CN109412181B - 基于新能源转氨气的多能源框架、消纳方法、介质及设备 - Google Patents
基于新能源转氨气的多能源框架、消纳方法、介质及设备 Download PDFInfo
- Publication number
- CN109412181B CN109412181B CN201811312137.5A CN201811312137A CN109412181B CN 109412181 B CN109412181 B CN 109412181B CN 201811312137 A CN201811312137 A CN 201811312137A CN 109412181 B CN109412181 B CN 109412181B
- Authority
- CN
- China
- Prior art keywords
- energy
- ammonia
- gas
- electric
- ammonia gas
- 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
Links
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 title claims abstract description 250
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000006243 chemical reaction Methods 0.000 title claims description 46
- 229910021529 ammonia Inorganic materials 0.000 claims abstract description 71
- 238000004146 energy storage Methods 0.000 claims abstract description 48
- 238000003860 storage Methods 0.000 claims abstract description 40
- 238000005265 energy consumption Methods 0.000 claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 16
- 238000007599 discharging Methods 0.000 claims abstract description 12
- 238000011217 control strategy Methods 0.000 claims description 17
- 239000003792 electrolyte Substances 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000005868 electrolysis reaction Methods 0.000 claims description 8
- 238000006722 reduction reaction Methods 0.000 claims description 7
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000029087 digestion Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000003990 capacitor Substances 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000011410 subtraction method Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 46
- 238000010586 diagram Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000003487 electrochemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002925 chemical effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005891 transamination reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/10—Flexible AC transmission systems [FACTS]
-
- 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)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Fuel Cell (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于新能源转氨气的多能源供应框架、新能源消纳方法、介质及设备，风机和太阳能热电联产系统产生的电能分配给电负荷、氨气电解槽，第一、第二电锅炉；氨气电解槽在风机和太阳能热电联产系统供应的电能，或者风机和太阳能热电联产系统供应的电能以及第一、第二电锅炉供应的热能下产生氨气；氨气分配给氨气储存罐、热电联产机组和燃气锅炉；热电联产机组将产生的电能输送至供电线路上，将产生的热能供应给热负荷和/或氨气电解槽；燃气锅炉、第一电锅炉和太阳能热电联产系统产生的热能供应给热负荷和/或氨气电解槽。本发明通过风光氨气三者的互补，可以有效降低电池储能系统充放电频率。
Description
技术领域
本发明涉及微能源技术领域，尤其涉及一种基于新能源转氨气的多能源供应框架、新能源消纳方法、介质及设备。
背景技术
为解决当前能源需求大幅度增长、环境恶化以及能源转化效率低等问题，发展新能源分布式发电系统是一种可行的途径。根据自然资源条件，合理选择开发利用多种新能源，在负荷中心就地建设供能系统，实现能源的就地消纳，是微网的主要特征。例如在边防高原地区和海岛地区，风能、光能资源丰富，就可以充分利用自然资源条件建立微网，减少对传统发电方式的依赖。
目前园区微网中互补混合供电系统通常选择电池作为其储能系统，与新能源有机协调。虽然这样有效地抑制了风光等新能源由于其间歇性及随机性特点带来的出力波动，但是电池储能系统不得不频繁的充放电来维持电网的供需平衡，大大缩短了电池储能系统的寿命。随着负荷的增大，对系统的稳定性要求也不断提升，其储存容量也需要满足从几分钟到几小时的变化，这增加了电池储能系统的初期投资成本。
发明内容
本发明的主要目的在于提供一种基于新能源转氨气的多能源供应框架、新能源消纳方法、介质及设备，旨在解决现有系统运行过程依赖电池储能且能源效率低的问题。
为实现上述目的，本发明提供的一种基于新能源转氨气的多能源供应框架，包括风机、太阳能热电联产系统、氨气电解槽、氨气储存罐、热电联产机组、燃气锅炉、第一电锅炉和第二电锅炉；所述风机和所述太阳能热电联产系统产生的电能按照控制策略分配给电负荷、氨气电解槽、第一电锅炉和第二电锅炉；所述氨气电解槽在所述风机和所述太阳能热电联产系统供应的电能，或者所述风机和所述太阳能热电联产系统供应的电能以及所述第一电锅炉、所述第二电锅炉供应的热能下产生氨气；所述氨气电解槽产生的氨气按照控制策略分配给氨气储存罐、热电联产机组和燃气锅炉；所述热电联产机组根据控制策略将产生的电能输送至电负荷所在供电线路上，将产生的热能供应给热负荷和/或氨气电解槽；所述燃气锅炉、第一电锅炉和所述太阳能热电联产系统产生的热能也根据控制策略供应给热负荷和/或氨气电解槽。
优选地，还包括配电网和电池储能系统，所述配电网和所述电池储能系统向所述基于新能源转氨气的多能源供应框架供应和接收电能。
为实现上述目的，本发明提供的一种基于新能源转氨气的多能源供应框架的新能源消纳方法，包括以下步骤：
获取当前时刻起的控制时域内所有预测的场景，以及各场景的概率，其中，所述场景包括环境因素历史数据、电负荷历史数据、热负荷历史数据以及各能量转换单元运行状态的历史数据，所述能量转换单元包括风机、太阳能热电联产系统、热电联产机组、燃气锅炉、第一电锅炉和第二电锅炉；
根据所述场景以及相应的概率，求解所述控制时域内满足所述基于新能源转氨气的多能源供应框架的约束条件的目标函数，使得所述目标函数的值最小，输出控制策略并执行所述控制策略。
优选地，所有场景的集合称为场景集，使用同步回代缩减法或者快速前向选择法对原场景集进行缩减得到一个近似子集，使其与原场景集的概率距离最短，所述近似子集用于求解目标函数。
优选地，所述目标函数为：
其中第一和第二项表示电力采购费用，第三项表示因充放电过程中发生的损耗而造成的电池退化费用；Pch,k表示电池储能系统在第k时段时的充电功率，Pdis,k表示电池储能系统在第k时段时的放电功率；μbuy,k表示在第k时段时买入的电价，μsell,k表示在第k时段时售出的电价；μBES表示在整个使用期间，充放电的摊销成本；K表示调度范围的终点；Ns是随机优化的控制策略总数；ρS是场景S的概率，且
优选地，所述约束条件与多个约束条件方程相对应，多个所述约束条件方程包括第一至第七约束条件方程，
所述第一约束条件方程：
为法拉第效率模型，其中ηA,k表示法拉第效率，TZ,k表示在第k时段时氨气电解槽的反应温度，ri是在法拉第效率曲线的第i段上的斜率，ti是在法拉第效率曲线的第i段上的时间断点，TZ,min是消化温度的下限，TZ,max是消化温度的上限；
所述第二约束条件方程SE,k＝UkIkk为电解槽消耗的电能模型，其中SE,k为电解槽消耗的电能，Uk为电化学工作站在第k时段时的额定电压，Ik是第k时段时通过的电流；
所述第三约束条件方程：
为电能、热能、氨气能三种能量的综合耦合矩阵，其中PWT是风机的电能输出，PPVT是太阳能热电联产系统的电能输出，HPVT是太阳能热电联产系统的热能输出；PBES是电池储能系统的净输出，VGS是氨气储存罐的净输出，且PBES＝Pdis-Pch；fA是氨气的生产率；Le是电负荷，Lh是热负荷；ηe,CHP表示热电联产机组中气转电的效率，ηh,CHP表示热电联产机组中气转热的效率；ηB表示第一、第二电锅炉的效率，ηF表示燃气锅炉的效率；Qgas为氨气的热值；SE是电解过程所需电能；SB为第一、第二电锅炉输入的电能；SCHP为热电联产机组中氨气的输入量；SF为燃气锅炉中氨气的输入量；Sef为加热电解液所用的电能，Shf为加热电解液所用的热能；Sbuy为向上游配电网购买的电能，Ssell为向上游配电网出售的电能；
所述第四约束条件方程：
SOCgas,min≤SOCgas,k≤SOCgas,max，
VGS,min≤VGS,k≤VGS,max，
对应的约束条件是氨气储存罐的放气量和储气量受到管道容量限制，其中SOCgas,k是在第k时段时的氨气存储状态，VR代表氨气存储的总体积，SOCgas,min是氨气存储状态的下限，SOCgas,max是氨气存储状态的上限，VGS,k代表氨气的输出/输入体积，当VGS,k>0，代表氨气输出，当VGS,k<0，代表氨气输入，VGS,min代表氨气输出的下限，VGS,max代表氨气输出的上限；
所述第五约束条件方程：
SOCBES,min≤SOCBES,k≤SOCBES,max
对应的约束条件是电池储能系统的充电状态必须被限制在一定范围内，以防止过度充电或者放电，其中SOCBES,k代表电池储能系统在第k时段时的充电状态，SOCBES,min代表电池储能系统充电状态的下限，SOCBES,max代表电池储能系统充电状态的上限；ER是电池储能系统的总储能能力；ηch代表电池储能系统充电效率，ηdis代表电池储能系统放电效率；
所述第六约束条件方程：
Pch,k≤Pch,max·δk
对应的约束条件是限制电池储能系统的充放电功率，以避免过快充放电，其中Φk代表电池在第k时段时的充电状态的二进制变量，δk代表电池在第k时段时的放电状态的二进制变量；Pch,max是电池储能系统允许的最大充电功率，Pdis,max是电池储能系统允许的最大放电功率；
所述第七约束条件方程0≤Sj,k≤Sj,max，其中j＝B,F,CHP对应的约束条件是第一电锅炉、第二电锅炉、燃气锅炉和热电联产机组的输出应符合其容量限制，其中SB,max表示第一、第二电锅炉被允许的最大输出，SF,max表示燃气锅炉被允许的最大输出，SCHP,max表示热电联产机组被允许的最大输出。
