1.一种基于智能算法的分布式能源系统优化调度方法,其特征在于,包括:
根据历史天然气消耗量,以及与所述历史天然气消耗量对应的历史发电量、历史余热烟气热量和历史余热热水热量,训练第一bp神经网络模型,所述第一bp神经网络模型用于预测天然气消耗量能够产生的发电量、余热烟气热量和余热热水热量;
将预置天然气消耗量输入所述第一bp神经网络模型,计算所述预置天然气消耗量对应的发电量、余热烟气热量和余热热水热量,所述预置天然气消耗量至少包括一个天然气消耗量的数据值;
根据所述预置天然气消耗量、以及与所述预置天然气消耗量对应的发电量、余热烟气热量和余热热水热量,基于回归分析算法,建立燃气内燃机组的替代模型;
根据所述替代模型,建立分布式能源系统利润的目标函数,所述分布式能源系统的系统设备包括所述燃气内燃机组、吸收式溴化锂机组、离心式制冷机组和燃气锅炉;
以总用户需求能量、所述系统设备的运行限制和能量守恒原则为所述目标函数的约束条件,建立所述分布式能源系统的优化调度模型;
将用户的实时制冷需求和实时供暖需求输入所述优化调度模型,计算所述分布式能源系统的系统设备的运行参数。
2.如权利要求1所述的方法,其特征在于,所述替代模型包括:天然气消耗量-发电量关系模型、天然气消耗量-余热烟气热量关系模型和天然气消耗量-余热热水热量关系模型;
所述根据所述预置天然气消耗量、以及与所述预置天然气消耗量对应的发电量、余热烟气热量和余热热水热量,基于回归分析算法,建立燃气内燃机组的替代模型,包括:
根据所述预置天然气消耗量,以及与所述预置天然气消耗量对应的发电量,基于回归分析算法计算第一回归系数,生成天然气消耗量-发电量关系模型,所述天然气消耗量-发电量关系模型为q发电量=g×α1-β1,其中,q发电量为所述燃气内燃机组的发电量,g为所述燃气内燃机组的天然气消耗量,α1和β1为所述第一回归系数;
根据所述预置天然气消耗量,以及与所述预置天然气消耗量对应的余热烟气热量,基于回归分析算法计算第二回归系数,生成天然气消耗量-余热烟气热量关系模型,所述天然气消耗量-余热烟气热量关系模型为q余热烟气热量=g×α2-β2,其中,q余热烟气热量为所述燃气内燃机组产生的余热烟气热量,g为所述燃气内燃机组的天然气消耗量,α2和β2为所述第二回归系数;
根据所述预置天然气消耗量,以及与所述预置天然气消耗量对应的余热热水热量,基于回归分析算法计算第三回归系数,生成天然气消耗量-余热热水热量关系模型,所述天然气消耗量-余热热水热量关系模型为q余热热水热量=g×α3-β3,其中,q余热热水热量为所述燃气内燃机组产生的余热热水热量,g为所述燃气内燃机组的天然气消耗量,α3和β3为所述第三回归系数。
3.如权利要求1所述的方法,其特征在于,所述根据所述替代模型,建立分布式能源系统利润的目标函数,包括:
按照第一计算公式,计算所述燃气内燃机组的日消耗成本,所述第一计算公式为
按照第二计算公式,计算吸收式溴化锂机组的日消耗成本,所述第二计算公式为
按照第三计算公式,计算离心式制冷机组的日消耗成本,所述第三计算公式为
根据第四计算公式,计算燃气锅炉的日消耗成本,所述第四计算公式为
根据第五计算公式,计算所述分布式能源系统的总成本,所述第五计算公式为tc总成本=ttcec(l)+ttlbc(l)+ttcmc(l)+ttbc(l),其中tc总成本为所述分布式能源系统的消耗总成本;
根据所述替代模型,计算在t时刻所述燃气内燃机组的发电量;
根据第六计算公式,计算所述分布式能源系统的总收益,所述第六计算公式为
根据所述分布式能源系统的总收益,以及所述分布式能源系统的总成本,建立所述分布式能源系统利润的目标函数,所述目标函数为gb=tb总-tc总成本,其中gb为所述分布式能源系统的利润。
4.如权利要求3所述的方法,其特征在于,所述以总用户需求能量、所述系统设备的运行限制和能量守恒原则为所述目标函数的约束条件,建立所述分布式能源系统的优化调度模型,包括:
