CN116090649A - 一种新能源直流微电网制水系统的能量管理策略 - Google Patents

一种新能源直流微电网制水系统的能量管理策略 Download PDF

Info

Publication number
CN116090649A
CN116090649A CN202310119519.0A CN202310119519A CN116090649A CN 116090649 A CN116090649 A CN 116090649A CN 202310119519 A CN202310119519 A CN 202310119519A CN 116090649 A CN116090649 A CN 116090649A
Authority
CN
China
Prior art keywords
water
daily
power
energy storage
storage battery
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
CN202310119519.0A
Other languages
English (en)
Inventor
年珩
王垚鑫
赵建勇
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202310119519.0A priority Critical patent/CN116090649A/zh
Publication of CN116090649A publication Critical patent/CN116090649A/zh
Pending legal-status Critical Current

Links

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/102—Parallel operation of dc sources being switching converters
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/14—Balancing the load in a network
    • 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
    • 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
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Power Engineering (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • Physiology (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)

Abstract

本发明公开了一种新能源直流微电网制水系统的能量管理策略，其采用日运行成本、日制水量和日弃风弃光率作为整个系统的优化指标，使用改进雷达图的方法求得适应度函数，在充分考虑到制水设备的具体要求和变换器下垂控制对各单元出力的影响下，使用遗传算法求解适应度函数的最优解。由于直流母线电压的偏差范围具有一定的要求，因此变换器下垂控制的下垂系数有一定的限制，而下垂系数影响到各单元的出力。本发明充分考虑直流微电网各单元的控制方式对单元出力的影响和制水设备的特殊约束条件，实现制水量、制水成本和弃风弃光率的最优化运行。

Description

一种新能源直流微电网制水系统的能量管理策略
技术领域
本发明属于微电网能量管理技术领域，具体涉及一种新能源直流微电网制水系统的能量管理策略。
背景技术
新能源直流微电网随着“双碳”目标的确立得到广泛应用，有效提高了风电和光电的消纳率。由于海岛等偏远地区淡水资源缺乏，新能源直流微电网制水系统在海岛等地区开始得到应用；新能源直流微网制水系统由光伏阵列和风力机组以变换器接入到直流微电网母线提供清洁新能源，使用储能电池平抑能量波动，负荷是空气制水设备，其中储能电池连接的变换器采用下垂控制策略。
随着电力系统复杂度的提高和微电网风力机组、光伏阵列的功率输出不稳定性，迫切需要一个系统管理微电网各单元一天内的出力与功率消耗，以此达到各种微电网运行优化目标，例如使微电网日运行成本最小化、提高新能源的消纳率等，使微电网稳定安全的按照策略运行；针对新能源直流微电网制水系统，在满足上述目标的基础上提高制水设备的制水量也是主要目标之一。
公开号为CN109119983A的中国专利申请提出了一种电-氢孤岛直流微电网能量管理方法，通过测量当前时刻直流微电网制氢系统的各单元状态，获得测量数据，采用分层控制中的顶层基于系统经济性、稳定性和所测得的数据计算当前时刻储能系统和制氢设备的最优输出/输入功率参考值，最后将参考功率信号传递到下一层；该方法通过设置储能状态稳定性函数、成本函数和惩罚函数并在储能单元最大充放电功率、制氢设备响应时间以及蓄电池SOC上下限的约束条件下求取最优解；若上层要求输出功率超过限制，则下层控制输出功率维持在有限值以内。但是该专利技术归根结底优化的主要是系统运行成本优化，没有考虑弃风弃光率和制氢量等其他优化目标，此外求最优解的方法中需要大量的计算；最重要的是若求得的各单元输出功率超出约束条件限制，下层控制输出功率维持在限值以内，而没有求解在约束条件下的运行最优解；最后由于风电机组、光伏阵列和储能单元接入母线的变换器采用下垂控制，没有考虑到下垂控制对各单元出力的限制。
公开号为CN114221369A的中国专利申请提出了一种基于光储直流微电网的高压直流供电系统及其能量管理方法，其将多个光伏发电单元并联组成的光伏阵列和混合储能模块等组成的高压直流供电系统根据交流大电网、光伏阵列换和储能模块的运行工况分为8种工作状态，依据光储直流微电网各单元的状态检测，按照上述提出的8种工作状态进行管理控制整个系统各单元的变换器工作状态或者切换光伏阵列的运行模式以减低系统运行成本、能耗，提高系统效率和供电系统的安全性稳定性。但是该专利技术只是简单的保证了系统的稳定性和安全性，没有将系统运行成本、光伏阵列弃光率等细致化建模，使得系统在稳定安全的前提下实现更加多样化的优化目标。
发明内容
鉴于上述，本发明提供了一种新能源直流微电网制水系统的能量管理策略，充分考虑直流微电网实际控制情况，能够更加贴合新能源直流微电网控制方式，实现新能源直流微电网能量管理策略的进一步优化。
一种新能源直流微电网制水系统的能量管理方法，包括如下步骤：
(1)采集制水设备所在地的环境信息；
(2)计算制水系统的日运行成本、日制水量以及日弃风弃光率；
(3)对日运行成本、日制水量以及日弃风弃光率进行标准化处理并为三者赋予不同的权重，从而确定制水系统能量管理的目标函数；
(4)设定制水系统优化调度管理的约束条件；
(5)根据上述目标函数以及约束条件进行优化求解，得到系统中储能电池各时段的最佳充放电功率以及制水设备各时段的最佳运行功率。
进一步地，所述步骤(1)中采集的环境信息包括空气密度、空气相对湿度、制水设备的空气流量、制水设备除湿前后的饱和蒸汽压以及当地大气压力。
进一步地，所述步骤(2)中通过以下公式计算制水系统的日运行成本：
C＝Cw+Cpv+Cbat+Cgw
Figure BDA0004079539050000031
Figure BDA0004079539050000032
Figure BDA0004079539050000033
Figure BDA0004079539050000034
其中：C为制水系统的日运行成本，Cw为系统中风力机组的日运行成本，CRFw为风力机组的投资回收因子，Iw为风力机组的总投资成本，Mw为风力机组的维护成本，Fw为风力机组的容量因子，Pw(t)为风力机组在第t小时所输出的功率，Cpv为系统中光伏阵列的日运行成本，CRFpv为光伏阵列的投资回收因子，Ipv为光伏阵列的总投资成本，Mpv为光伏阵列的维护成本，Fpv为光伏阵列的容量因子，Ppv(t)为光伏阵列在第t小时所输出的功率，Cbat为系统中储能电池的日运行成本，CRFbat为储能电池的投资回收因子，Ibat为储能电池的总投资成本，Mbat为储能电池的维护成本，Ebat为储能电池的容量，Ta为储能电池的年运行小时数，Pbatmax为储能电池的额定充放电功率，Pbat(t)为储能电池在第t小时的最佳充放电功率，Cgw为系统中制水设备的日运行成本，CRFgw为制水设备的投资回收因子，Igw为制水设备的总投资成本，Mgw为制水设备的维护成本，Fgw为制水设备的容量因子，Pgw(t)为制水设备在第t小时的最佳运行功率。
进一步地，所述步骤(2)中通过以下公式计算制水系统的日制水量：
Figure BDA0004079539050000035
其中：W为制水系统的日制水量，ρ为制水设备所在地的空气密度，Vm为制水设备的空气流量，X1和X2分别表示制水设备除湿前后的空气含水量，P0为制水设备的额定制水功率，k为给定的保险系数，Pgw(t)为制水设备在第t小时的最佳运行功率。
