基于分层多目标优化调度综合能源系统进步的并行NSGA-II算法

文摘

考虑的重要性降低系统运营成本和控制污染物排放综合能源系统的运行优化,综合能源系统的能源供应结构和联合多目标优化调度结构分析了基于日前经济综合能源系统的优化调度模型。后来,综合能源系统的多目标优化模型和多目标分层渐进并行算法研究基于改进NSGA-II根据模型的特点,提出了。该算法提高了nondominated层排序算法,收敛判断条件变化而引入目标实现方法加速收敛,并引入了并行计算技术根据算法的特点。案例表明,该算法不仅具有多样性搜索解决方案的优势,但也可以实现更好的结果在许多方面,如迭代时间和算法收敛所需的实际工程项目。

1。介绍

面临能源短缺的压力,节能减排,建设一个干净、可靠的、互动的、高效的分布式冷却、加热、和电力综合能源系统已成为重要手段促进高效的能源利用模式的创新和发展低碳经济。

优化调度和操作技术的研究和开发加热和冷却综合电力系统是一个必要条件大力发展分布式能源系统的有效利用和技术基础进行multienergy使用电力系统示范工程为核心,优化操作的各种能源,提供支持,实现能源利用方式的转变,促进生产和生活方式变化的先决条件,并成为这个国家的一个重要组成部分,促进能源改革和第三次工业革命。

最优结合热力和电力系统调度的目标不仅是经济,通常,总线和最低的最小交换功率调整设备的操作能力也可以。在[1),一个在中国东部岛弧型综合能源系统作为研究对象,和优化目标设置为经济优化和最小功率交换与领带总线。综合能源系统的运行方案得到通过求解最优调度模型。在[2),一个活跃的分销网络(与)与综合能源系统作为研究对象,和拥塞的方法来管理与综合能源系统提出的合理调度。概率的方法,一个新的风险多目标模型之间达到最佳平衡馈电拥堵和经济目标的定义。在[3),综合能源系统优化计划的目标优化的性能提出了热电联产(CHP)植物。该计划的优化目标是最大化发电,减少燃料消耗,最大化使用的热浆过程,共和人民党(CHP)工厂的电力生产效率的提高。

近年来,许多学者已采取环境保护因素为系统的日前调度模型。例如,ultralow-energy消费建筑作为研究对象4)模型的能源管理和控制运营成本,优化他们的温室气体排放。在[5),污染气体排放的罚函数添加到系统的优化目标函数,和一个多目标的机会规划模型建立了考虑因素全面,如结合热力和电力系统的运营成本和污染物排放总量。最后,一种改进的粒子群算法采用局部和全局内存解决优化模型。

在[6),荷马Pro软件被用来模拟微型智能电网"基于CHP植物的优化。微型智能电网"架构包括光伏阵列、柴油发电机、电池(在短时间和岛模式操作)。多个运营目标包括现在净总成本(TNPC),能源成本(COE),生成和年度温室气体(GHG)排放,以及年度废热回收的最大化(WHR)和年度电网销售(GS)。在[7),温室气体排放和污染物排放成本纳入系统的运营成本函数,并建立了多目标优化模型的综合运营成本最低的综合冷却和加热功率系统作为目标函数,和上述模型解决了粒子群优化算法。在[8),多目标热力学模型造纸厂的热电联产(CHP)系统。在多目标优化模型,被认为是三个优化目标,包括热电联合发电效率、系统产品的总成本和有限公司₂整个工厂的排放,并利用遗传算法优化目标函数。

正如上面提到的,综合能源系统的优化运行调度是不再局限于最优经济调度;更可持续发展的环境等因素,预防支线拥塞,需要考虑能源效率改进。

优化模型的求解方法,目前有两种主要类型的解决方法:一是将多个优化目标转化为一个优化目标,然后进行简略的优化,另一个是直接应用智能优化的多目标算法。

在第一种方法,例如,多目标优化调度模型,同时考虑经济和环境目标联产热电联合系统的提出了(9]。优化问题转化为一个简略的优化问题,最大的模糊满意的方法,然后模型解决了通过使用一种改进的遗传算法简略。最后,证明所提出的模型和算法的有效性的一个多目标优化的例子包括wind-solar-storage系统和热电联产。能源转换三种等价因素(冷,热,和电力)相互介绍了等价(10),和一个多目标综合供热节能调度模型和寒冷的电力系统,包括系统的燃料成本,环境排放成本和能源协调成本。使用目标隶属函数将多目标转化为单目标,最后,利用二次规划算法解决模型。

解决缺点缺乏客观依据体重因素的选择在多个目标函数,提出了负理想点方法(11],它介绍了主观和客观权重的方法来确定各目标函数之间的重量因素。算法应用于综合供热供电系统与燃气内燃机的核心。同等的性能系数的角度提出了污染物的排放,以反映系统的能源消耗在12),和一个多目标优化调度模型集成冷却,加热,建立了电力系统。模型的优化目标包括发电成本和发射成本。这两个优化目标转化为单一目标隶属函数进行处理。最后,该模型解决了使用非线性规划算法。分布式能源资源(DER)和微型电网作为研究对象13,MG优化管理的优化模型,提出了基于热电联产(CHP)系统考虑经济、环境、和可靠性方面。外汇市场算法(EMA)和加权因子法被用来结合三个相互矛盾的目标,把多目标问题作为一个单一的目标问题,和模糊满意度方法应用于选择最好的折衷方案。

最大的问题在将多目标问题转化为一个简略的优化是它不能完全找到一组满足多目标优化问题的解决方案。单一目标的解决方案通常是获得多个目标的重量减少为每个目标有效地平衡取舍或偏好。因此,近年来,越来越多的研究将解决方案方法直接使用智能算法如遗传算法和粒子群优化问题直接解决多目标问题,找到合适的解决方案。

