[发明专利]一种基于改进量子粒子群算法的微能源网优化调度方法有效
申请号: | 201811266637.X | 申请日: | 2018-10-29 |
公开(公告)号: | CN109523065B | 公开(公告)日: | 2021-09-10 |
发明(设计)人: | 贾嵘;侯旭倩;王开艳;张惠智;党建 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q10/06;G06Q50/06 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 韩玙 |
地址: | 710048*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 改进 子粒 子群 算法 能源 优化 调度 方法 | ||
1.一种基于改进量子粒子群算法的微能源网优化调度方法,其特征在于,具体按照下述步骤进行:
步骤1,建立微能源网每日最低成本的目标函数,计算微能源网中设备的出力约束;
建立量子粒子群算法模型,并设定量子粒子群算法模型的种群规模,最大迭代次数和领域搜索半径上下限;
所述步骤1中按照下述步骤建立微能源网每日最低成本的目标函数:
步骤1.1,计算微能源网一天的运行成本F1(t)和污染物治理成本F2(t);
所述步骤1.1中微能源网一天的运行成本F1(t)具体按照下述步骤进行计算:
步骤1.1.1,计算微能源网一天的购电成本Ce(t):
其中,Cgrid表示购电价格,Pgrid表示购电功率;
计算微能源网一天的购气成本Cgas(t):
其中,CNG表示天然气价格,VMT(t)为天然气用量,Pmt,e(t)为t时刻燃气轮机输出的电功率,ηmt,e(t)为燃气轮机的发电效率,RLHVT(t)为天然气低位热值常量;
计算微能源网一天的折旧成本COM(t):
其中,KOMi,t是微能源网i在t时刻运行维护成本系数,Pi(t)为表示微电源i在t时刻的输出功率;
计算微能源网一天的运行维护成本CDP(t):
其中,Caz,i为微电源i的单位容量安装成本,r为年利率;ni为微电源i的投资偿还期;Ki表示微电源i的容量因素;
步骤1.1.2,根据所述购电成本Ce(t)、购气成本Cgas(t)、折旧成本COM(t)、运行维护成本CDP(t)计算微能源网的运行成本:
F1(t)=Ce(t)+Cgas(t)+COM(t)+CDP(t) (6);
所述步骤1.1中具体按照下述方法计算微能源网一天的染物治理成本F2(t):
其中,λi为治理污染物i所需费用;i表示系统所排放的污染物的类型编号;αgrid,i,αmt,i分别为电网、微燃机所对应的各种污染物排放系数;
步骤1.2,根据所述运行成本F1(t)和污染物治理成本F2(t)建立微能源网每日最低成本的目标函数:
minF(t)=F1(t)+F2(t) (1);
步骤2,根据所述微能源网每日最低成本的目标函数、能源网中设备的出力约束和量子粒子群算法模型计算得到每个设备的最优出力和微能源网每日最低成本;
所述步骤2具体按照下述步骤进行:
步骤2.1,对每个设备的出力进行编码,随机生成初始种群,并对初始种群进行混沌搜索,得到一组设备出力,将所述一组设备出力作为目标设备出力组,并根据所述目标设备出力组和微能源网每日最低成本的目标函数计算相应的目标微能源网每日成本;
步骤2.2,在所述目标设备出力的邻域进行搜索,得到新的一组设备出力,并计算新的一组设备出力对应的微能源网每日成本;
步骤2.3,将微能源网每日成本与目标微能源网每日成本进行比较,取较小值更新目标微能源网每日成本,将较小值对应的一组设备出力作为目标设备出力组;
步骤2.4,重复步骤2.2至设定的最大迭代次数,输出目标设备出力组和目标微能源网每日成本得到每个设备的最优出力和微能源网的每日最低成本。
2.根据权利要求1所述的一种基于改进量子粒子群算法的微能源网优化调度方法,其特征在于,所述步骤1中具体按照下述方法计算微能源网中设备出力约束:
