CN109376406B - 供能系统超结构模型、建模方法、计算机设备和存储介质 - Google Patents

供能系统超结构模型、建模方法、计算机设备和存储介质 Download PDF

Info

Publication number
CN109376406B
CN109376406B CN201811152611.2A CN201811152611A CN109376406B CN 109376406 B CN109376406 B CN 109376406B CN 201811152611 A CN201811152611 A CN 201811152611A CN 109376406 B CN109376406 B CN 109376406B
Authority
CN
China
Prior art keywords
energy
terminal
unit
primary
conversion unit
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
CN201811152611.2A
Other languages
English (en)
Other versions
CN109376406A (zh
Inventor
黄晓彤
廖宇峰
何吉彪
刘育权
熊文
王莉
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau Co Ltd
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 Guangzhou Power Supply Bureau Co Ltd filed Critical Guangzhou Power Supply Bureau Co Ltd
Priority to CN201811152611.2A priority Critical patent/CN109376406B/zh
Publication of CN109376406A publication Critical patent/CN109376406A/zh
Application granted granted Critical
Publication of CN109376406B publication Critical patent/CN109376406B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Abstract

本发明公开了一种供能系统超结构模型、建模方法、计算机设备和存储介质,其方法包括:将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;将终端能源输出给储能单元或终端用户。采用该技术方案在保证终端用能需求的前提下,协调众多设备的启停或变负荷运行,达到最佳的运行效益,具有较好的普遍适用性、经济性和合理性。

Description

供能系统超结构模型、建模方法、计算机设备和存储介质
技术领域
本发明涉及能源供给领域,特别涉及一种多能互补与协同的分布式供能系统的超结构模型、建模方法、计算机设备和存储介质。
背景技术
随着我国一次能源消费结构向低碳化、无碳化的方向发展,以天然气、生物质等为主要一次能源,因地制宜,融入当地可获得的可再生能源,通过高效的冷热电联供方式满足终端各种用能需求的多能互补与协同的分布式供能系统将成为能源工程领域研究和应用的重点,近年来国内外都在大力推动。
由于一次输入能源的清洁化转变及储能技术的应用,多能互补与协同的分布式供能系统将变的越发复杂,特别是储能设备的加入虽然能够提高系统运行的稳定性,但也使得系统中能量流动的关系变得更为复杂。如何建立多能互补与协同的分布式供能系统的基本架构,在保证终端用能需求的前提下,系统如何确定系统的装机容量及协调众多设备的启停或变负荷运行,达到最佳的运行效益,这些都是目前设计分布式供能系统面临的主要问题。
通过各种一次能源转换技术的集成运用、各种转换方式组合,构建一个协调能源生产、能源转换和储能能量等环节中的能量流动关系和能量平衡约束关系等的基本架构,设计科学、合理的多能互补与协同的分布式供能系统及确定系统的装机容量至关重要。
发明内容
鉴于上述问题,本发明实施例的目的在于提供一种多能互补与协同分布式供能系统的超结构模型建模方法,在保证终端用能需求的前提下,协调众多设备的启停或变负荷运行,达到最佳的运行效益,具有较好的普遍适用性、经济性和合理性。
本发明实施例提供的多能互补与协同分布式供能系统的超结构模型建模方法,包括:
将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;
每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;
将终端能源输出给储能单元或终端用户。
可选地,所述能源生产单元中每种二次能源的逐时能量平衡约束的数学模型如下:
式中:为i时刻一次能源k的输入量;
—设备L生产二次能源m的逐时功率;
m—二次能源的类型;
μk,L,i—一次能源分配系数,表示在i时刻,一次能源k用于设备L的比例;
—设备L生产二次能源m的能源效率;
—设备L在预设时间段内生产二次能源m的总量;
—预设时间段内一次能源k转换为二次能源m的总量;
ΔT—预设时间段。
可选地,所述能源转换单元中每种终端能源的逐时能量平衡约束的数学模型如下:
式中:—预设时间段内终端用能n的输出量;
—预设时间段内二次能源m输入能换设备的量;
n—终端能源的类型;
γm,M,i—二次能源分配系数,表示二次能源m用于设备M的比例;
—能源转换设备M将二次能源m转化为终端用能n的能源转换效率;
ηl—组合设备中单个设备的效率;
—i时刻终端用能n的输出功率;
ΔT—预设时间段。
可选地,所述储能单元中的每种终端能源逐时能量平衡约束的数学模型如下:
式中:—预设时间段内能源转化设备输出终端用能n的总量;
ΔWN,i—预设时间段内储能设备的净储能量;
—预设时间段内用户对终端用能n的需求量;
—预设时间段内终端用能n满足需求和储能后的剩余量;
—分别是i时刻储能设备的蓄能功率和放能功率;
—分别是i时刻储能设备的蓄能状态和放能状态,为0-1变量;
—分别是储能设备的蓄能效率和放能效率;
ΔT—预设时间段。
可选地,所述能源生产单元、能源转换单元和储能单元还满足以下约束:
PL≥max(PL,i)
PM≥max(PM,i)
WN≥max(WN,i)
式中:PL、PM、WN—能源生产单元、能源转换单元和储能单元中各设备的装机容量;PL,i、PM,i、WN,i分别表示i时刻能源生产设备L、能源转换设备M和储能设备N的输出功率。
可选地,所述能源生产单元、能源转换单元和储能单元中各设备逐时运行负荷率还需满足以下约束:
0≤xi≤100
式中:xi—预设时间段内设备运行负荷率。
可选地,一次能源输入满足以下约束::
式中:—i时刻一次能源k的输入量;
—i时刻一次能源k的最大可获得量。
本发明还提供了多能互补与协同分布式供能系统的超结构模型,所述超结构模型采用上述任一所述多能互补与协同分布式供能系统的超结构模型建模方法进行建模,所述超结构模型包括能源生产单元、能源转换单元和储能单元;所述能源生产单元用于将一次能源转换为二次能源;所述能源转换单元用于将能源生产单元中产生的二次能源转换为终端能源;所述储能单元用于储存终端能源。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;
每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;
将终端能源输出给储能单元或终端用户。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;
每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;
将终端能源输出给储能单元或终端用户。
由上可见,应用本实施例技术方案,由于超结构模型中各子模型包括能源生产单元、能源转换单元及储能单元满足一般通用数学模型及相关约束条件,因此,可以根据实际需要,如能源生产单元中可再生能源的种类、可再生能源的选择与否、能源转换单元的设备组合、储能单元使用与否以及是否使用网电和发电上网,选择特定的技术组合方式并求解其装机容量。建立多能互补与协同的分布式供能系统的基本架构,在保证终端用能需求的前提下,确定系统的装机容量及协调众多设备的启停或变负荷运行,达到最佳的运行效益,具有较好的普遍适用性、经济性和合理性。
附图说明
图1是本发明中一种多能互补与协同分布式供能系统的超结构模型建模方法流程图;
图2是实施例中一种多能互补与协同的分布式供能系统的超结构模型框架图;
图3是能源生产单元能量流动示意图;
图4是能源转换单元能量流动示意图;
图5是储能单元能量流动示意图;
图6是本发明中一种多能互补与协同的分布式供能系统的超结构模型框架图;
图7是实施例中一种多能互补与协同的分布式供能系统的超结构模型框架图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
实施例1:
本申请提供的多能互补与协同分布式供能系统的超结构模型建模方法,如图1所示,包括:
步骤1:将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;
步骤2:每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;
步骤3:将终端能源输出给储能单元或终端用户。
在一个实施例中,如图2所示,所述能源生产单元具有k种不同的一次能源输入,每种一次能源通过不同的一次能源分配系数μk,L,i分配一定的能源量到L种设备,L种设备将其生产为m种二次能源形式;
所述能源生产单元将获得的m种二次能源将输入到能源转换单元,此外,网电也将输入到能源转换单元中,每种能源通过不同的二次能源分配系数γm,M,i分配一定的能源量到M种设备,M种设备将其生产为n种终端能源形式;
所述能源转换单元获得的n种终端能源将输给储能单元和终端用户,对应着能源转换单元n种不同的终端用能形式,相应的储能单元有N种储能设备。
作为优选的技术方案,所述能源生产单元或能源转换单元包括至少一种设备,所述储能单元对应每种终端能源形式设有储能设备。
作为优选的技术方案,所述一次能源包括天然气、生物质能源和可再生能源,所述可再生能源包括太阳能、风能和地热能;所述二次能源为热、电形式的能源;所述终端能源包括用户端所需要的冷、热、电、气和热水形式的能源。
作为优选的技术方案,所述一次能源输入到能源生产单元,经过该能源生产单元转换成热、电形式的二次能源并与网电一同供给能源转换单元,在能源转换单元中,二次能源经过一系列的设备或设备组合转换成冷、电、热、气、热水形式的终端能源,最后这些终端能源将分别供给终端用户与储能设备,当终端能源包含电能时,多余的电能可以上网售电。
可以但不限于,所述能源生产单元中每种二次能源的逐时能量平衡约束的数学模型如下:
式中:为i时刻一次能源k的输入量;
—设备L生产二次能源m的逐时功率;
m—二次能源的类型,m∈{e,h,…},如e代表电能、h代表热能;
μk,L,i—一次能源分配系数,表示在i时刻,一次能源k用于设备L的比例,若μk,L,i为0表示该设备停用;
—设备L生产二次能源m的能源效率;
—设备L在某时间段内生产二次能源m的总量;
—某时间段内一次能源k转换为二次能源m的总量;
ΔT—预设时间段。
可以但不限于,所述能源转换单元中每种终端能源的逐时能量平衡约束的数学模型如下:
式中:—某时间段内终端用能n的输出量;
—某时间段内二次能源m输入能换设备的量;
n—终端能源的类型,n∈{e,h,c,…},如h代表热能,c代表冷能;
γm,M,i—二次能源分配系数,表示二次能源m用于设备M的比例,若γm,M,i为0表示该设备停用;
—能源转换设备M将二次能源m转化为终端用能n的能源转换效率;
ηl—组合设备中单个设备的效率;
—i时刻终端用能n的输出功率;
ΔT—预设时间段。
可以但不限于,所述储能单元中的每种终端能源逐时能量平衡约束的数学模型如下:
式中:—某时间段内能源转化设备输出终端用能n的总量;
ΔWN,i—某时间段内储能设备的净储能量;
—某时间段内用户对终端用能n的需求量;
—某时间段内终端用能n满足需求和储能后的剩余量,当为电能时则代表上网售电量;
—分别是i时刻储能设备的蓄能功率和放能功率;
—分别是i时刻储能设备的蓄能状态和放能状态,为0-1变量;
—分别是储能设备的蓄能效率和放能效率;
ΔT—预设时间段。
所述能源生产单元、能源转换单元和储能单元还满足以下约束:
PL≥max(PL,i)
PM≥max(PM,i)
WN≥max(WN,i)
式中:PL、PM、WN—能源生产单元、能源转换单元和储能单元中各设备的装机容量;PL,i、PM,i、WN,i分别表示i时刻能源生产设备L、能源转换设备M和储能设备N的输出功率。
所述能源生产单元、能源转换单元和储能单元中各设备逐时运行负荷率还需满足以下约束:
0≤xi≤100
式中:xi—某时间段内设备运行负荷率。
一次能源输入满足以下约束::
式中:—i时刻一次能源k的输入量;
—i时刻一次能源k的最大可获得量,对于天然气而言,该数值一般可以取无穷大,表示天然气资源不受限制,对于可再生能源则与具体的资源状况相关。
作为优选的技术方案,所述超结构模型对离网运行、并网不上网和并网且上网三种电网连接方式均适用。当离网运行时,则能源转换单元中没有网电输入以及在储能单元中没有网电售出;当为并网不上网时,则能源转换单元中有网电输入但在储能单元中没有网电售出;当为并网且上网时,则能源转换单元有网电的输入并且储能单元中有网电售出。
作为优选的技术方案,建立的超结构模型除引入时间尺度及需要满足上述能量流动和能量平衡约束关系外,还需要满足子模型各单元中各设备供能能力、逐时运行负荷率以及一次能源供应的约束。
在一个实施例中,如图3所示,能源生产单元具有3种不同的一次能源输入,光伏电池和太阳能热水器由于空间的分布不同,其能源分配系数可以认为都是1,而天然气供应量巨大,燃气轮机和燃气锅炉能源分配系数也可以认为是1,风电发电机也为1。能源生产单元生产电、热两种主要能源,单元中各设备如燃气轮机的逐时能量平衡约束的通用数学模型为:
式中,—i时刻设备的发电功率;
