一种综合能源系统实时运行策略优化方法及系统与流程

1.本发明属于综合能源系统运行策略优化技术领域，特别涉及一种综合能源系统实时运行策略优化方法及系统。


背景技术：

2.综合能源系统作为新一代能源系统的重要组成，集成了多种形式的供能、能量转换和储能设备，在源、网、荷等不同环节实现了不同类型能源的耦合，梯级利用能源，从而提升能源效率。
3.良好且可靠的运行策略是保证综合能源系统整体效率和性能的关键，由于电、冷、热负荷随时间不断变化且变化具有不同步性，综合能源系统不宜采用单一的运行策略，运行策略应实时优化调整，与负荷需求更好的协调。因此，准确的负荷预测是进行综合能源系统运行策略优化的首要前提，目前已有的单一负荷预测方法大多数是基于传统机器学习算法和深度学习算法，传统机器学习算法具有高效的特点，深度学习算法的预测准确性更高，目前的预测方法难以兼顾高效性和准确性。此外，单一负荷预测方法无法应对不同类型负荷间的复杂耦合关系。
4.在综合能源系统运行策略优化中，目标函数和优化方法是影响运行策略优化的重要因素，目前的目标函数更多考虑系统的经济效益、环境效益，基于可靠性的目标函数较少，且难以兼顾快速性。目标函数中考虑的性能指标越全面，得出的运行策略越能均衡综合能源系统的各方面效益。


技术实现要素：

5.针对上述问题，本发明提供一种综合能源系统实时运行策略优化方法及系统，利用多种优化方法进行协同优化能更快速、准确地得到最优的运行策略，为综合能源系统的实时运行服务。
6.一种综合能源系统实时运行策略优化方法，包括以下步骤：
7.建立基于改进脉冲神经网络的多元负荷联合预测模型，得出电预测负荷、冷预测负荷和热预测负荷；
8.建立多维度综合能源系统评价体系；
9.以电预测负荷、冷预测负荷和热预测负荷为负荷需求，根据多维度综合能源系统评价体系确定优化目标函数，利用两阶段合作协同进化算法对综合能源系统内各机组的逐时出力进行优化求解，得出综合能源系统的实时运行策略。
10.进一步的，建立基于改进脉冲神经网络的多元负荷联合预测模型，得出电预测负荷、冷预测负荷和热预测负荷，具体如下：
11.s11：收集区域t时刻前一定时间段内的湿度、温度、降雨量、光照强度和风速数据；
12.收集区域t时刻前一定时间段内的综合能源系统电负荷、冷负荷和热负荷数据；
13.s12：将湿度、温度、降雨量、光照强度、风速和历史的电负荷、热负荷、冷负荷作为
训练输入数据；
14.将电负荷、热负荷、冷负荷作为训练输出数据；
15.通过脉冲时间编码方式对训练输入和输出数据进行编码；
16.s13：建立结合门控循环单元的脉冲神经网络模型，并通过编码后的训练数据进行训练；
17.s14：以t时刻的湿度、温度、降雨量、光照强度、风速和t－1时刻电、热、冷负荷输入到训练完成的改进脉冲神经网络中，得出t时刻电、热、冷负荷l
e,t
、l
h,t
、l
c,t
。
18.进一步的，建立多维度综合能源系统评价体系，包括以下步骤：
19.计算系统t时刻周期内运行成本p
oc,t
；
20.计算系统t时刻周期内能源总利用率η
t
；
21.计算系统t时刻周期内减排量
△
e
t
；
22.计算系统t时刻的供能能力s
t
。
23.进一步的，计算系统t时刻周期内运行成本p
oc,t
，具体如下：
24.p
oc,t
＝c
e,t
e
b,t
+c
g,t
g
b,t
25.式中，c
e,t
和c
g,t
分别为t时刻的实时电价和天然气价，e
b,t
和g
b,t
分别为t时刻周期内电能和天然气的购买量。
26.进一步的，计算系统t时刻周期内能源总利用率η
t
，具体如下：
[0027][0028]
式中，e
o,t
、h
o,t
和c
o,t
分别为周期内系统输出电量、热量、冷量，e
b,t
和g
b,t
分别为t时刻周期内电能和天然气的购买量。
[0029]
进一步的，计算系统t时刻周期内减排量
△
e
t
，具体如下：
[0030]
△
e
t
＝e
tps,t
‑
e
ies,t
[0031]
式中，e
tps,t
和e
ies,t
分别为传统分产系统和综合能源系统的空气污染物排放量。
[0032]
进一步的，计算系统t时刻的供能能力s
t
，具体如下：
[0033]
s
t
＝μ
e
q
e,t
+μ
h
q
h,t
+μ
c
q
c,t
[0034]
式中，μ
e
,μ
c
和μ
h
分别为电、冷、热能的供给重要程度，在本实施例中电、冷、热能供给重要程度相等，均为三分之一；q
e,t
、q
c,t
、q
h,t
分别当电、冷、热输出电量，当电、冷、热输出电量大于等于电、冷、热负荷时为1，否则为0。
[0035]
进一步的，以电、冷、热预测负荷为负荷需求，根据多维度综合能源系统评价指标确定优化目标函数，利用两阶段合作协同进化算法对系统内各机组的逐时出力进行优化求解，得出综合能源系统的实时运行策略，具体包括以下步骤：
[0036]
s31：对多维度综合能源系统评价体系中的各个评价指标加权得出综合能源系统的目标函数j
t
，以j
t
为目标函数，将得出的电、冷、热t时刻的预测负荷l
e,t
、l
h,t
、l
c,t
作为基础条件，光伏出力取预测出力pv
t
，对t时刻燃气轮机、余热锅炉、补燃锅炉、电网、储能电池的出力进行寻优求解；
[0037]
s32：利用copula分布估计算法进行第一阶段的寻优；
[0038]
s33：在第一阶段寻优结果的基础上，利用差分进化算法和遗传算法进行第二阶段的协同优化；
[0039]
s34：对得出的全局最优解进行解码，得出t时刻参与优化各机组的出力。
[0040]
进一步的，综合能源系统的目标函数j
t
，具体如下：
[0041]
j
t
＝ω1p
oc,t
+ω2η
t
+ω3△
e
t
+ω4s
t
[0042]
式中，ω1,ω2,ω3和ω4分别为p
oc,t
,η
t
,
△
e
t
和s
t
的权重系数。
[0043]
进一步的，利用copula分布估计算法进行第一阶段的寻优，具体如下：
[0044]
随机产生规模为n的初始种群并求该种群中个体的适应度，选择出p个优秀个体，具体如下：
[0045]
z
i
＝(z
i1
,
…
,z
id
),i＝1,2,
…
,p
[0046]
计算第d∈{1,2,
…
,d}维的边缘正态分布函数f
d
(z)，具体如下：
[0047][0048]
式中，
[0049]
根据sklar定理构建copula函数c(u1,
…
u
d
)，具体如下：
[0050][0051]
根据拉丁超立法采样方法从c(u1,
…
u
d
)中采样m个个体，随机产生n－p－m个新个体，将采样产生的m个、选择出的p个、随机产生的n－p－m个个体构造为新一代种群，循环t
max
＝100代，结束第一阶段寻优。
[0052]
进一步的，在第一阶段寻优结果的基础上，利用差分进化算法和遗传算法进行第二阶段的协同优化，具体包括以下步骤：
[0053]
s331：将第一阶段的寻优得到的最优种群随机划分为g
de,0
和g
ga，0
两个子种群；
[0054]
s332：差分进化算法以g
de,0
为初始种群通过向量间的差分差异寻求更优子代种群，遗传算法以g
ga，0
为初始种群通过对个体的染色体交叉变异寻求更优子代种群，将差分进化算法和遗传算法得出的子代种群进行组合选择出最优子代种群；
[0055]
s333：将最优子代种群随机划分为g
de,i
和g
ga,i
，重复s332，直到得出全局最优解。
[0056]
本发明还提供一种综合能源系统实时运行策略优化系统，包括：
[0057]
第一建立模块，用于建立基于改进脉冲神经网络的多元负荷联合预测模型，得出电预测负荷、冷预测负荷和热预测负荷；
[0058]
第二建立模块，用于建立多维度综合能源系统评价体系；
[0059]
优化求解模块，用于以电预测负荷、冷预测负荷和热预测负荷为负荷需求，根据多维度综合能源系统评价指标确定优化目标函数，利用两阶段合作协同进化算法对综合能源系统内各机组的逐时出力进行优化求解，得出综合能源系统的实时运行策略。
[0060]
进一步的，所述第一建立模块包括：
[0061]
编码模块，用于将湿度、温度、降雨量、光照强度、风速和历史的电负荷、热负荷、冷负荷作为训练输入数据，电负荷、热负荷、冷负荷作为训练输出数据，并通过脉冲时间编码方式对训练输入和输出数据进行编码；
[0062]
训练模块，用于建立结合门控循环单元的脉冲神经网络模型，并通过编码后的训练数据进行训练；
[0063]
数据处理模块，用于以t时刻的湿度、温度、降雨量、光照强度、风速和t－1时刻电、
热、冷负荷输入到训练完成的改进脉冲神经网络中，得出t时刻电、热、冷负荷。
[0064]
进一步的，所述第二建立模块包括：
[0065]
第一计算模块，用于计算系统t时刻周期内运行成本；
[0066]
第二计算模块，用于计算系统t时刻周期内能源总利用率；
[0067]
第三计算模块，用于计算系统t时刻周期内减排量；
[0068]
第四计算模块，用于计算系统t时刻的供能能力。
[0069]
本发明的有益效果：
[0070]
1.在第三代人工神经网络——脉冲神经网络中融合门控循环单元，建立综合能源系统多元负荷联合预测模型，利用脉冲神经网络特有的多突触结构及时间编码的方式和门控循环单元对时间序列信号的强表征能力处理多元负荷间的海量耦合信息，高效准确地得出电、冷、热预测负荷。
[0071]
2.对综合能源系统建立基于经济性、能效性、环保性、可靠性的多维度评价体系，3.综合考虑系统经济效益、供能质量、能耗效率、节能减排等方面效益。
[0072]
3.利用准确的实时电、冷、热预测负荷，同时考虑系统的经济性、能效性、环保性、可靠性前提下，通过两阶段合作协同进化算法优化综合能源系统实时运行策略，在第一阶段，利用copula分布估计算法快速定位有潜力的寻优区域；在第二阶段，利用差分进化算法和遗传算法协同开展局部细搜索，最终得出参与优化的各机组的最优出力。
[0073]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
[0074]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0075]
图1示出了现有的综合能源系统的结构示意图；
[0076]
图2示出了根据本发明实施例的一种综合能源系统实时运行策略优化方法的流程示意图；
[0077]
图3示出了根据本发明实施例的结合门控循环单元的脉冲神经网络多元负荷预测模型图；图中，srm为脉冲反应模型(spike response model，srm)，gru为门控循环单元(gate recurrent unit，gru)；
[0078]
图4示出了根据本发明实施例的两阶段合作协同进化综合能源系统运行策略优化算法流程图；
[0079]
图5示出了根据本发明实施例的一种综合能源系统实时运行策略优化系统的结构示意图。
具体实施方式
[0080]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例
中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0081]
请参阅图1，图1示出了现有的综合能源系统的结构示意图，综合能源系统包括电网、光伏发电机组、储能电池、电负荷、气网、燃气轮机、余热锅炉、补燃锅炉、热交换器、吸收式制冷机、热负荷和冷负荷。
[0082]
电负荷与电网、光伏发电机组、储能电池、燃气轮机连接；储能电池还与光伏发电机组、燃气轮机连接。
[0083]
气网与燃气轮机、补燃锅炉连接，气网的天然气进入补燃锅炉燃烧。燃气轮机还与余热锅炉连接，燃气轮机的高温烟气进入余热锅炉。余热锅炉和补燃锅炉产生的蒸汽分别进入热交换器、吸收式制冷机，热交换器与热负荷连接，吸收式制冷机与冷负荷连接。
[0084]
基于上述综合能源系统，请参阅图2，图2示出了根据本发明实施例的一种综合能源系统实时运行策略优化方法的流程示意图，本发明提供一种综合能源系统实时运行策略优化方法，包括以下步骤：
[0085]
建立基于改进脉冲神经网络的多元负荷联合预测模型，得出电预测负荷、冷预测负荷和热预测负荷；
[0086]
建立多维度综合能源系统评价体系；
[0087]
以电预测负荷、冷预测负荷和热预测负荷为负荷需求，根据多维度综合能源系统评价指标确定优化目标函数，利用两阶段合作协同进化算法对综合能源系统内各机组的逐时出力进行优化求解，得出综合能源系统的实时运行策略。
[0088]
建立综合能源系统多元负荷联合预测模型，利用脉冲神经网络特有的多突触结构及时间编码的方式和门控循环单元对时间序列信号的强表征能力处理多元负荷间的海量耦合信息，高效准确地得出电、冷、热预测负荷。
[0089]
对综合能源系统建立基于经济性、能效性、环保性、可靠性的多维度评价体系，综合考虑系统经济效益、供能质量、能耗效率、节能减排等方面效益。
[0090]
利用准确的实时电、冷、热预测负荷，同时考虑系统的经济性、能效性、环保性、可靠性前提下，通过两阶段合作协同进化算法优化综合能源系统实时运行策略，最终得出参与优化的各机组的最优出力。
[0091]
建立基于改进脉冲神经网络的多元负荷联合预测模型，得出电预测负荷、冷预测负荷和热预测负荷，具体如下：
[0092]
s11：收集区域t时刻前一定时间段内的湿度、温度、降雨量、光照强度和风速数据；
[0093]
收集区域t时刻前一定时间段内的综合能源系统电负荷、冷负荷和热负荷数据；
[0094]
s12：将湿度、温度、降雨量、光照强度、风速和历史的电负荷、热负荷、冷负荷作为训练输入数据，电负荷、热负荷、冷负荷作为训练输出数据，并通过脉冲时间编码方式对训练输入和输出数据进行编码；
[0095]
s13：利用门控循环单元替代传统脉冲神经网络中的全连接结构，建立结合门控循环单元的脉冲神经网络模型，并通过编码后的训练数据进行训练；
[0096]
请参阅图3，图3示出了根据本发明实施例的结合门控循环单元的脉冲神经网络多元负荷预测模型图，图中，srm为脉冲反应模型(spike response model，srm)，gru为门控循
环单元(gate recurrent unit，gru)。
[0097]
将将湿度、温度、降雨量、光照强度、风速等气象数据和历史的电负荷数据、热负荷数据、冷负荷数据作为训练输入数据，输入到多个gru中，多个gru相互关联，多个gru将输入数据分别输送至srm进行训练，得出输出数据，输出数据包括电负荷、热负荷和冷负荷。
[0098]
s14：以t时刻的湿度、温度、降雨量、光照强度、风速和t－1时刻电、热、冷负荷输入到训练完成的改进脉冲神经网络中，得出t时刻电、热、冷负荷l
e,t
、l
h,t
、l
c,t
。
[0099]
综合考虑系统经济效益、供能质量、能耗效率、节能减排方面，建立结合经济性、能效性、环保性、可靠性的多维度综合能源系统评价体系。建立多维度综合能源系统评价体系，具体如下：
[0100]
计算系统t时刻周期内运行成本p
oc,t
，p
oc,t
为周期内系统购买天然气及电量的成本，具体如下：
[0101]
p
oc,t
＝c
e,t
e
b,t
+c
g,t
g
b,t
[0102]
式中，c
e,t
和c
g,t
分别为t时刻的实时电价和天然气价，e
b,t
和g
b,t
分别为t时刻周期内电能和天然气的购买量。
[0103]
计算系统t时刻周期内能源总利用率η
t
，η
t
为系统产生的冷热电量与输入系统的总能之比，具体如下：
[0104][0105]
式中，e
o,t
、h
o,t
和c
o,t
分别为周期内系统输出电量、热量、冷量，e
b,t
和g
b,t
分别为t时刻周期内电能和天然气的购买量。
[0106]
计算系统t时刻周期内减排量
△
e
t
，
△
e
t
为系统与分产系统相比减少的空气污染物排放量，具体如下：
[0107]
△
e
t
＝e
tps,t
‑
e
ies,t
[0108]
式中，e
tps,t
和e
ies,t
分别为传统分产系统和综合能源系统的空气污染物排放量。
[0109]
计算系统t时刻的供能能力s
t
，s
t
为电、冷、热能源供给期望q
e,t
、q
c,t
、q
h,t
按不同权重的求和，具体如下：
[0110]
s
t
＝μ
e
q
e,t
+μ
h
q
h,t
+μ
c
q
c,t
[0111]
式中，μ
e
,μ
c
和μ
h
分别为电、冷、热能的供给重要程度，在本实施例中电、冷、热能供给重要程度相等，均为三分之一；q
e,t
、q
c,t
、q
h,t
分别当电、冷、热输出电量，当电、冷、热输出电量大于等于电、冷、热负荷时为1，否则为0。
[0112]
以电、冷、热预测负荷为负荷需求，根据多维度综合能源系统评价指标确定优化目标函数，利用两阶段合作协同进化算法对系统内各机组的逐时出力进行优化求解，请参阅图4，图4示出了根据本发明实施例的两阶段合作协同进化综合能源系统运行策略优化算法流程图，得出综合能源系统的实时运行策略，具体如下：
[0113]
s31：对多维度综合能源系统评价体系中的各个评价指标加权得出综合能源系统的目标函数j
t
，具体如下：
[0114]
j
t
＝ω1p
oc,t
+ω2η
t
+ω3△
e
t
+ω4s
t
[0115]
式中，ω1,ω2,ω3和ω4分别为p
oc,t
,η
t
,
△
e
t
和s
t
的权重系数。
[0116]
以j
t
为目标函数，将得出的电、冷、热t时刻的预测负荷l
e,t
、l
h,t
、l
c,t
作为基础条
件，光伏出力取预测出力pv
t
，对t时刻燃气轮机、余热锅炉、补燃锅炉、电网、储能电池的出力进行寻优求解。
[0117]
s32：利用copula分布估计算法进行第一阶段的寻优，随机产生规模为n的初始种群并求该种群中个体的适应度，选择出p个优秀个体，具体如下：
[0118]
z
i
＝(z
i1
,
…
,z
id
),i＝1,2,
…
,p
[0119]
计算第d∈{1,2,
…
,d}维的边缘正态分布函数f
d
(z)，具体如下：
[0120][0121]
式中，
[0122]
根据sklar定理构建copula函数c(u1,
…
u
d
)，具体如下：
[0123][0124]
根据拉丁超立法采样方法从c(u1,
…
u
d
)中采样m个个体，随机产生n－p－m个新个体，将采样产生的m个、选择出的p个、随机产生的n－p－m个个体构造为新一代种群，循环t
max
＝100代，结束第一阶段寻优。
[0125]
s33：在第一阶段寻优结果的基础上，利用差分进化算法和遗传算法进行第二阶段的协同优化，具体包括以下步骤：
[0126]
s331：将第一阶段的寻优得到的最优种群随机划分为g
de,0
和g
ga，0
两个子种群；
[0127]
s332：差分进化算法以g
de,0
为初始种群通过向量间的差分差异寻求更优子代种群，遗传算法以g
ga，0
为初始种群通过对个体的染色体交叉变异寻求更优子代种群，将上述两种方法得出的子代种群进行组合选择出最优子代种群；
[0128]
s333：将最优子代种群随机划分为g
de,i
和g
ga,i
，重复s332，直到得出全局最优解。
[0129]
差分进化算法和遗传算法优化为常见的优化算法，本领域技术人员应当理解，具体说明不再赘述，不影响本领域技术人员对本发明技术方案的理解。
[0130]
s34：对得出的全局最优解进行解码，得出t时刻参与优化各机组的出力，如表1所示，表1为t时刻综合能源系统各机组的出力，从而确定t时刻综合能源系统的运行策略。
[0131]
表1 t时刻综合能源系统各机组的出力
[0132][0133][0134]
优化算法中采用的编码方式为浮点数编码，优化得出的最优解是一个n维数组(实例中n为6)，数组中的每一元素的数值代表某一设备t时刻的出力值。因此，解码过程即为把数组中的每一元素取出，作为对应设备的出力值。
[0135]
本实施例中优化过程为最大化优化，即目标函数值越大，其对应的解越优。因此，最优解即为目标函数值最大对应的解，在寻优过程中目标函数j
t
值无法增大时，对应的解
为最优解。
[0136]
根据上述综合能源系统实时运行策略优化方法，本发明还提供一种综合能源系统实时运行策略优化系统，请参阅图5，图5示出了根据本发明实施例的一种综合能源系统实时运行策略优化系统的结构示意图，系统包括：
[0137]
第一建立模块，用于建立基于改进脉冲神经网络的多元负荷联合预测模型，得出电预测负荷、冷预测负荷和热预测负荷；
[0138]
第二建立模块，用于建立多维度综合能源系统评价体系；
[0139]
优化求解模块，用于以电预测负荷、冷预测负荷和热预测负荷为负荷需求，根据多维度综合能源系统评价指标确定优化目标函数，利用两阶段合作协同进化算法对综合能源系统内各机组的逐时出力进行优化求解，得出综合能源系统的实时运行策略。
[0140]
具体的，第一建立模块包括：
[0141]
编码模块，用于将湿度、温度、降雨量、光照强度、风速和历史的电负荷、热负荷、冷负荷作为训练输入数据，电负荷、热负荷、冷负荷作为训练输出数据，并通过脉冲时间编码方式对训练输入和输出数据进行编码；
[0142]
训练模块，用于建立结合门控循环单元的脉冲神经网络模型，并通过编码后的训练数据进行训练；
[0143]
数据处理模块，用于以t时刻的湿度、温度、降雨量、光照强度、风速和t－1时刻电、热、冷负荷输入到训练完成的改进脉冲神经网络中，得出t时刻电、热、冷负荷。
[0144]
具体的，第二建立模块包括：
[0145]
第一计算模块，用于计算系统t时刻周期内运行成本；
[0146]
第二计算模块，用于计算系统t时刻周期内能源总利用率；
[0147]
第三计算模块，用于计算系统t时刻周期内减排量；
[0148]
第四计算模块，用于计算系统t时刻的供能能力。
[0149]
系统各模块的具体实施可以从综合能源系统实时运行策略优化方法的具体实施方式获得，不再赘述。
[0150]
尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。