基于树搜优化的多能互联协调系统及其方法与流程

本发明涉及能源处理技术领域，尤其涉及一种包括风力、光伏和天然气三种能源形式的多能互联协调系统及其方法。

背景技术：

能源互联网的提出是能源技术领域的创造性的革命，该技术的实现可以有效提高能源利用效率，减少污染排放，推动我国能源结构转型和能源体制变革。低碳智慧城市中多能互联冷热电联供系统是体现能源互联网技术的重要能量自治单元，包含了多种能源资源的输入，产能、换能、蓄电、储热和蓄冷等多种中间过程，以及电力负荷和热力负荷等多种输出需求。对于如此复杂的多能互联系统，及其运行所需要满足的各种约束条件和优化目标，如何协调控制该系统并提出相应的优化方法，存在一定的困难。

在现有技术中的公开文献包括：

公开号为cn104881712a的中国专利提出了一种多能互补分布式能源系统及其设备配置与运行优化方法。该发明提供了多种分布式供能技术的藕合利用模式，形成了能源的互补；建立的优化模型综合考虑了设备性能、政策性指标或经济指标。

公开号为cn106447122a的中国专利提出了一种区域型能源互联网及其一体化优化规划方法，所述区域型能源互联网包括本地能源资源、分布式能源、产消合一能源及连接彼此的区域微能网。所述一体化优化规划方法包括获取数据库，建立数学模型，求解优化模型，分析输出数据和获得协同优化结果。这些发明为能源互联网提供了一种优化协调的思路，但是只提供了数学模型和优化策略而未提供一种具体的算法流程和智能化的优化协调方法。

公开号为cn105976063a的中国专利提出了一种基于粒子群优化算法的多能互补发电系统的优化配置方法，然而该方法也有局部搜索能力弱、易产生早熟现象等缺点。

公开号为cn105976063a的中国专利提出了一种基于免疫遗传算法的多目标的区域多微网结构和容量优化规划方法，但该算法在收敛速度、运行效率和陷入局部最优解的可能性上具有局限性。

公开号为cn105591406a的中国专利公开了一种基于非合作博弈的微电网能量管理系统的优化算法，但该算法仍为传统的数学规划方法，不如具备深度学习能力的人工智能系统更加先进和智慧。

因此，需要一种改进的多能互联协调系统及其方法。

技术实现要素：

为了解决上述问题，本发明提供一种基于树搜优化的多能互联协调系统及其方法，能够调节多种能源形式供应之间的比例，提高能源的利用率，降低碳排放和经济成本；同时能对系统进行实时监控和协调控制，提高了控制系统的稳定性和精确度。

本发明提供一种基于树搜优化的能源互联网协调控制方法，该方法的步骤包括：将能源互联网作为研究系统，将其中的各类能源设置为树状结构，并将所述树状结构的第一层代表的能源类型设定为根级能源；其中，所述树状结构的每一层为一类能源，每一层的每一个节点代表相应能源的一种出功状态或发电状态；从所述根级能源中选取根节点，沿所述树状结构逐级往下，在每一层的能源形式的约束条件内的所有出功状态或发电状态中选取一个为叶子节点，直至遍历所有层；将所述根节点和叶子节点路径中的所有节点的参数收集起来并进行计算和深度学习，根据设定的优化目标函数得到计算结果，并在数据库存储；将所述计算结果沿着原来的路径回溯并更新每个节点的数据，根级节点被更新以后，从根节点选取不同于前述选择的新路径，并再次计算得到新的计算结果；经过多次执行回溯更新及重新选择路径的操作，多次迭代后，得到所述优化目标函数的最优解，并根据所述最优解对所述互联网能源进行协调控制。

本发明提供一种计算机处理设备，包括处理器及计算机可读存储介质，所述处理器获取所述计算机可读存储介质上的计算机程序，并执行前述方法的步骤。

本发明提供一种基于树搜优化的能源互联网协调控制系统，包括：设定模块，用于执行将能源互联网作为研究系统，将其中的各类能源设置为树状结构，并将所述树状结构的第一层代表的能源类型设定为根级能源的步骤；其中，所述树状结构的每一层为一类能源，每一层的每一个节点代表相应能源的一种出功状态或发电状态；遍历模块，用于执行从所述根级能源中选取根节点，沿所述树状结构逐级往下，在每一层的能源形式的约束条件内的所有出功状态或发电状态中选取一个为叶子节点，直至遍历所有层的步骤；学习模块，用于执行将所述根节点和叶子节点路径中的所有节点的参数收集起来并进行计算和深度学习，根据设定的优化目标函数得到计算结果，并在数据库存储的步骤；回溯模块，用于执行将所述计算结果沿着原来的路径回溯并更新每个节点的数据，根级节点被更新以后，从根节点选取不同于前述选择的新路径，并再次计算得到新的计算结果的步骤；调控模块，用于执行多次回溯更新及重新选择路径的操作，多次迭代后，得到所述优化目标函数的最优解，并根据所述最优解对所述互联网能源进行协调控制的步骤。

本发明的基于树搜优化的多能互联协调系统及其方法基于树搜和和深度学习优化，能够调节多种能源形式供应之间的比例，提高能源的利用率，降低碳排放和经济成本，实现对系统的实时监控和协调控制，在不断自我学习和自我调整，提高了控制系统的稳定性和精确度。

附图说明

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它的附图。

图1是本发明实施例的一种基于树搜优化的能源互联网协调控制方法的流程示意图；

图2是本发明实施例的一种基于树搜优化的能源互联网协调控制方法的拓扑示意图。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案作进一步更详细的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，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作出创造性劳动的前提下所获得的所有其它实施例，都应属于本发明保护的范围。

参阅图1，图1是本发明提供的一种基于树搜优化的能源互联网协调控制方法的流程示意图。该方法的步骤包括：

s1：将能源互联网作为研究系统，将其中的各类能源设置为树状结构，并将所述树状结构的第一层代表的能源类型设定为根级能源；其中，所述树状结构的每一层为一类能源，每一层的每一个节点代表相应能源的一种出功状态或发电状态。

在本发明中，研究系统为一个具有风，光，火电和蓄电池的一个多能互联系统，负荷则有基本的电负荷和冷热负荷。系统中有四种能源形式，因此根据定义，该树有四层，为了便于阐述，本发明中设定树状结构的根级能源为光伏发电，第二层为风力发电，第三层为蓄电池，第四场为火力发电。实际上该过程是由电脑随机分配的，最终结果不受影响。每层的节点可根据经验进行设定，具体的，为对应的能源的一种发电状态。

s2：从所述根级能源中选取根节点，沿所述树状结构逐级往下，在每一层的能源形式的约束条件内的所有出功状态或发电状态中选取一个为叶子节点，直至遍历所有层。

在本发明中，涉及的四种能源均具有不同的约束条件。具体的，所述燃气发电机出力约束为在发电功率降低到切除功率以下需要停机，以及对协调周期内的启动次数需要限制，表示形式为公式(6)和(7)：

式中，为所述研究系统中的第i台燃气发电机的切除系数；为所述研究系统中第i台燃气发电机的额定功率；ugt,i,t为所述研究系统中的第i台燃气发电机在t时段的启停状态，0表示停机，1表示开机；

所述风电出力约束为：由于风能具有随机性和波动性，在调度过程中通常是全额接收，风电出力按预测功率参与协调；表示形式为公式(8)和(9)：

式中为第j台风力发电机在t时段的预测功率和额定功率；

所述光伏电池组出力约束为：太阳能跟风能有相似的特性，协调时也以预测光伏电池组出力为参与协调功率，表示形式为公式(10)和(11)：

式中为第k组光伏电池在t时刻的预测功率和额定功率；

所述蓄电池储能设备约束为：蓄电池作为剩余能量的缓冲，并不产生电能，因此在整个协调周期维持容量不变；为了保持良好的工况和使用寿命，蓄电池在使用过程中受到容量的限制；蓄电池充、放电功率受最大充、放电率制约；蓄电池在同一个时刻不能同时运行在充电和放电模式下；表示形式为公式(12)、(13)、(14)、(15)和(16)：

sbat,l,t＝sbat,l,0.........(12)

式中：sbat,l,t、sbat,l,0、和分别为蓄电池组l在协调周期内的终止容量、初始容量、额定容量和保持稳定运行的最小、最大容量；为蓄电池组l在t时段的最大充电率和最大放电率。

如前述可知，将光伏发电作为根级能源。在根级能源中，根据当前时刻的最大预测出力的约束，通过上述公式中的(10)和(11)计算，随机选择光伏发电的一种发电状态，如图2中所示，随机选择发电状态rk。

扩展至下层，在第二级能，即风力发电的约束条件下随机选择第二级能源一种发电状态，根据公式(8)，(9)，定义为sk；继续往下扩展，在第三层能源，蓄电池的约束条件下，根据公式(12)至(16)随机选择一种状态定义为qk,同理第四层的发电状态则为tk，如图2中的②。此时完成了对树状结构所有层的一次遍历，得到一条从根节点rk起的路径，即rk—sk—qk—tk，设定为路径1。

s3：将所述根节点和叶子节点路径中的所有节点的参数收集起来并进行计算和深度学习，根据设定的优化目标函数得到计算结果，并在数据库存储。

将路径1的节点参数代入系统的优化目标函数进行计算。优化目标函数包括研究系统的能源利用率的目标函数、碳排放量的目标函数及成本的目标函数。

其中，能源利用率的目标函数的公式(1)的表示形式为：

式中ηper为所述研究系统的一次能源利用率；为所述研究系统消耗的一次能源总输入量；为所述研究系统生产的总可利用电量；为所述研究系统生产的总可利用热量；为述研究系统中的冷热电联供系统生产的总可利用冷量；

所述碳排放量的目标函数的公式(2)的表示形式为：

式中ηcde为所述研究系统碳排放量；分别为所述研究系统中的燃气发电机组和燃气锅炉所消耗燃气量；gf为天然气的碳排放量转换系数；

所述成本的目标函数的公式(3)的表示形式为：

minclng＝rlng(fgt+fboi).........(3)

式中，clng为所述研究系统的总购气费用；fgt、fboi分别为所述研究系统的总发电耗气量和总锅炉耗气量。

将路径1的节点参数代入公式(1)、(2)和(3)计算，得到计算结果，并将计算结果存储到数据库中。

s4：将所述计算结果沿着原来的路径回溯并更新每个节点的数据，根级节点被更新以后，从根节点选取不同于步骤s2的新路径，并再次计算得到新的计算结果。

将路径1的计算结果沿着路径1进行反向回溯，更新每一节点的数据，在回到根节点rk并对rk的数据进行更新后，在从根节点rk开始，再次根据约束条件选择叶子节点，选取不同于路径1的新路径，并将新路径的各节点的参数代入公式(1)、(2)和(3)计算，得到新的计算结果，同时将新的计算结果也存储到数据库中。

s5：经过多次执行步骤s4中的回溯更新及重新选择路径的操作，多次迭代后，得到所述优化目标函数的最优解，并根据所述最优解对所述互联网能源进行协调控制。

将不同路径的节点参数代入优化目标函数后，将求得的解进行比较，在迭代有限次数后，优化目标函数的解会趋向收敛，等收敛后该解则为最优解。迭代优化涉及的优化变量至少包括研究系统中各时段的燃气发电机功率、锅炉耗气量、热回收系统制热分配系数和制冷分配系数。在本实施方式中涉及三个目标函数，因此输出结果为向量矩阵[ηper^*,ηcde^*,clng^*],四种能源的发电状态分别为[r^*,s^*,q^*,t^*]，同时将最优解也存储于数据库中。

最终将最优解的结果输出进行多能源系统的调度控制。

本发明的基于树搜优化的多能互联协调系统及其方法基于树搜和和深度学习优化，能够调节多种能源形式供应之间的比例，提高能源的利用率，降低碳排放和经济成本，实现对系统的实时监控和协调控制，在不断自我学习和自我调整，提高了控制系统的稳定性和精确度。

本发明还公开了一种计算机处理设备，包括处理器及计算机可读存储介质，所述处理器获取所述计算机可读存储介质上的计算机程序，并执行前述方法的步骤。

具体的，该计算机处理设备为一种基于树搜优化的能源互联网协调控制系统，包括：

设定模块，用于执行将能源互联网作为研究系统，将其中的各类能源设置为树状结构，并将所述树状结构的第一层代表的能源类型设定为根级能源的步骤；其中，所述树状结构的每一层为一类能源，每一层的每一个节点代表相应能源的一种出功状态或发电状态；

遍历模块，用于执行从所述根级能源中选取根节点，沿所述树状结构逐级往下，在每一层的能源形式的约束条件内的所有出功状态或发电状态中选取一个为叶子节点，直至遍历所有层的步骤；

学习模块，用于执行将所述根节点和叶子节点路径中的所有节点的参数收集起来并进行计算和深度学习，根据设定的优化目标函数得到计算结果，并在数据库存储的步骤；

回溯模块，用于执行将所述计算结果沿着原来的路径回溯并更新每个节点的数据，根级节点被更新以后，从根节点选取不同于前述选择的新路径，并再次计算得到新的计算结果的步骤；

调控模块，用于执行多次回溯更新及重新选择路径的操作，多次迭代后，得到所述优化目标函数的最优解，并根据所述最优解对所述互联网能源进行协调控制的步骤。

以上所揭露的仅为本发明实施例中的较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。