在多目标遗传算法中,广泛使用的算法是nondominated排序遗传算法(NSGA)和nondominated排序遗传algorithm-II (NSGA-II) [14- - - - - -16]。NSGA的排序方法简单和直观的,也就是说,遍历整个人口,比较个人一个接一个,然后选择个人,满足要求,直到分层工作完成的周期。在一个m维多目标优化问题,排序的时间复杂度是O (mN)³)[17]。NSGA很简单,容易理解,但有三个主要问题(18):(1)具有较高的时间复杂度;(2)它不采用精英保留策略;(3)它需要事先指定共享半径参数当调整虚拟健身价值。的改进算法NSGA, NSGA-II解决上述三个问题采用更好的会计和精英策略减少了排序算法的时间复杂度O (mN)³O (mN)²)[19]。NSGA-II减少了计算时间与NSGA相比,但在一些大型优化项目,还有很长的计算时间问题20.]。

冷、热、和电力综合能源系统的核心小沼气内燃机作为研究对象(21]。多目标优化调度模型和综合经济效益,环境效益和能源利用效益建立了基于能量流特征和操作系统的约束。系统的多目标优化调度模型终于解决了利用PSO算法多目标与约束因素来获得系统的帕累托解集。分时电价被认为是和一个多目标优化调度模型结合热力和电力系统燃料最低的成本、最低的污染物排放,最好的电力从公共网络成立于(购买和销售22]。最优问题是通过空间耦合的PSO优化算法来解决。一个例子表明,该算法具有更强的全局搜索能力比传统PSO算法和可以获得更可靠的帕累托的解决方案。碳排放交易是为研究点和污染物排放罚函数被剥夺了从系统运营成本23),然后是一个多目标优化调度模型,结合热力和电力系统,认为碳排放交易成本和系统整体运营成本。模糊自动修正的PSO算法用于解决模型。示例表明,该系统可以有效地控制碳排放的前提下,确保正常运行和获得一些事务的好处,从而提高系统的经济运行水平。

共和人民党(CHP)综合能源系统的多目标优化模型建立了考虑风能的随机性和负载波动的情况下离网模式(24]。优化目标考虑运营成本,综合效益和系统供电的可靠性。最后,该模型解决了NSGA算法获得最优解集。最小化的多目标优化模型的目标系统运营成本和碳化物排放CHP综合能源系统成立于(25]。考虑模型的非线性和复杂性,修改MOPSO算法基于微分进化算法是用来解决模型。最后,一个实验室综合能源系统作为算例,验证了该模型和算法的有效性。经济和环境目标被认为是和一个dual-objective热电联合系统的最优调度模型提出了在26]。该模型解决了使用基于机会约束的模糊MOPSO算法编程(CCP)。帕累托最优解集和最优解下两个subobjectives给出了仿真例子。

总之,研究综合能源系统的多目标优化运行主要是集中在多个目标的选择和多目标优化问题的解决方法。单目标转换方法的缺点相对有限的解集,搜索解决方案的多样性不足,很容易陷入局部最优。然而,使用多目标智能算法来解决这个问题的问题解决的过程是漫长的,难以融入实际的工程应用。

因此,基于建立综合能源系统的优化调度模型与多个优化目标,提出了一种多目标分层渐进平行NSGA-II算法根据模型的特点。算法提高了nondominated层排序算法,改变了收敛判断条件引入目标实现方法加速收敛,并引入了并行计算技术根据算法的特点,加速算法的收敛速度,同时考虑解决方案搜索的多样性。

案例研究表明,本文提出的算法不仅具有多样性的解决方案搜索还可以实现更好的结果在许多方面,如迭代时间和算法收敛所需的实际工程项目。在实际工程应用中,可以选择的最优操作方案,根据客户的需求来实现多目标优化操作智能电网综合能源系统的区域。

2。综合能源系统的能源供应结构

综合能源系统是一种新型的整体能源供应系统在需求方面有许多优势,如各种形式的能源供应,大量的能源供应设备,灵活的能源供应方案,满意的整体经济。一般来说,综合能源系统的能源包括电网、独立的分布式发电设备,和天然气公司。主要包括各种工业客户,提供的负载系统周围住宅客户和商业客户。不同类型的客户有不同的冷、热、电力需求,综合能源系统可以基于这些能源需求制定相应的能源供应计划,以满足客户的负荷需求。

主要能源供应设备的综合能源系统研究包括热电联产,其中包含搅拌气涡轮机、废热锅炉、和吸收冰箱。制冷设备包括电冰箱单位、制冷空调、冷藏设备。加热设备包括燃气锅炉、采暖空调、蓄热设备。纯电力供应设备包括蓄电池和光伏电池。

综合能源系统可以自由贸易与公共电网电力,如购买电力,从电网当系统供电不足或电网电力价格低于系统的发电成本和销售电力电网系统电源时盈余。与此同时,据推测没有天然气生产所需的综合能源系统和所有的气体从外部购买天然气公司。能源供应结构,反映了系统中的能量流图所示1。

综合能源系统执行双边能源与外部电网和单向交互互动与外部天然气公司。热电联产,搅拌气涡轮机将天然气的化学能量转化为电力,和浪费烟是利用废热锅炉产生高温蒸汽,加热或冷却通过溴化锂吸收单元。在电冰箱冷却系统,单位可以生成所需冷水冷却,冷藏设备可以灵活存储和释放冷水中根据需要,和冷负荷的空间可以满足冷却水通过风机盘管冷却或直接通过制冷空调。在热力系统,燃气锅炉可以生成所需的热水加热和热存储设备可以灵活的存储和释放热水介质根据需求。空间可以满足热负荷热水直接通过风扇托盘或空调。太阳能和存储发电单元的综合能源系统与外部电网可以交换权力通过公共汽车。

