文摘
因为操作效率低的问题和能源管理差multienergy输入和输出系统与复杂的负荷需求和能源供应,本文使用了双层nondominated排序遗传算法优化multienergy互补微型智能电网"实时系统,合理分配每个能源供应的输出端和减少能源消耗的冷却系统在满足需求的前提下,热量和电力负荷,提高整个系统的经济。根据系统负荷需求和操作模式,第一层的双层经营战略计算每个节点所需的功率微型智能电网"系统,以减少系统的损失。第二层计算每个设备的输出通过nondominated排序遗传算法使用各种能源值计算在第一层作为约束条件,考虑到各种设备的运行特点,针对经济和环境保护。在本文中,一个典型的能源投入产出模型建立。该模型结合操作控制策略适合multienergy互补微型智能电网"系统,考虑系统的运行方式和设备特点,并使用一个双层nondominated排序遗传算法优化每个设备的操作实时multienergy互补系统,以降低系统的运行成本。
1。介绍
Multienergy互补微型智能电网"系统是一个多输入和多输出能量系统,通常包括集成电源、燃气供应、暖气供应,供应冷,和其他能源系统以及相关的通信和信息基础设施。multienergy互补的有效经济和环境保护的操作系统是未来能源产业的发展方向。能源效率的进一步提高,各种新能源的大规模利用的推广,multienergy来源的深度集成和亲密互动,网络和负载是未来能源系统发展的必然趋势。因此,研究multienergy互补协同优化具有前瞻性和巨大的工程应用价值(1]。
由于发展的差异不同的能源系统,能源供应计划,设计,和独立运营,和它们之间缺乏协调,导致能源利用率低,总体安全薄弱,能源供应系统和自愈能力。multienergy互补系统是一个非线性系统与设备的多样性的特点,复杂的运行特点,和可变负荷;因此,协同优化的问题更为重要。multienergy互补微型智能电网"系统的能源消耗模式主要包括三种类型、冷却、加热、和电力;以来的能源消耗一边multienergy互补微型智能电网"系统是不可控的,只有通过调节和控制能源提供的设备在能源供应方面的系统,也就是说,能量输入端,可以实现系统的高效、经济运行的目的。
目前,一些研究已经完成的最优能量分配multienergy互补微型智能电网"系统在国内外,如何塞·L等人认为系统生命周期成本和污染物排放为目标方程优化系统(2]。阿贝年代等人认为三个目标同时优化系统;方法结合生命周期成本,体现能源、供电和损失概率(3]。Diaf等人研究了最优规模的独立混合光伏/风力系统基于技术经济优化(在科西嘉岛4]。丁m等人建立了调度模型,基于三种不同的操作策略,通过环境效益优化运行调度的两个目标5]。希达等人开发了一种多目标self-scheduling优化燃气热电冷联产(结合冷却、加热和电力系统)为基础的微型智能电网"。优化考虑减少运营成本和排放6]。Nwuluand夏提出最优调度策略混合光伏/风力柴油系统整合的需求响应项目(7]。这些研究关注multienergy互补系统的静态优化成本或环境为目标;一些实时优化策略只对微型智能电网"但不优化的控制策略multienergy互补系统冷却,加热,和权力。
摘要实时优化控制策略multienergy互补微型智能电网"系统基于双层nondominated排序遗传算法优化multienergy互补微型智能电网"实时系统和合理的分配每个能源供应的输出端8,9]。在这篇文章中,一个典型的multienergy互补微型智能电网"系统进行了研究。multienergy互补微型智能电网"系统的结构如图1主要包括风力涡轮机(WT),光伏发电(PV)、内燃机(GE)、吸收式制冷机(AC)、电冰箱(EC)、电热锅炉(EB),电池存储(BS)和冷却/加热存储(HS)设备10]。首先,第一层nondominated排序遗传算法模型的建立来计算每个节点的电力需求的微型智能电网"系统,减少系统损耗通过考虑系统的运行方式和负载需求(11]。其次,第二层使用nondominated排序遗传算法来计算每个设备的输出通过第一层的计算结果作为约束,考虑各种设备的运行特点和以经济和环境保护为目标(12,13]。最后,本文的控制策略研究是应用于multienergy互补微型智能电网"系统在一个特定区域。实例的结果表明,性能、经济、可靠性和环保的multienergy互补微型智能电网"系统大大提高了双层nondominated排序遗传算法。
2。经营战略
负载需求和外部环境资源在不同时期是不同的,和冷却和加热的优先级的需求也是不同的。因此,multienergy互补微型智能电网"系统的实时运行控制策略,可以提高整个系统的经济。
基于multienergy互补微型智能电网"系统的特点,本文提出了两种不同的操作策略:电力负荷优先级和冷却和加热负载优先级,以优化操作模式中每个设备的微型智能电网"系统。
2.1。电力负荷优先级
为了减少系统的污染物排放,这种策略是清洁能源发电为主,为主,以满足电力负荷需求的用户。工作原理如下:(我)当电力负荷低于总清洁能源发电,风能和太阳能等清洁能源用于发电;盈余电力用于充电电能存储、冷却和热负荷需求满足电动制冷。(2)当电力负荷高于可再生能源发电能力,直接把风力发电机和光伏电源电力负荷,过负荷是辅以电储能放电。这个时候,冷负荷是见到了电动制冷。(3)如果最低水平的电能存储或排放不足以补充电力负载,额定功率的内燃机开始发电。多余的电力用于充电电能存储。这个时候,冷负荷了LiBr单位。如果冷负荷的溴化锂机组的输出功率不足,可以补充额外的冷负荷电制冷。如果电能存储已达到最大的状态,内燃机将开始跟踪。(iv)当电力负荷高于可再生能源和内燃机,内燃机光伏发电的风力涡轮机直接供应电力负荷,过负荷是辅以电储能放电。冷却负荷了LiBr单位。如果冷负荷的溴化锂机组的输出功率不足,可以补充额外的冷负荷电制冷。
2.2。冷却和加热负载优先级
这一战略为主,以满足用户的冷负荷需求和重视使用内燃机燃气热电冷联产。操作策略如下:(我)如果冷负荷需求小于吸收式冷水机组的额定功率和可再生发电资源少,内燃机功率发电将跟踪负载,和提供的冷负荷将吸收制冷装置。(2)如果冷负荷需求小于吸收制冷装置的额定功率和可再生发电资源大,提供的冷负荷是吸收式制冷装置和电动制冷。(3)如果冷负荷需求大于额定功率的吸收制冷装置,内燃机在全功率运行,冷负荷是由电制冷不足。如果内燃机产生的力量大于电负荷,多余的力量将电能存储。
这个操作策略下,充电和放电的能量储存相同的方案我。
3所示。多目标Nondominated排序遗传算法
3.1。多目标优化算法的数学描述
以最小化的多目标问题的约束为例,多目标优化问题可以被描述如下: 在哪里表示一个向量空间n目标函数,表示我th不等式约束函数,表示jth等式约束, 表示一个向量空间米决策变量(14]。
3.2。在多目标决策优化
它是一系列离散的多目标nondominated排序遗传算法获得的解决方案。如何选择一个最佳的方案在这些离散点是多目标优化的关键。本文方法选择最优方案的方法,提出了基于几何距离的中心思想是几何距离最优方案与正理想方案之间的最短,而几何最优方案和反向理想方案之间的距离是最长的。最优方案来自于优化帕累托前沿,积极的理想的解决方案是指能最优的方案满足每个目标函数同时,和消极的理想的解决方案是指方案不满足任何目标函数最优。
空间/几何距离的计算任何计划我从帕累托前沿积极的理想解决方案如下: 在哪里表示目标函数的数量,表示维度表示直线距离计划我到j维度的积极的理想的解决方案。
空间/几何距离的计算任何计划我从帕累托前沿-理想的解决方案如下: 在哪里表示直线距离计划我到j维度的负理想溶液。
