CN112803567A - 基于智能楼宇光储供电设备的参数优化设计方法及系统 - Google Patents

基于智能楼宇光储供电设备的参数优化设计方法及系统 Download PDF

Info

Publication number
CN112803567A
CN112803567A CN202110128819.6A CN202110128819A CN112803567A CN 112803567 A CN112803567 A CN 112803567A CN 202110128819 A CN202110128819 A CN 202110128819A CN 112803567 A CN112803567 A CN 112803567A
Authority
CN
China
Prior art keywords
power
photovoltaic
storage battery
power supply
intelligent building
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
CN202110128819.6A
Other languages
English (en)
Other versions
CN112803567B (zh
Inventor
黄晶晶
徐畅甲
李庚�
徐占伯
张爱民
任志刚
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110128819.6A priority Critical patent/CN112803567B/zh
Publication of CN112803567A publication Critical patent/CN112803567A/zh
Application granted granted Critical
Publication of CN112803567B publication Critical patent/CN112803567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • 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
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
    • H02S10/20—Systems characterised by their energy storage means
    • 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
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • 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

一种基于智能楼宇光储供电设备的参数优化设计方法及系统，参数优化设计方法包括：建立智能楼宇光储供电网络的模型；确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量的约束条件；构建目标优化问题的数学模型，其中目标函数为光能利用率η最大，约束条件分别为光伏系统功率约束条件、蓄电池额定功率约束条件和电解槽功率约束条件；求解目标优化问题数学模型，确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量。本发明同时提供了一种实现上述方法的系统。本发明能够实现光能的最大化利用，将弃光率减小至最低。

Description

基于智能楼宇光储供电设备的参数优化设计方法及系统
技术领域
本发明属于智能楼宇供电领域，具体涉及一种基于智能楼宇光储供电设备的参数优化设计方法及系统。
背景技术
随着现代科技的发展和社会进步，人们的住房观念和需求已经发生根本性变化，居住条件已成为现代居民生活质量的重要标志，因此以“高质量、低碳、低能耗”为基本特征的智能楼宇将会成为以后住宅产业的发展方向。加快推动能源清洁低碳安全高效利用，发展绿色建筑，降低碳排放强度已经成为当今社会发展的主要目标之一。
太阳能作为一种资源丰富、用之不竭，无污染、分布广泛的能源，已经得到了越来越广泛的研究和应用。近些年，光伏发电在电力系统中装机容量所占比例越来越大，然而受天气、光照面积等因素的影响，光伏发电出力具有明显的随机性和不确定性，大规模光伏电站接入将给电力系统的安全可靠运行带来巨大的挑战。要实现“高质量、低碳、低能耗”，仅仅依靠光伏设备来发电是远远不够的，没有合理的储能设备来存储未能被及时使用的光能，同样会造成极大的能源浪费。因此，在挖掘现有电网调节能力的基础上，通过储能与不确定性强的光伏发电协调运行是实现能源结构低碳化的一种有效途径。
氢储能除了具备储存电能的作用，氢燃烧可提供热水和热能，使其与楼宇结合具备天然优势，已然成为光伏在楼宇中大规模综合开发储存、利用的优选方案之一。此外，为了能够给用户提供良好的居住体验，应对供电的突发情况是智能楼宇在建设时不得不考虑的问题。蓄电池作为一种响应速度快、能源转换效率高的储能设备，接通之后能够在极短的时间里响应用户侧的需求，有效应对设备故障引发的停电等紧急情况。
然而，在搭建光储系统时，光伏板的面积、蓄电池的容量以及储氢设备的容积等因素的确定方案主要考虑经济成本，大量的光能无法得到合理使用，导致了我国弃光比例常年高居不下，伴随着疫情影响带来的能源局势愈加紧张，提升清洁能源利用率迫在眉睫。
综上所述，智能楼宇的光伏供电出力具有明显的随机性和不确定性，这导致系统的光能利用率低下，绿色低碳的目标无法实现。因此需要一套行之有效的设备参数选择策略，提高系统对清洁能源的利用率，降低传统能源的消耗，实现系统的低碳经济调度。
发明内容
本发明的目的在于针对上述现有技术中智能楼宇光储供电设备光能利用率低下的问题，提供一种基于智能楼宇光储供电设备的参数优化设计方法及系统，实现低碳经济调度。
为了实现上述目的，本发明有如下的技术方案：
一种基于智能楼宇光储供电设备的参数优化设计方法，包括以下步骤：
建立智能楼宇光储供电网络的模型；
确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量的约束条件；
构建目标优化问题的数学模型，其中目标函数为光能利用率η最大，约束条件分别为光伏系统功率约束条件、蓄电池额定功率约束条件和电解槽功率约束条件；
求解目标优化问题数学模型，确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量。
作为一种优选的方案，智能楼宇光储供电网络的模型包括太阳能光伏发电系统、蓄电池系统、电解水制氢系统、燃料电池供电系统、并网控制系统、用户负载系统以及交直流母线系统。
作为一种优选的方案，太阳能光伏发电系统包括太阳能光伏发电装置，其电能输出端连接至交直流母线系统的直流母线一端；
蓄电池系统包括蓄电池储能装置，其充放电接口连接至直流母线一端；
电解水制氢系统包括电解槽和储氢罐，电解槽的电力输入接口连接至直流母线一端，氢气出口连接至储氢罐的入口，储氢罐的出口连接至燃料电池供电系统的质子交换膜燃料电池发电装置；
燃料电池供电系统包括质子交换膜燃料电池发电装置；
并网控制系统包括并网控制开关，并网控制开关决定整个智能楼宇光储供电系统离网运行或并网运行；当系统能够满足独立对用户负载系统供能的条件时，系统离网运行；当设备发生故障，系统无法满足用户负载系统的能源需求时，系统并网运行；
用户负载系统包括直流负载和交流负载，交流负载的电力输入接口连接至交直流母线系统的交流母线一端，直流负载的电力输入接口连接至直流母线一端；
交直流母线系统包含交流母线和直流母线，其间通过DC/AC变换器连接。
作为一种优选的方案，太阳能光伏发电装置由太阳能光伏板以及DC/DC变换器构成，能够将光能转化为电能传输至直流母线供给蓄电池系统、电解水制氢系统以及用户负载系统使用；
蓄电池储能装置由蓄电池及双向DC/DC变换器构成，能够通过直流母线实现充放电操作，在光伏有剩余时对其进行充电；在光能不足时，和质子交换膜燃料电池发电装置配合向用户负载系统供电；
质子交换膜燃料电池发电装置由质子交换膜燃料电池及DC/DC变换器构成，质子交换膜燃料电池能够消耗氢气为用户负载系统提供电能；
电解槽由槽体、阳极和阴极组成，能够通过电解水产生氢气；
储氢罐采用高压储氢的方式存储氢气，能够在常温下进行充放气。
作为一种优选的方案，光能利用率η最大的目标函数表达式如下：
Figure BDA0002924372260000031
式中，λ1为电能由交直流母线系统转化至用户负载系统的能量转化效率；λ2为蓄电池储能装置中的双向DC/DC变换器的能量转换效率；λ3为与电解槽连接的DC/DC变换器的能量转换效率；Ppv为光伏发电系统的额定功率；T为一年的天数，取365天；H(t)为当地第t日标准日照小时数，单位为小时；
Figure BDA0002924372260000041
为用户负载系统一年的平均功率；a为用户负载系统一年内预估使用光伏单独供电的时间，单位为小时；b为用户负载系统一年内预估使用光伏/电网混合供电的时间；Pb为蓄电池的额定功率；Pel为电解槽水解的额定功率；
Figure BDA0002924372260000042
为由大数据统计的当地一年内市政抢修对每栋楼宇的出勤平均次数；m为当地市政紧急抢修所需平均时间，单位为小时；n为预估一年内光伏发电功率大于用户负载系统所需功率的时间段，单位为小时；
为了满足光能得到全部利用，目标函数表达式当中涉及到的光伏发电、燃料电池发电产电量、用户负载、蓄电池、电解槽耗电量满足以下能量守恒公式：
Figure BDA0002924372260000043
式中，Pg为电网一年供电的年均功率；Wu为用户负载系统一年内的预估用电量；Pfc为燃料电池的额定功率；q为预估燃料电池的全年使用时间，单位为小时；λ4为与燃料电池连接的DC/DC变换器的能量转换效率。
作为一种优选的方案，光伏系统功率约束条件包括产电量约束条件、物理约束条件和成本约束条件；
产电量约束条件为：在光伏发电单独供电的状态下，光伏发电系统的产电量不超过用户负载系统、应急蓄电池系统以及氢储能系统的总用电量；在光伏/电网混合供电的状态下，光伏发电系统的产电量满足应急蓄电池系统的充电使用；该约束条件表达式如下：
Figure BDA0002924372260000044
物理约束条件为：当智能楼宇光伏板面积为楼宇所允许的最大铺设面积时，智能楼宇光伏发电系统功率可以取到最大值；该约束条件表达式如下：
Ppv≤Ppsmax
Ppsmax为智能楼宇光伏板面积为楼宇所允许的最大铺设面积时，光伏发电系统的功率；
成本约束条件表达式为：Ppv≤Ppmax；
Ppmax为考虑智能楼宇设计成本，所允许的最大光伏系统额定功率。
作为一种优选的方案，蓄电池额定功率约束条件包括用电量约束条件和成本约束条件；
用电量约束条件表达式为：
Figure BDA0002924372260000051
其中，
Figure BDA0002924372260000052
为一年中用电最高峰时间段用户负载系统的每小时平均功率；
成本约束条件表达式为：Pb≤Pbmax；
其中，Pbmax为考虑智能楼宇设计成本和放置面积，所允许的最大蓄电池额定功率。
作为一种优选的方案，电解槽功率约束条件包括用电量约束条件和成本约束条件；
用电量约束条件为：在光伏发电单独供电的状态下，电解槽消耗所有光伏发电提供用户负载以及蓄电池充电之后的剩余能量来水解制氢，电解槽用电量大于前述剩余能量；该约束条件表达式如下：
Figure BDA0002924372260000053
成本约束条件表达式为：Pel≤Pelmax；
其中，Pelmax为考虑智能楼宇设计成本和放置面积所允许的最大蓄电池额定功率。
作为一种优选的方案，确定光伏板铺设面积的计算表达式如下：
Figure BDA0002924372260000054
Figure BDA0002924372260000055
其中，Spv为光伏板铺设面积，单位为m2；h为当地日平均光照时间，单位为小时；L为当地日平均太阳能总辐照量，单位为kW·h/m2；K为综合效率系数；
应急蓄电池容量的计算表达式如下：
Figure BDA0002924372260000061
其中，Cb是应急蓄电池额定容量，单位为A·h；Vb是应急蓄电池额定电压，单位为V；
储氢罐容量的计算表达式如下：
Figure BDA0002924372260000062
