CN113629775B - 一种基于模糊逻辑的氢储能***集群出力决策方法 - Google Patents

一种基于模糊逻辑的氢储能***集群出力决策方法 Download PDF

Info

Publication number
CN113629775B
CN113629775B CN202110842900.0A CN202110842900A CN113629775B CN 113629775 B CN113629775 B CN 113629775B CN 202110842900 A CN202110842900 A CN 202110842900A CN 113629775 B CN113629775 B CN 113629775B
Authority
CN
China
Prior art keywords
energy storage
storage system
hydrogen
hydrogen energy
fuzzy
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
Application number
CN202110842900.0A
Other languages
English (en)
Other versions
CN113629775A (zh
Inventor
李建林
李光辉
宋洁
梁忠豪
梁丹曦
马速良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Lianzhi Huineng Technology Co ltd
North China University of Technology
Global Energy Interconnection Research Institute
Original Assignee
Beijing Lianzhi Huineng Technology Co ltd
North China University of Technology
Global Energy Interconnection Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Lianzhi Huineng Technology Co ltd, North China University of Technology, Global Energy Interconnection Research Institute filed Critical Beijing Lianzhi Huineng Technology Co ltd
Priority to CN202110842900.0A priority Critical patent/CN113629775B/zh
Publication of CN113629775A publication Critical patent/CN113629775A/zh
Application granted granted Critical
Publication of CN113629775B publication Critical patent/CN113629775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/28—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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于模糊逻辑的氢储能***集群出力决策方法。包括以下步骤：在功率平衡、HESS***SOHR值等条件约束下，根据电网需求确定充放电状态，若电网电量富余，则HESS作为负荷通过电解制氢消纳富余电力，采用外层多目标模糊综合评价法得出最优HESS作为备用，内层模糊则是通过对氢储***SOHR值及制氢和发电效率进行模糊决策，对剩余n‑1个HESS的出力进行分配，分配结束后若不能满足电网需求，剩余需求功率均由先前选出的备用HESS承担。当电网电力不足时，HESS通过氢燃料电池发电为电网供电，控制过程等同。本发明充分考虑各子***参数差异性特征，可有效提高运行经济性及稳定性。

