CN116562575B - 一种综合能源系统的优化调度方法 - Google Patents
一种综合能源系统的优化调度方法 Download PDFInfo
- Publication number
- CN116562575B CN116562575B CN202310552652.5A CN202310552652A CN116562575B CN 116562575 B CN116562575 B CN 116562575B CN 202310552652 A CN202310552652 A CN 202310552652A CN 116562575 B CN116562575 B CN 116562575B
- Authority
- CN
- China
- Prior art keywords
- model
- hydrogen
- time
- cost
- power
- 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 65
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 229910052739 hydrogen Inorganic materials 0.000 claims description 166
- 239000001257 hydrogen Substances 0.000 claims description 166
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 128
- 238000004519 manufacturing process Methods 0.000 claims description 60
- 239000000446 fuel Substances 0.000 claims description 50
- 238000003860 storage Methods 0.000 claims description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000005868 electrolysis reaction Methods 0.000 claims description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 10
- 238000004146 energy storage Methods 0.000 claims description 10
- 230000010287 polarization Effects 0.000 claims description 9
- 239000007789 gas Substances 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009194 climbing Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- 239000012528 membrane Substances 0.000 claims description 6
- 239000003345 natural gas Substances 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 150000002431 hydrogen Chemical class 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000003197 catalytic effect Effects 0.000 claims description 2
- 238000004090 dissolution Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 229910052717 sulfur Inorganic materials 0.000 claims description 2
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 239000002918 waste heat Substances 0.000 description 5
- 238000003763 carbonization Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 239000000498 cooling water Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06Q10/06—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
-
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Fuel Cell (AREA)
Abstract
本发明涉及计算机技术领域，尤其涉及一种综合能源系统的优化调度方法。根据该实施例的方法，建立综合能源系统初始模型；对所述综合能源系统初始模型的历史光伏数据和历史风速数据分别进行预测，并对预测后的数据进行预测误差分析；基于历史光伏数据及其预测数据、历史风速数据及其预测数据，以日运行成本最低为目标函数，分别建立离网和并网模式下的综合能源系统调度模型；采用分段线性化法将离网和并网模式下的所述综合能源系统调度模型转化为混合整数线性模型，并采用CPLEX求解器对所述混合整数线性模型进行求解，以实现综合能源系统的优化调度。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种综合能源系统的优化调度方法。
