天然氣冷熱電聯供分布式能源系統優化調度

1 概述

天然氣冷熱電聯供分布式能源系統，將燃氣輪機排放的低品位熱能用于供熱和制冷，實現了能量梯級利用，是一種高效的城市能源利用系統，是城市中公共建筑冷熱電供應的新途徑。目前，國內外學者對天然氣冷熱電聯供分布式能源系統的配置和運行優化方法進行了諸多研究。丁濤等人

概述了綜合能源系統優化模型的研究現狀、建模方法及現存問題，重點分析了綜合能源系統優化運行的研究方向、數學模型及求解方法。朱良君等人

采用EBSILON軟件建立了天然氣冷熱電聯供系統仿真模型，模擬了不同工況下系統綜合供能特性，用于指導系統高效運行。鄭杰輝

對以電網為主干網的綜合能源系統中分布式可再生能源、冷熱電聯供機組等設備建立了詳盡的優化模型，并對基于多目標優化和多屬性決策的優化運行策略展開研究。黃德煉

提出了一種面向多目標的熱電聯產系統運行規劃的優化模型，指出考慮系統運行經濟性的同時要兼顧能源的供需平衡，但并未詳細介紹如何優化求解。余倩等人

列出了包含可再生能源、天然氣和儲能電站互補發電的冷熱電聯供系統優化模型，并利用粒子群優化算法進行多目標優化求解。

綜合能源優化問題求解屬于非線性、非凸優化問題，當前主要采用現代數學規劃和啟發式算法

。現代數學規劃方法主要以混合整數非線性規劃為主，應用CPLEX等商業求解器進行求解。另一方面借助人工智能算法，通過啟發式算法來求解非線性優化問題。常用的啟發式算法包括遺傳算法

、粒子群優化算法

以及群搜索算法。

針對上述方法存在的問題，本文以文獻[1]的測量方法為參考，設計了測量鏈路，研究了互調發射測量數據隨被測發射機與干擾信號源間鏈路衰減量變化的規律，提出了通過調節測量鏈路衰減量以實現互調發射抑制比的精確測量方法.實測驗證結果表明，這種方法可操作性較好，能夠準確測量多種類型的互調發射抑制比，易于實現自動化測量.

本文以天然氣冷熱電聯供系統為研究對象，考慮能源供需平衡約束條件，建立系統日運行費用最小的優化目標。首先對粒子群優化算法進行改進，采用線性變化的慣性權重以及變化的學習因子，然后應用改進粒子群算法求解聯供系統優化調度模型。最后通過算例，分析聯供系統在夏季最優的運行優化結果，驗證該方法的可行性。

2 基于改進粒子群優化算法的優化模型

2.1 粒子群優化算法原理

粒子群優化(PSO)算法是一種啟發式人工智能算法，算法簡單，易于實現。假設粒子群中有

個粒子，每個粒子有

個維度。通過粒子群中個體之間的協作和信息共享來尋找最優解，PSO算法流程圖見圖1。首先對粒子群各個粒子的位置和速度進行隨機初始化，然后通過所定義的目標函數計算所有粒子的目標函數。目標函數值最小的粒子適應度最優。每個粒子在歷次迭代中適應度最優的位置稱為個體最優解

，整個粒子群在歷次迭代中適應度最優的位置稱為全局最優解

。將當前某個粒子位置對應的適應度，與該粒子個體最優解

和全局最優解

相比較，若更優則更新

、

，并根據最新

、

更新粒子的位置、速度。根據新位置再次計算粒子的目標函數，重復以上流程，當達到最大迭代次數或

在連續2次迭代中的差滿足最小界限時，輸出全局最優解并結束流程。

(1)

(2)

國家老齡化研究所負責監管這筆新基金，所長理查德·霍德斯（Richard Hodes）稱，研究所不僅僅想擴大現有的阿爾茨海默病實驗室，還希望從其他領域吸引像貝克這樣的研究人員，帶來新的觀念，而且許多研究人員正在做出回應。研究老齡化問題的西雅圖市華盛頓大學教授馬特·凱伯林（Matt Kaeberlein）說：“為了爭取到這筆基金，幾乎所有我認識的人都在他們的資助申請中說到了‘阿爾茨海默病’這個詞。”

、

——學習因子

、

——迭代過程中生成的隨機數，取值范圍為[0,1]

