CN116027757B - 光催化-热化学耦合制燃料的综合能源系统运行调控方法 - Google Patents

光催化-热化学耦合制燃料的综合能源系统运行调控方法 Download PDF

Info

Publication number
CN116027757B
CN116027757B CN202310304914.6A CN202310304914A CN116027757B CN 116027757 B CN116027757 B CN 116027757B CN 202310304914 A CN202310304914 A CN 202310304914A CN 116027757 B CN116027757 B CN 116027757B
Authority
CN
China
Prior art keywords
energy
hydrogen
model
equation
energy system
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
CN202310304914.6A
Other languages
English (en)
Other versions
CN116027757A (zh
Inventor
任婷
李鑫
马天增
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.)
Institute of Electrical Engineering of CAS
Original Assignee
Institute of Electrical Engineering of CAS
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 Institute of Electrical Engineering of CAS filed Critical Institute of Electrical Engineering of CAS
Priority to CN202310304914.6A priority Critical patent/CN116027757B/zh
Publication of CN116027757A publication Critical patent/CN116027757A/zh
Application granted granted Critical
Publication of CN116027757B publication Critical patent/CN116027757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Feedback Control In General (AREA)

Abstract

本发明公开了光催化‑热化学耦合制燃料的综合能源系统运行调控方法。设计了以光催化‑高温热化学耦合制燃料为核心的冷、热、电、气综合能源系统，为了使得系统在调度周期内太阳能‑燃料转化效率最大、二氧化碳排放和运行成本最小，建立了考虑可再生能源和用户负荷间歇性的鲁棒多目标优化模型。同时，基于实验和计算数据，提出改进的极限学习机对光催化水解制氢反应过程建立代理模型，减少计算和实验时间及成本。采用非支配排序遗传算法求解建立的鲁棒多目标优化模型，获得系统最优调度策略，缓解了可再生能源和用户负荷的不确定性对系统稳定运行的影响，提高了系统在能量利用效率、环境和经济方面的效益，保证系统安全、高效运行。

Description

光催化-热化学耦合制燃料的综合能源系统运行调控方法
技术领域
本发明属于以光催化水解制氢和太阳能热化学制燃料为核心的综合能源系统领域，具体涉及光催化-热化学耦合制燃料的综合能源系统运行调控方法。
背景技术
太阳能制燃料包括光催化水解制氢和太阳能热化学制甲烷，与传统化石燃料相比，具有清洁低碳的优势，可缓解资源短缺以及环境污染问题。光催化水解制氢主要基于太阳能紫外光谱和部分可见光，利用光催化剂和牺牲剂，将水分解为氢气和氧气。太阳能热化学利用太阳能部分可见光以及远红外光，驱动金属氧化物分解水和二氧化碳制氢气和一氧化碳。将光催化水解制氢和太阳能热化学制甲烷耦合，集成冷、热、电、气、交通综合能源系统，实现太阳能全光谱利用，提高能源系统能量转换效率。
光催化-热化学制燃料的综合能源系统集成光伏、风电与传统化石能源，提高可再生能源渗透率的同时，满足用户的冷、热、电、燃料多种能源需求。然而太阳能、风能具有不确定性，对综合能源系统的稳定运行带来巨大挑战。因此，需要获得考虑到可再生能源波动性时，能源系统最优运行调控策略，保证系统安全高效稳定运行。
发明内容
为解决上述技术问题，本发明提供光催化-热化学耦合制燃料的综合能源系统运行调控方法，设计了太阳能燃料制备、供冷、供热、发电、交通集成的综合能源系统，将可再生能源与传统能源结合，满足用户的多种能源需求，促进碳达峰和碳中和的实现。综合能源系统由热流、冷流、电力流和燃料流组成（如图1），利用本发明提出的能源系统运行调控方法，在满足用户的冷、热、电、气能源需求的同时，获得最佳的运行调控策略，使得系统的太阳能-氢能转化效率最大，二氧化碳排放与运行成本最小。所提能源系统运行调控方法，保证系统稳定运行的同时，提高了系统运行灵活性。
为达到上述目标，本发明采用的技术方案如下：
光催化-热化学耦合制燃料的综合能源系统运行调控方法，包括以下步骤：
步骤1：针对光催化水解制氢装置，获得实验和计算数据的训练样本，利用极限学习机算法建立代理模型；
步骤2：对综合能源系统每个单元建立数学模型，包括高温太阳能热化学循环制燃料模型和内燃机发电、光伏发电、风力发电、换热器模型；
步骤3：根据冬季和夏季用户冷、热、电、氢气的用能需求，建立热能平衡方程、冷量平衡方程、电能平衡方程、天然气和氢气平衡方程；
步骤4：考虑综合能源系统能量利用效率、环境和经济效益，建立包含供冷、供热、供电、供气的多目标优化模型；
步骤5：采用非支配排序遗传算法求解步骤4建立的多目标优化模型，获得帕累托最优解集；
步骤6：利用模糊隶属度函数，选择综合能源系统的最优运行策略，实现系统太阳能-燃料转换效率最大化、
Figure SMS_1
排放量最小化和能源成本最小化。
进一步地，所述步骤1中的极限学习机算法包括：
给定一个数据集
Figure SMS_2
，其中
Figure SMS_3
为第
Figure SMS_4
个输入样本，
Figure SMS_5
为第
Figure SMS_6
个输出样本，
Figure SMS_7
为样本个数；对光催化水解制氢过程，输入变量为圆管反应器的结构参数和运行参数，输出参数是产氢量，极限学习机的数学模型通过以下方式建立：
Figure SMS_8
（1）
其中，
Figure SMS_9
表示模型矩阵；
Figure SMS_10
表示输出权向量；
Figure SMS_11
表示输出值；具体表达式为：
Figure SMS_12
，
Figure SMS_13
，
Figure SMS_14
，
其中，
Figure SMS_31
为激活函数；
Figure SMS_16
和
Figure SMS_30
定义第
Figure SMS_20
个输入权重和第
Figure SMS_26
个偏置；
Figure SMS_22
定义了输出权重；
Figure SMS_28
和
Figure SMS_18
表示输入权向量
Figure SMS_24
的第一个元素和第n个元素；
Figure SMS_15
和
Figure SMS_23
表示偏置向量
Figure SMS_17
的第一个元素和第n个元素；
Figure SMS_27
和
Figure SMS_19
表示
Figure SMS_25
向量的第一个元素和第n个元素；
Figure SMS_21
和
Figure SMS_29
均表示向量个数；
根据同时考虑模型和样本数据不精确本质的正则化分式优化训练模型，表达为如下的数学模型：
Figure SMS_32
（2）
式中，
Figure SMS_33
是正则化参数；
Figure SMS_34
是正则项，用于确保数值解的稀疏性；
Figure SMS_35
表示一范数；
Figure SMS_36
是总体最小二乘，用于同时考虑模型和样本的不精确性；
Figure SMS_37
表示以g为变量的目标函数的最小值；
Figure SMS_38
表示二范数的平方；
将方程（2）转化为如下的最优化问题：
Figure SMS_39
（3）
式中，
Figure SMS_40
定义为如下：
Figure SMS_41
（4）
进一步将该最优化问题松弛为如下的问题：
Figure SMS_42
（5）
式中，
Figure SMS_43
被定义为：
Figure SMS_44
（6）
引入辅助变量
Figure SMS_45
，方程（5）被转化为如下的等式约束优化问题：
Figure SMS_46
（7）
式中，
Figure SMS_47
为目标函数，定义为：
Figure SMS_48
（8）
式中，
Figure SMS_49
为罚参数；
采用分离优化方法求解式（8）：
Figure SMS_50
（9）
Figure SMS_51
（10）
根据式（8），式（9）和（10）具体为：
Figure SMS_52
（11）
Figure SMS_53
（12）
方程（11）用软阈值算法求解，即：
Figure SMS_54
（13）
式中，
Figure SMS_55
代表软阈值算子；
方程（12）是可微的，其解为：
Figure SMS_56
（14）
式中，
Figure SMS_57
为向量
Figure SMS_58
的转置；
Figure SMS_59
是单位矩阵。
进一步地，所述步骤3中的热能平衡方程，冷量平衡方程，电能平衡方程，天然气和氢气平衡方程为在冬季和夏季典型日综合能源系统运行时需满足的约束条件。
进一步地，所述步骤4中的多目标优化模型具体为：
能效：
Figure SMS_60
(15)
其中，
Figure SMS_61
为太阳能-氢能转化效率；
Figure SMS_62
和
Figure SMS_63
表示水和二氧化碳制备氢气和一氧化碳的摩尔产生速率；
Figure SMS_64
和
Figure SMS_65
表示氢气和一氧化碳的高位热值；
Figure SMS_66
定义了产生氢气和一氧化碳所需的太阳能；
Figure SMS_67
表示真空泵消耗的能量；
环境效益：
Figure SMS_68
(16)
其中，
Figure SMS_69
表示综合能源系统的二氧化碳排放量；
Figure SMS_70
代表内燃机消耗的天然气量；
Figure SMS_71
代表电网的天然气消耗量；
Figure SMS_72
和
Figure SMS_73
表示内燃机和电网的二氧化碳排放系数；
经济效益：
Figure SMS_74
(17)
其中，
Figure SMS_76
表示综合能源系统运行成本；
Figure SMS_79
表示从电网购买的电力；
Figure SMS_81
表示内燃机消耗的燃料；
Figure SMS_77
指在加氢站购买的氢气；
Figure SMS_78
指售卖给电网的电量；
Figure SMS_82
,
Figure SMS_84
和
Figure SMS_75
代表时间
Figure SMS_80
时电价、天然气价格和氢气价格；
Figure SMS_83
表示售卖给电网的电价。
所述的非支配排序遗传算法用来求解综合能源系统能效、环境和经济效益的多目标优化模型，获得帕累托最优前沿。
所述的帕累托最优解集中解较多，采用模糊隶属度函数，选择综合能源系统的最优能量调度策略，使得系统的太阳能-燃料转换效率最大、
Figure SMS_85
排放量和能源成本最小。
与现有技术相比，本发明具有以下优势效果：
本发明公开的光催化-热化学耦合制燃料的综合能源系统运行调控方法，考虑了可再生能源和能源负荷的间歇性和不确定性，建立了能源转换效率最大化，二氧化碳排放和能源成本最小化为目标的鲁棒多目标优化模型。建立热能守恒方程、冷量守恒方程、电能守恒方程、天然气和氢气守恒方程为约束条件，采用非支配排序遗传算法求解提出的优化模型，获得了综合能源系统最佳运行调控策略。由于对光催化水解制氢反应过程缺乏经验公式，本发明利用实验和计算数据作为训练样本，提出改进极限学习机为代理模型，快速获得输入-输出非线性关系，极大提高计算时间，同时降低了实验和计算成本。同时，考虑了极端天气，与传统确定性最优化模型相比，本发明建立的鲁棒优化模型和求解方法缓解了由于可再生能源和用户负荷波动性对系统运行不确定性的不利影响，确保了系统的稳定运行。
综上所述，本发明公开的光催化-热化学耦合制燃料的综合能源系统运行调控方法，推动了可再生能源制燃料的发展以及双碳目标的实现，具有良好的应用前景。
附图说明
图1为本发明实施例提出的光催化-热化学耦合制燃料的综合能源系统结构示意图。
具体实施方式
以下结合附图和具体实施方式对本发明做进一步说明。
如图1所示，本发明的光催化-热化学耦合制燃料的综合能源系统包括光谱分割器、热化学反应器、光催化反应器、加氢站、内燃机、风力发电机、光伏、甲烷储存罐、换热器、锅炉、吸收式制冷机和电制冷机。所述光谱分频器根据光催化反应器中水解制氢催化剂以及热化学反应器中太阳能热化学制燃料催化剂的光谱响应特性，将太阳光谱分割为两个波段，即290nm-1200nm的短波段光线，以及剩余波段范围的长波段光线。将两个波段光线分别投入到光催化反应器和热化学反应器表面，实现太阳能全光谱利用，提高能源利用效率。光催化反应器以及热化学反应器为综合能源系统中的加氢站提供氢气，同时热化学反应器为内燃机提供甲烷，并将多余的甲烷储存在甲烷储存罐中备用。电网、光伏、风力发电以及内燃机发电为用户提供电能。锅炉在冬季时给用户提供热能，同时利用热化学反应器中的放热量，提高能量转化效率。在夏季典型日，电制冷机以及吸收式制冷机为用户制冷，同时吸收式制冷机吸收热化学反应器中的放热量，提高综合能源系统能质转化效率，进而降低运行成本。在考虑可再生能源和用户负荷波动性同时，为了满足用户的多种能源需求，本发明提出综合能源系统运行调控方法，使得系统太阳能-燃料转化效率最高，二氧化碳排放以及运行成本最小。
本发明的光催化-热化学耦合制燃料的综合能源系统运行调控方法，包括以下步骤：
步骤1：针对光催化水解制氢装置，获得实验和计算数据的训练样本，利用改进的极限学习机算法建立代理模型；
步骤2：对综合能源系统每个单元建立数学模型，包括高温太阳能热化学循环制燃料模型，内燃机发电、光伏发电、风力发电模型等；
步骤3：根据冬季和夏季用户冷、热、电、氢气的用能需求，建立热能平衡方程，冷量平衡方程，电能平衡方程，天然气和氢气平衡方程；
步骤4：考虑综合能源系统能量利用效率、环境和经济效益，建立包含供冷、供热、供电、供气多目标优化模型；
步骤5：采用非支配排序遗传算法求解步骤4建立的多目标优化模型，获得帕累托最优解集；
步骤6：利用模糊隶属度函数，选择综合能源系统的最优运行策略，实现系统太阳能-燃料转换效率最大化、
Figure SMS_86
排放量最小化和能源成本最小化。
所述步骤1中所述的改进极限学习机算法具体表述为：
给定一个数据集
Figure SMS_87
，其中
Figure SMS_88
为第
Figure SMS_89
个输入样本，
Figure SMS_90
为第
Figure SMS_91
个输出样本，
Figure SMS_92
为样本个数。对光催化水解制氢过程，输入变量为圆管反应器的结构参数和运行参数，输出参数是产氢量，极限学习机的数学模型通过以下方式建立：
Figure SMS_93
（1）
其中，
Figure SMS_94
表示模型矩阵；
Figure SMS_95
表示输出权向量；
Figure SMS_96
表示输出值；具体表达式为：
Figure SMS_97
，
Figure SMS_98
，
Figure SMS_99
，
其中，
Figure SMS_107
为激活函数；
Figure SMS_101
和
Figure SMS_108
定义第
Figure SMS_106
个输入权重和第
Figure SMS_113
个偏置；定义了输出权重；
Figure SMS_110
和
Figure SMS_115
表示输入权向量
Figure SMS_105
的第一个元素和第n个元素；
Figure SMS_112
和
Figure SMS_100
表示偏置向量
Figure SMS_111
的第一个元素和第n个元素；
Figure SMS_103
和
Figure SMS_109
表示
Figure SMS_104
向量的第一个元素和第n个元素；
Figure SMS_114
和
Figure SMS_102
均表示向量个数；
极限学习机属于监督学习方法，其训练需要求解方程（1）。正则化方法是实现该任务的一个首选方法。为了提高模型的泛化性能，基于总体最小二乘方法，本发明提出了一个同时考虑模型和样本数据不精确本质的正则化分式优化训练模型，可表达为如下的数学模型：
Figure SMS_116
（2）
式中，
Figure SMS_117
是正则化参数；
Figure SMS_118
是正则项，用于确保数值解的稀疏性；
Figure SMS_119
表示一范数；
Figure SMS_120
是总体最小二乘，用于同时考虑模型和样本的不精确性；
Figure SMS_121
表示以g为变量的目标函数的最小值；
Figure SMS_122
表示二范数的平方；
方程（2）是一个非光滑分式优化问题，难以直接求解。本发明提出了一个新的算法高效地求解该问题。
首先将方程（2）转化为如下的最优化问题：
Figure SMS_123
（3）
式中，
Figure SMS_124
定义为如下：
Figure SMS_125
（4）
很显然，方程（3）是一个凸函数差问题。为了求解的方便，进一步将该最优化问题松弛为如下的问题：
Figure SMS_126
（5）
式中，
Figure SMS_127
被定义为：
Figure SMS_128
（6）
方程（5）是一个非光滑的最优化问题，仍难以有效求解。为了克服这个困难，采用半二次方分裂算法缓解这个求解难题。通过引入辅助变量
Figure SMS_129
，方程（5）能够被转化为如下的等式约束优化问题：
Figure SMS_130
（7）
式中，
Figure SMS_131
为目标函数，定义为：
Figure SMS_132
（8）
式中，
Figure SMS_133
为罚参数；
为了计算方便，采用分离优化方法求解式（8）：
Figure SMS_134
（9）
Figure SMS_135
（10）
根据式（8），式（9）和（10）具体为：
Figure SMS_136
（11）
Figure SMS_137
（12）
方程（11）能够用软阈值算法求解，即：
Figure SMS_138
（13）
式中，
Figure SMS_139
代表软阈值算子。
方程（12）是可微的，其解为：
Figure SMS_140
（14）
式中，
Figure SMS_141
为向量
Figure SMS_142
的转置；
Figure SMS_143
是单位矩阵。
根据上述的推导过程，在下面表格算法I中总结了这个新的算法。算法I的显著特点是见分式优化问题转化为一个凸函数差优化问题，进而利用半二次方分裂算法进行有效求解，降低了问题求解的难度和有效处理非光滑优化问题，仅仅需要计算子问题的梯度向量，计算复杂性相对较低。
Figure SMS_144
所述的光催化-热化学耦合制燃料的综合能源系统运行调控在冬季和夏季典型日下进行。
所述的光谱分割器将太阳能光谱分割为紫外光-部分可见光，以及部分可见光-远红外光，将紫外光-部分可见光入射到光催化聚光器表面，后反射到光催化反应器表面，驱动光催化水解制氢反应。其中的部分可见光-远红外光用于驱动
Figure SMS_145
热化学循环将
Figure SMS_146
和
Figure SMS_147
分解为
Figure SMS_148
和
Figure SMS_149
，通过费托合成产生甲烷。
所述的综合能源系统中的热化学反应器、内燃机、光伏和风力发电机存在经验公式，因此对上述单元建立非线性数学模型；
所述的综合能源系统中包括冷量流、热流、电流、甲烷和氢气流，根据冬季和夏季典型日中用户的能源需求以及天气条件，建立热能平衡方程，冷量平衡方程，电能平衡方程，天然气和氢气平衡方程。
所述的综合能源系统的能量利用效率、环境和经济效益实现最大化，建立多目标优化模型，具体包括：
能效：
Figure SMS_150
(15)
其中，
Figure SMS_151
为太阳能-氢能转化效率；
Figure SMS_152
和
Figure SMS_153
表示水和二氧化碳制备氢气和一氧化碳的摩尔产生速率；
Figure SMS_154
和
Figure SMS_155
表示氢气和一氧化碳的高位热值；
Figure SMS_156
定义了产生氢气和一氧化碳所需的太阳能；
Figure SMS_157
表示真空泵消耗的能量，计算中可忽略。
环境效益：
Figure SMS_158
(16)
其中，
Figure SMS_159
表示综合能源系统的二氧化碳排放量；
Figure SMS_160
代表内燃机消耗的天然气量；
Figure SMS_161
代表电网的天然气消耗量；
Figure SMS_162
和
Figure SMS_163
表示内燃机和电网的二氧化碳排放系数。
经济效益：
Figure SMS_164
(17)
其中，
Figure SMS_166
表示综合能源系统运行成本；
Figure SMS_169
表示从电网购买的电力；
Figure SMS_172
表示内燃机消耗的燃料；
Figure SMS_167
指在加氢站购买的氢气;
Figure SMS_170
指售卖给电网的电量；
Figure SMS_173
,
Figure SMS_174
和
Figure SMS_165
代表时间
Figure SMS_168
时电价、天然气价格和氢气价格；
Figure SMS_171
表示售卖给电网的电价。
所述的非支配排序遗传算法用来求解综合能源系统能效、环境和经济效益的多目标优化模型，即方程（15）-（17），获得帕累托最优前沿。
所述的帕累托最优解集中解较多，采用模糊隶属度函数，选择综合能源系统的最优能量调度策略，使得系统的太阳能-燃料转换效率最大、
Figure SMS_175
排放量和能源成本最小。
在冬季和夏季典型日，利用建立的鲁棒优化模型求解综合能源系统的太阳能-氢能转换效率、二氧化碳排放以及运行成本，与建立的确定性模型求解的系统能效、环境、经济效益对比如表1和表2所示。
表 1. 夏季典型日系统运行性能比较
Figure SMS_176
表 2. 冬季典型日系统运行性能比较
Figure SMS_177
通过表1的对比数据，由于鲁棒优化模型考虑了极端天气和用户负荷的情况，鲁棒优化模型获得的综合能源系统的太阳能-氢能转换效率低于确定性模型求解的能源转化效率，而二氧化碳排放和运行成本均低于确定性模型求解的结果。结果显示，本发明建立的鲁棒优化模型以及运行调控方法提高了系统运行的稳定性。
表2中，鲁棒优化模型考虑了可再生能源和用户负荷的不确定性，因此利用鲁棒优化模型求解的系统太阳能-氢能转换效率低于确定性模型求解的结果，而确定性模型求解的二氧化碳排放和系统运行成本高于鲁棒优化模型获得的结果。结果表明，本发明提出的鲁棒优化模型以及运行调控方法，保证了系统在极端条件下运行的稳定性。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.光催化-热化学耦合制燃料的综合能源系统运行调控方法，其特征在于，包括以下步骤：
步骤1：针对光催化水解制氢装置，获得实验和计算数据的训练样本，利用改进极限学习机算法建立代理模型，所述改进极限学习机算法包括：
给定一个数据集
Figure QLYQS_1
，其中
Figure QLYQS_2
为第
Figure QLYQS_3
个输入样本，
Figure QLYQS_4
为第
Figure QLYQS_5
个输出样本，
Figure QLYQS_6
为样本个数；对光催化水解制氢过程，输入变量为圆管反应器的结构参数和运行参数，输出参数是产氢量，极限学习机的数学模型通过以下方式建立：
Figure QLYQS_7
（1）
其中，
Figure QLYQS_8
表示模型矩阵；
Figure QLYQS_9
表示输出权向量；
Figure QLYQS_10
表示输出值；具体表达式为：
Figure QLYQS_11
，
Figure QLYQS_12
，
Figure QLYQS_13
，
其中，
Figure QLYQS_22
为激活函数；
Figure QLYQS_17
和
Figure QLYQS_30
定义第
Figure QLYQS_23
个输入权重和第
Figure QLYQS_29
个偏置；
Figure QLYQS_20
和
Figure QLYQS_28
定义了输出权重和输入矩阵；
Figure QLYQS_16
和
Figure QLYQS_27
表示输入权向量
Figure QLYQS_14
的第一个元素和第n个元素；
Figure QLYQS_25
和
Figure QLYQS_18
表示偏置向量
Figure QLYQS_26
的第一个元素和第n个元素；
Figure QLYQS_21
和
Figure QLYQS_31
表示
Figure QLYQS_15
向量的第一个元素和第n个元素；
Figure QLYQS_24
和
Figure QLYQS_19
均表示向量个数；
建立考虑模型和样本数据不精确本质的正则化分式优化训练模型，表达式如下：
Figure QLYQS_32
（2）
式中，
Figure QLYQS_33
是正则化参数；
Figure QLYQS_34
是正则项，用于确保数值解的稀疏性；
Figure QLYQS_35
表示一范数；
Figure QLYQS_36
是总体最小二乘，用于同时考虑模型和样本的不精确性；
Figure QLYQS_37
表示以g为变量的目标函数的最小值；
Figure QLYQS_38
表示二范数的平方；
将方程（2）转化为如下的最优化问题：
Figure QLYQS_39
（3）
式中，
Figure QLYQS_40
定义为如下：
Figure QLYQS_41
（4）
进一步将该最优化问题松弛为如下的问题：
Figure QLYQS_42
（5）
式中，
Figure QLYQS_43
被定义为：
Figure QLYQS_44
（6）
引入辅助变量
Figure QLYQS_45
，方程（5）被转化为如下的等式约束优化问题：
Figure QLYQS_46
（7）
式中，
Figure QLYQS_47
为目标函数，定义为：
Figure QLYQS_48
（8）
式中，
Figure QLYQS_49
为罚参数；
采用分离优化方法求解式（8）：
Figure QLYQS_50
（9）
Figure QLYQS_51
（10）
根据式（8），式（9）和（10）具体为：
Figure QLYQS_52
（11）
Figure QLYQS_53
（12）
方程（11）用软阈值算法求解，即：
Figure QLYQS_54
（13）
式中，
Figure QLYQS_55
代表软阈值算子；
方程（12）是可微的，其解为：
Figure QLYQS_56
（14）
式中，
Figure QLYQS_57
为向量
Figure QLYQS_58
的转置；
Figure QLYQS_59
是单位矩阵；
步骤2：对综合能源系统每个单元建立数学模型，包括高温太阳能热化学循环制燃料模型和内燃机发电、光伏发电、风力发电、换热器模型；
步骤3：根据冬季和夏季用户冷、热、电、氢气的用能需求，建立热能平衡方程、冷量平衡方程、电能平衡方程、天然气和氢气平衡方程；
步骤4：考虑综合能源系统能量利用效率、环境和经济效益，建立包含供冷、供热、供电、供气的多目标优化模型，所述多目标优化模型具体为：
能效：
Figure QLYQS_60
(15)
其中，
Figure QLYQS_61
为太阳能-氢能转化效率；
Figure QLYQS_62
和
Figure QLYQS_63
表示水和二氧化碳制备氢气和一氧化碳的摩尔产生速率；
Figure QLYQS_64
和
Figure QLYQS_65
表示氢气和一氧化碳的高位热值；
Figure QLYQS_66
定义了产生氢气和一氧化碳所需的太阳能；
Figure QLYQS_67
表示真空泵消耗的能量；
环境效益：
Figure QLYQS_68
(16)
其中，
Figure QLYQS_69
表示综合能源系统的二氧化碳排放量；
Figure QLYQS_70
代表内燃机消耗的天然气量；
Figure QLYQS_71
代表电网的天然气消耗量；
Figure QLYQS_72
和
Figure QLYQS_73
表示内燃机和电网的二氧化碳排放系数；
经济效益：
Figure QLYQS_74
(17)
其中，
Figure QLYQS_77
表示综合能源系统运行成本；
Figure QLYQS_80
表示从电网购买的电力；
Figure QLYQS_83
表示内燃机消耗的燃料；
Figure QLYQS_76
指在加氢站购买的氢气；
Figure QLYQS_78
指售卖给电网的电量；
Figure QLYQS_81
,
Figure QLYQS_84
和
Figure QLYQS_75
代表时间
Figure QLYQS_79
时电价、天然气价格和氢气价格；
Figure QLYQS_82
表示售卖给电网的电价；
步骤5：采用非支配排序遗传算法求解步骤4建立的多目标优化模型，获得帕累托最优解集；
步骤6：利用模糊隶属度函数，选择综合能源系统的最优运行策略，实现系统太阳能-燃料转换效率最大化、
Figure QLYQS_85
排放量最小化和能源成本最小化。
2.根据权利要求1所述的光催化-热化学耦合制燃料的综合能源系统运行调控方法，其特征在于，所述步骤3中的热能平衡方程，冷量平衡方程，电能平衡方程，天然气和氢气平衡方程为在冬季和夏季典型日综合能源系统运行时需满足的约束条件。
CN202310304914.6A 2023-03-27 2023-03-27 光催化-热化学耦合制燃料的综合能源系统运行调控方法 Active CN116027757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310304914.6A CN116027757B (zh) 2023-03-27 2023-03-27 光催化-热化学耦合制燃料的综合能源系统运行调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310304914.6A CN116027757B (zh) 2023-03-27 2023-03-27 光催化-热化学耦合制燃料的综合能源系统运行调控方法

Publications (2)

Publication Number Publication Date
CN116027757A CN116027757A (zh) 2023-04-28
CN116027757B true CN116027757B (zh) 2023-06-16

Family

ID=86074314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310304914.6A Active CN116027757B (zh) 2023-03-27 2023-03-27 光催化-热化学耦合制燃料的综合能源系统运行调控方法

Country Status (1)

Country Link
CN (1) CN116027757B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE1031378B1 (de) * 2024-01-16 2025-06-03 Huaneng Fuxin Windy Power Generator Co Ltd Verfahren und System zur Verwaltung des Betriebs und der Wartung von Photovoltaikanlagen

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117744894B (zh) * 2024-02-19 2024-05-28 中国科学院电工研究所 一种综合能源系统的主动学习代理优化方法
CN118504787B (zh) * 2024-07-17 2024-09-24 中国科学院电工研究所 一种微波强化太阳能热化学制氢系统的产氢量预测方法
CN119168457B (zh) * 2024-08-29 2026-01-30 国网江苏省电力有限公司高邮市供电分公司 一种基于多维度能源数据的优化分析方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881712A (zh) * 2015-05-19 2015-09-02 上海电力学院 多能互补分布式能源系统及其设备配置与运行优化方法
CN105550766A (zh) * 2015-12-04 2016-05-04 山东大学 一种含可再生能源的微网鲁棒多目标运行优化方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103151798B (zh) * 2013-03-27 2015-02-04 浙江省电力公司电力科学研究院 独立微网系统的优化方法
CN109146117A (zh) * 2018-06-15 2019-01-04 中国电建集团福建省电力勘测设计院有限公司 一种考虑需求侧资源的区域多能源系统运行优化方法
CN109784569A (zh) * 2019-01-23 2019-05-21 华北电力大学 一种区域综合能源系统优化控制方法
CN110009152B (zh) * 2019-04-03 2021-12-07 东南大学 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
CN110443410A (zh) * 2019-07-10 2019-11-12 国网福建省电力有限公司 一种区域多能源系统的运行优化方法
AU2019101043A4 (en) * 2019-09-11 2019-10-24 Southeast University A two-stage robust scheduling method for a hydrogen conpressed natural gas integrated energy system
CN114662752B (zh) * 2022-03-18 2024-07-26 山东电工电气集团数字科技有限公司 基于价格型需求响应模型的综合能源系统运行优化方法
CN114757414A (zh) * 2022-04-12 2022-07-15 中科南京未来能源系统研究院 一种考虑供需不确定性的综合能源系统鲁棒优化规划方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881712A (zh) * 2015-05-19 2015-09-02 上海电力学院 多能互补分布式能源系统及其设备配置与运行优化方法
CN105550766A (zh) * 2015-12-04 2016-05-04 山东大学 一种含可再生能源的微网鲁棒多目标运行优化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE1031378B1 (de) * 2024-01-16 2025-06-03 Huaneng Fuxin Windy Power Generator Co Ltd Verfahren und System zur Verwaltung des Betriebs und der Wartung von Photovoltaikanlagen

Also Published As

Publication number Publication date
CN116027757A (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN116027757B (zh) 光催化-热化学耦合制燃料的综合能源系统运行调控方法
CN114722591B (zh) 一种净零能耗建筑电热氢多能流供能设备规划方法
CN109523092B (zh) 多能互补冷热电联供系统及其协同调度方法
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN111340274A (zh) 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN110084410B (zh) 一种污水再利用型综合能源系统运行优化方法
CN112531696B (zh) 一种考虑用户需求响应的冷热电联供系统优化调度方法
CN115204705A (zh) 考虑电转气存储的区域综合能源系统运行优化方法及应用
CN113098036B (zh) 基于氢燃料电池的综合能源系统运行方法
Liu et al. New operation strategy and multi-objective optimization of hybrid solar-fuel CCHP system with fuel thermochemical conversion and source-loads matching
CN110361969A (zh) 一种冷热电综合能源系统优化运行方法
CN116780649B (zh) 一种多能互补利用的分布式鲁棒优化运行方法
Zhao et al. A novel flexible load regulation and 4E-F multi-objective optimization for distributed renewable energy power generation system
CN110990793B (zh) 电热气耦合微能源站调度优化方法
CN110472364B (zh) 一种考虑可再生能源的离网式热电气联产系统的优化方法
CN117035331A (zh) 一种考虑动态能效的含氢综合能源优化调度方法及装置
CN115906456A (zh) 考虑需求侧响应不确定性的含氢储能ies调度优化模型
CN117744894B (zh) 一种综合能源系统的主动学习代理优化方法
CN119231477B (zh) 一种氢电混合储能电力系统的实时调度方法和计算机系统
CN114757469B (zh) 考虑多能流设备的区域综合能源系统日前优化调度方法
CN118017467A (zh) 一种综合能源系统的多目标日前优化调度方法及系统
CN115310259B (zh) 基于软行动者-批评者的园区综合能源系统梯级优化方法
CN117787636A (zh) 一种综合能源系统的多目标规划方法、系统及设备
CN120373505A (zh) 一种考虑燃料电池余热回收的风-光-氢综合能源系统低碳优化运行方法
CN116127747A (zh) 考虑氢能系统热回收的电氢能源系统日前优化运行方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant