CN114548544A - 一种光伏光热互补发电系统优化配置方法 - Google Patents
一种光伏光热互补发电系统优化配置方法 Download PDFInfo
- Publication number
- CN114548544A CN114548544A CN202210151421.9A CN202210151421A CN114548544A CN 114548544 A CN114548544 A CN 114548544A CN 202210151421 A CN202210151421 A CN 202210151421A CN 114548544 A CN114548544 A CN 114548544A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- photovoltaic
- power generation
- model
- photo
- 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
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000000295 complement effect Effects 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 239000006096 absorbing agent Substances 0.000 claims description 24
- 238000005338 heat storage Methods 0.000 claims description 17
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 12
- 108010074506 Transfer Factor Proteins 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 241000251468 Actinopterygii Species 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 abstract description 7
- 150000003839 salts Chemical class 0.000 description 22
- 239000000243 solution Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000017525 heat dissipation Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012943 hotmelt Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000012088 reference solution Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
-
- 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
-
- 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
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于太阳能混合发电技术领域,具体提供了一种光伏光热互补发电系统优化配置方法,包括如下步骤:搭建子系统模型,对子系统模型的边界条件进行梳理,并设置子系统模型在时间序列上的运行限制条件;设置子系统的优化目标;应用群体智能算法对子系统的变量进行编码,编码后通过子系统模型进行仿真,基于仿真结果获得子系统适应度函数;根据子系统的目标,将子系统适应度函数进行迭代寻优;判断迭代寻优是否终止,根据优化后的子系统适应度函数对子系统进行配置。解决了现有光热发电系统不能实现系统的最优配置的问题,本发明能够实现光伏光热系统合理的技术配置,使光热电站的参数配置能够满足系统调峰的需求。
Description
技术领域
本发明属于太阳能混合发电技术领域,具体涉及一种光伏光热互补发电系统优化配置方法。
背景技术
基于不同发电技术的多能互补研究,是当前可再生能源技术领域的热点领域之一。而由于光资源的不确定性,该系统如果需要稳定运行,需要考虑配置更加可控的调峰电源。光热发电系统是太阳能热利用的重要方向,其通过配置熔盐储热可以提供更加平滑有效地电力供应,是传统新能源系统的有益补充和理想的调峰电源。然而,由于光热发电系统通常由集热、储热、发电等多个环节共同组成,需要根据不同的资源条件和运行条件,进行对应的优化工作,来实现系统的最优配置。而当前的相关研究主要面向独立运行的光热电站进行设计,对于光热电站在多能互补系统中,充当调峰电源时的优化配置方法还相对缺失。
公开号为CN106685315A,公开日为2017年5月17日的中国专利文献公开了一种光伏光热互补发电系统以及发电方法,光伏光热互补发电系统包括:聚光场、太阳光跟踪控制单元、支撑塔、光伏电池组件、并网装置、吸热器、储热系统、热发电系统、电网状态检测装置以及总控制器。该文献将高倍聚光光伏发电与太阳能热发电技术互补结合起来,当电网允许并网送电并不为用电高峰时,利用聚光光伏系统发电;当电网受到限制无法并网送电时,利用吸热和储热装置,将能量以热能的形式储存起来;当电网允许并网送电且为用电高峰时,同时利用聚光光伏系统发电以及所储存的热能发电,从而满足人们的使用需求。但是并没有解决光热电站在多能互补系统中的优化配置问题。
发明内容
本发明提供的一种光伏光热互补发电系统优化配置方法目的是克服现有技术中光热发电系统不能根据不同的资源条件和运行条件,进行对应的优化工作,不能实现系统的最优配置的问题。
为此,本发明提供了一种光伏光热互补发电系统优化配置方法,包括如下步骤:
1)搭建子系统模型,所述子系统模型包括光伏系统模型和光热系统模型;
2)调整子系统模型的边界条件,并设置子系统在时间序列上的运行限制条件;
3)设置子系统的优化目标;
4)应用群体智能算法对子系统的变量进行编码,编码后通过子系统模型进行仿真,基于仿真结果获得子系统适应度函数;
5)根据步骤3)设置的子系统的目标,将步骤4)获得的子系统适应度函数进行迭代寻优;
6)根据设置的终止条件,判断迭代寻优是否终止;当达到终止条件时,迭代寻优终止;当未达到终止条件时,重复步骤5)直至达到终止条件,迭代寻优终止;终止后的子系统适应度函数为优化后的子系统适应度函数;
7)根据优化后的子系统适应度函数,选择最优个体作为子系统方案,对子系统进行配置。
优选的,所述搭建光伏系统模型时,根据光伏组件的额定运行温度修正光伏组件的效率。
其中TA为环境温度,℃;TNOCT为额定光伏组件工作温度,℃;TA,NOCT为实际条件下的光伏组件温度;UL为实际条件下的热量传递因子;UL,NOCT为额定条件下的热量传递因子;ηPV—实际的光伏组件效率;τα—传递吸收因子。
优选的,所述光伏组件的效率的计算公式为:ηPV=ηPV,NOM[1+γ(TC-TC,REF)],
其中γ为温度因子;TC,REF为标准测试环境下的光伏组件温度,℃。
优选的,所述光热系统模型包括聚光场模型、吸热器模型、储换热系统模型、发电系统模型。
优选的,所述步骤3)结合度电成本、保证率、总投资、出力曲线与目标曲线的相关度设置子系统的优化目标。
优选的,所述时间序列上的运行限制条件包括光热的运行时段和发电功率变换方式,所述光热的运行时段和发电功率变换方式包括:根据光伏系统全年的发电情况,限制光热在全年不同时期采用不同的运行时间,并设置在不同云量和波动下,采用不同的发电运行功率比例。
优选的,所述子系统的变量包括镜场面积、吸热塔高、吸热器功率、储热容量、装机容量、子系统运行条件。
优选的,所述群体智能算法包括多目标多目标粒子群算法、遗传算法、鱼群算法、蜂群算法。
优选的,所述终止条件为循环次数或优化目标。
本发明的有益效果:
1、本发明提供的这种光伏光热互补发电系统优化配置方法,能够实现光伏光热系统合理的技术配置,使光热电站的参数配置能够满足系统调峰的需求,同时使得整体系统具有更高的经济性和能源保障率,在降低成本的同时,提供更加平稳可控的电力供应。
2、本发明提供的这种光伏光热互补发电系统优化配置方法,可将光热系统作为高比例可再生能源系统的调峰电源,改善光伏系统的性能指标。
3、本发明提供的这种光伏光热互补发电系统优化配置方法,根据子系统配置要求和边界条件改变情况,实现子系统方案的调整和多目标优化。
4、本发明提供的这种光伏光热互补发电系统优化配置方法,能够同时完成光热系统和光伏系统内部的系统优化和模型搭建,能够适用于多种不同场景。
附图说明
以下将结合附图对本发明做进一步详细说明。
图1是光伏光热互补发电系统优化配置方法的流程图。
具体实施方式
实施例1:
如图1所示:一种光伏光热互补发电系统优化配置方法,包括如下步骤:
1)搭建子系统模型,所述子系统模型包括光伏系统模型和光热系统模型;
2)调整子系统模型的边界条件,并设置子系统在时间序列上的运行限制条件;
3)设置子系统的优化目标;
4)应用群体智能算法对子系统的变量进行编码,编码后通过子系统模型进行仿真,基于仿真结果获得子系统适应度函数;
5)根据步骤3)设置的子系统的目标,将步骤4)获得的子系统适应度函数进行迭代寻优;
6)根据设置的终止条件,判断迭代寻优是否终止;当达到终止条件时,迭代寻优终止;当未达到终止条件时,重复步骤5)直至达到终止条件,迭代寻优终止;终止后的子系统适应度函数为优化后的子系统适应度函数;
7)根据优化后的子系统适应度函数,选择最优个体作为子系统方案,对子系统进行配置。
本发明提供的这种光伏光热互补发电系统优化配置方法,可将光热系统作为高比例可再生能源系统的调峰电源,改善光伏系统的性能指标;根据子系统配置要求和边界条件改变情况,实现子系统方案的调整和多目标优化;能够同时完成光热系统和光伏系统内部的系统优化和模型搭建,能够适用于多种不同场景。此种光伏光热互补发电系统优化配置方法,能够实现光伏光热系统合理的技术配置,使光热电站的参数配置能够满足系统调峰的需求,同时使得整体系统具有更高的经济性和能源保障率,在降低成本的同时,提供更加平稳可控的电力供应。
实施例2:
在实施例1的基础上,所述搭建光伏系统模型时,根据光伏组件的额定运行温度修正光伏组件的效率。
太阳能光伏发电应用的温度影响,主要表现在太阳能充放电控制器的电性能随温度的变化而变化,从而影响光伏系统的发电性能,通过根据光伏组件的额定运行温度修正光伏组件的效率,可以合理发挥和提高光伏系统的发电性能。
其中TA为环境温度,℃;TNOCT为额定光伏组件工作温度,℃;TA,NOCT为实际条件下的光伏组件温度;UL为实际条件下的热量传递因子;UL,NOCT为额定条件下的热量传递因子;ηPV—实际的光伏组件效率;τα—传递吸收因子。
优选的,所述光伏组件的效率的计算公式为:ηPV=ηPV,NOM[1+γ(TC-TC,REF)],
其中γ为温度因子;TC,REF为标准测试环境下的光伏组件温度,℃。
最终,搭建的光伏系统模型,输入为光、温度等资源数据,输出为光伏系统可提供的电量,经此方法搭建的光伏系统模型能够更加准确真是的反应光伏系统可提供的电量。
实施例3:
在实施例2的技术上,所述光热系统模型包括聚光场模型、吸热器模型、储换热系统模型、发电系统模型。
优选的,所述聚光场模型基于余弦损失ηcos、阴影和阻挡损失ηs&b、大气衰减损失ηatt和截断损失ηint效率的分析搭建;对应的镜场部分光学效率计算公式如下:
ηfield=ηcos×ηs&b×(1-ηatt)×ηint
由于聚光场的效率和运行状况,将一直受太阳轨迹和资源情况的影响,因此,要根据上述公式,搭建时间序列模型,作为本发明时序优化的基础。其中搭建时间序列模型为现有技术,在此不对其具体搭建方法做详细介绍。
优选的,所述吸热器模型按照能量平衡方程:Qrec=Qrec,abs+Qrecloss搭建。
式中,Qrec为吸热器吸收的能量,单位为W;Qrec,abs为工质在吸热器吸收的能量,单位为W;Qrecloss为工质在吸热器损失的能量。
优选的,所述储换热系统模型和发电系统模型基于不同负荷运行工况,进行机理建模计算搭建。
光热系统模型中的聚光场模型、吸热器模型、储换热系统模型、发电系统模型可在改变输入参数后,得到对应的输出参数。本发明的变量将作为上述子系统模型的输入条件。
对于聚光场模型,根据候选方案,对聚光场模型,配置定日镜场采光面积,定日镜场坐标,采用逐时刻的蒙特卡洛法进行建模;
对于吸热器模型,根据候选方案,配置吸热器功率、吸热器直径和高度,以及吸热塔高度,采用逐时刻的传热散热机理计算进行建模;
对于储热换热系统模型,根据候选方案,配置储热系统冷、热熔盐温度,储热容量,储罐尺寸,采用机理建模,计算逐时刻的散热和换热量,建立模型;
对于发电系统模型,基于汽轮机机理进行建模,使用厂家提供的多种运行工况进行校核和参数辨识后,进行多工况的发电系统模型搭建;
其中,光伏系统模型主要将温度和设备本身的额定性能参数作为子系统的输入,并通过吸热器模型的吸热器出口熔盐流量、温度,储热换热系统模型的换热器熔盐温度、流量,发电系统模型的发电机功率将光伏系统模型和光热系统模型进行关联。
优选的,所述光伏系统模型和光热系统模型搭建子系统模型的方法包括如下步骤:
1)根据光伏系统出力Ppv和子系统(光伏系统和光热系统)的整体发电量确定光热系统出力Pcsp;
2)根据确定的光热系统出力Pcsp,建立光热系统模型;
3)首先,使用热力学标准方法,根据热熔盐温度,计算换热流量和换热后的冷熔盐温度;
4)逐时刻累计更新冷熔盐罐和热熔盐罐中熔盐的温度和容量;
5)在同一时刻,基于实际厂址位置和时间,计算太阳高度,根据辐射仪采集数据,取得光线能量,利用光线追迹法,计算吸热器表面能量分布情况;
6)基于能量分布情况,建立散热和传热模型,根据冷熔盐温度和吸热器出口熔盐温度计算熔盐流量;
7)基于从冷熔盐罐流入吸热器的熔盐量和熔盐温度,更新冷熔盐状态数值,基于从吸热器流出的熔岩量和熔盐温度,更新热熔盐罐对应数值;
8)基于步骤1)至步骤7),逐时刻完成光热系统的参数更新和子系统模型的整体模型搭建。
优选的,所述光伏系统和光热系统的互补目标,为子系统的整体发电量,根据光伏系统出力Ppv和子系统(光伏系统和光热系统)的整体发电量确定光热系统出力Pcsp具体算法为:
对于电网需求的功率Pall,首先,根据相关参数:环境温度TA,额定光伏组件工作温度TNOCT,实际条件下的光伏组件温度TA,NOCT,实际条件下的热量传递因子UL,额定条件下的热量传递因子UL,NOCT,传递吸收因子τα,温度因子γ,通过下式计算光伏系统的实际效率。
ηPV=ηPV,NOM[1+γ(TC-TC,REF)],
再将总辐射GHI,光伏电站能量接受面积S,与实际效率相乘,取得光伏电站出力:Ppv=ηPV*GHI*S。
基于电网下达目标:Pall和光伏这种不可调度电源可提供的出力Ppv,可计算取得光热部分的需要出力Pcsp=Pall-Ppv。
此时,(1)需要检测热熔盐罐熔盐液位L,是否大于最小发电液位Lmin,热熔盐温度T,是否大于汽轮机启动需要的最低温度Tmin。
(2)当L>Lmin,且T>Tmin,则进入下一步,如不满足,则在此工况下(工况1):Pcsp=0,该时刻,混合系统出力不满足需求,此时刻的保证率标记置0;
(3)检测上时刻的光热系统出力Pcsp(t-1),与P的差值,是否大于最大的负荷攀升限制值a:
当|Pcsp(t-1)-P|>a,则在此工况下(工况2):则|Pcsp-Pcsp(t-1)|=a;
当|Pcsp(t-1)-P|<a,则在此工况下(工况3):|Pcsp=Pall-Ppv。
基于不同的工况1,2,3记录应对的实际混合出力,并对照目标出力Pall,计算其差值,全年逐时刻统计。
实施例4:
在实施例3的基础上,所述步骤3)结合度电成本、保证率、总投资、出力曲线与目标曲线的相关度设置子系统的优化目标。
其中,度电成本为全生命周期的平准化度电成本(loce)。
优选的,所述边界条件包括运行时间段和功率提升条件;功率提升条件包括吸热器功率和发电机功率。
优选的,所述子系统保证率的设定值。调整至子系统模型的边界条件。
由于光伏系统和光热系统需要进行运行边界条件的调整,为能够使得整个光伏系统和光热系统中,光伏发电弃光尽可能小,光伏系统和光热系统保证率要求尽可能高。
保证率边界可根据造价和子系统搭建要求确定。当无法直接确定时,在70%-100%之间,每5%为一个梯度,进行网格搜索取得。
在此梯度下选择的保证值,将作为系统运行的边界条件。当设计运行方案不满足保证率要求时,该方案被认为不在本问题的解集中,方案无效。
实际操作中,首先设置不同的保证率指标为边界条件,再针对其他适应度函数值,分为不同的维度,推进帕累托前沿,在每一个子集中,取得多种指标的最优解集。
其中将保证率数值作为一个初始的限制条件,对应方案的目标解集只考虑保证率大于设定值得空间。且当保证率满足后,以度电成本、总投资、以及出力曲线与目标曲线的相关度作为多目标,进行寻优,取得最终得到参考解集。
优选的,所述时间序列上的运行限制条件包括光热的运行时段和发电功率变换方式,所述光热的运行时段和发电功率变换方式包括:根据光伏系统全年的发电情况,限制光热在全年不同时期采用不同的运行时间,并设置在不同云量和波动下,采用不同的发电运行功率比例。
光热的运行时段和发电功率变换方式作为子系统模型的优化参数,还包括季节性的运行规则切换,以及云遮、阴雨等特殊天气下的子系统切换阈值设定,以及汽轮机本身设备参数导致的负荷变化率要求,以及由于蒸汽发生系统导致的系统启动时间要求。实际操作时,首先对于不可调度电源光伏的出力情况进行统计,并分析其与负荷间的关系,设定光热运行的初始目标,并作为后续工作优化仿真的基础。
优选的,所述子系统的变量包括镜场面积、吸热塔高、吸热器功率、储热容量、装机容量、子系统运行条件。
具体的,待优化的子系统变量为:x1,x2,x3,…,xn;
子系统变量的第i个个体为:xi1,xi2,xi3,…,xin。
x1为镜场面积,x2为吸热塔高,x3为吸热器功率,依次类推,xn为子系统运行条件,每个个体代表了对应的方案,将个个体方案带入子系统模型中,可取的对应的仿真结果,进而取得对应的方案适应度(适应度即适应度函数)。
优选的,所述群体智能算法包括多目标粒子群算法、遗传算法、鱼群算法、蜂群算法。
对除子系统外的其他子系统(包括风电系统、燃气系统等)的装机容量,对于光热系统基于其系统的可变化性,优化镜场面积、吸热塔高、吸热器功率、储热容量、装机容量、系统运行条件等,将不同的方案作为多目标粒子群算法、遗传算法、鱼群算法、蜂群算法的同类算法的输入,群体智能算法进行编码;光热系统的镜场反光面积吸热塔高、吸热器功率、储热容量、装机容量均作为群体智能算法中个体的一个维度,通过这样的编码,可以一次解决风电光伏光热多能互补系统的容量配置,以及风电光伏光热的主要参数配置,进行协调优化,解决整体性能的提升。
优选的,所述编码是将对应群体每个维度对应一个优化变量。
所述适应度计算,是把对应的优化变量送到子系统模型里计算,先得到运行结果,通过运行结果分析,取得子系统运行的效果,就是适应度函数。
所述子系统适应度函数进行迭代寻优,是每个个体有一个适应度函数,根据适应度函数进参数优化。
具体的,对于群体智能中的每一个样本,针对其不同维度上随机生成的数值,设置群体智能算法中个体维度与变量取值的映射关系。在遗传算法中,对于每个变量,将实数进行二进制化,并在计算适应度函数时,重新转化为10进制计算。在多目标粒子群算法中,每一个粒子的维度代表一个变量的取值。在其他群体智能算法中,按照每个个体的表达形式,首先将实际方案对应到个体中,再在计算适应度函数式将个体映射回具体方案当中,仅在循环迭代过程中以群体智能算法中的个体形式存在。子个体的更新,可在通过子系统建模,基于上述多目标适应度函数进行评价后,基于上述算法的迭代循优公式进行。对于以遗传算法为例的二进制优化算法,可通过将十进制变量进行二进制编码后实现寻优方法与参数优化需求的匹配。
当步骤4)中的个体不满足步骤3)中的保证率要求时,对个体进行重置,如3次重置后,仍不能满足要求,采用对符合要求样本平均再加随机偏置的方式,进行样本选取。
每次迭代后,按照选择的群体智能算法,进行解集记录和方案优化,实现方案优化。
优选的,所述终止条件为循环次数或优化目标。
终止条件的确认是根据循环次数和适应度的要求进行确认,其中循环次数的限制条件,主要为了避免寻优过程陷入局部收敛,除循环次数限制以外,在循环中,也需要根据优化目标数据进行考核,当最优解前沿在经过多次循环后(可设置为总循环次数的10%)未被推进,且未达到循环次数时,应在保留前沿解集后,进行群体的重置。
而当优化目标中的解集,达到子系统需求后,终止循环,输出结果。
优选的,所述根据优化后的子系统适应度函数对子系统进行配置。具体为将优化后的最优个体的参数经过逆编码,变成变量数值,根据变量数值对子系统设置参数。
本发明的描述中,需要理解的是,若有术语指示的方位或位置关系为基于附图所示的方位或位置关系,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制。
以上例举仅仅是对本发明的举例说明,并不构成对本发明的保护范围的限制,凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (10)
1.一种光伏光热互补发电系统优化配置方法,其特征在于:包括如下步骤:
1)搭建子系统模型,所述子系统模型包括光伏系统模型和光热系统模型;
2)调整子系统模型的边界条件,并设置子系统模型在时间序列上的运行限制条件;
3)设置子系统的优化目标;
4)应用群体智能算法对子系统的变量进行编码,编码后通过子系统模型进行仿真,基于仿真结果获得子系统适应度函数;
5)根据步骤3)设置的子系统的目标,将步骤4)获得的子系统适应度函数进行迭代寻优;
6)根据设置的终止条件,判断迭代寻优是否终止;当达到终止条件时,迭代寻优终止;当未达到终止条件时,重复步骤5)直至达到终止条件,迭代寻优终止;终止后的子系统适应度函数为优化后的子系统适应度函数;
7)根据优化后的子系统适应度函数,选择最优个体作为子系统方案,对子系统进行配置。
2.如权利要求1所述的光伏光热互补发电系统优化配置方法,其特征在于:所述搭建光伏系统模型时,根据光伏组件的额定运行温度修正光伏组件的效率。
4.如权利要求2所述的光伏光热互补发电系统优化配置方法,其特征在于:所述光伏组件的效率的计算公式为:ηPV=ηPV,NOM[1+γ(TC-TC,REF)],
其中γ为温度因子;TC,REF为标准测试环境下的光伏组件温度,℃。
5.如权利要求1所述的光伏光热互补发电系统优化配置方法,其特征在于:所述光热系统模型包括聚光场模型、吸热器模型、储换热系统模型、发电系统模型。
6.如权利要求1所述的光伏光热互补发电系统优化配置方法,其特征在于:所述步骤3)结合度电成本、保证率、总投资、出力曲线与目标曲线的相关度设置子系统的优化目标。
7.如权利要求1所述的光伏光热互补发电系统优化配置方法,其特征在于:所述时间序列上的运行限制条件包括光热的运行时段和发电功率变换方式,所述光热的运行时段和发电功率变换方式包括:根据光伏系统全年的发电情况,限制光热在全年不同时期采用不同的运行时间,并设置在不同云量和波动下,采用不同的发电运行功率比例。
8.如权利要求1所述的光伏光热互补发电系统优化配置方法,其特征在于:所述子系统的变量包括镜场面积、吸热塔高、吸热器功率、储热容量、装机容量、子系统运行条件。
9.如权利要求1所述的光伏光热互补发电系统优化配置方法,其特征在于:所述群体智能算法包括多目标粒子群算法、遗传算法、鱼群算法、蜂群算法。
10.如权利要求1所述的光伏光热互补发电系统优化配置方法,其特征在于:所述终止条件为循环次数或优化目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210151421.9A CN114548544A (zh) | 2022-02-18 | 2022-02-18 | 一种光伏光热互补发电系统优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210151421.9A CN114548544A (zh) | 2022-02-18 | 2022-02-18 | 一种光伏光热互补发电系统优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114548544A true CN114548544A (zh) | 2022-05-27 |
Family
ID=81674620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210151421.9A Pending CN114548544A (zh) | 2022-02-18 | 2022-02-18 | 一种光伏光热互补发电系统优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548544A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115276088A (zh) * | 2022-08-02 | 2022-11-01 | 国网甘肃省电力公司经济技术研究院 | 一种联合发电系统中光热电站储热容量优化配置方法 |
-
2022
- 2022-02-18 CN CN202210151421.9A patent/CN114548544A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115276088A (zh) * | 2022-08-02 | 2022-11-01 | 国网甘肃省电力公司经济技术研究院 | 一种联合发电系统中光热电站储热容量优化配置方法 |
CN115276088B (zh) * | 2022-08-02 | 2023-08-08 | 国网甘肃省电力公司经济技术研究院 | 一种联合发电系统中光热电站储热容量优化配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS | |
Soheyli et al. | Modeling a novel CCHP system including solar and wind renewable energy resources and sizing by a CC-MOPSO algorithm | |
Zhuang et al. | Stochastic multi-timescale energy management of greenhouses with renewable energy sources | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
Aktas et al. | Solar hybrid systems: Design and application | |
CN115409336A (zh) | 高比例光伏场景下含氢-热联储的配电网扩展规划方法 | |
CN114548544A (zh) | 一种光伏光热互补发电系统优化配置方法 | |
Fang et al. | Concentrating solar power station optimal operation model | |
CN113285655A (zh) | 一种风光互补优化配比方法 | |
CN115693793B (zh) | 一种区域微电网能源优化控制方法 | |
CN107665382A (zh) | 基于历史功率数据的光伏组件功率灰度预测算法 | |
Bondarchuk | Study into predicted efficiency of the application of hybrid solar collectors to supply energy to multiapartment buildings | |
Shboul et al. | Multi-objective optimal performance of a hybrid CPSD-SE/HWT system for microgrid power generation | |
CN115395579A (zh) | 计及置信容量的光热光伏配置方法、系统、设备和介质 | |
CN110991703B (zh) | 一种基于改进的nsga-ii算法的风光水联合发电调度方法 | |
Recioui et al. | Hybrid Renewable Energy System Optimization Using IHOGA | |
CN107292768B (zh) | 一种光伏发电系统日发电量模糊概率计算方法及装置 | |
Wang et al. | Hybrid solar power system optimization based on multi-objective PSO algorithm | |
Wang et al. | Global optimization of CSP-PV hybrid system using an artificial fish-swarm algorithm | |
Mafimidiwo | Impact of three-dimensional photovoltaic structure on solar power generation. | |
CN107330291B (zh) | 一种光伏发电日发电量的二型点值Zadeh模糊计算方法及装置 | |
CN113922418B (zh) | 一种光热-储热-低温余热供电系统及优化控制方法 | |
CN117663503B (zh) | 一种智能调节熔盐储热速率的方法及系统 | |
Ahmed et al. | Design and simulation of a predictive system to determine the basic factors of solar cells using neural networks | |
CN113394787A (zh) | 一种考虑热电耦合特性的电力系统概率最优潮流计算方法 |
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 |