优选地，新能源消纳方法还包括建立氨气电解槽的热能管理模型，所述热能管理模型为氨气电解槽的内、壁和外温度由具有热势的节点来表示，壁节点通过第一电阻和内电阻的两个串联电阻与氨气电解槽内节点相连，并通过第二电阻和外电阻两个串联电阻与外节点连接。
优选地，基于所述热能管理模型，氨气电解槽的热动力学为：
QRES,k＝ηBSef,k+Shf,k
其中TZ,k为在第k时段时的氨气电解槽的温度，Tout,k为在第k时段时的外部空气的温度，TW,k为在第k时段时的氨气电解槽壁的温度；CZ为氨气电解槽的热电容，CW为氨气电解槽壁的热电容；uZ是N2的气流速度；ΔH是N2还原反应的焓变；NuZ是电解液的努塞尔数，NuW是氨气电解槽壁的努塞尔数；λZ是电解液的导热系数，λW是氨气电解槽壁的导热系数；dh,Z是电解液的换热表面几何特征长度，dh,W是氨气电解槽壁的换热表面几何特征长度；QRES,k是来自基于新能源转氨气的多能源供应框架的焦耳热。
为实现上述目的，本发明提供的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项的基于新能源转氨气的多能源供应框架的新能源消纳方法的步骤。
为实现上述目的，本发明提供的一种电子设备，包括处理器以及存储器，所述存储器用于存储所述处理器的可执行指令，所述处理器配置为经由执行所述可执行指令来执行上述任一项所述的基于新能源转氨气的多能源供应框架的新能源消纳方法的步骤。
本发明的基本思路和技术原理如下：
本发明从还原N2产生氨气着手，整个反应在电解槽中进行，并且由新能源系统(本发明中的新能源指风能和太阳能)提供所需的电能和热能，电能用于电解反应，热能用于提供适宜的反应温度。所产生的氨气是一种灵活的能源载体，可以作为间歇性新能源系统的过渡储能物质，具有能量密度高、无二氧化碳排放等优点。温度对电解过程具有重要影响，风机和太阳能发电输出的有效热能和电能可以被用以加热电解质，从而加速N2还原过程及提高NH3的产量。所得NH3在一定压力和低温条件下作为液体储存，并在新能源出力不足时用作碳中性燃料，作为能量储存的替代品，减轻间歇性电池储能系统不必要的充放电。
本发明与现有的微能源技术相比具有以下有益效果：
(1)本发明充分利用新能源转氨气储能技术，通过新能源发电剩余电能和太阳能热电联产系统的电、热能量对电解槽提供电解水所需要的电能和热能，将氨气作为一种过渡储能物质。通过多能量的转换和储存，既能最大限度利用当地新能源，避免弃风、弃光的现象，又能在新能源出力不足时，通过转换装置将氨气转换为电能和热能，从而可以大大降低对于电池储能系统的依赖。
(2)建立了一个基于热力学的热管理模型，用于研究热电化学过程。
(3)本发明通过对多种能流之间的转化耦合关系进行分析，得到风、光和氨对电热能流之间的耦合矩阵，充分考虑多种能流之间的互补耦合关系，优化多能转换和设备，提高了混合新能源系统的运行经济性。
附图说明
图1为本发明基于新能源转氨气的多能源供应框架一实施例的结构示意图；
图2为本发明基于新能源转氨气的多能源供应框架的新能源消纳方法一实施例的流程示意图；
图3为热能管理模型的结构示意图；
图4为本发明基于新能源转氨气的多能源供应框架的新能源消纳方法的优化结果中有无新能源反馈加热时的电解槽温度对比图；
图5为本发明基于新能源转氨气的多能源供应框架的新能源消纳方法的优化结果中有无新能源反馈加热时的氨气储存罐存量对比图；
图6为本发明基于新能源转氨气的多能源供应框架的新能源消纳方法的优化结果中有无新能源反馈加热时的热电联产机组出力对比图；
图7为本发明电子设备一实施例的模块结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
请参照图1，图1为本发明一实施例提出的基于新能源转氨气的多能源供应框架，该基于新能源转氨气的多能源供应框架包括风机、太阳能热电联产系统、氨气电解槽、氨气储存罐、热电联产机组、燃气锅炉、第一电锅炉和第二电锅炉。
风机通过供电线路分别与电负荷、氨气电解槽、第一电锅炉、第二电锅炉相连，第一电锅炉分别与热负荷、氨气电解槽相连，第二电锅炉与氨气电解槽相连。当新能源供给电负荷的能源富余时，风机产生的电可以带动氨气电解槽、第一电锅炉和第二电锅炉运作，第一电锅炉产生的热可供给热负荷和氨气电解槽，第二电锅炉产生的热供给氨气电解槽以加快氨气的还原。
太阳能热电联产系统通过供电线路分别与电负荷、氨气电解槽、第一电锅炉、第二电锅炉相连，与风机一样，当新能源供给电负荷的能源富余时，太阳能产生的电可以带动氨气电解槽、第一电锅炉和第二电锅炉运作，第一电锅炉产生的热可供给热负荷和氨气电解槽，第二电锅炉产生的热供给氨气电解槽以加快氨气的还原。另外，太阳能热电联产系统通过供热线路分别与热负荷和氨气电解槽相连。
氨气电解槽通过供气线路分别与氨气储存罐、燃气锅炉、热电联产机组相连；热电联产机组通过供电线路与电负荷相连，当然热电联产机组还可与该系统中其他用电的设备相连；热电联产机组通过供热线路与热负荷相连，当然也可与氨气电解槽相连；燃气锅炉通过供热线路与热负荷相连，当然也可与氨气电解槽相连。
对于基于新能源转氨气的多能流能源枢纽框架，主要是通过多种能量之间的耦合关系，实现了新能源转氨气以及氨气转电能、热能等多种不同能量之间的转换。温度对电解过程具有重要影响，风机和太阳能发电输出的有效热能和电能可以被用以加热电解质，从而加速N2还原过程及提高NH3的产量。作为新型的新能源消纳方法，电解过程中所得NH3在一定压力和低温条件下作为液体储存，并在可再生能源出力不足时用作碳中性燃料，作为能量储存的替代品，减轻间歇性电池储能系统不必要的充放电。利用可再生能源进行电解槽加热是克服寒冷天气情况下低氨气产量的一种有效方法，也可以增强间歇性可再生能源在系统中的渗透率。此外，热电联产机组可以抵消各种可再生能源输出的昼夜波动。
基于新能源转氨气的多能源供应框架还包括配电网和电池储能系统，用于向所述基于新能源转氨气的多能源供应框架供应和接收电能。
