[发明专利]区域分布式冷热电多联产系统混合整数非线性模型优化方法

说明书

技术领域

本发明涉及冷热电联供系统技术领域，具体涉及区域分布式冷热电多联产系统混合整数非线性模型优化方法。

背景技术

“大机组、高电压、大电网”的产能供能模式弊端日益显露，能源消耗与环境危机成为社会发展不可忽视的问题。坚持传统的能源利用方式不能使资源有效的循环利用，会使社会的整个资源环境加剧恶化，并且造成能源的快速枯竭。因此，伴随着政府液化天然气激励政策与节能减排指标的倡导，综合梯级用能系统——冷热电多联产(Combined cooling heating and power，简称CCHP)作为跨领域的学科整合与技术集成为解决能源、环境的可持续发展提供了一条新的思路。

CCHP冷热电多联产是一种建立在能源梯级利用概念的基础之上，把热电联产技术与制冷技术相结合，将发电、制热(采暖与热水供应)及制冷过程一体化的多联产总能系统。该系统对不同温度的热量进行分级利用，品位高的热能用于发电，品位低的热源用于制冷或者供热，从而避免高温乏汽直接排至空气中造成浪费与污染，提高能源综合利用效率，具有良好的经济效益与环境效益。

CCHP多联供倡导增加综合利用多项分布式产能技术和辅助供能技术，包括先进的燃气轮机、微型透平机、先进的内燃机、燃料电池、可再生系统能源发电技术，吸收式制冷机、电制冷机以及各种能量源热泵、干燥及能源回收系统、引擎驱动及电驱动蒸汽压缩系统，储热、蓄冷、储电设备。

CCHP系统运行的性能参数在很大程度上取决于引进生产技术的设备容量及其运行策略。因此，有必要进行专业的可行性建模方案以确保系统能够完美的匹配用户的负载需求的同时实现预期的经济效益、环境效益以及节能效益指标。很显然单一的目标优化不足以满足前述提出的对CCHP的工程实践，集成多目标优化才能够为理想的运行性能提供协调解决方案。传统的多目标处理方法可分为三大类：目标约束法是在多目标优化问题中选取其中的一个子目标作为新优化问题的目标函数，将其它子目标转化为约束条件。这种方法实现多目标最优化时存在人为因素，需要技术人员的经验的积累；目标规划法则首先单独求出各子目标函数的最优解，然后进行归一化求和，最终实现多目标优化。这种方法虽然可以避免人为因素的影响，但归一化求和后所得的最优解往往不能满足多目标优化问题的实践要求；目标加权法是将多目标优化问题中的各个子目标按照线性组合的方式将多目标优化转化为单个总体目标然后进行优化求解。加权系数由人为地根据各个子目标函数的重要程度进行分配。可见，这种算法明显地带有主观性，需要在工程实践中不断地进行改进。

在优化算法的选取上，多数研究选取的优化算法包括随机试验法、内点罚函数法与外点罚函数法、序列二次规划法等直接或间接优化算法以及局部搜索、模拟退火、遗传算法和人工神经网络优化算法等智能优化算法。优化算法通过对自然现象的模拟，从而抽象出符合一定规律的数学模型，为解决复杂的工程实践提供了重要的技术方法，然而其随机搜索的性质决定了其计算速度慢的缺陷。

发明内容

本发明的目的在于提供一种即克服传统多目标模型处理方法过于主观性的处理模式，又区别于随机智能寻优算法的计算复杂性的混合整数非线性数学规划方法，针对具有逐时冷、热(蒸汽、热水)、电负荷时序模型的区域进行分布式供能系统设计，依据区域综合能源系统总体规划目标拟定系统产能技术的组成，优化产能设备的台数，配置产能设备的额定容量，并且通过模型优化输出的运行状态反馈对区域现有建筑的围护结构进行具有明确依据性的改造。本发明同时考虑能源规划的经济效益、节能效益以及环保效益，利用熵权法取代传统人为给定加权数值作为多目标权重数值计算方法减轻人为因素的影响，利用通用代数建模软件GAMS实现合理地、准确地、快速地寻找最优解的CCHP冷热电多联产系统设计与运行优化。

具体方案如下：区域分布式冷热电多联产系统混合整数非线性模型优化方法，包括以下步骤：

S1、建立对象区域内不同季节内的典型日时序冷、热和电负荷模型；

S2、根据负荷模型的负荷结果数据，在CCHP系统中分别选取能量生产技术设备和能量存储技术设备，搭建CCHP系统能量生产传输流程，并对所有选取的技术设备进行数学建模；

S3、构建CCHP系统运行的能量守恒约束条件以及技术可行的边界条件，构建可寻优运算空间，缩小算法寻优范围提高计算速度及准确性；