CN109038571A - 一种混合能源系统 - Google Patents
一种混合能源系统 Download PDFInfo
- Publication number
- CN109038571A CN109038571A CN201811001206.0A CN201811001206A CN109038571A CN 109038571 A CN109038571 A CN 109038571A CN 201811001206 A CN201811001206 A CN 201811001206A CN 109038571 A CN109038571 A CN 109038571A
- Authority
- CN
- China
- Prior art keywords
- module
- cost
- energy
- sum
- battery
- 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
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000010248 power generation Methods 0.000 claims abstract description 38
- 238000004146 energy storage Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 15
- 239000000446 fuel Substances 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 claims 1
- 208000006011 Stroke Diseases 0.000 claims 1
- 239000000203 mixture Substances 0.000 description 35
- 230000005611 electricity Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004513 sizing Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 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 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 2
- 229920005591 polysilicon Polymers 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 241000131894 Lampyris noctiluca Species 0.000 description 1
- 229910021417 amorphous silicon Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
-
- 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
-
- H02J3/383—
-
- 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
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种使用成本低、寿命长的混合能源系统,属于混合能源系统领域。所述系统包括:光伏发电模块、风力发电模块、电池储能模块和柴油机供电模块,当所述光伏发电模块和风力发电模块的功率大于负载功率时,采用多余的电能对所述电池储能模块进行充电,当所述光伏发电模块和风力发电模块的功率小于负载功率时,所述电池储能模块进行辅助供电,当所述光伏发电模块、风力发电模块和电池储能模块的总功率小于负载功率时,所述柴油机供电模块辅助供电,所述光伏发电模块中太阳能电池板的总数、风力发电模块中风机的总数和电池储能模块中蓄电池组的总数是通过一种多目标优化配置方法优化得到的,极大提高了能源供应的效率和可靠性。
Description
技术领域
本发明涉及混合能源系统领域,特别涉及一种使用成本低和使用寿命长的混合能源系统。
背景技术
随着人类对化石能源的过度开采,石油的储量逐年降低。近年来,人们开始逐渐地意识到问题的严重性,便转向于对绿色能源的研究,希望可以缓解这种现状。同时为了实现节能减排的目的,相对于传统的柴油机发电,人们提出了混合能源系统。如果能够用不同形式的绿色能源如太阳能、风能、电池储能与柴油机一起为负载供电,在不同种类的行业中都能够得到广泛的应用。
