一种综合能源系统的组件容量匹配全局寻优方法和系统

技术领域

本发明属于综合能源系统规划技术领域，涉及一种综合能源系统的组件容量匹配全局寻优方法和系统。

背景技术

全球变暖和化石能源日益枯竭成为可持续发展面临的重要挑战，加强可再生能源的开发与利用是减少温室气体排放和改善能源结构的重要对策。近年来，可再生能源的利用成本持续降低，风能和太阳能成为发展最快和最有前途的替代能源。但可再生能源的间歇性和波动性为其广泛利用增添了阻碍，因此与可再生能源结合的分布式综合能源系统逐步成为当前的研究热点。

综合能源系统可以利用化石能源、可再生能源等多种能源载体的协同和优势互补，满足用户冷、热、电和气等多种能源需求，提高能源利用率，通过与可再生能源、储能部件等分布式能源结合，可以减少碳排放，进一步提高环境友好性。然而，综合能源系统的发展尚处于起步阶段，规划和调度优化等各种技术还不成熟，制约了综合能源系统的应用。

由于综合能源系统的多能耦合性，合理规划综合能源系统对其高效稳定地运行至关重要。综合能源系统的设计和规划不仅要满足技术经济性要求，还要考虑环境的影响。因此综合能源系统的规划设计是复杂的多目标优化问题，合适的多目标优化方法和工具的选择显得尤为重要。根据算法类型可将多目标优化方法分为三类。

一、第一种方法是通常使用HOMER或RETScreen等商业软件计算得到所有满足约束条件的组件容量组合，优化目标为能量成本或净现值成本。商业软件HOMER包含大量可再生能源的部件，可以满足综合能源系统的多样性配置，因此被最广泛使用。然而，商业软件工具有其难以克服的局限性，如HOMER采用简单的基于一阶线性方程的模型，且日平均形式的时间序列数据不能导入。此外，HOMER只能输入特定的容量，而不是连续的容量范围，在计算过程中最优的容量可能会被忽略。

二、作为最简单和有效的方法，传统算法如线性规划算法和非线性规划算法，是解决多目标优化问题最早也是最直接的方法，较为精确和成熟。但线性规划法存在一个弊端是线性化后的问题不能很好的描述原先的非线性化问题。非线性规划法并不能处理微电网规划设计的高维度化问题，因此非线性规划法只能模拟一段具有代表性的时间来对原问题进行优化计算。

三、随着优化技术的发展，智能算法如粒子群优化和遗传算法，被广泛应用于综合能源系统的规划优化过程。智能算法求解精度高，但也存在一些缺陷。例如遗传算法的编程实现较为复杂，交叉率、变化率等参数通常由经验决定，难以适应不同的优化任务。对于高维复杂问题，粒子群算法和遗传算法存在早熟收敛、收敛性能差和局部最优等问题。

发明内容

为解决现有技术中的不足，本申请提供一种综合能源系统的组件容量匹配全局寻优方法和系统，针对互相影响的变量组件容量w和优化目标p求解问题，通过在合理取值范围内随机产生w值计算得到该w值下的p值并进行排序，之后更新搜索空间使得的w取值范围逐渐收缩得到最优解。该方法可以加快收敛，防止局部最优，提高计算效率，可用于综合能源系统设计规划问题，如多能联供的综合能源系统容量匹配寻优问题，建筑能源系统运行过程中的能效管理与优化等。

为了实现上述目标，本发明采用如下技术方案：

一种综合能源系统的组件容量匹配全局寻优方法，所述方法包括以下步骤：

步骤1：根据综合能源系统中各组件容量的取值范围，确定待匹配组件容量的搜索空间；

步骤2：在搜索空间内选取数据点，计算所选数据点对应的综合能源系统优化目标，并将计算结果添加入结果库C

步骤3：对结果库C

步骤4：根据优选库C

本发明进一步包括以下优选方案：

优选地，所述综合能源系统的组件包括太阳能电池、蓄电池和电网。

优选地，步骤1具体为：

确定综合能源系统中各组件容量的范围，并将其作为搜索空间的边界，各组件容量的取值组合构成搜索空间中的数据点；

所述搜索空间以W

优选地，步骤2具体为：

在搜索空间内随机选取数据点，计算所选数据点对应的综合能源系统优化结果，计算得到的优化结果及其对应的各组件容量取值添加入结果库C

优选地，步骤2中，通过如下方程在搜索空间内选取计算数据点：

w

其中，r

优选地，步骤3具体为：

对结果库中的优化目标值按从小到大排序，将结果靠前的N

优选地，步骤4具体为：

以优选库C

优选地，重新设置的搜索空间，对优选库C

其中，

优选地，所述优化目标为能量成本或净现值成本。

本发明还提供一种综合能源系统的组件容量匹配全局寻优系统，所述系统包括：

搜索空间构建模块，用于根据综合能源系统中各组件容量的取值范围，确定待匹配组件容量的搜索空间；

计算模块，用于在搜索空间内选取数据点，计算所选数据点对应的综合能源系统优化目标，并将计算结果添加入结果库C

筛选模块，用于对结果库C

寻优模块，用于根据优选库C

本申请所达到的有益效果：

本发明对于综合能源系统组件容量匹配的多约束多目标耦合非线性化问题，搜索空间随机选取容量数据值进行计算排序，通过不断更新搜索空间的边界，寻找搜索空间中的最优域。当样本数量足够大时便认为最终的最优域中最优的那点即为全局最优点。区别与其他智能算法，本发明方法并不是对单个点使用寻优算子不断迭代的，而是将搜索空间作为迭代的基本单位，可以有效提高计算速度，避免局部最优。

附图说明

图1为本发明方法原理示意图；

图2为本发明方法流程图；

图3为采用本发明方法对某微电网系统优化后其能量成本值随电网、太阳能电池、蓄电池容量取值变化分布图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

如图1和图2所示，本发明的一种综合能源系统的组件容量匹配全局寻优方法，包括以下步骤：

步骤1：根据综合能源系统中各组件容量的取值范围，确定待匹配组件容量的搜索空间，具体为：

针对综合能源系统中两个互相影响的变量组件容量w和优化目标p，首先建立搜索空间W

确定综合能源系统中各组件容量的范围，并将其作为搜索空间的边界，各组件容量的取值组合构成搜索空间中的数据点；

所述搜索空间以W

本申请具体实施例中，所述综合能源系统的组件包括太阳能电池、蓄电池和电网。

步骤2：在搜索空间内选取数据点，计算所选数据点对应的综合能源系统优化目标，并将计算结果添加入结果库C

在搜索空间内随机选取数据点(x0,y0,z0)，即在ABCO-DEFG内取一点，计算所选数据点对应的综合能源系统优化目标p，计算得到的优化目标结果及其对应的各组件容量取值添加入结果库C

因此，N

所述优化目标为能量成本或净现值成本。

能量成本为单位时间内产生单位电能所消耗的成本如设备运行成本、污染排放成本、设备运行成本之和。

为了保证搜索空间取值的过程可以达到全范围覆盖，通过对搜索空间动态离散化在取值范围内生成一定数量的数据点，保证搜索空间的均匀性，各数据点满足以下方程：

w

其中，r

连续的搜索空间被转化成N

步骤3：对结果库C

对结果库中的优化目标值按从小到大排序，将结果靠前的N

步骤4：根据优选库C

以优选库C

其中，循环收敛的判断为：当搜索空间足够小时，即判定搜索空间中最优点为全局最优点，迭代此时终止，即当计算得到的C

重新设置的搜索空间，依据优选库C

其中，

一种综合能源系统的组件容量匹配全局寻优系统，所述系统包括：

搜索空间构建模块，用于根据综合能源系统中各组件容量的取值范围，确定待匹配组件容量的搜索空间；

计算模块，用于在搜索空间内选取数据点，计算所选数据点对应的综合能源系统优化目标，并将计算结果添加入结果库C

筛选模块，用于对结果库C

寻优模块，用于根据优选库C

为了验证本发明方法的有效性，采用上述方法和步骤对某商用建筑的微电网系统进行组件容量的计算。其中，微电网系统由太阳能电池、蓄电池和电网组成，计算目标是寻找最低能量成本下的最佳组件容量配比。对该商业建筑的用电情况进行为期一周、最小时间间隔1小时进行模拟运行计算，并优化得出系统最低能量成本下的最优容量配比。图3给出了微电网系统优化后其能量成本值随电网、太阳能电池、蓄电池容量取值变化分布图，可以看出本发明方法有效减少了整个优化过程的计算量，在优化过程的开始阶段便通过收缩搜索空间的方式将能量成本值较高的区域排除出去，搜索空间随着计算次数的增长沿着图3所示箭头方向收缩，并在可能出现最优解的区域进行较为密集的搜索，有效地使能量成本的计算值不断趋近最小值。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。