CN113469561A - 连接到电网的氢能的环境价值评估方法和系统 - Google Patents

连接到电网的氢能的环境价值评估方法和系统 Download PDF

Info

Publication number
CN113469561A
CN113469561A CN202110817238.3A CN202110817238A CN113469561A CN 113469561 A CN113469561 A CN 113469561A CN 202110817238 A CN202110817238 A CN 202110817238A CN 113469561 A CN113469561 A CN 113469561A
Authority
CN
China
Prior art keywords
hydrogen energy
carbon
hydrogen
value
power grid
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.)
Pending
Application number
CN202110817238.3A
Other languages
English (en)
Inventor
张耀予
于洋
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.)
Cross Information Core Technology Research Institute Xi'an Co ltd
Original Assignee
Cross Information Core Technology Research Institute Xi'an 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 Cross Information Core Technology Research Institute Xi'an Co ltd filed Critical Cross Information Core Technology Research Institute Xi'an Co ltd
Priority to CN202110817238.3A priority Critical patent/CN113469561A/zh
Publication of CN113469561A publication Critical patent/CN113469561A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067Enterprise or organisation modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J15/00Systems for storing electric energy
    • H02J15/008Systems for storing electric energy using hydrogen as energy vector
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/22The renewable source being solar energy
    • H02J2300/24The renewable source being solar energy of photovoltaic origin
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/28The renewable source being wind energy
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30Systems combining energy storage with energy generation of non-fossil origin
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80Management or planning
    • Y02P90/84Greenhouse gas [GHG] management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Electrolytic Production Of Non-Metals, Compounds, Apparatuses Therefor (AREA)

Abstract

本发明提供一种连接到电网的氢能的环境价值评估方法和系统,方法包括以下步骤:根据氢气产生的水电解、氢储存和氢能发电过程计算得到含有氢能控制策略的氢能储存模型;建立基于氢能控制策略的电网中氢能的碳价值模型,以碳排放最小化为目标计算对应的氢储能控制策略,计算对应情况下氢储能的最大碳价值;选择满足最大碳价值要求的氢储能控制策略对连接到电网的氢能的环境价值进行评估。本发明能够对将氢能作为一种储存方式整合到电网系统中的碳减少能力进行评估,可以准确的用于评估将氢能整合到电网中的碳减排的度量。

Description

连接到电网的氢能的环境价值评估方法和系统
技术领域
本发明涉及电力调度领域,特别涉及一种连接到电网的氢能的环境价值评估方法和系统。
背景技术
能源行业正处于向低碳方向转型的过程中。氢气被认为是绿色燃料并且预期在全球能量-低碳化转型过程中起重要作用。目前,氢气已经用于精炼、化工、钢铁、运输和建筑温度控制等多个行业。例如,在炼钢过程中,水电解产生的氢气可以代替焦炭作为高炉中的还原剂,从而大大降低排放。氢可以为汽车提供燃料并减少运输行业的碳排放。在接下来的十年中,大多数国家已经选择生产和使用氢作为零碳能源作为其主要能量转型战略之一。
氢能技术也预期使电网系统低碳化,这是世界上最大的碳排放行业之一。根据当前的技术进步,氢能主要作为一种能量储存方式并入电网。在储存充电过程中,电解技术将电能转化为氢气。在储存放电过程中,氢气被重新转换成电能并注入电网系统。因此,将氢能储存设计成补充间歇性可再生能源(例如风能和太阳能)。与其它储能技术相比,氢能储存具有独特的技术特点。氢能可以在不同的地方生产,储存和消耗。例如,氢能储存技术需要安装电解氢设备并通过氢燃料储存能量。因此,氢技术作为能量储存的性能取决于水电解和其它相关技术的容量和技术特点。
尽管已广泛认为整合氢能是低碳化策略,但尚未系统分析和评价氢能辅助减碳的能力。由于现有技术的巨大经济成本,因此最近的讨论主要集中在优化将氢能整合到电网中的经济表现。然而,新兴研究已经揭示了储能对电网系统碳排放影响的不确定性。一些证据表明,碳排放的潜力由于将能量储存整合到电力市场中而增加。当氢能作为一种储能方式接入电网系统时,需要考虑氢能的独特技术特点,对氢能整合到电网中的碳价值进行系统分析。
对将氢能整合到电网中的研究越发引人关注。作为一种储能技术,存在一系列研究,讨论了使用氢能来促进间歇性可再生能源和车辆到电网系统的适用。全面概述了对氢气与智能电网整合的相关工作。氢能储存技术的相关文献论述了氢能技术与其他储能技术区别包括:
1)大容量储存对于氢能例如盐穴是技术上可用的。
2)氢能储存的成本非常低。
3)氢能可以适应多种类型的运输,例如集箱、罐和管道。
上述特征使得氢能能够提供大规模,长期和可移动的储能服务。例如,氢能技术可用于平滑间歇性可再生能源的季节性波动。现有研究还认为,氢能将是太阳能和风能的补充,用于在偏远地区或经济敏感地区发展微电网。
当前对使用氢能技术的影响的评估包括两种方法。一种方法是根据生命周期分析(LCA)方法进行核算。这些LCA研究估计了在氢生产和利用的整个过程中的经济和环境影响。LCA方法主要用于比较不同的氢能技术。另一种方法是比较氢能适用前后能量系统的经济和环境表现。例如,评估使用氢气储存而非化石燃料发电机提供辅助服务的CO2减少。
然而,当前对氢能储存的影响评估很少考虑储存充电控制和电网系统调度之间的相互作用的系统动力学。有关电池储存的文献讨论了储存充电控制和电网系统调度的重要性。改变储存充电的方法可以从根本上改变使用储能的经济影响。因此,需要将模型储存充电控制纳入评估氢能减少碳排放值的框架中。然而,关于储能充电影响评估的相关研究很少讨论氢能的独特技术特点。用于评估能量储存的环境影响的模型对于评估氢能减少碳排放值也是不完善且不足的。
发明内容
针对现有技术中氢能减少碳排放值评估的问题,本发明提供一种连接到电网的氢能的环境价值评估方法和系统,本发明能够对将氢能作为一种储存方式整合到电网系统中的碳减少能力进行评估。
为达到上述目的,本发明采用了以下技术方案:
一种连接到电网的氢能的环境价值评估方法,包括以下步骤:
根据氢气产生的水电解、氢储存和氢能发电过程计算得到氢能储存模型;
建立基于氢能控制策略的电网中氢能的碳价值模型,以碳排放最小化为目标计算对应的氢储能控制策略,计算对应情况下氢储能能够产生的最大碳价值;
选择满足最大碳价值要求的氢储能控制策略对连接到电网的氢能的环境价值进行评估。
作为本发明的进一步改进,所述电网系统氢能储存模型为:
St-St-1=at (3)
Figure BDA0003169951050000031
0<=St<=Smax (5)
1<=at<=Δ2 (6)
式中,公式(3)定义at为每个t小时内储存能量的变化,即为氢能控制策略,St为每个t时刻中氢储存的电量;公式(4)表示充电和放电期间的能量损失;γ1和γ2分别是充电和放电的效率;yt是在能量储存和电网之间实际交换的能量;公式(5)为氢能在时刻t的储能不超过容量限制;Smax表示储存容量最大值;公式(6)为充电和放电的速度限制。
作为本发明的进一步改进,基于氢能控制策略的电网中氢能的碳价值模型为:
Figure BDA0003169951050000032
其中,E碳,t(0)表示当电网系统中无氢能并且其充电和放电都为零时电网系统的碳排放量,E碳,t(Ψ(at))表示当氢能储存充电策略为{a1,a2,a3…aT}时电网系统的碳排放量。
作为本发明的进一步改进,电网系统的碳排放量由以下方法计算得到:
电网系统模型是根据电力调度系统最小化燃料成本模型得到,电力调度系统最小化燃料成本模型为:
Figure BDA0003169951050000041
Figure BDA0003169951050000042
Figure BDA0003169951050000043
其中,第一个约束代表每个发电机的发电范围,
Figure BDA0003169951050000046
是发电机i的发电容量;第二个约束是时刻t的能量平衡方程,其包括氢能储存的市场参与度;
Figure BDA0003169951050000047
来指示第i个发电机根据调度在时刻t的发电量;因此,t时的碳排放量为:
Figure BDA0003169951050000044
其中ei表示发电机i的碳排放率。
作为本发明的进一步改进,氢储能的最大碳价值计算方法为:
Figure BDA0003169951050000045
其中,E碳,t(0)表示当电网系统中无氢能并且其充电和放电都为零时电网系统的碳排放量,E碳,t(Ψ(at))表示当氢能储存充电策略为碳排放最小化控制策略{a1,a2,a3…aT}时电网系统的碳排放量。
作为本发明的进一步改进,以碳排放最小化为目标计算对应的氢储能控制策略,此时的约束条件包括氢储能模型的限制参数具体为:
Figure BDA0003169951050000051
作为本发明的进一步改进,电网中氢能的总碳价值模型采用动态规划算法求解,具体包括:
首先将氢储能控制策略的值函数定义为从时间t到T操作循环结束的累积系统碳排放,具体公式为
Figure BDA0003169951050000052
Sτ-Sτ-1=aτ τ∈t+1,t+2,,...,T
0<=Sτ<=Smax
1<=aτ<=Δ2
Figure BDA0003169951050000053
St=st
(10)
进而得到两个相邻时刻中的值函数满足以下公式:
Figure BDA0003169951050000054
其中Rs是给定St的at+1的可行范围,并满足以下约束:
max{-St,-Δ2}≤at+1≤min{Δ1,Smax-St} (12)
公式11表明V(t,st)和V(t+1;st+1)之间的迭代关系;
将储存[0,Smax]的状态空间离散化为
Figure BDA0003169951050000055
每个步骤的长度为ΔS MWh;则充放电动作at为ΔS的整数倍,使用A(t,st)来记录最优动作,而Φ(t,i)和Θ(t,i)用于计算和储存离散化的V(t,iΔS)和A(t,iΔS);进行动态规划计算:
要求
Figure BDA0003169951050000056
边界条件为:
Figure BDA0003169951050000057
控制策略导致的最终时刻的储能剩余值满足:边界条件无限收敛到
Figure BDA0003169951050000061
在时间跨度上由算法计算的碳排放和最优控制是
Figure BDA0003169951050000062
Figure BDA0003169951050000063
一种连接到电网的氢能的环境价值评估系统,包括:
第一计算模块,用于根据氢气产生的水电解、氢储存和氢能发电过程得到氢能储存模型;
第二计算模块,用于建立基于氢能控制策略的电网中氢能的碳价值模型,以碳排放最小化为目标计算对应的氢储能控制策略,计算对应情况下氢储能的最大碳价值;
评估模块,用于选择满足最大碳价值要求的氢储能控制策略对连接到电网的氢能的环境价值进行评估。
一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述连接到电网的氢能的环境价值评估方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述连接到电网的氢能的环境价值评估方法的步骤。
本发明的有益效果体现在:
本发明将电网调度模型与储存控制模型相结合,制定了用于评估氢能在电网系统中减少碳排放的值的框架,储存控制模型具备水电解过程、氢储存和氢发电过程,可以准确的用于评估将氢能整合到电网中的碳减排碳减排的度量。
进一步,估计氢能的最大碳减排是非凸优化问题采用动态规划算法来估计氢能的最大碳减排。
附图说明
图1为总结了本发明的整个电网系统模型;
图2为突出非凸性的实例;
图3为本发明发电机统计;
图4为BAU和HRP情况下的月碳价值;
图5为可再生能源的影响;
图6为本发明实施例技术特点的影响;
图7为本发明实施例容量的影响
图8为本发明连接到电网的氢能的环境价值评估方法流程示意图;
图9为本发明连接到电网的氢能的环境价值评估系统结构示意图;
图10为本发明优选实施例电子设备结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
氢能在电网系统的低碳化转型过程中起着重要作用。然而,仍然缺乏系统框架来分析将氢能作为一种储存方式整合到电网系统中的碳减排能力。
如图8所示,本发明第一个目的在于提供一种连接到电网的氢能的环境价值评估方法,包括以下步骤:
获得发电厂数据,包括发电容量、燃料成本和碳排放量;
根据电网系统氢能储存模型计算氢气产生的水电解、氢储存和氢能发电过程的氢能储存参数;
基于氢能储存参数建立电网中氢能的总碳价值模型,以碳排放最小化为目标,计算电网中氢能的碳价值最优控制策略;
以氢储能控制策略对连接到电网的氢能的环境价值进行评估。
在发明中,将电网调度模型与储存控制模型相结合,制定了用于评估氢能在电网系统中减少碳排放的值的框架。具体而言,储存控制模型具备水电解过程、氢储存和氢发电过程,用于评估将氢能整合到电网中的碳减排的度量。估计氢能的最大碳减排是非凸优化问题,采用动态规划算法来估计氢能的最大碳减排。
本发明为了评估将氢能整合到电网系统中所产生的碳减排。具体地本发明提供了评估框架并定义了碳减排的度量。本发明的框架包括两个部分,一个是电网系统模型,其调度和能量混合将影响氢能的碳价值;另一个是氢能充放电控制模式。
表2:符号表
Figure BDA0003169951050000081
所述电网系统模型具体说明如下:
本发明假设将氢能整合到具有N个化石燃料发电机的电网中。对于每个发电机i,gi,t表示其在t时刻的发电量,而ci是其燃料成本率。本发明分别使用Wt和Pt来表示t时刻风能和太阳能的发电量。假设氢能作为储能参与市场,其在t时刻与电网的能量交换是yt。注意,如果yt为负,氢能将向电网放电。图1总结了本发明的整个电网系统模型。
本发明假设电力调度系统以最小化如下所述的发电的燃料成本。
Figure BDA0003169951050000091
Figure BDA0003169951050000092
Figure BDA0003169951050000093
其中,第一个约束代表每个发电机的发电范围,其中
Figure BDA0003169951050000095
是发电机i的发电容量。第二个约束是时刻t的能量平衡方程,其包括氢能储存的市场参与度。本发明用
Figure BDA0003169951050000096
来指示第i个发电机根据调度在时刻t的发电量。因此,t时的总碳排放量为
Figure BDA0003169951050000094
其中ei表示发电机i的碳排放率。
将本发明的模型用于关注氢能储存控制的影响。因此,本发明未包括现实世界中的一系列物理约束,例如风能和太阳能的传输约束和不确定性。
进一步,电网系统中氢能储存模型作如下说明:
如图1所示,本发明的氢能储存模型包括三个技术过程:用于氢气产生的水电解,氢储存和氢能发电。在每个t时刻中,本发明使用St来指示氢储存的电量。电网系统中氢能储存模型描述如下:
St-St-1=at (3)
Figure BDA0003169951050000101
0<=St<=Smax (5)
1<=at<=Δ2 (6)
这里,公式(3)定义at为每个t小时内储存能量的变化,即氢能的充放电策略。公式(4)表示充电和放电期间的能量损失。这里,γ1和γ2分别是充电和放电的效率。yt是在能量储存和电网之间实际交换的能量。公式(5)为氢能在时刻t的储能不超过容量限制。本发明用Smax表示储存容量最大值。公式(6)为建模充电和放电的速度限制。
本发明的模型讨论了不同于诸如电池技术的其他能量储存技术的氢能储存的独特技术特征。例如,本发明使用充电效率γ1从电力角度建模水电解过程的效率。本发明的模型允许分析水电解的技术特点如何影响氢能对环境的影响。虽然不同的水电解技术具有从60%变化到接近100%的明显不同的效率水平,但是本发明的模型设计对于氢能技术的碳价值评估是关键的。类似地,本发明的模型也能够实现氢能发电的技术特点,例如效率水平可以从50%变化到90%。
进一步,氢储存的环境价值说明如下:
公式(1)表示发电结果
Figure BDA0003169951050000103
取决于与at线性相关的储存充电和放电yt。因此,氢能在电网系统中的适用会改变系统的调度结果以及CO2排放。因此,本发明如下定义氢能的碳价值。
定义1.电网中氢能的碳价值是氢能储存参与电网前后的碳减排量。
Figure BDA0003169951050000102
其中,E碳,t(0)表示当电网系统中无氢能并且其充电和放电都为零时电网系统的碳排放量。E碳,t(Ψ(at))表示当氢能储存充电策略为{a1,a2,a3…aT}时电网系统的碳排放量。
给定氢储能模型的限制参数,以最小化碳排放为目标,找到对应的氢储能的控制策略,进而计算对应情况下氢储能的最大碳价值。
定义1表明评估过程中必须包括储存控制模型。碳价值取决于氢储能控制策略{a1,a2,a3…aT}。因此,本发明考虑两种类型的氢储能控制策略的约束策略。一种策略是氢能储存的利润最大化策略。另一种策略是使用氢能来最小化系统碳排放,其储存控制如下定义。
Figure BDA0003169951050000111
最后一个约束要求在氢能储存的操作期间的能量平衡。本发明用
Figure BDA0003169951050000112
来表示从优化公式(8)中解决的充电策略,并按照如下定义将氢能整合到电网中的最大碳价值。
定义2.电网中氢能的最大碳价值为
Figure BDA0003169951050000113
本发明必须解决碳排放最小化控制问题以评估氢能的最大碳价值。然而,公式(8)是非凸问题。图2为突出非凸性的实例。
为此,本发明提出了一种动态规划算法来解决该问题,并证实了该算法的最优性。
本发明使用实例来解释碳排放最小化的储存控制问题的非凸性。公式(1)解决的经济调度使得化石燃料发电机根据其边际燃料成本的优劣顺序来调度。然而,碳率并非一直随边际燃料成本单调增加。例如,图2中的示例市场具有低燃料成本但高排放率的发电机。因此,总系统碳排放E碳,t(Ψ(at))是储存充电控制at的非凸函数。E碳,t(yt)的导数在图2中显示为虚线。
A.值函数
本发明在本节中提出了一种动态规划算法来解决非凸问题。本发明首先将控制问题的值函数定义为从时间t到T操作循环结束的累积系统碳排放。
Figure BDA0003169951050000121
Sτ-Sτ-1=aτ τ∈t+1,t+2,,...,T
0<=Sτ<=Smax
1<=aτ<=Δ2
Figure BDA0003169951050000122
St=st
(10)
注意,值函数取决于时刻t的充电状态st。为了利用储存的灵活性,本发明要求最后储能中的电量是
Figure BDA0003169951050000124
本发明发现两个相邻时刻中的值函数满足以下公式。
Figure BDA0003169951050000123
其中Rs是给定St的at+1的可行范围,并满足以下约束。
max{-St,-Δ2}≤at+1≤min{Δ1,Smax-St} (12)
公式11表明V(t,st)和V(t+1;st+1)之间的迭代关系,这允许本发明使用动态规划算法来找到每个时刻t的控制策略。
B.动态规划
尽管碳排放函数E碳,t(Ψ(at))是at的非凸函数,但是其在at的可行集上是连续且有界的。因此,本发明可以离散化储存的状态空间。将储存[0,Smax]的状态空间离散化为
Figure BDA0003169951050000125
步骤。每个步骤的长度为ΔS MWh。因此,充放电动作at为ΔS的整数倍。本发明使用A(t,st)来记录相应的最优动作,而Φ(t,i)和Θ(t,i)用于计算和储存离散化的V(t,iΔS)和A(t,iΔS)。动态规划算法见算法1。
为了满足要求
Figure BDA0003169951050000126
本发明对边界条件进行了以下设置:
Figure BDA0003169951050000131
然后,在求解算法的过程中,边界条件会无限收敛到
Figure BDA0003169951050000138
在时间跨度上由算法计算的碳排放和最优控制是
Figure BDA0003169951050000139
Figure BDA00031699510500001310
Figure BDA0003169951050000132
上述算法可以得到最优控制策略的近似值。近似值的误差可能导致额外的CO2排放。因此,本发明必须分析由于近似而导致的潜在额外CO2排放的界限。
在下面的引理中,本发明证明离散化和相关的额外CO2排放引起的误差是有界的。
引理1.问题在时间跨度T上离散化的步长ΔS最多可能导致误差
Figure BDA0003169951050000134
其中M为系统的最大碳排放速率:
证明。在从T-1到T的最后一次充电中,Φ(T-1,i)和V(T-1,iS)的误差来自储存的最终状态的距离:
Figure BDA0003169951050000136
Figure BDA0003169951050000135
如果本发明想要储存水平从
Figure BDA0003169951050000133
变为
Figure BDA0003169951050000137
则该距离最多为ΔS。所以,本发明可以有下列公式:
Figure BDA0003169951050000141
然后在从T-2到T的充电中:
Figure BDA0003169951050000145
如果本发明沿着证明的想法迭代,可以得到结论。
注意,在最坏的情况下,本发明需要列举每个判定阶段中的
Figure BDA0003169951050000142
状态。因此,空间复杂度是
Figure BDA0003169951050000144
并且时间复杂度是
Figure BDA0003169951050000143
实施例
ERCOT中氢能的碳价值计算
本发明使用上述算法来评估德克萨斯州ERCOT市场的氢能碳价值。
A.数据和场景设置
本发明从E-Grid Data获得关于发电厂的数据,包括发电容量、燃料成本和碳排放量。获取2019年全年的ERCOT需求数据、风能数据和PV数据进行模拟评估。
图3示出了在德克萨斯市场中,边际燃料成本和边际碳排放率不会彼此单调增加。根据本发明的方法评估德克萨斯州氢能的最大碳价值是非凸问题。当需求小于25,000MWh时,边际燃料成本相对较低,而碳排放率较高。这些单元是燃煤发电单元。在减少排放的过程中,应该使用氢能来最小化这些单元的使用。
本发明估计在两种情况下的氢能碳价值:常规商业(BAU)情况和高可再生适用(HRP)情况。BAU情况反映了ERCOT市场中可再生能源和氢能储存的适用现状。在BAU情况中,风能和太阳能的适用率为17%,这是它们在2019年的适用水平。氢能储存的容量为1.7GWh,这是2021年底所有储能的预期容量。
在HRP情况中,假设风力发电量扩大了3倍,并且风力的适用水平增加到37%。HRP情况特别实现了氢能储存的技术特点,即超大储存容量在技术上是可行的。在HRP情况中假设储能容量可以达到17GW,这是当前情况的10倍。
表2:系统参数
BAU HRP
S<sub>max</sub> 1.7GWh S<sub>max</sub> 17GWh
ΔS 10MWh ΔS 10MWh
-Δ<sub>1</sub> -85MW -Δ<sub>1</sub> -850MW
Δ<sub>2</sub> 85MW Δ<sub>2</sub> 850MW
γ<sub>1</sub> 0.7 γ<sub>1</sub> 0.7
γ<sub>2</sub> 0.7 γ<sub>2</sub> 0.7
T 24h T 24h
Δt 1h Δt 1h
在BAU和HRP情况下,本发明根据实际可行的技术设置了氢能技术参数。氢储存的充放电效率设为0.7。充电和放电的速度假定为氢储存容量的5%。详细参数列于表2中。
B.BAU和HRP情况下氢能的碳价值
在每种情况下,本发明分别评估氢储存的最大碳价值和充电和放电期间的碳价值以使经济效益最大化。两种情况的模拟结果显示在图4中。当碳价值为正时,氢能的控制策略减少CO2排放。一旦碳价值为负,氢能的控制策略导致系统碳排放增加。
氢能是否为绿色取决于其储存控制。如果为了经济优化而控制氢能储存,在BAU情况下使用氢能将甚至增加约140.53千吨的碳排放。在HRP情况中,经济地充电氢能甚至更差,这会使碳排放增加约100万吨。
如果根据环境优化控制氢储存,则氢能为绿色。在BAU情况下,通过环境优化储存控制将减少44千吨二氧化碳。在HRP情况中,由环保充电氢能储存带来的碳价值非常巨大,约为106万吨。
两种情况的对比还表明,高可再生适用和大储存容量能够从根本上改变不同季节的氢能碳价值。本发明发现,在BAU情况下,氢能在夏季具有非常有限的碳价值。然而,在HRP情况下,氢能在夏季也可具有相当大的碳价值。因此,本发明得出结论,当广泛使用可再生能源和氢能时,氢储存的减排值将在未来随时间更均匀地分布。
C.可再生能源的兼容性
本发明分析了增加可再生能源适用对氢能碳价值的影响。在BAU情况中,本发明控制氢能的储存容量并改变风能和太阳能的适用水平。图5总结了在增加风能和太阳能适用的情况下,氢能碳价值的变化。
当风能适用率增加时,氢储存的碳价值将显著增加。如果ERCOT将其风能增加3倍,则在BAU情况下,氢能的碳价值可以增加2.36倍。相反,增加太阳能的适用率对氢能的碳价值的影响有限。太阳能从目前水平增加10倍,氢能的碳价值只增加1.1%。因此,从环境角度看,风能在ERCOT电网系统中与氢能技术更加兼容。
本发明还注意到,氢能的碳价值不随着风能的适用而线性增加。当风能的适用率小于当前水平的约2倍时,当风能适用率增加时,氢能的碳价值缓慢增加。然而,一旦风能适用率超过临界点,即当前水平的约2倍,氢能的碳价值将通过每额外单位的风能适用而提高。
D.氢储存特性的影响
在本部分中,本发明分析了氢能的技术特点如何确定其在ERCOT市场中的碳价值。这些技术特点包括充放电速度、充放电效率和储能容量。
充放电效率的影响示于图6中(a)。随着充放电效率增加,氢储存的碳排放减少量增加。注意,充放电效率的影响是不对称的。与充电效率相比,氢能碳价值对放电效率更敏感。在将充电效率从70%增加到80%后,氢能碳价值只增长25%。相反,放电效率的相同变化可以使氢能碳价值增加41%。因此,对于碳价值来说,氢能发电的效率改善比针对氢能产生的水电解的效率改善更为重要。
然而,值得注意的是,水电解和氢能发电的效率必须彼此匹配。如果仅改进一个参数,则氢能碳价值的增长将受到限制。因此,找到水电解和氢能发电的最佳成对改进率是至关重要的。
图6中(b)示出了充放电速度的影响。更快的充放电速度将增加氢能碳价值。然而,充放电速度的影响也是不对称的。氢能碳价值对放电速度比充电速度更敏感。一旦放电速率从100MW增加到500MW,氢能碳价值增加83%。相反,充电速度的相同变化只能使碳价值增加8%。因此,氢能发电的增容比用于氢气产生的水电解的增容更具有环保价值。
然而,充放电的速度也必须彼此匹配。如果仅增加一个方向的速度,氢能碳价值的增加将受到另一参数的限制。因此,使氢能发电的容量与氢气产生的水电解的容量相匹配是至关重要的。
总之,当考虑排放减少时,应优先考虑提高氢-发电的速度和效率。
本发明还研究了储存的大小如何影响氢能的碳价值。能量储存容量的增加将增加减排潜力,如图7所示。注意,碳价值的边际增长率逐渐降低。当能量储存容量超过阈值时,碳减排量将不会改变。一旦储存容量超过阈值,储存容量的任何额外扩展不再能够提高氢能碳价值。
阈值由其他技术特点确定,例如充放电的速度。如果提高充放电的速度,系统将具有限制储存容量对碳价值的影响的较高阈值。因此,氢能容量的扩大必须与水电解和氢能发电的容量的扩大相匹配。然而,图7认为氢能发电的能力比水电解的能力更重要。
采用本发明方法来评估德克萨斯州ERCOT市场中氢能的碳减排。发现氢能的碳价值取决于储存控制方法。使用氢能只有在选择其充电和放电操作用于最小化系统碳排放时才能够减少CO2。还发现,与水电解法的容量和效率相比,氢发电法的容量和效率对于碳减少更为关键。氢发电法的技术特点也显著限制了用于改善碳减少的储存容量扩展能力。
综上,本发明探讨了利用氢能储存来减少多能源系统排放的可能性。由于电网系统的边际燃料成本和边际排放之间的不协调,氢储存的环境优化控制是一个非凸问题。因此,本发明设计了动态规划算法来设置氢能储存。通过数值实验,本发明验证了所提算法的有效性。
如图9所示,本发明的另一目的在于提出一种连接到电网的氢能的环境价值评估系统,包括:
获取模块,用于获得发电厂数据,包括发电容量、燃料成本和碳排放量;
第一计算模块,用于根据氢气产生的水电解、氢储存和氢能发电过程计算得到含有氢能控制策略的氢能储存模型;
第二计算模块,用于建立基于氢能控制策略的电网中氢能的碳价值模型,以碳排放最小化为目标计算对应的氢储能控制策略,计算对应情况下氢储能的最大碳价值;
评估模块,用于选择满足最大碳价值要求的氢储能控制策略对连接到电网的氢能的环境价值进行评估。
如图10所示,本发明第三个目的是提供一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述连接到电网的氢能的环境价值评估方法的步骤。
本发明第四个目的是提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述连接到电网的氢能的环境价值评估方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种连接到电网的氢能的环境价值评估方法,其特征在于,包括以下步骤:
根据氢气产生的水电解、氢储存和氢能发电过程计算得到氢能储存模型;
建立基于氢能控制策略的电网中氢能的碳价值模型,以碳排放最小化为目标计算对应的氢储能控制策略,计算对应情况下氢储能能够产生的最大碳价值;
选择满足最大碳价值要求的氢储能控制策略对连接到电网的氢能的环境价值进行评估。
2.根据权利要求1所述的方法,其特征在于,
所述电网系统氢能储存模型为:
St-S't-1=at (3)
Figure FDA0003169951040000011
0<=St<=Smax (5)
1<=at<=Δ2 (6)
式中,公式(3)定义at为每个t小时内储存能量的变化,即为氢能控制策略,St为每个t时刻中氢储存的电量;公式(4)表示充电和放电期间的能量损失;γ1和γ2分别是充电和放电的效率;yt是在能量储存和电网之间实际交换的能量;公式(5)为氢能在时刻t的储能不超过容量限制;Smax表示储存容量最大值;公式(6)为充电和放电的速度限制。
3.根据权利要求1所述的方法,其特征在于,
基于氢能控制策略的电网中氢能的碳价值模型为:
Figure FDA0003169951040000012
其中,E碳,t(0)表示当电网系统中无氢能并且其充电和放电都为零时电网系统的碳排放量,E碳,t(Ψ(at))表示当氢能储存充电策略为{a1,a2,a3…aT}时电网系统的碳排放量。
4.根据权利要求3所述的方法,其特征在于,
电网系统的碳排放量由以下方法计算得到:
电网系统模型是根据电力调度系统最小化燃料成本模型得到,电力调度系统最小化燃料成本模型为:
Figure FDA0003169951040000021
Figure FDA0003169951040000022
Figure FDA0003169951040000023
其中,第一个约束代表每个发电机的发电范围,
Figure FDA0003169951040000024
是发电机i的发电容量;第二个约束是时刻t的能量平衡方程,其包括氢能储存的市场参与度;
Figure FDA0003169951040000025
来指示第i个发电机根据调度在时刻t的发电量;因此,t时的碳排放量为:
Figure FDA0003169951040000026
其中ei表示发电机i的碳排放率。
5.根据权利要求1所述的方法,其特征在于,
氢储能的最大碳价值计算方法为:
Figure FDA0003169951040000027
其中,E碳,t(0)表示当电网系统中无氢能并且其充电和放电都为零时电网系统的碳排放量,E碳,t(Ψ(at))表示当氢能储存充电策略为碳排放最小化控制策略{a1,a2,a3…aT}时电网系统的碳排放量。
6.根据权利要求1所述的方法,其特征在于,
以碳排放最小化为目标计算对应的氢储能控制策略,此时的约束条件包括氢储能模型的限制参数具体为:
Figure FDA0003169951040000031
7.根据权利要求1所述的方法,其特征在于,
电网中氢能的总碳价值模型采用动态规划算法求解,具体包括:
首先将氢储能控制策略的值函数定义为从时间t到T操作循环结束的累积系统碳排放,具体公式为
Figure FDA0003169951040000032
Sτ-Sτ-1=aτ τ∈t+1,t+2,,...,T
0<=Sτ<=Smax
1<=aτ<=Δ2
Figure FDA0003169951040000033
St=st
(10)
进而得到两个相邻时刻中的值函数满足以下公式:
Figure FDA0003169951040000034
其中Rs是给定St的at+1的可行范围,并满足以下约束:
max{-St,-Δ2}≤at+1≤min{Δ1,Smax-St} (12)
公式11表明V(t,st)和V(t+1;st+1)之间的迭代关系;
将储存[0,Smax]的状态空间离散化为
Figure FDA0003169951040000035
每个步骤的长度为ΔS MWh;则充放电动作at为ΔS的整数倍,使用A(t,st)来记录最优动作,而Φ(t,i)和Θ(t,i)用于计算和储存离散化的V(t,iΔS)和A(t,iΔS);进行动态规划计算:
要求
Figure FDA0003169951040000036
边界条件为:
Figure FDA0003169951040000037
控制策略导致的最终时刻的储能剩余值满足:边界条件无限收敛到
Figure FDA0003169951040000041
在时间跨度上由算法计算的碳排放和最优控制是
Figure FDA0003169951040000042
Figure FDA0003169951040000043
8.一种连接到电网的氢能的环境价值评估系统,其特征在于,包括:
第一计算模块,用于根据氢气产生的水电解、氢储存和氢能发电过程得到氢能储存模型;
第二计算模块,用于建立基于氢能控制策略的电网中氢能的碳价值模型,以碳排放最小化为目标计算对应的氢储能控制策略,计算对应情况下氢储能的最大碳价值;
评估模块,用于选择满足最大碳价值要求的氢储能控制策略对连接到电网的氢能的环境价值进行评估。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述连接到电网的氢能的环境价值评估方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述连接到电网的氢能的环境价值评估方法的步骤。
CN202110817238.3A 2021-07-19 2021-07-19 连接到电网的氢能的环境价值评估方法和系统 Pending CN113469561A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110817238.3A CN113469561A (zh) 2021-07-19 2021-07-19 连接到电网的氢能的环境价值评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110817238.3A CN113469561A (zh) 2021-07-19 2021-07-19 连接到电网的氢能的环境价值评估方法和系统

Publications (1)

Publication Number Publication Date
CN113469561A true CN113469561A (zh) 2021-10-01

Family

ID=77881416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110817238.3A Pending CN113469561A (zh) 2021-07-19 2021-07-19 连接到电网的氢能的环境价值评估方法和系统

Country Status (1)

Country Link
CN (1) CN113469561A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024047905A1 (ja) * 2022-08-30 2024-03-07 株式会社日立製作所 プラント運転支援装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005071815A1 (en) * 2004-01-23 2005-08-04 Stuart Energy Systems Corporation An energy network using electrolysers and fuel cells
CN103530692A (zh) * 2013-10-28 2014-01-22 东北电力大学 一种风氢联合发电系统成本效益评估方法
US20200285209A1 (en) * 2019-03-06 2020-09-10 Mitsubishi Electric Research Laboratories, Inc. System and Method for Data-Driven Control of Constrained System
US20200372588A1 (en) * 2019-05-20 2020-11-26 Singularity Energy, Inc. Methods and systems for machine-learning for prediction of grid carbon emissions
CN112448413A (zh) * 2020-11-16 2021-03-05 成都精智艺科技有限责任公司 一种近零碳排放的分布式能源供给系统及方法
CN112507614A (zh) * 2020-12-01 2021-03-16 广东电网有限责任公司中山供电局 一种分布式电源高渗透率地区电网综合优化方法
US20220236698A1 (en) * 2019-06-06 2022-07-28 Robert Bosch Gmbh Method and device for determining model parameters for a control strategy for a technical system with the aid of a bayesian optimization method

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005071815A1 (en) * 2004-01-23 2005-08-04 Stuart Energy Systems Corporation An energy network using electrolysers and fuel cells
CN103530692A (zh) * 2013-10-28 2014-01-22 东北电力大学 一种风氢联合发电系统成本效益评估方法
US20200285209A1 (en) * 2019-03-06 2020-09-10 Mitsubishi Electric Research Laboratories, Inc. System and Method for Data-Driven Control of Constrained System
US20200372588A1 (en) * 2019-05-20 2020-11-26 Singularity Energy, Inc. Methods and systems for machine-learning for prediction of grid carbon emissions
US20220236698A1 (en) * 2019-06-06 2022-07-28 Robert Bosch Gmbh Method and device for determining model parameters for a control strategy for a technical system with the aid of a bayesian optimization method
CN112448413A (zh) * 2020-11-16 2021-03-05 成都精智艺科技有限责任公司 一种近零碳排放的分布式能源供给系统及方法
CN112507614A (zh) * 2020-12-01 2021-03-16 广东电网有限责任公司中山供电局 一种分布式电源高渗透率地区电网综合优化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024047905A1 (ja) * 2022-08-30 2024-03-07 株式会社日立製作所 プラント運転支援装置

Similar Documents

Publication Publication Date Title
Luo et al. Coordinated operational planning for wind farm with battery energy storage system
Belmili et al. Sizing stand-alone photovoltaic–wind hybrid system: Techno-economic analysis and optimization
CN111144620B (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN105006844B (zh) 一种间歇式发电并网条件下的电力系统日前鲁棒调度系统
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN107134810B (zh) 一种独立型微能源网储能系统优化配置求解方法
Ho et al. SAHPPA: a novel power pinch analysis approach for the design of off-grid hybrid energy systems
CN112053035B (zh) 考虑经济性与灵活性的输电通道与储能联合规划方法
CN111245024B (zh) 基于模型预测控制的综合能源系统鲁棒优化运行方法
CN111555281A (zh) 一种电力系统灵活性资源配置仿真方法及装置
Li et al. Aging mitigation for battery energy storage system in electric vehicles
González-Aparicio et al. Opportunities of integrating CO2 utilization with RES-E: a power-to-methanol business model with wind power generation
Yousefi et al. Energy management strategies for smart home regarding uncertainties: State of the art, trends, and challenges
CN113689312A (zh) 考虑碳排放权价格随机性的虚拟电厂双阶段优化调度方法
CN113469561A (zh) 连接到电网的氢能的环境价值评估方法和系统
Pombo et al. A computationally efficient formulation for a flexibility enabling generation expansion planning
Monterrat et al. Integration Cost of Variable Renewable Resources to Power Systems–A Techno-economic Assessment in European Countries
Lu et al. Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties
Nematirad et al. A Novel Statistical Framework for Optimal Sizing of Grid-Connected Photovoltaic–Battery Systems for Peak Demand Reduction to Flatten Daily Load Profiles
CN117674290A (zh) 一种基于多场景的水电平抑分布鲁棒优化方法
Zantye et al. THESEUS: A techno-economic design, integration and downselection framework for energy storage
CN112307603A (zh) 考虑大规模风电接入的混合储能容量优化配置方法及系统
CN114884101B (zh) 一种基于自适应模型控制预测的抽水蓄能调度方法
Misconel et al. How to determine bottom-up model-derived marginal CO₂ abatement cost curves with high temporal, sectoral, and techno-economic resolution?
CN115085227A (zh) 一种微电网源储容量配置方法及装置

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