CN115085229B - 一种含氢储能微电网的能量管理方法 - Google Patents

一种含氢储能微电网的能量管理方法 Download PDF

Info

Publication number
CN115085229B
CN115085229B CN202210760233.6A CN202210760233A CN115085229B CN 115085229 B CN115085229 B CN 115085229B CN 202210760233 A CN202210760233 A CN 202210760233A CN 115085229 B CN115085229 B CN 115085229B
Authority
CN
China
Prior art keywords
hydrogen
energy
energy storage
algorithm
power
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.)
Active
Application number
CN202210760233.6A
Other languages
English (en)
Other versions
CN115085229A (zh
Inventor
章仕起
郭小强
李中琴
卢志刚
华长春
乔瑟夫·格莱罗
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.)
Yanshan University
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN202210760233.6A priority Critical patent/CN115085229B/zh
Publication of CN115085229A publication Critical patent/CN115085229A/zh
Application granted granted Critical
Publication of CN115085229B publication Critical patent/CN115085229B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • H02J15/00—Systems for storing electric energy
    • H02J15/008—Systems for storing electric energy using hydrogen as energy vector
    • 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
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • 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
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/50—Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及一种含氢储能微电网的能量管理方法，属于电气工程技术领域，包括：传感器将作用物理层采集的各部分设备的运行参数传送给算法决策层；算法决策层检测运行参数确定下一步的工作状态；构建基于电能、热能和氢能的多能多目标综合优化模型，为含氢储能微电网系统计算分配功率；含氢储能微电网系统根据预测设备的最优工作状态对各个变换器进行最终控制，动作执行层实现能量管理；当含氢储能微电网系统进入应急供电状态时，采用应急能量管理算法进行供电五个步骤。本发明实现了多能系统协调控制，实现了含有氢储能微电网的稳态运行和合理调度，可以更加准确、快速、有效的得到最优的含氢储能微电网的能量管理方案，实用价值好。

