CN114565204A - 一种分布式双层供氢网与配电网的电-氢协调规划方法 - Google Patents
一种分布式双层供氢网与配电网的电-氢协调规划方法 Download PDFInfo
- Publication number
- CN114565204A CN114565204A CN202111394180.2A CN202111394180A CN114565204A CN 114565204 A CN114565204 A CN 114565204A CN 202111394180 A CN202111394180 A CN 202111394180A CN 114565204 A CN114565204 A CN 114565204A
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- distribution network
- power distribution
- planned
- power
- 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
- 239000001257 hydrogen Substances 0.000 title claims abstract description 491
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 489
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 460
- 238000009826 distribution Methods 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 106
- 238000004519 manufacturing process Methods 0.000 claims abstract description 54
- 230000008901 benefit Effects 0.000 claims abstract description 19
- 150000002431 hydrogen Chemical class 0.000 claims abstract description 10
- 238000005984 hydrogenation reaction Methods 0.000 claims description 99
- 238000010248 power generation Methods 0.000 claims description 84
- 239000013598 vector Substances 0.000 claims description 33
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000012546 transfer Methods 0.000 claims description 28
- 230000005611 electricity Effects 0.000 claims description 24
- 238000012423 maintenance Methods 0.000 claims description 24
- 230000009467 reduction Effects 0.000 claims description 17
- 239000003795 chemical substances by application Substances 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 239000000446 fuel Substances 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 239000004793 Polystyrene Substances 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 6
- 229920000036 polyvinylpyrrolidone Polymers 0.000 claims description 5
- 235000013855 polyvinylpyrrolidone Nutrition 0.000 claims description 5
- 239000001267 polyvinylpyrrolidone Substances 0.000 claims description 5
- 239000000243 solution Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 229920002223 polystyrene Polymers 0.000 claims description 2
- 230000009194 climbing Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005868 electrolysis reaction Methods 0.000 description 2
- -1 hydrogen Chemical class 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 238000005261 decarburization Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/06—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
- 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
- G06Q10/06315—Needs-based resource requirements 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种分布式双层供氢网与配电网的电‑氢协调规划方法,步骤为:1)建立规划区域内的交通网;2)计算交通网中待规划位置的氢能需求;3)建立分布式双层供氢系统与配电网的双层协调规划模型;4)求解双层协调规划模型,得到分布式电源和分布式双层供氢系统协调规划方案。本发明创建了一种分布式双层供氢系统与配电网协调规划方法,能够模拟供氢系统子站、母站制氢、储氢、运氢设备的运行状态,协调母站分布式电源与配电网分布式电源的规划决策,有效地优化供氢系统与配电网的运行和规划效益。
Description
技术领域
本发明涉及供氢系统规划研究领域,具体是一种分布式双层供氢网与配电网的电- 氢协调规划方法。
背景技术
交通环节作为碳排放和能源消耗的主要环节,氢燃料电池及氢能汽车技术的成熟为其脱碳提供了可能。氢基础设施的建设关乎氢能产业链发展的全局,关乎氢燃料电池汽车的普及。子母站建设模式的提出和DG电解分布式制氢可以缩短运输距离,降低氢气的储、运环节的成本,同时利用分布式电源制氢能够实现氢能系统的“无碳化”。氢能汽车的普及受基础设施建设进度的限制,目前加氢站数目和类型的规划(氢能供应网络的机构和布局)不能很好地适应氢能需求与氢能需求不匹配的加氢站建设方案成为加氢站效益低下的主要原因。然而,因供氢系统的要素多,灵活性强、时空耦合,建模难度大。在加氢站规划领域,现有技术未考虑制氢加氢站(即母站)的规划,没有涉及加氢站选址、制氢加氢站与配电网的交互、氢气的存储和运输成本等因素,缺乏对水电解供氢气加氢站的运行状态的模拟。
发明内容
本发明的目的是提供一种分布式双层供氢网与配电网的电-氢协调规划方法,包括以下步骤:
1)建立规划区域内的交通网。
所述规划区域内的交通网包括L1条公交车或L2条氢能物流车运营线路。每条运营线路的起点记为TSl,终点记为TEl。每条线路上的氢能公交车、氢能物流车数目分别记为NV1,l、NV2,l。
规划区域内有l个停车场。其中,第l个停车场位于交通节点TPl处,每个停车场的氢燃料汽车数目记为NV3,l。
公交车、氢能物流车和汽车在场景r下的日平均氢气需求量分别记为D1,r,D2,r和D3,r,公交车、氢能物流车和汽车在场景r下的加氢时刻概率曲线分别记为pB,t,pT,t和 pC,t。t=1,2,...T。
2)计算交通网中待规划位置的氢能需求。
待规划位置的氢能需求如下所示:
SDrit=ptDtype,rADi (1)
式中,pt为t时刻的加氢概率。SDrit为待规划位置i在场景r下t时刻的氢能需求;ADi为加氢站i的日加氢需求。
其中,加氢站i的日加氢需求ADi如下所示:
式中,pstype,li为空间归算系数,即营线路l中公交车或氢能物流车到待规划位置i加氢的概率或者第l个停车场从待规划位置i加氢的概率。DNtype,li为氢燃料汽车类型 type的有效归算距离。type=1,2,3分别表示氢能公交车、氢能物流车和氢能小汽车。
空间归算系数pstype,li如下所示:
氢燃料汽车类型type的有效归算距离DNtype,li如下所示:
式中,Sis为储氢罐容量配置二进制变量。Sis=1表示待规划位置i配置第s种储氢罐,Sis=0表示待规划位置i不配置第s种储氢罐。i∈ΩS,s∈ΩHS。为交通网中位置i到TEl、TSl、TPl的最短行驶路程;di,i=0。i,j∈ΩTN。ΩTN为规划区域的交通节点集合。
3)建立分布式双层供氢系统与配电网的双层协调规划模型。
所述双层协调规划模型包括上层规划模型和下层规划模型。
所述上层规划模型的目标函数如下所示:
maxF1=CO-fA(SC+TC-AS)-fAPGC(5)
式中,F1表示上层规划的目标函数。CO为电-氢系统年总运行效益。SC为加氢站的设备投资费用。TC为供氢系统运输环节的运行费用。AS为加氢站建设补贴。PGC 为配电网分布式电源DG的设备投资费用。fA为年等值系数。
其中,加氢站的设备投资费用SC如下所示:
式中,ΩHS、ΩHP、ΩHE、ΩPV、ΩWD分别为可选储氢罐、压缩机、电解池、分布式光伏发电设备、分布式风力发电设备类型集合;ΩHD为可配置加氢枪集合;ΩS为加氢站待规划位置集合;hscs为第s种类型的储氢罐投资成本;hece为第e种类型的电解池投资成本;hvcv为第v种类型的光伏发电设备投资成本;hwcw为第w种类型的风力发电设备投资成本;hdc为一个加氢机的投资成本;Sis为储氢罐容量配置二进制变量; Eie表示待规划位置i配置第e种制氢设备;e∈ΩHE;Viv=1表示待规划位置i配置第v 种光伏发电设备,Viv=0表示待规划位置i不配置第v种光伏发电设备;Wiw=1表示待规划位置i配置第w种风力发电设备,Wiw=0表示待规划位置i不配置第w种风力发电设备;Icm=1表示配置类型为m的第c个长管拖车,Icm=0表示不配置长管拖车;Did=1 表示待规划位置i配置第d个加氢机,Did=0表示待规划位置i不配置第d个加氢机; Xjv=1表示配电网节点j配置第v种光伏发电设备,Xjv=0表示配电网节点j不配置第v 种光伏发电设备。Yjw=1表示配电网节点j配置第w种风力发电设备,Yjw=0表示配电网节点j不配置第w种风力发电设备。
其中,第i个待规划位置氢气压缩机投资成本HPCi如下所示:
式中,ωPA%为A型压缩机投资成本系数。ωPB%为B型压缩机投资成本系数。 A型压缩机是指将氢气从制氢设备压缩到储氢罐中的压缩机。B型压缩机是指将氢气从储氢罐压缩到加氢机中的压缩机。
氢气运输环节设备投资费用TC如下所示:
式中,ΩC和ΩM分别为运输氢气用的长管拖车集合及其类型集合。htcm为第m种类型的长管拖车的设备投资成本。
加氢站建设补贴AS如下所示:
配电网DG设备投资费用PGC如下所示:
式中,ΩG为配电网的节点集合。
所述上层规划模型的约束条件分别如公式(12)-(23)所示。
Sis,Eie,Icm,Did∈{0,1} i∈ΩS,s∈ΩHS,e∈ΩHE,c∈ΩC,m∈ΩM,d∈ΩD (22)
Viv,Wiw,Xiv,Yiw∈{0,1} i∈ΩS,v∈ΩPV,w∈ΩWD (23)
式中,hd rate为加氢机的额定加氢速率;T为日内采样点数目;ΩT为日内采样点集合; M为常数;NDmax为加氢机的加氢机的配置上限;Xjv=1表示配电网节点j配置第v种光伏发电设备,Xjv=0表示配电网节点j不配置第v种光伏发电设备;Yjw=1表示配电网节点j配置第w种风力发电设备,Yjw=0表示配电网节点j不配置第w种风力发电设备;ΩB、ΩR、ΩD分别表示配电网节点集合、场景集合、加氢机数量集合。
所述下层规划模型的目标函数如下所示:
max F2=CO=HO-AG=(GH-OT-OS-OE-HN)-AG (24)
式中,max F2表示电-氢系统年总运行效益最大。供氢气系统的年运行收益HO包含年氢气生产收益GH、运输环节年运营和维护费用OT和加氢站设备年维护费用OS。配电网的年运行收益PO包含加氢站负荷以外的年售电收益SP、向上级电网的年购电费用BE和弃风惩罚AG。HOSrit、HOErit、HVPrit和PWPrit分别为待规划位置i在第 r种场景下,t时刻的储氢罐储氢量、制氢设备功率、光伏发电设备输出功率和风力发电设备输出功率。HWPrgt和PVPrgt分别为在第r种场景下,t时刻配电网节点g处光伏发电设备输出功率和风力发电设备输出功率。长管拖车运行变量包含时空转移状态变量和工作状态变量Brct,表示第c辆长管拖车在第r种场景下, t时刻从节点i转移到节点j,反之不转移,表示自转移,即保持在上一时刻的位置。Brct=1表示第c辆长管拖车在第r种场景下,t时刻处于工作状态,反之处于休息状态。分别为第r种场景下,t时刻配电网节点g的电压相角和幅值。i,j∈ΩS。 EDrit为供氢量,表示加氢站的供氢策略。
其中,氢气生产收益GH如下所示:
运输环节年运营和维护费用OT如下所示:
式中,wOB,T%为运输设备的维护费用系数,ct和cw分别为单位行驶路程的燃料成本和单位时间的驾驶员劳动成本。dij为交通网中待规划位置i到j的最短行驶路程。dii=0。
加氢站设备年维护费用OS如下所示:
OS=ωOB,S%SC (27)
式中,wOB,S%为运输设备的维护费用系数。
供氢网的年购电费用OE如下所示:
式中,OE>0时,ρE,rt为场景r下t时刻的加氢站向配电网的购电价格。OE<0时,ρE,rt为场景r下t时刻的加氢站向配电网的售电价格。OE>0表示从配电网购电,OE<0 表示向配电网售电。
加氢站i在第r种场景下,t时刻的与配电网交互的总电功率PSrit如下所示:
式中,λP,A%、λP,B%为比例系数。
加氢站缺氢惩罚HN如下所示:
式中,vup、vdn为向长管拖车装载、卸载氢气的平均速率。Δt为采样间隔时间。EDrit为供氢量。SDrit为实际的氢气需求量。ρN,rt为场景r下t时刻的加氢站的缺氢惩罚系数。
弃风惩罚成本AG如下所示:
式中,ρW为风力发电成本,ρV为光伏发电成本;PWPrit为待规划位置i在第r 种场景下,t时刻的风力发电设备输出功率PVPrgt为在第r种场景下,t时刻配电网节点g处风力发电设备输出功率;为权重系数;Xgv=1表示配电网节点g配置第v种光伏发电设备,Xgv=0表示配电网节点g不配置第v种光伏发电设备;Ygw=1表示配电网节点g配置第w种风力发电设备,Ygw=0表示配电网节点g不配置第w种风力发电设备。
所述下层规划模型的约束条件包括制氢设备运行约束、加氢站供氢充裕性约束、供氢能力约束、长管拖车氢气平衡约束、储氢罐与长管拖车氢气上下限约束、分布式电源出力约束、长管拖车转移约束、配电网潮流约束状态约束。
制氢设备运行约束分别如公式(32)-(35)所示:
加氢站供氢充裕性约束如下所示:
式中,EDrit为实际的有效供氢量。SDrit为实际的氢气需求量。EDrit>0表示实际供应氢气量。EDrit<0表示短缺的氢气量。i∈ΩS,r∈ΩR,t∈[1,T]。
供氢能力约束如下所示:
长管拖车氢气平衡约束如下所示:
式中,参数c∈ΩC。
储氢罐与长管拖车氢气上下限约束如下所示:
分布式电源出力约束分别如公式(43)-(46)所示:
长管拖车转移约束分别如公式(47)-(56)所示:
Brct=Brc0 c∈ΩC,r∈ΩR,t∈ΩT (54)
Δtij=RD[dij/vc] i,j∈ΩS (56)
式中,RD[]为向上取整函数。src0为长管拖车第c辆长管拖车在第r种场景下的初始位置。为第m种长管拖车的额定储氢量。NSC,max表示同一加氢站内长管拖车数上限。Brc0为初始工作状态变量的取值。Δtij为待规划位置i到j的最小转移时间。vc为长管拖车平均行驶速度。Brct为工作状态变量;Ω表示集合。
配电网潮流约束状态约束包括氢站并网节点的电负荷约束、配电网功率平衡约束、配电网电压幅值与电流幅值约束。
加氢站并网节点的电负荷约束如下所示:
式中,LS×NB为待规划位置并网位置矩阵,S为待规划位置的数目。L(i,g)=1表示规划位置i在配电网节点g处并网,反之,L(i,g)=1表示规划位置i在配电网节点g处不并网。矩阵LS×NB每一行的和为1。ΩG为配电网节点集合。和分别为在第r 种场景下,t时刻配电网节点g加氢站以外的电力负荷、总电力负荷。
配电网功率平衡约束如下所示:
式中,Prt、Qrt、δ’rt和V’rt分别表示网络矩阵第一列的第2个节点到第NB个节点的有功注入功率构成的列向量、无功注入功率列向量、电压相角列向量和电压幅值列向量。g∈ΩG。和为网络矩阵B1和网络矩阵B2的第一列的第2个节点到第NB个元素构成的列向量。δ1、V1为电压相角向量和电压幅值向量;
网络矩阵B1和B2如下所示:
式中,rij、xij为节点i和节点j之间支路的电阻和电抗。B1(i,j)、B1(i,i)为网络矩阵B1的元素;B2(i,j)、B2(i,i)为网络矩阵B2的元素;
配电网电压幅值与电流幅值约束如下所示:
I'min≤I'≤I'max (61)
Vm'in≤V'≤Vm'ax (62)
其中,V’min和V’max分别为节点电压V'的下限和上限矢量;I'max和I'min分别为节点电流I'的上下限。
4)求解双层协调规划模型,得到分布式电源和分布式双层供氢系统协调规划方案。
求解双层协调规划模型的步骤包括:
4.1)对上层规划模型的变量进行编码。
4.2)设置遗传算法的参数,最大迭代次数为N,种群大小NP,最优适应度为f=-∞,迭代次数r=1,初始化上层规划模型的变量。
4.3)计算种群中每个个体的适应度。所示适应度为上层规划模型的目标函数。
计算种群中每个个体的适应度的步骤包括:
4.3.1)计算加氢站的设备投资费用SC、氢气运输环节设备投资费用TC、加氢站建设补贴AS、配电网DG设备投资费用PGC。
4.3.2)计算下层规划模型的目标函数,步骤包括:
4.3.2.1)将每个个体对应到上层变量的值。
4.3.2.2)初始下层规划模型变量。
4.3.2.3)在cplex中输入下层规划模型的目标函数和约束条件。
4.3.2.4)得到下层规划模型的变量最优解和最优的电-氢系统年总运行效益。
4.3.3)计算每个个体的适应度。
4.4)记录当前代数种群中最优适应度Fr和对应的个体。若Fr>f,则f=Fr,并记录下对应的个体,反之执行步骤4.5)。
4.5)若r>N,结束并输出,反之,令r=r+1,并执行步骤4.6)。
4.6)按照转盘法则执行选择算子。
4.7)执行交叉算子。
4.8)执行变异算子,返回步骤4.3)。
本发明的技术效果是毋庸置疑的,本发明创建了一种分布式双层供氢系统与配电网协调规划方法,能够模拟供氢系统子站、母站制氢、储氢、运氢设备的运行状态,协调母站分布式电源与配电网分布式电源的规划决策,有效地优化供氢系统与配电网的运行和规划效益。上层以电-氢系统年总效益最大为目标函数,以双层供氢系统中的长管拖车位置和容量、加氢子站和母站的位置和及其储氢设备、制氢设备的容量为变量建立下层模型。下层电-氢系统年总运行效益最大为目标,以长管拖车、加氢子站、母站的运行策略和配电网DG的消纳功率、节点电压幅值、节点电压相角为变量,下层变量均为随机变量。选取遗传算法和cplex软件结合的方式对规划模型进行求解,并以IEEE 33节点配电系统和25节点交通系统为算例,验证了模型和算法的正确性和有效性。
附图说明
图1为本发明涉及的双层供氢气系统结构图。
图2为基于遗传算法和cplex求解双层模型的流程图。
图3为规划区域配电网和交通网耦合图。
图4为各类型氢能汽车的日内加氢概率曲线
图5为配电网分时电价曲线。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1至图5,一种分布式双层供氢网与配电网的电-氢协调规划方法,包括以下步骤:
1)建立规划区域内的交通网。
所述规划区域内的交通网包括L1条公交车或L2条氢能物流车运营线路。每条运营线路的起点记为TSl,终点记为TEl。每条线路上的氢能公交车、氢能物流车数目分别记为NV1,l、NV2,l。
规划区域内有l个停车场。其中,第l个停车场位于交通节点TPl处,每个停车场的氢燃料汽车数目记为NV3,l。
公交车、氢能物流车和汽车在场景r下的日平均氢气需求量分别记为D1,r,D2,r和D3,r,公交车、氢能物流车和汽车在场景r下的加氢时刻概率曲线分别记为pB,t,pT,t和 pC,t。t=1,2,...T。
2)计算交通网中待规划位置的氢能需求。
待规划位置的氢能需求如下所示:
SDrit=ptDtype,rADi (1)
式中,pt为t时刻的加氢概率。SDrit为待规划位置i在场景r下t时刻的氢能需求;ADi为加氢站i的日加氢需求。
其中,加氢站i的日加氢需求ADi如下所示:
式中,pstype,li为空间归算系数,即营线路l中公交车或氢能物流车到待规划位置i加氢的概率或者第l个停车场从待规划位置i加氢的概率。DNtype,li为氢燃料汽车类型 type的有效归算距离。type=1,2,3分别表示氢能公交车、氢能物流车和氢能小汽车。
空间归算系数pstype,li如下所示:
氢燃料汽车类型type的有效归算距离DNtype,li如下所示:
式中,Sis为储氢罐容量配置二进制变量。Sis=1表示待规划位置i配置第s种储氢罐,Sis=0表示待规划位置i不配置第s种储氢罐。i∈ΩS,s∈ΩHS。为交通网中位置i到TEl、TSl、TPl的最短行驶路程;di,j为交通网中位置i到j的最短行驶路程。di,i=0。i,j∈ΩTN。ΩTN为规划区域的交通节点集合。
3)建立分布式双层供氢系统与配电网的双层协调规划模型。
所述双层协调规划模型包括上层规划模型和下层规划模型。
所述上层规划模型的目标函数如下所示:
max F1=CO-fA(SC+TC-AS)-fAPGC (5)
式中,F1表示上层规划的目标函数。CO为电-氢系统年总运行效益。SC为加氢站的设备投资费用。TC为供氢系统运输环节的运行费用。AS为加氢站建设补贴。PGC 为配电网分布式电源DG的设备投资费用。fA为年等值系数。
其中,加氢站的设备投资费用SC如下所示:
式中,ΩHS、ΩHP、ΩHE、ΩPV、ΩWD分别为可选储氢罐、压缩机、电解池、分布式光伏发电设备、分布式风力发电设备类型集合;ΩHD为可配置加氢枪集合;ΩS为加氢站待规划位置集合;hscs为第s种类型的储氢罐投资成本;hece为第e种类型的电解池投资成本;hvcv为第v种类型的光伏发电设备投资成本;hwcw为第w种类型的风力发电设备投资成本;hdc为一个加氢机的投资成本;Sis为储氢罐容量配置二进制变量; Eie表示待规划位置i配置第e种制氢设备;e∈ΩHE;Viv=1表示待规划位置i配置第v 种光伏发电设备,Viv=0表示待规划位置i不配置第v种光伏发电设备;Wiw=1表示待规划位置i配置第w种风力发电设备,Wiw=0表示待规划位置i不配置第w种风力发电设备;Icm=1表示配置类型为m的第c个长管拖车,Icm=0表示不配置长管拖车;Did=1 表示待规划位置i配置第d个加氢机,Did=0表示待规划位置i不配置第d个加氢机; Xjv=1表示配电网节点j配置第v种光伏发电设备,Xjv=0表示配电网节点j不配置第v 种光伏发电设备。Yjw=1表示配电网节点j配置第w种风力发电设备,Yjw=0表示配电网节点j不配置第w种风力发电设备。
其中,第i个待规划位置氢气压缩机投资成本HPCi如下所示:
式中,ωPA%为A型压缩机投资成本系数。ωPB%为B型压缩机投资成本系数。 A型压缩机是指将氢气从制氢设备压缩到储氢罐中的压缩机。B型压缩机是指将氢气从储氢罐压缩到加氢机中的压缩机。
氢气运输环节设备投资费用TC如下所示:
式中,ΩC和ΩM分别为运输氢气用的长管拖车集合及其类型集合。htcm为第m种类型的长管拖车的设备投资成本。
加氢站建设补贴AS如下所示:
配电网DG设备投资费用PGC如下所示:
式中,ΩG为配电网的节点集合。
所述上层规划模型的约束条件分别如公式(12)-(23)所示。
Sis,Eie,Icm,Did∈{0,1} i∈ΩS,s∈ΩHS,e∈ΩHE,c∈ΩC,m∈ΩM,d∈ΩD (22)
Viv,Wiw,Xiv,Yiw∈{0,1} i∈ΩS,v∈ΩPV,w∈ΩWD (23)
式中,hdrate为加氢机的额定加氢速率;T为日内采样点数目;ΩT为日内采样点集合;M为常数;NDmax为加氢机的加氢机的配置上限;Xjv=1表示配电网节点j配置第v 种光伏发电设备,Xjv=0表示配电网节点j不配置第v种光伏发电设备;Yjw=1表示配电网节点j配置第w种风力发电设备,Yjw=0表示配电网节点j不配置第w种风力发电设备;ΩB、ΩR、ΩD分别表示配电网节点集合、场景集合、加氢机数量集合。
所述下层规划模型的目标函数如下所示:
max F2=CO=HO-AG=(GH-OT-OS-OE-HN)-AG (24)
式中,max F2表示电-氢系统年总运行效益最大。供氢气系统的年运行收益HO包含年氢气生产收益GH、运输环节年运营和维护费用OT和加氢站设备年维护费用OS。配电网的年运行收益PO包含加氢站负荷以外的年售电收益SP、向上级电网的年购电费用BE和弃风惩罚AG。HOSrit、HOErit、HVPrit和PWPrit分别为待规划位置i在第r种场景下,t时刻的储氢罐储氢量、制氢设备功率、光伏发电设备输出功率和风力发电设备输出功率。HWPrgt和PVPrgt分别为在第r种场景下,t时刻配电网节点g处光伏发电设备输出功率和风力发电设备输出功率。长管拖车运行变量包含时空转移状态变量和工作状态变量Brct,表示第c辆长管拖车在第r种场景下, t时刻从节点i转移到节点j,反之不转移,表示自转移,即保持在上一时刻的位置。Brct=1表示第c辆长管拖车在第r种场景下,t时刻处于工作状态,反之处于休息状态。分别为第r种场景下,t时刻配电网节点g的电压相角和幅值。i,j∈ΩS。 EDrit为供氢量,表示加氢站的供氢策略。
其中,氢气生产收益GH如下所示:
运输环节年运营和维护费用OT如下所示:
式中,wOB,T%为运输设备的维护费用系数,ct和cw分别为单位行驶路程的燃料成本和单位时间的驾驶员劳动成本。dij为交通网中待规划位置i到j的最短行驶路程。dii=0。
加氢站设备年维护费用OS如下所示:
OS=ωOB,S%SC (27)
式中,wOB,S%为运输设备的维护费用系数。
供氢网的年购电费用OE如下所示:
式中,OE>0时,ρE,rt为场景r下t时刻的加氢站向配电网的购电价格。OE<0时,ρE,rt为场景r下t时刻的加氢站向配电网的售电价格。OE>0表示从配电网购电,OE<0 表示向配电网售电。
加氢站i在第r种场景下,t时刻的与配电网交互的总电功率PSrit如下所示:
式中,λP,A%、λP,B%为比例系数。
加氢站缺氢惩罚HN如下所示:
式中,vup、vdn为向长管拖车装载、卸载氢气的平均速率。Δt为采样间隔时间。EDrit为供氢量。SDrit为实际的氢气需求量。ρN,rt为场景r下t时刻的加氢站的缺氢惩罚系数。
弃风惩罚成本AG如下所示:
式中,ρW为风力发电成本,ρV为光伏发电成本;PWPrit为待规划位置i在第r 种场景下,t时刻的风力发电设备输出功率PVPrgt为在第r种场景下,t时刻配电网节点g处风力发电设备输出功率;为权重系数;Xgv=1表示配电网节点g配置第v种光伏发电设备,Xgv=0表示配电网节点g不配置第v种光伏发电设备;Ygw=1表示配电网节点g配置第w种风力发电设备,Ygw=0表示配电网节点g不配置第w种风力发电设备。
所述下层规划模型的约束条件包括制氢设备运行约束、加氢站供氢充裕性约束、供氢能力约束、长管拖车氢气平衡约束、储氢罐与长管拖车氢气上下限约束、分布式电源出力约束、长管拖车转移约束、配电网潮流约束状态约束。
制氢设备运行约束分别如公式(32)-(35)所示:
加氢站供氢充裕性约束如下所示:
式中,EDrit为实际的有效供氢量。SDrit为实际的氢气需求量。EDrit>0表示实际供应氢气量。EDrit<0表示短缺的氢气量。i∈ΩS,r∈ΩR,t∈[1,T]。
供氢能力约束如下所示:
长管拖车氢气平衡约束如下所示:
式中,参数c∈ΩC。
储氢罐与长管拖车氢气上下限约束如下所示:
分布式电源出力约束分别如公式(43)-(46)所示:
长管拖车转移约束分别如公式(47)-(56)所示:
Brct=Brc0 c∈ΩC,r∈ΩR,t∈ΩT (54)
Δtij=RD[dij/vc] i,j∈ΩS (56)
式中,RD[]为向上取整函数。src0为长管拖车第c辆长管拖车在第r种场景下的初始位置。为第m种长管拖车的额定储氢量。NSC,max表示同一加氢站内长管拖车数上限。Brc0为初始工作状态变量的取值。Δtij为待规划位置i到j的最小转移时间。vc为长管拖车平均行驶速度。Brct为工作状态变量;Ω表示集合。
配电网潮流约束状态约束包括氢站并网节点的电负荷约束、配电网功率平衡约束、配电网电压幅值与电流幅值约束。
加氢站并网节点的电负荷约束如下所示:
式中,LS×NB为待规划位置并网位置矩阵,S为待规划位置的数目。L(i,g)=1表示规划位置i在配电网节点g处并网,反之,L(i,g)=1表示规划位置i在配电网节点g处不并网。矩阵LS×NB每一行的和为1。ΩG为配电网节点集合。和分别为在第r 种场景下,t时刻配电网节点g加氢站以外的电力负荷、总电力负荷。PSrit为负荷。
配电网功率平衡约束如下所示:
式中,Prt、Qrt、δ’rt和V’rt分别表示网络矩阵第一列的第2个节点到第NB个节点的有功注入功率构成的列向量、无功注入功率列向量、电压相角列向量和电压幅值列向量。g∈ΩG。和为网络矩阵B1和网络矩阵B2的第一列的第2个节点到第NB个元素构成的列向量。δ1、V1为电压相角向量和电压幅值向量;B1(i,j)、B1(i,i)为网络矩阵B1的元素;B2(i,j)、B2(i,i)为网络矩阵B2的元素;
网络矩阵B1和B2如下所示:
式中,rij、xij为节点i和节点j之间支路的电阻和电抗。
配电网电压幅值与电流幅值约束如下所示:
I'min≤I'≤I'max (61)
V’min≤V'≤V’max (62)
其中,V’min和V’max分别为节点电压V'的下限和上限矢量;I'max和I'min分别为节点电流I'的上下限。
4)求解双层协调规划模型,得到分布式电源和分布式双层供氢系统协调规划方案。
求解双层协调规划模型的步骤包括:
4.1)对上层规划模型的变量进行编码。
4.2)设置遗传算法的参数,最大迭代次数为N,种群大小NP,最优适应度为f=-∞,迭代次数r=1,初始化上层规划模型的变量。
4.3)计算种群中每个个体的适应度。所示适应度为上层规划模型的目标函数。
计算种群中每个个体的适应度的步骤包括:
4.3.1)计算加氢站的设备投资费用SC、氢气运输环节设备投资费用TC、加氢站建设补贴AS、配电网DG设备投资费用PGC。
4.3.2)计算下层规划模型的目标函数,步骤包括:
4.3.2.1)将每个个体对应到上层变量的值。
4.3.2.2)初始下层规划模型变量。
4.3.2.3)在cplex中输入下层规划模型的目标函数和约束条件。
4.3.2.4)得到下层规划模型的变量最优解和最优的电-氢系统年总运行效益。
4.3.3)计算每个个体的适应度。
4.4)记录当前代数种群中最优适应度Fr和对应的个体。若Fr>f,则f=Fr,并记录下对应的个体,反之执行步骤4.5)。
4.5)若r>N,结束并输出,反之,令r=r+1,并执行步骤4.6)。
4.6)按照转盘法则执行选择算子。
4.7)执行交叉算子。
4.8)执行变异算子,返回步骤4.3)。
实施例2:
参见图1至图5,一种分布式双层供氢网与配电网的电-氢协调规划方法,包括以下步骤:
1)根据交通网结构计算各节点之间的最短路程矩阵DS×S=(dij),基于Huff模型通过空间、时间归算待选位置的氢能需求;主要步骤如下:
1.1)统计负荷数据。
设氢能公交车、氢能物流车和氢能小汽车类型变量分别为type=1,2,3。规划区域有 L1条公交车或L2条氢能物流车运营线路,每条运营线路的起点为TSl,终点为TEl,每条线路上的能公交车、氢能物流车目为NV1,l、NV2,l。规划区域内有l个小区停车场,位于交通节点TPl处,每个停车场的氢燃料汽车数目为NV3,l。公交车、氢能物流车和汽车的场景r下的日平均氢气需求量为D1,r,D2,r和D3,r,加氢时刻概率曲线(t时刻加氢进行加氢的概率为pttype,t)分别为pB,t,pT,t和pC,t(t=1,2,...T)。通过时间和空间归算模拟处各加氢站的实际需求。
1.2)氢能需求的空间归算。
基于Huff模型,用户对于商店的选择概率反比于距离商品的距离的平方。设 Sis(i∈ΩS,s∈ΩHS)为储氢罐容量配置二进制变量,Sis=1表示待规划位置i配置第s种储氢罐,反之不配置。配置储氢罐的位置即表示建设加氢站。di,j(i,j∈ΩTN)为交通网中位置i到j的最短行驶路程,规定di,i=0(i∈ΩTN),ΩTN为规划区域的交通节点集合。
其中,pstype,li为空间归算系数,即营线路l公交车或氢能物流车,第l个小区停车场到待规划位置i加氢的概率。DNtype,li为氢燃料汽车类型type的有效归算距离。计算方法如下:
其中,DNtype,li为氢燃料汽车类型type的有效归算距离。计算方法如下:
1.3)氢能需求的时间归算。
SDrit=ptDtype,rADi (4)
其中,SDrit为归算之后待规划位置i在场景r下t时刻的实际需求。
2)建立分布式双层供氢系统与配电网的双层协调规划模型;主要步骤如下:
2.1)建立上层模型
2.1.1)上层模型的目标函数
上层以电-氢系统年总效益最大为目标函数,以双层供氢系统中的长管拖车位置和容量、加氢子站和母站的位置和及其储氢设备、制氢设备的容量为变量建立下层模型。
max F1=CO-fA(SC+TC-AS)-fAPGC (5)
其中,F1表示上层规划的目标函数,AH表示供氢系统年总效益,AP表示配电网年总效益。HO为供氢系统年运行收益,SC为加氢站的设备投资费用,TC为供氢系统运输环节的运行费用,AS为加氢站建设补贴。PO为配电网年运行收益,PGC为配电网分布式电源(DG)的设备投资费用,fA为年等值系数。HO和PO由下层模型传递。
设Sis(i∈ΩS,s∈ΩHS)为储氢罐容量配置二进制变量,Sis=1表示待规划位置i配置第s 种储氢罐,反之不配置。Eis(i∈ΩS,e∈ΩHE)表示待规划位置i配置第s种制氢设备。Vis=1 表示待规划位置i配置第s种光伏发电设备,反之不配置。Wis=1表示待规划位置i配置第s种风力发电设备,反之不配置。Icm=1表示配置第c个长管拖车配置为类型m,反之不配置。Did=1表示待规划位置i配置第d个加氢机,反之不配置。Xjv=1表示配电网节点j配置第v种光伏发电设备,反之不配置。Yjw=1表示配电网节点j配置第w种风力发电设备,反之不配置。上层变量均为二进制变量。
2.1.1.1)加氢站的设备投资费用SC
加氢站设备投资成本包括:储氢罐、压缩机、电解池、光伏发电设备、风力发电设备、加氢机投资成本。
其中,ΩHS、ΩHP、ΩHE、ΩPV、ΩWD分别为可选储氢罐、压缩机、电解池、分布式光伏发电设备、分布式风力发电设备类型集合,ΩHD为可配置加氢枪集合。ΩS为加氢站待规划位置集合。hscs为第s种类型的储氢罐投资成本,hece为第e种类型的电解池投资成本,hvcv为第v种类型的光伏发电设备投资投资成本,hvcv为第v种类型的光伏发电设备投资成本,hwcv为第w种类型的风力发电设备投资成本,hdc为一个加氢机的投资成本。
HPCi为第i个待规划位置氢气压缩机投资成本,分为A型和B型。A型压缩机将氢气从制氢设备压缩到储氢罐中,它的容量主要依据制氢设备的容量的配置,因此它的投资成本按照制氢设备投资成本的wPA%计算。B型压缩机将氢气从储氢罐压缩到加氢机中,它的容量主要依据制储氢罐的容量的配置,因此它的投资成本按照储氢罐设备投资成本的wPB%计算。
2.1.1.2)氢气运输环节设备投资费用TC
其中,ΩC和ΩM分别为运输氢气用的长管拖车集合及其类型集合。htcm为第m种类型的长管拖车的设备投资成本。
2.1.1.3)加氢站建设补贴AS
2.1.1.4)配电网DG设备投资费用PGC
其中,ΩG为配电网的节点集合。
2.1.2)上层模型的约束
2.1.2.1)加氢站类型的逻辑约束
下式表示每个待规划位置的加氢站的储氢罐、制氢设备、光伏发电设备、风力发电设备、每辆长管拖车的类型选择唯一。
下式表示不配置储氢设备配置的位置,不配置制氢设备、光伏发电设备和风力发电设备。
下式表示配置加氢站的位置必须配置加氢机。不配置储氢设备配置的位置,不配置加氢机。
下式表示加氢机的配置需满足日内加氢总需求。
其中,hdrate为加氢机的额定加氢速率(kg/h),T为日内采样点数目,ΩT为日内采样点集合。
下式表示加氢机的配置不大于上限NDmax,一般设为4。
下式表示规划区域内至少有一个加氢站。
下式表示规划区域内至少有一个母站。
下式表示规划区域内仅配置母站时不配置长管拖车。
其中,M为一个足够大的数。
2.1.2.2)变量类型约束
Sis,Eie,Icm,Did∈{0,1} i∈ΩS,s∈ΩHS,e∈ΩHE,c∈ΩC,m∈ΩM,d∈ΩD (22)
Viv,Wiw,Xiv,Yiw∈{0,1} i∈ΩS,v∈ΩPV,w∈ΩWD (23)
2.2)建立下层模型
2.2.1)下层模型的目标函数
下层电-氢系统年总运行效益最大为目标,以长管拖车、加氢子站、母站的运行策略和配电网DG的消纳功率、节点电压幅值、节点电压相角为变量,下层变量均为随机变量。
设HOSrit、HOErit、HVPrit和PWPrit分别为待规划位置i在第r种场景下,t时刻的储氢罐储氢量、制氢设备功率、光伏发电设备输出功率和风力发电设备输出功率。 HWPrgt和PVPrgt分别为在第r种场景下,t时刻配电网节点g处光伏发电设备输出功率和风力发电设备输出功率。长管拖车运行变量包含时空转移状态变量和工作状态变量Brct,表示第c辆长管拖车在第r种场景下,t时刻从节点i转移到节点j,反之不转移,表示自转移,即保持在上一时刻的位置。Brct=1表示第c辆长管拖车在第r种场景下,t时刻处于工作状态,反之处于休息状态。分别为第r种场景下,t时刻配电网节点g的电压相角和幅值。EDrit为供氢量,表示加氢站的供氢策略。
max F2=CO=HO-AG=(GH-OT-OS-OE-HN)-AG (24)
其中,供氢气系统的年运行收益HO包含年氢气生产收益GH、运输环节年运营和维护费用OT和加氢站设备年维护费用OS。配电网的年运行收益PO包含加氢站负荷以外的年售电收益SP、向上级电网的年购电费用BE和弃风惩罚AG。
2.2.1.1)氢气生产收益GH
2.2.1.2)运输环节年运营和维护费用OT
其中,wOB,T%为运输设备的维护费用系数,ct(元/km)和cw(元/h)分别为单位行驶路程的燃料成本和单位时间的驾驶员工资。dij(i,j∈ΩS)为交通网中待规划位置i 到j的最短行驶路程,规定dii=0(i∈ΩS)。
2.2.1.3)加氢站设备年维护费用OS
OS=ωOB,S%SC (27)
其中,wOB,S%为运输设备的维护费用系数。
2.2.1.4)供氢网的年购电费用OE
其中,ρE,rt为场景r下t时刻的加氢站向配电网的购电或售电价格。OE>0表示从配电网购电,OE<0表示向配电网售电。
PSrit为加氢站i在第r种场景下,t时刻的与配电网交互的总电功率,主要考虑DG出力、制氢设备功率和A型压缩机功率:
其中,第三项为加氢站制氢设备电功率和A型压缩机的电功率,它正比于制氢设备电功率,比例系数为λP,A%。
2.2.1.5)加氢站缺氢惩罚HN
其中,vup、vdn为向长管拖车装载、卸载氢气的平均速率。Δt为采样间隔时间。EDrit为供氢量。SDrit为实际的氢气需求量。ρN,rt为场景r下t时刻的加氢站的缺氢惩罚系数。
2.2.1.6)弃风惩罚成本AG
其中,ρW为风力发电成本,ρV为光伏发电成本。
2.2.2)下层模型的约束
2.2.2.1)制氢设备运行约束
2.2.2.2)加氢站供氢充裕性约束
下式为储氢罐氢气平衡约束:对于i∈ΩS,r∈ΩR,t∈[1,T]
其中,vup、vdn为向长管拖车装载、卸载氢气的平均速率。Δt为采样间隔时间。EDrit为实际的有效供氢量。SDrit为实际的氢气需求量。EDrit>0表示实际供应氢气量,EDrit<0 表示短缺的氢气量。
2.2.2.3)供氢能力约束
2.2.2.4)长管拖车氢气平衡约束
下式为长管拖车氢气平衡约束:对于c∈ΩC,r∈ΩR,t∈[1,T]
下式为储氢罐、长管拖车氢气上下限约束:
2.2.2.5)分布式电源出力约束
2.2.2.5)长管拖车转移约束
下式表示不配置长管拖车时,工作状态变量均为0,自转移。
其中,src0为长管拖车第c辆长管拖车在第r种场景下的初始位置。
下式表示长管拖车的转移状态唯一。
下式表示长管拖车的转移状态连续或相同,即下一时刻的起点是上一时刻的终点或下一时刻仍和保持上一时刻的转移状态。
下式表示处于休息状态的长管拖车保持在原位置,即只能自转移。
下式表示在母站同时加氢和在子站同时卸氢的长管拖车数不超过最大值(固定停车位数目NSC,max)。
下式为长管拖车运行模拟初始位置和初始工作状态约束。
Brct=Brc0 c∈ΩC,r∈ΩR,t∈ΩT (54)
其中,Brc0为初始工作状态变量的取值。
下式为行驶时间、停留时间充裕性约束,表示发生互转移后的一段时间内均保持互转移状态,并且在终点至少停留1个单位采样时间。
其中,Δtij为待规划位置i到j的最小转移时间,长管拖车平均行驶速度为vc由下式求得:
Δtij=RD[dij/vc] i,j∈ΩS (56)
其中,RD[]为向上取整函数。
2.2.2.6)配电网潮流约束状态约束
加氢站并网节点的电负荷为:
其中,LS×NB为待规划位置并网位置矩阵,S为待规划位置的数目。L(i,g)=1表示规划位置i在配电网节点g处并网,反之,不并网。LS×NB每一行的和为1。ΩG为配电网节点集合。和分别为在第r种场景下,t时刻配电网节点g加氢站以外的电力负荷、总电力负荷。
配电网交流潮流模型采用基于支路电压相角差δij≈0,节点电压幅值|Vij|≈1.p.u.的假设,忽略配电网的网损的线性化模型。配电网功率平衡约束为:
其中,Prt、Qrt、δ’rt和V’rt分别为第2个节点到第NB个节点的有功注入功率构成的列向量、无功注入功率列向量、电压相角列向量和电压幅值列向量。和为网络矩阵B1和B2的第一列的第2 个节点到第NB个元素构成的列向量。网络矩阵B1和B2的计算方法如下:
其中,rij、xij为节点i和节点j之间支路的电阻和电抗。
下式为配电网电压幅值、电流幅值约束:
V’min≤V'≤V’max (61)
V’min≤V'≤V’max (62)
其中,V’min和V’max分别为节点电压的下限和上限矢量。
3)基于智能算法和Cplex求解双层规划模型,得到分布式电源和分布式双层供氢系统协调规划方案。主要步骤如下:
3.1)把上层变量进行编码。上层所有变量的一种取值为一个解,采用二进制编码为遗传算法的一个个体。
3.2)设置遗传算法的参数,最大迭代次数为N,种群大小NP,最优适应度为f=-∞,迭代次数r=1,初始化上层规划模型的变量;
3.3)计算种群中每个个体的适应度。适应度定义为上层目标函数。主要步骤如下:
3.3.1)计算SC、TC、AS、PGC;
3.3.2)调用cplex计算CO;3.3.2.1)将每个个体对应到上层变量的值;3.3.2.2)
初始下层变量;3.3.2.3)输入下层规划模型的目标函数和约束;3.3.2.4)得到下层规划变量的最优解和最优的CO取值。
3.3.3)计算每个个体的适应度;
3.4)记录当前代数种群中最优适应度Fr和对应的个体。若Fr>f,则f=Fr,并记录下对应的个体。反之执行下一步。
3.5)若r>N,结束并输出,反之,r=r+1;继续下一步。
3.6)按照转盘法则执行选择算子。
3.7)执行交叉算子。
实施例3:
本发明选用IEEE 33节点配电系统和25节点交通系统作为实例分析,网络拓扑图如图3所示。选取春、夏、秋、冬四个典型场景,即r=1,2,3,4。运行状态模拟间隔时间为1h,各季节氢气价格分别为50元/kg、40元/kg、50元/kg和60元/kg。γph%=0.017 kg/kw,其余经济性和运行参数见表1。遗传算法的迭代次数为120次,交叉概率为0.8,变异概率为0.1,种群大小为100。运行层求解一次的时间约为80min,总求解时间约 7h。选取25个交通节点均为待规划位置,设置以下3个算例对比分析本发明提出的分布式双层供氢系统与配电网的协调规划方法的实施效果。
算例1:采用本发明提出的分布式双层供氢系统与配电网的协调规划方法。
算例2:对配电网DG进行和供氢系统分别进行规划。
算例3:先规划DG再根据DG的规划结果对供氢系统进行规划。
表1
表2为设备选型参数和运行相关参数,
表1~表2为算例1的加氢站、长管拖车、配电网DG规划结果,表3~表5为算例1~3的费用和收益对比。由算例的规划结果看出,子、母站的选址位置基本在氢能汽车的运营起点、终点或停车点,这是由于运营起点、终点或停车点有利于降低运输成本。加氢机的数目不大于2个,这是由于配电网节点1处配有DG,而相距较近的交通节点 5处配了取电型母站,它们在运行过程中相互配合,使富余的DG出力用于制备氢气,从而使算例1与算例2和3相比有效降低了弃风惩罚(从)。受弃风惩罚的影响,单独规划时(算例2和3)配电网的DG配置容量均比算例1小,分别为500kw、500kw 和2300kw,即协调规划后配电网的DG配置容量得到了显著提升。因此,协调规划后,对供氢系统的影响是使取电型母站与配电网DG的电气距离较小,对配电网的影响是配电网DG的配置容量和消纳量都得到了提升。
表3
表4
表5
表6
表7
表8
表9
(单位:万元)
表10
表11
Claims (10)
1.一种分布式双层供氢网与配电网的电-氢协调规划方法,其特征在于,包括以下步骤:
1)建立所述规划区域内的交通网。
2)计算交通网中待规划位置的氢能需求;
3)建立分布式双层供氢系统与配电网的双层协调规划模型;
4)求解双层协调规划模型,得到分布式电源和分布式双层供氢系统协调规划方案。
2.根据权利要求1所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,所述规划区域内的交通网包括L1条公交车或L2条氢能物流车运营线路;每条运营线路的起点记为TSl,终点记为TEl;每条线路上的氢能公交车、氢能物流车数目分别记为NV1,l、NV2,l;
规划区域内有l个停车场;其中,第l个停车场位于交通节点TPl处,每个停车场的氢燃料汽车数目记为NV3,l;
公交车、氢能物流车和汽车在场景r下的日平均氢气需求量分别记为D1,r,D2,r和D3,r,公交车、氢能物流车和汽车在场景r下的加氢时刻概率曲线分别记为pB,t,pT,t和pC,t;t=1,2,...T。
3.根据权利要求2所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,待规划位置的氢能需求如下所示:
SDrit=ptDtype,rADi (1)
式中,pt为t时刻的加氢概率。SDrit为待规划位置i在场景r下t时刻的氢能需求;ADi为加氢站i的日加氢需求。
其中,加氢站i的日加氢需求ADi如下所示:
式中,pstype,li为空间归算系数,即营线路l中公交车或氢能物流车到待规划位置i加氢的概率或者第l个停车场从待规划位置i加氢的概率;type=1,2,3分别表示氢能公交车、氢能物流车和氢能小汽车;
空间归算系数pstype,li如下所示:
氢燃料汽车类型type的有效归算距离DNtype,li如下所示:
4.根据权利要求1所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,所述双层协调规划模型包括上层规划模型和下层规划模型。
5.根据权利要求4所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,所述上层规划模型的目标函数如下所示:
max F1=CO-fA(SC+TC-AS)-fAPGC (5)
式中,F1表示上层规划的目标函数;CO为电-氢系统年总运行效益;SC为加氢站的设备投资费用;TC为供氢系统运输环节的运行费用;AS为加氢站建设补贴;PGC为配电网分布式电源DG的设备投资费用;fA为年等值系数;
其中,加氢站的设备投资费用SC如下所示:
式中,ΩHS、ΩHP、ΩHE、ΩPV、ΩWD分别为可选储氢罐、压缩机、电解池、分布式光伏发电设备、分布式风力发电设备类型集合;ΩHD为可配置加氢枪集合;hscs为第s种类型的储氢罐投资成本;hece为第e种类型的电解池投资成本;hvcv为第v种类型的光伏发电设备投资成本;hwcw为第w种类型的风力发电设备投资成本;hdc为一个加氢机的投资成本;Sis为储氢罐容量配置二进制变量;Eie表示待规划位置i配置第e种制氢设备;e∈ΩHE;Viv=1表示待规划位置i配置第v种光伏发电设备,Viv=0表示待规划位置i不配置第v种光伏发电设备;Wiw=1表示待规划位置i配置第w种风力发电设备,Wiw=0表示待规划位置i不配置第w种风力发电设备;Icm=1表示配置类型为m的第c个长管拖车,Icm=0表示不配置长管拖车;Did=1表示待规划位置i配置第d个加氢机,Did=0表示待规划位置i不配置第d个加氢机;
其中,第i个待规划位置氢气压缩机投资成本HPCi如下所示:
式中,ωPA%为A型压缩机投资成本系数;ωPB%为B型压缩机投资成本系数;A型压缩机是指将氢气从制氢设备压缩到储氢罐中的压缩机;B型压缩机是指将氢气从储氢罐压缩到加氢机中的压缩机;
氢气运输环节设备投资费用TC如下所示:
式中,ΩC和ΩM分别为运输氢气用的长管拖车集合及其类型集合;htcm为第m种类型的长管拖车的设备投资成本;Icm=1表示配置类型为m的第c个长管拖车,Icm=0表示不配置长管拖车;
加氢站建设补贴AS如下所示:
配电网DG设备投资费用PGC如下所示:
式中,ΩG为配电网的节点集合。
6.根据权利要求4所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,所述上层规划模型的约束条件分别如公式(12)-(23)所示;
Sis,Eie,Icm,Did∈{0,1}i∈ΩS,s∈ΩHS,e∈ΩHE,c∈ΩC,m∈ΩM,d∈ΩD (22)
Viv,Wiw,Xiv,Yiw∈{0,1}i∈ΩS,v∈ΩPV,w∈ΩWD (23)
式中,hdrate为加氢机的额定加氢速率;T为日内采样点数目;ΩT为日内采样点集合;M为常数;NDmax为加氢机的加氢机的配置上限;Xjv=1表示配电网节点j配置第v种光伏发电设备,Xjv=0表示配电网节点j不配置第v种光伏发电设备;Yjw=1表示配电网节点j配置第w种风力发电设备,Yjw=0表示配电网节点j不配置第w种风力发电设备;ΩB、ΩR、ΩD分别表示配电网节点集合、场景集合、加氢机数量集合。
7.根据权利要求4所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,所述下层规划模型的目标函数如下所示:
max F2=CO=HO-AG=(GH-OT-OS-OE-HN)-AG (24)
式中,max F2表示电-氢系统年总运行效益最大;供氢气系统的年运行收益HO包含年氢气生产收益GH、运输环节年运营和维护费用OT和加氢站设备年维护费用OS;配电网的年运行收益PO包含加氢站负荷以外的年售电收益SP、向上级电网的年购电费用BE和弃风惩罚AG;
其中,氢气生产收益GH如下所示:
运输环节年运营和维护费用OT如下所示:
式中,wOB,T%为运输设备的维护费用系数,ct和cw分别为单位行驶路程的燃料成本和单位时间的驾驶员劳动成本;dij为交通网中待规划位置i到j的最短行驶路程;dii=0;表示第c辆长管拖车在第r种场景下,t时刻从节点i转移到节点j,反之不转移,表示自转移,即保持在上一时刻的位置;
加氢站设备年维护费用OS如下所示:
OS=ωOB,S%SC (27)
式中,wOB,S%为运输设备的维护费用系数;
供氢网的年购电费用OE如下所示:
式中,OE>0时,ρE,rt为场景r下t时刻的加氢站向配电网的购电价格;OE<0时,ρE,rt为场景r下t时刻的加氢站向配电网的售电价格;OE>0表示从配电网购电,OE<0表示向配电网售电;
加氢站i在第r种场景下,t时刻的与配电网交互的总电功率PSrit如下所示:
式中,λP,A%、λP,B%为比例系数;HOErit、HVPrit分别为待规划位置i在第r种场景下,t时刻的制氢设备功率、光伏发电设备输出功率;HWPrgt为在第r种场景下,t时刻配电网节点g处光伏发电设备输出功率;
加氢站缺氢惩罚HN如下所示:
式中,EDrit为供氢量;SDrit为实际的氢气需求量;ρN,rt为场景r下t时刻的加氢站的缺氢惩罚系数;
弃风惩罚成本AG如下所示:
8.根据权利要求4所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,所述下层规划模型的约束条件包括制氢设备运行约束、加氢站供氢充裕性约束、供氢能力约束、长管拖车氢气平衡约束、储氢罐与长管拖车氢气上下限约束、分布式电源出力约束、长管拖车转移约束、配电网潮流约束状态约束;
制氢设备运行约束分别如公式(32)-(35)所示:
加氢站供氢充裕性约束如下所示:
式中,EDrit为实际的有效供氢量;SDrit为实际的氢气需求量;EDrit>0表示实际供应氢气量;EDrit<0表示短缺的氢气量;i∈ΩS,r∈ΩR,t∈[1,T];HOSrit为待规划位置i在第r种场景下,t时刻的储氢罐储氢量;vup、vdn为向长管拖车装载、卸载氢气的平均速率;Δt为采样间隔时间;表示自转移,即保持在上一时刻的位置;
供氢能力约束如下所示:
长管拖车氢气平衡约束如下所示:
储氢罐与长管拖车氢气上下限约束如下所示:
分布式电源出力约束分别如公式(43)-(46)所示:
长管拖车转移约束分别如公式(47)-(56)所示:
Brct=Brc0 c∈ΩC,r∈ΩR,t∈ΩT (54)
Δtij=RD[dij/vc]i,j∈ΩS (56)
式中,RD[]为向上取整函数;src0为长管拖车第c辆长管拖车在第r种场景下的初始位置;为第m种长管拖车的额定储氢量;NSC,max表示同一加氢站内长管拖车数上限;Brc0为初始工作状态变量的取值;Δtij为待规划位置i到j的最小转移时间;vc为长管拖车平均行驶速度;Brct为工作状态变量;
配电网潮流约束状态约束包括氢站并网节点的电负荷约束、配电网功率平衡约束、配电网电压幅值与电流幅值约束;
加氢站并网节点的电负荷约束如下所示:
式中,LS×NB为待规划位置并网位置矩阵,S为待规划位置的数目;L(i,g)=1表示规划位置i在配电网节点g处并网,反之,L(i,g)=1表示规划位置i在配电网节点g处不并网;矩阵LS×NB每一行的和为1。ΩG为配电网节点集合;和分别为在第r种场景下,t时刻配电网节点g加氢站以外的电力负荷、总电力负荷;为有功注入功率和无功注入功率;PSrit为负荷;
配电网功率平衡约束如下所示:
式中,Prt、Qrt、δ′rt和V′rt分别表示网络矩阵第一列的第2个节点到第NB个节点的有功注入功率构成的列向量、无功注入功率列向量、电压相角列向量和电压幅值列向量;g∈ΩG;和为网络矩阵B1和网络矩阵B2的第一列的第2个节点到第NB个元素构成的列向量;δ1、V1为电压相角向量和电压幅值向量;
网络矩阵B1和B2中的元素如下所示:
式中,rij、xij为节点i和节点j之间支路的电阻和电抗;B1(i,j)、B1(i,i)为网络矩阵B1的元素;B2(i,j)、B2(i,i)为网络矩阵B2的元素;
配电网电压幅值与电流幅值约束如下所示:
I'min≤I'≤I'max (61)
V′min≤V'≤V′max (62)
其中,V′min和V′max分别为节点电压V'的下限和上限矢量;I'max和I'min分别为节点电流I'的上下限。
9.根据权利要求4所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,求解双层协调规划模型的步骤包括:
1)对上层规划模型的变量进行编码;
2)设置遗传算法的参数,最大迭代次数为N,种群大小NP,最优适应度为f=-∞,迭代次数r=1,初始化上层规划模型的变量;
3)计算种群中每个个体的适应度;所示适应度为上层规划模型的目标函数;
4)记录当前代数种群中最优适应度Fr和对应的个体;若Fr>f,则f=Fr,并记录下对应的个体,反之执行步骤5);
5)若r>N,结束并输出,反之,令r=r+1,并执行步骤6);
6)按照转盘法则执行选择算子。
7)执行交叉算子。
8)执行变异算子,返回步骤3)。
10.根据权利要求9所述的一种基分布式双层供氢系统与配电网的协调规划方法,其特征在于,计算种群中每个个体的适应度的步骤包括:
1)计算加氢站的设备投资费用SC、氢气运输环节设备投资费用TC、加氢站建设补贴AS、配电网DG设备投资费用PGC;
2)计算下层规划模型的目标函数,步骤包括:
2.1)将每个个体对应到上层变量的值;
2.2)初始下层规划模型变量;
2.3)在cplex中输入下层规划模型的目标函数和约束条件;
2.4)得到下层规划模型的变量最优解和最优的电-氢系统年总运行效益;
3)计算每个个体的适应度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111394180.2A CN114565204A (zh) | 2021-11-23 | 2021-11-23 | 一种分布式双层供氢网与配电网的电-氢协调规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111394180.2A CN114565204A (zh) | 2021-11-23 | 2021-11-23 | 一种分布式双层供氢网与配电网的电-氢协调规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114565204A true CN114565204A (zh) | 2022-05-31 |
Family
ID=81711801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111394180.2A Pending CN114565204A (zh) | 2021-11-23 | 2021-11-23 | 一种分布式双层供氢网与配电网的电-氢协调规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565204A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115079564A (zh) * | 2022-07-21 | 2022-09-20 | 清华四川能源互联网研究院 | 区域电氢系统脱碳路径规划优化方法 |
CN115511274A (zh) * | 2022-09-15 | 2022-12-23 | 东南大学 | 一种配电网与氢能系统的联合规划方法 |
CN116579115A (zh) * | 2023-07-11 | 2023-08-11 | 国网能源研究院有限公司 | 电、氢协同互动的系统规划方法及装置 |
CN116739308A (zh) * | 2023-08-09 | 2023-09-12 | 中国科学院电工研究所 | 一种风氢储系统多主体分布式协同规划方法 |
-
2021
- 2021-11-23 CN CN202111394180.2A patent/CN114565204A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115079564A (zh) * | 2022-07-21 | 2022-09-20 | 清华四川能源互联网研究院 | 区域电氢系统脱碳路径规划优化方法 |
CN115511274A (zh) * | 2022-09-15 | 2022-12-23 | 东南大学 | 一种配电网与氢能系统的联合规划方法 |
CN115511274B (zh) * | 2022-09-15 | 2023-04-21 | 东南大学 | 一种配电网与氢能系统的联合规划方法 |
CN116579115A (zh) * | 2023-07-11 | 2023-08-11 | 国网能源研究院有限公司 | 电、氢协同互动的系统规划方法及装置 |
CN116579115B (zh) * | 2023-07-11 | 2023-09-26 | 国网能源研究院有限公司 | 电、氢协同互动的系统规划方法及装置 |
CN116739308A (zh) * | 2023-08-09 | 2023-09-12 | 中国科学院电工研究所 | 一种风氢储系统多主体分布式协同规划方法 |
CN116739308B (zh) * | 2023-08-09 | 2023-10-27 | 中国科学院电工研究所 | 一种风氢储系统多主体分布式协同规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114565204A (zh) | 一种分布式双层供氢网与配电网的电-氢协调规划方法 | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
Deb et al. | Charging coordination of plug-in electric vehicle for congestion management in distribution system integrated with renewable energy sources | |
Nunes et al. | The use of parking lots to solar-charge electric vehicles | |
CN110751368B (zh) | 一种考虑充电负荷灵活性的电动汽车储充站规划方法 | |
CN106712076B (zh) | 一种海上风电场集群规模下的输电系统优化方法 | |
CN108537409A (zh) | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 | |
CN106651059A (zh) | 一种电动汽车充电站优化配置的方法 | |
CN107832905A (zh) | 一种适应分布式发电和储能站发展的配电网规划方法 | |
CN113364049B (zh) | 一种考虑交通流量捕获的风-氢-电网耦合规划方法 | |
CN110135662B (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
CN107403289B (zh) | 一种考虑接入光伏发电站的高速公路充电站选址定容方法 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
Pal et al. | Planning of EV charging station with distribution network expansion considering traffic congestion and uncertainties | |
CN101609989A (zh) | 一种城市电网供电充裕度计算系统 | |
CN115860433A (zh) | 电动汽车快充站和动态无线充电系统联合规划方法及系统 | |
CN108808664A (zh) | 一种考虑电网分区优化运行的城市电网规划方法 | |
CN110084520A (zh) | 基于公交线路与网格化ap算法的充电站选址方法及装置 | |
CN114022046B (zh) | 一种考虑交通均衡的综合能源系统优化调度方法 | |
CN110611305B (zh) | 考虑配网电压越限风险的光伏接入规划方法 | |
CN117078046A (zh) | 一种电动公交车有线无线联合充电优化方法、系统及设备 | |
CN112531788B (zh) | 考虑多重不确定性和自趋优运行的透明微网群规划方法 | |
CN106408452A (zh) | 含多分布式电源配电网的电动汽车充电站优化配置方法 | |
CN113159412A (zh) | 一种基于用户需求响应的多层级储能优化配置方法及装置 | |
CN117252393A (zh) | 一种考虑多种分布式资源协调运行的充电桩规划方法 |
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 |