CN115566703A - 面向多能互补的分布式光伏与电氢混合储能规划方法 - Google Patents

面向多能互补的分布式光伏与电氢混合储能规划方法 Download PDF

Info

Publication number
CN115566703A
CN115566703A CN202211308595.8A CN202211308595A CN115566703A CN 115566703 A CN115566703 A CN 115566703A CN 202211308595 A CN202211308595 A CN 202211308595A CN 115566703 A CN115566703 A CN 115566703A
Authority
CN
China
Prior art keywords
hydrogen
energy
energy storage
load
equipment
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
CN202211308595.8A
Other languages
English (en)
Inventor
王永利
向皓
郭璐
侯慧之
陈鑫
王欢
刘泽强
崔昌涛
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202211308595.8A priority Critical patent/CN115566703A/zh
Publication of CN115566703A publication Critical patent/CN115566703A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • C25B1/04—Hydrogen or oxygen by electrolysis of water
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Materials Engineering (AREA)
  • Metallurgy (AREA)
  • Organic Chemistry (AREA)
  • Inorganic Chemistry (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种面向多能互补的分布式光伏与电氢混合储能规划方法，包括如下步骤：构建系统框架；构建设备结构模型；设定系统规划策略；建模；提出了完整的储能系统，本发明以电解槽、储氢罐和燃料电池为氢储能主体，搭配储能电池共同构成储能系统，在此基础上添加了同样以氢气为燃料补充的氢气锅炉以满足该工业园区的热负荷，以构成一个满足电热负荷的综合能源系统。

Description

面向多能互补的分布式光伏与电氢混合储能规划方法
技术领域
本发明涉及一种规划方法，尤其是涉及一种面向多能互补的分布式光伏与电氢混合储能规划方法。
背景技术
提高可再生能源发电占比减少碳排放成为改善环境、实现双碳目标的重要基调。在此趋势下太阳能因其分布广泛和储量巨大等特点被赋予了极大的发展潜力，但是同时伴随着其波动性较大等缺陷，为减少弃风弃光现象，国家通过引入储能系统实现对清洁能源的消纳，考虑到能够在长期范围内实现对清洁能源消纳情况的调整，国家大力发展氢储能来弥补电能储存小规模、短周期的缺陷，氢能与电能的相互耦合发展可在一定程度上促进更高渗透率以及更长周期的可再生能源发展。此环境下氢储能领域因其低碳性和季节性得到大量关注，在该领域下主要有以下研究：
2019年，蒲雨辰等在“电网技术”刊物上发表的《计及最小使用成本及储能状态平衡的电-氢混合储能孤岛直流微电网能量管理》，介绍了一种以最小使用成本和储能状态平衡为目标，通过半实体系统仿真验证其电氢孤岛微电网模型的方法，但是本方法有并未考虑适用范围更广的电网并网类型，存在场景设置单一的缺点；
2019年，李彦哲等在“电力系统及其自动化学报”刊物上发表的《风/光/储微电网混合储能系统容量优化配置》，介绍了一种将可再生能源利用率和负荷缺失率作为评价指标并基于HOMER Pro软件建立风光储模型的方法，但是本方法在储能侧有并未考虑大规模、长周期的储能方式，以最大化储能效率。
2022年，Mert Temiz和Ibrahim Dincer在“Journal of Cleaner Production”刊物上发表的《Development and assessment of an onsh ore wind and concentratedsolar based power,heat,cooling and hyd rogen energy system for remotecommunities》，介绍了一种通过建立独立陆上风能和聚光太阳能构建其氢能系统，由实际场景分析验证其能源耦合关系。但是本方法并未考虑和实施氢储能系统的季节性特性。
2022年，Hilal Bahlawan等在“Renewable Energy”刊物上发表的《Optimizationof a renewable energy plant with seasonal energy storage for the transitiontowards 100％renewable energy supply》介绍了一种利用太阳能集热器和光伏电池板来实现对太阳能的消纳，并以季度性在一年内满足校园电热冷负荷，但是本方法并未考虑系统在短时储能方面的应用，系统可靠性不完整，易造成储能侧不稳定。
2022年，Vahid Madadi Avargani等在“Energy Conversion and Management”刊物上发表的《A comprehensive review on hydrogen production and utilization inNorth America:Prospects and challeng es》，介绍了氢气的生产、储存、安全和利用以及与可再生能源和与氢气下游企业的结合论述其现状和发展空间。该综述类文章为氢能相关应用提供了发展方向。
目前大多储能装置的成本偏高，相比于市政供电其微电网经济性存在明显不足。储能电池具有自放电特性，不利用长期储能，且成本相对较高，不利于大容量储能。相比之下电储能和氢储能基本上是错位匹配的，电储能可实现日内调峰和调频服务，氢储能则可长时间、大规模的对能源进行储存，两者结合可实现对清洁能源的季节性储能，提高系统能效。
发明内容
为了解决现有技术中的缺陷，本发明公开一种面向多能互补的分布式光伏与电氢混合储能规划方法，其技术方案如下：
一种面向多能互补的分布式光伏与电氢混合储能规划方法，其特征为：包括如下步骤：
步骤一：构建系统框架
包括供应侧、能源转换侧以及负荷侧；
所述供应侧包括电网，光伏，外部供氢模块；为了响应国家双碳目标政策，加大清洁能源使用占比，在供应侧选择了大规模的分布式光伏来通过当地光照自然资源禀赋进行发电；当该系统由光伏单一设备发电满足不了内部电负荷时，则通过从电网系统进行外部购电来补充电量；当园区内部自我供应氢气不足时，同样采用向外部氢气供应商进行购氢来满足系统氢负荷。
所述能源转换侧包括储能电池、氢气锅炉、储氢罐、燃料电池、电解槽；在能源转化侧以储能系统为主体，储能系统包括了电池储能系统和氢储能系统，当有盈余电量输入该系统时，采用储能电池设备对该系统进行短时储能，也是作为第一层储能选择；而后通过氢储能系统进行大规模、长周期的第二层储能选择，其中包括了电解槽、储氢罐和燃料电池，电解槽设备利用光伏输送至系统内部盈余的电力，通过电解水的方式产生氢气；储氢罐则用来存储从电解槽设备电解后产生的氢气和从外部购买的氢气；燃料电池是一种通过将氢能转化成电能的能源转化设备，通过由储氢罐向其提供氢气后产生电能满足园区电负荷；氢气锅炉同样是一种以储氢罐向其提供氢气燃料，可将氢能转化为热能的能源转化设备，通过该设备出力满足园区热负荷。
所述负荷侧包括电负荷、氢负荷、热负荷；该方法是通过以满足工业园区内部电负荷和热负荷而构建的区域综合能源系统，电热负荷主要是为了维持园区内部设备运行和日常使用等所产生的负荷需求；在此场景下，为了减少氢气在能源转化过程中所产生的大量损耗，直接将园区内部系统产生的氢气供应给工业园区内部工厂，将工厂需氢量作为园区氢负荷进行供应。
步骤二：构建设备结构模型，该模型包括光伏模型，氢气锅炉模型，氢储能系统，储能电池模型；
通过构建系统内部设备结构模型，以该模型公式和参数为基础通过MATLAB软件进行程序设计，构建出建模中能源转化侧的模型搭建和功能设定。
步骤三：设定系统规划策略，包括能量耦合关系，能量梯级利用，系统调度策略；
在已构建的设备结构模型基础上，通过各设备之间的物理特性和能量流动构建系统内部的能量耦合关系；通过构建双层储能模型和多负荷满足场景体现更高效的能量梯级利用；通过制定系统调度策略体现源网荷储侧变化、各设备出力选择和能量流动层级。设定系统规划策略突出了该区域综合能源系统规划方法的优势，提高了系统整体效率减少能量损失，提供了建模思路和体现了系统整体架构。
步骤四：建模，包括目标函数的设置，约束条件的设置，求解算法的设置
以规划投资成本和总碳排放量最低为系统的优化目标；从系统约束、设备约束以及规划约束三个角度设置系统约束条件；采用了鲁棒性更强的嵌入禁忌搜索算法的遗传算法进行求解操作。通过设置目标函数确定系统优化方向，设置各约束条件加强模型的多场景适应性和稳定性，选择鲁棒性更强的算法进行求解得到更精确、更贴合实际的结果数据。
有益效果
(1)以电解槽、储氢罐和燃料电池为氢储能主体，搭配储能电池共同构成储能系统，在此基础上添加了同样以氢气为燃料补充的氢气锅炉以满足该工业园区的热负荷，以构成一个满足电热负荷的综合能源系统。
(2)在综合能源系统常规约束下，引入了弃光率约束以及季节性约束等条件，加强所建模型的鲁棒性特征。
(3)氢气作为该系统模型的主要流通对象，通过考虑氢气的梯级利用来满足园区内的负荷情况以提高氢气利用效率。
(4)对所提场景进行季节性分析、碳排放分析以及关键参数分析等验证该模型的适应性并通过对未来能源发展预测该模型的发展前景和空间。
附图说明
图1是系统能源结构及实施框架图；
图2是氢储能系统示意图；
图3是系统能量耦合图；
图4是系统调度策略图；
图5是算法实现过程图；
图6是季节光照强度图；
图7是园区电负荷图；
图8是园区热负荷图；
图9是系统设备季节发电图；
图10是系统设备季节用电图；
图11是系统设备季节产氢图；
图12是系统设备季节用氢图；
图13是用氢工厂年用氢量图；
图14是储能时长对比图；
图15是园区负荷情况图；
图16是储能系统荷电状态对比图；
图17是系统净能量变化图；
图18是敏感性分析图。
具体实施方式
一种面向多能互补的分布式光伏与电氢混合储能规划方法，其特征为：包括如下步骤：
步骤一：构建系统框架
如图1所示，该综合能源系统的自身供应是以光伏为主，依靠全向追日光伏机组最大化吸收太阳能，使其转化为电能支撑园区电力供应，能源转换部分以储能电池和氢储能系统组成，储能电池因其灵活性以及快速响应能力，故在电氢混合储能系统中作为第一层储能选择来实现对新能源日内调峰和调频服务，而氢储能系统作为第二层储能选择，则是在电量富余时将多余电量通过电解水制氢形式以氢气的形式储存起来，利用氢储能跨季节、长周期的特性与储能电池实现完全互补耦合关系，以年甚至更长周期实现对能源的规划和存储。电负荷主要由光伏、储能电池以及燃料电池满足，热负荷由氢气锅炉单独满足，氢负荷则由储氢罐中的氢气进行补充供应。
当综合能源园区内用户的电热氢负荷需求大于各设备的出力时，由于各设备之间通过耦合互补已达到最大出力情况，则需要从外部向园区内供应所缺能源。与此同时，当各设备电出力大于用户电需求时，因其不上网限制，故无法将多余的电量出售给电网。
步骤二：构建设备结构模型
在已构建系统框架的基础上通过构建系统内部设备结构模型，以该模型公式和参数为基础通过MATLAB软件进行程序设计，构建出建模中能源转化侧的模型搭建和功能设定。
1)光伏模型
光伏的发电功率与光照强度、光伏板额定输出功率以及电池板表面温度相关，光伏板输出功率的数学模型为：
Figure BDA0003906984380000081
式中：HA为太阳能总辐射量(KWH/m2)；EP为上网发电量 (KWH)；ES为标准条件下的辐射度(常数＝1KWH/m2)；PAZ为组件安装容量(KWP)；K为综合效率系数，其中包括了光伏组件类型、倾角以及转换效率等因素。
2)氢气锅炉
氢气锅炉是以气热耦合转换为主的一种供能设备，其消耗氢气以此满足热负荷需求，进一步加强了气热之间的耦合关系。其数学模型为：
Pheat,GB(t)＝Pgas,GB(t)ηGB
Figure BDA0003906984380000082
HGB(t)＝Pheat,GB(t)Δt
式中：t为某个时刻，Pheat,GB(t)、Pgas,GB(t)以及ηGB分别表示在t时刻，氢气锅炉产生的热功率、氢气消耗功率以及氢气锅炉的实际转换效率；QGB(t)以及LΛ分别表示在t时刻，氢气锅炉的进气量以及氢气的低热值系数；HGB(t)则表示经过Δt时段，氢气锅炉产生的实际热量值。Δt为经过t个时间段。
3)氢储能系统
氢储存系统包括电解槽、储氢罐和燃料电池3种组件，电解槽单元利用电将水电解成氢气和氧气。理想状态下，ρ表示每kWh电能通过电解槽电解所产生的氢气质量，η表示每kg氢气通过燃料电池燃烧所产生的电能。然而，实际中电解槽和燃料电池的转化效率远达不到100％，用θel和θfc分别表示电解槽和燃料电池的转化效率。氢储能系统示意图如图2所示：
设在时刻t，光伏发电功率之和为Pgen(t)，储氢罐容量为VSOC(t)， t-1时刻的储氢罐容量为VSOC(t-1)。当新能源机组发电量大于调度指令时，将一定比例w的Pgen(t)通过电解槽电解，所产生的氢气储存在储氢罐中。此时，储氢罐容量的变化如下式所示：
VSOC(t)＝VSOC(t-1)+Pgen(t)wρθel
当新能源机组发电量小于调度指令时，将一定比例ξ的VSOC(t-1) 通过燃料电池产生电能。此时，储氢罐容量的变化如下式所示：
VSOC(t)＝VSOC(t-1)-VSOC(t-1)ξηθfc
上式分别表示电转氢和氢转电的情景，用于判断储氢罐中氢气的剩余容量，在氢储能优化配置中属于中间变量。
4)储能电池模型
储能电池是将电能转换为化学能的储能设备，储能领域具有十分可观的发展前景，化学电池储能是储能设备发展的重要方向，是实现能源耦合以及满足用户需求响应的关键设备，其充放电数学模型如下：
Figure BDA0003906984380000091
Figure BDA0003906984380000092
式中t为某个时刻，SOC(t)为t个时段储能电池的电量百分比， SOC(t+1)为第下一个时段储能电池的电量百分比，k为自身消耗率，单位为％/h，Bin、
Figure BDA0003906984380000101
为存入功率及效率，BRC为额定容量，单位为kWh， BOUT为释放效率。Δt为经过t个时间段。
步骤三：设定系统规划策略
在已构建设备结构模型的基础上，根据设备之间的物理特性和耦合关系制定系统整体的规划策略，体现该场景下内外部能量流动和各设备出力策略情况
设定系统规划策略突出了该区域综合能源系统规划方法的优势，提高了系统整体效率减少能量损失，提供了建模思路和体现了系统整体架构。
1)能量耦合关系
如图3所示，为实现电氢耦合关系，通过引入储能电池和氢储能系统达到对能源的完全消纳和设备连接的媒介，首先通过储能电池在小时级调控电负荷与光伏发力之间差值，依靠设备特性快速实现需求响应，其次当储能电池无法完全消纳光伏出力时，引入氢储能系统实现对剩余能量的存储，将电能转化为氢能的形式储存起来，通过储氢罐放氢满足用氢工厂的需氢量，最后利用同样以氢气为燃料的氢气锅炉满足园区内用户热负荷情况，该模型耦合关系相对紧密，通过光伏搭配电氢混合储能的形式实现了用户的电热氢需求响应并以季节为周期达到削谷填峰的作用。
2)能量梯级利用
该模型的能量阶梯以双层储能为核心，通过该混合储能的特性互补实现了能源完全耦合，以储能电池层作为第一层储能，考虑光伏出力、用户电需求以及当地分时电价的政策，储能电池采用不同的策略选择在该层实现最优，第二层则以氢储能系统为核心来存储储能电池所不能消纳的能量，该层需以储氢罐为媒介同时满足电热氢的用户需求。该模型能量阶梯耦合性较强且能量流动明显。
该模型下分为电热氢三类负荷，在各负荷需求满足过程中都有氢气的参与，本文通过建立氢气在满足负荷时的梯级利用来加强模型稳定性和氢气利用效率，首先当光伏出力不能满足电负荷时，则由储氢罐向燃料电池输送氢气满足电缺口，以园区电负荷作为首要负荷来保证各工厂机械的正常运作，其次以园区热负荷为次要负荷，通过向氢气锅炉输送氢气使其产热供能，最后根据储氢罐内部的氢气剩余容量情况，向园区内的用氢工厂进行氢气的补给，若在氢气的梯级供应过程中产生了供给不足的情况，则以外部购氢的方式继续保持园区内的正常运作。
3)系统调度策略
如图4所示，该电氢混合储能模型以季节为调度周期，当春夏太阳能资源丰富，园区内负荷情况相对较低的情况下，在满足用户负荷需求的情况下，通过大规模的光伏机组出力条件下，将太阳能由氢储能系统转化为氢能，并在储氢罐中存储起来，当进入秋冬季时，随着太阳光照强度的减少，仅凭光伏供电不足以满足用户负荷，当能源供给不足时就通过储氢罐中的富余氢气进行能源转换，即利用氢储能系统的季节性储能特点将春夏富余的太阳能自然禀赋存储起来以满足秋冬季能源供应不足的情况，从而，结合储能电池的短时、小规模特征和氢储能系统的长期、大量特征共同实现对太阳能的消纳和调峰。步骤四：建模，包括目标函数的设置，约束条件的设置，求解算法的设置：
在已构建系统框架、设备结构模型以及已设定系统规划策略基础上，利用MATLAB软件对该框架化、文字化的系统模型描述通过程序进行实现，并由程序进行仿真模拟求解。该方法所建立的模型解决了现有技术中未实现氢储能系统季节性储能优势、电网并网类型以及长短时储能方式耦合等问题。
通过设置目标函数确定系统优化方向，设置各约束条件加强模型的多场景适应性和稳定性，选择鲁棒性更强的算法进行求解得到更精确、更贴合实际的结果数据。
1)目标函数设置
根据本发明建立的综合能源系统结构特点，能源系统主要包括发电系统、发热系统以及储能系统。在该系统规划过程中，总成本来源于购置成本、运行成本、购气费用以及从电网的购电费用等。在该综合能源系统与电网能源交换过程中，系统会根据所处时间段分时电价的不同来具体调度从电网买电的策略。在此基础上，本文建立了考虑园区电热氢负荷的综合能源系统规划优化模型。该模型以总成本最低和总碳排放最低为目标函数，以一年(t＝8760h)为规划周期，模型设备寿命以20年为周期，目标函数模型如下：
(1)全寿命周期内总成本最低
全寿命周期内总成本主要包括综合能源系统初期的建设成本、以及寿命周期内综合能源系统的运行成本(包括能源的消耗量，人工费用的投入)以及综合系统内部的维护费用等。同时，考虑政府对综合能源系统发电的补贴收益。其目标函数为：
F1＝min(fin(x)+fop(p)+fmc(p)-fbt(p))
式中：F1是系统生命周期总规划成本，fin(x)是系统投资建设成本，x是规划建设的决策变量(各个设备的台数)；fop(p)是寿命期内系统运行成本，即系统购买氢气、向电网购电等所花费的费用；fmc(p) 是系统的维护费用；fbt(p)是使用新能源设备政府进行的补贴；p是系统运行的决策变量(各个设备的出力)。
(2)全寿命周期内总碳排放最低
碳排放最低的目标函数如下：
Figure BDA0003906984380000131
式中：F2为系统寿命生命周期内的总碳排放，i为设备序号，n为总设备数，xi为第i台设备，y为整个系统寿命周期，Ni为单位周期内i设备的碳排放量。
2)约束条件
该综合能源系统的约束主要从系统约束、设备约束以及规划约束三方面进行考虑。具体如下：
(1)系统约束
1.投资能力约束
Tmax≥TIES
式中：TIES为综合能源系统建设的实际全部投资支出，Tmax为可接受的最大投资支出，若能达到需求响应但是不能满足该约束条件，则需要更换设备组合情况。
2.负荷供需平衡约束
Figure BDA0003906984380000141
式中，k是设备序号，w是设备总数，t是某个时刻，
Figure BDA0003906984380000142
是时段 t设备k的发电量；
Figure BDA0003906984380000143
是时段t电能购入量；
Figure BDA0003906984380000144
是时段t用户的电负荷需求；
Figure BDA0003906984380000145
是设备k用于供能消耗的电量。
Figure BDA0003906984380000146
式中，k是设备序号，w是设备总数，t是某个时刻，
Figure BDA0003906984380000147
是时段t 设备k的供热量；
Figure BDA0003906984380000148
是时段t该优化区域内的总热负荷需求。
Figure BDA0003906984380000149
式中，k是设备序号，w是设备总数，t是某个时刻，
Figure BDA00039069843800001410
是时段t 设备k的供氢量；
Figure BDA00039069843800001411
是时段t该优化区域内的总氢负荷需求。
3.电网供能约束
Figure BDA00039069843800001412
Figure BDA00039069843800001413
式中：i为设备序号，n为总设备数，TSC为电网最大供电能力， COmax i为园区内各设备的耗电功率，GEmax i为园区内可发电设备的发电功率，EIES max为综合能源系统园区内最大用户用电负荷，S为最低安全用电系数。
4.网络传输约束
Figure BDA0003906984380000151
式中，t是某个时刻，n是电网的某个节点，
Figure BDA0003906984380000152
是时刻下园区内部所需的传输功率，
Figure BDA0003906984380000153
分别是电网节点n允许传输的最大最小功率。
Figure BDA0003906984380000154
式中，t是某个时刻，n是氢气网络的某个节点，
Figure BDA0003906984380000155
是t时刻氢气网络在节点n的流量；
Figure BDA0003906984380000156
分别是氢气管网传输氢气时节点n允许的最大、最小流量。其流量大小主要由管道的截面积决定。
(2)设备约束
1.设备运行约束
Figure BDA0003906984380000157
式中，t是某个时刻，k是设备序号，Pk(t)是t时刻的输出功率，ΔPj(t)是t时刻设备的爬坡速度，γ(t)是时段t设备k的运行状态； Pmax_k(t)、Pmin_k(t)分别是时段t设备的最大最小输出功率；PΔmin_k(t)、 PΔmax_k(t)分别是时段t设备k降低或增加出力的爬坡速度。
2.设备容量约束
dcmax(t)＜SOCK(t)＜cmax(t)
式中，t是某个时刻，K是某个设备，SOCK(t)是时刻t设备k的容量情况；dcmax(t)、cmax(t)分别为时段t设备的最大放电深度和最大充电深度；设备容量在规定的范围内波动以保证其使用寿命和运行效率，减少其维护费用。
(3)规划约束
1.弃光率约束
Rpa≤θ
式中：Rpa表示弃光率；θ表示弃光率阈值，当地因其地域和自然资源禀赋情况影响，弃光率长期处于10％左右，为了最大化提高光伏利用率和减少弃光现象，对该模型下弃光率阈值取0，即达到光伏利用率达到100％，避免资源浪费现象。
2.季节性约束
Figure BDA0003906984380000161
式中：
Figure BDA0003906984380000162
表示净能量阈值，i表示负荷序号，n表示负荷总数，PLi表示某季节下园区的i负荷情况，当处于春夏季期间时，系统内部产生的净能量应大于阈值
Figure BDA0003906984380000163
即光伏总出力能够完全满足负荷情况并产生富余能量进行存储，PVout表示该季度的光伏总出力；
Figure BDA0003906984380000164
表示该季度园区内负荷总和，包括了电热氢三大负荷。
3.建筑面积约束
综合能源系统的安装必选考虑资源的多少以及可安装场地的大小，公式如下：
Figure BDA0003906984380000165
式中：i为设备序号，n为设备总数，xi为第i台设备，mi为第i台设备安装占用的土地面积，AZmax为可用于建设综合能源系统的可使用土地面积。对于建筑面积的约束，各设备还需要考虑专属用地面积的约束，需考虑综合能源系统建设的地理位置，例如：在楼宇屋顶安装太阳能光伏板时，需要以楼宇屋顶有效光照面积最大值为约束。
3)求解算法
采用嵌入禁忌搜索算法的遗传算法求解该综合能源系统规划优化问题：
(1)适应度函数
在遗传算法求解过程中，适应度函数就是模型求解的函数，在该模型中以年投资成本最低和碳排放最低为双目标函数，为了增强算法鲁棒性，引入罚函数使在约束条件之外的解会增加适应度函数，公式如下：
Figure BDA0003906984380000171
式中:x为变量，i为约束序号，m为约束总数，λ为惩罚因子，
Figure BDA0003906984380000172
是关于不等式约束的函数，当x值在约束条件范围内时，其值为0，反之则函数值大于0；同理|hi(x)|2为等式约束的函数；f(x) 为目标函数；F(x,λ)为模型结果；
(2)交叉算子
交叉算子的本质是截取一个染色体的片段和其他染色体片段进行交叉交换所形成两个新的染色体的过程，通过交叉，遗传算法的搜索能力得以飞跃提高；
(3)TSM算子
将禁忌搜索算法替代原来遗传算法中的变异算子称为TSM算子，
(3-1)对于每一个染色体通过判断其随机生成的数和变异概率的大小，若需发生变异时，则需以该染色体作为禁忌搜索算法的初始值；
(3-2)设定禁忌表的长度，定义移动规则与候选解集，给定渴望水平，判断是否达到禁忌搜索的停止准则，如果是，回到(3-1)，否则根据禁忌搜索的策略进行领域搜索，选择一个解，更新禁忌表；
(3-3)以更新后的种群进行下一步；
(4)选择算子
通过选择算子将较优的个体选择出来遗传到下一代，其公式如下：
Figure BDA0003906984380000181
式中：Pis为个体被选中的概率，i为个体序号，m为群体规模；Fi为个体i的适应度。
遗传算法是通过选择、交叉、变异三种遗传算子寻找最优解，其作为全局搜索算法，因其局限性可能得不到最优点，但其求解结果一般都会在最优点附近，从而得到一个较好的初始解，故在此通过将具有很强领域搜索能力的禁忌搜索算法嵌入遗传算法求解流程中，将禁忌搜索算法转换为变异算子进行全局寻优改善遗传算法的局部搜索能力。
解决操作问题的实施步骤：
第一步:参数。输入系统的初始参数主要包括光伏、氢气锅炉、电解槽、储氢罐、燃料电池、储能电池的初始设备情况，太阳能出力情况以及当地分时电价、市政供能价格等。
第二步：输入模型求解的基本数据。优化目标、优化周期、电热氢调度策略、电网购电策略等。
第三步：操作模拟。根据输入的参数情况以及模型基本数据，结合当地电网用能实际数据进行迭代求解优化过程。
第四步：结果。根据在各约束条件下求解出来的设备最优规划组合及容量计算目标函数，仿真结果包括各设备实时出力情况以及各阶段用户电热氢需求响应情况。
实施例
本发明以某工业园区综合能源系统为研究对象。该园区占地约 16平方千米，光伏可利用最大屋顶面积为5平方千米，配电电压系统中的网络电压为10kV。规划周期为8760h。
1)设备经济技术参数
该模型中以分布式光伏、氢气锅炉、电解槽、储氢罐、燃料电池以及储能电池分析为主，园区规划周期设置为20年，通过考虑设备更换成本或折现率等参数使设备使用寿命与规划周期一致，具体设备经济技术参数和氢储能系统转化效率如下表2、表3所示。
表2氢储能系统相关参数取值
Figure BDA0003906984380000191
Figure BDA0003906984380000201
表3系统设备成本
Figure BDA0003906984380000202
当前环境下氢储能系统成本相对偏高，但随着政策偏向和技术进步，未来在氢能方向的设备成本会显著下降，根据该综合能源系统规划地的外部环境和技术环境现状，设定改系统折现率为5％，残值率为5％。
2)光照强度
本模型采用的是双轴旋转光伏系统，最大程度的利用光照强度，通过跟随太阳转动，实现光伏组件永远正对着太阳，以获得最佳发电角度。该场景采用的是效率相对略高的单晶硅类型。季节光照强度占比如图6所示：
光照强度主要集中在春夏季，因为所处地理位置和自然资源禀赋的影响，在清洁能源方面只选择了太阳能光照作为发电侧设备来源，因当地光照强度相对比较丰富，故在建设光伏是选择了“全向追日”型光伏。该类型的光伏设备每时都根据太阳位置调整仰角正对太阳光照以最大程度利用光伏产电。
3)电热负荷
本方法选取历史数据预测电热负荷需求，其电热负荷具体情况如图7和图8所示。
在该工业园区内，负荷主要以机械、电子科技、化工以及钢铁企业为主，其工艺性质决定了其电热负荷需求情况。
用电需求主要来源于加工机器、生产设备运行时所损耗，夏季空调用电需求相对较大，工作日需求明显，周末用电明显减少。
用热需求主要来源于工业生产设备运行状态和冬季保持生产者适宜工作环境时所消耗，其余时间热需求变化相对平稳，用于维持园区内日常生活用热。
4)能源价格数据
在该模型下以当地的氢气固定价格3.2元/立方米为标准。电力市场的售电电价为阶梯电价(即分时电价)，高峰时段的电价为1.1 元/kWh，平段电价为0.8元/kWh，低谷时段电价为0.3元/kWh。详细的能源价格数据如下表4所示：
表4能源价格表
Figure BDA0003906984380000211
实施例模拟
该工业园区原始无供能设备，园区内部用户电热氢负荷均需由外部市政供能满足，园区内部设置有特定的氢气管网和热网，在园区现有设施基础上，通过加入分布式光伏、氢气锅炉和混合储能系统构建出区域综合能源系统，引入当地自然资源禀赋情况、园区实际约束以及各项环境因素后，通过嵌入禁忌搜索算法的改进遗传算法求出该特定场景下的设备容量配比，在经济上和环境上都带来显著成效。
通过算法求解最后得出的各设备容量如下表5所示：
表5设备容量配比
设备 光伏 氢气锅炉 电解槽 燃料电池 储能电池 储氢罐
容量 40831kw 1067kw 9831kw 2875kwh 3473kwh 158t
光伏共40831kw，氢气锅炉共1067kw，电解槽共9831kw，燃料电池共2875kwh，储能电池共3473kwh以及储氢罐共计158t。该设备优化结果符合园区设备占地约束和安全约束，是具有可行性的。
1)电平衡
如图9和图10所示，该系统在发电侧包括了光伏出力、电网购电、储能电池放电以及燃料电池产电四个部分，在用电侧则为电负荷、储能电池充电和电解槽耗电三部分组成。在发电侧的光伏和用电侧的电解槽耗电在整个电平衡系统中占了相对大的比重，这和该特定场景下所采用的策略密切相关，所采用的策略是电解槽将多余的电力全部进行电解并输送至储氢罐，避免造成弃光现象，由此看出氢储能系统为了能实现季节性调峰在光照富余时所对储氢罐进行大量充入。
2)氢平衡
该场景下氢气的输入来源其一为电解槽电解水制得的氢气，其二为从外部购买的氢气，其输出对象包括了氢气锅炉、燃料电池以及直接输送至氢气下游化工企业的用氢量。
更广义的氢储能更注重电-氢单向转换，相比双向转换效率损失小、成本低，上游可考虑与风光、地热等可再生能源结合，下游则需瞄准氢市场需求及氢转化设备，下游主要涉及化工、钢铁等用氢气工厂和包含氢燃料电池汽车的交通等领域。
工业园区内部建有用氢化工工厂，产量为25万t/年的石油石化炼化厂年需氢量900t，经合作商议该综合能源系统将以低于市场购氢价为其供应氢气，石油炼化生产过程具有生产柔性，氢负荷的波动范围为95％～105％，波动规律服从正态分布，园区工业需氢量曲线和园区氢平衡如下图13所示：
由图11和图12分析可得，在氢气供应方面包括储氢罐放氢和外部购氢两部分，储氢罐通过将春夏富余电力电解水制氢进行存储，最大程度补齐秋冬季因光照不足而产生的氢气缺失，在储氢罐不能满足的情况下，从外部购氢进行缺口满足。
在用氢方面分为了氢气锅炉、燃料电池以及用氢工厂三部分，其中考虑到当前氢气相关设备转化效率低的特点以及园区用能特点，用氢工厂耗氢占了绝大比重，极大的避免了氢气在设备能量转化过程成所造成的损耗。
上述实施例分析
1)季节性分析
如图14所示，本方法所建立的电氢混合储能系统其最大优势即是季节性储能，通过将储能电池的短时储能特性和氢储能系统的季节性储能特性耦合结合起来，更长跨度的实现对太阳能不稳定性的调节作用。
园区主要负荷包括了电负荷、热负荷和用氢负荷三个部分，将其负荷划分为春夏秋冬四个部分，其中电热负荷具有明显的波动性，如图15所示，电负荷全年相对稳定，相对波动不是很大，但是热负荷具有明显的季节性和波动性，在此场景下对发电设备具有更高的要求，与此同时，发电侧只有光伏一个设备，且该设备的发电情况直接受光照强度大小的影响，太阳光照也具有明显的季节性特征，春夏较充沛，秋冬则相对低，在此则为了平抑负荷高峰，在长时间维度上通过加入氢储能进行调节处理。
经计算得到电池储能系统和氢储能系统的荷电状态变化对比情况如下图16所示，储能电池作为短时储能，其各时刻SOC变化幅度较大，介于容量上下限变化频繁，且当处于春夏季时，其SOC大部分未达到最低点即电量并未用尽，反之当处于秋冬季时，SOC多数时间并未达到最高点即储能电池并未充满，而储氢罐作为长时储能设备，SOC变化在春夏季主体呈上升趋势直至达到容量上限附近，在秋冬季则利用富余氢气使SOC变化呈现下降趋势。
该模型在各季节的净能量变化对比如图17所示，储氢罐利用光照这种清洁能源的季节性和不确定性，春夏季净能量大于0且夏季富余能源最大，秋冬季自身供应能源不足导致净能量缺失，冬季尤为显著，在春夏光照充沛的情况，通过储氢罐将能量经由电解槽将电力转化为氢气进行储存，而在秋冬季光照并不充沛的时候，将储氢罐中的氢气释放来缓解热电负荷情况，最终达到季节性调节的目的，最大化平缓清洁能源的不稳定性因素。
2)关键参数分析
为了探究对系统经济性影响效果最大的参数，需要对成本影响因素进行筛选，选取关键指标进行敏感性分析。首先对数据集进行无量纲化处理，对各项指标进行相关性检验，结果如图18所示：可知大部分影响因素都与总成本相关性比较高，其中设备购置费和购氢费用是最高的，因为受所构建场景的特性所影响，场景下外部购电费用比重较低，故分时电价对总成本的相关性不是特别高，初步选定设备购置费和市场购氢价格做敏感性分析，探讨其在多能互补供能系统中对成本的重要影响程度。
以设备购置费和购氢费用在±10％、±20％的波动变化，进行双因素敏感性分析对成本的影响程度如表6：
表6敏感性分析
Figure BDA0003906984380000251
分析所得，在成本占比中购置费用是远大于购氢费用的，但经分析后得到该系统对于购氢费用的敏感性更高，在当下氢储能处于发展初期，国家政策以及政府补贴都处于初期阶段，但是随着3060双碳目标的推进，氢储能方向中氢气的市场购价会大大降低以实现降碳目标，故在后期提高系统的经济性时可重点考虑购氢费用这一因素，最大程度的节省成本，实现更大的收益。
实施例应用前景分析
从碳排放角度分析，该系统在发电侧的设备为分布式光伏，是清洁能源消纳的重要设备，在该系统中使用光伏共产电6.59×107度；在供热侧采用了热值很高的氢气作为原料，并通过氢气锅炉来满足园区热负荷，其中共产热8.2×106kw，换算成总耗电为1.1×107度；在供电侧同样有燃料电池参与，该设备在产电过程中低碳甚至零碳进行。其中利用燃料电池共产电3.04×106度。
当下电力碳排放因子值为0.997kg/度，在系统全寿命周期内，配备该系统可以少利用电量7.99×107度，累积多减排7.97×104t二氧化碳，按全国首笔碳配额交易价格(52.78元/t)核算，可带来约 4.2×106元的收益。
从经济性角度分析，该系统成本中购置费用和购氢费用占了较大比重；而收入则是来源于园区电热氢供能和碳市场收益，通过计算所得，该系统收益水平是低于市场平均水平的，投资经济性不具备竞争力，成本有待进一步优化。经估算当碳配额交易价格升至110元/t 是该系统则可基本实现正收益，在国家加强对新能源、氢能以及储能板块的鼓励政策和推动作用，随着氢储能技术的突破和进一步的优化探索，今后在氢能相关购置成本及氢气市场价都能够得到大力改善。
本发明提出了完整的储能系统，以电解槽、储氢罐和燃料电池为氢储能主体，搭配储能电池共同构成储能系统，在此基础上添加了同样以氢气为燃料补充的氢气锅炉以满足该工业园区的热负荷，以构成一个满足电热负荷的综合能源系统。在未来构建电储混合储能系统是能源发展的大方向，为了更快的实现双碳目标，加大对清洁能源的消纳情况并最大程度减少碳排放量，氢储能将是未来储能方向的重中之重，当下国家和各地政府在氢能源方面的政策都表示未来在氢能方面的补贴力度和发展重点。通过将氢储能系统搭配储能电池系统形成完全互补的关系共同对能源进行消纳和调峰，具有极大的发展空间
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (4)

1.一种面向多能互补的分布式光伏与电氢混合储能规划方法，其特征为：包括如下步骤：
步骤一：构建系统框架：包括供应侧、能源转换侧以及负荷侧；
所述供应侧包括电网，光伏，外部供氢模块；当由光伏单一设备发电满足不了内部电负荷时，则通过从电网系统进行外部购电来补充电量；当园区内部自我供应氢气不足时，同样采用向外部氢气供应商进行购氢来满足系统氢负荷；
所述能源转换侧，包括储能电池、氢气锅炉、储氢罐、燃料电池、电解槽；以储能系统为主体，该储能系统包括电池储能系统和氢储能系统，当有盈余电量输入该系统时，采用储能电池设备对该系统进行短时储能，也是作为第一层储能选择；而后通过氢储能系统进行大规模、长周期的第二层储能选择，其中包括了电解槽、储氢罐和燃料电池，电解槽利用光伏输送至系统内部盈余的电力，通过电解水的方式产生氢气；储氢罐用来存储从电解槽电解后产生的氢气和从外部购买的氢气；燃料电池通过由储氢罐向其提供氢气后产生电能满足园区电负荷；氢气锅炉由储氢罐向其提供氢气燃料，将氢能转化为热能，通过该设备出力满足园区热负荷；
所述负荷侧包括电负荷、氢负荷、热负荷；以满足工业园区内部电负荷和热负荷而构建的区域综合能源系统；其中，电、热负荷主要为维持园区内部设备运行和日常使用等所产生的负荷需求；为了减少氢气在能源转化过程中所产生的大量损耗，直接将园区内部系统产生的氢气供应给工业园区内部工厂，将工厂需氢量作为园区氢负荷进行供应；
步骤二：构建设备结构模型，该模型包括光伏模型，氢气锅炉模型，氢储能系统，储能电池模型；
通过构建系统内部设备结构模型，以该模型公式和参数为基础，构建出建模中能源转化侧的模型搭建和功能设定；
步骤三：设定系统规划策略，包括能量耦合关系，能量梯级利用，系统调度策略；
在已构建的设备结构模型基础上，通过各设备之间的物理特性和能量流动构建系统内部的能量耦合关系；通过构建双层储能模型和多负荷满足场景体现更高效的能量梯级利用；通过制定系统调度策略体现源网荷储侧变化、各设备出力选择和能量流动层级。
步骤四：建模，包括目标函数的设置，约束条件的设置，求解算法的设置；
从系统约束、设备约束以及规划约束三个角度设置系统约束条件；采用鲁棒性更强的嵌入禁忌搜索算法的遗传算法进行求解操作得到更精确、更贴合实际的结果数据；通过设置目标函数确定系统优化方向，设置各约束条件加强模型的多场景适应性和稳定性。
2.根据权利要求1所述的面向多能互补的分布式光伏与电氢混合储能规划方法，其特征为：所述步骤2进一步包括如下内容：
1)光伏模型的建立
光伏的发电功率与光照强度、光伏板额定输出功率以及电池板表面温度相关，光伏板输出功率的数学模型为：
Figure FDA0003906984370000031
式中：HA为太阳能总辐射量(KWH/m2)；EP为上网发电量(KWH)；ES为标准条件下的辐射度；PAZ为组件安装容量(KWP)；K为综合效率系数，其中包括了光伏组件类型、倾角以及转换效率等因素；
2)氢气锅炉
氢气锅炉是以气热耦合转换为主的一种供能设备，其消耗氢气以此满足热负荷需求，进一步加强了气热之间的耦合关系；其数学模型为：
Pheat,GB(t)＝Pgas,GB(t)ηGB
Figure FDA0003906984370000032
HGB(t)＝Pheat,GB(t)Δt
式中：t为某个时刻，Pheat,GB(t)、Pgas,GB(t)以及ηGB分别表示在t时刻，氢气锅炉产生的热功率、氢气消耗功率以及氢气锅炉的实际转换效率；QGB(t)以及LΛ分别表示在t时刻，氢气锅炉的进气量以及氢气的低热值系数；HGB(t)则表示经过Δt时段，氢气锅炉产生的实际热量值；Δt为经过t个时间段。
3)氢储能系统
氢储存系统包括电解槽、储氢罐和燃料电池3种组件，电解槽单元利用电将水电解成氢气和氧气；理想状态下，ρ表示每kWh电能通过电解槽电解所产生的氢气质量，η表示每kg氢气通过燃料电池燃烧所产生的电能；θel和θfc分别表示电解槽和燃料电池的转化效率；
4)储能电池模型
数学模型如下：
Figure FDA0003906984370000041
Figure FDA0003906984370000042
式中t为某个时刻，SOC(t)为t个时段储能电池的电量百分比，SOC(t+1)为下一个时段储能电池的电量百分比，k为自身消耗率，单位为％/h，Bin、
Figure FDA0003906984370000043
为存入功率及效率，BRC为额定容量，单位为kWh，BOUT为释放效率。Δt为经过t个时间段。
3.根据权利要求1所述的面向多能互补的分布式光伏与电氢混合储能规划方法，其特征为：所述步骤3进一步包括如下内容：
1)能量耦合关系
首先，通过储能电池在小时级调控电负荷与光伏发力之间差值，依靠设备特性快速实现需求响应；其次，当储能电池无法完全消纳光伏出力时，引入氢储能系统实现对剩余能量的存储，将电能转化为氢能的形式储存起来，通过储氢罐放氢满足用氢工厂的需氢量；最后，利用同样以氢气为燃料的氢气锅炉满足园区内用户热负荷情况；
2)能量梯级利用
能量阶梯以双层储能为核心，通过该混合储能的特性互补实现了能源完全耦合，以储能电池层作为第一层储能，考虑光伏出力、用户电需求以及当地分时电价的政策，储能电池采用不同的策略选择在该层实现最优，第二层则以氢储能系统为核心来存储储能电池所不能消纳的能量，该层需以储氢罐为媒介同时满足电热氢的用户需求；
3)系统调度策略
电氢混合储能模型以季节为调度周期，当春夏太阳能资源丰富，园区内负荷情况相对较低的情况下，在满足用户负荷需求的情况下，通过大规模的光伏机组出力条件下，将太阳能由氢储能系统转化为氢能，并在储氢罐中存储起来，当进入秋冬季时，随着太阳光照强度的减少，仅凭光伏供电不足以满足用户负荷，当能源供给不足时就通过储氢罐中的富余氢气进行能源转换，即利用氢储能系统的季节性储能特点将春夏富余的太阳能自然禀赋存储起来以满足秋冬季能源供应不足的情况，从而，结合储能电池的短时、小规模特征和氢储能系统的长期、大量特征共同实现对太阳能的消纳和调峰。
4.根据权利要求1所述的面向多能互补的分布式光伏与电氢混合储能规划方法，其特征为：所述步骤4进一步包括如下内容：
1)目标函数设置
以总成本最低和总碳排放最低为目标函数，以一年t＝8760h为规划周期，模型设备寿命以20年为周期，目标函数模型如下：
(1)全寿命周期内总成本最低
全寿命周期内总成本主要包括综合能源系统初期的建设成本、以及寿命周期内综合能源系统的运行成本以及综合系统内部的维护费用，同时，考虑政府对综合能源系统发电的补贴收益，其目标函数为：
F1＝min(fin(x)+fop(p)+fmc(p)-fbt(p))
式中：F1是系统生命周期总规划成本，fin(x)是系统投资建设成本，x是规划建设的决策变量；fop(p)是寿命期内系统运行成本，即系统购买氢气、向电网购电所花费的费用；fmc(p)是系统的维护费用；fbt(p)是使用新能源设备政府进行的补贴；p是系统运行的决策变量；
(2)全寿命周期内总碳排放最低；
碳排放最低的目标函数如下：
Figure FDA0003906984370000061
式中：F2为系统寿命生命周期内的总碳排放，i为设备序号，n为总设备数，xi为第i台设备，y为整个系统寿命周期，Ni为单位周期内i设备的碳排放量；
2)约束条件
该综合能源系统的约束主要从系统约束、设备约束以及规划约束三方面进行考虑，具体如下：
(1)系统约束
投资能力约束
Tmax≥TIES
式中：TIES为综合能源系统建设的实际全部投资支出，Tmax为可接受的最大投资支出，若能达到需求响应但是不能满足该约束条件，则需要更换设备组合情况；
负荷供需平衡约束
Figure FDA0003906984370000062
式中，k是设备序号，w是设备总数，t是某个时刻，
Figure FDA0003906984370000063
是时段t设备k的发电量；Pt e是时段t电能购入量；
Figure FDA0003906984370000064
是时段t用户的电负荷需求；
Figure FDA0003906984370000071
是设备k用于供能消耗的电量；
Figure FDA0003906984370000072
式中，k是设备序号，w是设备总数，t是某个时刻，
Figure FDA0003906984370000073
是时段t设备k的供热量；
Figure FDA0003906984370000074
是时段t该优化区域内的总热负荷需求；
Figure FDA0003906984370000075
式中，k是设备序号，w是设备总数，t是某个时刻，
Figure FDA0003906984370000076
是时段t设备k的供氢量；
Figure FDA0003906984370000077
是时段t该优化区域内的总氢负荷需求；
电网供能约束
Figure FDA0003906984370000078
Figure FDA0003906984370000079
式中：i为设备序号，n为总设备数，TSC为电网最大供电能力，COmax i为园区内各设备的耗电功率，GEmax i为园区内可发电设备的发电功率，EIES max为综合能源系统园区内最大用户用电负荷，S为最低安全用电系数；
网络传输约束
Figure FDA00039069843700000710
式中，t是某个时刻，n是电网的某个节点，
Figure FDA00039069843700000711
是时刻下园区内部所需的传输功率，
Figure FDA00039069843700000712
分别是电网节点n允许传输的最大最小功率；
Figure FDA00039069843700000713
式中，t是某个时刻，n是氢气网络的某个节点，
Figure FDA0003906984370000081
是t时刻氢气网络在节点n的流量；
Figure FDA0003906984370000082
分别是氢气管网传输氢气时节点n允许的最大、最小流量。其流量大小主要由管道的截面积决定；
(2)设备约束
设备运行约束
Figure FDA0003906984370000083
式中，t是某个时刻，k是设备序号，Pk(t)是t时刻的输出功率，ΔPj(t)是t时刻设备的爬坡速度，γ(t)是时段t设备k的运行状态；Pmax_k(t)、Pmin_k(t)分别是时段t设备的最大最小输出功率；PΔmin_k(t)、PΔmax_k(t)分别是时段t设备k降低或增加出力的爬坡速度；
设备容量约束
dcmax(t)＜SOCK(t)＜cmax(t)
式中，t是某个时刻，K是某个设备，SOCK(t)是时刻t设备k的容量情况；dcmax(t)、cmax(t)分别为时段t设备的最大放电深度和最大充电深度；设备容量在规定的范围内波动以保证其使用寿命和运行效率，减少其维护费用；
(3)规划约束
弃光率约束
Rpa≤θ
式中：Rpa表示弃光率；θ表示弃光率阈值，当地因其地域和自然资源禀赋情况影响，弃光率长期处于10％左右，为了最大化提高光伏利用率和减少弃光现象，对该模型下弃光率阈值取0，即达到光伏利用率达到100％，避免资源浪费现象；
季节性约束
Figure FDA0003906984370000091
式中：
Figure FDA0003906984370000092
表示净能量阈值，i表示负荷序号，n表示负荷总数，PLi表示某季节下园区的i负荷情况，当处于春夏季期间时，系统内部产生的净能量应大于阈值
Figure FDA0003906984370000093
即光伏总出力能够完全满足负荷情况并产生富余能量进行存储，PVout表示该季度的光伏总出力；
Figure FDA0003906984370000094
表示该季度园区内负荷总和，包括了电热氢三大负荷；
建筑面积约束
综合能源系统的安装必选考虑资源的多少以及可安装场地的大小，公式如下：
Figure FDA0003906984370000095
式中：i为设备序号，n为设备总数，xi为第i台设备，mi为第i台设备安装占用的土地面积，AZmax为可用于建设综合能源系统的可使用土地面积。对于建筑面积的约束，各设备还需要考虑专属用地面积的约束，需考虑综合能源系统建设的地理位置，例如：在楼宇屋顶安装太阳能光伏板时，需要以楼宇屋顶有效光照面积最大值为约束。
3)求解算法
(1)适应度函数
在遗传算法求解过程中，适应度函数就是模型求解的函数，在该模型中以年投资成本最低和碳排放最低为双目标函数，为了增强算法鲁棒性，引入罚函数使在约束条件之外的解会增加适应度函数，公式如下：
Figure FDA0003906984370000101
式中:x为变量，i为约束序号，m为约束总数，λ为惩罚因子，
Figure FDA0003906984370000102
是关于不等式约束的函数，当x值在约束条件范围内时，其值为0，反之则函数值大于0；同理|hi(x)|2为等式约束的函数；f(x)为目标函数；F(x,λ)为模型结果；
(2)交叉算子
交叉算子的本质是截取一个染色体的片段和其他染色体片段进行交叉交换所形成两个新的染色体的过程，通过交叉，遗传算法的搜索能力得以飞跃提高；
(3)TSM算子
在新的改进算法中，将禁忌搜索算法替代原来遗传算法中的变异算子称为TSM算子：
(3-1)对于每一个染色体通过判断其随机生成的数和变异概率的大小，若需发生变异时，则需以该染色体作为禁忌搜索算法的初始值；
(3-2)设定禁忌表的长度，定义移动规则与候选解集，给定渴望水平，判断是否达到禁忌搜索的停止准则，如果是，回到(3-1)，否则根据禁忌搜索的策略进行领域搜索，选择一个解，更新禁忌表；
(3-3)以更新后的种群进行下一步；
(4)选择算子
通过选择算子将较优的个体选择出来遗传到下一代，其公式如下：
Figure FDA0003906984370000111
式中：Pis为个体被选中的概率，i为个体序号，m为群体规模；Fi为个体i的适应度。
CN202211308595.8A 2022-10-25 2022-10-25 面向多能互补的分布式光伏与电氢混合储能规划方法 Pending CN115566703A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211308595.8A CN115566703A (zh) 2022-10-25 2022-10-25 面向多能互补的分布式光伏与电氢混合储能规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211308595.8A CN115566703A (zh) 2022-10-25 2022-10-25 面向多能互补的分布式光伏与电氢混合储能规划方法

Publications (1)

Publication Number Publication Date
CN115566703A true CN115566703A (zh) 2023-01-03

Family

ID=84746981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211308595.8A Pending CN115566703A (zh) 2022-10-25 2022-10-25 面向多能互补的分布式光伏与电氢混合储能规划方法

Country Status (1)

Country Link
CN (1) CN115566703A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115600768A (zh) * 2022-11-30 2023-01-13 广东电网有限责任公司珠海供电局（Cn） 一种预测海岛年-季-月燃油补给方法、系统及设备
CN116111733A (zh) * 2023-04-13 2023-05-12 华北电力大学 基于电解槽和高压储氢罐的港口氢-电综合能源系统
CN116579115A (zh) * 2023-07-11 2023-08-11 国网能源研究院有限公司 电、氢协同互动的系统规划方法及装置
CN117081143A (zh) * 2023-07-14 2023-11-17 中国电建集团华东勘测设计研究院有限公司 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN117375114A (zh) * 2023-12-04 2024-01-09 华中科技大学 一种综合能源系统优化调度方法及系统
CN117592763A (zh) * 2024-01-18 2024-02-23 中国建筑西北设计研究院有限公司 一种能源系统容量的配置方法及装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115600768A (zh) * 2022-11-30 2023-01-13 广东电网有限责任公司珠海供电局（Cn） 一种预测海岛年-季-月燃油补给方法、系统及设备
CN116111733A (zh) * 2023-04-13 2023-05-12 华北电力大学 基于电解槽和高压储氢罐的港口氢-电综合能源系统
CN116579115A (zh) * 2023-07-11 2023-08-11 国网能源研究院有限公司 电、氢协同互动的系统规划方法及装置
CN116579115B (zh) * 2023-07-11 2023-09-26 国网能源研究院有限公司 电、氢协同互动的系统规划方法及装置
CN117081143A (zh) * 2023-07-14 2023-11-17 中国电建集团华东勘测设计研究院有限公司 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN117375114A (zh) * 2023-12-04 2024-01-09 华中科技大学 一种综合能源系统优化调度方法及系统
CN117375114B (zh) * 2023-12-04 2024-02-09 华中科技大学 一种综合能源系统优化调度方法及系统
CN117592763A (zh) * 2024-01-18 2024-02-23 中国建筑西北设计研究院有限公司 一种能源系统容量的配置方法及装置
CN117592763B (zh) * 2024-01-18 2024-04-23 中国建筑西北设计研究院有限公司 一种能源系统容量的配置方法及装置

Similar Documents

Publication Publication Date Title
Ma et al. The optimal structure planning and energy management strategies of smart multi energy systems
Liu et al. Overview on hybrid solar photovoltaic-electrical energy storage technologies for power supply to buildings
CN115566703A (zh) 面向多能互补的分布式光伏与电氢混合储能规划方法
Song et al. Techno-economic analysis of a hybrid energy system for CCHP and hydrogen production based on solar energy
CN109103926A (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
Zhou et al. Optimal sizing design and integrated cost-benefit assessment of stand-alone microgrid system with different energy storage employing chameleon swarm algorithm: A rural case in Northeast China
Wang et al. Synergistic planning of an integrated energy system containing hydrogen storage with the coupled use of electric-thermal energy
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
Fan et al. Two-layer collaborative optimization for a renewable energy system combining electricity storage, hydrogen storage, and heat storage
CN112182887A (zh) 一种综合能源系统规划优化仿真方法
Wang et al. Energy management strategy of hybrid energy storage based on Pareto optimality
CN107749645A (zh) 一种控制高压大容量储热供暖装置的方法
Huang et al. Multi-objective co-optimization of design and operation in an independent solar-based distributed energy system using genetic algorithm
Qiu et al. Optimal planning of cross-regional hydrogen energy storage systems considering the uncertainty
Liu et al. Planning of multi energy-type micro energy grid based on improved Kriging model
Wang et al. Co-optimization of configuration and operation for distributed multi-energy system considering different optimization objectives and operation strategies
Luo et al. A two-stage energy management strategy for CCHP microgrid considering house characteristics
Szypowski et al. Optimization of energy-supply structure in residential premises using mixed-integer linear programming
Yuan et al. An advanced multicarrier residential energy hub system based on mixed integer linear programming
Ma et al. The optimal configuration of distributed generators for CCHP micro-grid based on double-layer operation strategy and improved NSGA-III algorithm
Yang et al. Optimal scheduling of CCHP with distributed energy resources based on water cycle algorithm
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
Jia et al. Multi-objective optimization study of regional integrated energy systems coupled with renewable energy, energy storage, and inter-station energy sharing
Liu et al. Multi-objective optimization of equipment capacity and heating network design for a centralized solar district heating system

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