]式中，v
in
表示切入风速；v
out
表示切出风速；v
r
表示额定风速。
[0032]联立上述两个公式可以得到，P
WT
的概率密度函数可以表示为：
[0033][0034]3)CHP模型
[0035]消耗天然气的热电联产机组产生的电能和热能通过一以下公式表示：
[0036][0037][0038]式中，P
CHP
(t)、Q
CHP
(t)分别表示CHP在t时段内产生的电能和热能；V
CHP,gas
(t)表示CHP在t时刻消耗的天然气量；q
gas
是天然气的热值；η
power
、η
loss
、η
tr本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进樽海鞘群优化算法的园区综合能源系统配置方法，包括如下步骤：S1：建立园区综合能源系统中各个设备的详细数学模型；S2：建立电、热综合需求响应模型；S3：根据设备模型和设备的容量构建目标函数，以CIES的运行成本最少为优化目标建立目标函数；S4：确定S3中目标函数的约束条件；S5：基于改进樽海鞘群优化算法对目标函数进行求解。2.根据权利要求1所述的基于改进樽海鞘群优化算法的园区综合能源系统配置方法，其特征在于，步骤S1中，建立园区综合能源系统中各个设备的详细数学模型；本发明建立的CIES中主要的能源设备包括风力发电机组(WT)、光伏发电机组(PV)、热电联产机组(CHP)、燃气锅炉(GB)、电热锅炉(HB)、储能蓄电池(BT)、储热罐(HS)；下面详细介绍各设备的数学模型：1)PV模型光伏输出功率主要受太阳辐照度的影响，这与太阳的位置、光伏发电设备的地理位置和天气条件有关；一定时间段内的太阳辐照度近似为Beta分布，其概率密度函数为：式中，r表示实际光照辐照度，r
max
表示最大光照照度；Γ(
·
)为gramma函数；α、β为形状参数，可以根据一定时段内的光照强度的平均值μ和方差σ2来表示：来表示：光伏出力P
PV
与光照强度r的关系可表示为：P
PV
＝r
·
A
·
ρ式中，A表示光伏阵列的有效面积；ρ表示电池板光电转化率；结合上述公式，P
PV
的概率密度函数可以表示为：光伏，表示光伏输出功率最大值；2)WT模型风力发电的出力主要是由风能的大小决定，风电机组输出功率取决于风速和额定输出功率P
r
；常用Weibull分布来描述风速的随机性分布，风速的概率密度函数为：式中，v表示风力机叶轮轮毂处风速；k、c表示形状参数和尺度参数，k决定分布密度曲
线的基本形状，c起放大或缩小曲线的作用，但不影响分布的形状；为方便研究，将风机输出功率P
WT
与风速的关系近似线性化为：式中，v
in
表示切入风速；v
out
表示切出风速；v
r
表示额定风速；联立上述两个公式可以得到，P
WT
的概率密度函数可以表示为：3)CHP模型消耗天然气的热电联产机组产生的电能和热能通过一以下公式表示：消耗天然气的热电联产机组产生的电能和热能通过一以下公式表示：式中，P
CHP
(t)、Q
CHP
(t)分别表示CHP在t时段内产生的电能和热能；V
CHP,gas
(t)表示CHP在t时刻消耗的天然气量；q
gas
是天然气的热值；η
power
、η
loss
、η
transfer
分别表示发电效率，热损失率以及换热器的传输效率；Δt表示调度时间间隔；4)GB模型在时段t内，经过燃气锅炉燃烧天然气产生的热能为：Q
GB
(t)＝η
GB
·
V
GB,gas
(t)
·
q
gas
式中，η
GB
表示燃气锅炉燃烧效率；V
GB,gas
(t)表示燃气锅炉在时段t内消耗的天然气量；5)HB模型时段t内消耗电能产生的热能为Q
HB
(t)＝η
HB
·
P
HB
(t)式中，P
HB
(t)、Q
HB
(t)分别表示时段t内电锅炉消耗的电能和产生的热能；η
HB
表示电热锅炉转化效率；6)BT模型采用储能蓄电池将多余的电能进行储存，并在用能不足时及时输出储存的电能，以满足需求响应，其模型为：式中，E