——慣性權重

2.2 改進粒子群優化算法

為了更好地解決全局搜索與局部搜索能力的平衡問題，加快算法的收斂速度，本文采用改進PSO算法，將原有的固定慣性權重

改為線性慣性權重，采用變化的學習因子

、

。第

次迭代的慣性權重

的計算式為

：

現代醫學認為，特發性胎兒生長受限發病與胎盤功能障礙有密切聯系，不正常胎盤形成過程中引起血管重鑄不良，增加特發性胎兒生長受限發生幾率[7]。引起特發性胎兒生長受限致病的可能胎盤因素主要包括：胎盤解剖學異常、胎盤血管形成不良、胎盤發育形態學異常及染色體異常等[8-9]。其中胎盤血管形成不良造成胎盤血流灌注不足為特發性胎兒生長受限發病常見原因，而圍產期臍動脈血流情況是臨床上常用來評價胎盤血流灌注情況的重要指標。

(3)

式中

——第

次迭代的慣性權重

——慣性權重的初始值,取較大值

一些水利工程施工單位為了控制成本，招聘的施工人員和現場管理人員業務水平較低，將會嚴重影響水利施工項目的質量和管理水平。

——最大迭代次數

第三，糾紛解決主體構成的反差。“狗咬羊”案中，糾紛解決主體呈現出多元化，門頭權威、村干部、警察都參與到糾紛解決之中。正是由于糾紛解決資源的豐富，才使得在當時看來頗為困難的糾紛最終得以解決；而“羊吃花生”案中，門頭權威沒有出面，村干部的調解流于表象，派出所依照法律規定不予理會，以至于兄弟多門頭強的胡光寶只能依靠自己的個人能力去解決糾紛。

——迭代到最大次數時的慣性權重，取較小值

根據式(3)，迭代初期，慣性權重較大，具有較強的全局搜索能力；迭代后期，慣性權重逐漸減小，可以保持較強的局部搜索能力。

第

次迭代的學習因子的計算式為

：

(4)

教師敘事探究營造安全無恐懼的氛圍，對暫懸習性反應，對開啟一個深微、純凈、舒緩的場域空間，意義重大。因此，促使注意力場結構趨向U底“源頭”變遷，個體和集體觸及直覺、洞察、創造力“源頭”，是敘事探究喚醒心靈回歸自身認同與完整的終極意義。

、

——迭代到最大次數時學習因子

式中

L,

——

時段內用戶側電負荷需求，kW

、

——學習因子的初始值

3 天然氣冷熱電聯供系統模型

3.1 天然氣冷熱電聯供系統概況

天然氣冷熱電聯供系統(簡稱聯供系統)的常見結構見圖2。燃氣輪機消耗天然氣，發電后將余熱收集，通過余熱鍋爐和溴化鋰吸收式制冷機提供熱量和冷量，滿足冷熱電負荷。

3.2 聯供系統夏季優化模型

① 優化變量

采用數學建模對圖2中聯供系統主要設備功率進行優化。夏季只考慮電負荷、冷負荷，不考慮熱負荷。優化變量包括燃氣輪機的凈發電功率、電空調制冷量、溴化鋰吸收式制冷機的制冷量。

在一對一場景的充電過程中，移動設備將來的位置只與其當前位置有關，而與其過去位置無關[12]。因此，可采用離散馬爾科夫鏈的數學理論來分析系統性能。在基于波束成形的無線充電系統中，由于設備的移動兩設備間的相對位置可能會超出波束區域，造成充電中斷。此時，則需要重新掃描后再建立兩端連接。因此，系統進行掃描、連接環節的次數以及成功概率為本文的研究重點。

② 目標函數

以系統

時段內運行成本最小為目標函數，該運行成本包括燃氣費用、購電費用、運行維護費用以及排污處理費用，目標函數如下：

min

=min (

+

grid,

+

MT,

+

MT,

)

(5)

式中

、

——燃氣輪機凈發電功率的下限、上限，kW

——天然氣單價，元/m

——

時段內燃氣輪機消耗的天然氣量，m

——購電單價，元/(kW·h)

grid,

——

時段內聯供系統從電網取得的電功率，kW

——燃氣輪機單位凈發電功率的運行維護費用，元/kW

只有煉苗方法適宜，其他綜合技術配套，煙葉質量才能達到最佳水平。為了探討出更適宜當地烤煙生產的煉苗方法，使當地的烤煙產量與品質都達到最佳水平［4］，筆者于2018年在云南省龍陵縣臘勐鎮進行了不同煉苗方法試驗，探討適合當地的煉苗方法。

