CN115511190A - 一种计及氢能汽车的氢能综合能源系统容量优化配置方法 - Google Patents
一种计及氢能汽车的氢能综合能源系统容量优化配置方法 Download PDFInfo
- Publication number
- CN115511190A CN115511190A CN202211208738.8A CN202211208738A CN115511190A CN 115511190 A CN115511190 A CN 115511190A CN 202211208738 A CN202211208738 A CN 202211208738A CN 115511190 A CN115511190 A CN 115511190A
- Authority
- CN
- China
- Prior art keywords
- energy
- hydrogen
- storage tank
- power
- heat
- 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
Links
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 225
- 239000001257 hydrogen Substances 0.000 title claims abstract description 225
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 208
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 claims abstract description 106
- 238000005265 energy consumption Methods 0.000 claims abstract description 21
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 230000008878 coupling Effects 0.000 claims abstract description 10
- 238000010168 coupling process Methods 0.000 claims abstract description 10
- 238000005859 coupling reaction Methods 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000008901 benefit Effects 0.000 claims abstract description 8
- 239000000446 fuel Substances 0.000 claims description 57
- 238000005338 heat storage Methods 0.000 claims description 49
- 238000004146 energy storage Methods 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 15
- 150000002431 hydrogen Chemical class 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 239000002918 waste heat Substances 0.000 claims description 10
- 238000011084 recovery Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010411 cooking Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000020169 heat generation Effects 0.000 claims description 4
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及氢能汽车的氢能综合能源系统容量优化配置方法,包括步骤1:构建以光伏、光热高效产能为主体,以氢能为主要能量转换和存储媒介,且考虑家用氢能汽车作为氢负荷的供能系统架构;步骤2:分析系统中各设备的能量耦合关系和运行特性,建立设备模型;步骤3:了解住宅终端用能形式和家用车辆的出行需求,制定氢能汽车日出行计划;步骤4:建立以等年值投资费用最低为目标函数的容量优化配置模型;步骤5:利用CPLEX求解系统最佳容量配置方案,并以年总投资节约率、可再生能源消纳率作为评价指标考察优化效益。本发明能够实现考虑氢能接入的经过优化的综合能源配置。
Description
技术领域
本发明涉及一种用于综合能源系统领域的计及氢能汽车的氢能综合能源系统容量优化配置方法。
背景技术
在全球气候变化与多重环境压力下,深入开展全行业低碳化,是当下生态文明建设的重要方向。由于建筑能耗大,因此加快其低能耗转型已然是大势所趋。随着低碳意识和可再生能源发电与储能技术的发展,太阳能建筑应运而生,即在建筑屋顶上安装太阳能电池板和太阳能热水器,利用可再生能源为建筑用户供电供热,从而降低一次能源的使用,减少环境污染。然而,受昼夜变化和阴雨天气的影响,太阳能出力的间歇性使其无法保证在任意时刻满足用户的用能需求,因此,有待挖掘一种新型的能量存储及利用技术,突破传统规划打造新型住宅供能系统的合理配置。
