多能聯(lián)供型綜合能源優(yōu)化研究

康智韜 李世博 周虎

摘要：為減少單一用電、耗氣成本，提高能源利用效率，建立滿足電熱冷負(fù)荷的綜合能源系統(tǒng)。針對(duì)傳統(tǒng)粒子群算法容易陷入局部最優(yōu)的問(wèn)題，將慣性權(quán)重進(jìn)行改進(jìn)，并對(duì)建立的綜合能源系統(tǒng)求解，分析表明改進(jìn)后的粒子群算法具有更好的尋優(yōu)能力，采用綜合能源系統(tǒng)能有效減少綜合用能成本。

關(guān)鍵詞：綜合能源;粒子群算法;節(jié)能;尋優(yōu)

Abstract：Single to reduce electricity and gas consumption， improve the efficiency of energy utilization， set up the comprehensive energy system meet the cooling load，heat load and electrical load.In order to solve the problem of the traditional particle swarm optimization algorithm easy to fall into local optimum， the inertia weight in particle swarm optimization algorithm was improved， It is used to solve the establish integrated energy system. The results show that the improved particle swarm algorithm has better optimization ability， using the integrated energy system can effectively reduce comprehensive energy costs.

Keyword：integrated energy system;particle swarm optimization; energy conservation; optimizing.

1引言

當(dāng)前，我國(guó)正處于能源轉(zhuǎn)型的關(guān)鍵時(shí)期，企業(yè)能源利用率低，用能成本高等問(wèn)題十分突出[1]。在我國(guó)，制造業(yè)占能源消費(fèi)比重較高，能源成本消耗量?jī)H次于人工成本。傳統(tǒng)的能源供應(yīng)子系統(tǒng)相對(duì)獨(dú)立，醫(yī)院、熱力公司等煤炭銷售商各自為戰(zhàn)，促使總體規(guī)劃建設(shè)運(yùn)營(yíng)等缺少協(xié)調(diào)以及優(yōu)化。目前采取綜合能源的方式能有效縮短能源連、減少用能成本[2]。

部分專家學(xué)者吸取對(duì)微電網(wǎng)的控制理論以及調(diào)度理論，開(kāi)展綜合煤炭子系統(tǒng)的運(yùn)行優(yōu)化研究[3]。但通常研究的對(duì)象還是以傳統(tǒng)能源設(shè)備為主要節(jié)能手段，或者在電力系統(tǒng)中加入風(fēng)、光等可再生能源，沒(méi)有對(duì)以新能源與可再生能源為主的供能系統(tǒng)進(jìn)行過(guò)多研究[4]。因此，針對(duì)以綜合能源系統(tǒng)的基礎(chǔ)上建立數(shù)學(xué)優(yōu)化模型，并采用改進(jìn)后的粒子群算法，進(jìn)而得到系統(tǒng)經(jīng)濟(jì)性最優(yōu)情況下的用能策略[5]。

2綜合能源系統(tǒng)建模

綜合能源系統(tǒng)由光伏機(jī)組、風(fēng)能機(jī)組、內(nèi)燃機(jī)、燃?xì)忮仩t、燃?xì)廨啓C(jī)、電制冷及、吸收式制冷機(jī)、熱交換器構(gòu)成。系統(tǒng)結(jié)構(gòu)如下圖所示[6]。

3粒子群的簡(jiǎn)介

粒子群優(yōu)化算法屬于計(jì)算機(jī)智能控制領(lǐng)域，是一種群體優(yōu)化智能的優(yōu)化算法，該算法的研究來(lái)源于對(duì)鳥(niǎo)類捕食問(wèn)題探討。其基礎(chǔ)思想：一群鳥(niǎo)在已知的區(qū)域里隨機(jī)搜索可能的食物，并且這塊區(qū)域有且只有一塊食物;食物在哪是未知的;但是鳥(niǎo)類能感受到離食物還有多遠(yuǎn)。那么尋找到食物的最優(yōu)策略便是如下所示[9]：

1.找到哪個(gè)區(qū)域離食物最近。

2.依據(jù)鳥(niǎo)類飛行的經(jīng)驗(yàn)判斷食物的位置所在。

粒子群算法先初始化一群粒子在可行解空間中，每個(gè)粒子所處位置都有可能是最優(yōu)解，該粒子特征用位置、速度和適應(yīng)度值來(lái)表示。通過(guò)對(duì)Pbest和Gbest更新迭代后的個(gè)體位置，其中Pbest是指?jìng)€(gè)體適應(yīng)度值最優(yōu)位置，Gbest是指種群中的適應(yīng)度最優(yōu)位置。粒子每完成一次迭代，就計(jì)算一次適應(yīng)度函數(shù)，并且更新最優(yōu)個(gè)體極值和最優(yōu)群體極值位置。

