一种冷热电联产系统的最优报价方法与流程

本发明涉及一种冷热电联产系统的最优报价方法。

背景技术：

近年来，由于运行效率优、能源利用率高、经济效益好，热电联产和冷、热、电联产系统得到快速发展。此外，冷、热、电联产系统还可以灵活应对能源成本的波动，并在很大程度上避免了输电、配电过程中产生的能量损失。现有研究大多聚焦于冷、热、电联产系统的技术创新与经济效益上，但没有对电力公司的收益进行分析。通过优化系统的电力出售价格和天然气购入价格比例(下文称能源价格)，可以更好地提高电力公司和冷热电联产系统(combinedcoolingheatingandpower：cchp)的共同效益，因此，对于冷热电联产系统报价策略的研究变得越来越重要。

技术实现要素：

针对上述问题，本发明提供一种冷热电联产系统的最优报价方法，通过制定合理的电力和天然气价格，提高能源利用效率，保障了冷热电联产系统和电力公司的经济效益。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种冷热电联产系统的最优报价方法，包括如下步骤：

s01、建立冷热电联产系统的双层规划模型，输入冷热电联产系统和电力公司的运行数据，并设置双层规划模型的功率平衡约束和电力、天然气的报价约束；

s02、初始化内、外层粒子群：设置内、外层粒子群的规模、每个粒子的速度和位置；

s03、更新粒子群优化算法的参数；

s04、对第k个粒子进行内层粒子群优化算法，得到内层最优局部个体值和全局值，更新内层第k个粒子的速度和位置；

s05、判断第k个粒子是否满足约束条件，满足则进入步骤s06；

s06、对第k个粒子进行外层粒子群优化算法，得到外层最优个体值和全局值，更新外层第k个粒子的速度和位置；

s07、判定第k个粒子是否满足约束条件，满足则进入步骤s08；

s08、得到满足内、外层粒子群优化算法的最优粒子速度和位置，并选取最优位置作为最优能源价格。

优选，步骤s05中，若第k个粒子不满足约束条件，则：

令k的数值加1，判定当前k值是否大于总粒子数，若是，则令k的数值加1并进入步骤s03；否则，直接进入步骤s03。

优选，步骤s07中，若第k个粒子不满足约束条件，则：

令k的数值加1，判定当前k值是否大于总粒子数，若是，则令k的数值加1并进入步骤s03；否则，直接进入步骤s03。

优选，步骤s01中，双层规划模型的外层规划模型为：

式中，表示冷热电联产系统的总成本；分别为原动机、吸收式制冷机的投资成本；分别为原动机、辅助锅炉的运行成本；为从电力公司处购电成本；为负荷用电成本；为售电收入。

优选，步骤s01中，双层规划模型的内层规划模型为：

式中，为内层目标函数；分别为电力公司出售电力、天然气的收入；分别为电力公司从能源市场购买电力、天然气的成本；为电力公司从冷热电联产系统购电成本；losstot为配电网的功率损耗，w0是网损加权因子。

优选，步骤s04中，内层第k个粒子的速度、位置更新公式如下：

vk(t+1)＝ψ[ω0×vk(t)+c1×rand1(pk(t)-xk(t))

+c2×rand2×(pg(t)-xk(t))]

xk(t+1)＝xk(t)+vk(t+1)

式中，t代表迭代次数，vk(t)、xk(t)分别代表粒子k在第t次迭代时的速度、位置；rand2、rand1是0-1之间的随机数；pk(t)、pg(t)分别表示粒子在第t次迭代时的局部和全局最优位置；ω0是惯性权重系数，ψ代表收缩系数。

