CN110635514A - 一种并网型微网优化配置方法 - Google Patents
一种并网型微网优化配置方法 Download PDFInfo
- Publication number
- CN110635514A CN110635514A CN201911106851.3A CN201911106851A CN110635514A CN 110635514 A CN110635514 A CN 110635514A CN 201911106851 A CN201911106851 A CN 201911106851A CN 110635514 A CN110635514 A CN 110635514A
- Authority
- CN
- China
- Prior art keywords
- power
- microgrid
- model
- electricity
- formula
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 title claims abstract description 10
- 239000007789 gas Substances 0.000 claims abstract description 64
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 58
- 238000010248 power generation Methods 0.000 claims abstract description 49
- 239000003345 natural gas Substances 0.000 claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 26
- 238000004146 energy storage Methods 0.000 claims abstract description 24
- 238000013439 planning Methods 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 85
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 66
- 230000008901 benefit Effects 0.000 claims description 56
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 37
- 239000001569 carbon dioxide Substances 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 18
- 239000000446 fuel Substances 0.000 claims description 16
- 150000001875 compounds Chemical class 0.000 claims description 15
- 238000005338 heat storage Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 13
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 12
- 229910052739 hydrogen Inorganic materials 0.000 claims description 11
- 239000001257 hydrogen Substances 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 239000007787 solid Substances 0.000 description 3
- 238000005485 electric heating Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种并网型微网优化配置方法,属于微网储能***配置优化技术领域,包括以下步骤:建立微网内各元件模型;建立净收益模型;建立微网优化配置模型;通过CPLEX求解器确定微网净收益最大的容量配置。在微网中增加P2G和SOFC‑MGT联合发电***,天然气网为微电网内SOFC‑MGT联合发电***供气,微电网内的SOFC‑MGT联合发电***和P2G***均产生热能,向微热网供热。本发明可应用于微网优化配置领域,使微网的规划兼具经济性与环保性。
Description
技术领域
本发明涉及微网优化配置技术领域,尤其是一种并网型微网优化配置方法,用于包含P2G和SOFC-MGT联合发电***的微网优化配置。
背景技术
近年来,随着能源危机及环境污染问题的日益严重,由可再生能源分布式发电作为重要组成部分的微网成为研究热点。微网作为一个灵活、可控、绿色、经济的新型分布式电源载体,在保障用户供电、节能环保、改善电能质量等方面具有突出的优点。
SOFC-MGT联合发电***相比传统发电方式(例如:火电、柴油机、燃气轮机等)与燃料电池发电更加高效与环保。考虑了SOFC-MGT联合发电***易于捕获CO2的特点,对SOFC-MGT联合发电***进行CO2捕获,并考虑了微网内弃风弃光的存在,加入P2G***,与CO2捕获***结合可以产生天然气为微网供能,实现能源的高效利用。