4算例分析

4.1基礎(chǔ)數(shù)據(jù)

本文案例在文獻(xiàn)[8]基礎(chǔ)上進(jìn)行改進(jìn)，實(shí)現(xiàn)綜合能源系統(tǒng)優(yōu)化調(diào)度分析。以24h為調(diào)度周期，單位調(diào)度時(shí)長(zhǎng)為1h，峰時(shí)電價(jià)為0.5583元每度電，谷時(shí)電價(jià)為0.3583元每度電，以0.3780元每度電賣給電網(wǎng)。天燃?xì)獾膯蝺r(jià)為0.1750元每平方。在未進(jìn)行綜合能源系統(tǒng)之前，電負(fù)荷全部由電網(wǎng)配電提供，冷負(fù)荷由電制冷機(jī)提供，熱負(fù)荷由天燃?xì)饨?jīng)過(guò)熱轉(zhuǎn)換器提供。某區(qū)域一天的預(yù)測(cè)負(fù)荷如下圖所示：

光伏機(jī)組和風(fēng)能機(jī)組產(chǎn)生的電量先賣給電網(wǎng)，再將電量輸送給電負(fù)荷。其發(fā)電產(chǎn)生的功率如下圖所示：

4.2仿真結(jié)果

為減少誤差將粒子的最大種群數(shù)調(diào)整為300，最大迭代次數(shù)為800。將改進(jìn)后的粒子群算法進(jìn)行多次仿真，并與未改進(jìn)的粒子群算法進(jìn)行比較其迭代收斂曲線如下圖所示：

通過(guò)matlab仿真計(jì)算得出系統(tǒng)優(yōu)化前的成本為7536元一天，優(yōu)化后的成本為3696元一天。其余各機(jī)組出力情況如下圖所示：

5結(jié)論

建立綜合能源系統(tǒng)優(yōu)化模型，通過(guò)改進(jìn)后的粒子群算法經(jīng)過(guò)仿真后計(jì)算出以綜合能源系統(tǒng)的用能成本比單一用電用氣成本更低，運(yùn)算更穩(wěn)定。為之后的綜合能源系統(tǒng)運(yùn)行和規(guī)劃提供了基礎(chǔ)。

參考文獻(xiàn)

[1]鄒玙琦，楊國(guó)華，鄭豪豐，等.基于改進(jìn)小生境PSO算法的綜合能源系統(tǒng)調(diào)度[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2020;32（7）;47-52，60.

[2]孫強(qiáng)，謝典，聶青云，等.含電-熱-冷-氣負(fù)荷的園區(qū)綜合能源系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度研究[J].中國(guó)電力，2020，53（4）：79-88

[3]高彬，劉勇，劉育辰.區(qū)域分布式“多能互補(bǔ)”能源系統(tǒng)方案綜合評(píng)價(jià)[J].智能城市，2019，5（15）：1-4.

[4]王成山，洪博文，郭力，等.冷熱電聯(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（31）：26-33.

[5]姚鋼，李琳，周荔丹，等.城市居民區(qū)的綜合能源利用綜述[J].現(xiàn)代電力，2020，37（01）：152-162.

[6]Zhang M， Wu Q， Wen J， et al. Optimal operation of integrated electricity and heat system： A review of modeling and solution methods[J]. Renewable and Sustainable Energy Reviews， 2020， 135： 110098.在圖片那邊

[7]Jiang T， Min Y， Zhou G， et al. Hierarchical dispatch method for integrated heat and power systems considering the heat transfer process[J]. Renewable and Sustainable Energy Reviews， 135： 110412.在模型那邊

[8]陶靜，徐武，李逸琳，霍藝文，張恩睦.基于多目標(biāo)算法的冷熱電聯(lián)供型綜合能源系統(tǒng)運(yùn)行優(yōu)化[J].科學(xué)技術(shù)與工程，2019，19（33）：200-205.引言那邊

[9]李星晨.自適應(yīng)邊界范圍粒子群優(yōu)化算法[J].科技經(jīng)濟(jì)導(dǎo)刊，2020， 28（34）：10-11.粒子群那邊

[10]樊偉萍，李秦.改進(jìn)慣性權(quán)重的粒子群優(yōu)化算法[J].河西學(xué)院學(xué)報(bào)，2020，36（05）：32-37.改進(jìn)那邊

[11]Ahmed G， Sheltami T， Mahmoud A， et al. IoD swarms collision avoidance via improved particle swarm optimization[J]. Transportation Research Part A： Policy and Practice， 2020， 142： 260-278.改進(jìn)那邊

基金項(xiàng)目

教育部學(xué)校綠色發(fā)展研究基金項(xiàng)目（LSFZ1601）

作者簡(jiǎn)介

康智韜，男，研究生。Tel：18816236771，E-mail：609669577@qq.com。