【技术实现步骤摘要】
本专利技术属于智慧能源，尤其涉及一种基于eh和熔盐储能的热电联产优化调度方法及介质。
技术介绍
1、风力发电是除水力发电外目前技术最成熟、发电成本最低的可再生能源发电形式。我国风电市场发展迅猛，预计到2030年底累计装机容量将会达到1.8亿千瓦左右，风电将提供全国电能的11％以上。但是，由于风电出力具有随机性和波动性，导致风电可控性和可调度性极差，容易引发弃风问题，并且随着高比例风电直接并网，对热电联产机组的负荷调度提出了新的要求，因此利用熔盐储能以及电加热装置(electric heater，eh)对热电联产机组的负荷进行平滑也应运而生。
2、为了满足包含熔盐储能、电加热装置的热电联产机组的负荷的优化调度，一般来说均是通过对热负荷和电负荷的预测，在此基础上以热电联产机组的稳定运行为约束条件，对热电联产机组的热负荷和电负荷进行调节，但是却存在一下技术问题：
3、未考虑电负荷的冗余储备，与热负荷相比，电负荷的随机性更大，而且在调峰时单位电负荷的收益与正常相比，单位负荷的收益更大，因此若不能进行电负荷的冗余储备，不仅会使得热电联产机组的负荷波动情况较大，对于设备的寿命和安全性有一定程度的影响，而且经济型也较差。
4、针对上述技术问题，本专利技术提供了一种基于eh和熔盐储能的热电联产优化调度方法。
技术实现思路
1、为实现本专利技术目的，本专利技术采用如下技术方案：
2、根据本专利技术的一个方面，提供了一种基于eh和熔盐储能的热电联产优化调
3、一种基于eh和熔盐储能的热电联产优化调度方法，其特征在于，具体包括：
4、s11构建热负荷预测结果，以所述热负荷预测结果为基础，基于热电联产机组的负荷约束、熔盐储能系统的最大储热量为约束条件，得到与所述热负荷预测结果相对应的最大电负荷；
5、s12构建电负荷预测结果，以所述最大电负荷和eh的功率为约束条件，并基于agc调峰收益、调峰概率、机组单位负荷耗煤量节省收益、平均agc电负荷调节负荷量收益为基础构建电负荷冗余量；
6、s13基于所述电负荷冗余量以及所述电负荷预测结果构建电负荷调节目标，以所述热负荷预测结果为基础构建热负荷调节目标；
7、s14以所述电负荷调节目标和热负荷调节目标为基础，生成调节策略，对所述热电联产机组的电负荷、热负荷、eh、熔盐储能系统进行调节。
8、通过最大电负荷的确定，从而防止进行电负荷冗余量的确定时超过机组的最大能力，从而也保证了最终的调节结果能够满足机组运行稳定可靠性的需要，也具有较好的操作性。
9、通过基于agc调峰收益、调峰概率、机组单位负荷耗煤量节省收益、平均agc电负荷调节负荷量收益为基础构建电负荷冗余量，不仅仅考虑到了收益，同时也考虑到了调峰概率，从而使得机组的调峰灵活性和机动性进一步的提升，同时也降低了机组负荷的波动性，提升了机组的经济效益。
10、通过以所述电负荷调节目标和热负荷调节目标为基础，生成调节策略，对所述热电联产机组的电负荷、热负荷、eh、熔盐储能系统进行调节，从而能够充分发挥不同系统的优势和作用，进一步保证了机组运行的稳定性和可靠性。
11、进一步的技术方案在于，热负荷预测结果构建的具体步骤为：
12、s21以最低温度、降雪量、热网平均损耗为输入量，采用基于智能算法的损耗预测模型，得到热网损耗量；
13、s22以平均温度、最低温度、降雪量、风速为输入量，基于svr算法构建舒适度预测模型，得到体感舒适度，判断所述体感舒适度是否大于第一舒适度阈值，若是，则进入步骤s23，若否，则以前日供热负荷、平均温度、最低温度、降雪量、风速为基础，采用基于abc-gru算法的基础热负荷预测模型，得到所述基础热负荷预测结果，并直接进入步骤s24；
14、s23以体感舒适度、前日供热负荷、平均温度、最低温度、降雪量、风速为基础，采用基于abc-gru算法的热负荷预测模型，得到所述基础热负荷预测结果；
15、s24基于热用户投诉量、热网损耗量，对所述基础热负荷预测结果进行修正，得到所述热负荷预测结果。
16、通过体感舒适度以及第一舒适度阈值的构建，从而使得基础热负荷预测结果能够与居民的体感舒适度连接在一起，使得基础热负荷预测结果能够更加准确的反应实际的热负荷需求，从而使得预测结果变得更加的准确。
17、通过基于abc-gru算法实现对热负荷预测模型的构建，从而结合了gru算法的参数量少,减少过拟合的风险的优势，并集合abc算法的在数值优化的优势，使得预测结果变得效率更高。
18、通过热用户投诉量、热网损耗量，对所述基础热负荷预测结果进行修正，得到所述热负荷预测结果，从而不仅仅考虑到热负荷的需求，更进一步与用户的反馈以及热网损耗量结合在一起，从而进一步促进了热负荷的准确性，同时也提升了用户的体验度。
19、进一步的技术方案在于，其中所述abc算法的蜜源的初始化的计算公式为：
20、
21、其中，为第i个解的第j维；为第j维解空间的上下限；rij为[0,1]内的随机数，np为蜜源的数量，d为可行解空间的维数；
22、蜜源的质量用潜在解的适应度表示，计算公式为：
23、
24、式中，fiti为第i个蜜源的适应度值；fi为待优化问题的目标函数值；
25、一个蜜源需要对应一个引领蜂，引领蜂根据下式在蜜源附近随机搜索以保证蜂群的多样性：
26、
27、式中，vij为第i个蜜源xi生成的可能解vi的第j维；为[－1,1]内的随机数；
28、以最小化的优化问题为例，蜜源与可能解之间通过贪婪选择确定迭代方向，即
29、
30、在跟随蜂阶段，跟随蜂根据选择概率来选择蜜源，并对蜜源附近进行搜索。概率选择公式为：
31、
32、在标准的abc算法中，引领蜂与跟随蜂都是对蜜源进行随机搜索，该搜索策略保证了abc算法良好的全局探索性，但是局部探索能力却不足，针对这种不足，改用下式的搜索策略：
33、
34、式中，β为属于[0,1.5]之间满足均匀分布的随机数；为全局的最优解；cr为交叉系数；v′ij为产生的新解；
35、改进型的选择概率的计算公式为：
36、
37、式中，max(fiti)为蜜源适应度的最大值，k3为常数。
38、进一步的技术方案在于，所述热负荷预测结果的计算公式为：
39、
40、其中pj为基础热负荷预测结果，ps为热网损耗量，t为投诉量，tmax为根据投诉量的最大值，具体的根据历史投诉量确定，k1、k2为常数。
41、进一步的技术方案在于，构建电负荷冗余量的具体步骤为：
42、s31基于体感舒适度、前日电负荷、平均温度、最低温度、降雪量、风速为本文档来自技高网...
【技术保护点】
1.一种基于EH和熔盐储能的热电联产优化调度方法，其特征在于，具体包括：
2.如权利要求1所述的基于EH和熔盐储能的热电联产优化调度方法，其特征在于，热负荷预测结果构建的具体步骤为：
3.如权利要求1所述的基于EH和熔盐储能的热电联产优化调度方法，其特征在于，其中所述ABC算法的蜜源的初始化的计算公式为：
4.如权利要求2所述的基于EH和熔盐储能的热电联产优化调度方法，其特征在于，所述热负荷预测结果的计算公式为：
5.如权利要求1所述的基于EH和熔盐储能的热电联产优化调度方法，其特征在于，构建电负荷冗余量的具体步骤为：
6.如权利要求1所述的基于EH和熔盐储能的热电联产优化调度方法，其特征在于，所述电负荷冗余量的计算公式为：
7.如权利要求1所述的基于EH和熔盐储能的热电联产优化调度方法，其特征在于，根据平均温度、最低温度、降雪量、风速构建相似日模型，根据所述相似日模型确定近一年内的天气相似度大于第一相似阈值的相似天数，根据相似天数中调峰的天数数量与所述相似天数的比值确定调峰概率。
8.如权利要求
9.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-8任意一项所述的一种基于EH和熔盐储能的热电联产优化调度方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施权利要求1-8任意一项所述的一种基于EH和熔盐储能的热电联产优化调度方法。
...【技术特征摘要】
1.一种基于eh和熔盐储能的热电联产优化调度方法，其特征在于，具体包括：
2.如权利要求1所述的基于eh和熔盐储能的热电联产优化调度方法，其特征在于，热负荷预测结果构建的具体步骤为：
3.如权利要求1所述的基于eh和熔盐储能的热电联产优化调度方法，其特征在于，其中所述abc算法的蜜源的初始化的计算公式为：
4.如权利要求2所述的基于eh和熔盐储能的热电联产优化调度方法，其特征在于，所述热负荷预测结果的计算公式为：
5.如权利要求1所述的基于eh和熔盐储能的热电联产优化调度方法，其特征在于，构建电负荷冗余量的具体步骤为：
6.如权利要求1所述的基于eh和熔盐储能的热电联产优化调度方法，其特征在于，所述电负荷冗余量的计算公式为：
7.如权利要求1所述的基于e...
【专利技术属性】
技术研发人员：付强，李曼洁，
申请(专利权)人：浙江英集动力科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。