CN106410855A - 一种独立微能源网及其优化配置方法 - Google Patents
一种独立微能源网及其优化配置方法 Download PDFInfo
- Publication number
- CN106410855A CN106410855A CN201611069314.2A CN201611069314A CN106410855A CN 106410855 A CN106410855 A CN 106410855A CN 201611069314 A CN201611069314 A CN 201611069314A CN 106410855 A CN106410855 A CN 106410855A
- Authority
- CN
- China
- Prior art keywords
- energy
- combustion type
- power generation
- caes
- storage tank
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开一种独立微能源网及其优化配置方法,所述独立微能源网与负载连接,其中,所述独立微能源网包括风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置,所述风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及负载连接,为所述负载提供电能;所述蓄热槽、非补燃式压缩空气蓄能装置及负载连接,用于为所述负载提供热能;所述制冷装置、非补燃式压缩空气蓄能装置及负载连接,用于为所述负载提供冷能。本发明独立微能源网通过设置风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置分别为负载提供能量,实现风能、光能、压缩空气产生的能量等多种能量协调工作,从而可有效扩大适用范围。
Description
技术领域
本发明涉及微能源技术领域,特别是涉及一种独立微能源网及其优化配置方法。
背景技术
随着能源危机和环境污染问题的日益严重,能源互联网的概念受到了广泛的关注。其中,微能源网作为能源互联网的重要组成形式,将是未来能源系统发展的重要趋势。然而,微能源网的基本理念、尤其是独立微能源网的整体架构设计以及具体技术方案实现等相关工作均处于起步阶段,有待进一步深入研究。
但是当前针对微电网的优化设计,从架构设计到优化模型建立等各个方面都只针对电能网络和电力设备而言,只包含对于单一能量形式的相关处理,无法做到多种能量形式的协调统一,致使适用范围小,不利于推广。
发明内容
本发明的目的是提供一种独立微能源网,可有效协调多种能量形式,扩大适用范围。
为实现上述目的,本发明提供了如下方案:
一种独立微能源网,所述独立微能源网与负载连接,其中,所述独立微能源网包括:
风力发电装置,用于通过风能发电;
光伏发电装置,用于通过太阳能发电;
非补燃式压缩空气蓄能装置,用于在压缩空气发电的过程中产生电能、热能和冷能;所述风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及负载连接,为所述负载提供电能;
蓄热槽,用于存储热能;所述蓄热槽、非补燃式压缩空气蓄能装置及负载连接,用于为所述负载提供热能;
制冷装置,用于产生冷能;所述制冷装置、非补燃式压缩空气蓄能装置及负载连接,用于为所述负载提供冷能。
可选的,所述独立微能源网还包括:
控制装置,分别与所述非补燃式压缩空气蓄能装置、蓄热槽及制冷装置连接,用于控制所述非补燃式压缩空气蓄能装置优先为所述负载提供热能,并在所述非补燃式压缩空气蓄能装置中热能不足时,控制所述蓄热槽为所述负载提供热能;以及用于控制所述非补燃式压缩空气蓄能装置优先为所述负载提供冷能,并在所述非补燃式压缩空气蓄能装置中冷能不足时,控制所述制冷装置为所述负载提供冷能。
可选的,所述风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及负载通过交流配电网络连接。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明独立微能源网通过设置风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置分别为负载提供能量,实现风能、光能、压缩空气产生的能量等多种能量协调工作,从而可有效扩大适用范围。
本发明的另一目的在于提供一种独立微能源网的优化配置方法,协调多种能量形式,并对其进行最优配置,提高优化配置程度。
为实现上述目的,本发明提供了如下方案:
一种独立微能源网的优化配置方法,所述优化配置方法包括:
步骤一:分别构建风力发电装置的风电模型、光伏发电装置的光伏模型、非补燃式压缩空气蓄能装置的蓄能模型及蓄热槽的蓄热模型;
步骤二:建立基于风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置的年度等效成本的优化模型;
步骤三:基于所述年度等效成本的优化模型、采用粒子群优化算法,对风电模型、光伏模型、蓄能模型及蓄热模型进行求解,获得最优解;
步骤四:基于所述最优解分别对风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及蓄热槽进行优化配置。
可选的,在步骤一中:
基于以下公式构建所述风电模型:
其中,PWT为在当前时刻风力发电装置的实际输出功率;PN为风力发电装置的额定输出功率;v为当前时刻的风速;vci为切入风速;vco为切出风速;vN为额定风速;
基于以下公式构建所述光伏模型:
其中,PPV为在当前时刻光伏发电装置的实际输出功率;G为当前时刻的光照强度;下标STC表示标准测试环境;PSTC为单个光伏发电装置在标准测试环境中的最大输出功率;GSTC为标准测试环境下的光照强度;
基于以下公式构建所述蓄能模型:
其中,SOCCAES(t)和SOCCAES(t-1)分别表示在t和t-1时刻时非补燃式压缩空气蓄能装置的荷电状态;Δt表示t时刻与t-1时刻的时间差,PCAES(t)是非补燃式压缩空气蓄能装置在t时刻的输出或输入的电功率,数值为正时表示输出电功率,为负时表示输入电功率;和分别表示非补燃式压缩空气蓄能装置的充、放电效率;ECAESN为非补燃式压缩空气蓄能装置的额定容量;
所述非补燃式压缩空气蓄能装置的荷电状态的约束条件为:
其中,和分别为非补燃式压缩空气蓄能装置的荷电状态的上限值和下限值;和分别表示所述非补燃式压缩空气蓄能装置在计算周期始、末的荷电状态;
基于以下公式构建所述蓄热模型:
其中,SOCTST(t)和SOCTST(t-1)分别表示在t和t-1时刻时蓄热槽的荷热状态;α为蓄热槽的自放热率;Qh TST(t)是蓄热槽在t时刻的输出或输入的热功率,数值为正时表示输出热功率,为负时表示输入热功率;和分别表示蓄热槽充、放热的效率;ETSTN为蓄热槽的额定容量;
所述蓄热槽的荷热状态的约束条件为:
其中,和分别为蓄热槽的荷热状态的上限值和下限值;和分别表示蓄热槽在计算周期始、末的荷热状态。
可选的,根据以下公式确定所述非补燃式压缩空气蓄能装置的放电效率
其中,μ为补燃比,表示在所述非补燃式压缩空气蓄能装置运行过程中用于补燃加热的热量与以最大的电换电储能效率运行时需要的补燃热量的比值,取值范围为[0,1],a、b分别表示由所述压缩空气储能装置决定的常数。
可选的,基于以下公式分别确定所述非补燃式压缩空气蓄能装置储存的热功率Qh CAES及排气产生的冷功率Qc CAES:
其中,μ为补燃比,表示在所述非补燃式压缩空气蓄能装置运行过程中用于补燃加热的热量与以最大的电换电储能效率运行时需要的补燃热量的比值,取值范围为[0,1],c、d、e、f为四个由所使用的非补燃式压缩空气蓄能装置决定的常数。
可选的,所述年度等效成本的优化模型的建立方法包括:
步骤21:根据以下公式分别确定风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置的年度等效成本Ck:
其中,和分别为初始建设成本和每年的运维成本,与配置的容量有关;rk为贴现率;mk为使用年限,k为常数,k=1,2,3,4,5,其中,k=1表示风力发电装置,C1=CWT;k=2表示光伏发电装置,C2=CPV;k=3表示非补燃式压缩空气蓄能装置,C3=CCAES;k=4表示蓄热槽,C4=CTST;k=5表示制冷装置,C5=CAC;其中,CWT、CPV、CCAES、CTST、CAC分别为风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置年度等效成本;
步骤22:根据以下公式确定独立微能源网络系统的年度等效成本的最优值:
minC=CWT+CPV+CCAES+CTST+CAC————公式(11);
步骤23:根据以下公式确定所述年度等效成本的最优值对应的约束条件:
其中,Pimax和Pomax分别为非补燃式压缩空气蓄能装置充、放电功率的上限,与配置的容量有关;
其中,Qh imax和Qh omax分别为蓄热槽充、放热功率的上限,与配置的容量有关;
其中,PPV(t)、PWT(t)和PCAES(t)分别表示光伏发电装置、风力发电装置和非补燃式压缩空气蓄能装置在t时刻输出的电功率;PCAES(t)值为负时表示储存的电功率;Qh TST(t)和Qh CAES(t)分别表示蓄热槽和非补燃式压缩空气蓄能装置在t时刻输出的热功率;Qh TST(t)值为负时表示储存的热功率;Qc AC(t)和Qc CAES(t)分别表示制冷装置和非补燃式压缩空气蓄能装置在t时刻输出的冷功率;COPAC为制冷装置的热力系数;PE(t)、Qh H(t)和Qc C(t)分别表示当前时刻的电负荷、热负荷和冷负荷。
可选的,在执行步骤三之前,所述优化配置方法还包括:
分别选择电负荷/热负荷及电负荷/冷负荷比例不同时的典型日,进行不同补燃比μ下的多次优化求解;
分析不同电负荷/热负荷及电负荷/冷负荷比值的情况下,非补燃式压缩空气蓄能装置的最佳补燃比,以及是否需要借助蓄热槽来满足热负荷需求及借助制冷装置来满足冷负荷需求;
确定在不同电负荷/热负荷及电负荷/冷负荷比值时应采用的补燃比以及蓄热槽和制冷装置的相关情况参数。
可选的,所述获得最优解的方法包括:
从数据库中调取一年的风力发电装置的发电量、光伏发电装置的发电量及负载的运行数据;
从所述一年的风力发电装置的发电量、光伏发电装置的发电量及负载的运行数据中随机选择设定天数内的数据;
