CN106684915A - 一种风氢耦合发电系统的优化方法及装置 - Google Patents
一种风氢耦合发电系统的优化方法及装置 Download PDFInfo
- Publication number
- CN106684915A CN106684915A CN201710020266.6A CN201710020266A CN106684915A CN 106684915 A CN106684915 A CN 106684915A CN 201710020266 A CN201710020266 A CN 201710020266A CN 106684915 A CN106684915 A CN 106684915A
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- wind
- represent
- period
- electricity
- 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.)
- Pending
Links
- 239000001257 hydrogen Substances 0.000 title claims abstract description 512
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 512
- 238000005457 optimization Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008878 coupling Effects 0.000 title claims abstract description 17
- 238000010168 coupling process Methods 0.000 title claims abstract description 17
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 17
- 238000010248 power generation Methods 0.000 title claims abstract description 16
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 488
- 238000003860 storage Methods 0.000 claims abstract description 52
- 238000006243 chemical reaction Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000005265 energy consumption Methods 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims description 113
- 239000000446 fuel Substances 0.000 claims description 97
- 238000004146 energy storage Methods 0.000 claims description 58
- 230000008901 benefit Effects 0.000 claims description 39
- 230000005540 biological transmission Effects 0.000 claims description 38
- 238000004445 quantitative analysis Methods 0.000 claims description 29
- 150000002431 hydrogen Chemical class 0.000 claims description 20
- 238000005868 electrolysis reaction Methods 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000005684 electric field Effects 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 10
- 238000013439 planning Methods 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 8
- 230000009452 underexpressoin Effects 0.000 claims description 8
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000010348 incorporation Methods 0.000 claims description 5
- 230000009897 systematic effect Effects 0.000 claims description 4
- 238000009415 formwork Methods 0.000 claims 2
- 239000006227 byproduct Substances 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 239000003513 alkali Substances 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000003139 buffering effect Effects 0.000 description 5
- 230000029087 digestion Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 206010008190 Cerebrovascular accident Diseases 0.000 description 3
- 208000006011 Stroke Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000036642 wellbeing Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- -1 has compressed gas Chemical compound 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- H02J3/386—
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/36—Hydrogen production from non-carbon containing sources, e.g. by water electrolysis
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Eletrric Generators (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种风氢耦合发电系统的优化方法及装置,方法包括:根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型;根据建立的优化模型确定风氢耦合发电系统日运行收益模型;根据风氢耦合发电系统日运行收益模型优化风氢耦合发电系统中电能与氢能在电网和制氢系统中的转化量;调整风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况、风氢耦合发电系统的经济指标;根据分析获得的引入制氢系统后电网的新能源消纳情况、风氢耦合发电系统的经济指标优化系统参数。利用氢能作为缓冲氢气成为副产品,平衡各时段的新能源出力,增加系统收益,提高消纳水平。
Description
技术领域
本发明涉及电力技术,具体的讲是一种风氢耦合发电系统的优化方法及装置。
背景技术
风电作为可大规模集中和分散利用的清洁可再生能源,在国民经济和能源供给中占据重要地位。截至2015年,全国范围内的新能源并网装机容量合计达到16988万千瓦,其中风电累计装机容量达12830万千瓦,占总装机容量的8.5%,当年新增装机容量3144万千瓦,同比增加51.7%。
