《Energy Conversion and Management-X》:A new gradient projection active set approach for reliable and economic operation of combined energy systems
编辑推荐:
为解决热电联产经济调度(CHPED)中非凸可行域和阀点效应等复杂约束优化难题,本研究提出一种基于梯度投影的主动集算法。该法通过动态识别有效约束、分解非凸区域为凸子集,在四个基准系统中验证了其优越性,实现了更低运行成本与更强鲁棒性,为大规模能源系统可靠经济运行提供了高效解决方案。
在全球能源转型和 decarbonization(脱碳)需求日益紧迫的背景下,电力系统的可靠高效运行面临着前所未有的挑战。热电联产(Combined Heat and Power, CHP)系统因其能同时提供电力和热能的高效特性,在现代综合能源系统中扮演着关键角色。然而,热电联产经济调度(CHP Economic Dispatch, CHPED)问题本质上是一个多约束、非线性的复杂优化任务。其难点主要源于电力和热能生产之间的强耦合关系,以及非凸的可行运行区域(特别是考虑阀点加载效应时)。传统的确定性优化框架往往难以有效处理这些非线性和不确定性,而一些先进的智能优化方法,如深度强化学习(DRL),虽然展现出潜力,但在处理大规模CHPED问题时,可能存在依赖大量采样、产生中间不可行解或计算复杂度高等问题。因此,开发一种既高效又能严格保证解可行性的优化算法,对于实现综合能源系统的可靠、经济运行至关重要。
本研究发表在《Energy Conversion and Management-X》上,旨在解决上述挑战。研究人员提出了一种创新的优化方法——基于梯度投影法(Gradient Projection Method)的主动集算法(Active Set Algorithm),为复杂的CHPED任务提供了一种有效的解决方案。
为开展研究,作者主要应用了以下关键技术方法:首先是构建了包含纯发电、热电联产和纯供热三类机组的CHPED数学模型,其目标函数为最小化总运行成本,约束条件包括电/热功率平衡、机组出力限制以及计及阀点效应的非凸成本函数。核心算法是梯度投影主动集方法,它通过动态识别并处理有效约束(将其视为等式约束),将问题转化为更易处理的等式约束优化问题,并通过将目标函数负梯度投影到可行域内的方式确定搜索方向,同时采用多起点策略以减轻非凸问题对初始值的敏感性。研究还采用了基于Kron公式的输电损耗计算,并对非凸CHP可行域进行了凸子区域分解处理。
The CHPED problem
CHPED问题的核心是在满足电力和热负荷需求以及所有机组运行约束的前提下,确定系统中每台发电机组(纯发电机组、CHP机组、纯供热机组)的最优电、热出力分配,使得系统的总运行成本最低。CHP机组的运行特性尤为复杂,其电、热出力相互耦合,构成了一个非凸的可行运行区域(如图1所示),这大大增加了优化问题的难度。此外,大型纯发电机组通常配备多个蒸汽进气阀,阀门的开启会产生“阀点效应”(Valve-Point Loading Effects),使成本函数出现周期性波动(如图2所示),进一步引入了非凸性。本研究建立了完整的CHPED数学模型,目标函数(1)为三类机组成本之和,约束条件包括电、热功率平衡方程(2)、(3),以及各类机组的出力上下限约束(4)-(7),其中CHP机组的约束(5)、(6)是其电、热出力相互依赖的函数。输电损耗则通过Kron公式(8)计算。
Active set algorithm
针对CHPED这一具有线性约束的非线性规划问题,研究者采用了主动集算法框架。该算法的核心思想是:在每次迭代中,识别出在当前点处于边界的(即“主动的”)不等式约束,并将其纳入“工作集”(Working Set)作为等式约束处理;而那些非主动的不等式约束则暂时忽略。这样,原问题在每次迭代中就近似为一个等式约束优化问题。梯度投影法是该主动集算法中用于在“工作曲面”(由当前工作集定义)上确定搜索方向的关键策略。其基本步骤包括:从初始可行解开始;识别主动约束并形成等式约束矩阵Aeq;计算投影矩阵P和搜索方向d(d = -P?C(x)T);沿方向d进行一维搜索,确定既能降低目标函数值又能保持可行性的最大步长;更新当前点;若搜索方向d为零,则计算拉格朗日乘子以判断最优性,或根据乘子的符号调整工作集。该算法通过高效的矩阵更新公式(25)-(27)来避免每次迭代都重新计算投影矩阵的逆,从而降低了计算开销。为了处理CHP非凸可行域中可能互斥的边界约束,算法采用条件性强制执行策略,即根据当前点的位置(如热出力T与临界值Ta的关系)决定检查哪一条边界约束,并引入迟滞容差以避免在边界附近振荡。
