CN114595619A - 基于氢储能的综合能源系统优化方法 - Google Patents

基于氢储能的综合能源系统优化方法 Download PDF

Info

Publication number
CN114595619A
CN114595619A CN202111342106.6A CN202111342106A CN114595619A CN 114595619 A CN114595619 A CN 114595619A CN 202111342106 A CN202111342106 A CN 202111342106A CN 114595619 A CN114595619 A CN 114595619A
Authority
CN
China
Prior art keywords
hydrogen
formula
representing
energy
output
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
CN202111342106.6A
Other languages
English (en)
Inventor
李章存
郭琳
董奥冬
牛君玲
闪兰魁
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.)
Jiaozuo Power Supply Co of State Grid Henan Electric Power Co Ltd
Original Assignee
Jiaozuo Power Supply Co of State Grid Henan Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiaozuo Power Supply Co of State Grid Henan Electric Power Co Ltd filed Critical Jiaozuo Power Supply Co of State Grid Henan Electric Power Co Ltd
Priority to CN202111342106.6A priority Critical patent/CN114595619A/zh
Publication of CN114595619A publication Critical patent/CN114595619A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/25Design optimisation, verification or simulation using particle-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/004Artificial life, i.e. computing arrangements simulating life
    • G06N3/006Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/06Wind turbines or wind farms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06Power analysis or power optimisation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及基于氢储能的综合能源系统优化方法,它包括以下步骤:S1:构建城镇综合能源系统组成单元模型;S2:构建基于氢储能的城镇综合能源模型;S3:收集不同典型日下风速、光照、环境温度等天气数据以及用户电、热、氢负荷数据,电网电费以及天然气价格,能量浪费的惩罚系数以及设备的相关性能参数;S4:确定目标函数和运行约束条件;S5:通过Matlab平台建立含氢储能的城镇综合能源系统粒子群算法函数寻优的模型;S6:提出三种不同场景,在三种不同场景下考察综合能源系统的可靠性以及可再生能源消纳能力;本发明具有提高了可再生能源利用率与供能可靠性、减少了系统运行期间产生的环境污染的优点。