Description

一种含氢储能微电网的能量管理方法
技术领域
本发明涉及一种含氢储能微电网的能量管理方法，属于电气工程技术领域。
背景技术
由于可再生能源发电具有随机性、波动性的特点，而负荷供电稳定性是发电系统的主要目标，因此有必要使用储能设备以确保达到需求和供应系统的稳定性。传统的储能方式存在储能密度低、受到自然条件影响、寿命短等弊端，氢储能作为可再生能源系统的重要组成部分，需要更适合的能量管理策略，以确保发电、储能、用电系统的正常运行。现有的能量管理策略多以构建优化目标的数学模型并通过算法进行优化为主，构建方法单一，无法获得优化目标和优化参数之间的关系，并且由于不同能源的本质差异，电网、蓄电池和燃料电池往往单独规划，因此，现有的能量管理策略优化的能量种类有限、针对性不强，无法满足多能多目标优化的需求。由于微电网稳定性较差，当发生故障时，现有能量管理方法容易崩溃，造成负载供电不可靠，影响含氢储能微电网的稳定性。
发明内容
本发明的目的是提供一种含氢储能微电网的能量管理方法，能够在多目标优化的基础上，实现电能、氢能、热能的多能优化，并且通过建立应急能量管理方法，可以最大限度地保证含氢储能微电网负荷供电的可靠性。
为了实现上述目的，本发明采用的技术方案是：
一种含氢储能微电网的能量管理方法，包括以下步骤：
步骤S1、设计多层控制结构，所述多层控制结构包括作用物理层、与作用物理层通过传感器进行信息交互的算法决策层和执行算法决策层指令的动作执行层；传感器将作用物理层采集得到的各部分设备的运行参数传送给算法决策层，来确定下一步的工作状态；
步骤S2、算法决策层检测所述步骤S1采集的运行参数，判断交流电网是否发生故障，若检测到参数异常，含氢储能微电网系统则进入应急供电状态，应急能量管理算法开始进行步骤S5；若检测到参数正常，含氢储能微电网系统进入优化管理状态，进行步骤S3；
步骤S3、当含氢储能微电网系统进入优化管理状态时，采用线性回归算法控制构建一种基于电能、热能和氢能的多能多目标综合优化模型，用TOPSIS算法与DEMATEL算法结合的方法，为含氢储能微电网系统计算分配功率Pi allocated，实现含氢储能微电网系统的能量管理；
步骤S4、首先，含氢储能微电网系统收到分配功率Pi allocated后根据预测设备的最优工作状态对各个变换器进行最终控制：
Figure BDA0003720820880000021
Figure BDA0003720820880000022
Figure BDA0003720820880000023
其中，
Figure BDA0003720820880000024
为锂电池充放电成本，
Figure BDA0003720820880000025
为锂电池投资成本，
Figure BDA0003720820880000026
为锂电池单价，Blife为锂电池寿命
Figure BDA0003720820880000027
为燃料电池和电解槽运行成本，iom为运维成本，onoffi为开/关状态，T为控制范围；然后，动作执行层根据含氢储能微电网系统的分配功率计算每个部分的参考控制信号，再与实际测量信号进行比较；最终的差值由PI控制器控制，将变换器、阀门、温度装置作用于作用物理层；
步骤S5、当含氢储能微电网系统进入应急供电状态时，采用应急能量管理算法建立采用混合储能系统和超级电容作为负载备用电源的应急能量管理系统进行供电；然后，检测当前作用物理层的运行参数，通过传感器传送至算法决策层进行新一轮工作状态的选择。
本发明技术方案的进一步改进在于：所述步骤S3中多能多目标综合优化模型的构建过程为：
在含有氢储能微电网进入优化管理状态时，利用光伏来提供能量，利用氢气以及锂电池储存能量，循环利用电解槽以及燃料电池剩余热能，利用热循环为含氢储能微电网系统提供热水，以降低运行成本，提高含氢储能微电网系统运行效率，同时含氢储能微电网系统为达到运行成本最小为目标，引入最大储氢量、最小总运行成本两个目标函数，分别为：
Y＝a1X1+a2X2+a3X3+a4X4
Z＝b1Y1+b2Y2+Y
