CN116070501A - 基于氢能设备多状态模型的电氢能源系统可靠性评估方法 - Google Patents

基于氢能设备多状态模型的电氢能源系统可靠性评估方法 Download PDF

Info

Publication number
CN116070501A
CN116070501A CN202211236064.2A CN202211236064A CN116070501A CN 116070501 A CN116070501 A CN 116070501A CN 202211236064 A CN202211236064 A CN 202211236064A CN 116070501 A CN116070501 A CN 116070501A
Authority
CN
China
Prior art keywords
hydrogen
state
energy
power
load
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
CN202211236064.2A
Other languages
English (en)
Inventor
任洲洋
王皓
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.)
Chongqing University
Original Assignee
Chongqing 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 Chongqing University filed Critical Chongqing University
Priority to CN202211236064.2A priority Critical patent/CN116070501A/zh
Publication of CN116070501A publication Critical patent/CN116070501A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J15/00Systems for storing electric energy
    • H02J15/008Systems for storing electric energy using hydrogen as energy vector
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/04Power grid distribution networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/22The renewable source being solar energy
    • H02J2300/24The renewable source being solar energy of photovoltaic origin
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/28The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及电力系统可靠性评估技术领域,具体是一种基于氢能设备多状态模型的电氢区域综合能源系统可靠性评估方法,包括对电氢区域综合能源系统进行描述建立设备的多状态马尔可夫空间或两状态马尔可夫空间;采用马尔科夫链蒙特卡洛法抽样生成设备运行状态序列并构成系统运行状态;建立系统最优异质能源负荷削减模型;构建异质能源可靠性评估指标体系;对所有系统运行状态下的最优异质能源负荷削减模型进行求解,计算异质能源可靠性评估指标,评估电氢区域综合能源系统可靠性水平。解决现有技术中系统内异质能源可靠性评估指标体系尚未完善的技术问题。

