多源供电模式下企业生产运作与能源管理集成优化研究

doi:10.16381/j.cnki.issn1003-207x.2020.1176

摘要/Abstract

摘要：

由于绝大部分的工业能耗归结于生产制造环节，将可再生能源作为生产车间的供电方式，可以促进可再生能源大力推广以缓解当前由于化石能源的大量使用而造成的环境污染问题。本研究以具有可再生能源供电系统的生产车间为研究对象，秉承“分布式发电、自产自销”的理念，关注包含生产车间、可再生能源发电、储电构成的微电网系统及其与外部电网之间的关联。首先，以最小化实时电价下的电费总成本为优化目标，建立了集成生产调度、设备维护、电量分配的企业运作管理问题的混合整数规划数学模型。其次，对决策变量进行分类，设计了基于遗传算法、启发式规则、子问题精确算法相结合的元启发式搜索算法；在外层对生产调度、设备维护相关变量进行迭代搜索，在内层利用最小费用流求解最优的电量分配方案。通过与CPLEX求解结果及有效低界的对比，验证了所设计算法在运行时间及求解精度上的有效性。与两种车间中独立决策策略相比较，在各种不同场景的平均表现上，集成模型可以节省大约40%的购电费用。最优运作方案显示，生产等高能耗活动应尽可能安排在低电价时段进行，但考虑到工件加工的不可中断性以及交货期的约束，设备也不可避免地需要在某些高电价时段运转。此时可以前摄性地预留部分可再生能源产电量，将其存储在储能系统之中，并按需合理分配，以有效减少企业在高电价时段的购电行为。

关键词: 生产调度, 设备维护, 实时电价, 可再生能源

Abstract:

It is reported that most of the industrial energy consumption is attributed to the manufacturing process. The application of renewable energy resources in the manufacturing plant can contribute to alleviating the environmental pollution problems caused by the massive use of fossil fuels. It focuses on the micro-grid system including the manufacturing plant， renewable energy generation system and power storage system. Apart from the power generated by the renewable resources， additional power from the main electric grid is necessary in order to satisfy the power demand of manufacturing line at any time. A mixed integer linear programming model integrating production scheduling， maintenance planning and energy controlling is established to minimize the total power cost of manufacturing plant under the real-time electricity price. The power generated by the renewable resources can be discharged to the manufacturing plant or stored in the storage system who has a limited maximum storage level. The price per unit of power drawn from the main grid depends on the time period. And， the unit price during the peak hours is higher than that during the valley hours. Based on the classification of decision variables， a two-layer algorithm combining the genetic algorithm， heuristic rules and sub-problem exact algorithm is designed to solve the model. In the out layer， the variables related to the production and maintenances are searched in the meta-heuristic according to the evaluation results obtained from the inner layer. In the inner layer， the variables related to the energy are optimized using the minimum cost network flow algorithm. Compared with CPLEX， the effectiveness and the efficiency of designed GA are validated in the numerical experiments. Since CPLEX cannot get the optimal solutions for the large-sized problems， an effective algorithm based on relaxation method is designed to get the lower bound for the problem. The gap between the lower bound and the solution obtained by GA is smaller than 10%， which also validates the effectiveness of designed GA. Compared with the traditional independent decision-making policies， the total power cost can be reduced by 40 percent using our model. The optimal operational plan shows that production should be arranged to the period with low electricity price since production is a kind of activity consuming energy heavily. However， it is inevitable to process the jobs during the high-price hours considering the non-preemption of jobs and the constraint of production deadline. Therefore， the power generated by the renewable energy system should be proactively stored in the storage system and then discharged to the manufacturing plant during the corresponding period. Thus， the existence of renewable resources can help the company decrease the behavior of electricity purchasing during the high-price hours effectively， which will improve its competiveness in the fierce market.

Key words: production planning, preventive maintenance, real-time price, renewable resource

中图分类号:

TK-9

崔维伟,刘新波. 多源供电模式下企业生产运作与能源管理集成优化研究[J]. 中国管理科学, 2023, 31(8): 173-183.

