CN114723136A - 计及光热电站镜场面积和储热容量的优化运行方法 - Google Patents

计及光热电站镜场面积和储热容量的优化运行方法 Download PDF

Info

Publication number
CN114723136A
CN114723136A CN202210364647.7A CN202210364647A CN114723136A CN 114723136 A CN114723136 A CN 114723136A CN 202210364647 A CN202210364647 A CN 202210364647A CN 114723136 A CN114723136 A CN 114723136A
Authority
CN
China
Prior art keywords
representing
heat storage
power station
photo
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210364647.7A
Other languages
English (en)
Other versions
CN114723136B (zh
Inventor
胡博
温力力
谢开贵
周平
唐文左
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.)
Chongqing University
Economic and Technological Research Institute of State Grid Chongqing Electric Power Co Ltd
Original Assignee
Chongqing University
Economic and Technological Research Institute of State Grid Chongqing 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 Chongqing University, Economic and Technological Research Institute of State Grid Chongqing Electric Power Co Ltd filed Critical Chongqing University
Priority to CN202210364647.7A priority Critical patent/CN114723136B/zh
Publication of CN114723136A publication Critical patent/CN114723136A/zh
Application granted granted Critical
Publication of CN114723136B publication Critical patent/CN114723136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial 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]
    • 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
    • G06Q10/067—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
    • H02J3/008—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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)

Abstract

本发明具体涉及计及光热电站镜场面积和储热容量的优化运行方法，包括：基于光热电站的光电容量比、储热时间以及系统负荷削减的负荷损失费用，结合电热耦合系统最优负荷削减模型和光热电站多状态可靠性模型，建立考虑光热电站镜场面积和储热容量的优化配置模型；通过层次聚类法对光热电站的太阳直射辐射数据即DNI数据进行聚类处理；通过粒子群算法结合聚类后的DNI数据求解考虑光热电站镜场面积和储热容量的优化配置模型，得到对应的模型最优解结果，进而将模型最优解结果应用于光热电站的优化运行。本发明将光热电站镜场面积和储热容量参数纳入运行优化规划中，进而能够在保证系统运行经济性的基础上考虑光热电站参数对系统整体可靠性的影响。

Description

计及光热电站镜场面积和储热容量的优化运行方法
技术领域
本发明涉及光热发电技术领域，具体涉及计及光热电站镜场面积和储热容量的优化运行方法。
背景技术
太阳能因其广泛性和充足性而处于可再生能源发展的重要位置，同时，光热发电也是未来可再生能源规模化发电的重要基础之一。纵观光热发电技术三十多年来的发展历程，其在聚光跟踪、集热、传输、存储、转换等环节都取得了长足的进步，正朝着产业化和规模化发展。但是，由于起步较晚，商业化并不普遍，光热电站仍面临着高额的投资成本。因此，为了提高光热电站的经济可行性，对光热电站各子系统进行合理规划对场站本身及系统的经济运行具有重要意义。
针对光热电站运行优化的问题，公开号为CN110994698A的中国专利公开了《一种太阳能光伏-光热联合发电系统优化运行方法》，其利用热量在光热电站内部各部分的平衡机理来建立光热电站的发电模型，并在此基础上建立光伏-光热联合发电模型，构建太阳能光伏-光热联合发电优化运行调度策略，能够计及太阳能能源消纳最多、净负荷波动程度最小以及电力系统运维成本最少。
上述现有方案中的发电系统优化运行方法是一种以光伏-光热联合系统收益最大且跟随负荷能力最强为目标的优化运行方法。但申请人发现，上述现有方案以及其他现有方案，基本以考虑自身收益的场站级层面或系统综合运行收益的系统级层面进行规划，其一般从系统收益的不同角度考虑了光热电站对系统运行的经济性影响，而未考虑规划参数对系统可靠性的影响，也就是说，现有方案对光热电站运行优化的考虑不够全面。因此，如何设计一种能够同时提高系统运行经济性和运行可靠性的优化运行方法是亟需解决的技术问题。
发明内容
针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种计及光热电站镜场面积和储热容量的优化运行方法，以将光热电站镜场面积和储热容量参数纳入运行优化规划中，进而能够在保证系统运行经济性的基础上考虑光热电站参数对系统整体可靠性的影响，从而能够同时提高系统运行经济性和运行可靠性。
为了解决上述技术问题，本发明采用了如下的技术方案：
计及光热电站镜场面积和储热容量的优化运行方法，包括以下步骤：
S1：基于光热电站的光电容量比、储热时间以及系统负荷削减的负荷损失费用，结合电热耦合系统最优负荷削减模型和光热电站多状态可靠性模型，建立考虑光热电站镜场面积和储热容量的优化配置模型；
S2：通过层次聚类法对光热电站的太阳直射辐射数据即DNI数据进行聚类处理；
S3：通过粒子群算法结合聚类后的DNI数据求解考虑光热电站镜场面积和储热容量的优化配置模型，得到对应的模型最优解结果，进而将模型最优解结果应用于光热电站的优化运行。
优选的，步骤S1中，考虑光热电站镜场面积和储热容量的优化配置模型，以光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和最小为目标函数；
考虑光热电站镜场面积和储热容量的优化配置模型表示为：
Figure BDA0003585367140000021
Figure BDA0003585367140000022
Figure BDA0003585367140000023
Figure BDA0003585367140000024
Figure BDA0003585367140000025
式中：F表示目标函数，即光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和；ICSF表示SF投资成本等年值；ICTES表示TES投资成本等年值；ωy表示年化系数；Nstate表示一阶故障场景数；
Figure BDA0003585367140000026
表示场景ns的概率；
Figure BDA0003585367140000027
和
Figure BDA0003585367140000028
分别表示场景ns下的常规火电机组燃料成本、热电机组燃料成本、EH装置使用成本及负荷损失成本；ISF表示SF投资价格；ITES表示TES投资价格；Crf表示年化率；r表示贴现率；Y表示研究周期年数；Ai和Uj分别表示元件i、j的可用率和不可用率；Ωsa表示正常工作元件集；Ωsu表示故障元件集；
Figure BDA0003585367140000029
表示光热电站发电功率上限；
Figure BDA00035853671400000210
表示光热电站供热功率上限；ASF表示镜场面积；SM表示光电容量比；ηSF和ηPB分别表示光热转换效率和热电转换效率；RDNI表示标准DNI值；Emax表示蓄热罐容量上限；HTES表示储热时间；ηd表示放热效率。
优选的，步骤S1中，考虑光热电站镜场面积和储热容量的优化配置模型的约束条件包括但不限于光热电站约束、热电机组约束、其他设备约束和系统功率平衡约束。
优选的，光热电站约束包括光热电站集热子系统约束、光热电站换热和发电子系统约束以及光热电站储热约束；
光热电站集热子系统约束表示为：
Figure BDA0003585367140000031
Figure BDA0003585367140000032
Figure BDA0003585367140000033
式中：
Figure BDA0003585367140000034
表示t时刻能够利用的太阳辐射热能；
Figure BDA0003585367140000035
表示t时刻镜场输出的热能；
Figure BDA0003585367140000036
表示t时刻镜场弃光量；
Figure BDA0003585367140000037
表示t时刻集热子系统运行状态；ASF表示镜场面积；ηSF表示光热转换效率；
光热电站换热和发电子系统约束表示为：
Figure BDA0003585367140000038
Figure BDA0003585367140000039
Figure BDA00035853671400000310
Figure BDA00035853671400000311
式中：
Figure BDA00035853671400000312
表示t时刻镜场输出的热能；
Figure BDA00035853671400000313
表示t时刻储热量；
Figure BDA00035853671400000314
表示t时刻放热量；
Figure BDA00035853671400000315
表示t时刻发电模块接收热能；
Figure BDA00035853671400000316
表示t时刻光热电站发电功率；
Figure BDA00035853671400000317
表示t时刻光热电站供热功率；
Figure BDA00035853671400000318
表示光热电站发电功率上限；
Figure BDA00035853671400000319
表示光热电站供热功率上限；
Figure BDA00035853671400000320
和
Figure BDA00035853671400000321
分别表示t时刻换热子系统和发电子系统的运行状态；
Figure BDA00035853671400000322
表示t时刻的PB启停状态；PSU表示发电模块启动所需热能；ηPB表示热电转换效率；
光热电站储热约束表示为：
Figure BDA00035853671400000323
Figure BDA0003585367140000041
Figure BDA0003585367140000042
Figure BDA0003585367140000043
Emin≤Et≤Emax；
ET＝Et0；
式中：
Figure BDA0003585367140000044
表示t时刻蓄热罐侧储热量；
Figure BDA0003585367140000045
表示t时刻储热量；
Figure BDA0003585367140000046
表示t时刻蓄热罐侧放热量；
Figure BDA0003585367140000047
表示蓄热罐储/放热上限；ET表示模拟周期结束时蓄热罐的热量；Et0表示模拟周期开始时蓄热罐的热量；
Figure BDA0003585367140000048
表示光热电站储热和放热不能同时进行；ET＝Et0表示在光热电站蓄热罐在模拟周期始末储热量保持不变；Et表示t时刻蓄热罐内的热量；Emin表示蓄热罐容量下限值；Emax表示蓄热罐容量上限值；ηc和ηd分别表示储热效率和放热效率；ηTES表示储热罐的转换效率。
优选的，热电机组约束表示为：
Figure BDA0003585367140000049
Figure BDA00035853671400000410
Figure BDA00035853671400000411
Figure BDA00035853671400000412
式中：
Figure BDA00035853671400000413
表示热电机组k的背压运行弹性系数；rk为常数，
Figure BDA00035853671400000414
表示t时刻热电机组k的运行状态；
Figure BDA00035853671400000415
表示热电机组k在纯凝工况下t时刻的发电功率；
Figure BDA00035853671400000416
表示热电机组k的cv值；
Figure BDA00035853671400000417
表示热电机组k在t时刻的供热功率；
Figure BDA00035853671400000418
表示热电机组k在t时刻的发电功率；
Figure BDA00035853671400000419
和
Figure BDA00035853671400000420