本发明所建立的框架能量来源主要有风能、太阳能和小部分由上游配电网供给的电能，可通过风力涡轮机、光伏热系统、电解槽转换调节为不同的能源载体，例如电、热和氨气。光伏热系统是一种可再生热电联产系统，它结合了热收集器和光伏电池，因此可以同时从太阳辐射产生低温热量和电能。在能源枢纽，使用多个能量转换和存储装置，例如变压器、热电联产机组、电池储能系统、氨气储存罐、电解槽、燃气锅炉和电锅炉等，将这些能量载体转换并控制成在输出端口的电负荷、热负荷所需的品质和数量。例如，风能和太阳能通过风力发电机、太阳能热电联产系统转换为电能以提供电负荷，多余的电能可以直接存储在电池储能系统中，也可以通过电解用于NH3生产，还可以通过电锅炉转换为热能供给热负荷。除了太阳能热电联产系统产生的低温热能外，热负荷还可以由电锅炉、燃气锅炉、热电联产机组提供。通过这种多能耦合关系，可以促进新能源在系统中的渗透率，从而提高系统对新能源的接纳能力。
通过对历史数据进行分析，依次经过场景生成、场景缩减、场景树形成，对园区微能源网中不确定的风速、光照及电热两类负荷进行预测，可以优化热、电、气三能源之间的转换和存储，提高园区微能源网的运行经济性。
请参照图2，预测及优化方法包括：
步骤S100，获取当前时刻起的控制时域内所有预测的场景，以及各场景的概率，其中，所述场景包括环境因素历史数据、电负荷历史数据、热负荷历史数据以及各能量转换单元运行状态的历史数据，所述能量转换单元包括风机、太阳能热电联产系统、热电联产机组、燃气锅炉、第一电锅炉和第二电锅炉；
步骤S200，根据所述场景以及相应的概率，求解所述控制时域内满足所述基于新能源转氨气的多能源供应框架的约束条件的目标函数，使得所述目标函数的值最小，输出控制策略并执行所述控制策略。
针对风速、光照以及电热两类负荷的不确定性，本发明采用场景分析来对其进行预测。场景分析是通过对将可能出现的场景进行模拟，使原本不确定的因素变为确定。电力系统在模拟一个可能出现的运行状态的时间序列称为一个场景s，所有的场景s的集合称为场景集S，而用图形表示的场景集S称为场景树。
根据历史数据生成的场景通常较多，为了减轻计算负担并且使生成的场景具有可信度，可以使用同步回代缩减法或者快速前向选择法对原场景集进行缩减得到一个近似子集，使其与原场景集的概率距离最短。
在此步骤中，采用MATLAB中的CPLEX优化工具箱求解模型，求解热电联产机组、第一电锅炉、第二电锅炉、燃气锅炉这些能量转换单元在未来控制时域M时段的出力。
优选地，所述目标函数为：
其中第一和第二项表示电力采购费用，第三项表示因充放电过程中发生的损耗而造成的电池退化费用；Pch,k表示电池储能系统在第k时段时的充电功率，Pdis,k表示电池储能系统在第k时段时的放电功率；μbuy,k表示在第k时段时买入的电价，μsell,k表示在第k时段时售出的电价；μBES表示在整个使用期间，充放电的摊销成本；K表示调度范围的终点；Ns是随机优化的控制策略总数；ρS是场景S的概率，且
优选地，所述约束条件与多个约束条件方程相对应，多个所述约束条件方程包括第一至第七约束条件方程。
温度是控制电化学反应速率和过程的重要环境因素。通常，法拉第效率随着反应温度的升高而增加，因为有更多的热能可用于达到破坏原子间键合所需的活化能。通过典型的分段线性方法拟合文献中的测量数据，法拉第效率可以模拟如下，也就是第一约束条件方程：
为法拉第效率模型，其中ηA,k表示法拉第效率，TZ,k表示在第k时段时氨气电解槽的反应温度，ri是在法拉第效率曲线的第i段上的斜率，ti是在法拉第效率曲线的第i段上的时间断点，TZ,min是消化温度的下限，TZ,max是消化温度的上限。
需要说明的是，氨气的产气率与温度直接相关，温度越高，产气率越高。但是温度过高，消耗电能也越大，温度过低，氨气产气率低。因此，对于电解槽的反应温度，具有如下限制：
TZ,min≤TZ,k≤TZ,max
进一步地，对于氮气产量的约束，可以用法拉第效率来描述。法拉第效率描述了电荷或电子在促进电化学反应的系统中转移的效率。具体的化学反应方程式如下：
6H2O+2N2→4NH3+3O2
氮气产量的约束方程如下：
其中n是在N2还原过程中转移的电子数；F是法拉第系数；fA,k是氨气的生产率；Ik和tk分别是第k时段时通过的电流和流过的时间；Vm,k是在第k时段时对应的温度和压力下的摩尔体积。
第二约束条件方程SE,k＝UkIkk为电解槽消耗的电能模型，其中SE,k为电解槽消耗的电能，Uk为电化学工作站在第k时段时的额定电压，Ik是第k时段时通过的电流。
为了进一步分析新能源系统内部固有的经济性和运行调度性，建立了电能、热能、氨气能三种能量的综合耦合矩阵，也即第三约束条件方程：
其中PWT是风机的电能输出，PPVT是太阳能热电联产系统的电能输出，HPVT是太阳能热电联产系统的热能输出；PBES是电池储能系统的净输出，VGS是氨气储存罐的净输出，且PBES＝Pdis-Pch；fA是氨气的生产率；Le是电负荷，Lh是热负荷；ηe,CHP表示热电联产机组中气转电的效率，ηh,CHP表示热电联产机组中气转热的效率；ηB表示第一、第二电锅炉的效率，ηF表示燃气锅炉的效率；Qgas为氨气的热值；SE是电解过程所需电能；SB为第一、第二电锅炉输入的电能；SCHP为热电联产机组中氨气的输入量；SF为燃气锅炉中氨气的输入量；Sef为加热电解液所用的电能，Shf为加热电解液所用的热能；Sbuy为向上游配电网购买的电能，Ssell为向上游配电网出售的电能。
第四约束条件方程：
SOCgas,min≤SOCgas,k≤SOCgas,max，
VGS,min≤VGS,k≤VGS,max，
对应的约束条件是氨气储存罐的放气量和储气量受到管道容量限制，其中SOCgas,k是在第k时段时的氨气存储状态，VR代表氨气存储的总体积，SOCgas,min是氨气存储状态的下限，SOCgas,max是氨气存储状态的上限，VGS,k代表氨气的输出/输入体积，当VGS,k>0，代表氨气输出，当VGS,k<0，代表氨气输入，VGS,min代表氨气输出的下限，VGS,max代表氨气输出的上限。
第五约束条件方程：
SOCBES,min≤SOCBES,k≤SOCBES,max
对应的约束条件是电池储能系统的充电状态必须被限制在一定范围内，以防止过度充电或者放电，其中SOCBES,k代表电池储能系统在第k时段时的充电状态，SOCBES,min代表电池储能系统充电状态的下限，SOCBES,max代表电池储能系统充电状态的上限；ER是电池储能系统的总储能能力；ηch代表电池储能系统充电效率，ηdis代表电池储能系统放电效率；
过快充放电会降低电池储能系统的性能，并且缩短其使用寿命。因此对于电池储能系统的充放电功率做如下限制，也即第六约束条件方程：
Pch,k≤Pch,max·δk
其中Φk代表电池在第k时段时的充电状态的二进制变量，δk代表电池在第k时段时的放电状态的二进制变量；Pch,max是电池储能系统允许的最大充电功率，Pdis,max是电池储能系统允许的最大放电功率；
第七约束条件方程0≤Sj,k≤Sj,max，其中j＝B,F,CHP对应的约束条件是第一电锅炉、第二电锅炉、燃气锅炉和热电联产机组的输出应符合其容量限制，其中SB,max表示第一、第二电锅炉被允许的最大输出，SF,max表示燃气锅炉被允许的最大输出，SCHP,max表示热电联产机组被允许的最大输出。
为了进一步研究在有外部热能注入的情况下的热电化学效应，本发明建立了热能管理模型，其为一个由电阻-电容构成的热网模型，请参照图3，用其可以捕获电解槽的温度动态。在热能管理模型中，氨气电解槽的内、壁和外温度由具有热势的节点来表示，壁节点TW通过第一电阻RW/2和内电阻Rin的两个串联电阻与氨气电解槽内节点TZ相连，并通过第二电阻RW/2’和外电阻Rout两个串联电阻与外节点Tout连接。
基于所述热能管理模型，氨气电解槽的热动力学为：
QRES,k＝ηBSef,k+Shf,k
其中TZ,k为在第k时段时的氨气电解槽的温度，Tout,k为在第k时段时的外部空气的温度，TW,k为在第k时段时的氨气电解槽壁的温度；CZ为氨气电解槽的热电容，CW为氨气电解槽壁的热电容；uZ是N2的气流速度；ΔH是N2还原反应的焓变；NuZ是电解液的努塞尔数，NuW是氨气电解槽壁的努塞尔数；λZ是电解液的导热系数，λW是氨气电解槽壁的导热系数；dh,Z是电解液的换热表面几何特征长度，dh,W是氨气电解槽壁的换热表面几何特征长度；QRES,k是来自基于新能源转氨气的多能源供应框架的焦耳热。
按照上述流程编制了该系统框架的算法实现程序。在一实施例中，测试参数设置如下：风机容量为150kW，太阳能热电联产系统容量为150kW，第一、第二电锅炉容量为200kW，热电联产机组容量为300kW，燃气锅炉为200kW，电池储能系统容量为400kWh，氨气储存罐体积为120m3，电负荷基准值为315kW，热负荷基准值为85kW，热电联产机组电效率为0.4，热电联产机组热效率为0.45，第一、第二电锅炉热效率为0.75，燃气锅炉热效率为0.75。设置在线优化时段数为24，每个时段时长为1小时。优化结果如图4-6所示，图4为有无新能源反馈加热时的电解槽温度对比图；图5为本发明基于新能源转氨气的多能源供应框架的新能源消纳方法的优化结果中有无新能源反馈加热时的氨气储存罐存量对比图；图6为本发明基于新能源转氨气的多能源供应框架的新能源消纳方法的优化结果中有无新能源反馈加热时的热电联产机组出力对比图。
本发明还提供一种电子设备，请参照图7，在一实施例中，该电子设备包括处理器100以及存储器200，存储器200用于存储处理器的可执行指令，处理器100配置为经由执行可执行指令来执行上述任一实施例中的基于新能源转氨气的多能源供应框架的新能源消纳方法的步骤。可以理解，该智能终端可以为电视、IPAD、PC、手机等。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例中的基于新能源转氨气的多能源供应框架的新能源消纳方法的步骤。
在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第X实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料、方法步骤或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (7)
1.一种基于新能源转氨气的多能源供应框架的新能源消纳方法，其特征在于，所述基于新能源转氨气的多能源供应框架，包括风机、太阳能热电联产系统、氨气电解槽、氨气储存罐、热电联产机组、燃气锅炉、第一电锅炉和第二电锅炉；所述风机和所述太阳能热电联产系统产生的电能按照控制策略分配给电负荷、氨气电解槽、第一电锅炉和第二电锅炉；所述氨气电解槽在所述风机和所述太阳能热电联产系统供应的电能，或者所述风机和所述太阳能热电联产系统供应的电能以及所述第一电锅炉、所述第二电锅炉供应的热能下产生氨气；所述氨气电解槽产生的氨气按照控制策略分配给氨气储存罐、热电联产机组和燃气锅炉；所述热电联产机组根据控制策略将产生的电能输送至电负荷所在供电线路上，将产生的热能供应给热负荷和/或氨气电解槽；所述燃气锅炉、第一电锅炉和所述太阳能热电联产系统产生的热能也根据控制策略供应给热负荷和/或氨气电解槽；所述基于新能源转氨气的多能源供应框架还包括配电网和电池储能系统，所述配电网和所述电池储能系统向所述基于新能源转氨气的多能源供应框架供应和接收电能；所述新能源消纳方法包括以下步骤：
获取当前时刻起的控制时域内所有预测的场景，以及各场景的概率，其中，所述场景包括环境因素历史数据、电负荷历史数据、热负荷历史数据以及各能量转换单元运行状态的历史数据，所述能量转换单元包括风机、太阳能热电联产系统、热电联产机组、燃气锅炉、第一电锅炉和第二电锅炉；
根据所述场景以及相应的概率，求解所述控制时域内满足所述基于新能源转氨气的多能源供应框架的约束条件的目标函数，使得所述目标函数的值最小，输出控制策略并执行所述控制策略；其中，所述约束条件与多个约束条件方程相对应，多个所述约束条件方程包括第一至第七约束条件方程，
所述第一约束条件方程：
为法拉第效率模型，其中ηA,k表示法拉第效率，TZ,k表示在第k时段时氨气电解槽的反应温度，ri是在法拉第效率曲线的第i段上的斜率，ti是在法拉第效率曲线的第i段上的时间断点，TZ,min是消化温度的下限，TZ,max是消化温度的上限；
所述第二约束条件方程SE,k＝UkIkk为电解槽消耗的电能模型，其中SE,k为电解槽消耗的电能，Uk为电化学工作站在第k时段时的额定电压，Ik是第k时段时通过的电流；
所述第三约束条件方程：
为电能、热能、氨气能三种能量的综合耦合矩阵，其中PWT是风机的电能输出，PPVT是太阳能热电联产系统的电能输出，HPVT是太阳能热电联产系统的热能输出；PBES是电池储能系统的净输出，VGS是氨气储存罐的净输出，且PBES＝Pdis-Pch；fA是氨气的生产率；Le是电负荷，Lh是热负荷；ηe,CHP表示热电联产机组中气转电的效率，ηh,CHP表示热电联产机组中气转热的效率；ηB表示第一、第二电锅炉的效率，ηF表示燃气锅炉的效率；Qgas为氨气的热值；SE是电解过程所需电能；SB为第一、第二电锅炉输入的电能；SCHP为热电联产机组中氨气的输入量；SF为燃气锅炉中氨气的输入量；Sef为加热电解液所用的电能，Shf为加热电解液所用的热能；Sbuy为向上游配电网购买的电能，Ssell为向上游配电网出售的电能；
所述第四约束条件方程：
SOCgas,min≤SOCgas,k≤SOCgas,max，
VGS,min≤VGS,k≤VGS,max，
对应的约束条件是氨气储存罐的放气量和储气量受到管道容量限制，其中SOCgas,k是在第k时段时的氨气存储状态，VR代表氨气存储的总体积，SOCgas,min是氨气存储状态的下限，SOCgas,max是氨气存储状态的上限，VGS,k代表氨气的输出/输入体积，当VGS,k>0，代表氨气输出，当VGS,k<0，代表氨气输入，VGS,min代表氨气输出的下限，VGS,max代表氨气输出的上限；
所述第五约束条件方程：
SOCBES,min≤SOCBES,k≤SOCBES,max
对应的约束条件是电池储能系统的充电状态必须被限制在一定范围内，以防止过度充电或者放电，其中SOCBES,k代表电池储能系统在第k时段时的充电状态，SOCBES,min代表电池储能系统充电状态的下限，SOCBES,max代表电池储能系统充电状态的上限；ER是电池储能系统的总储能能力；ηch代表电池储能系统充电效率，ηdis代表电池储能系统放电效率；
所述第六约束条件方程：
Pch,k≤Pch,max·δk
对应的约束条件是限制电池储能系统的充放电功率，以避免过快充放电，其中Φk代表电池在第k时段时的充电状态的二进制变量，δk代表电池在第k时段时的放电状态的二进制变量；Pch,max是电池储能系统允许的最大充电功率，Pdis,max是电池储能系统允许的最大放电功率；
所述第七约束条件方程0≤Sj,k≤Sj,max，其中j＝B,F,CHP对应的约束条件是第一电锅炉、第二电锅炉、燃气锅炉和热电联产机组的输出应符合其容量限制，其中SB,max表示第一、第二电锅炉被允许的最大输出，SF,max表示燃气锅炉被允许的最大输出，SCHP,max表示热电联产机组被允许的最大输出。
2.如权利要求1所述的基于新能源转氨气的多能源供应框架的新能源消纳方法，其特征在于，所有场景的集合称为场景集，使用同步回代缩减法或者快速前向选择法对原场景集进行缩减得到一个近似子集，使其与原场景集的概率距离最短，所述近似子集用于求解目标函数。
3.如权利要求2所述的基于新能源转氨气的多能源供应框架的新能源消纳方法，其特征在于，所述目标函数为：
其中第一和第二项表示电力采购费用，第三项表示因充放电过程中发生的损耗而造成的电池退化费用；Pch,k表示电池储能系统在第k时段时的充电功率，Pdis,k表示电池储能系统在第k时段时的放电功率；μbuy,k表示在第k时段时买入的电价，μsell,k表示在第k时段时售出的电价；μBES表示在整个使用期间，充放电的摊销成本；K表示调度范围的终点；Ns是随机优化的控制策略总数；ρS是场景S的概率，且
4.如权利要求1所述的基于新能源转氨气的多能源供应框架的新能源消纳方法，其特征在于，还包括建立氨气电解槽的热能管理模型，所述热能管理模型为氨气电解槽的内、壁和外温度由具有热势的节点来表示，壁节点通过第一电阻和内电阻的两个串联电阻与氨气电解槽内节点相连，并通过第二电阻和外电阻两个串联电阻与外节点连接。
5.如权利要求4所述的基于新能源转氨气的多能源供应框架的新能源消纳方法，其特征在于，基于所述热能管理模型，氨气电解槽的热动力学为：
QRES,k＝ηBSef,k+Shf,k
其中TZ,k为在第k时段时的氨气电解槽的温度，Tout,k为在第k时段时的外部空气的温度，TW,k为在第k时段时的氨气电解槽壁的温度；CZ为氨气电解槽的热电容，CW为氨气电解槽壁的热电容；uZ是N2的气流速度；ΔH是N2还原反应的焓变；NuZ是电解液的努塞尔数，NuW是氨气电解槽壁的努塞尔数；λZ是电解液的导热系数，λW是氨气电解槽壁的导热系数；dh,Z是电解液的换热表面几何特征长度，dh,W是氨气电解槽壁的换热表面几何特征长度；QRES,k是来自基于新能源转氨气的多能源供应框架的焦耳热。
6.一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，该程序被处理器执行时实现权利要求1-5任一项所述的基于新能源转氨气的多能源供应框架的新能源消纳方法的步骤。
7.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器用于存储所述处理器的可执行指令，所述处理器配置为经由执行所述可执行指令来执行权利要求1-5任一项所述的基于新能源转氨气的多能源供应框架的新能源消纳方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811312137.5A CN109412181B (zh) | 2018-11-06 | 2018-11-06 | 基于新能源转氨气的多能源框架、消纳方法、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811312137.5A CN109412181B (zh) | 2018-11-06 | 2018-11-06 | 基于新能源转氨气的多能源框架、消纳方法、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109412181A CN109412181A (zh) | 2019-03-01 |
| CN109412181B true CN109412181B (zh) | 2020-06-02 |
Family
ID=65471561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811312137.5A Active CN109412181B (zh) | 2018-11-06 | 2018-11-06 | 基于新能源转氨气的多能源框架、消纳方法、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109412181B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112910009B (zh) * | 2021-01-11 | 2023-01-31 | 华翔翔能科技股份有限公司 | 一种混合可再生能源耦合制氢方法及其系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015192875A1 (en) * | 2014-06-16 | 2015-12-23 | Siemens Aktiengesellschaft | System and method for supplying an energy grid with energy from an intermittent renewable energy source |
| CN106372742A (zh) * | 2016-08-19 | 2017-02-01 | 天津大学 | 考虑电转气多源储能型微网日前最优经济调度方法 |
| CN106447152A (zh) * | 2016-06-21 | 2017-02-22 | 中国南方电网有限责任公司电网技术研究中心 | 基于能源中心的电‑气‑热系统协同调度方法和系统 |
| CN106877409A (zh) * | 2017-04-13 | 2017-06-20 | 国网山东省电力公司菏泽供电公司 | 通过电转气储能技术提高电力系统对风电消纳能力的方法 |
| CN107967537A (zh) * | 2017-11-27 | 2018-04-27 | 湖南大学 | 一种风光沼微能源网的能量管理方法及装置 |
| CN108229865A (zh) * | 2018-03-30 | 2018-06-29 | 天津大学 | 一种基于碳交易的电热气综合能源系统低碳经济调度方法 |
| CN108494012A (zh) * | 2018-01-31 | 2018-09-04 | 浙江工业大学 | 一种计及电转气技术的区域综合能源系统在线优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10509374B2 (en) * | 2015-10-07 | 2019-12-17 | University Of Utah Research Foundation | Systems and methods for managing power generation and storage resources |
-
2018
- 2018-11-06 CN CN201811312137.5A patent/CN109412181B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015192875A1 (en) * | 2014-06-16 | 2015-12-23 | Siemens Aktiengesellschaft | System and method for supplying an energy grid with energy from an intermittent renewable energy source |
| CN106447152A (zh) * | 2016-06-21 | 2017-02-22 | 中国南方电网有限责任公司电网技术研究中心 | 基于能源中心的电‑气‑热系统协同调度方法和系统 |
| CN106372742A (zh) * | 2016-08-19 | 2017-02-01 | 天津大学 | 考虑电转气多源储能型微网日前最优经济调度方法 |
| CN106877409A (zh) * | 2017-04-13 | 2017-06-20 | 国网山东省电力公司菏泽供电公司 | 通过电转气储能技术提高电力系统对风电消纳能力的方法 |
| CN107967537A (zh) * | 2017-11-27 | 2018-04-27 | 湖南大学 | 一种风光沼微能源网的能量管理方法及装置 |
| CN108494012A (zh) * | 2018-01-31 | 2018-09-04 | 浙江工业大学 | 一种计及电转气技术的区域综合能源系统在线优化方法 |
| CN108229865A (zh) * | 2018-03-30 | 2018-06-29 | 天津大学 | 一种基于碳交易的电热气综合能源系统低碳经济调度方法 |
Non-Patent Citations (4)
| Title |
|---|
| Improved particle swarm optimization algorithm to multi-objective optimization energy hub model with P2G and energy storage;Rui Ma等;《2017 IEEE Conference on Energy Internet and Energy System Integration》;20180104;全文 * |
| Optimal Stochastic Operation of Integrated Low-Carbon Electric Power, Natural Gas, and Heat Delivery System;Yong Li等;《 IEEE Transactions on Sustainable Energy》;20170717;第9卷(第1期);全文 * |
| 含电转气的电-气-热系统协同调度与消纳风电效益分析;李扬等;《电网技术》;20161231;第40卷(第12期);全文 * |
| 考虑P2G多源储能型微网日前最优经济调度策略研究;陈沼宇等;《中国电机工程学报》;20170605;第37卷(第11期);第3067-3077页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109412181A (zh) | 2019-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Maleki et al. | Comparative study of artificial intelligence techniques for sizing of a hydrogen-based stand-alone photovoltaic/wind hybrid system | |
| Han et al. | Mode-triggered droop method for the decentralized energy management of an islanded hybrid PV/hydrogen/battery DC microgrid | |
| Castañeda et al. | Sizing optimization, dynamic modeling and energy management strategies of a stand-alone PV/hydrogen/battery-based hybrid system | |
| WO2011086886A1 (ja) | 需給制御装置、需給制御方法、および、需給制御システム | |
| Amirthalakshmi et al. | A novel approach in hybrid energy storage system for maximizing solar PV energy penetration in microgrid | |
| Krishna | Optimization analysis of microgrid using HOMER—A case study | |
| Hidaka et al. | Modeling of a hybrid system of photovoltaic and fuel cell for operational strategy in residential use | |
| Dufo-López et al. | Optimisation of off-grid hybrid renewable systems with thermoelectric generator | |
| CN110165715B (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
| Habibifar et al. | Robust energy management of residential energy hubs integrated with Power-to-X technology | |
| Fard et al. | Evaluation of reliability parameters in micro-grid | |
| CN109412181B (zh) | 基于新能源转氨气的多能源框架、消纳方法、介质及设备 | |
| CN110224397B (zh) | 一种风光接入背景下用户侧电池储能成本效益分析方法 | |
| Patel et al. | Implementation of a lab-scale green hydrogen production system with solar PV emulator and energy storage system | |
| Rasouli et al. | Net zero energy home including photovoltaic solar cells, wind turbines, battery energy storage systems and hydrogen vehicles | |
| Kord et al. | An integrated hybrid power supply for off-grid applications fed by wind/photovoltaic/fuel cell energy systems | |
| CN115392673A (zh) | 一种微电网低碳调度方法、系统、电子设备和介质 | |
| John et al. | Power Flow Management and BESS Design Consideration for Solar PV fed Isolated DC Microgrid for Residential Applications | |
| Heo et al. | Energy resource capacity optimization for zero-energy housing complex | |
| CN114386256A (zh) | 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法 | |
| Yoon et al. | A multiagent-based hybrid power control and management of distributed power sources | |
| Labrini et al. | An optimized control method of an energy source renewable with integrated storage source for smart home | |
| CN115238505B (zh) | 基于风光场站的热电氢联供型系统优化配置方法及系统 | |
| CN118095796B (zh) | 基于条件风险价值的ies可调能力评估方法、装置、设备及介质 | |
| Amri et al. | Study of a PV/Battery System for Hydrogen production and storage |
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 |