【技术实现步骤摘要】
基于改进麻雀算法的低碳综合能源多阶段优化配置方法
[0001]本专利技术涉及综合能源系统优化配置
,特别涉及一种基于改进麻雀算法的低碳综合能源多阶段优化配置方法。
技术介绍
[0002]随着社会的发展,单一的能源结构已经难以满足用户对于多类型能源的需求,综合能源系统(integrated energy system,IES)是有着多能源输入、转化和输出的多能源耦合结构,能够实现多能耦合的统一规划,可以在满足用户的用能需要前提下提高能源的利用效率。
[0003]园区综合能源系统考虑冷热电能源之间的生产、转换以及存储。系统的主要能源来源于风电以及光热电站,同时可与电网交换电能以及从外部输入天然气。能量转换部分一般包括电解槽、燃料电池和甲烷反应器等。该部分将不同形式的能量进行转换,使不同能流相互衔接,满足用户的多元能源需求。能量存储单元一般包括蓄电池和蓄水罐等,分别储电和储热/冷。该单元充分消纳系统产能,实现能量的跨时段转移,平衡负荷,削峰填谷。
[0004]IES主要由综合能源设备和气、热、电管网组成,其中IES能否高效、经济、环保地运行,取决于综合能源系统的设备选型及容量规划。综合能源站规划的基本思路是,首先根据园区负荷、可选设备类型、能源形式等要素,确定综合能源系统的基本结构及设备与负荷间的连接关系;其次,针对不同的目标进行运行模拟,优选出使目标最优的综合能源设备类型与容量配置的组合,但并未考虑到新能源以及负荷的不确定性。
技术实现思路
[0005]本专利技术提供一种基于改进麻雀 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,采用双层优化进行求解:上层采用改进的麻雀算法对系统各设备容量进行生成;下层采用CPLEX求解器在上层传入的设备容量参数下,并且在满足约束条件的前提下,以年总费用最低为目标函数,对所构建的综合能源系统模型进行求解,求得在该组设备容量下各个设备的最佳运行状况。2.根据权要求1所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述上层采用改进的麻雀算法为融合精英混沌反向学习策略、随机跟随策略和柯西
‑
高斯变异策略的改进麻雀搜索算法;包括:选用均匀性更好的立方混沌映射初始化麻雀种群,公式如下:x
i
=X
lb
+(X
ub
‑
X
lb
)
×
(y
i
+1)/2上式中,x
i
为映射后麻雀个体;X
ub
和X
lb
分别对应解空间中的上界和下界;y
i
为[
‑
1,1]之间的随机变量作为初始个体;通过透镜成像反向学习方法计算透镜成像反向解来扩大可选解的范围,设x
j
和分别表示当前麻雀个体及其透镜成像反向后个体:上式中,a
j
和b
j
分别表示当前种群第j维中的最小值和最大值,k为透镜的缩放系数;将随机跟随策略引入麻雀搜索算法中的跟随者位置更新过程,改进后跟随者位置更新公式如下:公式如下:上式中,S3=exp(f
s
‑
f
i
),f
i
表示第i只麻雀的适应度值,k∈[1,N],且k≠i;为最差个体位置,为第i只麻雀的位置;f
s
表示任意第s只麻雀的适应度值,s∈[1,N],且s≠i;N为种群的麻雀个体;Q为产生的符合正态分布的随机数;采用柯西
‑
高斯变异策略,选择当前适应度最好的个体进行变异,然后比较其变异前后的位置,选择较优的位置代入下一次迭代,具体公式如下:的位置,选择较优的位置代入下一次迭代,具体公式如下:上式中,表示最优个体变异后的位置;σ2表示柯西
‑
高斯变异策略的标准差;cauchy(o,σ2)是满足柯西分布的随机变量;Gauss(o,σ2)是满足高斯分布的随机变量;和是随迭代次数自适应调整的动态参数;在寻优过程中,λ1逐渐减小,λ2逐渐增大,改进后的时间复杂度不变。
3.根据权利要求1所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述综合能源系统模型包括:光热电站、风电新能源出力模型,电解槽、甲烷反应器、燃气锅炉能量转换设备运行模型,电、热、氢储能模型。4.根据权利要求1所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述目标函数为:C
cost
为所述综合能源系统的年化成本;N为综合能源系统内各个设备规划周期的年限;K为规划阶段数;k表示第k个规划阶段;n
k
表示第k个规划阶段为规划周期的第n
k
年;γ为贴现率;i为一年内典型日个数,D
i
为第i类典型日的天数;C
buy,
为t时刻的购电购气成本;C
fa,
为t时刻的弃风弃光成本;C
co2,
为t时刻的碳交易成本;C
wei,
为综合能源系统内各个设备t时刻的运行维护成本;C
idr,
为t时刻的需求响应补偿成本;C
inv,
为第k个规划阶段的设备投资成本。5.根据权利要求1所述的一种基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述约束条件包括电功率平衡约束条件、热功率平衡约束条件、气功率平衡约束条件、氢功率平衡约束条件和设备约束条件。6.根据权利要求5所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述电功率平衡约束条件为:P
e_buy,t
+P
E_dis,t
+P
DG,t
+P
HFC_e,t
+P
csp,t
‑
P
EL_e,t
‑
P
E_cha,t
=OP
load_e,t
其中,P
e_buy,t
为t时刻系统向上级电网购电功率;P
E_dis,t
和P
E_cha,t
分别为t时刻电储能的放电和充电功率;P
DG,t
为t时刻风电出力;P
HFc_e,t
为t时刻燃料电池发电功率;P
csp,t
为t时刻光热电站发电机发电功率;P
EL_e,t
为t时刻电解槽的耗电功率;OP
load_e,t
为t时刻考虑需求响应后的电负荷。7.根据权利要求5所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述热功率平衡约束条件为:P
HFC_h,t
+P
H_dis,t
+P
GB_h,t
+E
fu,t
‑
P
H_cha,t
=OP
load_h,t
其中,P
HFC_h,t
为t时刻燃料电池输出的热功率;P
H_dis,t
为t时刻热储能的放热功率;P
GB_h,t
为t时刻燃气轮机输出的热功率;E
fu,t
为时刻光热电站TES提供给负荷的热功率;P
H_cha,t
为t时刻热储能的储热功率;OP
load_h,t
为t时刻考虑需求响应后的热负荷。8.根据权利要求5所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述气功率平衡约束条件为:P
buy_g,t
+P
MR_g,t
‑
P
GB_g,t
=OP
load_g,t
其中,P
buy_g,t
为t时刻综合能源系统向气网的购气功率;P
MR_g,t
为t时刻甲烷反应器的产气功率;P
GB_g,t
为t时刻燃气锅炉消耗的天然气功率;OP
load_g,t
为t时刻考虑需求响应后的气负荷。9.根据权利要求5所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其
特征在于,所述氢功率平衡约束条件为:P
EL_H2,t
+P
H2_dis,t
=P
MR_H2,t
+P
HFC_H2,t
+P
H2_cha,t
其中,P
EL_H2,t
为t时刻电解槽的产氢功率;P
H2_dis,t
为t时刻氢储能的放氢功率;P
MR_H2,t
为t时刻甲烷反应器消耗的氢功率;P
HFC_H2,t
为t时刻燃料电池消耗的氢功率;P
H2_cha,t
为t时刻氢储能的储氢功率。10.根据权利要求5所述的基于改进麻雀算法的低碳综合能源多阶段优化配置方法,其特征在于,所述设备约束条件包括:风光出力约束:P
DG_min
<=P
DG,t
<=P
DG_max
电解槽约束:P
EL_min
<=P
EL,t
<=P
EL_max
W
EL_k,min
<=W
EL_k
<=W
EL_k,max
式中,P
EL,t
为t时刻电解槽的输入功率,P
EL_min
和P
EL_max
分别为电解槽运行功率的下限和上限,和分别为电解槽的爬坡下限和上限;W
EL
为电解槽在第k个规划周期投资建设容量,W
EL_k,min
和W
EL_k,max
分别为周期内电解槽建设容量的下限和上限;甲烷反应器约束:P
MR_min
<=P
MR,t
<=P
MR_max
W
MR_k,min
<=W
MR_k
<=W
MR_k,max
式中,P
MR,t
为t时刻甲烷反应器的输入功率,P
MR_min
和P
MR_max
分别为甲烷反应器运行功率的下限和上限,和分别为甲烷反应器的爬坡下限和上限,W
MR
为甲烷反应器在第k个规划周期投资建设容量,W
MR_k,min
和W
MR_k,max
分别为周期内甲烷反应器建设容量的下限和上限;燃气锅炉约束:P
GB_min
<=P
GB,t
<=P
GB_max
W
GB_k,min
<=W
GB_k
<=W
GB_k,max
式中,P
GB,t
为t时刻燃气锅炉的输入功率,P
GB_min
和P
GB_max
分别为燃气锅炉运行功率的下限和上限,和分别为燃气锅炉的爬坡下限和上限,W
GB
为燃气锅炉在第k个规划周期投资建设容量,W
GB_k,min
和W
GB_k,max
分别为周期内燃气锅炉建设容量的下限和上限;燃料电池约束:P
HFC_min
<=P...
【专利技术属性】
技术研发人员:王世铭,徐敏,张涛涛,康哲,刘早富,
申请(专利权)人:南昌大学,
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。