开题报告-能源局域网调度模型的成本最优化研究.doc

南京邮电大学毕业设计(论文)开题报告题目能源局域网调度模型的成本最优化研究学生姓名班级学号专业网络工程1、 对指导教师下达的课题任务的学习与理解通过对任务书的学习和与指导老师的交流，了解了这次毕业设计的主要任务：（1）通过查阅文献了解能源局域网的能量分配现状以及各组成部分的原理，了解微电网各个可控设备的特点；（2）学习并掌握MATLAB等仿真软件的使用方法，为后面的仿真实验做准备；（3）针对小型能源局域网内部设备（风力发电机组，光伏发电机组，储能系统，智能负载等）建立多目标优化调度数学模型；（4）通过该模型利用改进的优化算法（如遗传算法等），尝试有针对性地改进遗传算法以适配问题，并计算出能源局域网内各个可控设备在未来一段时间内的发电状况；（5）针对最终的能源局域网调度模型的成本最优化方案进行分析，研究未来的新能源的发展和利用方向。2、 阅读文献资料进行调研的综述1.能源互联网能源作为人类现代文明生存与发展的物质基础，对国民经济与社会进步起到了至关重要的作用。现阶段能源体系主要是依靠传统化石能源（如煤、石油、天然气等）作为人类社会的主要能源。然而近年来随着世界经济的快速发展，世界各国对能源的需求不断增大，一方面，造成全球能源供应的日益紧张；另一方面，由于二氧化硫，二氧化碳等气体的大量排放也带来了诸如气候恶化、温室效应等严重的环境问题。进入 21 世纪以来，开发利用可再生能源、构建可持续发展的新能源体系已成为世界各国的发展共识和必然趋势。能源互联网是互联网和新能源技术相融合的全新的能源生态系统。它具有“五化”的特征：能源结构生态化、市场主体多元化、能源商品标准化、能源物流智能化及能源交易自由多边化。互联网能源的优势在于基于更低的成本，能为消费者提供更优的服务，赋予消费者更自主的权利。同时，能源互联网是一种通过深度融合能源技术与信息技术，逐步形成的以电力系统为核心，涵盖供电、供热、供冷、供气、电气化交通等多个复杂系统的综合能源网络，以实现能源的对等交换与充分共享。其先进的电力电子技术、智能能量管理技术、先进储能技术和高可靠通信技术共同支撑实现能源互联网的以上功能。2.能源局域网能源局域网虽然仅为能源互联网的一个子网，但其作为能源互联网中重要的组成单元，在通信系统、能量优化管理方法、协调控制模型等方面都可为未来能源互联网的管理起到很好的参考作用。所研究的能源局域网以电能为主要能源形式，其内部包含可再生能源发电(如风机，光伏)设备，分布式可控发电设备(如微型发电机)，储能系统(如电池储能)与负载等，示意图如图11所示。图1 能源局域网示意图借鉴能源互联网与智能电网间的关系，能源局域网可以认为是微电网的进一步发展。因此，考虑微电网优化调度方面的研究对开展能源局域网相关方面的研究具有一定的辅助用2。3.微电网微电网作为一种新型的能源网络化供应与管理结构，为分布式电源在中低压配电网中的接入提供了一种途径，在降低能耗减少环境污染的同时也提高了系统运行的可靠性和灵活性。典型的微电网结构3如图2所示。图2 微电网结构图它是由热电联产源（Combined Heat and Power，CHP）如微型燃气轮机、燃料电池，非CHP源如风力发电机组、光伏电池组及储能装置等组成。微电源和储能设备通过微电源控制器（Microsouree Controlfer，MC）连接到馈线A和 C。微电网通过公共连接点（Point of Common Coupling，PCC）连接到配网中进行能量交换，双方互为备用，提高了供电的可靠性。4.分布式发电机与储能设备微型电源的类型多种多样，包括风力发电机组、太阳能光伏电池、微型燃气轮机、燃料电池和蓄电池等。这些发电单元的运行特性各不相同，因此，对微电网中各类微型电源的模型进行分析和研究是对微电网进行优化调度的基础，同时也是研究能源局域网优化调度的重要基础。风力发电4已成为技术最成熟、最具有商业开发价值的可再生能源，风电产业也成为当今世界经济增长最快和最具发展潜力的产业之一。风力发电机通过利用叶轮旋转将风的动能转化为机械能，然后叶轮通过机械驱动力系统带动发电机，发电机再将机械能转化为磁场的能量，并最终转化为电能。太阳能光伏发电5的基本原理是利用太阳能电池（一种类似于晶体二极管的半导体器件）的光生伏打效应，当光照射到太阳能电池上时，在其PN结两端就会产生电压，从而将太阳的辐射能转变为了电能。储能装置6主要起到了以下两种作用：1）能量缓冲。风力发电、光伏发电等可再生能源发电具有间歇性和不稳定性的特点，而可控微源如微型燃气轮机和燃料电池对负荷波动反应较慢。因此能源局域网中必须装设相当容量的储能装置来保证运行的可靠性。2）削峰填谷。当能源局域网系统的自然能源充足时，发出的多余电能可以通过储能装置储存起来，减少能源的浪费；当系统的自然能源匮乏时，储能装置又能为系统提供一定的电能，保证系统的正常运行。因此，基于系统可靠性与经济性的考虑，能源局域网都应配备一定数量的储能装置。三、根据任务书的任务及文献调研结果，初步拟定的执行（实施）方案（含具体进度计划）1. 执行（实施）方案1.1 了解能源局域网内各个可控设备的充放电情况，熟悉各种分布式发电机的工作原理和输出功率与其他变量的关系；1.2搭建分布式发电机的数学模型；1.2.1 风力机组发电模型风力发电机(Wind Turbine，WT)发出的电能是经风能转化而来。风力发电机通过利用叶轮旋转将风的动能转化为机械能，然后叶轮通过机械驱动力系统带动发电机，发电机再将机械能转化为磁场的能量，并最终转化为电能。风力发电机输出功率与风速之间的函数表达式4如下: （1） （2） （3）其中，是风速（m/s），是切入风速（m/s），是切出风速（m/s）， 是额定风速（m/s），是风力发电机组的额定输出功率（kW）。1.2.2光伏电池发电模型太阳能光伏发电（Photovoltaic，PV）的基本原理是利用太阳能电池（一种类似于晶体二极管的半导体器件）的光生伏打效应，当光照射到太阳能电池上时，在其PN结两端就会产生电压，从而将太阳的辐射能转变为了电能。太阳能光伏发电的能量转换器就是太阳能电池，即光伏电池。光伏电池输出功率与光照强度和环境温度相关，其输出功率表达式5如下： （4） （5）其中，是STC(标准测试条件:太阳光入射强度1000W/m2，环境温度25C)下的最大测试功率（kW），是实际光照强度（W/m2）,是STC下光照强度，取1000W/m2，k是功率温度系数，取-0.47%/，是电池板工作温度（），是参考温度，取25，是环境温度（），是风速（m/s）。通过对光照强度和环境温度的预测，根据光伏电池输出特性，可计算得到该时刻光伏电池组的出力。1.2.3 蓄电池发电模型蓄电池主要的性能参数包括以下几个方面：电池容量，荷电状态，放电深度，充电深度，循环寿命。经济调度模型中主要考虑蓄电池的存储容量约束与充放电功率约束，因此在t 时刻时，蓄电池的荷电状态模型6为： （6） （7）其中，是t时刻蓄电池实际充放电电流（A），是t时刻蓄电池出力（kW），U是蓄电池组终端电压（V），是蓄电池在t时刻的荷电状态，是蓄电池在（t-1）时刻的荷电状态，是蓄电池充电效率（%），是蓄电池放电效率（%）。1.3建立目标优化调度数学模型考虑包括运行维护成本、环境保护折算成本以及综合效益成本在内的多目标函数。通过调节各微电源和配电网的出力，使能源局域网的目标成本最小。1.3.1目标函数一：系统的运行维护成本最低系统运行维护成本目标函数主要考虑了系统运营时的各项运行维护成本，包括了燃料消耗成本、运行管理成本、折旧维护成本、能源局域网与配电网交互成本在内的各类运行成本，其表达式7为： （8）其中，是能源局域网中发电单元i的燃料消耗成本（元），是能源局域网中发电单元i的运行管理成本（元），是能源局域网中发电单元i的折旧维护成本（元），是能源局域网与配电网的交互成本（元）。1.3.2目标函数二：系统的环境保护折算成本最低将发电单元的环境保护折算成本作为一个目标函数，体现在能源局域网的优化运行中，其主要包括能源局域网中分布式电源的排污处理费用和配电网的排污处理费用8： （9）其中排污处理费用的具体表达式8如下： （10）其中，是能源局域网中发电单元类型i的排污处理费用（元），是配电网排污处理费用（元），是发电单元类型i的污染物排放治理费用（元），N是发电单元类型（ MT、FC or Grid ），M是排放类型（SO2 or CO2），是发电单元类型i在排放类型为k时的单元排污处理成本（元/kg），是发电单元类型i在排放类型为k时的排放系数（kg/MWh），是发电单元类型i在t时刻的输出功率（kW）。1.3.3目标函数三：系统的综合效益成本最低综合考虑能源局域网系统的运行维护成本和环境保护折算成本，保证系统运行的经济性和环保性，体现系统运行时的综合效益，提出一种含系统运行维护成本和环境保护折算成本的多目标的综合效益成本，其目标函数表达式为： （11）1.4完成多目标下能源局域网调度模型的模糊化其基本思想是：首先分别求得各子目标在各自约束条件下的最优解，再通过求得的最优解将各子目标函数模糊化（即转化为各自的隶属度函数），然后依据最大隶属度原则，求取使得隶属度函数交集取最大的解，则该解即为多目标优化问题下的最优解，而各子目标相应的隶属度即为达到多目标的满意度。1.5进行遗传算法9的改进1.5.1实施最优保留政策将匹配池中适应度值最大的个体无遗传地放入子代群体，这样就会保留上代群体的最优解，这种方法称为精英策略（Elitist strategy）10。遗传算法的理论研究表明11，不进行精英保留的算法不收敛于全局最优，而实施精英保留后的算法以概率1收敛到全局最优解。因此，采用精英策略可以保证算法的全局收敛性。1.5.2对遗传算法采用自适应的交叉变异操作交叉操作和变异操作是遗传算法中两个重要作用的算子。交叉操作使得两个配对交叉个体中的有效信息复制入新的后代中，加快了种群进化期间的搜索速度；而变异操作则保证了种群中的基因多样性，起到了扩展搜索范围的作用。自适应参数调整方案12如下： （12） （13）其中，分别为交叉概率1、交叉概率2，分别为变异概率1、变异概率2，是要交叉的两个个体中较大的适应度值，是要变异的个体的适应度值，是群体中最大的适应度值，是每代群体的平均适应度。1.5.3利用自适应模拟退火遗传算法13进行优化自适应模拟退火遗传算法在能源局域网优化调度中的算法流程图如图313所示，其具体步骤为：（1）对能源局域网优化调度模型中的分布式电源参数、目标函数参数以及约束条件参数等进行设置，同时带入负荷参数和计算得到的可预测出力。（2）对算法中的控制参数进行设置，其中包括仿真代数、种群规模、交叉概率、变异概率、初始温度和退火系数等。（3）对能源局域网优化调度系统中的燃料电池、蓄电池和配网出力进行编码，随机生成初始种群。（4）通过解码，将个体代入适应度函数中，对个体进行适应度值评价，选出种群中的最优个体。（5）对种群进行选择、交叉、变异和模拟退火操作，同时在操作过程中采用最优保留政策，生成新的子代种群。（6）新生成种群重新计算群体中各个体的适应度值，进入判别条件，满足条件的个体作为最优解输出，不满足条件则返回步骤（4）。（7）最终输出的最优解即为该时刻能源局域网优化调度中分布式电源和配网的最优出力。图3 算法流程图1.6进行能源局域网多目标优化调度仿真以某小区居民用电局域网为例，加入各种参数仿真研究能源局域网在不同运行策略下的运行维护成本、环境保护折算成本以及综合效益成本的多目标优化调度14。根据目前最新研究1516对不同目标函数和不同运行策略下的优化结果进行比较分析。2.进度计划（1）第1-2周（2017年3月13日-24日）：依据任务书，通过查阅文献进行调研，了解能源局域网的构成及内部可控设备的运行状态，完成开题报告（2）第3-6周（2017年3月25日-4月23日）：认真学习MATLAB仿真工具使用方法，按要求完成外文文献的翻译工作，依据要求设计能源局域网调度模型，并完成对遗传算法的初步研究（3）第7周（2017年4月24日-28日）：进行中期检查（4）第8-10周（2017年4月29日-5月19日）：继续完善能源局域网调度模型和对于遗传算法进行改进，给出具体的能源局域网调度模型成本最优化方案，修改外文文献的翻译稿（5）第11-12周（2017年5月29日-6月2日）：按撰写规范的要求认真撰写毕业设计(论文)报告，交指导教师批阅（6）第13-14周（2017年6月3日-16日）：整理毕业设计资料，准备毕业论文答辩4、 参考文献1Giorgio A D, Pimpinella L. An event driven Smart Home Controller enabling consumer economic saving and automated Demand Side ManagementJ. Applied Energy, 2012, 96(8):92-103.2Huang B, Li Y, Zhang H, et al. Distributed optimal co-multi-microgrids energy management for energy internetJ. IEEE/CAA Journal of Automatica Sinica, 2016, 3(4):357-364.3张彦,张涛,刘亚杰,等. 基于随机模型预测控制的能源局域网优化调度研究J. 中国电机工程学报, 2016, 36(13):3451-3462.4Q. Y. Sun, R. K. Han, H. G. Zhang, J. G. Zhou, J. M. Guerrero. A multiagent-based consensus algorithm for distributed coordinated control of distributed generators in the energy InternetJ. IEEE Transactions on Smart Grid, 2015,6(6):3006-3019.5蔡巍, 赵海, 王进法,等. 能源互联网宏观结构的统一网络拓扑模型J. 中国电机工程学报, 2015, 35(14):3503-3510.6Lin C E, Viviani G L. Hierarchical economic dispatch for piecewise quadratic cost functionsC. IEEE Transactions on Power Apparatus and Systems, 1984, 103(6):1170-1175.7Lin C E, Chen S T, Huang C L. A direct Newton-Raphson economic dispatchC. IEEE Transactions on Power Systems, 1992, 7(3):1149-1154.8陈靖,李雨薇,习朋,李涛.微网系统经济运行优化J.华东电力,2012,40(2):167-172.9赵波,薛美东,陈荣柱,等. 高可再生能源渗透率下考虑预测误差的微电网经济调度模型J. 电力系统自动化,2014,38(7):1-8.10王理. 多目标微网环保经济调度模型研究J.中国水能及电气化,2011,9(1):22-26.11Guerrero J M, Vasquez J C, Matas J, et al. Control