CN113446656B - 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法 - Google Patents

功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法 Download PDF

Info

Publication number
CN113446656B
CN113446656B CN202110722767.5A CN202110722767A CN113446656B CN 113446656 B CN113446656 B CN 113446656B CN 202110722767 A CN202110722767 A CN 202110722767A CN 113446656 B CN113446656 B CN 113446656B
Authority
CN
China
Prior art keywords
power
heat
load
flow channel
assembly
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
CN202110722767.5A
Other languages
English (en)
Other versions
CN113446656A (zh
Inventor
徐科
艾邓鑫
陈天恒
王森
李野
甘智勇
范须露
王桂林
王坤
李禹曈
贺瑞
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.)
Tianjin Bindian Electric Power Engineering Co ltd
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd
Original Assignee
Tianjin Bindian Electric Power Engineering Co ltd
State Grid Corp of China SGCC
State Grid Tianjin Electric Power Co Ltd
Electric Power Research Institute of State Grid Tianjin 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 Tianjin Bindian Electric Power Engineering Co ltd, State Grid Corp of China SGCC, State Grid Tianjin Electric Power Co Ltd, Electric Power Research Institute of State Grid Tianjin Electric Power Co Ltd filed Critical Tianjin Bindian Electric Power Engineering Co ltd
Priority to CN202110722767.5A priority Critical patent/CN113446656B/zh
Publication of CN113446656A publication Critical patent/CN113446656A/zh
Application granted granted Critical
Publication of CN113446656B publication Critical patent/CN113446656B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D15/00—Other domestic- or space-heating systems
    • F24D15/04—Other domestic- or space-heating systems using heat pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • F24F5/0007—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning
    • F24F5/0014—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning using absorption or desorption
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B30/00—Heat pumps
    • F25B30/06—Heat pumps characterised by the source of low potential heat
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Thermal Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Sustainable Development (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明涉及一种功率‑负荷匹配的光伏光热PV/T热电冷联供系统调控方法，步骤包括：（1）建立热电冷联供系统的目标函数，以该系统全天总成本最小作为目标函数；（2）基于目标函数，设定约束条件；（3）根据目标函数与约束条件，基于粒子群算法建立热电冷联供系统调控模型，由迭代计算方法得出优化计算结果；（4）根据优化结果得出玻璃流道光伏光热热电冷联供系统运行参数。本发明通过对维持光伏光热三联供系统以及用户负荷侧供需关系平衡的控制策略的设计，有效解决了三联供系统在运行过程中出现的电‑热分配不合理，即如电能太多而热量无法满足冷热负荷等情况。