Description

基于氢储能的综合能源系统优化方法
技术领域
本发明涉及城镇综合能源技术领域,具体涉及一种基于氢储能的综合能源系统优化方法。
背景技术
综合能源系统中同时耦合了冷、热、电、天然气等多种能源以及不同类型的设备,能够同时满足用户的多种负荷需求。目前,针对综合能源系统的系统架构和传统供能、储能设备单一模型的建模研究已经相对成熟,但对于基于氢储能的系统中,制氢储氢方式选择、模型搭建以及电、气网络耦合特性的研究上仍有较大的提升空间。
目前针对综合能源系统的优化容量配置已经相对成熟,但大部分研究只考虑了系统建设运行成本,没有将环境污染、弃风弃光、供能可靠性等其他关键因素列为优化容量配置的目标函数,而优化目标函数单一也造成了规划结果过于理想化,难以兼顾不同场景及不同需求,针对综合能源系统的多目标函数优化容量配置还需进一步的探究。
城镇综合能源系统中耦合了不同类型的供能、储能以及能量转换设备,通过可再生能源出力、天然气网络购气以及与外电网互动,再经过内部设备转换协调,最终来维持系统可靠运行,满足用户不同负荷需求。针对城镇综合能源系统中各类型的供能、储能以及能量转换设备进行了模型搭建,在此基础上,参考各设备相关性能参数、城镇用户负荷数据、电网电价以及天然气购入费用等客观因素,以综合能源日化系统经济成本最小,系统供能可靠性最大为目标函数,进行优化。
发明内容
本发明的目的是为了克服现有技术的不足,而提供一种提高了可再生能源利用率与供能可靠性,减少了系统运行期间产生的环境污染的基于氢储能的综合能源系统优化方法。
本发明的目的是这样实现的:基于氢储能的综合能源系统优化方法,它包括以下步骤:
S1:构建城镇综合能源系统组成单元模型;
S2:构建基于氢储能的城镇综合能源模型;
S3:收集不同典型日下风速、光照、环境温度等天气数据以及用户电、热、氢负荷数据,电网电费以及天然气价格,能量浪费的惩罚系数以及设备的相关性能参数;
S4:确定目标函数和运行约束条件;
S5:通过Matlab平台建立含氢储能的城镇综合能源系统粒子群算法函数寻优的模型;
S6:提出三种不同场景,在三种不同场景下考察综合能源系统的可靠性以及可再生能源消纳能力。
步骤S1中还包括以下步骤:
S11:光伏发电输出部分:光伏发电出力受多种因素的影响,如光照强度、环境温度、风速以及自身物理参数均会影响其输出功率,光伏发电理论出力具体计算公式如下:
Figure RE-GDA0003602666100000021
式中:Ppv,t表示光伏系统t时刻实际输出功率,本文功率单位均为kW;Ppv,N表示光伏系统额定功率;fpv表示光伏系统功降系数,表示光伏系统参考条件下实际输出功率与额定输出功率的比值(用于描述光伏板因老化、污渍、雨雪遮盖等引发的功率下降),一般取0.90;Gt表示t时刻光照强度(W/㎡);GSTC表示参考光照强度,取值为1000W/㎡;k表示光伏系统功率温度系数,取值为- 0.47%/℃;Tcell,t表示t时刻光伏电池板实际温度(℃);Tref表示参考测试温度,取值为25℃;
S12:在不考虑风力发电时滞效应与尾流效应的情况下,风力发电机组理论出力可表示为风速的函数,其具体计算公式如下:
Figure RE-GDA0003602666100000031
式中:Pw,t表示小型风电场t时刻实际输出功率;Nw表示小型风机数量; Pw,N表示风电机组额定功率,Vw,t表示t时刻实际风速(m/s);Vsv表示风电机组启动风速,取值为2m/s;VN表示风电机组额定风速;Vco表示风电机组切出风速,取值为25m/s;
S13:提出基于可再生能源出力的CHP运行模式,具体运行方式如下:
在风光出力较小,即风光出力小于电负荷输入功率时,热电联产机组以电定热方式运行,具体计算公式如下式所示:
Figure RE-GDA0003602666100000032
Figure RE-GDA0003602666100000033
在风光出力较大,即风光出力大于电负荷输入功率时,热电联产机组以热定电方式运行,具体计算公式如下式所示:
Figure RE-GDA0003602666100000034
Figure RE-GDA0003602666100000041
式中:PCHPe,t、PCHPh,t分别表示t时刻CHP系统实际电出力及热出力;
Figure RE-GDA0003602666100000042
Figure RE-GDA0003602666100000043
分别表示CHP系统最大电出力及最大热出力;ηee、ηte分别表示CHP系统电效率及热效率,分别取0.35与0.50;PEload,t、PTload,t分别表示t时刻用户电负荷及热负荷;Pfp,t表示综合能源系统t时刻风光出力;
S14:电解池装置运行特性如下式所示
Figure RE-GDA0003602666100000044
日转化氢气总量如下式所示:
Figure RE-GDA0003602666100000045
式中:PEC,t表示电解池装置t时刻输入功率;
Figure RE-GDA0003602666100000046
为电转气装置最大输入功率;AEC表示电转气装置日氢气转化量(kg);
Figure RE-GDA0003602666100000047
为电转气装置t时段内氢气转化量(kg);
S15:储氢罐储氢容量根据日初储氢容量
Figure RE-GDA0003602666100000048
以及电解池日转化氢气总量 AEC进行状态更新,计算公式如下式所示:
Figure RE-GDA0003602666100000049
式中:AHST表示储氢罐储氢容量(kg);
Figure RE-GDA00036026661000000410
表示储氢罐充气效率;
天然气储罐储存天然气能够供热电联产机组与燃气锅炉满负荷工作一天,具体容量计算公式如下式所示:
Figure RE-GDA00036026661000000411
式中:ANGST表示天然气储罐容量(kWh);
Figure RE-GDA00036026661000000412
代表CHP系统最大热出力;
S16:电解池装置持续工作且储氢罐容量达到最大时,甲烷化装置开始工作,将电解池产生氢气转化为甲烷输入综合能源系统天然气网络中,其具体运行方式如下式所示:
Figure RE-GDA0003602666100000051
式中:AHM,t表示甲烷化装置t时刻天然气输出量(kg);ηHM表示甲烷化效率,取值为80%;b′表示氢气甲烷化系数,取值为2;
甲烷化装置氢气日消耗量与甲烷日转化量分别如下式所示:
Figure RE-GDA0003602666100000052
Figure RE-GDA0003602666100000053
Figure RE-GDA0003602666100000054
式中:
Figure RE-GDA0003602666100000055
表示甲烷化装置氢气日消耗量(kg);
Figure RE-GDA0003602666100000056
表示甲烷化装置日转化量(kg);ΩH表示满足甲烷化启动的时间集合;
S17:燃气锅炉的数学模型如下:
Pgbh=Pgb·ηgb
其中,Pgbh为燃气锅炉输出热功率;Pgb为燃气锅炉输入天然气功率;ηgb为燃气锅炉效率。
步骤S4的具体步骤包括:
S41:日系统经济成本
典型日系统经济成本CE最小,与系统建设成本CSC,辅助设备成本Cae,运维成本Com,燃料成本Cf以及外部供能成本Cees相关,具体计算公式如下式所示:
minCE=CSC+Cae+Com+Cf+Cees
其中,系统建设成本计算公式如下式所示:
Figure RE-GDA0003602666100000061
式中:CSC表示综合能源系统日化建设成本($);i表示综合能源系统内部不同设备;N表示设备综述;bie,i表示不同设备的单位建设成本($/kW),Pr,i表示不同设备运行时的额定功率(储气设备为额定容量);η表示通货膨胀率,取值为5%;Sfe,i表示不同设备的使用年限(年)
辅助设备成本计算公式如下式所示:
Cae=bseCsc
式中:Cae表示综合能源系统日化辅助设备成本($);bse表示辅助设备成本系数;综合能源系统辅助设备主要包括交直流逆变器、线缆、管道、智能控制器、储氢罐泄露检测仪以及增压装置等组件,这一部分的投入成本主要由系统结构与容量配置决定的,其等额年值成本与运行状态并无直接关系,计算方式与Csc相同,为简化计算,本文中Cae按照Csc的30%,即bse=0.3进行计算;
运维成本计算公式如下式所示:
Figure RE-GDA0003602666100000062
式中:Com表示综合能源系统日化运维成本($);
Figure RE-GDA0003602666100000063
表示不同设备固定运维成本系数($/kW·年);
Figure RE-GDA0003602666100000064
表示不同设备可变运维成本系数($/kWh);Pi,t表示不同设备在t时刻的实际运行功率;
燃料成本在城镇综合能源系统中计算公式如下式所示:
Figure RE-GDA0003602666100000065
式中:Cf表示综合能源系统燃料成本($);bf表示燃料成本系数,取值为0.25$/kWh;σCH4为甲烷低热值,取值为14Wh/kg;
外部供能成本在城镇综合能源系统中计算公式如下式所示:
Figure RE-GDA0003602666100000071
式中:Cees表示综合能源系统外部供能成本($);beE、beT分别表示外部供电、外部供气成本系数;PEins,t、PTins,t分别表示t时刻供电不足与供热不足;
当光伏出力与CHP系统电出力之和小于系统电负荷,即Pfp,t+PCHPe,t+ PEV,t<PEload,t时,出现电能供应不足,部分电负荷需要使用系统外部供应,计算公式如下式所示:
PEins,t=PEload,t-Pfp,t-PCHPe,t-PEV,t
当CHP系统热出力与燃气锅炉出力之和小于系统热负荷,即PCHPh,t+PAB,t< PTload时,出现热能供应不足,部分热能需使用系统外部热能供应,计算公式如下式所示:
PTins,t=PTload-PCHPh,t-PAB,t-PCH4,t
S42:供能可靠性
供能可靠性ηses计算公式如下式所示:
maxηses=α1ηses,E1ηses,T1ηses,H
式中:ηses,E、ηsrs,T、ηses,H分别表示系统供电可靠性系数、供热可靠性系数以及供氢可靠性系数;α1、β1、γ1表示基于氢储能的系统可靠性系数权重因子,取值分别为0.35、0.35、0.3,下面分别给出系统供电可靠性系数、供热可靠性系数以及供氢可靠性系数的计算公式:
其中,供电可靠性系数具体计算公式如下式所示:
ηses,E=ηies,E·ηt,E
式中:ηies,E表示供电充足率;ηt,E表示供电可靠时间比;
在基于氢储能的家庭综合能源系统中,当风光出力与CHP系统电出力之和小于系统电负荷,即Pfp,t+PCHPe,t<PEload,t时,系统出现供电不足,其计算公式如下式所示:
Figure RE-GDA0003602666100000081
ΩE={t|Pfp,t+PCHPe,t<PEload,t}
供热可靠性系数具体计算公式如下式所示:
ηses,T=ηies,T·ηt,T
式中:ηies,T表示供热充足率;ηt,T表示供热可靠时间比;当CHP热出力与燃气锅炉出力之和小于系统热负荷,即PCHPh,t+PAB,t<PTload,t时,系统出现供热不足,其计算公式如下式所示:
Figure RE-GDA0003602666100000082
ΩT={t|PCHPh,t+PAB,t<PTload,t}
基于氢储能的城镇综合能源系统中,氢能源由多余的风光出力转化而得,供氢稳定系数计算中只包含供氢充足率,具体计算公式如下式所示:
ηses,H=ηies,H
式中,ηies,H表示供氢充足率;当储氢罐日初储氢容量与电解池日转化氢气量之和小于日氢气消耗量,即
Figure RE-GDA0003602666100000083
时,系统出现供氢不足,其计算公式如下式所示:
Figure RE-GDA0003602666100000091
步骤S5的具体步骤如下:
约束函数的某种组合组成的一个“惩罚”项,加在原来的目标函数上来迫使迭代点逼近可行域,罚函数擅长处理带有约束条件的优化问题;
在一个优化问题<A,f>中,A为满足约束条件的可行解集,f:A→Rn为目标函数,则目标函数最小值minf(x)的求解如下式所示:
Figure RE-GDA0003602666100000092
上式中,gi(x)≥0为约束条件;由于gi(x)≥0不等式约束,等价于等式约束 min(0,gi(x))=0;因此可将不等式约束问题转化为如下式所示的等式约束问题:
Figure RE-GDA0003602666100000093
如果令
Figure RE-GDA0003602666100000094
则可将原问题的求解转化为下式所示的求解无约束函数的无约束极小值问题:
Figure RE-GDA0003602666100000095
式中,F(x,M)为罚函数,M为罚因子,为一个正常数,Mp(x)为罚项;当M充当大分时,F(x,M)的最优解能逼近约束问题的最优解;因此,F(x,M)对可行点不实行惩罚,而对非可行点给予很大惩罚,从而将求解约束极值的问题转化为求解无约束极值问题。
步骤S6的具体步骤如下:
S61:一类场景:在全年风光数据中,分别选取风速和光照强度均值,对应春、秋季典型日城镇负荷,以考察综合能源系统正常条件下的运行特性;
S62:二类场景:在全年风光数据中,分别选取风速和光照强度最小值,对应夏季典型日城镇负荷,即可再生能源出力较小而电负荷相对较大的情况下对系统进行优化容量配置,以考察综合能源系统的供能可靠性;
S63:三类场景:在全年风光数据中,分别选取风速和光照最大值,对应冬季典型日城镇负荷,即在可再生能源出力较大而电负荷相对较小的情况下对系统进行优化容量配置,以考察综合能源系统的可再生能源消纳能力。
本发明的有益效果:基于氢储能的综合能源系统中,完全利用氢储能代替了蓄电池储能来对可再生能源出力进行消纳,并将存储能量再次供给至系统:通过甲烷化装置向热电联产机组以及补燃锅炉供应天然气。与传统系统相比较,这种储能与再利用的方式使得可再生能源多余出力能够转化为多种不同能源,为系统中不同类别负荷进行供能,提高了可再生能源利用率与供能可靠性,减少了系统运行期间产生的环境污染,同时氢储能以及甲烷化技术,将电网络与天然气网络联结起来,使得两者实现了能量双向流动与协同规划运行;本发明具有提高了可再生能源利用率与供能可靠性、减少了系统运行期间产生的环境污染的优点。