根据所述在不同电负荷/热负荷及电负荷/冷负荷比值时应采用的补燃比以及蓄热槽和制冷装置的相关情况参数确定所述设定天数内的数据对应的补燃比以及蓄热槽和制冷装置的相关情况参数;
将所述设定天数内的数据对应的补燃比以及蓄热槽和制冷装置的相关情况参数代入到所述年度等效成本的优化模型中,采用采用粒子群优化算法进行迭代运算;
判断当前迭代次数是否达到设定阈值,如果是,则输出当前补燃比以及蓄热槽和制冷装置的相关情况参数为最优解。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明独立微能源网的优化配置方法通过设置风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置分别为负载提供能量,实现风能、光能、压缩空气产生的能量等多种能量的协调工作,从而可有效扩大适用范围;进一步地,通过构建风力发电装置的风电模型、光伏发电装置的光伏模型、非补燃式压缩空气蓄能装置的蓄能模型、蓄热槽的蓄热模型、年度等效成本的优化模型,以年度等效成本最低为目标、采用粒子群优化算法,对风电模型、光伏模型、蓄能模型及蓄热模型进行优化配置,可提高优化配置程度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例独立微能源网的结构示意图;
图2为非补燃式压缩空气蓄能装置的结构示意图;
图3为本发明独立微能源网的优化配置方法的流程图;
图4为获得最优解的流程图。
符号说明:
负载—1,风力发电装置—2,光伏发电装置—3,非补燃式压缩空气储能装置—4,电动机—41,空气压缩机—42,第一换热器—43,储气室—44,第二换热器—44,透平装置—45,发电装置—46,蓄热槽—5,制冷装置—6。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种独立微能源网,通过设置风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置分别为负载提供能量,实现风能、光能、压缩空气产生的能量等多种能量协调工作,从而可有效扩大适用范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明独立微能源网与负载1连接。其中,本发明独立微能源网包括风力发电装置2、光伏发电装置3、非补燃式压缩空气蓄能装置(Non-supplementary FiredCompressed Air Energy Storage,简称NF-CAES)4、蓄热槽5及制冷装置6。其中,所述风力发电装置2用于通过风能发电,所述光伏发电装置3用于通过太阳能发电,所述NF-CAES 4用于在压缩空气发电的过程中产生电能、热能和冷能;所述蓄热槽5用于存储热能,所述制冷装置6用于产生冷能;所述风力发电装置2、光伏发电装置3、NF-CAES 4及负载1连接,为所述负载提供电能;所述蓄热槽5、NF-CAES 4及负载1连接,用于为所述负载提供热能;所述制冷装置6、NF-CAES 4及负载1连接,用于为所述负载提供冷能。
其中,所述风力发电装置2、光伏发电装置3、NF-CAES 4构成电能网络系统。考虑到应用地点的发展水平,在最大限度上降低建设和运维成本,所述风力发电装置2、光伏发电装置3、NF-CAES 4及负载1通过交流配电网络连接。所述蓄热槽5、NF-CAES 4形成热能网络系统,所述制冷装置6、NF-CAES4形成冷能网络系统。在本实施例中,所述风力发电装置2为小型风机,所述制冷装置6为吸收式制冷机,但并不以此为限。
进一步地,本发明独立微能源网的电能主要由风力发电装置2、光伏发电装置3提供,在配有NF-CAES 4,从而可保证电能供应的稳定和可靠,从而能够很好的实现独立运行。
优选方案,本发明独立微能源网还包括控制装置(图中未示处),所述控制装置分别与所述NF-CAES 4、蓄热槽5及制冷装置6连接,用于控制所述NF-CAES 4优先为所述负载1提供热能,并在所述NF-CAES 4中热能不足时,控制所述蓄热槽5为所述负载1提供热能;以及用于控制所述NF-CAES 4优先为所述负载1提供冷能,并在所述NF-CAES 4中冷能不足时,控制所述制冷装置6为所述负载1提供冷能。
所述NF-CAES 4采用回热技术,收集并存储储能时空气压缩过程中产生的压缩热,待系统释能时用存储的压缩热加热进入透平装置中的高压空气。如图2所示,所述NF-CAES4包括电动机41、空气压缩机42、第一换热器43、储气室44、第二换热器45、透平装置46及发电机47。
其中,所述电动机41与空气压缩机42连接,为空气压缩机42压缩空气提供动力;所述空气压缩机42分别与储热装置(图中未示处)和储气室44连接,用于将在压缩空气过程中产生的压缩热能储存在所述储热装置中,并将压缩后的空气输送至所述储气室44中;所述透平装置46分别与所述储气室44、发电机47和储热装置连接,用于通过将储热装置中压缩热能在所述述透平装置对高压气体加热,以推动发电机47发电。
优选地,所述NF-CAES 4还包括第一换热器43,所述第一换热器设置在所述空气压缩机42与所述储气室44之间。此外,所述NF-CAES 4还包括第二换热器45,所述第二换热器45设在所述储气室44与透平装置46中。
工作时,通过电动机41为空气压缩机42提供动力,压缩后高压空气通过第一换热器45存于储气室44中,同时在压缩空气的过程接近绝热,产生大量的压缩热能,被存储在相应的储热装置中。在释能时,高压空气从储气室44释放,通过第二换热器45,进入到透平装置46,同时利用存储的压缩热能在透平装置46中加热,高压加热气体驱动发电机发电;与此同时,在加热高压气体的过程中,产生冷能供用户使用。
其中,在本实施例中,所述储气室44采用管线钢阵列储气。通过采用管线钢阵列储气的方式储气,相对于建造大量储气罐而言,安全可靠,且可大幅度地降低工程造价。
优选地,在本实施例中,所述发电机的转子为内置式永磁转子结构,可有效解决磁桥承担离心力和减弱磁阻转矩等问题。进一步地,所述转子的表面涂覆有一层吸热发光材料涂层,将转子的热在真空环境下传递到定子壳体,从而快速散发涡流产生的热量。
NF-CAES结构紧凑简单,不仅消除了对燃料的依赖,实现了有害气体零排放,同时还可以利用压缩热和透平装置的低温排气对外供暖和供冷,具备冷热电三联供的能力。
此外,本发明还提供一种独立微能源网的优化配置方法,通过设置风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置分别为负载提供能量,实现风能、光能、压缩空气产生的能量等多种能量的协调工作,从而可有效扩大适用范围;进一步地,通过构建风力发电装置的风电模型、光伏发电装置的光伏模型、非补燃式压缩空气蓄能装置的蓄能模型、蓄热槽的蓄热模型、年度等效成本的优化模型,以年度等效成本最低为目标、采用粒子群优化算法,对风电模型、光伏模型、蓄能模型及蓄热模型进行优化配置,可提高优化配置程度。
如图3所示,本发明独立微能源网的优化配置方法包括:
步骤100:分别构建风力发电装置的风电模型、光伏发电装置的光伏模型、非补燃式压缩空气蓄能装置的蓄能模型及蓄热槽的蓄热模型;
步骤200:建立基于风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置的年度等效成本的优化模型;
步骤300:基于所述年度等效成本的优化模型、采用粒子群优化算法,对风电模型、光伏模型、蓄能模型及蓄热模型进行求解,获得最优解;
步骤400:基于所述最优解分别对风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及蓄热槽进行优化配置。
步骤100包括:
步骤101:基于以下公式构建所述风电模型:
其中,PWT为在当前时刻风力发电装置的实际输出功率;PN为风力发电装置的额定输出功率;v为当前时刻的风速;vci为切入风速;vco为切出风速;vN为额定风速。
步骤102:基于以下公式构建所述光伏模型:
其中,PPV为在当前时刻光伏发电装置的实际输出功率;G为当前时刻的光照强度;下标STC表示标准测试环境;PSTC为单个光伏发电装置在标准测试环境中的最大输出功率;GSTC为标准测试环境下的光照强度。其中,在本实施例中,所述标准测试环境为光照强度为1KW/m2,温度为25℃。
步骤103:基于以下公式构建所述蓄能模型:
其中,SOCCAES(t)和SOCCAES(t-1)分别表示在t和t-1时刻时非补燃式压缩空气蓄能装置的荷电状态;Δt表示t时刻与t-1时刻的时间差,PCAES(t)是非补燃式压缩空气蓄能装置在t时刻的输出或输入的电功率,数值为正时表示输出电功率,为负时表示输入电功率;和分别表示非补燃式压缩空气蓄能装置的充、放电效率;ECAESN为非补燃式压缩空气蓄能装置的额定容量;
所述非补燃式压缩空气蓄能装置的荷电状态的约束条件为:
其中,和分别为非补燃式压缩空气蓄能装置的荷电状态的上限值和下限值;和分别表示所述非补燃式压缩空气蓄能装置在计算周期始、末的荷电状态。
步骤104:基于以下公式构建所述蓄热模型:
其中,SOCTST(t)和SOCTST(t-1)分别表示在t和t-1时刻时蓄热槽的荷热状态;α为蓄热槽的自放热率;Qh TST(t)是蓄热槽在t时刻的输出或输入的热功率,数值为正时表示输出热功率,为负时表示输入热功率;和分别表示蓄热槽充、放热的效率;ETSTN为蓄热槽的额定容量;
所述蓄热槽的荷热状态的约束条件为:
其中,和分别为蓄热槽的荷热状态的上限值和下限值;和分别表示蓄热槽在计算周期始、末的荷热状态。
进一步地,根据以下公式确定所述非补燃式压缩空气蓄能装置的放电效率 其中,μ为补燃比,表示在所述非补燃式压缩空气蓄能装置运行过程中用于补燃加热的热量与以最大的电换电储能效率运行时需要的补燃热量的比值,取值范围为[0,1],a、b分别表示由所述非补燃式压缩空气蓄能装置决定的常数。
基于以下公式分别确定所述非补燃式压缩空气蓄能装置储存的热功率Qh CAES及排气产生的冷功率Qc CAES:
其中,c、d、e、f为四个由所使用的非补燃式压缩空气蓄能装置决定的常数。
本发明以年度等效成本最小值为优化目标,以冷、热、电负荷决定的输出功率约束和各设备的运行约束为约束条件,建立独立微能源网的容量优化配置模型。具体的,在步骤200中,所述年度等效成本的优化模型的建立方法包括:
步骤21:根据以下公式分别确定风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置的年度等效成本Ck:
其中,和分别为初始建设成本和每年的运维成本,与配置的容量有关;rk为贴现率(一般取值为5%);mk为使用年限,k为常数,k=1,2,3,4,5,其中,k=1表示风力发电装置,C1=CWT;k=2表示光伏发电装置,C2=CPV;k=3表示非补燃式压缩空气蓄能装置,C3=CCAES;k=4表示蓄热槽,C4=CTST;k=5表示制冷装置,C5=CAC;其中,CWT、CPV、CCAES、CTST、CAC分别为风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置年度等效成本。
步骤22:根据以下公式确定独立微能源网络系统的年度等效成本的最优值:
minC=CWT+CPV+CCAES+CTST+CAC————公式(11)。
步骤23:根据以下公式确定所述年度等效成本的最优值对应的约束条件:
其中,Pimax和Pomax分别为非补燃式压缩空气蓄能装置充、放电功率的上限,与配置的容量有关;
其中,Qh imax和Qh omax分别为蓄热槽充、放热功率的上限,与配置的容量有关;
其中,PPV(t)、PWT(t)和PCAES(t)分别表示光伏发电装置、风力发电装置和非补燃式压缩空气蓄能装置在t时刻输出的电功率;PCAES(t)值为负时表示储存的电功率;Qh TST(t)和Qh CAES(t)分别表示蓄热槽和非补燃式压缩空气蓄能装置在t时刻输出的热功率;Qh TST(t)值为负时表示储存的热功率;Qc AC(t)和Qc CAES(t)分别表示制冷装置和非补燃式压缩空气蓄能装置在t时刻输出的冷功率;COPAC为制冷装置的热力系数;PE(t)、Qh H(t)和Qc C(t)分别表示当前时刻的电负荷、热负荷和冷负荷。
其中,粒子群优化算法(Particle Swarm Optimization,简称PSO),其求解的流程为:
假设适应值函数(即目标函数)为f(x1,x2,…,xD),初始化粒子模型即为产生m个粒子组成的粒子群中的每个粒子的位置向量速度向量和当前最优位置向量同时记录整个粒子群体的最优位置向量
迭代阶段计算迭代n+1次时粒子新位置的公式如下:
其中,c1和c2是加速因子,用于调节粒子飞行的步长,通常取c1=c2=2;r1和r2是[0,1]之间的随机数。同时,为了防止粒子由于飞行速度过快而远离搜索空间,算法中需要适当限制粒子的飞行速度。
在执行步骤300之前,本发明独立微能源网的优化配置方法还包括:
分别选择电负荷/热负荷及电负荷/冷负荷比例不同的典型日,进行不同补燃比μ下的多次优化求解;
分析不同电负荷/热负荷及电负荷/冷负荷比值的情况下,非补燃式压缩空气蓄能装置的最佳补燃比,以及是否需要借助蓄热槽来满足热负荷需求及借助制冷装置来满足冷负荷需求;
确定在不同电负荷/热负荷及电负荷/冷负荷比值时应采用的补燃比以及蓄热槽和制冷装置的相关情况参数。
进一步地,如图4所示,在步骤300中,所述获得最优解的方法包括:
从数据库中调取一年的风力发电装置的发电量、光伏发电装置的发电量及负载的运行数据;
从所述一年的风力发电装置的发电量、光伏发电装置的发电量及负载的运行数据中随机选择设定天数内的数据;
根据所述在不同电负荷/热负荷及电负荷/冷负荷比值时应采用的补燃比以及蓄热槽和制冷装置的相关情况参数确定所述设定天数内的数据对应的补燃比以及蓄热槽和制冷装置的相关情况参数;
将所述设定天数内的数据对应的补燃比以及蓄热槽和制冷装置的相关情况参数代入到所述年度等效成本的优化模型中,采用采用粒子群优化算法进行迭代运算,更新补燃比以及蓄热槽和制冷装置的相关情况参数;
判断当前迭代次数是否达到设定阈值,如果是,则输出当前补燃比以及蓄热槽和制冷装置的相关情况参数为最优解。
在本实施例中,所述设定天数为10,但并不以此为限,可以根据实际情况进行调整。
本发明通过使用提前确定在不同电负荷/热负荷及电负荷/冷负荷比值时应采用的补燃比以及蓄热槽和制冷装置的相关情况参数,可降低整体的操作步骤,易于进行调试,减少美不迭代的耗时。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种独立微能源网,其特征在于,所述独立微能源网与负载连接,其中,所述独立微能源网包括:
风力发电装置,用于通过风能发电;
光伏发电装置,用于通过太阳能发电;
非补燃式压缩空气蓄能装置,用于在压缩空气发电的过程中产生电能、热能和冷能;所述风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及负载连接,为所述负载提供电能;
蓄热槽,用于存储热能;所述蓄热槽、非补燃式压缩空气蓄能装置及负载连接,用于为所述负载提供热能;
制冷装置,用于产生冷能;所述制冷装置、非补燃式压缩空气蓄能装置及负载连接,用于为所述负载提供冷能。
2.根据权利要求1所述的独立微能源网,其特征在于,所述独立微能源网还包括:
控制装置,分别与所述非补燃式压缩空气蓄能装置、蓄热槽及制冷装置连接,用于控制所述非补燃式压缩空气蓄能装置优先为所述负载提供热能,并在所述非补燃式压缩空气蓄能装置中热能不足时,控制所述蓄热槽为所述负载提供热能;以及用于控制所述非补燃式压缩空气蓄能装置优先为所述负载提供冷能,并在所述非补燃式压缩空气蓄能装置中冷能不足时,控制所述制冷装置为所述负载提供冷能。
