CN115186791A - 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法 - Google Patents

一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法 Download PDF

Info

Publication number
CN115186791A
CN115186791A CN202210637786.2A CN202210637786A CN115186791A CN 115186791 A CN115186791 A CN 115186791A CN 202210637786 A CN202210637786 A CN 202210637786A CN 115186791 A CN115186791 A CN 115186791A
Authority
CN
China
Prior art keywords
hydrogen
power
energy
storage device
capacity
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
CN202210637786.2A
Other languages
English (en)
Inventor
范天成
乐程毅
陈玄俊
张洁
贝斌斌
孙健
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 Electric Power Design Institute Co ltd
Original Assignee
Ningbo Electric Power Design Institute 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 Electric Power Design Institute Co ltd filed Critical Ningbo Electric Power Design Institute Co ltd
Priority to CN202210637786.2A priority Critical patent/CN115186791A/zh
Publication of CN115186791A publication Critical patent/CN115186791A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • 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
    • H02J3/28—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
    • 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

Abstract

本发明提供了一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法。该方法包括：分析微电网建设地点的新能源资源实际情况；调研或取得建设地点当地或附近的电力负荷数据，热水需求数据和氢气需求情况，以及安装条件、设备容量上限等要求；确定微电网的拓扑结构及能流关系，以微电网全生命周期综合成本最低及风光消纳率和能量效率因数为目标函数；建立综合约束集合，和目标函数构成双层配置‑运行优化模型；求解优化模型，得到优化配置方案。本发明不仅能够有效的降低混合微电网的储能配置容量和成本，同时有效地提升了多能互补微电网系统的综合能量效率和风光消纳率，为微电网建设和推广工作提供技术支撑。