优选，步骤s03中，更新的参数包括惯性权重系数ω0、收缩系数ψ和学习因子c1、c2，其中：

ω0的更新公式为：

其中，ω1和ω2分别是惯性权重系数的初始和最终值；t^max是最大迭代次数；

c1和c2的更新公式为：

式中，c1f、c2f、c1i和c2i分别是c1的终值、c2的终值、c1的初值和c2的初值；

ψ的更新公式为：

φ＝c1+c2

式中，φ是复合学习因子。

本发明的有益效果是：

第一、本发明通过建立双层规划模型，能够同时保障冷热电联产系统和电力公司的经济效益。

第二、本发明通过粒子群优划算法能够快速计算出最优报价，缩短了优化时间。

第三、本发明实现了能源的多级利用，大大提高了能源利用效率，提高了冷热电联产系统的稳定性。

附图说明

图1是本发明冷热电联产系统的运行结构示意图；

图2是本发明一种冷热电联产系统的最优报价方法的流程图；

图3是本发明冷热电联产系统的双层规划模型图；

图4是修改的ieee-37节点测试系统示意图；

图5是电力工业用户的负荷预测示意图；

图6是电力、天然气的最优能源报价结果示意图。

具体实施方式

下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

冷热电联产系统运行结构如图1所示，系统主要由原动机、辅助锅炉、吸收式制冷机组成，并与配电网协同运作，来自原动机的余热将被蒸汽发生器吸收，通过吸收式制冷机驱动冷负荷，这将大大减少负荷高峰期的系统用电量。本发明中，假定配电网用于传输能源，电力公司作为配电网的运营商，其通过从cchp(即冷热电联产系统)处购买电力来减少和能源市场的电力交易量，当电力售价和天然气购价处于合理的比例范围时，系统会有很高的能源利用率，同时也会产生很好的经济收益。

如图2所示，一种冷热电联产系统的最优报价方法，包括如下步骤：

步骤1、建立冷热电联产系统的双层规划模型，输入冷热电联产系统和电力公司的运行数据，并设置双层规划模型的功率平衡约束和电力、天然气的报价约束。

双层规划模型包括内、外层规划模型，下面进行详细介绍：

外层规划模型以冷热电联产系统的年总成本作为外层目标函数要实现最小化：

式中，表示冷热电联产系统的总成本；分别为原动机、吸收式制冷机的投资成本；分别为原动机、辅助锅炉的运行成本；为从电力公司处购电成本；为负荷用电成本；为售电收入。

本发明中，抽取全年中的具有代表性的7天进行系统运行分析，外层目标函数的成本和收入量以净现值(netpresentvalue,npv)代表，表示为：

其中，ir表示利润率，n表示系统运行时间(年)。

内层规划模型由电力公司的年总收入和配电网的年总网损组成，为：

式中，为内层目标函数；分别为电力公司出售电力、天然气的收入；分别为电力公司从能源市场购买电力、天然气的成本；为电力公司从冷热电联产系统购电成本；losstot为配电网的功率损耗，w0是网损加权因子。

电力的结算依据每时段电力的交易量和交易价格：

其中，每日d每时段h下，电力公司向负荷供电的功率为pd,d,h，价格为能源市场的售电量为pmarket,d,h，市场出清电价为冷热电联产系统售电量为制定电价为λelec,d,h。

天然气的结算依据每时段天然气的交易量和交易价格：

其中，每日d每时段h下，辅助锅炉的的产热量为原动机输出功率为辅助锅炉、原动机的天然气转换率分别为hv为天然气热值；分别是电力公司、能源市场的天然气价格。

配电网的功率损耗为：

其中，pl,d,h为每日d每时段h下的总网损。

能源价格的约束为：

其中，λelec,d,h表示冷热电联产系统的电力定价，分别表示最小、最大价格，只有当冷热电联产系统电力定价合理时，电力公司才会从冷热电联产系统处购电，因此λelec,d,h要略低于χgas,d,h表示冷热电联产系统购买天然气的协议价格，分别表示最小、最大协议价格，为促进冷、热、电联产系统的发展，χgas,d,h也要略低于市场出清价格

