CN112287493A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112287493A CN112287493A CN202010977568.4A CN202010977568A CN112287493A CN 112287493 A CN112287493 A CN 112287493A CN 202010977568 A CN202010977568 A CN 202010977568A CN 112287493 A CN112287493 A CN 112287493A
- Authority
- CN
- China
- Prior art keywords
- energy
- turbo
- expander
- hydrogen
- cold
- 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
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 73
- 239000001257 hydrogen Substances 0.000 title claims abstract description 73
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 33
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 60
- 239000002245 particle Substances 0.000 claims abstract description 32
- 238000001816 cooling Methods 0.000 claims abstract description 14
- 238000010438 heat treatment Methods 0.000 claims abstract description 13
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 10
- 230000005611 electricity Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 123
- 239000003345 natural gas Substances 0.000 claims description 60
- 239000000446 fuel Substances 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 11
- 239000007789 gas Substances 0.000 claims description 11
- 230000001965 increasing effect Effects 0.000 claims description 10
- 238000010521 absorption reaction Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000005338 heat storage Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 239000003507 refrigerant Substances 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001808 coupling effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Fuel Cell (AREA)
Abstract
本发明公开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，利用所获得的目标函数以及约束条件，和温度允许变化范围，通过粒子群优化算法，确定除透平膨胀机外的其他设备的容量，作为潜在解；根据所获取的潜在解，确定微电网内各设备的最优容量；行经济性分析，得到最优容量方案对应的目标函数值。本发明能够形成电能、热能、冷能、氢能等多元能源互补***，大大提高能源利用率，提高***运行的经济性，减少碳排放量；能够有效获得含透平膨胀机的冷热电氢联供型微电网中各个组成***的优化配置容量，保证***高效运行。
Description
技术领域
本发明属于新能源微电网技术领域，特别是涉及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。
背景技术