在这一背景下,氢气作为一种清洁能源,可将光伏所发的富余电量利用电解槽转换为氢能输入储氢罐中,当太阳能无法出力时利用燃料电池进行能量补充,在建筑中将两者结合利用极具潜力。目前,在住宅供能系统架构的设计方面,现有技术正在朝着可再生能源与氢能高效利用发展,大多数研究中加入了风光产能,同时也有部分研究涉及天然气掺氢和氢燃料电池;在系统容量优化配置方面,国内外针对多区域不同类型建筑能源系统优化配置求解方法进行了探索,其中优化目标多以成本最低为主,少量研究为系统优化配置效果提出评价指标,例如一次能源节约率、年总成本节约率等,求解方法包括多目标遗传算法NSGA-II、粒子群算法、CPLEX 求解器、序列二次规划法、区域收缩法等。
综合现有的研究情况可知,国内外的研究工作已取得了一定的成果,但仍存在以下三个方面的问题。一是供能系统的基本架构:虽然目前建筑内可再生能源的接入已屡见不鲜,但大部分研究得出的系统架构仍离不开天然气网络,且鲜有研究涉及到氢能汽车出行所需氢负荷,如何构建电- 热-氢耦合的100%可再生能源综合供能系统是当下一大难点;二是容量配置的优化方式,目前大量研究者选择将容量配置与运行优化合并为一个多尺度的复杂优化问题,且时间以年为主,增加了系统配置的难度;三是评价指标的类型选择,目前研究者们大多以经济性作为主要评价指标,只有少部分考虑到了供电可靠性、环保效益、能源利用率、安全性等指标。
发明内容
本发明的目的是为了克服现有技术的不足,提供一种计及氢能汽车的氢能综合能源系统容量优化配置方法,能够解决传统能源系统结构中未接入氢能、未考虑氢能汽车出行需求所需氢负荷、容量配置多尺度复杂优化、评价指标单一的技术问题。
实现上述目的的一种技术方案是:一种计及氢能汽车的氢能综合能源系统容量优化配置方法,包括如下步骤:
步骤1:构建以光伏、光热高效产能为主体,以氢能为主要能量转换和存储媒介,且考虑家用氢能汽车作为氢负荷的供能系统架构;
步骤2:分析系统中各设备的能量耦合关系和运行特性,建立设备模型;
步骤3:了解住宅终端用能形式和家用车辆的出行需求,结合概率模型和数据统计制定氢能汽车日出行计划;
步骤4:建立以等年值投资费用最低为目标函数,以设备最大容量、供能可靠性、储能设备充放状态唯一等为约束条件的容量优化配置模型;
步骤5:利用CPLEX求解系统最佳容量配置方案,并以年总投资节约率、可再生能源消纳率作为评价指标考察优化效益。
进一步的,所述步骤1具体包括:
供能系统架构由可再生能源供能单元、电氢耦合单元和储能单元组成,考虑满足家庭住宅电、热、氢负荷需求,其中可再生能源供能单元由光伏设备和光热设备组成,将光伏发电方阵安装在建筑的围护结构外表面来提供电力,光热设备主要采用太阳能光热板集热器为建筑用户提供生活热水等所需热能;电氢耦合单元由电解槽和燃料电池组成,在光伏资源充足的条件下,电解槽利用多余电能电解水制氢,将燃料电池作为原动机,使其吸收氢气为建筑供电,同时将燃料电池工作时产生的余热进行回收,补充建筑的热负荷需求;储能单元由蓄电池、蓄热罐和储氢罐组成,在系统中起到能量储存和调节作用。
进一步的,所述步骤2具体包括:
对于光伏设备,光伏发电方阵的出力受限于当地太阳辐射量和可安装面积,其输出功率即发电功率,如式(1)、(2)所示:
PPV(t)=PPV,e(t) (1)
PPV,e(t)=G(t)·APV·λPV (2)
式中:PPV(t)为光伏方阵输出功率,kW;PPV,e(t)为光伏方阵发电功率, kW;G(t)为太阳辐射,kW/m2;APV为光伏发电方阵面积,m2;λPV为光伏方阵发电效率,%;
对于光热设备,太阳能光热板集热器出力特性与光伏方阵相仿,其输出功率即发热功率,如式(3)、(4)所示:
Psp(t)=Psp,h(t) (3)
Psp,h(t)=G(t)·Asp·λsp (4)
式中:Psp(t)为光热板输出功率,kW;Psp,h(t)为光热板发热功率,kW; Asp为光热板面积,m2;λsp为光热板发热效率,%;
对于电解槽,电解槽出力根据电能供需关系确定,当光伏有多余电力供应时启动,将富余的电能转换为氢气。其输出功率即产氢功率,如式(5) 所示:
Pet(t)=Pet,h2(t)=ηetPet,e(t) (5)
式中:Pet(t)为电解槽输出功率,kW;Pet,h2(t)为电解槽产氢功率,kW;ηet为转换效率,%;Pet,e(t)为电解槽消耗的电功率,kW;
对于燃料电池,燃料电池的输出功率为发电功率和发热功率的总和,其氢气燃料来源于储氢罐中满足氢负荷后的余氢,其发电量受制于装机容量,余热回收量与发电量成线性关系,如式(6)-(8)所示:
Pfc(t)=Pfc,e(t)+Pfc,h(t) (6)
Pfc,e(t)=ηfc,ePfc,h2(t) (7)
式中:Pfc(t)为燃料电池输出功率,kW;Pfc,e(t)为燃料电池发电功率, kW;Pfc,h(t)为燃料电池发热功率,kW;ηfc,e为燃料电池的发电效率,%;Pfc,h2(t) 为燃料电池耗氢功率,kW;ηfc,h为燃料电池的余热回收效率,%;
对于蓄电池,蓄电池、蓄热罐、储氢罐三种储能设备的出力原理相仿,任意时段的储能量等于前一时刻储能量与本时间段充放能差值之和,其中蓄电池的设备模型如式(9)所示:
式中:Pes(t+1)为蓄电池在t+1时段的蓄电量,kW;Pes(t)为蓄电池在 t时段的蓄电量,kW;εes为蓄电池的自放电率,%;Pes,in(t)为蓄电池在t 时段的充电功率,kW;ηes,in为蓄电池的充电效率,%;Pes,out(t)为蓄电池在 t时段的放电功率,kW;ηes,out为蓄电池的放电效率,%;
对于蓄热罐,蓄热罐模型如式(10)所示:
式中:Pts(t+1)为蓄热罐在t+1时段的蓄热量,kW;Pts(t)为蓄热罐在 t时段的蓄热量,kW;εts为蓄热罐的热耗散率,%;Pts,in(t)为蓄热罐在t 时段的充热功率,kW;ηts,in为蓄热罐的充热效率,%;Pts,out(t)为蓄热罐在 t时段的放热功率,kW;ηts,out为蓄热罐的放热效率,%;
对于储氢罐,储氢罐模型如式(11)所示:
式中:Phs(t+1)为储氢罐在t+1时段的储氢量,kW;Phs(t)为储氢罐在t时段的储氢量,kW;εhs为储氢罐的氢耗散率,%;Phs,in(t)为储氢罐在t 时段的充氢功率,kW;ηhs,in为储氢罐的充氢效率,%;Phs,out(t)为储氢罐在 t时段的放氢功率,kW;ηhs,out为储氢罐的放氢效率,%。
进一步的,所述步骤3具体包括:
针对家庭独栋住宅进行终端用能形式分析,住宅属于居住建筑,将其能耗分为空调、电器、照明、炊事以及生活热水,其中空调、电器、照明归于电耗范围,炊事及生活热水归于热耗范围;同时,考虑到未来社区中氢能汽车的使用,住宅增设氢能私家车作为建筑氢负荷,并利用电解槽和储氢罐作为制氢和储氢设备,依据家用汽车日行驶距离和日末返程时间的概率模型及数据统计分析氢能汽车的用能需求。
进一步的,所述步骤4具体包括:
目标函数:系统容量优化配置模型的目标函数设置为系统等年值投资费用ACS最低,如式(12)所示:
ACS=min[(CAcap+CAux)CRF+CAom] (12)
式中:CAcap为主设备投资费用;CAux为年辅助设备投资费用;CAom为年运行维护成本;CRF为资金回收系数;
约束条件:
系统容量优化配置模型中主要存在三种约束:设备容量约束、供能可靠性约束和储能设备充放状态唯一约束;
设备容量约束:受制于实际安装环境条件,各设备容量不能超过其最大容量限制,适当容量范围可减少迭代优化时间;
供能可靠性约束:由于系统运行为孤网模式,住宅用户的电、热、氢负荷需求全部由自身提供,必须满足供能可靠性条件,保证系统的正常运行;
储能设备充放状态唯一约束:为了避免储能设备同时充放能量,需设置充放状态唯一标志。
进一步的,所述步骤5具体包括:
利用混合整数线性规划理论和CPLEX商用软件求解住宅用可再生氢能综合能源系统容量优化配置模型,获取规划结果,并以年总投资节约率、可再生能源消纳率作为评价指标考察优化效益;
对于年总投资节约率,比较优化结果相较于初始配置所得费用年值的相对节省情况,如式(13)所示:
ACS=min[(CAcap+CAux)CRF+CAom] (13)
式中:ACSi为初始配置所得等年值投资费用,元;ACSo为优化后所得等年值投资费用,元;
对于可再生能源消纳率,比较系统两次配置中被负荷需求及电解槽有效利用的光伏、光热设备出力占太阳能总出力的比值,如式(14)所示:
本发明的一种计及氢能汽车的氢能综合能源系统容量优化配置方法,具有以下优点和有益效果:
1)本发明所提系统架构相较于传统能源系统而言增加家用氢能汽车出行需求分析,将其日末返家后的充氢量作为氢负荷,并设置氢储能等多元储能设备,基于合理运行策略可基本实现电、热、氢的同时供应及太阳能的有效利用;
2)本发明以等年值投资费用作为目标函数对系统进行容量优化配置,可以较好地规划住宅供能系统的经济成本,通过CPLEX求解后所得容量配置组合经验证能够在满足负荷需求的同时减少能量浪费;
3)本发明以年总投资节约率和可再生能源消纳率作为评价指标,可以较好地反映系统容量优化配置后的经济性和环保性。
附图说明
图1为本发明的供能系统架构图;
图2为家用汽车日行驶距离概率模型;
图3为家用汽车日末返程时间概率模型;
图4为家用氢能汽车日出行计划;
图5为住宅供能系统优化配置流程;
图6为住宅典型日电负荷曲线;
图7为住宅典型日热负荷曲线;
图8为住宅典型日氢负荷曲线。
具体实施方式
为了能更好地对本发明的技术方案进行理解,下面通过具体地实施例进行详细地说明:
本发明实施例共包括以下步骤:
步骤1:构建以光伏、光热高效产能为主体,以氢能为主要能量转换和存储媒介,且考虑家用氢能汽车作为氢负荷的供能系统架构;
步骤2:分析系统中各设备的能量耦合关系和运行特性,建立设备模型;
步骤3:了解住宅终端用能形式和家用车辆的出行需求,结合概率模型和数据统计制定氢能汽车日出行计划;
步骤4:建立以等年值投资费用最低为目标函数,以设备最大容量、供能可靠性、储能设备充放状态唯一等为约束条件的容量优化配置模型;
步骤5:利用CPLEX求解系统最佳容量配置方案,并以年总投资节约率、可再生能源消纳率作为评价指标考察优化效益;
(1)所述步骤1具体包括:
所设计系统主要由光伏设备、光热设备、蓄电池、蓄热罐、电解槽、储氢罐、燃料电池等单元组成,其框架如附图1所示,各单元作用如下:
1)可再生能源供能单元:由光伏设备和光热设备组成,光伏设备主要利用“光伏建筑一体化”这一新概念,将光伏发电方阵安装在建筑的围护结构外表面来提供电力,光热设备主要采用太阳能光热板集热器为建筑用户提供生活热水等所需热能;
2)电氢耦合单元:由电解槽和燃料电池组成,在光伏资源充足的条件下,电解槽利用多余电能电解水制氢,将燃料电池作为原动机,使其吸收氢气为建筑供电,同时将燃料电池工作时产生的余热进行回收,补充建筑的热负荷需求;
3)储能单元:由蓄电池、蓄热罐和储氢罐组成,在系统中起到能量储存和调节作用。
(2)所述步骤2具体包括:
1)光伏设备
光伏发电方阵的出力受限于当地太阳辐射量和可安装面积,其输出功率即发电功率,如式(1)、(2)所示:
PPV(t)=PPV,e(t) (1)
PPV,e(t)=G(t)·APV·λPV (2)
式中:PPV(t)为光伏方阵输出功率,kW;PPV,e(t)为光伏方阵发电功率, kW;G(t)为太阳辐射,kW/m2;APV为光伏发电方阵面积,m2;λPV为光伏方阵发电效率,%;
2)光热设备
太阳能光热板集热器出力特性与光伏方阵相仿,其输出功率即发热功率,如式(3)、(4)所示:
Psp(t)=Psp,h(t) (3)
Psp,h(t)=G(t)·Asp·λsp (4)
式中:Psp(t)为光热板输出功率,kW;Psp,h(t)为光热板发热功率,kW; Asp为光热板面积,m2;λsp为光热板发热效率,%;
3)电解槽
电解槽出力根据电能供需关系确定,当光伏有多余电力供应时启动,将富余的电能转换为氢气。其输出功率即产氢功率,如式(5)所示:
Pet(t)=Pet,h2(t)=ηetPet,e(t) (5)
式中:Pet(t)为电解槽输出功率,kW;Pet,h2(t)为电解槽产氢功率,kW;ηet为转换效率,%;Pet,e(t)为电解槽消耗的电功率,kW;
4)燃料电池
燃料电池的输出功率为发电功率和发热功率的总和,其氢气燃料来源于储氢罐中满足氢负荷后的余氢,其发电量受制于装机容量,余热回收量与发电量成线性关系,如式(6)-(8)所示:
Pfc(t)=Pfc,e(t)+Pfc,h(t) (6)
Pfc,e(t)=ηfc,ePfc,h2(t) (7)
式中:Pfc(t)为燃料电池输出功率,kW;Pfc,e(t)为燃料电池发电功率, kW;Pfc,h(t)为燃料电池发热功率,kW;ηfc,e为燃料电池的发电效率,%;Pfc,h2(t) 为燃料电池耗氢功率,kW;ηfc,h为燃料电池的余热回收效率,%;
5)蓄电池
蓄电池、蓄热罐、储氢罐三种储能设备的出力原理相仿,任意时段的储能量等于前一时刻储能量与本时间段充放能差值之和,其中蓄电池的设备模型如式(9)所示:
式中:Pes(t+1)为蓄电池在t+1时段的蓄电量,kW;Pes(t)为蓄电池在 t时段的蓄电量,kW;εes为蓄电池的自放电率,%;Pes,in(t)为蓄电池在t 时段的充电功率,kW;ηes,in为蓄电池的充电效率,%;Pes,out(t)为蓄电池在 t时段的放电功率,kW;ηes,out为蓄电池的放电效率,%;
6)蓄热罐
蓄热罐模型如式(10)所示:
式中:Pts(t+1)为蓄热罐在t+1时段的蓄热量,kW;Pts(t)为蓄热罐在 t时段的蓄热量,kW;εts为蓄热罐的热耗散率,%;Pts,in(t)为蓄热罐在t 时段的充热功率,kW;ηts,in为蓄热罐的充热效率,%;Pts,out(t)为蓄热罐在 t时段的放热功率,kW;ηts,out为蓄热罐的放热效率,%;
7)储氢罐
储氢罐模型如式(11)所示:
式中:Phs(t+1)为储氢罐在t+1时段的储氢量,kW;Phs(t)为储氢罐在 t时段的储氢量,kW;εhs为储氢罐的氢耗散率,%;Phs,in(t)为储氢罐在t 时段的充氢功率,kW;ηhs,in为储氢罐的充氢效率,%;Phs,out(t)为储氢罐在 t时段的放氢功率,kW;ηhs,out为储氢罐的放氢效率,%。
(3)所述步骤3具体包括:
针对家庭独栋住宅进行终端用能形式分析,住宅属于居住建筑,其能耗可分为空调、电器、照明、炊事以及生活热水,其中空调、电器、照明归于电耗范围,炊事及生活热水归于热耗范围;同时,考虑到未来社区中氢能汽车的使用,住宅增设氢能私家车作为建筑氢负荷,并利用电解槽和储氢罐作为制氢和储氢设备。如表1所示,本发明实施例中的供能系统需满足住宅电、热、氢三种负荷需求:
表1住宅终端用能形式
家用氢能汽车的充氢负荷受用户出行特性及充氢功率影响,基于美国交通部发布的全美家用车辆出行调查结果(national household travel survey,NHTS)进行数据归一化处理,用极大似然数估计法将家用车辆日行驶距离与日末返程时间做近似处理。其中,家用车辆日行驶里程s满足式(12)所示的对数正态分布:
式中:δD取值为0.88;μD取值为3.20;
该函数对应的拟合结果如附图2所示,由此可见,家用汽车的日行驶距离主要集中在20-60英里(约32-97km);
家用车辆日末返程时间t满足正态分布,其概率密度函数如式(13)表示:
式中:δS取值为3.4;μS取值为17.6;
该函数对应的拟合结果如附图3所示,可见家用汽车的日末返程时间主要集中在14:00-21:00,住宅用户返程后可将车停在家中车库为其充氢;
根据2020年北京市政府发布的数据显示,北京市工作日家用车日均行驶里程为48.1km,节假日50km,且33%的小汽车出行行为发生在早高峰 7;00-9:00及晚高峰17:00-19:00。因此,结合我国实际情况及上述概率模型,制定家用氢能汽车日出行计划如附图4所示。
(4)所述步骤4具体包括:
本发明实施例中住宅用可再生氢能综合能源系统以光伏设备、光热设备、蓄电池、蓄热罐、电解槽、储氢罐、燃料电池的容量作为配置对象(即待优化的决策变量),其目标函数和约束条件具体定义如下:
目标函数:
系统容量优化配置模型的目标函数设置为系统等年值投资费用(AnnualizedCost of System,ACS)最低,如式(14)所示:
ACS=min[(CAcap+CAux)CRF+CAom] (14)
式中:CAcap为主设备投资费用;CAux为年辅助设备投资费用;CAom为年运行维护成本;CRF为资金回收系数(Capital Recovery Factor,CRF),如式(15)所示:
式中:n为实际年利率,本文取0.067;i为项目设计年限,即系统寿命周期,本文取25年;
主设备投资费用的表达式如式(16)所示:
CAcap=CPVPPV+CspPsp+CesPes+CtsPts+CetPet+ChsPhs+CfcPfc (16)
式中:CPV、Csp、Ces、Cts、Cet、Chs、Cfc分别为光伏设备、光热设备、蓄电池、蓄热罐、电解槽、储氢罐、燃料电池的单位投资成本,元/kW;PPV、 Psp、Pes、Pts、Pet、Phs、Pfc为各设备装机容量,kW;
辅助投资成本与主设备投资成本成正比例关系,如式(17)所示:
CAux=CAcapkaux (17)
式中:kaux为比例系数,本文取0.1;
年运行维护费用包括燃料费用和设备维护费用,它与设备购买成本成比例,如式(18)所示:
CAom=(CAcap+CAux)kaom (18)
式中:kaom为从设备购买成本转换为运维成本的因子,本文取0.01;
约束条件
考虑到系统优化配置方案的合理性,本发明实施例中主要存在三种约束:设备容量约束、供能可靠性约束和储能设备充放状态唯一约束;
设备容量约束:受制于实际安装环境条件,各设备容量不能超过其最大容量限制,适当容量范围可减少迭代优化时间,具体表达式如式 (19)-(25)所示:
0≤PPV≤PPV,max (19)
0≤Psp≤Psp,max (20)
0≤Pet≤Pet,max (21)
0≤Pfc≤Pfc,max (22)
0≤Pes≤Pes,max (23)
0≤Pts≤Pts,max (24)
0≤Phs≤Phs,max (25)
式中:PPV,max、Psp,max、Pet,max、Pfc,max、Pes,max、Pts,max、Phs,max为各设备最大装机容量,kW;
供能可靠性约束:由于系统运行为孤网模式,住宅用户的电、热、氢负荷需求全部由自身提供,必须满足供能可靠性条件,保证系统的正常运行;
供电侧包括光伏发电、蓄电池放电、燃料电池发电,用电侧包括住宅自用电负荷、电解槽用电、蓄电池充电等间接电力需求,为保证电能供需平衡,设立电能可靠性约束如式(26)所示:
PPV(t)+Pes,out(t)+Pfc,e(t)=Pload,e(t)+Pet,e(t)+Pes,in(t) (26)
式中:Pload,e(t)为住宅的电负荷,kW;
供热侧包括光热出力、燃料电池余热、蓄热罐放热,用热侧包括住宅自用热负荷、蓄热罐吸热,为保证热能供需平衡,设立热能可靠性约束如式(27)所示:
Psp(t)+Pfc,h(t)+Pts,out(t)=Pload,h(t)+Pts,in(t) (27)
式中:Pload,h(t)为住宅的热负荷,kW;
供氢侧包括电解槽制氢、储氢罐放氢,用氢侧包括住宅内燃料电池用氢、氢能汽车充氢、储氢罐充氢,为保证氢能供需平衡,设立氢能可靠性约束如式(28)所示:
Pet,h2(t)+Phs,out(t)=Pload,h2(t)+Phs,in(t)+Pfc,h2(t) (28)
式中:Pload,h2(t)为住宅的氢负荷,kW;
储能设备充放状态唯一约束:为了避免储能设备同时充放能量,需设置充放状态唯一标志,以蓄电池为例设置如式(29)-(31)所示约束,蓄热罐和储氢罐等同;
0≤Pes,in(t)≤M·δes,in (29)
0≤Pes,out(t)≤M·δes,out (30)
δes,in+δes,out≤1 (31)
式中:δes,in、δes,out为蓄电池充放状态标志位,取值为0或1;M为一足够大的正整数。
(5)所述步骤5具体包括:
利用混合整数线性规划理论和CPLEX商用软件求解住宅用可再生氢能综合能源系统容量优化配置模型,获取规划结果,求解步骤如附图5所示。为验证该方法的有效性,本发明实施例选取一栋双层家庭住宅作为研究对象,构建典型日电、热负荷曲线,如附图6、7所示;
同时,根据附图4所定氢能汽车日出行计划,可知汽车日内共行驶48km。由于单位里程耗氢量约为0.91kg/100km,且将电能折算为相同能量氢气的单位换算系数c=39.65kW$h/kg,因此汽车日内24h氢负荷共计约17.32kW,假设利用20:00-6:00汽车停留在车库内这一时间段为其充氢,则可制定氢负荷曲线如附图8所示;
系统各设备经济技术参数如表2所示:
表2设备经济技术参数
依据附图5优化配置流程,首先对系统设备进行初始容量配置如表3 所示:
表3设备初始容量配置
经CPLEX求解,最终所得容量配置结果及目标值(即系统等年值投资费用)如表4所示:
表4容量优化配置结果
在此容量配置下对住宅典型日内电、热、氢负荷供应情况进行验证,得到验证结果。
1)电负荷供应情况分析
由验证结果可得,由于系统为孤网运行模式,其电能全部由光伏直接产生或间接供给电解槽-燃料电池子系统。日间光伏发电除供应住宅电负荷外,剩余电量将输入电解槽制氢,同时电解槽的余氢将启动燃料电池发电,光伏余电中超出电解槽容量配置结果以外的部分以及燃料电池多发的电量则会存入蓄电池,用于夜间直接供电或电解槽-燃料电池子系统辅助发电;
2)热负荷供应情况分析
由验证结果可得,住宅热负荷主要依靠光热设备直接提供和燃料电池余热辅助提供。日间用户外出频率高,热负荷需求小,因此该时间段内的光热出力及燃料电池余热除负荷需求外皆存入蓄热罐中,夜间用户返家后由于炊事和生活热水使得热负荷需求升高,且光热此时无法出力,因此需释放日间存储在蓄热罐中的热能,与燃料电池联合供热;
3)氢负荷供应情况分析
由验证结果可得,家用氢能汽车所需氢负荷主要由电解槽和储氢罐联合提供。日间电解槽产氢量最多,其中燃料电池在容量许可范围内吸收一部分氢能,剩余部分则存入储氢罐内,待夜间电解槽产氢效率较低时释放,用于补充氢负荷和燃料电池产电产热所需能量;
为考察设备容量优化配置效果,本发明实施例设立以下两个评价指标将优化后的结果与初始配置进行对比分析:
1)年总投资节约率
比较优化结果相较于初始配置所得费用年值的相对节省情况,如式 (32)所示:
ACS=min[(CAcap+CAux)CRF+CAom] (32)
式中:ACSi为初始配置所得等年值投资费用,元;ACSo为优化后所得等年值投资费用,元;
由容量优化配置结果可知,该住宅系统年总投资节约率如式(33)所示:
2)可再生能源消纳率
比较系统两次配置中被负荷需求及电解槽有效利用的光伏、光热设备出力占太阳能总出力的比值,如式(34)所示:
利用容量配置先后条件进行计算,得出优化前可再生能源消纳率 E2i=46.52%,优化后E2o=85.33%,整体消纳率提升了38.81%。
本发明构建了以光伏、光热高效产能为主体,以氢能为主要能量转换和存储媒介,且考虑家用氢能汽车作为氢负荷的供能系统架构,其涵盖设备包括光伏设备、光热设备、蓄电池、蓄热罐、电解槽、储氢罐、燃料电池。该框架可使家庭住宅这一小型建筑供能系统打破传统形式,实现100%可再生能源供能。
对于所设计系统,本发明充分分析了系统内各设备的能量耦合关系和运行特性,并建立设备模型,能够清晰反映设备之间的能量流动及各自的运行效率,从而保障后续容量优化配置的实施。
针对住宅终端用能形式,本发明结合数据统计和资料查询进行了详细说明,同时利用家用车辆日行驶距离和日末返程时间概率模型得出氢能汽车用户大致的出行需求,并搜集近年来各省市的交通部统计数据,合理制定氢能汽车日出行计划及日所需氢负荷,使得实施例中的算例条件符合实际情况。
系统容量优化配置模型以光伏设备、光热设备、蓄电池、蓄热罐、电解槽、储氢罐、燃料电池的容量作为配置对象(即待优化的决策变量),以系统等年值投资费用最低作为目标函数,以设备容量约束、供能可靠性约束、储能设备充放状态唯一等作为约束条件,最终使用MATLAB软件调用工具箱YALMIP进行建模,并采用商业求解器CPLEX进行求解,保证了优化过程的合理性和快速性。
在所求容量配置方案下对住宅典型日内电、热、氢负荷供应情况进行验证,并以年总投资节约率、可再生能源消纳率作为评价指标考察优化效果,可有效证明该方案能够满足住宅电、热、氢综合供能及太阳能、氢能的高效利用,同时兼顾了系统的经济性和环保性,彰显出本发明在我国氢能研究从“商用”逐渐跨向“家用”这一背景下的现实意义。
本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,而并非用作为对本发明的限定,只要在本发明的实质精神范围内,对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (6)
1.一种计及氢能汽车的氢能综合能源系统容量优化配置方法,其特征在于,包括如下步骤:
步骤1:构建以光伏、光热高效产能为主体,以氢能为主要能量转换和存储媒介,且考虑家用氢能汽车作为氢负荷的供能系统架构;
步骤2:分析系统中各设备的能量耦合关系和运行特性,建立设备模型;
步骤3:了解住宅终端用能形式和家用车辆的出行需求,结合概率模型和数据统计制定氢能汽车日出行计划;
步骤4:建立以等年值投资费用最低为目标函数,以设备最大容量、供能可靠性、储能设备充放状态唯一等为约束条件的容量优化配置模型;
步骤5:利用CPLEX求解系统最佳容量配置方案,并以年总投资节约率、可再生能源消纳率作为评价指标考察优化效益。
2.根据权利要求1所述的一种计及氢能汽车的氢能综合能源系统容量优化配置方法,其特征在于,所述步骤1具体包括:
供能系统架构由可再生能源供能单元、电氢耦合单元和储能单元组成,考虑满足家庭住宅电、热、氢负荷需求,其中可再生能源供能单元由光伏设备和光热设备组成,将光伏发电方阵安装在建筑的围护结构外表面来提供电力,光热设备主要采用太阳能光热板集热器为建筑用户提供生活热水等所需热能;电氢耦合单元由电解槽和燃料电池组成,在光伏资源充足的条件下,电解槽利用多余电能电解水制氢,将燃料电池作为原动机,使其吸收氢气为建筑供电,同时将燃料电池工作时产生的余热进行回收,补充建筑的热负荷需求;储能单元由蓄电池、蓄热罐和储氢罐组成,在系统中起到能量储存和调节作用。
3.根据权利要求1所述的一种计及氢能汽车的氢能综合能源系统容量优化配置方法,其特征在于,所述步骤2具体包括:
对于光伏设备,光伏发电方阵的出力受限于当地太阳辐射量和可安装面积,其输出功率即发电功率,如式(1)、(2)所示:
PPV(t)=PPV,e(t) (1)
PPV,e(t)=G(t)·APV·λPV (2)
式中:PPV(t)为光伏方阵输出功率,kW;PPV,e(t)为光伏方阵发电功率,kW;G(t)为太阳辐射,kW/m2;APV为光伏发电方阵面积,m2;λPV为光伏方阵发电效率,%;
对于光热设备,太阳能光热板集热器出力特性与光伏方阵相仿,其输出功率即发热功率,如式(3)、(4)所示:
Psp(t)=Psp,h(t) (3)
Psp,h(t)=G(t)·Asp·λsp (4)
式中:Psp(t)为光热板输出功率,kW;Psp,h(t)为光热板发热功率,kW;Asp为光热板面积,m2;λsp为光热板发热效率,%;
对于电解槽,电解槽出力根据电能供需关系确定,当光伏有多余电力供应时启动,将富余的电能转换为氢气。其输出功率即产氢功率,如式(5)所示:
Pet(t)=Pet,h2(t)=ηetPet,e(t) (5)
式中:Pet(t)为电解槽输出功率,kW;Pet,h2(t)为电解槽产氢功率,kW;ηet为转换效率,%;Pet,e(t)为电解槽消耗的电功率,kW;
对于燃料电池,燃料电池的输出功率为发电功率和发热功率的总和,其氢气燃料来源于储氢罐中满足氢负荷后的余氢,其发电量受制于装机容量,余热回收量与发电量成线性关系,如式(6)-(8)所示:
Pfc(t)=Pfc,e(t)+Pfc,h(t) (6)
Pfc,e(t)=ηfc,ePfc,h2(t) (7)
式中:Pfc(t)为燃料电池输出功率,kW;Pfc,e(t)为燃料电池发电功率,kW;Pfc,h(t)为燃料电池发热功率,kW;ηfc,e为燃料电池的发电效率,%;Pfc,h2(t)为燃料电池耗氢功率,kW;ηfc,h为燃料电池的余热回收效率,%;
对于蓄电池,蓄电池、蓄热罐、储氢罐三种储能设备的出力原理相仿,任意时段的储能量等于前一时刻储能量与本时间段充放能差值之和,其中蓄电池的设备模型如式(9)所示:
式中:Pes(t+1)为蓄电池在t+1时段的蓄电量,kW;Pes(t)为蓄电池在t时段的蓄电量,kW;εes为蓄电池的自放电率,%;Pes,in(t)为蓄电池在t时段的充电功率,kW;ηes,in为蓄电池的充电效率,%;Pes,out(t)为蓄电池在t时段的放电功率,kW;ηes,out为蓄电池的放电效率,%;
对于蓄热罐,蓄热罐模型如式(10)所示:
式中:Pts(t+1)为蓄热罐在t+1时段的蓄热量,kW;Pts(t)为蓄热罐在t时段的蓄热量,kW;εts为蓄热罐的热耗散率,%;Pts,in(t)为蓄热罐在t时段的充热功率,kW;ηts,in为蓄热罐的充热效率,%;Pts,out(t)为蓄热罐在t时段的放热功率,kW;ηts,out为蓄热罐的放热效率,%;
对于储氢罐,储氢罐模型如式(11)所示:
式中:Phs(t+1)为储氢罐在t+1时段的储氢量,kW;Phs(t)为储氢罐在t时段的储氢量,kW;εhs为储氢罐的氢耗散率,%;Phs,in(t)为储氢罐在t时段的充氢功率,kW;ηhs,in为储氢罐的充氢效率,%;Phs,out(t)为储氢罐在t时段的放氢功率,kW;ηhs,out为储氢罐的放氢效率,%。
4.根据权利要求1所述的一种计及氢能汽车的氢能综合能源系统容量优化配置方法,其特征在于,所述步骤3具体包括:
针对家庭独栋住宅进行终端用能形式分析,住宅属于居住建筑,将其能耗分为空调、电器、照明、炊事以及生活热水,其中空调、电器、照明归于电耗范围,炊事及生活热水归于热耗范围;同时,考虑到未来社区中氢能汽车的使用,住宅增设氢能私家车作为建筑氢负荷,并利用电解槽和储氢罐作为制氢和储氢设备,依据家用汽车日行驶距离和日末返程时间的概率模型及数据统计分析氢能汽车的用能需求。
5.根据权利要求1所述的一种计及氢能汽车的氢能综合能源系统容量优化配置方法,其特征在于,所述步骤4具体包括:
目标函数:系统容量优化配置模型的目标函数设置为系统等年值投资费用ACS最低,如式(12)所示:
ACS=min[(CAcap+CAux)CRF+CAom] (12)
式中:CAcap为主设备投资费用;CAux为年辅助设备投资费用;CAom为年运行维护成本;CRF为资金回收系数;
约束条件:
系统容量优化配置模型中主要存在三种约束:设备容量约束、供能可靠性约束和储能设备充放状态唯一约束;
设备容量约束:受制于实际安装环境条件,各设备容量不能超过其最大容量限制,适当容量范围可减少迭代优化时间;
供能可靠性约束:由于系统运行为孤网模式,住宅用户的电、热、氢负荷需求全部由自身提供,必须满足供能可靠性条件,保证系统的正常运行;
储能设备充放状态唯一约束:为了避免储能设备同时充放能量,需设置充放状态唯一标志。
6.根据权利要求5所述的一种计及氢能汽车的氢能综合能源系统容量优化配置方法,其特征在于,所述步骤5具体包括:
利用混合整数线性规划理论和CPLEX商用软件求解住宅用可再生氢能综合能源系统容量优化配置模型,获取规划结果,并以年总投资节约率、可再生能源消纳率作为评价指标考察优化效益;
对于年总投资节约率,比较优化结果相较于初始配置所得费用年值的相对节省情况,如式(13)所示:
ACS=min[(CAcap+CAux)CRF+CAom] (13)
式中:ACSi为初始配置所得等年值投资费用,元;ACSo为优化后所得等年值投资费用,元;
对于可再生能源消纳率,比较系统两次配置中被负荷需求及电解槽有效利用的光伏、光热设备出力占太阳能总出力的比值,如式(14)所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208738.8A CN115511190A (zh) | 2022-09-30 | 2022-09-30 | 一种计及氢能汽车的氢能综合能源系统容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208738.8A CN115511190A (zh) | 2022-09-30 | 2022-09-30 | 一种计及氢能汽车的氢能综合能源系统容量优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115511190A true CN115511190A (zh) | 2022-12-23 |
Family
ID=84508660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211208738.8A Pending CN115511190A (zh) | 2022-09-30 | 2022-09-30 | 一种计及氢能汽车的氢能综合能源系统容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115511190A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-09-30 CN CN202211208738.8A patent/CN115511190A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Energy integration and interaction between buildings and vehicles: A state-of-the-art review | |
CN111242806B (zh) | 一种考虑不确定性的电-热-氢多能量系统的规划方法 | |
Fan et al. | Energy management strategies and multi-objective optimization of a near-zero energy community energy supply system combined with hybrid energy storage | |
CN108537409A (zh) | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 | |
CN110661254A (zh) | 一种区域综合能源系统冷热电互补效益量化方法 | |
CN113850474B (zh) | 一种热电氢多能流综合能源系统及其优化调度方法 | |
CN112800619B (zh) | 多源异质全可再生能源热电气储耦合系统建模与规划方法 | |
CN115307054B (zh) | 一种基于微网余电制氢的加氢站设备容量优化配置方法 | |
Liu et al. | Research on optimization of energy storage regulation model considering wind–solar and multi-energy complementary intermittent energy interconnection | |
CN113315155A (zh) | 分布式能源发电与v2g混合系统 | |
CN115511190A (zh) | 一种计及氢能汽车的氢能综合能源系统容量优化配置方法 | |
Chi et al. | Optimization of configuration for home micro-grid cogeneration system based on Wind-PV/T-PEMFC | |
Zhang et al. | Waste-to-energy (W2E) for renewable-battery-FCEV-building multi-energy systems with combined thermal/power, absorption chiller and demand-side flexibility in subtropical climates | |
CN114580746A (zh) | 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法 | |
Luo et al. | Development of a prediction-based scheduling control strategy with V2B mode for PV-building-EV integrated systems | |
Cheng | Energy management system of a smart railway station considering stochastic behaviour of ESS and PV generation | |
Zhan et al. | Optimal scheduling of integrated wind-photovoltaic-hydrogen energy system considering hydrogen application and waste heat recovery | |
Shi et al. | Optimal Configuration of Self-Consistent Microgrid System with Hydrogen Energy Storage for Highway Service Area | |
CN114565480A (zh) | 考虑碳排放量的区域分布式多能源系统多目标规划方法 | |
Hu et al. | Study on Collaborative Optimization of Mine Integrated Energy System Planning and Operation Considering Economy-Environment | |
Tu et al. | Optimal Configuration of Shared PV-Storage Integrated Fast Charging Station in Old Residential Communities | |
Li et al. | Hybrid Energy Systems for Combined Cooling, Heating, and Power and Hydrogen Production Based on Solar Energy: A Techno-Economic Analysis | |
Cao et al. | Study on Optimal Configuration of Hydrogen Energy Storage IES with Dual-fuel Cells | |
Zhang et al. | Key Techniques of the Digital Energy Internet Park: An Example of State Grid Energy Internet Rongchuang Park in Lanzhou | |
Liu et al. | Study on hybrid renewable energy systems for a net-zero energy commercial building sector in Hong Kong integrated with energy storage of pumped hydro and hydrogen taxis |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230317 Address after: 200122, 1122 deep road, Pudong New Area, Shanghai Applicant after: STATE GRID SHANGHAI MUNICIPAL ELECTRIC POWER Co. Applicant after: Shanghai University of Electric Power Address before: 200122, 1122 deep road, Pudong New Area, Shanghai Applicant before: STATE GRID SHANGHAI MUNICIPAL ELECTRIC POWER Co. |
|
TA01 | Transfer of patent application right |