CN114580746A - 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法 - Google Patents

一种基于低碳经济效益量化的综合能源站复合储能配置优化方法 Download PDF

Info

Publication number
CN114580746A
CN114580746A CN202210212433.8A CN202210212433A CN114580746A CN 114580746 A CN114580746 A CN 114580746A CN 202210212433 A CN202210212433 A CN 202210212433A CN 114580746 A CN114580746 A CN 114580746A
Authority
CN
China
Prior art keywords
energy
gas
storage
power
energy storage
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
CN202210212433.8A
Other languages
English (en)
Inventor
张波
邵经鹏
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.)
WUXI ELECTRICAL AND HIGHER VOCATIONAL SCHOOLS
Original Assignee
WUXI ELECTRICAL AND HIGHER VOCATIONAL SCHOOLS
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 WUXI ELECTRICAL AND HIGHER VOCATIONAL SCHOOLS filed Critical WUXI ELECTRICAL AND HIGHER VOCATIONAL SCHOOLS
Priority to CN202210212433.8A priority Critical patent/CN114580746A/zh
Publication of CN114580746A publication Critical patent/CN114580746A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其包括如下步骤：步骤S1：收集研究区域的冷功率数据、热功率数据、电负荷功率数据，收集研究区域的电费、天然气价格，收集研究区域的系统内各类设备的运行参数；收集研究区域配备的燃气轮机气体排放物的外部成本和排放系数；步骤S2：构建包含多类储能设备的综合能源站供能数学模型的系统；步骤S3：确定低碳经济效益量化指标；步骤S4：建立复合储能配置优化策略；步骤S5:输出步骤S2系统中各储能设备配置的优先级顺序，本发明能够优化所研究区域综合能源站储能配置组合问题，提升系统的经济效益以及解决风电出力具有反调峰性问题，同时能够减少系统的碳排放量。

Description

一种基于低碳经济效益量化的综合能源站复合储能配置优化 方法
技术领域
本发明涉及城市内园区综合能源站规划与优化技术领域，尤其是一种基于低碳经济效益量化的综合能源站复合储能配置优化方法。
背景技术
随着经济的飞速发展，全球能源消费不断增长，能源危机和环境污染的双重压力促使世界能源领域朝着清洁、高效、可持续、无污染的方向变革，因此综合能源站应运而生。综合能源站是一种集成CCHP机组、电转气系统(Power to Gas,P2G)、热泵、储能等区域性能源的设备；通过综合能源站与不同区域负荷直接相连，能够协调区域间能源互联，或联合区域内分布式新能源、电动汽车集群等可控负荷，为用户提供可靠、经济的能源供应。
由于综合能源站受到系统内可再生能源的随机性、间歇性、不确定性的影响，而储能是综合能源站的重要组成部分和关键支撑技术，具有平滑净负荷曲线、促进新能源消纳、减少运行成本等优势，能够解决能源的生产和消费在时间上的不匹配，满足社会发展对供能安全可靠性的要求，因此配置储能设备是提高综合能源站能源利用效率和经济性的重要手段。
而现有的综合能源站储能配置方法存在以下问题：
1)目前国内外对含有储能的区域综合能源站优化调度模型和控制方法均有一定的研究，但往往考虑的是一种储能技术或者是混合电储能，没有考虑不同能源之间互补关系，这样规划的储能并不是最优的，因此需要一种综合能源站储能配置组合的方法来发挥多能源的综合运营优势。
2)少数含多能源储能的研究并没有主要考虑到经济效益，在落实在某个区域具体实施时存在差异化，同时现有的风电出力具有反调峰性问题，因此需要提出一种新的综合能源站储能配置方法。
3)在当前全球各国推行节能减排政策的背景下，需要研究多类型储能对综合能源站低碳减排效益的影响。而现有的综合能源站储能配置方法天然气排放量高，进而导致碳排放量增大，无法实现低碳减排的目的。
因此如果提出一种新的综合能源站储能配置方法来针对性地解决上述问题，无疑会对区域内综合能源站规划建设具有非常重要的意义。
发明内容
本申请针对上述现有生产技术中的缺点，提供一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，从而能够优化所研究区域综合能源站储能配置组合问题，提高系统的经济效益，以及减少系统的碳排放量。
本发明所采用的技术方案如下：
一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其包括如下步骤：
步骤S1：收集研究区域的冷功率数据、热功率数据、电负荷功率数据，收集研究区域的电费、天然气价格，收集研究区域的系统内各类设备的运行参数；收集研究区域配备的燃气轮机气体排放物的外部成本和排放系数；
步骤S2：构建包含多类储能设备的综合能源站供能数学模型的系统；
步骤S3：确定低碳经济效益量化指标；
步骤S4：建立复合储能配置优化策略；
步骤S5:输出步骤S2系统中各储能设备配置的优先级顺序。
进一步的，步骤S2中构建系统模型采用Matlab建模。
进一步的，步骤S3中量化指标包括购电成本、燃气成本、设备运行维护成本、排放物治理成本、系统碳排放量。
进一步的，步骤S4中复合储能配置优化策略包括确定目标函数、确定运行约束条件以及对目标函数、运行约束条件的整体求解。
进一步的，目标函数的组成项包括购燃气成本、购电成本、设备运行维护成本以及排放物治理成本，所述运行约束条件组成项包括电功率平衡约束、冷功率平衡约束、热功率平衡约束、设备出力上下限约束以及储能设备容量约束。
进一步的，步骤S1中系统内各类设备的运行参数包括燃气轮机额定效率、余热锅炉额定效率、换热装置额定效率、吸收式制冷机额定效率、电制冷机能效比、蓄冷槽融冰效率、蓄冷槽制冷能效、电锅炉额定功率、蓄热装置容量、蓄电池充电效率、蓄电池放电效率、蓄电池自放电率、蓄电池容量、P2G效率、P2G额定功率、蓄冷槽容量、光伏使用维护成本、风机使用维护成本、蓄电池使用维护成本、燃气轮机使用维护成本、余热锅炉使用维护成本、换热装置使用维护成本、电制冷机使用维护成本、蓄冷槽使用维护成本、吸收式制冷机使用维护成本、电锅炉使用维护成本、蓄热装置使用维护成本以及P2G装置使用维护成本。
进一步的，步骤S2中，储能设备包括冰蓄冷装置、蓄电池、蓄热电锅炉、P2G系统；
所述冰蓄冷装置的数学模型计算方程如下：
Figure BDA0003532423860000041
式中：PEC为冰蓄冷装置消耗的总电功率；QEC为冰蓄冷装置的制冷功率；Pef和Ptk为电制冷机和蓄冰槽消耗的电功率；Qef和Qtk为电制冷机和蓄冰槽的制冷功率；γef为制冷机的能效比；
Figure BDA0003532423860000042
和
Figure BDA0003532423860000043
分别为蓄冰槽的制冰能效比和融冰效率；Stk为蓄冰槽的蓄冰容量；σtk为蓄冰槽的自损耗系数；
所述蓄电池的数学模型计算方程如下：
Figure BDA0003532423860000044
式中：
Figure BDA0003532423860000045
和
Figure BDA0003532423860000046
分别为蓄电池电能存入、释放效率；Sbat为蓄电池容量；
Figure BDA0003532423860000047
和
Figure BDA0003532423860000048
分别为蓄电池充放电功率；Δt为时间长度；δe为自身放电率；
所述蓄热电锅炉的数学模型计算方程如下：
Figure BDA0003532423860000049
式中：PEB为电锅炉的用电功率；εEB为电锅炉的效率；Hrc和Hrd分别为蓄热罐蓄热、放热的热功率；QEB为电锅炉直接供给热负荷的热功率；Shot为蓄热罐中的储热量；ηrc和ηrd分别为储热、放热效率；Δt为时间长度；
所述P2G系统的数学模型计算方程如下：
Figure BDA00035324238600000410
式中：Pp2g为P2G设备的输入电功率；ηp2g为P2G设备的效率；Pp2g,g为P2G设备输出的天然气能量；Wg为储气装置的储气量；Qc和Qd分别为储气装置的储气、放气速率；Δt为时间长度。
进一步的，购电成本的算法为：
Figure BDA0003532423860000051
式中：cep(t)为时段t购电电价；Pgrid(t)为综合能源站与大电网交互的电功率；H为调度周期；Δt为单位时间间隔；
所述燃气成本的算法为：
Figure BDA0003532423860000052
式中：cfp为购买天然气的单位热值价格；Qgas(t)为综合能源站与燃气公司交互的天然气功率；
所述设备运行维护费用的算法为：
Figure BDA0003532423860000053
式中：Com,m为设备m输出单位能量的运行维护费用；Pm,out(t)为时段t内设备m的出力；n为设备的总数；
所述排放物治理费用的算法为：
Figure BDA0003532423860000054
式中：αgk为排放k类型气体的外部折扣成本；PGT(t)为时段t燃气轮机发电功率；λk为燃气轮机排放k类型气体的排放因子；K为排放气体类型总数；
所述系统碳排放量的算法为：
Figure BDA0003532423860000055
式中：me、mg分别为电网和天然气的CO2单位排放强度。
进一步的，目标函数是以调度周期内系统加入新增储能设备之后的总运行成本最小为目标函数，其算法如下：
Figure BDA0003532423860000056
式中：Ω为上一状态系统内所有设备集合；Ω∪Aj为加入某一储能设备后系统的所有设备集合；
所述运行约束条件中：
电功率平衡约束的算法为：
Figure BDA0003532423860000057
Figure BDA0003532423860000061
冷功率平衡约束的算法为：QEC(t)+QAC(t)＝Lcool(t)；
热功率平衡约束的算法为：QHX(t)+QEB(t)+Hrd(t)+QGB(t)＝Ltw(t)；
式中：Le(t)，Lcool(t)，Ltw(t)分别为电、冷、热负荷功率；Ppv(t)为可以消纳的光伏输出电功率；Pwind(t)为可以消纳的风机输出电功率；QAC(t)为吸收式制冷机在t时刻输出的制冷量；QHX(t)为t时刻换热装置的输出热量；QGB(t)为t时刻燃气锅炉的输出热量；
所述对目标函数、运行约束条件的整体求解流程为通过Matlab建模工具YALMIP和商业求解器CPLEX来求解模型。
进一步的，步骤S5储能设备配置的优先级输顺序为蓄热电锅炉→蓄电池→P2G系统→冰蓄冷装置。
本发明的有益效果如下：
1)本发明提供的基于低碳经济效益量化的综合能源站复合储能配置优化方法能够优化所研究区域综合能源站储能配置组合问题，发挥多能源的综合运营优势。
2)本发明能够充分消纳分布式新能源，对系统的经济效益大大提升以及解决风电出力具有反调峰性问题时效果显著。
3)能够通过减少系统中燃气轮机和燃气锅炉的出力，降低天然气的消耗量，进而减少系统的碳排放量，进一步配合国家低碳减排政策的落实。
附图说明
图1为本发明的实施流程图；
图2为步骤S2中综合能源站供能结构示意图；
图3为步骤S4中复合储能配置优化策略流程图；
图4为中国北方一工业园区典型日电负荷、热负荷、冷负荷功率及风电、光伏出力曲线图；
图5为各场景下燃气轮机的出力曲线图；
图6为各场景下系统从燃气公司的购气量曲线图；
图7为各场景下系统消纳新能源光伏出力的曲线图；
图8为各场景下系统消纳新能源风机出力的曲线图；
图9为中国北方一工业园区内夏季典型日分时电价和天然气价格数据表；
图10为综合能源站内各种设备的运行参数数据表；
图11为气体排放物的外部成本和排放系数数据表；
图12为综合能源站中储能设备数学模型；
图13为中国北方一工业园区域综合能源站储能配置优化结果。
具体实施方式
下面结合附图，说明本发明的具体实施方式。
以中国北方一工业园区实际情况为实施例，收集到的园区中夏季典型日冷、热、电负荷24小时功率数据和光伏、风电机组24小时预测出力数据如图4所示；区域的分时电价和天然气价格数据如图9所示；综合能源站内各种设备的运行参数数据如图10所示；燃气轮机气体排放物的外部成本和排放系数数据如图11所示。
一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其包括如下步骤：
步骤S1：收集研究区域的冷功率数据、热功率数据、电负荷功率数据，收集研究区域的电费、天然气价格，收集研究区域的系统内各类设备的运行参数；收集研究区域配备的燃气轮机气体排放物的外部成本和排放系数；
步骤S2：构建包含多类储能设备的综合能源站供能数学模型的系统；
步骤S3：确定低碳经济效益量化指标；
步骤S4：建立复合储能配置优化策略；
步骤S5:输出步骤S2系统中各储能设备配置的优先级顺序。
如图1和图3所示的实施例中，依据图2所示的综合能源站供能结构示意图，步骤S2中构建系统模型采用Matlab建模。
步骤S3中量化指标包括购电成本、燃气成本、设备运行维护成本、排放物治理成本、系统碳排放量。
步骤S4中复合储能配置优化策略包括确定目标函数、确定运行约束条件以及对目标函数、运行约束条件的整体求解。
如图1所示的实施例中，目标函数的组成项包括购燃气成本、购电成本、设备运行维护成本以及排放物治理成本，所述运行约束条件组成项包括电功率平衡约束、冷功率平衡约束、热功率平衡约束、设备出力上下限约束以及储能设备容量约束。
如图1和图3所示的实施例中，步骤S1中，我国北方一工业园区的系统内各类设备的运行参数包括燃气轮机额定效率、余热锅炉额定效率、换热装置额定效率、吸收式制冷机额定效率、电制冷机能效比、蓄冷槽融冰效率、蓄冷槽制冷能效、电锅炉额定功率、蓄热装置容量、蓄电池充电效率、蓄电池放电效率、蓄电池自放电率、蓄电池容量、P2G效率、P2G额定功率、蓄冷槽容量、光伏使用维护成本、风机使用维护成本、蓄电池使用维护成本、燃气轮机使用维护成本、余热锅炉使用维护成本、换热装置使用维护成本、电制冷机使用维护成本、蓄冷槽使用维护成本、吸收式制冷机使用维护成本、电锅炉使用维护成本、蓄热装置使用维护成本以及P2G装置使用维护成本。
储能设备包括冰蓄冷装置、蓄电池、蓄热电锅炉、P2G系统；
如图12所示的实施例中，冰蓄冷装置的数学模型计算方程如下：
Figure BDA0003532423860000091
式中：PEC为冰蓄冷装置消耗的总电功率；QEC为冰蓄冷装置的制冷功率；Pef和Ptk为电制冷机和蓄冰槽消耗的电功率；Qef和Qtk为电制冷机和蓄冰槽的制冷功率；γef为制冷机的能效比；
Figure BDA0003532423860000092
和
Figure BDA0003532423860000093
分别为蓄冰槽的制冰能效比和融冰效率；Stk为蓄冰槽的蓄冰容量；σtk为蓄冰槽的自损耗系数；
如图12所示的实施例中，蓄电池的数学模型计算方程如下：
Figure BDA0003532423860000094
式中：
Figure BDA0003532423860000095
和
Figure BDA0003532423860000096
分别为蓄电池电能存入、释放效率；Sbat为蓄电池容量；
Figure BDA0003532423860000097
和
Figure BDA0003532423860000098
分别为蓄电池充放电功率；Δt为时间长度；δe为自身放电率；
如图12所示的实施例中，蓄热电锅炉的数学模型计算方程如下：
Figure BDA0003532423860000099
式中：PEB为电锅炉的用电功率；εEB为电锅炉的效率；Hrc和Hrd分别为蓄热罐蓄热、放热的热功率；QEB为电锅炉直接供给热负荷的热功率；Shot为蓄热罐中的储热量；ηrc和ηrd分别为储热、放热效率；Δt为时间长度；
如图12所示的实施例中，P2G系统的数学模型计算方程如下：
Figure BDA00035324238600000910
式中：Pp2g为P2G设备的输入电功率；ηp2g为P2G设备的效率；Pp2g,g为P2G设备输出的天然气能量；Wg为储气装置的储气量；Qc和Qd分别为储气装置的储气、放气速率；Δt为时间长度。
进一步的，购电成本的算法为：
Figure BDA0003532423860000101
式中：cep(t)为时段t购电电价；Pgrid(t)为综合能源站与大电网交互的电功率；H为调度周期；Δt为单位时间间隔；
所述燃气成本的算法为：
Figure BDA0003532423860000102
式中：cfp为购买天然气的单位热值价格；Qgas(t)为综合能源站与燃气公司交互的天然气功率；
所述设备运行维护费用的算法为：
Figure BDA0003532423860000103
式中：Com,m为设备m输出单位能量的运行维护费用；Pm,out(t)为时段t内设备m的出力；n为设备的总数；
所述排放物治理费用的算法为：
Figure BDA0003532423860000104
式中：αgk为排放k类型气体的外部折扣成本；PGT(t)为时段t燃气轮机发电功率；λk为燃气轮机排放k类型气体的排放因子；K为排放气体类型总数；
