CN116646956A - 风电制氢微电网系统容量配置方法及系统 - Google Patents
风电制氢微电网系统容量配置方法及系统 Download PDFInfo
- Publication number
- CN116646956A CN116646956A CN202310603870.7A CN202310603870A CN116646956A CN 116646956 A CN116646956 A CN 116646956A CN 202310603870 A CN202310603870 A CN 202310603870A CN 116646956 A CN116646956 A CN 116646956A
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- capacity
- hydrogen production
- wind speed
- 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
Links
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 99
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 99
- 239000001257 hydrogen Substances 0.000 title claims abstract description 99
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 38
- 238000005457 optimization Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000004146 energy storage Methods 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000005868 electrolysis reaction Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 7
- 238000003860 storage Methods 0.000 description 20
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 19
- 229910052744 lithium Inorganic materials 0.000 description 19
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000003792 electrolyte Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
- C25B1/00—Electrolytic production of inorganic compounds or non-metals
- C25B1/01—Products
- C25B1/02—Hydrogen or oxygen
- C25B1/04—Hydrogen or oxygen by electrolysis of water
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25B—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES FOR THE PRODUCTION OF COMPOUNDS OR NON-METALS; APPARATUS THEREFOR
- C25B9/00—Cells or assemblies of cells; Constructional parts of cells; Assemblies of constructional parts, e.g. electrode-diaphragm assemblies; Process-related cell features
- C25B9/60—Constructional parts of cells
- C25B9/65—Means for supplying current; Electrode connections; Electric inter-cell connections
-
- 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
-
- 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
- H02J3/004—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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- H02J2300/28—The renewable source being wind energy
-
- 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)
- Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Organic Chemistry (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- Inorganic Chemistry (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Control Of Eletrric Generators (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种风电制氢微电网系统容量配置方法及系统,方法和系统均用于离网风电制氢微电网系统的容量配置,方法包括:首先,获取风力发电机组所在区域的历史风速数据,并根据历史风速数据计算出风力发电机组的发电功率数据;然后,基于发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到系统中各单元之间的最优容量配比。系统包括:数据处理模块和迭代求解模块,数据处理模块可以获取风力发电机组所在区域的历史风速数据,并根据历史风速数据计算出风力发电机组的发电功率数据。迭代求解模块可以基于发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到系统中各单元之间的最优容量配比。
Description
技术领域
本发明涉及使用基于粒子的方法的计算机辅助设计技术领域,具体涉及一种风电制氢微电网系统容量配置方法及系统。
背景技术
与传统化石能源相比,风电、光电等新型电力能源具有高效性和环保性,而且风能、光能等新能源可以有效应对能源危机和环境污染问题,因此,新能源发电技术得到了世界各国的高度重视和广泛应用。但随着风、光等新能源的装机量不断提升,对电网调峰和调度形成了一定的挑战。
风电的发电能力和发电质量易受环境因素影响,具有随机性强、波动性大、间歇发电等特点,造成了风电使用时的困难。氢气是一种理想的能源载体,具有能量密度高、使用不产生污染、可循环利用、适合大规模存储和运输等优点,探索离网风电耦合电解水制氢技术是解决风电消纳的一条有效途径,也能为各行业的减碳做出巨大贡献。
电解槽按电解质的不同分为碱式电解槽(AEL)、质子交换膜电解槽(PEM)和固体氧化物电解槽(SOEC),其中AEL技术成熟、成本较低、工业应用广,适合于大规模制氢场景下的应用。AEL制氢效率受输入电流、电解液浓度、温度等多种因素影响,导致其在电源侧不同输入功率情况及不同工作环境下制氢效率不同,且AEL系统惯量大,动态负载追踪能力较弱。因此,充分考虑AEL的动静态特性,对风电离网制氢系统容量配置方法进行研究,对于提高风能利用率、提升风电离网制氢微电网系统整体效益具有重要意义。
发明内容
针对现有技术存在的不足,本发明提出一种风电制氢微电网系统容量配置方法及系统。基于制氢系统动态特性对离网制氢系统的系统容量进行配置,以提高风电利用率,实现微电网系统经济效益最大化。具体技术方案如下:
第一方面,提供了一种风电制氢微电网系统容量配置方法,该配置方法用于离网风电制氢微电网系统的容量配置,包括:
获取风力发电机组所在区域的历史风速数据,并根据所述历史风速数据计算出风力发电机组的发电功率数据;
基于所述发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到风电制氢微电网系统中各单元之间的最优容量配比。
结合第一方面,在第一方面的第一种可实现方式中,根据所述历史风速数据计算出风力发电机组的发电功率数据,包括:
其中,Pwt_rated为风力发电机组的额定功率,vt为历史风速数据中t时刻的风速,vcut_in、vcut_out、vrated分别为风力发电机组的切入风速、切出风速和额定风速。
结合第一方面,在第一方面的第二种可实现方式中,以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标,构建所述容量优化配置模型。
结合第一方面,在第一方面的第三种可实现方式中,对预先构建的容量优化配置模型进行迭代求解时,设定的约束条件包括:
其中,Pin_t为电解槽输入功率,Pload_t为卸荷负载功率,PWT_t为风力发电机组的发电功率,PBAT_t为电池功率,PAEL为电解水制氢设备的额定功率,SOC(t)为储能电池在t时刻的实时电量,SOCmin、SOCmax分别为储能电池的电量下限和电量上限。
结合第一方面,在第一方面的第四种可实现方式中,采用单目标粒子群算法对预先构建的容量优化配置模型进行迭代求解。
第二方面,提供了一种风电制氢微电网系统容量配置系统,该配置系统用于离网风电制氢微电网系统的容量配置,包括:
数据处理模块,配置为获取风力发电机组所在区域的历史风速数据,并根据所述历史风速数据计算出风力发电机组的发电功率数据;
迭代求解模块,配置为基于所述发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到风电制氢微电网系统中各单元之间的最优容量配比。
结合第二方面,在第二方面的第一种可实现方式中,所述数据处理模块包括:
数据获取单元,配置为获取风力发电机组所在区域的历史风速数据;
数据计算单元,配置为采用以下计算式计算风力发电机组的发电功率数据,包括:
其中,Pwt_rated为风力发电机组的额定功率,vt为历史风速数据中t时刻的风速,vcut_in、vcut_out、vrated分别为风力发电机组的切入风速、切出风速和额定风速。
结合第二方面,在第二方面的第二种可实现方式中,所述迭代求解模块以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标,构建所述容量优化配置模型。
结合第二方面,在第二方面的第三种可实现方式中,所述迭代求解模块设定的约束条件包括:
其中,Pin_t为电解槽输入功率,Pload_t为卸荷负载功率,PWT_t为风力发电机组的发电功率,PBAT_t为电池功率,PAEL为电解水制氢设备的额定功率,SOC(t)为储能电池在t时刻的实时电量,SOCmin、SOCmax分别为储能电池的电量下限和电量上限。
结合第二方面,在第二方面的第四种可实现方式中,所述迭代求解模块采用单目标粒子群算法对预先构建的容量优化配置模型进行迭代求解。
有益效果:采用本发明的风电制氢微电网系统容量配置方法及系统,可以基于风力发电机组的不同发电功率,采用进化算法获得风电制氢微电网系统中各个单元的最优容量配比,充分考虑了电解制氢系统的动态特性,提高了风电利用效率。
附图说明
为了更清楚地说明本发明具体实施方式,下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明一实施例提供的风电制氢微电网系统的系统框图;
图2为本发明一实施例提供的风电制氢微电网系统的容量配置方法流程图;
图3为本发明一实施例提供的风电制氢微电网系统的容量配置系统的系统框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
应理解,如图1所示,在本实施例中,所述风电制氢微电网系统为离网风电制氢微电网系统。系统包括直流母线、风力发电机、连接风力发电机与直流母线的AC/DC整流器、储能锂电池、连接储能锂电池与直流母线的双向DC/DC变换器、碱式电解水制氢设备(AEL)、连接碱式电解水制氢设备与直流母线的单向DC/DC变换器、直流负载(LOAD)、氢气压缩机、高压储氢罐。
电解槽动态响应特性,电解槽在启动、停机及其它输入功率变化情况下负载跟踪能力弱,电解槽频繁启停会降低电解槽寿命,采用储能锂电池为电解槽提供功率支撑,维持电解槽输入功率的稳定。
所述风力发电机可以利用风能进行发电,所述碱式电解水制氢设备可以通过电解水制备氢气,所述储能锂电池可以调节电网功率、为直流母线提供电压基准。所述直流负载可以吸收电网中的超额电功率,所述氢气压缩机可以压缩碱式电解水制氢设备生产的氢气并将压缩后的氢气装入储氢罐进行存储。
整个风电制氢微电网系统始终保持离网运行,由储能锂电池与直流负载协同作用为直流母线电压提供电压基准,由能量调度层对各单元进行协同优化调度。
在系统运行过程中,考虑了新能源发电的波动特性,当新能源发电功率不足时,由储能锂电池为电解槽提供缺额功率,当新能源发电功率超过电解槽额定功率时,由储能锂电池吸收存储多余功率。
如图2所示的风电制氢微电网系统容量配置方法的流程图,该配置方法用于离网风电制氢微电网系统的容量配置,包括:
步骤1、获取风力发电机组所在区域的历史风速数据,并根据所述历史风速数据计算出风力发电机组的发电功率数据;
步骤2、基于所述发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到风电制氢微电网系统中各单元之间的最优容量配比。
具体而言,首先,可以获取风力发电机组所在区域的历史风速数据,并根据历史风速数据计算出风力发电机组在先前各个时间点的发电功率。在本实施例中,在计算出风力发电机组的发电功率数据时,可以采用以上计算式计算得到先前各个时间点风力发电机组的发电功率:
其中,Pwt_rated为风力发电机组的额定功率,vt为历史风速数据中t时刻的风速,vcut_in、vcut_out、vrated分别为风力发电机组的切入风速、切出风速和额定风速。
然后,可以根据计算出的发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,从而得到风电制氢微电网系统中各单元之间的最优容量配比。
在本实施例中,可以先构建风电制氢微电网系统中各个单元对应的数学模型,再以构建好的数学模型以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标,构建所述容量优化配置模型。
在本实施例中,储能锂电池对应的充电容量模型为:
SOC(t+1)=SOC(t)+PBAT_t·Δt·ηc/C;
其中,SOC(t)为储能锂电池的实时容量,PBAT_t为储能锂电池的实时充电功率,ηc为储能锂电池的充电效率。
储能锂电池对应的放电模型为:
ηd为储能锂电池的放电效率。
储氢罐对应的储氢容量模型为:
其中,SOCTANK(t)为储氢罐的实时储氢量,Qmax为储氢罐的最大储氢量,为电解槽的产氢量。
其中,Pin_t为电解槽的输入功率,ηt为电解槽的产氢效率,HHV为氢气高位热值。
构建的容量优化配置模型如下:
其中,为系统总产氢量,/>为氢气价格,PAEL、C、NTANK分别为电解槽的额定功率、储能电池的容量和储氢罐数量,CAEL、CBAT、CTANK、CWT、CYS分别为电解槽成本、储能电池成本、储氢罐成本、风力发电机组成本和氢气压缩机成本,这些成本都可以从设备制造商处获得。
在本实施例中,在采用进化算法对预先构建的容量优化配置模型进行迭代求解时,采用的进化算法可以是单目标粒子群算法,设定的约束条件包括:
其中,Pin_t为电解槽输入功率,Pload_t为卸荷负载功率,PWT_t为风力发电机组的发电功率,PBAT_t为电池功率,PAEL为电解水制氢设备的额定功率,SOC(t)为储能电池在t时刻的实时电量,SOCmin、SOCmax分别为储能电池的电量下限和电量上限。
如图3所示风电制氢微电网系统容量配置系统的系统框图,该配置系统包括:
数据处理模块,配置为获取风力发电机组所在区域的历史风速数据,并根据所述历史风速数据计算出风力发电机组的发电功率数据;
迭代求解模块,配置为基于所述发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到风电制氢微电网系统中各单元之间的最优容量配比。
具体而言,数据处理模块可以获取风力发电机组所在区域的历史风速数据,并根据历史风速数据计算出风力发电机组在先前各个时间点的发电功率。在本实施例中,所述数据处理模块包括:
数据获取单元,配置为获取风力发电机组所在区域的历史风速数据;
数据计算单元,配置为采用以下计算式计算风力发电机组的发电功率数据,包括:
其中,Pwt_rated为风力发电机组的额定功率,vt为历史风速数据中t时刻的风速,vcut_in、vcut_out、vrated分别为风力发电机组的切入风速、切出风速和额定风速。
在本实施例中,所述迭代求解模块包括模型构建单元和迭代求解单元,模型构建单元可以构建风电制氢微电网系统中各个单元对应的数学模型,再以构建好的数学模型以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标,构建所述容量优化配置模型。
在本实施例中,模型构建单元构建的储能锂电池对应的充电容量模型为:
SOC(t+1)=SOC(t)+PBAT_t·Δt·ηc/C;
其中,SOC(t)为储能锂电池的实时容量,PBAT_t为储能锂电池的实时充电功率,ηc为储能锂电池的充电效率。
储能锂电池对应的放电模型为:
ηd为储能锂电池的放电效率。
储氢罐对应的储氢容量模型为:
其中,SOCTANK(t)为储氢罐的实时储氢量,Qmax为储氢罐的最大储氢量,为电解槽的产氢量。
其中,Pin_t为电解槽的输入功率,ηt为电解槽的产氢效率,HHV为氢气高位热值。
构建的容量优化配置模型如下:
其中,为系统总产氢量,/>为氢气价格,PAEL、C、NTANK分别为电解槽的额定功率、储能电池的容量和储氢罐数量,CAEL、CBAT、CTANK、CWT、CYS分别为电解槽成本、储能电池成本、储氢罐成本、风力发电机组成本和氢气压缩机成本,这些成本都可以从设备制造商处获得。
迭代求解单元在可以采用进化算法,如单目标粒子群算法对构建的容量优化配置模型进行迭代求解,在求解过程中,所述迭代求解单元设定的约束条件包括:
其中,Pin_t为电解槽输入功率,Pload_t为卸荷负载功率,PWT_t为风力发电机组的发电功率,PBAT_t为电池功率,PAEL为电解水制氢设备的额定功率,SOC(t)为储能电池在t时刻的实时电量,SOCmin、SOCmax分别为储能电池的电量下限和电量上限。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种风电制氢微电网系统容量配置方法,其特征在于,该配置方法用于离网风电制氢微电网系统的容量配置,包括:
获取风力发电机组所在区域的历史风速数据,并根据所述历史风速数据计算出风力发电机组的发电功率数据;
基于所述发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到风电制氢微电网系统中各单元之间的最优容量配比。
2.根据权利要求1所述的风电制氢微电网系统容量配置方法,其特征在于,根据所述历史风速数据计算出风力发电机组的发电功率数据,包括:
其中,Pwt_rated为风力发电机组的额定功率,vt为历史风速数据中t时刻的风速,vcut_in、vcut_out、vrated分别为风力发电机组的切入风速、切出风速和额定风速。
3.根据权利要求1所述的风电制氢微电网系统容量配置方法,其特征在于,以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标,构建所述容量优化配置模型。
4.根据权利要求1所述的风电制氢微电网系统容量配置方法,其特征在于,对预先构建的容量优化配置模型进行迭代求解时,设定的约束条件包括:
其中,Pin_t为电解槽输入功率,Pload_t为卸荷负载功率,PWT_t为风力发电机组的发电功率,PBAT_t为电池功率,PAEL为电解水制氢设备的额定功率,SOC(t)为储能电池在t时刻的实时电量,SOCmin、SOCmax分别为储能电池的电量下限和电量上限。
5.根据权利要求1所述的风电制氢微电网系统容量配置方法,其特征在于,采用单目标粒子群算法对预先构建的容量优化配置模型进行迭代求解。
6.一种风电制氢微电网系统容量配置系统,其特征在于,包括:
数据处理模块,配置为获取风力发电机组所在区域的历史风速数据,并根据所述历史风速数据计算出风力发电机组的发电功率数据;
迭代求解模块,配置为基于所述发电功率数据,采用进化算法对预先构建的容量优化配置模型进行迭代求解,得到风电制氢微电网系统中各单元之间的最优容量配比。
7.根据权利要求1所述的风电制氢微电网系统容量配置系统,其特征在于,所述数据处理模块包括:
数据获取单元,配置为获取风力发电机组所在区域的历史风速数据;
数据计算单元,配置为采用以下计算式计算风力发电机组的发电功率数据,包括:
其中,Pwt_rated为风力发电机组的额定功率,vt为历史风速数据中t时刻的风速,vcut_in、vcut_out、vrated分别为风力发电机组的切入风速、切出风速和额定风速。
8.根据权利要求6所述的风电制氢微电网系统容量配置系统,其特征在于,所述迭代求解模块以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标,构建所述容量优化配置模型。
9.根据权利要求6所述的风电制氢微电网系统容量配置系统,其特征在于,所述迭代求解模块设定的约束条件包括:
其中,Pin_t为电解槽输入功率,Pload_t为卸荷负载功率,PWT_t为风力发电机组的发电功率,PBAT_t为电池功率,PAEL为电解水制氢设备的额定功率,SOC(t)为储能电池在t时刻的实时电量,SOCmin、SOCmax分别为储能电池的电量下限和电量上限。
10.根据权利要求6所述的风电制氢微电网系统容量配置系统,其特征在于,所述迭代求解模块采用单目标粒子群算法对预先构建的容量优化配置模型进行迭代求解。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401122.2A CN115764940A (zh) | 2022-11-09 | 2022-11-09 | 风电制氢微电网系统容量配置方法及系统 |
CN2022114011222 | 2022-11-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116646956A true CN116646956A (zh) | 2023-08-25 |
Family
ID=85369141
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401122.2A Pending CN115764940A (zh) | 2022-11-09 | 2022-11-09 | 风电制氢微电网系统容量配置方法及系统 |
CN202310603870.7A Pending CN116646956A (zh) | 2022-11-09 | 2023-05-26 | 风电制氢微电网系统容量配置方法及系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401122.2A Pending CN115764940A (zh) | 2022-11-09 | 2022-11-09 | 风电制氢微电网系统容量配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115764940A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116623229B (zh) * | 2023-07-24 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 一种风电制氢系统的控制方法、装置、介质、设备 |
-
2022
- 2022-11-09 CN CN202211401122.2A patent/CN115764940A/zh active Pending
-
2023
- 2023-05-26 CN CN202310603870.7A patent/CN116646956A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN115764940A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdalla et al. | Integration of energy storage system and renewable energy sources based on artificial intelligence: An overview | |
CN207010249U (zh) | 一种风电制氢储能的氢燃料复合电池 | |
CN110544935A (zh) | 一种电-氢多能互补直流微电网协调调度方法 | |
CN107017651A (zh) | 一种风电制氢储能的氢燃料复合电池及其发电方法 | |
CN202034791U (zh) | 一种电力储能装置 | |
CN105140970A (zh) | 一种风-氢-水-电混合能源系统拓扑结构及其控制方法 | |
CN208748209U (zh) | 一种风能宽功率下电解水制氢装置 | |
CN102185328A (zh) | 一种新型大规模电力储能装置 | |
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 | |
Bajpai et al. | Sizing optimization and analysis of a stand-alone WTG system using hybrid energy storage technologies | |
Jiao et al. | Greenhouse gas emissions from hybrid energy storage systems in future 100% renewable power systems–A Swedish case based on consequential life cycle assessment | |
CN116646956A (zh) | 风电制氢微电网系统容量配置方法及系统 | |
Kumar | Artificial intelligence and machine learning applications in energy storage system: technology overview and perspectives | |
Liu et al. | Variable period sequence control strategy for an off-grid photovoltaic-PEM electrolyzer hydrogen generation system | |
Su et al. | Enhancing wind-solar hybrid hydrogen production through multi-state electrolyzer management and complementary energy optimization | |
Lata-García et al. | Techno-economic analysis of several energy storage options for off-grid renewable energy systems | |
Zahedi | Technical analysis of an electric power system consisting of solar PV energy, wind power, and hydrogen fuel cell | |
Mahatkar et al. | An overview of energy storage devices for distribution network | |
Ran et al. | Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage | |
Onur et al. | Design and analysis of mobile hybrid energy system for off-grid applications | |
Kord et al. | An integrated hybrid power supply for off-grid applications fed by wind/photovoltaic/fuel cell energy systems | |
Zhou et al. | Research review on energy storage technology in power grid | |
Haodong et al. | Capacity Configuration of Solar-Based Battery-Hydrogen Hybrid Energy Storage for Microgrids | |
CN111555323A (zh) | 一种水光氢互补微网发电系统及方法 | |
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 |
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 |