Wei-wei CUI,Xin-bo LIU. Integrating Production Planning and Energy Controlling for the Manufacturing Plant with Alternative Power Supplier[J]. Chinese Journal of Management Science, 2023, 31(8): 173-183.

图/表 13

表1

决策变量说明"

变量	解释说明
$x i k$	若工件 $i$ 在第 $k$ 位置加工，为1；否则为0
$J k$	表示第 $k$ 位置加工工件
$y k$	若在 $J [k]$ 前执行预防维护，为1；否则为0
$s k$	$J [k]$ 的开始加工时间
$c k$	$J [k]$ 的结束加工时间
$h j$	储能系统在间隙 $j$ 时的放电量
$p k$	$J [k]$ 的加工时间长度
$r k$	$J [k]$ 的到达时间
$b k$	$J [k]$ 的开始加工之前设备的役龄
$a k$	$J [k]$ 的完成加工之后设备的役龄
$u j$	储能系统在 $j$ 间隙初期的储存量
$z j$	生产系统在 $j$ 间隙从主电网购得电量
$d j$	生产系统在 $j$ 间隙所需电量

表1

图1

图2

图3

表2

表3

图4

图5

图6

图7

图8

图9

图10

参考文献 38

1	中华人民共和国国家统计局. 中国能源统计年鉴［M］. 北京：中国统计出版社， 2019.
	National bureau of statistics of the People’s Republic of China. China Energy Statistical Yearbook［M］. Beijing： China Statistics Press， 2019.
2	Park C W， Kwon K S， Kim W B. Energy consumption reduction technology in manufacturing-a selective review of policies， standards， and research［J］. International Journal of Precision Engineering and Manufacturing， 2009， 10（5）： 151-173.
3	夏良杰，孔清逸，李友东，等. 考虑交叉持股的低碳供应链减排与定价决策研究［J］. 中国管理科学， 2021， 29（4）： 70-81.
	Xia Liangjie， Kong Qingyi， Li Youdong， et al. Emission reduction and pricing strategies of a low-carbon supply chain considering cross-shareholding［J］. Chinese Journal of Management Science， 2021， 29（4）： 70-81.
4	Yan Jihong， Li Lin， Zhao Fu， et al. A multi-level optimization approach for energy-efficient flexible flow shop scheduling［J］. Journal of Cleaner Production， 2016， 137（20）： 1543-1552.
5	Liu Zhifeng， Yan Jun， Cheng Qiang， et al. The mixed production mode considering continuous and intermittent processing for an energy- efficient hybrid flow shop scheduling［J］. Journal of Cleaner Production， 2020， 246， 119071.
6	Li Junqing， Sang Hongyan， Han Yuyan， et al. Efficient multi-objective optimization algorithm for hybrid flow shop scheduling problems with setup energy consumptions［J］. Journal of Cleaner Production， 2018， 181： 584-598.
7	Tang Dunbing， Dai Min， Miguel A S， et al. Energy-efficient dynamic scheduling for a flexible flow shop using an improved particle swarm optimization［J］. Computers in Industry， 2016， 81： 82-95.
8	Wang Han， Jiang Zhigang， Wang Yan， et al. A two-stage optimization method for energysaving flexible job-shop scheduling based on energy dynamic characterization［J］. Journal of Cleaner Production， 2018， 188： 575-588.
9	何彦，王乐祥，李育锋，等. 一种面向机械车间柔性工艺路线的加工任务节能调度方法［J］. 机械工程学报， 2016，52（19）： 168-179.
	He Yan， Wang Lexiang， Li Yufeng， et al. A scheduling method for reducing energy consumption of machining job shops considering the flexible process plan［J］. Journal of Me- chanical Engineering， 2016，52（19）： 168-179.
10	Cui Weiwei， Sun Huali， Xia Beixin. Integrating production scheduling， maintenance planning and energy controlling for the sustainable manufacturing systems under TOU tariff［J］. Journal of the Operational Research Society， 2020， 71（11）：1760-1779.
11	Che Ada， Zeng Yizeng， Ke Lyu. An efficient greedy insertion heuristic for energy-conscious single machine scheduling problem under time-of-use electricity tariffs［J］. Journal of Cleaner Production， 2016， 129： 565-577.
12	崔维伟，谭欣林. 分时电价下关注能耗成本的生产问题建模及算法［J］. 中国管理科学， 2021， 29（5）： 147-156.
	Cui Weiwei， Tan Xinlin. Modeling and Approach for the energy-aware production scheduling problem under TOU tariff［J］. Chinese Journal of Management Science， 2021， 29（5）： 147-156.
13	Zhang Hao， Zhao Fu， Fang Kan， et al. Energy-conscious flow shop scheduling under time-of-use electricity tariffs［J］. CIRP Annals Manufacturing Technology， 2014， 63（1）：37-40.
14	Wang Shijin， Zhu Zhanguo， Fang Kan， et al. Scheduling on a two-machine permutation flow shop under time-of-use electricity tariffs［J］. International Journal of Production Research， 2018， 56（9）： 3173-3187.
15	Cheng Junheng， Chu Feng， Zhou Mengchu. An improved model for parallel machine scheduling under time-of-use electricity price［J］. IEEE Transactions on Automation Science and Engineering， 2018， 15（2）： 896-899.
16	Zhang Mingyang， Yan Jihong， Zhang Yanling， et al. Optimization for energy-efficient flexible flow shop scheduling under time of use electricity tariffs［J］. Procedia CIRP， 2019， 80： 251-256.
17	程承，王震，刘慧慧，等. 执行时间视角下的可再生能源发电项目激励政策优化研究［J］. 中国管理科学， 2019， 27（3）： 157-167.
	Cheng Cheng， Wang Zhen， Liu Huihui， et al. Study on the optimization of investment incentive policies for renewable energy projects -from a perspective of execution time［J］. Chinese Journal of Management Science， 2019， 27（3）： 157-167.
18	Zhang Jingrui， Wu Yihong， Guo Yiran， et al. A hybrid harmony search algorithm with differential evolution for day-ahead scheduling problem of a microgrid with consideration of power flow constraints［J］. Applied Energy， 2016， 183： 791-804.
19	马艺玮，杨苹，吴捷. 含多分布式电源独立微电网的混合控制策略［J］. 电力系统自动化， 2015，39（11）：103-109.
	Ma Yiwei， Yang Ping， Wu Jie. Hybrid control strategy of islanded microgrid with numerous distributed generators［J］. Automation of Electric Power Systems， 2015， 39（11）： 103-109.
20	路畅，郭力，刘一欣，等. 基于柔性互联的独立微电网分布式优化调度方法［J］. 电网技术， 2019，43（5）：1512-1519.
	Lu Chang， Guo Li， Liu Yixin， et al. Distributed optimal dispatching method for independent microgrids based on flexible interconnection［J］. Power System Technology， 2019， 43（5）： 1512-1519.
21	Sachs J.， Sawodny O. A two-stage model predictive control strategy for economic diesel-PV-battery island microgrid operation in rural areas［J］. IEEE Transactions on Sustainable Energy， 2016， 7（3）： 903-913.
22	高峰，闫涛，唐巍，等. 独立风/光/储混合微电网多目标电源容量优化配置［J］.智能电网， 2016，4（8）：802-810.
	Gao Feng， Yan Tao， Tang Wei， et al. Multi-objective optimal capacity configuration of standalone wind-solar-battery hybrid microgrid［J］. Smart Grid， 2016， 4（8）： 802-810.
23	谭颖，吕智林，李捷. 基于改进ELM的风/光/柴/储独立微网分布式电源多目标容量优化配置［J］.电力系统保护与控制， 2016， 458（8）： 69-76.
	Tan Ying， Lv Zhilin， Li Jie. Multi-objective optimal sizing method for distributed power of wind-solar-diesel-battery independent microgrid based on improved electromagnetism-like mechanism［J］. Power System Protection and Control， 2016， 458（8）： 69-76.
24	Wang Hui， Wang Tengxin， Xie Xiaohan， et al. Optimal capacity configuration of a hybrid energy storage system for an isolated microgrid using quantum-behaved particle swarm optimization［J］. Energies， 2018， 11（2）， 454.
25	陶莉，高岩，朱红波，等.有可再生能源和电力存储设施并网的智能电网优化用电策略［J］. 中国管理科学， 2019， 27（2）： 150-157.
	Tao Li， Gao Yan， Zhu Hongbo， et al. Optimal scheduling for smart grids with the integration of renewable resources and storage devices［J］. Chinese Journal of Management Science， 2019， 27（2）： 150-157.
26	Huang Wei， Fu Ziyu， Hua Liangliang. Research on optimal capacity configuration for distributed generation of island micro-grid with wind/wolar/battery/diesel engine［C］//2nd IEEE Conference on Energy Internet and Energy System Integration， Beijing， 2018：1-6.
27	Comodi G， Giantomassi A， Severini M， et al. Multi-apartment residential microgrid with electrical and thermal storage devices： experimental analysis and simulation of energy management strategies［J］. Applied Energy， 2015， 137： 854-866.
28	Lazar E， Ignat A， Petreus D， et al. Energy management for an islanded microgrid based on harmony search algorithm［C］//41st International Spring Seminar on Electronics Technology （ISSE）， Zlatibor， Serbia， 2018：1-6.
29	Ignat A， Lazar E， Petreus D. Energy management for an islanded microgrid based on particle swarm optimization［C］//Proceedings of 24th International Symposium for Design and Technology in Electronic Packaging， Romania， 2018： 213-216.
30	Moradi H， Esfahanian M， Abtahi A， et al. Optimization and energy management of a standalone hybrid microgrid in the presence of battery storage system［J］. Energy， 2018， 147： 226-238.
31	Wang Yongli， Huang Yujing， Wang Yudong， et al. Energy management of smart micro-grid with response loads and distributed generation considering demand response［J］. Journal of Cleaner Production， 2018， 197： 1069-1083.
32	Manandhar U， Ukil A， Beng G H， et al. A low complexity control and energy management for DC-coupled hybrid microgrid with hybrid energy storage system［C］//Proceedings of IEEE Power & Energy Society General Meeting， Chicago， IL， 2017：1-5.
33	吴秀丽，崔琪.考虑可再生能源的多目标柔性流水车间调度问题［J］.计算机集成制造系统， 2018，24（11）：144-159.
	Wu Xiuli， Cui Qi. Multi-objective flexible flow shop scheduling problem with renewable energy［J］. Computer Integrated Manufacturing Systems， 2018， 24（11）： 144-159.
34	Subramanyam V， Jin T D， Novoa C. Sizing a renewable microgrid for flow shop manufacturing using climate analytics［J］. Journal of Cleaner Production， 2020， 252， 119829.
35	Biel K， Zhao F， Sutherland J W， et al. Flow shop scheduling with grid-integrated onsite wind power using stochastic MILP［J］. International Journal of Production Research， 2018， 56（5）： 2076-2098.
36	Zhai Yuxin， Biel K， Zhao Fu， et al. Dynamic scheduling of a flow shop with on-site wind generation for energy cost reduction under real time electricity pricing［J］. CIRP Annals Manufacturing Technology， 2017， 66（1）： 41-44.
37	Zhang Hao， Cai Jie， Fang Kan， et al. Operational optimization of a grid-connected factory with onsite photovoltaic and battery storage systems［J］. Applied Energy， 2017， 205： 1538-1547.
38	Vidal T， Crainic T G， Gendreau M， et al. A hybrid genetic algorithm for multidepot and periodic vehicle routing problems［J］. Operations Research， 2012， 60（3）： 611-624.

n	CPLEX			GA
n	上界	下界	时间	第1次	第2次	第3次	第4次	第5次
10	547.8	547.8	7.39	547.8	547.8	547.8	547.8	547.8
	597.8	597.8	29.59	597.8	597.8	597.8	616	597.8
	526.6	526.6	38.03	526.6	526.6	526.6	526.6	526.6
	654.9	654.9	10.69	654.9	654.9	654.9	654.9	654.9
	793.9	793.9	17.58	793.9	793.9	793.9	793.9	793.9
15	1064.3	879.5	7200	1066.7	1064.3	1064.4	1066.7	1064.3
	438	362	7200	440.4	444.2	444.2	445.5	441.8
	1005	949	7200	1005.2	1005	1005.8	1005	1005
	712.7	550	7200	712.7	712.7	714.2	712.7	715.7
	619.8	542.2	7200	624.2	624.2	624.2	624.2	624.2
20	1228.5	867.4	7200	1230.5	1236.4	1235.6	1228.8	1234.9
	640.5	426	7200	649.2	649.2	649.2	649.2	649.2
	1411.6	771.2	7200	1425.3	1413.8	1422.3	1409.1	1426
	1592.7	946.1	7200	1593.7	1592.7	1593.3	1592.8	1592.7
	954.6	590.2	7200	956.1	954.6	959.5	954.6	954.6

