多能聯供型綜合能源優化研究

康智韜 李世博 周虎

摘要：為減少單一用電、耗氣成本，提高能源利用效率，建立滿足電熱冷負荷的綜合能源系統。針對傳統粒子群算法容易陷入局部最優的問題，將慣性權重進行改進，并對建立的綜合能源系統求解，分析表明改進后的粒子群算法具有更好的尋優能力，采用綜合能源系統能有效減少綜合用能成本。

關鍵詞：綜合能源;粒子群算法;節能;尋優

Abstract：Single to reduce electricity and gas consumption， improve the efficiency of energy utilization， set up the comprehensive energy system meet the cooling load，heat load and electrical load.In order to solve the problem of the traditional particle swarm optimization algorithm easy to fall into local optimum， the inertia weight in particle swarm optimization algorithm was improved， It is used to solve the establish integrated energy system. The results show that the improved particle swarm algorithm has better optimization ability， using the integrated energy system can effectively reduce comprehensive energy costs.

Keyword：integrated energy system;particle swarm optimization; energy conservation; optimizing.

1引言

當前，我國正處于能源轉型的關鍵時期，企業能源利用率低，用能成本高等問題十分突出[1]。在我國，制造業占能源消費比重較高，能源成本消耗量僅次于人工成本。傳統的能源供應子系統相對獨立，醫院、熱力公司等煤炭銷售商各自為戰，促使總體規劃建設運營等缺少協調以及優化。目前采取綜合能源的方式能有效縮短能源連、減少用能成本[2]。

部分專家學者吸取對微電網的控制理論以及調度理論，開展綜合煤炭子系統的運行優化研究[3]。但通常研究的對象還是以傳統能源設備為主要節能手段，或者在電力系統中加入風、光等可再生能源，沒有對以新能源與可再生能源為主的供能系統進行過多研究[4]。因此，針對以綜合能源系統的基礎上建立數學優化模型，并采用改進后的粒子群算法，進而得到系統經濟性最優情況下的用能策略[5]。

2綜合能源系統建模

綜合能源系統由光伏機組、風能機組、內燃機、燃氣鍋爐、燃氣輪機、電制冷及、吸收式制冷機、熱交換器構成。系統結構如下圖所示[6]。

3粒子群的簡介

粒子群優化算法屬于計算機智能控制領域，是一種群體優化智能的優化算法，該算法的研究來源于對鳥類捕食問題探討。其基礎思想：一群鳥在已知的區域里隨機搜索可能的食物，并且這塊區域有且只有一塊食物;食物在哪是未知的;但是鳥類能感受到離食物還有多遠。那么尋找到食物的最優策略便是如下所示[9]：

1.找到哪個區域離食物最近。

2.依據鳥類飛行的經驗判斷食物的位置所在。

粒子群算法先初始化一群粒子在可行解空間中，每個粒子所處位置都有可能是最優解，該粒子特征用位置、速度和適應度值來表示。通過對Pbest和Gbest更新迭代后的個體位置，其中Pbest是指個體適應度值最優位置，Gbest是指種群中的適應度最優位置。粒子每完成一次迭代，就計算一次適應度函數，并且更新最優個體極值和最優群體極值位置。

4算例分析

4.1基礎數據

本文案例在文獻[8]基礎上進行改進，實現綜合能源系統優化調度分析。以24h為調度周期，單位調度時長為1h，峰時電價為0.5583元每度電，谷時電價為0.3583元每度電，以0.3780元每度電賣給電網。天燃氣的單價為0.1750元每平方。在未進行綜合能源系統之前，電負荷全部由電網配電提供，冷負荷由電制冷機提供，熱負荷由天燃氣經過熱轉換器提供。某區域一天的預測負荷如下圖所示：

光伏機組和風能機組產生的電量先賣給電網，再將電量輸送給電負荷。其發電產生的功率如下圖所示：

4.2仿真結果

為減少誤差將粒子的最大種群數調整為300，最大迭代次數為800。將改進后的粒子群算法進行多次仿真，并與未改進的粒子群算法進行比較其迭代收斂曲線如下圖所示：

通過matlab仿真計算得出系統優化前的成本為7536元一天，優化后的成本為3696元一天。其余各機組出力情況如下圖所示：

5結論

建立綜合能源系統優化模型，通過改進后的粒子群算法經過仿真后計算出以綜合能源系統的用能成本比單一用電用氣成本更低，運算更穩定。為之后的綜合能源系統運行和規劃提供了基礎。

參考文獻

[1]鄒玙琦，楊國華，鄭豪豐，等.基于改進小生境PSO算法的綜合能源系統調度[J].電力系統及其自動化學報，2020;32（7）;47-52，60.

[2]孫強，謝典，聶青云，等.含電-熱-冷-氣負荷的園區綜合能源系統經濟優化調度研究[J].中國電力，2020，53（4）：79-88

[3]高彬，劉勇，劉育辰.區域分布式“多能互補”能源系統方案綜合評價[J].智能城市，2019，5（15）：1-4.

[4]王成山，洪博文，郭力，等.冷熱電聯供微網優化調度通用建模方法[J].中國電機工程學報，2013，33（31）：26-33.

[5]姚鋼，李琳，周荔丹，等.城市居民區的綜合能源利用綜述[J].現代電力，2020，37（01）：152-162.

[6]Zhang M， Wu Q， Wen J， et al. Optimal operation of integrated electricity and heat system： A review of modeling and solution methods[J]. Renewable and Sustainable Energy Reviews， 2020， 135： 110098.在圖片那邊

[7]Jiang T， Min Y， Zhou G， et al. Hierarchical dispatch method for integrated heat and power systems considering the heat transfer process[J]. Renewable and Sustainable Energy Reviews， 135： 110412.在模型那邊

[8]陶靜，徐武，李逸琳，霍藝文，張恩睦.基于多目標算法的冷熱電聯供型綜合能源系統運行優化[J].科學技術與工程，2019，19（33）：200-205.引言那邊

[9]李星晨.自適應邊界范圍粒子群優化算法[J].科技經濟導刊，2020， 28（34）：10-11.粒子群那邊

[10]樊偉萍，李秦.改進慣性權重的粒子群優化算法[J].河西學院學報，2020，36（05）：32-37.改進那邊

[11]Ahmed G， Sheltami T， Mahmoud A， et al. IoD swarms collision avoidance via improved particle swarm optimization[J]. Transportation Research Part A： Policy and Practice， 2020， 142： 260-278.改進那邊

基金項目

教育部學校綠色發展研究基金項目（LSFZ1601）

作者簡介

康智韜，男，研究生。Tel：18816236771，E-mail：609669577@qq.com。