近年来，随着能源危机和环境问题的日益严重，微电网由于其在提高配电网对分布式电源的接纳能力，提高可再生能源的利用效率以及节能环保，保证关键负荷供电方面的优势，得到了广泛研究。冷热电联供型微电网集成天然气和太阳能等能源输入，热能、电能和冷能等能源输出，能够在环境友好的前提下提高能源的利用率，促进电、气、热等多种能源的综合利用，是当前研究的热点问题。随着氢能的推广使用，燃料电池和电解槽已逐渐成为冷热电联供型微电网的重要组成部分，其热电联供的潜力及优势也逐渐显现出来。
透平膨胀机可以将高压天然气安全降压后输送到天然气管道，供给用户使用，还可以通过预热和净化过程回收部分电能和冷能。将透平膨胀机并入微电网***中，可以节约一次能源，提高能源利用率。
微电网的优化配置是保证微电网安全经济运行的基础，对微电网内各种可再生能源的梯级综合利用效率、电能质量等有着直接影响。最大化利用不同种类的可再生能源，实现能量的合理高效利用和绿色存储，同时节省供电成本是微电源优化配置的方向和目标。目前很多学者对冷热电联供型微电网容量配置的研究都主要集中于以下几个方面：(1)以冷热电联供型微电网运营成本或净收益作为优化目标，考虑风光柴储、水光储协调运行等不同电源类型，对微电网运行方式进行研究；(2)以多余能量回收、可再生能源消纳能力等不同指标作为优化对象，对冷热电联供型微电网储能***进行容量配置研究。但以上研究都缺乏对考虑氢能***热电耦合效应的冷热电型微电网的容量优化研究，在含有能够同时回收冷能和电能的透平膨胀机的微电网的容量优化方面的研究力度也相对薄弱。
发明内容
为了解决上述问题，本发明提出了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，能够形成电能、热能、冷能、氢能等多元能源互补***，大大提高能源利用率，提高***运行的经济性，减少碳排放量；能够有效获得含透平膨胀机的冷热电氢联供型微电网中各个组成***的优化配置容量，保证***高效运行。
为达到上述目的，本发明采用的技术方案是：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，包括步骤：
S100建立含透平膨胀机的冷热电氢联供型微电网的***模型；
S200确定***容量优化模型的目标函数以及约束条件；
S300通过确定透平膨胀机的天然气温度下限，获取通过透平膨胀机的天然气入口温度允许变化范围；
S400利用所获得的目标函数以及约束条件，和温度允许变化范围，通过粒子群优化算法，确定除透平膨胀机外的其他设备的容量，作为潜在解；
S500根据所获取的潜在解，确定微电网内各设备的最优容量；
S600进行经济性分析，得到最优容量方案对应的目标函数值。
进一步的是，所述步骤S100中，建立含透平膨胀机的冷热电氢联供型微电网的***模型，包括：微型燃气轮机、光伏发电***、蓄电池、氢能***、透平膨胀机、辅助锅炉、蓄热罐、吸收式制冷机、电制冷机以及冷/热/电负荷模型，氢能***包括燃料电池、储氢罐和电解槽。
进一步的是，所述步骤S100中，建立含透平膨胀机的冷热电氢联供型微电网的***模型，包含电能链、热能链、冷能链、氢能链及天然气链五种能量转化线路；
在电能链中，由微型燃气轮机和光伏发电***为微电网内的电负荷提供电能，剩余电能储存在蓄电池中或提供给氢能***和电制冷机；
在热能链中，由透平膨胀机和辅助锅炉产生的热能为热负荷供热，同时燃料电池和电解槽工作时产生热能，也可以为热负荷供热，剩余热能储存在蓄热罐中或提供给吸收式制冷剂制冷；
在冷能链中，由透平膨胀机回收的冷能，以及吸收式制冷剂和电制冷机为冷负荷提供冷能；
在氢能链中，利用电解制氢设备制氢，并将氢气储存在储氢罐中；当电能不足时，氢气作为燃料提供给燃料电池，为电负荷供电；
在天然气链中，由经透平膨胀机降压产生的低压天然气为微型燃气轮机和辅助锅炉提供天然气，剩余天然气传输到当地天然气网。
进一步的是，所述步骤S200中，以年度总成本为经济性指标，以碳减排率和年度总成本节约率为评价指标，建立目标函数；约束条件包括功率平衡约束、各设备容量约束以及充放电深度约束。
进一步的是，所述透平膨胀机通过预热过程回收电能，通过净化过程同时回收电能和热能；通过调节透平膨胀机的天然气入口温度的变化优化透平膨胀机的冷能和电能回收效率，天然气入口温度升高，透平膨胀机回收的电能增多，冷能减少；当微电网内制冷需求小于透平膨胀机回收的冷能时，通过预热提高天然气入口温度，使制冷需求与所回收冷能保持平衡；通过确定天然气入口温度下限，确保微电网***内不含有多余冷能。优化透平膨胀机的天然气入口温度，以确定透平膨胀机回收的最优电能量和冷能量，确定通过透平膨胀机的天然气温度下限，确保为天然气预热提供充足的热量。
进一步的是，所述步骤S400中，通过粒子群优化算法，确定除透平膨胀机外的其他设备的容量作为潜在解，包括步骤：
S401以全年每小时微电网总成本作为经济负荷分配问题的目标函数；
S402计算第一个小时天然气入口温度下限TL时透平膨胀机回收的电能和冷能；
S403根据经济负荷分配问题的目标函数，在全年每个小时求解经济负荷分配问题，得到微电网中各设备输出功率；
