CN110348709A - 基于氢能与储能设备的多能源系统的运行优化方法和装置 - Google Patents
基于氢能与储能设备的多能源系统的运行优化方法和装置 Download PDFInfo
- Publication number
- CN110348709A CN110348709A CN201910562423.5A CN201910562423A CN110348709A CN 110348709 A CN110348709 A CN 110348709A CN 201910562423 A CN201910562423 A CN 201910562423A CN 110348709 A CN110348709 A CN 110348709A
- Authority
- CN
- China
- Prior art keywords
- energy
- hydrogen
- demand
- scene
- storage device
- 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.)
- Granted
Links
- 239000001257 hydrogen Substances 0.000 title claims abstract description 170
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 170
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 165
- 238000004146 energy storage Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 109
- 239000000446 fuel Substances 0.000 claims abstract description 63
- 230000005611 electricity Effects 0.000 claims abstract description 50
- 238000010521 absorption reaction Methods 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 239000002918 waste heat Substances 0.000 claims abstract description 15
- 230000005855 radiation Effects 0.000 claims abstract description 14
- 238000011084 recovery Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 39
- 238000013178 mathematical model Methods 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 10
- 238000013486 operation strategy Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 239000007789 gas Substances 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010348 incorporation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 15
- 238000010248 power generation Methods 0.000 abstract description 6
- 238000003860 storage Methods 0.000 description 14
- 238000001816 cooling Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 150000002431 hydrogen Chemical class 0.000 description 7
- 238000002485 combustion reaction Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000003245 coal Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 description 1
- 241000720974 Protium Species 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001473 noxious effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
Abstract
本发明公开了基于氢能与储能设备的多能源系统的运行优化方法和装置，该系统由燃料电池、电解槽、吸收式制冷机、余热回收装置、光伏发电系统、太阳能热水器、风力发电机组、储氢罐、压缩机、热水罐与冷水罐组成。该方法采用情景树方法以解决随机性问题，根据风力、太阳辐射强度、电需求、冷需求、热需求的预测值及偏差，建立风力发电、光伏发电、太阳能产热、用户电冷热需求的预期场景，以在所有情景下平均运行成本最小为目标，对系统进行混合整数线性优化，以研究系统的运行策略。在该优化问题中，保持燃料电池以及吸收式制冷机在所有情景下的运行策略相同，而令电解槽、储氢罐、热水罐与冷水罐在不同情境下的运行策略可变，以达到消纳可再生能源的目的。
Description
技术领域
本发明属于多能源系统技术领域，具体涉及基于氢能与储能设备的多能源系统的运行优化方法和装置。
背景技术
人类历史上每一次能源利用的里程碑式发展，都会开启一个新的时代。从木柴到煤炭再到石油，人类文明也随之飞速进步，同时也越来越离不开能源。而目前煤炭和石油等石化能源正面临着枯竭，碳排放带来的环境问题和全球气候变暖正在不断吞噬人类的生存环境，人类文明又将面临一个重大的转折。未来能源的选择，高效、清洁、可持续是要素，其中高效是必要条件。高效就意味着能量密度高，寻踪能源发展史不难发现每次能源的更迭都是在向更高的能量密度发展。氢气是常见燃料中热值最高的，约是石油的三倍，煤炭的5倍。同时氢气的供能方式主要是和氧气反应生成水释放化学能，其产物除了水无其他中间产物，整个功能过程无浪费、零污染，供能过程非常清洁。此外，氢元素是宇宙储量最丰富的，大储量保证其作为能源供给的可持续性。因此高效、清洁、可持续的氢能被视为21世纪最具发展潜力的清洁能源，并且将极大概率的成为人类的终极能源。
燃料电池与普通电池一样，将化学能转化成电能。但与普通电池不同，它借助燃料和氧化剂可以持续产生直流电。因此，燃料电池并非储能电池，而是一个小型“发电厂”。燃料电池是是一种不经过燃烧过程直接以电化学反应方式将燃料如氢气、天然气等和氧化剂中的化学能直接转化为电能的高效发电装置。燃料电池可以持续发电，且生成物主要是水，基本上不排放有害气体，因此更加清洁环保。
目前燃料电池的运用主要有便携式领域、固定式领域和汽车三个方面。便携式燃料电池是可随身携带的发电装置，这种装置可以内嵌在设备中，也可以作为移动电源携带，与目前电子设备中所用的电池具有相似的功能，但能够提供的能量范围更广。而固定式燃料电池则不可移动，与发电站或发电机功能类似。这种燃料电池可以采用各种燃料电池技术，并且可以提供的能量范围更广。
