[發明專利]一種城鎮能源互聯網運行與儲能容量優化方法

有效

• 申請號: 201911044562.5
• 申請日: 2019-10-30
• 公開（公告）號: CN110752611B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 張聶鵬;高丙團;王滿商;李遠梅;楊利榮;白少鋒;胡航
• 申請（專利權）人: 國網江蘇省電力有限公司鎮江供電分公司;東南大學
• 主分類號: H02J3/28
• 分類號: H02J3/28
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 樓高潮

1.一種城鎮能源互聯網運行與儲能容量優化方法，其特征在于，包括以下步驟：

S1：針對能源互聯網的運行與儲能優化問題，構建運行與儲能優化配置模型；

包括以下步驟：

S1.1：建立模型的目標函數，即計算系統的年平均能源綜合利用率：

式(1)中，η為年平均綜合能源利用率，P_e為年發電量，P_c為年供冷量，P_h為年供熱量，P_res為可再生能源產能量，P_grid為向電網的購電量，F為購入的天然氣量，λ_gas為天然氣熱值；

S1.2：建立模型的約束條件，包含以下步驟：

系統在運行時，應滿足以下約束：

S1.2.1：建立能量守恒約束：

式(2)～(4)中，和分別表示燃氣輪機產生的電功率和熱功率，和分別表示儲電系統的充放電功率，和分別表示吸收式制冷機的輸出冷功率和輸入熱功率，和分別表示電制冷設備輸出冷功率和輸入電功率，表示燃氣鍋爐的輸出熱功率，和分別表示儲熱裝置的存放熱功率，p_WT為風電預測功率，和分別表示用戶的電負荷、熱負荷和冷負荷的需求量；

S1.2.2：設備出力約束

0≦p_jt≦p_jt,max (5)

式(5)中，p_jt表示第j種設備的輸出功率，p_jt,max表示第j種設備的最大輸出功率；

S1.2.3：儲能系統約束

式(6)中，S_ees(t)、S_Tes(t)為電儲能和熱儲能裝置在t時段的儲能量，S_ees(t-1)、S_Tes(t-1)為電儲能和熱儲能裝置在t-1時段的儲能量，和分別表示電儲能設備的充放電效率，和分別表示電儲能裝置容量最小值、最大值，為儲熱裝置容量最大值，和分別表示熱儲能裝置的充/放熱效率；μ為熱儲能裝置的能量自損耗系數；

S2：針對運行與優化配置問題，提出一種改進協同進化算法；

包括以下步驟：

S2.1：初始化算法參數，包括學習因子、固定權重系數、權重的最大值和最小值，最大迭代次數，變量的取值范圍；

S2.2：雙種群策略

基于生態學中多物種共同進化的原理，設計了雙種群策略，通過不同物種之間的適應來共同進化，為了提高種群多樣性，建立了兩個種群對變量進行優化，由此采用雙種群策略構建兩個群體；

S2.3：分別對兩個群體采用不同的初始化策略進行初始化，產生初始種群，具體初始化步驟為：

S2.3.1：基于平均熵初始化

首先初始化m個個體作為初始種群，然后隨機產生一個新個體，根據(7)～(9)式計算種群的平均熵，當種群的平均熵大于預先設置的閾值時，則將新個體加入初始種群中，直至獲得N個個體；根據信息論熵可知，種群的熵等于各個編碼熵的總和，即：

式(7)～(9)中，H表示群體的熵，H_j為各個編碼熵，N為種群個數，D為每個粒子的維數，m為已有的初始個體數，k為新的初始個體，P_ik為第i個個體的第j維編碼與第k個個體的第j維編碼的相似程度，和表第i個個體和第k個個體的第j維的值，A_j和B_j為第j維變量的上下界；

S2.3.2：基于Tent混沌映射初始化

Tent映射是一種典型的混沌系統，可通過式(10)將混沌序列映射到解空間,

x_ij表示個體i的j維的數值；

S2.4：策略協同進化

采用優化算法對優化問題進行求解，求解方法為：對兩個種群在采用粒子群算法作為基本算法并結合定步長和可變步長策略作為算子更新方法對種群進行協同進化，兩個種群分別進化后，進行精英交互，具體方法內容為：

粒子群算法是一種智能算法，它通過模擬鳥群在多維空間飛行的行為，通過不斷調整自己的運動和距離，來尋找最佳位置，粒子群算法是通過不斷地在解空間中向全局最優移動來實現尋優，而運動地方向和距離是由粒子的速度決定的，粒子的速度隨運動變化而不斷更新，通過此過程而實現在求解空間中找到最優值，粒子的迭代公式如下：

式(11)～(12)中，V_i^t和V_i^t+1表示第i個粒子在第t代和第t+1代的速度，和表示第i個粒子在第t代和第t+1代的位置，表示在第t代的全局最優解，表示在第t代的個體最優解，ω表示權重系數，c₁和c₂是學習因子，rand表示[0,1]之間的隨機數；

對兩個種群分別采用固定慣性權重和非線性慣性權重因子，固定慣性權重是將權重系數設置為定值，而非線性慣性權重根據粒子的適應度值進行自適應調整，非線性慣性權重因子描述如下：

式(13)中，ω_max和ω_min分別表示權重的最大值和最小值，t_max為最大迭代次數，t為迭代次數；

S2.5輸出結果

若滿足終止條件，即達到最大迭代次數，則輸出最優結果，否則轉至步驟S2.4；

S3：通過采用改進協同進化算法求解運行與儲能優化配置模型，城鎮能源互聯網系統獲得最優運行優化結果以及最優的儲能容量配置。