CN118095535A - 一种基于共烧技术的多能耦合系统及其优化配置方法 - Google Patents
一种基于共烧技术的多能耦合系统及其优化配置方法 Download PDFInfo
- Publication number
- CN118095535A CN118095535A CN202410183037.6A CN202410183037A CN118095535A CN 118095535 A CN118095535 A CN 118095535A CN 202410183037 A CN202410183037 A CN 202410183037A CN 118095535 A CN118095535 A CN 118095535A
- Authority
- CN
- China
- Prior art keywords
- energy
- gas
- prey
- biomass
- pgu
- 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
- 230000008878 coupling Effects 0.000 title claims abstract description 41
- 238000010168 coupling process Methods 0.000 title claims abstract description 41
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 17
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 68
- 239000002028 Biomass Substances 0.000 claims abstract description 55
- 239000003345 natural gas Substances 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims abstract description 7
- 238000010344 co-firing Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims abstract 5
- 239000007789 gas Substances 0.000 claims description 65
- 238000002309 gasification Methods 0.000 claims description 41
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 238000004146 energy storage Methods 0.000 claims description 17
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 13
- 239000013256 coordination polymer Substances 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 238000005338 heat storage Methods 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 11
- 241000191380 Byblis gigantea Species 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- 238000002156 mixing Methods 0.000 claims description 8
- 238000005057 refrigeration Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 claims description 5
- 238000002485 combustion reaction Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 235000015097 nutrients Nutrition 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 239000002918 waste heat Substances 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000002402 nanowire electron scattering Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000002131 composite material Substances 0.000 claims description 2
- 238000001816 cooling Methods 0.000 claims description 2
- 238000001803 electron scattering Methods 0.000 claims description 2
- 238000004387 environmental modeling Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 239000000463 material Substances 0.000 claims 1
- 238000000746 purification Methods 0.000 claims 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 5
- 229910052799 carbon Inorganic materials 0.000 abstract description 5
- 238000012271 agricultural production Methods 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 239000002737 fuel gas Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 239000000203 mixture Substances 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
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Landscapes
- Engine Equipment That Uses Special Cycles (AREA)
Abstract
本发明公开了一种基于共烧技术的多能耦合系统及其优化配置方法，系统包括光伏、燃气轮机、生物质气化子系统、辅助锅炉、地源热泵、换热设备、吸收式制冷机。优化配置方法首先对多能耦合系统建模；然后建立考虑经济、能源、环境和能源分散性的多维评价体系；最后采用粒子群‑食肉植物算法(PSO‑CPA)优化求解多能耦合系统各设备的装机容量。本发明提出的方法能有效提升农业生产废弃物的利用率，降低系统的运行成本，生物质和天然气的共烧提高了系统的灵活性，同时生物质作为碳平衡的可再生能源，将其气化并与天然气共烧使得系统碳排放减少。
Description
技术领域
本发明属于多能耦合系统多能流设备优化领域，特别涉及到可再生能源的消纳和农业生产废弃物质利用，具体涉及一种基于共烧技术的多能耦合系统及其优化配置方法。
背景技术
为了缓解全球能源危机，减缓气候变暖的问题，传统的分供系统正逐渐向多能耦合系统发展。为了进一步减少多能耦合系统的碳排放，有些学者提出在多能耦合系统中使用生物质气化气替代天然气进行发电。生物质气化气(由生物质气化产生的氢气和一氧化碳混合物组成)大多数情况下以分布广泛且产量巨大的农业生产废物为原料，因此可以以较低成本为多能耦合系统供能。然而，与天然气的热值不同，生物质气化气是一种热值较低的气体。不同生物质原料产生的燃气热值变化大，热值较低的生物质气化气并不适合用基于天然气设计的燃气轮机上，或者可以重新设计燃气轮机燃烧室结构以满足使用生物质气化气的前提，但这会增加投资成本。
此外，随着多能耦合系统的发展，系统结构越来越复杂，生物质和天然气并非多能耦合系统的唯一能量来源。考虑提高效率为目的来确定最佳混合比和分析基于共燃技术的多能耦合系统，需要从多角度优化混合比，以获得多能耦合系统更好的综合性能。
发明内容
针对上述研究问题，本发明提供了一种基于共烧技术的多能耦合系统及其优化配置方法。
本发明提供了一种基于共烧技术的多能耦合系统，该多能耦合系统在基于天然气燃烧的多能耦合系统情况下加入生物质气化子系统，生物质气化子系统可产出零碳排放的生物质气化气。生物质气化气与天然气混合为多能耦合系统提供燃气来源。多能耦合系统包含能源转换侧、能源储存侧和需求转换侧。能源转换侧包括生物质气化子系统、燃气轮机、辅助锅炉、光伏和热回收器。生物质气化子系统包含气化炉、旋风分离器。能源储存侧包含储能电池、储气罐和储热罐。需求转换侧包含地源热泵、吸收式制冷机和换热设备。
能源转换侧将天然气和生物质气化气按一定比例混合并通过燃气轮机发电，光伏将太阳能转换为电能。无法满足电负荷时，向电网购电。能源储存侧将负荷侧无法消纳的电能热能和燃气储存，供下一时刻调度。需求转换侧中地源热泵为负荷提供部分热能,吸收式制冷机将将热能转换为冷能，换热设备将热能传递给热需求用户。设备出力和负荷之间遵循如下热电平衡：
其中Egrid、Epv、Epgu、Egshp、Ed为t时刻电网购电功率(kw)、光伏出力(kw)、燃气轮机出力(kw)、电储能放电和充电功率(kw)、地源热泵耗电量(kw)、电负荷(kw)。Qr、Qab、/>Qac、Qhot、/>ηhe、COPac和Qc为t时刻热回收器回收热功率(kw)、辅助锅炉出力(kw)、储热罐放、存热量(kw)、吸收式制冷机功率(kw)、热负荷(kw)、地源热泵制冷和制热功率(kw)、换热器效率、吸收式制冷机制冷系数和冷负荷。
本发明还提供了上述一种基于共烧技术的多能耦合系统的优化配置方法，具体过程如下：
步骤1：建立基于生物质气化与天然气共烧技术的多能耦合系统模型。
步骤2：设定目标函数为经济、能源、环境、可持续性四维变量，设置系统电平衡约束、热/冷平衡约束、设备出力容量约束。
步骤3：采用粒子群-食肉植物算法优化求解多能耦合系统的设备最佳装机容量和混合燃气的最佳混合比。
与现有技术相比，本发明的有益效果包含：
1.生物质气化气和天然气共烧兼具经济和减碳的作用，可解决生物质消纳问题。
2.系统内多种能源转换设备相互耦合，充分发挥互补特性。
附图说明
图1为本发明的系统结构图；
图2为优化配置算法流程图；
图3为全年8760小时负荷侧冷热电需求图；
图4为典型日系统电平衡图；
图5为典型日系统热平衡图。
具体实施方式
下面结合附图对本发明的技术进行进一步说明。
本发明所涉及多能耦合系统及其优化配置方法，具体包括：
步骤1、建立基于生物质气化与天然气共烧技术的多能耦合系统模型。
如图1所示，本发明将生物质与天然气共烧技术与多能耦合系统相结合，多能耦合系统包括能源转换侧、能源储存侧和需求转换侧，其中能源转换侧包括生物质气化子系统、燃气轮机、辅助锅炉、光伏和热回收器。生物质气化子系统包含气化炉、旋风分离器。能源储存侧包含储能电池、储气罐和储热罐。需求转换侧包含地源热泵、吸收式制冷机和换热设备。
生物质气化气与天然气耦合共烧的燃气轮机出力模型如下：
从能量输入的角度将生物质和天然气混合燃烧比定义为生物质能量在混合气体总能量中的占比：
式中：和/>为进入燃气轮机的生物质气化气与天然气的流量，LHVsyn和LHVng为生物质气化气与天然气的低热值(37.62MJ/Nm3)。
燃气轮机电效率受燃料低热值影响，混合可燃气体低热值对燃气轮机的电效率的影响可拟合为以下公式：
式中：为燃气轮机的额定电效率，ηpgu为燃气轮机受混合可燃气低热值影响下的实际电效率。
燃气轮机能量输入与输出的关系可由下式表示：
Fbio,t＝Ppgu,tΔtXmbr/(ηpguLHVsyn)
Fng,t＝Ppgu,tΔt(1-Xmbr)/(ηpguLHVng)
Qpgu,t＝Ppgu,t(1-ηpgu-ηhlc)/ηpgu
式中：Fng,t和Fbio,t分别为Δt时间内系统消耗的天然气能量(kWh)以及生物质气化气能量(kWh)，本发明中Δt取一小时。Ppgu,t为燃气轮机输出的电功率，Qpgu,t为废热功率输出，ηhlc表示热损失系数。
系统按照以电定热原则对设备进行出力顺序规划。光伏将太阳能转换为电能，并优先满足电负荷，能源转换侧将天然气和生物质气化气按一定比例混合并通过燃气轮机发电，无法满足电负荷时，向电网购电。能源储存侧将负荷侧无法消纳的电能热能和燃气储存，供下一时刻调度。需求转换侧中地源热泵为负荷提供部分热能,吸收式制冷机将将热能转换为冷能，换热设备将热能传递给热需求用户。
步骤2、设定目标函数为经济、能源、环境、可持续性四维变量，设置系统电平衡约束、热/冷平衡约束、设备出力容量约束。
建立系统模型后，还需要确定目标函数，以及约束变量。优化配置的目标函数通常为三维，能源、经济、环境。为了衡量所提系统的模型优势，将所提系统与分供系统(SP)对比。分供系统电需求由电网提供，供热需求由辅助锅炉提供，供冷需求由电制冷机提供。此外，为了增加新能源消纳以及多能的稳定性，增加能源分散性指标，具体如下：
经济建模，年度成本节约率ATCSR的计算由以下公式表示：
式中：ATCSP为SP的年度运行成本($)，ATCIES为IES的年度运行成本($)，ATCIES包含年度设备成本($)，年度运行成本($)，和年度维护成本($)，计算公式如下：
ATCIES＝Ceq+Cop+Cm
Cop＝Cng+Cbio+Cgrid
式中：α为利率(％)，β为设备使用寿命(年)，n是设备总数，为第i种设备的配置成本，Cng为年度购气成本($)，Cbio为年度生物质成本($)，Cgrid为年度购电成本($)。利率设置为4％，系统设备使用寿命设置为20年。
环境建模，年度二氧化碳减排率CDESR的计算由以下公式表示：
式中：CDESP为SP的年度二氧化碳排放量(t)，CDEIES为IES的年度二氧化碳排放量(t)，μgrid、μng和μbio为电网、天然气和生物质的二氧化碳排放系数(g/kWh)。Egrid,t为IES在t时刻与电网的交互功率(kW)。ηe和ηgrid为电网发电效率和电网传输效率。
能源建模，年度一次能源节约率PESR计算公式如下：
式中：PECSP代表SP一次能源使用量(kWh)，PECIES代表IES一次能源使用量(kWh)。
能源分散性建模，提高能源供应来源的多样性可以减少单一供应来源中断的脆弱性。同时也可以降低每个供应来源在能源系统中的供应占比，削弱一种或多种能源因其价格上涨而带来的风险。通常使用Hirschman–Herfindahl index(HHI)用于能源系统或市场的风险分析。
能源分散性指标：
式中：n为能源种类总量，在本系统中共有四种。分别为：太阳能、浅层地热能、化石能源(天然气和电网)和生物质能。通常认为电网是由煤炭发电，因此将IES的电网购电归属为化石能源。Fi为第i种能源的年消耗量(kWh)。Ftotal为IES系统的年度能源总消耗量(kWh)。
从能源，环境，经济和可持续性四个角度衡量了多种性能。采用线性加权法将多目标优化转化为单目标优化。综合指标CEI定义如下。
CEI＝α1×PESR+α2×CDESR+α3×ATCSR+α4×EDI
约束变量包含冷、热、电平衡约束，以及设备容量的不等式约束，具体如下：
设备出力和负荷之间遵循如下冷热电平衡：
其中Egrid、Epv、Epgu、Egshp、Ed为t时刻电网购电功率(kw)、光伏出力(kw)、燃气轮机出力(kw)、电储能放电和充电功率(kw)、地源热泵耗电量(kw)、电负荷(kw)。Qr、Qab、/>Qac、Qhot、/>ηhe、COPac和Qc为t时刻热回收器回收热功率(kw)、辅助锅炉出力(kw)、储热罐放、存热量(kw)、吸收式制冷机功率(kw)、热负荷(kw)、地源热泵制冷和制热功率(kw)、换热器效率、吸收式制冷机制冷系数和冷负荷。
设备容量约束如下：
Xmbr∈[0,1]
Xc∈[0,1]
Xh∈[0,1]
其中：Xmbr为天然气与生物质气化气的混合比，Xc为地源热泵制冷比，Xh为地源热泵制热比，NESS为储能电池的配置容量，NPGU为燃气轮机的配置容量，NTST为储热罐的配置容量。
步骤3：采用粒子群-食肉植物算法(PSO-CPA)优化求解多能耦合系统的设备最佳装机容量和混合燃气的最佳混合比。
在完成多能耦合系统建模以及目标函数和约束的建立后，采用粒子群-食肉植物算法优化求解多能耦合系统的设备最佳装机容量和混合燃气的最佳混合比。具体步骤如图2所示，具体包括：
(1)确定目标函数(Goal)、六维决策变量(Xmbr,Xc,Xh,NESS,NPGU,NTST)。
(2)设置变量范围和迭代次数。
(3)运行粒子群获取得数量为2n的可行解。
(4)分类和分组。将2n个可行解根据其适应度值按升序排序前n个为CPi,j，后n个为Preyn+i,j，并分为n组(CPi,j,Preyn+i,j)，其中i是组数，j是维度，每组包含一个食肉植物CPi,j和一个猎物Preyn+i,j。
(5)增长阶段。食肉植物吸引、诱捕和消化猎物以使其生长，新食肉植物的生长建模为：
NewCPi,j＝growth×CPi,j+(1-growth)×Preyv,j
growth＝growth_rate×randi,j
式中：CPi,j为排名第i的食肉植物，Preyv,j为随机选择的猎物，生长率为预定义值，rand为从[0,1]范围内随机选择的值。当growth低于0.8时，猎物逃脱，新的猎物生长模型为：
NewPreyi,j＝growth×Preyu,j+(1-growth)×Preyv,j,u≠v
(6)复制。适应度最好的食肉植物CP1,j吸收猎物的营养物质，并将营养物质用于生长和繁殖：
NewCPi,j＝CP1,j+Reproduction_rate×randi,j×matei,j
(7)重新排列，将新的猎物和新的植物与原始种群重新按照适应度升序排列，产生新的n组组合。
(8)判断。达到迭代次数则结束，输出最佳CP1,j。否则重复过程(4)。
以下结合一个实施例，对本发明方法进行进一步说明，实施例所用的电负荷及冷热负荷如图3所示，价格相关参数如表1所示：
表1
| 设备 | 单位 | 值 |
| 燃气轮机 | 元/千瓦 | 8820 |
| 辅助锅炉 | 元/千瓦 | 327.6 |
| 生物质气化子系统 | 元/千瓦 | 2205 |
| 热回收器 | 元/千瓦 | 126 |
| 换热设备 | 元/千瓦 | 138.6 |
| 储热罐 | 元/千瓦 | 2205 |
| 蓄电池 | 元/千瓦 | 352.8 |
| 光伏 | 元/千瓦 | 686.7 |
| 地源热泵 | 元/千瓦 | 13419 |
| 吸收式制冷机 | 元/千瓦 | 1934.1 |
| 天然气价格(11月15日-3月15日) | 元/千瓦时 | 1052.1 |
| 天然气价格(3月16日-11月14日) | 元/千瓦时 | 0.25074 |
| 电价(6：00–22：00) | 元/千瓦时 | 0.21987 |
| 电价(23:00–5:00) | 元/千瓦时 | 1.2159 |
| 生物质价格 | 元/千瓦时 | 0.7245 |
采用本发明方法进行建模并求解，得到的系统设备配置方案如表2所示:
表2
| Xmbr(％) | Xc(％) | Xh(％) | NESS(kW) | NPGU(kW) | NTST(kW) | CEI(％) |
| 56 | 24.05 | 38.79 | 90 | 625 | 2143 | 51.91 |
最佳配置方案下，系统混烧比在56％时的综合指标达到51.91％。多能耦合系统中各设备的逐时出力情况。按照全年不同时期电负荷和热负荷的特性将典型日分为过渡季典型日、夏季典型日和冬季典型日。在以电定热运行策略下多能耦合系统典型日的电平衡和热平衡仿真结果分别如图4和图5所示。仿真结果表明，基于共烧技术的多能耦合系统及其优化配置方法实现了设备之间的耦合互补以及四维优化，证明了本发明所提及系统以及所使用优化配置方法的有效性。
以上所述仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形、改进及替代，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种基于共烧技术的多能耦合系统，其特征在于：含生物质气化子系统与燃气轮机的多能耦合系统；
基于共烧技术的多能耦合系统包含能源转换侧、能源储存侧和需求转换侧，其中能源转换侧包括生物质气化子系统、燃气轮机、辅助锅炉、光伏和热回收器；生物质气化子系统包含气化炉、旋风分离器；能源储存侧包含储能电池、储气罐和储热罐；需求转换侧包含地源热泵、吸收式制冷机和换热设备；
光伏提供部分电力供应；生物质材料在经过生物质气化子系统的气化和净化工序后转化为气化气，净化后的气化气储存在储气设备中，与天然气按一定比例混合后进入燃气轮机发电；然后，热回收器回收燃气轮机的废热；回收的废热为需求转换侧的设备供热；多余热量存入储热罐，缺额热量由辅助锅炉补充；当光伏及燃气轮机供电不足时，直接从电网补充缺额电量；反之，多余电力将存入储能电池；需求转换侧的设备将系统内的能量转换为满足负荷侧需求的能量，地源热泵、吸收式制冷机和换热设备将来自能源转换侧和能源储存侧的电能及热能转换为满足负荷侧的电需求、热需求和冷需求。
2.根据权利要求1所述的一种基于共烧技术的多能耦合系统，其特征在于：计算生物质气化气和天然气共烧对IES的影响，需要衡量生物质气化气与天然气的燃料混合比；从能量输入的角度将生物质和天然气混合燃烧比定义为生物质能量在混合气体总能量中的占比：
式中：和/>为进入燃气轮机的生物质气化气与天然气的流量，LHVsyn和LHVng为生物质气化气与天然气的低热值；燃气轮机电效率受燃料低热值影响，混合可燃气体低热值对燃气轮机的电效率的影响拟合为以下公式：
式中：为燃气轮机的额定电效率，ηpgu为燃气轮机受混合可燃气低热值影响下的实际电效率；燃气轮机能量输入与输出的关系由下式表示：
Fbio,t＝Ppgu,tΔtXmbr/(ηpguLHVsyn)
Fng,t＝Ppgu,tΔt(1-Xmbr)/(ηpguLHVng)
Qpgu,t＝Ppgu,t(1-ηpgu-ηhlc)/ηpgu
式中：Fng,t和Fbio,t分别为Δt时间内系统消耗的天然气能量以及生物质气化气能量，Ppgu,t为燃气轮机输出的电功率，Qpgu,t为废热功率输出，ηhlc表示热损失系数。
3.一种如权利要求1-2任一项所述的一种基于共烧技术的多能耦合系统的优化配置方法，其特征在于：包括以下步骤：
步骤1，基于经济、能源、环境和能源分散性建立的多维评价体系；
步骤2，运用粒子群-食肉植物算法PSO-CPA优化求解多维评价体系下多能耦合系统内各设备的最优配置。
4.根据权利要求3所述的一种基于共烧技术的多能耦合系统的优化配置方法，其特征在于：所述步骤1中的基于经济、能源、环境和能源分散性建立的多维评价体系包括：
经济建模，年度成本节约率ATCSR的计算由以下公式表示：
式中：ATCSP为分供系统SP的年度运行成本，SP由电网供电，电制冷机供冷，辅助锅炉供热；ATCIES为IES的年度运行成本，ATCIES包含年度设备成本，年度运行成本，和年度维护成本，计算公式如下：
ATCIES＝Ceq+Cop+Cm
Cop＝Cng+Cbio+Cgrid
式中：α为利率，β为设备使用寿命，n是设备总数，为第i种设备的配置成本，Cng为年度购气成本，Cbio为年度生物质成本，Cgrid为年度购电成本；
环境建模，年度二氧化碳减排率CDESR的计算由以下公式表示：
式中：CDESP为SP的年度二氧化碳排放量，CDEIES为IES的年度二氧化碳排放量，μgrid、μng和μbio为电网、天然气和生物质的二氧化碳排放系数；Egrid,t为IES在t时刻与电网的交互功率；ηe和ηgrid为电网发电效率和电网传输效率；
能源建模，年度一次能源节约率PESR计算公式如下：
式中：PECSP代表SP一次能源使用量，PECIES代表IES一次能源使用量；
能源分散性建模，在IES中EDI由以下公式表示：
式中：n为能源种类总量，在本系统中共有四种，分别为：太阳能、浅层地热能、化石能源和生物质能；Fi为第i种能源的年消耗量，Ftotal为IES系统的年度能源总消耗量；
从能源，环境，经济和可持续性四个角度衡量了多种性能，采用线性加权法将多目标优化转化为单目标优化；综合指标CEI定义如下：
CEI＝α1×PESR+α2×CDESR+α3×ATCSR+α4×EDI。
5.根据权利要求4所述的一种基于共烧技术的多能耦合系统的优化配置方法，其特征在于：将所述步骤1中的综合指标CEI作为所述步骤2的目标函数，再运用粒子群-食肉植物算法PSO-CPA优化求解多维评价体系下多能耦合系统内各设备的最优配置，具体步骤如下：
步骤2.1，确定目标函数、六维决策变量(Xmbr,Xc,Xh,NESS,NPGU,NTST)；其中：Xmbr为天然气与生物质气化气的混合比，Xc为地源热泵制冷比，Xh为地源热泵制热比，NESS为储能电池的配置容量，NPGU为燃气轮机的配置容量，NTST为储热罐的配置容量；
步骤2.2，设置变量范围和迭代次数；
步骤2.3，运行PSO获取得数量为2n的可行解；
步骤2.4，分类和分组；将2n个可行解根据其适应度值按升序排序前n个为CPi,j，后n个为Preyn+i,j，并分为n组(CPi,j,Preyn+i,j)，其中i是组数，j是维度，每组包含一个食肉植物CPi,j和一个猎物Preyn+i,j；
步骤2.5，增长阶段；食肉植物吸引、诱捕和消化猎物以使其生长，新食肉植物的生长建模为：
NewCPi,j＝growth×CPi,j+(1-growth)×Preyv,j
growth＝growth_rate×randi,j
式中：CPi,j为排名第i的食肉植物，Preyv,j为随机选择的猎物，生长率为预定义值，rand为从[0,1]范围内随机选择的值；当growth低于0.8时，猎物逃脱，新的猎物生长模型为：
NewPreyi,j＝growth×Preyu,j+(1-growth)×Preyv,j,u≠v
步骤2.6，复制；适应度最好的食肉植物CP1,j吸收猎物的营养物质，并将营养物质用于生长和繁殖：
NewCPi,j＝CP1,j+Reproduction_rate×randi,j×matei,j
步骤2.7，重新排列，将新的猎物和新的植物与原始种群重新按照适应度升序排列，产生新的n组组合；
步骤2.8，判断；达到迭代次数则结束，输出最佳CP1,j；否则重复步骤2.4。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410183037.6A CN118095535A (zh) | 2024-02-19 | 2024-02-19 | 一种基于共烧技术的多能耦合系统及其优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410183037.6A CN118095535A (zh) | 2024-02-19 | 2024-02-19 | 一种基于共烧技术的多能耦合系统及其优化配置方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118095535A true CN118095535A (zh) | 2024-05-28 |
Family
ID=91162480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410183037.6A Pending CN118095535A (zh) | 2024-02-19 | 2024-02-19 | 一种基于共烧技术的多能耦合系统及其优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118095535A (zh) |
-
2024
- 2024-02-19 CN CN202410183037.6A patent/CN118095535A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ren et al. | Multi-objective optimization and evaluation of hybrid CCHP systems for different building types | |
| Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
| Zhang et al. | Nested optimization design for combined cooling, heating, and power system coupled with solar and biomass energy | |
| CN111724045B (zh) | 基于数据驱动的综合能源系统能效评价与提升方法 | |
| CN114580863A (zh) | 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法 | |
| CN111639819B (zh) | 一种综合能源园区多阶段优化控制方法 | |
| CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
| CN112364556A (zh) | 基于多能互补的智慧能源优化配置方法及终端设备 | |
| CN112287493B (zh) | 含透平膨胀机的冷热电氢联供型微电网容量优化配置方法 | |
| CN113850409A (zh) | 一种考虑可再生能源接入的综合能源系统优化运行方法 | |
| CN113078684B (zh) | 一种基于双层优化的区域能源社区规划方法 | |
| CN113806952A (zh) | 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法 | |
| CN113553718A (zh) | 一种绿色数据中心综合供能系统设备容量的配置方法 | |
| CN117611382A (zh) | 考虑多层协同及需求响应的农村综合能源系统优化方法 | |
| CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
| CN113313329B (zh) | 一种含综合能源系统的配电网优化调度方法 | |
| CN116231694A (zh) | 一种风光互补制氢与冷热电多能互补的综合能源系统 | |
| CN115906456A (zh) | 考虑需求侧响应不确定性的含氢储能ies调度优化模型 | |
| CN118095535A (zh) | 一种基于共烧技术的多能耦合系统及其优化配置方法 | |
| CN114330835A (zh) | 一种综合能源微网中电/热混合储能系统的优化配置方法 | |
| CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
| CN113393077A (zh) | 考虑用户用能不确定性的电-气多能存储系统配置方法 | |
| CN112446616A (zh) | 园区型综合能源系统优化运行策略与负荷特性建模方法 | |
| Chen et al. | Research on optimal collaborative method for microgrid environmental and economic dispatch in grid-connected mode | |
| Fan et al. | Operation strategy analysis and configuration optimization of solar CCHP system |
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 |