Description

一种计及氢气交易的电氢热耦合多能互补微电网优化配置 方法
技术领域
本发明涉及一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，具体属于微电网规划优化配置技术领域。
背景技术
近年来，随着化石能源逐渐枯竭，气候问题日益加剧，大力发展清洁可再生能源降低二氧化碳排放成为重要发展趋势。然而可再生能源如光伏、风机等设备对环境的较高依赖性，导致发电侧出现较强的不确定性，给电网稳定运行调度带来了较大的挑战。微电网作为一种新型的组网形式，能够兼容多种新能源共同接入并具有较强的地区性组网能力，有利于新能源就地消纳和管理，得到了广泛的关注和发展。微电网的优化配置和能源选型是微电网建设和运营的重要问题，其中储能的配置至关重要，选取合适的储能类型和储能容量将能有效提升微电网运行的经济性和可靠性。目前，电池储能作为较为成熟的储能方式被广泛应用，然而由于蓄电池受到运行约束和容量的限制较多，为满足微电网可靠运行需要较大规模的蓄电池配置，不利于微电网安全经济运行。
随着氢气制备和燃料电池技术的发展，氢气储能作为一种新型储能迅速发展，其零碳排放无污染的特点迎合如今微电网环保清洁的需求。氢气储能由于气体具备存储运输的特点，不容易受到容量上限的限制，同时储氢技术的大力发展，高压储氢技术将能保证氢气安全空间节约型储存。但目前含氢微电网的优化配置中，往往忽略氢气设备的低效率问题，从而导致大量的能量浪费，变相地增加了微电网的运营成本。同时氢气设备寿命短、昂贵的问题使得其难以被大规模配置，即无法类比蓄电池等配置较大规模的功率设备。合理分配微电网氢储、电储的比例，利用其各自的容量优势、功率响应优势将能有效提高微电网的可靠性与经济性。
发明内容
本发明为克服上述氢储带来的效率和成本问题，结合电储能和氢气设备热回收等技术，提出一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，能够有效提高微电网可靠性、经济性和可再生能源消纳率与系统能量效率。
本发明采用如下技术方案：
一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，所述方法包括以下步骤：
步骤一：收集和分析微电网建设当地的新能源资源的实际情况，分析确定新能源设备的安装参数，获得新能源可利用总量；
步骤二：调研或取得建设地点当地或附近的电力负荷数据，热水需求数据和氢气需求情况，以及安装条件和设备容量上限；
步骤三：结合步骤一和步骤二获得的数据确定微电网的拓扑结构，各种能源主体形式的能流关系，确定微电网整体供能和运行方式；所述微电网由分布式电源、电制热装置、电解制氢装置、负荷和储能装置组成，所述分布式电源至少包括氢燃料电池，储能装置至少包括储电装置、储氢装置和储热装置；所述负荷包括电负荷、热负荷和气负荷；其中分布式电源、储电装置和负荷均连接至直流母线，直流网络再通过电力电子逆变装置连接至外部交流电网；
步骤四：以微电网全生命周期综合成本最低及风光消纳率和能量效率因数为目标函数，建立符合微电网可靠、经济和效率运行要求的综合约束集合，和目标函数构成双层配置-运行优化模型；其中，目标函数表示如下：
min F＝(Fty1+Fsup+Frep)·CRF+Fty2+βFp
其中，Fty1为设备一次投资成本，Fsup为配套辅助设备投资成本，Frep为全生命周期内设备更换成本，Fty2为设备运行成本，Fp为消纳率和能量效率惩罚项，β为惩罚系数，CRF为资本回收系数；
综合约束集合包括依据步骤二确定的微电网的配置容量上限约束和下层运行约束；所述下层运行约束包括功率平衡约束、储电装置运行约束、制氢-燃料电池设备运行约束和热平衡相关约束、主网功率交互与需求侧响应约束和设备功率上下限约束；
步骤五：求解优化模型，得到微电网的优化配置方案。
进一步地，所述步骤一中，新能源资源包括风、光资源，风、光资源实际情况主要指气候观测数据，包括每小时太阳光照强度，空气温度，太阳直射角度，全年有效光照时间和风力分布及风向；新能源设备包括光伏设备和风机，安装参数包括光伏设备的安装角度、风机的切入切出风速以及朝向。
进一步地，所述步骤二中，所述的电力负荷数据，热水需求数据和氢气需求情况，包括建设区域附近政府、工业和居民用电情况，以及节假日、双休日和工作日的负荷特性数据；建设区域附近的工业热水和居民热水的需求量数据以及热水质量要求情况；建设区域内氢燃料电池汽车运行数据和耗气参数、氢气工业以及氢气营销商的氢气需求量数据。
进一步地，所述步骤二中，所述的安装条件、设备容量上限是指建设区域的新能源设备的布置面积，政府相关用地标准和氢气安全距离，从而得到各种设备的最大安装容量和数量。
进一步地，所述步骤三中，所述各种能源主体形式的能流关系，确定微电网整体供能和运行方式具体如下：分布式电源利用新能源产生电能供应给电负荷，多余的电能将存储于储电装置、或利用电解制氢装置进行制氢并存储于储氢装置、或利用电制热装置制热并存储于储热装置或售卖给主网，电负荷供应不足时，从主网购电或进行需求侧负荷响应；电解制氢装置制取的氢用于气负荷供应，气负荷供应不足时，进行需求侧响应，气负荷供应充足时，多余氢气进行售卖，所述电制热装置还包括利用氢燃料电池的热回收进行制热并存储于储热装置，存储的热能用于热负荷供应。
进一步地，所述步骤四中，目标函数中各成本表达式为：
Figure BDA0003681196970000031
其中：ki为除氢燃料电池以为的分布式电源、电制热装置的单位功率成本，Pi为对应的装机容量i表示除氢燃料电池以为的分布式电源、电制热装置类型及编号；gj为储能装置的单位容量成本，Cj为其容量，j表示储能装置类型及编号；km为氢相关设备的单位功率成本，Pm-rate为氢相关设备的额定容量，n为微电网的生命周期，LCm为氢相关设备的寿命年限，m表示氢相关设备类型及编号，包括电解制氢装置和氢燃料电池；α1 α2为辅助成本系数，指代辅助成本占购买成本的比例；
Figure BDA0003681196970000032
为t时刻的实时电价，
Figure BDA0003681196970000033
为微电网与主网交互功率；mgas为氢气价格，
Figure BDA0003681196970000034
为t时刻氢气交易量；pd为需求侧响应成本，
Figure BDA0003681196970000035
为t时刻需求侧响应功率，
Figure BDA0003681196970000036
Figure BDA0003681196970000037
分别表示t时刻的电负荷需求及热负荷需求，
Figure BDA0003681196970000038
分别表示t时刻的光伏出力、风电出力，t总为优化时间。
进一步地，所述步骤四中配置容量上限约束包括：除氢燃料电池外各分布式电源的装机容量大于等于零且小于等于其可配置的最大装机容量，氢燃料电池、电解制氢装置的额定功率大于等于零且小于等于其可配置的最大额定功率，储能装置的额定容量大于等于零且小于等于其可配置的最大可配置容量；
功率平衡约束为：t时刻的分布式电源出力与电解制氢装置功率、储电装置功率、电负荷需求、制热装置功率、主网交换功率以及需求侧响应功率之和为零；
储电装置运行约束为：
Figure BDA0003681196970000041
其中，SOC表示储电装置充放电状态，SOCmin为储电装置SOC允许下限，SOCmax为储电装置SOC允许上限，SOCt表示t时刻的SOC状态，
Figure BDA0003681196970000042
为t时刻的储电装置出力功率。t0为优化起始时刻，λs是初始SOC状态量，Cbat表示储电装置的额定容量，ηbat为储电装置的充放电效率；
制氢-氢燃料电池设备运行约束为：
Figure BDA0003681196970000043
其中，ESt表示t时刻的储氢装置容量状态，mpro,mcon分别为电解制氢装置和氢燃料电池的电转气系数，Chyd为储氢装置容量，λe是初始储氢装置容量状态；
Figure BDA0003681196970000044
分别表示t时刻电解制氢功率和氢燃料电池出力；
热平衡相关约束为：
Figure BDA0003681196970000045
其中，twt指t时刻储热装置的温度，
Figure BDA0003681196970000046
为热负荷t时段的热水用量，Cwater为储热装置的体积，
Figure BDA0003681196970000047
为电制热装置t时段的加热功率，
Figure BDA0003681196970000048
表示氢燃料电池热回收功率，γ1、γ2分别为氢燃料电池与电制热装置的传热效率，T为环境温度，cs、ρs分别为水的比热容和密度，twmin和twmax分别为水温上下限，λth为初始时刻的水温；
主网功率交互与需求侧响应约束为：
Figure BDA0003681196970000049
其中Ppmin,Ppmax为微电网与主网交互功率上下限，Pdrmax为需求侧响应功率上限；
Figure BDA00036811969700000410
为微电网与主网交互功率；
Figure BDA0003681196970000051
为t时刻需求侧响应功率；
设备功率上下限约束为：
Figure BDA0003681196970000052
式中，Pbatmax为储电装置的最大输出/充电功率，α为电解制氢装置过载运行系数，Pel-rate、Pfc-rate分别是氢燃料电池和电解制氢装置的额定功率，
Figure BDA0003681196970000053
为t时刻电制热装置的功率，Pboilermax是电制热装置的功率上限，电解制氢装置与氢燃料电池开机时存在非0的最低运行点，处于关机状态时为零。
进一步地，所述步骤五包括以下步骤：
1)读取新能源、各种负荷数据及电价信息数据；
2)随机初始化粒子群算法中种群各微粒的位置和速度，该种群包括上层配置容量变量，作为下层运行约束的上下限约束值；
3)基于粒子群算法种群代表的上层配置变量值，利用求解器求解下层运行约束构成的混合整数规划问题，得到该值下最优运行成本或无解信息；
4)计算出总体目标函数值，评价每个微粒的适应度，并存储当前各微粒的位置、适应值；
5)更新粒子的速度和位移；
6)利用非线性的动态惯性权重系数公式更新算法权重：
Figure BDA0003681196970000054
其中，ωmax,ωmin为粒子权重的最大值与最小值，F为粒子当前的目标函数值，Favg,Fmin分别表示当前所有微粒的平均目标值和最小目标值。
7)更新当前最优个体的位置、适应值；
若满足停止条件(预设的运算精度或迭代次数)，搜索停止，并输出最优的容量配置结果，否则返回3)。
与现有技术相比，本发明的优点有：
(1)本发明的优化配置方法充分挖掘了氢气设备的应用潜力，包括基于质子交换膜技术的氢电解槽和燃料电池设备的快速响应能力，氢燃料电池的余热回收能力和氢气的可灵活售卖能力，使得氢气设备的使用效率提高，同时利用氢气设备的灵活容量特性，降低了蓄电池储能的配置容量，优化了蓄电池的充放电状态，从而提高了微电网的经济性、可靠性以及综合效率。
(2)本发明提出的自适应权重的粒子群与商业求解器合并算法，在保证小时间尺度规划的精确性的同时，利用自适应权重函数提高了粒子群算法收敛和寻优的速度，同时基于商业求解器确保了近似搜索解与全局最优解之间的误差，实现快速准确寻优。
附图说明
图1为一种包含光伏设备、风机的电氢热耦合多能互补微电网结构及能流关系图；
图2为一年宁波地区的光照情况；
图3为一年宁波地区的风速数据；
图4为宁波附近地区全年负荷数据；
图5为典型全年热水用量数据；
图6为优化求解算法框图；
图7为运行结果。
具体实施方式
下面将结合优化配置实际案例与附图进一步解释说明本发明。
本发明所述电氢热耦合多能互补微电网结构主要由分布式电源、电制热装置、电解制氢装置、负荷和储能装置组成，所述分布式电源至少包括氢燃料电池，储能装置至少包括储电装置、储氢装置和储热装置；所述负荷包括电负荷、热负荷和气负荷；其中分布式电源、储电装置和负荷均连接至直流母线，直流网络再通过电力电子逆变装置连接至外部交流电网；分布式电源还可以包括其他新能源设备，结合各地新能源资源而定，如常见的光伏设备、风机等，储能装置一般为蓄电池，热负荷主要为热水，则电制热装置可以采用电热锅炉，相应地，储热装置为蓄热水罐，电解制氢装置一般为电解槽，相应地，储氢装置为储氢罐，电解槽和氢燃料电池以及储氢罐构成电解槽-燃料电池系统。图1所示为一种包含光伏设备、风机的电氢热耦合多能互补微电网结构及能流关系图，其中电负荷可由主网市电、蓄电池、氢燃料电池和风光共同供电，多余的电能将存储于蓄电池、电解氢或售卖给主网，不足时可以从主网购电或进行需求侧负荷响应；气负荷主要由氢燃料电池汽车构成，由电解槽产生的氢气提供，氢气不足时燃料电池汽车可以减少氢气需求，氢气充足时可以售卖氢气方式盈利；热负荷主要为热水，主要由电热锅炉和燃料电池热回收提供，电力不足时燃料电池工作可有效供给热负荷，热负荷暂时不考虑需求侧响应。本发明以宁波某地区微网建设为例，说明本发明具体实施方式。
在本发明的实施例中，第一步，分析微电网建设当地的新能源情况，宁波地区的新能源主要为风、光资源，包括每小时太阳光照强度，空气温度，太阳直射角度，全年有效光照时间和风力分布及风向等在内的来自中国气象局的气候观测数据，通过该数据集分析确定光伏的安装角度、风机的切入切出风速以及朝向等基本参数，同时评估新能源可利用总量，得出微电网安装区域的建设可行性评估结果，如图2、3所示宁波地区的负荷与风光自然资源情况，可确定风电的切入风速为3m/s，切出风速为10m/s；
在本发明的实施例中，第二步，调研或取得建设地点当地或附近的电力负荷数据，热水需求数据和氢气需求情况，以及安装条件、设备容量上限等要求，包括建设区域附近政府、工业和居民用电情况，以及节假日、双休日和工作日的负荷特性数据；建设区域附近的工业热水和居民热水的需求量数据以及热水质量要求情况；建设区域内氢燃料电池汽车运行数据和耗气参数、氢气工业以及氢气营销商的氢气需求量数据如图4、5所示；
在本发明的实施例中，第三步，确定微电网的拓扑结构，各种能源主体形式的能流关系，确定微电网整体供能和运行方式，包括微电网中各负荷和电源之间的连接关系，包括微电网的交流、直流结构设计；各种能源主体形式的能流关系指各能源之间的能量转换关系、不同能源供给和消耗的主要方式；运行方式指微电网运行时与外界关系的交互规则，如氢气的售卖，离并网的切换以及需求侧响应策略等，最终确定的结构及能流关系如图1所示。
在本发明的实施例中，第四步，以微电网全生命周期综合成本最低为目标函数，建立符合微电网可靠、经济和效率运行要求的综合约束集合，和目标函数构成双层配置-运行优化模型：
minF＝(Fty1+Fsup+Frep)·CRF+Fty2+βFp
其中，Fty1为设备一次投资成本，Fsup为配套辅助设备投资成本，Frep为全生命周期内设备更换成本，Fty2为设备运行成本，Fp为消纳率和能量效率惩罚项，β为惩罚系数，CRF为资本回收系数。
以1年为优化时间，则各成本表达式为：
Figure BDA0003681196970000081
其中：ki为除氢燃料电池以为的分布式电源、电制热装置的单位功率成本，Pi为其装机容量，i表示除氢燃料电池以为的分布式电源、电制热装置类型及编号，本实施例中包括光伏设备、风机和电热锅炉；gj为储能装置的单位容量成本，Cj为其容量，j表示储能设备类型及编号，本实施例中包括蓄电池、蓄热水罐和储氢罐；km为氢相关设备的单位功率成本，Pm-rate为氢相关设备的额定容量，m表示氢相关设备类型，包括电解槽和氢燃料电池，n为微电网的生命周期，LCm为氢相关设备的寿命年限；α1 α2为辅助成本系数，指代辅助成本占购买成本的比例；
Figure BDA0003681196970000082
为t时刻的实时电价，
Figure BDA0003681196970000083
为t时刻微电网与主网交互功率，是微电网售卖给主网的交互功率和微电网从主网购买的交互功率的总功率，其中微电网售卖给主网的交互功率为负，微电网从主网购买的交互功率正；mgas为氢气价格，
Figure BDA0003681196970000084
为t时刻氢气交易量，包括微电网售卖的氢气量和购买的氢气量，其中微电网售卖的氢气量为负，购买的氢气量为正；pd为需求侧响应成本，可以通过国家电网停电补偿进行计算；
Figure BDA0003681196970000085
为t时刻需求侧响应功率。
Figure BDA0003681196970000086
Figure BDA0003681196970000087
分别表示电负荷需求及热负荷需求，
Figure BDA0003681196970000088
分别表示t时刻的光伏出力、风电出力。
配置容量上限约束包括：除氢燃料电池外各分布式电源的装机容量大于等于零且小于等于其可配置的最大装机容量，氢燃料电池、电解制氢装置的额定功率大于等于零且小于等于其可配置的最大额定功率，储能装置的额定容量大于等于零且小于等于其可配置的最大可配置容量；本实施例中，具体如下：
Figure BDA0003681196970000089
式中，PSTC,PWT,Pfc-rate,Pel-rate,Cbat,Cwater,Chyd分别代表微电网中光伏和风电的装机容量、燃料电池和电解槽的额定功率，蓄电池、蓄热水罐和储氢罐的额定容量。PSTCmax，PWTCmax，Pfcmax，Pelmax，Cbatmax，Cwmax，Chmax分别依次表示微电网中光伏和风电的最大可装机容量、燃料电池和电解槽可配置的最大额定功率、蓄电池的最大可配置容量、蓄水罐和储氢罐的最大可配置容量。
下层运行约束包括：
功率平衡约束：t时刻的分布式电源出力与电解制氢装置功率、储电装置功率、电负荷需求、制热装置功率、主网交换功率以及需求侧响应功率之和为零；本实施例中，具体如下：
Figure BDA0003681196970000091
其中，
Figure BDA0003681196970000092
分别为t时刻的光伏出力、风电出力、电解槽功率、蓄电池功率、燃料电池出力、电负荷需求、电热锅炉功率和主网交换功率以及需求侧响应功率。
蓄电池运行约束
Figure BDA0003681196970000093
其中，SOC表示蓄电池充放电状态，SOCmin为蓄电池SOC允许下限，SOCmax为蓄电池soc允许上限，SOCt表示t时刻的soc状态，
Figure BDA0003681196970000094
为t时刻的蓄电池功率。t0为优化起始时刻，λs是初始SOC状态量，Cbat表示蓄电池的额定容量，ηbat为蓄电池的充放电效率。
制氢-燃料电池设备运行约束
Figure BDA0003681196970000095
其中，ESt表示t时刻的储氢罐容量状态，等效于蓄电池的SOC状态，mpro,mcon分别为电解槽和燃料电池的电气转换系数，Chyd为储氢罐容量，λe是初始储氢罐容量状态。
热平衡相关约束
Figure BDA0003681196970000096
其中，twt指t时刻蓄热水罐的温度，
Figure BDA0003681196970000097
为热负荷t时段的热水用量，Cwater为热水罐的体积，
Figure BDA0003681196970000098
为电锅炉t时段的加热功率，
Figure BDA0003681196970000099
表示氢燃料电池热回收功率，γ1、γ2分别为燃料电池与电锅炉的传热效率，T为环境温度，cs、ρs分别为水的比热容和密度，twmin和twmax分别为水温上下限，λth为初始时刻的水温。
主网功率交互与需求侧响应约束
Figure BDA0003681196970000101
其中Ppmin,Ppmax为主网交互功率上下限，Pdrmax为需求侧响应功率上限。
设备功率上下限约束
Figure BDA0003681196970000102
式中，Pbatmax为蓄电池最大输出/充电功率，α为电解槽过载运行系数，Pboilermax是电制热装置的功率上限，受设备安全约束电解槽与燃料电池运行时存在非0的最低运行点，或处于关机状态(为零)。
在本发明的实施例中，第五步，利用改进型粒子群算法和商业化求解器合并求解优化模型，得到优化配置方案，如图6所示，包括以下步骤：
1)读取风力光伏、各种负荷数据及电价信息数据；
2)随机初始化粒子群算法中种群各微粒的位置和速度，该种群包括上层配置容量变量，作为下层运行约束的上下限约束值；
3)基于粒子群算法种群代表的上层配置变量值，利用求解器求解下层运行约束构成的混合整数规划问题，得到该值下最优运行成本或无解信息；
4)计算出总体目标函数值，借此评价每个微粒的适应度，并存储当前各微粒的位置、适应值；
5)更新粒子的速度和位移；
6)利用非线性的动态惯性权重系数公式更新算法权重：
Figure BDA0003681196970000103
其中，ωmax,ωmin为粒子权重的最大值与最小值，F为粒子当前的目标函数值，Favg,Fmin分别表示当前所有微粒的平均目标值和最小目标值。
7)更新当前最优个体的位置、适应值；
8)若满足停止条件(预设的运算精度或迭代次数)，搜索停止，并输出最优的容量配置结果，如图7所示，否则返回3)。
本实施例中优化配置结果如表1：
表1优化配置容量结果
Figure BDA0003681196970000111
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法把所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围。

Claims (8)

1.一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述方法包括以下步骤：
步骤一：收集和分析微电网建设当地的新能源资源的实际情况，分析确定新能源设备的安装参数，获得新能源可利用总量；
步骤二：调研或取得建设地点当地或附近的电力负荷数据，热水需求数据和氢气需求情况，以及安装条件和设备容量上限；
步骤三：结合步骤一和步骤二获得的数据确定微电网的拓扑结构，各种能源主体形式的能流关系，确定微电网整体供能和运行方式；所述微电网由分布式电源、电制热装置、电解制氢装置、负荷和储能装置组成，所述分布式电源至少包括氢燃料电池，储能装置至少包括储电装置、储氢装置和储热装置；所述负荷包括电负荷、热负荷和气负荷；其中分布式电源、储电装置和负荷均连接至直流母线，直流网络再通过电力电子逆变装置连接至外部交流电网；
步骤四：以微电网全生命周期综合成本最低及风光消纳率和能量效率因数为目标函数，建立符合微电网可靠、经济和效率运行要求的综合约束集合，和目标函数构成双层配置-运行优化模型；其中，目标函数表示如下：
minF＝(Fty1+Fsup+Frep)·CRF+Fty2+βFp
其中，Fty1为设备一次投资成本，Fsup为配套辅助设备投资成本，Frep为全生命周期内设备更换成本，Fty2为设备运行成本，Fp为消纳率和能量效率惩罚项，β为惩罚系数，CRF为资本回收系数；
综合约束集合包括依据步骤二确定的微电网的配置容量上限约束和下层运行约束；所述下层运行约束包括功率平衡约束、储电装置运行约束、制氢-燃料电池设备运行约束和热平衡相关约束、主网功率交互与需求侧响应约束和设备功率上下限约束；
步骤五：求解优化模型，得到微电网的优化配置方案。
2.根据权利要求1所述的一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述步骤一中，新能源资源包括风、光资源，风、光资源实际情况主要指气候观测数据，包括每小时太阳光照强度，空气温度，太阳直射角度，全年有效光照时间和风力分布及风向；新能源设备包括光伏设备和风机，安装参数包括光伏设备的安装角度、风机的切入切出风速以及朝向。
3.根据权利要求1所述的一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述步骤二中，所述的电力负荷数据，热水需求数据和氢气需求情况，包括建设区域附近政府、工业和居民用电情况，以及节假日、双休日和工作日的负荷特性数据；建设区域附近的工业热水和居民热水的需求量数据以及热水质量要求情况；建设区域内氢燃料电池汽车运行数据和耗气参数、氢气工业以及氢气营销商的氢气需求量数据。
4.根据权利要求1所述的一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述步骤二中，所述的安装条件、设备容量上限是指建设区域的新能源设备的布置面积，政府相关用地标准和氢气安全距离，从而得到各种设备的最大安装容量和数量。
5.根据权利要求1所述的一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述步骤三中，所述各种能源主体形式的能流关系，确定微电网整体供能和运行方式具体如下：分布式电源利用新能源产生电能供应给电负荷，多余的电能将存储于储电装置、或利用电解制氢装置进行制氢并存储于储氢装置、或利用电制热装置制热并存储于储热装置或售卖给主网，电负荷供应不足时，从主网购电或进行需求侧负荷响应；电解制氢装置制取的氢用于气负荷供应，气负荷供应不足时，进行需求侧响应，气负荷供应充足时，多余氢气进行售卖，所述电制热装置还包括利用氢燃料电池的热回收进行制热并存储于储热装置，存储的热能用于热负荷供应。
6.根据权利要求1所述的一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述步骤四中，目标函数中各成本表达式为：
Figure FDA0003681196960000021
其中：ki为除氢燃料电池以为的分布式电源、电制热装置的单位功率成本，Pi为对应的装机容量，i表示除氢燃料电池以为的分布式电源、电制热装置类型及编号；gj为储能装置的单位容量成本，Cj为其容量，j表示储能装置类型及编号；km为氢相关设备的单位功率成本，Pm-rate为氢相关设备的额定容量，n为微电网的生命周期，LCm为氢相关设备的寿命年限，m表示氢相关设备类型及编号，包括电解制氢装置和氢燃料电池；α1α2为辅助成本系数，指代辅助成本占购买成本的比例；
Figure FDA0003681196960000022
为t时刻的实时电价，
Figure FDA0003681196960000023
为微电网与主网交互功率；mgas为氢气价格，
Figure FDA0003681196960000031
为t时刻氢气交易量；pd为需求侧响应成本，
Figure FDA0003681196960000032
为t时刻需求侧响应功率，
Figure FDA0003681196960000033
Figure FDA0003681196960000034
分别表示t时刻的电负荷需求及热负荷需求，
Figure FDA0003681196960000035
分别表示t时刻的光伏出力、风电出力，t总为优化时间。
7.根据权利要求1所述的一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述步骤四中配置容量上限约束包括：除氢燃料电池外各分布式电源的装机容量大于等于零且小于等于其可配置的最大装机容量，氢燃料电池、电解制氢装置的额定功率大于等于零且小于等于其可配置的最大额定功率，储能装置的额定容量大于等于零且小于等于其可配置的最大可配置容量；
功率平衡约束为：t时刻的分布式电源出力与电解制氢装置功率、储电装置功率、电负荷需求、制热装置功率、主网交换功率以及需求侧响应功率之和为零；
储电装置运行约束为：
Figure FDA0003681196960000036
其中，SOC表示储电装置充放电状态，SOCmin为储电装置SOC允许下限，SOCmax为储电装置SOC允许上限，SOCt表示t时刻的SOC状态，
Figure FDA0003681196960000037
为t时刻的储电装置出力功率。t0为优化起始时刻，λs是初始SOC状态量，Cbat表示储电装置的额定容量，ηbat为储电装置的充放电效率；
制氢-氢燃料电池设备运行约束为：
Figure FDA0003681196960000038
其中，ESt表示t时刻的储氢装置容量状态，mpro,mcon分别为电解制氢装置和氢燃料电池的电转气系数，Chyd为储氢装置容量，λe是初始储氢装置容量状态；
Figure FDA0003681196960000039
分别表示t时刻电解制氢功率和氢燃料电池出力；
热平衡相关约束为：
Figure FDA0003681196960000041
其中，twt指t时刻储热装置的温度，
Figure FDA0003681196960000042
为热负荷t时段的热水用量，Cwater为储热装置的体积，
Figure FDA0003681196960000043
为电制热装置t时段的加热功率，
Figure FDA0003681196960000044
表示氢燃料电池热回收功率，γ1、γ2分别为氢燃料电池与电制热装置的传热效率，T为环境温度，cs、ρs分别为水的比热容和密度，twmin和twmax分别为水温上下限，λth为初始时刻的水温；
主网功率交互与需求侧响应约束为：
Figure FDA0003681196960000045
其中Ppmin,Ppmax为微电网与主网交互功率上下限，Pdrmax为需求侧响应功率上限；
Figure FDA0003681196960000046
为微电网与主网交互功率；
Figure FDA0003681196960000047
为t时刻需求侧响应功率；
设备功率上下限约束为：
Figure FDA0003681196960000048
式中，Pbatmax为储电装置的最大输出/充电功率，α为电解制氢装置过载运行系数，Pel-rate、Pfc-rate分别是氢燃料电池和电解制氢装置的额定功率，
Figure FDA0003681196960000049
为t时刻电制热装置的功率，Pboilermax是电制热装置的功率上限，电解制氢装置与氢燃料电池开机时存在非0的最低运行点，处于关机状态时为零。
8.根据权利要求1所述的一种计及氢气交易的电氢热耦合多能互补微电网的优化配置方法，其特征在于，所述步骤五包括以下步骤：
1)读取新能源、各种负荷数据及电价信息数据；
2)随机初始化粒子群算法中种群各微粒的位置和速度，该种群包括上层配置容量变量，作为下层运行约束的上下限约束值；
3)基于粒子群算法种群代表的上层配置变量值，利用求解器求解下层运行约束构成的混合整数规划问题，得到该值下最优运行成本或无解信息；
4)计算出总体目标函数值，评价每个微粒的适应度，并存储当前各微粒的位置、适应值；
5)更新粒子的速度和位移；
6)利用非线性的动态惯性权重系数公式更新算法权重：
Figure FDA0003681196960000051
其中，ωmax,ωmin为粒子权重的最大值与最小值，F为粒子当前的目标函数值，Favg,Fmin分别表示当前所有微粒的平均目标值和最小目标值。
7)更新当前最优个体的位置、适应值；
8)若满足停止条件(预设的运算精度或迭代次数)，搜索停止，并输出最优的容量配置结果，否则返回3)。
CN202210637786.2A 2022-06-07 2022-06-07 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法 Pending CN115186791A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210637786.2A CN115186791A (zh) 2022-06-07 2022-06-07 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210637786.2A CN115186791A (zh) 2022-06-07 2022-06-07 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法

Publications (1)

Publication Number Publication Date
CN115186791A true CN115186791A (zh) 2022-10-14

Family

ID=83513510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210637786.2A Pending CN115186791A (zh) 2022-06-07 2022-06-07 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法

Country Status (1)

Country Link
CN (1) CN115186791A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115528713A (zh) * 2022-11-28 2022-12-27 国网上海能源互联网研究院有限公司 用户侧燃料电池综合能源系统低碳运行控制方法和装置
CN115907435A (zh) * 2023-01-10 2023-04-04 浙江正泰智维能源服务有限公司 电氢耦合供能系统及其优化配置方法、装置、设备
CN117477615A (zh) * 2023-12-28 2024-01-30 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115528713A (zh) * 2022-11-28 2022-12-27 国网上海能源互联网研究院有限公司 用户侧燃料电池综合能源系统低碳运行控制方法和装置
CN115907435A (zh) * 2023-01-10 2023-04-04 浙江正泰智维能源服务有限公司 电氢耦合供能系统及其优化配置方法、装置、设备
CN117477615A (zh) * 2023-12-28 2024-01-30 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备
CN117477615B (zh) * 2023-12-28 2024-03-26 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备

Similar Documents

Publication Publication Date Title
Xu et al. Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS
Lingmin et al. Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power
CN110348709A (zh) 基于氢能与储能设备的多能源系统的运行优化方法和装置
CN115186791A (zh) 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法
Deng et al. System modeling and optimization of microgrid using genetic algorithm
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN108832656A (zh) 基于电转气和可再生能源利用微能源网多目标规划方法
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
Wang et al. Synergistic planning of an integrated energy system containing hydrogen storage with the coupled use of electric-thermal energy
Gholizadeh et al. An innovative energy management framework for cooperative operation management of electricity and natural gas demands
Yan et al. Effect of various design configurations and operating conditions for optimization of a wind/solar/hydrogen/fuel cell hybrid microgrid system by a bio-inspired algorithm
Fan et al. Two-layer collaborative optimization for a renewable energy system combining electricity storage, hydrogen storage, and heat storage
Zhu et al. Multi-objective optimization of a hybrid energy system integrated with solar-wind-PEMFC and energy storage
Wang et al. Optimal modeling and analysis of microgrid lithium iron phosphate battery energy storage system under different power supply states
Li et al. Capacity configuration optimization of a hybrid renewable energy system with hydrogen storage
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN115526381A (zh) 一种面向能源互联网的零碳园区优化规划方法及装置
CN105634005B (zh) 一种用于评估光伏接纳能力的方法及系统
Wei et al. Optimal generation planning in a micro-grid for supplying electrical and thermal loads in order to reduce pollutant emissions
Gao et al. A Review of Optimization of Microgrid Operation. Energies 2021, 14, 2842
Si et al. Modeling the Heat-Hydrogen Balance Characteristic of Hydrogen Energy Storage and Cooperative Dispatch of Wind-Hydrogen Hybrid System
Xing et al. An Optimization Capacity Design Method of Wind/Photovoltaic/Hydrogen Storage Power System Based on PSO-NSGA-II
CN114024325B (zh) 电能替代下基于大数据分析的储能容量配置方法
CN115238505B (zh) 基于风光场站的热电氢联供型系统优化配置方法及系统

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