3.根据权利要求1所述的独立微能源网,其特征在于,所述风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及负载通过交流配电网络连接。
4.一种根据权利要求1-3中任一项所述的独立微能源网的优化配置方法,其特征在于,所述优化配置方法包括:
步骤一:分别构建风力发电装置的风电模型、光伏发电装置的光伏模型、非补燃式压缩空气蓄能装置的蓄能模型及蓄热槽的蓄热模型;
步骤二:建立基于风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置的年度等效成本的优化模型;
步骤三:基于所述年度等效成本的优化模型、采用粒子群优化算法,对风电模型、光伏模型、蓄能模型及蓄热模型进行求解,获得最优解;
步骤四:基于所述最优解分别对风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置及蓄热槽进行优化配置。
5.根据权利要求4所述的独立微能源网的优化配置方法,其特征在于,在步骤一中:
基于以下公式构建所述风电模型:
其中,PWT为在当前时刻风力发电装置的实际输出功率;PN为风力发电装置的额定输出功率;v为当前时刻的风速;vci为切入风速;vco为切出风速;vN为额定风速;
基于以下公式构建所述光伏模型:
其中,PPV为在当前时刻光伏发电装置的实际输出功率;G为当前时刻的光照强度;下标STC表示标准测试环境;PSTC为单个光伏发电装置在标准测试环境中的最大输出功率;GSTC为标准测试环境下的光照强度;
基于以下公式构建所述蓄能模型:
其中,SOCCAES(t)和SOCCAES(t-1)分别表示在t和t-1时刻时非补燃式压缩空气蓄能装置的荷电状态;Δt表示t时刻与t-1时刻的时间差,PCAES(t)是非补燃式压缩空气蓄能装置在t时刻的输出或输入的电功率,数值为正时表示输出电功率,为负时表示输入电功率;和分别表示非补燃式压缩空气蓄能装置的充、放电效率;ECAESN为非补燃式压缩空气蓄能装置的额定容量;
所述非补燃式压缩空气蓄能装置的荷电状态的约束条件为:
其中,和分别为非补燃式压缩空气蓄能装置的荷电状态的上限值和下限值;和分别表示所述非补燃式压缩空气蓄能装置在计算周期始、末的荷电状态;
基于以下公式构建所述蓄热模型:
其中,SOCTST(t)和SOCTST(t-1)分别表示在t和t-1时刻时蓄热槽的荷热状态;α为蓄热槽的自放热率;Qh TST(t)是蓄热槽在t时刻的输出或输入的热功率,数值为正时表示输出热功率,为负时表示输入热功率;和分别表示蓄热槽充、放热的效率;ETSTN为蓄热槽的额定容量;
所述蓄热槽的荷热状态的约束条件为:
其中,和分别为蓄热槽的荷热状态的上限值和下限值;和分别表示蓄热槽在计算周期始、末的荷热状态。
6.根据权利要求5所述的独立微能源网的优化配置方法,其特征在于,根据以下公式确定所述非补燃式压缩空气蓄能装置的放电效率
其中,μ为补燃比,表示在所述非补燃式压缩空气蓄能装置运行过程中用于补燃加热的热量与以最大的电换电储能效率运行时需要的补燃热量的比值,取值范围为[0,1],a、b分别表示由所述非补燃式压缩空气蓄能装置决定的常数。
7.根据权利要求5所述的独立微能源网的优化配置方法,其特征在于,基于以下公式分别确定所述非补燃式压缩空气蓄能装置储存的热功率Qh CAES及排气产生的冷功率Qc CAES:
其中,μ为补燃比,表示在所述非补燃式压缩空气蓄能装置运行过程中用于补燃加热的热量与以最大的电换电储能效率运行时需要的补燃热量的比值,取值范围为[0,1],c、d、e、f为四个由所使用的非补燃式压缩空气蓄能装置决定的常数。
8.根据权利要求5所述的独立微能源网的优化配置方法,其特征在于,所述年度等效成本的优化模型的建立方法包括:
步骤21:根据以下公式分别确定风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置的年度等效成本Ck:
其中,和分别为初始建设成本和每年的运维成本,与配置的容量有关;rk为贴现率;mk为使用年限,k为常数,k=1,2,3,4,5,其中,k=1表示风力发电装置,C1=CWT;k=2表示光伏发电装置,C2=CPV;k=3表示非补燃式压缩空气蓄能装置,C3=CCAES;k=4表示蓄热槽,C4=CTST;k=5表示制冷装置,C5=CAC;其中,CWT、CPV、CCAES、CTST、CAC分别为风力发电装置、光伏发电装置、非补燃式压缩空气蓄能装置、蓄热槽及制冷装置年度等效成本;
步骤22:根据以下公式确定独立微能源网络系统的年度等效成本的最优值:
minC=CWT+CPV+CCAES+CTST+CAC————公式(11);
步骤23:根据以下公式确定所述年度等效成本的最优值对应的约束条件:
其中,Pimax和Pomax分别为非补燃式压缩空气蓄能装置充、放电功率的上限,与配置的容量有关;
其中,Qh imax和Qh omax分别为蓄热槽充、放热功率的上限,与配置的容量有关;
其中,PPV(t)、PWT(t)和PCAES(t)分别表示光伏发电装置、风力发电装置和非补燃式压缩空气蓄能装置在t时刻输出的电功率;PCAES(t)值为负时表示储存的电功率;Qh TST(t)和Qh CAES(t)分别表示蓄热槽和非补燃式压缩空气蓄能装置在t时刻输出的热功率;Qh TST(t)值为负时表示储存的热功率;Qc AC(t)和Qc CAES(t)分别表示制冷装置和非补燃式压缩空气蓄能装置在t时刻输出的冷功率;COPAC为制冷装置的热力系数;PE(t)、Qh H(t)和Qc C(t)分别表示当前时刻的电负荷、热负荷和冷负荷。
9.根据权利要求5所述的独立微能源网的优化配置方法,其特征在于,在执行步骤三之前,所述优化配置方法还包括:
分别选择电负荷/热负荷及电负荷/冷负荷比例不同时的典型日,进行不同补燃比μ下的多次优化求解;
分析不同电负荷/热负荷及电负荷/冷负荷比值的情况下,非补燃式压缩空气蓄能装置的最佳补燃比,以及是否需要借助蓄热槽来满足热负荷需求及借助制冷装置来满足冷负荷需求;
确定在不同电负荷/热负荷及电负荷/冷负荷比值时应采用的补燃比以及蓄热槽和制冷装置的相关情况参数。
10.根据权利要求9所述的独立微能源网的优化配置方法,其特征在于,所述获得最优解的方法包括:
从数据库中调取一年的风力发电装置的发电量、光伏发电装置的发电量及负载的运行数据;
从所述一年的风力发电装置的发电量、光伏发电装置的发电量及负载的运行数据中随机选择设定天数内的数据;
根据所述在不同电负荷/热负荷及电负荷/冷负荷比值时应采用的补燃比以及蓄热槽和制冷装置的相关情况参数确定所述设定天数内的数据对应的补燃比以及蓄热槽和制冷装置的相关情况参数;
将所述设定天数内的数据对应的补燃比以及蓄热槽和制冷装置的相关情况参数代入到所述年度等效成本的优化模型中,采用采用粒子群优化算法进行迭代运算,更新补燃比以及蓄热槽和制冷装置的相关情况参数;
判断当前迭代次数是否达到设定阈值,如果是,则输出当前补燃比以及蓄热槽和制冷装置的相关情况参数为最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611069314.2A CN106410855B (zh) | 2016-11-29 | 2016-11-29 | 一种独立微能源网及其优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611069314.2A CN106410855B (zh) | 2016-11-29 | 2016-11-29 | 一种独立微能源网及其优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106410855A true CN106410855A (zh) | 2017-02-15 |
CN106410855B CN106410855B (zh) | 2018-12-11 |
Family
ID=58082506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611069314.2A Active CN106410855B (zh) | 2016-11-29 | 2016-11-29 | 一种独立微能源网及其优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106410855B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742901A (zh) * | 2017-11-14 | 2018-02-27 | 清华大学 | 考虑压缩空气储能的风电并网机组组合方法及装置 |
CN108155666A (zh) * | 2017-12-29 | 2018-06-12 | 湖南优利泰克自动化系统有限公司 | 一种风电场有功调控方法 |
CN108487994A (zh) * | 2018-02-28 | 2018-09-04 | 中国科学院广州能源研究所 | 一种微能源网复合储能系统 |
CN108879777A (zh) * | 2018-07-25 | 2018-11-23 | 清华大学 | 多能耦合系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
-
2016
- 2016-11-29 CN CN201611069314.2A patent/CN106410855B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
Non-Patent Citations (1)
Title |
---|
薛小代等: ""基于压缩空气储能的社区微能源网设计"", 《中国电机工程学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742901A (zh) * | 2017-11-14 | 2018-02-27 | 清华大学 | 考虑压缩空气储能的风电并网机组组合方法及装置 |
CN108155666A (zh) * | 2017-12-29 | 2018-06-12 | 湖南优利泰克自动化系统有限公司 | 一种风电场有功调控方法 |
CN108155666B (zh) * | 2017-12-29 | 2020-12-29 | 湖南优利泰克自动化系统有限公司 | 一种风电场有功调控方法 |
CN108487994A (zh) * | 2018-02-28 | 2018-09-04 | 中国科学院广州能源研究所 | 一种微能源网复合储能系统 |
