一种多能互补智能优化与控制方法与流程

本发明涉及能源优化，特别涉及一种多能互补智能优化与控制方法。

背景技术：

1、多能互补智能优化与控制技术是一种集成和优化多种能源系统(如太阳能、风能、电网以及其他可再生能源)的技术。它利用智能算法来实现能源的最优配置和使用，旨在提高能效，降低成本，并促进可再生能源的利用。

2、现有技术的发展现状：

3、(1)技术融合：随着人工智能、大数据、云计算等先进技术的发展，多能互补系统能更加智能地预测能源需求、优化能源分配，并实时调节能源供给。

4、(2)标准化和模块化设计：为了提高系统的兼容性和可扩展性，多能互补系统趋向于采用标准化和模块化的设计，这有助于简化系统集成和提高系统的灵活性。

5、(3)政策支持和激励：全球范围内的政策支持和激励措施促进了多能互补技术的研发和应用，包括对可再生能源项目的财政补贴、税收减免等。

6、(4)应用场景扩展：除了传统的电力和热能供应外，多能互补技术正逐渐应用于电动汽车充电、农业、工业生产等更多领域。

7、现有技术存在的问题：

8、(1)成本和经济性：尽管技术进步降低了多能系统的成本，但初期投资仍然较高。此外，不同地区的经济性差异大，影响了技术的广泛推广。

9、(2)技术复杂性和系统集成：多能互补系统涉及多种能源技术的集成，系统设计和管理的复杂性较高，这对技术人员的专业能力提出了更高的要求。

10、(3)能源调度和优化算法：虽然已有多种智能算法被提出用于能源调度和优化，但算法的实时性、准确性和鲁棒性仍需进一步提高，尤其是在面对复杂环境和突发事件时。

11、(4)法规和标准：缺乏统一的法规和标准制定，使得不同系统和设备间的互操作性成问题，限制了技术的进一步集成和优化。

12、(5)公众接受度和知识普及：多能互补技术的复杂性和新颖性使得公众对其的理解和接受度有限，需要通过教育和宣传来提高公众意识。

13、总的来说，多能互补智能优化与控制技术正处于快速发展阶段，具有巨大的应用潜力和市场前景。然而，要实现这一技术的广泛应用和推广，还需克服上述挑战，包括降低成本、简化系统设计、提高算法性能、完善法规标准和提升公众意识。

技术实现思路

1、本发明的目的旨在至少解决所述技术缺陷之一。

2、为此，本发明的目的在于提出一种多能互补智能优化与控制方法，通过高效的储能管理和新能源配置，实现系统供能的高可靠性和经济性。

3、为了实现上述目的，本发明的实施例提供一种多能互补智能优化与控制方法，包括如下步骤：

4、步骤s1，根据各个能源设备的供能特性、负荷需求和能源转换效率，建立多能互补系统的数据模型，包括：建立供能设备模型、建立储能设备模型、建立能源转换设备模型；

5、步骤s2，定义系统运行的约束条件，并根据所述约束条件定义数学优化模型的优化目标函数，其中，所述约束条件包括：能量平衡约束条件、设备运行限制条件、能源转换效率约束条件和环境排放限制条件；

6、步骤s3，采用改进的混沌小生境粒子群优化算法对所述优化目标函数进行求解，以通过所述混沌小生境粒子群优化算法求解得到的当前全局最优解，作为多能互补系统的最优能源配置方案；

7、步骤s4，实时监控系统运行状态，在实际运行过程中收集系统运行数据，根据优化求解得到的最优能源配置方案，对系统性能进行监测和评估；根据实际运行情况和外部环境变化，定期对所述多能互补系统的数据模型和改进的混沌小生境粒子群优化算法进行调整和优化，形成闭环反馈。

8、进一步，所述步骤s1中，

9、所述建立供能设备模型，包括：建立风力发电机组模型和建立光伏发电系统模型；其中，

10、建立风力发电机组模型为：

11、pwt＝f(vwind)

12、其中，pwt是风力发电机组的功率输出，vwind是风速，f是由风速到功率输出的非线性函数；

13、建立光伏发电系统模型为：

14、ppv＝apv*ηpv*isolar

15、其中，ppv是光伏发电功率，apv是光伏板面积，ηpv是光伏板转换效率，isolar是太阳辐射强度；

16、所述建立储能设备模型，包括：建立电池储能系统模型和建立热水储存模型，其中，

17、建立电池储能系统模型为：

18、充电过程：ebess,charge＝ηcharge*pcharge*δt

19、放电过程：

20、其中，ebess是电池储能的能量变化，pcharge和pdischarge分别是充电和放电功率，ηcharge和ηdischarge分别是充放电效率，δt是时间间隔；

21、建立热水储存模型为：etss＝mwater*cwater*(thot-tcold)

22、其中，etss是储存的热能量，mwater是水的质量，cwater是水的比热容，thot和tcold分别是热水和冷水的温度；

23、所述建立能源转换设备模型，包括：建立热泵模型和建立电锅炉模型，其中，

24、建立热泵模型为：

25、其中，cophp是热泵的性能系数，qoutput是热泵提供的热量，pinput是热泵的电力输入；

26、建立电锅炉模型为：qeb＝ηeb*peb

27、其中，qeb是电锅炉产生的热量，peb是电锅炉的功率输入，ηeb是转换效率。

28、进一步，在所述步骤s2中，

29、所述能量平衡约束条件为：

30、电能平衡：pwt+ppv-pcharge+pdischarge＝pel+php+peb；

31、热能平衡：qoutput,hp+qeb-qtss,discharge＝qtl+qtss,charge。

32、进一步，在所述步骤s2中，所述设备运行限制条件为：

33、风电、光伏最大功率：pwt≤pwt,max,ppv≤ppv,max；

34、电池储能容量：0≤ebess≤ebess,max；

35、热水储存容量：0≤etss≤etss,max。

36、进一步，在所述步骤s2中，所述能源转换效率约束条件为：

37、热泵cop范围:copmin≤cophp≤copmax；

38、电锅炉转换效率:ηeb,min≤ηeb≤ηeb,max。

39、进一步，在所述步骤s3中，所述采用改进的混沌小生境粒子群优化算法对所述优化目标函数进行求解，包括：

40、步骤s31，生成初始粒子群，每个粒子代表系统中各能源设备的一种配置；利用混沌映射生成初始解；

41、步骤s32，对每个粒子，根据多能互补系统的数学模型计算其适应度值；根据适应度值更新每个粒子的个体最优解和整个粒子群的全局最优解；

42、步骤s33，引入混沌搜索替换或扰动部分粒子的位置，通过过小生境技术将粒子群分成多个子群，作为小生境，在每个小生境内部执行改进的混沌小生境粒子群优化算法；

43、步骤s34，根据当前速度、个体最优位置和全局最优位置，按照pso算法的速度更新公式调整粒子的速度；根据更新后的速度调整粒子的位置；

44、步骤s35，执行收敛判断，检查算法是否满足停止准则，如达到最大迭代次数或全局最优解的改进小于阈值，则判断满足停止准则；如果未达到停止准则，继续执行上述评估、更新、混沌搜索和小生境处理步骤；

45、步骤s36，当满足收敛条件时，输出当前全局最优解作为多能互补系统的最优能源配置方案。

46、进一步，在所述步骤s31中，每个粒子代表系统中各能源设备的一种配置，所述配置包括：发电功率、发电量和储能状态。

47、进一步，在所述步骤s34中，利用混沌序列决定是否对粒子位置进行微调。

48、进一步，在所述步骤s4中，所述根据优化求解得到的最优能源配置方案，对系统性能进行监测和评估，包括；对发电计划、负荷调度方案和储能装置充放电策略进行监测评估。

49、进一步，监测系统的发电量曲线与原发电量曲线，若发电量曲线下降，则判断有节电效果；

50、监测负载运行功率与运行状态，若负载功率稳定且长期稳定运行，则判断满足负载运行需求；

51、监测优化后发电量与用电量的差值与优化前的差值，若差值下降，则判断说明提高能源利用率。

52、根据本发明实施例的多能互补智能优化与控制方法，具有以下有益效果：

53、(1)提高能源利用效率：通过智能调度多种能源的综合使用，本发明可以显著提高可再生能源的利用率，减少能源浪费。特别是对风能和太阳能这类波动性大的可再生能源，通过有效的调度和储能管理，能够更好地利用这些能源，降低对传统化石能源的依赖。

54、(2)增强系统供能可靠性：通过对多能系统进行优化调度，本发明能够保证在各种天气和负载条件下系统的供能稳定性和可靠性。通过智能化管理储能设备的充放电过程，确保在可再生能源发电量不足时能够平滑地切换供能源，保障关键负载的持续供电。

55、(3)减少环境污染：本发明通过优化可再生能源和储能的配置和运行，减少对化石能源的依赖，从而大幅度减少温室气体排放和其他环境污染物的排放，有助于实现能源的绿色低碳转型。

56、(4)经济效益显著：通过精确的系统优化，本发明可以显著降低能源成本。通过减少对昂贵的化石能源的需求、提高能源利用效率以及避免因能源供应不稳定造成的经济损失，从而提高系统的经济效益。

57、(5)强大的全局搜索能力和快速收敛性：改进的混沌小生境粒子群优化算法集成了混沌理论和小生境技术，增强了算法的全局搜索能力和避免了局部最优问题，同时保证了快速收敛到全局最优解，大大提高了优化效率和精度。

58、(6)适应性强：本发明具有很强的适应性，不仅适用于特定的多能互补系统，也可以根据实际需求和条件的变化，通过调整优化模型和算法参数，适用于不同规模和类型的多能互补系统，具有广泛的应用前景。

59、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种多能互补智能优化与控制方法，其特征在于，包括如下步骤：

2.如权利要求1所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s1中，

3.如权利要求2所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s2中，

4.如权利要求2所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s2中，所述设备运行限制条件为：

5.如权利要求2所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s2中，所述能源转换效率约束条件为：

6.如权利要求1所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s3中，所述采用改进的混沌小生境粒子群优化算法对所述优化目标函数进行求解，包括：

7.如权利要求1所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s31中，每个粒子代表系统中各能源设备的一种配置，所述配置包括：发电功率、发电量和储能状态。

8.如权利要求1所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s34中，利用混沌序列决定是否对粒子位置进行微调。

9.如权利要求1所述的多能互补智能优化与控制方法，其特征在于，在所述步骤s4中，所述根据优化求解得到的最优能源配置方案，对系统性能进行监测和评估，包括；对发电计划、负荷调度方案和储能装置充放电策略进行监测评估。

10.如权利要求9所述的多能互补智能优化与控制方法，其特征在于，

技术总结
本发明提出了一种多能互补智能优化与控制方法，包括：根据各个能源设备的供能特性、负荷需求和能源转换效率，建立多能互补系统的数据模型，包括：建立供能设备模型、建立储能设备模型、建立能源转换设备模型；定义系统运行的约束条件，并根据约束条件定义数学优化模型的优化目标函数；采用改进的混沌小生境粒子群优化算法对优化目标函数进行求解，以通过混沌小生境粒子群优化算法求解得到的当前全局最优解，作为多能互补系统的最优能源配置方案；实时监控系统运行状态，收集系统运行数据，根据优化求解得到的最优能源配置方案，对系统性能进行监测和评。本发明通过高效的储能管理和新能源配置，实现系统供能的高可靠性和经济性。

技术研发人员：张楠楠,王东营,陈小平,刘然,王全乐,王宝宝,胡贞,薛焱辉,高晓峰,于政先,宋沅朋
受保护的技术使用者：国家管网集团北京管道有限公司
技术研发日：
技术公布日：2024/9/23