1.一种并网混合可再生能源系统的多目标优化设计方法,其特征在于,包括以下步骤:
第一步,设计并网混合可再生能源系统的优化目标以及约束函数,建立并网混合可再生能源系统的多目标优化设计模型;
以最小化系统年化成本、系统净购电成本、系统碳排放量为目标,构建带约束的三目标优化问题,如下:
其中Fcost表示系统总的年度成本;Fgrid表示系统净购电成本;Femission表示系统的碳排放量,只考虑柴油发电机使用过程中产生的CO2排放;Npv、Nwg、Ndg分别表示并网混合可再生能源系统中待优化的光伏板、风机和柴油发电机的数量;Hwg表示风机的安装高度,Hlow和Hhigh分别表示风机安装高度Hwg的变化范围的最小值和最大值,β表示光伏板的安装倾角;
已知条件:a.组成并网混合可再生能源系统的各设备的型号,即光伏板、风机和柴油发电机的性质和设备参数是确定的,其中,光伏板参数包括开路电压、短路电流、最大工作电压、最大工作电流、额定工作温度、初始投资成本、操作维修成本以及使用寿命;风机参数包括额定功率、初始投资成本、操作维修成本以及使用寿命;柴油发电机参数包括额定功率、初始投资成本、每小时操作维修成本和使用寿命;b.并网混合可再生能源系统向电网买电和卖电的价格是固定的;c.Femission考虑等价二氧化碳排放量,来自于柴油发电机;
根据上述已知条件,并网混合可再生能源系统的各个优化目标计算方法,如下;
(1)以25年为项目周期,并网混合可再生能源系统年化成本目标函数为:
其中ACS表示混合可再生能源系统年度成本,PV表示光伏板,WG表示风机,Tower表示风机塔,DG表示柴油发电机,Cainv是年度初始投资成本,Caom是年度设备维护成本,Carep是年度元器件总成本,分别用下式计算:
Cainv=∑Cinv·CRF(i,Lcom) (3)
其中Cinv是每个元件的初始投资成本,元件包括并网混合可再生能源系统中的光伏板、风机、风机塔、电池组和柴油发电机,CRF是资本回收因子,Lcom是元件寿命,单位是年;i是年实际利率,inom是名义利率,f是年通胀率;
Carep=Crep·SFF(i,Lrep) (6)
Caom(n)=Caom(1)·(1+f)n (8)
其中Carep是年度元器件总成本,Crep是每个元件的替换成本,元件包括光伏板、风机、风机塔、电池组和柴油发电机,SFF是沉默资金因子,Lrep是元件替换寿命,Caom(n)是第n年使用过程中的操作与维修成本;
(2)并网混合可再生能源系统在T时间内的碳排放量的目标函数为:.
其中T是一年总的小时数即8760,Ef是排放因子;Fcons为柴油发电机的燃料消耗,表达式如下所示:
Fcons=AdgPr_dg+BdgPdg (10)
其中Pr_dg是柴油发电机的额定功率,Pdg是柴油发电机的输出功率,Adg和Bdg是燃料消耗曲线的系数;
(3)并网混合可再生能源系统在T时间内的净购电成本目标函数为:.
Fgrid=Pb·Eb-Ps·Es (11)
其中Eb和Pb表示总的买电数量和价格,Es和Ps表示总的卖电数量和价格。
并网混合可再生能源系统的功率供应过程:首先由光伏发电和风力发电直接供给负载以满足需求,当光伏发电Ppv(t)和风力发电Pwg(t)的功率大于负载需求Pload(t)时,多余的电量卖给电网;相反当光伏和风力的总发电量不能满足负载时,首先由柴油机发电Pdg(t),若仍不能满足负载时,系统向电网买电Pgrid(t),用于满足负载需求;其中Pdg(t)表示在时间t内柴油发电机的输出功率Pdg;Pgrid(t)表示在时间t电网电量供给功率;
关于光伏板和风机的输出功率计算如下:
Ppv(t)表示光伏板在时间t内的输出功率,由(12-15)计算得到:
VOC(t)=VOC,STC-KV·TC(t) (14)
其中TC(t)是在时间t时的光伏电池温度,TA(t)是时间t时的周围环境温度,NCOT是制造商提供的额定电池工作温度,Sp(t,β)是垂直于光伏板倾斜表面上的太阳辐射,ISC,STC和VOC,STC是光伏板在温度为25,太阳辐射为1kW/m2的标准测试条件下的短路电流和开路电压,ISC(t,β)是光伏板的短路电流,VOC(t)表示光伏模组的开路电压,KI和KV是所选光伏板对应电流和电压下的温度系数;Ppv(t,β)是由一个包含NS个串联,NP个并联光伏板的光伏阵列的输出功率,Npv表示光伏板的总数量,FF(t)是填充因子;
Pwg(t)表示风机在时间t内的输出功率由公式(16)计算得到:
其中v是每一时刻的风速,CP是风机性能系数,ρ是空气密度,AWG是风机上转子扫过的面积,PWGR是风机的额定功率;Vc是风机的切入速度,Vr是风机的额定风速,Vf是风机的切出风速;
第二步,利用PICEA-g算法求解并网混合可再生能源系统的多目标优化设计模型;
(1)算法参数设置:包括种群规模和终止条件,种群N设置为200,终止条件采用最大运行代数,设置为maxGen=500;
(2)初始化种群,随机生成N=200个初始父代种群S;每个个体x有5个编码即x=(Npv,Nwg,Nbat,Ndg,Hwg,β),其中0≤Npv≤30,0≤Nwg≤20,0≤Ndg≤10,5≤Hwg≤30,0≤β≤90;同时,随机生成Ng=200参考点g=(g1,...,gm)的偏好信息种群,记作父代参考点种群G,其中0<gi<1.2,i=1,2,...,m,m表示目标个数;
(3)若满足终止条件,则终止计算,输出当前的非支配解集;否则,基于当前种群S,通过遗传重组算子产生子代种群Sc,规模也为N;重新生成Ng=200个新的参考点,记为种群Gc;
(4)将父代种群S与子代种群Sc合并,得到规模为2N的合种群Sall=S∪Sc,将父代参考点种群G和子代参考点种群Gc合并,得到规模为2Ng的合种群Gall=G∪Gc;基于Sall和Gall计算个体和参考点的适应度,然后依据适应度对所有个体进行排序;
(5)根据排序结果从前往后选取N个体和Ng个参考点作为新的父代种群S和参考点种群G;
(6)重复(3)至(5)步,直至满足终止条件,即达到最大运行代数,输出S中的非支配个体作为所求解的解;
第三步,结合决策者的偏好信息,从多个Pareto最优解中,选择一个作为最后并网混合可再生能源系统的实施方案。
2.根据权利要求1所述的并网混合可再生能源系统的多目标优化设计方法,其特征在于,第二步其分步骤(3)中所述的通过遗传重组算子产生子代种群Sc,其操作步骤如下:
(a)针对当前种群S内的每个个体xi,结合随机选择的另外两个个体xm和xn,通过式(17)产生新的个体xnew。其中表示新个体的第k个变量值,表示一个临时变量值,和分别表示个体i、个体m和个体n的第k个变量值,这里k=[1,2,...,6];F和CR分别为该操作的两个参数,这里设置为0.9和0.05;rand表示位于区间(0,1)的随机数;krand表示一个随机产生的位于区间[1,6]整数;floor()表示向下取整函数。
(b)若产生的新个体非可行解,则采取以下措施将其修正为可行解。其中ubk和lbk分别表示第k个变量的上下界。所有的xnew构成了子代种群Sc。
3.根据权利要求2所述的并网混合可再生能源系统的多目标优化设计方法,其特征在于,第二步其分步骤(4)中所述的个体和参考点的适应度计算方法为:
(a)将种群中的个体归一化:获取每一个目标函数fm的最大值max(fm)和最小值min(fm),目标函数fm是指公式(1)中的Fcost、Fgrid和Femission,然后依据下式将每个个体目标函数值转换到区间[0,1];
其中,fi(x)表示进化过程中个体x的第i个目标的原始目标函数值,表示个体x归一化后的目标函数值;
(b)个体与参考点的支配关系统计:遍历每一组个体与参考点,确定他们之间的Pareto支配关系;同时设定每个参考点携带的积分为1,当某一参考点仅被一个个体支配,那么它的积分全部分配给该个体;当参考点被多个个体支配,那么它的积分平均分配给这nr个个体,即每个个体得到1/n积分;由此得到个体的初始适应度计算公式,如(20)所示;
其中pi表示第i个个体,r表示参考点,nr表示参考点被个体pi支配的个数,个体初始适应度值等于该个体能够支配的所有参考点赋予其的积分,若个体不能支配任何参考点,那么
对于每个参考点,若其被nr个个体支配,则得到积分1/n,若不被任何个体支配,则得到积分0;由此得到参考点的适应度其计算公式,如(21)所示;
依据个体和参考点的适应度值和的值,对个体和参考点进行从大到小排序。
4.根据权利要求1所述的并网混合可再生能源系统的多目标优化设计方法,其特征在于,第三步中可以选择以下三种并网混合可再生能源系统的实施方案:
(1)当决策者偏重年度化成本Fcost和碳排放量Femission时,则在满足二者限制的条件下,给定的最大Fcost和Femission容忍值,即Fcost<Cost且Femission<Emission,选择使净购电成本最低的方案,即Fgrid最小化;
(2)当决策者偏重净购电成本Fgrid和碳排放量Femission时,则在满足二者限制的条件下,给定的最大Fgrid和Femission容忍值,即Fgrid<Cgrid且Femission<Emission,选择使年度化成本最低的方案,即Fcost最小化;
(3)当决策者偏重年度化成本Fcost和净购电成本Fgrid时,则在满足二者限制的条件下,给定的最大Fcost和Fgrid容忍值,即Fcost<Cost且Fgrid<Cgrid,选择使碳排放量最低的方案,即Femission最小化。