一种基于经济-环保综合评价的微能源网规划优化方法

1.本发明涉及微能源网规划优化领域，尤其是涉及一种基于经济-环保综合评价的微能源网规划优化方法。


背景技术：

2.随着社会的发展和人口的不断增加，人类对能源需求的大幅提高，化石能源逐渐枯竭，且环境污染问题也日益严重，微能源网的提出为解决能源问题打开了新的通道。微能源网包含众多设备，对于不同的负荷需求，如何对这些设备进行合理的调配，使整个系统的运行在最优状态是研究人员们一直在探讨的问题。
3.cn 111507529 a公开了一种基于经济-环境及能源动态定价双层博弈微能源网容量优化规划方法，包括对经济-环境及能源动态定价双层博弈微能源网容量优化规划方法的框架设计、建立上层环境-经济演化博弈规划模型、建立下层能源动态定价策略主从博弈模型和建立多能源转化耦合枢纽模型等步骤，能够兼顾规划问题中经济效益与环境效益的冲突关系，同时考虑能源价格动态特性，平衡微能源网运营商与用户间冲突利益，提高规划效率与经济性的基于经济-环境及能源动态定价双层博弈微能源网容量优化的规划。但是，其不足之处在于环境效益仅考虑污染治理成本，未考虑使用风光发电等新能源节能减排所带来的经济效益，使得经济性指标和环境指标相对割裂。


技术实现要素：

4.本发明的目的就是为了提供一种基于经济-环保综合评价的微能源网规划优化方法，引入碳交易收益指标，将经济性指标和环境指标有机的结合在一起，旨在衡量使用风光发电节能减排所带来的收益，以降低建设可再生能源发电系统的成本，缩短建设周期。
5.本发明的目的可以通过以下技术方案来实现：
6.一种基于经济-环保综合评价的微能源网规划优化方法，包括以下步骤：
7.建立微能源网系统优化配置模型，所述微能源网系统优化配置模型的目标函数为综合评价指标目标函数，其中，所述综合评价指标目标函数基于随机加权法对经济成本目标函数和环保成本目标函数进行加权处理得到，经济成本目标函数由年平均固定成本、年运行成本、年维护成本和年平均碳交易收益决定；
8.建立优化调度约束条件；
9.基于线性/非线性-分支定界算法优化求解微能源网系统优化配置模型，得到最优配置方案。
10.所述经济成本目标函数c
yx
为：
11.c
yx
＝f
ins
+f
run
+f
main-f
ct
12.式中：f
ins
表示年平均固定成本；f
run
表示年运行成本；f
main
表示年维护成本；f
ct
表示年平均碳交易收益。
13.所述年平均固定成本为：
[0014][0015]
式中：r表示贴现率，单位为％；n表示设备使用的年限；c
gt
为燃气轮机机成本；c
ba
是储能电池成本；c
pv
为光伏成本；c
wt
为风机成本；c
hse
为蓄热蓄冷单元成本；c
rb
为余热锅炉成本；c
abc
为溴化锂制冷机成本；c
ac
为电制冷机成本。
[0016]
所述年运行成本为：
[0017][0018]
式中：f
gas
为天然气成本；f
grid
为从电网购电成本；p
gas
为天然气价格；p
gt
(t)为燃气轮机出力功率；ηe为燃气轮机发电效率；hv
gas
为天然气热值；p
grid
(t)为电网分时电价；p
grid
(t)为从电网购电量；t表示一年的小时数。
[0019]
所述年维护成本为：
[0020][0021]
式中：c
gt_m
为燃气轮机机维护成本，c
ba_m
是储能电池维护成本，c
wt_m
为风机维护成本，c
pv_m
为光伏维护成本，为蓄热蓄冷单元维护成本，为余热锅炉的维护成本，为溴化锂制冷机维护成本，c
ac_m
为电制冷机维护成本；n表示各元件对应的装机台数，其下标表示对应的元件。
[0022]
所述年平均碳交易收益为：
[0023][0024]
式中：p
pv
和p
wp
分别表示光伏、风力年发电量；m为二氧化碳排放因子；p
ct
表示碳交易价格。
[0025]
所述环保成本目标函数为：
[0026][0027]
式中：c
wr
为环保成本目标函数；fi为微网设备单位功率对应的污染物排放量；p
gi
为微网设备发出功率。
[0028]
基于随机加权法对经济成本目标函数和环保成本目标函数进行加权处理得到综合评价指标目标函数如下：
[0029]
[0030]
式中：η1、η2均为随机数，c
sum
为综合评价指标目标函数，c
yx
为经济成本目标函数，c
wr
为环保成本目标函数。
[0031]
所述优化调度约束条件包括：线性不等式约束，线性等式约束，决策变量界限约束，非线性不等式约束，非线性等式约束，整数约束，二元约束。
[0032]
所述线性/非线性-分支定界算法求解过程为：
[0033]
步骤3-1)初始化milp子问题，在根节点处求解minlp松弛问题，得其解集，并初始化线性化点集在节点处利用外逼近思想构建milp子问题，其中，
[0034]
所述minlp松弛问题为：
[0035]znlpr(li,ui)
＝min f(x,y)
[0036]
s.t.g(x,y)≤0,
[0037]
xi∈x,li≤y≤ui.