系数下面是定义如下:
通过公式(2)- (4),任何方案从帕累托前沿可以计算,那么最低的方案对应的是最终的最优解。
4所示。Multienergy系统数学模型
multienergy互补的分布式能源系统是传统分布式能源应用的扩展和集成的物理概念15]。它集成了多个能源技术实现协同优化multienergy来源。multienergy互补的分布式能源系统的各种能源资源的输入,但它不是一个简单的叠加多种能源。它使用不同等级的能量以系统的方式全面、配套使用的能量系统,使总体协调安排和各种能量的转换,从而达到最合理的能源利用效果和效益。multienergy互补系统的结构一般包括风力发电、光伏发电、内燃机,吸收式制冷机,废热锅炉,电池存储、冰加热存储和存储。
4.1。风力发电
本文主要考虑变速恒频风力发电输出功率的表达式是风力发电机的运行方式密切相关16]。根据风力发电机的工作原理,当风速低于切入风速、风力发电机不发电,当风速大于切入风速低于额定风速,风力涡轮机发电,\和输出功率与风速变化,当风速超过额定风速和小于断路器风速、风力发电机输出额定功率,当风速大于断路器风速、风力发电机停止工作,不发电。风力涡轮机的输出时间t 如下: 在哪里 , , 表示切入风速,断路器风速,表示额定风速,表示额定功率。
4.2。光伏
硅太阳能电池的输出功率模块是与很多因素有关,包括温度和太阳辐射强度对光伏面板(17]。本文中的光伏发电表达式所表达的最优操作点电压和最优操作点电流如下: 在哪里表示当前最优操作,表示最佳工作电压,表示短路电流,表示最大功率点电流,表示的最大功率点电压,表示开路电压,表示当前的温度系数,表示电压温度系数,表示倾斜的太阳能光伏面板上照射, 参考太阳照射,表示随时间变化的环境温度, 是参考电池温度, , ,和修改后的电流、修改电压,分别和修改温度。
4.3。内燃机
内燃机消耗天然气发电,而产生的废热可以用于吸收式制冷机组的制冷。内燃机可以供电负荷和满足用户的需求同时冷却和热负荷。内燃机的加热功率输出t 如下: 在哪里表示的实时速度的内燃机和工作表示实时内燃机的效率。内燃机的效率与它的实时负载(18]。
内燃机的燃料消耗时间t如下: 在哪里表示天然气内燃机和利用率 表示低热值的天然气。
4.4。吸收式制冷机的
吸收式制冷机的单位是一种冰箱由热能驱动的。它的热能是内燃机的使用废热。然后,在时间的冷却能力t 表示如下: 在哪里表示加热功率吸收吸收式制冷机和表示能效系数吸收式制冷机的单位和吸收式冷水机组的负荷率有关单位。
4.5。电动制冷机
电冰箱是一种冰箱由电能驱动的。自吸收制冷装置的制冷量是有限的内燃机余热,而电制冷装置不是约束,它可以有效补充用户所需的冷却能力;冷却能力的表达t时间如下: 在哪里表示电制冷的实时能耗和表示电制冷的能源效率系数和相关单位荷载率。
4.6。电热锅炉
电热锅炉是一种锅炉设备以电力为能量并将其转换成热能,然后输出的蒸汽、高温水或者有机热载体与某些热能。热输出时的表达t如下: 在哪里表示实时电力热力和电力消耗表示电热的能效系数以及相关单位荷载率。
4.7。电能存储
电池的输出功率与系统的运行状态密切相关,有很多种类的电池。本文假定铅酸电池的状态t在有关时间吗(19]。在本文中,电池的储能能力被认为是,和实时能力显示如下: 在哪里分别是设备的充电和放电的权力,分别是设备的充电和放电效率,然后呢表示电池的自放电率每小时。
4.8。热能存储
以同样的方式作为电能存储设备、热能存储设备的实时能力如下: 在哪里吸热能力和放热功率的设备,分别的热吸收效率和热释放效率热存储设备,分别和表示self-loss热存储设备。
5。双层多目标优化算法
根据系统负载需求和操作模式,第一层的两层操作策略计算每个节点所需的电力的微型智能电网"系统,减少系统损耗和第二层计算每个设备的输出通过nondominated排序遗传算法使用各种能源值计算在第一层作为约束条件,考虑到各种设备的运行特点,针对经济和环境保护。
5.1。第一层优化算法
multienergy互补微型智能电网"系统,负载和每个设备的运行状态变化。合理的能量分配可以有效地提高系统的运行性能,提高系统的经济效益。因此,第一层的决策变量是每个节点分布式发电的需求容量值(20.]。
根据电网结构和电力需求,合理配置DG每个节点容量能满足能源需求的用户,减少能量损失的multienergy互补微型智能电网"系统[21,22]。因此,第一层优化算法的目标是尽量减少功率损耗的微型智能电网"系统,及其目标函数如下: 在哪里代表的积极损失多能网络耦合的力量,表示multienergy网络中负荷节点电压的偏移量,表示数量的分支在multienergy网络,表示multienergy网络中节点的数量,表示电导的分支 两端的节点数量的分支k,和节点的电压幅值吗我和j分别表示节点的相角差我和j,表示节点的电压值我,表示节点的最大允许电压偏差我,所以 。
multienergy互补微型智能电网"系统的能量传递是限制网络的节能和管道网络的传输容量23]。因此,系统中的功率约束如下。
5.1.1。功率平衡约束
在哪里 , ,和发电机的有功功率,分布式发电,和负载的节点我分别和节点之间的电导、电纳吗我和j分别为,和发电机的无功功率和负载的节点我,分别。
5.1.2中。系统不等式约束
(1)节点电压约束: 在哪里电压的上限和下限吗我th节点,分别。(2)DG有功功率的上限约束: 在哪里表示DG有功功率的上限表示节点的数量,可以安装在DG。(3)分支传动功率约束: 在哪里表示的传动功率的上限kth分支。
5.2。第二层优化算法
结果的基础上第一层优化算法和实时和合理配置的冷却、加热、功率输出的值中的每个设备multienergy互补微型智能电网"体系可以提高系统操作经济和环境保护(24),所以每个设备的实时输出的决策变量优化算法在这一层25,26]。
这一层优化算法的目标是优化经济和环境保护,因此目标函数如下: 在哪里表示系统操作的总成本,表示系统设备的维护成本,表示系统设备的运行成本,它主要包括系统电力购买天然气成本和采购成本,表示发电的环境成本,表示我th污染物排放单位内燃机的力量,表示单位功率的治疗费用我th污染物排放,表示实时电力内燃机输出的(27]。
设备维护费用如下: 在哪里 , 表示每个设备的安全系数表示每个设备的电力t。
设备运行成本如下: 在哪里表示电力系统从电网购买,表示电网的实时价格,表示天然气的体积消耗的系统,和表示天然气的实时价格(0.36美元/ )。
在这一层的约束优化算法主要包括系统限制,操作技术约束和限制。
制度约束主要限制上限和下限的每个设备的能力系统,和这部分的约束表达如下:
当操作策略是电力负荷优先级, 。冷负荷优先级操作策略时,需要设置为满足最大冷负荷的70%。
技术限制主要包括设备运行的技术限制。当内燃机运行时变量条件下,斜坡率约束也应该满足,如下: 在哪里限制和表示的速率上升表示下降的速度极限。
电能存储的充放电应该满足以下约束条件: 的最大和最小充电功率储能设备,分别和的最大和最小放电功率储能设备,分别。此外,电池容量也应该满足以下约束条件: 。 最大和最小容量的电力存储设备,分别。
操作约束主要是指能量交换约束和系统节能约束multienergy互补微型智能电网"系统和电网之间的系统,这是表示如下。
5.2.1。能量交换的约束
能量交换约束如下: 在哪里表示系统的总电负载的实时功率,表示能量的最大值,系统可以连接到电网表示最大的电力系统可以从电网购买。
5.2.2。能量守恒约束
功率平衡约束条件如下所示: 加热功率平衡约束条件如下所示: 在哪里表示系统的热负荷t。显示冷却功率平衡约束如下: 在哪里表示系统的冷负荷t。
6。案例研究
6.1。基本数据
本文以区域的架构和数据加载多能互补微型智能电网"系统耦合为例,验证了算法的有效性。的网格结构体系如图2单位价值),网格参数(如表所示1,每个节点的电力负荷数据系统的数据所示3和4(参考能力1 mW)。这multienergy互补微型智能电网"系统使用基于双层nondominated排序遗传算法的优化策略来控制冷却,热,和每个设备的输出功率在实时系统中。经济和环境保护的系统没有这个算法进行比较和分析(假设冷却、加热和系统的电力负荷保持不变和气象参数保持不变的一个小时内评估阶段)。
摘要第一层优化算法计算分布式发电能力所需的每个节点基于网格的结构和电力负荷需求multienergy互补微型智能电网"系统。第二层优化算法计算每个设备系统的输出值通过结合第一层算法的结果,考虑系统的冷却和热负荷需求和每个设备的特点。风力发电机的参数,光伏和电能存储用于这个系统如表所示2- - - - - -4。
电源斜坡率 ,缓降率 ,和最低运行功率 内燃机的系统如表所示5。警察的吸收式制冷机的特性数据,电冰箱、电热锅炉使用的系统如表所示6和7,分别。冷却和热负荷数据,气象数据,实时电价系统的某一天的数据所示5- - - - - -9。权力之间的交互multienergy互补微型智能电网"系统和电网应符合以下要求: 和 。
人口规模的两层优化算法在本文中是200,和迭代的数量是100。第一层优化算法的结果是8节点需要825千瓦的电力和节点9需要713千瓦。系统中各设备的维护成本如表所示8和污染物排放的维护费用t表所示9。
在本文中,使用不同的操作模式来优化这个例子实时基于双层nondominated排序遗传算法。电力负荷优先级操作的结果如图所示9,冷却和热负荷优先级操作的结果如图10和11。各种索引优化前后的比较如表所示10和11。
结果表明,有功功率损耗和电压偏差的multienergy互补微型智能电网"系统减少了51.41%和41.89%,分别在使用实时最优控制策略基于双层nondominated排序遗传算法。总运营成本和污染物排放控制multienergy互补微型智能电网"系统成本降低9.37%和20.81%,分别使用电力负荷优先级操作模式时的;当冷却和热负荷优先级操作模式,系统的运行总成本降低16.79%,污染物排放处理成本降低2.90%。因此,控制策略有效地提高了系统的操作条件,保证了系统的稳定性和经济效益,并改善了环境保护效益。
7所示。结论
摘要实时优化控制策略multienergy互补微型智能电网"系统基于双层nondominated排序遗传算法可以有效地解决效率低的问题和贫穷multienergy输入和multienergy输出系统的能源管理。这种策略优化multienergy互补微型智能电网"系统实时和合理分配每个能源供应的输出终端。根据负荷需求和系统的操作模式,第一层的双层经营战略计算每个节点所需的功率微型智能电网"系统,以减少系统的损失和第二层计算每个设备的输出通过nondominated排序遗传算法使用各种能源值计算在第一层作为约束条件,考虑到各种设备的运行特点,针对经济和环境保护。
首先介绍两种不同的操作模式multienergy互补微型智能电网"系统,nondominated排序遗传算法、电力负荷优先级,冷却和热负荷优先级。其次,模型建立了典型的设备系统,然后具体表达形式的双层优化算法multienergy互补微型智能电网"系统进行了研究。最后,multienergy互补微型智能电网"系统的控制策略应用于特定区域;结果表明,该控制策略可以有效地降低网损,提高系统电压,减少系统操作的总成本,增加系统的环境效益。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作得到了中国国家重点研发项目2018号yfb0905101。