CN113327180B - 一种考虑氢能应用的电力***低碳经济调度方法及*** - Google Patents
一种考虑氢能应用的电力***低碳经济调度方法及*** Download PDFInfo
- Publication number
- CN113327180B CN113327180B CN202110756685.2A CN202110756685A CN113327180B CN 113327180 B CN113327180 B CN 113327180B CN 202110756685 A CN202110756685 A CN 202110756685A CN 113327180 B CN113327180 B CN 113327180B
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- time
- model
- carbon
- determining
- 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.)
- Active
Links
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 238
- 239000001257 hydrogen Substances 0.000 title claims abstract description 238
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 237
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 79
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 135
- 238000003860 storage Methods 0.000 claims abstract description 135
- 238000012544 monitoring process Methods 0.000 claims abstract description 74
- 239000000446 fuel Substances 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 31
- 238000010248 power generation Methods 0.000 claims description 21
- 238000005868 electrolysis reaction Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 19
- 238000005265 energy consumption Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 26
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- 239000002994 raw material Substances 0.000 description 6
- 238000009792 diffusion process Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 150000002431 hydrogen Chemical class 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 238000012546 transfer Methods 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
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/36—Hydrogen production from non-carbon containing sources, e.g. by water electrolysis
-
- 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)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Fuel Cell (AREA)
Abstract
本发明涉及一种考虑氢能应用的电力***低碳经济调度方法及***,方法包括:以***总运行成本最小为目标,以电解水过程模型、时空网络模型、运输车每个时间跨度的状态变量、碳捕集电厂模型、储碳装置模型和甲烷化反应模型、燃料电池发电功率与氢气消耗关系模型和火电厂引起的监测点大气CO2浓度为约束条件,确定低碳经济调度模型。本发明能够提高新能源利用效率,实现电力***的低碳性。
Description
技术领域
本发明涉及电力***低碳经济调度领域,特别是涉及一种考虑氢能应用的电力***低碳经济调度方法及***。
背景技术
“碳达峰、碳中和”目标引领和加速能源革命,电力成为支撑经济发展和民生改善的主体终端能源,未来,新能源占比不断提升和节能减排将是电力行业长期重点工作。现阶段火力发电仍是我国主要的发电方式,化石燃料燃烧产生的CO2对气候和环境产生了恶劣的影响。在此背景下,寻求清洁的能源载体,探索电力***低碳经济调度方法具有重要意义。