BT
(t+1)为t+1时刻储能蓄电池存储电能的容量；μ
BT
表示自放电率；η
BT,ch
为储能蓄电池的充电效率；η
BT,disch
为储能蓄电池的放电效率；P
BT,ch
(t)为储能蓄电池t时刻的充电
功率；P
BT,disch
(t)为储能蓄电池t时刻的充电功率；7)HS模型采用储热罐将多余的热能进行储存，并在用能不足时及时输出储存的热能，其模型为：式中，E
HS
(t+1)为t+1时刻储热罐存储的容量；μ
HS
表示自放热率；η
HS,in
为储热罐的吸热效率；η
HS,out
为储热罐的放热效率；Q
HS,in
(t)为储热罐t时刻的吸热量；Q
HS,out
(t)为储热罐t时刻的放热量。3.根据权利要求1所述的基于改进樽海鞘群优化算法的园区综合能源系统配置方法，其特征在于，所述步骤S2中，建立电、热综合需求响应模型；(1)热负荷需求响应模型IES中的热负荷数学模型为：Q(t)＝c
·
V
W
·
[T1(t)
‑
T2(t)]式中，Q(t)表示t时段内的热负荷量；c表示水单位体积下的热容，取4.2
×
103J/m2℃；VW表示t时段热水用量；T1(t)表示供水温度，T2(t)表示回水温度；考虑到需要满足用户的供热舒适度，负荷在t时刻所吸收的热量应在一定的范围内，即满足一定的约束条件：Q
L,min
≤Q
L
(t)≤Q
L,max
另外，还必须确保在T
′
时段内热负荷所消耗的实际热量大小与用户需求的热量大小相同，即：式中，T
′
是调度周期中连续调度周期的最大次数；供水温度和回水温度也需要满足以下约束条件：T
1,min
≤T1(t)≤T
1,max
T
2,min
≤T2(t)≤T
2,max
(2)电负荷需求响应模型电负荷需求响应重点针对可转移负荷，其目标是使转移后得到的负荷曲线与目标负荷曲线的具有较高的吻合度，数学模型为：式中，T为调度周期；P
shift
(t)表示t时段转移的电负荷；P
obj
表示t时段的目标负荷；P
before
(t)为日前t时段调度负荷，包括刚性电负荷和可削减负荷削减量；P
in
(t)、P
out
(t)分别为t时段转入的负荷和转出的负荷；上述模型需满足的约束条件为：
4.根据权利要求1所述的基于改进樽海鞘群优化算法的园区综合能源系统配置方法，其特征在于，所述步骤S3中，根据设备模型和设备的容量构建目标函数，目标函数以CIES的运行成本最少为优化目标；CIES的运行成本由三个主要部分组成：购买电能、设备运行和调度响应成本；第一部分是热电联产机组和燃气锅炉燃烧天然气的成本和向电网购电成本；第二部分是各机组运维、启动和停机成本；第三部分是可转移负荷及时响应调度信号的成本；数学模型如下：mincost
total
＝cost
CHP
+cost
gas
+cost
grid
+cost
sb
+cost
shift
式中，cost
CHP
表示热电联产机组消耗天然气的成本；cost
gas
表示燃气锅炉消耗的天然气成本；cost
grid
表示向主电网购买电能所耗成本；cost
sb
表示设备维护和启停成本；cost
shift
表示调度信号发出后可转移负荷的响应成本；1)热电联产机组消耗天然气的成本式中，表示天然气价格；2)燃气锅炉消耗的天然气成本3)从主电网购买电能所耗费用式中，λ1(t)、λ2(t)分别表示分时电价和上网电价；P1(t)、P2(t)分别表示购电功率和上网功率；4)设备维护和启停成本式中，C
wh
表示各设备的维修费用系数；P
e
(t)表示各设备的输出功率；C
qt
表示设备起停费用系数；S
n

【专利技术属性】
技术研发人员：苗桂喜，王鑫，元亮，孙浩然，王继勇，连勇，王丽晔，孙大江，张庆文，刘远哲，王远，王琪，张芳，苏子乐，孙文强，
申请(专利权)人：国网河南省电力公司安阳供电公司，
类型：发明
国别省市：