CN113722911A - 一种可再生能源枢纽投资组合优化方法和存储介质 - Google Patents
一种可再生能源枢纽投资组合优化方法和存储介质 Download PDFInfo
- Publication number
- CN113722911A CN113722911A CN202111010876.0A CN202111010876A CN113722911A CN 113722911 A CN113722911 A CN 113722911A CN 202111010876 A CN202111010876 A CN 202111010876A CN 113722911 A CN113722911 A CN 113722911A
- Authority
- CN
- China
- Prior art keywords
- energy
- bes
- investment
- cost
- constraint
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 23
- 239000007789 gas Substances 0.000 claims description 29
- 239000003570 air Substances 0.000 claims description 23
- 230000014509 gene expression Effects 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000005868 electrolysis reaction Methods 0.000 claims description 21
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 10
- 229910052739 hydrogen Inorganic materials 0.000 claims description 10
- 239000001257 hydrogen Substances 0.000 claims description 10
- 238000004146 energy storage Methods 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 239000012080 ambient air Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009977 dual effect Effects 0.000 abstract description 3
- 230000002301 combined effect Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 230000002925 chemical effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000010411 electrocatalyst Substances 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种可再生能源枢纽投资组合优化方法和存储介质,方法包括:基于地热能‑太阳能‑风能组合建立可再生能源枢纽的组合模型;设置组合模型的成本目标函数,成本目标函数为组合模型中每个设备的投资量与单元投资成本的积的总和:设置组合模型的运行目标函数,对设置成本目标函数和运行目标函数后的组合模型设置系统运行约束条件,获得新的组合模型;利用马科维茨均值‑方差方法选择新的组合模型的最优投资组合;采用两阶段随机优化方法求解最优投资组合。本发明从投资组合成本和风险的双重角度进行研究,引入马科维茨均值方差方法,估计与间歇性发电相关的风险和由于投资组合效应而降低的风险。
Description
技术领域
本发明涉及电力供应技术领域,具体涉及一种可再生能源枢纽投资组合优化方法和存储介质。
背景技术
在2050年左右达到二氧化碳排放峰值和碳中和的长期目标的推动下,当今的能源组合正逐渐从不可再生的化石燃料转向可再生能源(例如风能、地热能和太阳能)转变。可再生能源的高渗透率接入和利用使其发电量具有波动性和不可预测性,引起了人们对现代电力系统的可靠性和经济规划的关注。因此,储能系统,尤其是电池储能(BES)被加入系统来缓解可再生能源波动。然而,在当前技术阶段,电池并不是一个划算的选择,因为其投资和运营成本都很高。此外,当今的能源组合正面临着经济和可靠问题的困境。更具体地说,尽管电池容量的增加提供了额外的可用性以提高系统可靠性,但高昂的电池投资成本会导致其运行寿命期间每个充放电过程都包含了退化成本。
到目前为止,通过利用多能源发电、转换和存储设备,电能、热能和氢能(H2)等多种能流已经开始进行耦合和相互作用。例如,除了电储能外,电转热和电转气设备也被广泛应用于消纳可再生能源,并推动当今的电力组合优化向多能源组合优化发展。通过优化、规划和运行不同质量、类型和数量的多种能源来提供地区/城市/国家负荷的多能源组合方案,相比于传统电力组合,具有显著的社会和环境效益。然而当前能源枢纽规划大多都割裂了多种能源之间的联系,直接在每个系统单独规划,没有充分利用可再生能源之间的互补性。
发明内容
本发明解决的一个主要问题是针对基于地热-太阳能-风能等可再生能源发电的能源枢纽系统,如何更好地规划出相应的最优投资组合方案的问题。
根据本发明的一个方面,本发明提供一种可再生能源枢纽投资组合优化方法,包括:
基于地热能-太阳能-风能组合建立可再生能源枢纽的组合模型;
设置所述组合模型的成本目标函数,所述成本目标函数为所述组合模型中每个设备的投资量与单元投资成本的积的总和:
设置所述组合模型的运行目标函数,所述运行目标函数为:
TOCk=OMCk-CCk,
其中,TOCk为所述可再生能源枢纽的k时刻的营运成本,CCk为可再生组合k时刻产生的二氧化碳减排收益,OMCk为多能源发电、转换和存储设备运行k时刻维护的成本;
对设置成本目标函数和运行目标函数后的所述组合模型设置系统运行约束条件,获得新的组合模型;
利用马科维茨均值-方差方法选择所述新的组合模型的最优投资组合;
采用两阶段随机优化方法求解所述最优投资组合:
第一阶段为投资组合的设备投资成本;
第二阶段为在所述设备投资状况下多种发电情景的设备运行成本。
进一步地,所述系统运行约束包括多能源耦合约束、储能约束、能量转换约束、H2生产约束、GTH效率约束和热电化学约束。
进一步地,所述多能源耦合约束的数学表达式为:
0≤νi,k≤1,i=CHP,B,F,e,h,g,
其中,vB,k,vCHP,k,vF,k,ve,k,vh,k和vg,k为输入能量分别流向电锅炉、CHP、燃气锅炉、电、热和H2负荷的调度因子。
进一步地,所述储能约束包括BES和H2储气罐的能量平衡约束和充放电速率约束:
所述BES的能量平衡约束表达为第一表达式:
EBES,k=EBES,k-1+ηchPch,k-1-Pdis,k-1/ηdis,
其中,EBES,k为k时刻的BES的容量,EBES,k-1为k-1时刻BES的容量,ηch,ηdis分别为BES的充电效率和放电效率,Pch,k-1为k-1时刻BES的充电功率,且0.1ICBES≤EBES,k≤0.9ICBES,ICBES为BES的投资量;
所述H2储气罐的能量平衡、范围的约束表达为第二表达式:
所述BES的充放电速率约束表达为第三表达式:
Pch,k≤Pch,max·δk
其中,且VGS,min≤VGS,k≤VGS,max,Pch,max、Pdis,max分别为BES的最大充电功率和最大放电功率,δk,φk分别为BES的放电指标和充电指标,VGS,max、VGS,min分别代表H2储气罐的上界和下界,VGS,k为k时刻H2储气罐的充放气量。
进一步地,所述能量转换约束的数学表达式为:
0≤Si,k≤ICi,i=CHP,B,F,
其中,Si,k为k时刻i设备(CHP、电锅炉、燃气锅炉)的输出功率。
进一步地,所述H2生产约束的数学表达式为:
进一步地,所述GTH效率约束的数学表达式为:
其中,r1、r2、r3为效率曲线的斜率;TZ,min,TZ,max分别为电解温度TZ,k的最高温度和最低温度;T1、T2为效率曲线的断点。
进一步地,所述热电化学约束的微分数学表达式为:
其中TZ,k、Tout,k为k时刻的电解和外界空气温度;Cz为电解槽的热容;Rz、Rair为电解槽分别和周围空气、上方空气的热阻,PGTH,k为k时刻输入GTH电解槽的电能;且QRES,k=ηBSef,k+Shf,k,QRES,k为k时刻可再生供热能源,Sef,k和Shf,k分别表示k时刻地热制氢电解槽GTH加热用的电能和热能,ηB为电锅炉的热效率。
进一步地,所述利用马科维茨均值-方差方法选择所述新的组合模型的最优投资组合包括:
将所述成本目标函数的方差作为风险;
将规划和运行目标函数的期望作为成本;
根据所述风险和成本权衡出所述最优投资组合。
根据本发明的另一个方面,还公开一种存储介质,所述存储介质为计算机可读存储介质,所述计算机可读存储介质中存储有如前任一所述的一种可再生能源枢纽投资组合优化方法。
本发明通过组合理论将地热-太阳能-风能多能源互补概念定义为组合效应,并在热电化学效应的基础上进一步挖掘其内在的灵活性和可调性。与以往电解效率恒定的太阳能-风能电力互补系统相比,建立了一个热力学网络来考虑电解热力学,从而消纳可再生能源。还提出了一个100%可再生能源枢纽的均值-方差组合模型,通过多能源设备来转换地热-太阳能-风能可再生能源。本发明没有直接追求最低的发电成本,而是从投资组合成本和风险的双重角度进行研究,引入马科维茨均值方差方法,估计与间歇性发电相关的风险,以及由于投资组合效应而降低的风险。为了提高求解性能,本发明降低了耦合矩阵和热力学模型中固有的非凸性,并执行了基于场景的两阶段混合整数非线性规划(MINLP)随机规划,以确定地热-太阳能-风能发电、转换和存储的最优投资方案。
附图说明
本发明构成说明书的一部分附图描述了本发明的实施例,并且连同说明书一起用于解释本发明的原理。
图1为本发明实施例中可再生能源枢纽框架示意图。
图2为本发明实施例中物理电解热网络结构示意图。
图3为本发明实施例中系统总成本与不同的方差需求示意图。
具体实施方式
下面将结合附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
实施例一,一种可再生能源枢纽投资组合优化方法,主要包括以下步骤:
步骤一,建立能源枢纽。如图1所示,基于地热能-太阳能-风能组合建立了可再生能源枢纽框架:包括地热能热电联产系统(GSCHP)、风力涡轮机(WT)、太阳能热电联产系统(PVT)、地热制氢(GTH)电解槽、热电联产机组(CHP)、燃气锅炉、电热锅炉、电池储能(BES)和氢气储存罐等。
步骤二,设置成本目标函数。可再生能源枢纽的投资目标函数是规划范围内涉及电、热、氢多能源基础设施的成本
其中,TICk为总投资成本;ICCHP,ICF,ICB,ICBES,ICGS,ICE,ICPVT,ICWT,ICGSCHP分别代表CHP、燃气锅炉、电热锅炉、BES、氢气储存罐、电解池、PVT、WT和GSCHP的投资量;UICCHP,UICF,UICB,UICBES,UICGS,UICE,UICPVT,UICWT,UICGSCHP分别代表CHP、燃气锅炉、电热锅炉、BES、氢气储存罐、电解池、PVT、WT和GSCHP的单元投资成本。
步骤三,设置运行目标函数。运行目标函数为运行范围内多能源基础设施的成本,其中包括可再生组合产生的二氧化碳减排收益,多能源发电、转换和存储设备运行维护成本,运行目标函数为:
TOCk=OMCk-CCk (2)
其中,TOCk为所述可再生能源枢纽的k时刻的营运成本,CCk为可再生组合k时刻产生的二氧化碳减排收益,OMCk为多能源发电、转换和存储设备运行k时刻维护的成本;
且多能源发电、转换和存储设备运行k时刻维护的成本为:
CCk=μccμc(PPVT,k+HPVT,k+PWT,k+PGSCHP,k+HGSCHP,k) (4)
其中,omCHP,omF,omB,omBES,omGS,omE,omPVT,omWT,omGSCHP分别为CHP、燃气锅炉、电锅炉、BES、H2储存罐、电解槽、PVT、WT、GSCHP机组运行和维护费用;PGSCHP,k,HGSCHP,k分别代表GSCHP的电和热输出;PPVT,k,HPVT,k,PWT,k分别代表k时刻PVT和WT的电热输出;SB,k,SF,k,SCHP,k分别为k时刻电锅炉、燃气锅炉和CHP的电热输出;Pch,k,Pdis,k分别为k时刻BES的充放电功率;μcc,μc分别为碳的转换系数和排放成本。
步骤四,设置系统运行约束。对设置成本目标函数和运行目标函数后的所述组合模型设置系统运行约束条件。
(1)设置多能源耦合约束:在图1中多能源流路径的每个结点引入调度因子,表示输入能量流向后续设备,约束表达式为:
0≤νi,k≤1,i=CHP,B,F,e,h,g (5)
其中,vB,k,vCHP,k,vF,k,ve,k,vh,k,vg,k分别为输入能量流向电锅炉、CHP、燃气锅炉、电、热和H2负荷的调度因子。
在引入调度因子和固有能量转换效率的基础上,将多能量转换和存储设备表示为输入-转换-输出关系,下述步骤(6)中的多输入多输出多能量耦合矩阵可以描述中心-内部电、热、H2能流的生产、转换、存储和消耗过程。
其中,Le,k,Lh,k,Lg,k分别代表总电、热和H2负荷;QH2为H2的热值;ηe,CHP,ηh,CHP分别为CHP的电和热效率;ηh,GS为GSCHP的电热效率;ηB,ηF分别为电锅炉和燃气锅炉的热效率;PBES,k,VGS,k为电池和储气罐的净输出;为H2的热值;为H2产量。
(2)设置储能约束:下述的约束表达式(7)-(10)表示BES和H2储气罐的能量平衡和范围,约束表达式(11)-(14)表示BES和H2储气罐的充放电速率,以延长其使用寿命。
EBES,k=EBES,k-1+ηchPch,k-1-Pdis,k-1/ηdis (7)
且:
0.1ICBES≤EBES,k≤0.9ICBES (8)
其中,EBES,k为k时刻的BES的容量,EBES,k-1为k-1时刻BES的容量,ηch,ηdis分别为BES的充电效率和放电效率,Pch,k-1为k-1时刻BES的充电功率;
BES的充放电速率约束表达式分别为:
Pch,k≤Pch,max·δk (10)
其中,且VGS,min≤VGS,k≤VGS,max,Pch,max、Pdis,max分别为BES的最大充电功率和最大放电功率,δk,φk分别为BES的放电指标和充电指标,VGS,max、VGS,min分别代表H2储气罐的上界和下界,VGS,k为k时刻H2储气罐的充放气量。
(3)设置能量转换约束:约束条件(15)限制了CHP、燃气锅炉和电热锅炉输出。
0≤Si,k≤ICi,i=CHP,B,F (12)
其中,Si,k为k时刻i设备CHP、电锅炉或燃气锅炉的输出功率。
(4)设置H2生产约束:GTH是指利用可再生电力通过电解槽生产氢气。生成的H2可计算为:
其中,PGTH,k为GTH电解槽功率输入;ηH2为产H2的效率。
(5)设置GTH效率约束:GTH电解的效率通常取决于电解质(如盐、酸或碱)的添加、电解温度和电催化剂的使用,并且GTH效率会直接受到电解温度的影响,通常与电解温度呈正相关。将实测数据用分段直线拟合如下:
其中,r1、r2、r3为效率曲线的斜率;TZ,min,TZ,max分别为电解温度TZ,k的最高温度和最低温度;T1、T2为效率曲线的断点。
(6)设置热电化学约束:电解温度TZ是由电解环境中所有的热量产生、储存和传递所决定的,包括GTH反应Qreaction的热量变化,外部波动的可再生能源加热QRES,到外部Tout的蒸发热损失等。热能的储存和传递与电能的储存和传递有一些相似之处,可以用热阻和热容来表示。为了减少计算量,获得易于处理的热力学网络,采用经典的集总参数法对空间分布的物理电解环境进行建模。建立图2中基于热阻-电容的热力学模型来进行热电化学分析。
电解温度和外部温度TZ,k,Tout,k用集总热容Cz的热节点表示,通过热电阻Rz,Rair相互连接。利用傅里叶定律,可以将电解温度表示为:
且:
QRES,k=ηBSef,k+Shf,k (16)
其中TZ,k、Tout,k为k时刻的电解和外界空气温度;Cz为电解槽的热容;Rz、Rair为电解槽分别和周围空气、上方空气的热阻;QRES,k为k时刻可再生供热能源,Sef,k和Shf,k分别表示k时刻GTH加热用的电能和热能,Qreaction,k为k时刻热焓流量。
步骤五,多能源投资组合优化。由于地热-太阳能-风能可再生能源组合优化(前述步骤中的)是一个具有挑战性的混合整数非线性规划(MINLP)问题,因此本步骤首先设计了马科维茨均值方差方法来量化地热-太阳能-风能可再生能源投资组合风险。然后,将多能源最优投资组合问题表述为两阶段随机规划,以最优确定多能源发电、转换和存储设备的投资对象。
(1)马科维茨均值-方差方法
马科维茨均值-方差法是一种数学投资组合优化框架,通过评估给定风险行为的各种可能投资组合,帮助选择最有效的投资组合。投资组合优化方法的数学模型如下:
其中,xi表示投资于分量的比例;σij表示设备i和j的期望收益的协方差,i=1,…,n,j=1,…,n;μi表示设备i的期望收益;R是一个给定的风险水平。
对于地热-太阳能-风能可再生能源组合优化问题,(18)中的后两个约束限制了多能源发电、转换和存储设备,可等价表示为表达式(5)-(17)。同时,系统风险来自不确定的可再生能源。因此,将投资成本和经营成本的方差和期望均值作为风险和收益,即将所述运行目标函数的方差作为风险;将规划和运行目标函数的期望作为成本;根据前述风险和成本权衡出所述最优投资组合,具体如下:
(18)中的第一个约束可以由(20)得到,
其中,ρs表示情景概率;ER是一个预定义的风险水平,投资者可以对其进行调整,总而获得一个可接受的投资组合。在这里,参数ER没有任何物理意义,它是用来在均值/预期成本和方差/风险之间进行权衡,根据投资者愿意承担的风险得到合适的投资。
(2)两阶段随机规划模型
为了经济有效地适应高份额的风能-太阳能,采用两阶段随机优化方法求解重新制定的地热-太阳能-风能组合模型表达式(1)-(21)。
在采用蒙特卡罗情景建模的供需不确定性和马科维茨均值-方差方法明确捕获风险的情况下,投资组合的目标函数是在考虑规划的范围内系统投资和运营成本的最小化,即表达式(1)和(2),求解表达式为:
其中,τ是一个系数,将年成本转换为规划期限内的现值。
具体地,本步骤第一阶段是投资阶段,涉及多能源发电、转换和存储设备的投资。在确定设备的投资状况后,第二阶段是不确定情景下的运行系统,具体涉及各个情景下的多能源发电。最终,根据所述设备投资状况,确定规划范围内系统投资成本和运行成本的最小化投资组合。
在本发明中,提出的地热-太阳能-风能可再生能源枢纽用于提供一个社区级多能源微电网。除传统的社区电负荷和热负荷外,还考虑了H2负荷,并假设H2负荷通过已配备的氢燃料站向各种类型的社区通勤汽车或公交车供应。
并通过三种方案,验证了本发明的有效性和优越性:方案1是本发明提出的地热-太阳能-风能可再生组合方案;方案2是不考虑电解热电化学效应的地热-太阳能-风能可再生组合方案;方案3为一种风能-太阳能-电池模型。
如下所示,表1列出了方案1-3中多能源发电设备的投资成本、运行成本和投资容量。
表1方案1-3规划优化结果
表2列出了可再生能源发电在方案1-3中的份额。
表2方案1-3发电结果的优化
地热井的高温水可以直接供应到电解槽,而不是用风能或太阳能加热电解水,适用于电解气生产。虽然GSCHP的安装导致了额外的GTH电解槽和储气投资成本,但GSCHP可以产生稳定的电能和热能。由于消耗的热负荷较大,除GSCHP外,电锅炉是比燃气锅炉更好的进行热能供应。
对于方案3而言,方案1的系统总成本和运行成本分别降低了16.8%和27.6%。通过考虑电解热电化学效应,H2储气罐可作为替代储罐降低对BES的依赖,并与BES优化协调以消纳太阳能风能。
与方案2相比,方案1的系统总成本和运行成本分别降低0.9%和7.0%。综上所述,与方案2和方案3相比,本发明所提出的投资组合方案能够最优地协调所投资的多能源发电、转换和存储设备,体现了所提出的地热能-太阳风组合的优越性。
图3给出了考虑不同风险水平的系统总成本。可以看到通过改变风险参数,得到不同的多能源发电、转换和存储投资组合。因此,马科维茨边界可以根据投资者愿意承担的风险提供适当的投资。
本发明通过组合理论将地热-太阳能-风能多能源互补概念定义为组合效应,并在热电化学效应的基础上进一步挖掘其内在的灵活性和可调性。与以往电解效率恒定的太阳能-风能电力互补系统相比,建立了一个热力学网络来考虑电解热力学,从而消纳可再生能源。还提出了一个100%可再生能源枢纽的均值-方差组合模型,通过多能源设备来转换地热-太阳能-风能可再生能源。本发明没有直接追求最低的发电成本,而是从投资组合成本和风险的双重角度进行研究,引入马科维茨均值方差方法,估计与间歇性发电相关的风险,以及由于投资组合效应而降低的风险。为了提高求解性能,本发明降低了耦合矩阵和热力学模型中固有的非凸性,并执行了基于场景的两阶段混合整数非线性规划(MINLP)随机规划,以确定地热-太阳能-风能发电、转换和存储的最优投资方案。
以上所述仅为本发明的较佳实施例而已,并不用于限制本发明,凡在本发明的精神和原则范围之内所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
Claims (10)
1.一种可再生能源枢纽投资组合优化方法,其特征在于,包括:
基于地热能-太阳能-风能组合建立可再生能源枢纽的组合模型;
设置所述组合模型的成本目标函数,所述成本目标函数为所述组合模型中每个设备的投资量与单元投资成本的积的总和:
设置所述组合模型的运行目标函数,所述运行目标函数为:
TOCk=OMCk-CCk,
其中,TOCk为所述可再生能源枢纽的k时刻的营运成本,CCk为可再生组合k时刻产生的二氧化碳减排收益,OMCk为多能源发电、转换和存储设备运行k时刻维护的成本;
对设置成本目标函数和运行目标函数后的所述组合模型设置系统运行约束条件,获得新的组合模型;
利用马科维茨均值-方差方法选择所述新的组合模型的最优投资组合;
采用两阶段随机优化方法求解所述最优投资组合:
第一阶段为投资组合的设备投资成本;
第二阶段为在所述设备投资状况下多种发电情景的设备运行成本。
2.如权利要求1所述的一种可再生能源枢纽投资组合优化方法,其特征在于,所述系统运行约束包括多能源耦合约束、储能约束、能量转换约束、H2生产约束、GTH效率约束和热电化学约束。
3.如权利要求2所述的一种可再生能源枢纽投资组合优化方法,其特征在于,所述多能源耦合约束的数学表达式为:
0≤νi,k≤1,i=CHP,B,F,e,h,g,
其中,vB,k,vCHP,k,vF,k,ve,k,vh,k和vg,k为输入能量分别流向电锅炉、CHP、燃气锅炉、电、热和H2负荷的调度因子。
4.如权利要求2所述的一种可再生能源枢纽投资组合优化方法,其特征在于,所述储能约束包括BES和H2储气罐的能量平衡约束和充放电速率约束:
所述BES的能量平衡约束表达为第一表达式:
EBES,k=EBES,k-1+ηchPch,k-1-Pdis,k-1/ηdis,
其中,EBES,k为k时刻的BES的容量,EBES,k-1为k-1时刻BES的容量,ηch,ηdis分别为BES的充电效率和放电效率,Pch,k-1为k-1时刻BES的充电功率,且0.1ICBES≤EBES,k≤0.9ICBES,,ICBES为BES的投资量;
所述H2储气罐的能量平衡、范围的约束表达为第二表达式:
所述BES的充放电速率约束表达为第三表达式:
Pch,k≤Pch,max·δk
5.如权利要求2所述的一种可再生能源枢纽投资组合优化方法,其特征在于,所述能量转换约束的数学表达式为:
0≤Si,k≤ICi,i=CHP,B,F,
其中,Si,k为k时刻i设备CHP、电锅炉或燃气锅炉的输出功率。
9.如权利要求1所述的一种可再生能源枢纽投资组合优化方法,其特征在于,所述利用马科维茨均值-方差方法选择所述新的组合模型的最优投资组合包括:
将所述成本目标函数的方差作为风险;
将规划和所述运行目标函数的期望作为成本;
根据所述风险和成本权衡出所述最优投资组合。
10.一种存储介质,所述存储介质为计算机可读存储介质,所述计算机可读存储介质中存储有如权利要求1-9任一所述的一种可再生能源枢纽投资组合优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111010876.0A CN113722911B (zh) | 2021-08-31 | 2021-08-31 | 一种可再生能源枢纽投资组合优化方法和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111010876.0A CN113722911B (zh) | 2021-08-31 | 2021-08-31 | 一种可再生能源枢纽投资组合优化方法和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113722911A true CN113722911A (zh) | 2021-11-30 |
CN113722911B CN113722911B (zh) | 2023-10-13 |
Family
ID=78679691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111010876.0A Active CN113722911B (zh) | 2021-08-31 | 2021-08-31 | 一种可再生能源枢纽投资组合优化方法和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722911B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230004A (zh) * | 2017-06-28 | 2017-10-03 | 国网江苏省电力公司经济技术研究院 | 一种可再生能源项目投资组合优化方法、装置及计算设备 |
CN110046773A (zh) * | 2019-05-30 | 2019-07-23 | 东北大学 | 综合能源系统多主体合作优化运行与成本效益分配方法 |
KR20190100502A (ko) * | 2018-02-06 | 2019-08-29 | 한국수력원자력 주식회사 | Rps 의무이행을 달성하기 위한 신재생에너지원 포트폴리오 구성방법 및 시스템 |
CN111404153A (zh) * | 2020-04-16 | 2020-07-10 | 华北电力大学 | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 |
-
2021
- 2021-08-31 CN CN202111010876.0A patent/CN113722911B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230004A (zh) * | 2017-06-28 | 2017-10-03 | 国网江苏省电力公司经济技术研究院 | 一种可再生能源项目投资组合优化方法、装置及计算设备 |
KR20190100502A (ko) * | 2018-02-06 | 2019-08-29 | 한국수력원자력 주식회사 | Rps 의무이행을 달성하기 위한 신재생에너지원 포트폴리오 구성방법 및 시스템 |
CN110046773A (zh) * | 2019-05-30 | 2019-07-23 | 东北大学 | 综合能源系统多主体合作优化运行与成本效益分配方法 |
CN111404153A (zh) * | 2020-04-16 | 2020-07-10 | 华北电力大学 | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 |
Non-Patent Citations (2)
Title |
---|
BIN ZHOU: "Optimal Scheduling of Biogas–Solar–Wind Renewable Portfolio for Multicarrier Energy Supplies", IEEE TRANSACTIONS ON POWER SYSTEMS, vol. 33, no. 6, pages 6229 - 6239, XP011692746, DOI: 10.1109/TPWRS.2018.2833496 * |
DA XU: "A mean-variance portfolio optimization approach for high-renewable energy hub", APPLIED ENERGY, vol. 325, pages 1 - 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN113722911B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Probabilistic flexibility evaluation for power system planning considering its association with renewable power curtailment | |
Peláez-Peláez et al. | Techno-economic analysis of a heat and power combination system based on hybrid photovoltaic-fuel cell systems using hydrogen as an energy vector | |
Ma et al. | Feasibility study and economic analysis of pumped hydro storage and battery storage for a renewable energy powered island | |
Kalinci et al. | Techno-economic analysis of a stand-alone hybrid renewable energy system with hydrogen production and storage options | |
Yan et al. | Operation and design optimization of microgrids with renewables | |
Maleki et al. | Comparative study of artificial intelligence techniques for sizing of a hydrogen-based stand-alone photovoltaic/wind hybrid system | |
Wang et al. | Synergistic planning of an integrated energy system containing hydrogen storage with the coupled use of electric-thermal energy | |
Nozari et al. | Development of dynamic energy storage hub concept: A comprehensive literature review of multi storage systems | |
Xu et al. | A mean-variance portfolio optimization approach for high-renewable energy hub | |
CN113742944A (zh) | 一种考虑电制氢系统的虚拟电厂建模方法 | |
CN112085263A (zh) | 一种用户侧分布式能源系统混合储能优化配置方法和系统 | |
CN116341881A (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
CN116191493A (zh) | 一种火电机组深度调峰和复合储能协同规划方法与装置 | |
CN114861546A (zh) | 一种基于燃氢燃气轮机的电热氢多能互补调度方法及系统 | |
Mansir et al. | Technoeconomic Optimization of a Photovoltaic Wind Energy‐Based Hydrogen Refueling Station: A Case Study | |
Yang et al. | Optimal microgrid programming based on an energy storage system, price-based demand response, and distributed renewable energy resources | |
Ju et al. | Three‐level energy flexible management strategy for micro energy grids considering multiple uncertainties at different time scales | |
CN117649089A (zh) | 一种集成氢能的综合能源系统鲁棒低碳优化调度方法 | |
CN116681228A (zh) | 一种考虑场景不确定性和碳排放的综合能源系统设备容量优化配置方法 | |
Ghirardi et al. | The role of hydrogen storage and electric vehicles in grid-isolated hybrid energy system with high penetration of renewable | |
CN113722911B (zh) | 一种可再生能源枢纽投资组合优化方法和存储介质 | |
Guo et al. | The capacity optimization and techno-economic analysis of stand-alone hybrid renewable energy systems based on a two-stage nested optimization approach | |
CN115563771A (zh) | 一种区域综合能源系统的多能流设备等效模型的构建方法 | |
Yang et al. | Coordinated optimal scheduling of multi-energy microgrid considering uncertainties | |
Bakhshaei et al. | Demand response‐based operation of a hybrid renewable energy system with energy storage by multi‐objective optimization and multi‐criteria decision making |
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 |