基于改進(jìn)旗魚算法的綜合能源系統(tǒng)能量管理

張政林，張惠娟，孫文治，李玲玲

基于改進(jìn)旗魚算法的綜合能源系統(tǒng)能量管理

張政林，張惠娟，孫文治，李玲玲

(省部共建電工裝備可靠性與智能化國家重點(diǎn)實(shí)驗(yàn)室(河北工業(yè)大學(xué))，天津 300130)

綜合能源系統(tǒng)在實(shí)現(xiàn)可再生能源利用中具有重要價(jià)值。為使系統(tǒng)中各設(shè)備出力得到進(jìn)一步優(yōu)化，將生物質(zhì)能與綜合能源系統(tǒng)相結(jié)合，并且將各個(gè)時(shí)刻的柔性負(fù)荷納入能量調(diào)度，構(gòu)建了一種沼氣發(fā)電系統(tǒng)、光伏發(fā)電系統(tǒng)與微型燃?xì)廨啓C(jī)驅(qū)動(dòng)下的源-儲(chǔ)-荷協(xié)同多目標(biāo)能量管理模型。以系統(tǒng)與主電網(wǎng)的交互及燃料費(fèi)用、懲罰費(fèi)用和設(shè)備投資及運(yùn)行費(fèi)用為優(yōu)化目標(biāo)，以用戶綜合用能滿意度、新能源利用率和電能自治程度為評(píng)價(jià)指標(biāo)，求解模型最優(yōu)配置。利用非線性攻擊方式、差分變異策略、哈里斯鷹算法中的軟包圍策略及防止算法停滯策略來改善旗魚算法的全局搜索能力。通過算例對(duì)比分析表明，所提出的改進(jìn)算法和能量管理模型在不同場景下均有效地提高了經(jīng)濟(jì)效益和環(huán)保效益，并且改進(jìn)旗魚算法在全局尋優(yōu)和搜索精度等方面具有優(yōu)勢。

綜合能源系統(tǒng)；能量管理模型；旗魚算法；運(yùn)行策略；生物質(zhì)能

0 引言

近年來，隨著工業(yè)化進(jìn)程的不斷推進(jìn)以及社會(huì)經(jīng)濟(jì)的快速發(fā)展，用于制冷、制熱以及供電時(shí)所消耗的能源增加，傳統(tǒng)化石能源的逐漸短缺，因此需要對(duì)供能系統(tǒng)和能源結(jié)構(gòu)做出優(yōu)化[1-3]。相比較于傳統(tǒng)單一的能源供應(yīng)系統(tǒng)，綜合能源系統(tǒng)(integrated energy system, IES)憑借其可再生能源利用率高、運(yùn)行控制靈活以及對(duì)環(huán)境污染小等特點(diǎn)[4-7]，有效地將分布式電源和儲(chǔ)能設(shè)備及負(fù)荷用戶整合為一體，提高系統(tǒng)的經(jīng)濟(jì)性、環(huán)保性和多樣性，正成為當(dāng)前國內(nèi)外解決區(qū)域型供能問題和系統(tǒng)集成多樣化問題的重要措施[8-15]。生物質(zhì)能的優(yōu)點(diǎn)在于清潔低碳、替代性好以及材料來源豐富，在沼氣發(fā)電等方面具有廣闊的發(fā)展前景[16]。

基于綜合能源系統(tǒng)的優(yōu)化調(diào)度和運(yùn)行策略，文獻(xiàn)[17]使用改進(jìn)多目標(biāo)灰狼優(yōu)化算法對(duì)冷熱電系統(tǒng)進(jìn)行求解。文獻(xiàn)[18]提出了一種基于可能度的冷熱電系統(tǒng)微網(wǎng)區(qū)間優(yōu)化調(diào)度模型，實(shí)現(xiàn)其經(jīng)濟(jì)和環(huán)保效益。文獻(xiàn)[19]提出了一種基于冷熱電三聯(lián)產(chǎn)設(shè)施的氣電互聯(lián)網(wǎng)絡(luò)多目標(biāo)優(yōu)化模型，并使用NASA-II算法進(jìn)行求解。文獻(xiàn)[20-25]研究了源-荷互動(dòng)調(diào)度策略和需求側(cè)響應(yīng)策略在能量管理中的可行性，為負(fù)荷響應(yīng)調(diào)度出力技術(shù)的發(fā)展作出實(shí)踐參考。