在风电高速发展的过程中,风电消纳面临诸多挑战。风电的自身特性、风电场的地域分布以及电网的传输能力在不同程度上加剧了风电消纳问题。第一,风电输出具有间歇性、随机性及不确定性等特点,对系统的稳定性影响大,对系统的调峰能力需求大,为保证电网安全,该特性直接制约了风电入网量;第二,立足于我国国情,风电场大规模集群建设,且多位于电网末端,远离负荷中心,当地电力需求小于风电出力;第三,风电送出受限,相较于迅猛发展的风电场,当地的电网建设相对落后,导致实际送出能力小于额定送出功率。
现有技术中,通过能量存储的方式,可以减小风电出力的波动性,降低其对电网的冲击,促进电网消纳风电。风氢耦合发电系统,结合电解水制氢和新能源出力,其中电解水制氢技术成熟,工业化体系完备,同时,其产物氢气,作为可再生能源,清洁高效,具有巨大的研究价值与市场潜力。本发明充分考虑新能源出力的随机特性,通过利用氢能作为缓冲氢气成为副产品的方式,有效平衡各时段的新能源出力,优化能量之间的转换量,量化分析增添氢气储能系统后的系统收益与新能源消纳水平。就调研结果显示,目前国内尚未有针对风氢耦合发电系统的日运行调度方法及其评估方案的提出与应用。
发明内容
为考虑新能源出力的随机特性,通过利用氢能作为缓冲氢气成为副产品的方式,有效平衡各时段的新能源出力,优化能量之间的转换量,量化分析增添氢气储能系统后的系统收益与新能源消纳水平。本发明实施例提供了一种风氢耦合发电系统的优化方法,风氢耦合发电系统包括风电场、电网以及氢气储能系统,所述的方法包括:
根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型;
根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型;根据所述风氢耦合发电系统日运行收益模型优化风氢耦合发电系统中电能与氢能在电网和制氢系统中的转化量;
调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标;
根据电网参数常量和分析获得的引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标优化风氢耦合发电系统的系统参数。
本发明实施例中,所述根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型包括:
定量分析所述风电场、电网、氢气储能系统之间的能量转化量;
建立所述氢气储能系统内部的能量转换关系;
建立氢气储能系统的氢气存储量的时序递推约束。
本发明实施例中,所述定量分析所述风电场、电网、氢气储能系统之间的能量转化量包括:
根据对各时段终端负荷的预测,确定风氢耦合发电系统的计划出力:
式(1)中,t表示时间序列,t=0,1,2,…,T,表示风氢耦合发电t时段系统计划出力,单位kW,表示t时段电网终端负荷的估计值,单位kW,η表示系统出力承担电网负荷的比例,0≤η≤1;
建立风电场、电网与氢气储能系统之间的平衡约束,包括:电网供需平衡约束、风氢耦合发电系统的功率平衡约束以及氢气供需平衡约束;其中,
所述电网供需平衡约束:
式(2)中,表示t时段除风电出力以外的其他机组出力,单位kW,表示t时段风电场输入电网出力,单位kW,表示t时段电网终端负荷,单位kW;
风氢耦合发电系统的功率平衡约束:
式(3)中,k表示情景序列,代表风电出力的随机性,k=0,1,2,…,K,表示情景k时段t下燃料电池出力,单位kW,表示情景k时段t下风电场出力,单位kW,表示情景k时段t下风电场输入电解槽出力,单位kW,表示情景k时段t下压缩机能耗,单位kW,表示情景k时段t下的弃风量,单位kW;
所述氢气供需平衡约束:
式(4)中,表示情景k时段t下其他来源氢气在标准状态下的体积,表示情景k时段t系统售出氢气在标准状态下的体积,表示情景k时段t下氢气需求在标准状态下的体积。
本发明实施例中,所述建立所述氢气储能系统内部的能量转换关系包括:
建立电解水制氢的能量转换方程:
式(5)中,表示情景k时段t下电解槽制造标准状态下的氢气体积,ηe表示电解槽转换效率,HHV表示氢气高热值;其中,满足式(6):
在式(6)中,为电解槽参数变量,取0-1,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率;
建立压缩机工作功率消耗方程:
在式(7)中,a和b均为常数,为k时段t下压缩机能耗;
建立燃料电池发电的能量转换方程:
在式(8)中,表示情景k时段t下燃料电池耗费标准状态下的氢气体积,Δt表示时段t的时长,ηf表示燃料电池转换效率;其中,满足式(9):
在式(9)中,为燃料电池变量,取0-1,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率。
本发明实施例中,所述建立氢气储能系统的氢气存储量的时序递推约束包括:
建立氢气存储量、氢气制备量、氢气消耗量以及氢气售出量的递推方程:
在式(10)中,Vt,k表示情景k时段t下氢气存储量,Vt+1,k为情景k时段t+1下氢气存储量。
本发明实施例中,所述方法还包括确定各变量的上下限约束关系:
任意时段上网电量受到输电线路容量以及电网负荷的综合约束:
在式(11)中,PTS表示输电线路容量;
任意时段的氢气存储量受到其容量限制,满足:
在式(12)中,Vmax为氢气储存容量约束;
任意时段售出氢气受到氢气运力、氢气存储量以及氢气需求的综合约束:
在式(13)中,VTS表示氢气运输容量上限;
优化模型中的其他变量也均为非负变量,满足式(14)。
本发明实施例中,所述根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型包括:
以最大化风氢耦合发电系统日运行收益为目标函数,根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型:
式(15)中,表示t时段的上网电价;
表示净上网电量的售电收益;
ξk表示情景k出现的概率;
表示t时段氢气价格;
表示售出氢气的收益;
qS表示偏离计划输电的惩罚因子;
表示偏离计划输电的惩罚成本。
本发明实施例中,所述调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标包括:
调整所述风氢耦合发电系统日运行收益模型中的风电出力,比较风电场独立运行与风氢耦合发电下的系统收益和跟随特性;
根据所述风氢耦合发电系统优化模型和风氢耦合发电系统日运行收益模型,利用确定性模型量化分析风电出力预测对风氢耦合发电系统的价值,其中,所述的确定性模型为:
其中,为时段t售出氢气在标准状态下的体积。
本发明实施例中,所述的决策变量包括:
表示t时段风电场输入电网出力;
表示情景k时段t下风电场输入电解槽出力;
表示情景k时段t下燃料电池出力;
表示情景k时段t下的弃风量;
为0-1变量,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作;
为0-1变量,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作;
表示情景k时段t系统售出氢气在标准状态下的体积;
Vt,k,表示情景k时段t下氢气存储量;
表示情景k时段t下压缩机能耗;
表示t时段除风电出力以外的其他机组出力;
表示情景k时段t下其他来源氢气在标准状态下的体积;
表示情景k时段t下电解槽制造标准状态下的氢气体积;
表示情景k时段t下燃料电池耗费标准状态下的氢气体积;
所述的电网参数常量包括:
表示t时段系统计划出力;
表示t时段电网终端负荷的估计值;
表示t时段电网终端负荷;
表示情景k时段t下风电场出力;
表示情景k时段t下氢气需求在标准状态下的体积;
ηe表示电解槽转换效率;
ηf表示燃料电池转换效率;
HHV表示氢气高热值;
表示电解槽的额定功率;
表示最低稳定运行功率;
表示燃料电池的额定功率;
表示最低稳定运行功率;
表示风电场外送电能的能力;
Vmax为氢气储存容量约束;
表示氢气外送能力。
本发明实施例中,根据电解槽的额定功率和燃料电池的额定功率分别调整电解槽容量和燃料电池容量,定量分析风氢耦合发电系统,分别确定电解槽容量和燃料电池容量对系统收益和跟随特性的影响,优化选择电解槽容量和燃料电池容量。
同时,本发明还公开一种风氢耦合发电系统的优化装置,装置包括:
优化模型建立模块,用于根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型;
收益模型建立模块,用于根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型;转换量优化模块,用于根据所述风氢耦合发电系统日运行收益模型优化风氢耦合发电系统中电能与氢能在电网和制氢系统中的转化量;
调整分析模块,用于调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标;
变量优化模块,根据电网参数常量和分析获得的引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标优化风氢耦合发电系统的决策变量。
本发明实施例中,所述优化模型建立模块包括:
定量分析单元,定量分析所述风电场、电网、氢气储能系统之间的能量转化量;
转换关系建立单元,用于建立所述氢气储能系统内部的能量转换关系;
约束关系建立单元,用于建立氢气储能系统的氢气存储量的时序递推约束。
本发明实施例中,所述定量分析单元定量分析所述风电场、电网、氢气储能系统之间的能量转化量包括:
根据对各时段终端负荷的预测,确定风氢耦合发电系统的计划出力:
式(1)中,t表示时间序列,t=0,1,2,…,T,表示风氢耦合发电t时段系统计划出力,单位kW,表示t时段电网终端负荷的估计值,单位kW,η表示系统出力承担电网负荷的比例,0≤η≤1;
建立风电场、电网与氢气储能系统之间的平衡约束,包括:电网供需平衡约束、风氢耦合发电系统的功率平衡约束以及氢气供需平衡约束;其中,
所述电网供需平衡约束:
式(2)中,表示t时段除风电出力以外的其他机组出力,单位kW,表示t时段风电场输入电网出力,单位kW,表示t时段电网终端负荷,单位kW;
风氢耦合发电系统的功率平衡约束:
式(3)中,k表示情景序列,代表风电出力的随机性,k=0,1,2,…,K,表示情景k时段t下燃料电池出力,单位kW,表示情景k时段t下风电场出力,单位kW,表示情景k时段t下风电场输入电解槽出力,单位kW,表示情景k时段t下压缩机能耗,单位kW,表示情景k时段t下的弃风量,单位kW;
所述氢气供需平衡约束:
式(4)中,表示情景k时段t下其他来源氢气在标准状态下的体积,表示情景k时段t系统售出氢气在标准状态下的体积,表示情景k时段t下氢气需求在标准状态下的体积。
本发明实施例中,所述转换关系建立单元建立所述氢气储能系统内部的能量转换关系包括:
建立电解水制氢的能量转换方程:
式(5)中,表示情景k时段t下电解槽制造标准状态下的氢气体积,ηe表示电解槽转换效率,HHV表示氢气高热值;其中,满足式(6):
在式(6)中,为表示电解槽工作状态的参数变量,取0-1,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率;
建立压缩机工作功率消耗方程:
在式(7)中,a和b均为常数,为情景k时段t下压缩机功率;
建立燃料电池发电的能量转换方程:
在式(8)中,表示情景k时段t下燃料电池耗费标准状态下的氢气体积,Δt表示时段t的时长,ηf表示燃料电池转换效率;其中,满足式(9):
在式(9)中,为表示燃料电池工作状态的变量,取0-1,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率。
本发明实施例中,所述约束关系建立单元建立氢气储能系统的氢气存储量的时序递推约束包括:
建立氢气存储量、氢气制备量、氢气消耗量以及氢气售出量的递推方程:
在式(10)中,Vt,k表示情景k时段t下氢气存储量,Vt+1,k为情景k时段t+1下氢气存储量。
本发明实施例中,所述优化模型建立模块还包括
上下限模块确定单元,用于确定各变量的上下限约束关系,所述的上下限的约束关系包括:
任意时段上网电量受到输电线路容量以及电网负荷的综合约束:
在式(11)中,PTS表示输电线路容量;
任意时段的氢气存储量受到其容量限制,满足:
在式(12)中,Vmax为氢气储存容量约束;
任意时段售出氢气受到氢气运力、氢气存储量以及氢气需求的综合约束:
在式(13)中,VTS表示氢气运输容量上限;
优化模型中的其他变量也均为非负变量,满足式(14)。
本发明实施例中,所述收益模型建立模块根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型包括:
以最大化风氢耦合发电系统日运行收益为目标函数,根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型:
式(15)中,表示t时段的上网电价;
表示净上网电量的售电收益;
ξk表示情景k出现的概率;
表示t时段氢气价格;
表示售出氢气的收益;
qS表示偏离计划输电的惩罚因子;
表示偏离计划输电的惩罚成本。
本发明实施例中,所述调整分析模块调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标包括:
调整所述风氢耦合发电系统日运行收益模型中的风电出力,比较风电场独立运行与风氢耦合发电下的系统收益和跟随特性;
根据所述风氢耦合发电系统优化模型和风氢耦合发电系统日运行收益模型,利用确定性模型量化分析风电出力预测对风氢耦合发电系统的价值,其中,所述的确定性模型为:
其中,为时段t售出氢气在标准状态下的体积。
本发明实施例中,所述装置还包括:
容量选择模块,用于根据电解槽的额定功率和燃料电池的额定功率分别调整电解槽容量和燃料电池容量,定量分析风氢耦合发电系统,分别确定电解槽容量和燃料电池容量对系统收益和跟随特性的影响,优化选择电解槽容量和燃料电池容量。
本发明的有益效果在于在充分考虑新能源出力随机性的前提下,优化电网、风电场、氢气储能系统之间的能量转化量,量化分析系统的经济收益与出力情况,并将风氢耦合系统与风电场独立运行、确定性风氢耦合发电模型相对比,最后,测评系统中的重要指标,给出最终的日运行优化方案。达到增加系统收益,提高新能源消纳水平的效果。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
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,下面将对实施例或现有技术描述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为本发明公开的风氢耦合发电系统的优化方法的流程图;
图2本发明实施例中国风电耦合发电系统结构示意图;
图3本发明实施例中风电场独立运行出力曲线;
图4本发明实施例中风氢耦合发电系统出力曲线;
图5本发明实施例中确定性风氢耦合发电系统收益曲线;
图6为本发明实施例中不同电解槽容量下风氢耦合发电系统收益曲线;
图7为本发明实施例中不同燃料电池容量下风氢耦合发电系统收益曲线;
图8为本发明实施例中20MW燃料电池下风氢耦合发电系统出力曲线;
图9为本发明实施例中30MW燃料电池下风氢耦合发电系统出力曲线。
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。
如图1所示为本发明公开的一种风氢耦合发电系统的优化方法的流程图,该方法包括:
步骤S101,根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型;
步骤S102,根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型;
步骤S103,根据所述风氢耦合发电系统日运行收益模型优化风氢耦合发电系统中电能与氢能在电网和制氢系统中的转化量;
步骤S104,调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标;
步骤S105,根据电网参数常量和分析获得的引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标优化风氢耦合发电系统的决策变量。
本发明实施例中风氢耦合发电系统包括风电场、电网以及氢气储能系统,如图2所示,为本发明实施例中风氢耦合发电系统的结构示意图。
基于风氢耦合发电系统的电网就地消纳新能源日运行优化方法属于考虑新能源发电消纳的电网规划领域。首先,采用随机规划的方法建立多时段风氢耦合发电系统的数学模型。其次,利用历史数据归纳出风电出力的几种典型情景并预测当日的电网负荷,优化各时段电能与氢能在电网和氢气储能系统之间的转化量。然后,通过调整各时段风电出力的分配情况,考察引入氢气储能系统钱后电网的新能源消纳情况以及系统的经济指标。最后,通过量化分析给出风氢耦合发电系统的规划方案,并评估所提规划方案中的各项指标。该方法充分考虑新能源出力的随机特性,通过利用氢能作为缓冲氢气成为副产品的方式,平衡各时段的新能源出力,从而增加系统收益,提高新能源消纳水平。
本发明提出一种基于风氢耦合发电系统的电网就地消纳新能源日运行优化方法,充分考虑新能源出力的随机特性,通过利用氢能作为缓冲氢气成为副产品的方式,有效平衡各时段的新能源出力,优化能量之间的转换量,从而增加系统收益,提高新能源消纳水平。本发明实施例的具体实现步骤如下:
