公开/公告号CN112819197A
专利类型发明专利
公开/公告日2021-05-18
原文格式PDF
申请/专利号CN202011619031.7
申请日2020-12-31
分类号G06Q10/04(20120101);G06Q10/06(20120101);G06Q50/06(20120101);G06N3/00(20060101);
代理机构11271 北京安博达知识产权代理有限公司;
代理人徐国文
地址 100192 北京市海淀区清河小营东路15号
入库时间 2023-06-19 11:02:01
技术领域
本发明涉及能源互联网规划技术领域,具体涉及一种区域智慧能源系统优化配置方法和系统。
背景技术
随着能源互联网理念的飞速发展,人们对能源的综合高效利用问题日益关注,同时城市污染问题也日益突出,迫切需要构建一种能够减少能源消耗并能充分利用绿色能源的电力系统。
因此,技术人员给出了一种如图1所示的城市智慧能源系统,该城市智慧能源系统一般包含多个区域能源子系统,统一由城市智慧能源系统管理体系进行调度,多个区域能源子系统中又包含多种能源设备,相对于传统的单一能源网规划来说,设备的种类和数量较为繁多。并且该智慧能源系统通过电网、热网、气网、冷网等之间的互补互给,最大限度地利用了能源转换、消费、供给的各个环节。
但是,目前并没有城市智慧能源系统的规划方法,为达到减少能源消耗和浪费,解决能源短缺、资源充分利用以及减少碳排放的目的,亟需技术人员给出一种规划城市智慧能源系统的可行方法。
发明内容
针对现有技术的不足,本发明的目的是提供一种区域智慧能源系统优化配置方法和系统,该方法更为合理的对区域智慧能源系统进行规划,保证该系统运行的经济性,避免不必要的损失以及污染。
本发明的目的是采用下述技术方案实现的:
本发明提供一种区域智慧能源系统优化配置方法,其改进之处在于,所述方法包括:
获取优化周期中各时刻区域内的冷、热和电三种能源的负荷需求;
将优化周期中各时刻区域内的冷、热和电三种能源的负荷需求代入预先构建的优化配置模型中,利用改进的粒子群算法求解所述优化配置模型,获得待优化参数的最优解;
其中,改进的粒子群算法的改进之处在于:确定粒子群中各粒子与群体最优粒子之间的相似度,依照所述相似度将粒子群中粒子分至不同的子群体,并根据各子群体的群体最优粒子确定粒子群的群体最优粒子。
本发明提供一种区域智慧能源系统优化配置系统,其改进之处在于,所述系统包括:
获取模块,用于获取优化周期中各时刻区域内的冷、热和电三种能源的负荷需求;
优化求解模块,用于将优化周期中各时刻区域内的冷、热和电三种能源的负荷需求代入预先构建的优化配置模型中,利用改进的粒子群算法求解所述优化配置模型,获得待优化参数的最优解;
其中,改进的粒子群算法的改进之处在于:确定粒子群中各粒子与群体最优粒子之间的相似度,依照所述相似度将粒子群中粒子分至不同的子群体,并根据各子群体的群体最优粒子确定粒子群的群体最优粒子。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的技术方案,获取优化周期中各时刻区域内的冷、热和电三种能源的负荷需求;将优化周期中各时刻区域内的冷、热和电三种能源的负荷需求代入预先构建的优化配置模型中,利用改进的粒子群算法求解所述优化配置模型,获得待优化参数的最优解。该方案,更为合理的对区域智慧能源系统进行规划,保证该系统运行的经济性,避免不必要的损失以及污染。
本发明提供的技术方案,利用改进的粒子群算法进行求解,提高了求解的速度。
附图说明
图1是城市智慧能源系统结构图;
图2是一种区域智慧能源系统优化配置方法流程图;
图3是城市电网节点和天然气网节点示意图;
图4是一种区域智慧能源系统优化配置系统结构图;
图5是夏季典型日和冬季典型日太阳辐射强度示意图;
图6是全年平均风功率密度示意图;
图7是电/热/冷负荷示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
本发明提供一种区域智慧能源系统优化配置方法,如图2所示,所述方法包括:
步骤101,获取优化周期中各时刻区域内的冷、热和电三种能源的负荷需求;
步骤102,将优化周期中各时刻区域内的冷、热和电三种能源的负荷需求代入预先构建的优化配置模型中,利用改进的粒子群算法求解所述优化配置模型,获得待优化参数的最优解;
其中,改进的粒子群算法的改进之处在于:确定粒子群中各粒子与群体最优粒子之间的相似度,依照所述相似度将粒子群中粒子分至不同的子群体,并根据各子群体的群体最优粒子确定粒子群的群体最优粒子。
在本发明的最佳实施例中,根据各子群体的群体最优粒子确定粒子群的群体最优粒子具体来说为:子群体内部分别进行迭代更新直至到达预设次数,输出各子群体的群体最优粒子,并在各子群体的群体最优粒子中选择适应度最大的粒子作为下一次迭代粒子群的群体最优粒子。
具体的,所述待优化参数包括:区域智慧能源系统中能源子系统的最优接入方案和区域智慧能源系统中各个能源子系统内各类能源设备的最优配置数量以及单台能源设备最优配置容量;
其中,所述区域智慧能源系统中能源子系统的最优接入方案包括:区域智慧能源系统中各能源子系统的电网最优接入节点和区域智慧能源系统中各能源子系统的天然气网最优接入节点。
在本发明的最佳实施例中,所述电网最优接入节点为该区域的电网中的一个节点,天然气网最优接入节点该区域的天然气网中的一个节点,电网和天然气网节点示意图如图3所示;
所述能源设备包括光伏发电机组、风机、热电联产设备、燃气锅炉、电锅炉、电制冷机、吸收式制冷机、蓄电池和蓄热器。
具体的,所述预先构建的优化配置模型的目标函数,包括:配置成本最小目标函数、碳排放量最小目标函数和配电网网损最小目标函数;
按下式确定配置成本最小目标函数:
式中,f
按下式确定碳排放量最小目标函数:
式中,f
按下式确定配电网网损最小目标函数:
式中,f
进一步的,按下式确定
式中,
按下式确定
式中,
进一步的,按下式确定
式中,
按下式确定
式中,
具体的,所述预先构建的优化配置模型中目标函数的约束条件包括:
设备运行约束条件、能量平衡约束条件、电力网络的潮流约束条件、天然气网络约束条件、储能设备充放电约束条件、储能设备周期能量平衡约束条件和储能设备充放电时间约束条件。
其中,按下式确定设备容量约束条件:
式中,
按下式确定能量平衡约束条件:
式中,
按下式确定电力网络的潮流约束条件:
式中,
按下式确定天然气网络约束条件:
F
式中,F
按下式确定储能设备充放电约束条件:
式中,
按下式确定储能设备周期能量平衡约束条件:
式中,
按下式确定储能设备充放电时间约束条件:
式中,
进一步的,所述利用改进的粒子群算法求解所述优化配置模型,获得待优化参数的最优解,包括:
步骤1:以待优化参数为粒子随机生成粒子群,并初始化迭代次数ξ=1;
步骤2:确定粒子群中各粒子的配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值;
步骤3:在配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值分别最小的粒子中选择适应度最大的粒子作为粒子群的群体最优粒子;
步骤4:确定粒子群中各粒子与粒子群的群体最优粒子之间的相似度,并按照相似度由高到低的顺序对粒子群中各粒子进行排序;
步骤5:每
步骤6:对G
步骤7:在G
步骤8:若当前迭代次数ξ≠ξ
否则,将粒子群的群体最优粒子作为待优化参数的最优解进行输出;
其中,N
进一步的,粒子的适应度的确定过程,包括:
按下式确定粒子群中粒子
式中,
进一步的,所述步骤4,包括:
按下式确定粒子群中第p
式中,
其中,按下式确定
式中,
按下式确定
式中,
进一步的,所述步骤6,包括:
步骤6-1:初始化第l个子群体中各粒子位置为其各自的个体最优位置,迭代次数Γ'=1;
步骤6-2:确定第l个子群体中各粒子的配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值;
步骤6-3:在配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值分别最小的粒子中选择适应度最大的粒子作为第l个子群体的群体最优粒子,并将该粒子位置作为第l个子群体的群体最优位置;
步骤6-4:更新第l个子群体中各粒子的速度和位置;
步骤6-5:若Γ'≠K
否则,输出最后一次迭代第l个子群体的群体最优粒子;
其中,K
在本发明的最佳实施例中,第l个子群体中第q
进一步的,所述更新第l个子群体各粒子的个体最优位置,包括:
若
否则,不操作;
其中,
本发明中改进的粒子群算法,实现了迭代粒子的多样性,提高了算法迭代速度,能够迅速收敛获得全局最优解。
实施例2:
本发明提供一种区域智慧能源系统优化配置系统,如图4所示,所述系统包括:
获取模块,用于获取优化周期中各时刻区域内的冷、热和电三种能源的负荷需求;
优化求解模块,用于将优化周期中各时刻区域内的冷、热和电三种能源的负荷需求代入预先构建的优化配置模型中,利用改进的粒子群算法求解所述优化配置模型,获得待优化参数的最优解;
其中,改进的粒子群算法的改进之处在于:确定粒子群中各粒子与群体最优粒子之间的相似度,依照所述相似度将粒子群中粒子分至不同的子群体,并根据各子群体的群体最优粒子确定粒子群的群体最优粒子。
具体的,所述待优化参数包括:区域智慧能源系统中能源子系统的最优接入方案和区域智慧能源系统中各个能源子系统内各类能源设备的最优配置数量以及单台能源设备最优配置容量;
其中,所述区域智慧能源系统中能源子系统的最优接入方案包括:区域智慧能源系统中各能源子系统的电网最优接入节点和区域智慧能源系统中各能源子系统的天然气网最优接入节点。
进一步的,所述预先构建的优化配置模型的目标函数,包括:配置成本最小目标函数、碳排放量最小目标函数和配电网网损最小目标函数;
按下式确定配置成本最小目标函数:
式中,f
按下式确定碳排放量最小目标函数:
式中,f
按下式确定配电网网损最小目标函数:
式中,f
进一步的,按下式确定
式中,
按下式确定
式中,
进一步的,按下式确定
式中,
按下式确定
式中,
进一步的,所述预先构建的优化配置模型中目标函数的约束条件包括:
设备运行约束条件、能量平衡约束条件、电力网络的潮流约束条件、天然气网络约束条件、储能设备充放电约束条件、储能设备周期能量平衡约束条件和储能设备充放电时间约束条件。
进一步的,所述优化求解模块,具体包括:
初始化单元,用于以待优化参数为粒子随机生成粒子群,并初始化迭代次数ξ=1;
第一确定单元,用于确定粒子群中各粒子的配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值;
第一设定单元,用于在配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值分别最小的粒子中选择适应度最大的粒子作为粒子群的群体最优粒子;
第二确定单元,用于确定粒子群中各粒子与粒子群的群体最优粒子之间的相似度,并按照相似度由高到低的顺序对粒子群中各粒子进行排序;
划分单元,用于每
子群体迭代单元,用于对G
第二设定单元,用于在G
判断单元,用于若当前迭代次数ξ≠ξ
否则,将粒子群的群体最优粒子作为待优化参数的最优解进行输出;
其中,N
具体的,粒子的适应度的确定过程,包括:
按下式确定粒子群中粒子
式中,
进一步的,所述第二确定单元,具体用于:
按下式确定粒子群中第p
式中,
其中,按下式确定
式中,
按下式确定
式中,
具体的,所述子群体迭代单元,包括:
初始化子单元,用于初始化第l个子群体中各粒子位置为其各自的个体最优位置,迭代次数Γ'=1;
第一确定子单元,用于确定第l个子群体中各粒子的配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值;
第一设定子单元,用于在配置成本最小目标函数值、碳排放量最小目标函数值和配电网网损最小目标函数值分别最小的粒子中选择适应度最大的粒子作为第l个子群体的群体最优粒子,并将该粒子位置作为第l个子群体的群体最优位置;
更新子单元,用于更新第l个子群体中各粒子的速度和位置;
判断子单元,用于若Γ'≠K
否则,输出最后一次迭代第l个子群体的群体最优粒子;
其中,K
具体的,所述判断子单元,具体用于:
若
否则,不操作;
其中,
实施例3:
某城市智慧能源系统中所有的用户均为居民用户,假设区域能源子系统供热/冷管道靠近区域内的热/冷负荷节点敷设,因此不考虑管道建设费用。区域内规划建设3个能源子系统,每个区域能源子系统具有的能源生产设备主要为光伏、风机、热电联产、燃气锅炉、电锅炉、电制冷机、吸收式制冷机,储能设备主要为蓄电池和蓄热器,能源子系统的设计寿命为30年。该城市智慧能源系统的电压等级为10kV,节点负荷和线路参数如表1所示。
表1
天然气管道直径为150mm,最大允许流量为1272m
表2
假设高峰时段电价为0.8¥/kWh,其它时段电价为0.5¥/kWh,天然气价格为2.36¥/m
表3
由于fail系统中含有光伏和风机,需要输入典型日的太阳辐射强度和全年平均的风速数据,如图5和图6所示。
智慧能源系统作为电网和气网的补充系统,除了对区域内的负荷进行供电外,夏季主要针对供冷负荷,冬季主要针对供暖负荷,因此算例选取了夏季、冬季两个典型日进行计算,电负荷、夏季冷负荷、冬季热负荷如图7所示。
按照本发明的优化配置方法进行优化,得到区域能源子系统的连接到电网和气网的位置及各设备的容量如表4所示。
表4
与传统的粒子群算法进行对比,结果如表5所示。
表5
由以上计算结果可知,本发明所采用的算法与常用算法相比,迭代次数大大减少,从而计算时间也相应缩短,大大提高了计算速度,所得的规划成本优于传统的PSO算法所计算的方案,由此可见算法的计算优势。
通过示例系统算例的求解证明了本发明提出的模型和算法能够提出较优的智慧能源系统规划方案。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
机译: 利用导体辊冷却系统优化控制径向导体辊轮廓的系统配置方法
机译: 用于获得患者体内内部组织表面或区域的一种或多种生物学特性的可询问外部传感器系统,用于获得患者内部内部组织表面或区域的一种或多种生物学特性的方法,用于获得患者体内一种或多种生物学特性的透皮传感器系统患者的内部组织区域,用于获得患者的内部组织区域的一个或多个生物学特征的方法以及用于获取患者的内部组织区域的一个或多个生物学特征的可询问传感器系统
机译: (54)标题:拼接纤维玻璃粗纱以及用于拼接纤维玻璃粗纱的方法和系统(57)摘要:本发明涉及拼接游离玻璃粗纱以及用于拼接粗纱的系统和方法。在一个实施例中,一种用于连接玻璃纤维粗纱的方法包括:将第一粗纱的前端与第二粗纱的尾端重叠以形成重叠区域;气动拼接部分重叠区域以形成拼接区域;在一个实施例中,一种拼接的玻璃纤维粗纱包括一个拼接的区域,该拼接的区域包括第一粗纱的前端的多根玻璃纤维与第一根粗纱的尾端的多根玻璃纤维交织在一起。第二粗纱,其中,拼接区域的长度在大约1至20厘米之间,并且具有在拼接之前的第一粗纱的拉伸强度的大约50至150%。