CN114997544A - 一种氢光储充电站容量优化配置方法及系统 - Google Patents

一种氢光储充电站容量优化配置方法及系统 Download PDF

Info

Publication number
CN114997544A
CN114997544A CN202210929585.XA CN202210929585A CN114997544A CN 114997544 A CN114997544 A CN 114997544A CN 202210929585 A CN202210929585 A CN 202210929585A CN 114997544 A CN114997544 A CN 114997544A
Authority
CN
China
Prior art keywords
hydrogen
constraint
charging station
fuel cell
determining
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
CN202210929585.XA
Other languages
English (en)
Inventor
李建威
何书丞
贾博文
何洪文
李高鹏
孙逢春
何云堂
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202210929585.XA priority Critical patent/CN114997544A/zh
Publication of CN114997544A publication Critical patent/CN114997544A/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"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/51—Photovoltaic means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/53—Batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/54—Fuel cells
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B1/00—Electrolytic production of inorganic compounds or non-metals
    • C25B1/01—Products
    • C25B1/02—Hydrogen or oxygen
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B9/00—Cells or assemblies of cells; Constructional parts of cells; Assemblies of constructional parts, e.g. electrode-diaphragm assemblies; Process-related cell features
    • C—CHEMISTRY; METALLURGY
    • C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
    • C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
    • C25B9/00—Cells or assemblies of cells; Constructional parts of cells; Assemblies of constructional parts, e.g. electrode-diaphragm assemblies; Process-related cell features
    • C25B9/60—Constructional parts of cells
    • C25B9/65—Means for supplying current; Electrode connections; Electric inter-cell connections
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • 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
    • H02J3/28—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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/30—The power source being a fuel cell
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Electrochemistry (AREA)
  • General Business, Economics & Management (AREA)
  • Materials Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Inorganic Chemistry (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及一种氢光储充电站容量优化配置方法及系统，涉及电动汽车充电站技术领域，方法包括获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐；基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型；利用NSGA‑Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。本发明能够解决充电站因季节天气变化导致的长期单储能结构配置不合理问题。

Description

一种氢光储充电站容量优化配置方法及系统
技术领域
本发明涉及电动洗车充电站领域，特别是涉及一种氢光储充电站容量优化配置方法及系统。
背景技术
随着电动汽车的快速普及，充电基础设施的建设和规划已经成为目前电动汽车保持高速发展的关键问题。充电站短时大功率的需求对电网带来了巨大的电力负担，影响电网的稳定运行。与光伏结合的充电站可以有效地提高清洁能源的利用率，同时减缓电动车的大量应用对电力高负荷需求紧张。
光伏等新能源发电利用具有明显的短期随机波动和长期季节性出力失衡等特征。储能是新能源利用中解决电力失衡的重要组成部分。电池是目前常用的储能方式，利用电池储能建立均衡的容量配置可以在有效解决新能源发电波动性的同时，让系统经济性保持最优。但是由于存在自放电问题，目前电化学电池只能实现数天内的短期光伏发电容量配置均衡利用。同时光伏发电不同季节下出力会发生明显的变化，这种季节性出力失衡的现象导致短期均衡的系统配置并不适用于长期的运营。因此，光伏发电和电池储能难以实现长时间周期的配置耦合。
目前，并未有方法能够解决光伏发电和电池储能中配置结构不合理的问题。
发明内容
本发明的目的是提供一种氢光储充电站容量优化配置方法及系统，以解决充电站因季节天气变化导致的长期单储能结构配置不合理问题。
为实现上述目的，本发明提供了如下方案：
一种氢光储充电站容量优化配置方法，包括：
获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐；
基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型；
利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。
可选地，所述基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型，具体包括：
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束；
根据所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，确定氢光储充电站容量优化配置模型的决策变量约束；
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数。
可选地，所述根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束，具体包括：
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统的功率、所述电解槽制氢系统的输入功率、所述光伏系统的浪费功率、所述燃料电池系统的输出功率和电网输入功率确定所述功率平衡约束；
根据所述梯次电池储能系统确定所述梯次电池储能系统荷电状态约束；
根据所述燃料电池系统的输出功率和燃料电池系统工作状态约束系数确定所述燃料电池输出功率约束；
根据所述电解槽制氢系统的输入功率和电解槽制氢系统工作状态约束系统确定所述电解槽制氢系统输入功率约束；
根据所述储氢罐的氢气质量确定所述储氢罐容量约束；
根据所述燃料电池系统工作状态约束系数和所述电解槽制氢系统工作状态约束系统确定电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
可选地，所述根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数，具体包括：
根据电网输入功率和所述平均充电负荷数据确定所述目标函数中的系统短缺的负荷占比；
根据光伏系统的浪费功率和所述平均光伏发电数据确定所述目标函数中的系统浪费的光伏发电占比；
根据所述梯次电池储能系统的成本、所述电解槽制氢系统的成本、所述光伏系统的成本、所述燃料电池系统的成本和所述储氢罐的成本确定所述目标函数中的氢光储充电站成本。
可选地，所述利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置，具体包括：
利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行求解，得到Pareto解集；
根据所述Pareto解集确定所述氢光储充电站容量最优配置。
一种氢光储充电站容量优化配置系统，包括：
获取模块，用于获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐；
构建模块，用于基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型；
优化模块，用于利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。
可选地，所述构建模块，具体包括：
功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束以及电解槽制氢系统和燃料电池系统运行状态约束确定单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束；
决策变量约束确定单元，用于根据所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，确定氢光储充电站容量优化配置模型的决策变量约束；
目标函数确定单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数。
可选地，所述功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束以及电解槽制氢系统和燃料电池系统运行状态约束确定单元，具体包括：
功率平衡约束确定子单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统的功率、所述电解槽制氢系统的输入功率、所述光伏系统的浪费功率、所述燃料电池系统的输出功率和电网输入功率确定所述功率平衡约束；
梯次电池储能系统荷电状态约束确定子单元，用于根据所述梯次电池储能系统确定所述梯次电池储能系统荷电状态约束；
燃料电池输出功率约束确定子单元，用于根据所述燃料电池系统的输出功率和燃料电池系统工作状态约束系数确定所述燃料电池输出功率约束；
电解槽制氢系统输入功率约束确定子单元，用于根据所述电解槽制氢系统的输入功率和电解槽制氢系统工作状态约束系统确定所述电解槽制氢系统输入功率约束；
储氢罐容量约束确定子单元，用于根据所述储氢罐的氢气质量确定所述储氢罐容量约束；
电解槽制氢系统和燃料电池系统运行状态约束确定子单元，用于根据所述燃料电池系统工作状态约束系数和所述电解槽制氢系统工作状态约束系统确定电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
可选地，所述目标函数确定单元，具体包括：
系统短缺的负荷占比确定子单元，用于根据电网输入功率和所述平均充电负荷数据确定所述目标函数中的系统短缺的负荷占比；
系统浪费的光伏发电占比确定子单元，用于根据光伏系统的浪费功率和所述平均光伏发电数据确定所述目标函数中的系统浪费的光伏发电占比；
氢光储充电站成本确定子单元，用于根据所述梯次电池储能系统的成本、所述电解槽制氢系统的成本、所述光伏系统的成本、所述燃料电池系统的成本和所述储氢罐的成本确定所述目标函数中的氢光储充电站成本。
可选地，所述优化模块，具体包括：
求解单元，用于利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行求解，得到Pareto解集；
氢光储充电站容量最优配置确定单元，用于根据所述Pareto解集确定所述氢光储充电站容量最优配置。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐；基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型；利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。在构建氢光储充电站容量优化配置模型中充分考虑光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐在充电站中的作用，解决充电站因季节天气变化导致的长期单储能结构配置不合理问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的氢光储充电站容量优化配置方法流程图；
图2为本发明提供的氢光储充电站结构示意图；
图3为Pareto解集示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种氢光储充电站容量优化配置方法及系统，以解决充电站因季节天气变化导致的长期单储能结构配置不合理问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的一种氢光储充电站容量优化配置方法，包括：
步骤101：获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；如图2所示，所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐。图2中的梯次电池系统即为梯次电池储能系统。其中氢光储充电站的负荷包括供给慢充的交流负荷，供给快充的直流负荷。设定历史阶段为在一定预设周期大小的历史阶段。
氢光储充电站在一定预设周期大小的历史阶段内第t个时间段的平均光伏发电数据P PV (t)的公式如下：
Figure 799023DEST_PATH_IMAGE001
其中N y 为历史阶段预设周期的总数，
Figure 477348DEST_PATH_IMAGE002
为第i个预设周期的第t个时刻的氢光储充电站光伏发电功率，P PV (t)为氢光储充电站光伏系统在t时刻发电功率（kW）。
氢光储充电站在一定预设周期大小的历史阶段内第t个时间段的平均充电负荷数据P L (t)的公式如下：
Figure 912877DEST_PATH_IMAGE003
其中
Figure 747235DEST_PATH_IMAGE004
为第i个预设周期内的第t个时刻的氢光储充电站充电负荷功率。
步骤102：基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型。其中氢光储充电站容量优化配置模型为考虑梯次电池储能系统衰退的氢光储充电站容量优化配置模型。
步骤102，具体包括：
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
其中，所述根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束，具体包括：
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统的功率、所述电解槽制氢系统的输入功率、所述光伏系统的浪费功率、所述燃料电池系统的输出功率和电网输入功率确定所述功率平衡约束。
功率平衡约束的公式如下：
Figure 748558DEST_PATH_IMAGE005
其中，P RB (t)为梯次电池储能系统的功率（kW）；P FB (t)为燃料电池系统的输出功率（kW）；P E (t)为电解槽制氢系统输入功率；P W (t)为光伏发电的浪费功率（kW）；P G (t)为电网输入功率（kW）；S E 和S FB 分别为电解槽制氢系统和燃料电池系统工作状态约束系数，其值为0或1。
根据所述梯次电池储能系统确定所述梯次电池储能系统荷电状态约束。
梯次电池储能系统荷电状态（SOC(t)）约束的公式如下：
Figure 801046DEST_PATH_IMAGE006
式中SOCmin、SOCmax为梯次电池储能系统运行SOC的上下限。
根据所述燃料电池系统的输出功率和燃料电池系统工作状态约束系数确定所述燃料电池输出功率约束。
燃料电池输出功率约束的公式如下：
Figure 117014DEST_PATH_IMAGE007
式中
Figure 299603DEST_PATH_IMAGE008
为燃料电池输出功率的最大值，
Figure 277137DEST_PATH_IMAGE009
为燃料电池输出功率的最小值。
根据所述电解槽制氢系统的输入功率和电解槽制氢系统工作状态约束系统确定所述电解槽制氢系统输入功率约束；
电解槽制氢系统输入功率约束公式如下：
Figure 332817DEST_PATH_IMAGE010
式中
Figure 182087DEST_PATH_IMAGE011
为电解槽制氢系统输入功率的最大值，
Figure 653519DEST_PATH_IMAGE012
为电解槽制氢系统输入功率的最大值。
根据所述储氢罐的氢气质量确定所述储氢罐容量约束；
储氢罐容量约束公式如下：
0≤C tank (t)≤N T
式中C tank (t)为储氢罐内氢气的质量（kg），N T 为储氢罐最大储氢质量（kg）。
根据所述燃料电池系统工作状态约束系数和所述电解槽制氢系统工作状态约束系统确定电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
电解槽制氢系统和燃料电池系统运行状态约束公式如下：
S E +S FB ≤1
由于储氢罐不能同时工作在加氢和放氢两种工作状态，所以此约束可以保证同一时间段内电解槽制氢系统和燃料电池系统不能同时进行工作。
根据所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，确定氢光储充电站容量优化配置模型的决策变量约束。
决策变量约束公式如下：
Figure 118784DEST_PATH_IMAGE013
Figure 453688DEST_PATH_IMAGE014
Figure 213090DEST_PATH_IMAGE015
Figure 675164DEST_PATH_IMAGE016
Figure 990739DEST_PATH_IMAGE017
其中N PV 为光伏系统的额定功率（kW），
Figure 41085DEST_PATH_IMAGE018
是设定的光伏系统额定功率的容量配置最大值（kW）；N RB 为梯次电池储能系统的额定容量（kWh），
Figure 206225DEST_PATH_IMAGE019
是设定的梯次电池系统额定容量的容量配置最大值（kWh）；N FB 为燃料电池系统的额定功率（kW），
Figure 629247DEST_PATH_IMAGE020
是设定的燃料电池系统额定功率的容量配置最大值（kW）；N E 为电解槽制氢系统的额定功率（kW），
Figure 113842DEST_PATH_IMAGE021
是设定的电解槽制氢系统额定功率的容量配置最大值（kW）；
Figure 790549DEST_PATH_IMAGE022
是设定的储氢罐最大储氢质量的容量配置最大值（kg）。
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数。
其中，所述根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数，具体包括：
根据电网输入功率和所述平均充电负荷数据确定所述目标函数中的系统短缺的负荷占比。
系统短缺的负荷占比，如下式所示：
Figure 518684DEST_PATH_IMAGE023
根据光伏系统的浪费功率和所述平均光伏发电数据确定所述目标函数中的系统浪费的光伏发电占比。
系统浪费的光伏发电占比，如下式所示：
Figure 56982DEST_PATH_IMAGE024
根据所述梯次电池储能系统的成本、所述电解槽制氢系统的成本、所述光伏系统的成本、所述燃料电池系统的成本和所述储氢罐的成本确定所述目标函数中的氢光储充电站成本。
光伏系统安全运行寿命内氢光储充电站安装和运营成本即氢光储充电站成本C，如下式所示：
Figure 347149DEST_PATH_IMAGE025
其中C PV 为光伏系统成本，C RB 为梯次电池储能系统成本，C FB 为燃料电池系统成本，C E 为电解槽制氢系统成本，C T 为储氢罐成本。各部分具体的计算公式如下：
Figure 541894DEST_PATH_IMAGE026
其中UPV($/kW)为单位光伏系统的购买和安装成本，I PV ($/kW)为单位光伏系统的年维护成本，f r 为年膨胀利率，
Figure 901200DEST_PATH_IMAGE027
为光伏系统安全运行寿命。
Figure 20685DEST_PATH_IMAGE028
其中U RB ($/kWh)为单位梯次储能系统的购买和安装成本，I RB ($/kWh)为单位梯次储能系统的年维护成本，d r 为年折扣利率，n 1 ,n 2 ,…为梯次电池储能系统更换时间，其由下式计算得出：
Figure 742522DEST_PATH_IMAGE029
其中Y RB 为梯次电池储能系统安全运行寿命。
Figure 45852DEST_PATH_IMAGE030
其中U FB ($/kW)为单位燃料电池的购买和安装成本，I FB ($/kW)为单位燃料电池的年维护成本，k 1 ,k 2 ,…为燃料电池系统更换时间，其由下式计算得出：
Figure 908766DEST_PATH_IMAGE031
其中Y FB 为燃料电池系统安全运行寿命。
Figure 320024DEST_PATH_IMAGE032
其中U E ($/kW)为单位电解槽制氢系统的购买和安装成本，I E ($/kW)为单位电解槽制氢系统的年维护成本，m 1 ,m 2 ,…为电解槽制氢系统更换时间，其由下式计算得出：
Figure 182455DEST_PATH_IMAGE033
其中Y E 为电解槽制氢系统安全运行寿命。
Figure 371866DEST_PATH_IMAGE034
其中U T ($/m3)为单位储氢罐的购买和安装成本，I T ($/m3)为单位储氢罐的年维护成本，储氢罐的寿命较长，故可认为在光伏系统寿命内，储氢罐无需更换。
步骤103：利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。采用NSGA-Ⅱ算法求解步骤102中的配置模型，实现氢光储充电站容量最优配置方案获取。
步骤103，具体包括：
利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行求解，得到如图3所示的Pareto解集。
根据所述Pareto解集确定所述氢光储充电站容量最优配置。根据系统的不同目标要求，在Pareto解集中选取最优配置方案。
氢光储充电站容量优化配置模型采用的氢光储充电站运行的具体功率分配方法为：光伏发电输出的功率优先满足氢光储充电站负荷的需求。当光伏发电功率超过站内充电负荷需求时，如果储能电池尚未充满，盈余发电功率在梯次电池系统功率范围内存入梯次电池系统中，其余功率供给电解槽制氢系统以制备氢气，制氢的氢气存入储氢罐中；如果梯次电池为充满状态，盈余功率利用电解槽制氢系统制取氢气存入储氢罐中。当光伏发电功率低于站内充电负荷需求时，如果储能电池SOC高于最低限值，利用梯次电池系统补充功率梯次电池系统功率允许范围内不足的功率，剩余不足功率由燃料电池补充。
本发明提供的一种氢光储充电站容量优化配置系统，包括：
获取模块，用于获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐。
构建模块，用于基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型。
优化模块，用于利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。
作为一种可选地实施方式，所述构建模块，具体包括：
功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束以及电解槽制氢系统和燃料电池系统运行状态约束确定单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
决策变量约束确定单元，用于根据所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，确定氢光储充电站容量优化配置模型的决策变量约束。
目标函数确定单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数。
作为一种可选地实施方式，所述功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束以及电解槽制氢系统和燃料电池系统运行状态约束确定单元，具体包括：
功率平衡约束确定子单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统的功率、所述电解槽制氢系统的输入功率、所述光伏系统的浪费功率、所述燃料电池系统的输出功率和电网输入功率确定所述功率平衡约束。
梯次电池储能系统荷电状态约束确定子单元，用于根据所述梯次电池储能系统确定所述梯次电池储能系统荷电状态约束。
燃料电池输出功率约束确定子单元，用于根据所述燃料电池系统的输出功率和燃料电池系统工作状态约束系数确定所述燃料电池输出功率约束。
电解槽制氢系统输入功率约束确定子单元，用于根据所述电解槽制氢系统的输入功率和电解槽制氢系统工作状态约束系统确定所述电解槽制氢系统输入功率约束。
储氢罐容量约束确定子单元，用于根据所述储氢罐的氢气质量确定所述储氢罐容量约束。
电解槽制氢系统和燃料电池系统运行状态约束确定子单元，用于根据所述燃料电池系统工作状态约束系数和所述电解槽制氢系统工作状态约束系统确定电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
作为一种可选地实施方式，所述目标函数确定单元，具体包括：
系统短缺的负荷占比确定子单元，用于根据电网输入功率和所述平均充电负荷数据确定所述目标函数中的系统短缺的负荷占比。
系统浪费的光伏发电占比确定子单元，用于根据光伏系统的浪费功率和所述平均光伏发电数据确定所述目标函数中的系统浪费的光伏发电占比。
氢光储充电站成本确定子单元，用于根据所述梯次电池储能系统的成本、所述电解槽制氢系统的成本、所述光伏系统的成本、所述燃料电池系统的成本和所述储氢罐的成本确定所述目标函数中的氢光储充电站成本。
作为一种可选地实施方式，所述优化模块，具体包括：
求解单元，用于利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行求解，得到Pareto解集。
氢光储充电站容量最优配置确定单元，用于根据所述Pareto解集确定所述氢光储充电站容量最优配置。
与电池相比，氢储具有能量密度高、储存能力长等优点，可以作为电池储能补充的有效电能储存方案。氢可以实现长期存储，而且储存中几乎不存在能量浪费。使用氢作为可再生能源发电储能的关键一环，可以解决区域可用的可再生能源和负荷的长期性匹配问题。同时在充电站中利用从电动车上退役的动力电池处理形成梯次电池系统，可以满足充电站储能等场景的需求，同时可以减少成本。本发明可以解决由于季节天气变化导致的长期单储能结构配置不合理问题，该系统利用氢气实现长期储能，将光伏发电过多的季节能量存储，在光伏发电较低的季节供能，以抑制季节变化带来的发电波动的影响。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种氢光储充电站容量优化配置方法，其特征在于，包括：
获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐；
基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型；
利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。
2.根据权利要求1所述的氢光储充电站容量优化配置方法，其特征在于，所述基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型，具体包括：
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束；
根据所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，确定氢光储充电站容量优化配置模型的决策变量约束；
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数。
3.根据权利要求2所述的氢光储充电站容量优化配置方法，其特征在于，所述根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束，具体包括：
根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统的功率、所述电解槽制氢系统的输入功率、所述光伏系统的浪费功率、所述燃料电池系统的输出功率和电网输入功率确定所述功率平衡约束；
根据所述梯次电池储能系统确定所述梯次电池储能系统荷电状态约束；
根据所述燃料电池系统的输出功率和燃料电池系统工作状态约束系数确定所述燃料电池输出功率约束；
根据所述电解槽制氢系统的输入功率和电解槽制氢系统工作状态约束系统确定所述电解槽制氢系统输入功率约束；
根据所述储氢罐的氢气质量确定所述储氢罐容量约束；
根据所述燃料电池系统工作状态约束系数和所述电解槽制氢系统工作状态约束系统确定电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
4.根据权利要求2所述的氢光储充电站容量优化配置方法，其特征在于，所述根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数，具体包括：
根据电网输入功率和所述平均充电负荷数据确定所述目标函数中的系统短缺的负荷占比；
根据光伏系统的浪费功率和所述平均光伏发电数据确定所述目标函数中的系统浪费的光伏发电占比；
根据所述梯次电池储能系统的成本、所述电解槽制氢系统的成本、所述光伏系统的成本、所述燃料电池系统的成本和所述储氢罐的成本确定所述目标函数中的氢光储充电站成本。
5.根据权利要求1所述的氢光储充电站容量优化配置方法，其特征在于，所述利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置，具体包括：
利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行求解，得到Pareto解集；
根据所述Pareto解集确定所述氢光储充电站容量最优配置。
6.一种氢光储充电站容量优化配置系统，其特征在于，包括：
获取模块，用于获取氢光储充电站在设定历史阶段的平均光伏发电数据和平均充电负荷数据；所述氢光储充电站包括光伏系统、梯次电池储能系统、燃料电池系统、电解槽制氢系统和储氢罐；
构建模块，用于基于所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，根据所述平均光伏发电数据和所述平均充电负荷数据构建氢光储充电站容量优化配置模型；
优化模块，用于利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行优化，确定氢光储充电站容量最优配置。
7.根据权利要求6所述的氢光储充电站容量优化配置系统，其特征在于，所述构建模块，具体包括：
功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束以及电解槽制氢系统和燃料电池系统运行状态约束确定单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束、电解槽制氢系统运行状态约束和燃料电池系统运行状态约束；
决策变量约束确定单元，用于根据所述光伏系统、所述梯次电池储能系统、所述燃料电池系统、所述电解槽制氢系统和所述储氢罐，确定氢光储充电站容量优化配置模型的决策变量约束；
目标函数确定单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统、所述电解槽制氢系统、所述光伏系统、所述燃料电池系统和所述储氢罐，确定所述氢光储充电站容量优化配置模型的目标函数。
8.根据权利要求7所述的氢光储充电站容量优化配置系统，其特征在于，所述功率平衡约束、梯次电池储能系统荷电状态约束、燃料电池输出功率约束、电解槽制氢系统输入功率约束、储氢罐容量约束以及电解槽制氢系统和燃料电池系统运行状态约束确定单元，具体包括：
功率平衡约束确定子单元，用于根据所述平均光伏发电数据、所述平均充电负荷数据、所述梯次电池储能系统的功率、所述电解槽制氢系统的输入功率、所述光伏系统的浪费功率、所述燃料电池系统的输出功率和电网输入功率确定所述功率平衡约束；
梯次电池储能系统荷电状态约束确定子单元，用于根据所述梯次电池储能系统确定所述梯次电池储能系统荷电状态约束；
燃料电池输出功率约束确定子单元，用于根据所述燃料电池系统的输出功率和燃料电池系统工作状态约束系数确定所述燃料电池输出功率约束；
电解槽制氢系统输入功率约束确定子单元，用于根据所述电解槽制氢系统的输入功率和电解槽制氢系统工作状态约束系统确定所述电解槽制氢系统输入功率约束；
储氢罐容量约束确定子单元，用于根据所述储氢罐的氢气质量确定所述储氢罐容量约束；
电解槽制氢系统和燃料电池系统运行状态约束确定子单元，用于根据所述燃料电池系统工作状态约束系数和所述电解槽制氢系统工作状态约束系统确定电解槽制氢系统运行状态约束和燃料电池系统运行状态约束。
9.根据权利要求7所述的氢光储充电站容量优化配置系统，其特征在于，所述目标函数确定单元，具体包括：
系统短缺的负荷占比确定子单元，用于根据电网输入功率和所述平均充电负荷数据确定所述目标函数中的系统短缺的负荷占比；
系统浪费的光伏发电占比确定子单元，用于根据光伏系统的浪费功率和所述平均光伏发电数据确定所述目标函数中的系统浪费的光伏发电占比；
氢光储充电站成本确定子单元，用于根据所述梯次电池储能系统的成本、所述电解槽制氢系统的成本、所述光伏系统的成本、所述燃料电池系统的成本和所述储氢罐的成本确定所述目标函数中的氢光储充电站成本。
10.根据权利要求6所述的氢光储充电站容量优化配置系统，其特征在于，所述优化模块，具体包括：
求解单元，用于利用NSGA-Ⅱ算法对所述氢光储充电站容量优化配置模型进行求解，得到Pareto解集；
氢光储充电站容量最优配置确定单元，用于根据所述Pareto解集确定所述氢光储充电站容量最优配置。
CN202210929585.XA 2022-08-04 2022-08-04 一种氢光储充电站容量优化配置方法及系统 Pending CN114997544A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210929585.XA CN114997544A (zh) 2022-08-04 2022-08-04 一种氢光储充电站容量优化配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210929585.XA CN114997544A (zh) 2022-08-04 2022-08-04 一种氢光储充电站容量优化配置方法及系统

Publications (1)

Publication Number Publication Date
CN114997544A true CN114997544A (zh) 2022-09-02

Family

ID=83022134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210929585.XA Pending CN114997544A (zh) 2022-08-04 2022-08-04 一种氢光储充电站容量优化配置方法及系统

Country Status (1)

Country Link
CN (1) CN114997544A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115579961A (zh) * 2022-12-09 2023-01-06 长春吉电氢能有限公司 一种制氢加氢站供电负荷稳定性控制方法和系统
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144620A (zh) * 2019-12-06 2020-05-12 东南大学 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
CN112418605A (zh) * 2020-10-19 2021-02-26 国网上海市电力公司 一种光储式充电站储能系统优化运行方法
CN114447967A (zh) * 2021-12-31 2022-05-06 国网河北省电力有限公司营销服务中心 光储充电站电池储能配置方法、配置终端及存储介质
CN114567009A (zh) * 2022-03-03 2022-05-31 河海大学 一种光氢储综合充电站设备容量配置方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111144620A (zh) * 2019-12-06 2020-05-12 东南大学 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
CN112418605A (zh) * 2020-10-19 2021-02-26 国网上海市电力公司 一种光储式充电站储能系统优化运行方法
CN114447967A (zh) * 2021-12-31 2022-05-06 国网河北省电力有限公司营销服务中心 光储充电站电池储能配置方法、配置终端及存储介质
CN114567009A (zh) * 2022-03-03 2022-05-31 河海大学 一种光氢储综合充电站设备容量配置方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115579961A (zh) * 2022-12-09 2023-01-06 长春吉电氢能有限公司 一种制氢加氢站供电负荷稳定性控制方法和系统
CN115579961B (zh) * 2022-12-09 2023-03-28 长春吉电氢能有限公司 一种制氢加氢站供电负荷稳定性控制方法和系统

Similar Documents

Publication Publication Date Title
CN106160091B (zh) 促进可再生能源消纳的电动汽车换电站充放电调度方法
CN109146201A (zh) 基于合作博弈的充换储一体化电站微电网优化调度方法
CN114997544A (zh) 一种氢光储充电站容量优化配置方法及系统
Hossain et al. Design a novel controller for stability analysis of microgrid by managing controllable load using load shaving and load shifting techniques; and optimizing cost analysis for energy storage system
CN108876000A (zh) 一种光伏充电站光、储、变压器容量协调优化配置方法
CN106356888B (zh) 一种高层建筑抽蓄储能风光智能微网系统及控制方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
KR20170095578A (ko) 에너지 저장 시스템 및 시스템 운용 방법
CN112109578A (zh) 车辆能源补给站及其控制方法
CN110112783A (zh) 光伏蓄电池微电网调度控制方法
Jiao et al. Greenhouse gas emissions from hybrid energy storage systems in future 100% renewable power systems–A Swedish case based on consequential life cycle assessment
Dusonchet et al. Economic impact of medium-scale battery storage systems in presence of flexible electricity tariffs for end-user applications
CN113746123A (zh) 一种光储充一体化电站系统
CN103187784A (zh) 一种优化光伏充电站集成系统的方法及装置
CN107240925B (zh) 一种微电网中储能电池系统的控制方法
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN115473285A (zh) 基于合作博弈论的多类型储能系统最优容量配置方法
CN113452044B (zh) 一种含氢与液态金属电池混合储能系统的风力光伏电网调度方法
CN111313444A (zh) 一种面向高密度光伏配网台区侧的储能系统优化配置方法
Huang et al. A Hierarchical Strategy for Multi-Objective Optimization of Distribution Network Considering DGs and V2G-Enabled EVs Integration
CN110739684B (zh) 基于多时间尺度的多交直流混合微电网优化调度方法
CN109510242B (zh) 一种微电网储能系统配置优化方法及存储介质
CN114188980B (zh) 一种考虑储能装置的透明微网群经济运行域生成方法
CN110224397A (zh) 一种风光接入背景下用户侧电池储能成本效益分析方法
CN109245143A (zh) 一种考虑锂离子电池寿命的储能调峰电站优化运行方法

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