現(xiàn)有的文獻(xiàn)在模型求解中應(yīng)用算法較為單一，結(jié)果可能導(dǎo)致其在綜合能源系統(tǒng)能量優(yōu)化管理中的全局搜索能力和尋優(yōu)能力欠缺，且大多從綜合能源系統(tǒng)的經(jīng)濟(jì)效益最大化等角度進(jìn)行分析，對(duì)生物質(zhì)能的考慮較少，對(duì)沼氣發(fā)電余熱回收再利用的研究較少，柔性負(fù)荷參與系統(tǒng)調(diào)度的方式不夠靈活。因此，本文采用一種改進(jìn)旗魚算法(improved sailed fish optimizer, ISFO)對(duì)系統(tǒng)模型進(jìn)行最優(yōu)求解，將生物質(zhì)能與沼氣發(fā)電技術(shù)結(jié)合應(yīng)用到綜合能源系統(tǒng)中，并且把柔性負(fù)荷納入系統(tǒng)經(jīng)濟(jì)調(diào)度范圍，在保障冷熱電負(fù)荷需求的同時(shí)，利用生物質(zhì)能帶來的電能和熱能。以設(shè)備出力為優(yōu)化變量進(jìn)行最優(yōu)配置，通過算例分析證明基于改進(jìn)旗魚算法的綜合能源系統(tǒng)具有良好的可行性，以及生物質(zhì)能對(duì)綜合能源系統(tǒng)的未來發(fā)展具有重要意義。

1 含生物質(zhì)能的綜合能源系統(tǒng)

含生物質(zhì)能的綜合能源系統(tǒng)結(jié)構(gòu)框架如圖1所示，其主要設(shè)備包括光伏發(fā)電系統(tǒng)、沼氣發(fā)電系統(tǒng)、微型燃?xì)廨啓C(jī)、吸附式制冷機(jī)以及儲(chǔ)能裝置等。

圖1 綜合能源系統(tǒng)結(jié)構(gòu)

2 綜合能源系統(tǒng)能量管理模型

2.1 目標(biāo)函數(shù)

文獻(xiàn)[26]考慮了一種結(jié)合單日系統(tǒng)運(yùn)行成本、污染物排放和一次能源利用率3個(gè)指標(biāo)的多目標(biāo)優(yōu)化模型，利用線性加權(quán)法構(gòu)建目標(biāo)函數(shù)。本文在此基礎(chǔ)上，選取一天時(shí)間為研究周期，以電網(wǎng)交互及燃料費(fèi)用、懲罰費(fèi)用、設(shè)備投資及運(yùn)行費(fèi)用為目標(biāo)函數(shù)，構(gòu)建多目標(biāo)能量管理模型。

2.1.1交互及燃料費(fèi)用

2.1.2 懲罰費(fèi)用

微型燃?xì)廨啓C(jī)、燃?xì)忮仩t、吸附式制冷機(jī)運(yùn)行時(shí)以及與主電網(wǎng)交互電能過程均會(huì)消耗化石能源，并產(chǎn)生一定量的碳化物、硫化物和氮化物等廢氣污染物，處理這些污染物所需要的費(fèi)用即為環(huán)境污染懲罰費(fèi)用，如式(5)所示。

2.1.3設(shè)備投資及運(yùn)行費(fèi)用

2.2 評(píng)價(jià)指標(biāo)

2.2.1綜合用能滿意度

引入柔性負(fù)荷參與系統(tǒng)的能量調(diào)節(jié)過程，由冷/熱負(fù)荷的削減量和電負(fù)荷的轉(zhuǎn)移量所導(dǎo)致系統(tǒng)無法滿足負(fù)荷需求，本文通過負(fù)荷用戶的綜合用能滿意度()對(duì)系統(tǒng)的供能情況進(jìn)行評(píng)價(jià)。

2.2.2新能源利用率

考慮到綜合能源系統(tǒng)中新能源設(shè)備出力的占比低，采用新能源利用率()對(duì)光伏發(fā)電量、沼氣系統(tǒng)的發(fā)電及余熱量在綜合能量中所占比重進(jìn)行評(píng)價(jià)。

2.2.3電能自治率

負(fù)荷用戶對(duì)電的需求通常大于對(duì)冷/熱負(fù)荷的需求，冷/熱功率通過系統(tǒng)內(nèi)部設(shè)備產(chǎn)能提供，當(dāng)系統(tǒng)中設(shè)備的發(fā)電量不能滿足電負(fù)荷需求時(shí)，通過向主電網(wǎng)購電來補(bǔ)償，采用電能自治率()對(duì)系統(tǒng)發(fā)電量在電負(fù)荷中的占比進(jìn)行評(píng)價(jià)。