发明内容
本发明需要解决的技术问题是提供一种并网型微网优化配置方法,其微网包含P2G和SOFC-MGT联合发电***,通过天然气网为微电网内SOFC-MGT联合发电***供气,微电网内的SOFC-MGT联合发电***和P2G***均产生热能,向微热网供热,实现微网规划的经济性与环保性。
为解决上述技术问题,本发明所采用的技术方案是:
一种并网型微网优化配置方法,所述方法的步骤如下:
步骤1,建立微网内各元件模型;所述各元件模型,包括风机模型、光伏电池模型、SOFC-MGT联合发电***模型、P2G***模型、燃气锅炉模型、充电站模型、电动汽车模型、电池储能模型与热储能模型;
步骤2,建立净收益模型;
步骤3,建立微网优化配置模型;
步骤4,通过CPLEX求解器确定微网净收益最大的容量配置。
本发明技术方案的进一步改进在于:步骤1中,建立微网内各元件模型,具体过程如下:
1-1风机模型
1-2光伏电池模型
PPV=PSTCFPVGAC[1+k(Tw-Tr)]/GSTC (2)
式中,PPV为光伏电池输出功率,PSTC为标准测试条件下的最大测试功率;FPV为光伏组件的降额因子,一般可取0.9~0.95;GAC为光照强度kw/m2;GSTC为标准测试条件下的光照强度,其值为1kw/m2;k为功率温度系数,其值一般为-0.5%~-0.35%/K;Tw为电池板工作温度;Tr为参考温度,其值为25℃;
1-3SOFC-MGT联合发电***模型
为了便于微网优化配置,对SOFC-MGT联合发电***的模型进行了简化,根据假定的条件,简化的模型如下:
PPT=ηPT·PGT (4)
SOFC-MGT联合发电***的模型如式(3);式中,PFC、PPT、PGT、Pgen分别为燃料电池、动力涡轮机、燃气轮机以及发电机的输出功率;分别为联合发电***输出的电、热功率;PCCS为捕获二氧化碳消耗的电功率;为捕获的二氧化碳量;ηinv、ηPT、ηgen、分别为逆变器的效率、燃料电池的电效率、动力涡轮机的效率、发电机的效率以及燃气轮机的电效率;分别为联合发电***的综合电、热效率;nf为燃料的注入速率;LHVf为燃料的低热值;
1-4P2G***模型
(1)电解池
(2)天然气生产***
约束条件:
放热:
QP2G=ηP2G,h·PP2G (15)
式中,QP2G为P2G***输出热功率;ηP2G,h为P2G***放热效率。
1-5燃气锅炉模型
输出功率:
QGB=ηGB·xGB·LNG (16)
式中,QGB为燃气锅炉输出功率;ηGB为燃气锅炉转换效率;xGB为消耗的天然气量;LNG为天然气低热值;
1-6充电站模型
式中,REV为充电站售电的收入;CEV为充电站从电动汽车用户处买电的成本;Psell-EV、Pbuy-EV分别为充电站售电功率、买电功率;θ1、θ2分别为充电站售电时间、买电时间;Csell-EV、Cbuy-EV分别为充电站售电价格、买电价格;
1-7电动汽车模型
EEVmin≤EEV(t)≤EEVmax (21)
PEVcmin·δEVc(t)≤PEVc(t)≤PEVcmax·δEVc(t) (22)
PEVdmin·δEVd(t)≤PEVd(t)≤PEVdmax·δEVd(t) (23)
δEVc(t)+δEVd(t)≤1 (24)
式中,ηEVc为电动汽车充电效率;ηEVd为电动汽车放电效率;PEVc(t)为t时段电动汽车充电功率;PEVd(t)为t时段电动汽车放电功率;EEV(t)为t时段电动汽车容量;EEV(t+1)为t+1时段电动汽车容量;Eev(t)为t时段单个电动汽车容量;EEVmin为电动汽车最小可用容量;EEVmax为电动汽车最大可用容量;PEVmin为电动汽车最小运行功率;PEV□max为电动汽车最大运行功率;δEVc(t)为t时段电动汽车充电状态;δEVd(t)为t时段电动汽车放电状态;
1-8电池储能模型
0≤PESc(t)≤PESc,max (26)
0≤PESd(t)≤PESd,max (27)
SE,min≤SE(t)≤SE,max (28)
PESc(t)·PESd(t)=0 (29)
SE(0)=SE(T) (30)
式中:SE(t)为t时刻电池的能量;SE(t+1)为t+1时刻电池的能量;σ为自放电比;PESc、PESd为充、放电功率;ηESc、ηESd为充、放电效率;Δt为间隔时间;PESc,max、PESd,max为充放电功率上限;SE,min、SE,max为电池能量上下限;
1-9热储能模型
HHSmin≤HHS(t)≤HHSmax (32)
0≤QHSc≤QHSc,max (33)
0≤QHSd≤QHSd,max (34)
HHS(T)=HHS(0) (35)
式中:HHS(t)为t时刻热储能容量;HHS(t+1)为t+1时刻热储能容量;μ为热储能散热损失率;QHSc、QHSd为储、放热功率;ηHSc、ηHSd为储、放热效率;Δt为间隔时间;QHSc,max、QHSd,max为储放热功率上限;HHSmin、HHSmax为储热容量上下限。
本发明技术方案的进一步改进在于:步骤2中,建立净收益模型,具体过程如下:
以微网净收益最大为目标,构建成本-效益计算模型:
2-1成本模型
微网规划成本包含:初始投资成本,运行和维护成本,购电成本,购气成本;
(1)初始投资成本
Cinv=Cinit·CRF (36)
式中,Cinv为微网内元件的投资成本;Cinit为微网元件最初投资成本;CRF为资本回收系数;i为利率;n为元件的寿命;
(2)运行和维护成本
Com=α·Cinit (38)