MT,

——

時段內燃氣輪機的凈發電功率，kW

——燃氣輪機單位凈發電功率的排污處理費用，元/kW

以

=3為例，3時段指2:00—3:00。

該系統由監測子系統、信息匯集與會商決策平臺和預警子系統組成，可實時向各級政府、相關社會機構和社會公眾提供山洪災害預警服務，爭取有效防范時間，采取避災措施，大大提高了舟曲縣防御山洪災害的水平和能力，可最大程度地減少山洪災害造成的人員傷亡和財產損失。

③ 約束條件

電功率平衡約束條件見式(6)。

MT,

+

grid,

=

L,

+

air,

(6)

淡水浮游動物主要由原生動物、輪蟲、枝角類和橈足類組成[1]，其生物量的大小與合適程度在淡水濾食性魚類的養殖中具有重要的意義。因此，對水域中浮游動物的調查研究具有重要的生態和經濟意義[2]。有關漳澤水庫浮游動物類群研究報道極少，本文調查研究了春、夏季漳澤水庫浮游動物的群落組成和現存量的動態變化，并利用綜合多樣性指數對漳澤水庫的水質營養狀態進行確定，旨在為漳澤水庫水環境評價與保護、漁業資源合理利用和可持續發展提供理論依據。

air,

——

時段內電空調的耗電功率，kW

冷負荷平衡約束條件見式(7)。

(7)

在式(1)中，若

為0，則表示粒子不具有對自身速度的保留，此時粒子會在局部尋優，削弱了全局尋優能力。反之，

越大則粒子的全局尋優能力越強。

MT,

——

時段內燃氣輪機排放的高溫煙氣熱流量，kW

時段內燃氣輪機消耗的天然氣量

的約束條件見式(8)。

(8)

式中

——天然氣低熱值，kW·h/m

，取9.7 kW·h/m

——燃氣輪機發電效率

時段內燃氣輪機排放的高溫煙氣熱流量

MT,

的約束條件見式(9)。

(9)

式中

——燃氣輪機能量損耗率

≤

MT,

≤

(10)

式中

——系統

時段內運行成本，元

3.3 聯供系統冬季優化模型

① 優化變量

冬季聯供系統只考慮電負荷、熱負荷，不考慮冷負荷。優化變量為燃氣輪機的凈發電功率、電空調供熱量、余熱鍋爐的供熱量。

其一，中小學教師對數據分析觀念研究的關注度還不夠重視.實際上，中小學教師是滲透數據分析觀念教學的實踐者.教師應提高對數據分析觀念的關注度并應用于教學.其二，各研究者傾向于獨立研究，合作研究所占比例較小.今后的研究可鼓勵高校等研究者與中小學教師相互合作，運用豐富的理論知識、多元的研究方法，打破割裂狀態，走向合作性探究.

② 目標函數

目標函數和夏季優化模型相同。

③ 約束條件

電功率平衡約束條件、

時段內燃氣輪機消耗的天然氣量

的約束條件、

時段內燃氣輪機排放的高溫煙氣熱流量

MT,

的約束條件與夏季優化模型相同。

作為國人耳熟能詳的寓言故事，“亡羊補牢”意為失羊修圈尚不算晚，喻行事出錯也可補救。若將“牢”喻作人才成長環境，人才則為“羊”。于“羊”，“亡羊而補牢，未為遲也”；于人，則“亡牢而補羊，于事無補”。

熱負荷平衡約束條件見式(11)。

(11)

今年前三季度，云南省銀行業金融機構增強小微企業信貸供給能力，多措施緩解小微企業融資難融資貴難題，在多方共同努力下，全省小微企業融資難得到有效改善。

4 基于改進PSO算法的聯供系統優化

4.1 優化模型參數

為滿足能源的供需平衡，實現聯供系統的經濟運行，本文采用基于改進PSO算法的聯供系統優化調度模型。該調度模型需要根據未來24 h冷、熱、電負荷及電價，通過Matlab建立基于改進PSO算法的數學模型，求解未來24 h各關鍵設備的啟停狀態和功率，以及從電網的取電計劃。

以某生態園區聯供系統為研究對象，該系統包含1臺燃氣輪機、1臺電空調、1臺溴化鋰吸收式制冷機。所選場景為夏季，調度周期為24 h，以1 h為時間間隔，即分為24個時段。逐個時段進行優化計算，得出每個時段的優化結果。

粒子群粒子數

為80，維度

為3，分別代表燃氣輪機的凈發電功率、電空調制冷量和吸收式制冷機的制冷量。首先對粒子群初始化，每個粒子的初始位置設定為各設備參數約束范圍內，初始速度設為0。迭代次數

為500，

為1.2，

為0.1。學習因子

、

取2.5,

、

取0.5，

隨迭代次數的增加線性減小，

則線性增加。

、

由代碼中隨機函數生成。考慮峰谷電價差異，購電單價為實時價格。天然氣單價為3.85元/m

。燃氣輪機單位凈發電功率的運行維護費用為0.038元/kW，單位凈發電功率的排污處理費用為0.215 5元/kW。

基于改進PSO算法的優化流程見圖3。首先根據設備參數以及相應約束條件，初始化粒子速度、位置等參數，然后以聯供系統運行成本最小為目標函數，根據式(5)計算每個粒子的目標函數，確定全局最優解和個體最優解。根據式(3)、(4)依次更新慣性權重、學習因子，再按照式(1)、(2)更新粒子速度和位置，如未達到最大迭代次數，則重新計算粒子的適應度并重復上述步驟。達到最大迭代次數后輸出最優結果。

4.2 算例分析

為了驗證改進PSO算法的有效性，對采用PSO算法和改進PSO算法求解的優化結果進行對比，見圖4。

由圖4可以看出，改進PSO算法在收斂速度和全局收斂能力上比PSO算法有明顯提高，尤其是對于全局最優解搜索有了很大改進，避免了陷入局部最優解。

改進PSO算法保證了運行成本最低。優化后未來24 h內各用電設備功率見圖5。8:00—16:00高峰時段，燃氣輪機凈發電功率較大，系統從電網取電功率較小；20:00—21:00高峰時段，為滿足制冷用電需求，同樣增大燃氣輪機凈發電功率，減小從電網取電功率。該優化調度方案對一天中兩個電負荷高峰時段，起到了削峰作用。16:00—20:00時段、21:00—8:00時段電負荷處于低谷時，電價較低，增大了系統從電網取電功率，起到了填谷的作用。通過削峰填谷，該優化調度方案降低了從電網購電的成本。

夏季氣溫較高，冷負荷很高，由溴化鋰吸收式制冷機和電空調滿足該需求，優化后未來24 h的各設備制冷量見圖6。

由圖6可知，8:00—16:00、20:00—21:00這2個時段電價較高，溴化鋰吸收式制冷機處于較大負荷率制冷狀態，增加了天然氣的使用，同時減小了電空調制冷量。16:00—20:00、21:00—9:00時段對供冷需求減少，且電價較低，此時溴化鋰吸收式制冷機制冷量較低，主要由電空調提供更多冷負荷。

5 結論

基于改進粒子群算法，提出天然氣冷熱電聯供系統中各設備的優化調度模型，考慮冷熱電平衡和各設備的運行約束條件，通過采用線性變化的慣性權重和變化的學習因子，提高了收斂速度，得到更優化的結果，確保聯供系統運行成本最小。

通過算例分析，得出聯供系統在夏季冷負荷、電負荷高峰時段，增大燃氣輪機凈發電功率和溴化鋰吸收式制冷機制冷量，增加了燃氣消耗量，減少從電網取電功率，降低了夏季電網的供電壓力，對電力和燃氣起到了雙重削峰填谷作用，具有良好的經濟性。

[1] 丁濤，牟晨璐，別朝紅，等. 能源互聯網及其優化運行研究現狀綜述[J]. 中國電機工程學報，2018(15)：4318-4328.

[2] 朱良君，王世朋，趙大周，等. 基于EBSILON的冷熱電三聯供系統及能量利用特性[J]. 科學技術與工程，2021(11)：4445-4451.

[3] 鄭杰輝. 綜合能源系統優化運行及其決策算法研究(博士學位論文)[D]. 廣州：華南理工大學，2017：31-46.

[4] 黃德煉. 一種面向多目標的分布式冷熱電三聯供系統的優化模型[J]. 華電技術，2014(2)：1-3，7，78.

[5] 余倩，黃亮. 基于粒子群算法的冷熱電聯供系統優化調度[J]. 寧夏電力，2021(4)：15-21.

[6] 劉赫川，周孝信，楊小煜，等. 考慮天然氣季節性存儲的綜合能源系統年度運行方式研究[J]. 中國電力，2022(4)：145-155.

[7] MILAN C，STADLER M，CARDOSO G，et al. Modeling of non-linear CHP efficiency curves indistributed energy systems[J]. Applied Energy,2015,148:334-347.

[8] 魏大鈞，張承慧，孫波. 計及變負荷特性的小型冷熱電聯供系統經濟優化運行研究[J]. 電網技術，2015(11)：3240-3246.

[9] 趙鑫，鄭文禹，侯智華，等. 基于粒子群優化算法的多能互補系統經濟調度研究[J]. 華電技術，2021(4)：14-20.