步骤(1):建立风电耦合发电系统优化模型。在该模型中,风电场分别为电网输电和氢气储能系统供电。在风电出力峰值时,将部分风电通入电解槽制成氢气,并压缩储存,在风电出力谷值时,将储存的氢气通入燃料电池发电和当期的风电联合出力。系统中储存的氢气,一方面可以被售出,应用于化学工业及氢燃料汽车,谋求更高的系统收益;另一方面可以作为能量储存的中间媒介,在新能源出力不足时转化为电力,平滑系统出力。
步骤(1-1):定量分析风电场、电网、氢气储能系统之间的能量转化量。
a)确定风氢耦合发电系统的计划出力。
根据对各时段终端负荷的预测,确定风氢耦合发电系统的计划出力:
在式(1)中,t表示时间序列,t=0,1,2,…,T,表示t时段系统计划出力(kW),表示t时段电网终端负荷的估计值(kW),η表示系统出力承担电网负荷的比例,且有0≤η≤1。
b)建立风电场、电网与氢气储能系统之间的平衡约束。
为保证任意时段电网终端负荷均被满足,且假设无论风电出力处于何种水平,火电机组均能满足需求,需有电网供需平衡约束:
在式(2)中,表示t时段除风电出力以外的其他机组出力(kW),表示t时段风电场输入电网出力(kW),表示t时段电网终端负荷(kW)。
为考虑任意时段系统中的能量转换,综合考虑燃料电池和风电场联合发电,电解槽与压缩机的能耗,以及系统弃风量,系统需要功率平衡:
在式(3)中,k表示情景序列,代表风电出力的随机性,k=0,1,2,…,K,表示情景k时段t下燃料电池出力(kW),表示情景k时段t下风电场出力(kW),表示情景k时段t下风电场输入电解槽出力(kW),表示情景k时段t下压缩机能耗(kW),表示情景k时段t下的弃风量(kW)。
任意时段氢气需求量是系统售出的氢气量与其他来源的氢气量总和,即氢气供需平衡约束需被满足:
在式(4)中,表示情景k时段t下其他来源氢气在标准状态下的体积(Nm3),表示情景k时段t系统售出氢气在标准状态下的体积(Nm3),表示情景k时段t下氢气需求在标准状态下的体积(Nm3)。
步骤(1-2):建立氢气储能系统内部的能量转换关系。氢气储能系统内部包括将电能转化为氢能的电解槽、压缩氢气的压缩机、将氢能转化为电能的燃料电池。
a)建立电解水制氢的能量转换方程。
考虑能量转换中的损耗,电解水制氢的过程中,消耗电能与制得氢气需满足如下关系:
在式(5)中,表示情景k时段t下电解槽制造标准状态下的氢气体积(Nm3),ηe表示电解槽转换效率,HHV表示氢气高热值。
为适应风电的间歇性和不确定性,任意时段电解槽的工作功率可在一定范围内变动,而过大或过小的功率将导致电解槽工作不稳定,从而导致弃风或电解槽关闭:
在式(6)中,为0-1变量,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率,通常为额定功率的10-50%。
b)建立压缩机工作功率消耗方程。
考虑压缩机消耗电能及系统售出氢气的运输因素,分别计算制备存储氢气与售出氢气的压缩耗能:
在式(7)中,a和b均为函数常数(kW·h/Nm3)。
c)建立燃料电池发电的能量转换方程。
与电解水制氢的情况类似,考虑能量损耗,燃料电池产生电能与消耗氢气须满足如下关系:
在式(8)中,表示情景k时段t下燃料电池耗费标准状态下的氢气体积(Nm3),ηf表示燃料电池转换效率。
在风电出力低于计划出力的时段,选择用氢气燃料电池出力补足剩余计划出力,然而燃料电池发电功率受到其自身与氢气存储量的限制:
在式(9)中,为0-1变量,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率。
步骤(1-3):建立氢气存储量的时序递推约束。
任意时段的氢气存储量取决于上一时段的氢气存储量、氢气制备量、氢气消耗量以及氢气售出量,递推方程如下:
在式(10)中,Vt,k表示情景k时段t下氢气存储量(Nm3)。
步骤(1-4):根据客观条件,确定各变量的上下限。
任意时段上网电量受到输电线路容量以及电网负荷的综合约束:
在式(11)中,PTS表示输电线路容量,即风电场外送电能的能力。
任意时段的氢气存储量受到其容量限制:
在式(12)中,Vmax为氢气储存容量约束。
任意时段售出氢气受到氢气运力、氢气存储量以及氢气需求的综合约束:
在式(13)中,VTS表示氢气运输容量上限。
优化模型中的其他变量也均为非负变量:
步骤(2):确定风氢耦合发电系统日运行收益的表达式,优化各时段电能与氢能在电网和制氢系统中的转化量。
模型以最大化风氢耦合发电系统日运行收益为目标函数,其中包括系统的售电收益、售氢收益以及偏离计划入网电量的惩罚成本:
在式(15)中,表示t时段的上网电价;表示净上网电量的售电收益;ξk表示情景k出现的概率;表示t时段氢气价格;表示售出氢气的收益;qS表示偏离计划输电的惩罚因子;则表示偏离计划输电的惩罚成本。
为消去目标函数(15)中的绝对值,需增加非负变量ut、wt≥0(t=0,1,2,…,T),修正目标函数为:
同时,为确保目标函数的转换为等价转换,增加等式约束:
步骤(3):通过调整各时段风电出力的分配情况,考察引入制氢系统后电网的新能源消纳情况以及系统的经济指标。
步骤(3-1):比较风电场独立运行与风氢耦合发电下的系统收益和跟随特性。
在没有任何蓄能手段的情况下,风电场的收益仅由售电收益和惩罚成本组成:
比较式(15)与式(18),从而得到相较风电场独立运行的情况,风氢耦合发电系统的经济效益。同时,分别比较步骤(2)与步骤(3)中的以及的数值,从而得到风氢耦合发电系统对平滑风电出力、促进新能源消纳的量化结果。
步骤(3-2):利用确定性模型,量化分析风电出力预测对风氢耦合发电系统的价值。
借鉴步骤(1)和(2)中的随机模型,确定性模型如下:
比较式(15)与式(19),量化分析两种模型的系统收益等经济指标。比较以及评估两者的调峰能力和消纳水平。从而,判定风电出力预测的价值。
步骤(4):通过定量分析给出风氢耦合发电系统的规划方案,并评估所提规划方案中的各项指标。针对连接电网与氢气储能系统的重要部件——电解槽和燃料电池,分别测试其容量对系统收益与跟随特性的影响。
步骤(4-1):测试电解槽容量对系统收益与跟随特性的影响。电解槽输入电能输出氢气,是削峰填谷过程中实现削峰的关键设备。其每小时最大产气量与其额定功率值,限制着氢气储能系统的消纳能力。电解槽容量具体变化如下:
式(35)中α为仅与电解槽本身有关的常数,ΔPE为实验组电解槽容量与原始电解槽容量的差值。测试多组与评估电解槽容量对系统收益与出力的影响。
步骤(4-2):测试燃料电池容量对系统收益与跟随特性的影响。燃料电池输入氢气输出电能,是削峰填谷过程中实现填谷的关键设备。其每小时最大输出电量与耗气量,制约着氢气储能系统对联合出力的调节能力。
式(37)中β为仅与燃料电池本身有关的常数,ΔPF为实验组燃料电池容量与原始燃料电池容量的差值。测试多组与评估燃料电池容量对系统收益与出力的影响。
步骤(4-3):反复调整电解槽容量与燃料电池容量,并确定最终的风氢耦合发电系统的日运行方案。
本发明的有益效果在于在充分考虑新能源出力随机性的前提下,优化电网、风电场、氢气储能系统之间的能量转化量,量化分析系统的经济收益与出力情况,并将风氢耦合系统与风电场独立运行、确定性风氢耦合发电模型相对比,最后,测评系统中的重要指标,给出最终的日运行优化方案。达到增加系统收益,提高新能源消纳水平的效果。下面结合具体的实施例对本发明技术方案做进一步详细说明。
本实施例结合中国某地区的电网负荷与该地区四种典型的风电出力情境,构造实施例进行分析。考虑到电解槽、燃料电池等专业设备对系统效率影响较大,本实施例参考多种国内外设备参数以及美国Wind2H2等风氢耦合发电工程,从中选取各项技术参数。在实施例分析的过程中,本实施例立足于风电场独立运行模型,进而分析风氢耦合发电的各项收益与跟随特性,并与确定性模型下的系统性能进行对比,再探索电解槽和燃料电池容量对系统的影响。
参数的选取主要分为两类:氢气储能系统中的物理类和与国民经济紧密相连的经济类。在风氢耦合发电系统中,氢气电解槽、燃料电池等设备产品种类多,参数差异大。为保证模型的实际效果,本实施例结合现有的风氢耦合发电系统以及相关参考文献,综合考量后确定。氢气价格、运输费用、电价等与社会经济相关的参数,则将优先考虑中国国情。
为适应风电的间歇性和不确定性,应选择在不稳定功率下依然能够正常工作的电解槽装置。碱式电解槽和质子交换膜(PEM)电解槽均可满足风电制氢的各项性能要求,并在世界范围内得到广泛应用。碱式电解槽和质子交换膜(PEM)电解槽的各项技术指标相差较大,本实施例选取最大输气量为1000NM3的电解槽,选取12台并行使用。根据文献,碱式电解槽的效率在75-90%之间,本实施例取75%;理论上,碱式电解槽可在额定功率的0-100%范围内的任意条件下均可工作,而按照当前技术,碱式电解槽其最小运行功率可达额定功率的5-10%,现行的商业碱性电解槽最小运行功率多在25-50%内,本实施例取25%。即在本实施例中,有并行电解槽最大功率56MW。
本实施例中选取氢发动机中心公司(Hydrogen Engine Center Inc)的燃料电池,其最大功率50kW。文献中,选取PEM燃料电池,最大功率5kW,额定电压24V。本实施例选取500组PEM低温燃料电池并行,其中每组额定功率50kW,效率65%,最小运行功率为额定功率的20%。即本实施例中,并行燃料电池最大输出功率为25MW。表1为本实施例中的氢气储能系统的参数。
表1氢气储能系统的参数
氢气的存储方式主要有压缩气体、低温液态、固态存储等,出于对大规模储氢的考量,选择压缩气体方式。本实施例选取CP Industries的无缝氢气储存器,将容器内压强增大至3500psi(约24.14MPa),可存放115.5kg氢气,即为1293.6Nm3。
电网信息主要包括负荷、风电出力以及单位电价。首先,电网终端负荷选取中国某地区用电历史数据,其每小时用电峰值为2042MW,谷值为1256MW,单日合计用电量为41952MW。值得一提的是,本实施例以当日下午17:00到次日下午17:00为一个周期。其原因在于,17:00时及其以后的几个小时中,风力较大的概率高,方便系统储存氢气。其次,风电出力按照一定概率选取4种典型情景,风电场每小时最大出力为100MW,情景1-4日累计风电出力分别为1822MW、2321MW、2664MW和3155MW。最后,我国各个省市自治区有电价的自主定价权,电价难以统一,本实施例参考研究地区电价,7:00-22:00时段取峰值电价0.8元/(kWh),22:00-7:00时段取谷值电价0.5/(kWh)。
本实施例中的氢气运力与需求均不设上限。以华北一制氢厂为例,电解水所制氢气为高纯度氢气,售价较高,不包含运输费用的氢气售价在3-3.5元/Nm3,本实施例取3元/Nm3。
本实施例观测的计算结果主要有以下两类:一类为售电收益、售氢收益、惩罚成本以及系统收益等经济类指标;另一类为系统出力跟随计划出力的技术类指标。
首先,比较风电场独立运行与风氢耦合发电系统。当η=13‰时,风电场独立运行售电收益为297088元,惩罚成本为117314元,最大偏离值为13MW,其出力曲线见图3。而风氢耦合发电系统收益为623974元,售电收入为376394元,售氢收入为251045元,惩罚成本为3465元,最大偏差为1.54WM,其出力曲线见图4。与前者相比,售电收入增加79306元,上升27%,最大偏差减少11.46MW,下降88%。
其次,分析信息即风电出力预测值在该随机模型中的价值。在确定性模型中,风电出力可以被准确预测为四种情景的某一种;在随机性模型中,风电出力依然按照上述4种典型情景随机发生。计算结果如图5。在较低η的水平下,确定性模型与随机性模型收益差距较小而当η逐步升高时,确定性模型的系统收益任然保持在高位,而随机模型的系统收益有一个明显的下滑,η=13‰时的系统收益相比η=12‰时下降9%。由此,基于储能系统,预测风电出力仍可以带来不菲的经济价值,即在该随机规划问题中信息的价值不可忽视。
最后,电解槽容量对系统收益的影响较大(图6),且主要通过影响售氢收益的方式影响系统收益,对跟随特性的影响较小。电解槽容量对系统的影响可分为三级。第一级,以38MW电解槽为例,其消纳能力尚不能完全满足计划出力的需求;第二级,以56MW电解槽为例,其消纳能力基本能够满足计划出力,却不能完全消除弃风;第三级,以74MW电解槽为例,在满足计划出力之余,充分利用弃风,生产大量氢气,从而增加系统收益。
燃料电池容量对系统收益的影响较小(图7),其影响方式主要在于售电收益,对跟随特性的影响较大(图8、图9)。当燃料电池容量为20MW、25MW、30MW时,最大偏差分别为6.54MW、1.54MW、0MW,惩罚成本为27634元,3465元,0元。在燃料电池容量较小的情况下,虽有足量氢气可供使用,但是由于燃料电池出力限制导致无法满足计划出力的需求,氢气只能选择输出,因此,小容量燃料电池的情况下获得较高的售氢收益。
根据以上对风氢耦合发电系统的评估结果,本发明提出了一种基于风氢耦合发电系统的电网就地消纳新能源日运行优化方法,能够充分到考虑新能源出力的随机特性,并通过利用氢能作为缓冲氢气成为副产品的方式,有效平衡各时段的新能源出力,优化能量之间的转换量,从而增加系统收益,提高新能源消纳水平。
同时,本发明实施例还提供一种风氢耦合发电系统的优化装置,本发明公开的装置解决问题的原理与上述方法的实现相似,不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施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 (20)
1.一种风氢耦合发电系统的优化方法,其特征在于,所述风氢耦合发电系统包括风电场、电网以及氢气储能系统,所述的方法包括:
根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型;
根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型;根据所述风氢耦合发电系统日运行收益模型优化风氢耦合发电系统中电能与氢能在电网和制氢系统中的转化量;
调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标;
根据电网参数常量和分析获得的引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标优化风氢耦合发电系统的系统参数。
2.如权利要求1所述的风氢耦合发电系统的优化方法,其特征在于,所述根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型包括:
定量分析所述风电场、电网、氢气储能系统之间的能量转化量;
建立所述氢气储能系统内部的能量转换关系;
建立氢气储能系统的氢气存储量的时序递推约束。
3.如权利要求2所述的风氢耦合发电系统的优化方法,其特征在于,所述定量分析所述风电场、电网、氢气储能系统之间的能量转化量包括:
根据对各时段终端负荷的预测,确定风氢耦合发电系统的计划出力:
式(1)中,t表示时间序列,t=0,1,2,…,T,表示风氢耦合发电t时段系统计划出力,单位kW,表示t时段电网终端负荷的估计值,单位kW,η表示系统出力承担电网负荷的比例,0≤η≤1;
建立风电场、电网与氢气储能系统之间的平衡约束,包括:电网供需平衡约束、风氢耦合发电系统的功率平衡约束以及氢气供需平衡约束;其中,
所述电网供需平衡约束:
式(2)中,表示t时段除风电出力以外的其他机组出力,单位kW,表示t时段风电场输入电网出力,单位kW,表示t时段电网终端负荷,单位kW;
风氢耦合发电系统的功率平衡约束:
式(3)中,k表示情景序列,代表风电出力的随机性,k=0,1,2,…,K,表示情景k时段t下燃料电池出力,单位kW,表示情景k时段t下风电场出力,单位kW,表示情景k时段t下风电场输入电解槽出力,单位kW,表示情景k时段t下压缩机能耗,单位kW,表示情景k时段t下的弃风量,单位kW;
所述氢气供需平衡约束:
式(4)中,表示情景k时段t下其他来源氢气在标准状态下的体积,表示情景k时段t系统售出氢气在标准状态下的体积,表示情景k时段t下氢气需求在标准状态下的体积。
4.如权利要求2所述的风氢耦合发电系统的优化方法,其特征在于,所述建立所述氢气储能系统内部的能量转换关系包括:
建立电解水制氢的能量转换方程:
式(5)中,表示情景k时段t下电解槽制造标准状态下的氢气体积,ηe表示电解槽转换效率,HHV表示氢气高热值;其中,满足式(6):
在式(6)中,为表示电解槽工作状态的变量,取0-1,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率;
建立压缩机工作功率消耗方程:
在式(7)中,a和b均为系统常数,为情景k时段t下压缩机功率;
建立燃料电池发电的能量转换方程:
在式(8)中,表示情景k时段t下燃料电池耗费标准状态下的氢气体积,Δt表示时段t的时长,ηf表示燃料电池转换效率;其中,满足式(9):
在式(9)中,为表示燃料电池工作状态的变量,取0-1,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率。
5.如权利要求2所述的风氢耦合发电系统的优化方法,其特征在于,所述建立氢气储能系统的氢气存储量的时序递推约束包括:
建立氢气存储量、氢气制备量、氢气消耗量以及氢气售出量的递推方程:
在式(10)中,Vt,k表示情景k时段t下氢气存储量,Vt+1,k为情景k时段t+1下氢气存储量。
6.如权利要求3、4或5中任一权利要求所述的风氢耦合发电系统的优化方法,其特征在于,所述方法还包括确定各变量的上下限约束关系:
任意时段上网电量受到输电线路容量以及电网负荷的综合约束:
在式(11)中,PTS表示输电线路容量;
任意时段的氢气存储量受到其容量限制,满足:
在式(12)中,Vmax为氢气储存容量约束;
任意时段售出氢气受到氢气运力、氢气存储量以及氢气需求的综合约束:
在式(13)中,VTS表示氢气运输容量上限;
优化模型中的其他变量也均为非负变量,满足式(14)。
7.如权利要求6所述的风氢耦合发电系统的优化方法,其特征在于,所述根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型包括:
以最大化风氢耦合发电系统日运行收益为目标函数,根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型:
式(15)中,表示t时段的上网电价;
表示净上网电量的售电收益;
ξk表示情景k出现的概率;
表示t时段氢气价格;
表示售出氢气的收益;
qS表示偏离计划输电的惩罚因子;
表示偏离计划输电的惩罚成本。
8.如权利要求7所述的风氢耦合发电系统的优化方法,其特征在于,所述调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标包括:
调整所述风氢耦合发电系统日运行收益模型中的风电出力,比较风电场独立运行与风氢耦合发电下的系统收益和跟随特性;
根据所述风氢耦合发电系统优化模型和风氢耦合发电系统日运行收益模型,利用确定性模型量化分析风电出力预测对风氢耦合发电系统的价值,其中,所述的确定性模型为:
其中,为时段t售出氢气在标准状态下的体积。
9.如权利要求8所述的风氢耦合发电系统的优化方法,其特征在于,
所述的决策变量包括:
表示t时段风电场输入电网出力;
表示情景k时段t下风电场输入电解槽出力;
表示情景k时段t下燃料电池出力;
表示情景k时段t下的弃风量;
为0-1变量,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作;
为0-1变量,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作;
表示情景k时段t系统售出氢气在标准状态下的体积;
Vt,k,表示情景k时段t下氢气存储量;
表示情景k时段t下压缩机能耗;
表示t时段除风电出力以外的其他机组出力;
表示情景k时段t下其他来源氢气在标准状态下的体积;
表示情景k时段t下电解槽制造标准状态下的氢气体积;
表示情景k时段t下燃料电池耗费标准状态下的氢气体积;
所述的电网参数常量包括:
表示t时段系统计划出力;
表示t时段电网终端负荷的估计值;
表示t时段电网终端负荷;
表示情景k时段t下风电场出力;
表示情景k时段t下氢气需求在标准状态下的体积;
ηe表示电解槽转换效率;
ηf表示燃料电池转换效率;
HHV表示氢气高热值;
表示电解槽的额定功率;
表示最低稳定运行功率;
表示燃料电池的额定功率;
表示最低稳定运行功率;
表示风电场外送电能的能力;
Vmax为氢气储存容量约束;
表示氢气外送能力。
10.如权利要求9所述的风氢耦合发电系统的优化方法,其特征在于,
根据电解槽的额定功率和燃料电池的额定功率分别调整电解槽容量和燃料电池容量,定量分析风氢耦合发电系统,分别确定电解槽容量和燃料电池容量对系统收益和跟随特性的影响,优化选择电解槽容量和燃料电池容量。
11.一种风氢耦合发电系统的优化装置,其特征在于,所述风氢耦合发电系统包括风电场、电网以及氢气储能系统,所述的装置包括:
优化模型建立模块,用于根据风氢耦合发电系统的能量转换及氢气储能系统的时序递推约束建立风氢耦合发电系统优化模型;
收益模型建立模块,用于根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型;转换量优化模块,用于根据所述风氢耦合发电系统日运行收益模型优化风氢耦合发电系统中电能与氢能在电网和制氢系统中的转化量;
调整分析模块,用于调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标;
变量优化模块,根据电网参数常量和分析获得的引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标优化风氢耦合发电系统的系统参数。
12.如权利要求11所述的风氢耦合发电系统的优化装置,其特征在于,所述优化模型建立模块包括:
定量分析单元,定量分析所述风电场、电网、氢气储能系统之间的能量转化量;
转换关系建立单元,用于建立所述氢气储能系统内部的能量转换关系;
约束关系建立单元,用于建立氢气储能系统的氢气存储量的时序递推约束。
13.如权利要求12所述的风氢耦合发电系统的优化装置,其特征在于,所述定量分析单元定量分析所述风电场、电网、氢气储能系统之间的能量转化量包括:
根据对各时段终端负荷的预测,确定风氢耦合发电系统的计划出力:
式(1)中,t表示时间序列,t=0,1,2,…,T,表示风氢耦合发电t时段系统计划出力,单位kW,表示t时段电网终端负荷的估计值,单位kW,η表示系统出力承担电网负荷的比例,0≤η≤1;
建立风电场、电网与氢气储能系统之间的平衡约束,包括:电网供需平衡约束、风氢耦合发电系统的功率平衡约束以及氢气供需平衡约束;其中,
所述电网供需平衡约束:
式(2)中,表示t时段除风电出力以外的其他机组出力,单位kW,表示t时段风电场输入电网出力,单位kW,表示t时段电网终端负荷,单位kW;
风氢耦合发电系统的功率平衡约束:
式(3)中,k表示情景序列,代表风电出力的随机性,k=0,1,2,…,K,表示情景k时段t下燃料电池出力,单位kW,表示情景k时段t下风电场出力,单位kW,表示情景k时段t下风电场输入电解槽出力,单位kW,表示情景k时段t下压缩机能耗,单位kW,表示情景k时段t下的弃风量,单位kW;
所述氢气供需平衡约束:
式(4)中,表示情景k时段t下其他来源氢气在标准状态下的体积,表示情景k时段t系统售出氢气在标准状态下的体积,表示情景k时段t下氢气需求在标准状态下的体积。
14.如权利要求12所述的风氢耦合发电系统的优化装置,其特征在于,所述转换关系建立单元建立所述氢气储能系统内部的能量转换关系包括:
建立电解水制氢的能量转换方程:
式(5)中,表示情景k时段t下电解槽制造标准状态下的氢气体积,ηe表示电解槽转换效率,HHV表示氢气高热值;其中,满足式(6):
在式(6)中,为表示电解槽工作状态的变量,取0-1,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率;
建立压缩机工作功率消耗方程:
在式(7)中,a和b均为系统常数,为情景k时段t下压缩机功率;
建立燃料电池发电的能量转换方程:
在式(8)中,表示情景k时段t下燃料电池耗费标准状态下的氢气体积,Δt表示时段t的时长,ηf表示燃料电池转换效率;其中,满足式(9):
在式(9)中,为表示燃料电池工作状态的变量,取0-1,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作,表示电解槽的额定功率,表示最低稳定运行功率。
15.如权利要求12所述的风氢耦合发电系统的优化装置,其特征在于,所述约束关系建立单元建立氢气储能系统的氢气存储量的时序递推约束包括:
建立氢气存储量、氢气制备量、氢气消耗量以及氢气售出量的递推方程:
在式(10)中,Vt,k表示情景k时段t下氢气存储量,Vt+1,k为情景k时段t+1下氢气存储量。
16.如权利要求13、14或15中任一权利要求所述的风氢耦合发电系统的优化装置,其特征在于,所述优化模型建立模块还包括
上下限模块确定单元,用于确定各变量的上下限约束关系,所述的上下限的约束关系包括:
任意时段上网电量受到输电线路容量以及电网负荷的综合约束:
在式(11)中,PTS表示输电线路容量;
任意时段的氢气存储量受到其容量限制,满足:
在式(12)中,Vmax为氢气储存容量约束;
任意时段售出氢气受到氢气运力、氢气存储量以及氢气需求的综合约束:
在式(13)中,VTS表示氢气运输容量上限;
优化模型中的其他变量也均为非负变量,满足式(14)。
17.如权利要求16所述的风氢耦合发电系统的优化装置,其特征在于,所述收益模型建立模块根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型包括:
以最大化风氢耦合发电系统日运行收益为目标函数,根据建立的风氢耦合发电系统优化模型与电网参数中的各时段电网的电价、氢气价格、偏离计划输电的惩罚成本确定风氢耦合发电系统日运行收益模型:
式(15)中,表示t时段的上网电价;
表示净上网电量的售电收益;
ξk表示情景k出现的概率;
表示t时段氢气价格;
表示售出氢气的收益;
qS表示偏离计划输电的惩罚因子;
表示偏离计划输电的惩罚成本。
18.如权利要求17所述的风氢耦合发电系统的优化装置,其特征在于,所述调整分析模块调整所述风氢耦合发电系统日运行收益模型中的风电出力,分析引入制氢系统后电网的新能源消纳情况及风氢耦合发电系统的经济指标包括:
调整所述风氢耦合发电系统日运行收益模型中的风电出力,比较风电场独立运行与风氢耦合发电下的系统收益和跟随特性;
根据所述风氢耦合发电系统优化模型和风氢耦合发电系统日运行收益模型,利用确定性模型量化分析风电出力预测对风氢耦合发电系统的价值,其中,所述的确定性模型为:
其中,为时段t售出氢气在标准状态下的体积。
19.如权利要求18所述的风氢耦合发电系统的优化装置,其特征在于,
所述的决策变量包括:
表示t时段风电场输入电网出力;
表示情景k时段t下风电场输入电解槽出力;
表示情景k时段t下燃料电池出力;
表示情景k时段t下的弃风量;
为0-1变量,取0时表示电解槽当前时段不工作,而取1时则表示电解槽在当前时段工作;
为0-1变量,取0时表示燃料电池当前时段不工作,取1时表示燃料电池当前时段工作;
表示情景k时段t系统售出氢气在标准状态下的体积;
Vt,k,表示情景k时段t下氢气存储量;
表示情景k时段t下压缩机能耗;
表示t时段除风电出力以外的其他机组出力;
表示情景k时段t下其他来源氢气在标准状态下的体积;
表示情景k时段t下电解槽制造标准状态下的氢气体积;
表示情景k时段t下燃料电池耗费标准状态下的氢气体积;
所述的电网参数常量包括:
表示t时段系统计划出力;
表示t时段电网终端负荷的估计值;
表示t时段电网终端负荷;
表示情景k时段t下风电场出力;
表示情景k时段t下氢气需求在标准状态下的体积;
ηe表示电解槽转换效率;
ηf表示燃料电池转换效率;
HHV表示氢气高热值;
表示电解槽的额定功率;
表示最低稳定运行功率;
表示燃料电池的额定功率;
表示最低稳定运行功率;
表示风电场外送电能的能力;
Vmax为氢气储存容量约束;
表示氢气外送能力。
20.如权利要求19所述的风氢耦合发电系统的优化装置,其特征在于,所述装置还包括:
容量选择模块,用于根据电解槽的额定功率和燃料电池的额定功率分别调整电解槽容量和燃料电池容量,定量分析风氢耦合发电系统,分别确定电解槽容量和燃料电池容量对系统收益和跟随特性的影响,优化选择电解槽容量和燃料电池容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710020266.6A CN106684915A (zh) | 2017-01-12 | 2017-01-12 | 一种风氢耦合发电系统的优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710020266.6A CN106684915A (zh) | 2017-01-12 | 2017-01-12 | 一种风氢耦合发电系统的优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106684915A true CN106684915A (zh) | 2017-05-17 |
Family
ID=58850649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710020266.6A Pending CN106684915A (zh) | 2017-01-12 | 2017-01-12 | 一种风氢耦合发电系统的优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106684915A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107732967A (zh) * | 2017-11-08 | 2018-02-23 | 东南大学 | 一种平抑风电波动的p2h最优容量确定方法 |
CN108206547A (zh) * | 2018-01-08 | 2018-06-26 | 福州大学 | 风氢耦合发电系统各单元容量优化的方法 |
CN111864750A (zh) * | 2020-08-26 | 2020-10-30 | 重庆因科汇科技有限公司 | 风电-制氢系统在市场机制下收益最大化的运行方法 |
CN112103994A (zh) * | 2020-08-25 | 2020-12-18 | 同济大学 | 一种基于mpc的风氢耦合系统分层协调控制方法及装置 |
CN112350350A (zh) * | 2020-10-26 | 2021-02-09 | 清华四川能源互联网研究院 | 电池储能和制氢设备的运营管控方法、装置和电子设备 |
CN113315242A (zh) * | 2021-05-31 | 2021-08-27 | 天津大学 | 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体 |
CN113644749A (zh) * | 2021-07-23 | 2021-11-12 | 青海大学 | 热-氢双soc氢储能系统及优化方法 |
CN113783226A (zh) * | 2021-08-27 | 2021-12-10 | 中国科学院广州能源研究所 | 一种海上风电制氢并网发电系统的分层预测能量管理方法 |
CN114142466A (zh) * | 2021-11-30 | 2022-03-04 | 国网安徽省电力有限公司 | 一种计及灵活性储氢的电网新能源消纳能力评估方法 |
CN114172175A (zh) * | 2021-12-07 | 2022-03-11 | 中国科学院广州能源研究所 | 一种提高风电场经济效益的氢储配置与控制协同优化方法 |
CN116646993A (zh) * | 2023-07-27 | 2023-08-25 | 国网能源研究院有限公司 | 电氢耦合系统协同程度测算方法、系统、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975141A (zh) * | 2010-10-20 | 2011-02-16 | 中电普瑞科技有限公司 | 一种海上风电功率/频率控制方法 |
CN102395710A (zh) * | 2009-02-17 | 2012-03-28 | 麦卡利斯特技术有限责任公司 | 电解槽及其使用方法 |
JP2015176675A (ja) * | 2014-03-13 | 2015-10-05 | 日本電信電話株式会社 | 分散型電源システムおよびその運転方法 |
-
2017
- 2017-01-12 CN CN201710020266.6A patent/CN106684915A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102395710A (zh) * | 2009-02-17 | 2012-03-28 | 麦卡利斯特技术有限责任公司 | 电解槽及其使用方法 |
CN101975141A (zh) * | 2010-10-20 | 2011-02-16 | 中电普瑞科技有限公司 | 一种海上风电功率/频率控制方法 |
JP2015176675A (ja) * | 2014-03-13 | 2015-10-05 | 日本電信電話株式会社 | 分散型電源システムおよびその運転方法 |
Non-Patent Citations (1)
Title |
---|
杨金刚,等: "风氢耦合发电系统优化运行策略与效益分析", 《电力建设》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107732967A (zh) * | 2017-11-08 | 2018-02-23 | 东南大学 | 一种平抑风电波动的p2h最优容量确定方法 |
CN107732967B (zh) * | 2017-11-08 | 2020-11-06 | 东南大学 | 一种平抑风电波动的p2h最优容量确定方法 |
CN108206547B (zh) * | 2018-01-08 | 2021-01-29 | 福州大学 | 风氢耦合发电系统各单元容量优化的方法 |
CN108206547A (zh) * | 2018-01-08 | 2018-06-26 | 福州大学 | 风氢耦合发电系统各单元容量优化的方法 |
CN112103994A (zh) * | 2020-08-25 | 2020-12-18 | 同济大学 | 一种基于mpc的风氢耦合系统分层协调控制方法及装置 |
CN111864750B (zh) * | 2020-08-26 | 2023-08-18 | 山东德易智能科技有限公司 | 风电-制氢系统在市场机制下收益最大化的运行方法 |
CN111864750A (zh) * | 2020-08-26 | 2020-10-30 | 重庆因科汇科技有限公司 | 风电-制氢系统在市场机制下收益最大化的运行方法 |
CN112350350A (zh) * | 2020-10-26 | 2021-02-09 | 清华四川能源互联网研究院 | 电池储能和制氢设备的运营管控方法、装置和电子设备 |
CN112350350B (zh) * | 2020-10-26 | 2022-02-08 | 清华四川能源互联网研究院 | 电池储能和制氢设备的运营管控方法、装置和电子设备 |
CN113315242B (zh) * | 2021-05-31 | 2023-04-07 | 天津大学 | 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体 |
CN113315242A (zh) * | 2021-05-31 | 2021-08-27 | 天津大学 | 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体 |
CN113644749A (zh) * | 2021-07-23 | 2021-11-12 | 青海大学 | 热-氢双soc氢储能系统及优化方法 |
CN113644749B (zh) * | 2021-07-23 | 2023-10-13 | 青海大学 | 热-氢双soc氢储能系统及优化方法 |
CN113783226A (zh) * | 2021-08-27 | 2021-12-10 | 中国科学院广州能源研究所 | 一种海上风电制氢并网发电系统的分层预测能量管理方法 |
CN114142466B (zh) * | 2021-11-30 | 2023-09-08 | 国网安徽省电力有限公司 | 一种计及灵活性储氢的电网新能源消纳能力评估方法 |
CN114142466A (zh) * | 2021-11-30 | 2022-03-04 | 国网安徽省电力有限公司 | 一种计及灵活性储氢的电网新能源消纳能力评估方法 |
CN114172175B (zh) * | 2021-12-07 | 2023-07-25 | 中国科学院广州能源研究所 | 一种提高风电场经济效益的氢储配置与控制协同优化方法 |
CN114172175A (zh) * | 2021-12-07 | 2022-03-11 | 中国科学院广州能源研究所 | 一种提高风电场经济效益的氢储配置与控制协同优化方法 |
CN116646993A (zh) * | 2023-07-27 | 2023-08-25 | 国网能源研究院有限公司 | 电氢耦合系统协同程度测算方法、系统、装置及存储介质 |
CN116646993B (zh) * | 2023-07-27 | 2023-10-03 | 国网能源研究院有限公司 | 电氢耦合系统协同程度测算方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106684915A (zh) | 一种风氢耦合发电系统的优化方法及装置 | |
Wang et al. | Short-term hydro-thermal-wind-photovoltaic complementary operation of interconnected power systems | |
Ding et al. | Multi-stage distributionally robust stochastic dual dynamic programming to multi-period economic dispatch with virtual energy storage | |
CN103955777B (zh) | 光伏发电接入配电网方案设计与分析评估辅助系统 | |
Okinda et al. | A review of techniques in optimal sizing of hybrid renewable energy systems | |
CN113705962B (zh) | 一种基于分布鲁棒优化的虚拟电厂日前调度方法 | |
Wu et al. | Modeling and operation optimization of hydrogen-based integrated energy system with refined power-to-gas and carbon-capture-storage technologies under carbon trading | |
CN110112790B (zh) | 有源配电网运行效率的评价方法、装置、设备及存储介质 | |
CN110119888A (zh) | 一种基于分布式电源接入的有源网格化规划方法 | |
CN114362218B (zh) | 基于深度q学习的微电网内多类型储能的调度方法及装置 | |
Han et al. | Multi-stage distributionally robust optimization for hybrid energy storage in regional integrated energy system considering robustness and nonanticipativity | |
CN115660343A (zh) | 面向碳中和的城市综合能源发展规划方法 | |
Wen et al. | ELCC-based capacity value estimation of combined wind-storage system using IPSO algorithm | |
CN105678415A (zh) | 一种分布式电源配电网的净负荷预测方法 | |
CN113298407B (zh) | 一种工业园区电-气综合能源系统优化调度模型建立方法 | |
Liu et al. | Key technologies and developments of multi-energy system: Three-layer framework, modelling and optimisation | |
Zhang et al. | Optimal energy and reserve scheduling in a renewable-dominant power system | |
Yu et al. | Optimal sizing of isolated renewable power systems with ammonia synthesis: Model and solution approach | |
Hjelmeland et al. | Combined SDDP and simulator model for hydropower scheduling with sales of capacity | |
Yang et al. | Risk-averse two-stage distributionally robust economic dispatch model under uncertain renewable energy | |
CN115618616A (zh) | 一种源、网、荷资源的混合储能可靠性评估模型构建方法 | |
Xu et al. | A two-layer multi-energy management system for microgrids with solar, wind, and geothermal renewable energy | |
Yin et al. | Economic and technical comparison of energy storage technologies for renewable accommodation | |
Ye et al. | Multi-scenario stochastic optimal scheduling for power systems with source-load matching based on pseudo-inverse Laguerre polynomials | |
Su et al. | Data-driven robust dispatch of integrated electricity-gas energy systems considering uncertainty of wind power |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170517 |
|
WD01 | Invention patent application deemed withdrawn after publication |