n	算例1	算例2	算例3	算例4	算例5
20	5.59	1.66	1.63	2.14	0.13
40	7.01	5.06	3.47	8.74	4.24
60	7.26	0.82	7.12	7.62	3.35
80	1.85	4.21	4.52	3.86	6.85
100	5.01	4.04	2.62	7.93	5.54

[1]	朱庆缘,陈希凡,陈杰,吴杰. 中国区域电力企业可再生能源电力配额分配机制研究[J]. 中国管理科学, 2024, 32(9): 292-302.
[2]	李铁克,苏艺璇,张文新,王柏琳. 加工时间不确定的炼钢-连铸区间多目标优化调度[J]. 中国管理科学, 2024, 32(8): 95-106.
[3]	代业明,孙锡连,齐尧,段金鹏. 考虑双重不确定性和用户负效用的多目标双层售电商决策[J]. 中国管理科学, 2024, 32(7): 163-171.
[4]	吴志强,王菁祺,高岩. 实时电价的社会福利解析[J]. 中国管理科学, 2024, 32(3): 218-227.
[5]	程承,安润飞,董康银,任晓航,王震,赵国浩. 碳交易机制引导下可再生能源发电企业创新策略研究[J]. 中国管理科学, 2024, 32(3): 82-94.
[6]	陈威,田永乐,马永开,白春光. 可再生能源储能租赁模式对电力质量和电价决策的影响[J]. 中国管理科学, 2024, 32(1): 309-318.
[7]	周德群, 周显扬, 丁浩. 多市场协同下的可再生能源电力竞价策略研究[J]. 中国管理科学, 2023, 31(1): 248-255.
[8]	陈威, 马永开, 白春光. 基于碳限额与交易机制的上下游企业可再生能源投资策略研究[J]. 中国管理科学, 2023, 31(1): 70-80.
[9]	周德群, 丁浩, 周鹏, 王群伟. 基于过程划分的可再生能源技术扩散模型[J]. 中国管理科学, 2022, 30(2): 217-225.
[10]	蔡强, 卫贵武, 黄晶, 夏晖. 基于社会福利的可再生能源R&D激励政策评价[J]. 中国管理科学, 2022, 30(1): 206-221.
[11]	崔维伟, 谭欣林. 分时电价下关注能耗成本的生产问题建模及算法[J]. 中国管理科学, 2021, 29(5): 147-156.
[12]	赵新刚, 任领志, 万冠. 可再生能源配额制、发电厂商的策略行为与演化[J]. 中国管理科学, 2019, 27(3): 168-179.
[13]	程承, 王震, 刘慧慧, 赵国浩, 刘明明, 任晓航. 执行时间视角下的可再生能源发电项目激励政策优化研究[J]. 中国管理科学, 2019, 27(3): 157-167.
[14]	陶莉, 高岩, 朱红波, 曹磊. 有可再生能源和电力存储设施并网的智能电网优化用电策略[J]. 中国管理科学, 2019, 27(2): 150-157.
[15]	李力, 朱磊, 范英. 不确定条件下可再能源项目的竞争性投资决策[J]. 中国管理科学, 2017, 25(7): 11-17.