CN111723475A - 一种风电、光伏和储热联合热电系统及容量优化建模方法 - Google Patents

一种风电、光伏和储热联合热电系统及容量优化建模方法 Download PDF

Info

Publication number
CN111723475A
CN111723475A CN202010487045.1A CN202010487045A CN111723475A CN 111723475 A CN111723475 A CN 111723475A CN 202010487045 A CN202010487045 A CN 202010487045A CN 111723475 A CN111723475 A CN 111723475A
Authority
CN
China
Prior art keywords
photovoltaic
heat
representing
power
wind power
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
Application number
CN202010487045.1A
Other languages
English (en)
Other versions
CN111723475B (zh
Inventor
郭苏
何意
刘群明
裴焕金
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202010487045.1A priority Critical patent/CN111723475B/zh
Publication of CN111723475A publication Critical patent/CN111723475A/zh
Application granted granted Critical
Publication of CN111723475B publication Critical patent/CN111723475B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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

Abstract

本发明的本文提出一种风电、光伏和储热联合热电系统及容量优化建模方法，其由风电场，光伏电站，储热系统，发电模块，电加热器以及换热器组成。当风电光伏出力大于电负荷需求时，多余的电能经电加热器转换为热能后储存在储热系统中。反之，储热系统释放热能至发电模块供电。热负荷由储热系统释放热能至换热器提供。联合热电系统的容量优化以最小化平准化成本以及最大化电负荷满足率，热负荷满足率和能源利用率为目标，通过加权求和转化为单目标优化问题后利用差分进化算法计算最优解。案例分析研究了五组不同权重下的最优容量配比，结果分析表明优化目标之间存在一定的权衡且所提出系统具有较好的经济性和可靠性。

Description

一种风电、光伏和储热联合热电系统及容量优化建模方法
技术领域
本发明属于风电和光伏发电领域，尤其涉及一种风电、光伏和储热联合热电系统及容量优化建模方法。
背景技术
全球变暖问题受到了各界广泛的关注。发展可再生能源发电技术有助于减少化石能源的消耗和CO2排放，从而有效地减缓“全球变暖”进程。风力发电以及光伏发电是目前最熟的可再生能源发电技术，但是由于风资源和光资源的随机性以及间歇性，风电光伏的可调度性和可靠性受到了限制。然而风光资源之间存在天然的时空互补性，因此风电-光伏联合发电系统的研究成为了可再生能源技术发展的重要方向。
发明内容
本发明所要解决的技术问题是针对背景技术的不足提供了一种风电、光伏和储热联合热电系统及容量优化建模方法，其不仅能够有效调节风电光伏出力以满足电负荷需求，还能直接通过换热器输出热能以满足热负荷需求，具有较高的能量利用效率。
本发明为解决上述技术问题采用以下技术方案：
一种风电、光伏和储热联合热电系统，包括，
供电系统，包括风电场和光伏电站，风电场经过整流器后与光伏电站共同接入一个直流母线，然后经过逆变器和变压器后接入电网；
储热系统，包括接入直流母线的电加热器，电加热器输出端连接热罐，热罐连接换热器，换热器连接冷罐，冷罐连接电加热器输入端，冷罐中存有热介质，所述冷罐将热介质输入电加热器加热并存入热罐；
发电模块，包括同轴相连的高压缸、低压缸和发电机，所述热罐和冷罐之间还依次设置有过热器、蒸发器和预热器，热罐将存储的热介质依次通过过热器、蒸发器和预热器后，最终输送至冷罐；高压缸的输出端依次连接预热器、蒸发器和过热器后，接入到高压缸的输入端，高压缸将其内部的水工质依次输送至预热器、蒸发器和过热器中与热介质进行热交换，产生的高压高温蒸汽作为发电机的动力；
热罐和冷罐之间还连接有再热器，高压缸的输出端分流接入再热器，然后与低压缸连接，低压缸的输出端连接有冷凝器和除氯器后在接入到预热器中。
进一步的，所述高压缸的输出端和预热器之间设置有加热器一和加热器二，所述低压缸的输出端和预热器之间还设置有加热器三和加热器四。
进一步的，所述热罐和冷罐之间还设有换热器，换热器接有热负荷。
一种风电、光伏和储热联合热电系统的容量优化建模方法，包括如下步骤：
步骤1，根据风电、光伏出力预测模型计算风电，光伏单位化出力曲线；
风电出力取决于风机轮毂处的实际风速以及风机的风功率曲线，其计算方法如式(9)-(10)所示；
Figure BDA0002518340990000021
Figure BDA0002518340990000022
其中Pw表示风电实际出力，v表示风机轮毂处实际风速，vci，vco和vr表示风机的切入风速，切出风速以及额定风速，Pr表示风机额定出力；
当实际风速介于切入风速与额定风速之间时，风机实际出力根据风功率曲线采用分段线性插值计算；vk和vk+1表示风功率曲线上实际风速的邻近风速，Pk和Pk+1表示其对应出力；然而，当实际风速从大于切入风速变化至小于切入风速时，由于风机叶片的转动惯性，风电出力不会直接降为0；因此针对风机叶片的转动惯性对风电出力模型进行修正，修正方法如式(11)所示，其中vt-1和vt表示t-1时刻以及t时刻的实际风速，Pw.t-1和Pw.t表示其对应出力，α表示惯性系数；
Pw.t＝α×Pw.t-1，ifvt-1≥vci&&vt＜vci(11)；
光伏出力取决于倾斜面上的辐照强度以及光伏实际发电效率，而发电效率随着光伏组件运行温度的升高而降低。光伏出力的计算方法如式(12)-(14)所示。
PPV＝IT×Am×Nm×ηPV (12)
ηPV＝ηPV.ref×[1-ε×(TPV-Tstc)] (13)
Figure BDA0002518340990000023
其中，PPV表示光伏实际出力；IT表示倾斜面上的辐照强度；Am和Nm表示光伏组件的面积及个数；ηPV表示光伏实际发电效率；ηPV.ref表示光伏参考发电效率；ε表示温度校正系数；TPV表示光伏实际运行温度；Tstc表示标准测试工况温度；Tamb表示环境温度；NOCT表示光伏额定运行温度；Tref和Iref表示参考温度及辐照强度；
步骤2，根据单位化风电及光伏出力曲线在MATLAB中编写适应度函数；
本联合电热系统的容量优化是以最小化平准化成本，最大化电负荷满足率，热负荷满足率以及能源利用率为目标；平准化成本用于评价系统全生命周期的经济性能，电负荷满足率以及热负荷满足率用于评价系统的可靠性，能源利用率用于评价系统的节能性和环保性；
平准化成本LCOE是系统全生命周期内的总成本与总发电量及供热量的比值，其计算方法如式(15)-(17)所示；
Figure BDA0002518340990000024
ICsystem＝ICw+ICpv+ICTES+ICPB+ICEH(16)
ACsystem＝ACw+ACpv+ACTES+ACPB+ACEH(17)
其中，ICsystem表示系统的初始投资成本，主要包括设备购置费和建设费；ACsystem表示系统每年投资成本，主要包括系统的运行及维护费用；dw和dPV表示风电光伏发电量的衰减率；Ew，EPV和EPB表示风电光伏及发电模块的上网电量；H表示系统供热量；i表示折现率；Ns表示系统的预期寿命；
电负荷满足率Re是系统全年的总上网电量与总电负荷的比值，其计算方法如式(18)所示；热负荷满足率Rh是全年总供热量与总热负荷的比值，其计算方法如式(19)所示；能源利用率Rre是全年总上网电量与总风电光伏出力的比值，其计算方法如式(20)所示；
Figure BDA0002518340990000031
Figure BDA0002518340990000032
Figure BDA0002518340990000033
除了系统能量平衡的等式约束外，系统运行还存在一系列的不等式约束；发电模块的最大爬坡率约束如式(21)所示，其中RD和RU表示向下及向上爬坡限制；发电模块的最小运行时间与停机时间约束如式(22)-(23)所示，其中
Figure BDA0002518340990000039
用于表示发电模块的开机或关机状态，
Figure BDA0002518340990000034
和
Figure BDA0002518340990000035
表示发电模块的最小运行/关停时间；储热系统的储热容量约束如式(24)所示；
-RD≤Gp(t)-Gp(t-1)≤RU(21)
Figure BDA0002518340990000036
Figure BDA0002518340990000037
ms_min≤ms(t)≤ms_max (24)
本文利用加权求和的方法组合四个目标函数并构建容量优化问题的适应度函数；适应度函数如式(25)所示，其中ω1，ω2，ω3和ω4表示各目标函数的优化权重；此外，该容量优化问题的决策变量为风电容量CW，光伏容量CPV以及储热系统容量CTES；
Figure BDA0002518340990000038
步骤3，确定优化权重(w1、w2、w3、w4)，确定差分进化算法的控制参数(N、F、CR)，调用差分进化算法求解使得适应度函数值最小的一组决策变量值(CW、CPV、CTES)。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本文提出一种风电-光伏-储热-电加热联合热电系统，其中风电光伏作为主要发电单元，储热系统用于调节风电光伏出力以满足电负荷且直接供热满足热负荷。联合系统容量优化的目标是最小化平准化成本以及最大化电热负荷满足率和能源利用率，通过加权求和的方式构建适应度函数并利用差分进化算法求解最优容量配比。案例分析中研究了五组不同优化权重分配下的优化结果，并论证了各优化目标之间存在一定权衡，决策者可以根据特定的偏好来确定联合系统的最优规划方案。
附图说明
图1为风电-光伏-储热-电加热联合热电系统结构图；
图2为联合热电系统的能流图；
图3为联合热电系统的运行策略图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本发明的一种风电、光伏和储热联合热电系统及容量优化建模方法，如图1所示，联合热电系统包括风电场，光伏电站，储热系统，发电模块，电加热器以及换热器。风电光伏出力可直接并入电网以满足电负荷需求，多余电能经电加热器转换为热能后储存在储热系统中。储热系统不仅能够有效调节风电光伏出力以满足电负荷需求，还能直接通过换热器输出热能以满足热负荷需求，具有较高的能量利用效率。
具体的，风电场所发电能经整流器后与光伏电站所发电能共用直流母线，然后经过逆变器，升压变压器后直接并入电网。当风电光伏所发电能大于负荷需求时，多余部分电能经电加热器转换为热能，同时储热系统冷罐中的冷盐(288℃)输送至电加热器中被加热至设计温度后，输送至储热系统热罐中用于储能。当风电光伏所发电能小于负荷需求时，热罐中的热盐(565℃)输送至发电模块中用于发电，其具体过程为：热盐依次经过过热器，蒸发器，预热器与水工质对流换热，产生高温高压的蒸汽后推动高压缸HP带动发电机组发电；高压缸HP的出口工质一部分输送至再热器中再次与热盐进行热交换后输送至低压缸LP中发电(高压缸HP与低压缸LP同轴相联)，一部分输送至加热器H2中预热水工质；高压缸HP的抽气输送至加热器H1中预热水工质；经换热后的热盐返回至冷罐中储存；低压缸LP的出口乏气经冷凝器冷凝成循环水工质；低压缸LP的抽气一部分输送至加热器H3，H4中预热水工质，一部分输送至除氧器用于给水工质除氧。供热过程中，热罐中的热盐经过两级换热器与水工质对流换热，产生设计参数的蒸汽用于供热，经换热后的热盐返回至冷罐中储存。
联合热电系统的能流图如图2所示，各组件的能量平衡如式(1)-(8)所示。其中
Figure BDA0002518340990000041
和
Figure BDA0002518340990000042
表示t时刻内的风电光伏出力；
Figure BDA0002518340990000043
和
Figure BDA0002518340990000044
表示弃风弃光损失；
Figure BDA0002518340990000045
和
Figure BDA0002518340990000046
表示风电光伏上网电量；
Figure BDA0002518340990000047
和
Figure BDA0002518340990000048
表示风电光伏输入电加热器多余电能；
Figure BDA0002518340990000049
和
Figure BDA00025183409900000410
表示电加热器以及储热系统输入导热介质的热能；
Figure BDA00025183409900000411
和
Figure BDA00025183409900000412
表示导热介质输出到储热系统，发电模块以及供应热负荷的热能；
Figure BDA00025183409900000413
表示储热系统的散热损失；
Figure BDA00025183409900000414
表示发电模块的上网电量；ηEH，ηPB和ηEX表示电热效率，热电效率以及换热器的换热效率。
风电场：
Figure BDA00025183409900000415
光伏电站：
Figure BDA00025183409900000416
电加热器：
Figure BDA00025183409900000417
导热介质：
Figure BDA00025183409900000418
储热系统：
Figure BDA00025183409900000419
发电模块：
Figure BDA00025183409900000420
电负荷：
Figure BDA00025183409900000421
热负荷：
Figure BDA00025183409900000422
联合热电系统的运行策略如图3所示，Pw(t)和Pv(t)表示t时刻内的风电光伏出力；ms(t)和ms(t+1)表示t及t+1时刻的储热容量；ms_max和ms_min表示储热容量的上下限；Pe和Ph表示电负荷以及热负荷；Gw(t)，Gv(t)和Gp(t)表示风电光伏及发电模块的上网电量；H(t)表示系统的供热量。当风电光伏出力大于电负荷需求时，多余的电能经电加热器转换为热能后储存在储热系统中。反之，储热系统释放热能至发电模块供电。热负荷由储热系统释放热能至换热器提供。联合系统优先满足电负荷且优先风电上网。不同场景下的联合热电系统具体运行策略如下所述：
①风电光伏系统满足电负荷以及热负荷，储热系统可以容纳剩余电能；
②风电光伏系统满足电负荷以及热负荷，储热系统无法完全容纳剩余电能，存在弃风弃光损失；
③风电光伏系统满足电负荷以及部分热负荷，热负荷不足部分储热系统无法完全供应，存在供热不足；
④风电光伏系统满足电负荷以及部分热负荷，热负荷不足部分可由储热系统供应；
⑤风电光伏系统无法满足电负荷，电负荷不足部分储热系统无法完全供应，存在供电不足且供热量为0；
⑥风电光伏系统无法满足电负荷，电负荷不足部分以及热负荷均由储热系统供应；
风电光伏系统无法满足电负荷，电负荷不足部分由储热系统供应，但热负荷不足部分储热系统无法完全供应。
风电出力预测：
风电出力取决于风机轮毂处的实际风速以及风机的风功率曲线，其计算方法如式(9)-(10)所示。
Figure BDA0002518340990000051
Figure BDA0002518340990000052
其中Pw表示风电实际出力；v表示风机轮毂处实际风速；vci，vco和vr表示风机的切入风速，切出风速以及额定风速；Pr表示风机额定出力；当实际风速介于切入风速与额定风速之间时，风机实际出力根据风功率曲线采用分段线性插值计算；vk和vk+1表示风功率曲线上实际风速的邻近风速，Pk和Pk+1表示其对应出力。然而，当实际风速从大于切入风速变化至小于切入风速时，由于风机叶片的转动惯性，风电出力不会直接降为0；因此针对风机叶片的转动惯性对风电出力模型进行修正，修正方法如式(11)所示，其中vt-1和vt表示t-1时刻以及t时刻的实际风速，Pw.t-1和Pw.t表示其对应出力，α表示惯性系数。
Pw.t＝α×Pw.t-1，if vt-1≥vci&&vt＜vci (11)
光伏出力预测：
光伏出力取决于倾斜面上的辐照强度以及光伏实际发电效率，而发电效率随着光伏组件运行温度的升高而降低。光伏出力的计算方法如式(12)-(14)所示。
PPV＝IT×Am×Nm×ηPV (12)
ηPV＝ηPV.ref×[1-ε×(TPV-Tstc)] (13)
Figure BDA0002518340990000053
其中，PPV表示光伏实际出力；IT表示倾斜面上的辐照强度；Am和Nm表示光伏组件的面积及个数；ηPV表示光伏实际发电效率；ηPV.ref表示光伏参考发电效率；ε表示温度校正系数；TPV表示光伏实际运行温度；Tstc表示标准测试工况温度；Tamb表示环境温度；NOCT表示光伏额定运行温度；Tref和Iref表示参考温度及辐照强度。
目标函数及约束条件：
该联合电热系统的容量优化是以最小化平准化成本，最大化电负荷满足率，热负荷满足率以及能源利用率为目标。平准化成本用于评价系统全生命周期的经济性能，电负荷满足率以及热负荷满足率用于评价系统的可靠性，能源利用率用于评价系统的节能性和环保性。
平准化成本LCOE是系统全生命周期内的总成本与总发电量及供热量的比值，其计算方法如式(15)-(17)所示。
Figure BDA0002518340990000054
ICsystem＝ICw+ICpv+ICTES+ICPB+ICEH(16)
ACsystem＝ACw+ACpv+ACTES+ACPB+ACEH(17)
其中，ICsystem表示系统的初始投资成本，主要包括设备购置费和建设费；ACsystem表示系统每年投资成本，主要包括系统的运行及维护费用；dw和dPV表示风电光伏发电量的衰减率；Ew，EPV和EPB表示风电光伏及发电模块的上网电量；H表示系统供热量；i表示折现率；Ns表示系统的预期寿命。
电负荷满足率Re是系统全年的总上网电量与总电负荷的比值，其计算方法如式(18)所示；热负荷满足率Rh是全年总供热量与总热负荷的比值，其计算方法如式(19)所示；能源利用率Rre是全年总上网电量与总风电光伏出力的比值，其计算方法如式(20)所示。
Figure BDA0002518340990000061
Figure BDA0002518340990000062
Figure BDA0002518340990000063
除了系统能量平衡的等式约束外，系统运行还存在一系列的不等式约束。发电模块的最大爬坡率约束如式(21)所示，其中RD和RU表示向下及向上爬坡限制；发电模块的最小运行时间与停机时间约束如式(22)-(23)所示，其中
Figure BDA0002518340990000064
用于表示发电模块的开机或关机状态，
Figure BDA0002518340990000065
科
Figure BDA0002518340990000066
表示发电模块的最小运行/关停时间；储热系统的储热容量约束如式(24)所示。
-RD≤Gp(t)-Gp(t-1)≤RU(21)
Figure BDA0002518340990000067
Figure BDA0002518340990000068
ms_min≤ms(t)≤ms_max(24)
本文利用加权求和的方法组合四个目标函数并构建容量优化问题的适应度函数。适应度函数如式(25)所示，其中ω1，ω2，ω3和ω4表示各目标函数的优化权重。此外，该容量优化问题的决策变量为风电容量CW，光伏容量CPV以及储热系统容量CTES。
Figure BDA0002518340990000069
优化结果及分析：
差分进化算法DE是一种简单有效的启发式全局优化算法，由R.Storn和K.Price于1997年提出。差分进化算法已经广泛地应用于联合发电系统的容量优化中且具有较好的搜索性能及收敛性能。差分进化算法的核心算子为变异，交叉和选择，其控制参数为种群规模N，缩放因子F以及交叉概率CR。本文采用DE/rand/1/bin型结构对优化问题进行求解。
具体求解过程如下所示：
(1)根据风电，光伏出力预测模型计算风电，光伏单位化出力曲线；
(2)根据单位化风电及光伏出力曲线，系统运行策略，表1所示的系统经济性参数，在MATLAB中编写适应度函数
Figure BDA00025183409900000610
(3)确定优化权重(w1＝0.4，w2＝w3＝w4＝0.2)，确定差分进化算法的控制参数(N＝50，F＝0.5，CR＝0.2)，调用差分进化算法求解使得适应度函数值最小的一组决策变量值(CW＝121MW，CPV＝792MW，CTES＝30h)。
用于计算平准化成本的经济性指标如表1所示。各目标函数的优化权重分配对于容量优化结果具有较大的影响，因此本文研究了五组不同优化权重下的优化问题，其优化结果如图2所示。分析优化结果得出，当平准化成本主导优化问题时，光伏和储热系统的容量相对较小；当电负荷满足率或热负荷满足率主导优化问题时，光伏容量相对较大但风电容量相对较小；当能源利用率主导优化问题时，储热系统容量达到最大值。此外，由于系统运行优先满足电负荷，因此电负荷满足率总是大于热负荷满足率，且二者的变化趋势几乎相同；当平准化成本优化结果越大时，电热负荷满足率也相应越大，这表示系统的经济性和可靠性之间存在一定的权衡制约，而决策者可以根据具体的偏好选择更好的经济性或可靠性。
表1系统经济性指标
Figure BDA0002518340990000071
表2不同优化权重下优化结果
Figure BDA0002518340990000072
本文提出一种风电-光伏-储热-电加热联合热电系统，其中风电光伏作为主要发电单元，储热系统用于调节风电光伏出力以满足电负荷且直接供热满足热负荷。联合系统容量优化的目标是最小化平准化成本以及最大化电热负荷满足率和能源利用率，通过加权求和的方式构建适应度函数并利用差分进化算法求解最优容量配比。案例分析中研究了五组不同优化权重分配下的优化结果，并论证了各优化目标之间存在一定权衡，决策者可以根据特定的偏好来确定联合系统的最优规划方案。
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。上面对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以再不脱离本发明宗旨的前提下做出各种变化。

Claims (4)

1.一种风电、光伏和储热联合热电系统，其特征在于：包括，
供电系统，包括风电场和光伏电站，风电场经过整流器后与光伏电站共同接入一个直流母线，然后经过逆变器和变压器后接入电网；
储热系统，包括接入直流母线的电加热器，电加热器输出端连接热罐，热罐连接换热器，换热器连接冷罐，冷罐连接电加热器输入端，冷罐中存有热介质，所述冷罐将热介质输入电加热器加热并存入热罐；
发电模块，包括同轴相连的高压缸、低压缸和发电机，所述热罐和冷罐之间还依次设置有过热器、蒸发器和预热器，热罐将存储的热介质依次通过过热器、蒸发器和预热器后，最终输送至冷罐；高压缸的输出端依次连接预热器、蒸发器和过热器后，接入到高压缸的输入端，高压缸将其内部的水工质依次输送至预热器、蒸发器和过热器中与热介质进行热交换，产生的高压高温蒸汽作为发电机的动力；
热罐和冷罐之间还连接有再热器，高压缸的输出端分流接入再热器，然后与低压缸连接，低压缸的输出端连接有冷凝器和除氯器后在接入到预热器中。
2.根据权利要求1所述的一种风电、光伏和储热联合热电系统，其特征在于：所述高压缸的输出端和预热器之间设置有加热器一和加热器二，所述低压缸的输出端和预热器之间还设置有加热器三和加热器四。
3.根据权利要求1所述的一种风电、光伏和储热联合热电系统，其特征在于：所述热罐和冷罐之间还设有换热器，换热器接有热负荷。
4.一种如权利要求1所述的风电、光伏和储热联合热电系统的容量优化建模方法，其特征在于：包括如下步骤：
步骤1，根据风电，光伏出力预测模型计算风电，光伏单位化出力曲线；
风电出力取决于风机轮毂处的实际风速以及风机的风功率曲线，其计算方法如式(9)-(10)所示；
Figure FDA0002518340980000011
Figure FDA0002518340980000012
其中Pw表示风电实际出力，v表示风机轮毂处实际风速，vci，vco和vr表示风机的切入风速，切出风速以及额定风速，Pr表示风机额定出力；
当实际风速介于切入风速与额定风速之间时，风机实际出力根据风功率曲线采用分段线性插值计算；vk和vk+1表示风功率曲线上实际风速的邻近风速，Pk和Pk+1表示其对应出力；然而，当实际风速从大于切入风速变化至小于切入风速时，由于风机叶片的转动惯性，风电出力不会直接降为0；因此针对风机叶片的转动惯性对风电出力模型进行修正，修正方法如式(11)所示，其中vt-1和vt表示t-1时刻以及t时刻的实际风速，Pw.t-1和Pw.t表示其对应出力，α表示惯性系数；
Pw.t＝α×Pw.t-1，if vt-1≥vci&&vt＜vci (11)；
光伏出力取决于倾斜面上的辐照强度以及光伏实际发电效率，而发电效率随着光伏组件运行温度的升高而降低。光伏出力的计算方法如式(12)-(14)所示。
PPV＝IT×Am×Nm×ηPV (12)
ηPV＝ηPV.ref×[1-ε×(TPV-Tstc)] (13)
Figure FDA0002518340980000021
其中，PPV表示光伏实际出力；IT表示倾斜面上的辐照强度；Am和Nn表示光伏组件的面积及个数；ηPV表示光伏实际发电效率；ηPV.ref表示光伏参考发电效率；ε表示温度校正系数；TPV表示光伏实际运行温度；Tstc表示标准测试工况温度；Tamb表示环境温度；NOCT表示光伏额定运行温度；Tref和Iref表示参考温度及辐照强度；
步骤2，根据单位化风电及光伏出力曲线在MATLAB中编写适应度函数；
本联合电热系统的容量优化是以最小化平准化成本，最大化电负荷满足率，热负荷满足率以及能源利用率为目标；平准化成本用于评价系统全生命周期的经济性能，电负荷满足率以及热负荷满足率用于评价系统的可靠性，能源利用率用于评价系统的节能性和环保性；
平准化成本LCOE是系统全生命周期内的总成本与总发电量及供热量的比值，其计算方法如式(15)-(17)所示；
Figure FDA0002518340980000022
ICsystem＝ICw+ICpv+ICTES+ICPB+ICEH (16)
ACsystem＝ACw+ACpv+ACTES+ACPB+ACEH (17)
其中，ICsystem表示系统的初始投资成本，主要包括设备购置费和建设费；ACsystem表示系统每年投资成本，主要包括系统的运行及维护费用；dw和dPV表示风电光伏发电量的衰减率；Ew，EPV和EPB表示风电光伏及发电模块的上网电量；H表示系统供热量；i表示折现率；Ns表示系统的预期寿命；
电负荷满足率Re是系统全年的总上网电量与总电负荷的比值，其计算方法如式(18)所示；热负荷满足率Rh是全年总供热量与总热负荷的比值，其计算方法如式(19)所示；能源利用率Rre是全年总上网电量与总风电光伏出力的比值，其计算方法如式(20)所示；
Figure FDA0002518340980000023
Figure FDA0002518340980000024
Figure FDA0002518340980000025
除了系统能量平衡的等式约束外，系统运行还存在一系列的不等式约束；发电模块的最大爬坡率约束如式(21)所示，其中RD和RU表示向下及向上爬坡限制；发电模块的最小运行时间与停机时间约束如式(22)-(23)所示，其中
Figure FDA0002518340980000026
用于表示发电模块的开机或关机状态，
Figure FDA0002518340980000027
和
Figure FDA0002518340980000028
表示发电模块的最小运行/关停时间；储热系统的储热容量约束如式(24)所示；
-RD≤Gp(t)-Gp(t-1)≤RU (21)
Figure FDA0002518340980000029
Figure FDA00025183409800000210
ms_min≤ms(t)≤ms_max (24)
本文利用加权求和的方法组合四个目标函数并构建容量优化问题的适应度函数；适应度函数如式(25)所示，其中ω1，ω2，ω3和ω4表示各目标函数的优化权重；此外，该容量优化问题的决策变量为风电容量CW，光伏容量CPV以及储热系统容量CTES；
Figure FDA0002518340980000031
步骤3，确定优化权重(w1、w2、w3、w4)，确定差分进化算法的控制参数(N、F、CR)，调用差分进化算法求解使得适应度函数值最小的一组决策变量值(CW、CPV、CTES)。
CN202010487045.1A 2020-06-01 2020-06-01 一种风电、光伏和储热联合热电系统及容量优化建模方法 Active CN111723475B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010487045.1A CN111723475B (zh) 2020-06-01 2020-06-01 一种风电、光伏和储热联合热电系统及容量优化建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010487045.1A CN111723475B (zh) 2020-06-01 2020-06-01 一种风电、光伏和储热联合热电系统及容量优化建模方法

Publications (2)

Publication Number Publication Date
CN111723475A true CN111723475A (zh) 2020-09-29
CN111723475B CN111723475B (zh) 2022-11-04

Family

ID=72565755

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010487045.1A Active CN111723475B (zh) 2020-06-01 2020-06-01 一种风电、光伏和储热联合热电系统及容量优化建模方法

Country Status (1)

Country Link
CN (1) CN111723475B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800619A (zh) * 2021-02-09 2021-05-14 上海电力大学 多源异质全可再生能源热电气储耦合系统建模与规划方法
CN113154437A (zh) * 2021-04-20 2021-07-23 西安热工研究院有限公司 一种基于磁化提高氧气浓度的锅炉富氧燃烧系统
CN113610380A (zh) * 2021-08-02 2021-11-05 上海电气集团股份有限公司 一种多能互补能源规划方法
CN114530872A (zh) * 2021-11-16 2022-05-24 国网浙江省电力有限公司乐清市供电公司 一种多边共享的储能优化配置及其成本分摊方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110365013A (zh) * 2019-07-18 2019-10-22 青海格尔木鲁能新能源有限公司 一种光热-光伏-风电联合发电系统的容量优化方法
CN110474374A (zh) * 2019-07-18 2019-11-19 河海大学 一种风电-光伏-储热联合发电系统及容量优化方法
CN110492506A (zh) * 2019-09-12 2019-11-22 河海大学 一种风电-光伏-储热联合发电系统多目标容量优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110365013A (zh) * 2019-07-18 2019-10-22 青海格尔木鲁能新能源有限公司 一种光热-光伏-风电联合发电系统的容量优化方法
CN110474374A (zh) * 2019-07-18 2019-11-19 河海大学 一种风电-光伏-储热联合发电系统及容量优化方法
CN110492506A (zh) * 2019-09-12 2019-11-22 河海大学 一种风电-光伏-储热联合发电系统多目标容量优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SU GU等: "The multi-objective capacity optimization of wind-photovoltaic-thermal energy storage hybrid power system with electric heater", 《SOLAR ENERGY》 *
王之龙: "含压缩空气储能的能源互联微网型系统优化配置", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112800619A (zh) * 2021-02-09 2021-05-14 上海电力大学 多源异质全可再生能源热电气储耦合系统建模与规划方法
CN112800619B (zh) * 2021-02-09 2022-08-05 上海电力大学 多源异质全可再生能源热电气储耦合系统建模与规划方法
CN113154437A (zh) * 2021-04-20 2021-07-23 西安热工研究院有限公司 一种基于磁化提高氧气浓度的锅炉富氧燃烧系统
CN113610380A (zh) * 2021-08-02 2021-11-05 上海电气集团股份有限公司 一种多能互补能源规划方法
CN114530872A (zh) * 2021-11-16 2022-05-24 国网浙江省电力有限公司乐清市供电公司 一种多边共享的储能优化配置及其成本分摊方法

Also Published As

Publication number Publication date
CN111723475B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
Bagherian et al. A comprehensive review on renewable energy integration for combined heat and power production
CN111723475B (zh) 一种风电、光伏和储热联合热电系统及容量优化建模方法
US11359521B2 (en) Dispatchable storage combined cycle power plants
Schwarzbözl et al. Solar gas turbine systems: Design, cost and perspectives
Yang et al. Novel design optimization of concentrated solar power plant with S-CO2 Brayton cycle based on annual off-design performance
US7171812B2 (en) Electric generation facility and method employing solar technology
CN107702079B (zh) 一种含有电加热装置的光热电站及其建模和优化运行方法
CN111445067B (zh) 一种适用于高铁站综合能源系统的多目标规划方法
Yang et al. Optimal capacity and operation strategy of a solar-wind hybrid renewable energy system
Cai et al. Integration of wind turbine with heliostat based CSP/CPVT system for hydrogen production and polygeneration: a thermodynamic comparison
CN107358345B (zh) 计及需求侧管理的分布式冷热电联供系统优化运行方法
Król et al. Economic analysis of heat and electricity production in combined heat and power plant equipped with steam and water boilers and natural gas engines
CN109523065A (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
MX2014014731A (es) Procedimiento de regulacion de una instalacion que comprende aparatos de cogeneracion y sistemas termodinamicos destinados a la climatizacion y o calefaccion.
CN112446546B (zh) 一种考虑能源可靠性的综合能源系统两阶段优化配置方法
CN104179575B (zh) 燃气蒸汽联合循环机组日前优化调度系统及方法
Liu et al. Optimal planning of hybrid renewable energy system considering virtual energy storage of desalination plant based on mixed-integer NSGA-III
Zhi et al. Multipath retrofit planning approach for coal-fired power plants in low-carbon power system transitions: Shanxi Province case in China
Yu et al. Complementary configuration research of new combined cooling, heating, and power system driven by renewable energy under energy management modes
CN111724026B (zh) 一种多能源网络与配水网耦合运行的优化方法
CN113128070A (zh) 一种间歇性分布式电源的综合能源系统优化配置方法
CN113033900A (zh) 一种园区级综合能源系统容量优化配置方法和系统
Hu et al. Economic and environmental analysis of coupling waste-to-power technology to integrated energy system (IES) using a two-layer optimization method
Zhao et al. Multi-objective optimization and improvement of multi-energy combined cooling, heating and power system based on system simplification
Teng et al. Study on the operation strategies and carbon emission of heating systems in the context of building energy conservation

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