一种多区域综合能源系统多目标双层优化方法以及装置

技术领域

本公开涉及能源配置调度领域，具体而言，涉及一种多区域综合能源系统多目标双层优化方法、装置。

背景技术

综合能源系统(integrated energy system,IES)对建设现代能源体系意义重大，是推动经济、能源、环境高质量协同发展的重要技术之一。为提升IES效益，需在其规划与运行层面开展优化研究。由于不同利益相关方对IES的效益关注点不同，在IES多目标优化时对目标选取亦有差异。目前，对于IES多目标优化主要有2类处理方法。一是将多目标优化问题通过惩罚系数或权重系数转化为单目标函数，通过采用单目标优化的方法达到对多目标问题的求解。二是采用多目标智能优化算法求取配置方案的帕累托最优解集后，将解集上的非劣解按照决策者的意图寻找一个多目标最优解。综上，如何取舍IES多目标优化后带来的各维度效益，实现多目标最优下整体效益最大化是IES运行与规划中需要解决的问题。

现有研究中对园区IES优化建模时，多考虑为追求园区自身利益，针对单一园区构造为主体进行优化，现有技术尚无考虑各方主体利益的同时实现多区域优化运行的研究。

因此，需要一种或多种方法解决上述问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种多区域综合能源系统多目标双层优化方法、装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种多区域综合能源系统多目标双层优化方法，包括：

步骤S110，根据多区域综合能源系统中的各类供能机组的机组容量，建立上层多目标规划模型并生成所述上层多目标规划模型的约束条件，根据多区域综合能源系统中的各类供能机组的日运行成本，建立下层优化调度模型并生成所述下层优化调度模型的约束条件；

步骤S120，在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式；

步骤S130，以所述上层粒子的速度及位置表达式作为所述下层优化调度模型的容量约束，基于gurobi求解器求解，生成所述多区域综合能源系统中各类供能机组的日出力状态；

步骤S140，以所述下层优化调度模型的日出力状态为输入，基于上层多目标规划模型更新所述上层粒子的速度及位置表达式，并基于更新的所述上层粒子的速度及位置表达式重复步骤S130进行迭代计算；

步骤S150，若所述上层多目标规划模型的收敛度大于预设收敛度或迭代计算次数大于预设迭代次数，则停止迭代，并基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案。

在本公开的一种示例性实施例中，所述方法还包括：

根据多区域综合能源系统中的各类供能机组的机组容量，建立以最小化系统全年经济成本C

minZ＝η

其中，η

根据所述上层多目标规划模型生成所述上层多目标规划模型的约束条件为：

其中，V

在本公开的一种示例性实施例中，所述方法还包括：

根据多区域综合能源系统中的各类供能机组的日运行成本，建立下层优化调度模型的目标函数为：

其中，

根据所述下层优化调度模型生成所述下层优化调度模型的约束条件，所述下层优化调度模型的约束条件包括能量平衡约束条件、机组出力约束条件、储能设备运行约束条件、多区域综合能源系统与电网/热网交互功率约束条件、区域间交互功率约束与状态约束条件。

在本公开的一种示例性实施例中，所述方法还包括：

在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，以容量配置基础数据、调度层的机组运行参数、典型日负荷数据、能源价格、污染物排放惩罚系数、约束条件参数为输入，基于粒子群算法生成上层粒子的速度及位置表达式，并初始化迭代计算次数。

在本公开的一种示例性实施例中，所述方法还包括：

在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式为：

其中，ω

在本公开的一种示例性实施例中，所述方法还包括：

基于所述下层优化调度模型的日出力状态，基于所述日处理状态生成日最优运行调度结果；

基于所述日最优运行调度结果计算生成年运行成本、系统

基于所述年运行成本、系统

在本公开的一种示例性实施例中，所述方法还包括：

所述上层多目标规划模型的收敛度大于预设收敛度或迭代计算次数大于预设迭代次数，则停止迭代；

基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案；

根据所述多区域综合能源系统容量配置方案生成所述多区域综合能源系统容量配置方案对应的运行调度方案。

在本公开的一个方面，提供一种多区域综合能源系统多目标双层优化装置，包括：

模型建立模块，用于根据多区域综合能源系统中的各类供能机组的机组容量，建立上层多目标规划模型并生成所述上层多目标规划模型的约束条件，根据多区域综合能源系统中的各类供能机组的日运行成本，建立下层优化调度模型并生成所述下层优化调度模型的约束条件；

粒子生成模块，用于在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式；

gurobi求解模块，用于以所述上层粒子的速度及位置表达式作为所述下层优化调度模型的容量约束，基于gurobi求解器求解，生成所述多区域综合能源系统中各类供能机组的日出力状态；

粒子更新模块，用于以所述下层优化调度模型的日出力状态为输入，基于上层多目标规划模型更新所述上层粒子的速度及位置表达式，并基于更新的所述上层粒子的速度及位置表达式重复步骤gurobi求解进行迭代计算；

配置方案生成模块，用于若所述上层多目标规划模型的收敛度大于预设收敛度或迭代计算次数大于预设迭代次数，则停止迭代，并基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案。

本公开的示例性实施例中的一种多区域综合能源系统多目标双层优化方法其中，该方法包括：分别建立上层多目标规划模型、下层优化调度模型；以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式；基于gurobi求解器求解，生成所述多区域综合能源系统中各类供能机组的日出力状态；基于上层多目标规划模型更新所述上层粒子的速度及位置表达式并迭代计算；当满足预设条件时停止迭代，并基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案。本公开双层优化策略将系统的运行特性纳入规划过程，提高了规划方案的可行性；区域能量互济能够优化系统的运行方式，提高综合效益。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。

图1示出了根据本公开一示例性实施例的一种多区域综合能源系统多目标双层优化方法的流程图；

图2示出了根据本公开一示例性实施例的一种多区域综合能源系统多目标双层优化方法的考虑电力互联的园区综合能源系统架构图；

图3示出了根据本公开一示例性实施例的一种多区域综合能源系统多目标双层优化方法的区域互联多目标规划程序求解流程图；

图4示出了根据本公开一示例性实施例的一种多区域综合能源系统多目标双层优化装置的示意框图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

在本示例实施例中，首先提供了一种多区域综合能源系统多目标双层优化方法；参考图1中所示，该一种多区域综合能源系统多目标双层优化方法可以包括以下步骤：

步骤S110，根据多区域综合能源系统中的各类供能机组的机组容量，建立上层多目标规划模型并生成所述上层多目标规划模型的约束条件，根据多区域综合能源系统中的各类供能机组的日运行成本，建立下层优化调度模型并生成所述下层优化调度模型的约束条件；

步骤S120，在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式；

步骤S130，以所述上层粒子的速度及位置表达式作为所述下层优化调度模型的容量约束，基于gurobi求解器求解，生成所述多区域综合能源系统中各类供能机组的日出力状态；

步骤S140，以所述下层优化调度模型的日出力状态为输入，基于上层多目标规划模型更新所述上层粒子的速度及位置表达式，并基于更新的所述上层粒子的速度及位置表达式重复步骤S130进行迭代计算；

步骤S150，若所述上层多目标规划模型的收敛度大于预设收敛度或迭代计算次数大于预设迭代次数，则停止迭代，并基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案。

本公开的示例性实施例中的一种多区域综合能源系统多目标双层优化方法，其中，该方法包括：分别建立上层多目标规划模型、下层优化调度模型；以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式；基于gurobi求解器求解，生成所述多区域综合能源系统中各类供能机组的日出力状态；基于上层多目标规划模型更新所述上层粒子的速度及位置表达式并迭代计算；当满足预设条件时停止迭代，并基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案。本公开双层优化策略将系统的运行特性纳入规划过程，提高了规划方案的可行性；区域能量互济能够优化系统的运行方式，提高综合效益。

下面，将对本示例实施例中的一种多区域综合能源系统多目标双层优化方法进行进一步的说明。

在步骤S110中，可以根据多区域综合能源系统中的各类供能机组的机组容量，建立上层多目标规划模型并生成所述上层多目标规划模型的约束条件，根据多区域综合能源系统中的各类供能机组的日运行成本，建立下层优化调度模型并生成所述下层优化调度模型的约束条件。

在本示例的实施例中，典型的综合能源系统(integrated energy system,IES)架构如图2所示，由工业区、商业区、居民区等构成，其中，工业区基础供能设备包含光伏(photovoltaic，PV)、风电(wind turbines，WT)、柴油发电机(diesel engine，DE)、燃气轮机(gas turbine，GT)、余热锅炉(waste heat boiler，WHB)、燃气锅炉(gas boiler，GB)、吸收式制冷机(absorption refrigerator，AR)；电制冷机(electric refrigerator、ER)、电储能设备(electric energy storage，EES)、热储能设备(thermal energy storage，TES)、冷储能设备(Cold energy storage，CES)。商业区基础供能设备包含屋顶光伏发电(roofphotovoltaic，RPV)、DE、电锅炉(electric boiler，EB)、ER、EES、TES、CES等。居民区基础供能设备包含RPV、EB、ER、地源热泵(ground source heat pump，GSHP)、EES、TES、CES等。

在本示例的实施例中，所述方法还包括：

根据多区域综合能源系统中的各类供能机组的机组容量，建立以最小化系统全年经济成本C

minZ＝η

其中，η

根据所述上层多目标规划模型生成所述上层多目标规划模型的约束条件为：

其中，V

在本示例的实施例中，多区域IES的多目标双层规划策略，将IES的设备容量优化及运行调度纳入统一的框架。上层为规划层，以系统年化经济成本、系统

上层模型为考虑权重的多目标容量优化配置模型，以最小化系统全年经济成本C

minZ＝η

式中：η

在本示例的实施例中，所述上层多目标规划模型的约束条件，各类供能机组的容量范围约束为

式中：V

在本示例的实施例中，所述方法还包括：

根据多区域综合能源系统中的各类供能机组的日运行成本，建立下层优化调度模型的目标函数为：

其中，

根据所述下层优化调度模型生成所述下层优化调度模型的约束条件，所述下层优化调度模型的约束条件包括能量平衡约束条件、机组出力约束条件、储能设备运行约束条件、多区域综合能源系统与电网/热网交互功率约束条件、区域间交互功率约束与状态约束条件。

在本示例的实施例中，下层模型支撑IES的日前优化调度，决策IES各区域机组的最优出力，形成最优日前调度方案。

下层模型以园区内典型日运行成本

在本示例的实施例中，下层优化调度模型中的约束条件包括能量平衡约束、机组出力约束、储能设备运行约束、IES与电网/热网交互功率约束、区域间交互功率约束等。其中：

能量平衡约束为：

电功率平衡关系为

式中：

热功率平衡关系与冷功率平衡关系与之类似。

机组出力约束为：

式中：

设定如下交互机制：IES的任一区域不能在向电网购电的情况下支援其他区域，也不能在接受其他区域电能的情况下向电网售电。

在步骤S120中，可以在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式。

在本示例的实施例中，所述方法还包括：

在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，以容量配置基础数据、调度层的机组运行参数、典型日负荷数据、能源价格、污染物排放惩罚系数、约束条件参数为输入，基于粒子群算法生成上层粒子的速度及位置表达式，并初始化迭代计算次数。

在步骤S130中，可以以所述上层粒子的速度及位置表达式作为所述下层优化调度模型的容量约束，基于gurobi求解器求解，生成所述多区域综合能源系统中各类供能机组的日出力状态。

在本示例的实施例中，所述方法还包括：为防止优化迭代初期局部最优与末期局部震荡问题，采用LDWPSO算法改善全局寻优的能力，通过引入权重系数ω

其中，ω

在本示例的实施例中，针对上述多目标双层优化模型的下层调度问题，本公开对非线性化的机组特性等进行线性化处理，采用混合整数线性规划方法求解。

在步骤S140中，可以以所述下层优化调度模型的日出力状态为输入，基于上层多目标规划模型更新所述上层粒子的速度及位置表达式，并基于更新的所述上层粒子的速度及位置表达式重复步骤S130进行迭代计算。

在本示例的实施例中，所述方法还包括：

基于所述下层优化调度模型的日出力状态，基于所述日处理状态生成日最优运行调度结果；

基于所述日最优运行调度结果计算生成年运行成本、系统

基于所述年运行成本、系统

在本示例的实施例中，如图3所示，规划层的容量配置基础数据、调度层的机组运行参数、典型日负荷数据、能源价格、污染物排放惩罚系数及约束条件参数等。首先，在各区域中的机组容量上、下限范围内，随机配置供能机组、储能装置等设备的容量，对上层粒子初始化。然后，将以上数据以各机组出力上限、储能装置充、放能上限等形式赋给调度层的优化模型。随后，调用gurobi求解器，配置出各典型日最优运行调度结果，将调度结果计算得到的年运行成本、系统

在步骤S150中，可以若所述上层多目标规划模型的收敛度大于预设收敛度或迭代计算次数大于预设迭代次数，则停止迭代，并基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案。

在本示例的实施例中，所述方法还包括：

所述上层多目标规划模型的收敛度大于预设收敛度或迭代计算次数大于预设迭代次数，则停止迭代；

基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案；

根据所述多区域综合能源系统容量配置方案生成所述多区域综合能源系统容量配置方案对应的运行调度方案。

在本示例的实施例中，重复迭代S130-S140步骤，直到达到最大迭代次数或满足收敛性要求。程序运行结束，输出全局最优容量配置方案及该容量配置下的最优运行调度方案。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

此外，在本示例实施例中，还提供了一种多区域综合能源系统多目标双层优化装置。参照图4所示，该一种多区域综合能源系统多目标双层优化装置400可以包括：模型建立模块410、粒子生成模块420、gurobi求解模块430、粒子更新模块440以及配置方案生成模块450。其中：

模型建立模块410，用于根据多区域综合能源系统中的各类供能机组的机组容量，建立上层多目标规划模型并生成所述上层多目标规划模型的约束条件，根据多区域综合能源系统中的各类供能机组的日运行成本，建立下层优化调度模型并生成所述下层优化调度模型的约束条件；

粒子生成模块420，用于在所述上层多目标规划模型中，以随机的各类供能机组的机组容量作为初始值，基于粒子群算法生成上层粒子的速度及位置表达式；

gurobi求解模块430，用于以所述上层粒子的速度及位置表达式作为所述下层优化调度模型的容量约束，基于gurobi求解器求解，生成所述多区域综合能源系统中各类供能机组的日出力状态；

粒子更新模块440，用于以所述下层优化调度模型的日出力状态为输入，基于上层多目标规划模型更新所述上层粒子的速度及位置表达式，并基于更新的所述上层粒子的速度及位置表达式重复步骤gurobi求解进行迭代计算；

配置方案生成模块450，用于若所述上层多目标规划模型的收敛度大于预设收敛度或迭代计算次数大于预设迭代次数，则停止迭代，并基于所述上层粒子的速度及位置表达式计算生成多区域综合能源系统容量配置方案。

上述中各一种多区域综合能源系统多目标双层优化装置模块的具体细节已经在对应的一种多区域综合能源系统多目标双层优化方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了一种多区域综合能源系统多目标双层优化装置400的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。