1.本发明属于电力系统技术领域，尤其涉及一种冷热电联供型微电网容量优化配置的方 法。
背景技术：
2.冷热电联供型微电网被广泛认为是应对和解决环境污染和资源危机的有效解决方案。 然而，由于冷热电联供型微电网中存在大量的约束条件和变量，以及运行策略的相对复杂 性，多数智能优化算法在解决冷热电联供型微电网容量优化配置问题时具有收敛速度慢、 帕累托(pareto)解分布不均匀的局限性。因此，为提高冷热电联供型微电网的综合性能， 需要寻找一种性能优良的算法对冷热电联供型微电网进行容量优化配置并选择合适的运行 策略。
技术实现要素：
3.有鉴于此，本发明实施例提供了一种冷热电联供型微电网容量优化配置的方法，以对 冷热电联供型微电网设备容量进行优化，其步骤如下：
4.步骤一，建立冷热电联供型微电网的数学模型
5.(1.1)太阳热能收集器(st)
6.太阳热能收集器集热器产生的热能可估算如下：
7.q
st
＝v
st
iη
st
＝v
st
i[b
0-b1t
*-b2i(t
*
)2]
[0008][0009]
式中，b0代表光学效率，b2和b1代表校正系数；太阳能集热器的面积用v
st
表示；i、 t
out
、t
in
和ta分别代表光强度、st外部温度、st内部温度和空气温度。
[0010]
(1.2)光伏系统(pv，
[0011]
光伏系统产生的电力可以估计如下：
[0012][0013]
式中，v
pv
是光伏系统装机容量；t
pv
代表光伏板表面温度；i
pv
代表光照强度；e
pv
代 表光伏发电量；t
stc
、i
stc
分别代表实验室条件下的板面温度和光照强度；β代表温度系数。
[0014]
(1.3)微型燃气轮机(mt)和热回收装置(hr)
[0015]
在微型燃气轮机(mt)为用户提供电力的同时，产生的废热可以通过废热回收(hr) 装置回收，为用户提供热量。由mt产生的电能和由hr回收的热能可估算如下：
[0016]emt
＝fuel
mt
·
η
mt
[0017]qhr
＝fuel
mt
ηr(1-η
mt
)
[0018]
式中，η
mt
、e
mt
、fuel
mt
分别代表mt的发电效率、mt产生的电能、mt消耗的气体； ηr、qhr
分别代表余热回收效率、余热回收量。
[0019]
(1.4)热储存装置(tes)
[0020]
tes的吸热和放热过程可以通过以下公式计算出来：
[0021][0022]
式中，和分别表示在t-1和t时刻储存在蓄热装置中的热量；γ
tes
表示热损失 率；η
tes，ch
和η
tes，disch
分别为t时刻热充放电过程中的运输效率；和分别表示t 时刻tes释放和吸收的热量。
[0023]
(1.5)燃气锅炉(gb)
[0024]
当所有的供热设备不能满足用户的热需求时，燃气锅炉(gb)开始为用户提供热能，产 生的热能计算如下：
[0025]qgb
＝fuel
gb
·
η
gb
[0026]
式中，η
gb
、fuel
gb
和q
gb
分别代表发热效率、气体消耗和产热。
[0027]
(1.6)吸收式制冷机(ac)和电制冷机(ec)
[0028]
当吸收式制冷机不能满足用户的需求时，电制冷机可以开始制冷工作。计算吸收式制 冷机和电制冷机的制冷量的公式如下：
[0029]cac
＝q
ac
·
μ
ac
[0030]cec
＝e
ec
·
μ
ec
[0031]
式中，c
ac
和c
ec
分别为吸收式制冷机和电制冷机的制冷量；q
ac
代表吸收式冷水机工作 时的热量消耗；e
ec
代表电动制冷机工作时的电力消耗；μ
ac
和μ
ec
分别为吸收式制冷机和电制 冷机的制冷系数。
[0032]
(1.7)电池(bat)
[0033]
蓄电池的放电过程和充电过程可以通过以下公式计算：
[0034][0035]
式中，和分别为t-1时刻和t时刻电池中储存的电量；和分别为t 时刻电池的放电和充电情况；λ
bat
表示电损率；η
bat，ch
和η
bat，disch
分别为充电和放电过程中的传 输效率。
[0036]
步骤二，建立目标函数和所述目标函数的约束条件
[0037]
建立所述目标函数的约束条件，并根据所述约束条件求解所述目标函数，基于求解结 果对冷热电联供型微电网进行容量配置优化。
[0038]
可选的，经济、能源和环境目标函数如下：
[0039][0040][0041]
[0042][0043]
式中，econ、fuel、envir分别为微电网的经济、能源和环境目标函；o为微电网运行 时间；λ为惩罚系数；为电能空额；为热能空额；cost
cchp
为冷热电联供型微 电网的经济成本，式中包括设备投资成本、微电网运行成本、燃料费用和购电费用；f
gt
为 燃气轮机的燃料消耗，f
gb
为燃气锅炉的燃料消耗，f
grid
为电网的燃料消耗；pk为投资系数； nk为设备安装容量，ck为设备单位容量投资成本，为第k台设备在t时刻消耗燃料，为t时刻微电网向电网购电量，cf和cg为燃料价格和电价。
[0044]
可选的，能量平衡约束如下：
[0045][0046][0047][0048]
式中，为光伏系统在t时刻所发出的电能，为微型燃气轮机在t时刻发出的低 电能，为蓄电池在t时刻的放出的电能，为冷热电联供型微电网在t时刻的电能 缺额，为t时刻的电能负载，为电制冷机t时刻的耗电量，为t时刻蓄电池吸收 的电能，为t时刻从电网购买的电能，为t时刻微电网中存在的电能浪费。是 t时刻微型燃气轮机发电过程产生的余热，为t时刻储热装置吸收的热量，为t时 刻燃气锅炉发出的热量，为t时刻冷热电联供型微电网存在的热能缺额，为t时刻 的热能负载，为t时刻储热装置吸收的热量，为t时刻吸收式制冷机吸收的热能， 为t时刻浪费的热能。为t时刻电制冷机的制冷量，为t时刻吸收式制冷机的制 冷量，为t时刻的冷负载。
[0049]
步骤三，调整微电网运行策略
[0050]
以电定热(fel)策略表示微电网优先满足用户热能需求，以热定电(ftl)策略表示微电 网优先满足用户电能需求，上述两种策略都存在一定的能量冗余和浪费。本发明提出了一 种基于考虑电池储能状态的新策略(fb)，以充分利用电池中的剩余电能。当电池储能达到 电池可放电标准时，微电网执行fel策略，相反，当电池储能小于可放电标准时，微电网 执行ftl策略，以最大限度地利用电池中的剩余电量。
[0051]
步骤四，将算术优化算法改进为多目标算术优化算法
[0052]
步骤4.1、设置优化算法的参数；
[0053]
步骤4.2、随机初始化解的位置，计算所有种群的适应度值，并对所有种群进行排序， 选择种群中非支配的个体作为领导者；
[0054]
步骤4.3、更新种群中个体的位置，并在更新过程中使用柯西变异，计算变异前后的 个体的适应度值和拥挤距离，若变异后的个体支配变异前的个体，则用变异后的个体去替 代变异前的个体，若变异后的个体被变异前的个体所支配，则变异前的个体保持不变，若 两者互不支配，则进行拥挤距离比较，选择两者中拥挤距离较大的个体保存在种群中；
[0055]
步骤4.4、将新种群中的所有个体和外部档案的所有个体进行非支配排序，确定新的 非支配的解决方案，并将其保存在帕累托档案中，消除帕累托档案中的任何被支配的解决 方案，计算每个成员的拥挤距离值，并根据外部档案大小移除拥挤距离值最小的个体；
[0056]
步骤4.5、随后对外部档案中的种群进行多项式变异，将变异后的所有个体和外部档 案的所有个体进行非支配排序，确定新的非支配的解决方案，并将其保存在帕累托档案中， 消除帕累托档案中的任何被支配的解决方案，计算每个成员的拥挤距离值，并根据外部档 案大小移除拥挤距离值最小的个体；
[0057]
步骤4.6、重复执行步骤三和步骤五，不断迭代直至达到迭代终止条件，输出最优的 帕累托解集，并最终采取优劣解距离法来获取最优折衷解。
[0058]
(4.1)所述算法的位置更新公式为：
[0059][0060][0061][0062][0063]
式中，moa代表数学优化加速器函数；iter代表当前迭代次数；min和max分别表示 加速函数的最小值和最大值；ubj和lbj分别代表上界和下界的第j个位置；μ是一个用于调 整搜索过程的控制参数；∈是一个很小的整数；数学优化器概率(mop)是一个系数；mop(iter) 表示第iter次迭代时的函数值；delta是一个敏感的参数，它定义了在迭代过程中的开发精 度；max_iter表示最大迭代次数；x
i，j
(iter+1)表示下一次迭代中的第个解的第j个位置；x
i，j
(iter) 表示第i个解在当前迭代中的第j个位置；bestj是目前得到的最佳解中的第j个位置。
[0064]
(4.2)所述柯西变异公式为：
[0065]
pi＝pi×
(1+0.3
×
(tan((rand-0.5)
×
π)))
[0066]
式中，pi为当前个体的第i个位置，rand为0和1之间的数。
[0067]
(4.3)所述多项式变异公式为：
[0068]
p
′k＝pk+δ(ub
k-lbk)
[0069][0070]
δ1＝(p
k-lbk)/(ub
k-lbk)
[0071]
δ2＝(ub
k-pk)/(ub
k-lbk)
[0072]
式中，pk表示父代个体；p
′k表示子代个体；ubk和lbk分别表示上界和下界的第k个位 置；u表示0到1之间的数字；ηm是分布指数。
[0073]
(4.4)采用优劣解距离法从解集中确定最优解，包括：
[0074]
根据解集确定正理想解和负理想解；
[0075]
分别计算解集中每个解与正理想解、负理想解的欧式距离，并根据计 算每个解的评价值；式中，ci表示第i个解的评价值，分别表示
第i个解与正理想 解、负理想解的欧式距离，将解集中评价值最高的解确定为最优解。
[0076]
以上所述步骤中数据输入计算机的方法是公知的方法；所使用计算机、显示器和 matlab计算机软件均是通过商购获得的。
[0077]
本发明的有益效果是：
[0078]
(1)通过在算术优化算法中引入多项式变异和柯西变异，开发了一种多目标的算术优 化算法，使用一系列的测试函数验证了所提算法的优越性能。
[0079]
(2)考虑到光伏发电和太阳能热能技术，建立了一种冷热电联供型微电网数学模型。 并在传统操作策略的基础上，提出了一种跟踪电池储能状态的策略，减少了微电 网的能量冗余和浪费。
[0080]
(3)所开发的算法被用来优化不同运行策略下的冷热电联供型微电网的配置，所得解 集的空间分布均匀。
附图说明
[0081]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附 图获得其他的附图。
[0082]
图1是本发明实施例提供的冷热电联供型微电网容量优化配置的方法的流程示意图；
[0083]
图2是本发明实施例提供的冷热电联供型微电网的结构示意图；
[0084]
图3是本发明实施例提供的算法流程示意图；
[0085]
图4是本发明实施例提供的测试函数的示意图；
[0086]
图5是本发明实施例提供的测试函数的仿真示意图；
[0087]
图6是本发明实施例提供的负载数据示意图；
[0088]
图7是本发明实施例提供的算法优化算法得到帕累托解分布图；
[0089]
图8是本发明实施例提供的多目标算术优化算法优化冷热电联供型微电网流程示意图；
[0090]
图9是本发明实施例提供的冷热电联供型微电网容量优化配置的实现流程图。
具体实施方式
[0091]
图1表明本发明一种冷热电联供型微电网容量优化配置的方法的流程是：开始
→
建立 冷热电联供型微电网的数学模型
→
以降低微电网中能量浪费和能量冗余为目标调整微电网 运行策略，以冷热电联供型微电网中的设备容量为决策变量，建立微电网的经济成本、能 源消耗和二氧化碳排放目标函数；式中，经济成本函数值包括冷热电联供型微电网初始投 资成本以及运行成本，能源消耗函数值为冷热电联供型微电网运行过程中的能源消耗量， 二氧化碳排放目标函数为冷热电联供型微电网运行过程中的二氧化碳排放量
→
基于求解结 果对冷热电联供型微电网进行优化；结束。
[0092]
实施例1
[0093]
本发明一种冷热电联供型微电网容量优化配置的方法，采用pc机作为平台进行模
型搭 建，式中cpu为i5-3230m 2.60ghz，安装内存为8gb，操作系统为windows 10-64位，使 用matlab/simulink r2021a版本。
[0094]
步骤一，建立冷热电联供型微电网的数学模型、目标函数以及约束条件
[0095]
所建立得冷热电联供型微电网的数学模型具体结构如图2所示。
[0096]
(1.1)太阳热能收集器(st)
[0097]
太阳热能收集器产生的热能可估算如下：
[0098]qst
＝v
st
iη
st
＝v
st
i[b
0-b1t
*-b2i(t
*
)2]
ꢀꢀꢀꢀꢀꢀ
(1)
[0099][0100]
式中，q
st
是太阳能集热器发出的热量；b0代表光学效率，b2和b1代表校正系数；太阳 能集热器的面积用v
st
表示；i、t
out
、t
in
和ta分别代表光强度、st外部温度、st内部温度 和空气温度。
[0101]
(1.2)光伏系统(pv)
[0102]
光伏系统产生的电力可以估计如下：
[0103]epv
＝v
pv
·ipv
/i
stc
·
[1+β
·
(t
pv-t
stc
)]
[0104]
式中，v
pv
为光伏系统装机容量；t
pv
代表光伏板表面温度，i
pv
代表光照强度；e
pv
代 表光伏发电量；t
stc
、i
stc
分别代表实验室条件下的板面温度和光照强度；β代表温度系数。
[0105]
(1.3)微型燃气轮机(mt)和热回收装置(hr)
[0106]
在微型涡轮机(mt)为用户提供电力的同时，产生的废热可以通过废热回收(hr)装 置回收，为用户提供热量。由mt产生的电能和由hr回收的热能可估算如下：
[0107]emt
＝fuel
mt
·
η
mt
ꢀꢀꢀꢀꢀꢀ
(3)
[0108]qhr
＝fuel
mt
ηr(1-η
mt
)
ꢀꢀꢀꢀꢀꢀ
(4)
[0109]
式中，η
mt
、e
mt
、fuel
mt
分别代表mt的发电效率、mt产生的电能、mt消耗的气体； ηr、q
hr
分别代表余热回收效率、余热回收量。
[0110]
(1.4)热储存装置(tes)
[0111]
tes的吸热和放热过程可以通过以下公式计算出来：
[0112][0113]
式中，和分别表示在t-1和t时刻储存在蓄热装置中的热量；γ
tes
表示热损失 率，η
tes，ch
和η
tes，disch
分别为t时刻热充放电过程中的运输效率。和分别表示t 时刻tes释放和吸收的热量。
[0114]
(1.5)燃气锅炉
[0115]
燃气锅炉(gb)起着辅助供热的作用，产生的热能计算如下：
[0116]qgb
＝fuel
gb
·
η
gb
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0117]
式中η
gb
、fuel
gb
和q
gb
分别代表发热效率、气体消耗和产热。
[0118]
(1.6)吸收式制冷机和电制冷机
[0119]
计算吸收式制冷机和电制冷机的制冷量的公式如下：
[0120]cac
＝q
ac
·
μ
ac
ꢀꢀꢀꢀꢀꢀ
(7)
[0121]cec
＝e
ec
·
μ
ec
ꢀꢀꢀꢀꢀꢀ
(8)
[0122]
式中，c
ac
和c
ec
分别为吸收式制冷机和电动制冷机的制冷量；q
ac
代表吸收式制冷机工 作时的热量消耗；e
ec
代表电动制冷机工作时的电力消耗；μ
ac
和μ
ec
分别为吸收式制冷机和电 动制冷机的制冷系数。
[0123]
(1.7)电池
[0124]
蓄电池的放电过程和充电过程可以通过以下公式计算出来：
[0125][0126]
式中，和分别为t-1时刻和t时刻电池中储存的电量；和分别为t 时刻电池的放电和充电情况；λ
bat
表示电损率；η
bat，ch
和η
bat，disch
分别为充电和放电过程中的传 输效率。
[0127]
(1.8)目标函数
[0128]
经济、能源和环境目标函数如下。
[0129][0130][0131][0132][0133]
式中，econ、fuel、envir分别为微电网的经济、能源和环境目标函；o为微电网运行 时间；λ为惩罚系数；为电能空额；为热能空额；cost
cchp
为冷热电联供型微 电网的经济成本，式中包括设备投资成本、微电网运行成本、燃料费用和购电费用；f
gt
为 燃气轮机的燃料消耗，f
gb
为燃气锅炉的燃料消耗，f
grid
为电网的燃料消耗；pk为投资系数； nk为设备安装容量，ck为设备单位容量投资成本，为第k台设备在t时刻消耗燃料，为t时刻微电网向电网购电量，cf和cg为燃料价格和电价。
[0134]
(1.9)能量平衡约束
[0135][0136][0137][0138]
式中，为光伏系统在t时刻所发出的电能，为微型燃气轮机在t时刻发出的低 电能，为蓄电池在t时刻的放出的电能，为冷热电联供型微电网在t时刻的电能 缺额，为t时刻的电能负载，为电制冷机t时刻的耗电量，为t时刻蓄电池吸收 的电能，为t时刻从电网购买的电能，为t时刻微电网中存在的电能浪费。是 t时刻微型燃气轮机发电过程产生的余热，为t时刻储热装置吸收的热量，为t时 刻燃气锅炉发出的热量，为t时刻微电网存在的热能缺额，为t时刻的热能负载， 为t
时刻储热装置吸收的热量，为t时刻吸收式制冷机吸收的热能，为t时刻 浪费的热能。为t时刻电制冷机的制冷量，为t时刻吸收式制冷机的制冷量，为 t时刻的冷负载。
[0139]
步骤二，对多目标算术优化算法进行性能测试
[0140]
如图3所示为多目标算术优化算法的流程图。为了验证多目标算术优化算法(moaoa) 的性能，本发明实施例选取5个基准测试函数对其测试验证，如图4所示为测试函数示意 图。选取多目标粒子群(mopso)，基于分解的差分进化算法(moea/d)作为对比算法。 为了保证实验数据比较的公平性，最大迭代次数均设置为100。图5提供了三种算法在测试 函数zdt1-zdt4和zdt6上得到的pareto最优前沿。收敛结果表明moaoa优化算法具 有更加良好的性能相较于mopso和moea/d。
[0141]
步骤三，调整微电网运行策略
[0142]
以电定热(fel)策略表示微电网优先满足用户热能需求，以热定电(ftl)策略表示微电 网优先满足用户电能需求，上述两种策略都存在一定的能量冗余和浪费。本发明提出了一 种基于考虑电池储能状态的新策略(fb)，以充分利用电池中的剩余电能。当电池储能达到 电池可放电标准时，微电网执行fel策略，相反，当电池储能小于可放电标准时，微电网 执行ftl策略，以最大限度地利用电池中的剩余电量。
[0143]
步骤四，采用多目标算术优化算法对冷热电联供型微电网进行容量配置优化
[0144]
如图6所示为三个典型日负载示意图，如图7所示，三个典型日内不同策略下微电网 的帕累托解的空间分布表明，所提策略的下的微电网环境和能源性能较好。
[0145]
下面进行指标分析，利用五个基本指标，包括能效(η
cchp
)、锅炉节能率(besr)、 二氧化碳减排率(cderr)、一次能源节约率(pesr)和成本节约率(csr)，对微电网 的运行性能进行评估。
[0146]
如图8所示为采用多目标算术优化算法对冷热电联供型微电网容量配置优化的流程示 意图，在使用moaoa进行微电网的配置优化时，获得了一组可行的解决方案。最佳方案 是通过优劣解距离法moaoa获得的一组方案中获得的，其评价指标值的统计结果如表1 所示。
[0147]
表1不同策略下的微电网评价指标
[0148][0149]
本发明采用moaoa对冷热电联供型微电网进行优化配置。与在以热定电和以电定热 策略下运行的微电网相比，在所提出的策略下运行的冷热电三联供型微电网没有产生能源 浪费，所获得的评价指标除成本节约率外表现良好。这充分证明了所提出的跟随电池状态 策略在节省燃料、减少环境污染和提高微电网效率方面的优异表现。
[0150]
上述所有实施例中，所述仿真方法是公知的方法；所述计算机、显示器和 matlab/simulink计算机软件均是通过商购获得的。
[0151]
以上仅为本发明较好的实施方式，但本发明的保护范围并不仅限于此，任何熟悉本技 术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以 等同替换或改变，都应涵盖在本发明的保护范围内。