CN108879777A (zh) * | 2018-07-25 | 2018-11-23 | 清华大学 | 多能耦合系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106410855B (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103352830B (zh) | 一种采用非稳态压缩流程的压缩空气储能发电系统 | |
Zhang et al. | Combined cooling, heating, and power generation performance of pumped thermal electricity storage system based on Brayton cycle | |
CN106907203A (zh) | 风光互补的空气压缩储能与发电一体化系统 | |
CN106410855B (zh) | 一种独立微能源网及其优化配置方法 | |
CN104265458B (zh) | 一种压缩空气储能发电系统的工作方式 | |
CN207064027U (zh) | 风光互补的空气压缩储能与发电一体化系统 | |
CN113006889B (zh) | 一种绝热的近等温压缩空气储能系统及其运行方法 | |
Najjar et al. | Comparison of performance of compressed-air energy-storage plant with compressed-air storage with humidification | |
CN206816476U (zh) | 一种新型压缩空气储能装置 | |
CN202215437U (zh) | 一种风力发电和压缩空气储能的一体化系统 | |
CN102359437A (zh) | 风力发电和压缩空气储能的一体化系统及集成方法 | |
CN206323148U (zh) | 一种独立微能源网 | |
Zhang et al. | Integration of small-scale compressed air energy storage with wind generation for flexible household power supply | |
Ji et al. | System design and optimisation study on a novel CCHP system integrated with a hybrid energy storage system and an ORC | |
Gumilar et al. | Wind power plant from air conditioning exhaust using L Savonius wind turbine | |
CN102072105B (zh) | 风力蓄能供电系统 | |
Vongmanee | The renewable energy applications for uninterruptible power supply based on compressed air energy storage system | |
Sedighnejad et al. | Performance evaluation of a hybrid wind-diesel-compressed air energy storage system | |
Jin et al. | Coordinated control for combined heat and power load of an integrated energy system | |
CN202017580U (zh) | 风力蓄能供电系统 | |
Maruf-ul-Karim et al. | Dynamic modeling and simulation of a remote wind-diesel-hydrogen hybrid power system | |
Huang et al. | Overview of research situation and progress on compressed air energy storage technology | |
Dahraie et al. | Study on compressed air energy storage coupled with a wind farm | |
Zhan et al. | Operation strategy of energy router considering compressed air energy storage | |
Sheng et al. | Island power management using a marine current turbine farm and an ocean compressed air energy storage system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |