CN110867858A - 基于云计算的多能源系统多源储能装置容量配置方法 - Google Patents
基于云计算的多能源系统多源储能装置容量配置方法 Download PDFInfo
- Publication number
- CN110867858A CN110867858A CN201911199052.5A CN201911199052A CN110867858A CN 110867858 A CN110867858 A CN 110867858A CN 201911199052 A CN201911199052 A CN 201911199052A CN 110867858 A CN110867858 A CN 110867858A
- Authority
- CN
- China
- Prior art keywords
- storage device
- time
- hydrogen storage
- hydrogen
- energy
- 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
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
-
- 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
-
- 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
-
- 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
Abstract
本发明提供一种基于云计算的多能源系统多源储能装置容量配置方法。首先依次建立对储氢,储热,储电的数学模型,然后建立多能源系统中的多源储能装置原始成本的数学模型,通过云计算中的禁忌搜索算法计算多源储能装置原始成本的数学模型中的储热、储电、储氢装置的装配数量的最优解,本发明可以准确的计算出多能源储能容量的装配数量,在满足用户侧需求的同时减少投资成本。
Description
技术领域
本发明涉及基于云计算分析的储能领域,尤其涉及一种基于云计算的多能源系统多源储能装置容量配置方法。
背景技术
随着多源储能技术性能的提高、成本的降低、电网供需矛盾的突出、以及激励政策的出台,长寿命、低成本、高能量转换效率的电池储能技术的经济性逐渐凸显,储能技术的应用正逐步由项目示范转向商业运营。但现阶段储能系统的技术、经济性能有限,尚不具备规模经济性,安装合理的多源储能装置容量尤为关键。而云计算的出现可以给出一个更优的配置方法,云计算是一种按需服务的新型商业模式,它是在并行计算、分布式计算和网格计算的发展提出来的,它利用虚拟化技术、并行技术和集群技术等为互联网环境下提出了一种高效、可靠、快速的处理方法。云计算在多能源系统下的多源储能装置容量配置的应用,减少了不必要的浪费,使储能的整个系统发挥它最大的作用,促进了技术和社会的发展。
发明内容
针对现有技术的不足,本发明提出的基于云计算的多能源系统多源储能装置容量配置方法,优势在于云计算的出现为大数据存储、传输提供了便利,也为数据处理提供了重要保障,通过向云计算输入端输入有关储能的相关参数,可以准确的得出储能容量配置,减少在储能容量配置的浪费。
为实现上述技术问题,本发明提出了一种基于云计算的多能源系统多源储能装置容量配置方法,包括以下步骤:
步骤1:根据储氢率建立氢气存储的数学模型:
步骤2:建立储热的数学模型:
H(t)=(1-μ)H(t-Δt)+[Ph(t)-Ph,release(t)]Δt (3)
式中,H(t)表示t时刻的储热容量,H(t-△t)表示t-△t时刻的储热容量,μ为散热损失率,Ph(t)为t时刻输入的热功量,Ph,release(t)为t时刻输出的热功量;
步骤3:建立对电能存储的数学模型:
式中,SBat(t)为t时刻蓄电池的电能储量,SBat(t-△t)为t-Δt时刻的电储量,α为蓄电池的自放电率,为蓄电池的充电效率,为蓄电池的放电效率,为t时刻蓄电池的充电功率,为t时刻蓄电池的放电功率,△t为时间长度;
步骤4:建立多能源系统中的多源储能装置原始成本的数学模型,所述多源储能装置包括储氢装置、储热装置和储电装置;
minCp=NhCh+NeCe+NqCq (5)
st.C≥Cp
Nh·A≥H(t)
Ne·B≥SBat(t)
Nq·D≥nsto(t)
式中,Cp表示多能源系统中的多源储能装置的原始成本,Nh表示多能源系统中的储热装置的装配数量,Ne表示多能源系统中的储电装置的装配数量,Nq表示多能源系统中的储氢装置的装配数量,Ch表示储热装置的单价,Ce表示储电装置的单价,Cq表示储氢装置的单价,C为初始投资成本,A表示储热装置的单机额定容量,B表示储电装置的单机额定容量,D表示储氢装置的单机额定容量;
步骤5:通过云计算中的禁忌搜索算法计算多源储能装置原始成本的数学模型中的储热、储电、储氢装置的装配数量的最优解。
所述的步骤5具体步骤为:
5.1)根据公式(5)中的约束条件确定禁忌搜索算法的初始方案M[Ne,Nh,Nq];
5.7)如果迭代计算到最大次数n时,输出的方案仍不满足多源储能装置原始成本数学模型中的约束条件,则重新根公式(5)中的约束条件确定禁忌搜索算法的初始方案M[Ne,Nh,Nq],再次执行步骤5.2)~步骤5.6),直到输出满足多源储能装置原始成本数学模型中的约束条件的方案。
本发明的有益效果是:
1)本发明是在云计算的基础上将储热、储氢、储电结合起来的一种容量配置的方法,可以通过合理配置储能装置的数量来减少能的波动性,在用户侧需要能的时候可以提供充足的能量,储热、储氢、储电的容量配置可以给用户侧提供多种形式的能量,减少不必要的浪费;
2)本发明通过云计算中的禁忌搜索算法计算多源储能装置原始成本的数学模型中的储热、储电、储氢装置的装配数量的最优解,云计算具有计算准确、速度快、节约成本等特点,利用云计算这种方式可以准确的计算出多能源储能容量的装配数量,在满足用户侧需求的同时减少投资成本。
附图说明
图1为本发明云计算中的禁忌搜索算法流程图。
具体实施方式
由于用户的负荷的不确定造成产能功率具有巨大的波动性,为了减少这种波动性,采取具有储能能力的储能设备是一项效果很好的手段,所以利用多能源存储可以降低损耗,提高能的利用率,为了保证存储效果的合理性,通过云计算技术得出准确、合理的装置容量配置。
下面结合附图和具体实施实例对发明做进一步说明。
一种基于云计算的多能源系统多源储能装置容量配置方法,包括以下步骤:
本实施例中的某地区多能源系统中,储氢罐进氢率储氢罐出氢率t=1s,△t=1s,储氢罐储氢量nsto(t=1)=28m3,储热容量H(t=0)=39m3,散热损失率μ=0.1m3/s,输入的热功量Ph(t=1)=45m3,输出的热功量Ph,release(t=1)=5m3,蓄电池的自放率α=0.1kW/s,蓄电池的电能储量SBat(t=0)=300kW,蓄电池的充电效率蓄电池的放电效率蓄电池的充电功率蓄电池的放电功率储热罐的单机额定容量A=10m3,储电装置的单机额定容量B=50kW,储氢装置的单机额定容量D=5m3,储氢罐单价10000元,储热罐单价5000元,蓄电池单价100000元;
步骤1:根据储氢率建立氢气存储的数学模型:
步骤2:建立储热的数学模型:
H(t)=(1-μ)H(t-Δt)+[Ph(t)-Ph,release(t)]Δt (3)
式中,H(t)表示t时刻的储热容量,H(t-△t)表示t-△t时刻的储热容量,μ为散热损失率,Ph(t)为t时刻输入的热功量,Ph,release(t)为t时刻输出的热功量;
步骤3:建立对电能存储的数学模型:
式中,SBat(t)为t时刻蓄电池的电能储量,SBat(t-△t)为t-Δt时刻的电储量,α为蓄电池的自放电率,为蓄电池的充电效率,为蓄电池的放电效率,为t时刻蓄电池的充电功率,为t时刻蓄电池的放电功率,△t为时间长度;
步骤4:建立多能源系统中的多源储能装置原始成本的数学模型,所述多源储能装置包括储氢装置、储热装置和储电装置;
minCp=NhCh+NeCe+NqCq (5)
st.C≥Cp
Nh·A≥H(t)
Ne·B≥SBat(t)
Nq·D≥nsto(t)
式中,Cp表示多能源系统中的多源储能装置的原始成本,Nh表示多能源系统中的储热装置的装配数量,Ne表示多能源系统中的储电装置的装配数量,Nq表示多能源系统中的储氢装置的装配数量,Ch表示储热装置的单价,Ce表示储电装置的单价,Cq表示储氢装置的单价,C为初始投资成本,A表示储热装置的单机额定容量,B表示储电装置的单机额定容量,D表示储氢装置的单机额定容量;
通过上述步骤1~步骤3,可以计算出nsto(t=2)=38m3,H(t=2)=75.1m3,SBat(t=2)=390kW;
步骤5:通过云计算中的禁忌搜索算法计算多源储能装置原始成本的数学模型中的储热、储电、储氢装置的装配数量的最优解,具体步骤为:
5.1)根据公式(5)中的约束条件确定禁忌搜索算法的初始方案M[Ne,Nh,Nq]=M[9,8,9];
5.3)以当前解为中心通过Or-opt邻域搜索算法产生一个邻域范围,当前解在邻域范围内随机移动产生方案Mj[N'e,N'h,N'q]作为第i次迭代计算的候选解Mi,j[N'i,e,N'i,h,N’i,q];
5.7)如果迭代计算到最大次数n时,输出的方案仍不满足多源储能装置原始成本数学模型中的约束条件,则重新根公式(5)中的约束条件确定禁忌搜索算法的初始方案M[Ne,Nh,Nq],再次执行步骤5.2)~步骤5.6),直到输出满足多源储能装置原始成本数学模型中的约束条件的方案。
通过C语言编写云计算中的禁忌搜索算法求解最优解,其编程流程图如图1所示,最终得出最优的方案为Mi+1[8,8,8],所以得出结论:需要8个上述规格的蓄电池装置,8个上述规格的储热装置,8个上述规格的储氢装置,最终多源储能原始成本为920000元。
Claims (2)
1.一种基于云计算的多能源系统多源储能装置容量配置方法,其特征在于,包括以下步骤:
步骤1:根据储氢率建立储氢容量配置的数学模型:
步骤2:建立储热容量配置的数学模型:
H(t)=(1-μ)H(t-Δt)+[Ph(t)-Ph,release(t)]Δt (3)
式中,H(t)表示t时刻的储热容量,H(t-△t)表示t-△t时刻的储热容量,μ为散热损失率,Ph(t)为t时刻输入的热功量,Ph,release(t)为t时刻输出的热功量;
步骤3:建立储电容量配置的数学模型:
式中,SBat(t)为t时刻蓄电池的电能储量,SBat(t-△t)为t-Δt时刻的电储量,α为蓄电池的自放电率,为蓄电池的充电效率,为蓄电池的放电效率,为t时刻蓄电池的充电功率,为t时刻蓄电池的放电功率,△t为时间长度;
步骤4:建立多能源系统中的多源储能装置原始成本的数学模型,所述多源储能装置包括储氢装置、储热装置和储电装置;
minCp=NhCh+NeCe+NqCq (5)
st.C≥Cp
Nh·A≥H(t)
Ne·B≥SBat(t)
Nq·D≥nsto(t)
式中,Cp表示多能源系统中的多源储能装置的原始成本,Nh表示多能源系统中的储热装置的装配数量,Ne表示多能源系统中的储电装置的装配数量,Nq表示多能源系统中的储氢装置的装配数量,Ch表示储热装置的单价,Ce表示储电装置的单价,Cq表示储氢装置的单价,C为初始投资成本,A表示储热装置的单机额定容量,B表示储电装置的单机额定容量,D表示储氢装置的单机额定容量;
步骤5:通过云计算中的禁忌搜索算法计算多源储能装置原始成本的数学模型中的储热、储电、储氢装置的装配数量的最优解。
2.根据权利要求1所述的一种基于云计算的多能源系统多源储能装置容量配置方法,其特征在于,所述的步骤5具体步骤为:
5.1)根据公式(5)中的约束条件确定禁忌搜索算法的初始方案M[Ne,Nh,Nq];
5.3)以当前解为中心通过Or-opt邻域搜索算法产生一个邻域范围,当前解在邻域范围内随机移动产生方案Mj[N′e,N′h,N′q]作为第i次迭代计算的候选解Mi,j[N′i,e,N′i,h,N′i,q];
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199052.5A CN110867858B (zh) | 2019-11-29 | 2019-11-29 | 基于云计算的多能源系统多源储能装置容量配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911199052.5A CN110867858B (zh) | 2019-11-29 | 2019-11-29 | 基于云计算的多能源系统多源储能装置容量配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110867858A true CN110867858A (zh) | 2020-03-06 |
CN110867858B CN110867858B (zh) | 2023-09-26 |
Family
ID=69657536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911199052.5A Active CN110867858B (zh) | 2019-11-29 | 2019-11-29 | 基于云计算的多能源系统多源储能装置容量配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110867858B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279661A (zh) * | 2013-05-23 | 2013-09-04 | 西南交通大学 | 基于混合量子进化算法的变电站容量优化配置方法 |
CN105098807A (zh) * | 2015-07-20 | 2015-11-25 | 安阳师范学院 | 储能系统中多个混合储能装置间的互补优化控制方法 |
CN105897517A (zh) * | 2016-06-20 | 2016-08-24 | 广东电网有限责任公司信息中心 | 一种基于svm的网络流量异常检测方法 |
US20190079975A1 (en) * | 2017-09-11 | 2019-03-14 | Hefei University Of Technology | Scheduling method and system based on hybrid variable neighborhood search and gravitational search algorithm |
-
2019
- 2019-11-29 CN CN201911199052.5A patent/CN110867858B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279661A (zh) * | 2013-05-23 | 2013-09-04 | 西南交通大学 | 基于混合量子进化算法的变电站容量优化配置方法 |
CN105098807A (zh) * | 2015-07-20 | 2015-11-25 | 安阳师范学院 | 储能系统中多个混合储能装置间的互补优化控制方法 |
CN105897517A (zh) * | 2016-06-20 | 2016-08-24 | 广东电网有限责任公司信息中心 | 一种基于svm的网络流量异常检测方法 |
US20190079975A1 (en) * | 2017-09-11 | 2019-03-14 | Hefei University Of Technology | Scheduling method and system based on hybrid variable neighborhood search and gravitational search algorithm |
Non-Patent Citations (1)
Title |
---|
朱兰 等: "计及电转气精细化模型的综合能源系统鲁棒随机优化调度", 《电网技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110867858B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Energy management and optimization of vehicle-to-grid systems for wind power integration | |
WO2018059096A1 (zh) | 一种多类电源发电计划组合决策方法及存储介质 | |
CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN110266031B (zh) | 储能并网充放电量控制方法、装置、服务器及存储介质 | |
CN103248064A (zh) | 一种复合型能源充电储能系统及其方法 | |
CN107039975A (zh) | 一种分布式能源系统能量管理方法 | |
CN103217900A (zh) | 基于实时电价的中压微网混沌pso最优潮流实现方法 | |
CN111404206A (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
Gong et al. | Optimal configuration of the energy storage system in ADN considering energy storage operation strategy and dynamic characteristic | |
CN111639866B (zh) | 基于遗传算法的储能充电站的储能容量的配置方法 | |
Long et al. | Impact of EV load uncertainty on optimal planning for electric vehicle charging station | |
WO2023226368A1 (zh) | 电动汽车集群充放电控制方法、系统及相关设备 | |
CN104578160A (zh) | 一种微网能量控制方法 | |
CN115882523A (zh) | 含分布式储能的电力系统优化运行方法、系统及设备 | |
CN114312426A (zh) | 一种净零能耗光储充电站优化配置方法、装置和存储介质 | |
CN116316713A (zh) | 一种含风光和光伏的电网储能配置方法及装置 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN110867858B (zh) | 基于云计算的多能源系统多源储能装置容量配置方法 | |
CN111319505A (zh) | 一种光储式电动汽车充电站能量优化方法和装置 | |
CN115085227A (zh) | 一种微电网源储容量配置方法及装置 | |
Zimmermann et al. | A comparative analysis of the cumulative energy demand of stationary grid-integrated battery systems | |
Dong et al. | Joint Optimal Scheduling of Renewable Energy Regional Power Grid With Energy Storage System and Concentrated Solar Power Plant | |
Hua et al. | A novel power allocation strategy considering multi-objective comprehensive optimization for hybrid electric vehicles | |
CN111769561A (zh) | 一种ries运行优化方法及装置 | |
Zhong et al. | Double-Layer-Optimizing Method of Hybrid Energy Storage Microgrid Based on Improved Grey Wolf Optimization. |
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 |