Description

基于氢能设备多状态模型的电氢能源系统可靠性评估方法
技术领域
本发明涉及电力系统可靠性评估技术领域,具体是一种基于氢能设备多状态模型的电氢区域综合能源系统可靠性评估方法。
背景技术
随着制-储-运-用氢等技术的不断成熟,氢能系统与电、气、热等能源系统的耦合愈发紧密,电氢区域综合能源系统能够有效挖掘异质能源系统间的协调互补潜力,充分发挥氢能系统零碳、灵活运行优势,被认为是实现绿色低碳能源系统的重要组成部分。然而,目前针对电氢区域综合能源系统可靠性评估的相关研究极为匮乏。
在氢能设备可靠性建模方面,现有研究主要采用电解槽的两状态模型及发电模式下燃料电池的多状态模型,忽略了由于辅助元件故障导致电解槽制氢效率降低的非正常运行状态,以及热电联产模式下不同组件故障与燃料电池热电转化效率间的耦合关系。同时,尚未有研究建立起加氢设备的可靠性评估模型。因此,现有氢能设备可靠性模型难以准确反映电氢区域综合能源系统的可靠性水平。
在电氢区域综合能源系统可靠性评估方面,现有研究仅从光伏-热-燃料电池集成系统的设备故障风险优先级对和氢能系统对微电网供电可靠性的提升作用方面进行相关分析,可见电氢区域综合能源系统的供需失衡机理并不明晰,且系统内异质能源可靠性评估指标体系尚未完善。
综上,亟需从氢能设备机理分析出发,建立准确的氢能设备可靠性评估模型,并提出电氢区域综合能源系统可靠性评估指标体系及其评估方法。
发明内容
本发明的目的是解决现有技术中系统内异质能源可靠性评估指标体系尚未完善的技术问题。
本发明中的基于氢能设备多状态模型的电氢区域综合能源系统可靠性评估方法,主要包括以下步骤:
步骤1)对电氢区域综合能源系统进行描述,并对系统中电解槽、燃料电池和加氢机建立多状态马尔可夫空间,对其他能源设备建立两状态马尔可夫空间;
步骤2)根据所有设备的马尔可夫空间,采用马尔科夫链蒙特卡洛法抽样生成设备运行状态序列并构成系统运行状态;
步骤3)以弃风弃光惩罚成本与异质能源负荷的削减惩罚成本之和最小为目标函数,计及系统运行约束条件,建立系统最优异质能源负荷削减模型;
步骤4)采用异质能源负荷削减概率、异质能源负荷削减时间期望、异质能源负荷缺供能量期望、异质能源负荷缺供能量综合损失和设备可靠性贡献度构建异质能源可靠性评估指标体系;
步骤5)对所有系统运行状态下的最优异质能源负荷削减模型进行求解,计算异质能源可靠性评估指标,评估电氢区域综合能源系统可靠性水平。
进一步的,步骤1)中的电氢区域综合能源系统包含电能设备、氢能设备和热能设备;
所述的电能设备包括电力线路、风电机组、光伏机组和蓄电池;
所述的氢能设备包括电解槽、储氢罐、燃料电池和若干加氢机;
所述的热能设备包括燃气锅炉和燃料电池;
所述的燃料电池通过消耗来自储氢罐的氢气进行热电联产;
电氢区域综合能源系统的电负荷由外部电网、风光机组和蓄电池供给,氢负荷由来自电解槽和储氢罐释放的氢气通过若干加氢机供给;
热负荷由燃气锅炉消耗天然气产热和燃料电池消耗氢气产热供给。
进一步的,步骤1)中,对所述电解槽建立三状态马尔可夫空间,
其状态包括,正常运行状态;
由于碱性电解池或气体分离装置、循环水泵发生故障所引起的故障停运状态;
由热器管程发生故障引起的降额运行状态;
对所述燃料电池建立四状态马尔可夫空间,
其状态包括,正常运行状态;
由于燃料电池堆发生故障或氧气供给不足造成质子膜故障所导致的燃料电池故障停运状态;
由于换热器故障导致燃料电池工作温度升高导致的燃料电池输出电功率降低、输出热功率增加状态;
由于当加湿器故障时质子膜变干导致其欧姆电阻增加,进而导致的燃料电池输出电功率降低、输出热功率增加状态;
计及每台加氢机独立故障,对加氢机整体建立多状态马尔可夫空间,其状态包括,正常运行状态,
以及,由于不同数量加氢机同时发生故障所导致的多种故障运行/停运状态;
对所述其他能源设备均建立两状态马尔可夫空间,计及正常运行状态和故障停运状态。
进一步的,步骤2)中,生成系统运行状态具体包括以下步骤:
步骤2.1)确定设备x在初始时刻的设备状态sx,0
步骤2.2)根据当前时刻的设备状态sx,t,根据其马尔可夫空间内各状态转移路径发生的概率进行随机抽样,确定下一时刻的状态sx,t+1
步骤2.3)重复步骤2.2),直到确定周期内所有时刻设备x的状态,生成设备x的时序状态序列;
步骤2.4)对电氢区域综合能源系统内所有设备重复步骤2.1)~2.3),生成系统内所有设备的状态序列集合,即系统运行状态。
进一步的,步骤3)中,最优异质能源负荷削减模型的目标函数表达式为:
式中,cDG为弃风弃光的单位惩罚成本;ΩWG、ΩPV分别为风光机组安装节点集合;△PWG,it、△PPV,it分别为弃风弃光功率;T为调度周期;n为节点数量;Z为供给负荷类型集合,包括电、热、氢三类负荷;cz为第z类负荷的单位削减惩罚成本;Lz,it为第z类负荷的削减功率,下标i、t分别表示节点i与t时刻。
进一步的,步骤3)中,系统运行约束条件包括功率平衡约束、负荷削减约束、设备运行约束和交互功率约束:
所述功率平衡约束包括电、热、氢功率平衡约束;
所述电功率平衡约束如下所示:
PGrid,it+PWG,it+PPV,it+Pdis,it+PF,it=PEL,it+Pch,it+Pload,it-Lp,it
式中,PGrid,it为能源耦合节点与电网的交互功率;PWG,it、PPV,it分别为风光机组实际输出功率;Pch,it、Pdis,it分别为蓄电池的充放电功率;PFC,it为燃料电池的产电功率;PEL,it为电解槽的耗电功率;Pload,it为电负荷需求功率;Lp,it为电负荷削减功率;Pij,t为电力线路ij传输的有功功率;k∈j表示节点k以节点j为首端节点;ΩEH为能源耦合节点集合;
所述热功率平衡约束如下所示:
HGB,it+HFC,it=Hload,it-Lh,it
式中,HGB,it为燃气锅炉产热功率;HFC,it为燃料电池产热功率;Hload,it为热负荷需求功率;Lh,it为热负荷削减功率;
所述氢功率平衡约束如下所示:
式中,QEL,it为电解槽产氢量;QHT,in,it、QHT,out,it分别为储氢罐的储氢量和放氢量,QFC,it为燃料电池的耗氢量,QEL2DP,it、QHT2DP,it分别为电解槽和储氢罐供给加氢机的氢气量,QDP,in,t、QDP,out,t分别为所有加氢机输入、输出的氢气量,Qload,it为氢负荷需求量,Lq,it为氢负荷削减量;
所述负荷削减约束如下所示:
所述设备运行约束包括电力线路运行约束、风光机组运行约束、蓄电池运行约束、燃气锅炉运行约束、电解槽运行约束、储氢罐运行约束、燃料电池运行约束和加氢机运行约束;
所述电力线路运行约束如下所示:
-sij,tPij,max≤Pij,t≤sij,tPij,max
式中,sij,t为线路ij的运行状态,1表示正常运行,0表示故障停运;Pij,max为线路传输有功功率上限;
所述风光机组运行约束如下所示:
式中,分别为风光机组预测的输出功率;sWG,it、sPV,it分别为风光机组的运行状态,1表示正常运行,0表示故障停运;
所述蓄电池运行约束如下所示:
式中,SOCi,t、SOCi,t+1分别为t时刻和t+1时刻蓄电池的荷电状态,Pch,it、Pdis,it分别为蓄电池的充放电功率,ηch、ηdis分别为充放电效率,SES为蓄电池容量,αch,it、βdis,it分别为蓄电池充电和放电状态,0表示无电能充/放,1表示电能充/放,SOCmax、SOCmin分别为蓄电池荷电状态上下限约束,SOC0、SOCT分别为研究周期内初始时刻、末尾时刻蓄电池的荷电状,;sES,it为蓄电池的运行状态,1表示正常运行,0表示故障停运;
所述燃气锅炉运行约束如下所示:
式中,GGB,it为燃气锅炉耗气功率;ηGB为燃气锅炉效率;sGB,it为燃气锅炉运行状态,1表示正常运行,0表示故障停运;为燃气锅炉耗气功率上限;
所述电解槽运行约束如下所示:
式中,QEL,it为电解槽产氢量;ρH2为氢气的标准密度;k1、k2为单位转换系数;F为法拉第常数;ηf为法拉第效率;为单个电解槽处于状态sEL,it下的运行电压;为电解槽处于状态sEL,it下总耗电功率;μEL,it为电解槽启停状态,1为启动状态,0为停机状态;PEL,max和PEL,min分别为电解槽总耗电功率上下限;
所述储氢罐运行约束如下所示:
式中,SOHi,t、SOHi,t+1分别为t时刻和t+1时刻储氢罐的储氢状态,即该时刻储存氢气与容量的比值;QHT,in,it、QHT,out,it分别为储氢罐的储氢量和放氢量;ηHT,in、ηHT,out分别为充放氢效率;SHT为储氢罐容量;αin,it、βout,it分别为储氢罐充氢和放氢状态,0表示无氢气充/放,1表示氢气充/放;SOHmax、SOHmin分别为储氢罐的储氢状态上下限约束;SOH0、SOHT分别为研究周期内初始时刻、末尾时刻储氢罐的储氢状态;sHT,it为储氢罐的运行状态,1表示正常运行,0表示故障停运;
燃料电池运行约束如下所示:
式中,QFC,it为燃料电池的耗氢量,单位kg;mFC,it为燃料电池的耗氢量,单位kW;PFC,it、HFC,it分别为燃料电池的产电功率、产热功率;%为燃料电池处于状态sFC,it下输出电功率的降额系数,其中RP1%=0、RP4%=1;Ufc,it为单个燃料电池的运行电压;Kfc为燃料电池的热回收利用系数;△H为氢气的摩尔热值;μFC,it为燃料电池的启停状态,1为启动状态,0为停机状态;PFC,max、PFC,min分别为燃料电池产电功率上下限值;QFC,max、QFC,min分别为燃料电池消耗氢气量上下限值;
所述加氢机运行约束如下所示:
式中,QDP,in,it、QDP,out,it分别为所有加氢机输入、输出的氢气量;ηDP为加氢效率;CDP,it分别为所有加氢机的可用容量;sDP,it为加氢设备的运行状态;cDP为单台加氢机的可用容量。
所述交互功率约束如下所示:
式中,为能源耦合节点与电网交互功率的上限;sGGrid,it为天然气网等效元件的运行状态,1表示正常运行,0表示故障停运;为能源耦合节点与天然气网交互功率的上限。
进一步的,步骤4)中,异质能源可靠性评估指标体系包括异质能源负荷削减概率、异质能源负荷削减时间期望、异质能源负荷缺供能量期望、异质能源负荷缺供能量综合损失和设备可靠性贡献度;
所述异质能源负荷削减概率指标如下所示:
式中,xz,t为t时刻第z类负荷的削减状态变量,1表示系统进行负荷削减,否则为0;Ny为仿真年限;
所述异质能源负荷削减时间期望指标如下所示:
LOLEz=8760LOLPz
所述异质能源负荷缺供能量期望指标如下所示:
所述异质能源负荷缺供能量综合损失指标如下所示:
所述设备可靠性贡献度指标如下所示:
RCOEx,z=(EENSz-EENSz,x)/EENSz
式中,RCOEx,z为设备x对第z类负荷缺供能量的贡献度指标;EENSz,x为仅不考虑设备x故障场景下第z类负荷的异质能源负荷缺供能量期望指标。
进一步的,步骤5)中,评估电氢区域综合能源系统可靠性水平具体包括以下步骤:
步骤5.1)输入电氢区域综合能源系统及其设备参数相关数据,初始化所有设备的运行状态;
步骤5.2)以天为单位,将通过马尔可夫链蒙特卡洛模拟抽样得到的系统运行状态划分成不同断面;
步骤5.3)初始化断面计数d=1和模拟年数Ny=1;
步骤5.4)获取第d个断面下系统状态,求解该断面下系统最优异质能源负荷削减问题,得到该断面每个时段的负荷削减状态和最优负荷削减量;
步骤5.5)若d>365,转向步骤6),否则令d=d+1,转向步骤5.4);
步骤5.6)计算第Ny年的系统可靠性评估指标,并令Ny=Ny+1;
步骤5.7)若Ny>15000或系统EENS指标方差ε<0.05,转向步骤8),否则令d=1,转向步骤4);
步骤5.8)输出系统异质能源可靠性评估指标。
与现有技术相比,本发明具体以下优点:
本发明提出的电解槽、热电联产燃料电池和加氢机的多状态模型,有助于准确评估电氢区域综合能源系统的异质能源负荷供给可靠性水平,并通过燃料电池热电联产模式提高系统能源利用率,降低了负荷缺供能量和系统经济损失。
本发明从不同角度出发构建异质能源可靠性评估指标体系,并结合最优异质能源负荷削减模型,基于马尔可夫链蒙特卡洛法对电氢区域综合能源系统的可靠性进行量化评估,揭示了故障模式下电氢区域综合能源系统内异质能源的供需失衡机理,有效量化了系统供能可靠性水平、经济损失以及设备的可靠性贡献程度,为系统的规划建设和安全运行提供了科学合理的决策依据。
附图说明
图1为本发明实施中的示例性的电氢区域综合能源系统的结构示意图;
图2为本发明实施中的电解槽结构及其三状态马尔可夫空间示意图;
图3为本发明实施中的燃料电池结构及其四状态马尔可夫空间示意图;
图4为本发明实施中的加氢机多状态马尔可夫空间示意图;
图5为本发明实施中的可靠性评估流程示意图。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
本实施例中的基于氢能设备多状态模型的电氢区域综合能源系统可靠性评估方法,主要包括以下步骤:
步骤1)对电氢区域综合能源系统进行描述,并对系统中电解槽、燃料电池和加氢机建立多状态马尔可夫空间,对其他能源设备建立两状态马尔可夫空间;
本实施例中的示例性的电氢区域综合能源系统基本如图1所示,该系统包含电能设备、氢能设备和热能设备;
电能设备包括电力线路、风电机组、光伏机组和蓄电池;
氢能设备包括电解槽、储氢罐、燃料电池和若干加氢机;
热能设备包括燃气锅炉和燃料电池;
燃料电池通过消耗来自储氢罐的氢气进行热电联产,电氢区域综合能源系统的电负荷由外部电网、风光机组和蓄电池供给,氢负荷由来自电解槽和储氢罐释放的氢气通过若干加氢机供给,热负荷由燃气锅炉消耗天然气产热和燃料电池消耗氢气产热供给。
如图2中(a)部分所示,本实施例中的电解槽由碱性电解池、换热器、循环水泵和气体分离冷却装置组成,当碱性电解池或气体分离装置、循环水泵发生故障时,电解槽不能正常运行,处于故障停运状态;当换热器管程发生故障时,会发生碱液泄漏导致电解质浓度降低,从而导致制氢效率降低,电解槽进入降额运行状态,由此获得如图2中(b)部分所示的电解槽的三状态马尔可夫空间。
如图3中(a)部分所示,燃料电池由燃料电池堆、加湿器、换热器、水箱和循环水泵组成,当燃料电池堆发生故障或氧气供给不足造成质子膜故障时,会导致燃料电池故障停运;当换热器故障导致燃料电池工作温度升高,燃料电池输出电功率降低、输出热功率增加;当加湿器故障时质子膜变干导致其欧姆电阻增加,燃料电池输出电功率降低、输出热功率增加,由此获得如图中(b)部分所示的热电联产燃料电池的四状态马尔可夫空间。
若干加氢机共同供给氢负荷需求,计及每台加氢机独立故障,所以有多个运行状态,每个运行状态涉及不同数量加氢机同时发生故障的情况;以两台加氢机为例,可以有三个运行状态,分别是无加氢机故障、1台加氢机故障以及2台加氢机器故障,于是可获得如图4所示的三状态马尔柯夫空间,以此类推可获得多个加氢机情况下的多状态马尔可夫空间。
所述储氢罐、电能设备和热能设备计及正常运行-故障停运状态,由此获得其两状态马尔可夫空间。
步骤2)根据所有设备的马尔可夫空间,采用马尔科夫链蒙特卡洛法抽样生成设备运行状态序列并构成系统运行状态;
生成系统运行状态具体包括以下步骤:
步骤2.1)确定设备x在初始时刻的设备状态sx,0
步骤2.2)根据当前时刻的设备状态sx,t,根据其马尔可夫空间内各状态转移路径发生的概率进行随机抽样,确定下一时刻的状态sx,t+1
以两状态马尔可夫空间为例,设备状态按不同转移路径发生转移的概率如下所示:
式中,px{·}表示事件·发生的概率;λx、μx分别为设备x的故障率和修复率。
步骤2.3)对下一时刻执行步骤2.2),直到确定周期内所有时刻设备x的状态,生成设备x的时序状态序列;
步骤2.4)对电氢区域综合能源系统内所有设备重复步骤2.1)~2.3),生成系统内所有设备的状态序列集合,即系统运行状态。
步骤3)以弃风弃光惩罚成本与异质能源负荷的削减惩罚成本之和最小为目标函数,计及系统运行约束条件,建立系统最优异质能源负荷削减模型;
所述最优异质能源负荷削减模型的目标函数表达式为:
式中,cDG为弃风弃光的单位惩罚成本;ΩWG、ΩPV分别为风光机组安装节点集合;△PWG,it、△PPV,it分别为弃风弃光功率;T为调度周期;n为节点数量;Z为供给负荷类型集合,包括电、热、氢三类负荷;cz为第z类负荷的单位削减惩罚成本;Lz,it为第z类负荷的削减功率。下标i、t分别表示节点i与t时刻。
系统运行约束条件包括功率平衡约束、负荷削减约束、设备运行约束和交互功率约束:
功率平衡约束包括电、热、氢功率平衡约束。
电功率平衡约束如下所示:
PGrid,it+PWG,it+PPV,it+Pdis,it+PF,it=PEL,it+Pch,it+Pload,it-Lp,it  (3)
式中,PGrid,it为能源耦合节点与电网的交互功率;PWG,it、PPV,it分别为风光机组实际输出功率;Pch,it、Pdis,it分别为蓄电池的充放电功率;PFC,it为燃料电池的产电功率;PEL,it为电解槽的耗电功率;Pload,it为电负荷需求功率;Lp,it为电负荷削减功率;Pij,t为电力线路ij传输的有功功率;k∈j表示节点k以节点j为首端节点;ΩEH为能源耦合节点集合。
热功率平衡约束如下所示:
HGB,it+HFC,it=Hload,it-Lh,it  (5)
式中,HGB,it为燃气锅炉产热功率;HFC,it为燃料电池产热功率;Hload,it为热负荷需求功率;Lh,it为热负荷削减功率。
氢功率平衡约束如下所示:
式中,QEL,it为电解槽产氢量;QHT,in,it、QHT,out,it分别为储氢罐的储氢量和放氢量;QFC,it为燃料电池的耗氢量;QEL2DP,it、QHT2DP,it分别为电解槽和储氢罐供给加氢机的氢气量;QDP,in,t、QDP,out,t分别为所有加氢机输入、输出的氢气量;Qload,it为氢负荷需求量;Lq,it为氢负荷削减量。
负荷削减约束如下所示:
设备运行约束包括电力线路运行约束、风光机组运行约束、蓄电池运行约束、燃气锅炉运行约束、电解槽运行约束、储氢罐运行约束、燃料电池运行约束和加氢机运行约束。电力线路运行约束如下所示:
-sij,tPij,max≤Pij,t≤sij,tPij,max  (8)
式中,sij,t为线路ij的运行状态,1表示正常运行,0表示故障停运;Pij,max为线路传输有功功率上限。
风光机组运行约束如下所示:
式中,分别为风光机组预测的输出功率;sWG,it、sPV,it分别为风光机组的运行状态,1表示正常运行,0表示故障停运。
蓄电池运行约束如下所示:
式中,SOCi,t、SOCi,t+1分别为t时刻和t+1时刻蓄电池的荷电状态;Pch,it、Pdis,it分别为蓄电池的充放电功率;ηch、ηdis分别为充放电效率;SES为蓄电池容量;αch,it、βdis,it分别为蓄电池充电和放电状态,0表示无电能充/放,1表示电能充/放;SOCmax、SOCmin分别为蓄电池荷电状态上下限约束;SOC0、SOCT分别为研究周期内初始时刻、末尾时刻蓄电池的荷电状态;sES,it为蓄电池的运行状态,1表示正常运行,0表示故障停运。
燃气锅炉运行约束如下所示:
式中,GGB,it为燃气锅炉耗气功率;ηGB为燃气锅炉效率;sGB,it为燃气锅炉运行状态,1表示正常运行,0表示故障停运;为燃气锅炉耗气功率上限。
电解槽运行约束如下所示:
式中,QEL,it为电解槽产氢量;ρH2为氢气的标准密度;k1、k2为单位转换系数;F为法拉第常数;ηf为法拉第效率;为单个电解槽处于状态sEL,it下的运行电压;为电解槽处于状态sEL,it下总耗电功率;μEL,it为电解槽启停状态,1为启动状态,0为停机状态;PEL,max和PEL,min分别为电解槽总耗电功率上下限。
储氢罐运行约束如下所示:
式中,SOHi,t、SOHi,t+1分别为t时刻和t+1时刻储氢罐的储氢状态,即该时刻储存氢气与容量的比值;QHT,in,it、QHT,out,it分别为储氢罐的储氢量和放氢量;ηHT,in、ηHT,out分别为充放氢效率;SHT为储氢罐容量;αin,it、βout,it分别为储氢罐充氢和放氢状态,0表示无氢气充/放,1表示氢气充/放;SOHmax、SOHmin分别为储氢罐的储氢状态上下限约束;SOH0、SOHT分别为研究周期内初始时刻、末尾时刻储氢罐的储氢状态;sHT,it为储氢罐的运行状态,1表示正常运行,0表示故障停运。
燃料电池运行约束如下所示:
式中,QFC,it为燃料电池的耗氢量(kg);mFC,it为燃料电池的耗氢量(kW);PFC,it、HFC,it分别为燃料电池的产电功率、产热功率;RPsFC,it%为燃料电池处于状态sFC,it下输出电功率的降额系数,其中RP1%=0、RP4%=1;Ufc,it为单个燃料电池的运行电压;Kfc为燃料电池的热回收利用系数;△H为氢气的摩尔热值;μFC,it为燃料电池的启停状态,1为启动状态,0为停机状态;PFC,max、PFC,min分别为燃料电池产电功率上下限值;QFC,max、QFC,min分别为燃料电池消耗氢气量上下限值。
加氢机运行约束如下所示:
式中,QDP,in,it、QDP,out,it分别为所有加氢机输入、输出的氢气量;ηDP为加氢效率;CDP,it分别为所有加氢机的可用容量;sDP,it为加氢设备的运行状态;cDP为单台加氢机的可用容量。
交互功率约束如下所示:
式中,为能源耦合节点与电网交互功率的上限;sGGrid,it为天然气网等效元件的运行状态,1表示正常运行,0表示故障停运;为能源耦合节点与天然气网交互功率的上限。
步骤4)采用异质能源负荷削减概率、异质能源负荷削减时间期望、异质能源负荷缺供能量期望、异质能源负荷缺供能量综合损失和设备可靠性贡献度构建异质能源可靠性评估指标体系;
所述异质能源负荷削减概率指标如下所示:
式中,xz,t为t时刻第z类负荷的削减状态变量,1表示系统进行负荷削减,否则为0;Ny为仿真年限。
所述异质能源负荷削减时间期望指标如下所示:
LOLEz=8760LOLPz  (17)
所述异质能源负荷缺供能量期望指标如下所示:
所述异质能源负荷缺供能量综合损失指标如下所示:
式中,xz,t为t时刻第z类负荷的削减状态变量,1表示系统进行负荷削减,否则为0;Ny为仿真年限。
所述设备可靠性贡献度指标如下所示:
RCOEx,z=(EENSz-EENSz,x)/EENSz  (20)
式中,RCOEx,z为设备x对第z类负荷缺供能量的贡献度指标;EENSz,x为仅不考虑设备x故障场景下第z类负荷的异质能源负荷缺供能量期望指标。
步骤5)对所有系统运行状态下的最优异质能源负荷削减模型进行求解,计算异质能源可靠性评估指标,评估电氢区域综合能源系统可靠性水平。
本实施例中,评估电氢区域综合能源系统可靠性水平的过程基本如图5所示,具体包括以下步骤:
步骤5.1)输入电氢区域综合能源系统及其设备参数相关数据,初始化所有设备的运行状态;
步骤5.2)以天为单位,将通过马尔可夫链蒙特卡洛模拟抽样得到的系统运行状态划分成不同断面;
步骤5.3)初始化断面计数d=1和模拟年数Ny=1;
步骤5.4)获取第d个断面下系统状态,求解该断面下系统最优异质能源负荷削减问题,得到该断面每个时段的负荷削减状态和最优负荷削减量;
步骤5.5)若d>365,转向步骤5.6),否则令d=d+1,转向步骤5.4);
步骤5.6)计算第Ny年的系统可靠性评估指标,并令Ny=Ny+1;
步骤5.7)若Ny>15000或系统EENS指标方差ε<0.05,转向步骤5.8),否则令d=1,转向步骤5.4);
步骤5.8)输出系统异质能源可靠性评估指标。
本实施例中,通过仿真算例对本发明提出的基于氢能设备多状态模型的电氢区域综合能源系统可靠性评估方法进行验证;仿真算例中,以IEEE 14节点配电网构成的电氢区域综合能源系统为例,证明此氢能设备可靠性模型及电氢区域综合能源系统可靠性评估方法的可行性和有效性。该系统中节点7与节点13为能源耦合节点,配置如图1所示的电氢区域综合能源系统。以电解槽采用传统两状态可靠性评估模型,燃料电池采用发电模式作为方案一,电解槽采用所提三状态可靠性评估模型,燃料电池采用发电模式作为方案二,电解槽采用传统两状态可靠性评估模型,燃料电池采用热电联产模式作为方案三,电解槽采用所提三状态可靠性评估模型,燃料电池采用热电联产模式作为方案四,进行对比分析。
通过对所述模型的求解仿真,得到各仿真方案的系统可靠性评估指标,如表1所示。
表1不同方案的系统可靠性评估指标计算结果
从表1中可以看出,方案二与方案一的电负荷与热负荷的可靠性水平相同,但由于方案二计及了电解槽的降额运行状态,其氢负荷供给可靠性水平劣于方案一。对比方案四与方案二,其电负荷与氢负荷供给可靠性指标几乎未发生变化,但由于方案四中的燃料电池采用热电联产运行模式,其热负荷供给可靠性水平相比方案二大幅提升。对比方案四与方案三,由于方案四计及了电解槽的降额运行状态,其氢负荷可靠性水平有所降低,且相比方案三其热负荷缺供能量也有所增加。

Claims (8)

1.一种基于氢能设备多状态模型的电氢区域综合能源系统可靠性评估方法,其特征在于:包括以下步骤:
步骤1)对电氢区域综合能源系统进行描述,并对系统中电解槽、燃料电池和加氢机建立多状态马尔可夫空间,对其他能源设备建立两状态马尔可夫空间;
步骤2)根据所有设备的马尔可夫空间,采用马尔科夫链蒙特卡洛法抽样生成设备运行状态序列并构成系统运行状态;
步骤3)以弃风弃光惩罚成本与异质能源负荷的削减惩罚成本之和最小为目标函数,计及系统运行约束条件,建立系统最优异质能源负荷削减模型;
步骤4)采用异质能源负荷削减概率、异质能源负荷削减时间期望、异质能源负荷缺供能量期望、异质能源负荷缺供能量综合损失和设备可靠性贡献度构建异质能源可靠性评估指标体系;
步骤5)对所有系统运行状态下的最优异质能源负荷削减模型进行求解,计算异质能源可靠性评估指标,评估电氢区域综合能源系统可靠性水平。
2.根据权利要求1所述的方法,其特征在于,步骤1)中的电氢区域综合能源系统包含电能设备、氢能设备和热能设备;
所述的电能设备包括电力线路、风电机组、光伏机组和蓄电池;
所述的氢能设备包括电解槽、储氢罐、燃料电池和若干加氢机;
所述的热能设备包括燃气锅炉和燃料电池;
所述的燃料电池通过消耗来自储氢罐的氢气进行热电联产;
电氢区域综合能源系统的电负荷由外部电网、风光机组和蓄电池供给,氢负荷由来自电解槽和储氢罐释放的氢气通过若干加氢机供给;
热负荷由燃气锅炉消耗天然气产热和燃料电池消耗氢气产热供给。
3.根据权利要求1所述的方法,其特征在于,步骤1)中,对所述电解槽建立三状态马尔可夫空间,
其状态包括,正常运行状态;
由于碱性电解池或气体分离装置、循环水泵发生故障所引起的故障停运状态;
由热器管程发生故障引起的降额运行状态;
对所述燃料电池建立四状态马尔可夫空间,
其状态包括,正常运行状态;
由于燃料电池堆发生故障或氧气供给不足造成质子膜故障所导致的燃料电池故障停运状态;
由于换热器故障导致燃料电池工作温度升高导致的燃料电池输出电功率降低、输出热功率增加状态;
由于当加湿器故障时质子膜变干导致其欧姆电阻增加,进而导致的燃料电池输出电功率降低、输出热功率增加状态;
计及每台加氢机独立故障,对加氢机整体建立多状态马尔可夫空间,其状态包括,正常运行状态,
以及,由于不同数量加氢机同时发生故障所导致的多种故障运行/停运状态;
对所述其他能源设备均建立两状态马尔可夫空间,计及正常运行状态和故障停运状态。
4.根据权利要求1所述的方法,其特征在于,步骤2)中,生成系统运行状态具体包括以下步骤:
步骤2.1)确定设备x在初始时刻的设备状态sx,0
步骤2.2)根据当前时刻的设备状态sx,t,根据其马尔可夫空间内各状态转移路径发生的概率进行随机抽样,确定下一时刻的状态sx,t+1
步骤2.3)重复步骤2.2),直到确定周期内所有时刻设备x的状态,生成设备x的时序状态序列;
步骤2.4)对电氢区域综合能源系统内所有设备重复步骤2.1)~2.3),生成系统内所有设备的状态序列集合,即系统运行状态。
5.根据权利要求1所述的评估方法,其特征在于,步骤3)中,最优异质能源负荷削减模型的目标函数表达式为:
Figure FDA0003883540320000021
式中,cDG为弃风弃光的单位惩罚成本;ΩWG、ΩPV分别为风光机组安装节点集合;△PWG,it、△PPV,it分别为弃风弃光功率;T为调度周期;n为节点数量;Z为供给负荷类型集合,包括电、热、氢三类负荷;cz为第z类负荷的单位削减惩罚成本;Lz,it为第z类负荷的削减功率,下标i、t分别表示节点i与t时刻。
6.根据权利要求1所述的方法,其特征在于,步骤3)中,系统运行约束条件包括功率平衡约束、负荷削减约束、设备运行约束和交互功率约束:
所述功率平衡约束包括电、热、氢功率平衡约束;
所述电功率平衡约束如下所示:
PGrid,it+PWG,it+PPV,it+Pdis,it+PF,it=PEL,it+Pch,it+Pload,it-Lp,it
Figure FDA0003883540320000031
式中,PGrid,it为能源耦合节点与电网的交互功率;PWG,it、PPV,it分别为风光机组实际输出功率;Pch,it、Pdis,it分别为蓄电池的充放电功率;PFC,it为燃料电池的产电功率;PEL,it为电解槽的耗电功率;Pload,it为电负荷需求功率;Lp,it为电负荷削减功率;Pij,t为电力线路ij传输的有功功率;k∈j表示节点k以节点j为首端节点;ΩEH为能源耦合节点集合;
所述热功率平衡约束如下所示:
HGB,it+HFC,it=Hload,it-Lh,it
式中,HGB,it为燃气锅炉产热功率;HFC,it为燃料电池产热功率;Hload,it为热负荷需求功率;Lh,it为热负荷削减功率;
所述氢功率平衡约束如下所示:
Figure FDA0003883540320000032
式中,QEL,it为电解槽产氢量;QHT,in,it、QHT,out,it分别为储氢罐的储氢量和放氢量,QFC,it为燃料电池的耗氢量,QEL2DP,it、QHT2DP,it分别为电解槽和储氢罐供给加氢机的氢气量,QDP,in,t、QDP,out,t分别为所有加氢机输入、输出的氢气量,Qload,it为氢负荷需求量,Lq,it为氢负荷削减量;
所述负荷削减约束如下所示:
Figure FDA0003883540320000033
所述设备运行约束包括电力线路运行约束、风光机组运行约束、蓄电池运行约束、燃气锅炉运行约束、电解槽运行约束、储氢罐运行约束、燃料电池运行约束和加氢机运行约束;
所述电力线路运行约束如下所示:
-sij,tPij,max≤Pij,t≤sij,tPij,max
式中,sij,t为线路ij的运行状态,1表示正常运行,0表示故障停运;Pij,max为线路传输有功功率上限;
所述风光机组运行约束如下所示:
Figure FDA0003883540320000041
式中,
Figure FDA0003883540320000042
分别为风光机组预测的输出功率;sWG,it、sPV,it分别为风光机组的运行状态,1表示正常运行,0表示故障停运;
所述蓄电池运行约束如下所示:
Figure FDA0003883540320000043
式中,SOCi,t、SOCi,t+1分别为t时刻和t+1时刻蓄电池的荷电状态,Pch,it、Pdis,it分别为蓄电池的充放电功率,ηch、ηdis分别为充放电效率,SES为蓄电池容量,αch,it、βdis,it分别为蓄电池充电和放电状态,0表示无电能充/放,1表示电能充/放,SOCmax、SOCmin分别为蓄电池荷电状态上下限约束,SOC0、SOCT分别为研究周期内初始时刻、末尾时刻蓄电池的荷电状,;sES,it为蓄电池的运行状态,1表示正常运行,0表示故障停运;
所述燃气锅炉运行约束如下所示:
Figure FDA0003883540320000044
式中,GGB,it为燃气锅炉耗气功率;ηGB为燃气锅炉效率;sGB,it为燃气锅炉运行状态,1表示正常运行,0表示故障停运;
Figure FDA0003883540320000045
为燃气锅炉耗气功率上限;
所述电解槽运行约束如下所示:
Figure FDA0003883540320000051
式中,QEL,it为电解槽产氢量;ρH2为氢气的标准密度;k1、k2为单位转换系数;F为法拉第常数;ηf为法拉第效率;
Figure FDA0003883540320000052
为单个电解槽处于状态sEL,it下的运行电压;
Figure FDA0003883540320000053
为电解槽处于状态sEL,it下总耗电功率;μEL,it为电解槽启停状态,1为启动状态,0为停机状态;PEL,max和PEL,min分别为电解槽总耗电功率上下限;
所述储氢罐运行约束如下所示:
Figure FDA0003883540320000054
式中,SOHi,t、SOHi,t+1分别为t时刻和t+1时刻储氢罐的储氢状态,即该时刻储存氢气与容量的比值;QHT,in,it、QHT,out,it分别为储氢罐的储氢量和放氢量;ηHT,in、ηHT,out分别为充放氢效率;SHT为储氢罐容量;αin,it、βout,it分别为储氢罐充氢和放氢状态,0表示无氢气充/放,1表示氢气充/放;SOHmax、SOHmin分别为储氢罐的储氢状态上下限约束;SOH0、SOHT分别为研究周期内初始时刻、末尾时刻储氢罐的储氢状态;sHT,it为储氢罐的运行状态,1表示正常运行,0表示故障停运;
燃料电池运行约束如下所示:
Figure FDA0003883540320000055
式中,QFC,it为燃料电池的耗氢量,单位kg;mFC,it为燃料电池的耗氢量,单位kW;PFC,it、HFC,it分别为燃料电池的产电功率、产热功率;RPsFC,it%为燃料电池处于状态sFC,it下输出电功率的降额系数,其中RP1%=0、RP4%=1;Ufc,it为单个燃料电池的运行电压;Kfc为燃料电池的热回收利用系数;△H为氢气的摩尔热值;μFC,it为燃料电池的启停状态,1为启动状态,0为停机状态;PFC,max、PFC,min分别为燃料电池产电功率上下限值;QFC,max、QFC,min分别为燃料电池消耗氢气量上下限值;
所述加氢机运行约束如下所示:
Figure FDA0003883540320000061
式中,QDP,in,it、QDP,out,it分别为所有加氢机输入、输出的氢气量;ηDP为加氢效率;CDP,it分别为所有加氢机的可用容量;sDP,it为加氢设备的运行状态;cDP为单台加氢机的可用容量。
所述交互功率约束如下所示:
Figure FDA0003883540320000062
式中,
Figure FDA0003883540320000063
为能源耦合节点与电网交互功率的上限;sGGrid,it为天然气网等效元件的运行状态,1表示正常运行,0表示故障停运;
Figure FDA0003883540320000064
为能源耦合节点与天然气网交互功率的上限。
7.根据权利要求1所述的方法,其特征在于,步骤4)中,异质能源可靠性评估指标体系包括异质能源负荷削减概率、异质能源负荷削减时间期望、异质能源负荷缺供能量期望、异质能源负荷缺供能量综合损失和设备可靠性贡献度;
所述异质能源负荷削减概率指标如下所示:
Figure FDA0003883540320000065
式中,xz,t为t时刻第z类负荷的削减状态变量,1表示系统进行负荷削减,否则为0;Ny为仿真年限;
所述异质能源负荷削减时间期望指标如下所示:
LOLEz=8760LOLPz
所述异质能源负荷缺供能量期望指标如下所示:
Figure FDA0003883540320000066
所述异质能源负荷缺供能量综合损失指标如下所示:
Figure FDA0003883540320000067
所述设备可靠性贡献度指标如下所示:
RCOEx,z=(EENSz-EENSz,x)/EENSz
式中,RCOEx,z为设备x对第z类负荷缺供能量的贡献度指标;EENSz,x为仅不考虑设备x故障场景下第z类负荷的异质能源负荷缺供能量期望指标。
8.根据权利要求1所述的方法,其特征在于,步骤5)中,评估电氢区域综合能源系统可靠性水平具体包括以下步骤:
步骤5.1)输入电氢区域综合能源系统及其设备参数相关数据,初始化所有设备的运行状态;
步骤5.2)以天为单位,将通过马尔可夫链蒙特卡洛模拟抽样得到的系统运行状态划分成不同断面;
步骤5.3)初始化断面计数d=1和模拟年数Ny=1;
步骤5.4)获取第d个断面下系统状态,求解该断面下系统最优异质能源负荷削减问题,得到该断面每个时段的负荷削减状态和最优负荷削减量;
步骤5.5)若d>365,转向步骤6),否则令d=d+1,转向步骤5.4);
步骤5.6)计算第Ny年的系统可靠性评估指标,并令Ny=Ny+1;
步骤5.7)若Ny>15000或系统EENS指标方差ε<0.05,转向步骤8),否则令d=1,转向步骤4);
步骤5.8)输出系统异质能源可靠性评估指标。
CN202211236064.2A 2022-10-10 2022-10-10 基于氢能设备多状态模型的电氢能源系统可靠性评估方法 Pending CN116070501A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211236064.2A CN116070501A (zh) 2022-10-10 2022-10-10 基于氢能设备多状态模型的电氢能源系统可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211236064.2A CN116070501A (zh) 2022-10-10 2022-10-10 基于氢能设备多状态模型的电氢能源系统可靠性评估方法

Publications (1)

Publication Number Publication Date
CN116070501A true CN116070501A (zh) 2023-05-05

Family

ID=86182701

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211236064.2A Pending CN116070501A (zh) 2022-10-10 2022-10-10 基于氢能设备多状态模型的电氢能源系统可靠性评估方法

Country Status (1)

Country Link
CN (1) CN116070501A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117639069A (zh) * 2023-11-28 2024-03-01 国网青海省电力公司清洁能源发展研究院 一种适用于偏远农牧区的光-氢-储综合能源系统
CN118067149A (zh) * 2024-04-18 2024-05-24 江苏国氢氢能源科技有限公司 一种电-氢混联综合能源运行管理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117639069A (zh) * 2023-11-28 2024-03-01 国网青海省电力公司清洁能源发展研究院 一种适用于偏远农牧区的光-氢-储综合能源系统
CN118067149A (zh) * 2024-04-18 2024-05-24 江苏国氢氢能源科技有限公司 一种电-氢混联综合能源运行管理系统及方法

Similar Documents

Publication Publication Date Title
CN116070501A (zh) 基于氢能设备多状态模型的电氢能源系统可靠性评估方法
Vivas et al. A suitable state-space model for renewable source-based microgrids with hydrogen as backup for the design of energy management systems
Vivas et al. H2RES2 simulator. A new solution for hydrogen hybridization with renewable energy sources-based systems
Xu et al. Optimization of economic load dispatch for a microgrid using evolutionary computation
Wang et al. Study on the optimal configuration of a wind-solar-battery-fuel cell system based on a regional power supply
Li et al. Modeling and simulation of hydrogen energy storage system for power-to-gas and gas-to-power systems
CN113256152A (zh) 基于贝叶斯网络的气电耦合系统可靠性评估方法及系统
CN114861546A (zh) 一种基于燃氢燃气轮机的电热氢多能互补调度方法及系统
CN113141025B (zh) 含ehs的孤岛型交直流混合微电网系统的可靠性评估方法
Li et al. Capacity configuration optimization of a hybrid renewable energy system with hydrogen storage
CN114759599A (zh) 光氢燃料电池热电联供系统、容量配置方法及介质
CN113158547B (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法
CN115411770B (zh) 一种可再生能源系统的能量管理方法
CN109713720A (zh) 一种新能源并网运行的电力电量平衡方法
CN115907363A (zh) 一种基于综合能源系统源-荷多时间尺度优化调度方法
Calise et al. M.; Vicidomini, M. Dynamic Simulation and Thermoeconomic Analysis of a Hybrid Renewable System Based on PV and Fuel Cell Coupled with Hydrogen Storage. Energies 2021, 14, 7657
CN115940282A (zh) 一种考虑掺氢比约束的风电制氢储能系统容量优化配置方法
CN114123349A (zh) 考虑可靠性和经济性协调的海上岸电分布式优化调度方法
Dong et al. Self-scheduling of a novel hybrid GTSOFC unit in day-ahead energy and spinning reserve markets within ancillary services using a novel energy storage
Crosara et al. Generation adequacy in the Nordic and Baltic area: The potential of flexible residential electric heating
CN111786419A (zh) 一种区域电网能源配置系统
Xu et al. Layered power scheduling optimization of PV hydrogen production system considering performance attenuation of PEMEL
Syafrianto et al. Optimized design of renewable energy, firm capacity and stable operation power plant for serving off-grid commercial load in Indonesia
Xing et al. An Optimization Capacity Design Method of Wind/Photovoltaic/Hydrogen Storage Power System Based on PSO-NSGA-II
Abidin et al. Optimal Allocation of Photovoltaic (PV) System Incorporating Energy Storage System (ESS) using Evolutionary Programming (EP) for Power System Reliability

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