Y表示含氢储能微电网系统的稳定性指标，根据运行状态而确定；X1表示目标储氢量，X2表示电网提供电能的能力，X3表示可再生能源提供的电解能力，X4表示锂电池电量SOC；a1、a2、a3、a4表示常数；Z表示运行最小成本，Y1表示可再生资源提供的电能和热能，Y2表示对电网的电能需求，b1、b2表示常数。
本发明技术方案的进一步改进在于：所述步骤S3中DEMATEL算法的具体步骤为：
(1)生成直接关系矩阵A
确定属性之间的关系i和j，根据无影响、低影响、中等影响、高影响、非常高影响五个影响级别描述属性i对j的影响程度，整数分xij由专家给出，直接关系矩阵A的aij可计算如下：
Figure BDA0003720820880000031
其中，h代表专家的总数，k代表第k个专家；
(2)矩阵规范化
基于上述直接关系矩阵A，归一化的直接关系矩阵X可计算如下：
Figure BDA0003720820880000032
Figure BDA0003720820880000041
每行i的和表示属性i给其他属性的效果；
(3)求全关系矩阵
根据归一化直接关系矩阵X，总关系矩阵T计算如下：
T＝X(I-X)-1
(4)因果分析
根据总关系矩阵T，分别计算T的行之和和列之和，记为向量D和R:
T＝[tij]n×n,i,j＝1,2,...,n
Figure BDA0003720820880000042
Figure BDA0003720820880000043
通过将D添加到R中计算D+R，得到每个属性的重要性，基于D+R，可以计算出每个属性的权重ωj。
本发明技术方案的进一步改进在于：所述步骤S3中TOPSIS算法的具体步骤为：
(1)基于多属性，建立决策矩阵E＝eij
其中，eij代表i中的第j个属性替代方案，i＝1,2,...,n，j＝1,2,...,m；m为i中的最后一个属性；
(2)考虑到每个属性的差异，对决策矩阵E进行规格化，并将其转换为归一化矩阵E'＝eij'；
(3)根据DEMATEL算法得到的每个属性的权重ωj，计算规范化决策矩阵的权重V＝vij,vij＝wj·e′ij；
(4)确定理想正解A+和理想负解A-：
Figure BDA0003720820880000051
Figure BDA0003720820880000052
其中，
Figure BDA0003720820880000053
(5)正距离Si +，负距离Si -
Figure BDA0003720820880000054
Figure BDA0003720820880000055
(6)使用以下公式计算每个选项的相对距离:
Figure BDA0003720820880000056
相对距离的值RD表示每个备选方案的相对优势，当RDi较大时，意味着替代i更好；而当RDi更小时，另一个就相对较穷，根据相对距离RDi，计算出各混合存储系统的分配功率Pi allocated。
本发明技术方案的进一步改进在于：所述步骤S5采用混合储能系统和超级电容作为负载备用电源的应急能量管理系统进行供电的具体过程为：首先将交流母线接入电网，电网电压通过整流器输送到直流母线；当电网发生故障或开关故障时，锂电池组开始工作，将化学能转换为电能输送至直流母线，同时打开储氢罐，将氢气输送到燃料电池，使燃料电池进入预启动状态；当锂电池组能量耗尽时，燃料电池进入工作状态，将氢能转换为电能输送至直流母线；当氢气用完时，通过超级电容供电，各级电源依次供电，最大程度达到故障发生时含氢储能微电网系统正常供电的目的。
由于采用了上述技术方案，本发明取得的技术效果有：
本发明构建了含氢储能微电网的多能、多目标协同优化模型，能够在多目标优化的基础上，实现电能、氢能、热能的多能系统协调控制，实现了含有氢储能微电网的稳态运行和合理调度。其中，多能协同互补模型可以充分利用含有氢储能微电网中不同类型的能量，提高含氢储能微电网系统效率；多目标协同优化模型相比传统含氢储能微电网单目标优化模型可以达到更有效的优化效果，具有更强的实用价值。
本发明采用采用线性回归构建一种基于电能、热能、氢能的多能多目标综合优化模型，并采用TOPSIS算法与DEMATEL算法结合对多目标优化模型进行了求解，可以更加准确、快速、有效的得到最优的含氢储能微电网的能量管理方案。
本发明不仅可以在正常运行时得到最优的能量管理方案，并且即使在故障情况下也有极高的稳定性，可以保证含氢储能微电网长期稳定运行。因为本发明设计了一个应急能量管理算法，在电网异常时，可以及时进行电网、锂电池组、燃料电池组和超级电容源系统供电方式的切换，保证了含氢储能微电网系统负荷供电的可靠性。
附图说明
图1是本发明多层控制结构的整体框图；
图2是本发明作用物理层的框图；
图3是本发明的流程图；
图4是本发明的故障下流程框图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步详细说明：
一种含氢储能微电网的能量管理方法，以经济性、稳定性为目标，应用多能互补协同控制的多层控制结构，如图1所示，所述多层控制结构包括算法决策层、动作执行层和作用物理层。
算法决策层，由基于线性回归、DEMATEL和TOPSIS的能量管理算法及应急能量管理算法组成；以经济性、供电稳定性为目标，构建一种基于电能、热能、氢能的多能协同的多目标综合优化模型，提高含氢储能微电网的性能及供电可靠性。
动作执行层，首先执行最大光伏功率追踪和系统故障诊断，之后根据算法决策层输出的信号，发出动作指令信号，动作指令信号包括光伏MPPT变换器动作指令APV、锂电池变换器动作指令AB、燃料电池变换器动作指令AFC和电解槽变换器动作指令AE，根据上述动作指令，选择相应的应急能量管理算法，确定不同变换器的参考率包含但不限于：光伏功率PPV、锂电池组功率PB、负载功率PL、电解槽功率PE和燃料电池功率PFC。将得到的参考功率与含氢储能微电网系统的实际功率作差，将误差信号输送至PI控制器得到各个变换器的控制信号；
作用物理层，主要进行与算法决策层的信息交互以及对负载进行稳定性供电，如图2所示，包括光伏阵列、电解槽、燃料电池、锂电池组、多样负载等部分。正常情况下，由光伏阵列或者电网向负载进行供电，多余的电能按照含氢储能微电网的最优工作状态通过混合变换器与各部分变换器进行能量转换和功率分配，一部分经过电解槽产生的氢气储存在储氢装置中，其中产生的热能可以用于居民供暖。夜间太阳能阵无法工作或者电网发生故障或开关故障时，由锂电池组、燃料电池组和超级电容源对负载进行正常供电。在燃料电池预热期间，由锂电池组经过混合变换器为负载提供电能，当锂电池组能量耗尽时，燃料电池启动，利用氢气和空气中的氧气产生电能经过混合变换器为负载提供电能，产生的水可以用于电解槽进行氢气的置换，热能可以用于居民供暖。
光伏阵列：当应急能量管理系统进入供电稳定状态时，该部分为负载提供电能，同时多余的电量可以转换成氢气储存。
电解槽：该部分将太阳能产生的多余电能转换成氢气进行储存，其副产物氧气经过处理后可以应用于燃料电池发电。
储氢装置：当含氢储能微电网进入优化管理状态时，该部分采用氢化物金属合金进行氢气的储存，其可以回收利用，且使用寿命长；当含氢储能微电网系统进入供电稳定状态时，储氢装置打开，对燃料电池输送氢气，进行供电。
燃料电池：当含氢储能微电网系统进入供电稳定状态时，该部分通过对氢气的处理可以为负载提供电能，但是反应速度较慢，因此通常工作在蓄电池组工作结束之后。
锂电池组：当含氢储能微电网系统进入供电稳定状态时，由于燃料电池反应缓慢且需要预热，因此在电网发生故障时，需要锂电池进行快速响应。
混合变换器：该部分负责太阳能阵、电网、储氢装置和燃料电池之间的能量转换。
一种含氢储能微电网的能量管理方法，如图3所示，包括以下步骤：
步骤S1、传感器将作用物理层采集得到的各部分设备的运行参数传送给算法决策层，来确定下一步的工作状态。
步骤S2、算法决策层检测所述步骤S1采集的运行参数，判断交流电网是否发生故障，若检测到参数异常，含氢储能微电网系统则进入应急供电状态，应急能量管理算法开始进行步骤S5；若检测到参数正常，含氢储能微电网系统进入优化管理状态，进行步骤S3。
本步骤实现了根据运行参数判断交流电网是否可以正常供电的目的，根据检测结果有两种输出情况。
当检测交流电网正常时，含氢储能微电网系统进入优化管理状态，建立多能多目标综合优化模型，利用算法寻找最优工作方案，为含氢储能微电网系统分配更多的功率，实现了含氢储能微电网系统的能量管理(步骤S3)；当检测交流电网异常时，则进入供电稳定状态，应急能量管理算法开始工作，三级电源采用依次供电的方式，当各级电源进行供电切换时，采用超级电容源供电的方式最大程度地确保含氢储能微电网系统供电正常(步骤S5)。
步骤S3、当含氢储能微电网系统进入优化管理状态时，采用线性回归算法控制构建一种基于电能、热能、氢能的多能多目标综合优化模型，用TOPSIS算法与DEMATEL算法结合的方法，为含氢储能微电网系统分配更多的功率，实现含氢储能微电网系统的能量管理，具体实现步骤如下：
1、多能多目标综合优化模型的构建
本发明在含有氢储能微电网进入优化管理状态时，利用光伏来提供能量，利用氢气以及锂电池储存能量，巧妙循环利用电解槽以及燃料电池剩余热能，利用热循环为含氢储能微电网系统提供热水，以降低运行成本，提高含氢储能微电网系统运行效率，同时含氢储能微电网系统为达到运行成本最小为目标，引入最大储氢量、最小总运行成本两个目标函数，分别为：
Y＝a1X1+a2X2+a3X3+a4X4
Z＝b1Y1+b2Y2+r
Y表示含氢储能微电网系统的稳定性指标，根据运行状态而确定。X1表示目标储氢量，X2表示电网提供电能的能力，X3表示可再生能源提供的电解能力，X4表示锂电池电量SOC。a1、a2、a3、a4表示常数；Z表示运行最小成本，Y1表示可再生资源提供的电能和热能，Y2表示对电网的电能需求，b1、b2表示常数。采用线性回归构建多目标函数综合优化模型之后，通过DEMATEL算法计算不同指标因素的权重值，例如可再生能源在不同运行状态下的电解能力和对电网的电能需求等，最后通过TOPSIS算法，对多目标函数的综合优化模型进行评价分析，并对评价分析指标值进行排列，得到含氢储能微电网系统的最优工作状态，并按照最优工作状态对含氢储能微电网系统进行功率的分配。
2、DEMATEL算法求解含氢储能微电网系统参数权重ωj：
为了更好地评估每个混合存储系统的状态，在TOPSIS算法中，采用五个属性来评估每个存储的条件，分别是锂电池电量(SOC)和电池总利用功率(Uba)，氢气储量(LOH)、燃料电池和电解槽的总在线运行时间(onlinehy)以及燃料电池和电解槽总启动时间(starthy)。每个属性的权重不同，采用DEMATEL算法确定每个属性的权重，具体步骤如下：
(1)生成直接关系矩阵A
属性之间的关系i和j。根据以下五个影响级别：无影响、低影响、中等影响、高影响、非常高影响。整数分xij由专家给出，并描述了该属性i对j的影响程度，然后A矩阵的aij可计算如下：
Figure BDA0003720820880000101
其中，h代表专家的总数，k代表第k个专家。
(2)矩阵规范化
基于上述直接关系矩阵A,归一化的直接关系矩阵X可计算如下：
Figure BDA0003720820880000102
Figure BDA0003720820880000103
每行i的和表示属性i给其他属性的效果。
(3)求全关系矩阵
根据归一化直接关系矩阵X，总关系矩阵T可计算如下：
T＝X(I-X)-1
(4)因果分析
然后根据矩阵T计算T的行和列之和，记为向量D和R:
T＝[tij]n×n,i,j＝1,2,...,n
Figure BDA0003720820880000104
Figure BDA0003720820880000105
通过将D添加到R中计算D+R，得到每个属性的重要性，基于D+R，可以计算出每个属性的权重ωj。
2、基于TOPSIS算法的功率分配
采用TOPSIS算法来决定分配给每部分的功率，考虑了用来评估混合储能系统状态的五个属性。
首先是用作评估电池状况的锂电池电量(SOC)和电池总利用功率(Uba)。其中Uba用于描述电池的退化。什么时候Uba大，这意味着电池已经运行了很长一段时间，电池的降解率很高。
然后是描述储氢系统状态的三个属性：氢气储量(LOH)、燃料电池和电解槽的总在线运行时间(onlinehy)以及燃料电池和电解槽总启动时间(starthy)。采用onlinehy和starthy来描述储氢系统的退化。onlinehy体积大，意味着储氢系统已经运行了很长时间；starthy这意味着储氢装置已经启动了很多次。这两个属性可以评估储氢的寿命降低程度。然后，将上述五个属性作为TOPSIS算法的输入，对多个混合存储系统进行排序，并计算每个混合存储系统的权重。
最后，基于重量、预期功率可分配给每个混合存储系统。TOPSIS算法的步骤具体如下：
(1)基于多属性，建立决策矩阵E＝eij,eij代表i中的第j个属性替代方案i＝1,2,...,n，j＝1,2,...,m；
(2)考虑到每个属性的差异，对决策矩阵E进行规格化，并将其转换为归一化矩阵E'＝eij'。
(3)根据DEMATEL算法得到的每个属性的权重ωj，计算规范化决策矩阵的权重V＝vij,vij＝wj·e′ij。
(4)确定理想正解A+和理想负解A-：
Figure BDA0003720820880000111
Figure BDA0003720820880000112
其中，
Figure BDA0003720820880000113
(5)正距离Si +，负距离Si -
Figure BDA0003720820880000121
Figure BDA0003720820880000122
(6)使用以下公式计算每个选项的相对距离:
Figure BDA0003720820880000123
相对距离的值RD表示每个备选方案的相对优势。当RDi较大时，意味着替代i更好；而当RDi更小时，另一个就相对较穷。根据相对距离RDi，计算出各混合存储系统的分配功率Pi allocated。
步骤S4、首先，电池储能和氢储能收到分配的功率Pi allocated后根据预测设备的最优工作状态对各个变换器进行最终控制：
Figure BDA0003720820880000124
Figure BDA0003720820880000125
Figure BDA0003720820880000126
其中
Figure BDA0003720820880000127
为锂电池充放电成本，
Figure BDA0003720820880000128
为锂电池投资成本，
Figure BDA0003720820880000129
为锂电池单价，Blife为锂电池寿命；
Figure BDA00037208208800001210
为燃料电池和电解槽运行成本，iom为运维成本，onoffi为开/关状态，T为控制范围。
然后，动作执行层根据含氢储能微电网系统的分配功率计算每个部分的参考控制信号，再与实际测量信号进行比较，最终的差值由PI控制器控制，将控制变换器、阀门、温度装置作用于物理层。
步骤S5、当含氢储能微电网系统进入应急供电状态时，采用应急能量管理算法，建立一种采用混合储能系统和超级电容作为负载备用电源的应急能量管理系统，所述应急能量管理系统主要由电网总线、锂电池组、燃料电池以及超级电容源组成。
如图4所示，故障发生时，为了确保含氢储能微电网系统稳定供电，电网、锂电池组、燃料电池组和超级电容采用依次供电的方式，当各级电源进行供电切换时，采用超级电容源供电的方式确保含氢储能微电网系统供电正常。
具体地，故障发生时，首先将交流母线接入电网，电网电压通过整流器输送到直流母线；当电网发生故障或开关故障时，锂电池组开始工作，将化学能转换为电能输送至直流母线，同时打开储氢罐，将氢气输送到燃料电池，使燃料电池进入预启动状态；当锂电池组能量耗尽时，燃料电池进入工作状态，将氢能转换为电能输送至直流母线；当氢气用完时，通过超级电容供电，各级电源依次供电，可以最大程度达到故障发生时含氢储能微电网系统正常供电的目的。
完成以上操作后，检测当前作用物理层的运行参数，通过传感器传送至算法决策层进行新一轮工作状态的选择，重复以上动作。

Claims (4)

1.一种含氢储能微电网的能量管理方法，其特征在于，包括以下步骤：
步骤S1、设计多层控制结构，所述多层控制结构包括作用物理层、与作用物理层通过传感器进行信息交互的算法决策层和执行算法决策层指令的动作执行层；传感器将作用物理层采集得到的各部分设备的运行参数传送给算法决策层，来确定下一步的工作状态；
步骤S2、算法决策层检测所述步骤S1采集的运行参数，判断交流电网是否发生故障，若检测到参数异常，含氢储能微电网系统则进入应急供电状态，应急能量管理算法开始进行步骤S5；若检测到参数正常，含氢储能微电网系统进入优化管理状态，进行步骤S3；
步骤S3、当含氢储能微电网系统进入优化管理状态时，采用线性回归算法控制构建一种基于电能、热能和氢能的多能多目标综合优化模型，用TOPSIS算法与DEMATEL算法结合的方法，为含氢储能微电网系统计算分配功率Pi allocated，实现含氢储能微电网系统的能量管理；
所述多能多目标综合优化模型的构建过程为：
在含有氢储能微电网进入优化管理状态时，利用光伏来提供能量，利用氢气以及锂电池储存能量，循环利用电解槽以及燃料电池剩余热能，利用热循环为含氢储能微电网系统提供热水，以降低运行成本，提高含氢储能微电网系统运行效率，同时含氢储能微电网系统为达到运行成本最小为目标,引入最大储氢量、最小总运行成本两个目标函数，分别为：
Y＝a1X1+a2X2+a3X3+a4X4
Z＝b1Y1+b2Y2+Y
Y表示含氢储能微电网系统的稳定性指标，根据运行状态而确定，X1表示目标储氢量，X2表示电网提供电能的能力，X3表示可再生能源提供的电解能力，X4表示锂电池电量SOC，a1、a2、a3、a4表示常数；Z表示运行最小成本，Y1表示可再生资源提供的电能和热能，Y2表示对电网的电能需求，b1、b2表示常数；
步骤S4、首先，含氢储能微电网系统收到分配功率Pi allocated后根据预测设备的最优工作状态对各个变换器进行最终控制：
Figure FDA0003922148370000021
Figure FDA0003922148370000022
Figure FDA0003922148370000023
其中，
Figure FDA0003922148370000024
为锂电池充放电成本，
Figure FDA0003922148370000025
为锂电池投资成本，
Figure FDA0003922148370000026
为锂电池单价，Blife为锂电池寿命；
Figure FDA0003922148370000027
为燃料电池和电解槽运行成本，iom为运维成本，onoffi为开/关状态，T为控制范围；然后，动作执行层根据含氢储能微电网系统的分配功率计算每个部分的参考控制信号，再与实际测量信号进行比较；最终的差值由PI控制器控制，将变换器、阀门、温度装置作用于作用物理层；
步骤S5、当含氢储能微电网系统进入应急供电状态时，采用应急能量管理算法建立采用混合储能系统和超级电容作为负载备用电源的应急能量管理系统进行供电；然后，检测当前作用物理层的运行参数，通过传感器传送至算法决策层进行新一轮工作状态的选择。
2.根据权利要求1所述的一种含氢储能微电网的能量管理方法，其特征在于：所述步骤S3中DEMATEL算法的具体步骤为：
(1)生成直接关系矩阵A
确定属性之间的关系i和j，根据无影响、低影响、中等影响、高影响、非常高影响五个影响级别描述属性i对j的影响程度，整数分xij由专家给出，直接关系矩阵A的aij可计算如下：
Figure FDA0003922148370000028
其中，h代表专家的总数，k代表第k个专家；
(2)矩阵规范化
基于上述直接关系矩阵A,归一化的直接关系矩阵X可计算如下：
Figure FDA0003922148370000031
Figure FDA0003922148370000032
每行i的和表示属性i给其他属性的效果；
(3)求全关系矩阵
根据归一化直接关系矩阵X，总关系矩阵T计算如下：
T＝X(I-X)-1
(4)因果分析
根据总关系矩阵T，分别计算T的行之和和列之和，记为向量D和R:
T＝[tij]n×n,i,j＝1,2,...,n
Figure FDA0003922148370000033
Figure FDA0003922148370000034
通过将D添加到R中计算D+R，得到每个属性的重要性，基于D+R，可以计算出每个属性的权重ωj。
3.根据权利要求2所述的一种含氢储能微电网的能量管理方法，其特征在于：所述步骤S3中TOPSIS算法的具体步骤为：
(1)基于多属性，建立决策矩阵E＝eij
其中，eij代表i中的第j个属性替代方案，i＝1,2,...,n，j＝1,2,...,m；m为i中的最后一个属性；
(2)考虑到每个属性的差异，对决策矩阵E进行规格化，并将其转换为归一化矩阵E'＝eij'；
(3)根据DEMATEL算法得到的每个属性的权重ωj，计算规范化决策矩阵的权重V＝vij,vij＝wj·e′ij；
(4)确定理想正解A+和理想负解A-：
Figure FDA0003922148370000041
Figure FDA0003922148370000042
其中，
Figure FDA0003922148370000043
(5)正距离Si +，负距离Si -
Figure FDA0003922148370000044
Figure FDA0003922148370000045
(6)使用以下公式计算每个选项的相对距离:
Figure FDA0003922148370000046
相对距离的值RD表示每个备选方案的相对优势，当RDi较大时，意味着替代i更好；而当RDi更小时，另一个就相对较穷，根据相对距离RDi，计算出各混合存储系统的分配功率Pi allocated。
4.根据权利要求1所述的一种含氢储能微电网的能量管理方法，其特征在于：所述步骤S5采用混合储能系统和超级电容作为负载备用电源的应急能量管理系统进行供电的具体过程为：首先将交流母线接入电网，电网电压通过整流器输送到直流母线；当电网发生故障或开关故障时，锂电池组开始工作，将化学能转换为电能输送至直流母线，同时打开储氢罐，将氢气输送到燃料电池，使燃料电池进入预启动状态；当锂电池组能量耗尽时，燃料电池进入工作状态，将氢能转换为电能输送至直流母线；当氢气用完时，通过超级电容供电，各级电源依次供电，最大程度达到故障发生时含氢储能微电网系统正常供电的目的。
CN202210760233.6A 2022-06-29 2022-06-29 一种含氢储能微电网的能量管理方法 Active CN115085229B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210760233.6A CN115085229B (zh) 2022-06-29 2022-06-29 一种含氢储能微电网的能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210760233.6A CN115085229B (zh) 2022-06-29 2022-06-29 一种含氢储能微电网的能量管理方法

Publications (2)

Publication Number Publication Date
CN115085229A CN115085229A (zh) 2022-09-20
CN115085229B true CN115085229B (zh) 2022-12-30

Family

ID=83255450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210760233.6A Active CN115085229B (zh) 2022-06-29 2022-06-29 一种含氢储能微电网的能量管理方法

Country Status (1)

Country Link
CN (1) CN115085229B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103997062A (zh) * 2014-05-28 2014-08-20 天津大学 一种微网能量管理控制方法
CN109494813A (zh) * 2018-12-29 2019-03-19 苏州科技大学 一种电力调度方法、电子设备及存储介质
CN110544935A (zh) * 2019-07-29 2019-12-06 西南交通大学 一种电-氢多能互补直流微电网协调调度方法
CN111737884A (zh) * 2020-08-06 2020-10-02 国网江西省电力有限公司电力科学研究院 一种含多种清洁能源微能源网多目标随机规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103997062A (zh) * 2014-05-28 2014-08-20 天津大学 一种微网能量管理控制方法
CN109494813A (zh) * 2018-12-29 2019-03-19 苏州科技大学 一种电力调度方法、电子设备及存储介质
CN110544935A (zh) * 2019-07-29 2019-12-06 西南交通大学 一种电-氢多能互补直流微电网协调调度方法
CN111737884A (zh) * 2020-08-06 2020-10-02 国网江西省电力有限公司电力科学研究院 一种含多种清洁能源微能源网多目标随机规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《新能源制氢电力电子变换器综述》;郭小强等;《电力系统自动化》;20211025;第45卷(第20期);第185-199页 *

Also Published As

Publication number Publication date
CN115085229A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN110544935B (zh) 一种电-氢多能互补直流微电网协调调度方法
CN109755965B (zh) 风光发电和制氢储氢系统的运行控制方法
Pu et al. Hierarchical energy management control for islanding DC microgrid with electric-hydrogen hybrid storage system
Han et al. Mode-triggered droop method for the decentralized energy management of an islanded hybrid PV/hydrogen/battery DC microgrid
CN109119983B (zh) 一种电-氢孤岛直流微电网能量管理方法
Tabanjat et al. Fuzzy logic-based water heating control methodology for the efficiency enhancement of hybrid PV–PEM electrolyser systems
CN111293718B (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
Li et al. Optimal control strategy for large-scale VRB energy storage auxiliary power system in peak shaving
Zhang et al. Overview of US patents for energy management of renewable energy systems with hydrogen
CN115296321A (zh) 一种离网式光伏制氢耦合控制系统
Huangfu et al. An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system
Yang et al. Multi-time scale integration of robust optimization with MPC for islanded hydrogen-based microgrid
Zhang et al. Energy storage capacity optimization of non-grid-connected wind-hydrogen systems: from the perspective of hydrogen production features
CN112803567A (zh) 基于智能楼宇光储供电设备的参数优化设计方法及系统
CN115085229B (zh) 一种含氢储能微电网的能量管理方法
CN110190630B (zh) 一种含多微能源网的配网预防-紧急控制方法
CN115411770B (zh) 一种可再生能源系统的能量管理方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN116780619A (zh) 考虑电力交易的分布式源-储聚合功率调节特性评价方法
CN116053523A (zh) 一种氢燃料电池群组发电系统在线活化方法及装置
Yang et al. Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission
CN116070501A (zh) 基于氢能设备多状态模型的电氢能源系统可靠性评估方法
CN115347590A (zh) 基于可逆固体氧化物电池的混合储能微电网寻优控制方法
Shi et al. Optimal allocation of energy storage capacity for hydro-wind-solar multi-energy renewable energy system with nested multiple time scales

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