因此,现有技术对于如何优化混合能源系统的能源配置进行了大量的研究。例如:文献“Fulzele J.B.,Daigavane M.B.,Design and Optimization ofHybrid PV-WindRenewable Energy System[J],Materials Today:Proceedings,2018,Vol.5,no.1,P.1:pp.810-818.”利用遗传算法对混合能源系统模型进行优化与配置,文献“Divyajot,KumarR.and Fozdar M.,Optimal sizing of hybrid ship power system using variants ofparticle swarm optimization[A],2017Recent Developments in Control,Automation&Power Engineering(RDCAPE),Noida,2017,pp.527-532.”利用改进的粒子群算法来优化混合船舶电力系统的尺寸,“Bizon N.,Energy optimization offuel cell system byusing global extremum seeking algorithm[J],Applied Energy,2017,Vol.206:pp.458-474.”利用全局极值寻找算法来优化燃料电池系统的能量,“Dong W.,Li Y.andXiang J.,Optimal Sizing of a Stand-Alone Hybrid Power System Based onBattery/Hydrogen with an Improved Ant Colony Optimization[J],MDPI JournalEnergies,2016,vol.9:pp.785-797.”利用改进的蚁群优算法化用于优化独立混合动力系统的规模,“Rodríguez-Gallegos C.D.,Rahbar K.,Bieri M.,Gandhi O.,Reindl T.andPanda S.K.,Optimal PV and storage sizing for PV-battery-diesel hybrid systems[A],IECON 2016-42ndAnnual Conference ofthe IEEE Industrial ElectronicsSociety,Florence,2016,pp.3080-3086.”将凸优化方法用于优化光伏/电池/柴油混合动力系统的尺寸,萤火虫算法用于优化独立式混合动力系统等等。
然而,上述现有技术大多是以最低成本作为单一目标进行优化,最终得到的是低成本而使用寿命短的混合能源系统,而这样的系统忽略了对于系统使用寿命的考虑,难以同时兼顾系统使用成本低和使用寿命长这两个特点。
发明内容
为了克服如上所述的技术问题,本发明提出一种混合能源系统,同时具备使用成本低和使用寿命长的优点,极大地提高了能源供应的效率和可靠性。本发明所采用的技术方案如下:
本发明提出一种混合能源系统,包括:
光伏发电模块、风力发电模块、电池储能模块和柴油机供电模块,当所述光伏发电模块和风力发电模块的功率大于负载功率时,采用多余的电能对所述电池储能模块进行充电,当所述光伏发电模块和风力发电模块的功率小于负载功率时,所述电池储能模块进行辅助供电,当所述光伏发电模块、风力发电模块和电池储能模块的总功率小于负载功率时,所述柴油机供电模块辅助供电,所述光伏发电模块中太阳能电池板的总数、风力发电模块中风机的总数和电池储能模块中蓄电池组的总数是通过一种混合能源系统的多目标优化配置方法优化得到的,所述方法包括:
S1,建立混合能源系统的多目标优化模型,包括:
S11,根据混合能源系统的使用成本情况以及稳定运行情况,分别建立所述混合能源系统的成本目标函数CT和可用性目标函数T;
S12,确定所述成本目标函数CT和可用性目标函数T的相关配置参数的约束条件;
S2,采用差分进化算法对所述多目标优化模型进行优化求解,得到满足成本和可用性优化目标的最优配置参数,所述配置参数包括所述混合能源系统中的太阳能电池板的总数、风机的总数和蓄电池组的总数。
进一步地,所述S11包括:
所述成本目标函数采用将所述混合能源系统的年投入费用、年维护费用和年燃料消耗成本之和进行表示;所述可用性目标函数其中DNM表示没有满足的需求量。
进一步地,所述成本和可用性优化目标包括:
所述成本和可用性优化目标其中,λ1和λ2表示CT和T在系统优化中的重要性,为预设值,Max(CT)和Min(CT)分别表示成本的最大值和最小值,Max(T)和Min(T)分别表示可用性的最大值和最小值。
本发明提供的技术方案带来的有益效果是:
本发明提出了一种混合能源系统,包括光伏发电模块、风力发电模块、电池储能模块和柴油机供电模块,它们通过协同工作为外部负载进行可靠供电,当所述光伏发电模块和风力发电模块的功率大于负载功率时,采用多余的电能对所述电池储能模块进行充电,当所述光伏发电模块和风力发电模块的功率小于负载功率时,所述电池储能模块进行辅助供电,当所述光伏发电模块、风力发电模块和电池储能模块的总功率小于负载功率时,所述柴油机供电模块辅助供电,上述几个模块的资源配置数量是通过多目标优化配置方法考虑使用成本和使用寿命这两个优化目标进行优化得到的,因此,本发明所提出的混合能源系统同时具备使用成本低和使用寿命长的优点,极大地提高了能源供应的效率和可靠性。
附图说明
图1所示为本发明公布的一种混合能源系统的模块组成示意图;
图2所示的一种混合能源系统各模块的连接示意图;
图3为本发明公布的一种混合能源系统工作流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方案作进一步地详细描述。
如图1所示为本发明公布的一种混合能源系统的模块组成示意图,示出了该系统的各组成模块,包括:光伏发电模块101、风力发电模块102、电池储能模块103、柴油机供电模块104。
