CN114944657A - 基于milp模型的氢电耦合系统运行模式优化方法 - Google Patents

基于milp模型的氢电耦合系统运行模式优化方法 Download PDF

Info

Publication number
CN114944657A
CN114944657A CN202210541150.8A CN202210541150A CN114944657A CN 114944657 A CN114944657 A CN 114944657A CN 202210541150 A CN202210541150 A CN 202210541150A CN 114944657 A CN114944657 A CN 114944657A
Authority
CN
China
Prior art keywords
hydrogen
power
coupling system
fuel cell
milp
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
CN202210541150.8A
Other languages
English (en)
Inventor
秦如意
叶夏明
应芳义
王激华
马丽军
戚浩金
岑迪庆
俞佳捷
姚剑琪
杨跃平
李琪
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.)
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Ningbo Power Supply Co of State Grid Zhejiang 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 Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210541150.8A priority Critical patent/CN114944657A/zh
Publication of CN114944657A publication Critical patent/CN114944657A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Fuel Cell (AREA)

Abstract

本发明提出了一种基于MILP建模的氢电耦合系统运行优化方法，该方法包括以下步骤：(1)设计氢电耦合系统的基本拓扑结构，导入气象预测数据、电力负荷预测数据和系统规模参数；(2)建立源端和储端中各分布式电源数学模型数学模型，对氢能组件极化曲线进行线性化处理；(3)对系统运行模式进行MILP建模，确定状态变量、控制变量、约束条件和目标函数；(4)对氢电耦合系统运行进行日前规划分析和鲁棒性分析。与现有的技术相比，本发明方法减少了燃料电池和电解槽的启停次数，延长了燃料电池和电解槽的使用寿命，提高了微电网的可靠性，且在预测范围内具有较强鲁棒性。

Description

基于MILP模型的氢电耦合系统运行模式优化方法
技术领域
本发明涉及电力系统中氢电耦合系统运行模式研究技术领域，特别是涉及一种基于MILP模型的氢电耦合系统运行模式优化方法。
背景技术
在过去几年里，风能和太阳能固有的间歇性导致其无法对电网进行大规模渗透，导致弃光和弃风现象凸显。解决可再生能源发电并网问题的有效途径是采用配置储能的方式来提高系统整体出力的可控性，为电网提供短时供电和电力调峰等功能，从而改善电网电能质量。
氢储能通过电解水制氢的方式将电能转化为能量密度高的氢能，是解决季节不匹配问题的一种适合长期储存的方法。目前，对含氢储能的氢电耦合系统微电网经济运行有了充分程度的研究，大多数以基于规则的调度策略对氢电耦合系统进行经济效益分析，并缺乏考虑燃料电池和电解槽等氢能组件的启停特性和工作特性。因此，亟需一种考虑燃料电池和电解槽在实际使用过程中的退化问题和功率再分配的能量管理策略，来对氢电耦合系统运行模式进行优化以提高系统经济效益。
发明内容
本发明的目的旨在提出一种基于MILP模型的氢电耦合系统运行模式优化方法，以降低电解槽和燃料电池在运行模式下的启停次数以提高使用寿命，提高氢电耦合系统的运行可靠性和经济效益。
为实现上述目的，本发明所设计的一种基于MILP模型的氢电耦合系统运行模式优化方法，其特殊之处在于，所述方法包括步骤：
S1设计氢电耦合系统的拓扑结构，包括提供输电能源的源端、用于输电和配电的网侧、接入母线负荷的荷端和补充源端电力输出的储端，所述储端包括氢能组件，在所述拓扑结构中导入气象预测数据、电力负荷预测数据和系统规模参数；
S2建立所述源端和储端中各分布式电源数学模型，并对氢能组件模型采用极化曲线利用分段仿射变换进行处理；
S3基于所述源端中各分布式电源和所述储端中的氢能组件的数学模型对氢电耦合系统进行混合整数线性规划MILP建模，确定状态变量、控制变量、约束条件和目标函数；
S4基于所述混合整数线性规划MILP模型对氢电耦合系统运行进行日前规划分析和鲁棒性分析。
优选地，步骤S1中所述源端为大规模集群式可再生能源，包括风电场和光伏电站；所述网侧为离网/并网型直流微电网；所述荷端为接入直流母线的直流负荷和交流负荷；所述储端包括用于直接储电的燃料电池、氢能组件和用于短期和长期储氢的储氢罐。
优选地，所述光伏电站中光伏阵列的数学模型、所述风电场中风机的数学模型分别为式(1)和(2)；
Figure BDA0003648407590000021
式中，PPV(t)表示t时刻光伏功率，fPV为光伏工作效率，PPV,rated为光伏额定功率，G(t)表示t时刻太阳辐射强度，GSTC表示标准测试条件下的光照强度；
Figure BDA0003648407590000022
式中，PWT(t)表示t时刻风机功率，PWT,rated为风机额定功率，u(t)为t时刻风速，uc、ur、uf分别为切入风速、额定风速和切出风速。
优选地，步骤S2中对氢能组件模型采用极化曲线利用分段仿射变换进行处理是指采用分段仿射变换的方法，用三条直线描述电解槽和燃料电池的非线性极化曲线，通过最小化氢气速率实验值与模型值之差的平方和，找出相关的四个断点的位置，并计算出线性化拟合方程。
优选地，所述线性化拟合方程
Figure BDA0003648407590000031
Figure BDA0003648407590000032
式中，PFC、PEL分别表示燃料电池和电解槽的功率；
Figure BDA0003648407590000033
为燃料电池的耗氢速率；
Figure BDA0003648407590000034
为电解槽的产氢速率。
优选地，步骤S3对氢电耦合系统进行混合整数线性规划MILP建模过程中，系统运行时，电解槽和燃料电池包括启动、停机和待机三种工作状态，并且电解槽和燃料电池工作时存在三种状态之间的切换。
优选地，步骤S3中氢电耦合系统的混合整数线性规划MILP模型为：
Figure BDA0003648407590000035
Figure BDA0003648407590000036
Figure BDA0003648407590000037
式中，i∈{FC,EL}表示对电解槽和燃料电池的索引，Pi表示设备i的功率，在[Pi min,Pi max]范围内，控制器根据启动、停止和待机操作之间的权衡来确定t时刻的工作状态，规定i设备的输出功率由i设备的工作状态决定，当设备i处于待机状态或停机状态时，设备i的功率为待机功率Pi STB或0；
Figure BDA0003648407590000038
为逻辑变量，α、β∈{ON,OFF,STB}表示对电解槽和燃料电池的启动、停机和待机三种工作状态的索引，γ∈{0,Pi STB,Pi min,Pi max}。
优选地，步骤S3中氢电耦合系统的混合整数线性规划MILP模型的约束条件包括逻辑状态约束式、状态切换约束式、运行状态约束式；
所述逻辑状态约束式为：
Figure BDA0003648407590000041
Figure BDA0003648407590000042
Figure BDA0003648407590000043
Figure BDA0003648407590000044
所述状态切换约束式为
Figure BDA0003648407590000045
所述运行状态约束式为
PPV(t)+PWT(t)+PFC(t)+PBT(t)＝PLD(t)+PEL(t)+Pgrid(t) (13)
Figure BDA0003648407590000046
Figure BDA0003648407590000047
Figure BDA0003648407590000048
式中，γ∈{0,Pi STB,Pi min,Pi max}；
Figure BDA0003648407590000049
和
Figure BDA00036484075900000410
为逻辑变量，
Figure BDA0003648407590000051
表示表示t时刻i的工作在α状态，
Figure BDA0003648407590000052
表示t时刻i的工作在β状态；
Figure BDA0003648407590000053
表示t时刻i的从β状态切换到α状态，Pgrid为源荷功率差额，Pgrid<0表示功率过剩的削减功率，Pgrid≥0表示为功率不足造成的负荷缺额，LPSP为负荷失电率，LPSP*为负荷失电率最大值；M为足够大的整数；PFC(t)、PBT(t)、PLD(t)、PEL(t)、Punmet(t)分别表示t时刻燃料电池、蓄电池、负荷、电解槽和未满足负荷的功率。SOC表示蓄电池的荷电状态。
优选地，步骤S3中氢电耦合系统的混合整数线性规划MILP模型的目标函数为最小化燃料电池和电解槽运行维护产生的费用：
Figure BDA0003648407590000054
式中，Ji为设备i的运行维护费用，
Figure BDA0003648407590000055
分别为设备i的更换费用和维护费用；LCi、CON,i、CSTB,i分别为设备i的生命周期、启动费用和待机费用。
本发明还提出一种计算机设备，其包括存储器、处理器和存储在存储器中可供处理器运行的程序指令，其中所述处理器执行所述程序指令以上述基于MILP模型的氢电耦合系统运行模式优化方法。
与现有研究相比，本发明具有如下优点：
(1)本发明对燃料电池和电解槽引入启动、停止和待机三种工作状态，并利用MILP方法进行氢电耦合运行模式优化，能有效减少燃料电池和电解槽的启停次数，延长了燃料电池和电解槽的使用寿命，提高了微电网的可靠性。
(2)本发明提出的方法在预测误差范围内具有较强的鲁棒性，在可再生能源预测偏差和方差较大的预测模型下具有较好的性能。
附图说明
图1是本发明中系统运行优化框架示意图。
图2是本发明的系统结构拓扑图。
图3是本发明中燃料电池和电解槽线性化处理后的极化曲线示意图。
图4是本发明中燃料电池和电解槽的操作模式示意图。
图5是本发明实施例中未满足负荷下的日前规划图。
图6是本发明实施例中未功率盈余下的日前规划图。
图7是本发明实施例中年内SOC优先策略运行结果示意图。
图8是本发明实施例中年内MILP策略运行结果示意图。
图9是本发明实施例中不同预测模型下的年未满足负荷示意图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细描述。
如图1所示，本发明所提出的一种基于MILP模型的氢电耦合系统运行模式优化方法分为四个步骤，分别为输入数据、数据处理、MILP建模和运行模式分析，本发明以此四个步骤进行展开：
步骤S1、设计氢电耦合系统的基本拓扑，导入气象预测数据、电力负荷预测数据和系统规模；
步骤S2、建立微电网各分布式电源的数学模型，对氢能组件极化曲线利用分段仿射变换进行线性化处理；
步骤S3、对系统运行模式进行混合整数线性规划MILP建模，确定状态变量、控制变量、约束条件和目标函数；
步骤S4、基于MILP模型对氢电耦合系统运行进行日前规划分析和鲁棒性分析。
步骤S1中氢电耦合系统的基本拓扑如图2所示，包括源网荷储四环节。其中源端为大规模集群式可再生能源，包括风电场与光伏电站两类。网侧为离网/并网型直流微电网，承担着输电和配电环节。荷端为接入直流母线的直流负荷和交流负荷。储端包括用于直接储电的蓄电池和用于短期和长期储氢的储氢罐。氢气在电解槽中产生，储存在低压短期储罐中，直到有足够的压力来启动压缩机，最终将氢输送到长期储罐中。在源端发电不足的情况下，满足荷端电力需求可以由燃料电池和蓄电池根据其充电状态提供。
步骤S1中气象预测数据和电力负荷预测数据，本实施例中选取湖北某地区全年光照强度数据、40m处风速数据以及负荷数据作为系统输入，仿真步长为1h，共8760组测量数据。其中，日平均光照强度为2.21kWh/m2，平均风速为5.9m/s，日平均负荷为1003kW，负荷峰值为105kW。
步骤S1中的系统规模参数在本实施例中为光伏阵列装机容量52kW、风机装机容量48kW、电解槽装机容量33kW、燃料电池装机容量55kW、蓄电池装机容量535kWh、储氢罐装机容量362kg。
步骤S2中光伏阵列和风机的数学模型如式(1)和(2)所示：
Figure BDA0003648407590000071
式中，fPV为光伏工作效率，取0.95；PPV,rated为光伏额定功率；G(t)和表示t时刻太阳辐射强度；GSTC表示标准测试条件下的光照强度，分别取1000W/m2。
Figure BDA0003648407590000072
式中，PWT,rated为风机额定功率；u(t)为t时刻风速；uc、ur、uf分别为切入风速、额定风速和切出风速。
步骤S2中对氢能组件极化曲线利用分段仿射变换进行线性化处理，是因为氢能组成的电化学模型需要各工作状态包括工作温度、电压、电流、压力等进行准确描述，且受到成分和流量的变化影响，通常为非线性模型。本发明仅关注电化学模型中功率和氢气速率的关系，对氢能组件模型进行简化处理，假设燃料电池和碱性电解槽的工作状态均处于典型值，用实验极化曲线对额定功率500W的燃料电池和碱性电解槽进行标定。采用分段仿射变换(Pricewise Affine，PWA)的方法，用3条直线描述电解槽和燃料电池的非线性极化曲线，通过最小化氢气速率实验值与模型值之差的平方和，找出相关的4个断点的位置，如图3所示，并计算出线性化拟合方程，如式(3)和(4)。
Figure BDA0003648407590000081
Figure BDA0003648407590000082
步骤S3中对氢电耦合系统进行MILP建模，首先明确在传统的功率分配中，电解槽和燃料电池只有启动和停止两种状态，这会导致电解槽和燃料电池在某段时间频繁启停来满足系统负荷需求，大大降低其工作寿命。因此，在启停的基础上，有必要加入待机状态来对电解槽和燃料电池进行控制，待机状态在零生产/消耗的情况下也需要持续供电。电解槽和燃料电池的工作状态如图4所示，其中i∈{FC,EL}表示对电解槽和燃料电池的索引，α、β∈{ON,OFF,STB}表示对电解槽和燃料电池的工作状态的索引。
Figure BDA0003648407590000083
和
Figure BDA0003648407590000084
为逻辑变量，
Figure BDA0003648407590000085
表示表示t时刻i的工作在α状态；
Figure BDA0003648407590000086
表示t时刻i的从β状态切换到α状态。提出的控制器将会根据启动、停止和待机操作之间的权衡来确定t时刻的工作状态。规定i设备的输出功率由i设备的工作状态决定，当设备i处于开启状态时，设备i的功率应在[Pi min,Pi max]范围内；当设备i处于待机状态或停机状态时，设备i的功率应为待机功率Pi STB或0，即
Figure BDA0003648407590000087
引入让设备i的逻辑变量与对应的功率相对应的辅助变量：
Figure BDA0003648407590000088
Figure BDA0003648407590000089
步骤S3对MILP求解需要确定约束条件、目标函数、状态变量和控制变量，其中约束条件包括逻辑状态约束式(8～11)、状态切换约束式(12)、运行状态约束式(13～16)：
Figure BDA0003648407590000091
Figure BDA0003648407590000092
Figure BDA0003648407590000093
Figure BDA0003648407590000094
Figure BDA0003648407590000095
PPV(t)+PWT(t)+PFC(t)+PBT(t)＝PLD(t)+PEL(t)+Pgrid(t) (30)
Figure BDA0003648407590000096
Figure BDA0003648407590000097
Figure BDA0003648407590000098
其中，式(9)表示辅助变量ai的约束条件，在程序中需要以该形式表示，求解ai用于后续式(10)求解运行状态。式(10)对应工作状态的功率约束，表示该工作状态的功率需要在一定的范围内。式(11)表示设备的工作状态同一时刻只存在一种，限制了求解结果可同时出现多种工作状态的可能。式(12)表示设备切换状态受前一时刻状态的约束。式(13)表示系统各部件功率的平衡。式(14)表示为满足系统可靠运行的负荷失电率指标。式(15)表示储能状态约束，为防止蓄电池的深度放电，下限阈值不可太低。式(16)表示各部件的容量约束，表明各部件的出力在额定功率之内，同时也是变量的取值范围。式中，γ∈{0,Pi STB,Pi min,Pi max}；
Figure BDA0003648407590000101
和
Figure BDA0003648407590000102
为逻辑变量，
Figure BDA0003648407590000103
表示表示t时刻i的工作在α状态，
Figure BDA0003648407590000104
表示t时刻i的工作在β状态；
Figure BDA0003648407590000105
表示t时刻i的从β状态切换到α状态，Pgrid为源荷功率差额，Pgrid<0表示功率过剩的削减功率，Pgrid≥0表示为功率不足造成的负荷缺额，LPSP为负荷失电率，LPSP*为负荷失电率最大值；M为足够大的整数；PFC(t)、PBT(t)、PLD(t)、PEL(t)、Punmet(t)分别表示t时刻燃料电池、蓄电池、负荷、电解槽和未满足负荷的功率。SOC表示蓄电池的荷电状态。
目标函数为最小化燃料电池和电解槽运行维护产生的费用：
Figure BDA0003648407590000106
式(17)为模型的目标函数，表示燃料电池和电解槽运维费用最小化。在实际运行过程中，系统可能因为设备成本因素会优先考虑某一设备的使用，此时可以通过在该目标函数加入相应的权重实现。式中，
Figure BDA0003648407590000107
Figure BDA0003648407590000108
分别为设备i的更换费用和维护费用；LCi、CON,i、CSTB,i分别为设备i的生命周期、启动费用和待机费用。
状态变量为可再生能源发电预测和用户电气需求预测，即x＝[PPV,PWT,PLD]。控制变量为设备逻辑状态、切换状态和出力，即
Figure BDA0003648407590000109
最终，MILP模型的一般等价公式由下式给出：
Figure BDA0003648407590000111
Pbt,
Pgrid,
Figure BDA0003648407590000112
Figure BDA0003648407590000113
Figure BDA0003648407590000114
s.t.
逻辑状态约束式(8～11)，
状态切换约束式(12)，
运行状态约束式(13～16)，
Figure BDA0003648407590000115
Figure BDA0003648407590000116
Figure BDA0003648407590000117
其中，ρFC、ρEL分别为电解槽和燃料电池的目标函数权重。
步骤S4中，利用MILP模型求解出氢电耦合系统运行规划，包括日前规划如图5、图6所示，年度规划如图7、图8所示，和氢储能设备运行时间和费用，见表1：
Figure BDA0003648407590000118
表1
与SOC优先策略对比，本发明提出的MILP策略年未满足负荷为1.72MWh，下降14.8％，有效地提高了可再生能源供电的可靠性。MILP策略中电解槽和燃料电池的启停次数分别为610次和559次，降低了18.3％和9.8％，且长期工作在额定功率附近，可有效延长设备的使用寿命。
对提出的方法进行鲁棒性分析，考虑到气象预测和负荷预测和的不确定性，需要研究预测误差对MILP策略能量调度性能的影响。引入高斯噪声的平均值代表平均百分比误差，方差代表数据的离散度，整体误差满足正态分布。将每种预测模型组合重复模拟了20次，得出结果见图9，验证提出方法在预测误差范围内的适用性。
本发明提出的基于MILP模型的氢电耦合系统运行模式方法，求出的日前规划较现有基于规则的运行方式，能降低系统年未满足负荷，有效提高可再生能源供电的可靠性，延长燃料电池和电解槽的使用寿命，并在范围误差内具有较强的鲁棒性，应用前景广阔。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (10)

1.一种基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：所述方法包括如下步骤：
S1设计氢电耦合系统的拓扑结构，包括提供输电能源的源端、用于输电和配电的网侧、接入母线负荷的荷端和补充源端电力输出的储端，所述储端包括氢能组件，在所述拓扑结构中导入气象预测数据、电力负荷预测数据和系统规模参数；
S2建立所述源端和储端中各分布式电源数学模型，并对氢能组件模型采用极化曲线利用分段仿射变换进行处理；
S3基于所述源端中各分布式电源和所述储端中的氢能组件的数学模型对氢电耦合系统进行混合整数线性规划MILP建模，确定状态变量、控制变量、约束条件和目标函数；
S4基于所述混合整数线性规划MILP模型对氢电耦合系统运行进行日前规划分析和鲁棒性分析。
2.根据权利要求1所述的基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：步骤S1中所述源端为大规模集群式可再生能源，包括风电场和光伏电站；所述网侧为离网/并网型直流微电网；所述荷端为接入直流母线的直流负荷和交流负荷；所述储端包括用于直接储电的燃料电池、氢能组件和用于短期和长期储氢的储氢罐。
3.根据权利要求2所述的一种基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：所述光伏电站中光伏阵列的数学模型、所述风电场中风机的数学模型分别为式(1)和(2)；
Figure FDA0003648407580000011
式中，PPV(t)表示t时刻光伏功率，fPV为光伏工作效率，PPV,rated为光伏额定功率，G(t)表示t时刻太阳辐射强度，GSTC表示标准测试条件下的光照强度；
Figure FDA0003648407580000021
式中，PWT(t)表示t时刻风机功率，PWT,rated为风机额定功率，u(t)为t时刻风速，uc、ur、uf分别为切入风速、额定风速和切出风速。
4.根据权利要求1所述的基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：步骤S2中对氢能组件模型采用极化曲线利用分段仿射变换进行处理是指采用分段仿射变换的方法，用三条直线描述电解槽和燃料电池的非线性极化曲线，通过最小化氢气速率实验值与模型值之差的平方和，找出相关的四个断点的位置，并计算出线性化拟合方程。
5.根据权利要求4所述的基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：所述线性化拟合方程
Figure FDA0003648407580000022
Figure FDA0003648407580000023
式中，PFC、PEL分别表示燃料电池和电解槽的功率；
Figure FDA0003648407580000024
为燃料电池的耗氢速率；
Figure FDA0003648407580000025
为电解槽的产氢速率。
6.根据权利要求4所述的基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：步骤S3对氢电耦合系统进行混合整数线性规划MILP建模过程中，系统运行时，电解槽和燃料电池包括启动、停机和待机三种工作状态，并且电解槽和燃料电池工作时存在三种状态之间的切换。
7.根据权利要求6所述的基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：步骤S3中氢电耦合系统的混合整数线性规划MILP模型为：
Figure FDA0003648407580000031
Figure FDA0003648407580000032
Figure FDA0003648407580000033
式中，i∈{FC,EL}表示对电解槽和燃料电池的索引，Pi表示设备i的功率，在[Pi min,Pi max]范围内，控制器根据启动、停止和待机操作之间的权衡来确定t时刻的工作状态，规定i设备的输出功率由i设备的工作状态决定，当设备i处于待机状态或停机状态时，设备i的功率为待机功率Pi STB或0；
Figure FDA0003648407580000034
为逻辑变量，α、β∈{ON,OFF,STB}表示对电解槽和燃料电池的启动、停机和待机三种工作状态的索引，γ∈{0,Pi STB,Pi min,Pi max}。
8.根据权利要求7所述的基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：步骤S3中氢电耦合系统的混合整数线性规划MILP模型的约束条件包括逻辑状态约束式、状态切换约束式、运行状态约束式；
所述逻辑状态约束式为：
Figure FDA0003648407580000035
Figure FDA0003648407580000036
Figure FDA0003648407580000041
Figure FDA0003648407580000042
所述状态切换约束式为
Figure FDA0003648407580000043
所述运行状态约束式为
PPV(t)+PWT(t)+PFC(t)+PBT(t)＝PLD(t)+PEL(t)+Pgrid(t) (13)
Figure FDA0003648407580000044
Figure FDA0003648407580000045
Figure FDA0003648407580000046
式中，γ∈{0,Pi STB,Pi min,Pi max}；
Figure FDA0003648407580000047
和
Figure FDA0003648407580000048
为逻辑变量，
Figure FDA0003648407580000049
表示表示t时刻i的工作在α状态，
Figure FDA00036484075800000410
表示t时刻i的工作在β状态；
Figure FDA00036484075800000411
表示t时刻i的从β状态切换到α状态，Pgrid为源荷功率差额，Pgrid＜0表示功率过剩的削减功率，Pgrid≥0表示为功率不足造成的负荷缺额，LPSP为负荷失电率，LPSP*为负荷失电率最大值；M为足够大的整数；PFC(t)、PBT(t)、PLD(t)、PEL(t)、Punmet(t)分别表示t时刻燃料电池、蓄电池、负荷、电解槽和未满足负荷的功率。SOC表示蓄电池的荷电状态。
9.根据权利要求8所述的基于MILP模型的氢电耦合系统运行模式优化方法，其特征在于：步骤S3中氢电耦合系统的混合整数线性规划MILP模型的目标函数为最小化燃料电池和电解槽运行维护产生的费用：
Figure FDA0003648407580000051
式中，Ji为设备i的运行维护费用，
Figure FDA0003648407580000052
分别为设备i的更换费用和维护费用；LCi、CON,i、CSTB,i分别为设备i的生命周期、启动费用和待机费用。
10.一种计算机设备，其包括存储器、处理器和存储在存储器中可供处理器运行的程序指令，其中所述处理器执行所述程序指令以实现权利要求1至9中任一项所述基于MILP模型的氢电耦合系统运行模式优化方法。
CN202210541150.8A 2022-05-17 2022-05-17 基于milp模型的氢电耦合系统运行模式优化方法 Pending CN114944657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210541150.8A CN114944657A (zh) 2022-05-17 2022-05-17 基于milp模型的氢电耦合系统运行模式优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210541150.8A CN114944657A (zh) 2022-05-17 2022-05-17 基于milp模型的氢电耦合系统运行模式优化方法

Publications (1)

Publication Number Publication Date
CN114944657A true CN114944657A (zh) 2022-08-26

Family

ID=82906839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210541150.8A Pending CN114944657A (zh) 2022-05-17 2022-05-17 基于milp模型的氢电耦合系统运行模式优化方法

Country Status (1)

Country Link
CN (1) CN114944657A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117353267A (zh) * 2023-10-12 2024-01-05 武汉理工大学 基于离网运行条件下的氢能综合利用系统的控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117353267A (zh) * 2023-10-12 2024-01-05 武汉理工大学 基于离网运行条件下的氢能综合利用系统的控制方法
CN117353267B (zh) * 2023-10-12 2024-07-16 武汉理工大学 基于离网运行条件下的氢能综合利用系统的控制方法

Similar Documents

Publication Publication Date Title
Rullo et al. Integration of sizing and energy management based on economic predictive control for standalone hybrid renewable energy systems
Palma-Behnke et al. Energy management system for a renewable based microgrid with a demand side management mechanism
Fabrice et al. Multistage power and energy management strategy for hybrid microgrid with photovoltaic production and hydrogen storage
CN111293691A (zh) 基于模型预测控制的微电网多时间尺度优化调度方法
CN102509175A (zh) 分布式供电系统可靠性优化方法
Mohammadshahi et al. A flexible analytical model for operational investigation of solar hydrogen plants
KR102133897B1 (ko) 실시간 계측 기반 전압 및 무효전력 제어 방법 및 그 프로그램
CN113162022A (zh) 光伏制氢站的功率配置方法和装置
Xing et al. Energy management strategy considering multi-time-scale operational modes of batteries for the grid-connected microgrids community
CN116014797A (zh) 一种配网新能源接纳能力提升的评估方法
Mohiti et al. Role of vanadium redox flow batteries in the energy management system of isolated microgrids
CN114944657A (zh) 基于milp模型的氢电耦合系统运行模式优化方法
Gbadega et al. JAYA algorithm-based energy management for a grid-connected micro-grid with PV-wind-microturbine-storage energy system
Du et al. Energy management and performance analysis of an off-grid integrated hydrogen energy utilization system
Gallo et al. Sizing and analytical optimization of an alkaline water electrolyzer powered by a grid-assisted wind turbine to minimize grid power exchange
CN117578449A (zh) 一种计及可再生能源不确定性的多能微能网优化调度方法
Bonthu et al. Energy cost optimization in microgrids using model predictive control and mixed integer linear programming
CN112418950A (zh) 计及光伏的微电网短期负荷预测及控制方法
Lu et al. Advances in Model Predictive Control for Large-Scale Wind Power Integration in Power Systems: A Comprehensive Review
CN115085227A (zh) 一种微电网源储容量配置方法及装置
Al-Quraan et al. Economic predictive control-based sizing and energy management for grid-connected hybrid renewable energy systems
Zhang et al. Coordinated Operation of Power System and Energy Storage In the Presence of High Penetration of Solar Generation
Mahmoudian et al. Sensitivity analysis in a multi-carrier energy hub system through electrical and thermal profile procurement
Yu et al. A Two-stage Model Predictive Control Strategy for Economical Operation of Microgrid
Ma et al. Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation

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