由于电力、天然气的价格和需求量之间有相互依赖的关系，当配电网负荷量增加时，冷热电联产系统报出的电力和天然气价格也会增加，如下式所示：

其中，ratioelec、ratiogas分别表示电力、天然气的价格增长率，χgas,d,h表示冷热电联产系统购买天然气的协议价格。

单位时段下，有功功率需要维持平衡：

其中，pdi,d,h为每节点每时段的负荷功率。

电力公司和冷热电联产系统之间的经济关系如图3所示。基于双层规划模型，其中外部优化对应cchp的最小年总成本，内部优化则要同时实现电力公司的最大收益和配电网最小网损。

步骤2、初始化内、外层粒子群：包括设置内、外层粒子群的规模、每个粒子的速度和位置。

步骤3、更新粒子群优化算法的参数：包括惯性权重系数ω0、收缩系数ψ和学习因子c1、c2，其中：

ω0的更新公式为：

其中，ω1和ω2分别是惯性权重系数的初始和最终值；t^max是最大迭代次数。比如，可选取ω1＝0.9，ω2＝0.4，整个迭代过程中ω0取值范围为(ω2,ω1)。

c1和c2的更新公式为：

式中，c1f、c2f、c1i和c2i分别是c1的终值、c2的终值、c1的初值和c2的初值，本发明中，优选，参数c1从2.5变化到0.5，c2从0.5变化到2.5。

ψ的更新公式为：

φ＝c1+c2

式中，φ是复合学习因子。

步骤4、对第k个粒子进行内层粒子群优化算法，得到内层最优局部个体值和全局值，更新内层第k个粒子的速度和位置，内层第k个粒子的速度、位置更新公式如下：

vk(t+1)＝ψ[ω0×vk(t)+c1×rand1(pk(t)-xk(t))

+c2×rand2×(pg(t)-xk(t))]

xk(t+1)＝xk(t)+vk(t+1)

式中，t代表迭代次数，vk(t)、xk(t)分别代表粒子k在第t次迭代时的速度、位置；rand2、rand1是0-1之间的随机数；pk(t)、pg(t)分别表示粒子在第t次迭代时的局部和全局最优位置；ω0是惯性权重系数，用来调整局部和全局搜索之间的平衡,并依据两者的搜索能力确定取值，ψ代表收缩系数。本发明中，惯性权重系数初始值设置的比较高，以提高全局搜索能力，本发明中，惯性权重系数取值范围为(0.4,0.9)。

由于种群多样性不足，粒子群优化算法在早期搜索阶段收敛迅速。为了避免陷入局部最小并提高收敛速度，可引入变异算子u：当粒子的更新位置大于极限x^max，则设置更新位置为x^max·u；当粒子的更新速度大于极限v^max，则设置更新速度为v^max·u。

步骤5、判断第k个粒子是否满足约束条件，满足则进入步骤6，否则进入步骤7。

步骤6、对第k个粒子进行外层粒子群优化算法，得到外层最优个体值和全局值，更新外层第k个粒子的速度和位置，此步骤中，粒子速度和位置的更新公式同步骤4。

步骤7、令k的数值加1(即进入下一个粒子的内层优化)，判定当前k值是否大于总粒子数，若是，则令k的数值加1(直接跳过该粒子)并进入步骤3；否则，直接进入步骤3。

步骤8、判定第k个粒子是否满足约束条件，满足则进入步骤9，否则进入步骤10。

步骤9、算法结束，得到满足内、外层粒子群优化算法的最优粒子速度和位置，并选取最优位置作为最优能源价格。最优位置(二维)就代表最优价格(电力、天然气)。

步骤10、令k的数值加1(即进入下一个粒子的外层优化)，判定当前k值是否大于总粒子数，若是，则令k的数值加1(直接跳过该粒子)并进入步骤3；否则，直接进入步骤3。

为了验证本发明方法的可用性与稳定性，以及可应用于制定冷热电联产系统能源报价之中，本实施例以下面数据为例说明。本发明所提出的基于双层规划粒子群优化算法将应用于修改的ieee-37节点测试系统，如图4所示。节点33作为冷热电联产系统接入点，其负荷(8.48mw)大于工业负荷(峰值3.33mw)。假定原动机有20年的使用寿命，投资利率6％。为了确保电力公司能从冷热电联产系统处获得售电收入，本发明假定售电价格低于市场结算价格。对加权因子w0取值从0.1到0.9进行测试，发现取0.1时电力公司可以得到最大的收入。

仿真中，配电网的每时段电力负荷以及天然气量都是基于国内能源市场数据。本发明从每个季节中选取具有代表性的一天代表整个季节的能源需求情况，如图5所示，然后用这四天的情况组成具有代表性的一周，以表示一年中工业用户对电力和天然气需求的4个典型场景：一周的第一天(春季，5月4日)、一周第二天到第五天(夏季，7月13日)、一周第六天(秋季，11月2日)和周末(冬季，1月12日)。

图6提供了4个典型场景下冷热电联产系统的电力和天然气的全年最优时段价格。如图6可知，在非高峰时期时，最低价格出现在3点和4点，而高峰期的最大价格出现在时间17、19和21点。可以观察到，峰谷和非峰谷最优电价差在春，夏，秋和冬季分别是0.142元/kwh，0.163元/kwh，0.125元/kwh和0.161元/kwh。相应最大和最小的最优天然气价格差分别是0.043元/m³，0.052元/m³，0.045元/m³和0.056元/m³。结合图5可知，电力负荷不稳定是产生最小、最大的电价的根本原因；比较每个季度电力和天然气的最优价格，可知，当配电网的电力负荷增加时，天然气价格随之增加，反之亦然，这表明，电力和天然气每时段价格存在相当大的关联性。

当达到每季度的电力和天然气的最优时段价格时，电力公司和冷热电联产系统的收益可以得到有效保证。依据所建立的模型进行经济性计算后可知，原动机和吸收式制冷机的最佳容量分别为8.271mw和4.884mw，冷热电联产系统投资回收期是2.73年，电力公司的收入净现值为31.97×10⁷元/年，冷热电联产系统的总收益净现值为2.80×10⁷元/年。相比于冷热电分离系统的27.06×10⁷元/年收益，应用冷热电联产系统会给电力公司带来更高的净现值收入。此外，与冷热电联产系统的全自动运行相比，若冷热电联产系统与配电网络并行运行会使电力公司的净现值收入增加约18.14％。上述分析结果已总结在表1中。

表1冷热电联产系统的优化结果

本发明采用基于双层规划模型的粒子群优化算法制定出了冷热电联产系统每时段的最优能源价格。基于依据国内能源市场价格，可以计算出以天然气为原动机的冷热电联产系统的最佳容量、价格策略、运行成本和系统经济性，同时还可以对电力公司进行收益分析。在ieee‐37节点测试系统上进行算例仿真，结果表明，最优峰谷电价和天然气价格具有一定关联性，冷热电联产系统依据这一关系进行最优电力定价，可以保障电力公司和冷热电联产系统的收益。

优化模型中，外层目标函数为系统最小运行成本，包括基本投资和对外供电的成本，并着重分析能源价格对系统优化配置的影响；内层研究电力公司与冷热电联产系统、电力市场的电力交易情况。此外，还将考虑冷热电联产系统的一些约束条件，比如相关变量的上、下限约束、功率平衡约束。为分析冷热电联产系统对能源价格的依赖性，算例仿真从每季度中各抽取具有代表性的一天进行计算分析。对采用了冷热电联产系统供电的医院和公寓进行仿真测试，结果表明，当资金回收期低于2.8年，内部收益率高于47％时，冷热电联产系统具有很好的经济效益。此外，基于本发明采用的双层规划粒子群优算法，冷热电联产系统还能够同时对电力公司的收益进行深入的分析，通过调节系统容量和配置，保障了各方的经济效益。

本发明的有益效果是：

第一、本发明通过建立双层规划模型，能够同时保障冷热电联产系统和电力公司的经济效益。

第二、本发明通过粒子群优划算法能够快速计算出最优报价，缩短了优化时间。

第三、本发明实现了能源的多级利用，大大提高了能源利用效率，提高了冷热电联产系统的稳定性。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换，或者直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。