基于区域收缩的综合能源系统容量规划方法及相关装置制造方法及图纸

本发明专利技术公开了一种基于区域收缩的综合能源系统容量规划方法及相关装置，包括：1)根据计算目标和边界条件初步确定搜索空间范围，初始化搜索空间(ABCD

【技术实现步骤摘要】
基于区域收缩的综合能源系统容量规划方法及相关装置


[0001]本专利技术属于综合能源系统规划
，涉及一种基于区域收缩的综合能源系统容量规划方法及相关装置。

技术介绍

[0002]全球变暖和化石能源日益枯竭成为可持续发展面临的重要挑战，加强可再生能源的开发与利用是减少温室气体排放和改善能源结构的重要对策。近年来，可再生能源的利用成本持续降低，风能和太阳能成为发展最快和最有前途的替代能源。但可再生能源的间歇性和波动性为其广泛利用增添了阻碍，因此与可再生能源结合的分布式综合能源系统逐步成为当前的研究热点。综合能源系统可以利用化石能源、可再生能源等多种能源载体的协同和优势互补，满足用户冷、热、电和气等多种能源需求，提高能源利用率，通过与可再生能源、储能部件等分布式能源结合，可以减少碳排放，进一步提高环境友好性。然而，综合能源系统的发展尚处于起步阶段，规划和调度优化等各种技术还不成熟，制约了综合能源系统的应用。
[0003]由于综合能源系统的多能耦合性，规划综合能源系统使其高效稳定地运行至关重要。综合能源系统的设计和规划不仅要满足技术经济性要求，还要考虑环境的影响。因此系统的规划设计是复杂的多目标优化问题，合适的方法和工具的选择显得尤为重要。根据算法类型可将多目标优化方法分为三类。
[0004]第一种方法是通常使用HOMER或RETScreen等商业软件计算得到所有满足约束条件的组件容量组合，优化目标为能源成本(cost of energy,COE)或净现值
[0005]成本(net present cost,NPC)。商业软件HOMER包含大量可再生能源的部件，可以满足综合能源系统的多样性配置，因此被最广泛使用。然而，商业软件工具有其难以克服的局限性，如HOMER采用简单的基于一阶线性方程的模型，且日平均形式的时间序列数据不能导入。此外，HOMER只能输入特定的容量(不是连续的容量范围)，在计算过程中最优的容量可能会被忽略。作为最简单和有效的方法，传统算法如线性规划算法和非线性规划算法，是解决多目标优化问题最早也是最直接的方法，较为精确和成熟。但线性规划法存在一个弊端是线性化后的问题不能很好的描述原先的非线性化问题。非线性规划法并不能处理微电网规划设计的高维度化问题，因此非线性规划法只能模拟一段具有代表性的时间来对原问题进行优化计算。随着优化技术的发展，智能算法如粒子群优化和遗传算法，被广泛应用于综合能源系统的规划优化过程。智能算法求解精度高，但也存在一些缺陷。例如遗传算法的编程实现较为复杂，交叉率、变化率等参数通常由经验决定，难以适应不同的优化任务。对于高维复杂问题，粒子群算法和遗传算法存在早熟收敛、收敛性能差和局部最优等问题。

技术实现思路

[0006]本专利技术的目的在于解决现有技术中的问题，提供一种基于区域收缩的综合能源系统容量规划方法及相关装置，针对互相影响的变量w和p求解问题，通过在合理取值范围内
随机产生w值计算得到该w值下的p值并进行排序，之后更新搜索空间使得的w取值范围逐渐收缩得到最优解。该方法可以加快收敛，防止局部最优，提高计算效率。
[0007]为了实现上述目的，本专利技术采用以下技术方案予以实现：
[0008]第一方面，本专利技术提供一种基于区域收缩的综合能源系统容量规划方法，包括以下步骤：
[0009]确定搜索空间范围，初始化搜索空间；
[0010]在搜索空间内随机选取一点作为常量进行计算；
[0011]重复随机选取坐标点进行计算，对所选取点计算得到的结果进行评价及排序；
[0012]依据较优一部分的结果重新设置搜索空间，直到达到所设定的运算次数或者优化结果之间的误差值小于设定值。
[0013]第二方面，本专利技术提供基于区域收缩的综合能源系统容量规划系统，包括：
[0014]初始化模块，用于确定搜索空间范围，初始化搜索空间；
[0015]随机取点模块，用于在搜索空间内随机选取一点作为常量进行计算；
[0016]评价及排序模块，用于重复随机选取坐标点进行计算，对所选取点计算得到的结果进行评价及排序；
[0017]结果判断模块，用于依据较优一部分的结果重新设置搜索空间，直到达到所设定的运算次数或者优化结果之间的误差值小于设定值。
[0018]第三方面，本专利技术提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
[0019]第四方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。
[0020]与现有技术相比，本专利技术具有以下有益效果：
[0021]本专利技术提供一种基于区域收缩原理的全局寻优方法，对于多约束多目标耦合的非线性化问题，设定搜索空间随机选取w值计算排序，通过不断更新搜索空间的边界，寻找搜索空间中的最优域。当样本数量足够大时便认为最终的最优域中最优的那点即为全局最优点。区别与其他群智能算法，本专利技术并不是对单个点使用寻优算子不断迭代的，而是将搜索空间作为迭代的基本单位的，可以有效提高计算速度，避免局部最优。
附图说明
[0022]为了更清楚的说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0023]图1为本专利技术方法的流程图。
[0024]图2为本专利技术方法原理示意图。
[0025]图3为本专利技术系统的原理图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0027]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0029]在本专利技术实施例的描述中，需要说明的是，若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于区域收缩的综合能源系统容量规划方法，其特征在于，包括以下步骤：确定搜索空间范围，初始化搜索空间；在搜索空间内随机选取一点作为常量进行计算；重复随机选取坐标点进行计算，对所选取点计算得到的结果进行评价及排序；依据较优一部分的结果重新设置搜索空间，直到达到所设定的运算次数或者优化结果之间的误差值小于设定值。2.根据权利要求1所述的基于区域收缩的综合能源系统容量规划方法，其特征在于，所述确定搜索空间范围，初始化搜索空间，包括：初始化取值范围，针对两个互相相互影响的变量w和变量p，建立搜索空间W
space
，各个点的坐标代表变量w的各个元素。3.根据权利要求1所述的基于区域收缩的综合能源系统容量规划方法，其特征在于，所述在搜索空间内随机选取一点作为常量进行计算，包括：在搜索空间W
space
内随机选取一组变量w(x0,y0,z0)的值作为常量，并在此基础上求解得到变量p；。4.根据权利要求2或3所述的基于区域收缩的综合能源系统容量规划方法，其特征在于，所述变量w为多维向量，其维度等于计算目标的数量，包含计算优化目标所需的元素。5.根据权利要求2或3所述的基于区域收缩的综合能源系统容量规划方法，其特征在于，所述重复随机选取坐标点进行计算，对所选取点计算得到的结果进行评价及排序，包括：在搜索空间内不断随机选取多组变量w进行计算，计算得到的结果加入结果库C
pool
中，并根据设定条件进行排序；采用对搜索空间动态离散化的方法将连续的搜索空间转化成N
node
个离散的点；通过设置分布因子r
g
来控制在原连续空间中取点的分布情况；搜索空间的离散过程为：离散过程为：离散过程为：离散过程为：其中，w
i
(k)为为在空间离散过程中，第k组离散变量，k＝3,
…
,N
node
，为离散变量组下限，为离散变量组上限，s为离散尺度，r
g
为分布因子，N
node
为离散数据点的数量。6.根据权利要求5所述的基于区域收缩的综合能源系统容量规划方法，其特征在于，所述依据较优一部分的结果重新设置搜索空间，直到达到所设定的运算次数或者优化结果之间的误差值小于设定值，包括：
结果库C
pool
中变量w每增加N
u
个时，根据较优的部分结果将对变量w的搜索空间W
space
...

【专利技术属性】
技术研发人员：张兄文，夏俊杰，郑磊，蒋世用，
申请(专利权)人：格力钛新能源股份有限公司，
类型：发明
国别省市：