没有合适的资源?快使用搜索试试~ 我知道了~
首页分布式神经动态优化在综合能源系统多目标调度中的应用
分布式神经动态优化在综合能源系统多目标调度中的应用
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 64 浏览量
更新于2024-06-27
收藏 1.53MB DOCX 举报
"这篇文档探讨了基于分布式神经动态优化的综合能源系统多目标优化调度问题。随着新能源技术的发展,综合能源系统(Integrated Energy System, IES)因其高效、环保和灵活的特点受到广泛关注。该系统结合了多种能源形式,如太阳能、风能、电、气、热等,旨在实现更优化的能源利用。优化调度是确保IES经济运行的关键,旨在在满足运行约束条件下降低总成本。 文中提到,优化调度方法主要分为集中式和分布式两大类。集中式方法,包括解析式算法(如混合整数优化)和启发式算法(如遗传算法),能有效找到最优解,但面临单点故障风险、通信压力大和隐私保护问题。而分布式方法则利用分散协作,通过稀疏通信网络提高系统鲁棒性和灵活性,同时保护隐私。 文献中提到了几种分布式方法的应用,如智能能源枢纽的分布式需求响应算法、基于一致性的多能源系统调度策略以及两层分布式优化策略。然而,这些方法在处理全局耦合约束(如电力线路传输约束)和不可分离不等式约束(如电网传输损耗)时存在局限性。 为了克服这些挑战,分布式神经动态优化被引入到综合能源系统的优化调度中。这种方法利用神经网络的并行计算能力和分布式优化的特性,能够更有效地处理复杂的耦合约束,适应可再生能源的间歇性,并考虑电网损耗等问题。通过这种方式,可以实现更精确、更全面的优化调度,进一步提升综合能源系统的整体性能。 分布式神经动态优化在综合能源系统的多目标优化调度中展现出了巨大的潜力,有望成为未来解决此类问题的重要工具。然而,实际应用中仍需解决算法的效率、稳定性和实施复杂性等问题,以确保其在大规模综合能源系统中的有效性和可行性。"
资源详情
资源推荐
式中, FemissionFemission 表示综合能源系统的排放成本(单位: $); EcEc 是总二氧化碳排
放成本(单位: $). τiτi 是其排放系数; EsEs 为 SOx 和 NOx 的总排放成本(单位:
$). ωiωi, μiμi, κiκi, ζiζi, πiπi 是 CG, FG, CHP, FHD, GP 的排放系数.
由于 DRG 和 DRHD 为分布式可再生发电和制热设备, 即对环境的代价成本为 0, 所以
在环境目标中不考虑它们. 此外, 分布式储能和蓄热装置对环境造成的污染也为 0. 为了方
便起见, 本文考虑的柔性负荷为居民负荷, 不考虑其使用对环境的影响.
2.1.3 综合调度目标
在综合能源系统多目标优化调度的目标函数中, 运行成本和排放成本性质上是相互矛
盾的, 两者都必须同时考虑. 因此, 必须得到最优排放调度与最优经济成本调度之间的权衡
关系. 当同时考虑最优排放和最优经济运行成本时, 多目标优化问题的目标函数可以表示为
[18]
min[Ffuel,Femission]min[Ffuel,Femission]
(15)
式中, min[Ffuel,Femission]min[Ffuel,Femission]表示对 FfuelFfuel 和 FemissionFemission
两个相互矛盾的目标进行协调和折中处理, 同时得到二者的权衡最小化. 如式(41)所示, 通
过加权和法实现二者的权衡最小化, 而不是取 FfuelFfuel 和 FemissionFemission 中较小的一
个为目标函数.
2.2 约束条件
2.2.1 系统功率平衡约束
系统运行时需满足电功率平衡等式约束、热功率平衡等式约束和气功率平衡等式约束,
具体描述为
∑i∈ϑCGPCGi,t+∑i∈ϑDRGPRGi,t+∑i∈ϑFGPFGi,t+∑i∈ϑCHPPCHPi,t+ ∑i∈ϑDPSDPPSi,t−∑i∈ϑPLPPLi,t−Ploss=Pload∑i∈ϑCGPi,tCG+∑i∈ϑDRGPi,tRG+∑i∈ϑFGPi,tFG+∑i∈ϑCHPPi,tCHP+ ∑i∈ϑDPSDPi,tPS−∑i∈ϑPLPi,tPL−Ploss=Pload
(16)
∑i∈ϑDRHDHRHi,t+∑i∈ϑFHDHFHi,t+∑i∈ϑCHPHCHPi,t+ ∑i∈ϑDHSDHHSi,t−∑i∈ϑHLHHLi,t−Hloss=Hload∑i∈ϑDRHDHi,tRH+∑i∈ϑFHDHi,tFH+∑i∈ϑCHPHi,tCHP+ ∑i∈ϑDHSDHi,tHS−∑i∈ϑHLHi,tHL−Hloss=Hload
(17)
∑i∈ϑGPgGPi,t−∑i∈ϑFGgasFGi,t−∑i∈ϑFHgasFHi,t− ∑i∈ϑCHPgasCHPi,t−∑i∈ϑGLgGLi,t=gload∑i∈ϑGPgi,tGP−∑i∈ϑFGgasi,tFG−∑i∈ϑFHgasi,tFH− ∑i∈ϑCHPgasi,tCHP−∑i∈ϑGLgi,tGL=gload
(18)
式中, PloadPload, HloadHload, gloadgload 分别表示相应的电力、热力和燃气的常规负
荷(单位: MW). PlossPloss 表示输电损耗(单位: MW), 采用正定 BB 矩阵损耗计量式近似计算
为
[19]
Ploss=∑i=1NP∑m=1NPPi,tBimPm,t+2∑i=1NP∑j=1NcPi,tBijPj,t+∑j=1Nc∑n=1NcPj,tBjnPn,tPloss=∑i=1NP∑m=1NPPi,tBimPm,t+2∑i=1NP∑j=1NcPi,tBijPj,t+∑j=1Nc∑n=1NcPj,tBjnPn,t
(19)
式中, BimBim, BijBij, BjnBjn 表示损耗系数矩阵 B 中所对应的元素. NPNP 和 NcNc 表
示纯发电机(CG, DRG, FG)和 CHP 的数量.
HlossHloss 表示传热损失, 根据稳态传热基本原理
[19]
近似计算为
Hloss=∑g=1n2πts,f−ta,gRhlgHloss=∑g=1n2πts,f−ta,gRhlg
(20)
式中, nn 表示热媒流经管道的总段数; lglg 表示热媒流经管道 gg 的长度(单位:
km); ts,fts,f 表示热网节点 ff 的供水温度(单位: ℃), f=1,2,3,⋯,(Nc+Nh)f=1,2,3,
剩余29页未读,继续阅读
罗伯特之技术屋
- 粉丝: 4138
- 资源: 1万+
下载权益
电子书特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 构建智慧路灯大数据平台:物联网与节能解决方案
- 智慧开发区建设:探索创新解决方案
- SQL查询实践:员工、商品与销售数据分析
- 2022智慧酒店解决方案:提升服务效率与体验
- 2022年智慧景区信息化整体解决方案:打造数字化旅游新时代
- 2022智慧景区建设:大数据驱动的5A级管理与服务升级
- 2022智慧教育综合方案:迈向2.0时代的创新路径与实施策略
- 2022智慧教育:构建区域教育云,赋能学习新时代
- 2022智慧教室解决方案:融合技术提升教学新时代
- 构建智慧机场:2022年全面信息化解决方案
- 2022智慧机场建设:大数据与物联网引领的生态转型与客户体验升级
- 智慧机场2022安防解决方案:打造高效指挥与全面监控系统
- 2022智慧化工园区一体化管理与运营解决方案
- 2022智慧河长管理系统:科技助力水环境治理
- 伪随机相位编码雷达仿真及FFT增益分析
- 2022智慧管廊建设:工业化与智能化解决方案
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功