固定电源应用是氢能应用目前最大的市场，它包括所有的在固定的位置运行的作为主电源、备用电源或者热电联产的燃料电池，比如分布式发电及余热供热等。固定燃料电池被用于商业、工业及住宅主要和备份能发电，它还可以作为动力源可以安装在片源远位置，如航天器、远端气象站、大型公园及游乐园、通讯中心、农村及偏远地带，对于一些科学研究站和某些军事应用非常重要。固定电源应用在燃料电池主流应用中占比最大，其中美国市场目渗透率略高，大型企业的数据中心使用量呈较明显的上升趋势。除用于发电之外，热电联产燃料电池系统还可以同时为工业或家庭供电和供热，其中日本已经将热电联产的家用燃料电池系统推广进千家万户。自2009年上市以来，到2016年底已累计销售19.6万台。市场销售目标到2020年达到140万台，2030年达到530万台。
当前，可再生能源，诸如太阳能、风能的利用已日趋普遍，但在可再生能源的利用中，由于天气状况的不确定性，以及用户需求的不确定性，“弃风”、“弃光”现象十分严重。以风电为例，中国风电装机装机容量居世界首位。与此同时，全年弃风电量增长迅速，平均弃风率目前达到21％，弃风限电向常态化、恶性化发展。
该方案希望通过研究一个基于氢能与多种储能设备的分布式多能源系统的最优运行策略，结合可再生能源，在满足用户电、热、冷需求的同时，最小化运行成本，并通过含氢在内的多种储能设备消纳可再生能源的不确定性。
发明内容
为了解决上述问题，本发明提供了基于氢能与储能设备的多能源系统的运行优化方法和装置，能够满足用户的电、冷、热需求及其随机性，消纳可再生能源的不确定性，提高系统效率并达到最小的运行成本。
为达到上述目的，本发明采用如下技术方案：
基于氢能与储能设备的多能源系统的运行优化方法，包括以下步骤：
S1、收集当前天气数据及用户需求数据，并给出需求负载及天气的预测数据，其中天气数据包括太阳辐射强度、风速以及风向，用户需求数据包括用户电需求、冷需求和热需求；
S2、根据S1预测出的需求负载和天气数据对氢能与储能设备的多能源系统进行优化，得到氢能与储能设备的多能源系统中各设备的最优运行策略集；
S3、根据S2得到的最优运行策略集对所述基于氢能与储能设备的多能源系统的运行进行控制；
其中，得到氢能与储能设备的多能源系统中各设备的最优运行策略集的过程包括以下步骤：
S201、构建基于氢能的多能源系统的数学模型，其中包括电解槽数学模型、储氢罐数学模型、压缩机数学模型、燃料电池数学模型、余热回收装置数学模型、吸收式制冷机数学模型、热水罐数学模型以及冷水罐数学模型；
S202、确定目标函数及约束条件，目标函数使得该系统运行成本最小；
S203、构建样本参数集，样本参数集包括一个需求负载样本，一个天气数据样本，价格参数与系统中各个设备的参数；
S204、生成情景树并约简，得到最终的情景树；
S205、基于S203构建的样本参数集与S204得到的情景树，对S201构建的数学模型和S202确定的约束条件，采用混合整数优化方法对目标函数求解，获得最优运行策略集Ω。
进一步的，步骤202中的目标函数为：
其中，S为情景总数，下标s为第s个情景，T为调度周期，下标t为第t个时段，πs为第s个情景的概率，分别为第s个情景下第t个时段的电力成本与氢成本，为第s个情景下第t个时段的买电功率，分别为第s个情景下第t个时段的卖电功率，为分时电价，λU为售电价格，为第s个情景下第t个时段的买氢量，λB为从市场中买入氢的价格。
进一步的，约束条件包括电网交互约束条件、购氢约束条件、电平衡约束条件、氢平衡约束条件、热平衡约束条件和冷平衡约束条件。
进一步的，需求负载样本包括各时段用户电、冷和热需求，天气数据样本包括各个时段的太阳辐射强度、风速以及风向，价格参数包括分时电价、上网电价与氢价，设备参数包括于氢能与储能设备的多能源系统中设备的容量、额定功率和能效比。
进一步的，S204包括以下步骤：
S2041、根据天气数据样本与用户需求的预测值，按照给定的标准差生成S个情景；
S2042、计算所有情景两两之间随机变量的欧氏距离；
S2043、将欧氏距离最小的一对情景中的任意一个情景删除，并将被删除场景的概率加给与之欧氏距离最小的场景，将删除的场景的概率变为零；
S2044、重复执行步骤1043J-1次，J＝(0.8～0.99)S，得到含有S-J个情景的情景树。
进一步的，S2041中，每个情景随机变量自由度为5，即太阳辐射强度、风速以及风向、用户电需求、冷需求和热需求。
进一步的，S2041中，每个情景均遵循正态分布，每个正态分布的均值为其预测值，标准差为X。
进一步的，最优运行策略集包括电解槽运行策略、储氢罐运行策略、燃料电池运行策略、吸收式制冷机运行策略、热水罐运行策略、冷水罐运行策略。
一种基于氢能与储能设备的多能源系统的运行优化装置，包括信息感知分析模块、优化计算模块与中央控制器模块；信息感知分析模块收集当前天气及用户需求数据，并作出分析及预测，将预测的需求负载及天气数据输送到优化计算模块；优化计算模块用于根据需求负载及天气数据得到多能源系统中各设备的最优运行策略集，并将该最优运行策略集输送到中央控制器；，中央控制器模块通过数据线与多能源系统中各设备相连，控制各设备的开关机与运行状态。
进一步的，优化计算模块包括初始化模块、样本构建模块、情景树生成模块和求解模块，
初始化模块，用于构建基于氢能与多种储能设备的多能源系统的数学模型，确定目标函数及相关约束条件，目标函数使得该系统运行成本最小；
样本构建模块，用于构建样本参数集，样本参数集包括一个需求负载样本，一个天气数据样本以及价格参数与各个设备的参数，其中需求负载样本包括各时段用户电、冷、热需求，其中天气数据样本包括各个时段的太阳辐射强度、风速以及风向，价格参数包括分时电价、上网电价与氢价，设备参数包括各个设备的容量、额定功率、能效比等；
情景树生成模块，用于生成情景树，根据天气情况与用户需求的预测值生成S个情景，并加以约简；
求解模块，用于对已构建的样本参数集与已生成的情景树采用混合整数优化算法对目标函数求解，获得最优运行策略集Ω。
与现有技术相比，本发明至少具有以下有益的技术效果：
该方法采用情景树方法以解决随机性问题，根据风力、太阳辐射强度、电需求、冷需求、热需求的预测值及偏差，建立风力发电、光伏发电、太阳能产热、用户电冷热需求的预期场景，以在所有情景下平均运行成本最小为目标，对系统进行混合整数线性优化，以研究系统的运行策略。在该优化问题中，保持燃料电池以及吸收式制冷机在所有情景下的运行策略相同，而令电解槽、储氢罐、热水罐与冷水罐在不同情境下的运行策略可变，以达到消纳可再生能源的目的。
该方法以氢作为能量转换载体，可以降低多能源系统的碳排放；通过余热回收装置与吸收式制冷机的运用，可以在不同季节充分利用燃料电池所产生的热能，从而提高系统能量效率；由于分时电价的存在，通过最小化运行费用，可以将该系统的用电高峰转移至谷时电价时段，减小电网最大负载；情景树方法的运用，可以在考虑天气情况与需求负载预测的随机性的情况下，通过保持吸收式制冷机与燃料电池的运行策略在所有情景下不变，实现吸收式制冷机与燃料电池的日前调度。
附图说明
图1为基于氢能与多种储能设备的多能源系统的示意图；
图2为基于氢能与多种储能设备的多能源系统的运行优化装置示意图；
图3为一种基于氢能与多种储能设备的多能源系统的运行优化方法流程图；
图4为北京某写字楼基于上述方案的目标函数值与各情景下运行费用；
图5为燃料电池与吸收式制冷机的最优运行策略；
图6为优化计算模块一种可能的结构示意图；
图7为优化计算模块的第二种可能的结构示意图；