基于这种能源供应结构,建立一个联合为一个完整的能源系统多目标优化调度模型。调度模型的输入条件主要包括第二天预报值不同的加载系统中,石头(的使用)的价格(电力和天然气)的能源市场,和各种类型的能源供应设备模型,能力,和操作系统的条件。

帕累托解集是通过解决联合综合能源系统的多目标优化模型,然后调度指令签发帕累托解集的一个解决方案根据目标偏好。模型的输入和输出,如图所示2。能源供应设备的数学模型建立了综合能源系统(27]。

3所示。综合能源系统联合多目标优化调度模型

综合能源系统包含各种设备;为了满足各种负载的系统效率,能源设备运行状态的综合能源系统必须针对调度根据优化目标进行了优化。

根据制定的能源供应结构综合能源系统和数学模型的建立对各种能源供应设备系统中,多维操作优化的目标函数,建立了考虑时段能源价格和各种设备运行约束。通过求解多目标优化调度模型,合理制定操作策略的目的,满足调度目标的要求。

模型的假设如下:(1)假设设备内连续可调的输出操作限制(2)设备没有失败在优化操作周期

3.1。多维目标函数优化操作

过程中联合多目标综合能源系统的运行优化,不仅系统的经济地位是还整个综合能源系统的环境指标。环境指标也称为排放目标. .(1)综合能源系统的经济目标是获得最低的日常运营成本主要包括三个方面:系统燃料成本、功率与电网交互成本,和系统操作维护成本: 在哪里f₁系统的经济目标;K_总系统的日常综合运营成本;K_燃料是系统的燃油成本;K_网格是电源与电网交互成本;和K_维护是操作系统的维护成本,在燃油锅炉和微型燃气轮机的燃料成本函数在计算综合能源系统 在哪里f_{共和人民党我}能源消耗曲线的函数吗我^th微型燃气轮机;的电力输出吗我^th微型燃气轮机的单位千瓦;是每小时的天然气价格与美元的单位/(千瓦⋅h)转换后根据天然气的热值;的能源消耗是吗我^th燃气锅炉在时间t单位千瓦;和t是时间的单位小时数。电源与电网交互系统的成本函数计算如下: 在哪里每小时的电力和价格吗的每小时的电力交换价值与外部电网综合能源系统。系统的运行维护成本函数计算 在哪里p_mCHP我是单位微涡轮动力操作维护成本;p_mdistri是单位功率操作分布式发电单元的维护成本;p_mstor是单位功率操作存储设备的维护成本;p_mGB是单位功率操作燃气锅炉的维护成本;p_mWB是单位功率操作废热锅炉的维护成本;p_mAC是单位能量吸收式制冷机的运行维护成本;p_mEC是单位功率压缩电动冷水机组的运行维护成本;p_其余的是单位功率操作空调的维护成本;p_我的电力输出吗我^th微型涡轮;的输出是什么我^th分布式发电单元;和指的是三种类型的充电和放电功率储能设备,分别;燃气锅炉的热力;余热锅炉的热力;吸收式制冷机的制冷功率;是压缩电动冷水机组的运行功率;空调系统的操作能力;和上述变量单位转化成千瓦。(2)综合能源系统的环境保护目标是获得最低的日常操作排放,主要包括三个方面:氮化物、碳化物、硫化物的排放。 在哪里f₂系统的环境保护目标;PG_总是总日常操作排放污染物的综合能源系统;PG_C是整个地区的每日碳排放;PG_年代是整个地区的日常硫化物排放;和PG_N是整个地区的每日氮化碳排放和具体公式如下: 在哪里 , ,和是有限公司_X排放的地区购买电力,微型涡轮,和天然气锅炉的单位公斤/小时; , ,和是没有_X排放的地区购买电力,微型涡轮,和天然气锅炉的单位公斤/小时; , ,和是所以_X排放的地区购买电力,微型涡轮,和天然气锅炉的单位公斤/小时;δ1,δ2,δ3是碳排放的重量系数、硫排放,和氮排放。

3.2。系统的约束

联合多目标综合能源系统的运行需要满足三种类型的约束:系统操作的限制,环境排放约束和经济约束。(1)操作系统的约束包括电力平衡约束、冷却和加热电源的限制,设备能力限制,约束和设备操作。电力平衡的约束条件如下: 在哪里的每小时的电力交换价值与公共电网综合能源系统;是每小时的电力负荷;电池的充电或放电能力;是空调的每小时的操作能力;分布式发电单元的每小时的操作能力;和生成的权力吗我^thmicroturbine。加热电源的约束如下: 热水供应的约束如下: 在哪里检索到的值的热量吗我^th通过废热锅炉microturbine;的热输出吗我^th燃气锅炉;和的输入和输出热能存储设备;是空调设备的性能系数;和和是每小时空间加热负荷和热水负荷的综合能源系统,分别。冷却能力供给的约束如下: 制冷的电力供应的约束如下: 在哪里制冷的力量吗我^thmicroturbine制造的吸收制冷装置;由电动制冷机制冷功率生成;和电源输入和输出的冷藏设备,分别;是制冷空调设备的能源效率比;和和是每小时空间冷负荷和综合能源系统的制冷负荷,分别。设备能力和操作约束的综合能源系统如下:微型涡轮, 天然气锅炉、 空调设备, 热(冷)能源存储设备, 在哪里和电源输入和输出的热(冷)存储设备在时间吗t;和电源输入和输出限制的热(冷)存储设备;和的电荷状态时的热(冷)存储设备的时间吗t。(2)综合能源系统的运行过程中,需要控制整个系统排放的污染物量在一定的范围内,包括该地区污染物排放总量限制和每小时排放各种污染物的约束。限制碳排放总量在该地区如下: 限制硫化物排放总量在该地区如下: 限制总氮化碳排放在该地区如下: 在哪里每天的上限是整个地区的碳排放值;的上限是整个地区的日常硫化物排放值;和每天的上限是氮化发射整个地区的价值。该地区每小时的碳排放约束如下: 该地区小时硫化物排放约束如下: 该地区每小时的氮化碳排放约束如下: 在哪里 和的上限是碳,硫,氮化和整个地区的排放值的时间吗t。(3)在综合能源系统的运行,整个系统的运营成本需要控制在一定的范围内。经济约束如下: 在哪里是整个综合能源系统的日常运营成本和日常运营成本的上限。

3.3。求解算法

由于存在各种各样的能源供应设备的优化模型和复杂的耦合关系冷,热,和电能,该模型有一个大量的优化变量和大量的约束条件下,当使用传统的全球解决方案空间搜索算法如NSGA-II或多目标粒子群算法将使溶液过程不可接受长期不能满足时限要求的滚动优化调度系统中的过程。当传统的多目标优化算法转换从简略约束法或加权法等优化算法用于解决模型,获得的解决方案往往是局限于当地的帕累托最优解集,很难获得大范围的帕累托最优解集;,因此,传统的多目标优化算法不能为调度系统提供了各种调度方案决策系统。

基于上述分析,本文提出了一种分层渐进并行NSGA-II算法适合求解多目标综合能源系统的调度策略。当解决优化模型,它不仅可以充分利用全球解决方案的优势空间搜索算法的解集的平衡和多样性搜索也实现大规模非线性优化问题的解决速度快,可以满足计算时限要求的滚动优化调度系统中的过程。该算法使得三个基于NSGA-II改进如下:(1)提高nondominated层快速排序算法实现基于分层模型的特点。在解决的过程中联合多目标综合能源系统的优化运行模型,考虑到模型中只包含双重优化目标,本文采用一个更有效和快速nondominated层排序方法根据模型的特点,以满足需求的快速模型解决。首先,合并排序方法用于人群中个体的升序排序根据第一目标函数值。合并排序方法排序方法采用分而治之的策略。在划分阶段,该方法将问题划分为小问题,解决了递归,在征服阶段,在划分阶段获得的方法结合了答案的结果(28- - - - - -30.]。假设有一个人口如图3每个人都有两个目标函数值。整个过程由升序排序的个体人口根据第一目标函数值如图4。在分裂过程中,这种结构就像一个完全二叉树,它可以被理解为递归分割子序列的过程。在征服的过程中,我们需要合并两个已经有序子序列为一个有序的序列,如最后合并图4,合并已经有序子序列的4,5,7,8]和[1- - - - - -3,6)到最终的序列(1- - - - - -8]。最后合并在征服过程演示如图5。如果第一个目标函数值的两个人是相同的,个人是按升序排序根据第二个目标函数值和归并排序的结果存储在数组中F_我。在这种情况下,先用最小的个体目标函数值必须是一个人的第一层nondominated层。然后,相邻个体的第一个人搜索;如果第二目标函数值的相邻个体比前面的小个体,个体和之前的个体都属于同一层nondominated层;否则,个人不属于同一层,将数组的末尾插入F_我等找到所有一级nondominated个人在人群中。接下来,从第一个元素开始的数组F_我找到第二层nondominated个人等等,直到人口完全分层。在上述的例子中,分层的过程发生在图所示6。由于下一代的个体数量的一半F_我,一个不完整的分层策略采用分层过程中打断分层一旦下一代的个体数量超过下一代人口规模,可以避免许多不必要的分层比较的步骤。nondominated层分层算法的原理图基于改进NSGA-II图所示7:在nondominated层排序算法,平均合并排序过程的时间复杂度是O (N 日志₂N)和计算的总时间花在分层操作 在哪里N是人口规模大小的两倍;k总层数是nondominated排序完成后;是计算的总时间花在分层操作nondominated排序完成后;和生成所需的最大次数的比较我^thnondominated层。层次(分层)操作的时间复杂度是O (kN)nondominated排序完成后,总算法的时间复杂度是O (N log2N+kN)。一般来说, ,所以总算法的时间复杂度是O (N log2N)。NSGA-II类似于泡沫的排序原则排序需要成对比较人口中的个体排序算法的平均时间复杂度是O (mN)²),米数量的目标。与NSGA-II相比,该算法降低了时间复杂度从广场以线性对数秩序。(2)修改收敛性判断条件,结合目标实现方法加速收敛的过程。改进的多目标遗传算法基于NSGA-II可以迅速接近附近的帕累托前面设置的过程中解决模型。然而,为了达到最终的收敛,它需要大量的迭代和功能比较这意味着较长的计算时间。因此,本文综合分级累进算法加速的过程找到帕累托最优解集。首先,基于NSGA-II上述改进遗传算法用于搜索解决方案接近帕累托前通过设置它的终止条件有限的几代人。其次,目标达到法用于二次搜索,使用上一步的计算结果作为初始值和执行本地搜索的目标达到方法得到帕累托解集。利用目标实现方法的标准形式解决模型 在优化变量x是一个n维变量包括每小时冷,热,和microturbine-based CHP系统的功率输出,每小时冷,热,和辅助能源供应设备的功率输出,每小时冷,热,和各种储能设备的输出功率,SOC状态的能量储存设备,每小时电源与电网互动。f_我(x)是我^th优化目标函数;的权重系数是吗我^th目标函数;优化目标值预计达到的我^th目标;是目标成就系数用于代表实现预定目标;c(x),c_情商(x)的各种非线性不等式约束和非线性等式约束满足优化变量;一个和b是不同的系数矩阵线性不等式约束满足优化变量;一个_情商和b_情商是不同的系数矩阵线性等式约束满足优化变量;磅和乌兰巴托上下极限的优化变量x,分别。在目标达到法、多目标优化问题转化为一个简略的优化问题通过使用虚拟变量和单目标优化模型解决了利用内点方法。在解决过程中,内点方法构造一个辅助函数满足Karush-Kuhn-Tucker拉格朗日条件: 二阶导数海赛矩阵的修正方程 在哪里是拉格朗日乘数法具有相同的维数与各自的约束。x,磅,和乌兰巴托是n×1列向量;b是一个p×1列向量;b_情商是一个问×1列向量;一个是一个p×n矩阵;一个_情商是一个问×n矩阵;海赛矩阵是一个n×n矩阵。解决方案可以通过转换、低密度脂蛋白^T分解、迭代和校正矩阵的修正方程。时自动停止迭代收敛条件得到满足和解决方案接近预期的优化目标找到可行域的帕累托最优解。(3)介绍并行计算技术来加速解决方案过程根据算法的特点。因为有大量的重复循环迭代过程的多目标分层渐进算法基于改进NSGA-II,此外,每个进程没有参数传递,不依赖于其他过程的结果,介绍了并行计算技术来加速算法的收敛过程。其中,部分适用于并行计算主要包括nondominated层合并排序计算和目标实现的方法的调用实现快速收敛。在nondominated层合并排序部分,个人的健康是首先计算多个并行处理单元,然后是个体的人口进行均匀分布米并行处理单元。合并排序过程的复杂性减少到O (N/米 日志₂N)并行处理和算法加速增长的并行处理单元。当目标达到法用于二次搜索,该方法从不同的初始值和彼此没有参数传递,所以它也适合使用并行处理技术,计算任务被均匀地分布到多个并行处理单位的电脑。此外,由于是专为并行操作的GPU比CPU计算单位,为了充分利用GPU的大规模阵列矩阵处理多个操作不复杂的逻辑判断和重复计算和数据关联,人口中的交叉和变异操作算法被分配到GPU。随着GPU硬件架构的限制,单精度计算速度远远超过双精度计算准确;因此,本文使用单精度(单类型变量)为各种类型的人口计算操作。通过上述三个方面的提高,层次进步并行NSGA-II算法可以大大减少计算时间得到帕累托解集的过程中,可以满足要求的滚动优化调度系统中的过程,确保解决方案的均匀分布和种群的多样性。获得的解集的算法可以提供灵活多样的调度方案供决策者选择。层次进步平行NSGA-II算法编写的MATLAB解决联合综合能源系统的多目标优化调度模型。算法流程图如图8。

4所示。的情况

4.1。案件情况

图9显示了每日预测冷却、加热和电力负荷曲线的一个典型的在天津中新生态城智能电网综合能源系统区。地区采用分时电力定价和峰值时间从8到11 18至23日平时间从7到8、11到18岁,和山谷时间从23 - 7。分时电价表所示1。

如果天然气价格是0.4642美元/立方米和高热值是8571千卡/立方米,因此,天然气价格转化为0.0464美元/千瓦·h。权重系数δ1,δ2,δ3碳、硫和氮的排放量是1100100年,分别。

排放的单位转换为根据(克/千瓦时31日),每个设备的污染物排放数据综合能源系统如表所示2。

4.2。设备参数

综合能源系统中的主要设备包含微型燃气轮机、余热锅炉、吸收冰箱、电子冰箱、燃气锅炉、电池、热(冷)存储设备,家用空调,光伏电池。综合能源系统交流电源通过集权总线与公共电网,从电网购买电力系统内的电力供应不足时,和销售力量时向电网供电系统内的盈余。同时,假设没有天然气生产所需的综合能源系统和所有的气体是由外部提供气体公司。能源供应设备的参数和能量存储设备如表所示3和4。

5。案例研究

5.1。比较不同算法下的帕累托边界为系统优化运行

三种不同的算法被用来解决多目标联合优化调度和综合能源系统的调度模型,在不同的算法和帕累托最优解集。

当使用加权法时,最初的解决方案是在可行解范围内随机生成的初始迭代值。两个目标的权重归一化和49集的权重被迭代。帕累托最优解集边界获得如图10。如图,帕累托最优解集的边界通过加权法相对集中在某些地区,它不是很连续的整个解集前线;换句话说,它有缺点的多样性搜索解决方案。

NSGA-II算法时,初始种群大小设置为2000,单精度实数编码。每一位个体的电气、加热和冷却功率输出值由各种类型的能源供应设备。交叉算子采用两点交叉和邻近个体交叉。交叉率是0.8,变异概率是0.04。设置最大迭代生成200和两代人之间的相对变化准则的帕累托最优解集设置为1e1。如果两代人之间的差异小于标准,迭代终止。帕累托最优解集边界获得如图11。

如图,帕累托最优解集边界NSGA-II算法获得的相对分散和持续整个解集的前面,有突出的优势解决方案搜索的多样性,即NSGA-II算法可以找到尽可能多的帕累托最优解。然而,NSGA-II算法的缺点是计算时间很长,一次优化过程需要数小时,这在实际工程应用中都是不可接受的。

当多目标分层渐进并行算法使用基于改进NSGA-II,初始种群大小设置为2000,单精度实数编码。每一位个体的电气、加热和冷却功率输出值由各种类型的能源供应设备。交叉算子采用两点交叉和邻近个体交叉。交叉率为0.8,变异概率为0.04,最大迭代生成设置为200。如果超过最大迭代生成,目标达到法用于二次搜索。两代人之间的相对变化准则的帕累托最优解集设置为1e1。如果两代人之间的差异小于标准,迭代终止。测试电脑配备了英特尔第三代核心处理器i5 - 3230 m,它可以执行双核一次并行计算。每个核心的CPU的主要频率为2.60 GHz;配置的GPU NVIDIA GeForce 610 m。编程环境是MATLAB R2012a,结果如图12。

如图,帕累托最优解集边界获得的多目标分层渐进并行算法基于改进NSGA-II也相对分散,对整个解集,它是通过连续的前面。因为目标达到法并不关注多样化的解决方案,解决方案的多样性在二级搜索过程将牺牲来换取计算的收敛时间。整个算法的优势解决方案的多样性不一样突出NSGA-II算法。然而,它的优势在于结合目标实现方法的快速收敛的优点和NSGA-II算法在寻找解决方案的多样性,使得该算法找到尽可能多的和分散的帕累托最优解在很短的时间内。优化过程可以减少到几分钟micro-PC,从而大大提高了算法的工程实用性。

5.2。不同算法的性能比较

NSGA-II和多目标分层渐进并行算法基于改进NSGA-II提出了用于解决综合能源系统的优化运行模型。平均单个比较时间在一个分层的过程在一个解决方案过程中,nondominated前沿平均层数和平均CPU时间被一个两个算法的分层过程记录下来。测试的参数设置是一样的参数使用NSGA-II获得帕累托边界条件。在测试期间,实验重复了20次为每个算法和每个测试数据的平均值。NSGA-II之间耗时比较测试的结果和算法在单一nondominated层结构如表所示5。

从表中,本文提出的算法具有非常明显的优势的平均个人比较时间在一个进化过程,分层nondominated边界分层层的平均数量,平均CPU时间被一个分层的过程。平均个人比较时间的减少主要是由于使用nondominated前沿施工方法基于dual-objective合并排序。的平均层数的减少nondominated前沿主要是因为停止分层时,个人的实践已经满了。显著减少平均消耗的CPU时间分层过程主要是由于减少的数量比较,引入CPU双核并行计算。

的变化的层次的nondominated层subparent综合人口在一个典型的进化过程,如图13。

如图13,多目标分层渐进并行算法基于改进NSGA-II大大减少了层数在一个演化过程,显著提高计算效率的过程中比NSGA-II执行层次选择操作。

尽管NSGA-II算法的几种改进了,由于大量的进化一代又一代,大量的比较,和大量的计算,总的计算时间还很长,算法执行效率低于加权法。因此,本文应用综合分级累进算法修改解决模型的收敛条件判断。NSGA-II利用强大的可伸缩性,通过设置一定的截断进化一代,结合目标达到收敛方法执行最后一步计算,整个算法的收敛进展加速。具体的测试计算时间如表所示6。

如表所示,截断进化一代设置为100时,整个算法的总计算时间可以控制在10分钟,这是远远高于NSGA-II(未列出的几个小时,因为大小不平均的意义)。由于需要指定重量和初始位置,最快的传统算法具有快速的特点单一优化过程,但可怜的整体收敛性。它可能需要许多试验找到一个令人满意的帕累托面前;总的来说,这不是本文中的算法。分级累进算法基础上改进的收敛判断加速收敛的过程与目标实现方法,通过结合NSGA-II但牺牲一小部分帕累托解集的多样性,这不仅反映在搜索解决方案的数量也在减少搜索解决方案的离散程度。略逊于NSGA-II多样性,但由于使用的初始值收敛计算过程中目标实现方法得到改进NSGA-II算法迭代之后的几代,因此这些初始值仍然有相对较好的分散,因此该算法的解决方案多样性远优于传统的加权方法。总的来说,本文提出的算法具有更好的综合计算能力和优势的计算时间和解决方案的多样性。

在多目标分层渐进算法基于改进NSGA-II,并行计算加速度主要包括两个部分:CPU双核并行加速度CPU和GPU +合作处理加速度。CPU双核并行加速部分主要包括nondominated层合并排序的计算和最后一步调用目标实现方法实现快速收敛。根据描述引入并行计算加速解决方案的过程中,可以看出,理想的加速比是2考虑计算量是均匀地分成两个核心的CPU。然而,由于计算量需要分解不一定是偶数和数据分割和集成,加速率低于2在实际测试。具体平均测试结果如表所示7。

自GPU运算单元(整数和浮点数的乘法和加法单元,特殊的运算单元,等等)比CPU和它的设计更面向并行操作,GPU很大优势了CPU在大型数组和矩阵处理,多个简单的计算,与小数据关联理论和重复操作。在具体执行层面,GPU + CPU合作处理加速人口优势的交叉和变异操作时间在一个迭代。然而,GPU-CPU数据传输和通信的运行时间需要添加到总计算时间;因此,在测试系统中,加速度率只能达到约1.08的平均合作处理加速过程。

5.3。调度策略,典型的最优解

帕累托最优解集,污染物排放值之和的帕累托解最好的经济指标是44571.567千克/天,运营成本为3433.16美元/天。污染物排放值之和的帕累托解最好的环保指数是34015.972千克/天和操作成本是4344.79美元/天。选择一个典型的帕累托解,考虑经济和环境保护从帕累托解集;污染物排放值之和为42771.233公斤/和操作成本是3667.74美元/天。各种负载平衡调度曲线和设备操作状态下面列出;日前优化电力负载平衡调度曲线如图14。

在图14,系统从公共电网购买电力来满足电力需求加载时从23日电价低:00到8:00和购买数量小于最优经济指数和大于最优环境保护的情况下。当和平板电价的高峰时期,microturbine进入额定工作状态来满足需求的电动加载和发电总额是经济最优情况和环保之间的最优情况。

日前优化调度曲线空间热负荷平衡经济和环境优势如图15。

在图15,空间热负荷联合提供的空调系统,燃气锅炉,搅拌气涡轮系统。谷时电价,空间所提供的热负荷主要是空调和电价高峰时期,搅拌气涡轮机的废热锅炉系统和燃气锅炉取暖应用供应。

日前优化调度曲线热水负载平衡与经济和环境优势如图16。

在图16热水负荷的综合能源系统智能电网灾区了废热锅炉及蓄热设备。类似于调度策略提供最优环境保护指标和不同的是反映在热能存储的调度。

日前优化调度曲线空间冷却负载平衡与经济和环境优势如图17。

在图17,空间冷负荷联合提供的空调系统和microturbine系统内的溴化锂吸收式制冷装置。谷时电价,空间提供的冷负荷主要是空调和提供的剩余时间主要是溴化锂吸收式制冷装置。当溴化锂吸收式制冷机组的冷却能力不足,家庭空调系统作为调峰设备空间的冷负荷。