附图说明
图1是本发明基于氢储能的城镇综合能源系统示意图。
图2是本发明基于罚函数的PSO算法函数寻优流程图。
图3是本发明一类场景下规划方案电功率优化结果图。
图4是本发明一类场景下规划方案热功率优化结果图。
图5是本发明二类场景下规划方案电功率优化结果图。
图6是本发明二类场景下规划方案热功率优化结果图。
图7是本发明三类场景下规划方案电功率优化结果图。
图8是本发明三类场景下规划方案热功率优化结果图。
具体实施方式
下面结合附图对本发明做进一步的说明。
实施例1
构建基于氢储能的城镇综合能源系统模型,主要包括可再生能源发电装置, CHP系统、补燃锅炉、甲烷化装置、天然气储罐和储氢罐,可再生能源发电装置主要满足用户的电负荷需求,电能供应不足时需向外部电网进行购电,CHP系统与补燃锅炉则主要满足用户的热负荷需求,CHP系统同时产生电能供给给用户端,电解池装置会产生氢气以满足用户氢负荷需求。
模型的输入包括不同典型日下风速、光照、环境温度等天气数据以及用户电、热、氢负荷数据、电网电费及天然气价格、能量浪费的惩罚系数以及设备的相关性能参数,通过粒子群算法对模型进行寻优,最终完成系统的优化容量配置,进而实现系统的经济可靠运行,城镇综合能源系统优化模型包含如下4个模块:
(1)系统参数模块:包含外部购能价格、能量浪费的惩罚系数以及设备的相关性能参数;
(2)数据处理模块:通过典型日场景选择对应的负荷数据与天气数据,并计算出该场景下可再生能源出力;
(3)算法寻优模块:通过目标函数、运行约束条件对城镇综合能源系统模型进行优化容量配置;
(4)优化输出模块:包含综合能源系统各设备优化容量配置、优化运行策略及对应的目标函数值。
如图1所示,它包括以下步骤:
S1:构建城镇综合能源系统组成单元模型;
步骤S1中还包括以下步骤:
S11:光伏发电输出部分:光伏发电出力受多种因素的影响,如光照强度、环境温度、风速以及自身物理参数均会影响其输出功率,光伏发电理论出力具体计算公式如下:
Figure RE-GDA0003602666100000121
式中:Ppv,t表示光伏系统t时刻实际输出功率,本文功率单位均为kW;Ppv,N表示光伏系统额定功率;fpv表示光伏系统功降系数,表示光伏系统参考条件下实际输出功率与额定输出功率的比值(用于描述光伏板因老化、污渍、雨雪遮盖等引发的功率下降),一般取0.90;Gt表示t时刻光照强度(W/㎡);GSTC表示参考光照强度,取值为1000W/㎡;k表示光伏系统功率温度系数,取值为- 0.47%/℃;Tcell,t表示t时刻光伏电池板实际温度(℃);Tref表示参考测试温度,取值为25℃;
S12:在不考虑风力发电时滞效应与尾流效应的情况下,风力发电机组理论出力可表示为风速的函数,其具体计算公式如下:
Figure RE-GDA0003602666100000122
式中:Pw,t表示小型风电场t时刻实际输出功率;Nw表示小型风机数量; Pw,N表示风电机组额定功率,Vw,t表示t时刻实际风速(m/s);Vsv表示风电机组启动风速,取值为2m/s;VN表示风电机组额定风速;Vco表示风电机组切出风速,取值为25m/s;
S13:提出基于可再生能源出力的CHP运行模式,具体运行方式如下:
在风光出力较小,即风光出力小于电负荷输入功率时,热电联产机组以电定热方式运行,具体计算公式如下式所示:
Figure RE-GDA0003602666100000131
Figure RE-GDA0003602666100000132
在风光出力较大,即风光出力大于电负荷输入功率时,热电联产机组以热定电方式运行,具体计算公式如下式所示:
Figure RE-GDA0003602666100000133
Figure RE-GDA0003602666100000134
式中:PCHPe,t、PCHPh,t分别表示t时刻CHP系统实际电出力及热出力;
Figure RE-GDA0003602666100000135
Figure RE-GDA0003602666100000136
分别表示CHP系统最大电出力及最大热出力;ηee、ηte分别表示CHP系统电效率及热效率,分别取0.35与0.50;PEload,t、PTload,t分别表示t时刻用户电负荷及热负荷;Pfp,t表示综合能源系统t时刻风光出力;
S14:电解池装置运行特性如下式所示
Figure RE-GDA0003602666100000137
日转化氢气总量如下式所示:
Figure RE-GDA0003602666100000138
式中:PEC,t表示电解池装置t时刻输入功率;
Figure RE-GDA0003602666100000139
为电转气装置最大输入功率;AEC表示电转气装置日氢气转化量(kg);
Figure RE-GDA00036026661000001310
为电转气装置t时段内氢气转化量(kg);
S15:储氢罐储氢容量根据日初储氢容量
Figure RE-GDA0003602666100000141
以及电解池日转化氢气总量 AEC进行状态更新,计算公式如下式所示:
Figure RE-GDA0003602666100000142
式中:AHST表示储氢罐储氢容量(kg);
Figure RE-GDA0003602666100000143
表示储氢罐充气效率;
天然气储罐储存天然气能够供热电联产机组与燃气锅炉满负荷工作一天,具体容量计算公式如下式所示:
Figure RE-GDA0003602666100000144
式中:ANGST表示天然气储罐容量(kWh);
Figure RE-GDA0003602666100000145
代表CHP系统最大热出力;
S16:电解池装置持续工作且储氢罐容量达到最大时,甲烷化装置开始工作,将电解池产生氢气转化为甲烷输入综合能源系统天然气网络中,其具体运行方式如下式所示:
Figure RE-GDA0003602666100000146
式中:AHM,t表示甲烷化装置t时刻天然气输出量(kg);ηHM表示甲烷化效率,取值为80%;b′表示氢气甲烷化系数,取值为2;
甲烷化装置氢气日消耗量与甲烷日转化量分别如下式所示:
Figure RE-GDA0003602666100000147
Figure RE-GDA0003602666100000148
Figure RE-GDA0003602666100000149
式中:
Figure RE-GDA00036026661000001410
表示甲烷化装置氢气日消耗量(kg);
Figure RE-GDA00036026661000001411
表示甲烷化装置日转化量(kg);ΩH表示满足甲烷化启动的时间集合;
S17:燃气锅炉的数学模型如下:
Pgbh=Pgb·ηgb
其中,Pgbh为燃气锅炉输出热功率;Pgb为燃气锅炉输入天然气功率;ηgb为燃气锅炉效率。
S2:构建基于氢储能的城镇综合能源模型;
S3:收集不同典型日下风速、光照、环境温度等天气数据以及用户电、热、氢负荷数据,电网电费以及天然气价格,能量浪费的惩罚系数以及设备的相关性能参数;
S4:确定目标函数和运行约束条件;
步骤S4的具体步骤包括:
S41:日系统经济成本
典型日系统经济成本CE最小,与系统建设成本CSC,辅助设备成本Cae,运维成本Com,燃料成本Cf以及外部供能成本Cees相关,具体计算公式如下式所示:
minCE=CSC+Cae+Com+Cf+Cees
其中,系统建设成本计算公式如下式所示:
Figure RE-GDA0003602666100000151
式中:CsC表示综合能源系统日化建设成本($);i表示综合能源系统内部不同设备;N表示设备综述;bie,i表示不同设备的单位建设成本($/kW),Pr,i表示不同设备运行时的额定功率(储气设备为额定容量);η表示通货膨胀率,取值为5%;Sfe,i表示不同设备的使用年限(年)
辅助设备成本计算公式如下式所示:
Cae=bseCsc
式中:Cae表示综合能源系统日化辅助设备成本($);bse表示辅助设备成本系数;综合能源系统辅助设备主要包括交直流逆变器、线缆、管道、智能控制器、储氢罐泄露检测仪以及增压装置等组件,这一部分的投入成本主要由系统结构与容量配置决定的,其等额年值成本与运行状态并无直接关系,计算方式与Csc相同,为简化计算,本文中Cae按照Csc的30%,即bse=0.3进行计算;
运维成本计算公式如下式所示:
Figure RE-GDA0003602666100000161
式中:Com表示综合能源系统日化运维成本($);
Figure RE-GDA0003602666100000162
表示不同设备固定运维成本系数($/kW·年);
Figure RE-GDA0003602666100000163
表示不同设备可变运维成本系数($/kWh);Pi,t表示不同设备在t时刻的实际运行功率;
燃料成本在城镇综合能源系统中计算公式如下式所示:
Figure RE-GDA0003602666100000164
式中:Cf表示综合能源系统燃料成本($);bf表示燃料成本系数,取值为 0.25$/kWh;σCH4为甲烷低热值,取值为14Wh/kg;
外部供能成本在城镇综合能源系统中计算公式如下式所示:
Figure RE-GDA0003602666100000165
式中:Cees表示综合能源系统外部供能成本($);beE、beT分别表示外部供电、外部供气成本系数;PEins,t、PTins,t分别表示t时刻供电不足与供热不足;
当光伏出力与CHP系统电出力之和小于系统电负荷,即Pfp,t+PCHPe,t+ PEV,t<PEload,t时,出现电能供应不足,部分电负荷需要使用系统外部供应,计算公式如下式所示:
PEins,t=PEload,t-Pfp,t-PCHPe,t-PEV,t
当CHP系统热出力与燃气锅炉出力之和小于系统热负荷,即PCHPh,t+PAB,t< PTload时,出现热能供应不足,部分热能需使用系统外部热能供应,计算公式如下式所示:
PTins,t=PTload-PCHPh,t-PAB,t-PCH4,t
S42:供能可靠性
供能可靠性ηses计算公式如下式所示:
maxηses=α1ηses,E1ηses,T1ηses,H
式中:ηses,E、ηses,T、ηses,H分别表示系统供电可靠性系数、供热可靠性系数以及供氢可靠性系数;α1、β1、γ1表示基于氢储能的系统可靠性系数权重因子,取值分别为0.35、0.35、0.3,下面分别给出系统供电可靠性系数、供热可靠性系数以及供氢可靠性系数的计算公式:
其中,供电可靠性系数具体计算公式如下式所示:
ηses,E=ηies,E·ηt,E
式中:ηies,E表示供电充足率;ηt,E表示供电可靠时间比;
在基于氢储能的家庭综合能源系统中,当风光出力与CHP系统电出力之和小于系统电负荷,即Pfp,t+PCHPe,t<PEload,t时,系统出现供电不足,其计算公式如下式所示:
Figure RE-GDA0003602666100000171
ΩE={t|Pfp,t+PCHPe,t<PEload,t}
供热可靠性系数具体计算公式如下式所示:
ηses,T=ηies,T·ηt,T
式中:ηies,T表示供热充足率;ηt,T表示供热可靠时间比;当CHP热出力与燃气锅炉出力之和小于系统热负荷,即PCHPh,t+PAB,t<PTload,t时,系统出现供热不足,其计算公式如下式所示:
Figure RE-GDA0003602666100000181
ΩT={t|PCHPh,t+PAB,t<PTload,t}
基于氢储能的城镇综合能源系统中,氢能源由多余的风光出力转化而得,供氢稳定系数计算中只包含供氢充足率,具体计算公式如下式所示:
ηses,H=ηies,H
式中,ηies,H表示供氢充足率;当储氢罐日初储氢容量与电解池日转化氢气量之和小于日氢气消耗量,即
Figure RE-GDA0003602666100000182
时,系统出现供氢不足,其计算公式如下式所示:
Figure RE-GDA0003602666100000183
S5:通过Matlab平台建立含氢储能的城镇综合能源系统粒子群算法函数寻优的模型;
步骤S5的具体步骤如下:
约束函数的某种组合组成的一个“惩罚”项,加在原来的目标函数上来迫使迭代点逼近可行域,罚函数擅长处理带有约束条件的优化问题;
在一个优化问题<A,f>中,A为满足约束条件的可行解集,f:A→Rn为目标函数,则目标函数最小值minf(x)的求解如下式所示:
Figure RE-GDA0003602666100000184
上式中,gi(x)≥0为约束条件;由于gi(x)≥0不等式约束,等价于等式约束min(0,gi(x))=0;因此可将不等式约束问题转化为如下式所示的等式约束问题:
Figure RE-GDA0003602666100000191
如果令
Figure RE-GDA0003602666100000192
则可将原问题的求解转化为下式所示的求解无约束函数的无约束极小值问题:
Figure RE-GDA0003602666100000193
式中,F(x,M)为罚函数,M为罚因子,为一个正常数,Mp(x)为罚项;当M充当大分时,F(x,M)的最优解能逼近约束问题的最优解;因此,F(x,M)对可行点不实行惩罚,而对非可行点给予很大惩罚,从而将求解约束极值的问题转化为求解无约束极值问题。
S6:提出三种不同场景,在三种不同场景下考察综合能源系统的可靠性以及可再生能源消纳能力。
步骤S6的具体步骤如下:
S61:一类场景:在全年风光数据中,分别选取风速和光照强度均值,对应春、秋季典型日城镇负荷,以考察综合能源系统正常条件下的运行特性,如图 3,4所示;
S62:二类场景:在全年风光数据中,分别选取风速和光照强度最小值,对应夏季典型日城镇负荷,即可再生能源出力较小而电负荷相对较大的情况下对系统进行优化容量配置,以考察综合能源系统的供能可靠性,如图5,6所示;
S63:三类场景:在全年风光数据中,分别选取风速和光照最大值,对应冬季典型日城镇负荷,即在可再生能源出力较大而电负荷相对较小的情况下对系统进行优化容量配置,以考察综合能源系统的可再生能源消纳能力,如图 7,8所示。

Claims (5)

1.基于氢储能的综合能源系统优化方法,其特征在于:它包括以下步骤:
S1:构建城镇综合能源系统组成单元模型;
S2:构建基于氢储能的城镇综合能源模型;
S3:收集不同典型日下风速、光照、环境温度等天气数据以及用户电、热、氢负荷数据,电网电费以及天然气价格,能量浪费的惩罚系数以及设备的相关性能参数;
S4:确定目标函数和运行约束条件;
S5:通过Matlab平台建立含氢储能的城镇综合能源系统粒子群算法函数寻优的模型;
S6:提出三种不同场景,在三种不同场景下考察综合能源系统的可靠性以及可再生能源消纳能力。
2.如权利要求1所述的基于氢储能的综合能源系统优化方法,其特征在于:所述步骤S1中还包括以下步骤:
S11:光伏发电输出部分:光伏发电出力受多种因素的影响,如光照强度、环境温度、风速以及自身物理参数均会影响其输出功率,光伏发电理论出力具体计算公式如下:
Figure RE-FDA0003602666090000011
式中:Ppv,t表示光伏系统t时刻实际输出功率,本文功率单位均为kW;Ppv,N表示光伏系统额定功率;fpv表示光伏系统功降系数,表示光伏系统参考条件下实际输出功率与额定输出功率的比值(用于描述光伏板因老化、污渍、雨雪遮盖等引发的功率下降),一般取0.90;Gt表示t时刻光照强度(W/㎡);GSTC表示参考光照强度,取值为1000W/㎡;k表示光伏系统功率温度系数,取值为- 0.47%/℃;Tcell,t表示t时刻光伏电池板实际温度(℃);Tref表示参考测试温度,取值为25℃;
S12:在不考虑风力发电时滞效应与尾流效应的情况下,风力发电机组理论出力可表示为风速的函数,其具体计算公式如下:
Figure RE-FDA0003602666090000021
式中:Pw,t表示小型风电场t时刻实际输出功率;Nw表示小型风机数量;Pw,N表示风电机组额定功率,Vw,t表示t时刻实际风速(m/s);Vsv表示风电机组启动风速,取值为2m/s;VN表示风电机组额定风速;Vco表示风电机组切出风速,取值为25m/s;
S13:提出基于可再生能源出力的CHP运行模式,具体运行方式如下:
在风光出力较小,即风光出力小于电负荷输入功率时,热电联产机组以电定热方式运行,具体计算公式如下式所示:
Figure RE-FDA0003602666090000022
Figure RE-FDA0003602666090000023
在风光出力较大,即风光出力大于电负荷输入功率时,热电联产机组以热定电方式运行,具体计算公式如下式所示:
Figure RE-FDA0003602666090000024
Figure RE-FDA0003602666090000025
式中:PCHPe,t、PCHPh,t分别表示t时刻CHP系统实际电出力及热出力;
Figure RE-FDA0003602666090000026
Figure RE-FDA0003602666090000031
分别表示CHP系统最大电出力及最大热出力;ηee、ηte分别表示CHP系统电效率及热效率,分别取0.35与0.50;PEload,t、PTload,t分别表示t时刻用户电负荷及热负荷;Pfp,t表示综合能源系统t时刻风光出力;
S14:电解池装置运行特性如下式所示
Figure RE-FDA0003602666090000032
日转化氢气总量如下式所示:
Figure RE-FDA0003602666090000033
式中:PEC,t表示电解池装置t时刻输入功率;
Figure RE-FDA0003602666090000034
为电转气装置最大输入功率;AEC表示电转气装置日氢气转化量(kg);
Figure RE-FDA0003602666090000035
为电转气装置t时段内氢气转化量(kg);
S15:储氢罐储氢容量根据日初储氢容量
Figure RE-FDA0003602666090000036
以及电解池日转化氢气总量AEC进行状态更新,计算公式如下式所示:
Figure RE-FDA0003602666090000037
式中:AHST表示储氢罐储氢容量(kg);
Figure RE-FDA0003602666090000038
表示储氢罐充气效率;
天然气储罐储存天然气能够供热电联产机组与燃气锅炉满负荷工作一天,具体容量计算公式如下式所示:
Figure RE-FDA0003602666090000039
式中:ANGST表示天然气储罐容量(kWh);
Figure RE-FDA00036026660900000310
代表CHP系统最大热出力;
S16:电解池装置持续工作且储氢罐容量达到最大时,甲烷化装置开始工作,将电解池产生氢气转化为甲烷输入综合能源系统天然气网络中,其具体运行方式如下式所示:
Figure RE-FDA00036026660900000311
式中:AHM,t表示甲烷化装置t时刻天然气输出量(kg);ηHM表示甲烷化效率,取值为80%;b′表示氢气甲烷化系数,取值为2;
甲烷化装置氢气日消耗量与甲烷日转化量分别如下式所示:
Figure RE-FDA0003602666090000041
Figure RE-FDA0003602666090000042
Figure RE-FDA0003602666090000043
式中:
Figure RE-FDA0003602666090000044
表示甲烷化装置氢气日消耗量(kg);
Figure RE-FDA0003602666090000045
表示甲烷化装置日转化量(kg);ΩH表示满足甲烷化启动的时间集合;
S17:燃气锅炉的数学模型如下:
Pgbh=Pgb·ηgb
其中,Pgbh为燃气锅炉输出热功率;Pgb为燃气锅炉输入天然气功率;ηgb为燃气锅炉效率。
3.如权利要求1所述的基于氢储能的综合能源系统优化方法,其特征在于:所述步骤S4的具体步骤包括:
S41:日系统经济成本
典型日系统经济成本CE最小,与系统建设成本CSC,辅助设备成本Cae,运维成本Com,燃料成本Cf以及外部供能成本Cees相关,具体计算公式如下式所示:
minCE=CSC+Cae+Com+Cf+Cees
其中,系统建设成本计算公式如下式所示:
Figure RE-FDA0003602666090000046
式中:CSC表示综合能源系统日化建设成本($);i表示综合能源系统内部不同设备;N表示设备综述;bie,i表示不同设备的单位建设成本($/kW),Pr,i表示不同设备运行时的额定功率(储气设备为额定容量);η表示通货膨胀率,取值为5%;Sfe,i表示不同设备的使用年限(年)
辅助设备成本计算公式如下式所示:
Cae=bseCsc
式中:Cae表示综合能源系统日化辅助设备成本($);bse表示辅助设备成本系数;综合能源系统辅助设备主要包括交直流逆变器、线缆、管道、智能控制器、储氢罐泄露检测仪以及增压装置等组件,这一部分的投入成本主要由系统结构与容量配置决定的,其等额年值成本与运行状态并无直接关系,计算方式与Csc相同,为简化计算,本文中Cae按照Csc的30%,即bse=0.3进行计算;
运维成本计算公式如下式所示:
Figure RE-FDA0003602666090000051
式中:Com表示综合能源系统日化运维成本($);
Figure RE-FDA0003602666090000052
表示不同设备固定运维成本系数($/kW·年);
Figure RE-FDA0003602666090000053
表示不同设备可变运维成本系数($/kWh);Pi,t表示不同设备在t时刻的实际运行功率;
燃料成本在城镇综合能源系统中计算公式如下式所示:
Figure RE-FDA0003602666090000054
式中:Cf表示综合能源系统燃料成本($);bf表示燃料成本系数,取值为0.25$/kWh;σCH4为甲烷低热值,取值为14Wh/kg;
外部供能成本在城镇综合能源系统中计算公式如下式所示:
Figure RE-FDA0003602666090000061
式中:Cees表示综合能源系统外部供能成本($);beE、beT分别表示外部供电、外部供气成本系数;PEins,t、PTins,t分别表示t时刻供电不足与供热不足;
当光伏出力与CHP系统电出力之和小于系统电负荷,即Pfp,t+PCHPe,t+PEV,t<PEload,t时,出现电能供应不足,部分电负荷需要使用系统外部供应,计算公式如下式所示:
PEins,t=PEload,t-Pfp,t-PCHPe,t-PEV,t
当CHP系统热出力与燃气锅炉出力之和小于系统热负荷,即PCHPh,t+PAB,t<PTload时,出现热能供应不足,部分热能需使用系统外部热能供应,计算公式如下式所示:
PTins,t=PTload-PCHPh,t-PAB,t-PCH4,t
S42:供能可靠性
供能可靠性ηses计算公式如下式所示:
maxηses=α1ηses,E1ηses,T1ηses,H
式中:ηses,E、ηses,T、ηses,H分别表示系统供电可靠性系数、供热可靠性系数以及供氢可靠性系数;α1、β1、γ1表示基于氢储能的系统可靠性系数权重因子,取值分别为0.35、0.35、0.3,下面分别给出系统供电可靠性系数、供热可靠性系数以及供氢可靠性系数的计算公式:
其中,供电可靠性系数具体计算公式如下式所示:
ηses,E=ηies,E·ηt,E
式中:ηies,E表示供电充足率;ηt,E表示供电可靠时间比;
在基于氢储能的家庭综合能源系统中,当风光出力与CHP系统电出力之和小于系统电负荷,即Pfp,t+PCHPe,t<PEload,t时,系统出现供电不足,其计算公式如下式所示:
Figure RE-FDA0003602666090000071
ΩE={t|Pfp,t+PCHPe,t<PEload,t}
供热可靠性系数具体计算公式如下式所示:
ηses,T=ηies,T·ηt,T
式中:ηies,T表示供热充足率;ηt,T表示供热可靠时间比;当CHP热出力与燃气锅炉出力之和小于系统热负荷,即PCHPh,t+PAB,t<PTload,t时,系统出现供热不足,其计算公式如下式所示:
Figure RE-FDA0003602666090000072
ΩT={t|PCHPh,t+PAB,t<PTload,t}
基于氢储能的城镇综合能源系统中,氢能源由多余的风光出力转化而得,供氢稳定系数计算中只包含供氢充足率,具体计算公式如下式所示:
ηses,H=ηies,H
式中,ηies,H表示供氢充足率;当储氢罐日初储氢容量与电解池日转化氢气量之和小于日氢气消耗量,即
Figure RE-FDA0003602666090000073
时,系统出现供氢不足,其计算公式如下式所示:
Figure RE-FDA0003602666090000074
4.如权利要求1所述的基于氢储能的综合能源系统优化方法,其特征在于:所述步骤S5的具体步骤如下:
约束函数的某种组合组成的一个“惩罚”项,加在原来的目标函数上来迫使迭代点逼近可行域,罚函数擅长处理带有约束条件的优化问题;
在一个优化问题<A,f>中,A为满足约束条件的可行解集,f:A→Rn为目标函数,则目标函数最小值minf(x)的求解如下式所示:
Figure RE-FDA0003602666090000081
上式中,gi(x)≥0为约束条件;由于gi(x)≥0不等式约束,等价于等式约束min(0,gi(x))=0;因此可将不等式约束问题转化为如下式所示的等式约束问题:
Figure RE-FDA0003602666090000082
如果令
Figure RE-FDA0003602666090000083
则可将原问题的求解转化为下式所示的求解无约束函数的无约束极小值问题:
Figure RE-FDA0003602666090000084
式中,F(x,M)为罚函数,M为罚因子,为一个正常数,Mp(x)为罚项;当M充当大分时,F(x,M)的最优解能逼近约束问题的最优解;因此,F(x,M)对可行点不实行惩罚,而对非可行点给予很大惩罚,从而将求解约束极值的问题转化为求解无约束极值问题。
5.如权利要求1所述的基于氢储能的综合能源系统优化方法,其特征在于:所述步骤S6的具体步骤如下:
S61:一类场景:在全年风光数据中,分别选取风速和光照强度均值,对应春、秋季典型日城镇负荷,以考察综合能源系统正常条件下的运行特性;
S62:二类场景:在全年风光数据中,分别选取风速和光照强度最小值,对应夏季典型日城镇负荷,即可再生能源出力较小而电负荷相对较大的情况下对系统进行优化容量配置,以考察综合能源系统的供能可靠性;
S63:三类场景:在全年风光数据中,分别选取风速和光照最大值,对应冬季典型日城镇负荷,即在可再生能源出力较大而电负荷相对较小的情况下对系统进行优化容量配置,以考察综合能源系统的可再生能源消纳能力。
CN202111342106.6A 2021-11-12 2021-11-12 基于氢储能的综合能源系统优化方法 Pending CN114595619A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111342106.6A CN114595619A (zh) 2021-11-12 2021-11-12 基于氢储能的综合能源系统优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111342106.6A CN114595619A (zh) 2021-11-12 2021-11-12 基于氢储能的综合能源系统优化方法