所述系统碳排放量的算法为：
Figure BDA0003532423860000105
式中：me、mg分别为电网和天然气的CO2单位排放强度。
进一步的，目标函数是以调度周期内系统加入新增储能设备之后的总运行成本最小为目标函数，其算法如下：
Figure BDA0003532423860000106
式中：Ω为上一状态系统内所有设备集合；Ω∪Aj为加入某一储能设备后系统的所有设备集合；
所述运行约束条件中：
电功率平衡约束的算法为：
Figure BDA0003532423860000111
冷功率平衡约束的算法为：QEC(t)+QAC(t)＝Lcool(t)；
热功率平衡约束的算法为：QHX(t)+QEB(t)+Hrd(t)+QGB(t)＝Ltw(t)；
式中：Le(t)，Lcool(t)，Ltw(t)分别为电、冷、热负荷功率；Ppv(t)为可以消纳的光伏输出电功率；Pwind(t)为可以消纳的风机输出电功率；QAC(t)为吸收式制冷机在t时刻输出的制冷量；QHX(t)为t时刻换热装置的输出热量；QGB(t)为t时刻燃气锅炉的输出热量；
如图3所示的实施例中，对目标函数、运行约束条件的整体求解流程为通过Matlab建模工具YALMIP和商业求解器CPLEX来求解模型，具体流程参照图3。
步骤S5储能设备配置的优先级输顺序为蓄热电锅炉→蓄电池→P2G系统→冰蓄冷装置。输出该区域下综合能源站储能设备配置优先级顺序：得到的该区域下综合能源站储能设备配置优先级顺序为蓄热电锅炉→蓄电池→P2G系统→冰蓄冷装置。为了便于比较分析，将该区域综合能源站无任何储能设备的初始状态作为场景一；将加入蓄热电锅炉后的综合能源站作为场景二；在场景二的基础上，加入蓄电池后的综合能源站作为场景三；在场景三的基础上，加入P2G系统后的综合能源站作为场景四；最后，在场景四的基础上，加入冰蓄冷装置后的综合能源站作为场景五。得到的各场景下燃气轮机的出力曲线如图5所示，得到的各场景下系统从燃气公司的购气量曲线如图6所示，得到的各场景下综合能源站消纳新能源光伏出力的曲线如图7所示，得到的各场景下综合能源站消纳新能源风机出力的曲线如图8所示，得到的该区域综合能源站储能配置优化结果如图13所示。
根据图13该区域综合能源站储能配置优化结果可以得出，由于该区域电、热负荷较大，该区域会首先配置蓄热电锅炉和蓄电池。而加入蓄热电锅炉后，总经济费用可节省7443.44元，节省率可达17.74％；系统碳排放量减少了12570.24kg，同比降低17.65％。其次加入蓄电池，总经济费用可进一步节省4.44％，系统碳排放量进一步降低4.10％。下一步配置P2G系统，总经济费用可进一步节省3.74％，系统碳排放量进一步降低2.94％。最后配置冰蓄冷装置，总经济费用可进一步节省0.80％，系统碳排放量进一步降低0.41％。
因此从运行经济性和系统碳排放层面上考虑，包含电、气、热、冷，四种储能方式的综合能源站可以有效地提高系统用能经济性，降低系统碳排放量，缓解区域用能碳排放压力。在本发明的实施例中可以看到，配置冰蓄冷装置后相较于已经配置了蓄热电锅炉、蓄电池、P2G系统的综合能源站总经济费用和系统碳排放节约率很低，园区综合能源站运营商可根据实际投资情况考虑是否需要配置冰蓄冷装置。
本发明提供的基于低碳经济效益量化的综合能源站复合储能配置优化方法，能够优化园区综合能源站储能配置组合问题，发挥多能源的综合运营优势，充分消纳分布式新能源，对提升系统的经济效益以及解决风电出力具有反调峰性问题效果显著；能够通过减少系统中燃气轮机和燃气锅炉的出力，来降低天然气的消耗量，进而减少系统的碳排放量，响应国家的低碳减排政策号召。
以上描述是对本发明的解释，不是对发明的限定，本发明所限定的范围参见权利要求，在本发明的保护范围之内，可以作任何形式的修改。

Claims (10)

1.一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：包括如下步骤：
步骤S1：收集研究区域的冷功率数据、热功率数据、电负荷功率数据，收集研究区域的电费、天然气价格，收集研究区域的系统内各类设备的运行参数；收集研究区域配备的燃气轮机气体排放物的外部成本和排放系数；
步骤S2：构建包含多类储能设备的综合能源站供能数学模型的系统；
步骤S3：确定低碳经济效益量化指标；
步骤S4：建立复合储能配置优化策略；
步骤S5:输出步骤S2系统中各储能设备配置的优先级顺序。
2.如权利要求1所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：所述步骤S2中构建系统模型采用Matlab建模。
3.如权利要求1所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：所述步骤S3中量化指标包括购电成本、燃气成本、设备运行维护成本、排放物治理成本、系统碳排放量。
4.如权利要求1所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：所述步骤S4中复合储能配置优化策略包括确定目标函数、确定运行约束条件以及对目标函数、运行约束条件的整体求解。
5.如权利要求4所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：所述目标函数的组成项包括购燃气成本、购电成本、设备运行维护成本以及排放物治理成本，所述运行约束条件组成项包括电功率平衡约束、冷功率平衡约束、热功率平衡约束、设备出力上下限约束以及储能设备容量约束。
6.如权利要求1所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：所述步骤S1中系统内各类设备的运行参数包括燃气轮机额定效率、余热锅炉额定效率、换热装置额定效率、吸收式制冷机额定效率、电制冷机能效比、蓄冷槽融冰效率、蓄冷槽制冷能效、电锅炉额定功率、蓄热装置容量、蓄电池充电效率、蓄电池放电效率、蓄电池自放电率、蓄电池容量、P2G效率、P2G额定功率、蓄冷槽容量、光伏使用维护成本、风机使用维护成本、蓄电池使用维护成本、燃气轮机使用维护成本、余热锅炉使用维护成本、换热装置使用维护成本、电制冷机使用维护成本、蓄冷槽使用维护成本、吸收式制冷机使用维护成本、电锅炉使用维护成本、蓄热装置使用维护成本以及P2G装置使用维护成本。
7.如权利要求1所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：所述步骤S2中，储能设备包括冰蓄冷装置、蓄电池、蓄热电锅炉、P2G系统；
所述冰蓄冷装置的数学模型计算方程如下：
Figure FDA0003532423850000021
式中：PEC为冰蓄冷装置消耗的总电功率；QEC为冰蓄冷装置的制冷功率；Pef和Ptk为电制冷机和蓄冰槽消耗的电功率；Qef和Qtk为电制冷机和蓄冰槽的制冷功率；γef为制冷机的能效比；
Figure FDA0003532423850000022
和
Figure FDA0003532423850000023
分别为蓄冰槽的制冰能效比和融冰效率；Stk为蓄冰槽的蓄冰容量；σtk为蓄冰槽的自损耗系数；
所述蓄电池的数学模型计算方程如下：
Figure FDA0003532423850000031
式中：
Figure FDA0003532423850000032
和
Figure FDA0003532423850000033
分别为蓄电池电能存入、释放效率；Sbat为蓄电池容量；
Figure FDA0003532423850000034
和
Figure FDA0003532423850000035
分别为蓄电池充放电功率；Δt为时间长度；δe为自身放电率；
所述蓄热电锅炉的数学模型计算方程如下：
Figure FDA0003532423850000036
式中：PEB为电锅炉的用电功率；εEB为电锅炉的效率；Hrc和Hrd分别为蓄热罐蓄热、放热的热功率；QEB为电锅炉直接供给热负荷的热功率；Shot为蓄热罐中的储热量；ηrc和ηrd分别为储热、放热效率；Δt为时间长度；
所述P2G系统的数学模型计算方程如下：
Figure FDA0003532423850000037
式中：Pp2g为P2G设备的输入电功率；ηp2g为P2G设备的效率；Pp2g,g为P2G设备输出的天然气能量；Wg为储气装置的储气量；Qc和Qd分别为储气装置的储气、放气速率；Δt为时间长度。
8.如权利要求1所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：
所述购电成本的算法为：
Figure FDA0003532423850000038
式中：cep(t)为时段t购电电价；Pgrid(t)为综合能源站与大电网交互的电功率；H为调度周期；Δt为单位时间间隔；
所述燃气成本的算法为：
Figure FDA0003532423850000039
式中：cfp为购买天然气的单位热值价格；Qgas(t)为综合能源站与燃气公司交互的天然气功率；
所述设备运行维护费用的算法为：
Figure FDA0003532423850000041
式中：Com,m为设备m输出单位能量的运行维护费用；Pm,out(t)为时段t内设备m的出力；n为设备的总数；
所述排放物治理费用的算法为：
Figure FDA0003532423850000042
式中：αgk为排放k类型气体的外部折扣成本；PGT(t)为时段t燃气轮机发电功率；λk为燃气轮机排放k类型气体的排放因子；K为排放气体类型总数；
所述系统碳排放量的算法为：
Figure FDA0003532423850000043
式中：me、mg分别为电网和天然气的CO2单位排放强度。
9.如权利要求5所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：
所述目标函数是以调度周期内系统加入新增储能设备之后的总运行成本最小为目标函数，其算法如下：
Figure FDA0003532423850000044
式中：Ω为上一状态系统内所有设备集合；Ω∪Aj为加入某一储能设备后系统的所有设备集合；
所述运行约束条件中：
电功率平衡约束的算法为：
Figure FDA0003532423850000045
冷功率平衡约束的算法为：QEC(t)+QAC(t)＝Lcool(t)；
热功率平衡约束的算法为：QHX(t)+QEB(t)+Hrd(t)+QGB(t)＝Ltw(t)；
式中：Le(t)，Lcool(t)，Ltw(t)分别为电、冷、热负荷功率；Ppv(t)为可以消纳的光伏输出电功率；Pwind(t)为可以消纳的风机输出电功率；QAC(t)为吸收式制冷机在t时刻输出的制冷量；QHX(t)为t时刻换热装置的输出热量；QGB(t)为t时刻燃气锅炉的输出热量；
所述对目标函数、运行约束条件的整体求解流程为通过Matlab建模工具YALMIP和商业求解器CPLEX来求解模型。
10.如权利要求1所述的一种基于低碳经济效益量化的综合能源站复合储能配置优化方法，其特征在于：所述步骤S5储能设备配置的优先级输出顺序为蓄热电锅炉→蓄电池→P2G系统→冰蓄冷装置。
CN202210212433.8A 2022-03-04 2022-03-04 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法 Pending CN114580746A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210212433.8A CN114580746A (zh) 2022-03-04 2022-03-04 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210212433.8A CN114580746A (zh) 2022-03-04 2022-03-04 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法

Publications (1)

Publication Number Publication Date
CN114580746A true CN114580746A (zh) 2022-06-03

Family

ID=81779144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210212433.8A Pending CN114580746A (zh) 2022-03-04 2022-03-04 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法

Country Status (1)

Country Link
CN (1) CN114580746A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496378A (zh) * 2022-09-27 2022-12-20 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法
CN117911055A (zh) * 2024-03-19 2024-04-19 国网辽宁省电力有限公司技能培训中心 基于区域综合能源耦合特性的碳排放优化系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496378A (zh) * 2022-09-27 2022-12-20 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法
CN115496378B (zh) * 2022-09-27 2023-12-01 四川省电力行业协会 一种计入风能减排效益的电力系统经济调度方法
CN117911055A (zh) * 2024-03-19 2024-04-19 国网辽宁省电力有限公司技能培训中心 基于区域综合能源耦合特性的碳排放优化系统

Similar Documents

Publication Publication Date Title
CN109919478B (zh) 一种考虑综合供能可靠性的综合能源微网规划方法
CN108154309B (zh) 计及冷热电多负荷动态响应的能源互联网经济调度方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
Guo et al. Multi-objective optimization design and multi-attribute decision-making method of a distributed energy system based on nearly zero-energy community load forecasting
CN108491992A (zh) 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型
CN110661254A (zh) 一种区域综合能源系统冷热电互补效益量化方法
CN112446141B (zh) 一种电热综合能源系统双层规划方法
CN111144707A (zh) 基于能源枢纽的多能源系统协同规划建模方法
CN114580746A (zh) 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法
CN111382902A (zh) 基于运行效益增量的区域综合能源系统储能优化配置方法
CN111445107A (zh) 冷热电联供型微电网多目标优化配置方法
CN110620403A (zh) 计及可再生能源的能源系统协同运行日前调度方法及系统
CN108052722A (zh) 面向综合能效最优的分布式冷热电混合能源系统设计方法
Liu et al. Capacity allocation for regional integrated energy system considering typical day economic operation
CN112653137A (zh) 计及碳交易的光热电站与风电系统、低碳调度方法及系统
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
Zhang et al. Research on operation optimization method of regional integrated energy system
CN114565480A (zh) 考虑碳排放量的区域分布式多能源系统多目标规划方法
CN114240010A (zh) 应对需求侧不确定性的热电联产燃气轮机组调度方法
CN114757414A (zh) 一种考虑供需不确定性的综合能源系统鲁棒优化规划方法
CN114330835A (zh) 一种综合能源微网中电/热混合储能系统的优化配置方法
Chen et al. An integrated energy system optimization model coupled with power-to-gas and carbon capture
Bian et al. Optimal Planning Method of Integrated Energy System Considering Carbon Cost from the Perspective of the Whole Life Cycle
CN114759610B (zh) 一种基于风光虚拟同步机的风光燃储综合能源系统
Xie et al. Planning Method for Power-Gas-Heat-Steam Integrated Energy System in Industrial Park Considering Annual Comprehensive Cost

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