CN113036787A

CN113036787A - 一种制氢站能量优化配置方法和系统

Info

Publication number: CN113036787A
Application number: CN202110275084.XA
Authority: CN
Inventors: 潘雷; 孙鹤旭; 董砚; 庞毅; 吴子丰; 殷畅; 李伟琳
Original assignee: Hebei University of Technology; Hebei University of Science and Technology; Tianjin Chengjian University
Current assignee: Hebei University of Technology; Hebei University of Science and Technology; Tianjin Chengjian University
Priority date: 2021-03-15
Filing date: 2021-03-15
Publication date: 2021-06-25
Also published as: AU2021107028A4

Abstract

本发明公开了一种制氢站能量优化配置方法和系统，包括：设定制氢站多个设备的各个时刻的设备模型；根据设备模型、设备容量设定目标函数；设定目标函数的约束条件；约束条件包括设备约束条件、电功率平衡约束条件、热功率平衡约束条件和冷功率平衡约束条件；在满足约束条件的情况下，基于预设算法对目标函数进行求解，获得各个设备的容量配置结果。一方面，本发明在配置氢气站时，同时考虑了产氢量、电能需求及制氢站运行过程中所需要的热能和冷能需求，使优化配置更合理；另一方面，本发明不仅考虑制氢站主要设备的容量优化配置，还规划了主要设备在各个运行时刻的最优状态，使优化配置更全面。

Description

一种制氢站能量优化配置方法和系统

技术领域

本发明涉及制氢技术领域，尤其是一种制氢站能量优化配置方法和系统。

背景技术

离网风、光储新能源制氢站的目的是将风、光转化的电能通过电解槽转换成氢气，提供给用户。其核心设备是电解槽，制氢方法为：给电解槽通电，电解槽产生氢气。现有的离网风、光储新能源制氢站结构及优化配置方法主要存在以下问题：1、制氢站是有自身的热、冷能消耗的，现有技术只考虑产氢量、电能需求，没有综合考虑制氢站运行过程中所需要的热能和冷能需求。2、现有技术主要考虑制氢站主要设备的容量优化配置，没能同时规划主要设备在各个时刻运行时的最优状态。

发明内容

针对现有技术中的缺陷，本发明提供了一种制氢站能量优化配置方法和系统，其目的在于解决上述两个问题。

第一方面

本发明提供了一种制氢站能量优化配置方法，包括：

设定制氢站多个设备的各个时刻的设备模型；

根据设备模型、设备容量设定目标函数；

设定目标函数的约束条件；所述约束条件包括设备约束条件、电功率平衡约束条件、热功率平衡约束条件和冷功率平衡约束条件；所述设备约束条件根据设备模型、设备最大容量确定；所述电功率平衡约束条件根据设备模型和设备产生的电功率确定；所述热功率平衡约束条件根据设备模型和设备产生的热功率确定；所述冷功率平衡约束条件根据设备模型和设备产生的冷功率确定；

在满足约束条件的情况下，基于预设算法对所述目标函数进行求解，获得各个设备的容量配置结果；

根据容量配置结果对制氢站的各个设备进行配置。

优选地，所述制氢站多个设备包括风力发电机、光伏发电电池组、电解槽、储热罐、储氢罐、蓄电池及吸收式制冷机。

优选地，所述目标函数是以每日成本最小化为目标确定的。

优选地，所述在满足约束条件的情况下，基于预设算法对所述目标函数进行求解，获得各个设备的容量配置结果具体为：

设定预设参数，所述预设参数包括种群规模、交叉率、变异率及各个设备模型的参数；根据设备模型、种群规模和设备约束条件创建初始化种群，并将初始化种群作为父代种群；

设定目标函数的负值为适应度函数；基于父代种群计算适应度函数，选择适应度值最大的个体作为父代最优个体；

依据所述适应度函数、所述交叉率和变异率，对父代种群进行交叉操作和变异操作，得到子代种群，基于子代种群计算适应度函数，选择适应度值最大的个体作为子代最优个体；

判断子代最优个体的适应度函数值减父代最优个体的适应度函数值差值的绝对值是否小于预设阈值，若是，比较子代最优个体的适应度函数值和父代最优个体的适应度函数值，取较大的适应度函数值对应的个体作为最优个体，解码所述最优个体，获得各个设备的容量配置结果。

第二方面

本发明提供了一种一种制氢站能量优化配置系统，包括：

模型建立单元，用于设定制氢站多个设备的各个时刻的设备模型；

目标函数建立单元，用于根据设备模型、设备容量设定目标函数；

约束条件建立单元，用于设定目标函数的约束条件；所述约束条件包括设备约束条件、电功率平衡约束条件、热功率平衡约束条件和冷功率平衡约束条件；所述设备约束条件根据设备模型、设备最大容量确定；所述电功率平衡约束条件根据设备模型和设备产生的电功率确定；所述热功率平衡约束条件根据设备模型和设备产生的热功率确定；所述冷功率平衡约束条件根据设备模型和设备产生的冷功率确定；

求解单元，用于在满足约束条件的情况下，基于预设算法对所述目标函数进行求解，获得各个设备的容量配置结果；

配置单元，用于根据容量配置结果对制氢站的各个设备进行配置。

优选地，所述目标函数是以每日成本最小化为目标确定的。

优选地，所述求解单元具体用于：

本发明提供的一种制氢站能量优化配置方法和系统，一方面，在配置氢气站时，同时考虑了产氢量、电能需求及制氢站运行过程中所需要的热能和冷能需求，使优化配置更合理；另一方面，不仅考虑制氢站主要设备的容量优化配置，还规划了主要设备在各个运行时刻的最优状态，使优化配置更全面。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为传统制氢站结构和能量流动示意图；

图2为本发明实施例的制氢站结构和能量流动示意图；

图3为本发明实施例步骤S4的流程示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

如图1所示，传统离网新能源制氢站配置方法中，主要设备包括：风力发电机、光伏发电电池组、蓄电池、电解槽和储氢罐。风力发电机和光伏发电电池组通过变换器连接到直流母线上，向系统提供电能。电解槽通过变换器连接到直流母线上，汲取电能电解水产生氢气，电解槽氢气出口连接到储氢罐入口。储氢罐存储氢气，以备使用。蓄电池通过变换器连接到母线上，当风力发电机和光伏发电电池组提供的电能过剩，蓄电池充电；当风力发电机和光伏发电电池组提供的电能不足以维持电解槽产生氢气需求，蓄电池放电给母线以维持产氢。

本发明实施例提供了一种制氢站能量优化配置方法，包括以下步骤：

S1、设定制氢站多个设备的各个时刻的设备模型；

S2、根据设备模型、设备容量设定目标函数；

S3、设定目标函数的约束条件；约束条件包括设备约束条件、电功率平衡约束条件、热功率平衡约束条件和冷功率平衡约束条件；设备约束条件根据设备模型、设备最大容量确定；电功率平衡约束条件根据设备模型和设备产生的电功率确定；热功率平衡约束条件根据设备模型和设备产生的热功率确定；冷功率平衡约束条件根据设备模型和设备产生的冷功率确定；

S4、在满足约束条件的情况下，基于预设算法对目标函数进行求解，获得各个设备的容量配置结果；

S5、根据容量配置结果对制氢站的各个设备进行配置。

图2为本发明实施例的制氢站结构和能量流动示意图，风力发电机和光伏发电电池组通过变换器连接到直流母线上，向系统提供电能。电解槽通过变换器连接到直流母线上，汲取电能电解水产生氢气，电解槽氢气出口连接到储氢罐入口。储氢罐存储氢气，以备使用。蓄电池通过变换器连接到母线上，当风力发电机和光伏发电电池组提供的电能过剩时，蓄电池充电；当风力发电机和光伏发电电池组提供的电能不足以维持电解槽产生氢气需求时，蓄电池放电给母线以维持产氢。电解槽在产氢过程中也会产生大量的热能，热能通过电解槽的冷却系统排出到热循环系统。储热罐连接到热循环系统，当热循环系统里的热能过剩，储热罐存储热能；当热循环系统里的热能不能满足热负载和吸收式制冷机的热能需求，储热罐释放热能到热循环系统。吸收式制冷机连接到热循环系统，吸收式制冷机将热能变换为冷能，冷能供给制氢站的冷能需求。

其中，制氢站多个设备包括风力发电机、光伏发电电池组、电解槽、储热罐、储氢罐、蓄电池及吸收式制冷机，目标函数是以每日成本最小化为目标确定的。

制氢站能量优化配置的目标函数和约束条件确定过程如下：为方便描述，以下陈述使用英文缩写代替一些名词，具体如下：EL代表：电解槽，PV代表：光伏发电电池组，WT代表：风力发电机，HST代表：储热罐，STB代表：蓄电池，ACM代表：吸收式制冷机，AC/DC代表：交流/直流变换器，DC/DC代表：直流/直流变换器。

设备模型：

WT：

单台风力发电机的理论电出力模型为：

式中：P_WT(t)为风力发电机的在t时刻的输出电功率，单位为kW，中间变量；P_WTN为单台风力发电机的额定输出功率，单位为kW，参数；v(t)为t时刻的风速，单位为m/s，给定值；v_in为切入风速，单位为m/s，参数；v_out为切出风速，单位为m/s，参数；v_N为额定风速，单位为m/s，参数。

PV：

单组光伏发电电池组的在t时段的理论电出力P_PV(t)模型为：

式中：P_PVN为单组PV的额定输出功率，单位为kW，参数；f_PV为PV运行效率，参数；G(t)为t时段的太阳辐照强度，单位为W/m²，给定值；G_ref为参考辐照强度，单位为W/m²，参数；α为温度系数，参数；T_PV为光伏电池运行温度，单位为℃，参数；T_S为光伏电池运行参考温度，单位为℃，参数。

EL：

电解槽由多个单槽串联工作，其在t时段工作电压的数学模型如下：

U_EL(t)＝[U_rev+U_act(t)+U_ohm(t)]·N_EL

式中：N_EL为串联单槽的数量。电解水在单槽中的反应不是自发的。可逆电压U_rev是单槽中完成电解水过程所需的最小电压，单位为V，中间量。U_act是单槽的活化极化过电压，V为中间变量。欧姆过电压U_ohm是单槽中的组成部分的欧姆损失而产生的过电位，V为中间变量。三个电压可描述为电解槽电流的函数：

式中，F为法拉第常数，96485C/mol，常量；T_EL为电解槽工作温度，单位为K，参数；ΔH为生成焓，单位为kJ/mol，参数；ΔS为熵，单位为kJ/mol·K，参数；A_EL为单槽面积，单位为m²，参数；r₁，r₂，s₁，s₂，s₃，t₁，t₂，t₃均为电解槽特性参数，I_EL(t)为t时刻电解槽的电流，待求变量。

电解槽消耗的电功率P_EL(t)模型如下：

P_EL(t)＝U_EL(t)I_EL(t)

电解槽的产氢速率n_EL(t)模型如下：

式中，η_F为法拉第效率，中间变量；f₁，f₂为法拉第效率参数，P_EL(t)，单位为kW，中间变量。

电解槽的产热量Q_EL(t)模型如下：

式中，h_cond热交换器传导指数，单位为W/℃，参数；h_conv热交换器对流指数，单位为W/℃·A，参数；T_cwi热交换器的进口温度，单位为℃，参数；T_cwo热交换器的出口温度，单位为℃，参数。

HST：

t时刻蓄热罐内的储热量数学模型为：

t时段储热罐的储热状态ST_HST(t)数学模型为：

式中，WQ_HST(t)为储热罐在t时段存储的热能，单位为kJ，中间变量。TE_{HST_in}和TE_{HST_out}分别为储热罐输入和输出效率，参数；Q_{HST_in}(t)和Q_{HST_out}(t)分别为储热罐在t时段输入和输出热功率，单位为W，中间变量。Δt为时间段的持续时长，取1小时；WQ_HSTN为储热罐的额定储热量，单位为kJ，待求变量；ST_HST(t)为t时段储热罐的储热状态，中间变量。

HT：

t时段储氢罐的储氢量F_HT(t)数学模型为：

F_HT(t)＝F_HT(t-1)+n_EL(t)×Δt-F_load(t)

t时段储氢罐内气体压强S_HT(t)数学模型为：

t时段储氢罐状态ST_HT(t)数学模型为：

式中，F_load(t)为t时段的氢气需求量，单位为mol，中间变量。T_H2为氢气温度，单位为K，参数；V_HT为储氢罐体积，单位为m³，参数；R为通用气体常量，8.314J/(mol·K)，常量；S_HTN为储氢罐额定压强，单位为Pa，参数；ST_HT(t)为t时段储氢罐的压强状态，中间变量。

STB：

t时刻蓄电池内的电量W_STB(t)为：

蓄电池充电：

W_STB(t)＝(1-σ_sdr)W_STB(t-1)+P_{STB_in}(t)Δt

蓄电池放电：

W_STB(t)＝(1-σ_sdr)W_STB(t-1)-P_{STB_out}(t)Δt

t时刻蓄电池储电状态ST_STB(t)：

式中，σ_sdr为蓄电池自放电率，参数；P_{STB_in}(t)和P_{STB_out}(t)分别为蓄电池在t时段输入和输出电功率，单位为W，中间变量；W_STBN为蓄电池的额定储电量，单位为kJ，待求变量；ST_STB(t)为STB在t时段的储电状态值，中间变量。

ACM：

t时段吸收式制冷机的产生冷功率Q_{ACM_cool}(t)数学模型为：

Q_{ACM_cool}(t)＝COP_ACM×Q_{ACM_hot}(t)

式中，COP_ACM为吸收式制冷机的能效系数，参数。

本发明实施例提出的风、光储新能源制氢站能量优化配置方法的目标为制氢站每日成本最少，相应的数学目标函数为：

C_EL表示EL单位功率的投资成本，单位为RMB/kW，参数；C_ACM表示ACM单位功率的投资成本，单位为RMB/kW，参数；C_PV表示PV单位功率的投资成本，单位为RMB/kW，参数；C_WT表示WT单位功率的投资成本，单位为RMB/kW，参数；C_HST表示HST单位热量的投资成本，单位为RMB/kW，参数；C_HT表示HT单位储氢量的投资成本，单位为RMB/kW，参数；C_STB表示STB单位储电量的投资成本，单位为RMB/kW，参数；P_ELN表示电解槽的额定功率,待求变量；Q_ACMN表示ACM的额定功率，单位为kW，待求变量；P_WTN为单台风力发电机的额定输出功率，单位为kW，参数；P_PVN为单组PV的额定输出功率，单位为kW，参数；N_WT为WT的台数，待求变量；N_PV为PV的组数，待求变量，WQ_HSTN为储热罐的额定储热量，待求变量；F_HTN表示HTN的额定储氢量，单位为mol，待求变量；W_STBN表示STB的额定储电量，单位为kJ，待求变量；

X∈{EL,ACM,PV,WT,HST,HT,STB}表示设备X购置成本折合到每天的折算系数。计算公式如下：

Year_HPS为制氢站的设计使用寿命,TN_X为设备X在Year_HPS年限内更换的次数,DY_X设备X使用年限,ceil()是向上取整运算。

P_EL(t)表示t时段EL的功率，单位为kW，待求变量；Q_{ACM_cool}(t)表示t时段ACM的功率，单位为kW，待求变量；P_WT(t)为风力发电机的在t时刻的输出电功率，kW，中间变量；P_PV(t)时刻的输出电功率，待求变量；E_EL、E_ACM、E_PV、E_WT分别表示EL、ACM、PV、WT单位功率单位时间的运行维护成本，单位为RMB/kW。

约束条件为：

电功率平衡约束：

式中，TE_{STB_in}和TE_{STB_out}分别为蓄电池充电和放电效率，参数；TE_AC/DC和TE_DC/DC分别为AC/DC和DC/DC的转换效率，参数。

热功率平衡约束：

冷功率平衡约束：

Q_{cool_load}(t)＝Q_{ACM_cool}(t)

设备约束：

WT：

1≤N_WT≤N_{WT_max}

式中：由于场地限制，N_{WT_max}为能放置的WT最大数量，单位为台，参数。

PV：

1≤N_PV≤N_{PV_max}

式中：由于场地限制，N_{PV_max}为能放置的PV最大数量，单位为块，参数。

EL：

0≤P_EL(t)≤P_{EL_max}

max(P_EL(t))≤P_ELN≤P_{EL_max}

式中：P_{EL_max}为EL的最大电功率，kW。

HST：

ST_{HST_min}≤ST_HST(t)≤ST_{HST_max}

WQ_{HST_min}≤WQ_HSTN≤WQ_{HST_max}

式中，WQ_{HST_min}和WQ_{HST_max}分别为储热罐的最大和最小储热量，单位为kJ，参数；ST_{HST_max}和ST_{HST_min}分别为储热罐蓄热状态值的上下限，参数。

HT：

ST_{HT_min}≤ST_HT(t)≤ST_{HT_max}

F_{HT_min}≤F_HTN≤F_{HT_max}

式中，F_{HT_min}和F_{HT_max}分别为储氢罐的最大和最小储氢量，单位为mol，参数；ST_{HT_max}和ST_{HT_min}分别为储热罐蓄热状态值的上下限，参数。

STB：

ST_{STB_min}≤ST_STB(t)≤ST_{STB_max}

WQ_{STB_min}≤WQ_STBN≤WQ_{STB_max}

式中，WQ_{STB_min}和WQ_{STB_max}分别为蓄电池的最大和最小储电量，单位为kJ，参数；ST_{STB_max}和ST_{STB_min}分别为蓄电池储电状态值的上下限，参数。

ACM：

max(Q_{ACM_cool}(t))≤Q_ACMN≤Q_{ACM_max}

0≤Q_{ACM_cool}(t)≤Q_{ACM_max}

式中，Q_{ACM_max}为ACM能提供的最大冷功率，单位为kW，参数。

图3为本发明实施例步骤S4的流程示意图，

步骤1、设定预设参数，预设参数包括种群规模、交叉率、变异率及各个设备模型的参数；设置t时段储热罐的储热状态ST_HST(t)等中间变量及t时刻电解槽的电流I_EL(t)等待求变量的上下限值。

步骤2、对t时刻电解槽的电流I_EL(t)等待求变量进行编码，目标函数f转化为适应度函数。

步骤3、根据设备模型、种群规模和设备约束条件创建初始化种群，并将初始化种群作为父代种群。

步骤4、计算适应度函数，选择适应度值最大的个体作为父代最优个体。

步骤5、进行选择操作，使用最佳保留选择。

步骤6、进行交叉操作(交叉概率80％)，使用单点交叉。

步骤7、进行变异操作(变异概率50％)，使用基本位变异，得到子代种群。

步骤8、基于子代种群计算适应度函数，选择适应度值最大的个体作为子代最优个体。

步骤9、判断子代最优个体的适应度函数值减上一代最优个体的适应度函数值差值的绝对值是否小于设定值(0.001)。如果是，转到步骤10；如果否，转到步骤5。

步骤10、比较子代最优个体的适应度函数值和上一代最优个体的适应度函数值，取较大的适应度函数值对应的个体作为最优个体，输出最优个体和最优个体对应的适应度函数值，解码最优个体，获得各个设备的容量配置结果。

本发明实施例还提供了一种制氢站能量优化配置系统，包括：

约束条件建立单元，用于设定目标函数的约束条件；约束条件包括设备约束条件、电功率平衡约束条件、热功率平衡约束条件和冷功率平衡约束条件；设备约束条件根据设备模型、设备最大容量确定；电功率平衡约束条件根据设备模型和设备产生的电功率确定；热功率平衡约束条件根据设备模型和设备产生的热功率确定；冷功率平衡约束条件根据设备模型和设备产生的冷功率确定；

求解单元，用于在满足约束条件的情况下，基于预设算法对目标函数进行求解，获得各个设备的容量配置结果；

求解单元具体用于：

本发明实施例提供的一种制氢站能量优化配置方法和系统，一方面，在配置氢气站时，同时考虑了产氢量、电能需求及制氢站运行过程中所需要的热能和冷能需求，使优化配置更合理；另一方面，考虑制氢站主要设备的容量优化配置，规划了主要设备在各个运行时刻的最优状态，使优化配置更全面。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims

1.一种制氢站能量优化配置方法，其特征在于：包括：

设定制氢站多个设备的各个时刻的设备模型；

根据设备模型、设备容量设定目标函数；

根据容量配置结果对制氢站的各个设备进行配置。

2.根据权利要求1所述的一种制氢站能量优化配置方法，其特征在于：所述制氢站多个设备包括风力发电机、光伏发电电池组、电解槽、储热罐、储氢罐、蓄电池及吸收式制冷机。

3.根据权利要求1所述的一种制氢站能量优化配置方法，其特征在于：所述目标函数是以每日成本最小化为目标确定的。

4.根据权利要求1所述的一种制氢站能量优化配置方法，其特征在于：所述在满足约束条件的情况下，基于预设算法对所述目标函数进行求解，获得各个设备的容量配置结果具体为：

5.一种制氢站能量优化配置系统，其特征在于：包括：

6.根据权利要求5所述的一种制氢站能量优化配置系统，其特征在于：所述制氢站多个设备包括风力发电机、光伏发电电池组、电解槽、储热罐、储氢罐、蓄电池及吸收式制冷机。

7.根据权利要求5所述的一种制氢站能量优化配置系统，其特征在于：所述目标函数是以每日成本最小化为目标确定的。

8.根据权利要求5所述的一种制氢站能量优化配置系统，其特征在于：所述求解单元具体用于：