分别表示t时刻第k台热电机组在纯凝工况下发电功率下限值和上限值。
优选的，其他设备约束表示为：
Figure BDA00035853671400000421
Figure BDA00035853671400000422
Figure BDA0003585367140000051
式中：
Figure BDA0003585367140000052
表示常规机组k的出力上限；
Figure BDA0003585367140000053
表示t时刻常规机组k的运行状态；ηEH表示EH装置的转换效率；
Figure BDA0003585367140000054
表示t时刻EH装置输出的热功率；
Figure BDA0003585367140000055
表示EH装置转换功率上限；
Figure BDA0003585367140000056
表示t时刻EH装置输出的发电功率；
Figure BDA0003585367140000057
表示常规机组k的出力。
优选的，系统功率平衡约束包括系统功率平衡约束1、系统功率平衡约束2、和系统功率平衡约束3；
系统功率平衡约束1表示为：
Figure BDA0003585367140000058
Figure BDA0003585367140000059
Figure BDA00035853671400000510
式中：
Figure BDA00035853671400000511
表示t时刻系统提供的电功率；
Figure BDA00035853671400000512
表示t时刻系统向常年性热负荷提供的热功率；
Figure BDA00035853671400000513
表示t时刻系统向季节性热负荷提供的热功率；
Figure BDA00035853671400000514
表示t时刻光热电站发电功率；
Figure BDA00035853671400000515
表示t时刻光热电站供热功率；
Figure BDA00035853671400000516
表示t时刻EH装置输出的发电功率；
Figure BDA00035853671400000517
表示t时刻EH装置输出的热功率；
Figure BDA00035853671400000518
表示常规机组k的出力；KCHP表示热电机组数量；Kgen表示常规机组数量；
Figure BDA00035853671400000519
表示热电机组k在t时刻的供热功率；
Figure BDA00035853671400000520
表示热电机组k在t时刻的发电功率；cw表示工质水的比热容；m表示管道内热水工质流量；
Figure BDA00035853671400000521
和
Figure BDA00035853671400000522
分别表示t时刻供水管道入口温度和回水管道的出口温度；
系统功率平衡约束2表示为：
Figure BDA00035853671400000523
Figure BDA00035853671400000524
Figure BDA00035853671400000525
Figure BDA00035853671400000526
Figure BDA00035853671400000527
Figure BDA0003585367140000061
式中：
Figure BDA0003585367140000062
表示t时刻系统电负荷削减量；
Figure BDA0003585367140000063
表示t时刻系统提供的电功率；
Figure BDA0003585367140000064
表示t时刻系统的电负荷大小；
Figure BDA0003585367140000065
表示t时刻系统热负荷削减量；
Figure BDA0003585367140000066
表示t时刻系统向常年性热负荷提供的热功率；
Figure BDA0003585367140000067
表示t时刻系统的热负荷大小；
系统功率平衡约束3表示为：
Figure BDA0003585367140000068
Figure BDA0003585367140000069
Figure BDA00035853671400000610
Figure BDA00035853671400000611
式中：
Figure BDA00035853671400000612
表示供水管道水温下限；
Figure BDA00035853671400000613
表示供水管道水温上限；
Figure BDA00035853671400000614
表示回水管道水温下限；
Figure BDA00035853671400000615
表示回水管道水温上限；
Figure BDA00035853671400000616
和
Figure BDA00035853671400000617
分别表示t时刻供水管道的入口温度和回水管道的出口温度。
优选的，步骤S2中，具体包括以下步骤：
S201：将DNI数据转换为DNI向量，并将DNI向量各自作为一个DNI类，即每个DNI类仅对应一个DNI向量；
S202：计算不同DNI类之间的距离，并把距离最近的DNI类合并为一个新DNI类；
S203：计算新DNI类之间的距离，并合并距离最近的DNI类，每次减少一个DNI类；
S204：判断DNI类的类别数是否达到预设要求或所有DNI向量是否被合并为一个DNI类：若是，则完成聚类；否则，返回步骤S202。
优选的，步骤S3中，具体包括以下步骤：
S301：初始化粒子群算法的迭代次数md＝1，确定种群规模与最大迭代次数M，随机初始化粒子的优化速度和位置，即光热电站的光电容量比和储热时间；
S302：计算初始粒子的适应值F(pg)，得到初始粒子的个体最优值和种群的全局最优值；其中，适应值F(pg)表示考虑光热电站镜场面积和储热容量的优化配置模型的目标函数值；
S303：每一个粒子根据历史数据更新自身优化速度和位置；
S304：基于各个粒子的优化速度和位置计算更新适应值F(pg)，得到各个粒子的个体最优值和种群的全局最优值；
S305：判断md是否达到最大迭代次数M：若是，则基于个体最优值和种群的全局最优值选取最优适应值的粒子pg及其适应值F(pg)作为模型最优解结果；否则，令md＝md+1，并返回步骤S303。
优选的，步骤S301中，设初始种群具有N个粒子，第i个粒子的初始位置Xi＝(xi1,xi2)i＝1,2,…,N；第i个粒子的初始优化速度Vi＝(vi1,vi2)i＝1,2,…,N；
步骤S302中，第i个粒子的自身历史最优位置即个体最优值pi＝(pi1,pi2)i＝1,2,…,N；在所有粒子中，具有最优适应值的粒子记为pg，其位置则为全局最优值pgi＝(pg1,pg2)；
步骤S303中，更新粒子优化速度的公式为vid＝ω·vid+c1r1(pid-xid)+c2r2(pgd-xid)d＝1,2；
式中：d表示粒子i的第d维，d＝1表示光电容量比SM，d＝2表示储热时间HTES；ω表示惯性权重；c1和c2表示学习因子，取值为[0,4]；r1和r2为两个[0,1]范围内相互独立的均匀随机数；vid表示优化速度；pid表示第i个粒子位置的坐标；xid表示第i个粒子的初始位置向量；pgd表示最优适应值粒子的坐标。
本发明中计及光热电站镜场面积和储热容量的优化运行方法，具有如下有益效果：
本发明基于光热电站的光电容量比、储热时间以及系统负荷削减的负荷损失费用结合电热耦合系统最优负荷削减模型和光热电站多状态可靠性模型，建立了考虑光热电站镜场面积和储热容量的优化配置模型，并且优化配置模型能够以光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和最小为目标函数，使得能够有效的将光热电站镜场面积和储热容量参数纳入运行优化规划中，进而能够在保证系统运行经济性的基础上，进一步考虑光热电站参数对系统整体可靠性的影响，从而能够同时提高系统运行经济性和运行可靠性，并为含光热电站的综合能源系统的可靠安全运行或规划提供更为可靠的依据。
本发明通过层次聚类法对光热电站的DNI数据进行聚类处理，使得能够减轻模型解算时的负担，从而能够提高光热电站优化运行时的效率。
本发明通过粒子群算法结合聚类后的DNI数据求解优化配置模型得到对应的模型最优解结果并应用于光热电站的优化运行，使得能够准确、有效的解算优化配置模型，从而能够提高光热电站优化运时的准确性。
本发明通过实验验证了优化配置模型及其解算方法的经济性和有效性，并且实验结果表明，本发明的方案与不考虑负荷损失成本光电容量比和储热时间的方案相比，优化后的光电容量比和储热时间参数更加适宜于电热耦合系统模型建设。
附图说明
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为计及光热电站镜场面积和储热容量优化运行方法的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细的说明：
实施例：
本实施例中公开了一种计及光热电站镜场面积和储热容量的优化运行方法。
如图1所示，计及光热电站镜场面积和储热容量的优化运行方法，包括以下步骤：
S1：基于光热电站的光电容量比、储热时间以及系统负荷削减的负荷损失费用，结合电热耦合系统最优负荷削减模型和光热电站多状态可靠性模型，建立考虑光热电站镜场面积和储热容量的优化配置模型；本实施例中，考虑光热电站镜场面积和储热容量的优化配置模型，以光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和最小为目标函数。
S2：通过层次聚类法对光热电站的太阳直射辐射数据即DNI(Direct NormalIrradiation)数据进行聚类处理；
S3：通过粒子群(Particle Swarm Optimization,PSO)算法结合聚类后的DNI数据求解考虑光热电站镜场面积和储热容量的优化配置模型，得到对应的模型最优解结果，进而将模型最优解结果应用于光热电站的优化运行。本实施例中，将模型最优解结果应用于光热电站的优化运行是指，基于模型最优解结果对应的参数去设置光热电站的对应参数，进而运行光热电站。
本发明基于光热电站的光电容量比、储热时间以及系统负荷削减的负荷损失费用结合电热耦合系统最优负荷削减模型和光热电站多状态可靠性模型，建立了考虑光热电站镜场面积和储热容量的优化配置模型，并且优化配置模型能够以光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和最小为目标函数，使得能够有效的将光热电站镜场面积和储热容量参数纳入运行优化规划中，进而能够在保证系统运行经济性的基础上，进一步考虑光热电站参数对系统整体可靠性的影响，从而能够同时提高系统运行经济性和运行可靠性，并为含光热电站的综合能源系统的可靠安全运行或规划提供更为可靠的依据。其次，本发明通过层次聚类法对光热电站的DNI数据进行聚类处理，使得能够减轻模型解算时的负担，从而能够提高光热电站优化运行时的效率。进一步的，本发明通过粒子群算法结合聚类后的DNI数据求解优化配置模型得到对应的模型最优解结果并应用于光热电站的优化运行，使得能够准确、有效的解算优化配置模型，从而能够提高光热电站优化运时的准确性。最后，本发明通过实验验证了优化配置模型及其解算方法的经济性和有效性，并且实验结果表明，本发明的方案与不考虑负荷损失成本光电容量比和储热时间的方案相比，优化后的光电容量比和储热时间参数更加适宜于电热耦合系统模型建设。
具体实施过程中，考虑光热电站镜场面积和储热容量的优化配置模型表示为：
Figure BDA0003585367140000091
Figure BDA0003585367140000092
Figure BDA0003585367140000093
Figure BDA0003585367140000094
Figure BDA0003585367140000095
式中：F表示目标函数，即光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和；ICSF表示SF投资成本等年值；ICTES表示TES投资成本等年值；ωy表示年化系数；Nstate表示一阶故障场景数；
Figure BDA0003585367140000096
表示场景ns的概率；
Figure BDA0003585367140000097
和
Figure BDA0003585367140000098
分别表示场景ns下的常规火电机组燃料成本、热电机组燃料成本、EH装置使用成本及负荷损失成本；ISF表示SF投资价格；ITES表示TES投资价格；Crf表示年化率；r表示贴现率；Y表示研究周期年数；Ai和Uj分别表示元件i、j的可用率和不可用率；Ωsa表示正常工作元件集；Ωsu表示故障元件集；
Figure BDA0003585367140000099
表示光热电站发电功率上限；
Figure BDA00035853671400000910
表示光热电站供热功率上限；ASF表示镜场面积；SM表示光电容量比；ηSF和ηPB分别表示光热转换效率和热电转换效率；RDNI表示标准DNI值；Emax表示蓄热罐容量上限；HTES表示储热时间；ηd表示放热效率。
具体实施过程中，考虑光热电站镜场面积和储热容量的优化配置模型的约束条件包括但不限于光热电站约束、热电机组约束、其他设备约束和系统功率平衡约束。
光热电站运行过程涉及三个子系统的相互协调配合，因此光热电站约束包括光热电站集热子系统约束、光热电站换热和发电子系统约束以及光热电站储热约束；
光热电站集热子系统约束表示为：
Figure BDA0003585367140000101
Figure BDA0003585367140000102
Figure BDA0003585367140000103
式中：
Figure BDA0003585367140000104
表示t时刻能够利用的太阳辐射热能；
Figure BDA0003585367140000105
表示t时刻镜场输出的热能；
Figure BDA0003585367140000106
表示t时刻镜场弃光量；
Figure BDA0003585367140000107
表示t时刻集热子系统运行状态(“1”代表正常运行，“0”代表故障)；ASF表示镜场面积；ηSF表示光热转换效率；
光热电站换热和发电子系统约束表示为：
Figure BDA0003585367140000108
Figure BDA0003585367140000109
Figure BDA00035853671400001010
Figure BDA00035853671400001011
式中：
Figure BDA00035853671400001012
表示t时刻镜场输出的热能；
Figure BDA00035853671400001013
表示t时刻储热量；
Figure BDA00035853671400001014
表示t时刻放热量；
Figure BDA00035853671400001015
表示t时刻发电模块接收热能；
Figure BDA00035853671400001016
表示t时刻光热电站发电功率；
Figure BDA00035853671400001017
表示t时刻光热电站供热功率；
Figure BDA00035853671400001018
表示光热电站发电功率上限；
Figure BDA00035853671400001019
表示光热电站供热功率上限；
Figure BDA00035853671400001020
和
Figure BDA00035853671400001021
分别表示t时刻换热子系统和发电子系统的运行状态(“1”代表正常运行，“0”代表故障)；
Figure BDA00035853671400001022
表示t时刻的PB启停状态；PSU表示发电模块启动所需热能；ηPB表示热电转换效率；
光热电站储热约束表示为：
Figure BDA00035853671400001023
Figure BDA00035853671400001024
Figure BDA0003585367140000111
Figure BDA0003585367140000112
Emin≤Et≤Emax；
ET＝Et0；
式中：
Figure BDA0003585367140000113
表示t时刻蓄热罐侧储热量；
Figure BDA0003585367140000114
表示t时刻储热量；
Figure BDA0003585367140000115
表示t时刻蓄热罐侧放热量；
Figure BDA0003585367140000116
表示蓄热罐储/放热上限；ET表示模拟周期结束时蓄热罐的热量；Et0表示模拟周期开始时蓄热罐的热量；
Figure BDA0003585367140000117
表示光热电站储热和放热不能同时进行；ET＝Et0表示在光热电站蓄热罐在模拟周期始末储热量保持不变；Et表示t时刻蓄热罐内的热量；Emin表示蓄热罐容量下限值；Emax表示蓄热罐容量上限值；ηc和ηd分别表示储热效率和放热效率；ηTES表示储热罐的转换效率。
热电机组约束表示为：
Figure BDA0003585367140000118
Figure BDA0003585367140000119
Figure BDA00035853671400001110
Figure BDA00035853671400001111
式中：
Figure BDA00035853671400001112
表示热电机组k的背压运行弹性系数；rk为常数，
Figure BDA00035853671400001113
表示t时刻热电机组k的运行状态；
Figure BDA00035853671400001114
表示热电机组k在纯凝工况下t时刻的发电功率；
Figure BDA00035853671400001115
表示热电机组k的cv值；
Figure BDA00035853671400001116
表示热电机组k在t时刻的供热功率；
Figure BDA00035853671400001117
表示热电机组k在t时刻的发电功率；
Figure BDA00035853671400001118
和
Figure BDA00035853671400001122
分别表示t时刻第k台热电机组在纯凝工况下发电功率下限值和上限值。
其他设备约束(包括常规发电机组出力约束和EH装置相关约束)表示为：
Figure BDA00035853671400001119
Figure BDA00035853671400001120
Figure BDA00035853671400001121
式中：
Figure BDA0003585367140000121
表示常规机组k的出力上限；
Figure BDA0003585367140000122
表示t时刻常规机组k的运行状态；ηEH表示EH装置的转换效率；
Figure BDA0003585367140000123
表示t时刻EH装置输出的热功率；
Figure BDA0003585367140000124
表示EH装置转换功率上限；
Figure BDA0003585367140000125
表示t时刻EH装置输出的发电功率；