根据所述系统设备的设备功能,建立热水需求、供暖能量需求和制冷能量需求的能量约束条件,所述能量约束条件包括:热水需求约束、供暖需求约束和制冷需求约束,所述热水需求约束为z(t)×bmhd(t)+(1-z(t))×lbmhd(t)≥mhd(t),其中z(t)为为0或1的整数变量,如果采用所述燃气锅炉为热水箱提供热量则取1值,否则取0值,bmhd(t)为t时刻所述燃气锅炉为所述热水箱提供的热量,lbmhd(t)为t时刻所述吸收式溴化锂机组为所述热水箱提供的热量,mhd(t)为t时刻所述生活热水箱的热需求量,mhd(t)=g(t)×ρ×cp×δt,g(t)为t时刻所需的热水总量,ρ为热水密度,cp为水的比热容,δt为室内温度和环境温度的温差,所述供暖需求约束为bihd(t)+lbihd(t)≥ihd(t),其中bihd(t)为t时刻所述燃气锅炉的供暖量,lbihd(t)为t时刻所述吸收式溴化锂机组的供暖量,ihd(t)为t时刻的用户的供暖需求,所述制冷需求约束为lbicd(t)+cmicd(t)≥icd(t),其中lbicd(t)为t时刻所述吸收式溴化锂机组的供冷量,cmicd(t)为t时刻所述离心式制冷机组的供冷量,icd(t)为t时刻用户的供冷需求;
根据所述系统设备的设备机能,建立运行约束条件,所述运行约束条件包括所述燃气内燃机组的运行约束条件、所述吸收式溴化锂机组的运行约束条件、所述离心式制冷机组的运行约束条件和所述燃气锅炉的运行约束条件,所述燃气内燃机组的运行约束条件为
建立所述系统设备的能耗约束条件,所述能耗约束条件包括所述燃气锅炉的能耗约束条件和所述离心式制冷机组的能耗约束条件,所述燃气锅炉的能耗约束条件为
根据所述目标函数、所述能量约束条件、所述运行约束条件和所述能耗约束条件,建立所述分布式能源系统的优化调度模型。
5.如权利要求1所述的方法,其特征在于,所述将用户的实时制冷需求和实时供暖需求输入所述优化调度模型,计算所述分布式能源系统的系统设备的运行参数之前,所述方法还包括:
根据预置归一化公式,分别计算历史气象要素参数的归一化气象参数,历史制冷需求参数的归一化制冷需求参数和历史供暖需求参数的归一化供暖需求参数,所述预置归一化公式为
根据所述归一化气象要素参数、所述归一化制冷需求参数和所述归一化供暖需求参数,训练第二bp神经网络模型,所述第二bp神经网络模型用于预测气象要素对应的用户制冷需求和供暖需求;
将实时气象要素输入第二bp神经网络模型,计算所述实时气象要素对应的实时制冷需求和实时供暖需求。
6.一种基于智能算法的分布式能源系统优化调度装置,其特征在于,包括:
第一训练模块,用于根据历史天然气消耗量,以及与所述历史天然气消耗量对应的历史发电量、历史余热烟气量和历史热水量,训练第一bp神经网络模型,所述第一bp神经网络模型用于预测天然气消耗量能够产生的发电量、余热烟气热量和余热热水热量;
第一计算模块,用于将预置天然气消耗量输入所述第一bp神经网络模型,计算所述预置天然气消耗量对应的发电量、余热烟气热量和余热热水热量,所述预置天然气消耗量至少包括一个天然气消耗量的数据值;
第一建立模块,用于根据所述预置天然气消耗量、以及与所述预置天然气消耗量对应的发电量、余热烟气热量和余热热水热量,基于回归分析算法,建立燃气内燃机组的替代模型;
第二建立模块,用于根据所述替代模型,建立分布式能源系统利润的目标函数,所述分布式能源系统的系统设备包括所述燃气内燃机组、吸收式溴化锂机组、离心式制冷机组和燃气锅炉;
第三建立模块,用于以总用户需求能量、所述系统设备的运行限制和能量守恒原则为所述目标函数的约束条件,建立所述分布式能源系统的优化调度模型;
第二计算模块,用于将用户的实时制冷需求和实时供暖需求输入所述优化调度模型,计算所述分布式能源系统的系统设备的运行参数。
7.如权利要求6所述的装置,其特征在于,所述替代模型包括:天然气消耗量-发电量关系模型、天然气消耗量-余热烟气热量关系模型和天然气消耗量-余热热水热量关系模型;
所述第一建立模块,用于:
根据所述预置天然气消耗量,以及与所述预置天然气消耗量对应的发电量,基于回归分析算法计算第一回归系数,生成天然气消耗量-发电量关系模型,所述天然气消耗量-发电量关系模型为q发电量=g×α1-β1,其中,q发电量为所述燃气内燃机组的发电量,g为所述燃气内燃机组的天然气消耗量,α1和β1为所述第一回归系数;
根据所述预置天然气消耗量,以及与所述预置天然气消耗量对应的余热烟气热量,基于回归分析算法计算第二回归系数,生成天然气消耗量-余热烟气热量关系模型,所述天然气消耗量-余热烟气热量关系模型为q余热烟气热量=g×α2-β2,其中,q余热烟气热量为所述燃气内燃机组产生的余热烟气热量,g为所述燃气内燃机组的天然气消耗量,α2和β2为所述第二回归系数;
根据所述预置天然气消耗量,以及与所述预置天然气消耗量对应的余热热水热量,基于回归分析算法计算第三回归系数,生成天然气消耗量-余热热水热量关系模型,所述天然气消耗量-余热热水热量关系模型为q余热热水热量=g×α3-β3,其中,q余热热水热量为所述燃气内燃机组产生的余热热水热量,g为所述燃气内燃机组的天然气消耗量,α3和β3为所述第三回归系数。
8.如权利要求6所述的方法,其特征在于,所述第二建立模块,包括:
计算单元,用于按照第一计算公式,计算所述燃气内燃机组的日消耗成本,所述第一计算公式为
所述计算单元,还用于按照第二计算公式,计算吸收式溴化锂机组的日消耗成本,所述第二计算公式为
所述计算单元,还用于按照第三计算公式,计算离心式制冷机组的日消耗成本,所述第三计算公式为
所述计算单元,还用于根据第四计算公式,计算燃气锅炉的日消耗成本,所述第四计算公式为
所述计算单元,还用于根据第五计算公式,计算所述分布式能源系统的总成本,所述第五计算公式为tc总成本=ttcec(l)+ttlbc(l)+ttcmc(l)+ttbc(l),其中tc总成本为所述分布式能源系统的消耗总成本;
所述计算单元,还用于根据所述替代模型,计算在t时刻所述燃气内燃机组的发电量;
所述计算单元,还用于根据第六计算公式,计算所述分布式能源系统的总收益,所述第六计算公式为
建立单元,用于根据所述分布式能源系统的总收益,以及所述分布式能源系统的总成本,建立所述分布式能源系统利润的目标函数,所述目标函数为gb=tb总-tc总成本,其中gb为所述分布式能源系统的利润。
9.如权利要求8所述的装置,其特征在于,所述第三建立模块,用于:
根据所述系统设备的设备功能,建立热水需求、供暖能量需求和制冷能量需求的能量约束条件,所述能量约束条件包括:热水需求约束、供暖需求约束和制冷需求约束,所述热水需求约束为z(t)×bmhd(t)+(1-z(t))×lbmhd(t)≥mhd(t),其中z(t)为0或1的整数变量,如果采用所述燃气锅炉为热水箱提供热量则取1值,否则取0值,bmhd(t)为t时刻所述燃气锅炉为所述热水箱提供的热量,lbmhd(t)为t时刻所述吸收式溴化锂机组为所述热水箱提供的热量,mhd(t)为t时刻所述生活热水箱的热需求量,mhd(t)=g(t)×ρ×cp×δt,g(t)为t时刻所需的热水总量,ρ为热水密度,cp为水的比热容,δt为室内温度和环境温度的温差,所述供暖需求约束为bihd(t)+lbihd(t)≥ihd(t),其中bihd(t)为t时刻所述燃气锅炉的供暖量,lbihd(t)为t时刻所述吸收式溴化锂机组的供暖量,ihd(t)为t时刻的用户的供暖需求,所述制冷需求约束为lbicd(t)+cmicd(t)≥icd(t),其中lbicd(t)为t时刻所述吸收式溴化锂机组的供冷量,cmicd(t)为t时刻所述离心式制冷机组的供冷量,icd(t)为t时刻用户的供冷需求;
根据所述系统设备的设备机能,建立运行约束条件,所述运行约束条件包括所述燃气内燃机组的运行约束条件、所述吸收式溴化锂机组的运行约束条件、所述离心式制冷机组的运行约束条件和所述燃气锅炉的运行约束条件,所述燃气内燃机组的运行约束条件为
建立所述系统设备的能耗约束条件,所述能耗约束条件包括所述燃气锅炉的能耗约束条件和所述离心式制冷机组的能耗约束条件,所述燃气锅炉的能耗约束条件为
根据所述目标函数、所述能量约束条件、所述运行约束条件和所述能耗约束条件,建立所述分布式能源系统的优化调度模型。
10.一种基于智能算法的分布式能源系统优化调度装置,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述基于智能算法的分布式能源系统优化调度方法对应的操作。