S404通过透平膨胀机的天然气温度由1度到150度步进，重复步骤S402和S403，得到第一个粒子在第一个小时内，透平膨胀机回收的电能和冷能，共计150-TL组数据，并得到当前条件下最优经济成本及相应的各设备输出功率；
S405对第二个小时的第一个粒子重复整个过程，并存储相关数据，此工作共重复8760次；
S406对***内每个设备构成的粒子，重复上述步骤，得到微电网中各设备每小时输出功率作为潜在解，共计8760×Nu个数据，Nu为粒子数。
进一步的是，所述步骤S500中，根据所获取的潜在解，确定微电网内各设备的最优容量，包括步骤：
S501根据步骤S400中储存的每个小时每个粒子的相关数据，计算PSO算法的适应度函数，即目标函数；通过计算，每个粒子都包含微电网内处透平膨胀机外所有设备的容量，作为一组潜在方案；对于每个粒子而言，都有8760组透平膨胀机的天然气入口最优温度及回收的电能量与冷能量；
S502确定全年每小时透平膨胀机回收的最优电能量和冷能量；
S503确定全年范围内，透平膨胀机回收的电能最大值和最小值，根据透平膨胀机的运行范围与其额定容量的关系，确定透平膨胀机的额定容量；
S504确定确定全年每小时各个设备的最优输出功率，确定各个设备的最优容量；
S505在粒子群优化算法中进行迭代，达到所需迭代次数后，求出最优解对应的最优配置方案。
进一步的是，根据透平膨胀机的运行范围与其额定容量的关系，透平膨胀机在其额定容量的20％-150％之间运行，确定透平膨胀机的额定容量。
进一步的是，所述步骤S600中，进行经济性分析，若经济指标不满足要求，通过微调目标函数中的权重因子，重新启动优化算法，得到最优配置方案。
采用本技术方案的有益效果：
本发明提供的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，首先，建立了一种新型冷热电氢联供型微电网***模型，以太阳能和天然气作为***能源输入，实现了电能、氢能、热能、冷能等多元能量互补；其次，考虑到透平膨胀机是根据天然气网中所需的流量与压力涉设计的，不能根据微电网内的负荷分布确定透平膨胀机的最优容量，因此利用粒子群优化算法，首先确定全年每小时微电网内其他设备的容量作为潜在解，然后根据统计数据及透平膨胀机回收的冷能与电能，确定各设备的最优容量。最后进行经济性分析，若不满足要求，通过微调权重因子，得到最优解及对应的配置方案。利用以上方法进行容量配置，能够有效获得含透平膨胀机的冷热电氢联供型微电网中各个组成***的优化配置容量，保证***高效运行；在微电网内能实现多能源优势互补与协调运行，对于促进可再生能源发展、减少污染气体排放，提高能源利用率有着重要的作用。
本发明建立的透平膨胀机模型在天然气进气时增加了预热和净化过程，通过控制天然气入口温度，可以控制透平膨胀机回收的电能和冷能，并提供给微电网内负荷，增强了微电网的可控性。
本发明建立了氢能***模型，包括燃料电池、电解槽及储氢罐，考虑了燃料电池与电解槽的热电耦合效应，将制氢耗氢时产生的热量提供给热负荷，有利于实现能量的梯级利用，提高了能源利用率。同时以氢气作为燃料，燃烧产物清洁无污染，有利于构建绿色低碳社会。
附图说明
图1为本发明的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流程示意图；
图2为本发明实施例中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的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了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，包括步骤：
S100建立含透平膨胀机的冷热电氢联供型微电网的***模型；
S200确定***容量优化模型的目标函数以及约束条件；
S300通过确定透平膨胀机的天然气温度下限，获取通过透平膨胀机的天然气入口温度允许变化范围；
S400利用所获得的目标函数以及约束条件，和温度允许变化范围，通过粒子群优化算法，确定除透平膨胀机外的其他设备的容量，作为潜在解；
S500根据所获取的潜在解，确定微电网内各设备的最优容量；
S600进行经济性分析，得到最优容量方案对应的目标函数值。
作为上述实施例的优化方案1，如图2所示，所述步骤S100中，建立含透平膨胀机的冷热电氢联供型微电网的***模型，包括：微型燃气轮机、光伏发电***、蓄电池、氢能***、透平膨胀机、辅助锅炉、蓄热罐、吸收式制冷机、电制冷机以及冷/热/电负荷模型，氢能***包括燃料电池、储氢罐和电解槽。
所述步骤S100中，建立含透平膨胀机的冷热电氢联供型微电网的***模型，包含电能链、热能链、冷能链、氢能链及天然气链五种能量转化线路；
在电能链中，由微型燃气轮机和光伏发电***为微电网内的电负荷提供电能，剩余电能储存在蓄电池中或提供给氢能***和电制冷机；
在热能链中，由透平膨胀机和辅助锅炉产生的热能为热负荷供热，同时燃料电池和电解槽工作时产生热能，也可以为热负荷供热，剩余热能储存在蓄热罐中或提供给吸收式制冷剂制冷；
在冷能链中，由透平膨胀机回收的冷能，以及吸收式制冷剂和电制冷机为冷负荷提供冷能；
在氢能链中，利用电解制氢设备制氢，并将氢气储存在储氢罐中；当电能不足时，氢气作为燃料提供给燃料电池，为电负荷供电；
在天然气链中，由经透平膨胀机降压产生的低压天然气为微型燃气轮机和辅助锅炉提供天然气，剩余天然气传输到当地天然气网。
作为上述实施例的优化方案2，所述步骤S200中，以年度总成本为经济性指标，以碳减排率和年度总成本节约率为评价指标，建立目标函数；约束条件包括功率平衡约束、各设备容量约束以及充放电深度约束。
以年度总成本为经济性指标，以碳减排率和年度总成本节约率为评价指标，建立目标函数，公式如下：
F＝μ1C+μ2PESR+μ3ATCSR；
式中，μ1、μ2、μ3为权重因子；C为年度总成本；PESR为碳减排率；ATCSR为年度总成本节约率，具体公式如下所示：
式中，CACAP为设备购买成本；CAOM为设备运行维护成本；FGWTE为不含透平膨胀机的微电网运行碳排放量；FGTE为含透平膨胀机的微电网运行碳排放量；ATCSWTE为不含透平膨胀机的微电网年度总成本；ATCSTE为含透平膨胀机的微电网年度总成本。
所述透平膨胀机通过预热过程回收电能，通过净化过程同时回收电能和热能；通过调节透平膨胀机的天然气入口温度的变化优化透平膨胀机的冷能和电能回收效率，天然气入口温度升高，透平膨胀机回收的电能增多，冷能减少；当微电网内制冷需求小于透平膨胀机回收的冷能时，通过预热提高天然气入口温度，使制冷需求与所回收冷能保持平衡；通过确定天然气入口温度下限，确保微电网***内不含有多余冷能。优化透平膨胀机的天然气入口温度，以确定透平膨胀机回收的最优电能量和冷能量，确定通过透平膨胀机的天然气温度下限，确保为天然气预热提供充足的热量。
作为上述实施例的优化方案3，所述步骤S400中，通过粒子群优化算法，确定除透平膨胀机外的其他设备的容量作为潜在解，包括步骤：
S401以全年每小时微电网总成本作为经济负荷分配问题的目标函数；
具体公式如下：
COM＝CEM+CM+CFG；
式中，CEM为碳排放成本；CM为设备维护成本；CFG为燃料购买成本。
所述步骤S402中，根据以下公式计算透平膨胀机回收的电能和冷能：
式中，hin和hout分别为通过透平膨胀机的天然气进出口温度对应的焓；m为天然气质量流量；ηTE为透平膨胀机的等熵效率；hep为减压站出口点之间的天然气焓差。
S402计算第一个小时天然气入口温度下限TL时透平膨胀机回收的电能和冷能；
S403根据经济负荷分配问题的目标函数，在全年每个小时求解经济负荷分配问题，得到微电网中各设备输出功率；
S404通过透平膨胀机的天然气温度由1度到150度步进，重复步骤S402和S403，得到第一个粒子在第一个小时内，透平膨胀机回收的电能和冷能，共计150-TL组数据，并得到当前条件下最优经济成本及相应的各设备输出功率；
S405对第二个小时的第一个粒子重复整个过程，并存储相关数据，此工作共重复8760次；
S406对***内每个设备构成的粒子，重复上述步骤，得到微电网中各设备每小时输出功率作为潜在解，共计8760×Nu个数据，Nu为粒子数。
作为上述实施例的优化方案4，所述步骤S500中，根据所获取的潜在解，确定微电网内各设备的最优容量，包括步骤：
S501根据步骤S400中储存的每个小时每个粒子的相关数据，计算PSO算法的适应度函数，即目标函数；通过计算，每个粒子都包含微电网内处透平膨胀机外所有设备的容量，作为一组潜在方案；对于每个粒子而言，都有8760组透平膨胀机的天然气入口最优温度及回收的电能量与冷能量；
S502确定全年每小时透平膨胀机回收的最优电能量和冷能量；
S503确定全年范围内，透平膨胀机回收的电能最大值和最小值，根据透平膨胀机的运行范围与其额定容量的关系，确定透平膨胀机的额定容量；
S504确定确定全年每小时各个设备的最优输出功率，确定各个设备的最优容量；
S505在粒子群优化算法中进行迭代，达到所需迭代次数后，求出最优解对应的最优配置方案。
根据透平膨胀机的运行范围与其额定容量的关系，透平膨胀机在其额定容量的20％-150％之间运行，确定透平膨胀机的额定容量。
作为上述实施例的优化方案5，所述步骤S600中，进行经济性分析，若经济指标不满足要求，通过微调目标函数中的权重因子，重新启动优化算法，得到最优配置方案。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.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，其特征在于，包括步骤：
S100建立含透平膨胀机的冷热电氢联供型微电网的***模型；
S200确定***容量优化模型的目标函数以及约束条件；
S300通过确定透平膨胀机的天然气温度下限，获取通过透平膨胀机的天然气入口温度允许变化范围；
S400利用所获得的目标函数以及约束条件，和温度允许变化范围，通过粒子群优化算法，确定除透平膨胀机外的其他设备的容量，作为潜在解；
S500根据所获取的潜在解，确定微电网内各设备的最优容量；
S600进行经济性分析，得到最优容量方案对应的目标函数值。
2.根据权利要求1所述的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，其特征在于，所述步骤S100中，建立含透平膨胀机的冷热电氢联供型微电网的***模型，包括：微型燃气轮机、光伏发电***、蓄电池、氢能***、透平膨胀机、辅助锅炉、蓄热罐、吸收式制冷机、电制冷机以及冷/热/电负荷模型，氢能***包括燃料电池、储氢罐和电解槽。
3.根据权利要求2所述的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，其特征在于，所述步骤S100中，建立含透平膨胀机的冷热电氢联供型微电网的***模型，包含电能链、热能链、冷能链、氢能链及天然气链五种能量转化线路；
在电能链中，由微型燃气轮机和光伏发电***为微电网内的电负荷提供电能，剩余电能储存在蓄电池中或提供给氢能***和电制冷机；
在热能链中，由透平膨胀机和辅助锅炉产生的热能为热负荷供热，同时燃料电池和电解槽工作时产生热能，也可以为热负荷供热，剩余热能储存在蓄热罐中或提供给吸收式制冷剂制冷；
在冷能链中，由透平膨胀机回收的冷能，以及吸收式制冷剂和电制冷机为冷负荷提供冷能；
在氢能链中，利用电解制氢设备制氢，并将氢气储存在储氢罐中；当电能不足时，氢气作为燃料提供给燃料电池，为电负荷供电；
在天然气链中，由经透平膨胀机降压产生的低压天然气为微型燃气轮机和辅助锅炉提供天然气，剩余天然气传输到当地天然气网。
4.根据权利要求1所述的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，其特征在于，所述步骤S200中，以年度总成本为经济性指标，以碳减排率和年度总成本节约率为评价指标，建立目标函数；约束条件包括功率平衡约束、各设备容量约束以及充放电深度约束。
5.根据权利要求1-4任一所述的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，其特征在于，所述透平膨胀机通过预热过程回收电能，通过净化过程同时回收电能和热能；通过调节透平膨胀机的天然气入口温度的变化优化透平膨胀机的冷能和电能回收效率，天然气入口温度升高，透平膨胀机回收的电能增多，冷能减少；当微电网内制冷需求小于透平膨胀机回收的冷能时，通过预热提高天然气入口温度，使制冷需求与所回收冷能保持平衡；通过确定天然气入口温度下限，确保微电网***内不含有多余冷能。
6.根据权利要求1所述的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，其特征在于，所述步骤S400中，通过粒子群优化算法，确定除透平膨胀机外的其他设备的容量作为潜在解，包括步骤：
S401以全年每小时微电网总成本作为经济负荷分配问题的目标函数；
S402计算第一个小时天然气入口温度下限TL时透平膨胀机回收的电能和冷能；
S403根据经济负荷分配问题的目标函数，在全年每个小时求解经济负荷分配问题，得到微电网中各设备输出功率；
S404通过透平膨胀机的天然气温度由1度到150度步进，重复步骤S402和S403，得到第一个粒子在第一个小时内，透平膨胀机回收的电能和冷能，共计150-TL组数据，并得到当前条件下最优经济成本及相应的各设备输出功率；
S405对第二个小时的第一个粒子重复整个过程，并存储相关数据，此工作共重复8760次；
S406对***内每个设备构成的粒子，重复上述步骤，得到微电网中各设备每小时输出功率作为潜在解，共计8760×Nu个数据，Nu为粒子数。
7.根据权利要求6所述的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，其特征在于，所述步骤S500中，根据所获取的潜在解，确定微电网内各设备的最优容量，包括步骤：
S501根据步骤S400中储存的每个小时每个粒子的相关数据，计算PSO算法的适应度函数，即目标函数；通过计算，每个粒子都包含微电网内处透平膨胀机外所有设备的容量，作为一组潜在方案；对于每个粒子而言，都有8760组透平膨胀机的天然气入口最优温度及回收的电能量与冷能量；
S502确定全年每小时透平膨胀机回收的最优电能量和冷能量；
S503确定全年范围内，透平膨胀机回收的电能最大值和最小值，根据透平膨胀机的运行范围与其额定容量的关系，确定透平膨胀机的额定容量；
S504确定确定全年每小时各个设备的最优输出功率，确定各个设备的最优容量；
S505在粒子群优化算法中进行迭代，达到所需迭代次数后，求出最优解对应的最优配置方案。
8.根据权利要求7所述的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，其特征在于，根据透平膨胀机的运行范围与其额定容量的关系，透平膨胀机在其额定容量的20％-150％之间运行，确定透平膨胀机的额定容量。
9.根据权利要求1所述的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，其特征在于，所述步骤S600中，进行经济性分析，若经济指标不满足要求，通过微调目标函数中的权重因子，重新启动优化算法，得到最优配置方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010977568.4A CN112287493B (zh) | 2020-09-17 | 2020-09-17 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010977568.4A CN112287493B (zh) | 2020-09-17 | 2020-09-17 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112287493A true CN112287493A (zh) | 2021-01-29 |
| CN112287493B CN112287493B (zh) | 2022-11-01 |
Family
ID=74421097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010977568.4A Active CN112287493B (zh) | 2020-09-17 | 2020-09-17 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112287493B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114559859A (zh) * | 2022-03-28 | 2022-05-31 | 吉林大学 | 一种基于燃料电池温度反馈的自适应等效氢耗最小策略 |
| CN115238505A (zh) * | 2022-07-27 | 2022-10-25 | 国网山东省电力公司枣庄供电公司 | 基于风光场站的热电氢联供型***优化配置方法及*** |
| EP4195466A1 (en) | 2021-12-09 | 2023-06-14 | Air Products and Chemicals, Inc. | Hydrogen expander magnetic generator apparatus and method |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103400042A (zh) * | 2013-08-07 | 2013-11-20 | 东南大学 | 一种冷热电联供型微电网优化配置方法 |
| CN105337303A (zh) * | 2015-09-22 | 2016-02-17 | 贵州电网有限责任公司电网规划研究中心 | 一种含热泵的热电联产型微电网容量优化配置方法 |
| CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
| CN107165682A (zh) * | 2017-05-25 | 2017-09-15 | 华南理工大学 | 一种燃气热电联供工艺优化*** |
| CN109165788A (zh) * | 2018-09-04 | 2019-01-08 | 河北工业大学 | 一种冷热电联供***的优化方法 |
| CN109242350A (zh) * | 2018-10-17 | 2019-01-18 | 燕山大学 | 计及可平移负荷的冷热电联供***容量优化配置方法 |
| CN109361237A (zh) * | 2018-11-30 | 2019-02-19 | 国家电网公司西南分部 | 基于改进混合粒子群算法的微电网容量优化配置方法 |
| CN110460092A (zh) * | 2019-08-02 | 2019-11-15 | 江苏南瑞泰事达电气有限公司 | 一种微电网及微电网供电、并网性能研究方法 |
| CN111144633A (zh) * | 2019-12-19 | 2020-05-12 | 广东工业大学 | 一种cchp微电网运行优化方法 |
| CN111242388A (zh) * | 2020-01-22 | 2020-06-05 | 上海电机学院 | 一种考虑冷热电联供的微电网优化调度方法 |
| CN111327053A (zh) * | 2020-03-16 | 2020-06-23 | 上海电力大学 | 一种适用于极地气候下的多源微电网容量优化配置方法 |
| CN111445107A (zh) * | 2020-03-02 | 2020-07-24 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
-
2020
- 2020-09-17 CN CN202010977568.4A patent/CN112287493B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103400042A (zh) * | 2013-08-07 | 2013-11-20 | 东南大学 | 一种冷热电联供型微电网优化配置方法 |
| CN105337303A (zh) * | 2015-09-22 | 2016-02-17 | 贵州电网有限责任公司电网规划研究中心 | 一种含热泵的热电联产型微电网容量优化配置方法 |
| CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
| CN107165682A (zh) * | 2017-05-25 | 2017-09-15 | 华南理工大学 | 一种燃气热电联供工艺优化*** |
| CN109165788A (zh) * | 2018-09-04 | 2019-01-08 | 河北工业大学 | 一种冷热电联供***的优化方法 |
| CN109242350A (zh) * | 2018-10-17 | 2019-01-18 | 燕山大学 | 计及可平移负荷的冷热电联供***容量优化配置方法 |
| CN109361237A (zh) * | 2018-11-30 | 2019-02-19 | 国家电网公司西南分部 | 基于改进混合粒子群算法的微电网容量优化配置方法 |
| CN110460092A (zh) * | 2019-08-02 | 2019-11-15 | 江苏南瑞泰事达电气有限公司 | 一种微电网及微电网供电、并网性能研究方法 |
| CN111144633A (zh) * | 2019-12-19 | 2020-05-12 | 广东工业大学 | 一种cchp微电网运行优化方法 |
| CN111242388A (zh) * | 2020-01-22 | 2020-06-05 | 上海电机学院 | 一种考虑冷热电联供的微电网优化调度方法 |
| CN111445107A (zh) * | 2020-03-02 | 2020-07-24 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
| CN111327053A (zh) * | 2020-03-16 | 2020-06-23 | 上海电力大学 | 一种适用于极地气候下的多源微电网容量优化配置方法 |
Non-Patent Citations (7)
| Title |
|---|
| 严毅: "含压缩空气储能的冷热电联供微网优化设计与运行控制研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
| 乔蕾等: "独立微网***优化规划设计方法综述", 《电力***及其自动化学报》 * |
| 刘勤 等: "计及电量成本和***自供电可靠性的西南地区", 《电力***保护与控制》 * |
| 刘峪涵等: "并网型微电网多目标容量优化配置及减排效益分析", 《电力***及其自动化学报》 * |
| 李瑞民等: "风光互补***中混合储能容量优化配置研究", 《储能科学与技术》 * |
| 罗平等: "冷热电联供型微电网***多目标日前优化调度", 《自动化仪表》 * |
| 陶静等: "基于多目标算法的冷热电联供型综合能源***运行优化", 《科学技术与工程》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4195466A1 (en) | 2021-12-09 | 2023-06-14 | Air Products and Chemicals, Inc. | Hydrogen expander magnetic generator apparatus and method |
| CN114559859A (zh) * | 2022-03-28 | 2022-05-31 | 吉林大学 | 一种基于燃料电池温度反馈的自适应等效氢耗最小策略 |
| CN114559859B (zh) * | 2022-03-28 | 2023-11-21 | 吉林大学 | 一种基于燃料电池温度反馈的自适应等效氢耗最小策略 |
| CN115238505A (zh) * | 2022-07-27 | 2022-10-25 | 国网山东省电力公司枣庄供电公司 | 基于风光场站的热电氢联供型***优化配置方法及*** |
| CN115238505B (zh) * | 2022-07-27 | 2024-02-13 | 国网山东省电力公司枣庄供电公司 | 基于风光场站的热电氢联供型***优化配置方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112287493B (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111463836B (zh) | 一种综合能源***优化调度方法 | |
| 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 | |
| CN106444562A (zh) | 基于风光‑电热气转换模块的多储能装置协调***及方法 | |
| CN110084410B (zh) | 一种污水再利用型综合能源***运行优化方法 | |
| CN110932317A (zh) | 一种本质可再生能源互补的分布式能源***的设计方法 | |
| CN113159407A (zh) | 基于区域综合能源***的多能储存模块容量优化配置方法 | |
| CN112085263A (zh) | 一种用户侧分布式能源***混合储能优化配置方法和*** | |
| CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源***协调优化运行方法 | |
| CN116468215A (zh) | 计及源荷不确定性的综合能源***调度方法及装置 | |
| Soheyli et al. | Modeling and optimal resources allocation of a novel tri-distributed generation system based on sustainable energy resources | |
| CN111008760A (zh) | 一种冷热电联供微电网***的双层优化方法 | |
| CN113553718A (zh) | 一种绿色数据中心综合供能***设备容量的配置方法 | |
| CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源***多目标优化调度方法 | |
| Yang et al. | Optimal scheduling of CCHP with distributed energy resources based on water cycle algorithm | |
| Wang et al. | Configuration method for combined heat and power plants with flexible electricity regulation | |
| CN111463773A (zh) | 一种区域型综合能源***能量管理优化方法和装置 | |
| CN113807746B (zh) | 一种冷热电联供***的综合运行优化方法 | |
| CN114330835A (zh) | 一种综合能源微网中电/热混合储能***的优化配置方法 | |
| CN113468723B (zh) | 一种离网风光氢冷能源***优化配置方法 | |
| CN114386256A (zh) | 一种考虑电热设备灵活性约束及热网特性的区域电热***优化调度方法 | |
| Yang et al. | Coordinated Optimal Configuration Method of Hybrid Energy Storage Systems in Energy Internet System | |
| Jun et al. | Comprehensive Evaluation of Microgrid Planning Scheme based on AHP-Entropy method | |
| Yu et al. | Planning of central energy station in community integrated energy system with electrical and heat storage devices | |
| Bao et al. | Modeling, Optimization and Evaluation of Production-storage-utilization Hydrogen System Based on Renewable Energy | |
| Zhang et al. | Study on the microgrid pluripotent complementary and comprehensive economic optimization planning based on virtual energy theory |
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 |