2.3 約束條件

2.3.1平衡約束

負(fù)荷平衡需要滿足冷、熱、電3種負(fù)荷下的平衡約束，具體約束的表達(dá)式如式(16)、式(17)所示。

2.3.2儲(chǔ)能設(shè)備約束

蓄電池和蓄熱槽的非線性約束表達(dá)式如式(18)和式(19)所示，max和min分別對(duì)應(yīng)設(shè)備的上下限約束。

2.3.3產(chǎn)能設(shè)備約束

燃?xì)廨啓C(jī)、燃料鍋爐、余熱鍋爐的出力約束為

吸收式制冷機(jī)和電制冷機(jī)的出力約束為

2.3.4柔性負(fù)荷約束

對(duì)于柔性負(fù)荷的轉(zhuǎn)移量和削減量的上下限，通過各時(shí)刻的負(fù)荷值進(jìn)行約束。

2.3.5聯(lián)絡(luò)功率約束

2.4 多目標(biāo)判斷矩陣

根據(jù)層析分析法[27]的標(biāo)準(zhǔn)標(biāo)度方法可得準(zhǔn)則層對(duì)于目標(biāo)層的判斷矩陣為

3 算法

3.1 標(biāo)準(zhǔn)的旗魚算法

旗魚算法(sailed fish optimizer, SFO)是一種新型的優(yōu)化算法，具有尋優(yōu)能力強(qiáng)，收斂速度快的優(yōu)點(diǎn)。SFO算法通過模擬旗魚種群捕食沙丁魚群的動(dòng)態(tài)過程來探索問題的最優(yōu)解。旗魚種群首先對(duì)沙丁魚種群當(dāng)前位置進(jìn)行搜索圍獵，沙丁魚群不停地探索安全空間進(jìn)而改變空間位置來擺脫旗魚種群的圍捕。

3.1.1旗魚位置更新方式

3.1.2沙丁魚位置更新方式

沙丁魚的位置更新方式分為兩種：第一種是種群中每一個(gè)體均進(jìn)行位置更新；第二種是種群中部分個(gè)體進(jìn)行位置更新。通過旗魚的攻擊力度(AP)來判斷沙丁魚種群的更新方式，隨著迭代過程的進(jìn)行，AP線性減小到0。當(dāng)＞ 0.5時(shí)，更新全部沙丁魚的位置；當(dāng)≤ 0.5時(shí)，更新部分沙丁魚的位置。

3.1.3狩獵的最后階段

在旗魚群狩獵沙丁魚群最后階段，如果沙丁魚的位置比旗魚優(yōu)越，沙丁魚將被賦值給對(duì)應(yīng)的旗魚，并且被移除。

3.2 改進(jìn)旗魚算法

本文采用以下策略來改善SFO算法性能。第一，針對(duì)旗魚的攻擊力度，提出了一種非線性變化公式，用來平衡算法的全局搜索和局部搜索；第二，把沙丁魚群局部搜索與差分變異相結(jié)合，提高沙丁魚群局部搜索時(shí)的種群性能；第三，受傷的沙丁魚位置被旗魚取代，取代位置的沙丁魚將哈里斯鷹算法(harris hawks optimization, HHO)中漸進(jìn)式快速俯沖的軟包圍第二種策略作為探索新位置方式；第四，當(dāng)算法陷入停滯時(shí)，旗魚種群中代表次優(yōu)解的旗魚會(huì)隨機(jī)探索新的位置，幫助算法跳出局部最優(yōu)解。

3.2.1非線性攻擊力度

在標(biāo)準(zhǔn)SFO算法中，利用旗魚的攻擊力度AP控制沙丁魚群的更新策略，算法由全局搜索過渡到局部搜索。在整個(gè)迭代過程，AP由2線性減小到0，到迭代后期算法全局搜索能力較差，易陷入局部最優(yōu)，采用AP非線性減小策略，使算法到迭代后期仍然具備跳出局部最優(yōu)進(jìn)行全局搜索的能力。

以迭代次數(shù)為200次為試驗(yàn)數(shù)據(jù)，驗(yàn)證在整個(gè)迭代過程中AP的變化情況，其結(jié)果如圖2所示。

圖2 旗魚的攻擊力度

從圖2可知，在迭代前期，AP比原AP下降速度快，加快了算法探索最優(yōu)解的速度；迭代中期，AP變化平緩，全局搜索能力下降，局部搜索能力上升；迭代后期，AP比原AP大，增強(qiáng)算法后期的全局搜索能力，防止算法陷入局部最優(yōu)解。

3.2.2 差分變異操作

為了提高沙丁魚群局部搜索的能力，引入差分變異操作，增加種群的多樣性，提高算法全局探索能力。

3.2.3漸進(jìn)式快速俯沖的軟包圍

旗魚捕食沙丁魚之后，沙丁魚結(jié)合HHO算法中哈里斯鷹探索最優(yōu)解的方法探索新的位置。

式中：、為[0,1]均勻分布的隨機(jī)數(shù)；是取值為1.5的常數(shù)。

3.2.4 跳出停滯策略

在算法迭代尋優(yōu)過程中，比較連續(xù)兩次迭代的適應(yīng)度值，判斷算法是否陷入停滯，當(dāng)算法陷入停滯時(shí)，對(duì)次優(yōu)旗魚個(gè)體進(jìn)行隨機(jī)搜索位置信息，增強(qiáng)旗魚種群的差異度，幫助算法跳出局部最優(yōu)解。

ISFO算法的工作流程框圖如圖3所示。

圖3 ISFO算法運(yùn)算流程圖

4 算例分析

本文選取某地區(qū)夏季和冬季典型日時(shí)的負(fù)荷數(shù)據(jù)對(duì)能量管理模型進(jìn)行測試。綜合能源系統(tǒng)中各設(shè)備參數(shù)如表1所示，且儲(chǔ)能系統(tǒng)的最大、最小剩余容量分別為額定容量的10%和90%，蓄電池的充放電效率均取90%，設(shè)備折舊系數(shù)均為0.08，其余設(shè)備參數(shù)和電能價(jià)格參考文獻(xiàn)[28]。各污染物處理單價(jià)分別為0.210、0.014、0.063元/g，排放系數(shù)如表2所示，配電網(wǎng)的分時(shí)電價(jià)表如表3所示。

表1 綜合能源系統(tǒng)性能參數(shù)

表2 污染物排放系數(shù)

表3 分時(shí)電價(jià)

4.1 柔性負(fù)荷響應(yīng)調(diào)度

兩種典型日時(shí)3種負(fù)荷功率曲線以及柔性負(fù)荷相應(yīng)調(diào)度結(jié)果分別如圖4和圖5所示，圖中標(biāo)注含義參考式(16)。

如圖4和圖5所示，虛線代表柔性負(fù)荷未參與調(diào)度時(shí)的負(fù)荷曲線。實(shí)線代表柔性負(fù)荷參與調(diào)度之后的負(fù)荷曲線。由表3可知，00：00—06：00和22：00—24：00為低谷電價(jià)，16：00—22：00為峰值電價(jià)，柔性電負(fù)荷將峰值電價(jià)時(shí)刻的部分電負(fù)荷轉(zhuǎn)移到低谷電價(jià)時(shí)刻，熱負(fù)荷和冷負(fù)荷的削減在各個(gè)時(shí)刻均可發(fā)生。

圖4 夏季柔性負(fù)荷調(diào)度響應(yīng)

圖5 冬季柔性負(fù)荷調(diào)度響應(yīng)

4.2 綜合能源系統(tǒng)優(yōu)化結(jié)果分析

表4 綜合能源系統(tǒng)的目標(biāo)函數(shù)優(yōu)化結(jié)果

表5 綜合能源系統(tǒng)的性能指標(biāo)評(píng)價(jià)

從表4可以看出，ISFO算法在兩種典型日時(shí)均得到綜合成本最優(yōu)解。在夏季時(shí)，ISFO算法得到的綜合成本比HHO算法和SFO算法分別節(jié)省了31.67%和37.8%，在冬季時(shí)，ISFO算法得到的綜合成本比HHO算法和SFO算法分別節(jié)省了18.59%和38.62%，其中兩種典型日時(shí)ISGO算法的交互及燃料費(fèi)用和懲罰費(fèi)用明顯下降，設(shè)備投資及運(yùn)行費(fèi)用略有上升。如表5所示，在兩種典型日時(shí)，ISFO算法得到結(jié)果的負(fù)荷用戶綜合用能滿意度分別為0.95和0.94，與其他兩種算法相比較低，但是綜合用能滿意度大于0.9即可；新能源的利用率遠(yuǎn)高于HHO和SFO算法；電能自治率為0.32和0.47，因此主電網(wǎng)承擔(dān)電力供應(yīng)的主要任務(wù)。

4.3 算法求解過程分析

在相同的運(yùn)行條件下，同時(shí)采用3種算法對(duì)綜合能源系統(tǒng)在兩個(gè)典型日時(shí)進(jìn)行優(yōu)化求解，算法中最大迭代次數(shù)為200，搜索種群為30。如圖6所示。

由圖6可知，在夏季和冬季時(shí)ISFO算法的計(jì)算結(jié)果比HHO算法和SFO算法更少，并且收斂于最優(yōu)解的速度所用的迭代次數(shù)最少。其中，在夏季時(shí)，ISFO算法在第48次迭代時(shí)取得最優(yōu)解，HHO算法和SFO算法在整個(gè)過程中只求得了局部最優(yōu)解；在冬季時(shí)，ISFO算法在第14次迭代時(shí)取得最優(yōu)解，SFO算法在第6代時(shí)陷入局部最優(yōu)解直至求解過程結(jié)束，HHO算法不斷從局部解跳到更優(yōu)的局部解，但未求得最優(yōu)解。ISFO算法的收斂結(jié)果精度、求解速度及全局搜索能力均表現(xiàn)出明顯的優(yōu)越性。

4.4 設(shè)備出力

在夏季和冬季時(shí)，綜合能源系統(tǒng)的各種設(shè)備在每時(shí)刻的出力情況如圖7和圖8所示，圖中注釋符號(hào)含義參照式(16)、式(17)解釋。

從圖7和圖8中可知，在電平衡過程中，沼氣發(fā)電系統(tǒng)出力恒定但輸出較少，其原因主要在于沼氣制取周期性長，提純技術(shù)較為復(fù)雜，因此無法作為主出力設(shè)備。在07：00—17：00時(shí)段，光伏作為主要電能出力設(shè)備，其他時(shí)刻的電負(fù)荷主要通過主電網(wǎng)提供，燃料輪機(jī)是多種能量相互耦合的設(shè)備，在電平衡過程中出力較少，蓄電池主要起到削峰填谷的作用。在冷平衡過程中，電制冷機(jī)提供大部分的冷能，吸收式制冷機(jī)的冷能占比較低。在熱平衡過程中，夏季的熱負(fù)荷較小，各種產(chǎn)熱設(shè)備的出力均較小，沼氣系統(tǒng)的產(chǎn)熱恒定且需通過蓄熱槽平衡，剩余熱負(fù)荷由燃?xì)廨啓C(jī)補(bǔ)充；冬季的熱負(fù)荷主要通過沼氣系統(tǒng)和余熱鍋爐產(chǎn)熱滿足，多余熱量儲(chǔ)存在蓄熱槽。

圖7 夏季日功率調(diào)度結(jié)果

圖8 冬季日功率調(diào)度結(jié)果

4.5 綜合能源系統(tǒng)的經(jīng)濟(jì)效益

沼氣生產(chǎn)的主要來源是農(nóng)作物秸稈和人畜糞便等，然而在冬季農(nóng)作物秸稈數(shù)量銳減，且人畜糞便處理難度提高，因此沼氣發(fā)電系統(tǒng)的電功率和熱功率輸出有限。在與生物質(zhì)能結(jié)合的綜合能源系統(tǒng)(BIO-IES)中，可以獲得相應(yīng)的經(jīng)濟(jì)和環(huán)保效益。本文將綜合能源系統(tǒng)在不安裝沼氣系統(tǒng)和安裝沼氣系統(tǒng)時(shí)的運(yùn)行情況進(jìn)行了對(duì)比分析，結(jié)果如表6所示。

表6 BIO-IES系統(tǒng)的經(jīng)濟(jì)效益

從表6可知，在兩種典型日時(shí)，含生物質(zhì)能的綜合能源系統(tǒng)的經(jīng)濟(jì)成本相比較于傳統(tǒng)的單一綜合能源系統(tǒng)節(jié)約了1.04%和0.5%，用戶的綜合用能滿意度、新能源利用率和電能自治率幾乎保持不變，由此可知，生物質(zhì)能在保障綜合能源系統(tǒng)的各項(xiàng)性能的基礎(chǔ)上有效地優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)且節(jié)約經(jīng)濟(jì)成本。

5 結(jié)論

1) 構(gòu)建了一種綜合能源系統(tǒng)的能量管理模型，以交互及燃料費(fèi)用、懲罰費(fèi)用和設(shè)備投資及運(yùn)行費(fèi)用作為優(yōu)化的多目標(biāo)，以負(fù)荷用戶的綜合用能滿意度、新能源利用率及電能自治率作為評(píng)價(jià)指標(biāo)，考慮了設(shè)備容量限制和出力約束，利用改進(jìn)的ISFO算法對(duì)多目標(biāo)優(yōu)化模型進(jìn)行求解。選取夏季、冬季典型日分別進(jìn)行分析，由結(jié)果可知，本文所構(gòu)建的能量管理模型提高了系統(tǒng)性能指標(biāo)且有效降低綜合經(jīng)濟(jì)成本，對(duì)綜合能源系統(tǒng)的優(yōu)化調(diào)度和運(yùn)行策略具有一定的參考價(jià)值。

2) 針對(duì)3種負(fù)荷的運(yùn)行特性，本文將柔性負(fù)荷納入運(yùn)行調(diào)度范圍，合理安排各個(gè)時(shí)間段的柔性負(fù)荷采用綜合能源系統(tǒng)運(yùn)行調(diào)度，使負(fù)荷用戶根據(jù)負(fù)荷特性主動(dòng)響應(yīng)系統(tǒng)能量調(diào)度。

3) 采用非線性攻擊力度表達(dá)式，并引入差分變異和HHO算法中的求解策略，最后增設(shè)跳出停滯策略對(duì)SFO算法進(jìn)行改進(jìn)，提高了算法的全局搜索能力，并用于多目標(biāo)優(yōu)化模型的求解。與HHO算法和SFO算法對(duì)比，ISFO算法在收斂精度和求解速度及全局搜索能力等方面具有明顯的優(yōu)越性。

4) 通過對(duì)綜合能源系統(tǒng)是否將生物質(zhì)能納入調(diào)度過程對(duì)比分析可以得到：含生物質(zhì)能的綜合能源系統(tǒng)在不同季節(jié)時(shí)的經(jīng)濟(jì)效益均低于傳統(tǒng)的綜合能源系統(tǒng)。由此說明，生物質(zhì)能可以在一定程度上改善了綜合能源系統(tǒng)的經(jīng)濟(jì)和環(huán)保結(jié)構(gòu)，為創(chuàng)造經(jīng)濟(jì)電網(wǎng)提供新的能源保障。

[1] 李堅(jiān), 吳亮紅, 張紅強(qiáng), 等. 基于排序交叉優(yōu)化算法的冷熱電聯(lián)供微電網(wǎng)經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(18): 137-145.

LI Jian, WU Lianghong, ZHANG Hongqiang, et al. Microgrid economic dispatch of combined cooling, heating and power based on a rank pair learning crisscross optimization algorithm[J]. Power System Protection and Control, 2021, 49(18): 137-145.

[2] ZHU Mengting, XU Chengsi, DONG Shufeng, et al. An integrated multi-energy flow calculation method for electricity-gas-thermal integrated energy systems[J]. Protection and Control of Modern Power Systems, 2021, 6(1): 65-76.

[3] 閆夢(mèng)陽, 李華強(qiáng), 王俊翔, 等. 計(jì)及綜合需求響應(yīng)不確定性的園區(qū)綜合能源系統(tǒng)優(yōu)化運(yùn)行模型[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(2): 163-175.

YAN Mengyang, LI Huaqiang, WANG Junxiang, et al. Optimal operation model of a park integrated energy system considering uncertainty of integrated demand response[J]. Power System Protection and Control, 2022, 50(2): 163-175.

[4] 戴璐平, 陳佩莉, 錢毅慧. 冷熱電微電網(wǎng)分布式電源的區(qū)間優(yōu)化模型[J]. 電測與儀表, 2018, 55(22): 64-71.

DAI Luping, CHEN Peili, QIAN Yihui. Optimal planning and operation of distributed generators in a multi-energy microgrid[J]. Electrical Measurement & Instrumentation, 2018, 55(22): 64-71.

[5] LI J C, YING Y L, LOU X D, et al. Integrated energy system optimization based on standardized matrix modeling method[J]. Applied Sciences-Basel, 2018, 8(12).

[6] ZUO X, DONG M Y, GAO F K, et al. The modeling of the electric heating and cooling system of the integrated energy system in the coastal area[J]. Journal of Coastal Research, 2020, 10: 1022-1029.

[7] 屈小云, 吳鳴, 李奇, 等. 多能互補(bǔ)綜合能源系統(tǒng)綜合評(píng)價(jià)研究進(jìn)展綜述[J]. 中國電力, 2021, 54(11): 153-163.

QU Xiaoyun, WU Ming, LI Qi, et al. Review on comprehensive evaluation of multi-energy complementary integrated energy systems[J]. Electric Power, 2021, 54(11): 153-163.

[8] 張峰, 楊志鵬, 張利, 等. 計(jì)及多類型需求響應(yīng)的孤島型微能源網(wǎng)經(jīng)濟(jì)運(yùn)行[J]. 電網(wǎng)技術(shù), 2020, 44(2): 547-557.

ZHANG Feng, YANG Zhipeng, ZHANG Li, et al. Optimal operation of islanded micro energy grid with multi-type demand responses[J]. Power System Technology, 2020, 44(2): 547-557.

[9] 蔣潤花, 李洪強(qiáng), 尹輝斌, 等. 冷熱電聯(lián)供系統(tǒng)多目標(biāo)評(píng)估與運(yùn)行策略研究[J]. 工程熱物理學(xué)報(bào), 2019, 40(5): 1016-1024.

JIANG Runhua, LI Hongqiang, YIN Huibin, et al. Research on multi-objective evaluation and operation strategies of combined cooling, heating and power system[J]. Journal of Engineering Thermophysics, 2019, 40(5): 1016-1024.

[10] 張敏, 王金浩, 常瀟, 等. 考慮可再生能源不確定性的熱-電耦合微能源系統(tǒng)多目標(biāo)魯棒規(guī)劃方法[J]. 中國電力, 2021, 54(4): 119-129, 140.

ZHANG Min, WANG Jinhao, CHANG Xiao, et al. A multi-objective robust planning method for thermal-electrical coupling micro-energy system considering the uncertainty of renewable energy[J]. Electric Power, 2021, 54(4): 119-129, 140.

[11]劉維康, 王丹, 余曉丹, 等. 考慮電氣轉(zhuǎn)換儲(chǔ)能和可再生能源集成的微能源網(wǎng)多目標(biāo)規(guī)劃[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(16): 11-20.

LIU Weikang, WANG Dan, YU Xiaodan, et al. Multi- objective planning of micro energy network considering P2G-based storage system and renewable energy integration[J]. Automation of Electric Power Systems, 2018, 42(16): 11-20.

[12]沈海平, 陳銘, 錢磊, 等. 計(jì)及電轉(zhuǎn)氣耦合的電-氣互聯(lián)系統(tǒng)機(jī)組組合線性模型研究[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(8): 34-41.

SHEN Haiping, CHEN Ming, QIAN Lei, et al. Linear model research of unit commitment for integrated electricity and natural-gas systems considering power-to-gas coupling[J]. Power System Protection and Control, 2019, 47(8): 34-41.

[13] 林亭君, 董坤, 趙劍鋒, 等. 綜合能源系統(tǒng)內(nèi)外協(xié)同優(yōu)化調(diào)度技術(shù)研究現(xiàn)狀及展望[J]. 智慧電力, 2021, 49(6): 1-8.

LIN Tingjun, DONG Kun, ZHAO Jianfeng, et al. Research status and prospects of internal and external collaborative optimization scheduling technology for integrated energy system[J]. Smart Power, 2021, 49(6): 1-8.

[14] 龔曉琴, 王進(jìn), 王瓏, 等. 含電轉(zhuǎn)氣的電—?dú)饣ヂ?lián)綜合能源系統(tǒng)低碳經(jīng)濟(jì)運(yùn)行[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2020, 35(2): 76-83.

GONG Xiaoqin, WANG Jin, WANG Long, et al. Low-carbon economic operation for integrated electricity and natural-gas energy system with power-to-gas[J]. Journal of Electric Power Science and Technology, 2020, 35(2): 76-83.

[15] 陳偉, 路源, 何欣, 等. 計(jì)及風(fēng)光就地消納的設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度方法[J]. 電力建設(shè), 2021, 42(7): 20-27.

CHEN Wei, LU Yuan, HE Xin, et al. A multi-objective optimal scheduling method for integrated energy system of protected agricultural industrial park considering local consumption rate of wind and solar engery[J]. Electric Power Construction, 2021, 42(7): 20-27.

[16]韓中合, 祁超, 丁敬, 等. 基于太陽能和生物質(zhì)能的農(nóng)村分布式供能系統(tǒng)研究[J]. 太陽能學(xué)報(bào), 2019, 40(11): 3164-3171.

HAN Zhonghe, QI Chao, DING Jing, et al. Research on distributed energy supply system based on solar energy and biomass energy in rural area[J]. Acta Energiae Solaris Sinica, 2019, 40(11): 3164-3171.

[17]戚艷, 尚學(xué)軍, 聶靖宇, 等. 基于改進(jìn)多目標(biāo)灰狼算法的冷熱電聯(lián)供型微電網(wǎng)運(yùn)行優(yōu)化[J/OL]. 電測與儀表: 1-9[2022-03-11]. DOI:10.19753/j.issn1001-1390.2022.06. 002.

QI Yan, SHANG Xuejun, NIE Jingyu, et al. Optimization of CCHP micro-grid operation based on improved multi-objective grey wolf algorithm[J/OL]. Electrical Measurement & Instrumentation: 1-9[2022-03-11]. DOI: 10.19753/j.issn1001-1390.2022.06.002.

[18]陳宇, 劉會(huì)蘭, 栗然, 等. 基于可能度的冷熱電聯(lián)供微網(wǎng)區(qū)間優(yōu)化調(diào)度模型[J]. 電測與儀表, 2019, 56(10): 47-55.

CHEN Yu, LIU Huilan, LI Ran, et al. Interval optimal dispatch model of CCHP microgrid based on possibility degree[J]. Electrical Measurement & Instrumentation, 2019, 56(10): 47-55.

[19]汪洋子, 陳茜. 計(jì)及冷、熱、電聯(lián)產(chǎn)的氣電互聯(lián)網(wǎng)絡(luò)最優(yōu)調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(3): 168-175.

WANG Yangzi, CHEN Qian. Optimal dispatch for the integrated electrical and natural gas network with combined cooling, heat and power plant[J]. Power System Protection and Control, 2019, 47(3): 168-175.

[20]李云鷙, 劉吉臻, 馬素玲, 等. 基于變工況模型的綜合能源系統(tǒng)源-荷互動(dòng)多目標(biāo)優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù): 1-12[2022-03-16]. DOI: 10.13335/j.1000-3673.pst.2021. 1407.

LI Yunzhi, LIU Jizhen, MA Suling, et al. Source-load interactive multi-objective optimal dispatching of integrated energy system based on off-design model[J]. Power System Technology: 1-12[2022-03-16]. DOI: 10.13335/ j.1000-3673.pst.2021.1407.

[21]李政潔, 撖奧洋, 周生奇, 等. 計(jì)及綜合需求響應(yīng)的綜合能源系統(tǒng)優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(21): 36-42.

LI Zhengjie, HAN Aoyang, ZHOU Shengqi, et al. Optimization of an integrated energy system considering integrated demand response[J]. Power System Protection and Control, 2021, 49(21): 36-42.

[22] LI Peng, WANG Zixuan, WANG Jiahao, et al. Two-stage optimal operation of integrated energy system considering multiple uncertainties and integrated demand response[J]. Energy, 2021, 225.

[23] 肖峻, 李思岑, 王丹. 計(jì)及用戶分級(jí)與互動(dòng)的配電網(wǎng)最大供電能力模型[J]. 電力系統(tǒng)自動(dòng)化, 2015, 39(17): 19-25, 41.

XIAO Jun, LI Sicen, WANG Dan. Model of total supply capability for distribution network considering customer classification and interaction[J]. Automation of Electric Power Systems, 2015, 39(17): 19-25, 41.

[24] HE Liangce, LU Zhigang, GENG Lijun, et al. Environmental economic dispatch of integrated regional energy system considering integrated demand response[J]. International Journal of Electrical Power and Energy Systems, 2020, 116.

[25] JIANG P, DONG J, HUANG H. Optimal integrated demand response scheduling in regional integrated energy system with concentrating solar power[J]. Applied Thermal Engineering, 2020, 166.

[26]陳柏翰, 馮偉, 孫凱, 等. 冷熱電聯(lián)供系統(tǒng)多元儲(chǔ)能及孤島運(yùn)行優(yōu)化調(diào)度方法[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(15): 3231-3243.

CHEN Bohan, FENG Wei, SUN Kai, et al. Multi-energy storage system and islanded optimal dispatch method of CCHP[J]. Transactions of China Electrotechnical Society, 2019, 34(15): 3231-3243.

[27]謝姿, 張惠娟, 劉琪, 等. 考慮蓄電池壽命的分布式電源容量優(yōu)化配置[J]. 太陽能學(xué)報(bào), 2021, 42(10): 424-430.

XIE Zi, ZHANG Huijuan, LIU Qi, et al. Optimal configuration of distributed power supply capacity considering battery life[J]. Acta Energiae Solaris Sinica, 2021, 42(10): 424-430.

[28] 贠保記, 白森珂, 張國. 基于混沌自適應(yīng)粒子群算法的冷熱電聯(lián)供系統(tǒng)優(yōu)化[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(10): 123-130.

YUN Baoji, BAI Senke, ZHANG Guo. Optimization of CCHP system based on a chaos adaptive particle swarm optimization algorithm[J]. Power System Protection and Control, 2020, 48(10): 123-130.

Energy management of an integrated energy system based on an improved sailed fish optimizer algorithm

ZHANG Zhenglin, ZHANG Huijuan, SUN Wenzhi, LI Lingling

(State Key Laboratory of Reliability and Intelligence of Electrical Equipment,Hebei University of Technology, Tianjin 300130, China)

An integrated energy system is important in the utilization of renewable energy. Combining biomass energy with an integrated energy system and incorporating flexible loads at various moments into energy dispatch, a source-storage-load multi-objective energy management model driven by the synergy of biogas and photovoltaic power generation systems and a micro gas turbine is constructed. This is to further optimize the output of each part of the system. The optimal configuration of the model is established, taking the internal interaction of the system and fuel costs, penalty costs, equipment investment and operating costs as the optimization goals, and taking the user's comprehensive energy satisfaction, new energy utilization rate and electric energy autonomy as evaluation indicators. Non-linear attack methods, differential mutation, soft encirclement in the Harris hawk optimization algorithm and the algorithm stagnation prevention strategies are used to improve the global search ability of the sailed fish optimizer algorithm (SFO). Comparative analysis of calculation examples shows that the proposed improved algorithm and energy management model effectively improve economic and environmental benefits in different scenarios, and the ISFO algorithm has advantages in global optimization and search accuracy.

integrated energy system; energy management model; sailed fish optimizer algorithm; operational strategy; biomass energy

10.19783/j.cnki.pspc.220006

天津市自然科學(xué)基金資助項(xiàng)目(19JCZDJC32100)；河北省自然科學(xué)基金資助項(xiàng)目(E2018202282)

This work is supported by the Natural Science Foundation of Tianjin (No. 19JCZDJC32100).

2022-01-01；

2022-05-11

張政林(1998—)，男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)及智能電網(wǎng)；E-mail: zhangzhenglin0814@163.com

張惠娟(1963—)，女，通信作者，博士，教授，研究方向?yàn)殡娏ο到y(tǒng)分析。E-mail: zhanghuijuan@hebut.edu.cn

(編輯 魏小麗)