多能联供型综合能源优化研究

康智韬 李世博 周虎

摘要：为减少单一用电、耗气成本，提高能源利用效率，建立满足电热冷负荷的综合能源系统。针对传统粒子群算法容易陷入局部最优的问题，将惯性权重进行改进，并对建立的综合能源系统求解，分析表明改进后的粒子群算法具有更好的寻优能力，采用综合能源系统能有效减少综合用能成本。

关键词：综合能源;粒子群算法;节能;寻优

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

当前，我国正处于能源转型的关键时期，企业能源利用率低，用能成本高等问题十分突出[1]。在我国，制造业占能源消费比重较高，能源成本消耗量仅次于人工成本。传统的能源供应子系统相对独立，医院、热力公司等煤炭销售商各自为战，促使总体规划建设运营等缺少协调以及优化。目前采取综合能源的方式能有效缩短能源连、减少用能成本[2]。

部分专家学者吸取对微电网的控制理论以及调度理论，开展综合煤炭子系统的运行优化研究[3]。但通常研究的对象还是以传统能源设备为主要节能手段，或者在电力系统中加入风、光等可再生能源，没有对以新能源与可再生能源为主的供能系统进行过多研究[4]。因此，针对以综合能源系统的基础上建立数学优化模型，并采用改进后的粒子群算法，进而得到系统经济性最优情况下的用能策略[5]。

2综合能源系统建模

综合能源系统由光伏机组、风能机组、内燃机、燃气锅炉、燃气轮机、电制冷及、吸收式制冷机、热交换器构成。系统结构如下图所示[6]。

3粒子群的简介

粒子群优化算法属于计算机智能控制领域，是一种群体优化智能的优化算法，该算法的研究来源于对鸟类捕食问题探讨。其基础思想：一群鸟在已知的区域里随机搜索可能的食物，并且这块区域有且只有一块食物;食物在哪是未知的;但是鸟类能感受到离食物还有多远。那么寻找到食物的最优策略便是如下所示[9]：

1.找到哪个区域离食物最近。

2.依據鸟类飞行的经验判断食物的位置所在。

粒子群算法先初始化一群粒子在可行解空间中，每个粒子所处位置都有可能是最优解，该粒子特征用位置、速度和适应度值来表示。通过对Pbest和Gbest更新迭代后的个体位置，其中Pbest是指个体适应度值最优位置，Gbest是指种群中的适应度最优位置。粒子每完成一次迭代，就计算一次适应度函数，并且更新最优个体极值和最优群体极值位置。

4算例分析

4.1基础数据

本文案例在文献[8]基础上进行改进，实现综合能源系统优化调度分析。以24h为调度周期，单位调度时长为1h，峰时电价为0.5583元每度电，谷时电价为0.3583元每度电，以0.3780元每度电卖给电网。天燃气的单价为0.1750元每平方。在未进行综合能源系统之前，电负荷全部由电网配电提供，冷负荷由电制冷机提供，热负荷由天燃气经过热转换器提供。某区域一天的预测负荷如下图所示：

光伏机组和风能机组产生的电量先卖给电网，再将电量输送给电负荷。其发电产生的功率如下图所示：

4.2仿真结果

为减少误差将粒子的最大种群数调整为300，最大迭代次数为800。将改进后的粒子群算法进行多次仿真，并与未改进的粒子群算法进行比较其迭代收敛曲线如下图所示：

通过matlab仿真计算得出系统优化前的成本为7536元一天，优化后的成本为3696元一天。其余各机组出力情况如下图所示：

5结论

建立综合能源系统优化模型，通过改进后的粒子群算法经过仿真后计算出以综合能源系统的用能成本比单一用电用气成本更低，运算更稳定。为之后的综合能源系统运行和规划提供了基础。

参考文献

[1]邹玙琦，杨国华，郑豪丰，等.基于改进小生境PSO算法的综合能源系统调度[J].电力系统及其自动化学报，2020;32（7）;47-52，60.

[2]孙强，谢典，聂青云，等.含电-热-冷-气负荷的园区综合能源系统经济优化调度研究[J].中国电力，2020，53（4）：79-88

[3]高彬，刘勇，刘育辰.区域分布式“多能互补”能源系统方案综合评价[J].智能城市，2019，5（15）：1-4.

[4]王成山，洪博文，郭力，等.冷热电联供微网优化调度通用建模方法[J].中国电机工程学报，2013，33（31）：26-33.

[5]姚鋼，李琳，周荔丹，等.城市居民区的综合能源利用综述[J].现代电力，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.在图片那边

[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.在模型那边

[8]陶静，徐武，李逸琳，霍艺文，张恩睦.基于多目标算法的冷热电联供型综合能源系统运行优化[J].科学技术与工程，2019，19（33）：200-205.引言那边

[9]李星晨.自适应边界范围粒子群优化算法[J].科技经济导刊，2020， 28（34）：10-11.粒子群那边

[10]樊伟萍，李秦.改进惯性权重的粒子群优化算法[J].河西学院学报，2020，36（05）：32-37.改进那边

[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.改进那边

基金项目

教育部学校绿色发展研究基金项目（LSFZ1601）

作者简介

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