背景技术
化石能源短缺与全球气候变化问题使得能源领域专家更加注重可再生能源的持续性发展。随着能源与用户间的联系日趋紧密，能够满足电、热等多种负荷需求的综合能源系统成为能源领域的一个重要发展方向。
综合能源系统有离网运行和并网运行两种模式。在并网运行模式下，系统的不平衡功率可由主网补充，不会发生功率盈余或功率缺额的现象。在离网运行模式下，由于可再生能源发电的波动性、不确定性对系统安全运行产生了巨大的影响，消纳问题日趋严重。
因此，目前亟待需要提供一种综合能源系统的优化调度方法对综合能源系统进行优化。
发明内容
本发明一个或多个实施例描述了一种综合能源系统的优化调度方法，能够对综合能源系统进行优化。
本发明实施例提供了一种综合能源系统的优化调度方法，包括：
建立综合能源系统初始模型；其中，所述综合能源系统初始模型包括电制氢模型、燃料电池模型、储氢设备模型和热力系统模型；
对所述综合能源系统初始模型的历史光伏数据和历史风速数据分别进行预测，并对预测后的数据进行预测误差分析；
在预测误差分析的结果满足预设要求时，基于历史光伏数据及其预测数据、历史风速数据及其预测数据，以日运行成本最低为目标函数，分别建立离网和并网模式下的综合能源系统调度模型；
采用分段线性化法将离网和并网模式下的所述综合能源系统调度模型转化为混合整数线性模型，并采用CPLEX求解器对所述混合整数线性模型进行求解，以实现综合能源系统的优化调度。
根据本发明实施例提供的方法，能够解决电制氢效率特性模型数学形式不统一的难题，并从成本、灵活性、效率三方面搭建的电制氢通用运行模型和氢燃料电池余热回收模型，满足实际工程项目的技术经济性能要求；通过对光伏和风机出力预测曲线进行修正，可有效降低光伏和风机出力预测偏差带来的影响，优化设备出力，延长设备使用寿命，提高综合能源系统的运行可靠性；搭建的并网/离网运行模式下的“电-热-氢”综合能源系统的优化调度模型能有效反应可再生能源渗透率、电价和氢气相对价格波动等敏感性因素对调度方案经济性的影响；所得调度方案适用场景广泛，经济效益好，能够从成本、灵活性、效率三方面合理地安排各类电制氢运行时间，实现燃料电池的余热回收，缓解清洁可再生能源消纳能力不足，推动电力能源低碳化转型，更具学术意义和工程价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了根据一个实施例的综合能源系统的优化调度方法的流程图；
图2示出了根据一个实施例的“电-热-氢”综合能源系统的优化调度策略逻辑架构图；
图3示出了根据一个实施例的“电-热-氢”综合能源系统结构及能量流动示意图；
图4示出了根据一个实施例的电制氢系统结构图；
图5示出了根据一个实施例的氢燃料电池的电、热输出功率比例控制框图；
图6示出了根据一个实施例的“电-热-氢”综合能源系统模型的循环热力系统结构图；
图7示出了根据一个实施例的“电-热-氢”综合能源系统模型的架构图；
图8示出了根据一个实施例的热电联产机组成本函数曲线的分段线性化示意图；
具体实施方式
下面结合附图，对本发明提供的方案进行描述。
图1示出根据一个实施例的综合能源系统的优化调度方法的流程图。可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。如图1和图2所示，该方法包括：
步骤100、建立综合能源系统初始模型；其中，所述综合能源系统初始模型包括电制氢模型、燃料电池模型、储氢设备模型和热力系统模型；
步骤102、对所述综合能源系统初始模型的历史光伏数据和历史风速数据分别进行预测，并对预测后的数据进行预测误差分析；
步骤104、在预测误差分析的结果满足预设要求时，基于历史光伏数据及其预测数据、历史风速数据及其预测数据，以日运行成本最低为目标函数，分别建立离网和并网模式下的综合能源系统调度模型；
步骤106、采用分段线性化法将离网和并网模式下的所述综合能源系统调度模型转化为混合整数线性模型，并采用CPLEX求解器对所述混合整数线性模型进行求解，以实现综合能源系统的优化调度。
在本实施例中，通过解决电制氢效率特性模型数学形式不统一的难题，并从成本、灵活性、效率三方面搭建的电制氢通用运行模型和氢燃料电池余热回收模型，以满足实际工程项目的技术经济性能要求；通过对光伏和风机出力预测曲线进行修正，可有效降低光伏和风机出力预测偏差带来的影响，优化设备出力，延长设备使用寿命，提高综合能源系统的运行可靠性；搭建的并网/离网运行模式下的“电-热-氢”综合能源系统的优化调度模型能有效反应可再生能源渗透率、电价和氢气相对价格波动等敏感性因素对调度方案经济性的影响；所得调度方案适用场景广泛，经济效益好，能够从成本、灵活性、效率三方面合理地安排各类电制氢运行时间，实现燃料电池的余热回收，缓解清洁可再生能源消纳能力不足，推动电力能源低碳化转型，更具学术意义和工程价值。
电制氢主流技术有三种，包括基于碱性电解技术(AEC)、质子交换膜电解技术(PEMEC)、基于固体氧化物电解技术(SOEC)。三种电制氢技术分别在成本、灵活性、效率3方面各有优劣，不同场景下的电制氢优化调度是综合能源系统领域的重要问题。然而，已有研究中的电制氢效率特性模型数学形式不统一，未考虑电制氢设备运行过程中的启停延时与爬坡约束，缺乏同时体现成本、灵活性、效率三方面技术经济性能的电制氢通用运行模型。
目前，利用氢燃料电池热电联产特性开展综合能源系统优化调度、经济运行等方面的研究已取得了一定的进展，但仍未摆脱“以热定电”的限制，削弱了氢燃料电池的调峰能力，同时未能考虑可再生能源出力的不确定性，制约了可再生能源的消纳。因此有必要搭建并网/离网运行模式下的“电-热-氢”综合能源系统的优化调度模型，用于解决上述问题。
本发明以“电-热-氢”综合能源系统模型为研究对象进行优化调度，系统结构及能量流动如图3所示。主要包含可再生能源发电、市政电网等供能设备，热电联产机组、电锅炉、氢燃料电池、电制氢等能源转换设备以及储热、储氢等储能设备。“电-热-氢”综合能源系统中的电制氢运行、氢燃料电池热电耦合、氢储能和热力系统的建模分析详述如下：
在本发明一个实施例中，电制氢模型包括启停模型、产出模型和功率模型，其中：
启停模型如下公式所示：
式中，分别表征所述电制氢模型在t时刻的开关状态、开始启动动作、开始关停动作的指示变量；M表征所述电制氢模型所采用的电解技术；k表征所述电制氢模型的编号；αM表征启动时延；T是调度周期，取24小时；YM,max、ZM,max分别表示M电解模型日内开机、停机次数上限；
产出模型如下公式所示：
式中，表征电制氢的产氢速率；/>表征电制氢的工作电流；/>表征电制氢在t时刻的工作功率；/>表征电制氢的工作效率；γ表征单位时段制氢量单位mol/s到kg/h的换算系数，取7.2；F为法拉第常数，取96485C/mol；UHHV＝1.48V；
功率模型如下公式所示：
式中，PM,min、PM,max分别表征每个M电解技术在开机状态下的工作功率上下限；PM ,boot表征所述电制氢模型在启动过程中需要消耗功率；ΔPM,max表征每个M电解技术在开机状态下单位时段的最大爬坡功率。
国内外已有研究提出将富余可再生能源出力用于电解水制氢。结合燃料电池发电技术，二者可用于解决可再生能源消纳问题，并能够辅助综合能源系统实现调峰。目前，电解水制氢使用的电解技术主要包括碱性电解技术(AEC)、质子交换膜电解技术(PEMEC)、固体氧化物电解技术(SOEC)3类。大规模电制氢系统构成，如图4所示。大容量电制氢系统由多个独立受控的模型构成，各模型可独立选型和进行启停、产出控制。因此，本节以电制氢模型为研究对象进行统一建模。模型框架主要包括启停模型、产出模型与功率模型。其中，电制氢模型技术指标主要包括启动延时、启停能力、产出特性、工作范围、启动功率、爬坡能力等6个部分。
在本发明一个实施例中，由于氢燃料电池的电能输出和热能输出相互影响，其运行机理的研究对于满足负荷需求以及提高氢燃料电池的产能效率十分重要。因此，在考虑氢气供给速度、反应堆温度等影响因素的前提下，本节搭建了氢燃料电池的热电联产模型，如下公式所示：
式中，为时刻t的能斯特电压；/>为时刻t的活化极化过电压损耗；/>为时刻t的欧姆极化过电压损耗；/>为时刻t的浓差极化过电压损耗；k为电池编号；/>为电堆温度；pH2为氢气分压；pO2为氧气分压；pH2O为水蒸气分压；ξ1、ξ2、ξ3、ξ4为经验参数；J为电池的电流密度；κO2为气液界面的氧溶解浓度；Rm为质子通过膜电极的等效阻抗；Rc为电子通过极板的等效阻抗；ρ为膜电阻率；β为膜的厚度；A为膜的有效面积；λT为温度相关系数；ω为气体在催化层中的增长率；NHFC为串联的氢燃料电池个数；/>为串联氢燃料电池组的输出电压；/>串联氢燃料电池组的输出电流；/>串联氢燃料电池组的电输出功率；F为法拉第常数；/>为氢气供给速率；GH2为氢气的摩尔质量，取2.02×10-3kg/mol；/>为氢燃料电池的热输出功率。
由上述公式可以看出，氢燃料电池的电、热输出功率主要与氢气供给速率、活化极化过电压损耗、欧姆极化过电压损耗、浓差极化过电压损耗相关。三种过电压损耗主要与氢燃料电池的工作温度相关。因此，可以通过控制氢气供给速率和燃料电池的工作温度决定其电、热输出功率比例。为了使氢燃料电池工作在60～80℃的正常温度区间，需要在双极板内的冷却水通道用循环水冷却，冷却水流速越快，带走的热能越多。因此，氢燃料电池的工作温度由冷却水流速和热输出功率/>共同决定。氢燃料电池的热输出功率又分为循环水带走的有用热功率/>和散发到空气中的无用热功率/>综上所述，氢燃料电池的电、热输出功率比例控制框图如图5所示。
在本发明一个实施例中，考虑到与传统的电化学储能不同，氢气可以压缩储存于标准储氢罐中，与电解槽、燃料电池等能源转化装置之间有一定的相对独立性，且可以用货车运输到加氢站售卖获利。因此，本发明在考虑储氢设备模型约束条件时将其松弛为一个调度周期内储氢设备中的总储氢量不变，详述如下：
第一，储氢设备模型需要考虑储氢量与电制氢制氢速率和HFC耗氢速率之间的关系，同时需要考虑的约束条件依次包括：储氢量约束、氢储能在调度周期始末时刻储氢总量不变的约束，如下公式所示：
式中，Ft H2S式中为储氢罐在t时刻的储氢量；为储氢罐的储氢量上限值；F1 H2S、分别为储氢罐在调度周期始末时刻的储氢量；
第二，通过上述公式可得储氢设备的总运输成本，考虑储氢设备的运输时间，需要在调度周期结束前保留Ttran的提前量，因此储氢设备的运输时间约束如下公式所示：
式中，为一个调度周期用货车向加氢站运输所产生的总成本；/>为氢能运输成本系数，本发明取2.247元/kg；T为调度周期；Ttran为最大运输时间。
在本发明一个实施例中，热力系统模型如下公式所示：
(∑mout)Tout＝∑(minTin)
式中，为热负荷；Cp为水的比热容；mq为流入负荷的水流量；Ts为供水温度；T0为回水温度；mout为流出管道的水流量；Tout为流出管道的水温；min为流入管道的水流量；Tin为流入管道的水温；/>Pt CHP分别为热电联产机组的热、电输出功率；ηCHP为热电联产机组热功率输出与天然气消耗量的比值，本发明取1.2；/>为热电联产机组在t时刻的天然气消耗量；ξCHP为燃气轮机的热电比，本发明取值为1.5；/>为电锅炉在t时刻热输出功率，ηEB为电锅炉的产热效率，本发明取0.9；/>为电锅炉在t时刻的电功率消耗。
“电-热-氢”综合能源系统中的热力模型以氢燃料电池、热电联产机组、电锅炉为热源，以换热器为媒介，经由供热管道和回热管道实现热能的循环流动，如图6所示。
目前可再生能源出力短期预测方法包括时间序列预测法、神经网络法及支持向量机(SVM)等。其中，支持向量机是一种基于结构风险最小化原理的预测模型，可以最大限度地提高学习机的泛化能力，在样本数据较少的情况下也可以得到相对较小的预测误差。因此，本发明根据历史数据建立支持向量机模型进行光伏出力短期预测。历史数据如下公式所示：
式中，PRE为可再生能源出力历史数据向量，RE∈{PV,WT}。为第i个采样点的可再生能源出力。i＝0,1,…,K，K为采样点数量。
理想化的风机功率模型可表示为分段函数的形式。当风速小于额定风速时，系统采用最大功率追踪控制，追求风能利用效率最大化；当风速大于额定风速时，通常采用恒定功率运行模式；在额定风速附近会存在一个过渡区间，用来满足控制策略的平稳切换。因此，风电机组的输出功率模型如下公式所示：
式中，为时刻t的风速；νin、νout为切入、切出风速；νR+、νR-为风速过渡区间的上下界；m、n为分段数；/>为多项式拟合参数，参照设备厂家提供的测试数据；
光伏的输出功率模型如下公式所示：
式中，PSTC为标准测试环境下的光伏最大输出功率；为标准测试环境下的光照强度；/>为实际光照强度；εT为功率温度系数，取值为-0.47％/℃；Tτ为参考温度；/>为光伏电池的温度；Tt amd为环境温度；
由上述公式可知，风速和光照强度是造成可再生能源出力不确定性的主要因素。结合可再生能源出力预测采样点数据，预测风速和光照强度/>并根据列维-林德伯格中心极限定理，采用正态分布函数表示可再生能源出力预测误差，对可再生能源出力预测值进行修正，如下公式所示：
式中，ΔPRE为可再生能源出力预测值误差；为第i个采样点的可再生能源出力预测值误差；/>为ΔPRE的方差；f(ΔPRE)为误差函数。
能源网是未来电网的发展趋势，应该从整个社会能源产出、利用效率和效益最大化的角度，制定能源网的运行策略。本发明研究“电-热-氢”综合能源系统优化调度的意义在于优化控制各设备的出力，在维持电、热供需平衡的前提下，使“电-热-氢”综合能源系统的日运行成本最低，具体架构如图7所示。“电-热-氢”综合能源系统模型有离网和并网2种运行模式，详述如下：
在本发明一个实施例中，离网模式下的综合能源系统调度模型以系统日运行成本最低为目标定义目标函数，如下公式所示：
minftot,l＝CPV&WT+Ccur+CP2H+CH2S+CHFC+CEB+Cgas
式中，ftot,l为离网运行模式下的系统日运行成本；T为调度周期；CPV&WT为光伏和风机的发电成本；Ccur为弃风弃光的惩罚成本；C电制氢为电制氢制氢成本；CH2S为氢储能的储氢成本；CHFC、CEB、CCHP分别为燃料电池、电锅炉、热电联产机组的日运行成本；λPV、λWT分别为光伏、风机的日运行成本系数，本发明分别取0.0235和0.0196；分别为光伏、风机的固定成本，本发明分别取8000元和5000元；/>分别为弃风弃光的惩罚成本系数，本发明均取1.7元/kW；Pt PV,cur、Pt WT,cur分别为t时刻的弃风弃光功率；/>为M类型电制氢的成本系数，M∈{A,P,S}；/>为M类型电解槽的固定日运行成本；λH2S为氢储能的储氢成本系数，本发明取0.045；/>为氢储能的储氢固定维护费用，本发明取5000元；λHFC为燃料电池的日运行成本系数，本发明取3.5；Pt HFC为t时刻燃料电池的输出电功率；ηHFC为燃料电池的运行效率；/>为燃料电池的固定维护费用，本发明取6000元；λEB为电锅炉的日运行成本系数，本发明取0.32；/>为电锅炉的固定维护费用，本发明取1000元；λgas为天然气价格系数，本发明取2.5元/m3；aCHP、bCHP、cCHP为热电联产机组的燃料成本系数；/>为热电联产机组的固定维护费用，本发明取5000元；
离网模式下的综合能源系统调度模型需要考虑的约束条件依次包括电功率平衡约束、热功率平衡约束、可控设备(包括热电联产机组、燃料电池、电锅炉)输出功率约束、可控设备的功率爬坡约束、可控设备的启停时间约束、光伏和风机出力约束，如下公式所示：
式中，Pt el为t时刻的电负荷；为t时刻的热负荷；k∈{CHP,HFC,EB}，为设备集合，分别表示热电联产机组、燃料电池、电锅炉；/>分别为可控设备k的输出功率上下限；/>别为可控设备k的向上、向下爬坡速率；/>分别为设备k的最小连续开机时间、停机时间；Tt k,on、Tt k,off分别为设备k在t时刻之前(不包含t时刻)的连续开机、停机时间；Pt PV、Pt WT分别为光伏和风机出力的最大值。
在本发明一个实施例中，并网模式下的综合能源系统调度模型以系统日运行成本最低和电能和氢能的交易成本最低为目标定义目标函数，如下公式所示：
minftot,b＝ftot,l+CElec,int+CH2,int+CH2,tran
式中，ftot,b为并网运行模式下的系统日运行成本；CElec,int为电能的交易成本；为氢气的交易成本；/>表示分时电价；Pt elec,int为t时刻系统与市政电网间的联络线功率；系统从市政电网购电时，Pt elec,int＞0；系统向市政电网售电时，Pt elec,int＜0；λH2为氢气交易价格，本发明取40元/kg；
并网运行模式下，除了需满足离网运行模式约束外，还需满足电功率平衡约束和系统与市政电网间的联络线功率约束，如下公式所示：
Pt PV+Pt WT+Pt HFC+Pt CHP+Pt elec,int＝Pt el+Pt P2H+Pt EB
式中，分别为联络线功率的上下限。
本发明建立的“电-热-氢”综合能源系统的运行调度模型属于混合整数非线性模型，为加快计算速度，通过分段线性化方法将“电-热-氢”综合能源系统的运行调度模型转化为混合整数线性模型。然后，基于MATLAB平台与YALMIP工具箱搭建了综合能源系统的优化调度模型，并采用CPLEX求解器进行求解，详述如下：
混合整数非线性模型求解的标准形式如下公式所示：
式中，f(x,y)为优化目标函数；x为供能设备、能源转换设备及储能设备的出力变量，xmax、xmin分别为设备出力上下限；y为设备的启停状态优化变量；g(x,y)为等式约束条件，包括系统的电、热功率平衡约束；h(x,y)为不等式约束条件，包括能源转换设备运行约束、储能设备运行约束、可再生能源发电出力约束；v、w分别为等式约束条件、不等式约束条件的个数；
热电联产机组成本函数的线性化如下公式所示：
式中，为热电联产机组成本曲线的第n分段斜率；Pt CHP,n为t时刻第n分段热电联产机组的电功率；/>为t时刻热电联产机组的启停状态；当CHP处于启动状态时，/>当CHP处于停机状态时，/>
最小开机时间约束的线性化如下公式所示：
式中，为设备k的初始开机时间；i为0时刻之前机组已开机或关机时长；Tk为开始时刻设备k要求的开机时间；
最小停机时间约束的线性化如下公式所示：
式中，为设备k的初始停机时间；Tk′为开始时刻设备k要求的停机时间。
CHP成本的计算表达式如上述公式所示，其可以用二次函数曲线表示。消除二次函数的常数项cCHP，则天然气费用与发电功率之间的函数关系曲线如图8所示，将其分为N段进行线性逼近。
综上所述，本发明的并/离网运行模式下的“电-热-氢”综合能源系统优化调度方法，围绕氢能的制、储及利用，分析三种电制氢技术热力学及电化学机理的差异性，搭建消纳可再生能源的电制氢模型统一运行模型，助力发电低碳化转型；搭建燃料电池的热量传递模型，与热电联产机组和电锅炉共同作为综合能源系统的热电耦合元件，实现系统的能源利用效率提升；考虑光照强度和风速的不确定性，提出预测误差修正方法，保障可再生能源出力预测在优化调度过程中的精度；面向运行成本最优，充分考虑可再生能源消纳能力、运输成本、多种设备运行等多方面因素，并网/离网运行模式下的“电-热-氢”综合能源系统的优化调度模型，提出的优化调度方案适用场景广泛，经济效益好，能够从成本、灵活性、效率三方面合理地安排各类电制氢运行时间，实现燃料电池的余热回收，缓解清洁可再生能源消纳能力不足，推动电力能源低碳化转型。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (1)
1.一种综合能源系统的优化调度方法，其特征在于，包括：
建立综合能源系统初始模型；其中，所述综合能源系统初始模型包括电制氢模型、燃料电池模型、储氢设备模型和热力系统模型；
对所述综合能源系统初始模型的历史光伏数据和历史风速数据分别进行预测，并对预测后的数据进行预测误差分析；
在预测误差分析的结果满足预设要求时，基于历史光伏数据及其预测数据、历史风速数据及其预测数据，以日运行成本最低为目标函数，分别建立离网和并网模式下的综合能源系统调度模型；
采用分段线性化法将离网和并网模式下的所述综合能源系统调度模型转化为混合整数线性模型，并采用CPLEX求解器对所述混合整数线性模型进行求解，以实现综合能源系统的优化调度；
所述电制氢模型包括启停模型、产出模型和功率模型，其中：
所述启停模型为：
式中，分别表征所述电制氢模型在t时刻的开关状态、开始启动动作、开始关停动作的指示变量；M表征所述电制氢模型所采用的电解技术；k表征所述电制氢模型的编号；αM表征启动时延；T是调度周期，取24小时；YM,max、ZM,max分别表示M电解模型日内开机、停机次数上限；
所述产出模型为：
式中，表征电制氢的产氢速率；/>表征电制氢的工作电流；/>表征电制氢在t时刻的工作功率；/>表征电制氢的工作效率；γ表征单位时段制氢量单位mol/s到kg/h的换算系数，取7.2；F为法拉第常数，取96485C/mol；UHHV＝1.48V；
所述功率模型为：
式中，PM,max、PM,min分别表征每个M电解技术在开机状态下的工作功率上下限；PM,boot表征所述电制氢模型在启动过程中需要消耗功率；ΔPM,max表征每个M电解技术在开机状态下单位时段的最大爬坡功率；
所述燃料电池模型为：
式中，为时刻t的能斯特电压；/>为时刻t的活化极化过电压损耗；/>为时刻t的欧姆极化过电压损耗；/>为时刻t的浓差极化过电压损耗；k为电池编号；/>为电堆温度；pH2为氢气分压；pO2为氧气分压；pH2O为水蒸气分压；ξ1、ξ2、ξ3、ξ4为经验参数；J为电池的电流密度；κO2为气液界面的氧溶解浓度；Rm为质子通过膜电极的等效阻抗；Rc为电子通过极板的等效阻抗；ρ为膜电阻率；β为膜的厚度；A为膜的有效面积；λT为温度相关系数；ω为气体在催化层中的增长率；NHFC为串联的氢燃料电池个数；/>为串联氢燃料电池组的输出电压；为串联氢燃料电池组的输出电流；Pt HFC为串联氢燃料电池组的电输出功率；F为法拉第常数；/>为氢气供给速率；GH2为氢气的摩尔质量，取2.02×10-3kg/mol；/>为氢燃料电池的热输出功率；
所述储氢设备模型为：
式中，Ft H2S式中为储氢罐在t时刻的储氢量；为储氢罐的储氢量上限值；F1 H2S、/>分别为储氢罐在调度周期始末时刻的储氢量；/>为一个调度周期用货车向加氢站运输所产生的总成本；/>为氢能运输成本系数，取2.247元/kg；T为调度周期；Ttran为最大运输时间；NP2H是电制氢模型的总数；
所述热力系统模型为：
(∑mout)Tout＝∑(minTin)
式中，为热负荷；Cp为水的比热容；mq为流入负荷的水流量；Ts为供水温度；T0为回水温度；mout为流出管道的水流量；Tout为流出管道的水温；min为流入管道的水流量；Tin为流入管道的水温；/>Pt CHP分别为热电联产机组的热、电输出功率；ηCHP为热电联产机组热功率输出与天然气消耗量的比值，取1.2；/>为热电联产机组在t时刻的天然气消耗量；ξCHP为燃气轮机的热电比，取值为1.5；/>为电锅炉在t时刻热输出功率，ηEB为电锅炉的产热效率，取0.9；Pt EB为电锅炉在t时刻的电功率消耗；
所述离网模式下的综合能源系统调度模型是通过如下公式建立的：
minftot,l＝CPV&WT+Ccur+CP2H+CH2S+CHFC+CEB+CCHP
式中，ftot,l为离网运行模式下的系统日运行成本；T为调度周期；CPV&WT为光伏和风机的发电成本；Ccur为弃风弃光的惩罚成本；CP2H为电制氢的制氢成本；CH2S为氢储能的储氢成本；CHFC、CEB、CCHP分别为燃料电池、电锅炉、热电联产机组的日运行成本；λPV、λWT分别为光伏、风机的日运行成本系数，分别取0.0235和0.0196；分别为光伏、风机的固定成本，分别取8000元和5000元；/>分别为弃光、弃风的惩罚成本系数，均取1.7元/kW；Pt PV ,cur、Pt WT,cur分别为t时刻的弃光功率、弃风功率；/>为M类型电制氢的成本系数，M∈{A,P,S}；/>为M类型电解槽的固定日运行成本；λH2S为氢储能的储氢成本系数，取0.045；/>为氢储能的储氢固定维护费用，取5000元；λEB为电锅炉的日运行成本系数，取0.32；/>为电锅炉的固定维护费用，取1000元；λgas为天然气价格系数，取2.5元/m3；aCHP、bCHP、cCHP为热电联产机组的燃料成本系数；/>为热电联产机组的固定维护费用，取5000元；
所述离网模式下的综合能源系统调度模型的约束条件为：
Pt PV+Pt WT+Pt HFC+Pt CHP＝Pt el+Pt P2H+Pt EB
式中，Pt HFC为t时刻燃料电池的输出电功率；Pt el为t时刻的电负荷；为t时刻的热负荷；k∈{CHP,HFC,EB}，为设备集合，分别表示热电联产机组、燃料电池、电锅炉；/>分别为可控设备k的输出功率上下限；/> 别为可控设备k的向上、向下爬坡速率；分别为设备k的最小连续开机时间、停机时间；Tt k,on、Tt k,off分别为设备k在t时刻之前的连续开机、停机时间；Pt PV、Pt WT分别为光伏和风机出力的最大值；
所述并网模式下的综合能源系统调度模型是通过如下公式建立的：
式中，ftot,b为并网运行模式下的系统日运行成本；CElec,int为电能的交易成本；为氢气的交易成本；/>表示分时电价；Pt elec,int为t时刻系统与市政电网间的联络线功率；系统从市政电网购电时，Pt elec,int＞0；系统向市政电网售电时，Pt elec,int＜0；λH2为氢气交易价格，取40元/kg；
所述并网模式下的综合能源系统调度模型的约束条件为：
Pt PV+Pt WT+Pt HFC+Pt CHP+Pt elec,int＝Pt el+Pt P2H+Pt EB
式中，分别为联络线功率的上下限；
所述混合整数线性模型用于针对热电联产机组成本函数的线性化、针对最小开机时间约束的线性化和针对最小停机时间约束的线性化，其中：
热电联产机组成本函数的线性化方程如下所示：
式中，cCHP为二次函数的常数项；为热电联产机组成本曲线的第n分段斜率；Pt CHP,n为t时刻第n分段热电联产机组的电功率；/>为t时刻热电联产机组的启停状态；当CHP处于启动状态时，/>当CHP处于停机状态时，/>
最小开机时间约束的线性化方程如下所示：
式中，为设备k的初始开机时间；i为0时刻之前机组已开机或关机时长；Tk为开始时刻设备k要求的开机时间；
最小停机时间约束的线性化方程如下所示：
式中，为设备k的初始停机时间；Tk′为开始时刻设备k要求的停机时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310552652.5A CN116562575B (zh) | 2023-05-16 | 2023-05-16 | 一种综合能源系统的优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310552652.5A CN116562575B (zh) | 2023-05-16 | 2023-05-16 | 一种综合能源系统的优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116562575A CN116562575A (zh) | 2023-08-08 |
| CN116562575B true CN116562575B (zh) | 2023-10-31 |
Family
ID=87494296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310552652.5A Active CN116562575B (zh) | 2023-05-16 | 2023-05-16 | 一种综合能源系统的优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116562575B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105356492A (zh) * | 2015-11-30 | 2016-02-24 | 华南理工大学 | 一种适用于微电网的能量管理仿真系统及方法 |
| CN112990523A (zh) * | 2019-12-16 | 2021-06-18 | 国网江苏省电力有限公司电力科学研究院 | 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 |
| CN113792953A (zh) * | 2021-07-06 | 2021-12-14 | 国电南瑞南京控制系统有限公司 | 一种虚拟电厂优化调度方法及系统 |
| WO2022048127A1 (zh) * | 2020-09-04 | 2022-03-10 | 华北电力大学 | 一种电热泵-热电联合系统的优化调控方法及系统 |
| CN114169941A (zh) * | 2021-12-18 | 2022-03-11 | 国网综合能源服务集团有限公司 | 一种考虑碳价不确定性的综合能源系统低碳调度方法 |
| CN114169636A (zh) * | 2021-12-18 | 2022-03-11 | 国网综合能源服务集团有限公司 | 一种综合能源系统日前调度方法 |
| CN114219195A (zh) * | 2021-09-22 | 2022-03-22 | 上海电机学院 | 一种区域综合能源容量优化控制方法 |
| CN115774935A (zh) * | 2022-12-01 | 2023-03-10 | 国网福建省电力有限公司 | 弱联型风光储微电网运行优化方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10389136B2 (en) * | 2015-10-08 | 2019-08-20 | Con Edison Battery Storage, Llc | Photovoltaic energy system with value function optimization |
-
2023
- 2023-05-16 CN CN202310552652.5A patent/CN116562575B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105356492A (zh) * | 2015-11-30 | 2016-02-24 | 华南理工大学 | 一种适用于微电网的能量管理仿真系统及方法 |
| CN112990523A (zh) * | 2019-12-16 | 2021-06-18 | 国网江苏省电力有限公司电力科学研究院 | 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 |
| WO2022048127A1 (zh) * | 2020-09-04 | 2022-03-10 | 华北电力大学 | 一种电热泵-热电联合系统的优化调控方法及系统 |
| CN113792953A (zh) * | 2021-07-06 | 2021-12-14 | 国电南瑞南京控制系统有限公司 | 一种虚拟电厂优化调度方法及系统 |
| CN114219195A (zh) * | 2021-09-22 | 2022-03-22 | 上海电机学院 | 一种区域综合能源容量优化控制方法 |
| CN114169941A (zh) * | 2021-12-18 | 2022-03-11 | 国网综合能源服务集团有限公司 | 一种考虑碳价不确定性的综合能源系统低碳调度方法 |
| CN114169636A (zh) * | 2021-12-18 | 2022-03-11 | 国网综合能源服务集团有限公司 | 一种综合能源系统日前调度方法 |
| CN115774935A (zh) * | 2022-12-01 | 2023-03-10 | 国网福建省电力有限公司 | 弱联型风光储微电网运行优化方法及系统 |
Non-Patent Citations (10)
| Title |
|---|
| 主动配电网中基于统一运行模型的电制氢(P2H)模块组合选型与优化规划;李佳蓉 等;《中国电机工程学报》;第41卷(第12期);4021-4033 * |
| 区域综合能源系统运行调度与优化规划;刘晓鸥;《中国博士学位论文全文数据库工程科技Ⅱ辑》(第06期);C039-11 * |
| 含风电制氢装置的综合能源系统优化运行;郭梦婕 等;《中国电力》;第53卷(第01期);115-123+161 * |
| 李佳蓉 等.主动配电网中基于统一运行模型的电制氢(P2H)模块组合选型与优化规划.《中国电机工程学报》.2020,第41卷(第12期),4021-4033. * |
| 模块式绿氢储用系统集成研究;陆洋 等;《能源工程》;第43卷(第01期);43-48 * |
| 燃料电池汽车集成热管理系统节能控制;王玉腾;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(第03期);C035-422 * |
| 考虑移动氢储能和高密度可再生能源的主动配电网优化调度;朱俊澎 等;《电力自动化设备》;第40卷(第12期);42-50 * |
| 计及旋转备用的电动汽车与风电/火电协调优化调度;潘军 等;《合肥工业大学学报(自然科学版)》;第42卷(第03期);409-414 * |
| 计及电转氢和燃料电池的电热微网日前经济协调调度模型;蔡钦钦 等;《电力自动化设备》;41(10);107-112+161 * |
| 质子交换膜燃料电池温度控制策略及优化;于福东;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》(第02期);B015-1322 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116562575A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xing et al. | Modeling and operation of the power-to-gas system for renewables integration: a review | |
| Teng et al. | Multi-energy storage system model based on electricity heat and hydrogen coordinated optimization for power grid flexibility | |
| CN110544935B (zh) | 一种电-氢多能互补直流微电网协调调度方法 | |
| CN113850474B (zh) | 一种热电氢多能流综合能源系统及其优化调度方法 | |
| CN112886645B (zh) | 一种基于氢能超高比例的新能源电力系统运行模拟方法 | |
| 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 | |
| Petrollese | Optimal generation scheduling for renewable microgrids using hydrogen storage systems | |
| Liu | Optimal scheduling strategy of electricity‐heat‐hydrogen integrated energy system under different operating modes | |
| CN114759599A (zh) | 光氢燃料电池热电联供系统、容量配置方法及介质 | |
| Qiu et al. | Extended load flexibility of industrial P2H plants: A process constraint-aware scheduling approach | |
| Zahedi et al. | Conceptual design and simulation of a stand-alone Wind/PEM fuel Cell/Hydrogen storage energy system for off-grid regions, a case study in Kuhin, Iran | |
| Zhu et al. | Modelling and fuel flow control of PEMFC considering over-pressure case | |
| CN116562575B (zh) | 一种综合能源系统的优化调度方法 | |
| Miland | Operational experience and control strategies for a stand-alone power system based on renewable energy and hydrogen | |
| Du et al. | Energy management and performance analysis of an off-grid integrated hydrogen energy utilization system | |
| CN109784551A (zh) | 一种考虑电解水与甲烷化运行特性的电转气系统优化调度方法 | |
| CN116191485A (zh) | 一种基于状态机的综合能源系统控制方法 | |
| CN115392673A (zh) | 一种微电网低碳调度方法、系统、电子设备和介质 | |
| CN113629881B (zh) | 具备热平衡保持能力的氢储能系统及优化方法 | |
| CN116111733B (zh) | 基于电解槽和高压储氢罐的港口氢-电综合能源系统 | |
| Zhou et al. | Research on daily scheduling optimization of integrated energy system considering equipment nonlinearity | |
| CN209592200U (zh) | 一种基于燃料电池的撬装式静默兆瓦级电站 | |
| CN115860358A (zh) | 一种双燃料电池氢储能综合能源系统优化调度方法 | |
| Cao et al. | Dynamic Dispatch of Integrated Wind, Solar and Hydrogen Energy Systems Based on Single Layer Variable Steps | |
| CN116050700A (zh) | 一种计及燃料电池热电联供的综合能源系统优化调度改进方法 |
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 |