CN116484553B - 一种考虑多能互补的微电网优化设计方法 - Google Patents
一种考虑多能互补的微电网优化设计方法 Download PDFInfo
- Publication number
- CN116484553B CN116484553B CN202310212526.5A CN202310212526A CN116484553B CN 116484553 B CN116484553 B CN 116484553B CN 202310212526 A CN202310212526 A CN 202310212526A CN 116484553 B CN116484553 B CN 116484553B
- Authority
- CN
- China
- Prior art keywords
- power
- hydrogen
- energy
- micro
- grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013461 design Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000010276 construction Methods 0.000 claims abstract description 60
- 238000004146 energy storage Methods 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 38
- 238000010248 power generation Methods 0.000 claims abstract description 37
- 230000000295 complement effect Effects 0.000 claims abstract description 12
- 239000001257 hydrogen Substances 0.000 claims description 129
- 229910052739 hydrogen Inorganic materials 0.000 claims description 129
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 115
- 238000003860 storage Methods 0.000 claims description 86
- 239000007789 gas Substances 0.000 claims description 34
- 238000012423 maintenance Methods 0.000 claims description 34
- 238000005485 electric heating Methods 0.000 claims description 30
- 238000007599 discharging Methods 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 10
- 150000002431 hydrogen Chemical class 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000005684 electric field Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 5
- 230000020169 heat generation Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 230000002950 deficient Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- XLYOFNOQVPJJNP-ZSJDYOACSA-N heavy water Substances [2H]O[2H] XLYOFNOQVPJJNP-ZSJDYOACSA-N 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统规划设计技术领域,涉及一种考虑多能互补的微电网优化设计方法,其包括以下步骤:S100、建立考虑多能互补的微电网结构,包括可再生能源发电装置、储能装置、电‑氢‑热转换装置和用能负荷;S200、建立考虑多能互补的微电网模型,包括可再生能源发电模型、储能模型、电氢热转换模型和可控负荷模型;S300、建立考虑多能互补的微电网最优经济规划设计模型;S400、应用非线性规划求解考虑多能互补的微电网最优经济规划设计模型,得到系统内各单元的建设规模和容量配置并应用。本发明充分考虑微电网建设运维费用,为微电网规划设计提供重要的参考依据。
Description
技术领域
本发明涉及电力系统规划设计技术领域,具体地说,涉及一种考虑多能互补的微电网优化设计方法。
背景技术
随着人类社会的发展,能源的基础地位愈加突出。可作为多种能源生产、消费和多种能源间转换方式所组成的智能高效的终端单元——微网,在保障大电网不能触及的偏远地区供电需求方面发挥着重要作用。随着微网容量的增加,微网对储能系统的低成本、大容量等方面特性的要求也日益提高。传统电池储能存在成本较高,频繁充放电易导致寿命降低的问题。多能互补在降低储能配置,提高微电网可靠性方面具有很大的作用。
主要存在的难点如下:
(1)多能互补微电网设备类型较多,模型复杂,运行方式多变,模型研究是微电网的多能互补微电网优化设计的关键问题。
(2)微电网中风电、光伏等可再生能源发电单元的功率输出及负荷的功率需求都具有随机性和不确定性,兼顾经济性和可靠性的前提下,维持系统功率平衡及合理规划电氢-氢热-氢电转换设备的规模是另一个难点。
多能互补系统在综合能源微网得到很多应用,但是在实际运行过程中,往往存在电、氢、热等出力按经验分配的现象,比如传统的热电联产机组通常按照“以热定电”方式运行,缺少一个优化规划的方法,无法实现最佳的综合能效与经济效益。尽管针对综合能源微网的优化规划方法在实际中应用还不多,但是这方面的研究已经在国内外广泛开展,也提出了相当多的技术与方法。虽然这些方法与技术具有一定的应用成效,但是在某些方面仍具有一定的局限性:目前大多数文献、专利提供的优化规划方法提出的电热氢互补模型的建模过程较为笼统,大多直接按照线性关系给定机组供电、供热、储氢之间的关系,得到的规划结果也无法直接指导生产实际,而且简化后的线性关系也与实际机组特性出入较大。
发明内容
本发明建立了以风力发电,光伏发电,柴油发电机、电采暖、电制氢和氢能发电设备为核心的电-氢-热多能互补模型,并考虑了2种可控负荷,在此基础上提出一种考虑多能互补的微电网优化设计方法。
根据本发明的一种考虑多能互补的微电网优化设计方法,其包括以下步骤:
S100、建立考虑多能互补的微电网结构,包括可再生能源发电装置、储能装置、电-氢-热转换装置和用能负荷;
S200、建立考虑多能互补的微电网模型,包括可再生能源发电模型、储能模型、电氢热转换模型和可控负荷模型;
S300、建立考虑多能互补的微电网最优经济规划设计模型;
S400、应用非线性规划求解考虑多能互补的微电网最优经济规划设计模型,得到系统内各单元的建设规模和容量配置并应用。
作为优选,S100中,可再生能源发电装置包括风电机组和光伏发电机组,储能装置包括蓄电池装置和储氢装置,电-氢-热转换装置包括电解槽装置和燃氢微型燃气轮机装置,用能负荷包括电采暖设备、电动汽车和关键负荷。
作为优选,可再生能源发电模型包括:
风机出力模型:
式中:Pk.r为风电机组k额定输出功率;vk.ci、vk.co、vk.r、v(t)分别表示风电机组k切入风速、切出风速、额定风速以及t时刻风机转轴高度处的实际风速;
求得该风电场总出力PW(t):
式中:Nw为风电机组台数;kwake为尾流效应系数;
光伏发电模型:
式中:Pl.b、rl.b、Tl.b分别为标准测试环境下光伏电池l的额定输出功率及此时的光照强度和表面温度;r(t)、T(t)分别为t时刻光照强度及光伏电池表面温度;kT为温度系数;
光伏电场总的实际输出功率PPV(t)表示为:
式中:NPV表示光伏电池数量;kderate为光伏电场的降额系数。
作为优选,储能模型包括:
蓄电池充电模型:
EB,ES(t)=EB,ES(t-1)(1-δ)+Pch(t)Δtηch
蓄电池放电模型:
储氢罐储存氢功率模型:
储氢罐释放氢氢功率模型:
式中ηch和ηdis分别为蓄电池充放电效率,EB,ES(t)为蓄电池当前时刻的蓄电量,Pch(t)和Pdis(t)为蓄电池充放电功率;和/>分别为储氢罐储存和释放氢功率效率,为储氢罐当前时刻的储氢量,/>和/>分别为储氢罐储存和释放氢功率。
作为优选,电-氢-热转换模型中,当微电网中有富余电量时,EHU将电能转化为H2存入氢储能系统,若还有剩余电量无法消纳,微电网可进一步通过电采暖制热;而当电网功率出现缺额时,启动MCU进行放电,将氢能转化为电能。
作为优选,可控负荷模型包括:
电采暖负荷:
Tmin≤Tset(t)≤Tmax
Q(t)=KE·PH-E(t)
式中,Tmin和Tmax为满足用户舒适裕度的温度上下限,KE为电采暖设备的电热转换效率,Troom(t)为室内温度,Text为室外温度;
电动汽车负荷:
式中为电动汽车当前时刻蓄电量,/>表示日出行规律,其符合正态分布;
关键负荷:
式中和/>为关键负荷运行最小功率和最大功率。
作为优选,S300建立考虑多能互补的微电网最优经济规划设计模型包括:
S310、建立目标函数;目标函数,其表达式为
W=min(WPL)
式中:WPL为微电网建设成本以及一年内的运维成本;CWT为风电建设运维成本,CPV为光伏发电建设运维成本,CDE为柴油发电机建设运营成本,CEL为电解槽建设运营成本,CFC为燃氢微型燃气轮机建设运维成本,CBES为蓄电池建设运维成本,为储氢年建设运维成本,CS为微电网各项服务总收益;
S320、建立约束条件;
约束条件包括电功率平衡约束、热功率平衡约束、氢功率平衡约束、电采暖设备运行功率约束、电动汽车能量约束,电动汽车充放电约束、电动汽车充放电状态约束、电-氢-热转换约束、固定储能充放电约束、固定储能剩余电量约束、储氢罐储存释放功率约束和储氢罐剩余能量约束。
作为优选,S310中,风电建设和运营成本为:
其中NWT为风机数量,cB,WT为风机建设成本系数,为每台风机额定功率,γ为贴现率,TL为微网使用年限,cO,WT为单位功率风机的年维护成本;
光伏发电建设运维成本:
其中NPV为光伏机组数量,cB,PV为光伏机组建设成本系数,为每台光伏机组额定功率,γ为贴现率,TL为微网使用年限,cO,PV为单位功率光伏机组的年维护成本;
柴油发电机建设运营成本:
其中NDE为柴油发电机组数量,cB,DE为柴油发电机组建设成本系数,为每台光伏机组额定功率,γ为贴现率,TL为微网使用年限,cO,E为单位功率光伏机组的年维护成本;ηDE为柴油机的燃油消耗率,cF,DE为柴油的价格;Δt为步长;
电解槽建设运营成本为:
其中NEL为电解槽机组数量,cB,EL为电解槽机组建设成本系数,为每台电解槽机组额定功率,γ为贴现率,TL为微网使用年限,cO,EL为单位功率电解槽机组的年维护成本;
燃氢微型燃气轮机建设运维成本为:
其中NFC燃氢微型燃气轮机数量,cB,FC为燃氢微型燃气轮机建设成本系数,为每台燃氢微型燃气轮机额定功率,γ为贴现率,TL为微网使用年限,cO,FC为单位功率燃氢微型燃气轮机的年维护成本;
蓄电池建设运维成本为:
储氢年建设运维成本为:
微电网各项服务总收益为:
cS,F PF,i(t)分别表示单位售电费用和售电功率,分别表示单位售氢费用和售氢功率,cS,EV PS,EV(t)分别表示电动汽车单位充电费用和充电功率。
作为优选,S320中,电功率平衡约束的表达式为:
其中PWT(t)为风电出力,PPV(t)为光伏出力,PDE(t)为柴油发电机出力,PFC(t)为燃氢微型燃气轮机出力;Pch(t)和Pdis(t)分别为固定储能充放电功率,和/>分别为电动汽车充放电功率,PH-E(t)为电采暖设备运行功率,PEL(t)为电解槽设备运行功率,Pload(t)为关键负荷用电功率;
氢功率平衡约束为:
其中为电解槽制氢功率,/>和/>为储氢罐储存释放氢气功率,为对外售氢功率,/>为燃氢微型燃气轮机用氢功率;
热功率平衡约束为:
PH-FC(t)+PH-E(t)=PH-Load(t)
其中PH-FC(t)为燃氢微型燃气轮机产热功率,PH-E(t)为电采暖设备产热功率,PH-Load(t)为负荷用热功率;
电采暖设备运行功率约束:
Plmin≤PH-E(t)≤Plmax
式中PH-E(t)为t时刻电采暖设备的运行功率;
电动汽车能量约束:
式中为第v台电动汽车的剩余电量,/>和/>分别为第v台电动汽车的剩余电量最小值与最大值;
电动汽车充放电状态约束:
式中为第v台电动汽车充电标识位,/>为第v台电动汽车放电标识位;
电动汽车充放电约束:
式中Pv vch(t),Pv vch,max为第v台电动汽车的实际充电功率,实际充电功率最大值;Pv vdis(t),Pv vdis,max为第v台电动汽车的实际放电功率,实际放电功率最大值;
电-氢-热转换约束:
电能转化为氢能:
PH2,EL(t)=ηELPe,EL(t)
氢能转化为电能:
氢能转化为电能:
式中ηEL为电能转化为氢能的效率,ηFC,E为氢能转化为电能的效率,ηH-FC为氢能转化为热能的效率;
固定储能充放电约束:
式中Pdis(t)、Pdismax和udis(t)为固定储能的实际放电功率、实际放电功率最大值及放电标识位;Pch(t)、Pchmax和uch(t)为固定储能的实际充电功率、实际充电功率最大值及充电标识位;
固定储能剩余电量约束:
EBmin≤EB,ES(t)≤EBmax
式中EB,ES(t)表示蓄电池当前时刻剩余电量;
储氢罐储存释放功率约束:
式中和/>为固定储能的实际放电功率、实际放电功率最大值及放电标识位,/>和/>为固定储能的实际充电功率、实际充电功率最大值及充电标识位;
储氢罐剩余能量约束:
式中表示储氢罐当前时刻剩余储氢量。
本发明的有益效果如下:
本发明考虑了电-热-氢多能互补的微电网建设方法。电-热-氢多能互补能有效提高电负荷,热负荷,氢负荷供应的可靠性,并且降低微电网的储能配置需求。本发明在荷侧考虑了俩种可控负荷,俩种可控负荷参与微电网调度可有效提高可再生能源消纳和降低微电网建设和运维成本。通过求解微电网最优经济规划模型所得到的电-热-氢转换装置配置规模,蓄电装置配置规模,储氢装置配置规模等决策变量可以为实际微电网建设提供参考。
附图说明
图1为实施例中一种考虑多能互补的微电网优化设计方法的流程图;
图2为实施例中考虑多能互补的微电网模型的示意图;
图3为实施例中电-氢-热转换模型的示意图。
具体实施方式
为进一步了解本发明的内容,结合附图和实施例对本发明作详细描述。应当理解的是,实施例仅仅是对本发明进行解释而并非限定。
实施例
如图1所示,本实施例提供了一种考虑多能互补的微电网优化设计方法,其包括以下步骤:
S100、建立考虑多能互补的微电网结构,包括可再生能源发电装置、储能装置、电-氢-热转换装置和用能负荷;
S100中,可再生能源发电装置包括风电机组和光伏发电机组,储能装置包括蓄电池装置和储氢装置,电-氢-热转换装置包括电解槽装置和燃氢微型燃气轮机装置,用能负荷包括电采暖设备、电动汽车和关键负荷。
S200、建立考虑多能互补的微电网模型(如图2所示),包括可再生能源发电模型、储能模型、电氢热转换模型和可控负荷模型;
可再生能源发电模型包括:
风机出力模型:
式中:Pk.r为风电机组k额定输出功率;vk.ci、vk.co、vk.r、v(t)分别表示风电机组k切入风速、切出风速、额定风速以及t时刻风机转轴高度处的实际风速;
对于同一个风电场,由于尾流的影响,位于下风向的风电机组出力将低于上风向的风电机组出力;简化求解过程中,对所有风电机组发电出力求和并乘以尾流效应系数,便求得该风电场总出力PW(t):
式中:Nw为风电机组台数;kwake为尾流效应系数;
光伏发电模型:
式中:Pl.b、rl.b、Tl.b分别为标准测试环境下光伏电池l的额定输出功率及此时的光照强度和表面温度;r(t)、T(t)分别为t时刻光照强度及光伏电池表面温度;kT为温度系数;
由于光伏电池表面污渍、雨雪遮盖以及光伏电池自身老化等原因,光伏电池实际输出功率一般都小于标准测试环境下的输出功率;因此,光伏电场总的实际输出功率PPV(t)表示为:
式中:NPV表示光伏电池数量;kderate为光伏电场的降额系数。
储能模型包括:
蓄电池充电模型:
EB,ES(t)=EB,ES(t-1)(1-δ)+Pch(t)Δtηch
蓄电池放电模型:
储氢罐储存氢功率模型:
储氢罐释放氢氢功率模型:
式中ηch和ηdis分别为蓄电池充放电效率,EB,ES(t)为蓄电池当前时刻的蓄电量,Pch(t)和Pdis(t)为蓄电池充放电功率;和/>分别为储氢罐储存和释放氢功率效率,为储氢罐当前时刻的储氢量,/>和/>分别为储氢罐储存和释放氢功率。
电-氢-热转换模型如图3所示,EHU即2H2O→2H2+O2,该过程只产生氢气和氧气,无任何污染气体产生,且工艺过程简单。氢储能单元能量密度高、投资成本低且存储过程无污染,被认为是极具潜力的储能技术。MCU不同于传统以天然气为燃料的微燃机,本方法选取德国2G公司研发的燃氢微型燃气轮机,发电并供热。在氢利用方面,以氢气为燃气轮机燃料的氢发电技术将形成真正意义上的发电零排放,在未来具有广阔的应用前景。当微电网中有富余电量时,EHU将电能转化为H2存入氢储能系统,若还有剩余电量无法消纳,微电网可进一步通过电采暖制热;而当电网功率出现缺额时,启动MCU进行放电,将氢能转化为电能。
可控负荷模型包括:
电采暖负荷:
Tmin≤Tset(t)≤Tmax
Q(t)=KE·PH-E(t)
式中,Tmin和Tmax为满足用户舒适裕度的温度上下限,KE为电采暖设备的电热转换效率,Troom(t)为室内温度,Text为室外温度;
电动汽车负荷:
式中为电动汽车当前时刻蓄电量,/>表示日出行规律,其符合正态分布;
关键负荷:
式中和/>为关键负荷运行最小功率和最大功率。
S300、建立考虑多能互补的微电网最优经济规划设计模型;
建立考虑多能互补的微电网最优经济规划设计模型包括:
S310、建立目标函数;目标函数,其表达式为
W=min(WPL)
式中:WPL为微电网建设成本以及一年内的运维成本;CWT为风电建设运维成本,CPV为光伏发电建设运维成本,CDE为柴油发电机建设运营成本,CEL为电解槽建设运营成本,CFC为燃氢微型燃气轮机建设运维成本,CBES为蓄电池建设运维成本,为储氢年建设运维成本,CS为微电网各项服务总收益;
风电建设和运营成本为:
其中NWT为风机数量,cB,WT为风机建设成本系数,为每台风机额定功率,γ为贴现率,TL为微网使用年限,cO,WT为单位功率风机的年维护成本;
光伏发电建设运维成本:
其中NPV为光伏机组数量,cB,PV为光伏机组建设成本系数,为每台光伏机组额定功率,γ为贴现率,TL为微网使用年限,cO,PV为单位功率光伏机组的年维护成本;
柴油发电机建设运营成本:
其中NDE为柴油发电机组数量,cB,DE为柴油发电机组建设成本系数,为每台光伏机组额定功率,γ为贴现率,TL为微网使用年限,cO,E为单位功率光伏机组的年维护成本;ηDE为柴油机的燃油消耗率,cF,DE为柴油的价格;Δt为步长;
电解槽建设运营成本为:
其中NEL为电解槽机组数量,cB,EL为电解槽机组建设成本系数,为每台电解槽机组额定功率,γ为贴现率,TL为微网使用年限,cO,EL为单位功率电解槽机组的年维护成本;
燃氢微型燃气轮机建设运维成本为:
其中NFC燃氢微型燃气轮机数量,cB,FC为燃氢微型燃气轮机建设成本系数,为每台燃氢微型燃气轮机额定功率,γ为贴现率,TL为微网使用年限,cO,FC为单位功率燃氢微型燃气轮机的年维护成本;
蓄电池建设运维成本为:
储氢年建设运维成本为:
微电网各项服务总收益为:
cS,F PF,i(t)分别表示单位售电费用和售电功率,分别表示单位售氢费用和售氢功率,cS,EV PS,EV(t)分别表示电动汽车单位充电费用和充电功率。
S320、建立约束条件;
约束条件包括电功率平衡约束、热功率平衡约束、氢功率平衡约束、电采暖设备运行功率约束、电动汽车能量约束,电动汽车充放电约束、电动汽车充放电状态约束、电-氢-热转换约束、固定储能充放电约束、固定储能剩余电量约束、储氢罐储存释放功率约束和储氢罐剩余能量约束。
S320中,电功率平衡约束的表达式为:
Pload(t)+Pch(t)+∑(Pv vch(t)-Pv vdis(t))+PH-E(t)+PEL(t)
=PWT(t)+PPV(t)+PDE(t)+PFC(t)+Pdis(t)
其中PWT(t)为风电出力,PPV(t)为光伏出力,PDE(t)为柴油发电机出力,PFC(t)为燃氢微型燃气轮机出力;Pch(t)和Pdis(t)分别为固定储能充放电功率,Pv vch(t)和Pv vdis(t)分别为电动汽车充放电功率,PH-E(t)为电采暖设备运行功率,PEL(t)为电解槽设备运行功率,Pload(t)为关键负荷用电功率;
氢功率平衡约束为:
其中为电解槽制氢功率,/>和/>为储氢罐储存释放氢气功率,为对外售氢功率,/>为燃氢微型燃气轮机用氢功率;
热功率平衡约束为:
PH-FC(t)+PH-E(t)=PH-Load(t)
其中PH-FC(t)为燃氢微型燃气轮机产热功率,PH-E(t)为电采暖设备产热功率,PH-Load(t)为负荷用热功率;
电采暖设备运行功率约束:
Plmin≤PH-E(t)≤Plmax
式中PH-E(t)为t时刻电采暖设备的运行功率;
电动汽车能量约束:
式中为第v台电动汽车的剩余电量,/>和/>分别为第v台电动汽车的剩余电量最小值与最大值;
电动汽车充放电状态约束:
式中为第v台电动汽车充电标识位,/>为第v台电动汽车放电标识位;
电动汽车充放电约束:
式中Pv vch(t),Pv vch,max为第v台电动汽车的实际充电功率,实际充电功率最大值;Pv vdis(t),为第v台电动汽车的实际放电功率,实际放电功率最大值;
电-氢-热转换约束:
电能转化为氢能:
氢能转化为电能:
氢能转化为电能:
式中ηEL为电能转化为氢能的效率,ηFC,E为氢能转化为电能的效率,ηH-FC为氢能转化为热能的效率;
固定储能充放电约束:
式中Pdis(t)、Pdismax和udis(t)为固定储能的实际放电功率、实际放电功率最大值及放电标识位;Pch(t)、Pchmax和uch(t)为固定储能的实际充电功率、实际充电功率最大值及充电标识位;
固定储能剩余电量约束:
EBmin≤EB,ES(t)≤EBmax
式中EB,ES(t)表示蓄电池当前时刻剩余电量;
储氢罐储存释放功率约束:
式中和/>为固定储能的实际放电功率、实际放电功率最大值及放电标识位,/>和/>为固定储能的实际充电功率、实际充电功率最大值及充电标识位;
储氢罐剩余能量约束:
式中表示储氢罐当前时刻剩余储氢量。
S400、应用非线性规划求解考虑多能互补的微电网最优经济规划设计模型,得到系统内各单元的建设规模和容量配置并应用。
可以通过成熟的商业软件如CPLEX进行非线性规划求解。规划结果中的电-热-氢转换装置配置规模,蓄电装置配置规模,储氢装置配置规模等决策变量可以为实际微电网建设提供参考。
首先构建以风力发电,光伏发电,柴油发电机、电采暖、电制氢和氢能发电设备为核心的电-氢-热多能互补模型,并考虑了俩种可控负荷,对微电网内的各个设备进行详细的独立建模。然后获取历史天气数据,电负荷历史数据,热负荷历史数据,氢负荷历史数据,确定电-氢-热转换装置的配置规模。最后在此基础上提出一种含电-氢-热综合能源的微网单目标优化设计模型,以电、热负荷需求为约束,以微网建设运营成本最低为目标,并采用非线性规划用CPLEX进行求解。根据求解结果得出发电侧资源的出力规模,储能设备的容量配置,电-氢-热互换设备的容量规模,由此便可得到微电网的整体建设方案。本发明充分考虑微电网建设运维费用,为微电网规划设计提供重要的参考依据。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (7)
1.一种考虑多能互补的微电网优化设计方法,其特征在于:包括以下步骤:
S100、建立考虑多能互补的微电网结构,包括可再生能源发电装置、储能装置、电-氢-热转换装置和用能负荷;
S200、建立考虑多能互补的微电网模型,包括可再生能源发电模型、储能模型、电氢热转换模型和可控负荷模型;
S300、建立考虑多能互补的微电网最优经济规划设计模型;
S300建立考虑多能互补的微电网最优经济规划设计模型包括:
S310、建立目标函数;目标函数,其表达式为
W=min(WPL)
式中:WPL为微电网建设成本以及一年内的运维成本;CWT为风电建设运维成本,CPV为光伏发电建设运维成本,CDE为柴油发电机建设运营成本,CEL为电解槽建设运营成本,CFC为燃氢微型燃气轮机建设运维成本,CBES为蓄电池建设运维成本,为储氢年建设运维成本,CS为微电网各项服务总收益;
S310中,风电建设和运营成本为:
其中NWT为风机数量,cB,WT为风机建设成本系数,为每台风机额定功率,γ为贴现率,TL为微网使用年限,cO,WT为单位功率风机的年维护成本;
光伏发电建设运维成本:
其中NPV为光伏机组数量,cB,PV为光伏机组建设成本系数,为每台光伏机组额定功率,γ为贴现率,TL为微网使用年限,cO,PV为单位功率光伏机组的年维护成本;
柴油发电机建设运营成本:
其中NDE为柴油发电机组数量,cB,DE为柴油发电机组建设成本系数,为每台光伏机组额定功率,γ为贴现率,TL为微网使用年限,cO,E为单位功率光伏机组的年维护成本;ηDE为柴油机的燃油消耗率,cF,DE为柴油的价格;Δt为步长;
电解槽建设运营成本为:
其中NEL为电解槽机组数量,cB,EL为电解槽机组建设成本系数,为每台电解槽机组额定功率,γ为贴现率,TL为微网使用年限,cO,EL为单位功率电解槽机组的年维护成本;
燃氢微型燃气轮机建设运维成本为:
其中NFC燃氢微型燃气轮机数量,cB,FC为燃氢微型燃气轮机建设成本系数,为每台燃氢微型燃气轮机额定功率,γ为贴现率,TL为微网使用年限,cO,FC为单位功率燃氢微型燃气轮机的年维护成本;
蓄电池建设运维成本为:
储氢年建设运维成本为:
微电网各项服务总收益为:
cS,FPF,i(t)分别表示单位售电费用和售电功率,分别表示单位售氢费用和售氢功率,cSEVPSEV(t)分别表示电动汽车单位充电费用和充电功率。
S320、建立约束条件;
约束条件包括电功率平衡约束、热功率平衡约束、氢功率平衡约束、电采暖设备运行功率约束、电动汽车能量约束,电动汽车充放电约束、电动汽车充放电状态约束、电-氢-热转换约束、固定储能充放电约束、固定储能剩余电量约束、储氢罐储存释放功率约束和储氢罐剩余能量约束;S400、应用非线性规划求解考虑多能互补的微电网最优经济规划设计模型,得到系统内各单元的建设规模和容量配置并应用。
2.根据权利要求1所述的一种考虑多能互补的微电网优化设计方法,其特征在于:S100中,可再生能源发电装置包括风电机组和光伏发电机组,储能装置包括蓄电池装置和储氢装置,电-氢-热转换装置包括电解槽装置和燃氢微型燃气轮机装置,用能负荷包括电采暖设备、电动汽车和关键负荷。
3.根据权利要求2所述的一种考虑多能互补的微电网优化设计方法,其特征在于:可再生能源发电模型包括:
风机出力模型:
式中:Pk.r为风电机组k额定输出功率;vk.ci、vk.co、vk.r、v(t)分别表示风电机组k切入风速、切出风速、额定风速以及t时刻风机转轴高度处的实际风速;
求得该风电场总出力PW(t):
式中:Nw为风电机组台数;kwake为尾流效应系数;
光伏发电模型:
式中:Pl.b、rl.b、Tl.b分别为标准测试环境下光伏电池l的额定输出功率及此时的光照强度和表面温度;r(t)、T(t)分别为t时刻光照强度及光伏电池表面温度;kT为温度系数;
光伏电场总的实际输出功率PPV(t)表示为:
式中:NPV表示光伏电池数量;kderate为光伏电场的降额系数。
4.根据权利要求3所述的一种考虑多能互补的微电网优化设计方法,其特征在于:储能模型包括:
蓄电池充电模型:
EB,ES(t)=EB,ES(t-1)(1-δ)+Pch(t)Δtηch
蓄电池放电模型:
储氢罐储存氢功率模型:
储氢罐释放氢氢功率模型:
式中ηch和ηdis分别为蓄电池充放电效率,EB,ES(t)为蓄电池当前时刻的蓄电量,Pch(t)和Pdis(t)为蓄电池充放电功率;和/>分别为储氢罐储存和释放氢功率效率,/>为储氢罐当前时刻的储氢量,/>和/>分别为储氢罐储存和释放氢功率。
5.根据权利要求4所述的一种考虑多能互补的微电网优化设计方法,其特征在于:电-氢-热转换模型中,当微电网中有富余电量时,EHU将电能转化为H2存入氢储能系统,若还有剩余电量无法消纳,微电网可进一步通过电采暖制热;而当电网功率出现缺额时,启动MCU进行放电,将氢能转化为电能。
6.根据权利要求5所述的一种考虑多能互补的微电网优化设计方法,其特征在于:可控负荷模型包括:
电采暖负荷:
Tmin≤Tset(t)≤Tmax
Q(t)=KE·PH-E(t)
式中,Tmin和Tmax为满足用户舒适裕度的温度上下限,KE为电采暖设备的电热转换效率,Troom(t)为室内温度,Text为室外温度;PH-E(t)为t时刻电采暖设备运行功率;
电动汽车负荷:
式中为电动汽车当前时刻蓄电量,/>表示日出行规律,其符合正态分布;
关键负荷:
式中和/>为关键负荷运行最小功率和最大功率。
7.根据权利要求6所述的一种考虑多能互补的微电网优化设计方法,其特征在于:S320中,电功率平衡约束的表达式为:
其中PWT(t)为风电出力,PPV(t)为光伏出力,PDE(t)为柴油发电机出力,PFC(t)为燃氢微型燃气轮机出力;Pch(t)和Pdis(t)分别为固定储能充放电功率,和/>分别为电动汽车充放电功率,PH-E(t)为电采暖设备运行功率,PEL(t)为电解槽设备运行功率,Pload(t)为关键负荷用电功率;
氢功率平衡约束为:
其中为电解槽制氢功率,/>和/>为储氢罐储存释放氢气功率,/>为对外售氢功率,/>为燃氢微型燃气轮机用氢功率;
热功率平衡约束为:
PH-FC(t)+PH-E(t)=PH-Load(t)
其中PH-FC(t)为燃氢微型燃气轮机产热功率,PH-E(t)为电采暖设备产热功率,PH-Load(t)为负荷用热功率;
电采暖设备运行功率约束:
Plmin≤PH-E(t)≤Plmax
式中PH-E(t)为t时刻电采暖设备的运行功率;
电动汽车能量约束:
式中为第v台电动汽车的剩余电量,/>和/>分别为第v台电动汽车的剩余电量最小值与最大值;
电动汽车充放电状态约束:
式中为第v台电动汽车充电标识位,/>为第v台电动汽车放电标识位;
电动汽车充放电约束:
式中为第v台电动汽车的实际充电功率,实际充电功率最大值;/> 为第v台电动汽车的实际放电功率,实际放电功率最大值;
电-氢-热转换约束:
电能转化为氢能:
氢能转化为电能:
氢能转化为电能:
式中ηEL为电能转化为氢能的效率,ηFC,E为氢能转化为电能的效率,ηH-FC为氢能转化为热能的效率;
固定储能充放电约束:
式中Pdis(t)、Pdismax和udis(t)为固定储能的实际放电功率、实际放电功率最大值及放电标识位;Pch(t)、Pchmax和uch(t)为固定储能的实际充电功率、实际充电功率最大值及充电标识位;
固定储能剩余电量约束:
EBmin≤EB,ES(t)≤EBmax
式中EB,ES(t)表示蓄电池当前时刻剩余电量;
储氢罐储存释放功率约束:
式中和/>为固定储能的实际放电功率、实际放电功率最大值及放电标识位,/>和/>为固定储能的实际充电功率、实际充电功率最大值及充电标识位;
储氢罐剩余能量约束:
式中表示储氢罐当前时刻剩余储氢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310212526.5A CN116484553B (zh) | 2023-03-07 | 2023-03-07 | 一种考虑多能互补的微电网优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310212526.5A CN116484553B (zh) | 2023-03-07 | 2023-03-07 | 一种考虑多能互补的微电网优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116484553A CN116484553A (zh) | 2023-07-25 |
CN116484553B true CN116484553B (zh) | 2023-12-19 |
Family
ID=87216728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310212526.5A Active CN116484553B (zh) | 2023-03-07 | 2023-03-07 | 一种考虑多能互补的微电网优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116484553B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
CN112531788A (zh) * | 2020-12-17 | 2021-03-19 | 浙江大学 | 考虑多重不确定性和自趋优运行的透明微网群规划方法 |
-
2023
- 2023-03-07 CN CN202310212526.5A patent/CN116484553B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
CN112531788A (zh) * | 2020-12-17 | 2021-03-19 | 浙江大学 | 考虑多重不确定性和自趋优运行的透明微网群规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116484553A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mehrjerdi et al. | Daily-seasonal operation in net-zero energy building powered by hybrid renewable energies and hydrogen storage systems | |
CN106849190B (zh) | 一种基于Rollout算法的多能互补微网实时调度方法 | |
CN111030104B (zh) | 一种含储氢装置的多能源系统提升能源利用率的方法 | |
CN112600209A (zh) | 一种含潮流能的海岛独立微电网容量多目标优化配置方法 | |
CN112990523A (zh) | 基于多目标模型预测控制的区域综合能源系统分层优化运行方法 | |
CN110808615A (zh) | 考虑不确定性的气电虚拟电厂调度优化方法 | |
CN115307054B (zh) | 一种基于微网余电制氢的加氢站设备容量优化配置方法 | |
CN115577929A (zh) | 基于多场景分析的乡村综合能源系统随机优化调度方法 | |
CN115333161A (zh) | 一种绿色水厂供电系统的容量优化配置方法 | |
CN211606121U (zh) | 矿热炉煤气参与可再生能源微电网的调峰调频系统 | |
CN117410958A (zh) | 一种基于urfc的微电网容量配置优化方法 | |
CN116484553B (zh) | 一种考虑多能互补的微电网优化设计方法 | |
CN116247745A (zh) | 考虑非计划离网风险的氢能微网滚动优化调度方法 | |
Ran et al. | Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage | |
CN112149339B (zh) | 风电-光伏-光热-电加热器互补发电系统容量优化模型 | |
Wang et al. | Capacity Optimization of Island Integrated Energy System Considering Hydrogen Energy Access | |
Cao et al. | Capacity Optimal Configuration of Wind-Hydrogen Low Carbon Energy System | |
CN111062532A (zh) | 一种考虑v2g的增量配电园区内电网容量配置优化方法 | |
CN114336764B (zh) | 一种基于sofc与电转气技术的微电网系统及其容量配置方法 | |
Shi et al. | Research on Energy Management Optimization Strategy of Integrated Energy System in Wind Photovoltaic Hydrogen Energy Storage Area | |
Fu et al. | Research on capacity configuration optimization for island microgrid with PV-wind-diesel-battery and seawater desalination load | |
CN112613901B (zh) | 一种风电和可逆燃料电池共同参与电力市场运行优化方法 | |
CN115374999B (zh) | 一种适用制氢设备启停特性的水电制氢优化配置方法 | |
Harrap et al. | Aerogenerator Configurations for Hybrid Wind-Diesel Systems | |
Zhao et al. | Optimization model of a ring-grid distribution system based on a solid-state hydrogen storage station |
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 |