基于自适应学习率萤火虫算法的多能源系统联合优化调度.pdfVIP

第44卷 第7期 Vol.44 No.7 2022年7月 Jul.2022 DOI：10.3969/j.issn.2097-0706.2022.07.006 基于自适应学习率萤火虫算法的多能源系统 联合优化调度 Economicoperationofamulti-energysystembasedonadaptivelearningratefireflyalgorithm 1 2* 3 2 2 张荣权 ，李刚强 ，卜思齐，刘芳 ，朱玉祥 1 2* 3 2 2 ZHANGRongquan ，LIGangqiang ，BUSiqi ，LIUFang ，ZHUYuxiang （1.南昌交通学院交通运输学院，南昌330100；2.河南省智能机器人行为优化控制国际联合实验室 （黄淮学院），河南驻马店463000；3.香港理工大学 电机工程学系，香港999077） （1.CollegeofTransportationandCommunication，NanchangJiaotongInstitute，Nanchang330100，China； 2.HenanInternationalJointLaboratoryofBehaviorOptimizationControlforSmartRobots（Huanghuai University），Zhumadian463000，China；3.DepartmentofElectricalEngineering， TheHongKongPolytechnicUniversity，HongKong999077，China） 摘 要：随着碳中和目标下分布式新能源发电的快速增长以及多能协同技术的不断成熟，多能源系统（MES）得到 了快速发展，成为未来能源的主要承载形式。但MES包括生产、存储、消费等复杂环节，其经济运行面临挑战。在 MES框架下构建了包含新能源发电站、电池储能装置和冷热电联供装置的经济优化模型，以弃风弃光惩罚成本、电 池储能装置放电损耗成本、燃气轮机燃气成本、碳排放惩罚成本等最小为目标函数，以电池储能装置的充放电特 性、光伏与风力发电机组的出力特性、冷热电平衡等为约束条件，采用一种新型的自适应学习率萤火虫算法 （ALRFA）对优化模型进行求解，通过引入自适应学习率参数，可避免陷入局部最优、收敛速度慢等问题。以某园区 的用户冷热电负荷为例，验证了所提模型和优化算法的有效性和可行性。 关键词：碳中和；新能源；多能源系统；冷热电联供；联合优化；电池储能；碳排放惩罚；自适应学习率萤火虫算法 + 中图分类号：TK01 8：TP301.6 文献标志码：A 文章编号：2097-0706（2022）07-0049-09 Abstract：Withtheextensiveapplicationofrenewableenergyaspowersourcesandthestepwisematurityofsynergetic techniques，multi-energysystem（MES）isdrawingincreasingattention，turningintothemaincarrierofenergyontheway toachievingcarbon