[发明专利]一种基于MOPSO/CC的综合能源系统优化调度方法

说明书

本发明公开了一种基于MOPSO/CC的综合能源系统优化调度方法，包括以下步骤，S1：获取综合能源系统参数；S2：生成综合能源系统的目标函数以及条件约束表达式；综合能源系统的目标函数包括运行成本目标函数、污染气体排放量目标函数和网络损耗目标函数，条件约束包括功率负荷平衡约束、水电转换约束、线路输电安全约束、发电机有功出力约束和禁止工作区间约束；S3：根据步骤S2中综合能源系统的目标函数，在满足条件约束的情况下建立综合能源系统优化模型；S4：采用MOPSO/CC方法求解步骤S3中的综合能源系统优化模型，得到优化调度结果。本发明综合考虑了成本、污染气体排放量和网络损耗因素，可协调不同利益主体的调度需求，更全面的对综合能源系统进行优化调度。

技术领域

本发明涉及能源环境技术领域，尤其涉及一种基于MOPSO/CC的综合能源系统优化调度方法。

背景技术

随着社会的快速发展，电力需求越来越大，传统化石能源不可再生，燃烧过程会产生大量的温室气体、SO₂及其它有害气体，引起严重的环境问题。近年来，为了应对环境问题，风电与光伏等可再生能源发电技术受到了持续关注，电网中的可再生能源渗透率不断提高。风力发电与光伏发电等可再生能源发电技术的输出功率具有随机性、间歇性与低可预测性等特性，但传统电力系统优化调度主要关注火电、水电机组的出力优化。这使得风电消纳能力不高，局部弃风现象频发，给传统电力系统优化调度带来了全新的挑战。综合能源系统通过多源联供、多能耦合、多能互济、多荷交叉等措施来提高能源的综合利用效率，已成为能源领域的一个重要研究方向，其优化运行涉及不同利益主体之间的相互协调，综合能源系统优化调度是一个多能源、多目标、大规模的非线性优化问题。

多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)是一种利用粒子群体优化求解多目标优化问题的算法，其具有良好的收敛性，计算简单，参数较少，受到了国内外学者的广泛关注。随着实际应用问题的复杂化，许多实际应用问题中含有成百上千个变量，由此产生上千个决策变量，这对多目标粒子群优化算法遭遇的“维度灾难”是一种考验，因为其优化性能随着变量的增加而显著下降，多目标粒子群优化算法已经难以满足实际应用问题的需要。为了解决这一瓶颈问题，部分学者从变量分解的角度进行研究，首先将大规模变量分解为若干个维度适中的变量组，然后将每组变量视为一个子种群，再通过子种群间的协同进化实现问题求解，这种“分而治之”的方法称为协同进化(Cooperative Co-evolution,CC)，该方法显著地提高了多目标粒子群优化算法在大规模变量优化问题上的求解效率，备受关注。

发明内容

针对上述存在的问题，本发明旨在提供一种基于MOPSO/CC的综合能源系统优化调度方法，通过建立综合能源系统优化模型，利用MOPSO/CC算法对优化模型进行求解，考虑综合能源系统的经济性、环保性与系统损耗等因素，对火力发电机组、水力发电机组、风力发电机组和光伏发电机组进行调度。

为了实现上述目的，本发明所采用的技术方案如下：

一种基于MOPSO/CC的综合能源系统调度方法，其特征在于，包括以下步骤，

S1：获取综合能源系统参数；

S2：生成综合能源系统的目标函数以及条件约束表达式；

S3：根据步骤S2中综合能源系统的目标函数建立综合能源系统优化模型；

S4：采用MOPSO/CC方法求解步骤S3中的综合能源系统优化模型，得到调度结果。

进一步的，步骤S1中采用数据虚拟化技术获取综合能源系统参数。

进一步的，所述综合能源系统的目标函数包括运行成本目标函数、污染气体排放量目标函数和网络损耗目标函数，所述条件约束包括功率负荷平衡约束、水电转换约束、线路输电安全约束、发电机有功出力约束和禁止工作区间约束。