1.一种冷热电联供微网系统的能量调度优化方法,所述冷热电联供微网系统包括:能量管理系统、光伏、微型燃气轮机组、燃气锅炉、电储能装置、热储能装置以及电制冷、电制热和热制冷装置;所述冷热电联供微网系统与大电网通过公共节点相联,所述大电网的电价分为高、低电价区间;其特征是,所述能量调度优化方法是按如下步骤进行:步骤1:所述能量管理系统根据环境与用户行为的历史数据,预测当天冷负荷预测函数曲线 热负荷预测函数曲线 电负荷预测函数曲线 以及晴朗条件下的光伏预测函数曲线
再估计冷负荷在任意时刻t相对于预测值的随机性波动范围为 并对随机性波动范围 离散为Ncool+1个等级、热负荷在任意时刻t相对于预测值的随机性波动范围为 并对随机性波动范围 离散为Nth+1个等级、电负荷在任意时刻t相对于预测值的随机性波动范围为并对随机性波动范围 离散为Nele+1个等级、光伏在任意时刻t相对于预测值的随机性波动范围为 并对随机性波动范围离散为Npv+1个等级;
步骤2:所述能量管理系统将当天的一天时间T等分为0~K共K+1个决策周期,第k个决策时刻tk=k×(T/K);定义0~i决策周期为学习周期,i+1~K决策周期为非学习周期;定义任意一个样本轨道为m,样本轨道总数为M,模拟退火温度为Temp,学习率为α,第m个样本轨道在非学习周期上的状态值函数Gm(·);
令m=0,初始化Q值表和模拟退火温度Temp;
步骤3:利用式(1)得到第k个决策时刻tk的光伏状态等级 冷负荷状态等级 热负荷状态等级 和电负荷状态等级式(1)中, 和 分别表示第k个决策时刻tk的光伏预测
值、冷负荷预测值、热负荷预测值和电负荷预测值; 和 分别表示第k个决策时刻tk的光伏测量值、冷负荷测量值、热负荷测量值和电负荷测量值;
步骤4:定义所述冷热电联供微网系统在第k个决策时刻tk的状态向量为其中,Φs为系统状态空间, 为第k个决策时刻tk
所述微型燃气轮机组开启的台数, 为第k个决策时刻tk所述电储能装置的状态等级,并有表示电储能最大储能容量等分为Nes+1个等级, 为第k个决策时刻tk所述热储能装置的状态等级,并有 表示热储能最大储能容量等分为Nths+1个等级;
定义所述冷热电联供微网系统在第k个决策时刻tk的行动为 其中,D为行动空间, 为第k个决策时刻tk所述微型燃气轮机组的起停行动, 为第k个决策时刻tk所述电储能装置的充放行动,且 表示电储能装置放电, 表示静置,表示充电、 为第k个决策时刻tk所述热储能装置的充放行动,且 表示热储能装置放热, 表示静置, 表示储热;令微型燃气轮机组动作满足: Nmt表示微型燃气轮机组的总台数;
步骤5:令k=0,随机初始化系统状态sk;
步骤6:所述能量管理系统在第k个决策时刻tk根据当前状态sk和Q值表,从行动空间D中选取 Q 值 最大 的 行 动a g re e d y ,同 时 ,随 机 选 取有 效 行 动a r an d ;若成立,则将agreedy赋值给ak,否则将arand赋值给ak;其中Kb为玻尔兹曼常数;
步骤7:所述冷热电联供微网系统执行第k个决策时刻tk的行动ak,并利用式(2)观测在第k个决策周期内产生的运行代价ck:式(2)中, 为第k个周期内微型燃气轮机组的运行代价、 为第k个周期内燃气代价、为第k个周期内电储能装置的充放损耗代价、 为第k个周期内热储能装置的充放损耗代价、 为第k个周期内从大电网的购电代价、 为第k个周期内热能流失代价;
在第k个周期结束时,观测所述冷热电联供微网系统在第k+1个决策时刻tk+1的状态向量步骤8:判断tk+1=ti+1是否成立,若成立,令k+1赋值给k,并记录第i+1个决策时刻ti+1的状态向量si+1后跳转到步骤9;若不成立,则利用式(3)更新Q值表后,令k+1赋值给k,并跳转至步骤6;
式(3)中,Qm表示第m个样本轨道的Q值表;
步骤9:判断第k个决策时刻tk是否处于高电价区间,若是,则执行步骤10;否则,执行步骤11;
步骤10、禁止所述电储能装置的充电行动,并当电储能装置剩余电量低于最低电量时,令所述电储能装置的行动 否则,令 从而确定电储能装置的行动在第k个决策时刻tk采取以电定热的原则确定微型燃气轮机组的行动在第k个决策时刻tk采取以电定热的原则和所述微型燃气轮机组的行动 来确定热储能装置的行动 从而得到第k个决策时刻tk的行动 跳转到步骤12;
步骤11:禁止电储能装置放电行动,并当电储能装置剩余电量高于最高电量 时,令电储能装置行动 否则,令在第k个决策时刻tk采取以热定电原则确定微型燃气轮机组的行动在第k个决策时刻tk采取以热定电的原则和所述微型燃气轮机组的行动 来确定热储能装置的行动 从而得到第k个决策时刻tk的行动步骤12:利用式(2)计算第k个决策周期产生的运行代价ck后,令k+1赋值给k;
步骤13:观测k=K是否成立,若成立,则利用式(4)计算所述非学习周期内的平均代价cexp,若不成立,则返回步骤9;
步骤14:利用式(5)更新Q值表:
Qm+1(si,ai)=Qm(si,ai)+α(cexp+Gm+1(si+1)-Qm(si,ai)) (5)式(5)中,ai为第i个决策时刻ti的行动,si为第i个决策时刻ti的状态向量,Gm+1(si+1)为第m+1个样本轨道在非学习周期上第i+1个决策时刻ti+1状态向量si+1的状态值函数,并有:Gm+1(si+1)=(1-α)Gm(si+1)+αcexp (6)步骤15:更新模拟退火温度Temp为βT×Temp,其中,βT∈(0,1);
步骤16:令m+1赋值给m,并判断m>M是否成立,若成立则停止循环,实现能量调度的优化;否则返回步骤5。