基于改进NSGA-Ⅱ的综合能源多主体利益均衡优化调度

发布时间：2024-02-03 12:40

　　考虑综合能源系统实际情况,提出了一种基于改进非支配排序遗传算法(NSGA-Ⅱ)的综合能源多主体利益均衡优化调度方法。将综合能源系统分为三大主体,分别为综合能源服务商、可再生能源拥有者以及用户,引入综合需求响应、储能、储热等能量枢纽技术的数学模型,并结合电动汽车响应模型,从多主体利益均衡角度出发构造了综合能源多主体优化调度模型。以主体间利益均衡为目标,采用基于超平面投影的非支配排序遗传算法对模型进行求解,得到最优Pareto前沿,并利用逼近理想解法寻得各机组最优出力分布,通过仿真对比说明了所提模型的有效性与实用性。

【文章页数】：9 页

【部分图文】：

图1Pareto最优解数量变化情况

Pareto非支配解数量随迭代次数的变化情况如图1所示。由图1可知，HP-NSGA-Ⅱ迭代约15次时能稳定到达Pareto前沿，比NSGA-Ⅱ求解速度更快。图2展示了HP-NSGA-Ⅱ与NSGA-Ⅱ在综合能源系统调度中，IESP、REO以及用户三大主体经济效益的Pareto前沿对....

图2三维Pareto前沿对比

图2展示了HP-NSGA-Ⅱ与NSGA-Ⅱ在综合能源系统调度中，IESP、REO以及用户三大主体经济效益的Pareto前沿对比。结合图1可知，在迭代较少次数达到Pareto前沿的基础上，HP-NSGA-Ⅱ求解的Pareto前沿解更为集中，有效提高了寻找Pareto优解的能力，相较....

图3IESP出力分布

IESP各单元出力分布情况如图3所示。可见在电负荷峰时段，电负荷与热负荷相差较大，由于CHP机组运行在“以热定电”模式下，为满足电负荷平衡，需要增加CHP机组的热出力，若无储热装置，将导致热能的废弃；储热装置所回收的热能可用于制冷，也可用于在其余时刻进行供热，减少电热负荷低谷期C....

图4REO出力分布情况

REO出力分布如图4所示，此时综合能源系统内部光伏消纳率高达93.69%。图中PesR为储能的充放电功率，充电时为正，放电时为负。并且由图3可知在光伏发电充足时刻，IESP的电量供给主要来自于CHP以及从REO购电，从上级电网的购电量几乎为0，有效地降低了IESP的运行成本。RE....

本文编号：3894205