基于蜂群算法的冷热电联供型微网优化调度研究
发布时间：2022-11-01 18:50
随着人类经济社会的迅猛发展,能源和环境问题越来越得到世界各国的关注。传统的集中供能方式已不能满足可持续发展的需求,冷热电联供型微网因其灵活高效的发电方式,在节能减排、提高能源利用率等方面具有显著的优势。冷热电联供型微网的优化配置和运行调度研究也有广泛的发展前景。综合考虑了冷热电联供型微网对能源和环境问题的影响和意义,构建了含可再生能源的冷热电联供型微网优化调度模型,并做了相关研究。本文首先介绍了冷热电联供型微网的研究背景和意义,对目前国内外关于冷热电联供型微网的研究现状做了概述,介绍了冷热电联供型微网的运行模式。详细描述了冷热电联供型微网中的各分布式电源的运行特性和数学模型。构建了包含燃料电池、微型燃气轮机、吸收式制冷机、余热锅炉和储能装置的冷热电联供型微网优化调度模型,在满足用户冷热电负荷需求和各微源出力约束的情况下,综合考虑了系统的燃料费用、运行维护费用和购售电成本,并采用蜂群优化算法对该模型进行求解,充分利用了其较强的全局搜索能力,并与粒子群优化算法优化求解所得的结果进行了对比分析,验证了蜂群算法的优越性和模型的合理性。最后考虑到污染物的排放对生态环境的影响,建立了以经济成本和环...
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及研究意义
1.2 冷热电联供型微网研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文主要研究内容
第二章 冷热电联供型微网的概述
2.1 冷热电联供型微网的结构
2.2 冷热电联供型微网的运行模式
2.2.1 并网运行方式
2.2.2 孤岛运行方式
2.3 冷热电联供型微网主要设备的数学模型
2.3.1 光伏发电数学模型
2.3.2 风力发电模型
2.3.3 微型燃气轮机模型
2.3.4 燃料电池模型
2.3.5 余热锅炉和吸收式制冷机模型
2.3.6 储能装置数学模型
2.4 本章小结
第三章 基于蜂群优化算法的冷热电联供型微网优化调度模型
3.1 冷热电联供型微网优化调度模型
3.1.1 目标函数
3.1.2 约束条件
3.2 模型求解算法
3.2.1 人工蜂群优化算法
3.2.2 粒子群优化算法
3.3 算例分析
3.3.1 算例简介
3.3.2 算例分析
3.4 本章小结
第四章 计及多目标的冷热电联供型微网优化调度研究
4.1 计及多目标的冷热电联供型微网优化调度模型
4.1.1 目标函数
4.1.2 约束条件
4.2 多目标优化算法
4.2.1 传统多目标蜂群优化算法
4.2.2 Pareto最优理论
4.2.3 基于Pareto理论的多目标蜂群算法
4.3 算例分析
4.3.1 算例介绍
4.3.2 算例仿真
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]含风电和光伏的电力系统多目标经济调度[J]. 王步云,张成刚,郭斌. 自动化技术与应用. 2020(03)
[2]考虑灵活性的冷热电联供型微网优化调度[J]. 慕明良,李守茂,孟祥鹤,白星振. 智慧电力. 2020(03)
[3]含多种可再生能源和冷储能装置的冷电联供系统经济优化调度模型研究[J]. 张军,王红敏. 上海电力学院学报. 2019(05)
[4]冷热电三联供系统的发展现状和应用综述[J]. 解鸣,任德财,濮晓宙,俞祥俊,徐俊君. 制冷. 2019(01)
[5]含热泵和储能的冷热电联供型微网经济运行[J]. 杨志鹏,张峰,梁军,韩学山,徐震. 电网技术. 2018(06)
[6]冷热电联供型微电网系统多目标日前优化调度[J]. 罗平,韩露杰,孙作潇,吕强,陈巧勇. 自动化仪表. 2018(02)
[7]微网日前调度优化方案[J]. 巫卿,俞雷. 科技创新与应用. 2017(35)
[8]微型冷热电联供燃气轮机能量管理系统设计[J]. 安英会. 装备制造技术. 2017(09)
[9]含冷热电联供的微网优化调度策略综述[J]. 周晓倩,余志文,艾芊,曾顺奇. 电力自动化设备. 2017(06)
[10]基于多目标粒子群算法的电力系统环境经济调度研究[J]. 张子泳,仉梦林,李莎. 电力系统保护与控制. 2017(10)
博士论文
[1]中国新能源发展研究[D]. 张海龙.吉林大学 2014
[2]分布式发电与微网系统多目标优化设计与协调控制研究[D]. 王瑞琪.山东大学 2013
硕士论文
[1]计及多目标的用户侧能量管理系统调度研究[D]. 仲海涛.青岛大学 2019
[2]基于多目标人工蜂群算法的复合能源供热系统的优化研究[D]. 赵丽丽.天津理工大学 2019
[3]多能耦合冷热电联供系统优化设计与策略评估[D]. 王志光.上海交通大学 2019
[4]基于强化萤火虫算法的冷热电联供系统多目标优化调度[D]. 张荣权.深圳大学 2018
[5]天然气冷热电联供能源系统运行优化研究[D]. 代宪亚.上海电力学院 2017
[6]高渗透率下微电网多目标优化运行研究[D]. 刘智伟.兰州理工大学 2016
[7]冷热电联供/综合能源系统的规划研究[D]. 唐沂媛.东南大学 2016
[8]CCHP型微网建模及经济运行优化研究[D]. 袁灼新.华南理工大学 2016
[9]考虑经济性与可靠性的微网容量配置策略研究[D]. 葛佳伟.江苏大学 2016
[10]太阳能发电技术的综合评价及应用前景研究[D]. 辛培裕.华北电力大学 2015
本文编号：3699911
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及研究意义
1.2 冷热电联供型微网研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文主要研究内容
第二章 冷热电联供型微网的概述
2.1 冷热电联供型微网的结构
2.2 冷热电联供型微网的运行模式
2.2.1 并网运行方式
2.2.2 孤岛运行方式
2.3 冷热电联供型微网主要设备的数学模型
2.3.1 光伏发电数学模型
2.3.2 风力发电模型
2.3.3 微型燃气轮机模型
2.3.4 燃料电池模型
2.3.5 余热锅炉和吸收式制冷机模型
2.3.6 储能装置数学模型
2.4 本章小结
第三章 基于蜂群优化算法的冷热电联供型微网优化调度模型
3.1 冷热电联供型微网优化调度模型
3.1.1 目标函数
3.1.2 约束条件
3.2 模型求解算法
3.2.1 人工蜂群优化算法
3.2.2 粒子群优化算法
3.3 算例分析
3.3.1 算例简介
3.3.2 算例分析
3.4 本章小结
第四章 计及多目标的冷热电联供型微网优化调度研究
4.1 计及多目标的冷热电联供型微网优化调度模型
4.1.1 目标函数
4.1.2 约束条件
4.2 多目标优化算法
4.2.1 传统多目标蜂群优化算法
4.2.2 Pareto最优理论
4.2.3 基于Pareto理论的多目标蜂群算法
4.3 算例分析
4.3.1 算例介绍
4.3.2 算例仿真
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]含风电和光伏的电力系统多目标经济调度[J]. 王步云,张成刚,郭斌. 自动化技术与应用. 2020(03)
[2]考虑灵活性的冷热电联供型微网优化调度[J]. 慕明良,李守茂,孟祥鹤,白星振. 智慧电力. 2020(03)
[3]含多种可再生能源和冷储能装置的冷电联供系统经济优化调度模型研究[J]. 张军,王红敏. 上海电力学院学报. 2019(05)
[4]冷热电三联供系统的发展现状和应用综述[J]. 解鸣,任德财,濮晓宙,俞祥俊,徐俊君. 制冷. 2019(01)
[5]含热泵和储能的冷热电联供型微网经济运行[J]. 杨志鹏,张峰,梁军,韩学山,徐震. 电网技术. 2018(06)
[6]冷热电联供型微电网系统多目标日前优化调度[J]. 罗平,韩露杰,孙作潇,吕强,陈巧勇. 自动化仪表. 2018(02)
[7]微网日前调度优化方案[J]. 巫卿,俞雷. 科技创新与应用. 2017(35)
[8]微型冷热电联供燃气轮机能量管理系统设计[J]. 安英会. 装备制造技术. 2017(09)
[9]含冷热电联供的微网优化调度策略综述[J]. 周晓倩,余志文,艾芊,曾顺奇. 电力自动化设备. 2017(06)
[10]基于多目标粒子群算法的电力系统环境经济调度研究[J]. 张子泳,仉梦林,李莎. 电力系统保护与控制. 2017(10)
博士论文
[1]中国新能源发展研究[D]. 张海龙.吉林大学 2014
[2]分布式发电与微网系统多目标优化设计与协调控制研究[D]. 王瑞琪.山东大学 2013
硕士论文
[1]计及多目标的用户侧能量管理系统调度研究[D]. 仲海涛.青岛大学 2019
[2]基于多目标人工蜂群算法的复合能源供热系统的优化研究[D]. 赵丽丽.天津理工大学 2019
[3]多能耦合冷热电联供系统优化设计与策略评估[D]. 王志光.上海交通大学 2019
[4]基于强化萤火虫算法的冷热电联供系统多目标优化调度[D]. 张荣权.深圳大学 2018
[5]天然气冷热电联供能源系统运行优化研究[D]. 代宪亚.上海电力学院 2017
[6]高渗透率下微电网多目标优化运行研究[D]. 刘智伟.兰州理工大学 2016
[7]冷热电联供/综合能源系统的规划研究[D]. 唐沂媛.东南大学 2016
[8]CCHP型微网建模及经济运行优化研究[D]. 袁灼新.华南理工大学 2016
[9]考虑经济性与可靠性的微网容量配置策略研究[D]. 葛佳伟.江苏大学 2016
[10]太阳能发电技术的综合评价及应用前景研究[D]. 辛培裕.华北电力大学 2015
本文编号：3699911
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3699911.html