日前优化调度曲线制冷负载平衡与经济和环境优势如图18。

如图18,综合能源系统的制冷负荷共同会见了溴化锂吸收式制冷装置,电动冰箱,冷藏设备,三种类型的能源供应设备的输出是相对一致的。

日前优化调度曲线能量储存设备的经营状况与经济和环境优势如图19。

能源存储设备的经营状况与经济和环境优势小于平均状态下的能量调度策略与最优经济指标和环境保护指标;这是因为没有必要达到极限的经济或环境保护目标和能源存储设备可以操作一些保证金当目标被认为是。

污染物排放的各种类型的能源供应设备和公共电网智能电网区与经济和环境优势如图20.。

如图20.,污染物排放主要来自能源生产排放的公共电网,其次是microturbine排放,CHP辅助系统,燃气锅炉的优化调度策略与经济和环境优势。策略利用冷热能源存储设备存储产生的多余的能量microturbine和释放它所需的时间。当污染物排放不高得令人无法接受,公共电网电力在非高峰时间的定价时间用于能源供应。污染物的排放之间的方案是最好的经济形势和最好的环保情况。它不会造成了很大程度上的污染物排放和控制综合能源系统的运营成本在一定范围内,这是一个平衡的调度策略。在实际工程应用中,可以选择的最优操作方案,根据客户的需求,如单一或环境protection-oriented,从而实现多目标优化操作智能电网综合能源系统的区域。

6。结论

分析典型的综合能源系统的能源供应结构和联合多目标优化调度架构,研究综合能源系统的优化调度模型下的多个目标,并提出了多目标分层渐进并行算法基于改进NSGA-II根据模型的特点。

该算法提高了nondominated层排序算法,收敛判断条件变化而引入目标实现方法加速收敛,并引入了并行计算技术根据算法的特点。该算法加快了收敛速度解决方案的过程,并同时考虑解决方案搜索的多样性。

通过分析应用场景的综合能源系统的运行优化多目标下,典型的日常运作优化模型智能电网区域综合能源系统的解决,和系统联合多目标优化操作帕累托边界。最后,本文提出的算法与传统的加权算法和NSGA-II算法相比而言,解决方案多样性和解决方案。案例研究表明,本文提出的算法不仅具有多样性的解决方案搜索还可以实现更好的结果在许多方面,如迭代时间和算法收敛所需的实际工程项目。在实际工程应用中,可以选择的最优操作方案,根据客户的需求来实现多目标优化操作智能电网综合能源系统的区域。

数据可用性

使用的数据来支持这项工作的结果可从相应的作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

Aidong曾庆红和Sipeng郝构思研究方案和写的手稿。佳宁,验证了本文方法的可行性和实现算法。青山徐检查数据处理结果和手稿。灵江提供案例研究中的数据。

确认

这项工作得到了中国国家电网公司科技项目(没有。SGTJDK00DWJS1600014),江苏省高校自然科学研究一般项目(没有。18 kjb470013),南京理工大学研究基金会(没有。YKJ201715),江苏协同创新中心的开放研究基金智能配电网,南京理工学院(没有。XTCX201802),南京理工大学研究基金会(没有。JCYJ201815)。

引用

1. y, y, l . Ju et al .,“混合能源系统的多目标优化调度模型与wind-photovoltaic-conventional燃气涡轮机,CHP考虑加热存储机制,“能量,12卷,不。3,2019。视图:出版商的网站|谷歌学术搜索
2. a . Abdolahi j . Salehi f . Samadi Gazijahani et al .,“分散能源存储系统最优的概率多目标套利活动分销网络的拥塞管理包括太阳能/风能/ CHP混合能源系统,”可再生能源和可持续能源杂志》上,10卷,不。4、2018。视图:出版商的网站|谷歌学术搜索
3. s . Seijo环绕卡姆博i, j . Echanobe和j . Garcia-Sedano”建模和多目标优化的复杂CHP过程,”应用能源卷,161年,第319 - 309页,2016年。视图:出版商的网站|谷歌学术搜索
4. a . m . Stadler西迪基,c . Marnay h·阿基,和j .赖”控制温室气体排放的最佳DER zero-net-energy建筑,技术投资和能源管理”欧洲电力交易,21卷,不。2、1291 - 1309年,2011页。视图:出版商的网站|谷歌学术搜索
5. r·w·顾z . Wu Bo et al .,“建模、规划和优化能源管理结合冷却、加热和权力微型智能电网":复习一下,”国际期刊的电力和能源系统卷,54 26-37,2014页。视图:出版商的网站|谷歌学术搜索
6. a . Waqar m . s . Tanveer j·艾哈迈德et al .,“多目标分析CHP工厂集成微型智能电网"在巴基斯坦,“能量,10卷,不。10日,2017年。视图:出版商的网站|谷歌学术搜索
7. m . Sharafi和t . y . ELMekkawy混合使用PSO-simulation可再生能源系统的多目标优化设计方法为基础,“可再生能源卷,68年,第79 - 67页,2014年。视图:出版商的网站|谷歌学术搜索
8. p .艾哈迈迪,a . Almasi m . Shahriyari, Dincer,“多目标优化的热电联产(CHP)系统加热造纸厂使用进化算法的目的,“国际能源研究杂志》上,36卷,不。1,46 - 63年,2012页。视图:出版商的网站|谷歌学术搜索
9. r . Hemmati”优化热电联产和调度混合hydro-thermal-wind-solar系统将能量存储系统,”可再生能源和可持续能源杂志》上,10卷,不。1,p。014102年,2018。视图:出版商的网站|谷歌学术搜索
10. 杨周x, r . y . et al .,“冷热相结合的多目标优化调度和权力平等排放的原则基础上,”2012年IEEE电力和能源学会学报大会圣地亚哥,页1 - 5,IEEE CA,美国,2012年7月。视图:谷歌学术搜索
11. k·杨,y丁:朱、f·杨和王,“分布式能源系统的多目标综合评价为社区能源规划基于改进灰色关联的方法:一个案例研究在天津,”应用能源卷,229年,第363 - 352页,2018年。视图:出版商的网站|谷歌学术搜索
12. 方,问:h . Wang和y .史,“小说最优运营战略燃气热电冷联产系统基于两种操作模式,”IEEE电力系统,27卷,不。2、1032 - 1041年,2011页。视图:谷歌学术搜索
13. p . Pourghasem f . Sohrabi m . Abapour, b . Mohammadi-Ivatloo“随机多目标动态调度的可再生和CHP-based坐落微型电网,“电力系统研究卷,173年,第201 - 193页,2019年。视图:出版商的网站|谷歌学术搜索
14. k . Deb, A .普拉塔普,美国阿加瓦尔和t . Meyarivan”一个快速和精英多目标遗传算法:NSGA-II,”IEEE进化计算》第六卷,没有。2、182 - 197年,2002页。视图:出版商的网站|谷歌学术搜索
15. s . Jeyadevi s Baskar c . k . Babulal和m . Willjuice Iruthayarajan,“解决多目标最优无功调度使用修改NSGA-II,”国际期刊的电力和能源系统,33卷,不。2、219 - 228年,2011页。视图:出版商的网站|谷歌学术搜索
16. l . x方,w . Wang他et al .,“改进NSGA-II算法研究及其在应急管理中的应用,”数学问题在工程ID 1306341条,卷。2018年,13页,2018。视图:出版商的网站|谷歌学术搜索
17. f·门多萨,j·l·Bernal-Agustin和j·a . Dominguez-Navarro”NSGA说应用于多目标设计的配电系统中,“IEEE电力系统,21卷,不。4、1938 - 1945年,2006页。视图:出版商的网站|谷歌学术搜索
18. b . y, z . Wang杨et al .,“多目标优化夹具定位布局钣金部分利用SVR和NSGA-II,”数学问题在工程卷,2017篇文章ID 7076143, 10页,2017。视图:出版商的网站|谷歌学术搜索
19. a . Kamjoo a . Maheri a . m . Dizqah和g . a . Putrus“多目标设计的不确定性下混合可再生能源系统使用NSGA-II和机会约束规划,“国际期刊的电力和能源系统卷,74年,第194 - 187页,2016年。视图:出版商的网站|谷歌学术搜索
20. m . Elarbi Bechikh, A·古普塔et al .,“一个新的decomposition-based NSGA-II许多客观优化,“IEEE系统,人,和控制论:系统,48卷,不。7,1191 - 1210年,2017页。视图:谷歌学术搜索
21. f . Wang l .周任h . et al .,“source-load-storage协同调度的多目标优化模型建筑能源管理系统基于价格需求反应,金银铜”IEEE行业应用,54卷,不。2、1017 - 1028年,2017页。视图:谷歌学术搜索
22. l . f . Wang, h . Ren, x,“搜索改进process-chaotic optimization-particle群optimization-elite保留策略和基于改进的冷热电三联策略结合两届规模独立的微型智能电网"操作,多目标优化模型”能量,10卷,不。12,1936页,2017年。视图:出版商的网站|谷歌学术搜索
23. j .曹c .牧杖,m·麦克洛克et al .,“优化设计和操作的低碳社区多能系统考虑电动汽车集成耦合为基础,“IEEE可持续能源,10卷,不。3、1217 - 1226年,2018页。视图:谷歌学术搜索
24. r·萨勒姆a . Bahadori-Jahromi a . Mylona·戈弗雷·d·库克,“比较和评估潜在的能源、碳排放,和金融影响从CHP和燃气热电冷联产系统的公司在英国现有的酒店建筑,”能量,11卷,不。5,1219年,页2018。视图:出版商的网站|谷歌学术搜索
25. g . s . Piperagkas a . g . Anastasiadis和n . d . Hatziargyriou“随机PSO-based热量和电力调度环境约束下将CHP和风力发电单位,“电力系统研究,卷81,不。1,第218 - 209页,2011。视图:出版商的网站|谷歌学术搜索
26. n . Ghadimi m . Afkousi-Paqaleh, a .努里·“基于PSO的模糊随机长期模型部署分布式能源资源分布系统与多个目标,“IEEE系统杂志,7卷,不。4、786 - 796年,2013页。视图:出版商的网站|谷歌学术搜索
27. z Aidong, h . Sipeng x青山et al .,”一个日前优化经济调度时间表基于集中式能源存储基础设施建设燃气热电冷联产系统,”Elektronika红外Elektrotechnika,24卷,不。4,53-58,2018页。视图:出版商的网站|谷歌学术搜索
28. t . Bingmann a Eberle p·桑德斯,“工程并行字符串排序,”Algorithmica,卷77,不。1,第286 - 235页,2017。视图:出版商的网站|谷歌学术搜索
29. z Marszałek、m . Woźniak和d . Połap”完全灵活的多核体系结构、并行归并排序”复杂性卷,2018篇文章ID 8679579, 19页,2018。视图:出版商的网站|谷歌学术搜索
30. 程x, y, r . et al .,“一个有效的方法来nondominated排序进化多目标优化,“IEEE进化计算,19卷,不。2、201 - 213年,2014页。视图:谷歌学术搜索
31. 秦y、x, Er-shu和y Yong-ping,“污染物减排分析的分布式能源资源”进行第二次国际会议上的生物信息学和生物医学工程(iCBBE 2008)2008年5月,上海,中国。视图:谷歌学术搜索

版权

版权©2020 Aidong曾庆红等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。