进一步地，所述步骤(2)中通过以下公式计算日弃风弃光率：
Figure BDA0004079539050000041
其中：DUMP为制水系统的日弃风弃光率，Pw(t)和Ppv(t)分别表示系统中风力机组和光伏阵列在第t小时所输出的功率，Pcha(t)和Pdis(t)分别表示系统中储能电池在第t小时的充电功率和放电功率，Pgw(t)为系统中制水设备在第t小时的最佳运行功率。
进一步地，所述目标函数的表达式如下：
Figure BDA0004079539050000042
Figure BDA0004079539050000043
其中：l1、l2、l3分别为日运行成本、日制水量、日弃风弃光率标准化处理后的结果，θi＝2πωi，i＝1,2,3，ω1、ω2、ω3分别为日运行成本、日制水量、日弃风弃光率对应的权重。
进一步地，所述约束条件包括功率平衡约束条件、制水设备功率约束条件、制水设备风道空气流速约束条件、储能电池荷电状态约束条件、在直流微电网母线电压偏差要求下的下垂系数约束条件。
进一步地，所述功率平衡约束条件如下：
Pw(t)+Ppv(t)+Pdis(t)-Pcha(t)-Pgw(t)＝0
其中：Pw(t)和Ppv(t)分别表示系统中风力机组和光伏阵列在第t小时所输出的功率，Pcha(t)和Pdis(t)分别表示系统中储能电池在第t小时的充电功率和放电功率，Pgw(t)为系统中制水设备在第t小时的最佳运行功率。
进一步地，所述制水设备功率约束条件如下：
Pgwmin＜Pgw(t)＜Pgwmax
其中：Pgwmin和Pgwmax分别为制水设备的最小运行功率和最大运行功率。
进一步地，所述制水设备风道空气流速约束条件如下：
Vwind＜Vwmax
Vm＜S*Vwind
其中：Vwind为制水设备中的空气流速，Vm为流经制水设备的空气流量，S为制水设备的风道横截面积，Vwmax为制水设备风道的最大允许风速。
进一步地，所述储能电池荷电状态约束条件如下：
SOCmin≤SOC≤SOCmax
其中：SOC为储能电池的荷电状态，SOCmin和SOCmax分别为储能电池的最小荷电状态和最大荷电状态。
进一步地，所述下垂系数约束条件如下：
Figure BDA0004079539050000051
其中：η为下垂系数，Umax为在直流微电网母线电压允许范围内的最大值，Uref为储能电池变换器下垂控制的参考电压，Pdc *为储能电池变换器的输出功率指令值，Pdcmax为储能电池变换器的最大输出功率。
进一步地，所述步骤(5)中采用遗传算法对目标函数进行优化求解。
本发明新能源直流微电网制水设备能量管理策略具有充分考虑制水负荷特性和微网各单元变换器控制方式对能量管理策略的影响，以无需通信要求的下垂控制为例，考虑在母线电压偏差允许范围内，下垂系数的取值范围进而影响到该单元的出力。除此之外，考虑到制水设备在不同的湿度和温度条件下的不同制水能力的成本，本发明能更加充分的优化新能源直流微电网制水系统能量管理，实现新能源的高消纳率和最低成本制水。
附图说明
图1为新能源直流微电网制水系统的结构示意图。
图2为分布式微源接入直流微网模型的简化结构示意图。
图3为传统并联变换器的自适应下垂控制原理示意图。
图4为遗传算法的流程示意图。
具体实施方式
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
本实施例以一台风电机组DG2和一个光伏阵列DG1接入直流微网架构，并以3组额定电压为200V、额定容量为1Ah的锂离子电池作为平抑直流微电网能量的单元，三者的初始SOC分别为20％、40％和60％，负荷为一台额定功率为10KW的空气制水设备组成的新能源直流微电网制水设备，如图1所示。
本发明新能源直流微电网制水系统的能量管理策略，包括以下步骤：
(1)首先，设计系统的日运行成本C、日制水量W和日弃风弃光率DUMP；
新能源直流微网制水系统的日运行成本C可由下式计算：
C＝Cw+Cpv+Cbat+Cgw
风电机组发电成本Cw、光伏阵列成本Cpv、储能成本Cbat和制水设备成本Cgw分别如下：
Figure BDA0004079539050000061
Figure BDA0004079539050000062
其中：Pa是风电机组的年平均输出功率，Pwt-rate是风电机组的额定功率。
Figure BDA0004079539050000063
其中：Ipv是光伏阵列的总投资成本，Fpv是光伏阵列的容量因子，Mpv是光伏阵列的维护成本，Ppv是光伏阵列的实际出力。
Figure BDA0004079539050000064
其中：Pbatmax是储能电池的额定充放电功率，Ta是储能电池的年运行小时数，Ebat是储能电池的容量。
Figure BDA0004079539050000065
其中：Igw是制水设备的总投资成本，Fgw是制水设备的容量因子，Mgw是制水设备的维护成本，CRFgw是制水设备的投资回收因子。
投资回收因子CRF的计算公式如下，通过投资回收因子可以将初始投资费用转化成年度化费用。
Figure BDA0004079539050000071
其中：ni为各个组件的寿命，R为折旧率。
通过以下算式计算制水设备的制水量：
Figure BDA0004079539050000072
其中：空气密度ρ的单位为kg/m3，在标准情况下常取为1.29kg/m3，空气流量Vm的单位为m3/h，X1代表除湿前的空气含水量，X2代表除湿后的空气含水量，单位为g/kg干空气，k代表保险系数(取1.2)，P0为制水设备额定制水功率，Pgw(t)为制水设备在第t小时的最佳运行功率。
空气含水量X采用以下算式求得：
Figure BDA0004079539050000073
其中：
Figure BDA0004079539050000074
为湿空气的相对湿度，Ps为湿空气温度下的饱和蒸汽压，Pb为当地大气压力，单位为MPa。
通过以下算式计算弃风弃光率：
Figure BDA0004079539050000075
其中：Pw(t)和Ppv(t)为风力机组和光伏阵列在当前风光条件下第t小时所发出的功率，Pcha(t)和Pdis(t)分别代表储能电池在第t小时的充电功率和放电功率。
(2)对上述日运行成本C、日制水量W和日弃风弃光率DUMP进行标准化处理，标准化处理计算如下：
Figure BDA0004079539050000076
Figure BDA0004079539050000077
Figure BDA0004079539050000081
按照日运行成本C、日制水量W和日弃风弃光率DUMP的重要程度顺序对三者优化目标进行权值赋予：
C>W>DUMP
并以下式进行重要程度量化：
Figure BDA0004079539050000082
其中：rk为1表示Xk-1和Xk同样重要，随着rk的增加表明Xk-1比Xk越来越重要。
采用雷达图方法确定系统的适应度函数F：
Figure BDA0004079539050000083
Figure BDA0004079539050000084
其中：l1、l2、l3分别为日运行成本、日制水量、日弃风弃光率标准化处理后的结果，θi＝2πωi，i＝1,2,3，ω1、ω2、ω3分别为日运行成本、日制水量、日弃风弃光率对应的权重。
(3)设置新能源制水系统优化调度模型的约束条件，包括功率平衡约束条件、制水设备的功率约束条件、制水设备风道空气流速约束条件和在直流微电网母线电压偏差要求下的下垂系数约束条件。
新能源制水系统的功率约束条件包括如下：
Pw(t)+Ppv(t)+Pdis(t)-Pcha(t)-Pgw(t)＝0
制水设备的功率约束条件如下：
Pgwmin＜Pgw(t)＜Pgwmax
其中：Pgwmin和Pgwmax分别为制水设备的最小和最大运行功率。
空气流量Vw约束条件：由于空气中的水蒸气在制水设备蒸发器中冷凝成液态水，因此对流经制水设备中的风速Vwind有如下限制：
Vwind<Vwmax
因此制水设备中的空气流量Vm的限制如下：
Vm<S*Vwind
其中：Vm为流经制水设备的空气流量，S为制水设备的风道横截面积，Vwind为制水设备中的空气流速。
储能电池荷电状态和充放电次数约束条件：
SOCmin≤SOC≤SOCmax
本实施例中Vwmax＝3m/s，S＝1m2，SOCmin＝0.2，SOCmax＝0.8。
下垂系数约束条件：
假设直流母线电压偏差范围为[-εUref,+εUref]，其中ε为允许电压偏差的范围，根据不同电压等级略有不同，则直流电压Udc满足：
Umin＝(1-ε)Uref≤Udc≤(1+ε)Uref＝Umax
其中：Umin和Umax分别为在母线电压允许范围内的最小值和最大值，Uref为变换器下垂控制的参考电压。
Figure BDA0004079539050000091
变换得到下式：
Figure BDA0004079539050000092
求解的变换器功率范围为：
Figure BDA0004079539050000093
结合变换器下垂控制特性有：
Figure BDA0004079539050000094
假设Uref＝Un，则当
Figure BDA0004079539050000095
下垂系数范围为[0,∞]。
当
Figure BDA0004079539050000096
下垂系数的选择范围如下：
Figure BDA0004079539050000097
其中：Upcc为直流母线公共点电压，Udc为变换器输出电压，Idc为变换器输出电流，Pdc为变换器输出功率，Rline为线路阻抗，Pdcmax为变换器输出最大功率，Un为直流母线额定电压。
变换器输出功率与下垂控制系数间的关系为：
Figure BDA0004079539050000101
图2和图3展示了采用下垂控制的分布式单元接入直流微电网的简化结构以及自适应下垂控制原理，直流母线额定电压，母线电压允许偏差范围取值如下：
Figure BDA0004079539050000102
因此，Umin＝651V，Umax＝749V。
(4)根据步骤(2)和步骤(3)得到的适应度函数F和各个约束条件，采用如图4所示的遗传算法寻求最佳适应度函数值F，即：
Figure BDA0004079539050000103
其中：g≤0表示该新能源直流制水系统的约束条件，遗传算法中设置进化迭代变量G，最大进化代数G＝100，并随机生成Np＝100个初始个体。
最终求解得到当前优化目标条件下储能电池的最佳充放电功率Pbat和制水设备最佳运行功率Pgw。
上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明，熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (8)

1.一种新能源直流微电网制水系统的能量管理方法，包括如下步骤：
(1)采集制水设备所在地的环境信息；
(2)计算制水系统的日运行成本、日制水量以及日弃风弃光率；
(3)对日运行成本、日制水量以及日弃风弃光率进行标准化处理并为三者赋予不同的权重，从而确定制水系统能量管理的目标函数；
(4)设定制水系统优化调度管理的约束条件；
(5)根据上述目标函数以及约束条件进行优化求解，得到系统中储能电池各时段的最佳充放电功率以及制水设备各时段的最佳运行功率。
2.根据权利要求1所述的能量管理方法，其特征在于：所述步骤(1)中采集的环境信息包括空气密度、空气相对湿度、制水设备的空气流量、制水设备除湿前后的饱和蒸汽压以及当地大气压力。
3.根据权利要求1所述的能量管理方法，其特征在于：所述步骤(2)中通过以下公式计算制水系统的日运行成本：
C＝Cw+Cpv+Cbat+Cgw
Figure FDA0004079539040000011
Figure FDA0004079539040000012
Figure FDA0004079539040000013
Figure FDA0004079539040000014
其中：C为制水系统的日运行成本，Cw为系统中风力机组的日运行成本，CRFw为风力机组的投资回收因子，Iw为风力机组的总投资成本，Mw为风力机组的维护成本，Fw为风力机组的容量因子，Pw(t)为风力机组在第t小时所输出的功率，Cpv为系统中光伏阵列的日运行成本，CRFpv为光伏阵列的投资回收因子，Ipv为光伏阵列的总投资成本，Mpv为光伏阵列的维护成本，Fpv为光伏阵列的容量因子，Ppv(t)为光伏阵列在第t小时所输出的功率，Cbat为系统中储能电池的日运行成本，CRFbat为储能电池的投资回收因子，Ibat为储能电池的总投资成本，Mbat为储能电池的维护成本，Ebat为储能电池的容量，Ta为储能电池的年运行小时数，Pbatmax为储能电池的额定充放电功率，Pbat(t)为储能电池在第t小时的最佳充放电功率，Cgw为系统中制水设备的日运行成本，CRFgw为制水设备的投资回收因子，Igw为制水设备的总投资成本，Mgw为制水设备的维护成本，Fgw为制水设备的容量因子，Pgw(t)为制水设备在第t小时的最佳运行功率。
4.根据权利要求1所述的能量管理方法，其特征在于：所述步骤(2)中通过以下公式计算制水系统的日制水量：
Figure FDA0004079539040000021
其中：W为制水系统的日制水量，ρ为制水设备所在地的空气密度，Vm为制水设备的空气流量，X1和X2分别表示制水设备除湿前后的空气含水量，P0为制水设备的额定制水功率，k为给定的保险系数，Pgw(t)为制水设备在第t小时的最佳运行功率。
5.根据权利要求1所述的能量管理方法，其特征在于：所述步骤(2)中通过以下公式计算日弃风弃光率：
Figure FDA0004079539040000022
其中：DUMP为制水系统的日弃风弃光率，Pw(t)和Ppv(t)分别表示系统中风力机组和光伏阵列在第t小时所输出的功率，Pcha(t)和Pdis(t)分别表示系统中储能电池在第t小时的充电功率和放电功率，Pgw(t)为系统中制水设备在第t小时的最佳运行功率。
6.根据权利要求1所述的能量管理方法，其特征在于：所述目标函数的表达式如下：
Figure FDA0004079539040000023
Figure FDA0004079539040000031
其中：l1、l2、l3分别为日运行成本、日制水量、日弃风弃光率标准化处理后的结果，θi＝2πωi，i＝1,2,3，ω1、ω2、ω3分别为日运行成本、日制水量、日弃风弃光率对应的权重。
7.根据权利要求1所述的能量管理方法，其特征在于：所述约束条件包括功率平衡约束条件、制水设备功率约束条件、制水设备风道空气流速约束条件、储能电池荷电状态约束条件、在直流微电网母线电压偏差要求下的下垂系数约束条件；
所述功率平衡约束条件如下：
Pw(t)+Ppv(t)+Pdis(t)-Pcha(t)-Pgw(t)＝0
其中：Pw(t)和Ppv(t)分别表示系统中风力机组和光伏阵列在第t小时所输出的功率，Pcha(t)和Pdis(t)分别表示系统中储能电池在第t小时的充电功率和放电功率，Pgw(t)为系统中制水设备在第t小时的最佳运行功率；
所述制水设备功率约束条件如下：
Pgwmin＜Pgw(t)＜Pgwmax
其中：Pgwmin和Pgwmax分别为制水设备的最小运行功率和最大运行功率；
所述制水设备风道空气流速约束条件如下：
Vwind＜Vwmax
Vm＜S*Vwind
其中：Vwind为制水设备中的空气流速，Vm为流经制水设备的空气流量，S为制水设备的风道横截面积，Vwmax为制水设备风道的最大允许风速；
所述储能电池荷电状态约束条件如下：
SOCmin≤SOC≤SOCmax
其中：SOC为储能电池的荷电状态，SOCmin和SOCmax分别为储能电池的最小荷电状态和最大荷电状态；
所述下垂系数约束条件如下：
Figure FDA0004079539040000041
其中：η为下垂系数，Umax为在直流微电网母线电压允许范围内的最大值，Uref为储能电池变换器下垂控制的参考电压，Pdc *为储能电池变换器的输出功率指令值，Pdcmax为储能电池变换器的最大输出功率。
8.根据权利要求1所述的能量管理方法，其特征在于：所述步骤(5)中采用遗传算法对目标函数进行优化求解。
CN202310119519.0A 2023-01-18 2023-01-18 一种新能源直流微电网制水系统的能量管理策略 Pending CN116090649A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310119519.0A CN116090649A (zh) 2023-01-18 2023-01-18 一种新能源直流微电网制水系统的能量管理策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310119519.0A CN116090649A (zh) 2023-01-18 2023-01-18 一种新能源直流微电网制水系统的能量管理策略

Publications (1)

Publication Number Publication Date
CN116090649A true CN116090649A (zh) 2023-05-09

Family

ID=86211900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310119519.0A Pending CN116090649A (zh) 2023-01-18 2023-01-18 一种新能源直流微电网制水系统的能量管理策略

Country Status (1)

Country Link
CN (1) CN116090649A (zh)

Similar Documents

Publication Publication Date Title
CN113394817B (zh) 一种风光水火储系统的多能容量优化配置方法
CN109921449B (zh) 液流电池储能电站功率分配装置及方法
CN105680474B (zh) 一种储能抑制光伏电站快速功率变化的控制方法
CN110135662B (zh) 一种考虑减小峰谷差的储能选址定容多目标优化方法
CN111327053B (zh) 一种适用于极地气候下的多源微电网容量优化配置方法
CN102638195A (zh) 一种太阳能发电系统控制装置及方法
CN111555356B (zh) 基于耦合Markov模型的区域综合能源系统随机变量分析方法
CN111244988A (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN103427441A (zh) 一种分布式混合新能源的发电与并网控制装置及方法
CN104734194A (zh) 一种可并网运行的风光储一体微电网
CN107273968A (zh) 一种基于动态模糊混沌粒子群的多目标调度方法及装置
CN109829228B (zh) 可再生能源系统中混合储能电源容量配置的优化方法
Sun et al. A Hybrid renewable DC microgrid voltage control
CN110474348A (zh) 一种配电网的调峰方法及装置
CN110535187A (zh) 一种主动配电网的复合储能容量的能量调度方法及系统
CN112269966B (zh) 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法
CN201623500U (zh) 一种带蓄电池的小型风力发电并网系统
CN112836423A (zh) 基于改进差分进化算法的微网容量优化配置方法
CN112036735A (zh) 一种用于光伏电站的储能系统的储能容量规划方法及系统
CN117332918A (zh) 一种基于改进粒子群算法的公路光伏声屏障储充系统优化配置方法
CN111311032B (zh) 一种基于扇形雷达图模型的微网系统容量优化配置方法
Das et al. Energy Management for a RES-Powered DC Microgrid Under Variable Load
CN116090649A (zh) 一种新能源直流微电网制水系统的能量管理策略
CN112952914B (zh) 一种多能互补电力系统多目标运行优化方法
CN111244989B (zh) 一种基于电池储能的风电机组与火电机组的协调运行方法

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