未来不断增长的能源需求将通过更高的能源利用效率和更多的清洁可再生能源如风能、太阳能来满足。然而,可再生能源的间歇性导致电力供需不匹配,给电网经济运行带来了挑战。以风电为例,风电场输出功率高峰期一般出现在夜间,而此时电力***处于用电低谷时期,这种供需时间上的不匹配导致***中存在大量的弃风。有技术提出利用电转气技术(Powerto Gas,PtG)将富余的风电转换为天然气,为风电的消纳提供了有效途径,但是其忽略了PtG技术分为2个阶段,第一阶段通过电解水产生氢气,第二阶段为甲烷化过程,指在催化剂的作用下将电解水生成的氢气和CO2反应生成甲烷和水。电解的效率可以达到85%,而整个电转天然气过程的效率不高于60%,将风电直接转化为天然气间接降低了能源利用效率,而且现有技术并没有考虑甲烷化反应原料CO2的来源,导致反应成本较高,技术的经济性较差。PtG技术的中间产物氢气的节能减排潜力也没有得到充分挖掘,技术的低碳性不足。另外,现有的低碳经济调度研究往往从减少碳排放总量的角度进行优化,如考虑火电厂的碳排放配额,在经济成本中设置碳排放惩罚,建立单目标经济调度模型,或以碳排放为优化目标,形成多目标低碳调度模型。但火电厂CO2排放对环境的影响不仅与排放总量有关,还与CO2在大气中的扩散过程以及不同环境对CO2浓度的承受能力有关,仅仅从控制碳排放总量角度出发容易产生对发电机组控制不足或过度,***的低碳性也是片面的。
发明内容
本发明的目的是提供一种考虑氢能应用的电力***低碳经济调度方法及***,以提高新能源利用效率,实现电力***的低碳性。
为实现上述目的,本发明提供了如下方案:
一种考虑氢能应用的电力***低碳经济调度方法,包括:
在风电场中利用风电电解水产生氢气,确定电解水过程模型;
采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量;
根据所述运输车每个时间跨度的状态变量对碳捕集***和甲烷化装置进行调度,确定碳捕集电厂模型、储碳装置模型和甲烷化反应模型;
根据所述运输车每个时间跨度的状态变量利用燃料电池进行发电,确定燃料电池发电功率与氢气消耗关系模型;
获取监测点在设定监测时间内,火电厂引起的监测点大气CO2浓度;
以***总运行成本最小为目标,以所述电解水过程模型、所述时空网络模型、所述运输车每个时间跨度的状态变量、所述碳捕集电厂模型、所述储碳装置模型、所述甲烷化反应模型、所述燃料电池发电功率与氢气消耗关系模型和所述火电厂引起的监测点大气CO2浓度为约束条件,确定低碳经济调度模型。
可选的,所述采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量之后,还包括:
根据所述运输车每个时间跨度的状态变量确定储氢站氢气存储模型。
可选的,所述储氢站氢气存储模型为:
其中,为t时刻储氢站i中储存的氢气体积,/>为t-1时刻储氢站i中储存的氢气体积,/>为t时刻储氢站i储氢体积最大值,/>为t时刻储氢站i储氢体积最小值;为t时刻运输使储氢站i中氢气体积的变化量,/>为t时刻运输使储氢站i中氢气体积单次运输的上限值;/>为t时刻储氢站i内电解装置生成氢气速率,/>为t时刻储氢站i内甲烷化装置消耗氢气速率,/>为t时刻储氢站i内燃料电池单元消耗氢气速率,Δt为调度时间间隔,/>为在时间跨度s上运输车k与储氢站i的连接状态。
可选的,所述获取监测点在监测时间内,火电厂引起的监测点大气CO2浓度,具体包括:
获取监测点在设定监测时间内,火电机组引起的CO2浓度时空分布情况;
根据所述火电机组引起的CO2浓度时空分布情况确定监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和;
根据所述监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定火电厂引起的监测点大气CO2浓度。
可选的,所述电解水过程模型为:
其中,为电解槽t时刻输入电功率,/>为电解槽t时刻生成的氢气体积;/>表示风电出力预测值;ηEL电解效率,/>为氢气的功率体积转换系数。
可选的,所述运输车每个时间跨度的状态变量的计算公式如下:
其中,i和j表示不同储氢站的序号,k为运输车的序号,s为时间跨度,ij表示从i站到j站时空网络弧线,A为TSN中弧的集合,为从i站开始的弧线的集合,/>为在i站结束的弧线的集合,NS为时间跨度总数;/>表示在时间跨度s上运输车k与弧ij的连接状态,/>为在时间跨度s+1上运输车k与弧ij的连接状态,/>为时间跨度为1上运输车k与弧ij的连接状态,/>表示i站内第k辆运输车的初始状态;/>表示i站内第k辆运输车的最终状态,/>为调度周期内最后一个时间跨度NS上运输车k与弧ij的连接状态。
可选的,所述碳捕集电厂模型为:
其中,为火电厂u在t时刻原输出功率,即未引入CCS前火电厂的输出功率,/>为碳捕集电厂u在t时刻净输出功率,/>为碳捕集电厂u在t时刻碳捕集设备基本能耗;/>为碳捕集电厂u在t时刻CO2产生量,/>碳捕集电厂u在t时刻CO2捕集量,/>为碳捕集电厂u在t时刻CO2净排放量;α为捕集单位CO2耗能量,e为电厂单位功率CO2排放强度,γ为碳捕集电厂CO2的捕集率,范围为(0,1)。
一种考虑氢能应用的电力***低碳经济调度***,其特征在于,包括:
电解水过程模型确定模块,用于在风电场中利用风电电解水产生氢气,确定电解水过程模型;
运输车每个时间跨度的状态变量确定模块,用于采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量;
碳捕集电厂模型、储碳装置模型和甲烷化反应模型确定模块,用于根据所述运输车每个时间跨度的状态变量对碳捕集***和甲烷化装置进行调度,确定碳捕集电厂模型、储碳装置模型和甲烷化反应模型;
燃料电池发电功率与氢气消耗关系模型确定模块,用于根据所述运输车每个时间跨度的状态变量利用燃料电池进行发电,确定燃料电池发电功率与氢气消耗关系模型;
获取模块,用于获取监测点在设定监测时间内,火电厂引起的监测点大气CO2浓度;
低碳经济调度模型确定模块,用于以***总运行成本最小为目标,以所述电解水过程模型、所述时空网络模型、所述运输车每个时间跨度的状态变量、所述碳捕集电厂模型、所述储碳装置模型、所述甲烷化反应模型、所述燃料电池发电功率与氢气消耗关系模型和所述火电厂引起的监测点大气CO2浓度为约束条件,确定低碳经济调度模型。
可选的,还包括:
储氢站氢气存储模型确定模块,用于根据所述运输车每个时间跨度的状态变量确定储氢站氢气存储模型。
