[发明专利]并网混合可再生能源系统的多目标优化设计方法

摘要

本发明公开了一种并网混合可再生能源系统的多目标优化设计方法，所述方法通过考虑某地区的光照、风速、温度、负载等数据，以混合可再生能源系统年度化成本、碳排放量、系统净购电成本最小化为目标，构建了适用于混合可再生能源系统的带约束的三目标优化模型，以期获得构成系统最佳配置的光伏板数量及安装倾角、风力机数量及安装高度和柴油发电机的数量。利用了进化多目标优化算法PICEA‑g求解该模型，得到一组Pareto最优解，最后介绍了如何根据决策者的偏好信息，确定最终的实施方案。本发明采用多目标优化方法进行并网HRES的规划，更符合实际情况、可行性更强。

主权项

一种并网混合可再生能源系统的多目标优化设计方法，其特征在于，包括以下步骤：第一步,设计并网混合可再生能源系统的优化目标以及约束函数，建立并网混合可再生能源系统的多目标优化设计模型；以最小化系统年化成本、系统净购电成本、系统碳排放量为目标，构建带约束的三目标优化问题，如下：其中Fcost表示系统总的年度成本；Fgrid表示系统净购电成本；Femission表示系统的碳排放量，只考虑柴油发电机使用过程中产生的CO2排放；Npv、Nwg、Ndg分别表示并网混合可再生能源系统中待优化的光伏板、风机和柴油发电机的数量；Hwg表示风机的安装高度，Hlow和Hhigh分别表示风机安装高度Hwg的变化范围的最小值和最大值，β表示光伏板的安装倾角；已知条件：a.组成并网混合可再生能源系统的各设备的型号，即光伏板、风机和柴油发电机的性质和设备参数是确定的，其中，光伏板参数包括开路电压、短路电流、最大工作电压、最大工作电流、额定工作温度、初始投资成本、操作维修成本以及使用寿命；风机参数包括额定功率、初始投资成本、操作维修成本以及使用寿命；柴油发电机参数包括额定功率、初始投资成本、每小时操作维修成本和使用寿命；b.并网混合可再生能源系统向电网买电和卖电的价格是固定的；c.Femission考虑等价二氧化碳排放量，来自于柴油发电机；根据上述已知条件，并网混合可再生能源系统的各个优化目标计算方法，如下；(1)以25年为项目周期，并网混合可再生能源系统年化成本目标函数为：ACS=Cainv(PV+WG+Tower+DG)+Caom(PV+WG+Tower+DG)+Carep(PV+WG+Tower+DG)---(2)]]>其中ACS表示混合可再生能源系统年度成本，PV表示光伏板，WG表示风机，Tower表示风机塔，DG表示柴油发电机，Cainv是年度初始投资成本，Caom是年度设备维护成本，Carep是年度元器件总成本，分别用下式计算：Cainv＝∑Cinv·CRF(i,Lcom)  (3)CRF(i,Lcom)=i·(1+i)Lcom(1+i)Lcom-1---(4)]]>i=inom-f1+f---(5)]]>其中Cinv是每个元件的初始投资成本，元件包括并网混合可再生能源系统中的光伏板、风机、风机塔、电池组和柴油发电机，CRF是资本回收因子，Lcom是元件寿命，单位是年；i是年实际利率，inom是名义利率，f是年通胀率；Carep＝Crep·SFF(i,Lrep)  (6)SFF(i,Lrep)=i(1+i)Lrep-1---(7)]]>Caom(n)＝Caom(1)·(1+f)n  (8)其中Carep是年度元器件总成本，Crep是每个元件的替换成本，元件包括光伏板、风机、风机塔、电池组和柴油发电机，SFF是沉默资金因子，Lrep是元件替换寿命，Caom(n)是第n年使用过程中的操作与维修成本；(2)并网混合可再生能源系统在T时间内的碳排放量的目标函数为：.Femission=Σt=1TFcons(t)·Ef---(9)]]>其中T是一年总的小时数即8760，Ef是排放因子；Fcons为柴油发电机的燃料消耗，表达式如下所示：Fcons＝AdgPr_dg+BdgPdg  (10)其中Pr_dg是柴油发电机的额定功率，Pdg是柴油发电机的输出功率，Adg和Bdg是燃料消耗曲线的系数；(3)并网混合可再生能源系统在T时间内的净购电成本目标函数为：.Fgrid＝Pb·Eb‑Ps·Es  (11)其中Eb和Pb表示总的买电数量和价格，Es和Ps表示总的卖电数量和价格；并网混合可再生能源系统的功率供应过程：首先由光伏发电和风力发电直接供给负载以满足需求，当光伏发电Ppv(t)和风力发电Pwg(t)的功率大于负载需求Pload(t)时，多余的电量卖给电网；相反当光伏和风力的总发电量不能满足负载时，首先由柴油机发电Pdg(t)，若仍不能满足负载时，系统向电网买电Pgrid(t)，用于满足负载需求；其中Pdg(t)表示在时间t内柴油发电机的输出功率Pdg；Pgrid(t)表示在时间t电网电量供给功率；关于光伏板和风机的输出功率计算如下：Ppv(t)表示光伏板在时间t内的输出功率，由(12‑15)计算得到：TC(t)=TA(t)+NCOT-20800Sp(t,β)---(12)]]>VOC(t)＝VOC,STC‑KV·TC(t)  (14)Ppv(t,β)＝NS·NP·VOC(t)·ISC(t,β)·FF(t)  (15)       ＝Npv·VOC(t)·ISC(t,β)·FF(t)其中TC(t)是在时间t时的光伏电池温度，TA(t)是时间t时的周围环境温度，NCOT是制造商提供的额定电池工作温度，Sp(t,β)是垂直于光伏板倾斜表面上的太阳辐射，ISC,STC和VOC,STC是光伏板在温度为25，太阳辐射为1kW/m2的标准测试条件下的短路电流和开路电压，ISC(t,β)是光伏板的短路电流，VOC(t)表示光伏模组的开路电压，KI和KV是所选光伏板对应电流和电压下的温度系数；Ppv(t,β)是由一个包含NS个串联，NP个并联光伏板的光伏阵列的输出功率，Npv表示光伏板的总数量，FF(t)是填充因子；Pwg(t)表示风机在时间t内的输出功率由公式(16)计算得到：Pwg(t)=0,v<Vc12CPρAWGv3,Vc≤v<VrPWGR,Vr≤v<Vf0,v≥Vf---(16)]]>其中v是每一时刻的风速，CP是风机性能系数，ρ是空气密度，AWG是风机上转子扫过的面积，PWGR是风机的额定功率；Vc是风机的切入速度，Vr是风机的额定风速，Vf是风机的切出风速；第二步，利用PICEA‑g算法求解并网混合可再生能源系统的多目标优化设计模型；(1)算法参数设置：包括种群规模和终止条件，种群N设置为200，终止条件采用最大运行代数，设置为maxGen＝500；(2)初始化种群，随机生成N＝200个初始父代种群S；每个个体x有5个编码即x＝(Npv,Nwg,Nbat,Ndg,Hwg,β)，其中0≤Npv≤30，0≤Nwg≤20，0≤Ndg≤10，5≤Hwg≤30，0≤β≤90；同时，随机生成Ng＝200参考点g＝(g1,...,gm)的偏好信息种群，记作父代参考点种群G，其中0＜gi＜1.2,i＝1,2,...,m，m表示目标个数；(3)若满足终止条件，则终止计算，输出当前的非支配解集；否则，基于当前种群S，通过遗传重组算子产生子代种群Sc，规模也为N；重新生成Ng＝200个新的参考点，记为种群Gc；(4)将父代种群S与子代种群Sc合并，得到规模为2N的合种群Sall＝S∪Sc，将父代参考点种群G和子代参考点种群Gc合并，得到规模为2Ng的合种群Gall＝G∪Gc；基于Sall和Gall计算个体和参考点的适应度，然后依据适应度对所有个体进行排序；(5)根据排序结果从前往后选取N个体和Ng个参考点作为新的父代种群S和参考点种群G；(6)重复(3)至(5)步，直至满足终止条件，即达到最大运行代数，输出S中的非支配个体作为所求解的Pareto最优解；第三步，结合决策者的偏好信息，从多个Pareto最优解中，选择一个作为最后并网混合可再生能源系统的实施方案；(1)当决策者偏重年度化成本Fcost和碳排放量Femission时，则在满足二者限制的条件下，给定的最大Fcost和Femission容忍值，即Fcost<Cost且Femission<Emission，选择使净购电成本最低的方案，即Fgrid最小化；(2)当决策者偏重净购电成本Fgrid和碳排放量Femission时，则在满足二者限制的条件下，给定的最大Fgrid和Femission容忍值，即Fgrid<Cgrid且Femission<Emission，选择使年度化成本最低的方案，即Fcost最小化；(3)当决策者偏重年度化成本Fcost和净购电成本Fgrid时，则在满足二者限制的条件下，给定的最大Fcost和Fgrid容忍值，即Fcost<Cost且Fgrid<Cgrid，选择使碳排放量最低的方案,即Femission最小化。