Simulation results and discussions
研究通过在四个不同规模和复杂度的基准测试系统上进行仿真,验证了所提算法的性能。
First case (A)
第一个测试系统规模较小,包含1个纯发电机组、2个CHP机组和1个纯供热机组。结果表明,所提算法找到了与文献中最佳可行解一致的结果,并且识别出某些文献报道的“更优”解实际上是不可行的(违反了机组运行约束)。但由于该案例中纯发电和纯供热机组成本函数为线性且系数设置特殊,导致它们总是运行在下限,问题维度得以简化,因此不足以充分展示算法的优势。图6-10展示了算法的收敛过程和机组出力变化。
Second case (B)
第二个测试系统包含1个纯发电机组、3个CHP机组和1个纯供热机组,且纯发电和纯供热机组采用非线性成本函数。针对三种不同的负荷场景(LP1, LP2, LP3),所提算法均获得了可行的最优解,其总成本低于遗传算法(GA)、和声搜索(HS)等对比方法。值得注意的是,某些算法(如EDHS)报告了更低的成本,但其解违反了CHP机组的运行约束,是不可行的。图11-16详细比较了不同算法的结果,证明了所提算法在确保可行性的前提下实现更低成本的能力。图14显示了CHP机组在可行域内的寻优轨迹。
Third Case (C)
第三个案例是一个包含13个纯发电机组(考虑阀点效应)、6个CHP机组和5个纯供热机组的大规模系统。所提算法(ASM)与CPSO(混沌粒子群优化)、TVAC-PSO(时变加速度系数粒子群优化)、ACS-DEM等先进算法进行了比较。ASM获得了最低的总成本(57,762.97美元),显著优于CPSO(59,736.26美元)、TVAC-PSO(58,122.75美元)和ACS-DEM(57,897.61美元)。分析表明,ASM能够更好地处理阀点效应带来的非凸性,将出力从成本较高的、受阀点效应影响的机组重新分配到成本较低的基荷机组,并更有效地利用大型供热锅炉,从而实现了成本的降低。结果对比见图17。
Fourth case (D)
第四个案例是更大规模的系统,包含26个纯发电机组、12个CHP机组和10个纯供热机组。所有算法都满足了4700 MW电力和2500 MWth热力的总需求。所提ASM算法再次表现出色,实现了最低的总成本约115.57千美元,相比CPSO(约119.71千美元)、TVAC-PSO(约117.82千美元)、HECS(约116.04千美元)和ACS-DEM(约115.98千美元)均有提升,相对于CPSO有约2%的成本降低。这体现了算法在大规模问题上的良好扩展性和优化性能。详细出力对比见图18。
Robustness to initialization and computational efficiency
为了评估算法对初始解的鲁棒性,研究进行了100次多起点独立运行。结果表明,所提ASM算法在案例C和案例D中均能获得最低的最小成本、平均成本和最大成本(见表3),说明其性能受初始点影响较小,具有很好的稳定性和重复性。在计算效率方面,无论是绝对CPU时间还是考虑CPU速度的相对时间,ASM都显著优于CPSO和TVAC-PSO等对比算法(见表4),证明了其计算上的高效性。
本研究成功开发并验证了一种基于梯度投影的主动集算法,用于解决复杂的CHP经济调度问题。该算法通过动态管理不等式约束、分解非凸可行域以及利用梯度投影进行高效搜索,有效克服了CHPED问题中的非凸性和高维度挑战。在四个不同规模的测试系统上的结果表明,该算法不仅能够 consistently(一致地)找到可行且成本更低的调度方案,优于多种现有先进算法,而且表现出良好的鲁棒性和计算效率。该研究为大规模综合能源系统的可靠、经济和高效运行提供了一种强有力的优化工具,对推动能源转型和实现可持续能源管理具有重要意义。