可选的,所述获取模块,具体包括:
火电机组引起的CO2浓度时空分布情况获取单元,用于获取监测点在设定监测时间内,火电机组引起的CO2浓度时空分布情况;
监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定单元,用于根据所述火电机组引起的CO2浓度时空分布情况确定监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和;
火电厂引起的监测点大气CO2浓度确定单元,用于根据所述监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定火电厂引起的监测点大气CO2浓度。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的一种考虑氢能应用的电力***低碳经济调度方法,以***中富余风电产生的氢气作为灵活的能源载体,协调调度风电出力、碳捕集、甲烷化、燃料电池发电的环节,提高可再生能源的消纳水平和能源利用效率,将大气CO2浓度最为约束条件之一,以降低CO2浓度对监测点的环境危害,从而实现电力***的低碳运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的考虑氢能应用的电力***低碳经济调度方法流程图;
图2为本发明提供的考虑氢能应用的电力***低碳经济调度***示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种考虑氢能应用的电力***低碳经济调度方法及***,以提高新能源利用效率,实现电力***的低碳性。
经济调度是指在满足客户用电需求的条件下,采用各种技术措施和管理措施,使电力生产设备处于最佳工作状态,达到电力***成本最低。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的一种考虑氢能应用的电力***低碳经济调度方法,包括:
步骤101:在风电场中利用风电电解水产生氢气,确定电解水过程模型。
其中,所述电解水过程模型为:
其中,为电解槽t时刻输入电功率,/>为电解槽t时刻生成的氢气体积;/>表示风电出力预测值;ηEL电解效率,/>为氢气的功率体积转换系数。
步骤102:采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量。其中,所述运输车每个时间跨度的状态变量的计算公式如下:
其中,i和j表示不同储氢站的序号,k为运输车的序号,s为时间跨度,ij表示从i站到j站时空网络弧线,A为TSN中弧的集合,为从i站开始的弧线的集合,/>为在i站结束的弧线的集合,NS为时间跨度总数;/>表示在时间跨度s上运输车k与弧ij的连接状态,/>为在时间跨度s+1上运输车k与弧ij的连接状态,/>为时间跨度为1上运输车k与弧ij的连接状态,/>表示i站内第k辆运输车的初始状态;/>表示i站内第k辆运输车的最终状态,/>为时间跨度为NS上运输车k与弧ij的连接状态,具体是调度周期内最后一个时间跨度NS。
步骤103:根据所述运输车每个时间跨度的状态变量对碳捕集***和甲烷化装置进行调度,确定碳捕集电厂模型、储碳装置模型和甲烷化反应模型。其中,所述碳捕集电厂模型为:
其中,为火电厂u在t时刻原输出功率,即未引入CCS前火电厂的输出功率,/>为碳捕集电厂u在t时刻净输出功率,/>为碳捕集电厂u在t时刻碳捕集设备基本能耗;/>为碳捕集电厂u在t时刻CO2产生量,/>碳捕集电厂u在t时刻CO2捕集量,/>为碳捕集电厂u在t时刻CO2净排放量;α为捕集单位CO2耗能量,e为电厂单位功率CO2排放强度,γ为碳捕集电厂CO2的捕集率,范围为(0,1)。
步骤104:根据所述运输车每个时间跨度的状态变量利用燃料电池进行发电,确定燃料电池发电功率与氢气消耗关系模型。
步骤105:获取监测点在设定监测时间内,火电厂引起的监测点大气CO2浓度。步骤105,具体包括:
获取监测点在设定监测时间内,火电机组引起的CO2浓度时空分布情况。
根据所述火电机组引起的CO2浓度时空分布情况确定监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和。
根据所述监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定火电厂引起的监测点大气CO2浓度。
步骤106:以***总运行成本最小为目标,以所述电解水过程模型、所述时空网络模型、所述运输车每个时间跨度的状态变量、所述碳捕集电厂模型、所述储碳装置模型、所述甲烷化反应模型、所述燃料电池发电功率与氢气消耗关系模型和所述火电厂引起的监测点大气CO2浓度为约束条件,确定低碳经济调度模型。
在实际应用中,所述采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量之后,还包括:
根据所述运输车每个时间跨度的状态变量确定储氢站氢气存储模型。
其中,所述储氢站氢气存储模型为:
其中,为t时刻储氢站i中储存的氢气体积,/>为t-1时刻储氢站i中储存的氢气体积,/>为t时刻储氢站i储氢体积最大值,/>为t时刻储氢站i储氢体积最小值;为t时刻运输使储氢站i中氢气体积的变化量,/>为t时刻运输使储氢站i中氢气体积单次运输的上限值;/>为t时刻储氢站i内电解装置生成氢气速率,/>为t时刻储氢站i内甲烷化装置消耗氢气速率,/>为t时刻储氢站i内燃料电池单元消耗氢气速率,Δt为调度时间间隔,/>为在时间跨度s上运输车k与储氢站i的连接状态。本发明以***中富余风电产生的绿色氢气作为灵活的能源载体,协调调度风电出力、碳捕集、甲烷化、燃料电池发电等环节,提出考虑氢能应用的电力***低碳经济调度模型。此外,考虑排放源的位置和气象条件(风速、风向等)的变化,构建了考虑CO2时空分布的约束条件,以降低CO2浓度对关键监测点的环境危害,解决含火电和新能源(以风电为例)的电力***低碳经济调度问题,该方法充分挖掘氢气作为灵活能源载体的优势,提高可再生能源的消纳水平和能源利用效率。此外,基于对火电厂位置、CO2扩散路径和动态大气条件的分析,在关键监测点准确限制CO2浓度的时空分布,确保***低碳运行。
本发明还提供一种考虑氢能应用的电力***低碳经济调度方法在实际应用中的具体步骤:
步骤1:生产氢气并基于时空网络模型运输到不同的储氢站:利用***中富余风电电解水产生绿色氢气,并存储于储氢罐中,由运氢车运输到不同氢气站点,使得氢气可以在不同时间不同地点参与调度,充分发挥了氢能的时空转移禀赋。
首先在风电场附近利用***中富余的风电电解水产生氢气,电解水过程数学模型可表示如下:
式中,为电解槽t时刻输入电功率和生成的氢气体积;/>表示风电出力预测值;ηEL,/>为电解效率和氢气的功率体积转换系数;公式(1)中的第一项表示电解装置中输入电功率与输出氢气体积之间的转换关系;第二项表示电解所需电能完全由风电提供,这可保证产生的氢气自身的低碳性。
在风电场附近集中制成氢气后先储存于储氢罐中,然后用运输卡车将氢气运输到其他不同的储氢站,采用时空网络(Time-Space Network,TSN)模型对氢气运输过程进行建模。时空网络模型确定运输车辆的每小时状态,哪个时间段是处于由一个储氢站到另一个储氢站的运输途中,哪个时间段一直停留在某个氢气站点,进行氢气的装载或者卸载。
式中,i,j分别表示不同储氢站的序号,k为运输车的序号,s为时间跨度,ij表示从i站到j站时空网络弧线,A为TSN中弧的集合,为从i站开始的弧线的集合,/>为在i站结束的弧线的集合,NS为时间跨度总数;/>表示在时间跨度s上运输车k与弧ij的连接状态,表示在时间跨度s上运输车k在弧ij上,对应物理***表示在时间跨度s上运输车k从储氢站i行驶到储氢站j;/>表示在时间跨度s上运输车k不在弧ij上;/>表示i站内第k辆运输车的初始状态,/>表示第k辆运输车初始时刻在储氢站i,/>表示第k辆运输车初始时刻不在储氢站i;/>表示i站内第k辆运输车的最终状态,/>表示第k辆运输车最终时刻在储氢站i,/>表示第k辆运输车最终时刻不在储氢站i,/>为时间跨度为1上运输车k与弧ij的连接状态,/>为时间跨度为NS上运输车k与弧ij的连接状态。公式(2)中第一项表示运输车k状态约束,即每个运输车k在时间跨度s中只能处于一个弧线上;第二项表示运输车k连接约束,在时间跨度s结束时,站i中的运输车k位于TSN的节点(i,s)中,在下一个时间跨度s+1中,运输车k必须位于从节点(i,s)开始的一条弧中,意味着TSN中每个节点的流入和流出必须相等;第三项表示第一个时间跨度,每个站的流出量等于运输车k的初始状态;最后一项表示在最后一个时间跨度NS,每个站的流入量等于运输车k的最终状态。
公式(2)用于确定运输车的状态,相当于确定运输车的路径以及在不同氢站的停留信息。这个模型最终确定和/>的值,/>在公式(3)中应用,只有/>表示运输车停留在储氢站i,才能向储氢车输送氢气或从储氢站运走氢气。/>运用在步骤4的运输费用中,就是公式(13)的第4个公式。
上述TSN模型可以得到运输车每个时间跨度的状态变量,若表示在时间跨度s上运输车k从储氢站i行驶到储氢站j,若/>则表示在时间跨度s上运输车k一直停留在第i个储氢站,进行氢气的装载或者卸载。储氢站氢气存储模型可表示为:
式中,为t时刻储氢站i中储存的氢气体积,储氢站i储氢体积最大值和最小值;/>为t时刻运输使储氢站i中氢气体积的变化量以及单次运输的上限值;/>表示t时刻储氢站i内电解装置生成氢气速率,甲烷化装置消耗氢气速率以及燃料电池单元消耗氢气速率。公式(3)的第一项表示储氢站相邻时刻氢气体积变化情况;第二项表示储氢站储氢体积上下限约束;最后一项表示储氢站与运氢车辆进行氢能交换的条件,即在t时刻只有运输车k停留在氢站i才可以装载或者卸载氢气罐,且运输氢气体积不应超过允许的最大值,当/>时表示运输车向储氢站i运入氢气,/>时表示运输车从储氢站i运出氢气。
步骤2:以氢气为能源载体协调调度碳捕集***,甲烷化装置,燃料电池单元,充分发挥***的灵活性:在传统火电厂中引入碳捕集***,火电机组工作时,碳捕集***捕集火电厂排放CO2,捕集的CO2部分存储于储碳设备中为后续甲烷化反应提供原料;甲烷装置利用电解产生的氢气和储碳设备中存储或大气中捕获的CO2进行甲烷化反应,实现“负碳”效应;在***电负荷高峰期,燃料电池将氢能转化为电能供给部分电负荷。步骤1中生成并运输的氢气在步骤2中参与两个过程,一是与CO2共同参与甲烷化反应,该反应在甲烷化装置中完成,其中甲烷化反应的原料CO2可以是火电厂的碳捕集***捕获的CO2和从大气中捕获的CO2,这一过程可以协调调度碳捕集***和甲烷化装置;二是在***电负荷高峰期,燃料电池将氢能转化为电能,为***提供清洁的电力。碳捕集***和甲烷化装置能够协同运行满足电力***低碳经济行的要求,碳捕获***捕获的CO2用于甲烷化反应过程,降低了CO2原料成本,还可以减少捕集的CO2封存量,从而降低CO2封存成本;燃料电池发电可以替代部分火电,降低了发电成本,也间接减少了碳排放。依据实现***低碳经济调度的原则,这两个过程可以在同一时刻进行。下面分别构建碳捕集过程,甲烷化过程以及燃料电池单元的数学模型:
碳捕集***(Carbon Capture System,CCS)包括捕集,利用与封存3个过程,在传统火力发电厂中引入CCS,则成为碳捕集电厂(Carbon Capture Power Plant,CCPP)。碳捕集过程可以在一定程度上独立于发电过程,碳捕集设备的捕集效率不再仅仅局限于一个比例而是一个范围。在碳捕集前,原输出功率仍符合常规火电特性,常规电厂也可视为碳捕集效率为0的碳捕集电厂。为引入CCS前,火电厂机组出力约束可用公式(4)表示:
式中,为火电厂u在t时刻原输出功率,即未引入CCS前火电厂的输出功率,/>为火电厂u在t-1时刻原输出功率,/>分别为输出功率上限和下限;RDu,RUu表示火电机组u的最大向下滑坡速率和最大向上爬坡速率。公式(4)的第一项表示火电机组输出功率上下限约束;第二项表示火电机组爬坡约束。
引入CCS后,CCPP的模型可表示为:
式中,分为碳捕集电厂u在t时刻净输出功率,碳捕集设备基本能耗;为碳捕集电厂u在t时刻CO2产生量,捕集量和净排放量;α为捕集单位CO2耗能量,e为电厂单位功率CO2排放强度,γ为碳捕集电厂CO2的捕集率,范围为(0,1)。公式(5)的第一项表示碳捕集电厂功率平衡约束;第二项表示碳捕集电厂CO2产生量与输出功率的关系;第三项表示CO2捕集量不应该超出可以捕集的最大量;最后一项表示碳捕集电厂CO2净排放量等于产生量与捕集量的差值。
将上述碳捕集***捕获的CO2部分暂存于储碳装置中,在需要时储碳装置中的CO2可以与氢气共同在甲烷化装置中发生化学反应生成甲烷。引入储碳装置的目的是CO2捕获过程可能发生在整个调度周期,而甲烷仅在***存在富余风电时合成,因此CO2产生和消耗的时间不匹配,通过引入CO2储存设施可以解决这一问题,保证甲烷化反应所需的CO2部分或完全由碳捕获***提供,降低了CO2原料成本,也提高了***风电利用水平。储碳装置的模型如下:
式中,分别为t时刻储碳装置中CO2存储体积,储碳装置中CO2最大,最小储存量;/>分别为t时刻碳捕集***向储碳装置提供CO2速率,储碳装置供给甲烷化反应的CO2速率以及储碳装置供给甲烷化反应CO2最大速率。/>为t-1时刻储碳装置中CO2存储体积,公式(6)的第一项表示储碳装置中相邻时刻CO2体积变化关系;第二项表示储碳装置中CO2体积不应超过储碳装置容量的上下限;第三项表示碳捕集***给储碳装置提供的CO2量不应超过碳捕集***捕获的CO2量;最后一项表示储碳装置供给甲烷化反应的CO2速率应不大于储碳装置最大CO2输出速率。
碳捕集***储存于储碳装置中CO2或从大气中捕集的CO2与储氢站中的氢气共同参与甲烷化过程,该过程消耗的氢气由步骤1运输模型中的储氢站提供,甲烷化反应数学模型可表示为:
式中,分别为t时刻甲烷化反应消耗的氢气,CO2以及生成甲烷的速率;/>ηME,/>分别为甲烷化过程氢气与CO2反应系数比,甲烷发生器转化效率,甲烷功率体积转换系数;/>分别为t时刻甲烷化过程从大气中捕获的CO2速率,最大氢气输入速率。公式(7)的第一项表示参与甲烷化反应的氢气与CO2体积关系;第二项表示甲烷化反应消耗的氢气体积与生成的甲烷体积关系,其中/>在公式(3)的第一项中有体现;第三项表示甲烷化过程消耗的CO2由碳捕集过程和从大气中捕获的CO2两个部分组成,其中/>在公式(6)的第一项中有体现;第四项表示从大气中捕获的CO2体积应大于等于0;最后一项表示输入甲烷化装置的氢气输入速率不应大于甲烷化装置允许的最大氢气输入速率。
燃料电池单元安装在靠近用电负荷中心的节点,当***出现负荷高峰时,可以通过燃料电池发电供给部分用电负荷,这样可以减少一部分火电机组发电量,从而减少由于火力发电引起的碳排放,燃料电池单元消耗的氢气由步骤1中运输模型中的储氢站提供。燃料电池发电功率与氢气消耗关系如下所示:
式中,分别为t时刻燃料电池发电功率和氢气消耗速率;ηFC,/>分别为燃料电池转化效率,以及最大氢气输入速率。公式(8)的第一项表示燃料电池氢气消耗速率与电能产生速率之间的关系;第二项表示燃料电池氢气输入速率不应超过允许的最大速率。
步骤3:构建关键监测点CO2浓度约束条件,避免***对发电机组控制不足或过度控制的情况:考虑火电厂位置,风速,风向等条件变化对火电厂排放的CO2在大气中扩散路径的影响,分析火电厂排放的CO2在大气中的分布情况,并在关键监测点构建CO2浓度约束条件,避免***对发电机组控制不足或过度控制的情况。这一步是分析步骤2中公式(5)的最后一项,碳捕集电厂CO2净排放量在大气中的时空分布情况以及它对大气中CO2浓度的影响,从而更有效地控制火电厂碳排放。
首先计算某监测点(x,y,z)在监测时间t,由火电机组u引起的CO2浓度时空分布情况:
式中,Mu,net(t’)表示火电厂u在t’时段排放的CO2量,Cu表示火电厂对大气CO2浓度贡献,Gu为分布函数,Ψ是为表示方便而设置的中间变量,σx(t’,t),σy(t’,t),σz(t’,t)分别表示t’时刻排放的CO2在t时段x,y,z轴方向的扩散参数,xu(t’,t),yu(t’,t),zu(t’,t)为t’时刻排放的CO2在t时段的中心坐标,(xu,0,yu,0)为发电机u的坐标位置,zu,0为其有效排放源高度,[vx(t)vy(t)vz(t)]为风速向量,下标μ代表x,y,z轴,aμ(t)、bμ(t)分别为与大气稳定级有关的常数。t’是为了方便与t区别设置的变量,且t’≥t,表示t’为t之后的调度时刻。公式(9)的第一项用于计算火电厂u在t’时段排放质量为Mnet(t’)的CO2对监测点(x,y,z)在时段t的CO2浓度贡献,其中Mnet(t’)在公式(5)的最后一项体现。
第二项Gu为CO2在大气中的分布函数计算公式;第三是中间变量Ψ的计算公式;第四项用于计算排放的CO2中心坐标,中心坐标与排放时间以及风速,风向有关;最后一项用于计算CO2在空气中的扩散参数。
随着排放的CO2在大气中的扩散,其浓度不断减小直至可以忽略不计,本发明考虑烟团释放W个排放时段后对监测点的浓度不再有影响,***中有NG台火电机组,监测点j在时刻t的CO2浓度为前W个排放时段NG台火电机组排放的浓度贡献之和:
由火电厂排放引起的监测点大气CO2浓度约束可表示为:
式中,为地区j对CO2浓度容忍能力。
步骤4:构建考虑氢能应用的电力***低碳经济调度模型:以***总运行成本(包括火电机组燃料成本,甲烷化过程运行成本,***弃风惩罚费用,氢气运输成本以及CO2运输和储存成本)最小为优化目标,上述步骤1,2,3构建的相关数学模型为约束条件,即,公式(1)—(11)均为约束条件,实现***低碳经济运行。
低碳经济调度模型可表示为:
式中,Ctotal,Cfuel,CME,Ccur,Ctran,分别表示***总运行成本,火电机组燃料成本,甲烷化过程运行成本,弃风惩罚费用,氢气运输成本以及捕集后的储存成本;分别表示t时刻碳捕集电厂u输出电功率,风电场w实际供电功率,燃料电池单元f输出电功率以及负荷节点d负荷大小;NCCPP,Nw,NFC,ND分别表示***中碳捕集电厂数,风电场数,燃料电池单元数以及负荷节点数。Pij,min为线路ij的最小有功潮流,Pij为线路ij的有功潮流,Pij,max为线路ij的最大有功潮流。约束条件除公式(1)~(11)外,还包括公式(12)中第三项***功率平衡约束,最后一项线路有功潮流约束。
公式(12)第一项目标函数中的各项成本的详细表达式为:
式中,au,bu,cu为火电厂燃料成本系数;cair,cg,λe,ck,ij,ccs为从大气中捕获单位体积CO2的成本,出售单位体积甲烷的收益,单位功率弃风惩罚,氢气单次运输成本,单位体积CO2运输和储存成本。分别为t时刻甲烷化装置m从大气中捕获的CO2速率以及生成的甲烷速率,/> 分别为t时刻碳捕集电厂u CO2捕集量以及提供给甲烷化装置的CO2量。
如图2所示,本发明提供的一种考虑氢能应用的电力***低碳经济调度***,包括:
电解水过程模型确定模块201,用于在风电场中利用风电电解水产生氢气,确定电解水过程模型;
运输车每个时间跨度的状态变量确定模块202,用于采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量;
碳捕集电厂模型、储碳装置模型和甲烷化反应模型确定模块203,用于根据所述运输车每个时间跨度的状态变量对碳捕集***和甲烷化装置进行调度,确定碳捕集电厂模型、储碳装置模型和甲烷化反应模型;
燃料电池发电功率与氢气消耗关系模型确定模块204,用于根据所述运输车每个时间跨度的状态变量利用燃料电池进行发电,确定燃料电池发电功率与氢气消耗关系模型;
获取模块205,用于获取监测点在设定监测时间内,火电厂引起的监测点大气CO2浓度;
低碳经济调度模型确定模块206,用于以***总运行成本最小为目标,以所述电解水过程模型、所述时空网络模型、所述运输车每个时间跨度的状态变量、所述碳捕集电厂模型、所述储碳装置模型、所述甲烷化反应模型、所述燃料电池发电功率与氢气消耗关系模型和所述火电厂引起的监测点大气CO2浓度为约束条件,确定低碳经济调度模型。
在实际应用中,还包括:
储氢站氢气存储模型确定模块,用于根据所述运输车每个时间跨度的状态变量确定储氢站氢气存储模型。
在实际应用中,所述获取模块205,具体包括:
火电机组引起的CO2浓度时空分布情况获取单元,用于获取监测点在设定监测时间内,火电机组引起的CO2浓度时空分布情况;
监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定单元,用于根据所述火电机组引起的CO2浓度时空分布情况确定监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和;
火电厂引起的监测点大气CO2浓度确定单元,用于根据所述监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定火电厂引起的监测点大气CO2浓度。
针对电力***节能减排与新能源功率波动带来的电力***安全经济运行问题,本发明提出的方法以***中富余风电产生的绿色氢气作为灵活的能源载体,通过运输网络进行运输和优化配置,协调调度碳捕集***,甲烷化装置和燃料电池发电单元,综合考虑了排放源的位置和气象条件变化对CO2浓度时空分布的影响,在关键监测点准确限制CO2浓度,确保***低碳运行。所提方法充分挖掘氢气作为灵活能源载体的优势,提高了新能源的消纳水平和能源利用效率,保证了***的低碳性和经济性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种考虑氢能应用的电力***低碳经济调度方法,其特征在于,包括:
在风电场中利用风电电解水产生氢气,确定电解水过程模型;
采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量;
根据所述运输车每个时间跨度的状态变量对碳捕集***和甲烷化装置进行调度,确定碳捕集电厂模型、储碳装置模型和甲烷化反应模型;
根据所述运输车每个时间跨度的状态变量利用燃料电池进行发电,确定燃料电池发电功率与氢气消耗关系模型;
获取监测点在设定监测时间内,火电厂引起的监测点大气CO2浓度;
以***总运行成本最小为目标,以所述电解水过程模型、所述时空网络模型、所述运输车每个时间跨度的状态变量、所述碳捕集电厂模型、所述储碳装置模型、所述甲烷化反应模型、所述燃料电池发电功率与氢气消耗关系模型和所述火电厂引起的监测点大气CO2浓度为约束条件,确定低碳经济调度模型;
所述采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量之后,还包括:
根据所述运输车每个时间跨度的状态变量确定储氢站氢气存储模型;
所述储氢站氢气存储模型为:
其中,为t时刻储氢站i中储存的氢气体积,/>为t-1时刻储氢站i中储存的氢气体积,/>为t时刻储氢站i储氢体积最大值,/>为t时刻储氢站i储氢体积最小值;/>为t时刻运输使储氢站i中氢气体积的变化量,/>为t时刻运输使储氢站i中氢气体积单次运输的上限值;/>为t时刻储氢站i内电解装置生成氢气速率,/>为t时刻储氢站i内甲烷化装置消耗氢气速率,/>为t时刻储氢站i内燃料电池单元消耗氢气速率,Δt为调度时间间隔,/>为在时间跨度s上运输车k与储氢站i的连接状态;
所述获取监测点在监测时间内,火电厂引起的监测点大气CO2浓度,具体包括:
获取监测点在设定监测时间内,火电机组引起的CO2浓度时空分布情况;
根据所述火电机组引起的CO2浓度时空分布情况确定监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和;
根据所述监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定火电厂引起的监测点大气CO2浓度;
所述电解水过程模型为:
其中,为电解槽t时刻输入电功率,/>为电解槽t时刻生成的氢气体积;/>表示风电出力预测值;ηEL电解效率,/>为氢气的功率体积转换系数;
所述运输车每个时间跨度的状态变量的计算公式如下:
其中,i和j表示不同储氢站的序号,k为运输车的序号,s为时间跨度,ij表示从i站到j站时空网络弧线,A为TSN中弧的集合,为从i站开始的弧线的集合,/>为在i站结束的弧线的集合,NS为时间跨度总数;/>表示在时间跨度s上运输车k与弧ij的连接状态,/>为在时间跨度s+1上运输车k与弧ij的连接状态,/>为时间跨度为1上运输车k与弧ij的连接状态,/>表示i站内第k辆运输车的初始状态;/>表示i站内第k辆运输车的最终状态,/>为时间跨度NS上运输车k与弧ij的连接状态;
所述碳捕集电厂模型为:
其中,为火电厂u在t时刻原输出功率,即未引入CCS前火电厂的输出功率,/>为碳捕集电厂u在t时刻净输出功率,/>为碳捕集电厂u在t时刻碳捕集设备基本能耗;/>为碳捕集电厂u在t时刻CO2产生量,/>碳捕集电厂u在t时刻CO2捕集量,/>为碳捕集电厂u在t时刻CO2净排放量;α为捕集单位CO2耗能量,e为电厂单位功率CO2排放强度,γ为碳捕集电厂CO2的捕集率,范围为(0,1)。
2.一种考虑氢能应用的电力***低碳经济调度***,其特征在于,所述考虑氢能应用的电力***低碳经济调度***应用权利要求1所述的考虑氢能应用的电力***低碳经济调度方法,考虑氢能应用的电力***低碳经济调度***包括:
电解水过程模型确定模块,用于在风电场中利用风电电解水产生氢气,确定电解水过程模型;
运输车每个时间跨度的状态变量确定模块,用于采用时空网络模型对所述氢气的运输过程进行建模,确定运输车每个时间跨度的状态变量;
碳捕集电厂模型、储碳装置模型和甲烷化反应模型确定模块,用于根据所述运输车每个时间跨度的状态变量对碳捕集***和甲烷化装置进行调度,确定碳捕集电厂模型、储碳装置模型和甲烷化反应模型;
燃料电池发电功率与氢气消耗关系模型确定模块,用于根据所述运输车每个时间跨度的状态变量利用燃料电池进行发电,确定燃料电池发电功率与氢气消耗关系模型;
获取模块,用于获取监测点在设定监测时间内,火电厂引起的监测点大气CO2浓度;
低碳经济调度模型确定模块,用于以***总运行成本最小为目标,以所述电解水过程模型、所述时空网络模型、所述运输车每个时间跨度的状态变量、所述碳捕集电厂模型、所述储碳装置模型、所述甲烷化反应模型、所述燃料电池发电功率与氢气消耗关系模型和所述火电厂引起的监测点大气CO2浓度为约束条件,确定低碳经济调度模型。
3.根据权利要求2所述的考虑氢能应用的电力***低碳经济调度***,其特征在于,还包括:
储氢站氢气存储模型确定模块,用于根据所述运输车每个时间跨度的状态变量确定储氢站氢气存储模型。
4.根据权利要求2所述的考虑氢能应用的电力***低碳经济调度***,其特征在于,所述获取模块,具体包括:
火电机组引起的CO2浓度时空分布情况获取单元,用于获取监测点在设定监测时间内,火电机组引起的CO2浓度时空分布情况;
监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定单元,用于根据所述火电机组引起的CO2浓度时空分布情况确定监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和;
火电厂引起的监测点大气CO2浓度确定单元,用于根据所述监测点在设定时间内设定排放时段设定火电机组排放的浓度贡献之和确定火电厂引起的监测点大气CO2浓度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110756685.2A CN113327180B (zh) | 2021-07-05 | 2021-07-05 | 一种考虑氢能应用的电力***低碳经济调度方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110756685.2A CN113327180B (zh) | 2021-07-05 | 2021-07-05 | 一种考虑氢能应用的电力***低碳经济调度方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113327180A CN113327180A (zh) | 2021-08-31 |
CN113327180B true CN113327180B (zh) | 2023-09-29 |
Family
ID=77425635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110756685.2A Active CN113327180B (zh) | 2021-07-05 | 2021-07-05 | 一种考虑氢能应用的电力***低碳经济调度方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113327180B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091884B (zh) * | 2021-11-16 | 2022-09-23 | 华北电力大学 | 一种基于园区级微网构建的负碳减排机制的评估方法 |
CN114865696B (zh) * | 2022-04-25 | 2023-06-02 | 电子科技大学 | 一种基于sac算法的混合能源***在线调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000787A1 (zh) * | 2018-06-25 | 2020-01-02 | 彭斯干 | 低碳排放化石能源产生方法及装置 |
CN111489083A (zh) * | 2020-04-11 | 2020-08-04 | 东北电力大学 | 考虑富氧燃烧技术的电-气-热综合能源***低碳经济调度方法 |
CN111754133A (zh) * | 2020-06-30 | 2020-10-09 | 太原理工大学 | 一种考虑碳捕集***的综合能源***“源-荷”低碳经济调度方法 |
CN213341659U (zh) * | 2020-11-16 | 2021-06-01 | 成都精智艺科技有限责任公司 | 一种近零碳排放的分布式能源供给*** |
CN113054750A (zh) * | 2021-03-15 | 2021-06-29 | 成都精智艺科技有限责任公司 | 一种清洁氢与可再生能源氢联合生产*** |
-
2021
- 2021-07-05 CN CN202110756685.2A patent/CN113327180B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020000787A1 (zh) * | 2018-06-25 | 2020-01-02 | 彭斯干 | 低碳排放化石能源产生方法及装置 |
CN111489083A (zh) * | 2020-04-11 | 2020-08-04 | 东北电力大学 | 考虑富氧燃烧技术的电-气-热综合能源***低碳经济调度方法 |
CN111754133A (zh) * | 2020-06-30 | 2020-10-09 | 太原理工大学 | 一种考虑碳捕集***的综合能源***“源-荷”低碳经济调度方法 |
CN213341659U (zh) * | 2020-11-16 | 2021-06-01 | 成都精智艺科技有限责任公司 | 一种近零碳排放的分布式能源供给*** |
CN113054750A (zh) * | 2021-03-15 | 2021-06-29 | 成都精智艺科技有限责任公司 | 一种清洁氢与可再生能源氢联合生产*** |
Also Published As
Publication number | Publication date |
---|---|
CN113327180A (zh) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113327180B (zh) | 一种考虑氢能应用的电力***低碳经济调度方法及*** | |
CN111144620B (zh) | 一种考虑季节储氢的电氢综合能源***及其鲁棒规划方法 | |
Mehrjerdi | Optimal correlation of non-renewable and renewable generating systems for producing hydrogen and methane by power to gas process | |
CN107134810B (zh) | 一种独立型微能源网储能***优化配置求解方法 | |
CN112990523B (zh) | 区域综合能源***分层优化运行方法 | |
CN113705063B (zh) | 动态制氢效率特性下的远海风电制氢***容量优化方法 | |
Jiang et al. | Electrolysis plant size optimization and benefit analysis of a far offshore wind-hydrogen system based on information gap decision theory and chance constraints programming | |
CN112086998B (zh) | 孤岛模式下直流微电网的能量优化调度方法 | |
CN109474007B (zh) | 一种基于大数据云技术的能源互联网调度方法 | |
CN115307054B (zh) | 一种基于微网余电制氢的加氢站设备容量优化配置方法 | |
CN117040000A (zh) | 一种耦合碳捕集和电制氢的综合能源***热电优化方法 | |
CN114462889A (zh) | 一种氢-电耦合多能源跨区域优化配置方法及*** | |
CN115693727A (zh) | 一种港-船多能源融合***及其多层次能量管理方法 | |
CN115408808A (zh) | 一种计及碳排放的能源配网***多时间尺度优化调度方法 | |
CN117040027B (zh) | 一种农村虚拟电厂的协调优化方法和装置 | |
CN116646918A (zh) | 一种电力***电-氢联合低碳调度方法及*** | |
CN114204573A (zh) | 一种自洽能源***控制装置及方法 | |
CN117649089A (zh) | 一种集成氢能的综合能源***鲁棒低碳优化调度方法 | |
CN117973886A (zh) | 含氢能全链路的综合能源***协同规划运行方法及*** | |
CN112884265B (zh) | 一种应用于城市电网网源协调的智能管理方法 | |
Wei et al. | Whole-system Potential and Benefit of Energy Storage by Vehicle-to-grid (V2G) under Carbon Neutrality Target in China | |
CN116540545A (zh) | 一种基于伊藤过程的光伏发电制氢集群随机优化调度方法 | |
CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源***调度优化方法 | |
CN116247745A (zh) | 考虑非计划离网风险的氢能微网滚动优化调度方法 | |
CN106026191A (zh) | 用于最小化弃光电量光伏电站发电权置换电量评估的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |