一种基于改进NSGA-III的区域综合能源系统设备容量优化方法

一种基于改进nsga-iii的区域综合能源系统设备容量优化方法
技术领域
1.本发明涉及区域综合能源系统优化技术领域，尤其是涉及一种基于改进nsga-iii的区域综合能源系统设备容量优化方法。


背景技术：

2.面向我国“碳达峰”和“碳中和”的“双碳”战略需求，研究能源供给侧变革是实现碳目标的主要方向，而引入清洁能源的多能协同区域综合能源系统(regional integrated energy system，ries)目前已经成为一种新的发展方向。由于风机和光伏等可再生能源设备的不稳定性，峰谷电价、各设备装机容量限制以及运行约束对系统配置方案的影响，这使得多能耦合互补的区域综合能源系统更加复杂，系统设备容量优化是典型的多目标多约束优化问题。多目标遗传算法对高维多目标优化问题拥有较好的求解能力，其中基于参考点的非支配排序遗传算法(nsga-iii)是解决高维多目标优化问题最具代表性的算法之一，该算法通过选择参照点的方法代替拥挤度距离计算，更能有效地提高种群多样性。但基础nsga-iii算法的交叉算子通过模拟二进制交叉算子(simulated binary crossover,sbx)实现，存在搜索效率较低、易陷入局部最优等问题。
3.此外，多能协同互补的区域综合能源系统结构复杂，现阶段的研究仍存在一些问题需要探索。一方面，部分研究构建单目标规划模型，或利用线性加权的方法简化多目标模型，规划结果较为单一，关于系统低碳约束性目标的考虑较少；另一方面，由于系统模型的复杂性，部分模型未综合考虑风机和光伏等可再生能源设备的不稳定性，忽略峰谷电价、各设备装机容量限制以及运行约束对系统配置方案的影响。此外，部分研究使用传统的群智能算法进行模型优化求解，收敛速度慢并且容易陷入局部最优。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于改进nsga-iii的区域综合能源系统设备容量优化方法，通过一种基于自适应混合交叉算子sbx-ndx的nsga-iii算法，对面向碳目标的区域综合能源系统的设备容量配置进行优化，以能够实现快速、准确、稳定求解优化的目的。
5.本发明的目的可以通过以下技术方案来实现：一种基于改进nsga-iii的区域综合能源系统设备容量优化方法，包括以下步骤：
6.s1、建立由光伏、风电、cchp(combined cooling heating and power，冷热电联产系统)以及电储能设备组成的区域综合能源系统模型；
7.s2、从碳目标视角，确定区域综合能源系统模型的目标函数以及约束条件；
8.s3、基于自适应的sbx(simulated binary crossover，二进制交叉算子)-nbx(normal distribution crossover，正态分布交叉算子)混合交叉算子，构建改进的nsga-iii算法；
9.s4、通过模拟研究区域的冷热电负荷，并收集全年温度、太阳辐射强度和风速数据，采用k-means聚类方法，将全年划分为夏季、冬季、过渡季三种典型日；
10.s5、利用改进的nsga-iii算法，根据区域综合能源系统模型的目标函数以及约束条件，并结合研究区域典型日数据，完成对区域综合能源系统设备容量配置的求解，得到最优的容量配置方案。
11.进一步地，所述区域综合能源系统模型的目标函数具体为相对于cchp独立供能系统的年成本节约率、年二氧化碳减排率和年一次能源节约率最大化。
12.进一步地，所述区域综合能源系统模型的约束条件包括能源供需约束、设备装机容量约束以及运行约束。
13.进一步地，所述改进的nsga-iii算法自适应地在算法前期和后期均改变sbx、ndx算子权重，其中，算法前期sbx算子的权重大于ndx算子的权重，算法后期ndx算子的权重大于sbx算子的权重，所述sbx算子用于全局搜索，所述ndx算子用于加快收敛速度。
14.进一步地，所述改进的nsga-iii算法的具体工作过程为：
15.初始化种群；
16.使用sbx-nbx混合变异算子，对父代种群进行交叉变异操作，得到子种群；
17.将父代种群和子种群进行混合，得到新种群；
18.对新种群进行非支配排序，划分得到不同的非支配解集；
19.生成下一代种群：基于参考点的选择机制，结合非支配解集，通过选择出多个优势个体，以组合得到下一代种群；
20.判断是否满足终止条件，若判断为是，则输出当前得到的下一代种群，以作为最优解，否则返回继续迭代。
21.进一步地，所述初始化种群包括初始化参考点和构建初始种群。
22.进一步地，所述sbx-nbx混合变异算子具体为：
[0023][0024]
其中，x
1,j
和x
2,j
分别为通过sbx-ndx混合变异算子变异产生的两个子代个体的j维度信息，p
1,j
和p
2,j
分别为两个父代个体的j维度信息，iter为当前种群迭代次数，iters为设定的种群最大迭代次数，|n(0,1)|为正态分布随机变量，u为0-1范围内的随机数。
[0025]
进一步地，所述生成下一代种群的具体过程为：根据不同的非支配解集(f1,f2,...,fd)，从f1开始，每次移动一个非支配解集到新解集s，直至首次出现s的规模大于n，设移入fe使得s的规模首次大于n，若s的规模等于n，则将s直接作为下一代父种群p(t+1)；
若s的规模大于n，将fe之前的解集放入p(t+1)，再根据基于参考点的选择机制选取其余解。
[0026]
进一步地，所述终止条件具体为当前迭代次数大于或等于设定的最大迭代次数。
[0027]
进一步地，所述步骤s4具体是采用dest软件模拟研究区域的冷热电负荷。
[0028]
与现有技术相比，本发明从碳目标视角，建立了相对于cchp独立供能系统的年成本节约率、减排率和一次能源节约率最大化为目标的ries容量优化模型；针对可再生能源设备出力功率随季节、气候的随机性和波动性问题，为系统引入电储能设备实现风光消纳；针对nsga-iii算法搜索效率低的问题，提出一种改进的混合交叉算子sbx-ndx，用于模型优化求解，由此能够对面向低碳的区域综合能源系统的设备容量进行多目标优化，实现快速、准确、稳定求解优化的目的。
[0029]
本发明采用自适应的方式将二进制交叉算子(sbx)与正态分布交叉算子(ndx)混合，考虑到sbx的搜索跨度大，更容易跳出局部最优，对于算法前期很关键，所以算法前期sbx算子要占较大比重，而在迭代后期，为加快收敛速度，则需使ndx权重变大，借助自适应的sbx-ndx混合交叉算子构建得到改进的nsga-iii算法，能够有效提升算法的开发和探索能力，进而避免陷入局部最优、求解出最优的容量配置方案，同时能够加快求解速度、提高收敛精度。
附图说明
[0030]
图1为本发明的方法流程示意图；
[0031]
图2为本发明构建的区域综合能源系统结构示意图；
[0032]
图3为本发明中改进的nsga-iii算法的工作过程示意图。
具体实施方式
[0033]
下面结合附图和具体实施例对本发明进行详细说明。
[0034]
实施例
[0035]
如图1所示，一种基于改进nsga-iii的区域综合能源系统设备容量优化方法，包括以下步骤：
[0036]
s1、建立由光伏、风电、cchp以及电储能设备组成的区域综合能源系统模型；
[0037]
s2、从碳目标视角，以相对于cchp独立供能系统的年成本节约率、年二氧化碳减排率和年一次能源节约率最大化为目标，并综合考虑能源供需约束、设备装机容量约束以及运行约束；
[0038]
s3、基于自适应的sbx-nbx混合交叉算子，构建改进的nsga-iii算法；
[0039]
s4、利用dest软件模拟研究区域的冷热电负荷，并收集全年温度、太阳辐射强度和风速数据，利用k-means聚类，将全年划分为夏季、冬季、过渡季三种典型日；
[0040]
s5、利用改进的nsga-iii算法，结合研究区域典型日数据，完成对区域综合能源系统设备容量配置的求解，得到最优的容量配置方案。
[0041]
本实施例中，在建立区域综合能源系统模型的过程中，首先对区域综合能源系统各设备进行系统建模，所构建的多能协同的区域综合能源系统如图2所示，通过引入太阳能和风能，减少系统对于电网和天然气的依赖，降低系统的一次能源消耗量并减少碳排放；为平抑可再生能源发电设备以及需求侧负荷的不稳定性，系统配置了电储能设备对多余能源
进行消纳处理，以提高系统的经济性和灵活性，实现能量在时间维度上的转移；此外，通过能源转换设备和存储设备之间的相互耦合，满足用户侧冷、热、电负荷需求。
[0042]
具体的：
[0043]
1)光伏系统出力功率表示如下：
[0044][0045]
其中，p
r,pv
为光伏系统额定功率；gc和ta分别为实际辐射强度和温度；g
stc
和t
stc
分别为标准条件下的辐射强度和光伏电池板组件表面温度，取1000w/m2和25℃；k为功率温度系数，取值-0.0047。
[0046]
2)风电系统出力功率表示如下：
[0047][0048]
其中，p
r,wind
为风电系统额定功率；v为实时风速；v
ci
为切入风速，取值3m/s；v
co
为切出风速，取值15m/s；vr为额定风速，取值9m/s。
[0049]
3)冷热电联供系统cchp
[0050]
冷热电联供系统通过燃气轮机提供电力，由余热回收装置将燃气轮机产生电力过程中释放的热能进行回收，余热用于供热或提供给溴化锂吸收式制冷机进行制冷，系统内部电热冷产出之间相互耦合，不足的冷热负荷由电制冷机和燃气锅炉进行补足。本实施例所涉及的冷热电联供系统采用以电定热的运行模式。
[0051]
其中，燃气轮机的出力模型表示为
[0052][0053]
p
ice
(t)为t时刻输出的电功率；q
ice
(t)为t时刻余热功率；l
gas
为天然气热值，取值9.7kwh/m3；v
ice
为天然气消耗量；δt为单位时间。
[0054]
余热回收装置的出力功率表示为：
[0055]qwhr
＝η
whrqice
[0056]
η
whr
表示余热回收效率；q
ice
表示燃气轮机的余热功率。
[0057]
燃气锅炉的出力功率表示为：
[0058]qgb
＝η
gbvgb
[0059]
η
gb
为燃气锅炉的供热效率，v
gb
表示燃气锅炉消耗的天然气量。
[0060]
溴化锂吸收式制冷机是余热利用的主要设备，其出力功率q
lbac
表示为：
[0061]qlbac
＝cop
lbacqlbac,in
[0062]
cop
lbac
为制冷系数；q
lbac,in
为溴化锂吸收式制冷机的热输入功率。
[0063]
电制冷机常作为区域综合能源系统中的辅助供冷设备，其出力功率q
ec
表示为：
[0064]qec
＝cop
ec
p
ec,in
[0065]
其中，cop
ec
为制冷系数；p
ec,in
为输入功率。
[0066]
4)电储能设备
[0067]
电储能设备可以实现电能在时间上的平移，以降低可再生能源出力的随机性、间歇性带来的影响。电储能装置的出力模型可表示为：
[0068][0069]
其中，e
storage
(t)和e
storage
(t-1)分别表示电储能设备在t，t-1时段的容量；δ
storage
为电储能设备的自损耗系数；和为布尔值，代表电储能设备的充放电状态；和分别为电储能设备的充放电功率；和分别为电储能设备的充放电效率。
[0070]
通过dest软件进行负荷需求模拟分析，仿真获取负荷需求数据，并根据气候条件，通过k-means聚类，将全年划分为夏季、冬季、过渡季三种典型日；
[0071]
之后以相较于传统cchp独立供能系统的年成本节约率、年co2减排率和年一次能源节约率为目标函数，在电冷热负荷平衡约束、装机容量约束和运行功率约束的条件下，利用改进的nsga-iii算法求解系统最优容量配置。
[0072]
本技术方案提出的改进的自适应混合交叉算子的nsga-iii算法的具体工作过程如图3所示：
[0073]
初始化种群；
[0074]
对父代种群p(t)进行交叉、改进的sbx-ndx混合变异以及选择，产生子种群q(t)，其中，改进的sbx-ndx混合变异算子表示如下：
[0075][0076]
式中，x
1,j
和x
2,j
代表通过sbx-ndx混合变异算子变异产生的两个子代个体的j维度信息，p
1,j
和p
2,j
代表两个父代个体的j维度信息，iter为当前种群迭代次数，iters为种群最大迭代次数，|n(0,1)|为正态分布随机变量，u代表0-1的随机数；
[0077]
混合p(t)和q(t)得到一个新种群r(t)，其规模为2n，对r(t)进行非支配排序，将其
划分为不同的非支配解集(f1,f2,...,fd)；
[0078]
从f1开始，每次移动一个非支配解集到新解集s，直至首次出现s的规模大于n，设移入fe使得s的规模首次大于n，若s的规模等于n，则将s直接作为下一代父种群p(t+1)；若s的规模大于n，将fe之前的解集放入p(t+1)，再根据基于参考点的选择机制选取其余解；
[0079]
若满足终止条件，则输出pareto最优解集，否则返回继续迭代。
[0080]
与传统cchp独立供能系统相比，本技术方案提出的区域综合能源系统满足低碳性目标，符合碳目标要求。与传统群智能算法相比，本技术方案提出的基于自适应混合交叉算子的nsga-iii算法能够避免陷入局部最优，求解出最优的容量配置方案。
[0081]
综上可知，本技术方案基于碳目标引入可再生能源构建区域综合能源系统模型，并综合考虑各项约束；提出一种改进的nsga-iii优化算法，能有效求解多维复杂的区域综合能源系统容量优化配置问题，与其他对比算法相比拥有更好的算法精度。有效解决传统nsga-iii算法实际应用中容易出现的收敛精度差、容易陷入局部最优等问题。