—发电设备的额定发电功率;
xGT,i—发电设备的逐时负荷率;
—某时间段内发电设备的发电量;
—某时间段内发电设备的产热量;
ΔT—优化模型的时间步长,本文取1h;
—某时间段内发电设备消耗的天然气量;
rng—天然气的热值,本实施例取34750kJ/Nm3
燃气锅炉的逐时能量平衡约束的通用数学模型为:
式中,—i时刻燃气锅炉的实际功率;
PGB—燃气锅炉的额定功率;
xGB,i—燃气锅炉的逐时负荷率;
—某时间段内燃气锅炉的产热量;
—某时间段内燃气锅炉消耗的天然气量;
—燃气锅炉的额定产热效率。
风力发电机的逐时能量平衡约束的通用数学模型为:
式中:—i时刻输入系统的风力资源;
—i时刻风力发电机组的实际功率;
—风力发电机组的发电效率;
—某时间段内风机的发电量。
光伏电池的逐时能量平衡约束的通用数学模型为:
式中:—i时刻输入光伏电池系统的太阳能资源;
—i时刻太阳能光伏电池的实际功率;
—太阳能光伏电池的发电效率;
—某时间段内太阳能光伏电池的发电量。
太阳能集热器的逐时能量平衡约束的通用数学模型为:
式中:—i时刻输入太阳能集热器系统的太阳能资源;
—i时刻太阳能集热器的实际功率;
—太阳能集热器的产热效率;
—某时间段内太阳能集热器的产热量。
能源生产单元总的产电、热量分别为:
式中:—某时间段内能源生产单元输出的总电量;
—某时间段内能源生产单元输出的总热量;
如图4所示,根据当地的冷、热、电能源需求,从能源生产单元获得的电、热二次能源将输入到能源转换单元将其转为冷、热、电三种能源形式,此外,网电也将输入到能源转换单元中。因此,能源转换单元输入的总电量为:
式中:—某时间段内输入能源转换单元的总电量;
总电量中电能分配到储能单元、电锅炉和电压缩式制冷的能源分配系数分别为0.75、0.05和0.2;热能分配到换热器、余热锅炉+换热器组合和余热锅炉+蒸汽型吸收式制冷机组合的能源分配系数分别0.5、0.2和0.3。
能源转换单元中各设备如电压缩式制冷的逐时能量平衡约束的通用数学模型为:
式中,—i时刻电压缩制冷机组的制冷功率;
—i时刻总电量中计算能源分配系数后输入电压缩制冷机组的电功率;
COPEC—电压缩制冷机组的制冷性能系数;
—某时间段内电压缩制冷机组的制冷量。
换热器的逐时能量平衡约束的通用数学模型为:
式中,—i时刻换热器的换热负荷;
—i时刻总热量中计算能源分配系数后高温流体输入的热负荷;
—换热器的效率;
—某时间段内换热器的换热量。
余热锅炉+换热器的逐时能量平衡约束的通用数学模型为:
式中:—i时刻余热锅炉和换热器设备组合的产热功率;
—i时刻总热量中计算能源分配系数后输入余热锅炉的热量;
—余热锅炉和换热器设备组合的产热效率;
—某段时间内余热锅炉和换热器设备组合的供热量;
余热锅炉+蒸汽型吸收式制冷机的逐时能量平衡约束的通用数学模型为:
式中:—i时刻余热锅炉和蒸汽型吸收式制冷设备组合的供冷功率;
—余热锅炉和蒸汽型吸收式制冷设备组合的供冷效率;
—某时间段内余热锅炉和蒸汽型吸收式制冷设备组合的供冷量。
能源转换单元总的产电、热、冷量分别为:
式中:—某时间段内能源转换单元输出的总电量;
—某时间段内能源转换单元输出的总热量;
—某时间段内能源转换单元输出的总热量。
如图5所示,根据能量流动关系,能源转换单元获得的3种终端能源将输给储能单元和终端用户。因此,对应着储能单元也有蓄电池、储热罐、蓄冷水箱3种储能设备。由于储能设备储能过程原理基本相同,其数学模型也基本一致,故3种储能设备的逐时能量平衡约束的通用数学模型如下:
式中:—某时间段内能源转化设备输出终端用能n的总量;
ΔWN,i—某时间段内储能设备的净储能量;
—某时间段内用户对终端用能n的需求量;
—某时间段内终端用能n满足需求和储能后的剩余量,当为电能时则代表上网售电量,当为冷能和热能时则为浪费的量;
—分别是i时刻储能设备的蓄能功率和放能功率;
—分别是i时刻储能设备的蓄能状态和放能状态,为0-1变量;
—分别是储能设备的蓄能效率和放能效率。
除满足上述数学模型外,各单元中各设备供能能力还需满足以下约束:
PL≥max(PL,i)
PM≥max(PM,i)
WN≥max(WN,i)
式中:PL、PM、WN—能源生产单元、能源转换单元和储能单元各设备的装机容量;PL,i、PM,i、WN,i分别表示i时刻能源生产设备L、能源转换设备M和储能设备N的输出功率。
各单元中各设备逐时运行负荷率还需满足以下约束::
0≤xi≤100
式中:xi—某时间段内设备运行负荷率。
一次能源供应还需满足以下约束::
式中:—i时刻一次能源n的输入量;
—i时刻一次能源n的最大可获得量,对于天然气而言,该数值一般可以取无穷大,表示天然气资源不受限制,对于可再生能源则与具体的资源状况相关。
此外,根据当地情况,实施例中的可再生能源的最大出功情况如表1。
表1可再生能源最大出功情况
根据该实施例当地环境参数、相关建筑物参数等使用dest模拟软件,获得全年的负荷预测,在此仅给出采暖季和供冷季的典型日逐时电、冷、热负荷大小,结果统计如表2所示。表2典型日逐时电、冷、热负荷
另外,根据选择的技术设备,各单元设备的效率/COP值如表3所示。
表3各单元设备的效率/COP
在考虑在电价尖峰和高峰时只上网不购电等原因后,根据设定的相关参数及相关的能量流动关系、能量平衡关系和其他约束条件等数学模型,可以求出各个单元设备相应的装机容量,具体结果见表4。
表4各个单元设备相应的装机容量
本发明由于引入时间尺度,根据全年的负荷预测确定各单元设备的装机容量,可避免因装机容量过大而导致初始投资成本过高,经济性差的问题。此外,时间尺度的引入也可以确保每小时终端用能负荷均可以得到满足,避免出现传统系统设计中出现的部分单位小时能源供给不能满足终端用户能源需求、部分单位小时供给却远大于需求的缺陷,即存在能源供需严重不均衡的问题。
实施例2:
本申请还提供了多能互补与协同分布式供能系统的超结构模型,如图6所示,包括能源生产单元、能源转换单元和储能单元;所述能源生产单元用于将一次能源转换为二次能源;所述能源转换单元用于将能源生产单元中产生的二次能源转换为终端能源;所述储能单元用于储存终端能源,在终端用能负荷较低的时候,将系统多余的能量储存下来,削减高峰时段的负荷需求,以达到系统能量的平稳输出。
在一个实施例中,所述能源生产单元或能源转换单元包括至少一种设备,所述储能单元对应每种终端能源形式设有储能设备。当地可以利用的资源有天然气和可再生能源风能、太阳能,因此,分布式能源拟采用的一次能源有天然气、风能以及太阳能。该实施例中具有电力上网的条件,因此,确定系统与电网的连接方式为并网且上网。选择的技术设备主要有:能源生产单元有燃气轮机、燃气锅炉、风力发电机、光伏电池、太阳能集热器;能源转换单元有电锅炉、电压缩制冷机组、换热器、余热锅炉+换热器、余热锅炉+蒸汽型吸收式制冷机组;储能单元有蓄电池、储热罐、蓄冷水箱等,如图7所示。
可以但不限于,所述能源生产单元中每种二次能源的逐时能量平衡约束的数学模型如下:
式中:为i时刻一次能源k的输入量;
—设备L生产二次能源m的逐时功率;
m—二次能源的类型,m∈{e,h,…},如e代表电能、h代表热能;
μk,L,i—一次能源分配系数,表示在i时刻,一次能源k用于设备L的比例,若μk,L,i为0表示该设备停用;
—设备L生产二次能源m的能源效率;
—设备L在某时间段内生产二次能源m的总量;
—某时间段内一次能源k转换为二次能源m的总量;
ΔT—预设时间段。
可以但不限于,所述能源转换单元中每种终端能源的逐时能量平衡约束的数学模型如下:
式中:—某时间段内终端用能n的输出量;
—某时间段内二次能源m输入能换设备的量;
n—终端能源的类型,n∈{e,h,c,…},如h代表热能,c代表冷能;
γm,M,i—二次能源分配系数,表示二次能源m用于设备M的比例,若γm,M,i为0表示该设备停用;
—能源转换设备M将二次能源m转化为终端用能n的能源转换效率;
ηl—组合设备中单个设备的效率;
—i时刻终端用能n的输出功率;
ΔT—预设时间段。
可以但不限于,所述储能单元中的每种终端能源逐时能量平衡约束的数学模型如下:
式中:—某时间段内能源转化设备输出终端用能n的总量;
ΔWN,i—某时间段内储能设备的净储能量;
—某时间段内用户对终端用能n的需求量;
—某时间段内终端用能n满足需求和储能后的剩余量,当为电能时则代表上网售电量;
—分别是i时刻储能设备的蓄能功率和放能功率;
—分别是i时刻储能设备的蓄能状态和放能状态,为0-1变量;
—分别是储能设备的蓄能效率和放能效率;
ΔT—预设时间段。
所述能源生产单元、能源转换单元和储能单元还满足以下约束:
PL≥max(PL,i)
PM≥max(PM,i)
WN≥max(WN,i)
式中:PL、PM、WN—能源生产单元、能源转换单元和储能单元中各设备的装机容量;PL,i、PM,i、WN,i分别表示i时刻能源生产设备L、能源转换设备M和储能设备N的输出功率。
所述能源生产单元、能源转换单元和储能单元中各设备逐时运行负荷率还需满足以下约束:
0≤xi≤100
式中:xi—某时间段内设备运行负荷率。
一次能源输入满足以下约束::
式中:—i时刻一次能源k的输入量;
—i时刻一次能源k的最大可获得量,对于天然气而言,该数值一般可以取无穷大,表示天然气资源不受限制,对于可再生能源则与具体的资源状况相关。
在一个实施例中,如图3所示,能源生产单元具有3种不同的一次能源输入,光伏电池和太阳能热水器由于空间的分布不同,其能源分配系数可以认为都是1,而天然气供应量巨大,燃气轮机和燃气锅炉能源分配系数也可以认为是1,风电发电机也为1。能源生产单元生产电、热两种主要能源,单元中各设备如燃气轮机的逐时能量平衡约束的通用数学模型为:
式中,—i时刻设备的发电功率;
—发电设备的额定发电功率;
xGT,i—发电设备的逐时负荷率;
—某时间段内发电设备的发电量;
—某时间段内发电设备的产热量;
ΔT—优化模型的时间步长,本文取1h;
—某时间段内发电设备消耗的天然气量;
rng—天然气的热值,本实施例取34750kJ/Nm3
燃气锅炉的逐时能量平衡约束的通用数学模型为:
式中,—i时刻燃气锅炉的实际功率;
PGB—燃气锅炉的额定功率;
xGB,i—燃气锅炉的逐时负荷率;
—某时间段内燃气锅炉的产热量;
—某时间段内燃气锅炉消耗的天然气量;
—燃气锅炉的额定产热效率。
风力发电机的逐时能量平衡约束的通用数学模型为:
式中:—i时刻输入系统的风力资源;
—i时刻风力发电机组的实际功率;
—风力发电机组的发电效率;
—某时间段内风机的发电量。
光伏电池的逐时能量平衡约束的通用数学模型为:
式中:—i时刻输入光伏电池系统的太阳能资源;
—i时刻太阳能光伏电池的实际功率;
—太阳能光伏电池的发电效率;
—某时间段内太阳能光伏电池的发电量。
太阳能集热器的逐时能量平衡约束的通用数学模型为:
式中:—i时刻输入太阳能集热器系统的太阳能资源;
—i时刻太阳能集热器的实际功率;
—太阳能集热器的产热效率;
—某时间段内太阳能集热器的产热量。
能源生产单元总的产电、热量分别为:
式中:—某时间段内能源生产单元输出的总电量;
—某时间段内能源生产单元输出的总热量;
如图4所示,根据当地的冷、热、电能源需求,从能源生产单元获得的电、热二次能源将输入到能源转换单元将其转为冷、热、电三种能源形式,此外,网电也将输入到能源转换单元中。因此,能源转换单元输入的总电量为:
式中:—某时间段内输入能源转换单元的总电量;
总电量中电能分配到储能单元、电锅炉和电压缩式制冷的能源分配系数分别为0.75、0.05和0.2;热能分配到换热器、余热锅炉+换热器组合和余热锅炉+蒸汽型吸收式制冷机组合的能源分配系数分别0.5、0.2和0.3。
能源转换单元中各设备如电压缩式制冷的逐时能量平衡约束的通用数学模型为:
式中,—i时刻电压缩制冷机组的制冷功率;
—i时刻总电量中计算能源分配系数后输入电压缩制冷机组的电功率;
COPEC—电压缩制冷机组的制冷性能系数;
—某时间段内电压缩制冷机组的制冷量。
换热器的逐时能量平衡约束的通用数学模型为:
式中,—i时刻换热器的换热负荷;
—i时刻总热量中计算能源分配系数后高温流体输入的热负荷;
—换热器的效率;
—某时间段内换热器的换热量。
余热锅炉+换热器的逐时能量平衡约束的通用数学模型为:
式中:—i时刻余热锅炉和换热器设备组合的产热功率;
—i时刻总热量中计算能源分配系数后输入余热锅炉的热量;
—余热锅炉和换热器设备组合的产热效率;
—某段时间内余热锅炉和换热器设备组合的供热量;
余热锅炉+蒸汽型吸收式制冷机的逐时能量平衡约束的通用数学模型为:
式中:—i时刻余热锅炉和蒸汽型吸收式制冷设备组合的供冷功率;
—余热锅炉和蒸汽型吸收式制冷设备组合的供冷效率;
—某时间段内余热锅炉和蒸汽型吸收式制冷设备组合的供冷量。
能源转换单元总的产电、热、冷量分别为:
式中:—某时间段内能源转换单元输出的总电量;
—某时间段内能源转换单元输出的总热量;
—某时间段内能源转换单元输出的总热量。
如图5所示,根据能量流动关系,能源转换单元获得的3种终端能源将输给储能单元和终端用户。因此,对应着储能单元也有蓄电池、储热罐、蓄冷水箱3种储能设备。由于储能设备储能过程原理基本相同,其数学模型也基本一致,故3种储能设备的逐时能量平衡约束的通用数学模型如下:
式中:—某时间段内能源转化设备输出终端用能n的总量;
ΔWN,i—某时间段内储能设备的净储能量;
—某时间段内用户对终端用能n的需求量;
—某时间段内终端用能n满足需求和储能后的剩余量,当为电能时则代表上网售电量,当为冷能和热能时则为浪费的量;
—分别是i时刻储能设备的蓄能功率和放能功率;
—分别是i时刻储能设备的蓄能状态和放能状态,为0-1变量;
—分别是储能设备的蓄能效率和放能效率。
除满足上述数学模型外,各单元中各设备供能能力还需满足以下约束:
PL≥max(PL,i)
PM≥max(PM,i)
WN≥max(WN,i)
式中:PL、PM、WN—能源生产单元、能源转换单元和储能单元各设备的装机容量;PL,i、PM,i、WN,i分别表示i时刻能源生产设备L、能源转换设备M和储能设备N的输出功率。
各单元中各设备逐时运行负荷率还需满足以下约束::
0≤xi≤100
式中:xi—某时间段内设备运行负荷率。
一次能源供应还需满足以下约束::
式中:—i时刻一次能源n的输入量;
—i时刻一次能源n的最大可获得量,对于天然气而言,该数值一般可以取无穷大,表示天然气资源不受限制,对于可再生能源则与具体的资源状况相关。
此外,根据当地情况,实施例中的可再生能源的最大出功情况如表1。
表1可再生能源最大出功情况
根据该实施例当地环境参数、相关建筑物参数等使用dest模拟软件,获得全年的负荷预测,在此仅给出采暖季和供冷季的典型日逐时电、冷、热负荷大小,结果统计如表2所示。表2典型日逐时电、冷、热负荷
另外,根据选择的技术设备,各单元设备的效率/COP值如表3所示。
表3各单元设备的效率/COP
在考虑在电价尖峰和高峰时只上网不购电等原因后,根据设定的相关参数及相关的能量流动关系、能量平衡关系和其他约束条件等数学模型,可以求出各个单元设备相应的装机容量,具体结果见表4。
表4各个单元设备相应的装机容量
本发明给出了超结构模型中各子模型包括能源生产单元、能源转换单元及储能单元的一般通用数学模型及相关约束条件,因此,可以根据实际需要,如能源生产单元中可再生能源的种类、可再生能源的选择与否、能源转换单元的设备组合、储能单元使用与否以及是否使用网电和发电上网,选择特定的技术组合方式并求解其装机容量。
本发明由于引入时间尺度,根据全年的负荷预测确定各单元设备的装机容量,可避免因装机容量过大而导致初始投资成本过高,经济性差的问题。此外,时间尺度的引入也可以确保每小时终端用能负荷均可以得到满足,避免出现传统系统设计中出现的部分单位小时能源供给不能满足终端用户能源需求、部分单位小时供给却远大于需求的缺陷,即存在能源供需严重不均衡的问题。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多能互补与协同分布式供能系统的超结构模型建模方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;
每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;
将终端能源输出给储能单元或终端用户。
本发明给出了超结构模型中各子模型包括能源生产单元、能源转换单元及储能单元的一般通用数学模型及相关约束条件,因此,可以根据实际需要,如能源生产单元中可再生能源的种类、可再生能源的选择与否、能源转换单元的设备组合、储能单元使用与否以及是否使用网电和发电上网,选择特定的技术组合方式并求解其装机容量。
在一个实施例中,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;
每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;
将终端能源输出给储能单元或终端用户。
本发明给出了超结构模型中各子模型包括能源生产单元、能源转换单元及储能单元的一般通用数学模型及相关约束条件,因此,可以根据实际需要,如能源生产单元中可再生能源的种类、可再生能源的选择与否、能源转换单元的设备组合、储能单元使用与否以及是否使用网电和发电上网,选择特定的技术组合方式并求解其装机容量。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.多能互补与协同分布式供能系统的超结构模型建模方法,其特征在于,包括:
将至少一种一次能源输入,每种一次能源通过一次能源分配系数分配能源量到能源生产单元,所述能源生产单元将一次能源生产为至少一种二次能源;
每种二次能源通过二次能源分配系数分配能源量到能源转换单元,所述能源转换单元将二次能源生产为至少一种终端能源;
将终端能源输出给储能单元或终端用户;
所述能源生产单元中每种二次能源的逐时能量平衡约束的数学模型如下:
式中:为i时刻一次能源k的输入量;
—设备L生产二次能源m的逐时功率;
m—二次能源的类型;
μk,L,i—一次能源分配系数,表示在i时刻,一次能源k用于设备L的比例;
—设备L生产二次能源m的能源效率;
—设备L在预设时间段内生产二次能源m的总量;
—预设时间段内一次能源k转换为二次能源m的总量;
ΔT—预设时间段;
所述能源转换单元中每种终端能源的逐时能量平衡约束的数学模型如下:
式中:—预设时间段内终端用能n的输出量;
—预设时间段内二次能源m输入能换设备的量;
n—终端能源的类型;
γm,M,i—二次能源分配系数,表示二次能源m用于设备M的比例;
—能源转换设备M将二次能源m转化为终端用能n的能源转换效率;
ηl—组合设备中单个设备的效率;
Pi c,n—i时刻终端用能n的输出功率;
ΔT—预设时间段;
所述能源转换单元输入的总电量为:
式中:—某时间段内输入所述能源转换单元的总电量;
—某时间段内所述能源生产单元输出的总电量;
—某时间段内输入所述能源转换单元的网电;
所述储能单元中的每种终端能源逐时能量平衡约束的数学模型如下:
式中:—预设时间段内能源转化设备输出终端用能n的总量;
△WN,i—预设时间段内储能设备的净储能量;
—预设时间段内用户对终端用能n的需求量;
—预设时间段内终端用能n满足需求和储能后的剩余量;当所述剩余量为电能时,为上网售电量;
—分别是i时刻储能设备的蓄能功率和放能功率;
—分别是i时刻储能设备的蓄能状态和放能状态,为0-1变量;
—分别是储能设备的蓄能效率和放能效率;
ΔT—预设时间段。
2.根据权利要求1所述多能互补与协同分布式供能系统的超结构模型建模方法,其特征在于,所述能源生产单元、能源转换单元和储能单元还满足以下约束:
PL≥max(PL,i)
PM≥max(PM,i)
WN≥max(WN,i)
式中:PL、PM、WN—能源生产单元、能源转换单元和储能单元中各设备的装机容量;PL,i、PM,i、WN,i分别表示i时刻能源生产设备L、能源转换设备M和储能设备N的输出功率。
3.根据权利要求1所述多能互补与协同分布式供能系统的超结构模型建模方法,其特征在于,所述能源生产单元、能源转换单元和储能单元中各设备逐时运行负荷率还需满足以下约束:
0≤xi≤100
式中:xi—预设时间段内设备运行负荷率。
4.根据权利要求1所述多能互补与协同分布式供能系统的超结构模型建模方法,其特征在于,一次能源输入满足以下约束:
式中:—i时刻一次能源k的输入量;
—i时刻一次能源k的最大可获得量。
5.根据权利要求1所述多能互补与协同分布式供能系统的超结构模型建模方法,其特征在于,所述能源生产单元具有k种不同的一次能源输入,每种一次能源通过不同的一次能源分配系数μk,L,i分配一定的能源量到L种设备,L种设备将其生产为m种二次能源形式;
所述能源生产单元将获得的m种二次能源将输入到能源转换单元,此外,网电也将输入到能源转换单元中,每种能源通过不同的二次能源分配系数γm,M,i分配一定的能源量到M种设备,M种设备将其生产为n种终端能源形式;
所述能源转换单元获得的n种终端能源将输给储能单元和终端用户,对应着能源转换单元n种不同的终端用能形式,相应的储能单元有N种储能设备。
6.根据权利要求1所述多能互补与协同分布式供能系统的超结构模型建模方法,其特征在于,所述超结构模型对离网运行、并网不上网和并网且上网三种电网连接方式均适用;当为所述离网运行时,所述能源转换单元中没有网电输入、且所述储能单元中没有网电售出;当为所述并网不上网时,所述能源转换单元中有网电输入、且所述储能单元中没有网电售出;当为所述并网且上网时,所述能源转换单元有网电的输入、且所述储能单元中有网电售出。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN201811152611.2A 2018-09-29 2018-09-29 供能系统超结构模型、建模方法、计算机设备和存储介质 Active CN109376406B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811152611.2A CN109376406B (zh) 2018-09-29 2018-09-29 供能系统超结构模型、建模方法、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811152611.2A CN109376406B (zh) 2018-09-29 2018-09-29 供能系统超结构模型、建模方法、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN109376406A CN109376406A (zh) 2019-02-22
CN109376406B true CN109376406B (zh) 2020-08-14

Family

ID=65403252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811152611.2A Active CN109376406B (zh) 2018-09-29 2018-09-29 供能系统超结构模型、建模方法、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN109376406B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001296904A (ja) * 2000-04-12 2001-10-26 Yamatake Building Systems Co Ltd エネルギー制御システム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080228553A1 (en) * 2007-03-12 2008-09-18 Airtricity Holdings Limited Method And System For Determination Of An Appropriate Strategy For Supply Of Renewal Energy Onto A Power Grid
CN102073272B (zh) * 2011-02-24 2013-05-15 北京恩耐特分布能源技术有限公司 一种分布式能源整体规划优化的系统及其优化方法
CN102915389A (zh) * 2012-09-21 2013-02-06 北京恩耐特分布能源技术有限公司 一种创新型分布式能源专项规划的编制方案
CN104881712A (zh) * 2015-05-19 2015-09-02 上海电力学院 多能互补分布式能源系统及其设备配置与运行优化方法
CN105676819B (zh) * 2016-01-19 2019-01-25 国家电网公司 一种多元能源优化配置系统及其优化运行方法
CN107784382A (zh) * 2016-08-31 2018-03-09 北京南瑞电研华源电力技术有限公司 基于能源路由器的用户侧能源互联网规划方法
CN106972546A (zh) * 2017-03-20 2017-07-21 国网浙江省电力公司嘉兴供电公司 一种虚拟电厂电能智能调配方法
CN107871214A (zh) * 2017-12-04 2018-04-03 深圳供电局有限公司 一种多能互补供能系统综合评价指标体系建立方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001296904A (ja) * 2000-04-12 2001-10-26 Yamatake Building Systems Co Ltd エネルギー制御システム

Also Published As

Publication number Publication date
CN109376406A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
Wang et al. Modelling and optimization of CHP based district heating system with renewable energy production and energy storage
Lu et al. Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming
Wang et al. Optimal joint-dispatch of energy and reserve for CCHP-based microgrids
Chen et al. Increasing the flexibility of combined heat and power for wind power integration in China: Modeling and implications
Pan et al. Feasible region method based integrated heat and electricity dispatch considering building thermal inertia
CN106505634B (zh) 基于两阶段协调优化与控制的冷热电联供型微网运行方法
Henning et al. A comprehensive model for the German electricity and heat sector in a future energy system with a dominant contribution from renewable energy technologies—Part I: Methodology
Wei et al. Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system
Zhao et al. MPC-based optimal scheduling of grid-connected low energy buildings with thermal energy storages
Lorestani et al. Optimal integration of renewable energy sources for autonomous tri-generation combined cooling, heating and power system based on evolutionary particle swarm optimization algorithm
Lund et al. Modelling of energy systems with a high percentage of CHP and wind power
Dai et al. Dispatch model for CHP with pipeline and building thermal energy storage considering heat transfer process
Jiang et al. Coordinated operation of gas-electricity integrated distribution system with multi-CCHP and distributed renewable energy sources
Zhou et al. An engineering approach to the optimal design of distributed energy systems in China
Yang et al. Deriving operating rules for a large-scale hydro-photovoltaic power system using implicit stochastic optimization
CN104135025B (zh) 基于模糊粒子群算法的微网并网经济优化方法
Nosrat et al. Dispatch strategy and model for hybrid photovoltaic and trigeneration power systems
Zhou et al. Optimal scheduling of biogas–solar–wind renewable portfolio for multicarrier energy supplies
CN103151803B (zh) 一种含风电系统机组及备用配置的优化方法
CN107204632B (zh) 一种提升风电消纳的柔性负荷优化调度方法
CN103699941B (zh) 一种电力系统调度运行年方案的制定方法
Jing et al. Multi-criteria evaluation of solid oxide fuel cell based combined cooling heating and power (SOFC-CCHP) applications for public buildings in China
Darras et al. PV output power fluctuations smoothing: The MYRTE platform experience
CN105447599B (zh) 基于储热热电联产机组与电锅炉的弃风消纳协调调度模型
Karami et al. Optimal scheduling of residential energy system including combined heat and power system and storage device

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
TR01 Transfer of patent right

Effective date of registration: 20200918

Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No.

Patentee after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd.

Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No.

Patentee before: GUANGZHOU POWER SUPPLY Co.,Ltd.

TR01 Transfer of patent right