2.2 蓄冰槽容量配置
蓄冰槽的设备容量与制冷机组的耗电功率和双工况模式下的制冷量有关。蓄冷功率为
因为主要对蓄冰系统进行优化控制,考虑满足冷负荷需求时有10%的裕量,蓄冰槽配置容量如下。
式中: N 表示夜晚制冰时间,因本文采用由多目标粒子群算法进行优化的动态调度策略,夜晚制冰时间未知,假设最大制冰时长为电价 8 h 谷时段;Qc为优化日内冷负荷总量。
3、商业园区多目标优化配置模型及求解
基于园区储能系统与分布式电源、 多类型负荷之间的关系,考虑电力市场价格机制、节能减排等政策引导,本文从能效因素、经济成本和环境效益3个角度构建储能系统功率和容量优化配置时的目标函数。
3.1 优化目标一
储能系统充、放电和蓄冰槽蓄、释冷过程中均有能量的损失,放电深度也会影响设备使用寿命,为提高能源利用效率,减少由能量转换产生的能耗,第1个优化目标是使锂电池循环电量和蓄冰槽循环冷量最小。因为一个优化周期内,储能系统的始末荷电状态和蓄冰槽储冷状态保持不变,故用充电量、蓄冷量表征循环电量和循环冷量。表示为
3.2 优化目标二
第2个优化目标主要考虑商业园区用户侧经济效益,使配置储能后的园区购电费用和储能系统的投资及运行维护成本总和最小,表示为
3.3 优化目标三
目前煤电在我国能源结构中仍占有较大比重,为降低燃煤发电带来的环境成本(环境控制成本,环境保护成本),第3个目标函数是发电侧给园区供电产生的环境损失费用最少,此时商业园区从电网侧购电量最少,不考虑园区多余电能外送情况。
3.4 约束条件
本文对储能系统进行优化配置的同时兼顾了冰蓄冷空调的动态调度,约束条件由三部分组成。
3.4.1 冰蓄冷空调侧约束
3)状态约束。
由于优化周期具有连续性,应使每个周期内蓄冰槽的始末储冷状态保持一致。
4)负荷平衡约束。
制冷机组在白天空调工况下的制冷量和蓄冰槽释冷量要满足冷负荷需求。
园区在夜间电价低谷期无冷负荷,制冷机组制冷量全部供给蓄冰槽。
3.4.2 储能系统性能约束
1)荷电状态约束。
储能系统荷电量由下式推得
与式(12)相似,每个优化周期的储能电池初始荷电量保持一致,有
3.5 储能配置
3.6 模型求解
Coello 等 学 者 提 出 的 多 目 标 粒 子 群(multi-objective particle swarm optimization ,MOPSO)算法作为一种高效的并行搜索算法,具有依赖经验参数少、收敛速度快、 性能良好等优点,可用于解决多目标优化过程中由于目标之间相互冲突,很难找到一个真正意义上的最优解问题。本文的3个目标函数模型中存在复杂的耦合制约关系,因此选用 MOPSO方法进行模型的优化求解。
以典型日内24个优化时段中的制冷机组功率波动量和园区与电网联络线功率波动量为决策变量,综合考虑园区内负荷和光伏出力情况确定各决策变量的上、下限,采用基于非支配解的动态惯性权重多目标粒子群算法求解模型。算法流程图见图3。
3.7 选取最终解
在实际工程中,决策人员要综合考虑能效、经济和环境 3 个指标从一组 Pareto 最优解集中选取最优解,本文采用模糊隶属度函数来对每一个目标分别构造隶属度函数,将其转化为对优化结果的满意度,通过满意度比较找出最终解。定义模糊隶属度函数为
式中: μ(p)为每个解中单个目标函数满意度值; Pmin和 δ 分别为 Pareto 最优解集中该目标函数的最小值和函数取值范围。当 μ=0 时表示对某个目标函数值完全不满意,而当 μ=1 时表示对某个目标函数值完全满意。对于 Pareto 最优解集中的每个解,根据下式求解其标准化满意度值,其中标准化满意度值最大的解即为最终所选解。