一种CCHP型微电网调度优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111160636A(43)申请公布日2020.05.15(21)申请号201911319403.1(22)申请日2019.12.19(71)申请人广东工业大学地址510060广东省广州市越秀区东风东路729号(72)发明人庄仲吴杰康杨金文余方明何家裕梁继深(74)专利代理机构广州粤高专利商标代理有限公司44102代理人张金福(51)Int.Cl.G06Q10/04(2012.01)G06F30/20(2020.01)G06Q50/06(2012.01)权利要求书6页说明书13页附图1页(54)发明名称一种CCHP型微电网调度优化方法(57)摘要本发明涉及一种CCHP型微电网调度优化方法，所述方法包括：S1：构建数据矩阵和变量矩阵；S2：构建目标函数以及约束条件；S3：初始化布谷鸟算法发现概率参数，并随机产生初始鸟巢；计算各鸟巢位置相应的适应度值，记录当前最佳鸟巢位置；S4：更新鸟巢位置，得到新的鸟巢位置，计算搜索步长以及发现概率，计算更新后各鸟巢位置的相应适应度，比较后更新最优鸟巢位置；S5：采用随机数与发现概率比较，保留发现概率较小的鸟巢，随机更新发现概率大的鸟巢位置，得到一组新的更优的鸟巢位置；S6：判断是否满足算法终止条件，若满足则输出结果，否则返回S4。本发明可提高独立微电网承受可再生能源的随机变化性影响的能力。CN111160636ACN111160636A权利要求书1/6页1.一种CCHP型微电网调度优化方法，其特征在于，所述方法包括：S1：输入CCHP型微电网原始数据集，并构建数据矩阵和变量矩阵；S2：构建CCHP型微电网目标函数以及约束条件；S3：初始化布谷鸟算法发现概率参数，并随机产生初始鸟巢；计算各鸟巢位置相应的适应度值，记录当前最佳鸟巢位置；S4：更新鸟巢位置，得到新的鸟巢位置，计算搜索步长以及发现概率，计算更新后各鸟巢位置的相应适应度，比较后更新最优鸟巢位置；S5：采用随机数与发现概率比较，保留发现概率较小的鸟巢，随机更新发现概率大的鸟巢位置，得到一组新的更优的鸟巢位置；S6：判断是否满足算法终止条件，若满足则输出结果，否则返回S4。2.根据权利要求1所述的CCHP型微电网调度优化方法，其特征在于，S1具体为：构建调度日前的CCHP型微网原始输入数据模型，并输入原始数据，包括：历史电负荷、热负荷、风速数据、光照时长、实时电费交易价格、储能系统当前状态、预测微电网电负荷、热负荷、冷负荷、风电机组输出功率、光伏机组输出功率、燃气使用量；得到分别为温度、光照强度、风速、预测电负荷、预测热负荷、预测冷负荷的输入矩阵：其中，XH1、XH2、...、XH6分别表示温度、光照强度、风速、预测电负荷、预测热负荷、预测冷负荷；将输入矩阵代入模型得到光伏机组、风电机组运行状态矩阵；将微电网中微燃机发电功率、储能装置运行充放电量、系统与电网交互电量分别作为变量，构建变量矩阵：其中，X1、X2、X3分别为微燃机发电功率、储能装置运行充放电量、系统与电网交互电量。3.根据权利要求2所述的CCHP型微电网调度优化方法，其特征在于，S2中的目标函数为：(1)以能源利用率为优化目标函数：ECCHP(t)为系统消耗的电能；HCCHP(t)为系统消耗的热能；CCCHP(t)为系统消耗的冷能；FCCHP(t)为系统消耗的一次能源；(2)以微电网自身缺电率为优化目标函数：2CN111160636A权利要求书2/6页其中，PL(t)为为微网电负荷，PPV(t)为光伏输出功率，PWT(t)为为风电机组实时功率，PMT(t)为微燃机输出电功率，PSOC(t)为蓄电池充放电功率；(3)以运行成本部为优化目标函数：minf3＝Cinf+Cfuel+Com+CgridCinf为设备初始投资年等值成本；Cfuel为系统燃料费用；Com为系统运行费用；Cgrid为微电网与电网交换的功率费用；Cinf＝R(Pcap.MT·CMT+Pcap.WT·CWT+Pcap.PV·CPV+Pcap.inv·Cinv+Pcap.GB·CGB+Pcap.SOC·CSOC+Pcap.RB·CRB+Pcap.AC·CAC)式中，CMT为微燃机投资单位容量成本；CWT为风电机组单位容量成本；CPV为光伏机组单位容量成本；Cinv为逆变器单位容量成本；CGB为燃气锅炉单位容量成本；CSOC为蓄电池单位容量成本；CRB为余热锅炉单位容量成本；CAC为吸收式制冷机单位容量成本；下标cap表示设备额定容量；R为资金年回收率；n为设备使用年限；r为折现率，加权平均资本成本；系统燃料费用：EMT(t)为微燃机耗气量，EGB(t)为燃气锅炉耗气量；系统运行费用：式中，Kom,i为不同系统设备运行维护费用，KMT(t)