CN107133694B - 塔式太阳能热电站镜场调度周期优化方法 - Google Patents

塔式太阳能热电站镜场调度周期优化方法 Download PDF

Info

Publication number
CN107133694B
CN107133694B CN201710287164.0A CN201710287164A CN107133694B CN 107133694 B CN107133694 B CN 107133694B CN 201710287164 A CN201710287164 A CN 201710287164A CN 107133694 B CN107133694 B CN 107133694B
Authority
CN
China
Prior art keywords
solution
optimization
time
optimization problem
scheduling
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.)
Active
Application number
CN201710287164.0A
Other languages
English (en)
Other versions
CN107133694A (zh
Inventor
赵豫红
赵茜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201710287164.0A priority Critical patent/CN107133694B/zh
Publication of CN107133694A publication Critical patent/CN107133694A/zh
Application granted granted Critical
Publication of CN107133694B publication Critical patent/CN107133694B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种塔式太阳能热电站镜场调度周期优化方法，实施步骤如下：(1)以增大吸热器吸收能量和减少定日镜转动能耗为优化目标，以吸热器能量分布均匀为约束条件，构造优化问题；(2)将(1)中优化问题转换为内外两层优化问题；(3)利用禁忌算法来求解外层优化问题，利用遗传算法来求解内层优化命题，得到优化时间段内的最优调度周期。本发明中，塔式太阳能热电站镜场调度周期优化方法，在保证吸热器安全的情况下，减少定日镜角度转动造成的能量损耗，增加时间段内吸收能量，为整个镜场调度周期设置提供了新的优化方法。

Description

塔式太阳能热电站镜场调度周期优化方法
技术领域
本发明涉及塔式太阳能热电站领域，特别是涉及一种塔式太阳能热电站镜场调度周期优化方法。
背景技术
塔式太阳能热电站利用很多个独立跟踪太阳的定日镜，将太阳光聚焦到一个固定在接收塔顶部的吸热器上，加热流经吸热器内部的传热介质，再使用高温介质的热能带动汽轮机、发电机来发电。它是所有大规模太阳能发电技术中成本最低的一种，有着广泛的应用前景。
塔式太阳能热电站中的聚光、集热子系统，包括定日镜场和安装在接收塔上的吸热器等，一直是研究的关注点。对于定日镜场的调度来说，和单一时刻的镜场调度问题的优化同样重要的是调度区间的分隔。众所周知，太阳的高度角和方位角随着时间不断变化，定日镜场需要在许多不同时刻进行定日镜场调度，改变定日镜的聚焦点，满足不同时刻的能量和安全需求。一般来说，密集的调度可以保证调度与太阳位置改变的同步性，从而使吸热器吸收更多太阳能量。然而，过短的调度周期不仅会消耗过多的定日镜转动能量，还会产生过多机械磨损，影响定日镜的运行寿命。因此，合理的定日镜场调度周期可以兼顾一段时间内的聚光集热子系统的能量和安全要求，保证电站的稳定高效运行。
现有的镜场调度周期的设置方法中，镜场调度参数大多为人为设定，造成了许多不必要的效率损失。
发明内容
本发明提供了一种塔式太阳能热电站镜场调度周期优化方法，在保证吸热器安全的情况下，达到减少定日镜角度转动造成的能量损耗，同时增加时间段内吸收能量的目标。
本发明采用的技术方案如下：
(1)以增大吸热器吸收能量和减少定日镜转动操作成本为优化目标,以吸热器能量均匀为约束条件，构造优化问题。
为了实现镜场的调度周期最优化，需要同时确定所有定日镜在各个时刻的聚焦点，在吸热器平面能流密度标准差小于一个定值的情况下，达到优化时间段内吸热器上接收到的能量最大化和由于定日镜为改变聚焦点而产生的电机消耗能量最小化的目的；对应的优化问题为：
Figure GDA0002503241200000021
其中，tin是调度周期，为优化时间段内不随时间变化的整数优化变量；X＝{xijt|1≤i≤nhel,1≤j≤naim,tstart≤t≤tend,i,j∈Z,t∈R}，xijt的含义为描述t时刻第i个定日镜子区域是否聚焦到第j个聚焦点的0-1变量，t为优化时间段内的连续时间参数；tstart、tend分别是优化时间段的开始时间和结束时间；Q是在t时刻吸热器吸收到的功率，Qcon是t时刻由于镜场调度消耗的定日镜转动功率；σ和σ0分别为吸热器上能流密度标准差的实际值和最大容限值；w为一权重值，用于调节吸收能量与消耗能量的比重；Qabsij是t时刻当第i个定日镜子区域聚焦到第j个聚焦点时吸热器吸收到的功率；Qconi是t时刻第i面定日镜转动消耗的功率；nhel和naim分别是定日镜场子区域数和聚焦点个数。
(2)将(1)中优化问题转换为内外两层优化问题。
采用矩形积分法将(1)中问题从连续形式转化为离散形式：
Figure GDA0002503241200000022
其中，inum＝[(tstart-tend)/tin]，为这段时间内的调度次数；tmovk为第k次调度过程定日镜电机转动时间；X＝{xijk|1≤i≤nhel,1≤j≤naim,1≤k≤inum,i,j,k∈Z}，此时，xijk由关于连续时间t转变为关于离散调度次序号k；Qk和Qconk分别为第k次调度吸收和消耗的功率；Qconki表示在第k次调度过程中第i个定日镜子区域转动消耗的功率；
在直接求解优化问题(2)困难的情况下，考虑到不需要xijk的最优解，而只需要其较优解为优化目标函数提供一个较优取值，将式(2)转化为以下嵌套的优化形式间接求解：
Figure GDA0002503241200000031
Figure GDA0002503241200000032
其中，X*为(4)中许多个单一时刻镜场调度优化问题最优解xijk *的集合，在这样的嵌套形式下，每求解一个tin取值对应的F函数值，都需要按时间顺序求解inum＝[(tstart-tend)/tin]次(4)中的优化问题，上一个调度时刻优化出的xijk *结果是下一时刻(4)优化问题的参数，用于计算Qconi值，inum个xijk *均求出后代入(3)中，计算该tin的适应度函数值。
(3)利用禁忌算法来求解外层优化问题，利用遗传算法来求解内层优化命题，得到优化时间段内的最优调度周期。
外层引入禁忌算法，内层引入自适应遗传算法来求解，以得到最优的镜场调度周期，具体实施步骤如下：
步骤1：设定禁忌算法的参数，产生初始解，并将禁忌表置空；
步骤2：判断是否满足终止准则：若是，则算法迭代结束，并输出最优解；否则继续；
步骤3：根据当前解产生其邻域解，若解在目标函数值矩阵中未被搜索到，则运用自适应遗传算法多次求解优化问题(4)，并将内层优化问题最优解代入优化问题(3)中计算邻域解的目标函数值，计算结束后将相应解及其目标函数值保存在矩阵中，最后确定候选解；
步骤4：判断候选解是否满足特赦准则：若满足，则将满足特赦准则的最佳解替代当前解和最早进入禁忌表的解，用该解的适应度函数值替换当前最优适应度函数值，然后转步骤6；否则继续；
步骤5：判断候选解的禁忌情况，选择候选解集中未被禁忌的最佳解为新的当前解，同时用该解替换最早进入禁忌表的解；
步骤6：转步骤2。
本发明的有益效果是：按照本发明提出的塔式太阳能热电站镜场调度周期优化方法，得到的最优镜场调度周期，能够在保证吸热器安全的情况下，减少定日镜角度转动造成的能量损耗，增加时间段内吸收能量，为整个镜场调度周期设置提供了新的优化方法。
附图说明
图1是塔式太阳能热电站镜场调度周期优化方法流程图；
图2是实施例中的吸热器上聚焦点分布的示意图；
图3是实施例中的镜场分布图。
具体实施方式
如图1所示，一种塔式太阳能热电站镜场调度周期优化方法，实施步骤如下：
(1)以增大吸热器吸收能量和减少定日镜转动操作成本为优化目标,以吸热器能量均匀为约束条件，构造优化问题。
为了实现镜场的调度周期最优化，需要同时确定所有定日镜在各个时刻的聚焦点，在吸热器平面能流密度标准差小于一个定值的情况下，达到优化时间段内吸热器上接收到的能量最大化和由于定日镜为改变聚焦点而产生的电机消耗能量最小化的目的；对应的优化问题为：
Figure GDA0002503241200000051
其中，tin是调度周期，为优化时间段内不随时间变化的整数优化变量；X＝{xijt|1≤i≤nhel,1≤j≤naim,tstart≤t≤tend,i,j∈Z,t∈R}，xijt的含义为描述t时刻第i个定日镜子区域是否聚焦到第j个聚焦点的0-1变量，t为优化时间段内的连续时间参数；tstart、tend分别是优化时间段的开始时间和结束时间；Q是在t时刻吸热器吸收到的功率，Qcon是t时刻由于镜场调度消耗的定日镜转动功率；σ和σ0分别为吸热器上能流密度标准差的实际值和最大容限值；w为一权重值，用于调节吸收能量与消耗能量的比重；Qabsij是t时刻当第i个定日镜子区域聚焦到第j个聚焦点时吸热器吸收到的功率；Qconi是t时刻第i面定日镜转动消耗的功率；nhel和naim分别是定日镜场子区域数和聚焦点个数。
(2)将(1)中优化问题转换为内外两层优化问题。
采用矩形积分法将(1)中问题从连续形式转化为离散形式：
Figure GDA0002503241200000052
其中，inum＝[(tstart-tend)/tin]，为这段时间内的调度次数；tmovk为第k次调度过程定日镜电机转动时间；X＝{xijk|1≤i≤nhel,1≤j≤naim,1≤k≤inum,i,j,k∈Z}，此时，xijk由关于连续时间t转变为关于离散调度次序号k；Qk和Qconk分别为第k次调度吸收和消耗的功率；
在直接求解优化问题(2)困难的情况下，考虑到不需要xijk的最优解，而只需要其较优解为优化目标函数提供一个较优取值，将式(2)转化为以下嵌套的优化形式间接求解：
Figure GDA0002503241200000061
Figure GDA0002503241200000062
其中，X*为(4)中许多个单一时刻镜场调度优化问题最优解xijk *的集合，在这样的嵌套形式下，每求解一个tin取值对应的F函数值，都需要按时间顺序求解inum＝[(tstart-tend)/tin]次(4)中的优化问题，上一个调度时刻优化出的xijk *结果是下一时刻(4)优化问题的参数，用于计算Qconi值，inum个xijk *均求出后代入(3)中，计算该tin的适应度函数值。
(3)利用禁忌算法来求解外层优化问题，利用遗传算法来求解内层优化命题，得到优化时间段内的最优调度周期。
外层引入禁忌算法，内层引入自适应遗传算法来求解，以得到最优的镜场调度周期，具体实施步骤如下：
步骤1：设定禁忌算法的参数，产生初始解，并将禁忌表置空；
步骤2：判断是否满足终止准则：若是，则算法迭代结束，并输出最优解；否则继续；
步骤3：根据当前解产生其邻域解，若解在目标函数值矩阵中未被搜索到，则运用自适应遗传算法多次求解优化问题(4)，并将内层优化问题最优解代入优化问题(3)中计算邻域解的目标函数值，计算结束后将相应解及其目标函数值保存在矩阵中，最后确定候选解；
步骤4：判断候选解是否满足特赦准则：若满足，则将满足特赦准则的最佳解替代当前解和最早进入禁忌表的解，用该解的适应度函数值替换当前最优适应度函数值，然后转步骤6；否则继续；
步骤5：判断候选解的禁忌情况，选择候选解集中未被禁忌的最佳解为新的当前解，同时用该解替换最早进入禁忌表的解；
步骤6：转步骤2。
本发明实施例应用于一个包含3600面定日镜的麦田型镜场，如图3所示(实心圆点代表定日镜，空心圆圈代表装有吸热器的接收塔的所在位置)。平面式吸热器受热面的尺寸为5m×5m，选取16个聚焦点，其中聚焦点限定框距离相邻吸热器边框距离均为1m，如图2所示。优化时间段取2015年10月25日上午8:00～11:00，将优化结果与固定的15分钟调度周期对比，两种周期选取方案均对上述镜场进行优化仿真。这里取参数w＝1，每次调度定日镜转动时间tmov＝12s。本方法计算得出的该时段内最优镜场调度周期为10min，目标函数值为2.1590×104MJ，15min固定调度周期下获得的目标函数值为2.0922×104MJ。可以看到，在该时间段内采用本镜场调度周期优化方法，可以在8:00～11:00这段时间增加668MJ的目标函数值，对于w＝1来说，物理意义为增加了668MJ的聚光集热子系统的净吸收能量。由此说明，本发明提出的镜场调度周期方法可以有效增加电站净吸收能量，为塔式太阳能电站的最优镜场调度提出了新的方法。

Claims (1)

1.一种塔式太阳能热电站镜场调度周期优化方法，其特征在于它的步骤如下：
(1)以增大吸热器吸收能量和减少定日镜转动操作成本为优化目标,以吸热器能量均匀为约束条件，构造优化问题；
(2)将步骤(1)中优化问题转换为内外两层优化问题；
(3)利用禁忌算法来求解外层优化问题，利用遗传算法来求解内层优化问题，得到优化时间段内的最优调度周期；
所述的步骤(1)为：
为了实现镜场的调度周期最优化，需要同时确定所有定日镜在各个时刻的聚焦点，在吸热器平面能流密度标准差小于一个定值的情况下，达到优化时间段内吸热器上接收到的能量最大化和由于定日镜为改变聚焦点而产生的电机消耗能量最小化的目的；对应的优化问题为：
Figure FDA0002503241190000011
其中，tin是调度周期，为优化时间段内不随时间变化的整数优化变量；X＝{xijt|1≤i≤nhel,1≤j≤naim,tstart≤t≤tend,i,j∈Z,t∈R}，xijt的含义为描述t时刻第i个定日镜子区域是否聚焦到第j个聚焦点的0-1变量，t为优化时间段内的连续时间参数；tstart、tend分别是优化时间段的开始时间和结束时间；Q是在t时刻吸热器吸收到的功率，Qcon是t时刻由于镜场调度消耗的定日镜转动功率；σ和σ0分别为吸热器上能流密度标准差的实际值和最大容限值；w为一权重值，用于调节吸收能量与消耗能量的比重；Qabsij是t时刻当第i个定日镜子区域聚焦到第j个聚焦点时吸热器吸收到的功率；Qconi是t时刻第i面定日镜转动消耗的功率；nhel和naim分别是定日镜场子区域数和聚焦点个数；
所述的步骤(2)为：
采用矩形积分法将步骤(1)中问题从连续形式转化为离散形式：
Figure FDA0002503241190000021
其中，inum＝[(tstart-tend)/tin]，为这段时间内的调度次数；tmovk为第k次调度过程定日镜电机转动时间；X＝{xijk|1≤i≤nhel,1≤j≤naim,1≤k≤inum,i,j,k∈Z}，此时，xijk由关于连续时间t转变为关于离散调度次序号k；Qk和Qconk分别为第k次调度吸收和消耗的功率；Qconki表示在第k次调度过程中第i个定日镜子区域转动消耗的功率；
在直接求解优化问题(2)困难的情况下，考虑到不需要xijk的最优解，而只需要其较优解为优化目标函数提供一个较优取值，将式(2)转化为以下嵌套的优化形式间接求解：
Figure FDA0002503241190000022
Figure FDA0002503241190000023
其中，X*为优化问题(4)中许多个单一时刻镜场调度优化问题最优解xijk *的集合，在这样的嵌套形式下，每求解一个tin取值对应的F函数值，都需要按时间顺序求解inum＝[(tstart-tend)/tin]次(4)中的优化问题，上一个调度时刻优化出的xijk *结果是下一时刻优化问题(4)中的参数，用于计算Qconi值，inum个xijk *均求出后代入优化问题(3)中，计算该tin的适应度函数值；
外层引入禁忌算法，内层引入自适应遗传算法来求解，以得到最优的镜场调度周期，具体实施步骤如下：
1)设定禁忌算法的参数，产生初始解，并将禁忌表置空；
2)判断是否满足终止准则：若是，则算法迭代结束，并输出最优解；否则继续；
3)根据当前解产生其邻域解，若解在目标函数值矩阵中未被搜索到，则运用自适应遗传算法多次求解优化问题(4)，并将内层优化问题最优解代入优化问题(3)中计算邻域解的目标函数值，计算结束后将相应解及其目标函数值保存在矩阵中，最后确定候选解；
4)判断候选解是否满足特赦准则：若满足，则将满足特赦准则的最佳解替代当前解和最早进入禁忌表的解，用该解的适应度函数值替换当前最优适应度函数值，然后转步骤6)；否则继续；
5)判断候选解的禁忌情况，选择候选解集中未被禁忌的最佳解为新的当前解，同时用该解替换最早进入禁忌表的解；
6)转步骤2)。
CN201710287164.0A 2017-04-27 2017-04-27 塔式太阳能热电站镜场调度周期优化方法 Active CN107133694B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710287164.0A CN107133694B (zh) 2017-04-27 2017-04-27 塔式太阳能热电站镜场调度周期优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710287164.0A CN107133694B (zh) 2017-04-27 2017-04-27 塔式太阳能热电站镜场调度周期优化方法

Publications (2)

Publication Number Publication Date
CN107133694A CN107133694A (zh) 2017-09-05
CN107133694B true CN107133694B (zh) 2020-07-21

Family

ID=59716144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710287164.0A Active CN107133694B (zh) 2017-04-27 2017-04-27 塔式太阳能热电站镜场调度周期优化方法

Country Status (1)

Country Link
CN (1) CN107133694B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108151342B (zh) * 2017-12-14 2019-08-06 东方电气集团东方锅炉股份有限公司 一种用于塔式镜场的备用目标点确定方法
CN109829654B (zh) * 2019-02-14 2020-12-22 浙江中控太阳能技术有限公司 一种匹配吸热器运行的镜场调度方法
CN110169623A (zh) * 2019-05-16 2019-08-27 黎明职业大学 制鞋用涂胶机、基于遗传算法制鞋用涂胶机清洁维护方法
CN111090946B (zh) * 2019-12-24 2023-04-25 青海民族大学 一种复合太阳能集热系统集热面积的优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408527A (zh) * 2014-11-14 2015-03-11 浙江大学 塔式太阳能热电系统镜场的聚焦策略优化方法
CN104460594A (zh) * 2014-10-30 2015-03-25 清华大学 一种基于两层嵌套结构的调度优化方法
CN105160435A (zh) * 2015-09-17 2015-12-16 浙江大学 塔式太阳能热电站镜场聚焦策略优化方法
CN105550033A (zh) * 2015-11-17 2016-05-04 北京交通大学 私有云环境下基于遗传禁忌混合算法的资源调度策略方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9372159B2 (en) * 2014-09-10 2016-06-21 Esolar, Inc. System and method for detecting heliostat failures using artificial light sources

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104460594A (zh) * 2014-10-30 2015-03-25 清华大学 一种基于两层嵌套结构的调度优化方法
CN104408527A (zh) * 2014-11-14 2015-03-11 浙江大学 塔式太阳能热电系统镜场的聚焦策略优化方法
CN105160435A (zh) * 2015-09-17 2015-12-16 浙江大学 塔式太阳能热电站镜场聚焦策略优化方法
CN105550033A (zh) * 2015-11-17 2016-05-04 北京交通大学 私有云环境下基于遗传禁忌混合算法的资源调度策略方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An Optimal Scheduling of the Heliostat Field in a Solar Tower Power Plant;Qian Zhao etal.;《Proceedings of the 26th European Symposium on Computer Aided Process Engineering》;20160615;第1021-1026页 *
塔式太阳能电站光热子系统的建模与优化;刘紫军;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160815;第25-59页 *
湿法冶金浸出过程系统综合技术研究;朱天沆;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20160815;第49-59页 *

Also Published As

Publication number Publication date
CN107133694A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
CN107133694B (zh) 塔式太阳能热电站镜场调度周期优化方法
Hang et al. Prospect of concentrating solar power in China—the sustainable future
Sharma et al. Imperative role of photovoltaic and concentrating solar power technologies towards renewable energy generation
CN109103926A (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
Zhao et al. Stochastic optimal dispatch of integrating concentrating solar power plants with wind farms
Gorjian et al. Solar thermal power plants: progress and prospects in Iran
Kong et al. Optimization of the hybrid solar power plants comprising photovoltaic and concentrating solar power using the butterfly algorithm
CN109857153B (zh) 塔式太阳能发电站定日镜调度方法
CN111262242B (zh) 基于多场景技术的冷热电虚拟电厂运行方法
Li et al. Capacity configuration of hybrid CSP/PV plant for economical application of solar energy
CN114330827B (zh) 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用
CN102856899A (zh) 一种微电网降低网损的方法
CN105160435A (zh) 塔式太阳能热电站镜场聚焦策略优化方法
CN105469160A (zh) 塔式太阳能的扇形定日镜场布置方法
Silinga et al. Scenarios for a South African CSP peaking system in the short term
Pitz-Paal Concentrating solar power systems
CN116402210A (zh) 一种综合能源系统多目标优化方法、系统、设备和介质
Ekins-Daukes Solar energy for heat and electricity: the potential for mitigating climate change
Badran et al. Toward clean environment: evaluation of solar electric power technologies using fuzzy logic
CN110472364B (zh) 一种考虑可再生能源的离网式热电气联产系统的优化方法
CN107346474A (zh) 水冷光伏光热一体化系统发电量计算的三维梯形模糊方法
Moh’d Sami Optimization and modeling of a photovoltaic solar integrated system by neural networks
CN110135094A (zh) 一种基于收缩空间和声算法的虚拟电厂优化调度方法
Pitz-Paal Concept and status of concentrating solar power systems
Hossain et al. Design Optimization, Simulation & Performance Analysis of 100MW Solar Tower Thermal Power Plant in Cox’s Bazar, Bangladesh.

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
GR01 Patent grant
GR01 Patent grant