图8为优化计算模块的第三种可能的结构示意图；
附图1中，细实线代表电力，细虚线代表氢，粗实线代表热量，粗虚线代表冷量。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
参照图1，本发明的实施例提供了基于氢能与多种储能设备的多能源系统，包括质子交换膜电解槽(以下简称电解槽)、高压储氢罐(以下简称储氢罐)、压缩机、质子交换膜燃料电池(以下简称燃料电池)、光伏发电系统、太阳能热水器、风力发电机组、余热回收装置、吸收式制冷机、冷水罐和热水罐，该系统可通过电网供电、从外部买入氢气以及分布式可再生能源发电供能，为用户提供电、热需求、冷需求，并可为燃料电池汽车加氢；
燃料电池的热水管道和余热回收装置的输入接口连接，余热回收装置的第一输出接口与热水罐的进水口连接，余热回收装置的第二输出接口与吸收式制冷机的热水进水口连接，热水罐的出水口与吸收式制冷机的热水进水口连接以及用于提供满足用户热需求的热水管道连接，热水罐的进水口与太阳能热水器的出水口连接；吸收式制冷机的出水口与冷水罐的进水口连接，冷水罐用于提供满足用户冷需求的冷水。
光伏发电系统以及风力发电机组与电网连接，光伏发电系统以及风力发电机组通过导线与电解槽连接，光伏发电系统以及风力发电机组用于给电解槽供电，电解槽的氢气输出口和燃料电池的氢气输入口连接，电解槽的氢气输出口和压缩机的进气口连接，压缩机的出气口和储氢罐的进气口连接，储氢罐的出气口和燃料电池的氢气输入口连接。燃料电池的电能输出端与电网以及电解槽电连接。
该系统通过光伏发电系统与太阳能热水器利用太阳能产生电力和热水，通过风力发电机组利用风能产生电力；该系统通过电解槽利用电力产生氢气，并使用压缩机将其储存到储氢罐中，或直接输入燃料电池中；该系统通过燃料电池产生电力，并通过余热回收装置以热水的形式收集燃料电池所产生的热能，再通过吸收式制冷机利用热水制冷水，以燃料电池、余热回收装置、吸收式制冷机所组成的冷热电联产系统满足用户的电、热、冷需求；由于该系统中冷热能均以水的形式存在，故使用热水罐存储热量，冷水罐存储冷量；该系统可与电网进行电力买卖，可从市场中购入氢气，并可利用多余氢气为燃料电池汽车加氢。
光伏发电系统、风力发电机组产生的电力超出用户电需求时，用于电解槽制取氢气，电解槽通过电解水的方式制取氢气；
储氢罐采用高压储氢的方式存储氢气，辅以压缩机，能够在常温下快速的进行充放气，存储由电解槽产生的氢气或供应氢气于燃料电池；
燃料电池产生电能以供应电能，超出用户电需求时用于电解槽制取氢气，利用余热回收装置将燃料电池产生的热能以热水的形式收集，并用于供给用户热需求或存储于热水罐。
吸收式制冷机利用热水制取冷水，并用于供给用户冷需求或存储于冷水罐。
该系统利用电解槽在用户需求量较低时，将可再生能源所产生的冗余电力转化为氢气，并通过压缩机储存进高压储氢罐中，而在用户需求较高时将氢输入燃料电池中产能，从而达到消纳可再生能源的目的；
该系统可利用电解槽在谷时电价时制氢，并将氢气储存，并在需求量大时利用，从而对电网起到一定的调节作用，并降低运行成本。系统仅有燃料电池与太阳能热水器可以产热，仅有吸收式制冷机产冷，而太阳能热水器产热、用户热冷需求均存在随机性，故使用热水罐与冷水罐储存热水与冷水，从而消除冷热负荷的不平衡以及可再生能源的不确定性。
基于氢能与多种储能设备的多能源系统工作方法，由光伏发电系统和风力发电机组将太阳能与风能转化为电能，当某时段可再生能源发电量大于电需求量时，通过电解槽将电能转化为氢，并存储在储氢罐中，而当某时段可再生能源发电量小于电需求量时，燃料电池使用储氢罐中的氢发电以供应电需求；该系统可与电网进行电力交易，买入电价遵循峰谷电价，当处于谷时电价时，系统从电网买电，并利用电解槽将买入电力转化为氢，并存储到储氢罐中，当处于峰时电价时，燃料电池可利用储氢罐中的氢进行发电与发热；该系统可通过燃料电池同时产生电与热，同时通过余热回收装置将其产生的热能以热水的形式用于供给热需求或存储于热水罐或供给吸收式制冷机；当电负载大于冷热负载之和时，燃料电池工作在以电定热模式下，生产出的多余热能以热水形式存储到热水罐中，当冷热负载之和大于电负载时，燃料电池工作在以热定电模式下，生产的多余电能通过电解槽转化为氢，并存储到储氢罐中；该系统通过太阳能热水器利用太阳能产生热水，当太阳能热水器产热量大于热负载时，将其产生的热水存入热水罐中，并在热负载较大时由热水罐输出热水以供应热能；该系统可通过吸收式制冷机利用热水产生冷水以供应用户冷需求，并可通过冷水罐的存储与放出应对不同情景下用户冷需求的随机性；该系统可通过氢与水的互相转化与多种储能设备的结合达到消纳可再生能源与用户需求随机性，提高系统效率，减轻用电高峰电网负荷的作用。
参照图3所示，本发明的实施例提供一种基于氢能与多种储能设备的多能源系统的运行优化方法，构建基于氢能与多种储能设备的多能源系统的数学模型，确定目标函数以及相关约束条件，构建包含一个需求负载样本、气候数据样本及价格参数与设备参数的参数集，生成一个以天气情况与用户需求预测值为根据的情景树并约简，对已构建的样本参数集与情景树采用混合整数优化算法对目标函数求解，获得最优运行策略集Ω；具体包括如下步骤：
S1、收集当前天气数据及用户需求数据，并预测出需求负载及天气数据；
S2、根据S1预测出的需求负载和天气数据对氢能与储能设备的多能源系统进行优化，得到氢能与储能设备的多能源系统中各设备的最优运行策略集；
S3、根据S2得到的最优运行策略集对基于氢能与储能设备的多能源系统的运行进行控制；
其中，S2包括以下步骤：
201、构建基于氢能的多能源系统的数学模型，其中包括燃料电池与余热回收装置数学模型、吸收式制冷机数学模型、压缩机数学模型、电解槽数学模型、储氢罐数学模型、热水罐数学模型以及冷水罐数学模型，热量与冷量以热水与冷水形式存在，在假设热水与冷水的温度恒定的前提下，以能量单位描述热量与冷量的大小，假设系统及各设备在某一时段t内状态不变，
燃料电池与余热回收装置数学模型为：
其中，为燃料电池在第t个时段的电功率，单位为千瓦；τ为每个时段的长度，单位为小时；为燃料电池在第t个时段的产电系数，即产生的电功率与消耗氢的质量的比值，与其当前时段电功率有关；为燃料电池在第t个时段所消耗的氢的质量，单位为千克；为燃料电池在第t个时段的产热量，单位为千瓦时；为燃料电池与余热回收装置所组成的产热系统在第t个时段的产热系数，即产生的热量与消耗的氢的质量有关，与其当前时段电功率有关；为燃料电池的额定电功率，单位为千瓦。
吸收式制冷机数学模型为：
其中，为吸收式制冷机在第t个时段所产生的冷量，单位为千瓦时；为吸收式制冷机在第t个时段所消耗的热量，单位为千瓦时；为吸收式制冷机在第t 个时段的COP，即所产生冷量与所消耗热量的比值，与其在该时段所消耗热量有关；为吸收式制冷机在单一时段内所能消耗热量的最大值，单位为千瓦时。
压缩机数学模型为
其中，为压缩机在第t个时段所消耗的电功率，单位为千瓦；kCO为压缩机的耗电系数，即其所消耗电功率与其所压缩的氢气质量的比值；为压缩机在第t个时段所压缩的氢气质量，单位为千克。
电解槽数学模型为
其中，为电解槽在第t个时段所产生的氢气质量，单位为千克；为电解槽在第t个时段所消耗的电功率，单位为千瓦；kEL为电解槽的产氢系数，即产氢质量与其所消耗电功率的比值；为电解槽的额定功率。
储氢罐数学模型为
其中，当第t个时段内氢气被存储到储氢罐中时，当第t个时段内储氢罐中氢气被放出时，Mht为储氢罐的容量，单位为千克；为第t个时段内存储进储氢罐中的氢气的质量，单位为千克；为第t个时段内从储氢罐中放出的氢气的质量，单位为千克；为第t个时段储氢罐中剩余的氢气质量，为第t+1个时段储氢罐中剩余的氢气质量，单位为千克。
