基于改进樽海鞘群优化算法的园区综合能源系统配置方法与流程

本发明属于综合能源系统优化运行，具体涉及基于改进樽海鞘群优化算法的园区综合能源系统配置方法。

背景技术：

1、综合能源系统(integrated energy system，ies)集多能源于一体，由供能设备、能源转换装置和能源储存设备组成。综合能源系统输入侧的能量形式多样，有化石能源，也有各种可再生能源。在系统负荷侧能量需求也丰富多样，主要有电负荷需求、热负荷需求、冷负荷需求等。并且在系统内部有着能够对多种能源进行相互转换的机组，当系统内部某种能量不足时，通过多能耦合作用，把富余的能源转换成为不足的能源供给用户使用，不仅能够实现多种能源相互协调运行，而且在规划、运行、调度阶段中不同能源之间互补互济，显著提高清洁能源消纳率的同时，也能增强系统运行的安全性和可靠性。

2、根据ies的规模大小和发/输/配/用等特性，可以将其分为跨区域级综合能源系统、区域综合能源系统和园区综合能源系统(community integrated energy system，cies)。园区综合能源系统是通过能源利用、转换、储存可以实现源-荷-储一体化协调运行的有机整体。它并不是单一能源系统的简单相加，而是可以协调多种供能系统的使用时间和方式，以提高能量的利用效率和系统整体经济性。园区综合能源系统打破了传统供电、供热等网络的孤立运行现状，能够实现多种不同能源之间在时间和空间上的相互作用，并且对提高供能效率和灵活性、促进各能源优势互补、满足负荷侧多元化能源需求有重要作用。

3、此外，随着智能用电技术、通信技术的发展和新一轮需求侧电力市场改革，电网侧和负荷侧互动性日益增强。增加“源”“荷”两端互动性能够有效提高园区综合能源系统运行经济性和能源利用效率。通过合理的调度手段协调各种资源合理分配，及时满足需求侧用户的需求响应，提高风光机组与用能的匹配性，对提系统运行的稳定性和经济性的具有重要的现实意义。

技术实现思路

1、在cies中，建立合理有效的优化配置模型是实现系统经济运行和多能源供需平衡的关键，为进一步改善cies功率不平衡问题，提高能源利用率，降低系统运行成本，在常规cies优化配置基础上，同时引入对电和热两种负荷需求的综合响应策略，形成兼顾经济性与多能互补的园区综合能源系统优化配置框架，本发明提出基于改进樽海鞘群优化算法的园区综合能源系统配置方法，cies中主要的能源设备包括风能(wt)、太阳能(pv)、热电联产机组(chp)、电热锅炉(hb)、燃气锅炉(gb)、储能蓄电池(bt)、储热罐(hs)，在此基础上，建立了电、热综合需求响应模型，并以系统运行成本最低为目标建立目标函数，以系统功率平衡和各机组运行状况为约束条件，并采用改进樽海鞘群优化算法(improved salpswarmalgorithm，issa)对建立的目标函数进行求解，通过算例验证和算法对比，充分证明了所提模型和求解思路的正确性，采用issa对cies进行优化配置，在满足电、热负荷需求响应的基础上，可以优化得到更低的运行成本，同时提高风光利用率，且相比于传统及改进群智能算法，该算法具有更好的收敛特性。具体过程包括：首先，建立园区综合能源系统中各个设备的详细数学模型；其次，建立电、热综合需求响应模型；然后，根据设备模型和设备的容量构建目标函数，以cies的运行成本最少为优化目标建立目标函数和约束条件；最后，基于改进樽海鞘群优化算法对目标函数进行求解。

2、本发明采用的技术方案为：基于改进樽海鞘群优化算法的园区综合能源系统配置方法，包括如下步骤：

3、s1：建立园区综合能源系统中各个设备的详细数学模型；

4、s2：建立电、热综合需求响应模型；

5、s3：根据设备模型和设备的容量构建目标函数，以cies的运行成本最少为优化目标建立目标函数；

6、s4：确定s3中目标函数的约束条件；

7、s5：基于改进樽海鞘群优化算法对目标函数进行求解。

8、具体的，所述步骤s1：建立园区综合能源系统中各个设备的详细数学模型。本发明建立的cies中主要的能源设备包括风力发电机组(wt)、光伏发电机组(pv)、热电联产机组(chp)、燃气锅炉(gb)、电热锅炉(hb)、储能蓄电池(bt)、储热罐(hs)。下面详细介绍各设备的数学模型：