Figure BDA0003585367140000126
表示常规机组k的出力。
具体实施过程中，系统功率平衡约束包括系统功率平衡约束1、系统功率平衡约束2、和系统功率平衡约束3；
系统功率平衡约束1(包括系统电功率平衡约束和系统热功率平衡约束)表示为：
Figure BDA0003585367140000127
Figure BDA0003585367140000128
Figure BDA0003585367140000129
式中：
Figure BDA00035853671400001210
表示t时刻系统提供的电功率；
Figure BDA00035853671400001211
表示t时刻系统向常年性热负荷提供的热功率；
Figure BDA00035853671400001212
表示t时刻系统向季节性热负荷提供的热功率；
Figure BDA00035853671400001213
表示t时刻光热电站发电功率；
Figure BDA00035853671400001214
表示t时刻光热电站供热功率；
Figure BDA00035853671400001215
表示t时刻EH装置输出的发电功率；
Figure BDA00035853671400001216
表示t时刻EH装置输出的热功率；
Figure BDA00035853671400001217
表示常规机组k的出力；KCHP表示热电机组数量；Kgen表示常规机组数量；
Figure BDA00035853671400001218
表示热电机组k在t时刻的供热功率；
Figure BDA00035853671400001219
表示热电机组k在t时刻的发电功率；cw表示工质水的比热容；m表示管道内热水工质流量；
Figure BDA00035853671400001220
和
Figure BDA00035853671400001221
分别表示t时刻供水管道入口温度和回水管道的出口温度；
系统功率平衡约束2表示为：
Figure BDA00035853671400001222
Figure BDA00035853671400001223
Figure BDA00035853671400001224
Figure BDA00035853671400001225
Figure BDA00035853671400001226
Figure BDA00035853671400001227
式中：
Figure BDA0003585367140000131
表示t时刻系统电负荷削减量；
Figure BDA0003585367140000132
表示t时刻系统提供的电功率；
Figure BDA0003585367140000133
表示t时刻系统的电负荷大小；
Figure BDA0003585367140000134
表示t时刻系统热负荷削减量；
Figure BDA0003585367140000135
表示t时刻系统向常年性热负荷提供的热功率；
Figure BDA0003585367140000136
表示t时刻系统的热负荷大小；
系统功率平衡约束3表示为：
Figure BDA0003585367140000137
Figure BDA0003585367140000138
Figure BDA0003585367140000139
Figure BDA00035853671400001310
式中：
Figure BDA00035853671400001311
表示供水管道水温下限；
Figure BDA00035853671400001312
表示供水管道水温上限；
Figure BDA00035853671400001313
表示回水管道水温下限；
Figure BDA00035853671400001314
表示回水管道水温上限；
Figure BDA00035853671400001315
和
Figure BDA00035853671400001316
分别表示t时刻供水管道的入口温度和回水管道的出口温度。
本发明中考虑光热电站镜场面积和储热容量的优化配置模型，基于光热电站的光电容量比、储热时间以及系统负荷削减的负荷损失费用结合电热耦合系统最优负荷削减模型和光热电站多状态可靠性模型建立，并且能够以光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和最小为目标函数，使得能够有效的将光热电站镜场面积和储热容量参数纳入运行优化规划中，进而能够在保证系统运行经济性的基础上，进一步考虑光热电站参数对系统整体可靠性的影响，从而能够同时提高系统运行经济性和运行可靠性。
步骤S2中，具体包括以下步骤：
S201：将DNI数据转换为DNI向量，并将DNI向量各自作为一个DNI类，即每个DNI类仅对应一个DNI向量；
S202：计算不同DNI类之间的距离，并把距离最近的DNI类合并为一个新DNI类；
S203：计算新DNI类之间的距离，并合并距离最近的DNI类，每次减少一个DNI类；
S204：判断DNI类的类别数是否达到预设要求或所有DNI向量是否被合并为一个DNI类：若是，则完成聚类；否则，返回步骤S202。
本实施例中，使用四个典型周来代表全年水平，对全年的以周为单位的DNI数据进行聚类处理，分为四类，然后选择四类的类重心作为典型周以匹配模型周期。
采用层次聚类法对DNI数据进行聚类时首先需要定义观测点即各DNI向量之间的距离和不同DNI类之间的距离。观测点之间的距离通常采用欧氏距离；类与类之间的距离通常采用利用了所有观测点数据信息的类平均法。本发明定义不同DNI类之间的平方距离为类中所有DNI向量之间平方距离和的均值，即类DI和类DJ之间的平方距离为：
Figure BDA0003585367140000141
式中：GIJ表示DNI类DI和DNI类DJ之间的距离；nI、nJ分别表示DNI类DI和DNI类DJ中的DNI周数(观测点数量)；dij表示DNI向量xi和DNI向量xj之间的距离。
在其他优选实施例中，也可采用现有的层次聚类法实现DNI数据的聚类处理。
本发明通过层次聚类法对光热电站的DNI数据进行聚类处理，使得能够减轻模型解算时的负担，从而能够提高光热电站优化运行时的效率。
粒子群算法的基本思想是以随机解作为初始群体，以适应值作为品质评价标准，通过群体中个体之间的合作共享不断迭代，改变自身的搜索模式，追随当前最优值来寻找全局最优解。步骤S3中，具体包括以下步骤：
S301：初始化粒子群算法的迭代次数md＝1，确定种群规模与最大迭代次数M，随机初始化粒子的优化速度和位置，即光热电站的光电容量比和储热时间；
本实施例中，设初始种群具有N个粒子，第i个粒子的初始位置Xi＝(xi1,xi2)i＝1,2,…,N；第i个粒子的初始优化速度Vi＝(vi1,vi2)i＝1,2,…,N；
S302：计算初始粒子的适应值F(pg)，得到初始粒子的个体最优值和种群的全局最优值；其中，适应值F(pg)表示考虑光热电站镜场面积和储热容量的优化配置模型的目标函数值；
本实施例中，第i个粒子的自身历史最优位置即个体最优值pi＝(pi1,pi2)i＝1,2,…,N；在所有粒子中，具有最优适应值的粒子记为pg，其位置则为全局最优值pgi＝(pg1,pg2)；
S303：每一个粒子根据历史数据更新自身优化速度和位置；
本实施例中，通过现有粒子群算法中更新粒子位置的方式实现粒子位置的更新。
更新粒子优化速度的公式为vid＝ω·vid+c1r1(pid-xid)+c2r2(pgd-xid)d＝1,2；
式中：d表示粒子i的第d维，d＝1表示光电容量比SM，d＝2表示储热时间HTES；ω表示惯性权重；c1和c2表示学习因子，取值为[0,4]；r1和r2为两个[0,1]范围内相互独立的均匀随机数；vid表示优化速度；pid表示第i个粒子位置的坐标；xid表示第i个粒子的初始位置向量；pgd表示最优适应值粒子的坐标。
S304：基于各个粒子的优化速度和位置计算更新适应值F(pg)，得到各个粒子的个体最优值和种群的全局最优值；
S305：判断md是否达到最大迭代次数M：若是，则基于个体最优值和种群的全局最优值选取最优适应值的粒子pg及其适应值F(pg)作为模型最优解结果；否则，令md＝md+1，并返回步骤S303。
在其他优选实施例中，也可采用现有的粒子群算法解算优化配置模型。
本发明通过粒子群算法结合聚类后的DNI数据求解优化配置模型得到对应的模型最优解结果并应用于光热电站的优化运行，使得能够准确、有效的解算优化配置模型，从而能够提高光热电站优化运时的准确性。
为了更好的说明本发明技术方案的优势，本实施例中公开了如下实验。
本实验将考虑光热电站镜场面积和储热容量的优化配置模型应用于含光热电站的电热耦合系统，所有分析均使用MATLAB 2018a在Inter Core i5-6600 3.3GHz的处理器、内存16GB的计算机上进行计算分析，并采用Gurobi 9.1.0进行求解。
该电热耦合系统包含1个光热电站、2台热电机组、11台常规火电机组和1个EH装置。
光热电站技术参数见表1；热电机组相关参数见表2；常规机组相关参数见表3；负荷周和季节调整系数见表4。
表1 光热电站技术参数
Figure BDA0003585367140000151
表2 热电机组相关参数
Figure BDA0003585367140000152
表3 常规机组相关参数
Figure BDA0003585367140000153
表4 负荷周和季节调整系数
Figure BDA0003585367140000161
首先对本发明所提出的优化配置模型的规划结果进行分析，并与优化前的不考虑负荷损失成本的光电容量比和储热时间进行比较，优化前后的光电容量比SM和储热时间HTES如表5所示。
表5 优化配置前后的光热电站光电容量比和储热时间
Figure BDA0003585367140000162
对比优化前后的SM和HTES可以看出：优化前不考虑负荷损失成本的光电容量比和储热时间较小，优化后SM和HTES都有所增大。由于优化前的系统不考虑可靠性的影响，仅在投资成本上做到了尽量降低，但是带来的是较大的负荷损失成本，使得系统总成本较高；优化后的系统略微增加了投资成本，但是负荷损失成本和生产成本分别降低了1.55×106元和1.39×106元，系统总成本减少了1.07×106元，优化后的光电容量比和储热时间显然在投资费用与运行费用之间衡量更为准确，做到了系统总费用更低更优。之后针对优化配置模型在不同DNI强度下的规划结果进行比对分析。基于基本算例DNI的规划结果，选取两个位于中国西北某地区的辐照强度，分别采用更小和更大的DNI进行规划，结果对比如表6所示。
表6 不同辐照强度下的光热电站光电容量比和储热时间
Figure BDA0003585367140000163
从表6可以看出：地区A的规划结果与基本算例的结果相比，光电容量比更大，储热时间更小，这是因为地区A的辐照强度更弱，为了能够多接收太阳辐射能，增大产能，光电容量比相比于基本算例的结果只能更大；同时，由于地区A的辐照强度限制，储热罐容量则不需要那么大。此外，由于地区A的DNI较小，光热电站运行和出力都会受到影响，从而系统的负荷损失成本和生产成本分别增大了1.41×106元和1.1×106元，总成本增大了2.78×106元。
同样，对辐照强度较基本算例的更强的地区B，由于辐照强度较大，光电容量比较小也可接收到足够的太阳辐射，储热容量相应的也需要较大才能存储镜场转换的热能，因此，地区B的规划结果与基本算例的结果相比，光电容量比更小，储热时间更大；此外，由于地区A的DNI较大，光热电站运行和出力更优，从而系统的负荷损失成本和生产成本分别减小了0.57×106元和0.76×106元，总成本减小了1.15×106元。
结论：
本发明通过实验验证了优化配置模型及其解算方法的经济性和有效性，并且实验结果表明，本发明的方案与不考虑负荷损失成本光电容量比和储热时间的方案相比，优化后的光电容量比和储热时间参数更加适宜于电热耦合系统模型建设。
最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.计及光热电站镜场面积和储热容量的优化运行方法，其特征在于，包括以下步骤：
S1：基于光热电站的光电容量比、储热时间以及系统负荷削减的负荷损失费用，结合电热耦合系统最优负荷削减模型和光热电站多状态可靠性模型，建立考虑光热电站镜场面积和储热容量的优化配置模型；
S2：通过层次聚类法对光热电站的太阳直射辐射数据即DNI数据进行聚类处理；
S3：通过粒子群算法结合聚类后的DNI数据求解考虑光热电站镜场面积和储热容量的优化配置模型，得到对应的模型最优解结果，进而将模型最优解结果应用于光热电站的优化运行。
2.如权利要求1所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：步骤S1中，考虑光热电站镜场面积和储热容量的优化配置模型，以光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和最小为目标函数；
考虑光热电站镜场面积和储热容量的优化配置模型表示为：
Figure FDA0003585367130000011
Figure FDA0003585367130000012
Figure FDA0003585367130000013
Figure FDA0003585367130000014
Figure FDA0003585367130000015
式中：F表示目标函数，即光热电站集热环节的镜场面积和储热容量的投资成本、系统生产成本和负荷损失成本之和；ICSF表示SF投资成本等年值；ICTES表示TES投资成本等年值；ωy表示年化系数；Nstate表示一阶故障场景数；
Figure FDA0003585367130000016
表示场景ns的概率；
Figure FDA0003585367130000017
和
Figure FDA0003585367130000018
分别表示场景ns下的常规火电机组燃料成本、热电机组燃料成本、EH装置使用成本及负荷损失成本；ISF表示SF投资价格；ITES表示TES投资价格；Crf表示年化率；r表示贴现率；Y表示研究周期年数；Ai和Uj分别表示元件i、j的可用率和不可用率；Ωsa表示正常工作元件集；Ωsu表示故障元件集；
Figure FDA0003585367130000019
表示光热电站发电功率上限；
Figure FDA00035853671300000110
表示光热电站供热功率上限；ASF表示镜场面积；SM表示光电容量比；ηSF和ηPB分别表示光热转换效率和热电转换效率；RDNI表示标准DNI值；Emax表示蓄热罐容量上限；HTES表示储热时间；ηd表示放热效率。
3.如权利要求2所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：步骤S1中，考虑光热电站镜场面积和储热容量的优化配置模型的约束条件包括但不限于光热电站约束、热电机组约束、其他设备约束和系统功率平衡约束。
4.如权利要求3所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：光热电站约束包括光热电站集热子系统约束、光热电站换热和发电子系统约束以及光热电站储热约束；
光热电站集热子系统约束表示为：
Figure FDA00035853671300000222
Figure FDA0003585367130000021
Figure FDA0003585367130000022
式中：
Figure FDA0003585367130000023
表示t时刻能够利用的太阳辐射热能；
Figure FDA0003585367130000024
表示t时刻镜场输出的热能；
Figure FDA0003585367130000025
表示t时刻镜场弃光量；
Figure FDA0003585367130000026
表示t时刻集热子系统运行状态；ASF表示镜场面积；ηSF表示光热转换效率；
光热电站换热和发电子系统约束表示为：
Figure FDA0003585367130000027
Figure FDA0003585367130000028
Figure FDA0003585367130000029
Figure FDA00035853671300000210
式中：
Figure FDA00035853671300000211
表示t时刻镜场输出的热能；
Figure FDA00035853671300000212
表示t时刻储热量；
Figure FDA00035853671300000213
表示t时刻放热量；
Figure FDA00035853671300000214
表示t时刻发电模块接收热能；
Figure FDA00035853671300000215
表示t时刻光热电站发电功率；
Figure FDA00035853671300000216
表示t时刻光热电站供热功率；
Figure FDA00035853671300000217
表示光热电站发电功率上限；
Figure FDA00035853671300000218
表示光热电站供热功率上限；
Figure FDA00035853671300000219
和
Figure FDA00035853671300000220
分别表示t时刻换热子系统和发电子系统的运行状态；
Figure FDA00035853671300000221
表示t时刻的PB启停状态；PSU表示发电模块启动所需热能；ηPB表示热电转换效率；
光热电站储热约束表示为：
Figure FDA0003585367130000031
Figure FDA0003585367130000032
Figure FDA0003585367130000033
Figure FDA0003585367130000034
Emin≤Et≤Emax；
ET＝Et0；
式中：
Figure FDA0003585367130000035
表示t时刻蓄热罐侧储热量；
Figure FDA0003585367130000036
表示t时刻储热量；
Figure FDA0003585367130000037
表示t时刻蓄热罐侧放热量；
Figure FDA0003585367130000038
表示蓄热罐储/放热上限；ET表示模拟周期结束时蓄热罐的热量；Et0表示模拟周期开始时蓄热罐的热量；
Figure FDA0003585367130000039
表示光热电站储热和放热不能同时进行；ET＝Et0表示在光热电站蓄热罐在模拟周期始末储热量保持不变；Et表示t时刻蓄热罐内的热量；Emin表示蓄热罐容量下限值；Emax表示蓄热罐容量上限值；ηc和ηd分别表示储热效率和放热效率；ηTES表示储热罐的转换效率。
5.如权利要求3所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：热电机组约束表示为：
Figure FDA00035853671300000310
Figure FDA00035853671300000311
Figure FDA00035853671300000320
Figure FDA00035853671300000312
式中：
Figure FDA00035853671300000313
表示热电机组k的背压运行弹性系数；rk为常数，
Figure FDA00035853671300000314
Figure FDA00035853671300000315
表示t时刻热电机组k的运行状态；
Figure FDA00035853671300000316
表示热电机组k在纯凝工况下t时刻的发电功率；
Figure FDA00035853671300000317
表示热电机组k的cv值；
Figure FDA00035853671300000318
表示热电机组k在t时刻的供热功率；
Figure FDA00035853671300000319
表示热电机组k在t时刻的发电功率；
Figure FDA0003585367130000041
和
Figure FDA0003585367130000042
分别表示t时刻第k台热电机组在纯凝工况下发电功率下限值和上限值。
6.如权利要求3所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：其他设备约束表示为：
Figure FDA0003585367130000043
Figure FDA0003585367130000044
Figure FDA0003585367130000045
式中：
Figure FDA0003585367130000046
表示常规机组k的出力上限；
Figure FDA0003585367130000047
表示t时刻常规机组k的运行状态；ηEH表示EH装置的转换效率；
Figure FDA0003585367130000048
表示t时刻EH装置输出的热功率；
Figure FDA0003585367130000049
表示EH装置转换功率上限；
Figure FDA00035853671300000410
表示t时刻EH装置输出的发电功率；
Figure FDA00035853671300000411
表示常规机组k的出力。
7.如权利要求3所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：系统功率平衡约束包括系统功率平衡约束1、系统功率平衡约束2、和系统功率平衡约束3；
系统功率平衡约束1表示为：
Figure FDA00035853671300000412
Figure FDA00035853671300000413
Figure FDA00035853671300000414
式中：
Figure FDA00035853671300000415
表示t时刻系统提供的电功率；
Figure FDA00035853671300000416
表示t时刻系统向常年性热负荷提供的热功率；
Figure FDA00035853671300000417
表示t时刻系统向季节性热负荷提供的热功率；
Figure FDA00035853671300000418
表示t时刻光热电站发电功率；
Figure FDA00035853671300000419
表示t时刻光热电站供热功率；
Figure FDA00035853671300000420
表示t时刻EH装置输出的发电功率；
Figure FDA00035853671300000421
表示t时刻EH装置输出的热功率；
Figure FDA00035853671300000422
表示常规机组k的出力；KCHP表示热电机组数量；Kgen表示常规机组数量；
Figure FDA00035853671300000423
表示热电机组k在t时刻的供热功率；
Figure FDA00035853671300000424
表示热电机组k在t时刻的发电功率；cw表示工质水的比热容；m表示管道内热水工质流量；
Figure FDA00035853671300000425
和
Figure FDA00035853671300000426
分别表示t时刻供水管道入口温度和回水管道的出口温度；
系统功率平衡约束2表示为：
Figure FDA00035853671300000427
Figure FDA0003585367130000051
Figure FDA0003585367130000052
Figure FDA0003585367130000053
Figure FDA0003585367130000054
Figure FDA0003585367130000055
式中：
Figure FDA0003585367130000056
表示t时刻系统电负荷削减量；
Figure FDA0003585367130000057
表示t时刻系统提供的电功率；
Figure FDA0003585367130000058
表示t时刻系统的电负荷大小；
Figure FDA0003585367130000059
表示t时刻系统热负荷削减量；
Figure FDA00035853671300000510
表示t时刻系统向常年性热负荷提供的热功率；
Figure FDA00035853671300000511
表示t时刻系统的热负荷大小；
系统功率平衡约束3表示为：
Figure FDA00035853671300000512
Figure FDA00035853671300000513
Figure FDA00035853671300000514
Figure FDA00035853671300000515
式中：
Figure FDA00035853671300000516
表示供水管道水温下限；
Figure FDA00035853671300000517
表示供水管道水温上限；
Figure FDA00035853671300000518
表示回水管道水温下限；
Figure FDA00035853671300000519
表示回水管道水温上限；
Figure FDA00035853671300000520
和
Figure FDA00035853671300000521
分别表示t时刻供水管道的入口温度和回水管道的出口温度。
8.如权利要求1所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：步骤S2中，具体包括以下步骤：
S201：将DNI数据转换为DNI向量，并将DNI向量各自作为一个DNI类，即每个DNI类仅对应一个DNI向量；
S202：计算不同DNI类之间的距离，并把距离最近的DNI类合并为一个新DNI类；
S203：计算新DNI类之间的距离，并合并距离最近的DNI类，每次减少一个DNI类；
S204：判断DNI类的类别数是否达到预设要求或所有DNI向量是否被合并为一个DNI类：若是，则完成聚类；否则，返回步骤S202。
9.如权利要求2所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：步骤S3中，具体包括以下步骤：
S301：初始化粒子群算法的迭代次数md＝1，确定种群规模与最大迭代次数M，随机初始化粒子的优化速度和位置，即光热电站的光电容量比和储热时间；
S302：计算初始粒子的适应值F(pg)，得到初始粒子的个体最优值和种群的全局最优值；其中，适应值F(pg)表示考虑光热电站镜场面积和储热容量的优化配置模型的目标函数值；
S303：每一个粒子根据历史数据更新自身优化速度和位置；
S304：基于各个粒子的优化速度和位置计算更新适应值F(pg)，得到各个粒子的个体最优值和种群的全局最优值；
S305：判断md是否达到最大迭代次数M：若是，则基于个体最优值和种群的全局最优值选取最优适应值的粒子pg及其适应值F(pg)作为模型最优解结果；否则，令md＝md+1，并返回步骤S303。
10.如权利要求9所述的计及光热电站镜场面积和储热容量的优化运行方法，其特征在于：步骤S301中，设初始种群具有N个粒子，第i个粒子的初始位置Xi＝(xi1,xi2)i＝1,2,…,N；第i个粒子的初始优化速度Vi＝(vi1,vi2)i＝1,2,…,N；
步骤S302中，第i个粒子的自身历史最优位置即个体最优值pi＝(pi1,pi2)i＝1,2,…,N；在所有粒子中，具有最优适应值的粒子记为pg，其位置则为全局最优值pgi＝(pg1,pg2)；
步骤S303中，更新粒子优化速度的公式为vid＝ω·vid+c1r1(pid-xid)+c2r2(pgd-xid)d＝1,2；
式中：d表示粒子i的第d维，d＝1表示光电容量比SM，d＝2表示储热时间HTES；ω表示惯性权重；c1和c2表示学习因子，取值为[0,4]；r1和r2为两个[0,1]范围内相互独立的均匀随机数；vid表示优化速度；pid表示第i个粒子位置的坐标；xid表示第i个粒子的初始位置向量；pgd表示最优适应值粒子的坐标。
CN202210364647.7A 2022-04-07 2022-04-07 计及光热电站镜场面积和储热容量的优化运行方法 Active CN114723136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210364647.7A CN114723136B (zh) 2022-04-07 2022-04-07 计及光热电站镜场面积和储热容量的优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210364647.7A CN114723136B (zh) 2022-04-07 2022-04-07 计及光热电站镜场面积和储热容量的优化运行方法

Publications (2)

Publication Number Publication Date
CN114723136A true CN114723136A (zh) 2022-07-08
CN114723136B CN114723136B (zh) 2024-04-16

Family

ID=82241938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210364647.7A Active CN114723136B (zh) 2022-04-07 2022-04-07 计及光热电站镜场面积和储热容量的优化运行方法

Country Status (1)

Country Link
CN (1) CN114723136B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
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
CN117109345A (zh) * 2023-08-24 2023-11-24 华北电力大学 耦合火电机组的高温熔盐储热装置的优化配置方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014026610A1 (zh) * 2012-08-14 2014-02-20 北京兆阳能源技术有限公司 一种太阳能聚集系统
US20180356105A1 (en) * 2017-04-28 2018-12-13 Southeast University Modeling Method of Combined Heat and Power Optimal Dispatching Model
CN110555571A (zh) * 2019-09-25 2019-12-10 重庆大学 计及光热电站和温控设备的微电网及其最优经济运行方法
CN113378447A (zh) * 2021-07-07 2021-09-10 华北电力大学（保定） 一种太阳能光热电站参与的黑启动服务定价方法
CN113381403A (zh) * 2021-06-09 2021-09-10 河海大学 基于运行可靠性的光热-生物质混合电站容量配置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014026610A1 (zh) * 2012-08-14 2014-02-20 北京兆阳能源技术有限公司 一种太阳能聚集系统
US20180356105A1 (en) * 2017-04-28 2018-12-13 Southeast University Modeling Method of Combined Heat and Power Optimal Dispatching Model
CN110555571A (zh) * 2019-09-25 2019-12-10 重庆大学 计及光热电站和温控设备的微电网及其最优经济运行方法
CN113381403A (zh) * 2021-06-09 2021-09-10 河海大学 基于运行可靠性的光热-生物质混合电站容量配置方法
CN113378447A (zh) * 2021-07-07 2021-09-10 华北电力大学（保定） 一种太阳能光热电站参与的黑启动服务定价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
车泉辉: "计及条件风险价值的含储热光热电站与风电电力系统经济调度", 电工技术学报, vol. 34, no. 10, 10 May 2019 (2019-05-10), pages 2047 - 2055 *
陈德秋: "光热电站热能储存最优分配研究", 电子世界, no. 19, 15 October 2020 (2020-10-15), pages 70 - 71 *

Cited By (4)

* Cited by examiner, † Cited by third party
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
CN117109345A (zh) * 2023-08-24 2023-11-24 华北电力大学 耦合火电机组的高温熔盐储热装置的优化配置方法及装置
CN117109345B (zh) * 2023-08-24 2024-04-26 华北电力大学 耦合火电机组的高温熔盐储热装置的优化配置方法及装置

Also Published As

Publication number Publication date
CN114723136B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN111463836B (zh) 一种综合能源系统优化调度方法
CN114723136A (zh) 计及光热电站镜场面积和储热容量的优化运行方法
CN111191820B (zh) 一种综合能源系统中储能装置的选址定容优化规划方法
CN108206543A (zh) 一种基于能源梯级利用的能源路由器及其运行优化方法
CN109634119B (zh) 一种基于日内滚动优化的能源互联网优化控制方法
CN112598195A (zh) 楼宇型综合能源系统运行优化方法、装置及终端设备
CN116187601A (zh) 一种基于负荷预测的综合能源系统运行优化方法
WO2024016504A1 (zh) 一种基于安全经济的电热综合能源控制方法
CN112418488A (zh) 一种基于两阶段能量优化的综合能源系统调度方法及装置
Dahal et al. GA/SA-based hybrid techniques for the scheduling of generator maintenance in power systems
CN113158547B (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法
CN113255224A (zh) 一种基于发光萤火虫算法的能源系统配置优化方法
CN114322044A (zh) 一种综合能源系统及其运行控制方法
CN112001639B (zh) 综合能源系统能源需求的可调能力评估方法及存储介质
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN116957362A (zh) 一种区域综合能源系统的多目标规划方法及系统
CN116502921A (zh) 一种园区综合能源系统优化管理系统及其协调调度方法
CN117134409A (zh) 考虑电-氢-热互补的微网系统及其多目标优化配置方法
CN116128154A (zh) 一种农业园区综合能源系统的能源优化配置方法及装置
CN114861521A (zh) 一种冷热电联供型微电网容量优化配置的方法
CN112734451B (zh) 一种基于非合作博弈的农业大棚多能源系统和优化方法
CN111767646B (zh) 塔式太阳能热发电站接收器优化设计方法
CN113971510A (zh) 一种基于改进Jaya算法的集成能源系统规划方法
CN111340267A (zh) 基于块数据的区域综合能源系统的优化控制方法和设备
CN112116131A (zh) 计及碳排放的综合能源系统多层级优化方法

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
GR01 Patent grant
GR01 Patent grant