CN116613801A - 一种风光蓄电池混合氢储能发电系统日前优化调度方法 - Google Patents

一种风光蓄电池混合氢储能发电系统日前优化调度方法 Download PDF

Info

Publication number
CN116613801A
CN116613801A CN202310571920.8A CN202310571920A CN116613801A CN 116613801 A CN116613801 A CN 116613801A CN 202310571920 A CN202310571920 A CN 202310571920A CN 116613801 A CN116613801 A CN 116613801A
Authority
CN
China
Prior art keywords
period
power
time
wind
output
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
CN202310571920.8A
Other languages
English (en)
Inventor
李超顺
朱甜
常鹏霞
石家康
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202310571920.8A priority Critical patent/CN116613801A/zh
Publication of CN116613801A publication Critical patent/CN116613801A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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
    • H02J15/00—Systems for storing electric energy
    • H02J15/008—Systems for storing electric energy using hydrogen as energy vector
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种风光蓄电池混合氢储能发电系统日前优化调度方法，属于供电管理技术领域。本发明方法首先综合考虑风光储能计划出力偏差惩罚成本、弃风弃光惩罚成本和碳排放环境效益，以风光蓄电池混合氢储能发电系统联合运行的期望最大化为优化目标构建优化模型；再为所述优化模型添加功率平衡约束、风机光伏出力约束、蓄电池约束、电解槽出力约束、储氢罐储能约束、燃料电池出力约束和电价需求响应约束；最后对所述优化模型求解，得到所述风光蓄电池混合氢储能发电系统联合运行的最大期望。通过本发明方法可有效提高风光蓄电池混合氢储能发电系统的发电效率、环境效益、稳定性和安全性。

Description

一种风光蓄电池混合氢储能发电系统日前优化调度方法
技术领域
本发明属于供电管理技术领域，更具体地，涉及一种风光蓄电池混合氢储能发电系统日前优化调度方法。
背景技术
近年来，新能源发电中风力发电、光电发展迅速且技术比较成熟。尽管风光具有良好的互补特性可用来发电进行优化调度，但风光的随机性、波动性导致大量的弃风、弃光现象存在，在含风电、光伏的综合能源系统优化调度计及风电、光伏出力与负荷不确定性非常重要；同时储能技术日渐成熟，其灵活快捷的充放电运行方式在电力系统削峰填谷、提供备用、平抑波动等方面具有广阔的应用前景。
氢储能被认为是一种具有极大潜力的新型大规模储能技术；氢气作为一种清洁的新能源，氢能具有能量密度高、绿色无污染等许多优点，并能满足资源与环境可持续发展的要求；同时蓄电池储能装置能进行快速的充放电，从而实现较大范围的功率调节；因此可将蓄电池储能与氢储能相结合的储能方式，可以实现能量型储能与功率型储能二者之间的优势互补，从而提高风光混合储能系统日前优化调度运行的效率和安全可靠性。目前关于电氢综合能源系统研究大多忽略季节差异因素影响，忽略在需求侧引导客户改变用电习惯，在将部分调峰负荷转移到低谷的同时为客户带来收益，达到调峰补谷的目的，实现供需灵活双响应。储能装置方面蓄电池储能很少考虑蓄电池储能的寿命，从系统成本以及长期效益角度来看，需要对蓄电池装置采取充放策略；制氢储能大多考虑制氢效益，很少考虑制氢的安全性，很少考虑到电解槽和燃料电池的输出功率受到储氢罐容量的限制。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了，其目的在于提高风光蓄电池混合氢储能发电系统的发电效率、环境效益、稳定性和安全性。
为实现上述目的，本发明提供了一种风光蓄电池混合氢储能发电系统日前优化调度方法，所述方法包括：
综合考虑风光储能计划出力偏差惩罚成本、弃风弃光惩罚成本和碳排放环境效益，以风光蓄电池混合氢储能发电系统联合运行的期望最大化为优化目标构建优化模型；
为所述优化模型添加功率平衡约束、风机光伏出力约束、蓄电池约束、电解槽出力约束、储氢罐储能约束、燃料电池出力约束和电价需求响应约束；
对所述优化模型求解，得到所述风光蓄电池混合氢储能发电系统联合运行的最大期望。
优选的，所述优化模型为：
其中，T表示所有时间；PWT，t、PPV，t分别为第t时段的风电、光伏出力；Cpunish,t为第t时段风光储能计划出力偏差惩罚成本；PWTabandon,t、PPVabandon,t分别为第t时段的弃风、弃光出力；分别为第t时段的弃风、弃光惩罚成本；PEL,t为第t时段的电解槽输入功率；PFC,t为燃料电池第t时段出输出功率；/>为碳排放环境效益；Ct 0为t时段电价；PBAT,t为蓄电池在t时段的出力。
优选的，所述优化模型中风光储能计划出力偏差惩罚成本为：
其中，Pc,t为t时段日前计划出力；PTOT，t为t时段的有功出力；Ct 0为t时段电价；I为风光联合出力的状态量；ru为惩罚系数；PBATch,t、PBATdis,t分别为第t时段的蓄电池储能充电、放电功率。
优选的，所述优化模型中碳排放环境效益为：
其中，为二氧化碳排放速率；CScoal为火电供应耗煤率；是发电系统的在线发电量。
优选的，所述优化模型中功率平衡约束为：
其中，Pf{·}为事件持有的置信度；PWTc,t为t时段风电预测值；PPVc,t为t时段光伏预测值；PLc,t为t时段负荷预测值；为t时段风电模糊参数；/>为t时段光伏模糊参数；为t时段负荷模糊参数；PWT1,t,PWT2,t,PWT3,t为风电的隶属度参数；PPV1,t,PPV2,t,PPV3,t为光伏的隶属度参数；PL1,t,PL2,t,PL3,t为负荷的隶属度参数；ωWT1,ωWT2,ωWT3为风电比例参数；ωPV1,ωPV2,ωPV3为光伏比例参数；ωL1,ωL2,ωL3为负荷比例参数。
优选的，所述优化模型中风机光伏出力约束为：
其中，PWT,max、PPV,max分别为风力和光伏发电的最大功率。
优选的，所述优化模型中蓄电池约束包括：
荷电态约束：
其中，SOCt、SOCt-1分别为蓄电池在时间t和t-1时刻的荷电态；SOCmin为最小荷电态；SOCmax为最大荷电态；δ为蓄电池自放电率；ηc是蓄电池充电效率；ηd是蓄电池放电效率；Pch,t为蓄电池在时间t时段充电功率；Pdis,t为蓄电池在时间t时段放电功率；EBAT为蓄电池容量；Δt为时间步长；
出力约束与充放电功率限值约束：
其中，PBATmin为蓄电池的最小出力；PBATmax为蓄电池的最大出力；PBAT,t为蓄电池在t时段的出力；PBATdis,max为蓄电池的最大放电功率；PBATch,max为蓄电池的最大充电功率；Uch,t、Udis,t分别为蓄电池t时段的充电和放电状态变量，为0时表示非，为1时表示是；
电量约束与周期始末蓄电池储能平衡约束：
其中，Emin为蓄电池的最小容量；Et为蓄电池在t时段的容量；Emax为蓄电池的最大容量；ET为蓄电池在周期末的容量；E0蓄电池在周期初的容量。
蓄电池充放电状态转换约束：
其中，Udis,t+1为蓄电池t+1时刻的放电状态变量，为0时表示非，为1时表示是；Zch,t、Ydis,t分别为蓄电池t时段的充电转换状态变量和放电转换状态变量，为0时表示非，为1时表示是；N为蓄电池充放电转换次数限值。
优选的，所述优化模型中电解槽出力约束为：
PELmin≤PEL,t≤PELmax
其中，PELmin为电解槽的最小输入功率；PELmax为电解槽的最大输入功率；PEL,t为电解槽在t时段的输入功率；
储氢罐储能约束为：
其中，ETANK,t、ETANK,t-1分别为储氢罐在t和t-1时刻储存的能量；ηEL-DC-DC、ηFC-DC-DC分别为电解槽和燃料电池的能量转换率；ηEL为电解槽的能量转换效率；ηFC为燃料电池的能量转换率；ηTANK为储氢罐的能量转换率；PEL,t-1为电解槽在t-1时刻的输入功率；PFC,t-1为燃料电池第t-1时段出输出功率；
燃料电池出力约束为：
PFC,t＝ηFCPTANK-FC,t
其中，PFC,t为燃料电池在t时段的输出功率；PTANK-FC,t为储氢罐在t时段的输出功率；引入最小电解槽制氢功率限制确保制氢的安全性，电解槽的最大输入功率与燃料电池的最大输出功率受其容量与储氢罐剩余储能容量的限制：
其中，Δt为时间步长；EEL、EFC分别为电解槽、燃料电池的储能容量；ETANKmax、ETANKmin分别为储氢罐储能容量的上下限；PELmax,t为电解槽在t时段的最大输入功率；PFCmax,t为燃料电池在t时段的最大输出功率。
优选的，所述优化模型中电价需求响应约束包括：
自弹性系数与交叉弹性系数：
其中，εii、εij分别为用户的自弹弹性系数与交叉弹性系数；Li 0为时刻i在实行分时电价之前的电量；Ci 0、Cj 0分别为时刻i、j在实行分时电价之前的电价；ΔLi为时刻i的电量变化量；ΔCi和ΔCj分别为时刻i和j的电价变化量；
响应行为建模：
其中，Li o,i＝1,2,...,n为时刻i在实行分时电价之前的电量；Ci 0,i＝1,2,...,n为时刻i在实行分时电价之前的电价；ΔLi,i＝1,2,...,n为时刻i的电量变化量；ΔCi,i＝1,2,...,n为时刻i的电价变化量；E为弹性矩阵：
需求响应约束：
其中，ΔCt为时刻t的电价变化量；为电价响应前的负荷值。
优选的，所述方法中，t时段电价为季节性分时电价：
其中，为夏季第t时段的电价；/>为夏季谷时段电价；/>为夏季平时段电价；/>为夏季峰时段电价；/>为冬季第t时段的电价；/>为冬季谷时段电价；/>为冬季平时段电价。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
(1)本发明方法考虑风力发电、光伏发电、负荷的源荷两侧的不确定性，引入模糊机会约束，将确定性约束松弛为含有模糊变量的系统约束，达到提高风电光电清洁能源的消纳量同时维持电力系统的稳定性；
(2)本发明方法考虑蓄电池混合氢储能；将能量型储能与功率型储能二者之间的优势互补，从而提高风光混合储能系统优化调度运行的经济性和安全可靠性；考虑了蓄电池寿命的影响，设置了蓄电池充放电最大次数限制；考虑制氢安全性因素、储氢罐容量因素，设置了电解槽最小输出功率、电解槽最大输入功率与燃料电池最大输出功率；
(3)本发明方法为了最大限度地发挥混合动力系统的环境效益，考虑用混合动力系统替代发电量相同的火力发电燃煤机组；本发明综合考虑系统的环境环境效益、系统出力投标量偏少惩罚成本以及弃风、弃光惩罚成本，对于风光蓄电池混合氢储能发电系统的优化调度具有指导意义。
(4)本发明方法采用了季节性分时电价与电价需求响应模型，引入多周期电价响应系数，通过调整不同时段电价，引导客户改变用电习惯，在将部分调峰负荷转移到低谷的同时为客户带来经济效益，达到调峰补谷的目的。
附图说明
图1是本发明实施例的流程框图；
图2a和2b分别为某地夏季和冬季的风电、光伏、负载数据图；
图3a和3b分别为考虑源荷不确定性分析时夏季和冬季的负载、分时电价曲线图；
图4a和4b分别为不考虑源荷不确定性分析时夏季和冬季的电功率平衡图；
图5a和5b分别为考虑源荷不确定性分析时夏季和冬季的夏季和冬季的电功率平衡图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
首先进行数据准备：
选取某地夏季、冬季季节的负荷、风力发电以及光伏发电数据，通过聚类方法选取出两个季节下的典型日，调度范围时段T＝24，不同场景下的负荷、风力发电以及光伏发电数据如图2a和图2b所示，季节性分时电价如表1所示。
表1
如图1所示是本发明实施例的流程框图，具体包括如下步骤：
步骤1：构建数学模型：
1、建立系统联合运行期望效益最大的目标函数：综合考虑系统联合运行计划出力的偏差惩罚成本、弃风、弃光惩罚成本与碳排放经济效益，目标函数为：
其中，T表示所有时间；PWT，t、PPV，t分别为第t时段的风电、光伏出力；Cpunish,t为第t时段风光储能计划出力偏差惩罚成本；PWTabandon,t、PPVabandon,t分别为第t时段的弃风、弃光出力；分别为第t时段的弃风、弃光惩罚成本，取实时电价的50％；；PEL,t为第t时段的电解槽输入功率；PFC,t为燃料电池第t时段出输出功率；/>为碳排放环境效益；Ct 0为t时段电价；PBAT,t为蓄电池在t时段的出力。
(1)风光储能计划出力偏差惩罚成本：
其中，Pc,t为t时段日前计划出力；PTOT，t为t时段的有功出力；Ct 0为t时段电价；I为风光联合出力的状态量，若风电、光伏少发电I＝1，反之I＝0；ru为惩罚系数，取0.5；PBATch,t、PBATdis,t分别为第t时段的蓄电池储能充电、放电功率。
(2)碳排放环境效益：
其中，为二氧化碳排放速率，根据全国煤炭燃烧实测平均数据，数值为1730.97kg/t，t为吨；CScoal为火电供应耗煤率，根据2021年7月9日发布的《中国电力行业年度发展报告2021》，数值为304.9g/(kWh)；/>是发电系统的在线发电量，单位为kW h。
本实施例考虑用混合动力系统替代发电量相同的火力发电燃煤机组；碳减排经济效益参照碳排放权交易市场的碳交易平均交易基准价计算，取25.1元/吨。
2、约束条件：
(1)功率平衡约束：
其中，Pf{·}为事件持有的置信度；PWTc,t为t时段风电预测值；PPVc,t为t时段光伏预测值；PLc,t为t时段负荷预测值；为t时段风电模糊参数；/>为t时段光伏模糊参数；为t时段负荷模糊参数；PWT1,t,PWT2,t,PWT3,t为t时段的风电隶属度参数；PPV1,t,PPV2,t,PPV3,t为t时段的光伏隶属度的参数；PL1,t,PL2,t,PL3,t为t时段的负荷隶属度参数；ωWT1,ωWT2,ωWT3为风电比例参数；ωPV1,ωPV2,ωPV3为光伏比例参数；ωL1,ωL2,ωL3为负荷比例参数。
(2)风机、光伏出力约束：
其中，PWT,max、PPV,max分别为风力和光伏发电的最大功率。
(3)蓄电池约束：
1)荷电态约束：
其中，SOCt、SOCt-1分别为蓄电池在时间t和t-1时刻的荷电态；SOCmin为最小荷电态，取20％；SOCmax为最大荷电态，取80％；δ为蓄电池自放电率，ηc是蓄电池充电效率，ηd是蓄电池放电效率，均取90％；Pch,t为蓄电池在时间t时段充电功率；Pdis,t为蓄电池在时间t时段放电功率；EBAT为蓄电池容量；Δt为时间步长，文取1h；
2)出力约束与充放电功率限值约束：
其中，PBATmin为蓄电池的最小出力；PBATmax为蓄电池的最大出力；PBAT,t为蓄电池在t时段的出力；PBATdis,max为蓄电池的最大放电功率；PBATch,max为蓄电池的最大充电功率；Uch,t、Udis,t分别为蓄电池t时段的充电和放电状态变量，为0时表示非，为1时表示是；
3)电量约束与周期始末蓄电池储能平衡约束：
其中，Emin为蓄电池的最小容量；Et为蓄电池在t时段的容量；Emax为蓄电池的最大容量；取Emax＝0.95Et,Emin＝0.4Et；ET为蓄电池在周期末的容量；E0蓄电池在周期初的容量。
4)蓄电池充放电状态转换约束：
其中，Udis,t+1为蓄电池t+1时刻的放电状态变量，为0时表示非，为1时表示是；Zch,t、Ydis,t分别为蓄电池t时段的充电转换状态变量和放电转换状态变量，为0时表示非，为1时表示是；N为蓄电池充放电转换次数限值，取8。
(4)电解槽-储氢罐-燃料电池出力约束：
1)电解槽出力约束：
PELmin≤PEL,t≤PELmax
其中，PELmin为电解槽的最小输入功率；PELmax为电解槽的最大输入功率；PEL,t为电解槽在t时段的输入功率；
2)储氢罐储能的数学模型：
其中，ETANK,t、ETANK,t-1分别为储氢罐在t和t-1时刻储存的能量；ηEL-DC-DC、ηFC-DC-DC分别为电解槽和燃料电池的能量转换率，均取90％；ηEL为电解槽的能量转换效率，取60％；ηFC为燃料电池的能量转换率，取50％；ηTANK为储氢罐的能量转换率，取50％；PEL,t-1为电解槽在t-1时刻的输入功率；PFC,t-1为燃料电池第t-1时段出输出功率；
3)燃料电池出力约束：
PFC,t＝ηFCPTANK-FC,t
其中，PFC,t为燃料电池在t时段的输出功率；PTANK-FC,t为储氢罐在t时段的输出功率；引入最小电解槽制氢功率限制确保制氢的安全性，电解槽输入的最小功率为电解槽最大输入功率的20％；电解槽的最大输入功率与燃料电池的最大输出功率受其容量与储氢罐剩余储能容量的限制：
其中，Δt为时间步长；EEL、EFC分别为电解槽、燃料电池的储能容量；ETANKmax、ETANKmin分别为储氢罐储能容量的上下限；PELmax,t为电解槽在t时段的最大输入功率；PFCmax,t为燃料电池在t时段的最大输出功率；CTANK为储氢罐容量；取ETANK＝0.8CTANK,ETANKmin＝0.2CTANK。
(5)电价需求响应约束：
引入弹性系数，多小时电价响应模型中的弹性系数分为自弹性系数和交叉弹性系数。自弹性系数反映了客户对当前时间段电价的反应，交叉弹性系数反映了对不同时间段电价的反应。
1)自弹性系数与交叉弹性系数：
其中，εii、εij分别为用户的自弹弹性系数与交叉弹性系数；Li 0为时刻i在实行分时电价之前的电量；Ci 0、Cj 0分别为时刻i、j在实行分时电价之前的电价；ΔLi为时刻i的电量变化量；ΔCi和ΔCj分别为时刻i和j的电价变化量；
2)电价响应行为建模：
其中，Li o,i＝1,2,...,n为时刻i在实行分时电价之前的电量；Ci 0,i＝1,2,...,n为时刻i在实行分时电价之前的电价ΔLi,i＝1,2,...,n为时刻i的电量变化量；ΔCi,i＝1,2,...,n为时刻i的电价变化量；E为弹性矩阵；
3)弹性价格需求矩阵：
4)需求响应约束：
其中，P0为电价响应前的负荷值。
L,t
步骤2：采用YALMIP工具箱和CPLEX求解器对模型进行求解。
从表2可以看出，调度模型考虑源荷两侧不确定性与电价需求响应策略后，夏季与冬季的系统运行期望效益和碳排放环境效益均有所增加；
表2
结合图3a和图3b可以看出夏季和冬季在电价较低时，引导用户提高用电负荷；在电价较高时，引导用户减少用电负荷，间接让用户协助调峰；系统运行的期望效益考虑碳排放环境效益，在获得经济效益的同时有效减少了碳排放量，实现系统的安全稳定“环保”经济运行。
从图4a、图4b、图5a、图5b可以看出：调度模型在控制蓄电池的充放电转换次数与确保电解水制氢装置安全运行条件下运行；在能满足负荷需求且有多余的风光出力时，对蓄电池充电和电解水制氢进行电储能与化学储能；在风光出力无法满足负荷需求时，蓄电池和燃料电池进行放电去填补缺额功率，实现最大化利用清洁能源的目的。
对比图4a、图4b、图5a、图5b可以看出考虑源荷两侧不确定性与电价需求响应策略后，夏季的缺额功率在20h-23h时有所减少，且20h时系统不再有缺额功率；冬季没有缺额功率，在4h、6h、9h、12h与18h风光储计划出力偏差明显减少，增强了风电光伏的可调度性，使得电力系统更加稳定运行。
以上内容本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种风光蓄电池混合氢储能发电系统日前优化调度方法，其特征在于，所述方法包括：
综合考虑风光储能计划出力偏差惩罚成本、弃风弃光惩罚成本和碳排放环境效益，以风光蓄电池混合氢储能发电系统联合运行的期望最大化为优化目标构建优化模型；
为所述优化模型添加功率平衡约束、风机光伏出力约束、蓄电池约束、电解槽出力约束、储氢罐储能约束、燃料电池出力约束和电价需求响应约束；
对所述优化模型求解，得到所述风光蓄电池混合氢储能发电系统联合运行的最大期望。
2.根据权利要求1所述的方法，其特征在于，所述优化模型为：
其中，T表示所有时间；PWT，t、PPV，t分别为第t时段的风电、光伏出力；Cpunish,t为第t时段风光储能计划出力偏差惩罚成本；PWTabandon,t、PPVabandon,t分别为第t时段的弃风、弃光出力；分别为第t时段的弃风、弃光惩罚成本；PEL,t为第t时段的电解槽输入功率；PFC,t为燃料电池第t时段出输出功率；/>为碳排放环境效益；Ct 0为t时段电价；PBAT,t为蓄电池在t时段的出力。
3.根据权利要求2所述的方法，其特征在于，所述优化模型中风光储能计划出力偏差惩罚成本为：
其中，Pc,t为t时段日前计划出力；PTOT，t为t时段的有功出力；Ct 0为t时段电价；I为风光联合出力的状态量；ru为惩罚系数；PBATch,t、PBATdis,t分别为第t时段的蓄电池储能充电、放电功率。
4.根据权利要求2所述的方法，其特征在于，所述优化模型中碳排放环境效益为：
其中，为二氧化碳排放速率；CScoal为火电供应耗煤率；是发电系统的在线发电量。
5.根据权利要求2所述的方法，其特征在于，所述优化模型中功率平衡约束为：
其中，Pf{·}为事件持有的置信度；PWTc,t为t时段风电预测值；PPVc,t为t时段光伏预测值；PLc,t为t时段负荷预测值；为t时段风电模糊参数；/>为t时段光伏模糊参数；/>为t时段负荷模糊参数；PWT1,t,PWT2,t,PWT3,t为风电的隶属度参数；PPV1,t,PPV2,t,PPV3,t为光伏的隶属度参数；PL1,t,PL2,t,PL3,t为负荷的隶属度参数；ωWT1,ωWT2,ωWT3为风电比例参数；ωPV1,ωPV2,ωPV3为光伏比例参数；ωL1,ωL2,ωL3为负荷比例参数。
6.根据权利要求2所述的方法，其特征在于，所述优化模型中风机光伏出力约束为：
其中，PWT,max、PPV,max分别为风力和光伏发电的最大功率。
7.根据权利要求2所述的方法，其特征在于，所述优化模型中蓄电池约束包括：
荷电态约束：
其中，SOCt、SOCt-1分别为蓄电池在时间t和t-1时刻的荷电态；SOCmin为最小荷电态；SOCmax为最大荷电态；δ为蓄电池自放电率；ηc是蓄电池充电效率；ηd是蓄电池放电效率；Pch,t为蓄电池在时间t时段充电功率；Pdis,t为蓄电池在时间t时段放电功率；EBAT为蓄电池容量；Δt为时间步长；
出力约束与充放电功率限值约束：
其中，PBATmin为蓄电池的最小出力；PBATmax为蓄电池的最大出力；PBAT,t为蓄电池在t时段的出力；PBATdis,max为蓄电池的最大放电功率；PBATch,max为蓄电池的最大充电功率；Uch,t、Udis,t分别为蓄电池t时段的充电和放电状态变量，为0时表示非，为1时表示是；
电量约束与周期始末蓄电池储能平衡约束：
其中，Emin为蓄电池的最小容量；Et为蓄电池在t时段的容量；Emax为蓄电池的最大容量；ET为蓄电池在周期末的容量；E0蓄电池在周期初的容量。
蓄电池充放电状态转换约束：
其中，Udis,t+1为蓄电池t+1时刻的放电状态变量，为0时表示非，为1时表示是；Zch,t、Ydis,t分别为蓄电池t时段的充电转换状态变量和放电转换状态变量，为0时表示非，为1时表示是；N为蓄电池充放电转换次数限值。
8.根据权利要求2所述的方法，其特征在于，所述优化模型中电解槽出力约束为：
PELmin≤PEL,t≤PELmax
其中，PELmin为电解槽的最小输入功率；PELmax为电解槽的最大输入功率；PEL,t为电解槽在t时段的输入功率；
储氢罐储能约束为：
其中，ETANK,t、ETANK,t-1分别为储氢罐在t和t-1时刻储存的能量；ηEL-DC-DC、ηFC-DC-DC分别为电解槽和燃料电池的能量转换率；ηEL为电解槽的能量转换效率；ηFC为燃料电池的能量转换率；ηTANK为储氢罐的能量转换率；PEL,t-1为电解槽在t-1时刻的输入功率；PFC,t-1为燃料电池第t-1时段出输出功率；
燃料电池出力约束为：
PFC,t＝ηFCPTANK-FC,t
其中，PFC,t为燃料电池在t时段的输出功率；PTANK-FC,t为储氢罐在t时段的输出功率；引入最小电解槽制氢功率限制确保制氢的安全性，电解槽的最大输入功率与燃料电池的最大输出功率受其容量与储氢罐剩余储能容量的限制：
其中，Δt为时间步长；EEL、EFC分别为电解槽、燃料电池的储能容量；ETANKmax、ETANKmin分别为储氢罐储能容量的上下限；PELmax,t为电解槽在t时段的最大输入功率；PFCmax,t为燃料电池在t时段的最大输出功率。
9.根据权利要求2所述的方法，其特征在于，所述优化模型中电价需求响应约束包括：
自弹性系数与交叉弹性系数：
其中，εii、εij分别为用户的自弹弹性系数与交叉弹性系数；Li 0为时刻i在实行分时电价之前的电量；Ci 0、Cj 0分别为时刻i、j在实行分时电价之前的电价；ΔLi为时刻i的电量变化量；ΔCi和ΔCj分别为时刻i和j的电价变化量；
响应行为建模：
其中，Li o,i＝1,2,...,n为时刻i在实行分时电价之前的电量；Ci 0,i＝1,2,...,n为时刻i在实行分时电价之前的电价；ΔLi,i＝1,2,...,n为时刻i的电量变化量；ΔCi,i＝1,2,...,n为时刻i的电价变化量；E为弹性矩阵：
需求响应约束：
其中，ΔCt为时刻t的电价变化量；为电价响应前的负荷值。
10.根据权利要求2所述的方法，其特征在于，所述方法中，t时段电价为季节性分时电价：
其中，为夏季第t时段的电价；/>为夏季谷时段电价；/>为夏季平时段电价；/>为夏季峰时段电价；/>为冬季第t时段的电价；/>为冬季谷时段电价；为冬季平时段电价。
CN202310571920.8A 2023-05-19 2023-05-19 一种风光蓄电池混合氢储能发电系统日前优化调度方法 Pending CN116613801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310571920.8A CN116613801A (zh) 2023-05-19 2023-05-19 一种风光蓄电池混合氢储能发电系统日前优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310571920.8A CN116613801A (zh) 2023-05-19 2023-05-19 一种风光蓄电池混合氢储能发电系统日前优化调度方法

Publications (1)

Publication Number Publication Date
CN116613801A true CN116613801A (zh) 2023-08-18

Family

ID=87679425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310571920.8A Pending CN116613801A (zh) 2023-05-19 2023-05-19 一种风光蓄电池混合氢储能发电系统日前优化调度方法

Country Status (1)

Country Link
CN (1) CN116613801A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117477615A (zh) * 2023-12-28 2024-01-30 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117477615A (zh) * 2023-12-28 2024-01-30 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备
CN117477615B (zh) * 2023-12-28 2024-03-26 国网浙江省电力有限公司电力科学研究院 一种电-氢复合储能系统最优配置方法及设备

Similar Documents

Publication Publication Date Title
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN112270433B (zh) 考虑可再生能源不确定性和用户满意度的微电网优化方法
CN112086960B (zh) 基于模型预测控制的电氢耦合系统灵活裕度计算方法
CN112101632B (zh) 基于分布式估计算法楼宇负荷优化调度方法
CN111762057B (zh) 一种区域微网中v2g电动汽车智能充放电管理方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
CN116613801A (zh) 一种风光蓄电池混合氢储能发电系统日前优化调度方法
CN115936244A (zh) 考虑可再生能源发电不确定性的虚拟电厂优化调度方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
CN115528708A (zh) 一种风光储耦合离网制氢微电网系统的容量优化配置方法
Huangfu et al. An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system
CN113742944A (zh) 一种考虑电制氢系统的虚拟电厂建模方法
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN117153278A (zh) 考虑多类型电解槽差异化的电热氢系统优化方法及系统
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation
CN115764940A (zh) 风电制氢微电网系统容量配置方法及系统
Hongli et al. Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy
Ma et al. Multi-objective optimal scheduling of power system considering the coordinated operation of photovoltaic-wind-pumped storage hybrid power
Shi et al. Research on Energy Management Optimization Strategy of Integrated Energy System in Wind Photovoltaic Hydrogen Energy Storage Area
Tao et al. Research on Power Storage Optimization Operation Strategy for Wind-Photovoltaic Power Coupled Hydrogen Production
Sun et al. Research on multi-objective optimal scheduling strategy of new energy hydrogen production system
Tao et al. Aggregating Energy Storage in Virtual Power Plant and Its Application in Unit Commitment
Gao et al. Modeling and Simulation Analysis of Power Dispatch of Solar Photovoltaic Microgrid in Paper Mill.
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