9、1)pv模型

10、光伏输出功率主要受太阳辐照度的影响，这与太阳的位置、光伏发电设备的地理位置和天气条件有关。一定时间段内的太阳辐照度近似为beta分布，其概率密度函数为：

11、

12、式中，r表示实际光照辐照度，rmax表示最大光照照度；γ(·)为gramma函数；α、β为形状参数，可以根据一定时段内的光照强度的平均值μ和方差σ2来表示：

13、

14、

15、光伏出力ppv与光照强度r的关系可表示为：

16、ppv＝r·a·ρ

17、式中，a表示光伏阵列的有效面积；ρ表示电池板光电转化率。

18、结合上述公式，ppv的概率密度函数可以表示为：

19、

20、光伏，表示光伏输出功率最大值。

21、2)wt模型

22、风力发电的出力主要是由风能的大小决定，风电机组输出功率取决于风速和额定输出功率pr。常用weibull分布来描述风速的随机性分布，风速的概率密度函数为：

23、

24、式中，v表示风力机叶轮轮毂处风速；k、c表示形状参数和尺度参数，k决定分布密度曲线的基本形状，c起放大或缩小曲线的作用，但不影响分布的形状。

25、为方便研究，将风机输出功率pwt与风速的关系近似线性化为：

26、

27、式中，vin表示切入风速；vout表示切出风速；vr表示额定风速。

28、联立上述两个公式可以得到，pwt的概率密度函数可以表示为：

29、

30、3)chp模型

31、消耗天然气的热电联产机组产生的电能和热能通过一以下公式表示：

32、

33、

34、式中，pchp(t)、qchp(t)分别表示chp在t时段内产生的电能和热能；vchp,gas(t)表示chp在t时刻消耗的天然气量；qgas是天然气的热值；ηpower、ηloss、ηtransfer分别表示发电效率，热损失率以及换热器的传输效率；δt表示调度时间间隔。

35、4)gb模型

36、在时段t内，经过燃气锅炉燃烧天然气产生的热能为：

37、qgb(t)＝ηgb·vgb,gas(t)·qgas

38、式中，ηgb表示燃气锅炉燃烧效率；vgb,gas(t)表示燃气锅炉在时段t内消耗的天然气量。

39、5)hb模型

40、时段t内消耗电能产生的热能为

41、qhb(t)＝ηhb·phb(t)

42、式中，phb(t)、qhb(t)分别表示时段t内电锅炉消耗的电能和产生的热能；ηhb表示电热锅炉转化效率。

43、6)bt模型

44、采用储能蓄电池将多余的电能进行储存，并在用能不足时及时输出储存的电能，以满足需求响应，其模型为：

45、

46、式中，ebt(t+1)为t+1时刻储能蓄电池存储电能的容量；μbt表示自放电率；ηbt,ch为储能蓄电池的充电效率；ηbt,disch为储能蓄电池的放电效率；pbt,ch(t)为储能蓄电池t时刻的充电功率；pbt,disch(t)为储能蓄电池t时刻的充电功率。

47、7)hs模型

48、采用储热罐将多余的热能进行储存，并在用能不足时及时输出储存的热能，其模型为：

49、

50、式中，ehs(t+1)为t+1时刻储热罐存储的容量；μhs表示自放热率；ηhs,in为储热罐的吸热效率；ηhs,out为储热罐的放热效率；qhs,in(t)为储热罐t时刻的吸热量；qhs,out(t)为储热罐t时刻的放热量。

51、具体的，所述步骤s2：建立电、热综合需求响应模型。

52、(1)热负荷需求响应模型

53、ies中的热负荷数学模型为：

54、q(t)＝c·vw·[t1(t)-t2(t)]

55、式中，q(t)表示t时段内的热负荷量；c表示水单位体积下的热容，取4.2×103j/m2℃；vw表示t时段热水用量；t1(t)表示供水温度，t2(t)表示回水温度。

56、考虑到需要满足用户的供热舒适度，负荷在t时刻所吸收的热量应在一定的范围内，即满足一定的约束条件：

57、ql,min≤ql(t)≤ql,max

58、另外，还必须确保在t′时段内热负荷所消耗的实际热量大小与用户需求的热量大小相同，即：

59、

60、式中，t′是调度周期中连续调度周期的最大次数。

61、供水温度和回水温度也需要满足以下约束条件：

62、t1,min≤t1(t)≤t1,max

63、t2,min≤t2(t)≤t2,max

64、(2)电负荷需求响应模型

65、电负荷需求响应重点针对可转移负荷，其目标是使转移后得到的负荷曲线与目标负荷曲线的具有较高的吻合度，数学模型为：

66、

67、式中，t为调度周期；pshift(t)表示t时段转移的电负荷；pobj表示t时段的目标负荷；pbefore(t)为日前t时段调度负荷，包括刚性电负荷和可削减负荷削减量；pin(t)、pout(t)分别为t时段转入的负荷和转出的负荷。

68、上述模型需满足的约束条件为：

69、

70、具体的，所述步骤s3：根据设备模型和设备的容量构建目标函数，目标函数以cies的运行成本最少为优化目标。cies的运行成本由三个主要部分组成：购买电能、设备运行和调度响应成本。第一部分是热电联产机组和燃气锅炉燃烧天然气的成本和向电网购电成本；第二部分是各机组运维、启动和停机成本；第三部分是可转移负荷及时响应调度信号的成本。数学模型如下：

71、mincosttotal＝costchp+costgas+costgrid+costsb+costshift

72、式中，costchp表示热电联产机组消耗天然气的成本；costgas表示燃气锅炉消耗的天然气成本；costgrid表示向主电网购买电能所耗成本；costsb表示设备维护和启停成本；costshift表示调度信号发出后可转移负荷的响应成本。

73、1)热电联产机组消耗天然气的成本

74、

75、式中，表示天然气价格。

76、2)燃气锅炉消耗的天然气成本

77、

78、3)从主电网购买电能所耗费用

79、

80、式中，λ1(t)、λ2(t)分别表示分时电价和上网电价；p1(t)、p2(t)分别表示购电功率和上网功率。

81、4)设备维护和启停成本

82、

83、式中，cwh表示各设备的维修费用系数；pe(t)表示各设备的输出功率；cqt表示设备起停费用系数；sn(t)为设备的启停状态，1表示机组启动运行，0表示机组停止运行。

84、5)可转移负荷响应成本

85、

86、式中，cshift表示可转移负荷响应调度信号的成本系数。

87、具体的，所述步骤s4：确定s3中目标函数的约束条件。电、热负荷同时参与需求响应，要求cies始终保持电、热系统能量的输入和输出始终保持平衡。除了满足电、热能的平衡约束外，还需满足与各机组运行的约束条件。运行约束条件包括供电系统电能平衡约束、供热系统热能平衡约束、能源生产设备容量配置约束、储能蓄电池约束、储热罐约束，具体约束条件数学表达式为：

88、1)供电系统电能平衡约束

89、pwt(t)+ppv(t)+pchp(t)+pgrid(t)+pbt,disch(t)＝pload(t)+pbt,ch(t)+phb(t)

90、2)供热系统热能平衡约束

91、qhb(t)+qchp(t)+qgb(t)+qhs,in(t)＝qhs,out(t)+qload

92、3)能源生产设备功率约束

93、

94、式中，pi(t)为时刻t设备i的电功率；pi,max、pi,min分别为设备i的电功率上、下限值；qi(t)为时刻t设备i的热功率；pi,max、pi,min分别为设备i的热功率上、下限值。

95、4)储能蓄电池约束

96、储能蓄电池的充放电功率受到当前时段储存的能量和最大充放电功率的限制，不能同时充放电。为了保证调度的连续性，储能蓄电池调度终止时刻储存的能量还应等于其初始时刻储存的能量：

97、

98、式中，ehs,max(t)、ehs,min(t)分别为储能蓄电池存储容量上下限；λbt,ch、λbt,disch分别表示储能蓄电池充放电状态的0-1变量，充电时λbt,ch＝1,λbt,disch＝0，放电时λbt,ch＝0,λbt,disch＝1；ebt(0)、ebt(t)分别表示为储能蓄电池在初始时刻和终止时刻储存的能量。

99、5)储热罐约束

100、ehs,min≤ehs(t)≤ehs,max

101、式中，ehs,max(t)、ehs,min(t)分别为储热罐存储容量上下限。

102、具体的，所述步骤s5：基于改进樽海鞘群优化算法对目标函数进行求解。樽海鞘群算法模拟了樽海鞘链的群体行为，是一种较新颖的群智能优化算法。樽海鞘是一种海洋无脊椎动物，身体呈桶状且几乎完全透明，以水中浮游植物为食，通过吸入和喷出海水完成在水中移动。在深海中，樽海鞘以一种链式的群行为进行移动和觅食，樽海鞘的链式群行为，通常个体首尾相接，形成一条“链”，依次跟随进行移动。在樽海鞘链中，分为领导者和追随者，领导者朝着食物移动并且指导着紧随其后的追随者的移动，追随者的移动按照严格的“等级”制度，只受前一个樽海鞘的影响。这样的运动模式使樽海鞘链有很强的全局探索和局部开发能力。该算法的数学模型为：

103、随机初始化樽海鞘群体在不同维度空间位置为：

104、xi,j＝lbj+rand(n,d)·(ubj-lbj)

105、式中，n为樽海鞘群体个数，d为搜索空间的维度，i＝1,2,…,n，j＝1,2,…,d；xi,j表示樽海鞘i在第j维搜索空间中的位置；ubj、lbj分别为搜索空间j的上、下边界。在樽海鞘搜索食物的过程中，最终的食物源位置为樽海鞘群体所搜寻的最优位置，其中领导者的位置更新表达式为：

106、

107、式中，x1,j表示第一个樽海鞘(领导者)在j维空间中的位置；fj为食物在j维空间的位置；c2、c3是在[0,1]区间内均匀分布的随机数，用来增强x1,j的随机性，提高链群的全局搜索和个体多样性，c1是优化算法中的收敛因子，起到平衡全局探索和局部开发的作用，是ssa中最重要的控制参数，表达公式如下：

108、

109、式中，t是当前迭代次数；tmax是最大的迭代次数。

110、在樽海鞘链移动和觅食的过程中，追随者通过前后个体间的彼此影响，呈链状依次前进。跟随者樽海鞘的位置更新公式为：

111、

112、式中，x′i,j、xi,j分别表示是第j维中更新后的第i个追随者的位置和更新前追随者的位置。

113、上述为传统ssa算法原理，但传统算法具有寻优精度不够高、收敛速度不够快的缺点，为了改进算法，提高其寻优性能，采用混沌方法进行种群初始化，丰富初始种群的多样性，并在领导者位置更新阶段引入正弦余弦策略，提高全局探索的能力，从而提高算法的寻优精度，在追随者更新阶段引入差分策略，充分地利用个体之间的交互信息，从而提高局部开发的能力、加快算法的收敛速度。具体改进过程如下：

114、(1)引入混沌理论进行种群初始化

115、相比随机初始化，利用混沌初始化产生的初始种群分布更加均匀。通过映射关系产生混沌序列，再将其转换到个体的搜索空间。混沌映射模型中，tent混沌映射模型简单、具有较好的遍历性，且对初始条件依赖性低。为此，采用tent混沌映射进行种群初始化：

116、

117、式中，r表示[0,1]之间的随机数；g表示混沌迭代次数，g∈[0,g]；yi,j(0)表示开始混沌迭代前樽海鞘个体i在第j维空间对应的位置，混沌迭代结束后的位置为yi,j(g)，将其转换到个体的搜索空间，模拟出樽海鞘群的运动轨迹如下：

118、xi,j＝yi,j(g)[ubj-lbj]+lbj

119、(2)采用正弦余弦算法的更新樽海鞘个体和食物位置，可以增强算法跳出局部最优的能力，提高算法的寻优精度。对领导者进行更新的公式为：

120、

121、式中，r2、r3、r4为随机数，且r2∈[0,2π]、r3∈[0,2]、r3∈[0,1]，r1为自适应参数，计算公式为：

122、

123、式中，a为大于1的控制参数。

124、正弦余弦策略的引入，可解决ssa仅根据食物位置进行更新、全局探索能力差的问题。不论是正弦策略还是余弦策略，每个樽海鞘个体均能很好地利用自身位置与食物位置之间的差异信息，促使樽海鞘个体朝着不同的方向进行搜索。同时，正弦余弦更新方式包含有自适应参数，前期有利于全局探索，后期有利于局部开发，从而提高全局探索能力，增强算法跳出局部最优的能力。

125、(3)第i个樽海鞘的位置更新只与自身和跟随的第i-1个樽海鞘的位置信息有关。这种在单向接收第i-1个樽海鞘的位置信息后立即更新位置，在一定程度上限制了算法搜索效果，因此，引入差分策略，引入第i-2个樽海鞘的位置信息，来引导追随者个体增大搜索范围，避免算法陷入局部最优，改善算法的搜索效果和提高算法的求解精度，则第i个追随者个体位置更新如下：

126、xi,j(t+1)＝xi,j(t)+r5[xi-1,j(t)-xi,j(t)]+r6[xi-2,j(t)-xi,j(t)]

127、式中，xi,j(t)表示第t次迭代中第i个樽海鞘在第j维空间的位置；r5、r6为[0,1]内服从均匀分布的随机数。

128、随后利用上述改进算法对目标函数进行求解。

129、本发明的有益效果：

130、本发明提出了基于改进樽海鞘群优化算法的园区综合能源系统配置方法，建立了电、热综合需求响应模型，并以系统运行成本最低为目标建立目标函数，以系统功率平衡和各机组运行状况为约束条件，并采用issa对建立的目标函数进行求解，通过算例验证和算法对比，充分证明了所提模型和求解思路的正确性，采用issa对cies进行优化配置，在满足电、热负荷综合需求响应的基础上，可以优化得到更低的运行成本，同时提高风光利用率，且相比于传统及改进群智能算法，该算法具有更好的收敛特性。