本發(fā)明涉及新能源領(lǐng)域,具體涉及一種風(fēng)光互補(bǔ)的混合能源系統(tǒng)的優(yōu)化方法。
背景技術(shù):
能源是人類社會賴以生存和發(fā)展的重要物質(zhì)基礎(chǔ)。近年來,隨著能源需求在持續(xù)增長,化石能源日趨枯竭,核能發(fā)展受到一定限制,能源問題愈來愈成為世界各國面臨的一個(gè)嚴(yán)峻挑戰(zhàn)。此外,電力系統(tǒng)結(jié)構(gòu)在不斷老化,用戶對電能質(zhì)量的要求標(biāo)準(zhǔn)越來越高,且面臨著環(huán)境問題、能源利用效率瓶頸等問題,催生了開發(fā)利用可再生能源資源、構(gòu)建可持續(xù)能源系統(tǒng)逐漸成為全社會的共識與必然的發(fā)展趨勢。例如我國相繼出臺了《中華人民共和國可再生能源法》、《可再生能源中長期發(fā)展規(guī)劃》、《可再生能源發(fā)展“十一五”規(guī)劃》等一系列法規(guī)及配套政策措施,發(fā)展風(fēng)力發(fā)電和光伏發(fā)電為代表的可再生能源已成為調(diào)整我國能源戰(zhàn)略、節(jié)能減排的重要內(nèi)容。分布式發(fā)電所展現(xiàn)出了能就地消化電力,節(jié)省輸變電投資和運(yùn)行費(fèi)用,減少集中輸電的線路損耗的優(yōu)點(diǎn);且還能與大電網(wǎng)供電互為補(bǔ)充,減少電網(wǎng)容量,改善電網(wǎng)峰谷性能,提高供電可靠性,可減少對環(huán)境的污染等優(yōu)點(diǎn)逐漸受到了廣泛關(guān)注。
集成光伏和風(fēng)電等可再生能源發(fā)電單元熱電聯(lián)產(chǎn)機(jī)組及儲能裝置的混合能源微網(wǎng)系統(tǒng)可以同時(shí)向負(fù)荷提供電能和熱能,既充分利用了可再生能源又提高了化石能源的利用效率。由于混合能源系統(tǒng)中包含可再生能源發(fā)電單元熱電聯(lián)供機(jī)組和儲能裝置,因此需要提供一種考慮可再生能源波動(dòng)性和負(fù)荷熱電特性對系統(tǒng)運(yùn)行的影響的技術(shù)方案以滿足現(xiàn)有技術(shù)的需要。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明提供一種風(fēng)光互補(bǔ)的混合能源系統(tǒng)的優(yōu)化方法,其目的是考慮可再生能源發(fā)電機(jī)組動(dòng)態(tài)運(yùn)行特性的同時(shí)建立了包含運(yùn)行策略約束的系統(tǒng)規(guī)劃模型,不僅將經(jīng)濟(jì)性作為系統(tǒng)的優(yōu)化目標(biāo)還將可靠性也納入考慮范圍。
本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的:
一種風(fēng)光互補(bǔ)的混合能源系統(tǒng)的優(yōu)化方法,其改進(jìn)之處在于,包括:
建立所述混合能源系統(tǒng)的出力模型;
確定所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù)和可靠性目標(biāo)函數(shù);
根據(jù)冷熱電供需求的平衡確定所述混合能源系統(tǒng)的約束條件;
基于所述混合能源系統(tǒng)的約束條件,用遺傳算法優(yōu)化所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函 數(shù)和可靠性目標(biāo)函數(shù)。
優(yōu)選的,所述混合能源系統(tǒng)包括:光伏組件、風(fēng)力發(fā)電機(jī)組、微型燃?xì)廨啓C(jī)、蓄電池、電力負(fù)荷單元和熱負(fù)荷單元;
所述光伏組件、風(fēng)力發(fā)電機(jī)組和微型燃?xì)廨啓C(jī)分別與所述電力負(fù)荷單元連接;
所述光伏組件、風(fēng)力發(fā)電機(jī)組和微型燃?xì)廨啓C(jī)分別與所述蓄電池連接;
所述微型燃?xì)廨啓C(jī)與所述熱負(fù)荷單元連接。
優(yōu)選的,所述建立所述混合能源系統(tǒng)的出力模型包括:建立所述混合能源系統(tǒng)的光伏組件出力模型,公式為:
式(1)中,ppv為所述光伏組件出力功率,pstc為標(biāo)準(zhǔn)測試條件下的最大測試功率,gac為光照強(qiáng)度,k為功率溫度系數(shù),tc為電池板工作溫度,tr為參考溫度,gstc=1000w/m2·k,其中,所述標(biāo)準(zhǔn)測試條件為太陽入射強(qiáng)度=1000w/m2和環(huán)境溫度=25℃;
建立所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組出力模型,公式為:
式(2)中,pwg為所述風(fēng)力發(fā)電機(jī)組出力功率,v為風(fēng)力機(jī)輪轂高度處的風(fēng)速,vin為切入風(fēng)速,vout為切出風(fēng)速,vr為額定風(fēng)速,prate為風(fēng)力發(fā)電機(jī)組的額定發(fā)電功率;
建立所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)出力模型,公式為:
式(3)中,pmt為微型燃?xì)廨啓C(jī)全工況運(yùn)行時(shí)輸出功率,ρ為氣體的密度,vin(t)為燃料進(jìn)氣流量,lhvf為低熱值,cp為比熱容,t1(t)為燃料進(jìn)氣溫度,t2(t)為排氣溫度,pm′t為被回收的熱量,cop為熱力系數(shù),vex(t)為排煙流量,t3(t)為飽和蒸汽的出口溫度;
優(yōu)選的,按下式確定所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù):
式(4)中,ctotal為電網(wǎng)用電總成本,cwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組總成本,cpv為所述混合能源系統(tǒng)的光伏組件總成本,cmt為所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)總成本,csb為所述混合能源系統(tǒng)的蓄電池總成本,nwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的單元數(shù)目,ewg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的單位造價(jià),pwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的出力功率,r為貼現(xiàn)率,m為折舊年限,
按下式確定所述混合能源系統(tǒng)的可靠性目標(biāo)函數(shù):
式(5)中,lpsp(t)為當(dāng)前時(shí)刻負(fù)荷缺電率,t為評估周期,pload(t)為當(dāng)前時(shí)刻電負(fù)荷需求量,pwg(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的出力功率,ppv(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的光伏組件的出力功率,pmt(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)的出力功率,psb(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的蓄電池的出力功率,psbmin(t)為當(dāng)前 時(shí)刻所述混合能源系統(tǒng)的蓄電池的最小儲能量,ηinv為逆變器的效率。
優(yōu)選的,所述根據(jù)冷熱電供需求的平衡確定所述混合能源系統(tǒng)的約束條件的公式為:
式(6)中,nwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的單元數(shù)目,nwgmax為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的負(fù)荷需求個(gè)數(shù),npv為所述混合能源系統(tǒng)的光伏組件的單元數(shù)目,npvmax為所述混合能源系統(tǒng)的光伏組件的負(fù)荷需求個(gè)數(shù),nsb為所述混合能源系統(tǒng)的蓄電池的單元數(shù)目,nsbmax為所述混合能源系統(tǒng)的蓄電池的負(fù)荷需求個(gè)數(shù),psbmin為所述混合能源系統(tǒng)的蓄電池的最小儲能量,psb為所述混合能源系統(tǒng)的蓄電池的出力功率,psbmax為所述混合能源系統(tǒng)的蓄電池的最大儲能量,pload2為冷熱負(fù)荷需求量,pm′t為被回收的熱量,nmt為所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)的單元數(shù)目,nmtmax為所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)的負(fù)荷需求個(gè)數(shù),其中,psbmin=0.3psb,psbmax=0.8psb。
優(yōu)選的,所述基于所述混合能源系統(tǒng)的約束條件,用遺傳算法優(yōu)化所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù)和可靠性目標(biāo)函數(shù),包括:
令所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù)和可靠性目標(biāo)函數(shù)為遺傳算法中目標(biāo)函數(shù),所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的負(fù)荷需求個(gè)數(shù)nwgmax、光伏組件的負(fù)荷需求個(gè)數(shù)npvmax、蓄電池的負(fù)荷需求個(gè)數(shù)nsbmax和微型燃?xì)廨啓C(jī)的負(fù)荷需求個(gè)數(shù)nmtmax為遺傳算法中染色體編碼對象;
對所述遺傳算法中目標(biāo)函數(shù)進(jìn)行優(yōu)化,獲取所述遺傳算法中目標(biāo)函數(shù)最優(yōu)值及所述遺傳算法中目標(biāo)函數(shù)最優(yōu)值對應(yīng)的染色體編碼對象。
與最接近的現(xiàn)有技術(shù)比,本發(fā)明提供的技術(shù)方案具有以下有益效果:
本發(fā)明提供的一種風(fēng)光互補(bǔ)的混合能源系統(tǒng)的優(yōu)化方法,設(shè)定了系統(tǒng)經(jīng)濟(jì)性和供電可靠性兩個(gè)目標(biāo),對風(fēng)光柴儲系統(tǒng)進(jìn)行優(yōu)化,全面綜合地考量了一個(gè)系統(tǒng)的經(jīng)濟(jì)性,對環(huán)境的影響程度和可靠性,優(yōu)化得出的方案更加合理。
附圖說明
圖1是本發(fā)明一種風(fēng)光互補(bǔ)的混合能源系統(tǒng)的優(yōu)化方法的流程圖;
圖2是本發(fā)明實(shí)施例中混合能源系統(tǒng)的出力模型結(jié)構(gòu)示意圖;
圖3是本發(fā)明實(shí)施例中遺傳算法流程圖。
具體實(shí)施方式
下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式作詳細(xì)說明。
為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例?;诒景l(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
本發(fā)明提供的一種風(fēng)光互補(bǔ)的混合能源系統(tǒng)的優(yōu)化方法,如圖1所示,包括:
101.建立所述混合能源系統(tǒng)的出力模型;
102.確定所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù)和可靠性目標(biāo)函數(shù);
103.根據(jù)冷熱電供需求的平衡確定所述混合能源系統(tǒng)的約束條件;
104.基于所述混合能源系統(tǒng)的約束條件,用遺傳算法優(yōu)化所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù)和可靠性目標(biāo)函數(shù)。
其中,所述混合能源系統(tǒng),如圖2所示,包括:光伏組件、風(fēng)力發(fā)電機(jī)組、微型燃?xì)廨啓C(jī)、蓄電池、電力負(fù)荷單元和熱負(fù)荷單元;
所述光伏組件、風(fēng)力發(fā)電機(jī)組和微型燃?xì)廨啓C(jī)分別與所述電力負(fù)荷單元連接;
所述光伏組件、風(fēng)力發(fā)電機(jī)組和微型燃?xì)廨啓C(jī)分別與所述蓄電池連接;
所述微型燃?xì)廨啓C(jī)與所述熱負(fù)荷單元連接。
光伏組件的輸出功(由逆變器變?yōu)榻涣麟?和風(fēng)力發(fā)電機(jī)的輸出功首先滿足負(fù)荷需求,剩余電力充入蓄電池,負(fù)荷不能滿足時(shí)蓄電池放電補(bǔ)充,若還有負(fù)荷不能滿足啟動(dòng)微型燃?xì)廨啓C(jī)發(fā)電。
具體的,所述步驟101包括:建立所述混合能源系統(tǒng)的光伏組件出力模型,公式為:
式(1)中,ppv為所述光伏組件出力功率,pstc為標(biāo)準(zhǔn)測試條件下的最大測試功率,gac為光照強(qiáng)度,k為功率溫度系數(shù),tc為電池板工作溫度,tr為參考溫度,gstc=1000w/m2·k,其中,所述標(biāo)準(zhǔn)測試條件為太陽入射強(qiáng)度=1000w/m2和環(huán)境溫度=25℃;
建立所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組出力模型,公式為:
式(2)中,pwg為所述風(fēng)力發(fā)電機(jī)組出力功率,v為風(fēng)力機(jī)輪轂高度處的風(fēng)速,vin為切入風(fēng)速,vout為切出風(fēng)速,vr為額定風(fēng)速,prate為風(fēng)力發(fā)電機(jī)組的額定發(fā)電功率;
建立所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)出力模型,公式為:
式(3)中,pmt為微型燃?xì)廨啓C(jī)全工況運(yùn)行時(shí)輸出功率,ρ為氣體的密度,vin(t)為燃料進(jìn)氣流量,lhvf為低熱值,cp為比熱容,t1(t)為燃料進(jìn)氣溫度,t2(t)為排氣溫度,pm′t為被回收的熱量,cop為熱力系數(shù),vex(t)為排煙流量,t3(t)為飽和蒸汽的出口溫度;
步驟102包括,按下式確定所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù):
式(4)中,ctotal為電網(wǎng)用電總成本,cwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組總成本,cpv為所述混合能源系統(tǒng)的光伏組件總成本,cmt為所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)總成本,csb為所述混合能源系統(tǒng)的蓄電池總成本,nwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的單元數(shù)目,ewg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的單位造價(jià),pwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的出力功率,r為貼現(xiàn)率,m為折舊年限,
按下式確定所述混合能源系統(tǒng)的可靠性目標(biāo)函數(shù):
式(5)中,lpsp(t)為當(dāng)前時(shí)刻負(fù)荷缺電率,t為評估周期,pload(t)為當(dāng)前時(shí)刻電負(fù)荷需求量,pwg(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的出力功率,ppv(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的光伏組件的出力功率,pmt(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)的出力功率,psb(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的蓄電池的出力功率,psbmin(t)為當(dāng)前時(shí)刻所述混合能源系統(tǒng)的蓄電池的最小儲能量,ηinv為逆變器的效率。
步驟103包括,所述根據(jù)冷熱電供需求的平衡確定所述混合能源系統(tǒng)的約束條件的公式為:
式(6)中,nwg為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的單元數(shù)目,nwgmax為所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的負(fù)荷需求個(gè)數(shù),npv為所述混合能源系統(tǒng)的光伏組件的單元數(shù)目,npvmax為所述混合能源系統(tǒng)的光伏組件的負(fù)荷需求個(gè)數(shù),nsb為所述混合能源系統(tǒng)的蓄電池的單元數(shù)目,nsbmax為所述混合能源系統(tǒng)的蓄電池的負(fù)荷需求個(gè)數(shù),psbmin為所述混合能源系統(tǒng)的蓄電池的最小儲能量,psb為所述混合能源系統(tǒng)的蓄電池的出力功率,psbmax為所述混合能源系統(tǒng)的蓄電池的最大儲能量,pload2為冷熱負(fù)荷需求量,pm′t為被回收的熱量,nmt為所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)的單元數(shù)目,nmtmax為所述混合能源系統(tǒng)的微型燃?xì)廨啓C(jī)的負(fù)荷需求個(gè)數(shù),其中,psbmin=0.3psb,psbmax=0.8psb。
所述步驟104包括:
令所述混合能源系統(tǒng)的經(jīng)濟(jì)性目標(biāo)函數(shù)和可靠性目標(biāo)函數(shù)為遺傳算法中目標(biāo)函數(shù),所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的負(fù)荷需求個(gè)數(shù)nwgmax、光伏組件的負(fù)荷需求個(gè)數(shù)npvmax、蓄電池的負(fù)荷需求個(gè)數(shù)nsbmax和微型燃?xì)廨啓C(jī)的負(fù)荷需求個(gè)數(shù)nmtmax為遺傳算法中染色體編碼對象;
對所述遺傳算法中目標(biāo)函數(shù)進(jìn)行優(yōu)化,獲取所述遺傳算法中目標(biāo)函數(shù)最優(yōu)值及所述遺傳算法中目標(biāo)函數(shù)最優(yōu)值對應(yīng)的染色體編碼對象,其中,所述遺傳算法操作流程如圖3所示,包括:
(1)系統(tǒng)及算法初始化:確染色體編碼對象的編碼方式及所述遺傳算法的初始參數(shù),其中,所述遺傳算法的初始參數(shù)包括:最大迭代次數(shù)tmax、最大進(jìn)化代數(shù)ngenmax、染色體長度lchrom、染色體變異概率pm和遺傳代數(shù)ngen;
(2)染色體編碼:在進(jìn)行搜索之前先將解空間的解數(shù)據(jù)表示成遺傳空間的基因型串結(jié)構(gòu)數(shù)據(jù),這些串結(jié)構(gòu)數(shù)據(jù)的不同組合便構(gòu)成了不同的點(diǎn),隨機(jī)產(chǎn)生n個(gè)初始串結(jié)構(gòu)數(shù)據(jù),每個(gè)串結(jié)構(gòu)數(shù)據(jù)稱為一個(gè)個(gè)體,n個(gè)個(gè)體構(gòu)成了—個(gè)群體。以這n個(gè)串結(jié)構(gòu)數(shù)據(jù)作為初始點(diǎn)開始迭代,將一組所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的負(fù)荷需求個(gè)數(shù)nwgmax、光伏組件的負(fù)荷需求個(gè)數(shù)npvmax、蓄電池的負(fù)荷需求個(gè)數(shù)nsbmax和微型燃?xì)廨啓C(jī)的負(fù)荷需求個(gè)數(shù)nmtmax作為一個(gè)需求個(gè)數(shù)序列串,一個(gè)需求個(gè)數(shù)序列串就是一個(gè)個(gè)體,隨機(jī)生成若干個(gè)體組成一個(gè)種群。
(3)適應(yīng)性值評估檢測:適應(yīng)性函數(shù)表明個(gè)體或解的優(yōu)劣性。對于不同的問題,適應(yīng)性函數(shù)的定義方式也不同。
(4)選擇:選擇的目的是為了從當(dāng)前群體個(gè)選出優(yōu)良的個(gè)體,使它們有機(jī)會作為父代為下一代繁殖子孫。遺傳算法通過選擇過程體現(xiàn)這一思想,進(jìn)行選擇的原則是適應(yīng)性強(qiáng)的個(gè)體為下一代貢獻(xiàn)一個(gè)或多個(gè)后代的概率大。選擇實(shí)現(xiàn)了達(dá)爾文的適者生存原則。
(5)交叉:交叉操作是遺傳算法中最主要的遺傳操作。通過交叉操作可以得到新一代個(gè)體,新個(gè)體組合了其父輩個(gè)體的特性。交叉體現(xiàn)了信息交換的思想。:種群中的每個(gè)偶數(shù)序號個(gè)體與其后相鄰的個(gè)體作為一對,以交叉概率p交換它們之間的部分染色體,交叉點(diǎn)隨機(jī);交叉操作后調(diào)整交叉后生成的個(gè)體,保證其有效性;
(6)變異:變異首先在群體中隨機(jī)選擇一個(gè)個(gè)體,對于選中的個(gè)體以一定的概率隨機(jī)地改變串結(jié)構(gòu)數(shù)據(jù)中某個(gè)串的值。同生物界一樣,中變異發(fā)生的概率很低,通常取值在0.001~0.01之間。變異為新個(gè)體的產(chǎn)中提供了機(jī)會。:每個(gè)個(gè)體的每一位都以變異概率pm與另外一位交換;變異后調(diào)整新產(chǎn)生的個(gè)體;
(7)最終輸出最優(yōu)化目標(biāo)函數(shù),并獲取其對應(yīng)的所述混合能源系統(tǒng)的風(fēng)力發(fā)電機(jī)組的負(fù)荷需求個(gè)數(shù)nwgmax最優(yōu)值、光伏組件的負(fù)荷需求個(gè)數(shù)npvmax最優(yōu)值、蓄電池的負(fù)荷需求個(gè)數(shù)nsbmax最優(yōu)值和微型燃?xì)廨啓C(jī)的負(fù)荷需求個(gè)數(shù)nmtmax最優(yōu)值。
最后應(yīng)當(dāng)說明的是:以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非對其限制,盡管參照上述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明,所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:依然可以對本發(fā)明的具體實(shí)施方式進(jìn)行修改或者等同替換,而未脫離本發(fā)明精神和范圍的任何修改或者等同替換,其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求保護(hù)范圍之內(nèi)。