Description

一种基于模糊逻辑的氢储能***集群出力决策方法
技术领域：
本发明属于微电网管理领域，具体涉及一种基于模糊逻辑的氢储能***集群出力决策方法。
背景技术：
氢能作为一种储量丰富、热值高、能量密度大、来源多样的绿色能源，被誉为21世纪的“终极能源”，相比于电能，氢气的储能能力更优、规模也更大，对于不稳定的、富裕的可再生能源转化的电能，是较佳的储运介质，氢储能作为一种零碳排放的储能技术完美契合我国十四五清洁能源规划，因此，通过电解制氢储能，平抑风电光伏上网波动功率，保证风电光伏上网电能品质，是未来全球能源利用重要的发展方向之一。随着我国政策的引导以及大批氢能项目落地实施，氢能技术不断突破，产业体系逐步完善，我国氢能领域的发展已加速进入产业化阶段。经过多年的工业积累，中国已经是世界最大的制氢国，氢能市场潜力巨大。
氢储能***，英文Hydrogen Energy Storage System，缩写为“HESS”，由电解槽制氢单元、储氢罐单元和氢燃料电池发电单元组成，三个单元功率解耦，充放电了灵活，是一种极佳的绿色储能***。
考虑到氢储能集群数量众多，且电力负荷需求具有较强的不确定性，因此，在电网调度指令下氢储能集群中各子***功率分配及控制策略及其关键，这将会直接影响到微网运行的经济性和稳定性以及氢储***的使用寿命。
氢储能集群复杂度较高，且***中SOHR、充放电效率等技术指标具有时变、非线性的特点，难以对氢储能集群中每一个子***做到实时精确控制，且传统调度而模糊控制可以解决时变、非线性***的高精度控制问题。模糊控制基本思想就是利用模糊集合理论，把人的模糊控制策略转化为计算机所能接受的控制算法，进而实施控制的一种理论和技术，采用模糊控制算法能够模拟人的思维方式，因为对一些无法构建数学模型的***可以进行有效的描述和控制，可以灵活处理氢储***中SOHR、制氢/发电效率等不同类型且不断变化的变量及功率分配方法的不确定性。
发明内容：
针对现有氢储能***调控技术的不足以及电网运行过程中电量实时平衡及电压稳定问题，本发明以更好地服务于微网***及提高微网***运行经济性和稳定性为基础，提出了一种基于模糊逻辑的氢储能***集群出力决策方法。
该方法根据电网功率需求，考虑氢储能***SOHR状态、制氢效率、发电效率等参数，采用多目标模糊决策方法动态筛选氢储能集群中在当前电网功率缺额状态下的最优个体氢储能，并根据氢储能单元各项指标的状态动态调整其充放电功率，可以最大程度均衡各氢储能的状态，避免某一个氢储能过度循环充放电导致设备折损加快以及制氢/发电效率降低，有效的保证了氢储能集群中各子***的一致性，解决了微网中氢储能***集群功率分配问题，可有效提高氢储能运行经济性并提高氢储能循环充放电寿命。具体技术方案为：
一种基于模糊逻辑的氢储能***集群出力决策方法，包含以下步骤：
步骤1：获取n个氢储能***的包括SOHR、制氢效率、发电效率、储罐容量的参数；
步骤2：电网根据需求下发调度指令，判断氢储能***充放电状态；筛选出在当前电网指令及自身状态条件下的一个最优氢储能***作为备用；
当电网电力富余时，即ΔP≥0时，电网给n个氢储能***下达指令，使其准备充电制氢，转步骤3；当电网电力欠缺时，即ΔP≤0时，电网下达供电指令，转步骤4；其中ΔP＝PG-Pload，即电网供电量与负荷需求电量之差；
步骤3：当前电网指令及自身状态条件下的一个最优氢储能***作为备用，剩余n-1个***采用基于模糊控制算法的氢储能***出力决策方法，得到每一个氢储能***的出力大小；若剩余n-1个氢储能***在决策功率分配情况后未能满足电网需求，则剩余电网需求均由前述动态筛选出的最优氢储能满足；充电的过程中每一个氢储能的SOHR值均不可超过其最大储氢量S_max，当n个氢储能消纳电力满足电网指令后，结束能量分配，停止氢储能***制氢，重新估计每个氢储能***SOHR状态以及电解槽和HFC发电效率；返回步骤1；
步骤4：当前电网指令及自身状态条件下的一个最优氢储能***作为备用，剩余n-1个***采用基于模糊控制算法的氢储能***出力决策方法，得到每一个氢储能***的出力大小，接着通过HFC发电；每个氢储能储氢量正比于蓄电量，因此其蓄电量范围为Smin～Smax，当氢储能***储氢量低至为Slow时即停止发电；返回步骤1；
其中Smax表示氢储能的SOHR上限值；Smin和Smax分别表示氢储能***本身设定的最低储氢量和最高储氢量；Slow和Shigh分别表示氢储能***最佳运行时的储氢量下限和上限。
优选方案一，所述步骤2中最优氢储能***的判别包含如下步骤：
首先确定氢储能***的SOHR、充电效率ηelec、放电效率ηfc、充放电次数
Figure GDA0004192754360000023
工作温度Τ五个指标作为因素，即确定氢储能集群的因素论域U，/>
Figure GDA0004192754360000021
确定评语等级论域V，V＝(A,B,C,D,E)，即等级划分为A～B五个等级，A为最高等级，E表示最低等级，不同等级表示某一氢储能***在所有指标综合评定成绩；
步骤2.1：对每个因素进行单因素评判，建立模糊关系矩阵R：
Figure GDA0004192754360000022
其中rij为U中每一个因素对于V中等级的隶属关系，上式中n＝m＝5；
步骤2.2：确定评判因素权向量A＝(a1，a2，…，a5)，A是U中各项指标对氢储能***的隶属关系，是根据评判时各指标的重要性分配权重的；里面各项权重有历史经验数据给出，对氢储能***各指标；当ΔP≥0时，考虑氢储能***集群中各子***各指标权重等级由高到低分别是各自的荷电状态SOHRi,充电效率
Figure GDA0004192754360000031
循环充放电次数/>
Figure GDA0004192754360000032
以及工作温度Ti，其中i＝1,2,…n-1；所述充电效率也即是电解制氢效率；当ΔP≤0，考虑氢储能***集群中各子***各指标权重等级由高到低分别是各自的荷电状态SOHRi,放电效率/>
Figure GDA0004192754360000033
循环充放电次数/>
Figure GDA0004192754360000034
以及工作温度Ti，其中i＝1,2,…n-1；所述放电效率也即是HFC发电效率；
步骤2.3：选择模糊决策评价的合成算子得出评价结果B，其中B是由A和R合成所得，即
Figure GDA0004192754360000035
步骤2.4：将模糊评语量化，计算各对象的优先度评语量化集合设为S，通过以下公式可以得出n个氢储能的优先度，从而可以筛选出最适合当前电网指令的氢储能***：
Figure GDA0004192754360000036
式中，m是指标数量，k表示氢储能集群中单个氢储能***数量，设有n个氢储能***组成，则k＝n；
通过上述步骤筛选出在某一时刻电网调度指令下最优状态的氢储能***作为备用。
优选方案二，步骤3中对剩余n-1个氢储能***采用第二层模糊控制算法进行功率分配，具体通过以下过程完成对每一次电网调度指令下的氢储能集群功率分配：
步骤3.1：对于每一个氢储能***，将其荷电状态SOHRi,充电效率
Figure GDA0004192754360000037
放电效率
Figure GDA0004192754360000038
其中i＝1,2,…n-1作归一化处理；
步骤3.2：确定因素论域中各指标隶属度函数，分别定义为变量
Figure GDA0004192754360000039
步骤3.3：将SOHRi，
Figure GDA00041927543600000310
作为模糊控制器的输入，设定模糊控制器的输出量为功率值/>
Figure GDA00041927543600000311
即当前氢储能***应当消纳的功率值；将模糊输入和输出量的模糊集都设定为五级{NB，NS，ZO，PS，PB}，分别表示每一个氢储能***荷电状态SOHRi,充电效率/>
Figure GDA00041927543600000312
放电效率/>
Figure GDA00041927543600000313
以及氢储能***输出值/>
Figure GDA00041927543600000314
的大小；NB代表负大，NS代表负小，ZO代表零，PS代表正小，PB代表正大；
模糊控制的输入输出具体解释如下：
输入1：SOHRi，模糊论域为[-1，1]，其中SOHR取值为-1，则表示储能***已达到放电最大值，不能再进行放电；当SOHR取值为1时，储能***已达到充电最大值，不能再进行充电，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的荷电状态SOHR{很低，低，适中，高，很高}；NB代表负大，NS代表负小，ZO代表零，PS代表正小，PB代表正大；
输入2：
Figure GDA0004192754360000041
模糊论域为[-1，1]，模糊子集设定为三级{NB，ZO，PB}，分别表示氢储能***的制氢效率{高，适中，低}；
输出：氢储能***调节功率值
Figure GDA0004192754360000042
模糊论域为[-5,5]，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的针对电网指令需求需要消纳的功率；
模糊控制的输入输出隶属度函数选用常用的三角形和题型隶属函数；
制定模糊规则：
氢储能***从电网得到电能，通过电解制氢消纳富余电力，
Figure GDA0004192754360000043
作为模糊控制的输入，模糊规则具体表述如下所述：
当氢储能***荷电状态和电解制氢效率均为中间值时，模糊控制输出也为中间值；当氢储能***荷电状态逐渐接近上限，电解制氢效率逐渐接近下限时，减少氢储能***的充电功率，即减少此氢储能***制氢量；当氢储能***荷电状态逐渐接近下限，电解制氢效率逐渐接近上限时，增加氢储能***的充电功率，即加大此氢储能***制氢量；
步骤3.4：模糊控制器输出量去模糊化：将n-1个氢储能***的输出采用加权平均法进行去模糊计算，得到单个氢储能***的理论功率分配值，具体公式如下：
Figure GDA0004192754360000044
式中，
Figure GDA0004192754360000045
分别表示输入量SOHRi，/>
Figure GDA0004192754360000046
的隶属度值，Zi为输出功率值的模糊隶属度函数的尖点所对应的横坐标值。
优选方案三，步骤4中对剩余n-1个氢储能***采用第二层模糊控制算法进行功率分配，具体通过以下过程完成对每一次电网调度指令下的氢储能集群功率分配：
步骤4.1：将因素论域中各指标进行归一化处理，对于每一个氢储能***将其荷电状态SOHRi,充电效率
Figure GDA0004192754360000047
放电效率/>
Figure GDA0004192754360000048
其中i＝1,2,…n-1作归一化处理；
步骤4.2：确定因素论域中各指标隶属度函数，分别定义为变量
Figure GDA0004192754360000049
步骤4.3：将SOHRi，
Figure GDA00041927543600000410
作为模糊控制器的输入，设定模糊控制器的输出量为功率值/>
Figure GDA00041927543600000411
即当前氢储能***应当出力的功率值；将模糊输入和输出量的模糊集都设定为五级{NB，NS，ZO，PS，PB}，分别表示每一个氢储能***荷电状态SOHRi,充电效率/>
Figure GDA00041927543600000412
放电效率/>
Figure GDA0004192754360000051
以及氢储能***输出值/>
Figure GDA0004192754360000052
的大小；模糊控制的输入输出具体解释如下：
输入1：SOHRi，模糊论域为[-1，1]，其中SOHR取值为-1，则表示储能***已达到放电最大值，不能再进行放电；当SOHR取值为1时，储能***已达到充电最大值，不能再进行充电，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的荷电状态SOHR{很低，低，适中，高，很高}；
输入2：
Figure GDA0004192754360000053
模糊论域为[-1，1]，模糊子集设定为三级{NB，ZO，PB}，分别表示氢储能***的发电效率{高，适中，低}；
输出：氢储能***调节功率值
Figure GDA0004192754360000054
模糊论域为[-5,5]，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的针对电网指令需求需要发出的功率；
模糊控制的输入输出隶属度函数选用常用的三角形和题型隶属函数；制定模糊规则：
氢储能***为电网提供电能，通过HFC提供电力，
Figure GDA0004192754360000055
作为模糊控制的输入，模糊规则具体表述如下所述：
当氢储能***荷电状态和HFC发电效率均为中间值时，模糊控制输出也为中间值；当氢储能***荷电状态逐渐接近上限，HFC发电效率逐渐接近上限时，增加氢储能***的发电功率，即加大氢燃料电池加氢量；当氢储能***荷电状态逐渐接近下限，HFC发电效率逐渐接近下限时，减少氢储能***的充电功率，即减少HFC氢气供应；
步骤4.4：模糊控制器输出量去模糊化；将n-1个氢储能***的输出采用加权平均法进行去模糊计算，得到单个氢储能***的理论功率分配值，具体公式如下：
Figure GDA0004192754360000056
式中，
Figure GDA0004192754360000057
分别表示输入量SOHRi，/>
Figure GDA0004192754360000058
的隶属度值，Zi为输出功率值的模糊隶属度函数的尖点所对应的横坐标值。
本发明的有益效果在于，针对微网中氢储***集群功率分配问题，提出了一种考虑储能单元荷电状态、充放电效率等因素的基于双层模糊决策技术的微网分布式氢储能集群功率分配方法。特点在于在保证氢储能集群满足电网调度指令需求的同时，可以很好地将氢储能***的荷电状态等参数控制在最佳运行区间，且本发明所提双层模糊决策技术充分考虑氢储能集群中各子***各主要参数之间的不一致性，可有效提高氢储能运行经济性并提高氢储能循环充放电寿命。
附图说明:
图1是本发明整体流程图；图中，HESS代表氢储能***。
图2为第二层模糊控制决策中的输入量SOHR的隶属函数图；横坐标代表SOHR值，纵坐标代表隶属度值。
图3为第二层模糊控制决策中的输入量
Figure GDA0004192754360000061
的隶属函数图；横坐标代表
Figure GDA0004192754360000062
值，纵坐标代表隶属度值。
图4为第二层模糊控制决策中的氢储能***输出值
Figure GDA0004192754360000063
的隶属函数图；横坐标代表氢储能***输出值/>
Figure GDA0004192754360000064
值，纵坐标代表隶属度值。
图5是氢储能***SOHR不同区间指示。
具体实施方式：
下面通过附图和具体实施方式对本发明的具体细节及其他特征、优点予以详细说明。
本发明所述微网中包含风、光等可再生能源发电设备及储能设备，储能设备主要是指氢储能***集群，其中各个氢储能***由电解制氢单元、储氢罐单元、氢燃料电池发电单元组成，本发明主要是对氢储能集群中各个子***能量分配过程的进行筛选和决策。
本发明中电网功率缺额ΔP＝PG-Pload，是指电网供电量与负荷需求电量的差值。当电网供电不足以满足负荷需求时，即ΔP≤0，电网向氢储能***下发指令，氢储能***能量管理***通过本发明所述双层模糊控制决策技术对各个氢储能***进行能量分配，使氢储能***通过氢燃料电池发电为电网供电；电网电力富余时，即ΔP≥0时，电网给n个氢储能***下达指令，使其准备通过电解制氢消纳多余电力，每一个氢储能***消纳电力功率值同样由本发明所提双层模糊决策技术进行功率分配。
充电的过程中每一个氢储能的SOHR值均不可超过Smax，当n个氢储能消纳电力满足电网指令后，结束能量分配，停止氢储能***制氢，重新估计每个氢储能***SOHR状态以及电解槽和氢燃料电池发电效率；放电的过程中每一个氢储能的SOHR值即储氢量不可低于Smin，当n个氢储能发电量满足电网指令后，结束能量分配。
一种基于模糊逻辑的氢储能***集群出力决策方法，包含以下步骤：
步骤1：获取n个氢储能***的包括SOHR、制氢效率、发电效率、储罐容量的参数；
步骤2：电网根据需求下发调度指令，判断氢储能***充放电状态；筛选出在当前电网指令及自身状态条件下的一个最优氢储能***作为备用；当电网电力富余时，即ΔP≥0时，电网给n个氢储能***下达指令，使其准备充电制氢，转步骤3；当电网电力欠缺时，即ΔP≤0时，电网下达供电指令，转步骤4；其中ΔP＝PG-Pload，即电网供电量与负荷需求电量之差；
最优氢储能***的判别包含如下步骤：
首先确定氢储能***的SOHR、充电效率ηelec、放电效率ηfc、充放电次数
Figure GDA0004192754360000071
工作温度Τ五个指标作为因素，即确定氢储能集群的因素论域U，/>
Figure GDA0004192754360000072
确定评语等级论域V，V＝(A,B,C,D,E)，即等级划分为A～B五个等级，a为最高等级，E表示最低等级，不同等级表示某一氢储能***在所有指标综合评定成绩；
步骤2.1：对每个因素进行单因素评判，建立模糊关系矩阵R：
Figure GDA0004192754360000073
其中rij为U中每一个因素对于V中等级的隶属关系，上式中n＝m＝5；
步骤2.2：确定评判因素权向量A＝(a1，a2，…，a5)，A是U中各项指标对氢储能***的隶属关系，是根据评判时各指标的重要性分配权重的；里面各项权重有历史经验数据给出，对氢储能***各指标；当ΔP≥0时，考虑氢储能***集群中各子***各指标权重等级由高到低分别是各自的荷电状态SOHRi,充电效率
Figure GDA0004192754360000074
循环充放电次数/>
Figure GDA0004192754360000075
以及工作温度Ti，其中i＝1,2,…n-1；所述充电效率也即是电解制氢效率；当ΔP≤0，考虑氢储能***集群中各子***各指标权重等级由高到低分别是各自的荷电状态SOHRi,放电效率/>
Figure GDA0004192754360000076
循环充放电次数/>
Figure GDA0004192754360000077
以及工作温度Ti，其中i＝1,2,…n-1；所述放电效率也即是HFC发电效率；
步骤2.3：选择模糊决策评价的合成算子得出评价结果B，其中B是由A和R合成所得，即
Figure GDA0004192754360000078
步骤2.4：将模糊评语量化，计算各对象的优先度评语量化集合设为S，通过以下公式可以得出n个氢储能的优先度，从而可以筛选出最适合当前电网指令的氢储能***：
Figure GDA0004192754360000079
式中，m是指标数量，k表示氢储能集群中单个氢储能***数量，设有n个氢储能***组成，则k＝n；
通过上述步骤筛选出在某一时刻电网调度指令下最优状态的氢储能***作为备用；
步骤3：当前电网指令及自身状态条件下的一个最优氢储能***作为备用，剩余n-1个***采用基于模糊控制算法的氢储能***出力决策方法，得到每一个氢储能***的出力大小；若剩余n-1个氢储能***在决策功率分配情况后未能满足电网需求，则剩余电网需求均由前述动态筛选出的最优氢储能满足；充电的过程中每一个氢储能的SOHR值均不可超过其最大储氢量S_max，当n个氢储能消纳电力满足电网指令后，结束能量分配，停止氢储能***制氢，重新估计每个氢储能***SOHR状态以及电解槽和HFC发电效率；返回步骤1；
对剩余n-1个氢储能***采用第二层模糊控制算法进行功率分配，具体通过以下过程完成对每一次电网调度指令下的氢储能集群功率分配：
步骤3.1：对于每一个氢储能***，将其荷电状态SOHRi,充电效率
Figure GDA0004192754360000081
放电效率
Figure GDA0004192754360000082
其中i＝1,2,…n-1作归一化处理；
步骤3.2：确定因素论域中各指标隶属度函数，分别定义为变量
Figure GDA0004192754360000083
步骤3.3：将SOHRi，
Figure GDA0004192754360000084
作为模糊控制器的输入，设定模糊控制器的输出量为功率值/>
Figure GDA0004192754360000085
即当前氢储能***应当消纳的功率值；将模糊输入和输出量的模糊集都设定为五级{NB，NS，ZO，PS，PB}，分别表示每一个氢储能***荷电状态SOHRi,充电效率/>
Figure GDA0004192754360000086
放电效率/>
Figure GDA0004192754360000087
以及氢储能***输出值/>
Figure GDA0004192754360000088
的大小；NB代表负大，NS代表负小，ZO代表零，PS代表正小，PB代表正大；
模糊控制的输入输出具体解释如下：
输入1：SOHRi，模糊论域为[-1，1]，其中SOHR取值为-1，则表示储能***已达到放电最大值，不能再进行放电；当SOHR取值为1时，储能***已达到充电最大值，不能再进行充电，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的荷电状态SOHR{很低，低，适中，高，很高}；NB代表负大，NS代表负小，ZO代表零，PS代表正小，PB代表正大；
输入2：
Figure GDA0004192754360000089
模糊论域为[-1，1]，模糊子集设定为三级{NB，ZO，PB}，分别表示氢储能***的制氢效率{高，适中，低}；
输出：氢储能***调节功率值
Figure GDA00041927543600000811
模糊论域为[-5,5]，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的针对电网指令需求需要消纳的功率；
模糊控制的输入输出隶属度函数选用常用的三角形和T型隶属函数；
制定模糊规则：
氢储能***从电网得到电能，通过电解制氢消纳富余电力，
Figure GDA00041927543600000810
作为模糊控制的输入，模糊规则如表1所示，具体表述如下所述：
当氢储能***荷电状态和电解制氢效率均为中间值时，模糊控制输出也为中间值；当氢储能***荷电状态逐渐接近上限，电解制氢效率逐渐接近下限时，减少氢储能***的充电功率，即减少此氢储能***制氢量；当氢储能***荷电状态逐渐接近下限，电解制氢效率逐渐接近上限时，增加氢储能***的充电功率，即加大此氢储能***制氢量；
表1
Figure GDA0004192754360000091
步骤3.4：模糊控制器输出量去模糊化：将n-1个氢储能***的输出采用加权平均法进行去模糊计算，得到单个氢储能***的理论功率分配值，具体公式如下：
Figure GDA0004192754360000092
式中，
Figure GDA0004192754360000093
分别表示输入量SOHRi，/>
Figure GDA0004192754360000094
的隶属度值，Zi为输出功率值的模糊隶属度函数的尖点所对应的横坐标值；
步骤4：当前电网指令及自身状态条件下的一个最优氢储能***作为备用，剩余n-1个***采用基于模糊控制算法的氢储能***出力决策方法，得到每一个氢储能***的出力大小，接着通过HFC发电；每个氢储能储氢量正比于蓄电量，因此其蓄电量范围为Smin～Smax，当氢储能***储氢量低至为Slow时即停止发电；返回步骤1；
其中Smax表示氢储能的SOHR上限值；Smin和Smax分别表示氢储能***本身设定的最低储氢量和最高储氢量；Slow和Shigh分别表示氢储能***最佳运行时的储氢量下限和上限；
对剩余n-1个氢储能***采用第二层模糊控制算法进行功率分配，具体通过以下过程完成对每一次电网调度指令下的氢储能集群功率分配：
步骤4.1：将因素论域中各指标进行归一化处理，对于每一个氢储能***将其荷电状态SOHRi,充电效率
Figure GDA0004192754360000095
放电效率/>
Figure GDA0004192754360000096
其中i＝1,2,…n-1作归一化处理；
步骤4.2：确定因素论域中各指标隶属度函数，分别定义为变量
Figure GDA0004192754360000097
步骤4.3：将SOHRi，
Figure GDA0004192754360000098
作为模糊控制器的输入，设定模糊控制器的输出量为功率值/>
Figure GDA0004192754360000099
即当前氢储能***应当出力的功率值；将模糊输入和输出量的模糊集都设定为五级{NB，NS，ZO，PS，PB}，分别表示每一个氢储能***荷电状态SOHRi,充电效率/>
Figure GDA00041927543600000910
放电效率/>
Figure GDA00041927543600000911
以及氢储能***输出值/>
Figure GDA00041927543600000912
的大小；模糊控制的输入输出具体解释如下：
输入1：SOHRi，模糊论域为[-1，1]，其中SOHR取值为-1，则表示储能***已达到放电最大值，不能再进行放电；当SOHR取值为1时，储能***已达到充电最大值，不能再进行充电，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的荷电状态SOHR{很低，低，适中，高，很高}；
输入2：
Figure GDA0004192754360000101
模糊论域为[-1，1]，模糊子集设定为三级{NB，ZO，PB}，分别表示氢储能***的发电效率{高，适中，低}；
输出：氢储能***调节功率值
Figure GDA0004192754360000102
模糊论域为[-5,5]，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的针对电网指令需求需要发出的功率；
模糊控制的输入输出隶属度函数选用常用的三角形和T型隶属函数；制定模糊规则：
氢储能***为电网提供电能，通过HFC提供电力，
Figure GDA0004192754360000103
作为模糊控制的输入，模糊规则如表2所示，具体表述如下所述：
当氢储能***荷电状态和HFC发电效率均为中间值时，模糊控制输出也为中间值；当氢储能***荷电状态逐渐接近上限，HFC发电效率逐渐接近上限时，增加氢储能***的发电功率，即加大氢燃料电池加氢量；当氢储能***荷电状态逐渐接近下限，HFC发电效率逐渐接近下限时，减少氢储能***的充电功率，即减少HFC氢气供应；
表2
Figure GDA0004192754360000104
步骤4.4：模糊控制器输出量去模糊化；将n-1个氢储能***的输出采用加权平均法进行去模糊计算，得到单个氢储能***的理论功率分配值，具体公式如下：
Figure GDA0004192754360000105
式中，
Figure GDA0004192754360000106
分别表示输入量SOHRi，/>
Figure GDA0004192754360000107
的隶属度值，Zi为输出功率值的模糊隶属度函数的尖点所对应的横坐标值。
在上述控制过程中，由于不同时段电网需求不同，因此，在电网下达新的指令后，重复上述控制过程，重新对HESS集群中各个***进行动态筛选，并重新对HESS集群能量进行分配，实现HESS集群的动态筛选及能量的柔性分配；
补充说明：本发明并不局限于上述具体实施方案中所设定的指标数量及所划分等级数量，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims (4)

1.一种基于模糊逻辑的氢储能***集群出力决策方法，其特征在于，包含以下步骤：
步骤1：获取n个氢储能***的包括SOHR、制氢效率、发电效率、储罐容量的参数；
步骤2：电网根据需求下发调度指令，判断氢储能***充放电状态；筛选出在当前电网指令及自身状态条件下的一个最优氢储能***作为备用；
当电网电力富余时，即ΔP≥0时，电网给n个氢储能***下达指令，使其准备充电制氢，转步骤3；当电网电力欠缺时，即ΔP≤0时，电网下达供电指令，转步骤4；其中ΔP＝PG-Pload，即电网供电量与负荷需求电量之差；
步骤3：当前电网指令及自身状态条件下的一个最优氢储能***作为备用，剩余n-1个***采用基于模糊控制算法的氢储能***出力决策方法，得到每一个氢储能***的出力大小；若剩余n-1个氢储能***在决策功率分配情况后未能满足电网需求，则剩余电网需求均由前述动态筛选出的最优氢储能满足；充电的过程中每一个氢储能的SOHR值均不可超过本身设定的最高储氢量Smax，当n个氢储能消纳电力满足电网指令后，结束能量分配，停止氢储能***制氢，重新估计每个氢储能***SOHR状态以及电解槽和HFC发电效率；返回步骤1；
步骤4：当前电网指令及自身状态条件下的一个最优氢储能***作为备用，剩余n-1个***采用基于模糊控制算法的氢储能***出力决策方法，得到每一个氢储能***的出力大小，接着通过HFC发电；每个氢储能储氢量正比于蓄电量，因此其蓄电量范围为Smin～Smax，当氢储能***储氢量低至为Slow时即停止发电；返回步骤1；
其中，Smin和Smax分别表示氢储能***本身设定的最低储氢量和最高储氢量；Slow和Shigh分别表示氢储能***最佳运行时的储氢量下限和上限。
2.根据权利要求1中所述的一种基于模糊逻辑的氢储能***集群出力决策方法，其特征在于，所述步骤2中最优氢储能***的判别包含如下步骤：
首先确定氢储能***的SOHR、充电效率ηelec、放电效率ηfc、充放电次数
Figure FDA0004192754350000011
工作温度Τ五个指标作为因素，即确定氢储能集群的因素论域U，/>
Figure FDA0004192754350000012
确定评语等级论域V，V＝(A,B,C,D,E)，即等级划分为A～E五个等级，A为最高等级，E表示最低等级，不同等级表示某一氢储能***在所有指标综合评定成绩；
步骤2.1：对每个因素进行单因素评判，建立模糊关系矩阵R：
Figure FDA0004192754350000013
其中rij为U中每一个因素对于V中等级的隶属关系，上式中w＝m＝5；
步骤2.2：确定评判因素权向量A＝(a1，a2，…，a5)，A是U中各项指标对氢储能***的隶属关系，是根据评判时各指标的重要性分配权重的；里面各项权重有历史经验数据给出，对氢储能***各指标；当ΔP≥0时，考虑氢储能***集群中各子***各指标权重等级由高到低分别是各自的荷电状态SOHRi,充电效率
Figure FDA0004192754350000021
循环充放电次数/>
Figure FDA0004192754350000022
以及工作温度Ti，其中i＝1,2,…n-1；所述充电效率也即是电解制氢效率；当ΔP≤0，考虑氢储能***集群中各子***各指标权重等级由高到低分别是各自的荷电状态SOHRi,放电效率/>
Figure FDA0004192754350000023
循环充放电次数
Figure FDA0004192754350000024
以及工作温度Ti，其中i＝1,2,…n-1；所述放电效率也即是HFC发电效率；
步骤2.3：选择模糊决策评价的合成算子得出评价结果B，其中B是由A和R合成所得，即
Figure FDA0004192754350000025
步骤2.4：将模糊评语量化，计算各对象的优先度评语量化集合设为S，通过以下公式可以得出n个氢储能的优先度，从而可以筛选出最适合当前电网指令的氢储能***：
Figure FDA0004192754350000026
式中，m是指标数量，k表示氢储能集群中第k个氢储能***，n个氢储能***组成氢储能集群，则k＝1，2，……，n；
通过上述步骤筛选出在某一时刻电网调度指令下最优状态的氢储能***作为备用。
3.根据权利要求1所述一种基于模糊逻辑的氢储能***集群出力决策方法，其特征在于，步骤3中对剩余n-1个氢储能***采用第二层模糊控制算法进行功率分配，具体通过以下过程完成对每一次电网调度指令下的氢储能集群功率分配：
步骤3.1：对于每一个氢储能***，将其荷电状态SOHRi,充电效率
Figure FDA0004192754350000027
放电效率/>
Figure FDA0004192754350000028
其中i＝1,2,…n-1作归一化处理；
步骤3.2：确定因素论域中各指标隶属度函数，分别定义为变量
Figure FDA0004192754350000029
将输入量SOHRi和输出量/>
Figure FDA00041927543500000210
设定为五级{NB，NS，ZO，PS，PB}，输入量/>
Figure FDA00041927543500000211
设定为三级{NB，ZO，PB}；
步骤3.3：将SOHRi，
Figure FDA00041927543500000212
作为模糊控制器的输入，设定模糊控制器的输出量为功率值
Figure FDA00041927543500000213
即当前氢储能***应当消纳的功率值；将模糊输入和输出量的模糊集都设定为五级{NB，NS，ZO，PS，PB}，分别表示每一个氢储能***荷电状态SOHRi,充电效率/>
Figure FDA00041927543500000214
放电效率
Figure FDA00041927543500000215
以及氢储能***输出值/>
Figure FDA00041927543500000216
的大小；NB代表负大，NS代表负小，ZO代表零，PS代表正小，PB代表正大；
模糊控制的输入输出具体解释如下：
输入1：SOHRi，模糊论域为[-1，1]，其中SOHR取值为-1，则表示储能***已达到放电最大值，不能再进行放电；当SOHR取值为1时，储能***已达到充电最大值，不能再进行充电，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的荷电状态SOHR{很低，低，适中，高，很高}；NB代表负大，NS代表负小，ZO代表零，PS代表正小，PB代表正大；
输入2：
Figure FDA0004192754350000031
模糊论域为[-1，1]，模糊子集设定为三级{NB，ZO，PB}，分别表示氢储能***的制氢效率{高，适中，低}；
输出：氢储能***调节功率值
Figure FDA0004192754350000032
模糊论域为[-5,5]，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的针对电网指令需求需要消纳的功率；
模糊控制的输入输出隶属度函数选用常用的三角形和T型隶属函数；
制定模糊规则：
氢储能***从电网得到电能，通过电解制氢消纳富余电力，
Figure FDA0004192754350000033
作为模糊控制的输入，模糊规则具体表述如下所述：
当氢储能***荷电状态和电解制氢效率均为中间值时，模糊控制输出也为中间值；当氢储能***荷电状态逐渐接近上限，电解制氢效率逐渐接近下限时，减少氢储能***的充电功率，即减少此氢储能***制氢量；当氢储能***荷电状态逐渐接近下限，电解制氢效率逐渐接近上限时，增加氢储能***的充电功率，即加大此氢储能***制氢量；
步骤3.4：模糊控制器输出量去模糊化：将n-1个氢储能***的输出采用加权平均法进行去模糊计算，得到单个氢储能***的理论功率分配值，具体公式如下：
Figure FDA0004192754350000034
式中，
Figure FDA0004192754350000035
分别表示输入量SOHRi，/>
Figure FDA0004192754350000036
的隶属度值，Zi为输出功率值的模糊隶属度函数的尖点所对应的横坐标值。
4.根据权利要求1所述一种基于模糊逻辑的氢储能***集群出力决策方法，其特征在于，步骤4中对剩余n-1个氢储能***采用第二层模糊控制算法进行功率分配，具体通过以下过程完成对每一次电网调度指令下的氢储能集群功率分配：
步骤4.1：将因素论域中各指标进行归一化处理，对于每一个氢储能***将其荷电状态SOHRi,充电效率
Figure FDA0004192754350000037
放电效率/>
Figure FDA0004192754350000038
其中i＝1,2,…n-1作归一化处理；
步骤4.2：确定因素论域中各指标隶属度函数，分别定义为变量
Figure FDA0004192754350000039
将输入量SOHRi和输出量/>
Figure FDA00041927543500000310
设定为五级{NB，NS，ZO，PS，PB}，输入量/>
Figure FDA00041927543500000311
设定为三级{NB，ZO，PB}；
步骤4.3：将SOHRi，
Figure FDA0004192754350000041
作为模糊控制器的输入，设定模糊控制器的输出量为功率值
Figure FDA0004192754350000042
即当前氢储能***应当出力的功率值；将模糊输入和输出量的模糊集都设定为五级{NB，NS，ZO，PS，PB}，分别表示每一个氢储能***荷电状态SOHRi,充电效率/>
Figure FDA0004192754350000043
放电效率
Figure FDA0004192754350000044
以及氢储能***输出值/>
Figure FDA0004192754350000045
的大小；模糊控制的输入输出具体解释如下：
输入1：SOHRi，模糊论域为[-1，1]，其中SOHR取值为-1，则表示储能***已达到放电最大值，不能再进行放电；当SOHR取值为1时，储能***已达到充电最大值，不能再进行充电，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的荷电状态SOHR{很低，低，适中，高，很高}；
输入2：
Figure FDA0004192754350000046
模糊论域为[-1，1]，模糊子集设定为三级{NB，ZO，PB}，分别表示氢储能***的发电效率{高，适中，低}；
输出：氢储能***调节功率值
Figure FDA0004192754350000047
模糊论域为[-5,5]，模糊子集设定为五级{NB，NS，ZO，PS，PB}，分别表示单个氢储能***的针对电网指令需求需要发出的功率；
模糊控制的输入输出隶属度函数选用常用的三角形和T型隶属函数；制定模糊规则：
氢储能***为电网提供电能，通过HFC提供电力，
Figure FDA0004192754350000048
作为模糊控制的输入，模糊规则具体表述如下所述：
当氢储能***荷电状态和HFC发电效率均为中间值时，模糊控制输出也为中间值；当氢储能***荷电状态逐渐接近上限，HFC发电效率逐渐接近上限时，增加氢储能***的发电功率，即加大氢燃料电池加氢量；当氢储能***荷电状态逐渐接近下限，HFC发电效率逐渐接近下限时，减少氢储能***的充电功率，即减少HFC氢气供应；
步骤4.4：模糊控制器输出量去模糊化；将n-1个氢储能***的输出采用加权平均法进行去模糊计算，得到单个氢储能***的理论功率分配值，具体公式如下：
Figure FDA0004192754350000049
式中，
Figure FDA00041927543500000410
分别表示输入量SOHRi，/>
Figure FDA00041927543500000411
的隶属度值，Zi为输出功率值的模糊隶属度函数的尖点所对应的横坐标值。/>
CN202110842900.0A 2021-07-26 2021-07-26 一种基于模糊逻辑的氢储能***集群出力决策方法 Active CN113629775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110842900.0A CN113629775B (zh) 2021-07-26 2021-07-26 一种基于模糊逻辑的氢储能***集群出力决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110842900.0A CN113629775B (zh) 2021-07-26 2021-07-26 一种基于模糊逻辑的氢储能***集群出力决策方法

Publications (2)

Publication Number Publication Date
CN113629775A CN113629775A (zh) 2021-11-09
CN113629775B true CN113629775B (zh) 2023-05-26

Family

ID=78380989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110842900.0A Active CN113629775B (zh) 2021-07-26 2021-07-26 一种基于模糊逻辑的氢储能***集群出力决策方法

Country Status (1)

Country Link
CN (1) CN113629775B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115566706B (zh) * 2022-11-10 2023-03-28 西南交通大学 一种用于碱性电解制氢***的模糊控制方法
CN117767390A (zh) * 2023-12-26 2024-03-26 山东正晨科技股份有限公司 一种高速公路分布式储能***的soc均衡控制方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104135025A (zh) * 2014-05-30 2014-11-05 国家电网公司 基于模糊粒子群算法和储能***的微网经济运行优化方法
CN104301985A (zh) * 2014-09-19 2015-01-21 华北电力大学（保定） 一种移动通信中电网与认知基站间能源分配方法
CN106125552A (zh) * 2016-08-08 2016-11-16 国家电网公司 抽水蓄能机组调速***模糊分数阶pid控制方法
CN109494777A (zh) * 2018-12-07 2019-03-19 重庆大学 一种混合储能***能量协调分配控制方法
CN109755965A (zh) * 2019-03-20 2019-05-14 河北科技大学 风光发电和制氢储氢***及其运行控制方法
CN111245105A (zh) * 2018-11-28 2020-06-05 国网新疆电力有限公司经济技术研究院 一种预装式储能电站容量配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104135025A (zh) * 2014-05-30 2014-11-05 国家电网公司 基于模糊粒子群算法和储能***的微网经济运行优化方法
CN104301985A (zh) * 2014-09-19 2015-01-21 华北电力大学（保定） 一种移动通信中电网与认知基站间能源分配方法
CN106125552A (zh) * 2016-08-08 2016-11-16 国家电网公司 抽水蓄能机组调速***模糊分数阶pid控制方法
CN111245105A (zh) * 2018-11-28 2020-06-05 国网新疆电力有限公司经济技术研究院 一种预装式储能电站容量配置方法
CN109494777A (zh) * 2018-12-07 2019-03-19 重庆大学 一种混合储能***能量协调分配控制方法
CN109755965A (zh) * 2019-03-20 2019-05-14 河北科技大学 风光发电和制氢储氢***及其运行控制方法

Also Published As

Publication number Publication date
CN113629775A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109492815B (zh) 一种市场机制下面向电网的储能电站选址定容优化方法
CN109361237B (zh) 基于改进混合粒子群算法的微电网容量优化配置方法
CN113629775B (zh) 一种基于模糊逻辑的氢储能***集群出力决策方法
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
WO2023060815A1 (zh) 一种提高配电网可靠性的储能容量优化配置方法
CN110956324B (zh) 基于改进的moea/d的主动配电网日前高维目标优化调度方法
CN106159944B (zh) 低碳环境下基于二层规划模型的多阶段输电网规划方法
CN113783224A (zh) 一种考虑多种分布式能源运行的配电网双层优化规划方法
CN115622101A (zh) 一种促进可再生能源消纳的储能优化配置双层规划方法
Huangfu et al. An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system
CN116316694A (zh) 基于两阶段鲁棒优化的储能电站调频的最优参数选取方法
CN111682536A (zh) 虚拟电厂参与日前双重市场的随机-鲁棒优化运行方法
CN115036914A (zh) 考虑灵活性与新能源消纳的电网储能双层优化方法及***
Linlin et al. Research on Multi-Objective Reactive Power Optimization of Power Grid With High Proportion of New Energy
CN114462854A (zh) 含新能源和电动汽车并网的分层调度方法及其***
CN113644674A (zh) 基于量子粒子群的氢混合储能容量配置***、方法及应用
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
CN115936265B (zh) 考虑电氢耦合的电氢能源***鲁棒规划方法
CN113673141B (zh) 一种基于数据驱动的能量路由器建模及优化控制方法
CN114725961A (zh) 平抑风电波动的制氢***容量分层优化配置方法
CN115940284A (zh) 一种考虑分时电价的新能源制氢***的运行控制策略
CN106953346A (zh) 一种含钠硫电池的离网型微网能量管理方法
CN113488990A (zh) 基于改进的蝙蝠算法的微电网优化调度方法
Haiyun et al. Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant

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