[0038]
步骤3-2)基于分支定界算法求解milp子问题，选择分支定界树的节点，求解lp子问题，若lp子问题不可行，则删除所述节点并重新搜索分支定界树；否则设为lp子问题的解，若y为非整数，则对当前节点进行分支处理，若y为整数，则求解第一nlp子问题；若第一nlp子问题可行，设为第一nlp子问题的最优解；当第一nlp子问题的最优解函数值小于当前上界时，更新上界；若第一nlp子问题不可行，则令为第二nlp子问题的最优解；利用第一nlp子问题或第二nlp子问题提供的解更新线性化点集并更新milp子问题；
[0039]
其中，第一nlp子问题为：
[0040][0041][0042]
x∈x.
[0043]
第二nlp子问题为：
[0044][0045][0046]
μ≥0,
[0047]
x∈x,μ∈rm.
[0048]
步骤3-3)检查分支定界树是否为空，若为空，则算法终止；否则重复步骤3-2)。
[0049]
与现有技术相比，本发明具有以下有益效果：
[0050]
(1)本发明在传统经济性指标和环境指标的基础上，引入碳交易收益指标，将经济性指标和环境指标有机的结合在一起，建立了综合评价指标，能够衡量使用风光发电节能减排所带来的收益，以降低建设可再生能源发电系统的成本，缩短建设周期。
[0051]
(2)本发明充分考虑了风光发电、制氢、储能、燃气轮机发电机组等运行特点，建立微能源网目标函数模型，模型兼顾各设备的特点，模拟更为精确，求解得到的优化运行结果更贴合现实。
[0052]
(3)本发明采取随机加权法将多目标问题转化为一个单目标问题，能够从不同的搜索方向上寻找目标函数的最优解，搜索结果更优。
[0053]
(4)本发明基于线性/非线性-分支定界算法，对所涉及的混合整数非线性规划问题minlp进行优化求解，获得综合评价指标的最优解，具有较好的收敛性，能找到全局最优解，且能够快速收敛，算法稳定性好。
附图说明
[0054]
图1为本发明的方法流程图；
[0055]
图2为区域型微能源网系统结构示意图；
[0056]
图3为各地碳交易所成交价和成交量示意图；
[0057]
图4为线性/非线性-分支定界算法流程图。
具体实施方式
[0058]
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
[0059]
微能源网是集分布式能源生产、传输、转换、储存和消费于一体，以智能电网为基础网络，与互联网信息技术广泛结合，实现分布式能源就地消纳的终端供能的智慧能源网络。微能源网不仅具备较高的新能源接入比例，还能通过能量储存和优化配置，实现本地能源生产与用能负荷的基本平衡，实现风、光、天然气、生物质等各类分布式能源多能互补，实现区域内的电、热、气、冷等多种能源的高效集成，并可根据需要与公共电网灵活互动。微能源网的系统结构如图2所示。
[0060]
微能源网在系统构建过程中需要考虑其每个元件的出力特性和成本来选择配置容量大小，进而达到目标最优的结果。在搭建微能源网优化配置模型过程中，本发明以经济性和环保性作为优化目标，因此目标函数包括经济成本最小和环境成本最低两部分。由于系统包括多个元件，每个元件的特性受到各自约束条件限制，因此整体模型的约束条件包括每个元件出力特性中的约束条件，以及系统整体约束条件，如功率平衡约束等。通过上述目标函数和约束条件，可以建立优化模型，对微能源网系统的配置策略进行分析。
[0061]
具体的，本发明提供一种基于经济-环保综合评价的微能源网规划优化方法，如图1所示，包括以下步骤：
[0062]
步骤1)建立微能源网系统优化配置模型，所述微能源网系统优化配置模型的目标函数为综合评价指标目标函数；
[0063]
微能源网系统配置优化模型的目标函数是同时考虑系统配置的经济成本和环保成本两部分的综合评价指标目标函数。
[0064]
a)经济成本目标函数
[0065]
所述经济成本目标函数c
yx
为：
[0066]cyx
＝f
ins
+f
run
+f
main-f
ct
[0067]
式中：f
ins
表示年平均固定成本；f
run
表示年运行成本；f
main
表示年维护成本；f
ct
表示年平均碳交易收益；单位均为元。
[0068]
a1)年平均固定成本
[0069]
本实施例假定规划期为15年，将微能源网的固定成本平均折算到年，得到年平均固定成本：
[0070][0071]
式中：r表示贴现率，单位为％；n表示设备使用的年限；c
gt
为燃气轮机机成本；c
ba
是储能电池成本；c
pv
为光伏成本；c
wt
为风机成本；c
hse
为蓄热蓄冷单元成本；c
rb
为余热锅炉成本；c
abc
为溴化锂制冷机成本；c
ac
为电制冷机成本。
[0072]
本实施例中，贴现率取8％。
[0073]
a2)年运行成本
[0074]
微能源网系统的年运行成本包括发电机组消耗天然气的成本和从电网购电补足用电负荷需求的成本两部分。一般基于典型日负荷曲线或年负荷曲线，通过运行模拟得到微能源网发电机组和从电网购电的实时功率，进而计算发电量和从电网购电量，求得发电机组年消耗天然气成本和从电网购电的年成本。
[0075]
所述年运行成本为：
[0076][0077]
式中：f
gas
为天然气成本，单位为元；f
grid
为从电网购电成本，单位为元；p
gas
为天然气价格，单位为元/nm3；p
gt
(t)为燃气轮机出力功率，单位为kw；ηe为燃气轮机发电效率；hv
gas
为天然气热值，单位为mj/nm3；p
grid
(t)为电网分时电价，单位为元/kwh；p
grid
(t)为从电网购电量，单位为kwh；t表示一年的小时数。
[0078]
a3)年维护成本
[0079]
所述年维护成本为：
[0080][0081]
式中：c
gt_m
为燃气轮机机维护成本，c
ba_m
是储能电池维护成本，c
wt_m
为风机维护成本，c
pv_m
为光伏维护成本，为蓄热蓄冷单元维护成本，为余热锅炉的维护成本，为溴化锂制冷机维护成本，c
ac_m
为电制冷机维护成本；n表示各元件对应的装机台数，其下标表示对应的元件。
[0082]
a4)年平均碳交易收益
[0083]
随着全国碳排放权交易的正式开展，根据现有政策和数据进行计算，可以给风电、光伏项目带来每度电1.3～7.4分的额外收益，不同区域电网的排放因子在0.6894～0.9139t co2/mwh之间，全国平均为0.7819tco2/mwh。即，1mwh可再生能源电量可获得约
0.78吨ccer(1单位ccer可抵消1吨二氧化碳当量的排放量)。各地碳交易所成交价和成交量示意图如图3所示。
[0084]
所述年平均碳交易收益为：
[0085][0086]
式中：p
pv
和p
wp
分别表示光伏、风力年发电量，单位为kwh；m为二氧化碳排放因子，本实施例中取0.7819t co2/mwh；p
ct
表示碳交易价格，单位为元/t co2。
[0087]
b)环保成本目标函数
[0088]
为了满足可持续发展要求，微能源网系统在满足运行经济性的同时，还应该考虑到其环保性。微能源网系统在运行时的主要污染物是co2、so2、nox等大气污染物。
[0089]
所述环保成本目标函数为：
[0090][0091]
式中：c
wr
为环保成本目标函数；fi为微网设备单位功率对应的污染物排放量，单位为kg/kwh；p
gi
为微网设备发出功率，单位为kw。
[0092]
c)综合评价指标优化函数
[0093]
综合考虑微能源网系统运行经济性与环保性的多目标优化问题时，由于经济性和环保性之间往往不存在正相关关系，系统能量优化问题将属于一个多目标优化问题。对于一个多目标问题，其pareto最优解将会是一个解集，而不仅仅是一个唯一解。本发明将采取随机加权法将多目标问题转化为一个单目标问题，与固定加权法相比，随机加权法将在每次运行时给某一目标随机分配权重，并保证所有目标的总权重为1，从而能够从不同的搜索方向上寻找目标函数的最优解。最终的优化结果将取多次运行后的最小值。
[0094]
基于随机加权法对经济成本目标函数和环保成本目标函数进行加权处理得到综合评价指标目标函数如下：
[0095][0096]
式中：η1、η2均为随机数，c
sum
为综合评价指标目标函数，c
yx
为经济成本目标函数，c
wr
为环保成本目标函数。
[0097]
步骤2)建立优化调度约束条件；
[0098]
所述优化调度约束条件包括：线性不等式约束，线性等式约束，决策变量界限约束，非线性不等式约束，非线性等式约束，整数约束，二元约束。
[0099]
步骤3)基于线性/非线性-分支定界算法优化求解微能源网系统优化配置模型，得到最优配置方案。
[0100]
在优化配置时，涉及到的变量同时包含了连续和离散变量。离散变量为各配置下的台数，连续变量为各配置的实际负荷百分比。因此，所研究的问题为混合整数非线性规划问题(minlp)。minlp问题是一类包含连续与离散变量的非线性规划问题。一般情形下，minlp模型可以表述为以下形式：
[0101]
min
x
f(x)
[0102]
s.t.ax≤b
[0103]aeq
x＝b
eq
[0104]
lb≤x≤ub[0105]
c(x)≤d
[0106]ceq
(x)＝d
eq
[0107]
xi∈z,xj∈{0,1}
[0108]
其中，f是包含非线性目标函数的标量函数，该函数受以下约束：
[0109]
1、线性不等式约束：a是m
×
n的稀疏矩阵，b是m
×
1的向量；
[0110]
2、线性等式约束：a
eq
是k
×
n的稀疏矩阵，b
eq
是k
×
1的向量；
[0111]
3、决策变量界限约束：lb和ub是n
×
1个向量，其中-inf或inf分别表示无界的下限或上限；
[0112]
4、非线性不等式约束：c是包含非线性不等式约束的函数的u
×
1向量，d是u
×
1向量；
[0113]
5、非线性等式约束：c
eq
是包含非线性等式约束的函数的v
×
1向量，d
eq
是v
×
1向量；
[0114]
6、整数约束：xi是决策变量，必须为整数(..-2，-1、0、1、2..)；
[0115]
7、二元约束：xj是决策变量，必须为二进制数(0,1)，其中i≠j，二元约束看实际问题选择。
[0116]
通过基于线性/非线性-分支定界算法(lp/np based branch-and-bound，lp/nlp-bb)，可选择出满足所有约束的x值来最小化目标函数。相比于遗传算法，lp/nlp-bb算法在求解minlp问题时，具有好的收敛性，能找到全局最优解，且求解时间短。而遗传算法在面临多变量的minlp问题时，求解时间长，且往往只能找到局部最优解。
[0117]
所述线性/非线性-分支定界算法求解过程为：
[0118]
步骤3-1)初始化milp子问题，在根节点处求解minlp松弛问题，得其解集，并初始化线性化点集在节点处利用外逼近思想构建milp子问题，其中，
[0119]
所述minlp松弛问题为：
[0120]znlpr(li,ui)
＝min f(x,y)
[0121]
s.t.g(x,y)≤0,
[0122]
xi∈x,li≤y≤ui.
[0123]
步骤3-2)基于分支定界算法求解milp子问题，选择分支定界树的节点，求解lp子问题，若lp子问题不可行，则删除所述节点并重新搜索分支定界树；否则设为lp子问题的解，若为非整数，则对当前节点进行分支处理，若为整数，则求解第一nlp子问题；若第一nlp子问题可行，设为第一nlp子问题的最优解；当第一nlp子问题的最优解函数值小于当前上界时，更新上界；若第一nlp子问题不可行，则令为第二nlp子问题的最优解；利用第一nlp子问题或第二nlp子问题提供的解更新线性化点集并更新milp子问题；
[0124]
其中，第一nlp子问题为：
[0125][0126][0127]
x∈x.
[0128]
第二nlp子问题为：
[0129][0130][0131]
μ≥0,
[0132]
x∈x,μ∈rm.
[0133]
步骤3-3)检查分支定界树是否为空，若为空，则算法终止；否则重复步骤3-2)。
[0134]
下面通过一个具体的实施结果说明本发明所述微能源网规划优化方法的可行性。
[0135]
微能源网配置的规划取决于该地区电、冷、热负荷的特性。表1给出了某典型宾馆建筑物夏季、春秋过渡季和冬季1个典型日中电、冷、热负荷的最大值。
[0136]
表1
[0137]
季节典型日电负荷/kw冷负荷/kw热负荷/kw夏季55124256263过渡季563725922254冬季54585182754
[0138]
本实施例涉及的微能源网配置主要有：燃气轮机、余热锅炉、溴化锂制冷机、电制冷机、风机、光伏发电、储热单元、储冷单元。各配置具体容量如表2所示。
[0139]
表2
[0140][0141]
基于表1与表2的负荷需求和微能源网参数，采用本发明所述方法进行规划优化求解，得到计算结果如下：
[0142]
a.夏季典型日需要，200kw燃机1台，1000kw燃机5台，5000kw余热锅炉1台，4000kw溴化锂制冷机1台，1000kw电制冷机1台，320w光伏板388块，200kw风机1台，500kw冷储能1
台。此配置下，总固定成本为3624万元，年平均固定成本423万元，年平均运维成本529万元，年平均碳交易收益8.9万元，年平均燃料成本3602万元。co2年排放量1.42万吨，co年排放量22.7吨,so2年排放量5.89吨，nox年排放量10.87吨。
[0143]
b.冬季典型日需要，200kw燃机2台，1000kw燃机5台，5000kw余热锅炉1台，1000kw溴化锂制冷机1台，500kw电制冷机1台，320w光伏板541块，200kw风机1台，500kw电储能1台，500kw冷储能1台。此配置下，总固定成本为3592万元，年平均固定成本420万元，年平均运维成本432万元，年平均碳交易收益9.4万元，年平均燃料成本3709万元。co2年排放量1.48万吨，co年排放量23.6吨,so2年排放量6.14吨，nox年排放量11.34吨。
[0144]
c.春秋过度季典型日需要，1000kw燃机5台，5000kw余热锅炉1台，4000kw溴化锂制冷机1台，500kw电制冷机1台，320w光伏板463块，200kw风机1台，500kw风机3台，1000kw电储能1台，500kw冷储能1台。此配置下，总固定成本为4034万元，年平均固定成本471万元，年平均运维成本430万元，年平均碳交易收益46.99万元，年平均燃料成本3495万元。co2年排放量1.37万吨，co年排放量21.81吨,so2年排放量5.67吨，nox年排放量10.47吨。
[0145]
表3展示了计算得到的三种典型日的部件台数。
[0146]
表3
[0147][0148]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依据本发明的构思在现有技术的基础上通过逻辑分析、推理、或者有限的实验可以得
到的技术方案，皆应在权利要求书所确定的保护范围内。