热水罐数学模型为
其中，为第t个时段热水罐中所剩余的热量，为第t+1个时段热水罐中所剩余的热量，单位均为千瓦时；为第t个时段内存储进热水罐中的热量，单位为千瓦时；为第t个时段热水罐所放出的热量，单位为千瓦时；为第t个时段热水罐的热量损耗，单位为千瓦时；Gs为热水罐的容量，单位为千瓦时。
冷水罐数学模型为
其中，为第t个时段冷水罐中所剩余的冷量，为第t+1个时段冷水罐中所剩余的冷量，单位均为千瓦时；为第t个时段内存储进冷水罐中的冷量，单位为千瓦时；为第t个时段冷水罐所放出的冷量，单位为千瓦时；为第t个时段冷水罐的冷量损耗，单位为千瓦时；Qs为冷水罐的容量，单位为千瓦时。
S202、确定目标函数、系统平衡约束条件以及各设备约束条件，目标函数使得该系统在运行周期内的所有情景下的平均运行成本最小，其目标函数为：
其中，S为情景总数，下标s为第s个情景，T为调度周期，即24小时，而下标 t为第t个时段，πs为第s个情景的概率，分别为第s个情景下第t 个时段的电力成本与氢成本，单位为人民币；分别为第s个情景下第t个时段的买电功率、卖电功率，单位为千瓦，注意在本模型中认为同一时段内功率为恒定值；为分时电价，λU为售电价格，单位为人民币每千瓦时。为第s个情景下第t个时段的买氢量，单位为千克；λB为从市场中买入氢的价格，单位为人民币每千克。为了表述的简便，在除了目标函数之外的其他公式中，均省略相关表示情景的下标s。
相关约束条件如下：
电网交互约束为：
其中，当第t个时段系统从电网中购入电力时，当第t个时段系统向电网出售电力时，为第t个时段系统从电网中购入的电功率，单位为千瓦；为第t个时段系统向电网出售的电功率，单位为千瓦；Ptf为系统与电网交互的最大功率，单位为千瓦。
购氢约束为：其中为从市场中买入氢的价格，单位为人民币每千克。
电平衡约束为：
其中，为第t个时段太阳能电池板所产生的电功率，为第t个时段内风力发电机组所产生的电功率，单位均为千瓦；为第t个时段用户电需求，单位为千瓦时。
氢平衡约束为：为第t个时段的买氢量，单位为千克
热平衡约束为：
其中，为太阳能热水器所产生的热量，单位为千瓦时，为第t个时段用户热需求，单位为千瓦时。
冷平衡约束为：
其中，为第t个时段用户冷需求，单位为千瓦时。
S203、构建样本参数集，样本参数集包括一个需求负载样本，一个天气数据样本、价格参数与各个设备的参数，其中需求负载样本包括各时段用户电需求、冷需求和热需求，其中天气数据样本包括各个时段的太阳辐射强度、风速以及风向，价格参数包括分时电价、上网电价与氢价，设备参数包括压缩机、燃料电池、电解槽、储氢罐、吸收式制冷机、水罐、余热回收装置的容量、额定功率、效率和能效比以及水罐的热损耗。
S204、生成情景树并约简:
S2041、根据天气数据样本与用户需求的预测值，按照给定的标准差X生成S个情景，每个情景的随机变量自由度为5，即太阳辐射强度、风力、用户电需求、冷需求和热需求，太阳辐射强度、风力、用户电需求、冷需求和热需求均遵循正态分布，每个正态分布的均值为其预测值，(预测值即为203需求负载样本及天气数据样本)，标准差为X为均值的3％-20％；
S2042、计算所有情景两两之间随机变量的欧氏距离；
S2043、将欧氏距离最小的一对情景中的任意一个情景删除，并将被删除场景的概率加给与之欧氏距离最小的场景，将删除的场景的概率变为零；
S2044、重复执行1043J-1次，J＝(0.8～0.99)S，得到含有S-J个情景的情景树。
S205、基于S203构建的样本参数集与S204得到的情景树，对S201构建的数学模型和S202确定的约束条件，采用混合整数优化方法对目标函数求解，获得最优运行策略集Ω。最优运行策略集包括电解槽运行策略、储氢罐运行策略、燃料电池运行策略、吸收式制冷机运行策略、热水罐运行策略和冷水罐运行策略。其中，燃料电池与吸收式制冷机的运行策略在不同情景下保持相同，而其他设备的运行策略随着情景的变化而不同，以研究储能设备对可再生能源以及用户需求所存在的随机性的消纳作用。
在所有情景下，保持燃料电池与吸收式制冷机的运行策略一致，而以不同情景下电解槽、储氢罐、热水罐、冷水罐的策略变化消纳可再生能源与用户需求的不确定性。
该方法考虑包含氢、冷、热、电、水以及可再生能源在内的复杂优化问题，并考虑该系统自身与电网协同配合，以及与氢供应链和燃料电池汽车的协同管理。在上述方案中，构建基于氢能与多种储能设备的多能源系统的数学模型，确定目标函数及相关约束条件，构建样本参数集，生成情景树，样本参数集包含一个需求负载样本、天气数据样本和价格参数与若干设备参数，对已构建的样本参数集和已生成的情景树采用混合整数优化算法对目标函数求解，获得最优运行策略集Ω。
如图4为北京某写字楼基于上述方案的目标函数值与各情景下运行费用，图5为通过上述方法得到的燃料电池与吸收式制冷机的最优运行策略。由图4可以看出，各情景下的运行费用的标准差远小于所设置情景树的标准差，即本方法可以有效降低天气情况与需求负载预测所存在的随机性；由图5可以看出，本方法可以通过在优化计算中，保持燃料电池与吸收式制冷机的运行策略在所有情景下不变，寻找到满足所有情景的燃料电池与吸收式制冷机的最优运行策略，即可实现燃料电池与吸收式制冷机的日前调度。
该系统主要使用氢与水作为能量流动与储存载体，消纳可再生能源产电、产热与用户电、热、冷需求的不确定性与不平衡性；该系统利用氢与水的互相转化实现能量流动，效率高且无碳排放、无污染；电解槽将水转化为氢，同时将电能转化为化学能，转化效率为60％-70％；燃料电池将氢转化为水，同时将化学能转化为热能和电能；该系统利用氢作为储能载体，氢能量密度高。
参照图2，一种基于氢能与储能设备的多能源系统的运行优化装置，其特征在于，包括信息感知分析模块、优化计算模块与中央控制器模块；信息感知分析模块收集当前天气及用户需求数据，并作出分析及预测，将预测的需求负载及天气数据输送到优化计算模块；优化计算模块用于根据需求负载及天气数据得到多能源系统中各设备的最优运行策略集，并将该最优运行策略集输送到中央控制器；，央控制器模块通过数据线与多能源系统中各设备相连，控制各设备的开关机与运行状态。
其信息感知分析模块用于收集天气及需求数据，其中，太阳辐射强度与风力从中国天气网获得，用户电需求由电表获得，用户热需求由设在系统供应热水的管道上的水表获得，用户冷需求由设在系统供应冷水的管道上的水表获得。
本发明的实施例提供一种基于氢能与多种储能设备的多能源系统的运行优化装置，用于执行上述基于氢能与多种储能设备的多能源系统的运行优化方法。可以根据上述方法示例对优化计算模块进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下，图6示出了优化计算模块的一种可能的结构示意图，基于氢能的多能源系统的配置优化装置包括：初始化模块101、样本构建模块102，情景树生成模块103，求解模块104。初始化模块101用于支持基于氢能与多种储能设备的多能源系统的运行优化装置执行S201及S202；样本构建模块102用于支持基于氢能与多种储能设备的多能源系统的运行优化装置执行S203；情景树生成模块103用于支持基于氢能与多种储能设备的多能源系统的运行优化装置执行S204；求解模块 104用于支持基于氢能与多种储能设备的多能源系统的运行优化装置执行S205；其中，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。
