以投资回收期最短为目标的能源供应系统优化配置方法

技术领域

本发明涉及一种综合能源供应系统的优化配置方法，尤其是涉及一种以投 资回收期最短为目标的能源供应系统优化配置方法。

背景技术

随着科技的进步、社会的发展，越来越多的场所需要冷、电的综合供应， 单独的配备制冷、供电设备，能够满足系统的冷、电负荷需求，但相对于集中 综合性功能系统，其能源、设备利用效率较低。目前，能源供应领域存在着以 系统运行供能成本为目标的优化规划设计方法，该类方法理论性较强，工程实 施性较差，无法对系统投资回收周期进行限制或约束。

现有综合能源供应系统优化设计方法中多以系统建设的总成本最低为优化 目标，总投资最小仅为系统构建经济性中的一项基本信息，通常总投资最小并 不意味着资本金回收周期短。

发明内容

本发明所要解决的技术问题，就是提供一种能源供应系统的优化配置方法， 以综合能量管理系统投资回收期最短为优化目标，在能源技术上兼顾了能量供 给平衡，在经济上兼顾了设备经济运行区间，运算结果更贴合实际工程，能有 效的指导综合能源供应系统的工程建设。

解决上述技术问题，本发明采用的技术方案如下：

一种以投资回收期最短为目标的能源供应系统优化配置方法，其特征是包 括以下步骤：

S1确定优化目标

$T_j=\frac{\mathrm{\Delta K}}{R}=\frac{I_{\mathrm{DER}}-I_{\mathrm{sys}}}{C_{\mathrm{sys}}-C_{\mathrm{DER}}+\Delta C_{\mathrm{cap}}}---\left(1\right);$

式中，T_j表示该方案投资的增量投资回收期，ΔK表示增加投资，R表示效 益；I_DER表示多能互补供能系统建设投资；I_sys表示传统系统建设投资；C_sys表示 传统系统运行时的经营成本；C_DER表示多能互补微网系统运行时的经营成本； ΔC_cap表示变压器备用容量节省成本；

式中：

$I_{\mathrm{DER}}=\underset{i\in \mathrm{DER}}{\Sigma }{I}_{\mathrm{DER},i}+I_{\mathrm{bat}}---\left(2\right);$

其中，I_DER,i指第i类分布式设备初始投资费用，单位元，I_bat为储能替换费 用；

I_sys＝I_air+C_air+I_fuel   (3)；

其中，I_air为电空调投资，C_air为电空调的替换费用，I_fuel为备用燃机投资；

C_sys＝C_ele+C_co   (4)；

其中，C_ele为纯电负荷耗电成本，C_co为制冷负荷耗电成本；

$C_{\mathrm{DER}}=C_E+C_F+\underset{i\in \mathrm{DER}}{\Sigma }{C}_{\mathrm{OM},i}---\left(5\right);$

其中：C_E为年购电费用，C_F为年购气费用，C_OM,i指第i类设备的年运行维护 费用；

ΔC_cap＝12*c_cap*(cap_sys-cap_DER)   (6)；

其中，c_cap为系统每月变压器单位容量费用，cap_sys为系统接入前需要的变压 器容量，cap_DER为微网系统接入后需要的变压器容量；

S2利用计算机基于遗传算法优化，包括以下子步骤：

S2-1系统初始化，读取系统中蓄电池、光伏、微燃机、变流器、蓄冰空调 设备参数，以及遗传算法参数；

S2-2初始化种群P：通过随机函数产生第一代父代种群的优化变量；

S2-3计算初始种群各个体适应度函数值，并执行逻辑排序操作，计算聚集 距离；

S2-4，从父代种群中通过选择、交叉和变异操作得到子代种群，通过再次 仿真，计算种群个体适应度函数值，并执行排序操作，计算各个体的聚集距离， 选择生成下一代父代种群；

S2-5，判断是否满足终止条件：满足则调用仿真策略,进行数据仿真,输出 优化结果；否则进入下一步骤；

S2-6从当前种群P中选择交配种群Q，对交配种群进行交叉、变异操作， 即Q-Qc-Qm；计算种群Qm中各个体的适应度函数值，对(PUQm)分层排序操作， 根据排序结果依次从种群(PUQm)中选择N个个体构成下一代种群P；返回步骤 S2-5；

所述的子步骤S2-5调用仿真策略包括以下子子步骤：

设仿真步长t＝1；

步骤1,判断t小于8760否，若否则结束返回步骤S2-5，若是则进入下面 具体步骤；

步骤2，计算系统内净电负荷，当系统净负荷大于零时，执行步骤3，否则 执行步骤7；

步骤3，检测系统是否存在冷负荷，如存在冷负荷则开启微燃机，执行步骤 4，否则执行步骤5；

步骤4，计算当前步长净电负荷与冷负荷比值是否大于1：3；如大于1：3 微燃机采用以冷定电模式，执行步骤5；如果不大于1:3微燃机采用以电定冷模 式，执行步骤6；

步骤5，储能系统放电，检测储能系统是否能够满足当前负荷需求，如能满 足当前负荷需求停止本步长操作，准备进入步长计算；如无法满足当前负荷需 求，不足电能由配网补充，停止本步长操作，准备进入步长计算；

步骤6：检测蓄冰空调是否具备放冷能力，如具备放冷能力蓄冰空调放冷， 不足冷量由电空调制冷；如不具备放电能力采用电空调制冷，电空调制冷所需 电能由配网提供；停止本步长操作，准备进入步长计算；

步骤7：检测当前时刻是否具有燃机处于启动状态，如有燃机处于启动状态 关闭燃机执行步骤8，如无燃机处于启动状态直接执行步骤7；

步骤8：检测系统是否具有冷负荷，如具有冷负荷需求，则执行步骤9，否 则执行步骤10；

步骤9：检测蓄冰空调是否能够满足冷负荷需求，如能满足负荷需求则由蓄 冰空调放冷，否则开启电空调制冷，执行步骤9；

步骤10：检测系统是否具有电能富余，如有电能富余则对储能电池充电供 蓄冰空调蓄冰，停止本步长操作，准备进入步长计算。

所述的步长计算为：仿真步长t+1，返回步骤1；

所述的综合能源供应系统包括配网、光伏和微燃机，其通过电能母线供应 电负荷、电储能、电空调和蓄冰空调，其中电储能有时可作为能源；与此同时， 微燃机还通过热能母线供应吸收式制冷机，电空调、蓄冰空调和吸收式制冷机 通过冷能母线提供冷负荷；在优化规划设计中，忽略线路阻抗引起的损耗及在 管路中能量的流失；综合供能系统与配电网之间能量交换原则为：综合供能只 从配网购电，不考虑向配网售电，多余电量以弃能形式消耗；系统配置要保证 冷、电能量供需平衡。

本发明将进化代数作为进化算法终止判据，通过以上遗传算法求解，可得 最后一代种群的所有非支配解构成的集合，即所研究问题的最优解集，也即本 发明目标求解问题的最优解集。

本发明采用综合能量系统循环经济调度策略，稳态仿真计算流程如图3所 示。在优化计算中，以小时为仿真步长，根据区域内光照资源和冷电负荷需求 情况，对每个个体进行全寿命周期内的稳态仿真。根据预先制定的控制策略， 确定每个时间步长内各设备的运行状态，计算各设备维护费用、系统向大电网 的购电费用、系统燃料发电机的燃料费用系统冷电能供应情况以及系统收益情 况，累计全年设备运行状态机费用，从而计算系统投资回收周期。

有益效果：本发明首次提出了以综合能源供应系统投资回收周期最小为目 标的优化规划设计方法，考虑了太阳能、微燃机、蓄冰空调、吸收式制冷机、 电储能设备之间协调控制策略，采用基于单目标遗传算法对各设备的类型和装 机容量进行优化，对系统设备的构成及容量进行确定。

本发明利用了遗传算法较好的收敛性能，通过设定以系统投资回收期作为 优化目标，寻找系统最优设备配置和设备容量，以该方法确定的设备配置方案 更贴合实际工程，能够较快的实现资本金的回收。

本发明采用综合能量系统循环经济调度策略，通过确定微燃机的最佳工作 冷电比，制定了综合能量管理系统不同的应对策略，可确保微燃机的使用效率， 进而提高整个系统运行的经济性能。

附图说明

图1为综合能源供应系统拓扑结构图；

图2为基于遗传算法的求解流程图；

图3为稳态仿真计算流程图。

具体实施方式

综合能源供应系统拓扑结构如图1所示。系统可提供冷、电能源需求的供 应，其中电力负荷主要由光伏发电和储能系统、燃气发电机等设备通过各自的 变流器接入交流微网系统；冷负荷由电制冷机、电空调耗电制冷或者由吸收式 制冷机吸收热量制冷；在优化规划设计中，忽略线路阻抗引起的损耗及在管路 中能量的流失；综合供能系统与配电网之间能量交换原则为：综合供能只从配 网购电，不考虑向配网售电，多余电量以弃能形式消耗；系统配置要保证冷、 电能量供需平衡。

具体步骤如下：

S1确定优化目标

$T_j=\frac{\mathrm{\Delta K}}{R}=\frac{I_{\mathrm{DER}}-I_{\mathrm{sys}}}{C_{\mathrm{sys}}-C_{\mathrm{DER}}+\Delta C_{\mathrm{cap}}}---\left(1\right);$

式中，T_j表示该方案投资的增量投资回收期，ΔK表示增加投资，R表示效 益；I_DER表示多能互补供能系统建设投资；I_sys表示传统系统建设投资；C_sys表示 传统系统运行时的经营成本；C_DER表示多能互补微网系统运行时的经营成本； ΔC_cap表示变压器备用容量节省成本；

式中：

$I_{\mathrm{DER}}=\underset{i\in \mathrm{DER}}{\Sigma }{I}_{\mathrm{DER},i}+I_{\mathrm{bat}}---\left(2\right);$

其中，I_DER,i指第i类分布式设备初始投资费用，单位元，I_bat为储能替换费 用；

I_sys＝I_air+C_air+I_fuel   (3)；

其中，I_air为电空调投资，C_air为电空调的替换费用，I_fuel为备用燃机投资；

C_sys＝C_ele+C_co    (4)；

其中，C_ele为纯电负荷耗电成本，C_co为制冷负荷耗电成本；

$C_{\mathrm{DER}}=C_E+C_F+\underset{i\in \mathrm{DER}}{\Sigma }{C}_{\mathrm{OM},i}---\left(5\right);$

其中：C_E为年购电费用，C_F为年购气费用，C_OM,i指第i类设备的年运行维护 费用；

ΔC_cap＝12*c_cap*(cap_sys-cap_DER)   (6)；

其中，c_cap为系统每月变压器单位容量费用，cap_sys为系统接入前需要的变压 器容量，cap_DER为微网系统接入后需要的变压器容量；

S2利用计算机基于遗传算法优化，包括以下子步骤：

S2-1系统初始化，读取系统中蓄电池、光伏、微燃机、变流器、蓄冰空调 设备参数，以及遗传算法参数；

S2-2初始化种群P：通过随机函数产生第一代父代种群的优化变量；

S2-3计算初始种群各个体适应度函数值，并执行逻辑排序操作，计算聚集 距离；

S2-4，从父代种群中通过选择、交叉和变异操作得到子代种群，通过再次 仿真，计算种群个体适应度函数值，并执行排序操作，计算各个体的聚集距离， 选择生成下一代父代种群；

S2-5，判断是否满足终止条件：满足则调用仿真策略,进行数据仿真,输出 优化结果；否则进入下一步骤；

S2-6从当前种群P中选择交配种群Q，对交配种群进行交叉、变异操作， 即Q-Qc-Qm；计算种群Qm中各个体的适应度函数值，对(PUQm)分层排序操作， 根据排序结果依次从种群(PUQm)中选择N个个体构成下一代种群P；返回步骤 S2-5；

所述的子步骤S2-5调用仿真策略包括以下子子步骤：

设仿真步长t＝1；

步骤1,判断t小于8760否，若否则结束返回步骤S2-5，若是则进入下面 具体步骤；

步骤2，计算系统内净电负荷，当系统净负荷大于零时，执行步骤3，否则 执行步骤7；

步骤3，检测系统是否存在冷负荷，如存在冷负荷则开启微燃机，执行步骤 4，否则执行步骤5；

步骤4，计算当前步长净电负荷与冷负荷比值是否大于1：3；如大于1：3 微燃机采用以冷定电模式，执行步骤5；如果不大于1:3微燃机采用以电定冷模 式，执行步骤6；

步骤5，储能系统放电，检测储能系统是否能够满足当前负荷需求，如能满 足当前负荷需求停止本步长操作，准备进入步长计算；如无法满足当前负荷需 求，不足电能由配网补充，停止本步长操作，准备进入步长计算；

步骤6：检测蓄冰空调是否具备放冷能力，如具备放冷能力蓄冰空调放冷， 不足冷量由电空调制冷；如不具备放电能力采用电空调制冷，电空调制冷所需 电能由配网提供；停止本步长操作，准备进入步长计算；

步骤7：检测当前时刻是否具有燃机处于启动状态，如有燃机处于启动状态 关闭燃机执行步骤8，如无燃机处于启动状态直接执行步骤7；

步骤8：检测系统是否具有冷负荷，如具有冷负荷需求，则执行步骤9，否 则执行步骤10；

步骤9：检测蓄冰空调是否能够满足冷负荷需求，如能满足负荷需求则由蓄 冰空调放冷，否则开启电空调制冷，执行步骤9；

步骤10：检测系统是否具有电能富余，如有电能富余则对储能电池充电供 蓄冰空调蓄冰，停止本步长操作，准备进入步长计算。所述的步长计算为：仿 真步长t+1，返回步骤1。

微燃机策略说明：综合供能系统具有冷电两类负荷需求，微燃机供能分为 电能和热能两种形式(热能通过吸收式制冷机转为冷能)，以电定冷模式是指微 燃机的产能以净电负荷为基准进行供能，间接产生的冷能如果大于冷负荷需求 则冷能弃掉，如果冷能不满足冷负荷需求则由其他供冷设备进行供冷；以冷定 电模式是指以系统冷负荷为基准进行供能，产生的电能大于系统负荷需求弃掉 多余电能，电能小于系统电负荷需求不足部分由其他供电设备进行供能。