[发明专利]一种用于综合能源系统的双阶段调度模型优化方法

说明书

本发明公开了一种用于综合能源系统的双阶段调度模型优化方法，包括如下步骤：S1、根据系统设备运行成本构建日前经济性调度模型；S2、基于所述日前经济性调度模型修正各微机组的运行状态，构建实时优化调度模型；S3、基于所述实时优化调度模型，通过映入混沌纵横交叉算法改进种群变异方式，以保证种群多样性和优良个体的全部信息；S4、构建基于CCSO‑BOS算法的双阶段调度优化求解流程，该方法以负荷预测以及可再生能源处理预测数据为基础，建立综合能源系统日前和实时两阶段调度优化模型，能够求解所提出的多目标、非线性优化的问题，使得可再生能源能够被最大化地消纳和利用，从而有效降低系统运行成本。

技术领域

本发明实施例涉及综合能源技术领域，尤其涉及一种用于综合能源系统的双阶段调度模型优化方法。

背景技术

综合能源系统(Integratedenergysystem，IES)作为能源互联网的重要载体，能将高效利用多种可再生能源，并为用户提供冷、热、电等多种能源应用方式，从而发挥多种能源优势互补的潜力，能够促进太阳能、风能等可再生能源的就地消纳，实现资源的优化利用。国内学者已经构建出了多种综合能源系统经济性调度模型，头脑风暴算法是一种全新的群智能优化算法，它主要是模拟人类提出创造性思路解决问题的过程，算法自提出以来就受到广泛关注。

与综合能源系统相关的现有技术有三种：第一种是最优引导的头脑风暴优化算法，该算法根据全局最优思想和重新初始化机制，集合适应度分组方法，对单个变量进行更新，实验结果表明GBSO在整体性能上优于BSO，但依然存在收敛速度慢的问题；第二种是基于目标空间聚类差分头脑风暴优化算法，该算法对目标空间进行聚类降低算法复杂度，利用差分思想来增加种群多样性。但算法寻优效果受到聚类个数影响很大，算法稳定性依然有待提高；第三种是基于讨论机制的头脑风暴优化算法，该算法对BSO个体的变异过进行改进，提出了自适应变异步长调整方式，有效平衡了全局和局部搜索；但参与比较的算法仅有PSO和BSO，对比算法较少，无法验证该算法与其他智能优化算法相比较的优劣性。

从上述三种现有技术可以看出，BSO算法的优点在于全局搜索能力强，适合解决高维多峰问题，但算法存在易陷入局部最优、早熟收敛等问题，虽然部分技术对BSO进行改进，但BSO算法的计算效率依然存在提升空间，且以上三种相关技术仅针对综合能源系统单阶段优化调度，没有针对综合能源系统日前和实时两阶段的运行优化方式进行有效研究，也没有充分考虑实时调度阶段设备机组状态运行的实时调整对运行方式的影响。

发明内容

为此，本发明实施例提供一种用于综合能源系统的双阶段调度模型优化方法，以负荷预测以及可再生能源处理预测数据为基础，建立综合能源系统日前和实时两阶段调度优化模型；以解决现有技术中仅针对综合能源系统单阶段优化调度，没有针对综合能源系统日前和实时两阶段的运行优化方式进行有效研究，也没有充分考虑实时调度阶段设备机组状态运行的实时调整对运行方式产生影响的问题。

为了实现上述目的，本发明的实施方式提供如下技术方案：

一种用于综合能源系统的双阶段调度模型优化方法，包括如下步骤：

S1、根据系统设备运行成本构建日前经济性调度模型；

S2、基于所述日前经济性调度模型修正各微机组的运行状态，构建实时优化调度模型；

S3、基于所述实时优化调度模型，通过映入混沌纵横交叉算法改进种群变异方式，以保证种群多样性和优良个体的全部信息；

S4、构建基于CCSO-BOS算法的双阶段调度优化求解流程。

作为本发明的一种优选方案，步骤S1中所述日前经济性调度模型以负荷预测数据以及分布式能源功率输出预测数据为基础，构建综合能源系统的日前调度目标函数对综合能源系统进行统筹协调，所述日前调度目标函数的构建的参考依据包括：运行维护成本、购电成本、购热成本、燃料成本以及储能成本。