【技术实现步骤摘要】
含有风、光和负荷不确定的热电联供系统双层优化方法
[0001]本专利技术属于综合能源系统
,具体是一种含有新能源发电的热电联合 调度优化方法。
技术介绍
[0002]近些年来,传统化石能源带来的污染问题愈加严重。风能、太阳能等可再 生能源因其分布广泛、储量丰富、开发潜力大以及绿色无污染的特点受到广泛 关注。因此,根据现行主流技术,热电联产(CHP)是解决燃料经济利用的方法之 一。热电联产同时提供电能和热能的高效联合生产方式,首先将高温高压的蒸 汽通入燃气轮机做功,再将做功的蒸汽用于供热,减少系统能源损失,实现了 能源的梯度利用。然而,由于风力、光伏发电、热负荷等具有随机性,如何在 运行生产电负荷和热负荷的状态下,提高能源利用率,使得热负荷的分配实现 经济效益的最大化,运行成本最低和排放最小化,是我们追求的目标。
[0003]现有热电联合优化调度方法主要有智能优化算法和数学优化算法。智能算法 在此类求解问题中被广泛应用,其普遍的优点是不需要精确的方案结构而且模 型中约束条件可以是不连续、非线性的;其缺点是参数的选取存在人为主观性。 数学优化算法的优点是运算速度快,得到的解是全局最优解,且避免了选择参 数的主观性,其缺点是模型的优劣直接影响预测模型的预测精度,进而可能导 致系统优化策略无法达到最优。
[0004]经过检索,申请公开号CN109245093A,一种冷热电联供分布式能源站协同 优化调度方法,包括以下步骤:步骤1:根据冷热电联供分布式能源站各部分设 备运行特性建立考虑经济效益规划运行模型; ...
【技术保护点】
【技术特征摘要】
1.一种含有风、光和负荷不确定的热电联供系统双层优化方法,其特征在于,包括以下步骤:S1:根据风机、光伏和负荷的历史数据,采用卡尔曼滤波方法进行预测得到预测值;S2:以成本节约率、能源节约率和二氧化碳减排率最优作为综合期望,构建作第一层优化目标,采用离散粒子群算法优化第一层优化目标;S3:以成本、一次能源消耗量和CO2排放量作为综合期望最小为第二层优化目标,采用改进粒子群算法构优化第二层优化优化目标;S4:根据步骤S3求得各设备的出力情况,使得系统运行在最优状态。2.根据权利要求1所述的一种含有风、光和负荷不确定的热电联供系统双层优化方法,其特征在于,所述步骤S1根据风机、光伏和负荷的历史数据,采用卡尔曼滤波方法进行预测得到预测值,具体包括:利用光伏、风机和负荷的历史数据的到未来特定时域N内的预测值;通过卡尔曼滤波对风电、光伏和负荷功率进行短期的预测,动态预测方程如下:其中,为状态转移矩阵;y(k+1|k)、y(k+2|k)
…
y(k+N|k)分别为k时刻对k+1、k+2
…
k+N时刻的预测值;表示k
‑
1时刻对k
‑
1的动态预测;y(k
‑
1|k
‑
1)、y(k|k
‑
1)
…
y(k+N
‑
1|k
‑
1)分别为k
‑
1时刻对k
‑
1、k
…
k+N
‑
1时刻的预测值;1时刻的预测值;分别为针对输入和干扰的阶跃响应系数;Δu(k
‑
1)=u(k
‑
1)
‑
u(k
‑
2),u(k
‑
1)、u(k
‑
2)为k
‑
1、k
‑
2时的状态;Δf(k)=f(k)
‑
f(k
‑
1),f(k)为k时刻的可测干扰,f(k
‑
1)为k
‑
1时刻的可测干扰;e(k+1|k)、e(k+2|k)
…
e(k+N|k)为k+1、k+2
…
k+N时刻的反馈。3.根据权利要求2所述的一种含有风、光和负荷不确定的热电联供系统双层优化方法,其特征在于,所述步骤S2具体包括:第一层优化考虑成本节约率、能源节约率和二氧化碳减排综合期望最优为目标值进行求解,得到系统运行的模式,将系统的性能指标、设备参数和第二层优化出的各设备出力情况作为第一层的输入;第一层基于离散粒子群算法建立优化目标函数;目标函数为:max W=α1DCSR+α2CDRR+α3PESR
其中,0≤α1,α2,α3≤1,α1,α2,α3分别为成本节约率、CO2减排率和一次能源节约率的权重系数;W为第一层求解目标;D...
【专利技术属性】
技术研发人员:丁宝苍,曾宇龙,丁瑞豪,李想,原鹏程,苏本吉,杜凯,卢彦,靳璐,王首刚,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。