Publications (1)

Publication Number Publication Date
CN114595619A true CN114595619A (zh) 2022-06-07

Family

ID=81804012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111342106.6A Pending CN114595619A (zh) 2021-11-12 2021-11-12 基于氢储能的综合能源系统优化方法

Country Status (1)

Country Link
CN (1) CN114595619A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115238505A (zh) * 2022-07-27 2022-10-25 国网山东省电力公司枣庄供电公司 基于风光场站的热电氢联供型系统优化配置方法及系统
CN115374999A (zh) * 2022-07-06 2022-11-22 国网浙江省电力有限公司丽水供电公司 一种适用制氢设备启停特性的水电制氢优化配置方法
CN116307021A (zh) * 2022-10-08 2023-06-23 中国大唐集团科学技术研究总院有限公司 一种新能源制氢系统的多目标能量管理方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115374999A (zh) * 2022-07-06 2022-11-22 国网浙江省电力有限公司丽水供电公司 一种适用制氢设备启停特性的水电制氢优化配置方法
CN115238505A (zh) * 2022-07-27 2022-10-25 国网山东省电力公司枣庄供电公司 基于风光场站的热电氢联供型系统优化配置方法及系统
CN115238505B (zh) * 2022-07-27 2024-02-13 国网山东省电力公司枣庄供电公司 基于风光场站的热电氢联供型系统优化配置方法及系统
CN116307021A (zh) * 2022-10-08 2023-06-23 中国大唐集团科学技术研究总院有限公司 一种新能源制氢系统的多目标能量管理方法
CN116307021B (zh) * 2022-10-08 2024-03-22 中国大唐集团科学技术研究总院有限公司 一种新能源制氢系统的多目标能量管理方法

Similar Documents

Publication Publication Date Title
CN108537409B (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
Wang et al. Hydrogen fuel and electricity generation from a new hybrid energy system based on wind and solar energies and alkaline fuel cell
Liu et al. Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community
CN109919399B (zh) 一种综合能源系统日前经济调度方法及系统
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
CN114595619A (zh) 基于氢储能的综合能源系统优化方法
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
Ghenai et al. Design and optimization of grid-tied and off-grid solar PV systems for super-efficient electrical appliances
Zhang et al. Integrated performance optimization of a biomass-based hybrid hydrogen/thermal energy storage system for building and hydrogen vehicles
Fan et al. Two-layer collaborative optimization for a renewable energy system combining electricity storage, hydrogen storage, and heat storage
Li et al. Capacity design of a distributed energy system based on integrated optimization and operation strategy of exergy loss reduction
CN114092277A (zh) 柔性区域综合能源系统冷热气电联供调度方法和系统
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
Wu et al. Collaborative optimization method and energy-saving, carbon-abatement potential evaluation for nearly-zero energy community supply system with different scenarios
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN109255487A (zh) 一种基于标准化矩阵模型的综合能源系统优化方法
CN112446616B (zh) 园区型综合能源系统优化运行策略与负荷特性建模方法
Ma et al. Performance optimization of phase change energy storage combined cooling, heating and power system based on GA+ BP neural network algorithm
CN114997662A (zh) 含电动车充电桩的区域分布式多能源系统低碳规划方法
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
CN110705804A (zh) 一种考虑多类型热泵的多能微网效率效益评估方法
CN114759610B (zh) 一种基于风光虚拟同步机的风光燃储综合能源系统
Ma et al. Optimization of Integrated Energy System Scheduling Considering Stepped Carbon Emission Trading Mechanism and Electricity Heat Demand Response
Liu et al. Optimal operation of regional integrated energy system considering energy storage and conversion
Zhao et al. Optimal Capacity Allocation of Integrated Energy System Considering Multiple Uncertainties

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