Description

功率-负荷匹配的光伏光热PV/T热电冷联供系统调控方法
技术领域
本发明属于分布式太阳能三联供系统的控制领域，尤其是一种功率-负荷匹配的光伏光热PV/T热电冷联供系统调控方法。
背景技术
随着全球人口增长以及社会急速发展，人们对能源的需求越来越大，而化石燃料的大量使用会造成环境污染等问题，因此，可再生能源技术成为了目前主流的发展方向。同时，目前的能源发展正逐渐朝向全球能源互联网方向发展，分布式太阳能热电冷联供系统作为将太阳能转化为电能与热能的重要载体，将会在未来能源互联网发展中成为重要组成部分。
光伏光热（PV/T）热电冷联供系统是一种以太阳能为主要能量驱动，为用户供电、制热以及制冷的分布式能量分级利用系统。由于用户侧负荷需求具有波动性，尤其是电需求与热需求的不同步，会导致三联供系统的供能与需求难以匹配，会出现例如电能或供热溢出另一种负荷需求的不足的问题。同时，由于冷/热负荷变化存在较大滞后性，且用户的冷/热/电负荷存在鲜明的季节区分，因此如何进行有效的负荷调控是亟待解决的问题，并且目前关于太阳能、热泵以及吸收式制冷耦合系统的研究较少，为此，有必要开发一套能最大限度消纳用户负荷波动的太阳能冷/热/电联供系统。
发明内容
本发明的目的在于克服现有技术的不足之处，提供一种功率-负荷匹配的光伏光热PV/T热电冷联供系统调控方法，旨在满足用户负荷的基础上，提高太阳能产出率，避免系统产能溢出，提高能源可靠性，减少燃料消耗。
本发明解决技术问题所采用的技术方案是：
一种功率-负荷匹配的光伏光热PV/T热电冷联供系统调控方法，热电冷联供系统包括玻璃流道PV/T组件、热泵以及吸收式制冷机，玻璃流道PV/T组件产生电能、热能，电能用于满足用户电负荷或者系统内的电消耗，或储存于蓄电池，或输送至电网；热能用于供给热泵，由热泵对热能品级进行进一步提升，在夏天时，高品级的热能用于为吸收式制冷机提供热源，为用户提供制冷；冬天时，热泵将由玻璃流道PV/T组件产出的热水温度进一步提高后，直接用于满足用户热负荷；
热电冷联供系统调控方法为：
（1）建立热电冷联供系统的目标函数，以该系统全天总成本最小作为目标函数；
（2）基于目标函数，设定约束条件；
（3）根据目标函数与约束条件，基于粒子群算法建立热电冷联供系统调控模型，由迭代计算方法得出优化计算结果；
（4）根据优化结果得出玻璃流道光伏光热热电冷联供系统运行参数。
而且，所述的目标函数为：
Figure 895794DEST_PATH_IMAGE002
式中，C CCHP 为全天的总成本，C dev (x)为所有设备的投资成本、C MO (x)为所有设备的维护与运行成本、C CG (x)为所有设备的耗电成本，i为第i个设备，x为影响成本的参数，t为时刻，N为设备数量，K为电价，E c,i (x)为耗电量，当为正值时，代表从电网输电至用户；当为负值时，表示电能从系统送至电网。
而且，所述的约束条件为：
Figure 344093DEST_PATH_IMAGE003
式中，P PV (x)为玻璃流道PV/T组件的电功率；P grid (x)为电网给用户的输电量，当为正值时表示电网输电给用户，当为负值表示系统送电至电网；P HP (x)为热泵耗电量；P AC (x)为吸收式制冷机耗电量；P Load (x)为用户电负荷；P Aux (x)为辅助加热耗电量；Q PV/T (x)为玻璃流道PV/T组件制热量；Q Aux (x)为辅助加热热量；Q HP (x)为热泵制热量；Q heatload (x)为用户热负荷；Q ACload (x)为吸收式制冷机制冷所需热量；QACcold(x)为吸收式制冷机制冷量；Qcoldload(x)为用户冷负荷，
Figure 389409DEST_PATH_IMAGE004
式中，
Figure 565045DEST_PATH_IMAGE005
表示PV电池容量，
Figure 644996DEST_PATH_IMAGE006
表示PV电池最小允许容量，
Figure 998617DEST_PATH_IMAGE007
表示PV电池最大允许容量；
Figure 796809DEST_PATH_IMAGE008
为玻璃流道PV/T组件总装机容量，
Figure 261288DEST_PATH_IMAGE009
为玻璃流道PV/T组件总装机最小允许容量，
Figure 212058DEST_PATH_IMAGE010
为玻璃流道PV/T组件总装机最大允许容量；
Figure 471001DEST_PATH_IMAGE011
为热泵装机容量，
Figure 490909DEST_PATH_IMAGE012
为热泵装机最小允许容量，
Figure 759080DEST_PATH_IMAGE013
为热泵装机最大允许容量；P HP (x)为PV电池的电功率，
Figure 813623DEST_PATH_IMAGE014
为PV电池的最大允许电功率；P AC (x)为吸收式制冷机的电功率，
Figure 758314DEST_PATH_IMAGE015
为吸收式制冷机的最大允许电功率。
而且，所述的粒子群算法进行适应性计算，通过适应值对解的品质进行评价，由迭代过程求得最优解，适应性计算的流程为：输入环境参数以及负荷参数后，设定初始时间为1h，从负荷侧开始，依次计算玻璃流道PV/T组件产电功率、检测电池充放电状态，对充放电进行管理、更新蓄电池荷电状态、根据冷负荷计算吸收式制冷剂实际耗功、根据吸收式制冷机所需补充的热量或根据热负荷，计算热泵实际电功率、由电功率平衡关系计算从电网使用的电功率，然后对下一时间步长进行计算，直到计算至8760h后，迭代计算结束。
而且，玻璃流道PV/T组件的优化目标为：
Figure 531098DEST_PATH_IMAGE016
其中N 1 、N 2 分别为热电功率的系数，根据具体的组件应用场景决定；maxQ all 为组件的总功率的最大值，Q th 、P el 分别为组件的热功率、电功率，单位为W；R f 为水与光伏组件下玻璃盖板的对流热阻，单位为（m2*K）/W；q f 为冷却流体的流速，单位为L/h；T c 为光伏组件的温度，单位为K；
针对流道的优化目标为：
Figure 71801DEST_PATH_IMAGE017
其中，l、h分别为流道的长度、厚度，单位为m，热阻是流道长度、厚度与流体速度的函数，而三者有以下限制条件：
Figure 100002_DEST_PATH_IMAGE019
其中P为流道承受的压力，Pa，l min为流道的长度的下限，l max为流道的长度的上限，h min为流道的厚度的下限，h max为流道的厚度的上限，q fmin 为冷却流体的流速的下限，q fmax 为冷却流体的流速的上限，P(q f ，h)为流道特定流速以及特定流道厚度值对应的压力值，P max为流道承受的压力的上限。
根据实际的安装条件设定流道长度、厚度的上下限；根据循环泵的选型确定流速的上下限；根据流体流速以及组件厚度确立流体在流动过程中的压力损失，即流道承受的压力。
本发明的优点和积极效果是：
（1）本发明通过对维持光伏光热三联供系统以及用户负荷侧供需关系平衡的控制策略的设计，有效解决了三联供系统在运行过程中出现的电-热分配不合理，即如电能太多而热量无法满足冷热负荷等情况。
（2）本发明基于粒子群算法建立玻璃流道光伏光热热电冷联供系统调控模型，粒子群算法具有收敛速度快、精度高等优点，更适用于三联供系统的负荷响应能力。
（3）本发明将传统PV/T的铝流道替换为玻璃流道，流道为敞口扁平盒式结构，上层由光伏电池的下玻璃盖板实现密封，减少了传热过程热阻，采用双面电池用于接收漏光，部分漏光可由玻璃流道进行反射，并被光伏电池背面接收，进一步增加了组件的电效率，有效提高太阳能利用率。
附图说明
图1为玻璃流道PV/T热电冷联供系统能量流程图；
图2为粒子群算法计算流程图；
图3 为适应性计算流程图。
具体实施方式
下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
本发明光伏光热三联供系统包括玻璃流道PV/T组件、热泵以及吸收式制冷机，如图1所示，玻璃流道PV/T组件可以产生电能、热能。电能可用于满足用户电负荷或者系统内的电消耗，或储存于蓄电池，也可输送至电网。热能主要用于供给热泵，由热泵对热能品级进行进一步提升。在夏天时，高品级的热能用于为吸收式制冷机提供热源，为用户提供制冷；冬天时，热泵将由玻璃流道PV/T组件产出的热水温度进一步提高后，直接用于满足用户热负荷。
该功率-负荷匹配的光伏光热PV/T热电冷联供系统调控方法，包括如下步骤：
（1）建立玻璃流道光伏光热热电冷联供系统的目标函数。该系统以全天总成本最小作为目标函数，根据系统中各部分成本以及维护成本等，可以得到该目标函数为：
Figure DEST_PATH_IMAGE021
式中，C CCHP 为全天的总成本，C dev (x)为所有设备的投资成本、C MO (x)为所有设备的维护与运行成本、C CG (x)为所有设备的耗电成本，i为第i个设备，x为影响成本的参数，t为时刻，N为设备数量，K为电价，E c,i (x)为耗电量，当为正值时，代表从电网输电至用户；当为负值时，表示电能从系统送至电网。
（2）基于目标函数，设定约束条件
Figure 777589DEST_PATH_IMAGE003
式中，P PV (x)为玻璃流道PV/T组件的电功率；P grid (x)为电网给用户的输电量，当为正值时表示电网输电给用户，当为负值表示系统送电至电网；P HP (x)为热泵耗电量；P AC (x)为吸收式制冷机耗电量；P Load (x)为用户电负荷；P Aux (x)为辅助加热耗电量；Q PV/T (x)为玻璃流道PV/T组件制热量；Q Aux (x)为辅助加热热量；Q HP (x)为热泵制热量；Q heatload (x)为用户热负荷；Q ACload (x)为吸收式制冷机制冷所需热量；QACcold(x)为吸收式制冷机制冷量；Qcoldload(x)为用户冷负荷。
Figure 394646DEST_PATH_IMAGE004
式中，
Figure 389147DEST_PATH_IMAGE005
表示PV电池容量，
Figure 999120DEST_PATH_IMAGE006
表示PV电池最小允许容量，
Figure 762677DEST_PATH_IMAGE007
表示PV电池最大允许容量；
Figure 65482DEST_PATH_IMAGE008
为玻璃流道PV/T组件总装机容量，
Figure 530967DEST_PATH_IMAGE009
为玻璃流道PV/T组件总装机最小允许容量，
Figure 944631DEST_PATH_IMAGE010
为玻璃流道PV/T组件总装机最大允许容量；
Figure 562694DEST_PATH_IMAGE011
为热泵装机容量，
Figure 770822DEST_PATH_IMAGE012
为热泵装机最小允许容量，
Figure 739915DEST_PATH_IMAGE013
为热泵装机最大允许容量；P HP (x)为PV电池的电功率，
Figure 426111DEST_PATH_IMAGE014
为PV电池的最大允许电功率；P AC (x)为吸收式制冷机的电功率，
Figure 180571DEST_PATH_IMAGE015
为吸收式制冷机的最大允许电功率。
根据目标函数与约束条件，基于粒子群算法建立玻璃流道光伏光热热电冷联供系统调控模型，由迭代计算方法得出优化计算结果。粒子群算法从随机解开始，通过适应值对解的品质进行评价，由迭代过程求得最优解，该算法相比其他算法具有收敛速度更快，精度高等特点，因此更适用于三联供系统快速响应负荷变化。其具体计算过程如图2、图3所示。
图2为粒子群算法的计算流程，输入算法参数与约束条件，将计算初始化，设定迭代次数为0，进行适应性计算，适应性计算的具体流程见图3。在完成适应性计算后，计算pbest（个体历史最佳位置）与gbest（全局最佳位置）值。将每个粒子（粒子群算法计算过程中的解的代称）的适应值与pbest的适应值进行比较，若粒子的适应值更高，则更新pbest的适应值；将每个粒子的适应值与gbest的适应值进行比较，若粒子的适应值更高，则更新gbest的适应值，更新粒子速度与位置，产生新粒子，并进行重复迭代计算，直到迭代计算达到最大次数（Nmax）后，停止迭代，输出最小成本基础上的系统的最佳工况配置以及相应的控制方案。由于系统的运行收益主要来自于电性能输出与热性能输出，而系统的冷却水流量是影响热电性能的主要可控因素，因此不同环境条件下的最佳流量配置成为了系统的主要优化目标，从而可得到实际运行条件下流量的调控方案。
图3为具体的适应性计算流程。输入辐照强度、环境温度、风速，实时冷\热\电负荷等参数后，设定初始时间为1h，从负荷侧开始，计算各部分能量输入输出，然后对下一时间步长进行计算，直到计算至8760h（整年）后，迭代计算结束。
（3）根据优化结果得出玻璃流道光伏光热热电冷联供系统运行参数。
其中，约束条件主要包含：系统供能与用户负荷的能量平衡约束、玻璃流道PV/T组件光伏部分产电能力上下约束条件、玻璃流道PV/T组件光热部分产热能力上下约束条件、热泵制热能力上下限约束、吸收式制冷机制冷能力上下限约束、热泵额定功率约束条件、吸收式制冷机功率约束条件。
PV/T采用玻璃流道的原因是：与传统PV/T相比，玻璃流道采用敞口扁平盒式结构，流道内冷却介质与电池背板的下玻璃盖板直接接触，有效减少了玻璃流道PV/T组件内热阻，显著提升太阳能利用率。玻璃流道PV/T组件可将太阳能转化为电能与热能，电能用于满足用户电需求，或直接送至电网。在辐照充足的条件下，热能可直接用于满足用户热负荷需求；当辐照较少时，产出的热能提供给热泵，热泵将热能品级进一步提高后为建筑提供制热，或提供给吸收式制冷机，用于建筑制冷。
玻璃流道PV/T组件的优化目标为：
Figure 559600DEST_PATH_IMAGE022
其中N 1 、N 2 分别为热电功率的系数，根据具体的组件应用场景决定；maxQ all 为组件的总功率的最大值，Q th 、P el 分别为组件的热功率、电功率，单位为W；R f 为水与光伏组件下玻璃盖板的对流热阻，单位为（m2*K）/W；q f 为冷却流体的流速，单位为L/h；T c 为光伏组件的温度，单位为K；
针对流道的优化目标为：
Figure 750410DEST_PATH_IMAGE017
其中，l、h分别为流道的长度、厚度，单位为m，热阻是流道长度、厚度与流体速度的函数，而三者有以下限制条件：
Figure 505877DEST_PATH_IMAGE024
其中P为流道承受的压力，单位为Pa，l min为流道的长度的下限，l max为流道的长度的上限，h min为流道的厚度的下限，h max为流道的厚度的上限，q fmin 为冷却流体的流速的下限，q fmax 为冷却流体的流速的上限，P(q f ，h)为流道特定流速以及特定流道厚度值对应的压力值，P max为流道承受的压力的上限，
根据实际的安装条件设定流道长度、厚度的上下限；根据循环泵的选型确定流速的上下限；根据流体流速以及组件厚度确立流体在流动过程中的压力损失，即流道承受的压力。
以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (4)

1.一种功率-负荷匹配的光伏光热PV/T热电冷联供系统调控方法，其特征在于：热电冷联供系统包括玻璃流道PV/T组件、热泵以及吸收式制冷机，玻璃流道PV/T组件产生电能、热能，电能用于满足用户电负荷或者系统内的电消耗，或储存于蓄电池，或输送至电网；热能用于供给热泵，由热泵对热能品级进行进一步提升，在夏天时，高品级的热能用于为吸收式制冷机提供热源，为用户提供制冷；冬天时，热泵将由玻璃流道PV/T组件产出的热水温度进一步提高后，直接用于满足用户热负荷；
热电冷联供系统调控方法为：
（1）建立热电冷联供系统的目标函数，以该系统全天总成本最小作为目标函数；
（2）基于目标函数，设定约束条件；
（3）根据目标函数与约束条件，基于粒子群算法建立热电冷联供系统调控模型，由迭代计算方法得出优化计算结果；
（4）根据优化结果得出玻璃流道光伏光热热电冷联供系统运行参数；
所述玻璃流道PV/T组件的优化目标为：
Figure DEST_PATH_IMAGE001
其中N 1 、N 2 分别为热电功率的系数，根据具体的组件应用场景决定；maxQ all 为组件的总功率的最大值，Q th 、P el 分别为组件的热功率、电功率，单位为W；R f 为水与光伏组件下玻璃盖板的对流热阻，单位为（m2*K）/W；q f 为冷却流体的流速，单位为L/h；T c 为光伏组件的温度，单位为K；
针对流道的优化目标为：
Figure DEST_PATH_IMAGE002
其中，l、h分别为流道的长度、厚度，单位为m，热阻是流道长度、厚度与流体速度的函数，而三者有以下限制条件：
Figure DEST_PATH_IMAGE004
其中P为流道承受的压力，单位为Pa，l min为流道的长度的下限，l max为流道的长度的上限，h min为流道的厚度的下限，h max为流道的厚度的上限，q fmin 为冷却流体的流速的下限，q fmax 为冷却流体的流速的上限，P(q f ，h)为流道特定流速以及特定流道厚度值对应的压力值，P max为流道承受的压力的上限，
根据实际的安装条件设定流道长度、厚度的上下限；根据循环泵的选型确定流速的上下限；根据流体流速以及组件厚度确立流体在流动过程中的压力损失，即流道承受的压力。
2.根据权利要求1所述的调控方法，其特征在于：所述的目标函数为：
Figure DEST_PATH_IMAGE006
式中，C CCHP 为全天的总成本，C dev (x)为所有设备的投资成本、C MO (x)为所有设备的维护与运行成本、C CG (x)为所有设备的耗电成本，i为第i个设备，x为影响成本的参数，t为时刻，N为设备数量，K为电价，E c,i (x)为耗电量，当为正值时，代表从电网输电至用户；当为负值时，表示电能从系统送至电网。
3.根据权利要求1所述的调控方法，其特征在于：所述的约束条件为：
Figure DEST_PATH_IMAGE007
式中，P pv （x）为玻璃流道PV/T组件的电功率；P grid （x）为电网给用户的输电量，当为正值时表示电网输电给用户，当为负值表示系统送电至电网；P HP (x)为热泵耗电量；P AC (x)为吸收式制冷机耗电量；P Load (x)为用户电负荷；P Aux (x)为辅助加热耗电量；Q PV/T (x)为玻璃流道PV/T组件制热量；Q Aux (x)为辅助加热热量；Q HP (x)为热泵制热量；Q heatload (x)为用户热负荷；Q ACload (x)为吸收式制冷机制冷所需热量；Q ACcold (x)为吸收式制冷机制冷量；Q coldload (x)为用户冷负荷，
Figure DEST_PATH_IMAGE008
式中，
Figure DEST_PATH_IMAGE009
表示PV电池容量，
Figure DEST_PATH_IMAGE010
表示PV电池最小允许容量，
Figure DEST_PATH_IMAGE011
表示PV电池最大允许容量；
Figure DEST_PATH_IMAGE012
为玻璃流道PV/T组件总装机容量，
Figure DEST_PATH_IMAGE013
为玻璃流道PV/T组件总装机最小允许容量，
Figure DEST_PATH_IMAGE014
为玻璃流道PV/T组件总装机最大允许容量；
Figure DEST_PATH_IMAGE015
为热泵装机容量，
Figure DEST_PATH_IMAGE016
为热泵装机最小允许容量，
Figure DEST_PATH_IMAGE017
为热泵装机最大允许容量；P HP (x)为PV电池的电功率，
Figure DEST_PATH_IMAGE018
为PV电池的最大允许电功率；P AC (x)为吸收式制冷机的电功率，
Figure DEST_PATH_IMAGE019
为吸收式制冷机的最大允许电功率。
4.根据权利要求1所述的调控方法，其特征在于：所述的粒子群算法进行适应性计算通过适应值对解的品质进行评价，由迭代过程求得最优解，适应性计算的流程为：输入环境参数以及负荷参数后，设定初始时间为1h，从负荷侧开始，依次计算玻璃流道PV/T组件产电功率、检测电池充放电状态，对充放电进行管理、更新蓄电池荷电状态、根据冷负荷计算吸收式制冷剂实际耗功、根据吸收式制冷机所需补充的热量或根据热负荷，计算热泵实际电功率、由电功率平衡关系计算从电网使用的电功率，然后对下一时间步长进行计算，计算至一定小时后，迭代计算结束。
CN202110722767.5A 2021-06-29 2021-06-29 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法 Active CN113446656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110722767.5A CN113446656B (zh) 2021-06-29 2021-06-29 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110722767.5A CN113446656B (zh) 2021-06-29 2021-06-29 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法

Publications (2)

Publication Number Publication Date
CN113446656A CN113446656A (zh) 2021-09-28
CN113446656B true CN113446656B (zh) 2021-11-09

Family

ID=77813592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110722767.5A Active CN113446656B (zh) 2021-06-29 2021-06-29 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法

Country Status (1)

Country Link
CN (1) CN113446656B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114301094B (zh) * 2021-12-30 2023-10-31 沈阳建筑大学 一种pv/t耦合能源系统的模型预测控制优化运行方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726156A (zh) * 2009-11-20 2010-06-09 皇明太阳能集团有限公司 一种利用太阳能制冷、采暖与供水的工艺方法及装置
WO2011081666A1 (en) * 2009-12-28 2011-07-07 Ecothermics Corporation Heating cooling and power generation system
CN105240916A (zh) * 2015-11-05 2016-01-13 中国建筑西南设计研究院有限公司 一种适用于高原寒冷地区建筑的主动式太阳能系统优化方法
CN108664720A (zh) * 2018-05-02 2018-10-16 西安交通大学 一种非均匀辐照度下的聚光光伏光热系统性能计算方法
CN108800610A (zh) * 2018-05-24 2018-11-13 何冬 太阳能和空气能一体化取热装置
CN112583021A (zh) * 2020-11-23 2021-03-30 国家电网有限公司 考虑综合需求响应的综合能源系统优化调度方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555571B (zh) * 2019-09-25 2022-04-08 重庆大学 计及光热电站和温控设备的微电网及其最优经济运行方法
CN211424716U (zh) * 2019-12-24 2020-09-04 上海柏晟能源科技有限公司 一种太阳能集热器的集热装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726156A (zh) * 2009-11-20 2010-06-09 皇明太阳能集团有限公司 一种利用太阳能制冷、采暖与供水的工艺方法及装置
WO2011081666A1 (en) * 2009-12-28 2011-07-07 Ecothermics Corporation Heating cooling and power generation system
CN105240916A (zh) * 2015-11-05 2016-01-13 中国建筑西南设计研究院有限公司 一种适用于高原寒冷地区建筑的主动式太阳能系统优化方法
CN108664720A (zh) * 2018-05-02 2018-10-16 西安交通大学 一种非均匀辐照度下的聚光光伏光热系统性能计算方法
CN108800610A (zh) * 2018-05-24 2018-11-13 何冬 太阳能和空气能一体化取热装置
CN112583021A (zh) * 2020-11-23 2021-03-30 国家电网有限公司 考虑综合需求响应的综合能源系统优化调度方法及装置

Also Published As

Publication number Publication date
CN113446656A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN111445090B (zh) 一种离网型综合能源系统双层规划方法
CN106444562B (zh) 基于风光-电热气转换模块的多储能装置协调系统及方法
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN104716644B (zh) 一种可再生能源冷热电微网系统及控制方法
CN108631343A (zh) 一种多能互补能源互联网优化调度方法
WO2019205561A1 (zh) 一种含压缩空气储能的cchp微网结构及其运行方法
CN112182887B (zh) 一种综合能源系统规划优化仿真方法
CN113255198B (zh) 一种含虚拟储能的冷热电联供微电网多目标优化方法
CN112883630B (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN109471362A (zh) 一种冷热电联产优化系统及方法
CN109340904A (zh) 电采暖协同优化运行方法
CN113446656B (zh) 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法
CN117974365B (zh) 一种电热综合能源耦合系统多目标运行优化方法及系统
CN116308881A (zh) 利用供热管网储热的综合能源系统多时间尺度调度方法
CN204407890U (zh) 一种可再生能源冷热电微网系统
CN114676920B (zh) 一种考虑对外支撑能力的电热综合能源系统优化运行方法
CN114754428B (zh) 一种天然气辅助太阳能光伏光热多能互补系统
CN113807746B (zh) 一种冷热电联供系统的综合运行优化方法
CN114421536A (zh) 一种基于储能的多能源互动调控方法
CN111854185B (zh) 一种基于神经网络控制的太阳能智能储热系统及控制方法
CN211822670U (zh) 一种太阳能供热系统及专用装置
CN112310969B (zh) 一种区域用户供电方法
CN114301094B (zh) 一种pv/t耦合能源系统的模型预测控制优化运行方法
CN113065759A (zh) 一种考虑能源品质的综合能源系统优化调度方法和系统
CN113410850A (zh) 基于mpc的光热风电联合调频模型和调频策略

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