CN117252308A - 计及并网潮流的海上风电制氢系统最优参数规划方法 - Google Patents
计及并网潮流的海上风电制氢系统最优参数规划方法 Download PDFInfo
- Publication number
- CN117252308A CN117252308A CN202311514590.5A CN202311514590A CN117252308A CN 117252308 A CN117252308 A CN 117252308A CN 202311514590 A CN202311514590 A CN 202311514590A CN 117252308 A CN117252308 A CN 117252308A
- Authority
- CN
- China
- Prior art keywords
- power
- offshore wind
- hydrogen production
- production system
- wind 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.)
- Granted
Links
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 86
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 86
- 239000001257 hydrogen Substances 0.000 title claims abstract description 86
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 238000010248 power generation Methods 0.000 claims abstract description 15
- 238000004146 energy storage Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000002040 relaxant effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 claims description 2
- 238000002347 injection Methods 0.000 claims description 2
- 239000007924 injection Substances 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000000007 visual 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
- G06Q10/04—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
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
Abstract
本发明公开一种计及并网潮流的海上风电制氢系统最优参数规划方法,包括以下步骤:获取预设时间内海上风电场内各风机的最大有功发电功率历史曲线;根据最大有功发电功率历史曲线建立包含海上风电制氢系统中各设备的稳态运行模型;针对稳态运行模型建立计及并网潮流的运行约束模型,根据稳态运行模型和运行约束模型整合为海上风电制氢系统模型;以经济性配置条件确定海上风电制氢系统模型的全生命周期优化目标函数,形成经济性配置问题;将经济性配置问题松弛为混合整数锥规划问题。本发明的有益效果是:通过建立海上风电制氢储能的经济性配置混杂优化问题,并将该优化问题转成化混合整数锥规划问题,以提升电解槽、蓄电池的容量配置准度。
Description
技术领域
本发明涉及海上风电技术领域,尤其涉及一种计及并网潮流的海上风电制氢系统最优参数规划方法。
背景技术
对于建立在经济中心外围的海上风电设施,其当地电网的基建水平相对薄弱,未来大规模海上风电场易影响当地电网稳定安全运行或者造成海上风电高弃风率,极端天气下更是容易引发电网振荡等问题。因此规划海上风电时,为其设计制氢储能系统的容量,能够保障海上风电的高经济性消纳与当地电网高可靠供电。然而,计及并网潮流与精细化效率特性的海上风电制氢储能系统全生命周期最优容量配置是一个非线性混合整数规划问题,目前已有的求解方法主要将制氢储能系统的非线性效率转化成分段线性效率,但该方法易产生较多开关变量,提升了运算复杂度,求解效率低。
发明内容
针对上述问题,本发明提出一种计及并网潮流的海上风电制氢系统最优参数规划方法,主要解决现有规划方法将非线性效率转化成分段线性效率,导致求解效率相对较低的问题。
为解决上述技术问题,本发明第一方面提出一种计及并网潮流的海上风电制氢系统最优参数规划方法,包括以下步骤:
获取预设时间内海上风电场内各风机的最大有功发电功率历史曲线;
根据所述最大有功发电功率历史曲线建立包含海上风电制氢系统中各设备的稳态运行模型;
针对所述稳态运行模型建立计及并网潮流的运行约束模型,根据所述稳态运行模型和所述运行约束模型整合为海上风电制氢系统模型;
以经济性配置条件确定海上风电制氢系统模型的全生命周期优化目标函数,并形成经济性配置问题;
将所述经济性配置问题松弛为混合整数锥规划问题,利用优化工具箱求解所述海上风电制氢系统中各设备的最优配置容量。
本发明第二方面提出一种计及并网潮流的海上风电制氢系统最优参数规划系统,包括:
功率曲线获取模块,用于获取预设时间内海上风电场内各风机的最大有功发电功率历史曲线;
稳态运行模型构造模块,用于根据所述最大有功发电功率历史曲线建立包含海上风电制氢系统中各设备的稳态运行模型;
制氢系统模型构造模块,用于针对所述稳态运行模型建立计及并网潮流的运行约束模型,根据所述稳态运行模型和所述运行约束模型整合为海上风电制氢系统模型;
经济性配置问题构造模块,用于以经济性配置条件确定海上风电制氢系统模型的全生命周期优化目标函数,并形成经济性配置问题;
问题转换模块,将所述经济性配置问题松弛为混合整数锥规划问题,利用优化工具箱求解所述海上风电制氢系统中各设备的最优配置容量。
本发明第三方面提出一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行,以实现上述的海上风电制氢系统最优参数规划方法。
本发明第四方面提出一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行,以实现上述的海上风电制氢系统最优参数规划方法。
本发明的有益效果为:通过建立海上风电制氢储能的经济性配置混杂优化问题,并将该优化问题转成化混合整数锥规划问题,以提升电解槽、蓄电池的容量配置准度与优化问题的求解效率。
附图说明
图1为典型的风/氢/储耦合并网系统。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,下面结合附图和具体实施方式对本发明的内容做进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例
本实施例提出了一种计及并网潮流的海上风电制氢系统最优参数规划方法,包括以下步骤:
S1,获取预设时间内海上风电场内各风机的最大有功发电功率历史曲线。
S1中,在风电功率工况下,N个风机在k时刻的最大有功功率可以表示为,/>,/>。
S2,根据最大有功发电功率历史曲线建立包含海上风电制氢系统中各设备的稳态运行模型。
以图1所示的典型的风/氢/储耦合并网系统为例,在一示例中,海上风电制氢储能系统接入IEEE33节点系统的节点j,制氢储能系统的稳态运行模型包括:
;
;
;
;
;
式中,和/>分别是电解槽的输入功率和蓄电池的总功率,/>是产氢率,/>是蓄电池单个数,/>是电池单体内阻,/>是电池单体端电压,/>是电池容量,/>是压缩机工作功率,/>是氢气需求量,/>是电解槽缩放因子,/>是蓄电池内阻损耗,/>是氢气压缩机单位时间内每压缩单位氢气所需能耗,/>是储氢状态,/>,/>和/>是基准电解槽产氢率-功率曲线的拟合系数,其中/>,/>是制氢电解槽开关状态,满足:/>。
S3,针对稳态运行模型建立计及并网潮流的运行约束模型,根据稳态运行模型和运行约束模型整合为海上风电制氢系统模型。
在一示例中,运行约束模型如式(6)~(20)所示:
;
;
;
;
;
;
;
;
;
;
;
;
;
;
;
中,(6)~(13)为并网潮流凸约束,式(14)~(20)为海上风电制氢系统运行约束,、/>为节点索引字母,/>是以/>为首端节点的所有支路的末端节点集合,/>是以/>为末端节点的所有支路的首端节点集合,/>和/>分别是从支路/>注入的有功功率和无功功率,和/>分别为节点/>处的等效有功负荷和等效无功负荷,/>和/>分别是支路/>的电阻和电抗,/>是节点/>的电压,/>是支路/>的电流,/>和/>分别为使目标凸化的变量代换,/>和/>分别为节点/>所允许的电压上下限,/>和/>分别为支路/>所允许电流的上下限,/>是蓄电池双向变流器的效率,/>和/>分别为蓄电池最小和最大运行功率限制,/>和/>分别为蓄电池最小和最小运行容量限制,/>和/>分别为储氢罐最小和最大运行容量限制,/>和/>分别是电解槽最小和最大产氢率,/>和/>分别是压缩机最小和最大运行功率,/>和/>分别是第/>台风机最小和最大出力限制,/>是风机个数,/>为节点/>处处的负荷功率。
S4,以经济性配置条件确定海上风电制氢系统模型的全生命周期优化目标函数,并形成经济性配置问题。
在一示例中,经济性配置问题表示为:
;
;
;
;
;
;
;
(21-7);
;
;
;
;
式中,是海上风电制氢储能系统的年均收益,/>是单位电价,/>是单位氢价,/>是设备/>的年均使用成本,/>是设备下标集合,/>作为下标时分别表示电解槽、蓄电池、储氢罐、压缩机、蓄电池变流器,以及电解槽直流电源,是设备/>的年投资成本,/>是设备/>的年维护成本,/>是设备/>的成本,/>是设备/>的单位价格,/>是设备/>的缩放因子,/>是年利率,/>为风电场寿命年限,/>为设备/>的单位维护价格,/>是电解槽的预期寿命,/>是以天为单位的时间计数,/>是一天内的采样时刻个数,/>表示每天的最后时刻,/>是基准蓄电池变流器的最大功率,/>,/>,/>,/>是蓄电池单体的最小功率、最大功率、内阻和端电压,/>是基准电解槽直流电源的最大功率,/>是基准压缩机的最大功率。
S5,将经济性配置问题松弛为混合整数锥规划问题,利用优化工具箱求解海上风电制氢系统中各设备的最优配置容量。
在一示例中,经济性配置问题松弛为混合整数锥规划问题的过程包括,将等式(1)和(14)分别松弛为式(22)和(23):
;
。
实施例二
本实施例提出了一种计及并网潮流的海上风电制氢系统最优参数规划系统,包括:
功率曲线获取模块,用于获取预设时间内海上风电场内各风机的最大有功发电功率历史曲线;
稳态运行模型构造模块,用于根据最大有功发电功率历史曲线建立包含海上风电制氢系统中各设备的稳态运行模型;
制氢系统模型构造模块,用于针对稳态运行模型建立计及并网潮流的运行约束模型,根据稳态运行模型和运行约束模型整合为海上风电制氢系统模型;
经济性配置问题构造模块,用于以经济性配置条件确定海上风电制氢系统模型的全生命周期优化目标函数,并形成经济性配置问题;
问题转换模块,将经济性配置问题松弛为混合整数锥规划问题,利用优化工具箱求解所述海上风电制氢系统中各设备的最优配置容量。
本实施例中的功率曲线获取模块、稳态运行模型构造模块、制氢系统模型构造模块、经济性配置问题构造模块,以及问题转换模块的功能和运行内容。
实施例三
基于同一发明构思,本发明实施例还提供一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行,以实现实施例一所述的计及并网潮流的海上风电制氢方法。
可以理解的是,存储器可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选地,该存储器包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器可用于存储指令、程序、代码、代码集或指令集。存储器可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令、用于实现上述各个方法实施例的指令等;存储数据区可存储根据服务器的使用所创建的数据等。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器内的指令、程序、代码集或指令集,以及调用存储在存储器内的数据,执行服务器的各种功能和处理数据。可选地,处理器可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器可集成中央处理器(Central Processing Unit,CPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统和应用程序等;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器中,单独通过一块芯片进行实现。
由于该电子设备是本发明实施例的计及并网潮流的海上风电制氢方法对应的电子设备,并且该电子设备解决问题的原理与该方法相似,因此该电子设备的实施可以参见实施例一或二的实施过程,重复之处不再赘述。
实施例四
基于同一发明构思,本发明实施例还提供一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现实施例一所述的计及并网潮流的海上风电制氢方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
由于该存储介质是本发明实施例的计及并网潮流的海上风电制氢方法的存储介质,并且该存储介质解决问题的原理与该方法相似,因此该存储介质的实施可以参见上述方法实施例一的实施过程,重复之处不再赘述。
在一些可能的实施方式中,本发明实施例的方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的稀疏信号恢复方法的步骤。其中,用于执行各个实施例的可执行的计算机程序代码或“ 代码”可以用诸如C、C++、C#、Smalltalk、Java、JavaScript、Visual Basic、结构化查询语言(例如,Transact-SQL)、Perl之类的高级编程语言或者用各种其它编程语言编写。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围。
Claims (8)
1.一种计及并网潮流的海上风电制氢系统最优参数规划方法,其特征在于,包括以下步骤:
获取预设时间内海上风电场内各风机的最大有功发电功率历史曲线;
根据所述最大有功发电功率历史曲线建立包含海上风电制氢系统中各设备的稳态运行模型;
针对所述稳态运行模型建立计及并网潮流的运行约束模型,根据所述稳态运行模型和所述运行约束模型整合为海上风电制氢系统模型;
以经济性配置条件确定海上风电制氢系统模型的全生命周期优化目标函数,并形成经济性配置问题;
将所述经济性配置问题松弛为混合整数锥规划问题,利用优化工具箱求解所述海上风电制氢系统中各设备的最优配置容量。
2.如权利要求1所述的计及并网潮流的海上风电制氢系统最优参数规划方法,其特征在于,所述稳态运行模型包括:
;
;
;
;
;
式中,和/>分别是电解槽的输入功率和蓄电池的总功率,/>是产氢率,/>是蓄电池单个数,/>是电池单体内阻,/>是电池单体端电压,/>是电池容量,/>是压缩机工作功率,/>是氢气需求量,/>是电解槽缩放因子,/>是蓄电池内阻损耗,/>是氢气压缩机单位时间内每压缩单位氢气所需能耗,/>是储氢状态,/>,/>和/>是基准电解槽产氢率-功率曲线的拟合系数,其中/>,/>是制氢电解槽开关状态,满足:/>。
3.如权利要求2所述的计及并网潮流的海上风电制氢系统最优参数规划方法,其特征在于,所述运行约束模型如式(6)~(20)所示:
;
;
;
;
;
;
;
;
;
;
;
;
;
;
;
式中,(6)~(13)为并网潮流凸约束,式(14)~(20)为海上风电制氢系统运行约束,、/>为节点索引字母,/>是以/>为首端节点的所有支路的末端节点集合,/>是以/>为末端节点的所有支路的首端节点集合,/>和/>分别是从支路/>注入的有功功率和无功功率,和/>分别为节点/>处的等效有功负荷和等效无功负荷,/>和/>分别是支路/>的电阻和电抗,/>是节点/>电压,/>是支路/>的电流,/>和/>分别为使目标凸化的变量代换,/>和/>分别为节点/>所允许的电压上下限,/>和/>分别为支路/>所允许电流的上下限,/>是蓄电池双向变流器的效率,/>和/>分别为蓄电池最小和最大运行功率限制,/>和/>分别为蓄电池最小和最小运行容量限制,/>和/>分别为储氢罐最小和最大运行容量限制,/>和/>分别是电解槽最小和最大产氢率,/>和/>分别是压缩机最小和最大运行功率,/>和/>分别是第/>台风机最小和最大出力限制,/>是风机个数,/>为节点/>处处的负荷功率。
4.如权利要求3所述的计及并网潮流的海上风电制氢系统最优参数规划方法,其特征在于,所述经济性配置问题表示为:
;
;
;
;
;
;
;
(21-7);
;
;
;
;
式中,是海上风电制氢储能系统的年均收益,/>是单位电价,/>是单位氢价,/>是设备/>的年均使用成本,/>是设备下标集合,/>作为下标时分别表示电解槽、蓄电池、储氢罐、压缩机、蓄电池变流器,以及电解槽直流电源,是设备/>的年投资成本,/>是设备/>的年维护成本,/>是设备/>的成本,/>是设备/>的单位价格,/>是设备/>的缩放因子,/>是年利率,/>为风电场寿命年限,/>为设备/>的单位维护价格,/>是电解槽的预期寿命,/>是以天为单位的时间计数,/>是一天内的采样时刻个数,/>表示每天的最后时刻,/>是基准蓄电池变流器的最大功率,/>,/>,/>,/>是蓄电池单体的最小功率、最大功率、内阻和端电压,/>是基准电解槽直流电源的最大功率,/>是基准压缩机的最大功率。
5.如权利要求4所述的计及并网潮流的海上风电制氢系统最优参数规划方法,其特征在于,所述经济性配置问题松弛为混合整数锥规划问题的过程包括,将等式(1)和(14)分别松弛为式(22)和(23):
;
。
6.一种计及并网潮流的海上风电制氢系统最优参数规划系统,其特征在于,包括:
功率曲线获取模块,用于获取预设时间内海上风电场内各风机的最大有功发电功率历史曲线;
稳态运行模型构造模块,用于根据所述最大有功发电功率历史曲线建立包含海上风电制氢系统中各设备的稳态运行模型;
制氢系统模型构造模块,用于针对所述稳态运行模型建立计及并网潮流的运行约束模型,根据所述稳态运行模型和所述运行约束模型整合为海上风电制氢系统模型;
经济性配置问题构造模块,用于以经济性配置条件确定海上风电制氢系统模型的全生命周期优化目标函数,并形成经济性配置问题;
问题转换模块,将所述经济性配置问题松弛为混合整数锥规划问题,利用优化工具箱求解所述海上风电制氢系统中各设备的最优配置容量。
7.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行,以实现权利要求1-5任一所述的海上风电制氢系统最优参数规划方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行,以实现权利要求1-5任一所述的海上风电制氢系统最优参数规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514590.5A CN117252308B (zh) | 2023-11-15 | 2023-11-15 | 计及并网潮流的海上风电制氢系统最优参数规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514590.5A CN117252308B (zh) | 2023-11-15 | 2023-11-15 | 计及并网潮流的海上风电制氢系统最优参数规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117252308A true CN117252308A (zh) | 2023-12-19 |
CN117252308B CN117252308B (zh) | 2024-03-08 |
Family
ID=89126671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311514590.5A Active CN117252308B (zh) | 2023-11-15 | 2023-11-15 | 计及并网潮流的海上风电制氢系统最优参数规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252308B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070142975A1 (en) * | 2005-12-21 | 2007-06-21 | Pegasus Technologies, Inc. | Model based optimization of a single or multiple power generating units |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN109299862A (zh) * | 2018-09-04 | 2019-02-01 | 云南电网有限责任公司 | 一种风电最大消纳能力的凸松弛评估方法 |
CN113689023A (zh) * | 2021-03-11 | 2021-11-23 | 中国科学院广州能源研究所 | 一种风/储/氢并网发电系统弃风消纳能量管理方法 |
CN114006410A (zh) * | 2021-07-21 | 2022-02-01 | 上海电力大学 | 一种基于机会约束规划的大规模海上风电接入点优化方法 |
CN114172175A (zh) * | 2021-12-07 | 2022-03-11 | 中国科学院广州能源研究所 | 一种提高风电场经济效益的氢储配置与控制协同优化方法 |
CN114914950A (zh) * | 2022-05-12 | 2022-08-16 | 中国科学院广州能源研究所 | 计及0-1变量的风氢储系统配置与控制协同迭代优化方法 |
WO2023178715A1 (zh) * | 2022-03-22 | 2023-09-28 | 东南大学 | 一种净零能耗建筑电热氢多能流供能设备规划方法 |
-
2023
- 2023-11-15 CN CN202311514590.5A patent/CN117252308B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070142975A1 (en) * | 2005-12-21 | 2007-06-21 | Pegasus Technologies, Inc. | Model based optimization of a single or multiple power generating units |
WO2018059096A1 (zh) * | 2016-09-30 | 2018-04-05 | 国电南瑞科技股份有限公司 | 一种多类电源发电计划组合决策方法及存储介质 |
CN109299862A (zh) * | 2018-09-04 | 2019-02-01 | 云南电网有限责任公司 | 一种风电最大消纳能力的凸松弛评估方法 |
CN113689023A (zh) * | 2021-03-11 | 2021-11-23 | 中国科学院广州能源研究所 | 一种风/储/氢并网发电系统弃风消纳能量管理方法 |
CN114006410A (zh) * | 2021-07-21 | 2022-02-01 | 上海电力大学 | 一种基于机会约束规划的大规模海上风电接入点优化方法 |
CN114172175A (zh) * | 2021-12-07 | 2022-03-11 | 中国科学院广州能源研究所 | 一种提高风电场经济效益的氢储配置与控制协同优化方法 |
WO2023178715A1 (zh) * | 2022-03-22 | 2023-09-28 | 东南大学 | 一种净零能耗建筑电热氢多能流供能设备规划方法 |
CN114914950A (zh) * | 2022-05-12 | 2022-08-16 | 中国科学院广州能源研究所 | 计及0-1变量的风氢储系统配置与控制协同迭代优化方法 |
Non-Patent Citations (3)
Title |
---|
ZOLFAGHARI, S: "Bilevel transmission expansion planning using second-order cone programming considering wind investment", 《ENERGY》, vol. 154, pages 455 - 465 * |
刘永民;夏世威;于琳琳;李庚银;黄景慧;: "基于机组组合的风电系统储能源功率与容量优化配置", 华北电力大学学报(自然科学版), no. 05, pages 22 - 30 * |
薛琢成;杨冰芳;: "基于线性锥规划的风电最优潮流研究", 机电工程, no. 02, pages 73 - 77 * |
Also Published As
Publication number | Publication date |
---|---|
CN117252308B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Islam et al. | Progress and recent trends of wind energy technology | |
Chaudhuri et al. | Energy conversion strategies for wind energy system: Electrical, mechanical and material aspects | |
Toledo et al. | Overview of wind energy conversion systems development, technologies and power electronics research trends | |
CN203412691U (zh) | 风力抽水蓄能智能供电装置 | |
Olajiga et al. | Assessing the potential of energy storage solutions for grid efficiency: a review | |
Sawle et al. | Techno-economic comparative assessment of an off-grid hybrid renewable energy system for electrification of remote area | |
Li et al. | Capacity co-optimization of thermal and battery energy storage system in multi-energy complementary system | |
Burtsev et al. | Challenges in development of wind energy in Russia | |
Kusakana | Optimal operation scheduling of a Hydrokinetic-Diesel hybrid system with Pumped Hydro Storage | |
Vijayaprabhu et al. | Review and comparison of various types of generation using WECS topologies | |
CN117252308B (zh) | 计及并网潮流的海上风电制氢系统最优参数规划方法 | |
Johnson et al. | Feasibility study of a 200 kW solar wind hybrid system | |
Huang et al. | Capacity optimization of battery energy storage system in multi-energy complementary system based on time series simulation method | |
CN106602592B (zh) | 一种垂直轴风电系统中变流器与蓄电池容量优化配置方法 | |
Arseniev et al. | The model of intelligent autonomous hybrid renewable energy system based on Bayesian network | |
Dan et al. | The research on the integration of energy storage and generating wind turbine system model | |
Naskar et al. | Hybrid renewable energy: future of the world | |
CN114172175A (zh) | 一种提高风电场经济效益的氢储配置与控制协同优化方法 | |
Yu et al. | Optimized Scheduling of Seawater Pumping-Storing/Wind/Solar Hybrid Power Generating System | |
Ashglaf | Development of Hybridization concept for horizontal axis wind/tidal systems using functional similarities and advanced real-time emulation methods | |
Madsen et al. | The LowWind turbine concept for optimal system integration | |
Ojo et al. | The Modelling and Simulation Of Power Flow and Fault Analysis For A Hybrid DC Microgrid | |
Akinyemi | Assesment of renewable energy resources and the impact of DG on power quality in distribution network | |
Chiulan et al. | The (r) evolution of wind energy systems in Romania: state-of-the-art, new trends and challenges | |
Kalakova et al. | Feasibility Study of Energy Storage Systems for a Wind Farm: A Case of Ereymentau Region in Kazakhstan |
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 |