计算微能源网中每个设备的出力约束:
A,计算微型燃气轮机的出力约束:
δmtγminmtPmtN,e≤Pmt,e≤δmtPmtN,e (8)
其中,δmt为微燃机的启停机状态,0为停机,1为运行;γminmt为微燃机的最小负荷率,PmtN,e为微燃机的额定出力;
B,计算电锅炉的出力约束:
δebγminebQebN,e≤Qeb,h≤δebQebN,e (9)
其中,δeb为电锅炉的启停机状态,0为停机,1为运行;γmineb为电锅炉的最小负荷率;QebN,e为电锅炉的额定出力;
C,计算吸收式制冷机的出力约束:
δacγminacQacN,c≤Qac,c≤δacQacN,c (10)
其中,δac为吸收式制冷机的启停机状态,0为停机,1为运行;γminac为吸收式制冷机的最小负荷率;QacN,c为吸收式制冷机的额定出力;
D,计算电制冷机的出力约束:
δecγminecQecN,c≤Qec,c≤δecQecN,c (11)
其中,δec为电制冷机的启停机状态,0为停机,1为运行;γminec为电制冷机的最小负荷率;QecN,c为电制冷机的额定出力;
E,计算热交换器的出力约束:
0≤Qhe,h(t)≤QheN,h (12)
其中,Qhe,h(t)为交换器在t时刻的热交换器的处理,QheN,h为交换器的额定功率;
F,计算风机的出力约束:
0≤Pwt(t)≤Pwt,max(t) (13)
其中,Pwt(t)为t时刻风机的出力,Pwt,max(t)为风机的最大出力;
G,计算蓄电池的出力约束:
蓄电池荷电状态出力约束:
socmin≤soc≤socmax (14)
蓄电池充电出力约束:
0≤Pes,c≤Pes,cmax (15)
蓄电池放电出力约束:
0≤Pes,d≤Pes,dmax (16)
整个调度周期前后储能设备内储能量应维持不变,即:
EesH=Ees0 (17)
其中,socmax为蓄电池的最大电荷量,socmin为蓄电池的最小电荷量,soc指储能存储能量占其总容量的比值,Pes,cmax表示蓄电池的最大充电功率,Pes,c为t时刻蓄电池的充电功率,Pes,d为t时刻蓄电池的放电功率,Pes,dmax蓄电池的最大放电功率,EesH表示调度周期末蓄电池的储能量,Ees0表示调度周期初始时刻的蓄电池的储能量;
H,计算微能源网所有设备的能量平衡约束:
电气母线平衡约束:
Pgrid(t)+Pwt(t)+Pmt,e(t)+Pes,d(t)=Pec(t)+Peb(t)+Pes,c(t)+Le(t) (18)
其中,Pgrid(t)表示t时刻购电的电价,Pwt(t)为t时刻风机的出力,Pmt,e(t)为t时刻微燃机输出的电功率,Pes,c为t时刻蓄电池的充电功率,Pes,d为t时刻蓄电池的放电功率,Peb(t)为t时刻电锅炉的出力,Le(t)为t时刻的电负荷;
热水母线平衡约束:
Qeb,h(t)+Qhe,h(t)=Lh(t) (19)
其中,Qeb,h(t)为t时刻电锅炉产生的热量,Qhe,h(t)为t时刻热交换器产生的热量,Lh(t)为t时刻的热负荷;
空气母线平衡约束:
Qac,c(t)+Qec,c(t)=Lc(t) (20)
其中,Qac,c(t)为t时刻吸收式制冷机产生的制冷量,Qec,c(t)为t时刻电制冷机产生的制冷量,Lc(t)为t时刻冷负荷;
烟气母线平衡约束:
Qac,in(t)+Qhe,in(t)=Qmt,h(t) (21)
其中,Qac,in(t)为t时刻吸收式制冷机的输入能量,Qhe,in(t)为t时刻热交换器的制输入热量,Qmt,h(t)为t时刻微型燃气轮机产生的热量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811266637.X/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理