在采用集成的单元的情况下，图7示出了优化计算模块的一种可能的结构示意图。基于氢能与多种储能设备的多能源系统的运行优化装置包括：处理单元111和存储单元112。处理单元111用于对基于氢能与多种储能设备的多能源系统的运行优化装置的动作进行控制管理，例如，处理单元112用于支持基于氢能与多种储能设备的多能源系统的运行优化装置执行上述方法中的S201、S202、S203、S204和S205；存储单元112用于基于氢能的多能源系统的配置优化装置的程序代码和数据。
其中，处理单元111可以是处理器或控制器，例如可以是中央处理器(centralprocessing unit，CPU)，通用处理器，数字信号处理器(digital signal processor，DSP)，专用集成电路(application-specific integrated circuit，ASIC)，现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。存储单元112可以是存储器。
当处理单元111为处理器，存储单元112为存储器时，本发明实施例所涉及的基于氢能与多种储能设备的多能源系统的运行优化装置可以为如下的基于氢能与多种储能设备的多能源系统的运行优化装置。
参照图8所示，另一种优化计算模块，包括：处理器121、存储器122和总线123；存储器122用于存储计算机执行指令，处理器121与存储器122通过总线123连接，当基于氢能与多种储能设备的多能源系统的运行优化装置12运行时，处理器121执行存储器122存储的计算机执行指令，以使控制装置执行如上述的基于氢能与多种储能设备的多能源系统的运行优化装置。总线123可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。总线123可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
本发明实施例还提供一种存储介质，该存储介质可以包括存储器122。
由于本发明实施例提供的基于氢能与多种储能设备的多能源系统的运行优化装置可用于执行上述基于氢能与多种储能设备的多能源系统的运行优化方法，因此其所能获得的技术效果可参考上述方法实施例，本发明实施例在此不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk， SSD))等。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，包括以下步骤：
S1、收集当前天气数据及用户需求数据，并给出需求负载及天气的预测数据，其中天气的预测数据包括太阳辐射强度、风速以及风向，用户需求数据包括用户电需求、冷需求和热需求；
S2、根据S1预测出的需求负载和天气数据对氢能与储能设备的多能源系统的运行进行优化，得到氢能与储能设备的多能源系统中各设备的最优运行策略集；
S3、根据S2得到的最优运行策略集对所述基于氢能与储能设备的多能源系统的运行进行控制；
其中，得到氢能与储能设备的多能源系统中各设备的最优运行策略集的过程包括以下步骤：
S201、构建基于氢能的多能源系统的数学模型，其中包括电解槽数学模型、储氢罐数学模型、压缩机数学模型、燃料电池数学模型、余热回收装置数学模型、吸收式制冷机数学模型、热水罐数学模型以及冷水罐数学模型；
S202、确定目标函数及约束条件，目标函数使得该系统运行成本最小；
S203、构建样本参数集，所述样本参数集包括一个需求负载样本，一个天气数据样本，价格参数与系统中各个设备的参数；
S204、生成情景树并约简，得到最终的情景树；
S205、基于S203构建的样本参数集与S204得到的情景树，对S201构建的数学模型和S202确定的约束条件，采用混合整数优化方法对所述目标函数求解，获得最优运行策略集Ω。
2.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S202中的目标函数为：
其中，S为情景总数，下标s为第s个情景，T为调度周期，下标t为第t个时段，πs为第s个情景的概率，分别为第s个情景下第t个时段的电力成本与氢成本，为第s个情景下第t个时段的买电功率，分别为第s个情景下第t个时段的卖电功率，为分时电价，λU为售电价格，为第s个情景下第t个时段的买氢量，λB为从市场中买入氢的价格。
3.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S202中的约束条件包括电网交互约束条件、购氢约束条件、电平衡约束条件、氢平衡约束条件、热平衡约束条件和冷平衡约束条件。
4.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S203中，所述需求负载样本包括各时段用户电、冷和热需求，所述天气数据样本包括各个时段的太阳辐射强度、风速以及风向，所述价格参数包括分时电价、上网电价与氢价，所述设备参数包括于氢能与储能设备的多能源系统中设备的容量、额定功率和能效比。
5.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S204包括以下步骤：
S2041、根据天气数据样本与用户需求的预测值，按照给定的标准差生成S个情景；
S2042、计算所有情景两两之间随机变量的欧氏距离；
S2043、将欧氏距离最小的一对情景中的任意一个情景删除，并将被删除场景的概率加给与之欧氏距离最小的场景，将删除的场景的概率变为零；
S2044、重复执行步骤1043 J-1次，J＝(0.8～0.99)S，得到含有S-J个情景的情景树。
6.根据权利要求5所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S2041中，每个情景随机变量自由度为5，即太阳辐射强度、风速以及风向、用户电需求、冷需求和热需求。
7.根据权利要求5所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S2041中，每个情景均遵循正态分布，每个正态分布的均值为其预测值，标准差为X。
8.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，最优运行策略集包括电解槽运行策略、储氢罐运行策略、燃料电池运行策略、吸收式制冷机运行策略、热水罐运行策略、冷水罐运行策略。
9.一种基于氢能与储能设备的多能源系统的运行优化装置，其特征在于，包括信息感知分析模块、优化计算模块与中央控制器模块；
所述信息感知分析模块收集当前天气及用户需求数据，并作出分析及预测，将预测的需求负载及天气数据输送到优化计算模块；优化计算模块用于根据需求负载及天气数据得到多能源系统中各设备的最优运行策略集，并将该最优运行策略集输送到中央控制器；，所述中央控制器模块通过数据线与所述多能源系统中各设备相连，控制各设备的开关机与运行状态。
10.根据权利要求9所述的基于氢能与储能设备的多能源系统的运行优化装置，其特征在于，所述优化计算模块包括初始化模块、样本构建模块、情景树生成模块和求解模块，
初始化模块，用于构建基于氢能与多种储能设备的多能源系统的数学模型，确定目标函数及相关约束条件，目标函数使得该系统运行成本最小；
样本构建模块，用于构建样本参数集，所述样本参数集包括一个需求负载样本，一个天气数据样本以及价格参数与各个设备的参数，其中所述需求负载样本包括各时段用户电、冷、热需求，其中所述天气数据样本包括各个时段的太阳辐射强度、风速以及风向，所述价格参数包括分时电价、上网电价与氢价，所述设备参数包括各个设备的容量、额定功率、能效比等；
情景树生成模块，用于生成情景树，根据天气情况与用户需求的预测值生成S个情景，并加以约简；
求解模块，用于对已构建的样本参数集与已生成的情景树采用混合整数优化算法对所述目标函数求解，获得最优运行策略集Ω。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562423.5A CN110348709B (zh) | 2019-06-26 | 2019-06-26 | 基于氢能与储能设备的多能源系统的运行优化方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562423.5A CN110348709B (zh) | 2019-06-26 | 2019-06-26 | 基于氢能与储能设备的多能源系统的运行优化方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110348709A true CN110348709A (zh) | 2019-10-18 |
| CN110348709B CN110348709B (zh) | 2021-03-12 |
Family
ID=68183268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910562423.5A Active CN110348709B (zh) | 2019-06-26 | 2019-06-26 | 基于氢能与储能设备的多能源系统的运行优化方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110348709B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111030104A (zh) * | 2019-12-25 | 2020-04-17 | 沈阳工业大学 | 一种含储氢装置的多能源系统提升能源利用率的方法 |
| CN111738503A (zh) * | 2020-06-15 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
| CN112116490A (zh) * | 2020-07-31 | 2020-12-22 | 西安交通大学 | 一种燃料电池冷热电联产系统运行控制方法及装置 |
| CN112539449A (zh) * | 2020-10-21 | 2021-03-23 | 西安交通大学 | 一种多能耦合的恒温供水系统及其优化方法 |
| CN112561228A (zh) * | 2020-10-30 | 2021-03-26 | 西安交通大学 | 一种多能源水循环系统恒温供水规划方法及规划装置 |
| CN112701771A (zh) * | 2020-12-28 | 2021-04-23 | 国网天津市电力公司电力科学研究院 | 一种近零能耗零碳建筑多能互补供能系统及方法 |
| CN113095791A (zh) * | 2021-04-29 | 2021-07-09 | 长沙理工大学 | 一种综合能源系统运行方法及系统 |
| CN113325762A (zh) * | 2021-05-25 | 2021-08-31 | 西安交通大学 | 一种智能建筑个性化用能控制方法、系统、装置和设备 |
| CN113468723A (zh) * | 2021-06-09 | 2021-10-01 | 天津大学 | 一种离网风光氢冷能源系统优化配置方法 |
| CN113644749A (zh) * | 2021-07-23 | 2021-11-12 | 青海大学 | 热-氢双soc氢储能系统及优化方法 |
| CN114204602A (zh) * | 2022-01-05 | 2022-03-18 | 山东电力工程咨询院有限公司 | 基于气象实时数据的风电制氢控制方法及系统 |
| CN114361519A (zh) * | 2022-01-11 | 2022-04-15 | 氢华能源技术(武汉)有限公司 | 基于氢能的建筑分布式供能系统 |
| CN114597895A (zh) * | 2022-03-17 | 2022-06-07 | 西安交通大学 | 一种氢-水能源系统及其长短期优化控制方法和装置 |
| EP4027281A1 (en) * | 2021-01-07 | 2022-07-13 | Hitachi, Ltd. | Energy managing apparatus and energy management method |
| EP4060084A1 (en) * | 2021-03-18 | 2022-09-21 | Siemens Energy Global GmbH & Co. KG | Electrolysis system and method |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4177378A1 (en) * | 2021-11-05 | 2023-05-10 | H2GS Boden Electrolyzer AB | System and method for hydrogen production and storage |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105453367A (zh) * | 2013-08-13 | 2016-03-30 | 埃森哲环球服务有限公司 | 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质 |
| CN105680449A (zh) * | 2016-04-01 | 2016-06-15 | 中国地质大学（北京） | 一种具有天气预测的光伏发电微电网的综合协调控制方法 |
| CN107346474A (zh) * | 2017-07-12 | 2017-11-14 | 广东工业大学 | 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 |
| WO2018051417A1 (ja) * | 2016-09-13 | 2018-03-22 | 株式会社 東芝 | 水素エネルギー貯蔵システム、及び水素エネルギー貯蔵システムの制御方法 |
| CN108710977A (zh) * | 2018-06-05 | 2018-10-26 | 东南大学 | 一种分布式供能系统设备配置与运行优化设计方法 |
| CN108832656A (zh) * | 2018-06-20 | 2018-11-16 | 天津大学 | 基于电转气和可再生能源利用微能源网多目标规划方法 |
| CN109473976A (zh) * | 2018-10-22 | 2019-03-15 | 华润智慧能源有限公司 | 一种冷热电联供型微网能量调度方法及系统 |
| CN109755965A (zh) * | 2019-03-20 | 2019-05-14 | 河北科技大学 | 风光发电和制氢储氢系统及其运行控制方法 |
| CN109764576A (zh) * | 2018-12-19 | 2019-05-17 | 国网山东省电力公司电力科学研究院 | 一种冷热电联供的多能互补综合能源系统及其运行方法 |
-
2019
- 2019-06-26 CN CN201910562423.5A patent/CN110348709B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105453367A (zh) * | 2013-08-13 | 2016-03-30 | 埃森哲环球服务有限公司 | 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质 |
| CN105680449A (zh) * | 2016-04-01 | 2016-06-15 | 中国地质大学（北京） | 一种具有天气预测的光伏发电微电网的综合协调控制方法 |
| WO2018051417A1 (ja) * | 2016-09-13 | 2018-03-22 | 株式会社 東芝 | 水素エネルギー貯蔵システム、及び水素エネルギー貯蔵システムの制御方法 |
| CN107346474A (zh) * | 2017-07-12 | 2017-11-14 | 广东工业大学 | 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 |
| CN108710977A (zh) * | 2018-06-05 | 2018-10-26 | 东南大学 | 一种分布式供能系统设备配置与运行优化设计方法 |
| CN108832656A (zh) * | 2018-06-20 | 2018-11-16 | 天津大学 | 基于电转气和可再生能源利用微能源网多目标规划方法 |
| CN109473976A (zh) * | 2018-10-22 | 2019-03-15 | 华润智慧能源有限公司 | 一种冷热电联供型微网能量调度方法及系统 |
| CN109764576A (zh) * | 2018-12-19 | 2019-05-17 | 国网山东省电力公司电力科学研究院 | 一种冷热电联供的多能互补综合能源系统及其运行方法 |
| CN109755965A (zh) * | 2019-03-20 | 2019-05-14 | 河北科技大学 | 风光发电和制氢储氢系统及其运行控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 梁芷睿等: ""光氢储混合微电网的优化设计与调度软件开发"", 《电力电容器与无功补偿》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111030104A (zh) * | 2019-12-25 | 2020-04-17 | 沈阳工业大学 | 一种含储氢装置的多能源系统提升能源利用率的方法 |
| CN111738503A (zh) * | 2020-06-15 | 2020-10-02 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
| CN111738503B (zh) * | 2020-06-15 | 2023-07-25 | 国网安徽省电力有限公司经济技术研究院 | 以氢能为核心的综合能源微网日前运行调度方法及系统 |
| CN112116490A (zh) * | 2020-07-31 | 2020-12-22 | 西安交通大学 | 一种燃料电池冷热电联产系统运行控制方法及装置 |
| CN112539449B (zh) * | 2020-10-21 | 2022-02-01 | 西安交通大学 | 一种多能耦合的恒温供水系统及其优化方法 |
| CN112539449A (zh) * | 2020-10-21 | 2021-03-23 | 西安交通大学 | 一种多能耦合的恒温供水系统及其优化方法 |
| CN112561228A (zh) * | 2020-10-30 | 2021-03-26 | 西安交通大学 | 一种多能源水循环系统恒温供水规划方法及规划装置 |
| CN112561228B (zh) * | 2020-10-30 | 2023-06-27 | 西安交通大学 | 一种多能源水循环系统恒温供水规划方法及规划装置 |
| CN112701771A (zh) * | 2020-12-28 | 2021-04-23 | 国网天津市电力公司电力科学研究院 | 一种近零能耗零碳建筑多能互补供能系统及方法 |
| EP4027281A1 (en) * | 2021-01-07 | 2022-07-13 | Hitachi, Ltd. | Energy managing apparatus and energy management method |
| EP4060084A1 (en) * | 2021-03-18 | 2022-09-21 | Siemens Energy Global GmbH & Co. KG | Electrolysis system and method |
| CN113095791A (zh) * | 2021-04-29 | 2021-07-09 | 长沙理工大学 | 一种综合能源系统运行方法及系统 |
| CN113095791B (zh) * | 2021-04-29 | 2024-02-27 | 长沙理工大学 | 一种综合能源系统运行方法及系统 |
| CN113325762A (zh) * | 2021-05-25 | 2021-08-31 | 西安交通大学 | 一种智能建筑个性化用能控制方法、系统、装置和设备 |
| CN113468723B (zh) * | 2021-06-09 | 2022-05-20 | 天津大学 | 一种离网风光氢冷能源系统优化配置方法 |
| CN113468723A (zh) * | 2021-06-09 | 2021-10-01 | 天津大学 | 一种离网风光氢冷能源系统优化配置方法 |
| CN113644749A (zh) * | 2021-07-23 | 2021-11-12 | 青海大学 | 热-氢双soc氢储能系统及优化方法 |
| CN113644749B (zh) * | 2021-07-23 | 2023-10-13 | 青海大学 | 热-氢双soc氢储能系统及优化方法 |
| CN114204602A (zh) * | 2022-01-05 | 2022-03-18 | 山东电力工程咨询院有限公司 | 基于气象实时数据的风电制氢控制方法及系统 |
| CN114204602B (zh) * | 2022-01-05 | 2024-03-19 | 山东电力工程咨询院有限公司 | 基于气象实时数据的风电制氢控制方法及系统 |
| CN114361519A (zh) * | 2022-01-11 | 2022-04-15 | 氢华能源技术(武汉)有限公司 | 基于氢能的建筑分布式供能系统 |
| CN114597895A (zh) * | 2022-03-17 | 2022-06-07 | 西安交通大学 | 一种氢-水能源系统及其长短期优化控制方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110348709B (zh) | 2021-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110348709A (zh) | 基于氢能与储能设备的多能源系统的运行优化方法和装置 | |
| Lingmin et al. | Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power | |
| Yan et al. | Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria | |
| Ren et al. | A review on the integration and optimization of distributed energy systems | |
| Jalili et al. | Stochastic optimal operation of a microgrid based on energy hub including a solar-powered compressed air energy storage system and an ice storage conditioner | |
| Chen et al. | Configuration optimization and selection of a photovoltaic-gas integrated energy system considering renewable energy penetration in power grid | |
| Wang et al. | Multi-objective capacity programming and operation optimization of an integrated energy system considering hydrogen energy storage for collective energy communities | |
| Deng et al. | System modeling and optimization of microgrid using genetic algorithm | |
| Li et al. | A partition optimization design method for a regional integrated energy system based on a clustering algorithm | |
| Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
| Li et al. | Performance evaluation of solar hybrid combined cooling, heating and power systems: A multi-objective arithmetic optimization algorithm | |
| Zhang et al. | Collaborative optimization for multiple energy stations in distributed energy network based on electricity and heat interchanges | |
| Wang et al. | Synergistic planning of an integrated energy system containing hydrogen storage with the coupled use of electric-thermal energy | |
| Jalili et al. | Optimal operation of the coastal energy hub considering seawater desalination and compressed air energy storage system | |
| Behzadi et al. | A rule-based energy management strategy for a low-temperature solar/wind-driven heating system optimized by the machine learning-assisted grey wolf approach | |
| CN115186791A (zh) | 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法 | |
| Li et al. | Optimal sizing for a wind-photovoltaic-hydrogen hybrid system considering levelized cost of storage and source-load interaction | |
| Zhu et al. | Multi-objective optimization of a hybrid energy system integrated with solar-wind-PEMFC and energy storage | |
| Ouyang et al. | A day-ahead planning for multi-energy system in building community | |
| CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法 | |
| Yan et al. | Effect of various design configurations and operating conditions for optimization of a wind/solar/hydrogen/fuel cell hybrid microgrid system by a bio-inspired algorithm | |
| Yang et al. | Multi-criteria optimization of multi-energy complementary systems considering reliability, economic and environmental effects | |
| Yang et al. | Optimal scheduling of CCHP with distributed energy resources based on water cycle algorithm | |
| Liu et al. | Short-and long-duration cooperative energy storage system: Optimizing sizing and comparing rule-based strategies | |
| CN109255487A (zh) | 一种基于标准化矩阵模型的综合能源系统优化方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231030 Address after: Room 11302 and 11303, 13th Floor, Building 6, Xixian International Cultural and Creative Town, No. 1816 Fengliu Road, Fengxi New City, Xi'an City, Shaanxi Province, 710061 Patentee after: Qing'an Youneng (Xi'an) Technology Co.,Ltd. Address before: 710049 No. 28 West Xianning Road, Shaanxi, Xi'an Patentee before: XI'AN JIAOTONG University |