Figure BDA0002924372260000063
其中，Vs为储氢罐容量，单位为m3；
Figure BDA0002924372260000064
为系统日平均制氢时间，单位为小时；Vel为电解槽额定电压，单位为V。
本发明还提供一种基于智能楼宇光储供电设备的参数优化设计系统，包括：
供电网络模型建立模块，用于建立智能楼宇光储供电网络的模型；
约束条件确定模块，用于确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量的约束条件；
数学模型构建模块，用于构建目标优化问题的数学模型，其中目标函数为光能利用率η最大，约束条件分别为光伏系统功率约束条件、蓄电池额定功率约束条件和电解槽功率约束条件；
数学模型求解模块，用于求解目标优化问题数学模型，确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量。
相较于现有技术，本发明至少具有如下有益效果：
1)为智能楼宇的光储供电系统提供了一套行之有效的设备参数设计方案，楼宇制造商可以通过给定的方法计算出光伏板的铺设面积、所需储氢罐的容量以及所需蓄电池的容量。
2)实现光能的最大化利用，将弃光率减小至最低，实现智能楼宇供电系统低碳、绿色、环保的目标。
3)为楼宇提供基于清洁能源的应急电源，即通过光伏发电为蓄电池充电，在发生例如停电等突发情况时使用蓄电池为楼宇供电，从而顺利度过市政紧急抢修作业的时间。在楼宇中实施低碳清洁能源的同时考虑了供电的稳定、可靠、不间断。
附图说明
图1本发明实施例智能楼宇光储供电网络模型示意图；
图2本发明实施例求解目标优化问题数学模型的方法流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
本发明基于智能楼宇光储供电设备的参数优化设计方法，包括以下步骤：
步骤1，建立智能楼宇光储供电网络的模型；
如图1所示，该模型包括太阳能光伏发电系统、蓄电池系统、电解水制氢系统、燃料电池供电系统、并网控制系统、用户负载系统以及交直流母线系统七个部分组成。
1)太阳能光伏发电系统包括太阳能光伏发电装置，其电能输出端连接至交直流母线系统的直流母线一端；2)蓄电池系统包括蓄电池储能装置，其充放电接口连接至直流母线一端；3)电解水制氢系统包括电解槽和储氢罐，电解槽的电力输入接口连接至直流母线一端，氢气出口连接至储氢罐的入口，储氢罐出口连接至燃料电池供电系统的质子交换膜燃料电池发电装置；4)燃料电池供电系统包括质子交换膜燃料电池发电装置；5)并网控制系统包括并网控制开关，并网控制开关决定整个智能楼宇光储供电系统离网运行或并网运行。当系统能够满足独立对用户负载系统供能的条件时，系统离网运行；当设备发生故障，系统无法满足用户负载系统的能源需求时，系统并网运行。6)用户负载系统包括直流负载和交流负载，交流负载的电力输入接口连接至交直流母线系统的交流母线一端，直流负载的电力输入接口连接至直流母线一端。7)交直流母线系统包含交流母线和直流母线，其间通过DC/AC变换器连接。
更进一步的，在智能楼宇光储供电网络的模型当中，1)太阳能光伏发电装置由太阳能光伏板与DC/DC变换器构成，能够将光能转化为电能传输至直流母线供给蓄电池系统、电解水制氢系统以及用户负载系统使用；2)蓄电池储能装置由蓄电池与双向DC/DC变换器构成，能够通过直流母线实现充放电操作，在光伏有剩余时对其进行充电；在光能不足时，和氢储能系统配合向用户负载系统供电；3)质子交换膜燃料电池发电装置由质子交换膜燃料电池及DC/DC变换器构成，质子交换膜燃料电池由阴极腔室、阴极、阳极腔室、阳极和电解质组成，可以消耗氢气为用户负载系统提供电能；4)电解槽由槽体、阳极和阴极组成，能够通过电解水产生氢气；5)储氢罐采用高压储氢的方式存储氢气，能够在常温下进行充放气。
步骤2，确定智能楼宇光储供电系统光伏板铺设面积及应急蓄电池容量以及储氢罐容量的约束条件，求解流程如图2所示；为了达到满足光能合理高效的利用，同时提高供电系统的稳定性目标，本发明采用如下方式：
首先，确立目标函数：光能利用率η最大；
Figure BDA0002924372260000081
其中，λ1为电能由交直流母线系统转化至用户负载系统的能量转化效率；λ2为蓄电池储能装置中的双向DC/DC变换器的能量转换效率；λ3为与电解槽连接的DC/DC变换器的能量转换效率；Ppv为光伏发电系统的额定功率,T为一年的天数，取365天；H(t)为当地第t日标准日照小时数，单位为小时；
Figure BDA0002924372260000082
为用户负载系统一年的平均功率；a为用户负载系统一年内预估使用光伏单独供电的时间，单位为小时；b为用户负载系统一年内预估使用光伏/电网混合供电的时间；Pb为蓄电池的额定功率；Pel为电解槽水解的额定功率；
Figure BDA0002924372260000083
为由大数据统计的当地一年内市政抢修对每栋楼宇的出勤平均次数；m为当地市政紧急抢修所需平均时间，单位为小时；n为预估一年内光伏发电功率大于用户负载系统所需功率的时间段，单位为小时；
根据公式(1)可以看出，要使光能利用率η最大，应使光伏发电所产生的电能尽可能的被用户负载系统、应急蓄电池系统以及氢储能系统所利用。
为尽可能满足光能得到全部利用，给出公式(1)所示的光伏发电、燃料电池发电产电量，用户负载、蓄电池、电解槽耗电量的能量守恒公式；
Figure BDA0002924372260000091
式中，Pg为电网一年供电的年均功率；Wu为用户负载系统一年内的预估用电量；Pfc为燃料电池的额定功率；q为预估燃料电池的全年使用时间，单位为小时；λ4为与燃料电池连接的DC/DC变换器的能量转换效率；
步骤2.1，光伏系统功率约束条件。
步骤2.1.1，产电量约束条件；
为了消除弃光现象，在光伏发电单独供电的状态下，光伏发电系统的产电量应不超过用户负载系统、应急蓄电池系统以及氢储能系统的总用电量；在光伏/电网混合供电的状态下，光伏发电系统的产电量应满足应急蓄电池系统的充电使用；
Figure BDA0002924372260000092
步骤2.1.2，物理约束条件；
当智能楼宇光伏板面积为楼宇所允许的最大铺设面积时，智能楼宇光伏发电系统功率可以取到最大值；
Ppv≤Ppsmax (4)
其中Ppsmax为智能楼宇光伏板面积为楼宇所允许的最大铺设面积时,光伏发电系统的功率；
步骤2.1.3，成本约束条件；
Ppv≤Ppmax (5)
Ppmax为考虑智能楼宇设计成本，所允许的最大光伏系统额定功率；
步骤2.2，蓄电池额定功率约束条件
步骤2.2.1，用电量约束条件
蓄电池为应急使用，因此其最小值由用电最高峰时用户负载系统的功率决定；
Figure BDA0002924372260000101
其中，
Figure BDA0002924372260000102
为一年中用电最高峰时间段用户负载系统的每小时平均功率；
步骤2.2.2，成本约束条件；
Pb≤Pbmax (7)
Pbmax为考虑智能楼宇设计成本和放置面积，所允许的最大蓄电池额定功率；
步骤2.3，电解槽功率约束条件；
步骤2.3.1，用电量约束条件；
在光伏发电单独供电的状态下，电解槽应消耗所有光伏发电提供用户负载以及蓄电池充电之后的剩余能量来水解制氢，电解槽用电量应大于前述剩余能量；
Figure BDA0002924372260000103
步骤2.3.2，成本约束条件；
Pel≤Pelmax (9)
Pelmax为考虑智能楼宇设计成本和放置面积，所允许的最大蓄电池额定功率；
步骤3，构建目标优化问题的数学模型；
由步骤2所确立的目标函数及其约束条件，可以构建出公式(10)所示的目标优化问题数学模型。其中目标函数为光能利用率η最大，约束条件分别为光伏系统功率约束条件、蓄电池额定功率约束条件和电解槽功率约束条件。
具体模型如下：
Figure BDA0002924372260000104
Figure BDA0002924372260000111
步骤4，求解目标优化问题数学模型；
通过计算最优解，确定在光能利用率η最大的情况下，光伏发电系统的额定功率Ppv，蓄电池的额定功率Pb，电解槽水解的额定功率Pel；
步骤4.1，选取一种最优化算法。
例如粒子群算法、遗传算法等，作为求解步骤2所建立智能楼宇光储供电数学模型的算法。该算法应具有实现容易、精度高、收敛快等优点，能够适合于步骤2所提出的模型求解；
步骤4.2，编写程序实现步骤4.1所选取的最优化算法。
将智能楼宇光伏发电系统的组成和结构参数、模型参数、最优化算法的参数等数据输入程序中，即可求解出最优解；
其中，组成和结构参数需要包含各个环节的电能转化效率λ1～4等；模型参数需要包含由统计数据得来的当地第t日标准日照小时数H(t)为；用户负载系统一年的平均功率
Figure BDA0002924372260000112
用户负载系统一年内预估使用光伏单独供电的时间a；用户负载系统一年内预估使用光伏/电网混合供电的时间b；蓄电池的额定功率Pb；电解槽水解的额定功率Pel；由大数据统计的当地一年内市政抢修对每栋楼宇的出勤平均次数
Figure BDA0002924372260000113
当地市政紧急抢修所需平均时间m；预估一年内光伏发电功率大于用户负载系统所需功率的时间段n；电网一年供电的年均功率Pg；用户负载系统一年内的预估用电量Wu；燃料电池的额定功率Pfc；预估燃料电池的全年使用时间q；智能楼宇光伏板面积为楼宇所允许的最大铺设面积时,光伏发电系统的功率Ppsmax；考虑智能楼宇设计成本和放置面积，所允许的最大光伏系统额定功率Ppmax；一年中用电最高峰时间段用户负载系统的每小时平均功率
Figure BDA0002924372260000121
考虑智能楼宇设计成本和放置面积，所允许的最大蓄电池额定功率Pbmax；考虑智能楼宇设计成本和放置面积，所允许的最大蓄电池额定功率Pelmax；
最优化算法参数需要包括算法的核心公式所含有的系数以及与算法有关的其他参数；
步骤4.3，计算得出最优化结果。
得到满足光能利用率η最大时系统所对应的光伏发电系统的额定功率Ppv，蓄电池的额定功率Pb，电解槽水解的额定功率Pel；
步骤4.4，确定智能楼宇设备参数。
根据使用最优化算法所确定的光伏发电系统的额定功率Ppv，蓄电池的额定功率Pb，电解槽水解的额定功率Pel来确定搭建该智能楼宇光伏发电系统所需要的光伏板铺设面积，应急蓄电池额定容量,储氢罐容量；
步骤4.4.1，确定光伏板铺设面积。
光伏发电系统的发电量由光伏板的额定功率、太阳能辐照量以及光伏板的铺设面积共同决定，由此给出公式(11)所示的光伏板铺设面积的求解方法；
Figure BDA0002924372260000122
Figure BDA0002924372260000123
其中，Spv为光伏板铺设面积，单位为m2；h为当地日平均光照时间，单位为小时；L为当地日平均太阳能总辐照量，单位为kW·h/m2；K为综合效率系数；
步骤4.4.2，确定应急蓄电池额定容量。
应急蓄电池的容量受到蓄电池的额定电压以及当地市政紧急抢修所需平均时间影响，假设每次因发生紧急情况而使用蓄电池后，系统都能给蓄电池充满电量，给出公式(13)所示的应急蓄电池额定容量求解方法；
Figure BDA0002924372260000131
其中Cb是应急蓄电池额定容量，单位为A·h；Vb是应急蓄电池额定电压，单位为V；
步骤4.4.3，确定储氢罐容量。
储氢罐容量受电解水制氢的速率以及制氢时间所决定，有法拉第点解定律可知，26.8A·h的电量能产生0.5摩尔的氢气，因此在标准状况下，1A·h的电量产生的氢气体积V1为4.18×10-4m3，给出公式(14)所示的储氢罐容量求解方法；
Figure BDA0002924372260000132
Figure BDA0002924372260000133
其中，Vs为储氢罐容量，单位为m3；
Figure BDA0002924372260000135
为系统日平均制氢时间，单位为小时；Vel为电解槽额定电压，单位为V；
综上，智能楼宇光伏发电系统所需要的光伏板铺设面积，应急蓄电池额定容量,储氢罐容量的计算公式如式(16)所示：
Figure BDA0002924372260000134
本发明还提供一种基于智能楼宇光储供电设备的参数优化设计系统，包括：
供电网络模型建立模块，用于建立智能楼宇光储供电网络的模型；
约束条件确定模块，用于确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量的约束条件；
数学模型构建模块，用于构建目标优化问题的数学模型，其中目标函数为光能利用率η最大，约束条件分别为光伏系统功率约束条件、蓄电池额定功率约束条件和电解槽功率约束条件；
数学模型求解模块，用于求解目标优化问题数学模型，确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量。
该参数优化设计系统可以通过硬件装置或计算机软件进行实现。
以上所述的仅仅是本发明的较佳实施例，并不用以对本发明的技术方案进行任何限制，本领域技术人员应当理解的是，在不脱离本发明精神和原则的前提下，该技术方案还可以进行若干简单的修改和替换，这些修改和替换也均属于权利要求书所涵盖的保护范围之内。

Claims (10)

1.一种基于智能楼宇光储供电设备的参数优化设计方法，其特征在于，包括以下步骤：
建立智能楼宇光储供电网络的模型；
确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量的约束条件；
构建目标优化问题的数学模型，其中目标函数为光能利用率η最大，约束条件分别为光伏系统功率约束条件、蓄电池额定功率约束条件和电解槽功率约束条件；
求解目标优化问题数学模型，确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量。
2.根据权利要求1所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：智能楼宇光储供电网络的模型包括太阳能光伏发电系统、蓄电池系统、电解水制氢系统、燃料电池供电系统、并网控制系统、用户负载系统以及交直流母线系统。
3.根据权利要求2所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：
太阳能光伏发电系统包括太阳能光伏发电装置，其电能输出端连接至交直流母线系统的直流母线一端；
蓄电池系统包括蓄电池储能装置，其充放电接口连接至直流母线一端；
电解水制氢系统包括电解槽和储氢罐，电解槽的电力输入接口连接至直流母线一端，氢气出口连接至储氢罐的入口，储氢罐的出口连接至燃料电池供电系统的质子交换膜燃料电池发电装置；
燃料电池供电系统包括质子交换膜燃料电池发电装置；
并网控制系统包括并网控制开关，并网控制开关决定整个智能楼宇光储供电系统离网运行或并网运行；当系统能够满足独立对用户负载系统供能的条件时，系统离网运行；当设备发生故障，系统无法满足用户负载系统的能源需求时，系统并网运行；
用户负载系统包括直流负载和交流负载，交流负载的电力输入接口连接至交直流母线系统的交流母线一端，直流负载的电力输入接口连接至直流母线一端；
交直流母线系统包含交流母线和直流母线，其间通过DC/AC变换器连接。
4.根据权利要求3所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：
太阳能光伏发电装置由太阳能光伏板以及DC/DC变换器构成，能够将光能转化为电能传输至直流母线供给蓄电池系统、电解水制氢系统以及用户负载系统使用；
蓄电池储能装置由蓄电池及双向DC/DC变换器构成，能够通过直流母线实现充放电操作，在光伏有剩余时对其进行充电；在光能不足时，和质子交换膜燃料电池发电装置配合向用户负载系统供电；
质子交换膜燃料电池发电装置由质子交换膜燃料电池及DC/DC变换器构成，质子交换膜燃料电池能够消耗氢气为用户负载系统提供电能；
电解槽由槽体、阳极和阴极组成，能够通过电解水产生氢气；
储氢罐采用高压储氢的方式存储氢气，能够在常温下进行充放气。
5.根据权利要求4所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：
光能利用率η最大的目标函数表达式如下：
Figure FDA0002924372250000021
式中，λ1为电能由交直流母线系统转化至用户负载系统的能量转化效率；λ2为蓄电池储能装置中的双向DC/DC变换器的能量转换效率；λ3为与电解槽连接的DC/DC变换器的能量转换效率；Ppv为光伏发电系统的额定功率；T为一年的天数，取365天；H(t)为当地第t日标准日照小时数，单位为小时；
Figure FDA0002924372250000022
为用户负载系统一年的平均功率；a为用户负载系统一年内预估使用光伏单独供电的时间，单位为小时；b为用户负载系统一年内预估使用光伏/电网混合供电的时间；Pb为蓄电池的额定功率；Pel为电解槽水解的额定功率；
Figure FDA0002924372250000023
为由大数据统计的当地一年内市政抢修对每栋楼宇的出勤平均次数；m为当地市政紧急抢修所需平均时间，单位为小时；n为预估一年内光伏发电功率大于用户负载系统所需功率的时间段，单位为小时；
为了满足光能得到全部利用，目标函数表达式当中涉及到的光伏发电、燃料电池发电产电量、用户负载、蓄电池、电解槽耗电量满足以下能量守恒公式：
Figure FDA0002924372250000031
式中，Pg为电网一年供电的年均功率；Wu为用户负载系统一年内的预估用电量；Pfc为燃料电池的额定功率；q为预估燃料电池的全年使用时间，单位为小时；λ4为与燃料电池连接的DC/DC变换器的能量转换效率。
6.根据权利要求5所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：光伏系统功率约束条件包括产电量约束条件、物理约束条件和成本约束条件；
产电量约束条件为：在光伏发电单独供电的状态下，光伏发电系统的产电量不超过用户负载系统、应急蓄电池系统以及氢储能系统的总用电量；在光伏/电网混合供电的状态下，光伏发电系统的产电量满足应急蓄电池系统的充电使用；该约束条件表达式如下：
Figure FDA0002924372250000032
物理约束条件为：当智能楼宇光伏板面积为楼宇所允许的最大铺设面积时，智能楼宇光伏发电系统功率可以取到最大值；该约束条件表达式如下：
Ppv≤Ppsmax
Ppsmax为智能楼宇光伏板面积为楼宇所允许的最大铺设面积时,光伏发电系统的功率；
成本约束条件表达式为：Ppv≤Ppmax；
Ppmax为考虑智能楼宇设计成本，所允许的最大光伏系统额定功率。
7.根据权利要求5所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：
蓄电池额定功率约束条件包括用电量约束条件和成本约束条件；
用电量约束条件表达式为：
Figure FDA0002924372250000033
其中，
Figure FDA0002924372250000041
为一年中用电最高峰时间段用户负载系统的每小时平均功率；
成本约束条件表达式为：Pb≤Pbmax；
其中，Pbmax为考虑智能楼宇设计成本和放置面积，所允许的最大蓄电池额定功率。
8.根据权利要求5所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：
电解槽功率约束条件包括用电量约束条件和成本约束条件；
用电量约束条件为：在光伏发电单独供电的状态下，电解槽消耗所有光伏发电提供用户负载以及蓄电池充电之后的剩余能量来水解制氢，电解槽用电量大于前述剩余能量；该约束条件表达式如下：
Figure FDA0002924372250000042
成本约束条件表达式为：Pel≤Pelmax；
其中，Pelmax为考虑智能楼宇设计成本和放置面积所允许的最大蓄电池额定功率。
9.根据权利要求5所述基于智能楼宇光储供电设备的参数优化设计方法，其特征在于：
确定光伏板铺设面积的计算表达式如下：
Figure FDA0002924372250000043
Figure FDA0002924372250000044
其中，Spv为光伏板铺设面积，单位为m2；h为当地日平均光照时间，单位为小时；L为当地日平均太阳能总辐照量，单位为kW·h/m2；K为综合效率系数；
应急蓄电池容量的计算表达式如下：
Figure FDA0002924372250000045
其中，Cb是应急蓄电池额定容量，单位为A·h；Vb是应急蓄电池额定电压，单位为V；
储氢罐容量的计算表达式如下：
Figure FDA0002924372250000046
Figure FDA0002924372250000047
其中，Vs为储氢罐容量，单位为m3；
Figure FDA0002924372250000051
为系统日平均制氢时间，单位为小时；Vel为电解槽额定电压，单位为V。
10.一种基于智能楼宇光储供电设备的参数优化设计系统，其特征在于，包括：
供电网络模型建立模块，用于建立智能楼宇光储供电网络的模型；
约束条件确定模块，用于确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量的约束条件；
数学模型构建模块，用于构建目标优化问题的数学模型，其中目标函数为光能利用率η最大，约束条件分别为光伏系统功率约束条件、蓄电池额定功率约束条件和电解槽功率约束条件；
数学模型求解模块，用于求解目标优化问题数学模型，确定光伏板铺设面积、应急蓄电池容量以及储氢罐容量。
CN202110128819.6A 2021-01-29 2021-01-29 基于智能楼宇光储供电设备的参数优化设计方法及系统 Active CN112803567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110128819.6A CN112803567B (zh) 2021-01-29 2021-01-29 基于智能楼宇光储供电设备的参数优化设计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110128819.6A CN112803567B (zh) 2021-01-29 2021-01-29 基于智能楼宇光储供电设备的参数优化设计方法及系统

Publications (2)

Publication Number Publication Date
CN112803567A true CN112803567A (zh) 2021-05-14
CN112803567B CN112803567B (zh) 2023-04-28

Family

ID=75812992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110128819.6A Active CN112803567B (zh) 2021-01-29 2021-01-29 基于智能楼宇光储供电设备的参数优化设计方法及系统

Country Status (1)

Country Link
CN (1) CN112803567B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115425681A (zh) * 2022-08-31 2022-12-02 中国华能集团清洁能源技术研究院有限公司 一种离网式光伏制氢耦合供电系统
CN116613792A (zh) * 2023-05-22 2023-08-18 宁夏中昊银晨能源技术服务有限公司 一种基于用能数据的近零能耗建筑社区储能系统及方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103996075A (zh) * 2014-05-08 2014-08-20 南方电网科学研究院有限责任公司 考虑柴蓄协调增效的微电网多目标优化调度方法
CN105262129A (zh) * 2015-10-22 2016-01-20 华南理工大学 一种含复合储能微电网的多目标优化系统及方法
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
CN107425540A (zh) * 2017-06-29 2017-12-01 国网上海市电力公司 一种三电池耦合型综合能源系统及其优化设计方法
CN109146117A (zh) * 2018-06-15 2019-01-04 中国电建集团福建省电力勘测设计院有限公司 一种考虑需求侧资源的区域多能源系统运行优化方法
WO2019134532A1 (zh) * 2018-01-02 2019-07-11 佛山科学技术学院 一种含风光可再生能源的热电联供系统运行方法
CN110190628A (zh) * 2019-06-12 2019-08-30 西南交通大学 一种基于综合能源的复线全并联at牵引供电系统及方法
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN110443410A (zh) * 2019-07-10 2019-11-12 国网福建省电力有限公司 一种区域多能源系统的运行优化方法
CN110932299A (zh) * 2019-12-13 2020-03-27 国网陕西省电力公司电力科学研究院 一种光氢储耦合微电网中电池储能系统的容量优化方法
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
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
CN111327053A (zh) * 2020-03-16 2020-06-23 上海电力大学 一种适用于极地气候下的多源微电网容量优化配置方法
CN111884263A (zh) * 2020-06-29 2020-11-03 国网江苏省电力有限公司苏州供电分公司 多目标配电网优化方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103996075A (zh) * 2014-05-08 2014-08-20 南方电网科学研究院有限责任公司 考虑柴蓄协调增效的微电网多目标优化调度方法
CN105262129A (zh) * 2015-10-22 2016-01-20 华南理工大学 一种含复合储能微电网的多目标优化系统及方法
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
CN107425540A (zh) * 2017-06-29 2017-12-01 国网上海市电力公司 一种三电池耦合型综合能源系统及其优化设计方法
WO2019134532A1 (zh) * 2018-01-02 2019-07-11 佛山科学技术学院 一种含风光可再生能源的热电联供系统运行方法
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN109146117A (zh) * 2018-06-15 2019-01-04 中国电建集团福建省电力勘测设计院有限公司 一种考虑需求侧资源的区域多能源系统运行优化方法
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
CN110190628A (zh) * 2019-06-12 2019-08-30 西南交通大学 一种基于综合能源的复线全并联at牵引供电系统及方法
CN110443410A (zh) * 2019-07-10 2019-11-12 国网福建省电力有限公司 一种区域多能源系统的运行优化方法
CN110932299A (zh) * 2019-12-13 2020-03-27 国网陕西省电力公司电力科学研究院 一种光氢储耦合微电网中电池储能系统的容量优化方法
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
CN111327053A (zh) * 2020-03-16 2020-06-23 上海电力大学 一种适用于极地气候下的多源微电网容量优化配置方法
CN111884263A (zh) * 2020-06-29 2020-11-03 国网江苏省电力有限公司苏州供电分公司 多目标配电网优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ERKAN DURSUN等: "Modeling of hydrogen production with a stand-alone renewable hybrid power system", 《INTERNATIONAL JOURNAL OF HYDROGEN ENERGY》 *
JOSE´ L. BERNAL-AGUSTI´N等: "Techno-economical optimization of the production of hydrogen from PV-Wind systems connected to the electrical grid", 《RENEWABLE ENERGY》 *
卢一菲: "基于电—氢混合储能的风氢耦合系统建模与控制", 《智慧电力》 *
贾成真: "风光氢耦合发电系统的容量优化配置及日前优化调度", 《中国电力》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115425681A (zh) * 2022-08-31 2022-12-02 中国华能集团清洁能源技术研究院有限公司 一种离网式光伏制氢耦合供电系统
CN116613792A (zh) * 2023-05-22 2023-08-18 宁夏中昊银晨能源技术服务有限公司 一种基于用能数据的近零能耗建筑社区储能系统及方法

Also Published As

Publication number Publication date
CN112803567B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN110544935B (zh) 一种电-氢多能互补直流微电网协调调度方法
CN109462253B (zh) 一种离网型交直流混合微电网系统及其控制方法
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
CN110571857A (zh) 基于光伏与燃料电池联合发电系统的能源管理协调系统
CN110112783A (zh) 光伏蓄电池微电网调度控制方法
CN112803567B (zh) 基于智能楼宇光储供电设备的参数优化设计方法及系统
CN114552659A (zh) 含电氢储能的多能量综合管理型能量路由器及控制方法
CN112990523A (zh) 基于多目标模型预测控制的区域综合能源系统分层优化运行方法
CN114362268A (zh) 基于风光荷两级预测的综合能源供电系统优化调度方法
CN115296321A (zh) 一种离网式光伏制氢耦合控制系统
CN112366684A (zh) 一种海岛微电网系统
CN113452044B (zh) 一种含氢与液态金属电池混合储能系统的风力光伏电网调度方法
Huangfu et al. An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN104281984A (zh) 一种用于微电网经济运行的供电方法
CN111917137A (zh) 一种针对区域电网内多种分布式能源的调控方法
CN115313634A (zh) 一种智能楼宇的能源管理系统及方法
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN111786419A (zh) 一种区域电网能源配置系统
Zhu et al. Research on Optimal Allocation of Capacity of Island Multi-energy System
Fu et al. Research on capacity configuration optimization for island microgrid with PV-wind-diesel-battery and seawater desalination load
CN116484553B (zh) 一种考虑多能互补的微电网优化设计方法
Zhao et al. Optimization model of a ring-grid distribution system based on a solid-state hydrogen storage station
Zhao et al. Capacity optimization allocation of electrothermal hydrogen integrated energy system considering start-stop characteristics of multiple electrolyzers
Li et al. A Sizing Method for Hyrbid Energy Storage Microgrid with Hydrogen-Electricity System

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