式中,Com为微网元件的运行和维护成本;α为运行和维护成本系数;
(3)购电成本
微网购电的方式有两种:一种是向配电网买电;另一种是向电动汽车用户买电;购电成本为:
式中,Cbuy,e为微网购电成本;Cbuy-grid为微网向配电网买电的价格;θ3为微网向配电网买电的时间;Pbuy-grid为微网向配电网买电的功率;Cbuy-EV为微网向电动汽车用户买电的价格;θ2为微网向电动汽车用户买电的时间;Pbuy-EV为微网向电动汽车用户买电的功率;
(4)购气成本
微网的购气成本即微网向天然气网买气的成本:
式中,Cbuy,NG为微网购气成本;Cbuy-NG为微网购气价格;xbuy-NG为购气量;
2-2效益模型
微网的效益包含:实时电量效益、热负荷收益、充电站的收入、给电网售电收益、环境效益;
(1)实时电量效益
式中,Rele为微网的电量收益;Day为天数;Cele,i为i时刻售电价格;Pele,i为i时刻售电功率;Δt为时间间隔;
(2)热负荷效益
式中,Rh为微网的热负荷收益;Day为天数;Ch为售热价格;Ph,i为i时刻售热功率;Δt为时间间隔;
(3)充电站效益
充电站的收益来源于向电动汽车售电,收益如下:
式中,REV为充电站售电的收入;Psell-EV为充电站售电功率;θ1为充电站售电时间;Csell-EV为充电站售电价格;
(4)环境效益
环境收益如下:
2-3净效益模型
微网的净收益为总收益减去总成本:
总收益:
R=Rele+Rh+REV+Renv (45)
总成本:
C=Cinv+Com+Cbuy,e+Cbuy,NG (46)
净收益:
Pnet=R-C (47)
本发明技术方案的进一步改进在于:步骤3中,建立微网优化配置模型,具体过程如下:
3-1目标函数
以微网规划净收益最大为目标,目标函数为
maxPnet=R-C (48)
3-2约束条件
等式约束包括微网内能量的平衡约束;
不等式约束包括各单元的运行约束;
(1)能量平衡约束
电功率平衡:
热功率平衡:
式中,Pload(t)为微网内电负荷,Qh(t)为网内热负荷;
天然气平衡:
(2)与配网电功率交换约束
Pbuy-grid(t)≤Plinemax (52)
Psell-grid(t)≤Plinemax (53)
式中,Plinemax为联络线的最大功率;
(3)与天然气网交换约束
xbuy-NG(t)≤xpmax (54)
式中,xpmax为管道的最大输送量;
(4)PV、WT的有功出力约束
(5)燃气锅炉约束
QGBmin≤QGB(t)≤QGBmax (57)
QGB(t)-QGB(t-1)≤Rup,GB (58)
QGB(t-1)-QGB(t)≤Rdown,GB (59)
式中,QGBmin、QGBmax为燃气锅炉输出最小、最大功率;Rup,GB、Rdown,GB为上坡速率、下坡速率;
(6)储能的相关约束
电池充、放电功率受最大充、放电倍率制约
本发明技术方案的进一步改进在于:对SOFC-MGT联合发电***模型进行简化,简化条件为:
(1)假定SOFC输出电效率恒定;
(2)假定SOFC-MGT联合发电***输出电、热效率恒定;
(3)假定二氧化碳捕获***消耗的能量与SOFC-MGT***输出电功率有关;
(4)假定能捕获全部的二氧化碳。
由于采用了上述技术方案,本发明取得的技术进步是:
1、本发明考虑了SOFC-MGT联合发电***易于捕获CO2的特点,在微网中使用固态氧化物燃料电池与微燃气轮机(SOFC-MGT)联合发电***进行CO2捕获,比其他发电***更加高效与环保,能够提高能源的利用率。
2、本发明考虑了微网内弃风弃光的存在,加入P2G***,与CO2捕获***结合可以消纳***产生的二氧化碳,并产生天然气为微网供能,实现能源的高效利用,达到能源的综合利用与高效环保。
3、本发明采用自适应动态规划方法获得相应时间段内的优化控制策略,降低电网的峰谷载荷差值,提高电网的灵活性与兼容性,同时降低用户的用电成本。
4、本发明对SOFC-MGT联合发电***模型进行了简化,使微网更加优化。
附图说明
图1是本发明优化配置***模型图。
具体实施方式
下面结合实施例对本发明做进一步详细说明:
如图1所示:
本发明对微网电、热***进行优化配置,电热网互联,其中微电网由可再生能源(风机、光伏电池)、SOFC-MGT联合发电***、P2G***、电池储能、充电站、电动汽车和电负荷组成;微热网由燃气锅炉、热储能、热负荷组成。
微电网与配电网、天然气网、热网相连。配电网与微电网之间传输功率实现微电网的功率平衡,天然气网为微电网内SOFC-MGT联合发电***供气,微电网内的SOFC-MGT联合发电***和P2G***均产生热能,向微热网供热。
微热网与天然气网、微电网相连。天然气网和微电网中的P2G***为燃气锅炉供气,微电网内的SOFC-MGT联合发电***和P2G***向微热网供热。
一种并网型微网优化配置方法,步骤如下:
步骤1,建立微网内各元件模型;所述各元件模型,包括风机模型、光伏电池模型、SOFC-MGT联合发电***模型、P2G***模型、燃气锅炉模型、充电站模型、电动汽车模型、电池储能模型与热储能模型;
步骤2,建立净收益模型;
步骤3,建立微网优化配置模型;
步骤4,通过CPLEX求解器确定微网净收益最大的容量配置。
步骤1中,建立微网内各元件模型,具体过程如下:
1-1风机模型
式中,PWT为风机输出功率,v为风速,vci为切入风速,vco为切出风速,vN为额定风速,为风机额定功率。
1-2光伏电池模型
PPV=PSTCFPVGAC[1+k(Tw-Tr)]/GSTC (2)
式中,PPV为光伏电池输出功率,PSTC为标准测试条件(太阳能入射强度为1kW/m2,环境温度为25℃)下的最大测试功率;FPV为光伏组件的降额因子,用来表示光伏电池板表面灰尘、雨雪的遮盖以及光伏电池板老化等引起的损耗,一般可取0.9~0.95;GAC为光照强度(kW/m2);GSTC为标准测试条件下的光照强度,其值为1kW/m2;k为功率温度系数,因光伏电池不同而异,其值一般为-0.5%~-0.35%/K;Tw为电池板工作温度;Tr为参考温度,其值为25℃。
1-3SOFC-MGT联合发电***模型
SOFC-MGT是指固体氧化物燃料电池-微型燃气轮机,英文为:Solid Oxide FuelCell-Micro Gas Turbine,简称SOFC-MGT,为了便于微网优化配置,对SOFC-MGT联合发电***的模型进行了简化。简化的条件如下:
(1)假定SOFC输出电效率恒定;
(2)假定SOFC-MGT联合发电***输出电、热效率恒定;
(3)假定二氧化碳捕获***消耗的能量与SOFC-MGT***输出电功率有关;
(4)假定能捕获全部的二氧化碳。
根据假定的条件,简化的模型如下:
PPT=ηPT·PGT (4)
SOFC-MGT联合发电***的模型如式(3),式中,PFC、PPT、PGT、Pgen分别为燃料电池、动力涡轮机、燃气轮机以及发电机的输出功率;分别为联合发电***输出的电、热功率;PCCS为捕获二氧化碳消耗的电功率;为捕获的二氧化碳量;ηinv、ηPT、ηgen、分别为逆变器的效率、燃料电池的电效率、动力涡轮机的效率、发电机的效率以及燃气轮机的电效率;分别为联合发电***的综合电、热效率;nf为燃料的注入速率;LHVf为燃料的低热值。
1-4P2G***模型
P2G***是指电转气***,英文名称为:Power to Gas。
(1)电解池
(2)天然气生产***
约束条件:
放热:
QP2G=ηP2G,h·PP2G (15)
式中,QP2G为P2G***输出热功率;ηP2G,h为P2G***放热效率。
1-5燃气锅炉模型
输出功率:
QGB=ηGB·xGB·LNG (16)
式中,QGB为燃气锅炉输出功率;ηGB为燃气锅炉转换效率;xGB为消耗的天然气量;LNG为天然气低热值。
1-6充电站模型
式中,REV为充电站售电的收入;CEV为充电站从电动汽车用户处买电的成本;Psell-EV、Pbuy-EV分别为充电站售电功率、买电功率;θ1、θ2分别为充电站售电时间、买电时间;Csell-EV、Cbuy-EV分别为充电站售电价格、买电价格。
1-7电动汽车模型
EEVmin≤EEV(t)≤EEVmax (21)
PEVcmin·δEVc(t)≤PEVc(t)≤PEVcmax·δEVc(t) (22)
PEVdmin·δEVd(t)≤PEVd(t)≤PEVdmax·δEVd(t) (23)
δEVc(t)+δEVd(t)≤1 (24)
式中,ηEVc为电动汽车充电效率;ηEVd为电动汽车放电效率;PEVc(t)为t时段电动汽车充电功率;PEVd(t)为t时段电动汽车放电功率;EEV(t)为t时段电动汽车容量;EEV(t+1)为t+1时段电动汽车容量;Eev(t)为t时段单个电动汽车容量;EEVmin为电动汽车最小可用容量;EEVmax为电动汽车最大可用容量;PEV□min为电动汽车最小运行功率;PEV□max为电动汽车最大运行功率;δEVc(t)为t时段电动汽车充电状态;δEVd(t)为t时段电动汽车放电状态。
1-8电池储能模型
0≤PESc(t)≤PESc,max (26)
0≤PESd(t)≤PESd,max (27)
SE,min≤SE(t)≤SE,max (28)
PESc(t)·PESd(t)=0 (29)
SE(0)=SE(T) (30)
式中:SE(t)为t时刻电池的能量;SE(t+1)为t+1时刻电池的能量;σ为自放电比;PESc、PESd为充、放电功率;ηESc、ηESd为充、放电效率;Δt为间隔时间;PESc,max、PESd,max为充放电功率上限;SE,min、SE,max为电池能量上下限。
1-9热储能模型
HHSmin≤HHS(t)≤HHSmax (32)
0≤QHSc≤QHSc,max (33)
0≤QHSd≤QHSd,max (34)
HHS(T)=HHS(0) (35)
式中:HHS(t)为t时刻热储能容量;HHS(t+1)为t+1时刻热储能容量;μ为热储能散热损失率;QHSc、QHSd为储、放热功率;ηHSc、ηHSd为储、放热效率;Δt为间隔时间;QHSc,max、QHSd,max为储放热功率上限;HHSmin、HHSmax为储热容量上下限。
步骤2中,建立净收益模型,具体过程如下:
以微网净收益最大为目标,构建成本-效益计算模型。
2-1成本模型
微网规划成本包含:初始投资成本,运行和维护成本,购电成本,购气成本。
(1)初始投资成本
Cinv=Cinit·CRF (36)
式中,Cinv为微网内元件的投资成本;Cinit为微网元件最初投资成本;CRF为资本回收系数;i为利率;n为元件的寿命。
(2)运行和维护成本
Com=α·Cinit (38)
式中,Com为微网元件的运行和维护成本;α为运行和维护成本系数。
(3)购电成本
微网购电的方式有两种:一种是向配电网买电;另一种是向电动汽车用户买电。购电成本为:
式中,Cbuy,e为微网购电成本;Cbuy-grid为微网向配网买电的价格;θ3为微网向配网买电的时间;Pbuy-grid为微网向配网买电的功率;Cbuy-EV为微网向电动汽车用户买电的价格;θ2为微网向电动汽车用户买电的时间;Pbuy-EV为微网向电动汽车用户买电的功率。
(4)购气成本
微网的购气成本即微网向天然气网买气的成本。
式中,Cbuy,NG为微网购气成本;Cbuy-NG为微网购气价格;xbuy-NG为购气量。
2-2效益模型
微网的效益包含:实时电量效益、热负荷收益、充电站的收入、给电网售电收益、环境效益。
(1)实时电量效益
式中,Rele为微网的电量收益;Day为天数;Cele,i为i时刻售电价格;Pele,i为i时刻售电功率;Δt为时间间隔。
(2)热负荷效益
式中,Rh为微网的热负荷收益;Day为天数;Ch为售热价格;Ph,i为i时刻售热功率;Δt为时间间隔。
(3)充电站效益
充电站的收益来源于向电动汽车售电,收益如下:
式中,REV为充电站售电的收入;Psell-EV为充电站售电功率功率;θ1为充电站售电时间;Csell-EV为充电站售电价格。
(4)环境效益
微网的环境效益来源两方面:一方面,微网使用二氧化碳捕获***和P2G***结合,减少了SOFC-MGT发电***的二氧化碳排放,因此减少的环境治理成本即为CCS***(二氧化碳捕获***)环境收益;另一方面,储热***放热时,减少了燃气锅炉的出热,从而减少了燃气锅炉的出热排放,由此减少的环境治理成本即为储热***环境收益。环境收益如下:
2-3净效益模型
微网的净收益为总收益减去总成本。
总收益:
R=Rele+Rh+REV+Renv (45)
总成本:
C=Cinv+Com+Cbuy,e+Cbuy,NG (46)
净收益:
Pnet=R-C (47)
步骤3中,建立微网优化配置模型,具体过程如下:
3-1目标函数
本发明以微网规划净收益最大为目标,目标函数为
maxPnet=R-C (48)
3-2约束条件
本发明等式约束包括微网内能量的平衡约束,不等式约束包括各单元的运行约束。
(1)能量平衡约束
电功率平衡:
热功率平衡:
式中,Pload(t)为微网内电负荷,Qh(t)为网内热负荷。
天然气平衡:
(2)与配网电功率交换约束
Pbuy-grid(t)≤Plinemax (52)
Psell-grid(t)≤Plinemax (53)
式中,Plinemax为联络线的最大功率。
(3)与天然气网交换约束
xbuy-NG(t)≤xpmax (54)
式中,xpmax为管道的最大输送量。
(4)PV、WT的有功出力约束
(5)燃气锅炉约束
QGBmin≤QGB(t)≤QGBmax (57)
QGB(t)-QGB(t-1)≤Rup,GB (58)
QGB(t-1)-QGB(t)≤Rdown,GB (59)
式中,QGBmin、QGBmax为燃气锅炉输出最小、最大功率;Rup,GB、Rdown,GB为上坡速率、下坡速率。
(6)储能的相关约束
电池充、放电功率受最大充、放电倍率制约
微网的优化配置是先给定原始数据,包括电热负荷、电动汽车负荷、风速、光照强度、温度、购气价格、与配电网交换功率的买卖价格、与电动汽车用户交换功率的买卖价格、售电价格、售热价格、微网内各元件的投资成本、运行成本、维护成本、寿命年利率等;再根据建立的微网模型求出各个元件的容量,使规划的微网的净收益达到最大。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (5)
1.一种并网型微网优化配置方法,其特征在于:所述方法的步骤如下:
步骤1,建立微网内各元件模型;所述各元件模型,包括风机模型、光伏电池模型、SOFC-MGT联合发电***模型、P2G***模型、燃气锅炉模型、充电站模型、电动汽车模型、电池储能模型与热储能模型;
步骤2,建立净收益模型;
步骤3,建立微网优化配置模型;
步骤4,通过CPLEX求解器确定微网净收益最大的容量配置。
2.根据权利要求1所述的一种并网型微网优化配置方法,其特征在于:步骤1中,建立微网内各元件模型,具体过程如下:
1-1风机模型
1-2光伏电池模型
PPV=PSTCFPVGAC[1+k(Tw-Tr)]/GSTC (2)
式中,PPV为光伏电池输出功率,PSTC为标准测试条件下的最大测试功率;FPV为光伏组件的降额因子,一般可取0.9~0.95;GAC为光照强度kw/m2;GSTC为标准测试条件下的光照强度,其值为1kw/m2;k为功率温度系数,其值一般为-0.5%~-0.35%/K;Tw为电池板工作温度;Tr为参考温度,其值为25℃;
1-3 SOFC-MGT联合发电***模型
为了便于微网优化配置,对SOFC-MGT联合发电***的模型进行了简化,根据假定的条件,简化的模型如下:
PPT=ηPT·PGT (4)
SOFC-MGT联合发电***的模型如式(3),式中,PFC、PPT、PGT、Pgen分别为燃料电池、动力涡轮机、燃气轮机以及发电机的输出功率;分别为联合发电***输出的电、热功率;PCCS为捕获二氧化碳消耗的电功率;为捕获的二氧化碳量;ηinv、ηPT、ηgen、分别为逆变器的效率、燃料电池的电效率、动力涡轮机的效率、发电机的效率以及燃气轮机的电效率; 分别为联合发电***的综合电、热效率;nf为燃料的注入速率;LHVf为燃料的低热值;
1-4 P2G***模型
(1)电解池
(2)天然气生产***
约束条件:
放热:
QP2G=ηP2G,h·PP2G (15)
式中,QP2G为P2G***输出热功率;ηP2G,h为P2G***放热效率;
1-5燃气锅炉模型
输出功率:
QGB=ηGB·xGB·LNG (16)
式中,QGB为燃气锅炉输出功率;ηGB为燃气锅炉转换效率;xGB为消耗的天然气量;LNG为天然气低热值;
1-6充电站模型
式中,REV为充电站售电的收入;CEV为充电站从电动汽车用户处买电的成本;Psell-EV、Pbuy-EV分别为充电站售电功率、买电功率;θ1、θ2分别为充电站售电时间、买电时间;Csell-EV、Cbuy-EV分别为充电站售电价格、买电价格;
1-7电动汽车模型
EEVmin≤EEV(t)≤EEVmax (21)
PEVcmin·δEVc(t)≤PEVc(t)≤PEVcmax·δEVc(t) (22)
PEVdmin·δEVd(t)≤PEVd(t)≤PEVdmax·δEVd(t) (23)
δEVc(t)+δEVd(t)≤1 (24)
式中,ηEVc为电动汽车充电效率;ηEVd为电动汽车放电效率;PEVc(t)为t时段电动汽车充电功率;PEVd(t)为t时段电动汽车放电功率;EEV(t)为t时段电动汽车容量;EEV(t+1)为t+1时段电动汽车容量;Eev(t)为t时段单个电动汽车容量;EEVmin为电动汽车最小可用容量;EEVmax为电动汽车最大可用容量;PEVmin为电动汽车最小运行功率;为电动汽车最大运行功率;δEVc(t)为t时段电动汽车充电状态;δEVd(t)为t时段电动汽车放电状态;
1-8电池储能模型
0≤PESc(t)≤PESc,max (26)
0≤PESd(t)≤PESd,max (27)
SE,min≤SE(t)≤SE,max (28)
PESc(t)·PESd(t)=0 (29)
SE(0)=SE(T) (30)
式中:SE(t)为t时刻电池的能量;SE(t+1)为t+1时刻电池的能量;σ为自放电比;PESc、PESd为充、放电功率;ηESc、ηESd为充、放电效率;Δt为间隔时间;PESc,max、PESd,max为充放电功率上限;SE,min、SE,max为电池能量上下限;
1-9热储能模型
HHSmin≤HHS(t)≤HHSmax (32)
0≤QHSc≤QHSc,max (33)
0≤QHSd≤QHSd,max (34)
HHS(T)=HHS(0) (35)
式中:HHS(t)为t时刻热储能容量;HHS(t+1)为t+1时刻热储能容量;μ为热储能散热损失率;QHSc、QHSd为储、放热功率;ηHSc、ηHSd为储、放热效率;Δt为间隔时间;QHSc,max、QHSd,max为储放热功率上限;HHSmin、HHSmax为储热容量上下限。
3.根据权利要求1所述的一种并网型微网优化配置方法,其特征在于:步骤2中,建立净收益模型,具体过程如下:
以微网净收益最大为目标,构建成本-效益计算模型:
2-1成本模型
微网规划成本包含:初始投资成本,运行和维护成本,购电成本,购气成本;
(1)初始投资成本
Cinv=Cinit·CRF (36)
式中,Cinv为微网内元件的投资成本;Cinit为微网元件最初投资成本;CRF为资本回收系数;i为利率;n为元件的寿命;
(2)运行和维护成本
Com=α·Cinit (38)
式中,Com为微网元件的运行和维护成本;α为运行和维护成本系数;
(3)购电成本
微网购电的方式有两种:一种是向配电网买电;另一种是向电动汽车用户买电;购电成本为:
式中,Cbuy,e为微网购电成本;Cbuy-grid为微网向配电网买电的价格;θ3为微网向配电网买电的时间;Pbuy-grid为微网向配电网买电的功率;Cbuy-EV为微网向电动汽车用户买电的价格;θ2为微网向电动汽车用户买电的时间;Pbuy-EV为微网向电动汽车用户买电的功率;
(4)购气成本
微网的购气成本即微网向天然气网买气的成本:
式中,Cbuy,NG为微网购气成本;Cbuy-NG为微网购气价格;xbuy-NG为购气量;
2-2效益模型
微网的效益包含:实时电量效益、热负荷收益、充电站的收入、给电网售电收益、环境效益;
(1)实时电量效益
式中,Rele为微网的电量收益;Day为天数;Cele,i为i时刻售电价格;Pele,i为i时刻售电功率;Δt为时间间隔;
(2)热负荷效益
式中,Rh为微网的热负荷收益;Day为天数;Ch为售热价格;Ph,i为i时刻售热功率;Δt为时间间隔;
(3)充电站效益
充电站的收益来源于向电动汽车售电,收益如下:
式中,REV为充电站售电的收入;Psell-EV为充电站售电功率;θ1为充电站售电时间;Csell-EV为充电站售电价格;
(4)环境效益
微网的环境效益来源两方面:
一方面,微网使用二氧化碳捕获***和P2G***结合,减少了SOFC-MGT发电***的二氧化碳排放,因此减少的环境治理成本即为CCS***环境收益;
另一方面,储热***放热时,减少了燃气锅炉的出热,从而减少了燃气锅炉的出热排放,由此减少的环境治理成本即为储热***环境收益;
环境收益如下:
2-3净效益模型
微网的净收益为总收益减去总成本:
总收益:
R=Rele+Rh+REV+Renv (45)
总成本:
C=Cinv+Com+Cbuy,e+Cbuy,NG (46)
净收益:
Pnet=R-C (47)。
4.根据权利要求1所述的一种并网型微网优化配置方法,其特征在于:步骤3中,建立微网优化配置模型,具体过程如下:
3-1目标函数
以微网规划净收益最大为目标,目标函数为:
max Pnet=R-C (48)
3-2约束条件
等式约束包括微网内能量的平衡约束;
不等式约束包括各单元的运行约束;
(1)能量平衡约束
电功率平衡:
热功率平衡:
式中,Pload(t)为微网内电负荷,Qh(t)为网内热负荷;
天然气平衡:
(2)与配网电功率交换约束
Pbuy-grid(t)≤Plinemax (52)
Psell-grid(t)≤Plinemax (53)
式中,Plinemax为联络线的最大功率;
(3)与天然气网交换约束
xbuy-NG(t)≤xpmax (54)
式中,xpmax为管道的最大输送量;
(4)PV、WT的有功出力约束
(5)燃气锅炉约束
QGBmin≤QGB(t)≤QGBmax (57)
QGB(t)-QGB(t-1)≤Rup,GB (58)
QGB(t-1)-QGB(t)≤Rdown,GB (59)
式中,QGBmin、QGBmax为燃气锅炉输出最小、最大功率;Rup,GB、Rdown,GB为上坡速率、下坡速率;
(6)储能的相关约束
电池充、放电功率受最大充、放电倍率制约:
5.根据权利要求2所述的一种并网型微网优化配置方法,其特征在于:对SOFC-MGT联合发电***模型进行简化,简化条件为:
(1)假定SOFC输出电效率恒定;
(2)假定SOFC-MGT联合发电***输出电、热效率恒定;
(3)假定二氧化碳捕获***消耗的能量与SOFC-MGT***输出电功率有关;
(4)假定能捕获全部的二氧化碳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911106851.3A CN110635514B (zh) | 2019-11-13 | 2019-11-13 | 一种并网型微网优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911106851.3A CN110635514B (zh) | 2019-11-13 | 2019-11-13 | 一种并网型微网优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110635514A true CN110635514A (zh) | 2019-12-31 |
CN110635514B CN110635514B (zh) | 2022-08-30 |
Family
ID=68979469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911106851.3A Active CN110635514B (zh) | 2019-11-13 | 2019-11-13 | 一种并网型微网优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110635514B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523204A (zh) * | 2020-03-31 | 2020-08-11 | 杭州鸿晟电力设计咨询有限公司 | 一种并网型综合能源网电-气储能***优化配置求解方法 |
CN111555275A (zh) * | 2020-05-12 | 2020-08-18 | 全球能源互联网研究院有限公司 | 一种主动配电网剩余电量的处理方法及*** |
CN112491041A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种储能混合微电网混合线性经济性规划方法 |
CN113919560A (zh) * | 2021-09-30 | 2022-01-11 | 深圳供电局有限公司 | 一种用于气电互补能源***的燃气轮机容量规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372742A (zh) * | 2016-08-19 | 2017-02-01 | 天津大学 | 考虑电转气多源储能型微网日前最优经济调度方法 |
CN109190859A (zh) * | 2018-11-05 | 2019-01-11 | 国网江苏省电力有限公司电力科学研究院 | 冷热电联供型多微网***及其经济优化调度方法 |
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
TW201939843A (zh) * | 2018-03-14 | 2019-10-01 | 電聯運通股份有限公司 | 多功能電力能源供應系統 |
-
2019
- 2019-11-13 CN CN201911106851.3A patent/CN110635514B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372742A (zh) * | 2016-08-19 | 2017-02-01 | 天津大学 | 考虑电转气多源储能型微网日前最优经济调度方法 |
TW201939843A (zh) * | 2018-03-14 | 2019-10-01 | 電聯運通股份有限公司 | 多功能電力能源供應系統 |
CN109327042A (zh) * | 2018-09-27 | 2019-02-12 | 南京邮电大学 | 一种微电网多能源联合优化调度方法 |
CN109190859A (zh) * | 2018-11-05 | 2019-01-11 | 国网江苏省电力有限公司电力科学研究院 | 冷热电联供型多微网***及其经济优化调度方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523204A (zh) * | 2020-03-31 | 2020-08-11 | 杭州鸿晟电力设计咨询有限公司 | 一种并网型综合能源网电-气储能***优化配置求解方法 |
CN111523204B (zh) * | 2020-03-31 | 2023-09-22 | 杭州鸿晟电力设计咨询有限公司 | 一种并网型综合能源网电-气储能***优化配置求解方法 |
CN111555275A (zh) * | 2020-05-12 | 2020-08-18 | 全球能源互联网研究院有限公司 | 一种主动配电网剩余电量的处理方法及*** |
CN112491041A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种储能混合微电网混合线性经济性规划方法 |
CN112491041B (zh) * | 2020-11-20 | 2023-02-07 | 西安热工研究院有限公司 | 一种储能混合微电网混合线性经济性规划方法 |
CN113919560A (zh) * | 2021-09-30 | 2022-01-11 | 深圳供电局有限公司 | 一种用于气电互补能源***的燃气轮机容量规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110635514B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110635514B (zh) | 一种并网型微网优化配置方法 | |
CN111445090B (zh) | 一种离网型综合能源***双层规划方法 | |
Deng et al. | System modeling and optimization of microgrid using genetic algorithm | |
CN110244566B (zh) | 计及柔性负荷的冷热电联供***容量优化配置方法 | |
US20110295610A1 (en) | Method for configuring installation capacities of hybrid energy generation system | |
CN112036652A (zh) | 基于机会约束规划的光伏-储能综合能源***规划方法 | |
CN115577929A (zh) | 基于多场景分析的乡村综合能源***随机优化调度方法 | |
CN107565602A (zh) | 计及成本和可靠性的直流微网光伏‑风能***配置优化方法 | |
Goud et al. | Optimal sizing of hybrid power supply system for telecommunication BTS load to ensure reliable power at lower cost | |
CN116128553B (zh) | 基于绿证和碳交易交互的综合能源调度方法、*** | |
Kuriakose et al. | Design & Development of PV-Wind Hybrid Grid Connected System | |
CN114884133B (zh) | 一种计及电动汽车的微电网经济调度优化方法及*** | |
CN113988392B (zh) | 一种考虑可靠性需求响应的微网优化规划方法 | |
CN112952915B (zh) | 一种综合能源***中平抑电网峰谷的优化调度方法 | |
CN111987729B (zh) | 一种含p2g微网的储电储气容量配置与调度优化方法 | |
CN114362138A (zh) | 一种适用于水资源丰富地区的“源-荷-网-储”微电网 | |
CN110783928B (zh) | 一种考虑柔性负荷的并网型交直流混合微电网***容量优化配置方法 | |
CN111062532A (zh) | 一种考虑v2g的增量配电园区内电网容量配置优化方法 | |
CN111668882A (zh) | 智慧能环网中微电源出力优化方法及装置 | |
CN112785048A (zh) | 计及电动汽车用户需求的直流微电网经济调度方法 | |
Ming et al. | Optimization strategy of hybrid AC-DC power supply for regional integrated energy system | |
Wang et al. | Coordinated optimization Method for Distribution Areas Considering User Willingness and Regulation Cost | |
Gao et al. | Research on capacity optimization configuration of hybrid AC/DC microgrid based on wind, solar and storage | |
Zhao et al. | Multi-objective Optimal Operation of Microgrid Based on NSGA-III Algorithm | |
Kurinjimalar et al. | Analysis of Vehicle to Grid (V2G) Integration in Renewable based Micro grid |
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 |