对于光伏发电模块101,太阳能对于现阶段的人们来说就是取之不尽、用之不竭的,而且成本很低,只需要一块太阳能电池板就可以利用“光伏效应”将其转化成电能,太阳能板的主要类型有三种:单晶硅系列、多晶硅系列和非晶硅系列。考虑到经济因素,性价比高的多晶硅会被应用到混合能源优化系统中,作为太阳能方面的主要提供者。
在光伏发电模块中,单位时间内太阳能电池板产生的功率ppv(t)就可以由式(1)得到:
ppv(t)=It(t)×A×jpv (1)
其中,m2是太阳能电池板的面积单位,每块的太阳能电池板在t时刻所受到的光照强度用It表示,A表示太阳能电池板的面积,jpv表示太阳能电池板的电能转化率。
系统的光伏发电模块在t时刻产生的总功率Ppv(t)由式(2)可以得到:
Ppv(t)=Npv×ppv(t) (2)
其中,Npv是系统中太阳能电池板的总数。
对于风力发电模块102,风力发电技术已经在陆地上应用了很久,发展的很好,技术比较完善,风力发电机一般分为两种:水平轴发电机和垂直轴发电机。其中垂直轴的风力发电机在风向改变的时候不需要变相,这一点比前一种更具有优势,而且它还便于维护。因此,经过综合考虑,发现将风能应用于混合能源优化系统是可行的。
在风力发电模块中,单位时间内风机产生的功率pwt(t)就可以由式(3)得到:
其中,t时刻的风速为vt,将风机的额定风速记作vr,其所对应的风机额定功率记作Pr_wt。由于风速是具有随机性的,时快时慢,因此在实际工作中,风机只能在一定的风速范围内工作,当实际风速大于启动风速vmin时,风机开始工作,当风速太大,大于预警风速vmax时,为了保护风机,此时风机停止工作。
那么系统的风机发电模块在t时刻产生的总功率Pwt(t)由式(4)可以得到:
Pwt(t)=Nwt×pwt(t) (4)
其中,Nwt是系统中风机的总数。
对于电池储能模块103,蓄电池组在这个系统中起着非常重要的作用。在绿色能源充足的这些日子里,它们不仅能够完全支持负载的消耗,而且还有一些可以储存的余量,这些余量可以在绿色能源不足的时候使用。所以,蓄电池组可以最大限度地利用清洁能源。
在电池储能模块中,一块蓄电池所能储存的最大电量emax_batt和最小电量emin_batt可以由公式(5)得到:
emin_batt=(1-DoD)×emax_batt (5)
其中,记电池最大放电深度为DoD。正常来说,电池出厂时会规定它的额定最大容量。
那么此时所有的蓄电池中储存的最大电量Emax_batt和最小电量Emin_batt可以由式(6)和式(7)得到:
Emax_batt=Nbatt×emax_batt (6)
Emin_batt=Nbatt×emin_batt (7)
其中,Nbatt是系统中蓄电池组的总数。
在t时刻,如果光伏发电模块和风机发电模块产生的电能总和高于负载的需求,就对蓄电池进行充电,此时蓄电池的电量Ebatt(t)可以由式(8)得到:
换而言之,如果光伏发电模块和风机发电模块产生的电能总和低于负载的需求,就对蓄电池进行放电,此时蓄电池的总电量可以由式(9)得到:
其中,蓄电池在t时刻的储能量总和为Ebatt(t),负载对电能的需求量记作El(t),逆变器转换率和电池组充电效率分别为jinv和jbatt,时间的变化量是Δt。
当然,无论出现那种情况,蓄电池的总电量始终要保持在Emax_batt和Emin_batt之间,如果充满了就不能再充电,反之,如果没电了电量也不会降为0,最多就降到Emin_batt,那么在t时刻蓄电池可以提供的电能Pbatt(t)可以由式(10)得到:
对于柴油机供电模块104,虽然使用柴油机供电会有悖于可持续发展的理念,但是在新能源供给不足的情况下,为了满足负载的要求,利用柴油机补充电能是有必要的,所以柴油机只是作为后备能源进行使用。
在柴油机供电模块中,在t时刻,如果以上三部分所能提供的能量和小于负载的需求,柴油机的输出功率Pd(t)可以由式(11)得到:
否则,就不需要由柴油机供电,当然Pd(t)也就等于0了。
柴油机的燃料消耗量FD(t)(单位为l/h)可以由式(12)得到:
FD(t)=BD×PN+AD×Pd(t) (12)
其中,柴油机的额定输出功率为PN,参数AD=0.246(l/kW·h),BD=0.0845(l/kW·h)。
此时,根据燃料的单价PF,就可以由式(13)得到柴油机在t时刻时的燃料消耗成本Cf_d(t)。
Cf_d(t)=PF×FD(t) (13)
根据图1所示混合能源系统的组成模块以及各模块的工作原理,通过上述(1)至(13)式描述了该系统的相关系统模型。
本发明还公布了如图2所示的一种混合能源系统各模块的连接示意图,示出了该系统各模块的连接关系,以及与负载的连接关系。光伏发电模块包括太阳能电池板和电压变换电路,太阳能电池板经由DC/DC直流升压再DC/AC逆变为交流AC后并入传输电能的AC母线;风力发电模块包括风力发电机和电压变换电路,风力发电机经由AC/DC直流稳压变换再DC/AC逆变为交流AC后并入AC母线;电池储能模块包括蓄电池组和电压变换电路,蓄电池组通过双向DC/AC变换电路将蓄电池组的电能逆变成交流AC后并入AC母线或者将AC母线多余电能经AC/DC直流稳压变换给蓄电池组充电储能;柴油机供电模块则将柴油发电机产生的AC交流电直接并入AC母线;对于负载端而言,直流DC负载则将AC母线经由AC/DC变换电路变换成供其工作的直流DC工作电压,交流AC负载则直接接入AC母线取电工作。
进一步地,如图3为本发明公布的一种混合能源系统工作流程图,示出了该系统的能源供应原理和流程,包括:
在步骤301中,根据式(2)确定图1中光伏发电模块101的功率;
在步骤302中,根据式(4)确定图1中风力发电模块102的功率;
在步骤303中,当所述光伏发电模块101和风力发电模块102的功率大于负载功率时,进入步骤304,而当所述光伏发电模块101和风力发电模块102的功率小于负载功率时,进入步骤305;
在步骤304中,采用多余的电能对图1中所述电池储能模块103进行充电;
在步骤305中,所述电池储能模块103进行辅助供电;
在步骤306中,根据式(10)确定图1中电池储能模块103的功率;
在步骤307中,当所述光伏发电模块101、风力发电模块102和电池储能模块103的总功率小于负载功率时,进入步骤308;
在步骤308中,图1中所述柴油机供电模块104辅助供电;
通过图1至图3所对应的实施例描述了本发明中的混合能源系统的组成结构以及各模块的协同工作原理,而混合能源系统的使用成本和使用寿命与系统各模块的资源配置数量是息息相关的,在下述实施例内容中将进一步给出本发明中混合能源系统各模块的资源配置数量的确定方法。
根据混合能源系统的组成模块以及工作原理,通过上述(1)至(13)式建立了混合能源系统的相关系统模型,基于上述系统模型,下述步骤将建立系统的使用成本优化目标函数和使用寿命目标函数。
首先,以节约成本作为目的时,需要考虑的参数有三个:年投入费用Cc、年维护费用Cm和年燃料消耗成本Cf。
年投入费用Cc可以由式(14)得到:
其中,设备的折旧率为i,太阳能电池板、风机、蓄电池和柴油机的寿命分别为npv、nwt、nbatt和nd,最初的投入成本分别为Cpv、Cwt、Cbatt和Cd。
年维护费用Cm就可以由式(15)得到:
Cm=Npv×Cmtn_pv+Nwt×Cwtn_wt+Cmtn_d (15)
其中,将太阳能电池板每个单元的年维护费用记作Cmtn_pv,单个风机的年维护费用记作Cmtn_wt,柴油机的年维护费用记作Cmtn_d。
上式中的柴油机年维护费用Cmtn_d可以由式(16)得到:
其中,假设一年中所取的样本数为Ndata(为了计算方便,取数据的时候以h(小时)为单位,这样的话,Ndata=8760),柴油机消耗每度电产生的维护费用为Pmtn_d。
此时,柴油机年燃料消耗成本Cf可以由式(17)得到:
结合上面的分析,混合能源优化系统的总成本CT就可以由式(18)得到:
CT=Cc+Cm+Cf (18)
其次,为了使系统的工作时间变长,引入了可用性的概念,它是决定能否持续稳定运行的关键组件之一。可用性T可以由式(19)得到:
DNM的意思是没有满足的需求量,它可以由式(20)表示:
其中,u(t)是一个阶跃函数,当光伏发电模块和风机发电模块产生的总功率大于或等于负载的需求时,u(t)=1,否则u(t)=0。
在步骤101b中,确定所述成本目标函数CT和可用性目标函数T的相关配置参数的约束条件;
也许清洁能源相对于石油燃料具有很大的优势,应该提倡广泛使用。但总归要有个度,东西再好用也不能用的过量,所以需要对三种新型设备的数量进行合理的规划,给予一定的限制,如式(21)至式(23)所示。
0≤Npv≤Nmax_pv (21)
0≤Nwt≤Nmax_wt (22)
0≤Nbatt≤Nmax_batt (23)
这三个变量的最大值是人为设定的,因此它们的值需要结合实际应用中各个区域的特点来进行考虑。
通过步骤101中式(14)至(23)建立的混合能源系统的多目标优化模型可表示为:
如果单一目标使最大限度地节省成本,则使用寿命可能不会太长。相反,如果单一目标是最大限度地延长使用寿命,成本可能就会很高。这两种系统都不太可能会在现实生活中得到应用。因此,选择一个低成本及长寿命都兼顾的系统是至关重要的。所以变量Npv、Nwt和Nbatt的值由目标函数中CT达到最小值时和T达到最大值时来确定。
差分进化算法(Differential EvolutionAlgorithm)是由Rainer Storn和Kenneth Price于1995年共同提出的一种采用浮点矢量编码在连续空间中进行随机搜索的优化算法,相对于其他的算法,差分进化算法具有原理简单、受控参数少、实施随机且并行、运算速度快的优点,易于理解和实现。它分为初始化、变异、杂交和选择四个阶段,经过k次的迭代运算达到寻优的目的。
在初始化阶段,程序需要随机生成NP个待优化解的初始值Npv、Nwt和Nbatt,NP表示种群的大小,待优化解x(l,d)的值可以由式(25)得到:
x(l,d)=xmin(d)+rand×[xmax(d)-xmin(d)] (25)
其中,xmax(d)和xmin(d)分别是其最大值和最小值,rand表示0~1内的随机数,d是维度,l是待优化解的序号。
在变异阶段,更新解z(l,d)可以由式(26)得到:
z(l,d)=x(r1,d)+F×[x(r2,d)-x(r3,d)] (26)
其中,r1、r2和r3是从1到NP之间的随机整数且互不相等,F表示从0到2的随机数,它决定了[x(r2,d)-x(r3,d)]的值。由于x(l,d)是有最大值和最小值的,所以z(l,d)计算出来可能会超出x(l,d)的取值范围,如果发生这种情况,就需要放弃这个更新解,利用式(21)得到一个新解作为替代品。
之后进入交叉阶段,此时的更新解f(l,d)可以由式(27)得到:
其中,CR表示交叉概率,是取值范围从0到1的预定义数,是一个从0到1的随机数,为了保证f(l,d)中至少有一个z(l,d)中的值,在更新过程中加入了l=d这一个条件。
最后进入选择阶段,因为需要求解的目标有两个,分别是成本最低和寿命最长,并且它们之间还会相互影响,这就需要用一个有效的方法来判断其好坏,而利用Pareto最优就可以区分出孰优孰劣。
假设此时有两组解S1和S2,如果S1中的每一个元素都不比S2要差,且至少有一个元素比S2要好,那么就可以说解S1支配解S2。若解S1没有被其他所有优化解支配,就可以称解S1是Pareto最优解。
当然,Pareto最优解并不是唯一的,如果将解S3中的元素与S1相比,有好的也有差的,那么就不可以说谁支配谁了,若S3也没有被其他所有优化解支配,那么S3也是一个Pareto最优解。
利用这种方法,在每一次的迭代寻优过程中,都可以得到分布在Pareto前沿上的解。但是,在实际应用中考虑到各种各样的因素后,混合能源系统的成本和使用寿命的重要性并不一定是同等的,因此就需要定义一个根据需求描述系统性能好坏的函数u(CT,T)来寻找经过k次迭代后的全局最优解,它可以由式(28)得到:
其中,λ1和λ2是自行定义的参数,λ1和λ2表示CT和T在系统优化中的重要性,为预设值,Max(CT)和Min(CT)分别表示成本的最大值和最小值,Max(T)和Min(T)分别表示可用性的最大值和最小值,需要说明的是,它们的作用是为了将使用寿命和可用性在加权前进行标准化。
需要说明的是,式(28)中的成本的最大值和最小值以及可用性的最大值和最小值需要预先根据成本优化目标和可用性优化目标进行单目标优化得到的,所采用的优化方法,可选的,可以是人工蜂群算法、差分进化算法、遗传算法、蚁群算法、粒子群算法等启发式算法中的一种。
利用贪心法的策略对得到的目标函数值进行比较,选择更好的解记录下来,经过k次的迭代计算,当k达到kmax,可以获得最终的优化结果,找到u(CT,T)的最小值以及其所对应的解便是全局最优解对应的Npv、Nwt和Nbatt值。
因此,通过上述的差分进化算法对系统资源配置数量进行优化得到混合能源系统中的太阳能电池板的总数、风机的总数和蓄电池组的总数能够满足使得系统的使用成本低的同时使用寿命较长。
本发明实施例公布的混合能源系统,包括光伏发电模块、风力发电模块、电池储能模块和柴油机供电模块,它们通过协同工作为外部负载进行可靠供电,当所述光伏发电模块和风力发电模块的功率大于负载功率时,采用多余的电能对所述电池储能模块进行充电,当所述光伏发电模块和风力发电模块的功率小于负载功率时,所述电池储能模块进行辅助供电,当所述光伏发电模块、风力发电模块和电池储能模块的总功率小于负载功率时,所述柴油机供电模块辅助供电,上述几个模块的资源配置数量是通过多目标优化配置方法考虑使用成本和使用寿命这两个优化目标进行优化得到的,因此,本发明所提出的混合能源系统同时具备使用成本低和使用寿命长的优点,极大地提高了能源供应的效率和可靠性。
以上所述仅为本发明的较佳实施例,并不用于以限制发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种混合能源系统,其特征在于,包括:
光伏发电模块、风力发电模块、电池储能模块和柴油机供电模块,当所述光伏发电模块和风力发电模块的功率大于负载功率时,采用多余的电能对所述电池储能模块进行充电,当所述光伏发电模块和风力发电模块的功率小于负载功率时,所述电池储能模块进行辅助供电,当所述光伏发电模块、风力发电模块和电池储能模块的总功率小于负载功率时,所述柴油机供电模块辅助供电,所述光伏发电模块中太阳能电池板的总数、风力发电模块中风机的总数和电池储能模块中蓄电池组的总数是通过一种混合能源系统的多目标优化配置方法优化得到的,所述方法包括:
S1,建立混合能源系统的多目标优化模型,包括:
S11,根据混合能源系统的使用成本情况以及稳定运行情况,分别建立所述混合能源系统的成本目标函数CT和可用性目标函数T;
S12,确定所述成本目标函数CT和可用性目标函数T的相关配置参数的约束条件;
S2,采用差分进化算法对所述多目标优化模型进行优化求解,得到满足成本和可用性优化目标的最优配置参数,所述配置参数包括所述混合能源系统中的太阳能电池板的总数、风机的总数和蓄电池组的总数。
2.根据权利要求1所述的混合能源系统,其特征在于,所述S11包括:
所述成本目标函数采用将所述混合能源系统的年投入费用、年维护费用和年燃料消耗成本之和进行表示;所述可用性目标函数其中DNM表示没有满足的需求量。
3.根据权利要求1所述的混合能源系统,其特征在于,所述成本和可用性优化目标包括:
所述成本和可用性优化目标其中,λ1和λ2表示CT和T在系统优化中的重要性,为预设值,Max(CT)和Min(CT)分别表示成本的最大值和最小值,Max(T)和Min(T)分别表示可用性的最大值和最小值。
4.根据权利要求3所述的混合能源系统,其特征在于,还包括:
采用人工蜂群算法、差分进化算法、遗传算法、粒子群算法中的一种,根据成本目标函数CT,优化得到成本的最大值Max(CT)和最小值Min(CT);根据可用性目标函数T,优化得到可用性的最大值Max(T)和最小值Min(T)。
5.根据权利要求4所述的混合能源系统,其特征在于,所述相关配置参数的约束条件包括:
所述混合能源系统中的太阳能电池板的总数、风机的总数和蓄电池组的总数应分别小于预设的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811001206.0A CN109038571A (zh) | 2018-08-30 | 2018-08-30 | 一种混合能源系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811001206.0A CN109038571A (zh) | 2018-08-30 | 2018-08-30 | 一种混合能源系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109038571A true CN109038571A (zh) | 2018-12-18 |
Family
ID=64626238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811001206.0A Pending CN109038571A (zh) | 2018-08-30 | 2018-08-30 | 一种混合能源系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109038571A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109742781A (zh) * | 2019-01-17 | 2019-05-10 | 集美大学 | 一种船用柴油机混合能源系统配置的优化方法 |
CN111049246A (zh) * | 2019-12-25 | 2020-04-21 | 浙江合众新能源汽车有限公司 | 一种混合储能系统容量配置方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105990838A (zh) * | 2016-05-17 | 2016-10-05 | 杭州电子科技大学 | 一种计及可调度和可平移负荷的海岛微电网优化调度方法 |
CN106487036A (zh) * | 2016-11-04 | 2017-03-08 | 浙江工业大学 | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 |
CN106655248A (zh) * | 2016-10-21 | 2017-05-10 | 中国电建集团中南勘测设计研究院有限公司 | 一种并网型微电网电源容量配置方法 |
CN106786757A (zh) * | 2016-12-30 | 2017-05-31 | 集美大学 | 基于人工蜂群算法优化孤岛式混合能源系统配置的方法 |
CN107546781A (zh) * | 2017-09-06 | 2018-01-05 | 广西电网有限责任公司电力科学研究院 | 基于pso改进算法的微电网多目标运行优化方法 |
-
2018
- 2018-08-30 CN CN201811001206.0A patent/CN109038571A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105990838A (zh) * | 2016-05-17 | 2016-10-05 | 杭州电子科技大学 | 一种计及可调度和可平移负荷的海岛微电网优化调度方法 |
CN106655248A (zh) * | 2016-10-21 | 2017-05-10 | 中国电建集团中南勘测设计研究院有限公司 | 一种并网型微电网电源容量配置方法 |
CN106487036A (zh) * | 2016-11-04 | 2017-03-08 | 浙江工业大学 | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 |
CN106786757A (zh) * | 2016-12-30 | 2017-05-31 | 集美大学 | 基于人工蜂群算法优化孤岛式混合能源系统配置的方法 |
CN107546781A (zh) * | 2017-09-06 | 2018-01-05 | 广西电网有限责任公司电力科学研究院 | 基于pso改进算法的微电网多目标运行优化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109742781A (zh) * | 2019-01-17 | 2019-05-10 | 集美大学 | 一种船用柴油机混合能源系统配置的优化方法 |
CN111049246A (zh) * | 2019-12-25 | 2020-04-21 | 浙江合众新能源汽车有限公司 | 一种混合储能系统容量配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2389116A1 (en) | Control system for a renewable energy system | |
Srikanth et al. | Design and simulation of PV-wind hybrid energy system | |
Saha et al. | Modeling and performance analysis of a hybrid power system | |
CN112260260A (zh) | 一种新能源发电直流并网系统及其控制方法 | |
Kumaravel et al. | Adapted multilayer feedforward ANN based power management control of solar photovoltaic and wind integrated power system | |
Qiu et al. | Review on the application and research progress of photovoltaics-ship power system | |
Kumari et al. | A maximum power point tracking for a PMSG based variable speed wind energy conversion system | |
Van et al. | An improved state machine-based energy management strategy for renewable energy microgrid with hydrogen storage system | |
CN109038571A (zh) | 一种混合能源系统 | |
Madhumitha et al. | Hybrid renewable energy based electric vehicles charging station | |
CN110768303A (zh) | 一种海岛型能源系统设备容量的优化配置方法 | |
Obaid et al. | Hybrid Power System Design for Electric Boat with Solar Irradiance Forcasting | |
Nguyen et al. | Microgrid application with computer models and power management integrated using PSCAD/EMTDC | |
Fathima et al. | Integration and energy management of a hybrid Li-VRB battery for renewable applications | |
ELISTRATOV et al. | Optimization of Hybrid Systems’ Operating Modes Based on Renewable Energy | |
Gutierrez-Villalobos et al. | Hybrid solar-wind power monitoring and control system | |
Mohiuddin et al. | Stabilization of solar-wind hybrid power system by using SMES | |
Ceran et al. | Performance Analysis of a Hybrid Generation System of Wind Turbines, Photovoltaic Modules, and a Fuel Cell | |
CN108988339A (zh) | 一种混合能源系统的多目标优化配置方法以及装置 | |
Ben Safia et al. | Renewable energy management of an hybrid water pumping system (photovoltaic/wind/battery) based on Takagi–Sugeno fuzzy model | |
Kathirvel et al. | Analysis and design of hybrid wind/diesel system with energy storage for rural application | |
Jang et al. | Short-term resource scheduling for power systems with energy storage systems | |
Pandya et al. | Simulation and Analysis for 100kW Standalone Hybrid Renewable Energy System | |
Izquierdo-Monge et al. | Energy management of the CEDER's smart microgrid with different battery technologies | |
Nanda et al. | Performance of battery bank on hybrid microgrid |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |