CN112258096B - 一种多能流强耦合生态养殖全过程热电联供方法 - Google Patents

一种多能流强耦合生态养殖全过程热电联供方法 Download PDF

Info

Publication number
CN112258096B
CN112258096B CN202011528562.5A CN202011528562A CN112258096B CN 112258096 B CN112258096 B CN 112258096B CN 202011528562 A CN202011528562 A CN 202011528562A CN 112258096 B CN112258096 B CN 112258096B
Authority
CN
China
Prior art keywords
heat
energy
power
temperature
ecological breeding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011528562.5A
Other languages
English (en)
Other versions
CN112258096A (zh
Inventor
何伟
胡晗
谢国强
邹进
周仕豪
王冠南
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011528562.5A priority Critical patent/CN112258096B/zh
Publication of CN112258096A publication Critical patent/CN112258096A/zh
Application granted granted Critical
Publication of CN112258096B publication Critical patent/CN112258096B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B43/00—Engines characterised by operating on gaseous fuels; Plants including such engines
    • F02B43/10—Engines or plants characterised by use of other specific gases, e.g. acetylene, oxyhydrogen
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B63/00—Adaptations of engines for driving pumps, hand-held tools or electric generators; Portable combinations of engines with engine-driven devices
    • F02B63/04—Adaptations of engines for driving pumps, hand-held tools or electric generators; Portable combinations of engines with engine-driven devices for electric generators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/30—Use of alternative fuels, e.g. biofuels

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Mechanical Engineering (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明公开一种多能流强耦合生态养殖全过程热电联供方法，包括：步骤一、对热电联供系统中能量生产模块、能量转换模块、能量存储模块进行选型；步骤二、将能量产生模块以及能量转换模块布设在负荷附近；步骤三、对热电联供系统中的能量产生模块、能量转换模块、能量存储模块分别进行建模，以构建考虑生态养殖全过程的热电联供系统模型；步骤四、以整个热电联供系统运行成本最低为目标函数，以各机组出力爬坡、储能设备充放能约束为不等式约束，以系统能量平衡为等式约束进行两阶段随机优化调度。建设了考虑涵盖波动性电源和冷热电负荷的多能流强耦合生态养殖全过程热电联供系统，实现了能量的梯级利用，提高了一次能源利用率。

Description

一种多能流强耦合生态养殖全过程热电联供方法
技术领域
本发明属于电力供需互动领域，尤其涉及一种多能流强耦合生态养殖全过程热电联供方法。
背景技术
随着对热电联供系统的不断探索，该技术发展日益成熟。但是，要实现热电联供系统能量利用率的提高，仍然需要对热电联供系统模型进行研究。一般的热电联供系统以天然气为燃料，利用小型燃气轮机、燃气内燃机、微燃机等设备将天然气燃烧后获得的高温烟气首先用于发电，然后利用余热在冬季供暖；在夏季通过驱动吸收式制冷机供冷；同时还可提供生活热水。
但对生态养殖过程中考虑充分利用当地自然资源，使用沼气机组和水源热泵为主、以波动性电源为辅的热电联供系统建模研究尚有欠缺。
发明内容
本发明实施例提供一种多能流强耦合生态养殖全过程热电联供方法，用于至少解决上述技术问题之一。
本发明提供一种多能流强耦合生态养殖全过程热电联供方法，包括：步骤一、基于生态养殖所在地丰富的水资源和光照资源以及生态养殖过程中产生的动物粪便，选择光伏发电机组、沼气机组以及水源热泵作为能量产生模块，选择烟气式溴化锂吸收式制冷机组以及烟气-水换热器作为能量转换模块，选择蓄电池以及拱顶蓄热罐作为能量存储模块；步骤二、根据生态养殖所在地的地理特点，以系统经济性、安全性、可靠性为目标，将所述能量产生模块以及所述能量转换模块布设在负荷附近；步骤三、对热电联供系统中的所述能量产生模块、所述能量转换模块、所述能量存储模块分别进行建模，以构建考虑生态养殖全过程的热电联供系统模型；步骤四、以整个热电联供系统运行成本最低为目标函数，以各机组出力爬坡、储能设备充放能约束为不等式约束，以系统能量平衡为等式约束进行两阶段随机优化调度，其中，两阶段随机优化调度具体为：将光伏场景分为光伏预测场景和光伏误差场景，第一阶段为光伏预测场景下的日前调度，第二阶段为光伏误差场景下的再次调度。
在本发明的一些实施方式中，在步骤三中，建立所述光伏发电机组的模型的表达式为：
Figure GDA0002937926880000021
式中，Ppv为光伏电池输出功率，λT为光伏板温度转换效率参数，thj为环境温度，tn为正常工作温度，Rt为太阳辐射强度，tref为参考温度，ηpv为效率，χpv为光伏板数量，Spv为单个光伏板面积。
在本发明的一些实施方式中，在步骤三中，建立所述沼气机组的模型的表达式为：QCSTR＝0.2*a*b*c*h，式中，QCSTR为CSTR厌氧反应器沼气产量，a为养猪场生猪头数，b为每头猪产生鲜粪量，取2kg/d，c为猪粪便含固量，取20％，h为猪粪干物质理论产气系数，取0.3m3/kg·TS；则WMG＝0.2*a*b*c*h*e，式中，WMG为养猪场每天可发电量，e为国产沼气发电机机组发电效率，取1.5kwh/m3。
在本发明的一些实施方式中，在步骤三中，建立所述水源热泵的模型的表达式为：Qhp＝m*c*p，式中，Qhp为冬季地下水每日可以吸收的热能或夏季地下水每日可以释放的热能，m为生态养殖所在地深水井个数，c为水的比热容，取4.186KJ/(kg·℃)，p为夏季地下水吸收室内热量使水温升高的温度或冬季地下水释放热量使水温降低的温度。
在本发明的一些实施方式中，在步骤三中，建立所述烟气式溴化锂吸收式制冷机组的模型的表达式为：Qcool＝Qgw*ηhrl*COPhr，式中，Qgw为沼气机组释放的热量，ηhr1为制冷机组的发生器热量回收效率，COPhr为制冷机的制冷系数，Qcool为烟气式溴化锂吸收式制冷机组提供的冷负荷。
在本发明的一些实施方式中，其特征在于，在步骤三中，建立所述烟气-水换热器的模型的表达式为：Q1＝μ·S·Δtav，式中，Q1为传热量，μ为总换热系数，S为总换热面积，Δtav为平均换热温差；其中，
Figure GDA0002937926880000031
式中，t1为入口烟气温度，t2为出口烟气温度，tm为换热管壁温度；Q2＝Cy·m·(t1-t2)，式中，Q2为换热量，m为烟气的质量流量，Cy为烟气比热容，t1为入口烟气温度，t2为出口烟气温度。
在本发明的一些实施方式中，在步骤三中，建立所述蓄电池的模型的表达式为：存入电能过程，
Figure GDA0002937926880000032
式中，SOC(t)为第t个时段结束时蓄电池的剩余电量，
Figure GDA0002937926880000033
为自身放电率，EN为蓄电池额定容量，ηin为电能存入效率，Δt为时间长度，Pin为电能存入功率；存储电能过程，
Figure GDA0002937926880000034
释放电能过程，
Figure GDA0002937926880000035
式中，ηout为电能释放效率，SOC(t-1)为第t-1个时段结束时蓄电池的剩余电量，Pout为电能释放功率；电池电量：
Figure GDA0002937926880000036
式中，Pc(t)为充电功率，Pd(t)为放电功率，ηin为电能存入效率，Sb(t)为t时刻的电池电量，S(t-1)为t-1时刻的电池电量。
在本发明的一些实施方式中，在步骤三中，拱顶蓄热罐的模型只考虑罐体表面损失的热量，将罐体表面近似分为罐体侧壁与顶部两部分，则储热罐的热量损耗的表达式为：Qloss＝Q1+Q2，dQ1＝η1·S1·d(ten-t1)/h1，dQ2＝η2·S2·d(ten-t2)/h2，dQloss＝dQ1+dQ2，t1＝t1-dQ1/Croof·mroof，t2＝t2-dQ2/Cwall·mwall，式中，Qloss为储热罐的热量损耗，Q1为储热罐的顶部热损失，η1为顶部保温层热导率，S1为顶部表面积大小，ten为环境温度，t1为罐内水温度，h1为顶部厚度，Q2为储热罐的侧壁热损失，S2为侧壁表面积大小，h2为侧壁厚度，Croof为顶部保温层比热容，Cwall为侧壁保温层比热容，mroof为顶部质量，mwall为侧壁质量，dQ1为储热罐的顶部实时热损失，dQ2为储热罐的侧壁实时热损失，dQloss为储热罐的实时热量损耗，t2为储热罐的侧壁的温度。
本申请的多能流强耦合生态养殖全过程热电联供方法，具有以下有益效果：
1、充分考虑生态养殖过程中的能量流动，充分利用生态养殖所在地的各类资源，建设了考虑涵盖波动性电源和冷热电负荷的多能流强耦合生态养殖全过程热电联供系统，实现了能量的梯级利用，提高了一次能源利用率。
2、采用沼气机组和水源热泵为主、以波动性电源为辅的热电联供系统，充分利用了生态养殖所在地的自然资源。
3、将光伏场景分为光伏预测场景和光伏误差场景，第一阶段为光伏预测场景下的日前调度，第二阶段为光伏误差场景下的再次调度，能够实现合理安排机组出力、积极消纳光伏电量，减小大电网压力，保证整个系统在经济性最优的前提下正常有序运行。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种多能流强耦合生态养殖全过程热电联供方法的流程图；
图2为本发明提供的一具体实施的多能流强耦合生态养殖全过程热电联供的系统的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本申请的多能流强耦合生态养殖全过程热电联供方法的流程图。
如图1所示，多能流强耦合生态养殖全过程热电联供方法包括以下步骤：
步骤一，基于生态养殖所在地丰富的水资源和光照资源以及生态养殖过程中产生的动物粪便，选择光伏发电机组、沼气机组以及水源热泵作为能量产生模块，选择烟气式溴化锂吸收式制冷机组以及烟气-水换热器作为能量转换模块，选择蓄电池以及拱顶蓄热罐作为能量存储模块。
在本实施例中，基于生态养殖所在地区丰富的水力资源、太阳能资源和生态养殖过程中产生的动物粪便产生沼气供能，工作人员选择光伏发电机组、沼气机组以及水源热泵作为能量产生模块，选择烟气式溴化锂吸收式制冷机组以及烟气-水换热器作为能量转换模块，选择蓄电池以及拱顶蓄热罐作为能量存储模块，能够实现循环利用就地可再生能源，减少生态养殖用能成本。
步骤二，根据生态养殖所在地的地理特点，以系统经济性、安全性、可靠性为目标，将能量产生模块以及能量转换模块布设在负荷附近。
在本实施例中，考虑到生态养殖所在地丰富的水资源和光照资源以及生态养殖过程中产生的动物粪便，选择水源热泵对养殖大棚和农户的供冷和供热、选择光伏电站进行光伏发电实现对猪大棚和农户的日常供电、选择沼气机组对厌氧发酵系统处理动物粪便后产生的沼气进行发电发热，沼气机组产生的高品质热量送入烟气式溴化锂吸收式制冷机组，以实现对冷负荷进行供能，对于烟气式溴化锂吸收式制冷机组制冷后产生的中温烟气，选择将其送入烟气-水换热器，实现对农户生活、生态养殖过程中的热水供应。选择蓄电池对多余电量进行储存，选择拱顶蓄热罐进行储热、储冷。
本实施例的方法根据生态养殖所在地的地理特点，以系统经济性、安全性、可靠性为目标，将能量产生模块以及能量转换模块布设在负荷附近，能够避免在能量传输至负荷的过程中，由于传输距离过大造成能量多余损耗的问题。
步骤三，对热电联供系统中的能量产生模块、能量转换模块、能量存储模块分别进行建模，以构建考虑生态养殖全过程的热电联供系统模型。
在本实施例中，工作人员对沼气机组和水源热泵为主、以波动性电源为辅的热电联供系统内的各设备分别进行建模，以构建考虑生态养殖全过程的热电联供系统模型，基于利用生态养殖所在地的各类资源，对生态养殖过程中的能量进行调配，从而实现了能量的梯级利用，有效地提高了一次能源利用率。
步骤四，以整个热电联供系统运行成本最低为目标函数，以各机组出力爬坡、储能设备充放能约束为不等式约束，以系统能量平衡为等式约束进行两阶段随机优化调度，其中，两阶段随机优化调度具体为：将光伏场景分为光伏预测场景和光伏误差场景，第一阶段为光伏预测场景下的日前调度，第二阶段为光伏误差场景下的再次调度。
在本实施例中，以整个系统运行成本最小为目标函数，各设备运行、系统平衡等为约束，进行基于光伏消纳的两阶段优化调度，实现各机组的合理出力、充分消纳光伏电量，保证系统正常有序运行。
综上描述，本申请提供的方案，因地制宜地利用生态养殖所在地区丰富的水力资源、太阳能资源和生态养殖过程中产生的动物粪便产生沼气供能，循环利用就地可再生能源，减少生态养殖用能成本，采用对沼气机组和水源热泵为主、以波动性电源为辅的热电联供系统内的各设备进行建模，以构建考虑生态养殖全过程的热电联供系统模型，基于利用生态养殖所在地的各类资源，对生态养殖过程中的能量进行调配，从而实现了能量的梯级利用，有效地提高了一次能源利用率，而且以整个系统运行成本最小为目标函数，各设备运行、系统平衡等为约束，进行基于光伏消纳的两阶段优化调度，实现各机组的合理出力、充分消纳光伏电量，保证系统正常有序运行。
在一些可选的实施例中，建立光伏发电机组的模型的表达式为：
Figure GDA0002937926880000061
式中，Ppv为光伏电池输出功率，λT为光伏板温度转换效率参数，thj为环境温度，tn为正常工作温度，Rt为太阳辐射强度，tref为参考温度，ηpv为效率，χpv为光伏板数量，Spv为单个光伏板面积。
在一些可选的实施例中，建立沼气机组的模型的表达式为：QCSTR＝0.2*a*b*c*h，式中，QCSTR为CSTR厌氧反应器沼气产量，a为养猪场生猪头数，b为每头猪产生鲜粪量，取2kg/d，c为猪粪便含固量，取20％，h为猪粪干物质理论产气系数，取0.3m3/kg·TS；则WMG＝0.2*a*b*c*h*e，式中，WMG为养猪场每天可发电量，e为国产沼气发电机机组发电效率，取1.5kwh/m3。
在一些可选的实施例中，建立水源热泵的模型的表达式为：Qhp＝m*c*p，式中，Qhp为冬季地下水每日可以吸收的热能或夏季地下水每日可以释放的热能，m为生态养殖所在地深水井个数，c为水的比热容，取4.186KJ/(kg·℃)，p为夏季地下水吸收室内热量使水温升高的温度或冬季地下水释放热量使水温降低的温度。
在一些可选的实施例中，建立烟气式溴化锂吸收式制冷机组的模型的表达式为：Qcool＝Qgw*ηhr1*COPhr，式中，Qgw为沼气机组释放的热量，ηhr1为制冷机组的发生器热量回收效率，COPhr为制冷机的制冷系数，Qcool为烟气式溴化锂吸收式制冷机组提供的冷负荷。
在一些可选的实施例中，建立烟气-水换热器的模型的表达式为：Q1＝μ·S·Δtav，式中，Q1为传热量，μ为总换热系数，S为总换热面积，Δtav为平均换热温差；其中，
Figure GDA0002937926880000071
式中，t1为入口烟气温度，t2为出口烟气温度，tm为换热管壁温度；Q2＝Cy·m·(t1-t2)，式中，Q2为换热量，m为烟气的质量流量，Cy为烟气比热容，t1为入口烟气温度，t2为出口烟气温度。
在一些可选的实施例中，建立蓄电池的模型的表达式为：存入电能过程，
Figure GDA0002937926880000072
式中，SOC(t)为第t个时段结束时蓄电池的剩余电量，
Figure GDA0002937926880000073
为自身放电率，EN为蓄电池额定容量，ηin为电能存入效率，Δt为时间长度，Pin为电能存入功率；存储电能过程，
Figure GDA0002937926880000074
释放电能过程，
Figure GDA0002937926880000075
式中，ηout为电能释放效率，SOC(t-1)为第t-1个时段结束时蓄电池的剩余电量，Pout为电能释放功率；电池电量：
Figure GDA0002937926880000076
式中，Pc(t)为充电功率，Pd(t)为放电功率，ηin为电能存入效率，Sb(t)为t时刻的电池电量，S(t-1)为t-1时刻的电池电量。
在一些可选的实施例中，拱顶蓄热罐的模型只考虑罐体表面损失的热量，将罐体表面近似分为罐体侧壁与顶部两部分，则储热罐的热量损耗的表达式为：Qloss＝Q1+Q2，dQ1＝η1·S1·d(ten-t1)/h1，dQ2＝η2·S2·d(ten-t2)/h2，dQloss＝dQ1+dQ2，t1＝t1-dQ1/Croof·mroof，t2＝t2-dQ2/Cwall·mwall，式中，Qloss为储热罐的热量损耗，Q1为储热罐的顶部热损失，η1为顶部保温层热导率，S1为顶部表面积大小，ten为环境温度，t1为罐内水温度，h1为顶部厚度，Q2为储热罐的侧壁热损失，S2为侧壁表面积大小，h2为侧壁厚度，Croof为顶部保温层比热容，Cwall为侧壁保温层比热容，mroof为顶部质量，mwall为侧壁质量，dQ1为储热罐的顶部实时热损失，dQ2为储热罐的侧壁实时热损失，dQloss为储热罐的实时热量损耗，t2为储热罐的侧壁的温度。
请参阅图2，其示出了本发明提供的一具体实施的多能流强耦合生态养殖全过程热电联供的系统的流程框图。
在一个具体地实施例中，本申请采用了包括水源热泵、厌氧发酵系统、光伏、沼气机组、烟气式溴化锂吸收式制冷机组、烟气-水换热器及储能在内的沼气-地下水热电联产系统。该系统的多能流强耦合生态养殖全过程热电联供方法具体包括以下步骤：
步骤(1)：分析生态养殖地冷热电负荷需求、光照强度、风能利用潜力、地下水资源情况，考虑充分利用当地自然资源，对热电联供系统中能量生产模块、能量转换模块、能量存储模块进行选型，本文选型建立在一般生态养殖所在地地下水资源丰富、光照条件优越的情况下。生猪养殖产生的猪粪便经过厌氧发酵系统产生沼气，故选择沼气热电联供机组对沼气进行利用以发电发热，对于沼气机组产生的高品位热，选择烟气式溴化锂吸收式制冷机组产生冷量，实现对冷负荷进行供能；而对于制冷机组的中温余热，选择烟气-水换热器对当地丰富水资源进行加热以产生热水，对农户进行供热，实现了充分利用当地自然资源后的能量梯级利用。充分利用当地丰富的地下水资源，选择水源热泵对水资源进行取热和排热，实现生态养殖过程中的冬季供暖和夏季供冷。充分利用当地丰富的光照强度，选择光伏发电机组进行发电，结合沼气热电联供机组所发的电量一起为农户家庭、猪大棚、热电联供机组进行供电。系统供大于求时，产生的多余电量选择蓄电池进行储能或售电给大电网，多余热量、冷量选择拱顶热水罐进行储能，系统求大于供时，合理使用蓄电池、拱顶热水罐进行放能，不够的电量由大电网提供，以实现系统供需功率的动态平衡；
步骤(2)：分析生态养殖全过程热电联供系统的能量流动和转换，建立一种涵盖波动性电源和冷热电负荷的多能流强耦合生态养殖全过程热电联供系统模型，对系统中各设备进行建模，具体建模如下：
能量生产模块
1)光伏发电模型
Figure GDA0002937926880000091
式中，Ppv为光伏电池输出功率，λT为光伏板温度转换效率参数，thj为环境温度，tn为正常工作温度，Rt为太阳辐射强度，tref为参考温度，ηpv为效率，χpv为光伏板数量，Spv为单个光伏板面积。
2)沼气机组模型
设养猪场采用高位养猪，干清粪工艺。
QCSTR＝0.2*a*b*c*h，
式中，QCSTR为CSTR厌氧反应器沼气产量，a为养猪场生猪头数，b为每头猪产生鲜粪量，取2kg/d，c为猪粪便含固量，取20％，h为猪粪干物质理论产气系数，取0.3m3/kg·TS；
则WMG＝0.2*a*b*c*h*e，
式中，WMG为养猪场每天可发电量，e为国产沼气发电机机组发电效率，取1.5kwh/m3。
3)水源热泵模型
Qhp＝m*c*p，
式中，Qhp为冬季地下水每日可以吸收的热能或夏季地下水每日可以释放的热能，m为生态养殖所在地深水井个数，c为水的比热容，取4.186KJ/(kg·℃)，p为夏季地下水吸收室内热量使水温升高的温度或冬季地下水释放热量使水温降低的温度。
能量转换模块
1)烟气式溴化锂吸收式制冷机组模型
Qcool＝Qgw*ηhrl*COPhr，
式中，Qgw为沼气机组释放的热量，ηhrl为制冷机组的发生器热量回收效率，COPhr为制冷机的制冷系数，Qcool为烟气式溴化锂吸收式制冷机组提供的冷负荷。
2)烟气-水换热器模型
Q1＝μ·S·Δtav，
式中，Q1为传热量，μ为总换热系数，S为总换热面积，Δtav为平均换热温差；
其中，
Figure GDA0002937926880000101
式中，t1为入口烟气温度，t2为出口烟气温度，tm为换热管壁温度；
Q2＝Cy·m·(t1-t2)，
式中，Q2为换热量，m为烟气的质量流量，Cy为烟气比热容，t1为入口烟气温度，t2为出口烟气温度。
能量存储模块
1)蓄电池模型
存入电能过程，
Figure GDA0002937926880000102
式中，SOC(t)为第t个时段结束时蓄电池的剩余电量，
Figure GDA0002937926880000103
为自身放电率，EN为蓄电池额定容量，ηin为电能存入效率，Δt为时间长度，Pin为电能存入功率；
存储电能过程，
Figure GDA0002937926880000104
释放电能过程，
Figure GDA0002937926880000105
式中，ηout为电能释放效率，SOC(t-1)为第t-1个时段结束时蓄电池的剩余电量，Pout为电能释放功率；
电池电量：
Figure GDA0002937926880000106
式中，Pc(t)为充电功率，Pd(t)为放电功率，ηin为电能存入效率，Sb(t)为t时刻的电池电量，S(t-1)为t-1时刻的电池电量。
2)拱顶蓄热罐模型
储热罐的热量损耗主要来源于罐体表面损失的热量，为了建模方便，本模型只考虑罐体表面损失的热量，将罐体表面近似分为罐体侧壁与顶部两部分，则储热罐的热量损耗：
Qloss＝Q1+Q2，
dQ1＝η1·S1·d(ten-t1)/h1，
dQ2＝η2·S2·d(ten-t2)/h2，
dQloss＝dQ1+dQ2，
t1＝t1-dQ1/Croof·mroof，
t2＝t2-dQ2/Cwall·mwall，
式中，Qloss为储热罐的热量损耗，Q1为储热罐的顶部热损失，η1为顶部保温层热导率，S1为顶部表面积大小，ten为环境温度，t1为罐内水温度，h1为顶部厚度，Q2为储热罐的侧壁热损失，S2为侧壁表面积大小，h2为侧壁厚度，Croof为顶部保温层比热容，Cwall为侧壁保温层比热容，mroof为顶部质量，mwall为侧壁质量，dQ1为储热罐的顶部实时热损失，dQ2为储热罐的侧壁实时热损失，dQloss为储热罐的实时热量损耗，t2为储热罐的侧壁的温度。
步骤(3)：调研生态养殖所在地的地理特点，以系统经济性、安全性、可靠性为目标，将光伏发电机组、储能设备建设在负荷附近，如：光伏发电设备建设在农户或猪大棚的屋顶，将沼气热电联供机组、烟气式溴化锂吸收式制冷机组、烟气-水换热器建设在猪大棚附近。最后，以整个系统运行成本最低为目标函数，以各机组出力爬坡、储能设备充放能约束为不等式约束，以系统能量平衡为等式约束进行两阶段随机优化调度，其基本思路是将光伏场景分为光伏预测场景和光伏误差场景，第一阶段为光伏预测场景下的日前调度，第二阶段为光伏误差场景下的再次调度。合理安排机组出力、积极消纳光伏电量，减小大电网压力，保证整个系统在经济性最优的前提下正常有序运行。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种多能流强耦合生态养殖全过程热电联供方法，其特征在于，包括：
步骤一、选择光伏发电机组、沼气机组以及水源热泵作为能量产生模块，选择烟气式溴化锂吸收式制冷机组以及烟气-水换热器作为能量转换模块，选择蓄电池以及拱顶蓄热罐作为能量存储模块；
步骤二、以系统经济性、安全性、可靠性为目标，将所述能量产生模块以及所述能量转换模块布设在负荷附近；
步骤三、对热电联供系统中的所述能量产生模块、所述能量转换模块、所述能量存储模块分别进行建模，以构建考虑生态养殖全过程的热电联供系统模型，其中，所述拱顶蓄热罐的模型只考虑罐体表面损失的热量，将罐体表面分为罐体侧壁与顶部两部分，则储热罐的热量损耗的表达式为：
Qloss＝Q1+Q2，
dQ1＝η1·S1·d(ten-t1)/h1，
dQ2＝η2·S2·d(ten-t2)/h2，
dQloss＝dQ1+dQ2，
t1＝t1-dQ1/Croof·mroof，
t2＝t2-dQ2/Cwall·mwall，
式中，Qloss为储热罐的热量损耗，Q1为储热罐的顶部热损失，η1为顶部保温层热导率，S1为顶部表面积大小，ten为环境温度，t1为罐内水温度，h1为顶部厚度，Q2为储热罐的侧壁热损失，S2为侧壁表面积大小，h2为侧壁厚度，Croof为顶部保温层比热容，Cwall为侧壁保温层比热容，mroof为顶部质量，mwall为侧壁质量，dQ1为储热罐的顶部实时热损失，dQ2为储热罐的侧壁实时热损失，dQloss为储热罐的实时热量损耗，t2为储热罐的侧壁的温度；
步骤四、以整个热电联供系统运行成本最低为目标函数，以各机组出力爬坡、储能设备充放能约束为不等式约束，以系统能量平衡为等式约束进行两阶段随机优化调度；其中，两阶段随机优化调度具体为：将光伏场景分为光伏预测场景和光伏误差场景，第一阶段为光伏预测场景下的日前调度，第二阶段为光伏误差场景下的再次调度。
2.根据权利要求1所述的一种多能流强耦合生态养殖全过程热电联供方法，其特征在于，在步骤三中，建立所述光伏发电机组的模型的表达式为：
Figure FDA0002937926870000021
式中，Ppv为光伏电池输出功率，λT为光伏板温度转换效率参数，thj为环境温度，tn为正常工作温度，Rt为太阳辐射强度，tref为参考温度，ηpv为效率，χpv为光伏板数量，Spv为单个光伏板面积。
3.根据权利要求1所述的一种多能流强耦合生态养殖全过程热电联供方法，其特征在于，在步骤三中，建立所述沼气机组的模型的表达式为：
QCSTR＝0.2*a*b*c*h，
式中，QCSTR为CSTR厌氧反应器沼气产量，a为养猪场生猪头数，b为每头猪产生鲜粪量，取2kg/d，c为猪粪便含固量，取20％，h为猪粪干物质理论产气系数，取0.3m3/kg·TS；
则WMG＝0.2*a*b*c*h*e，
式中，WMG为养猪场每天可发电量，e为沼气发电机机组发电效率，取1.5kwh/m3。
4.根据权利要求1所述的一种多能流强耦合生态养殖全过程热电联供方法，其特征在于，在步骤三中，建立所述水源热泵的模型的表达式为：Qhp＝m*c*p，
式中，Qhp为冬季地下水每日可以吸收的热能或夏季地下水每日可以释放的热能，m为生态养殖所在地深水井个数，c为水的比热容，取4.186KJ/(kg·℃)，p为夏季地下水吸收室内热量使水温升高的温度或冬季地下水释放热量使水温降低的温度。
5.根据权利要求1所述的一种多能流强耦合生态养殖全过程热电联供方法，其特征在于，在步骤三中，建立所述烟气式溴化锂吸收式制冷机组的模型的表达式为：
Qcool＝Qgw*ηhrl*COPhr，
式中，Qgw为沼气机组释放的热量，ηhrl为制冷机组的发生器热量回收效率，COPhr为制冷机的制冷系数，Qcool为烟气式溴化锂吸收式制冷机组提供的冷负荷。
6.根据权利要求1所述的一种多能流强耦合生态养殖全过程热电联供方法，其特征在于，在步骤三中，建立所述烟气-水换热器的模型的表达式为：
Q1＝μ·S·Δtav，
式中，Q1为传热量，μ为总换热系数，S为总换热面积，Δtav为平均换热温差；
其中，
Figure FDA0002937926870000031
式中，t1为入口烟气温度，t2为出口烟气温度，tm为换热管壁温度；
Q2＝Cy·m·(t1-t2)，
式中，Q2为换热量，m为烟气的质量流量，Cy为烟气比热容，t1为入口烟气温度，t2为出口烟气温度。
7.根据权利要求1所述的一种多能流强耦合生态养殖全过程热电联供方法，其特征在于，在步骤三中，建立所述蓄电池的模型的表达式为：
存入电能过程，
Figure FDA0002937926870000032
式中，SOC(t)为第t个时段结束时蓄电池的剩余电量，
Figure FDA0002937926870000033
为自身放电率，EN为蓄电池额定容量，ηin为电能存入效率，Δt为时间长度，Pin为电能存入功率；
存储电能过程，
Figure FDA0002937926870000034
释放电能过程，
Figure FDA0002937926870000035
式中，ηout为电能释放效率，SOC(t-1)为第t-1个时段结束时蓄电池的剩余电量，Pout为电能释放功率；
电池电量：
Figure FDA0002937926870000036
式中，Pc(t)为充电功率，Pd(t)为放电功率，ηin为电能存入效率，Sb(t)为t时刻的电池电量，S(t-1)为t-1时刻的电池电量。
CN202011528562.5A 2020-12-22 2020-12-22 一种多能流强耦合生态养殖全过程热电联供方法 Active CN112258096B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011528562.5A CN112258096B (zh) 2020-12-22 2020-12-22 一种多能流强耦合生态养殖全过程热电联供方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011528562.5A CN112258096B (zh) 2020-12-22 2020-12-22 一种多能流强耦合生态养殖全过程热电联供方法

Publications (2)

Publication Number Publication Date
CN112258096A CN112258096A (zh) 2021-01-22
CN112258096B true CN112258096B (zh) 2021-05-14

Family

ID=74225258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011528562.5A Active CN112258096B (zh) 2020-12-22 2020-12-22 一种多能流强耦合生态养殖全过程热电联供方法

Country Status (1)

Country Link
CN (1) CN112258096B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617142A (zh) * 2018-12-13 2019-04-12 燕山大学 一种cchp型微电网多时间尺度优化调度方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10592833B2 (en) * 2016-04-01 2020-03-17 Enel X North America, Inc. Extended control in control systems and methods for economical optimization of an electrical system
CN105869075A (zh) * 2016-04-19 2016-08-17 东南大学 一种冷热电联供型微型能源网经济优化调度方法
CN106505634B (zh) * 2016-12-14 2019-03-19 东南大学 基于两阶段协调优化与控制的冷热电联供型微网运行方法
CN108491992A (zh) * 2018-02-05 2018-09-04 国网天津市电力公司滨海供电分公司 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109617142A (zh) * 2018-12-13 2019-04-12 燕山大学 一种cchp型微电网多时间尺度优化调度方法及系统

Also Published As

Publication number Publication date
CN112258096A (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
Wang et al. Hybrid solar-assisted combined cooling, heating, and power systems: A review
Guo et al. A review on the utilization of hybrid renewable energy
CN101994569B (zh) 生物质能与太阳能分布式能源综合利用系统
CN104716644A (zh) 一种可再生能源冷热电微网系统及控制方法
CN112329259B (zh) 一种多能互补冷热电联供微电网框架及其建模方法
CN202465683U (zh) 沼气发电工程中发酵罐加热系统
CN109764576A (zh) 一种冷热电联供的多能互补综合能源系统及其运行方法
CN206023657U (zh) 具有实时控制系统的移动式多能源耦合热电复合型能源站
CN204407890U (zh) 一种可再生能源冷热电微网系统
Zhu et al. Towards a carbon-neutral community: Integrated renewable energy systems (IRES)–sources, storage, optimization, challenges, strategies and opportunities
CN109768567A (zh) 一种耦合多能源互补系统的优化调度方法
CN205260236U (zh) 一种微型可再生能源高效利用的热电联产系统
CN112258096B (zh) 一种多能流强耦合生态养殖全过程热电联供方法
Zhai et al. Optimal Scheduling of Hydrogen Energy Storage IES with Dual-fuel Cells
CN116646985A (zh) 计及碳排放的农村住宅光-沼储能综合能源系统两阶段鲁棒优化调度模型
CN116951536A (zh) 适用于荒漠绿洲城镇的综合能源微网系统及其运行方法
CN115234965B (zh) 源网荷储协调的区域供热系统及方法
CN216591926U (zh) 一种装配式双排管相变蓄热供暖末端装置
CN216522492U (zh) 一种基于可再生能源耦合应用的零碳冷热供应系统
CN216114281U (zh) 煤矿综合能源供能系统
CN206313462U (zh) 一种分布式电‑热耦合蓄能供热系统
CN114757414A (zh) 一种考虑供需不确定性的综合能源系统鲁棒优化规划方法
Kong et al. Optimal scheduling of multi-energy system in rural farms for biomass/photovoltaic/geothermal efficient utilization
CN209358250U (zh) 一种基于天然气、氢气、电力的能源互联网系统
CN111636933A (zh) 核能系统和基于其的复合能源系统

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