CN115115087B - 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 - Google Patents
一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 Download PDFInfo
- Publication number
- CN115115087B CN115115087B CN202210533501.0A CN202210533501A CN115115087B CN 115115087 B CN115115087 B CN 115115087B CN 202210533501 A CN202210533501 A CN 202210533501A CN 115115087 B CN115115087 B CN 115115087B
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- power
- scene
- period
- constraint
- 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 257
- 239000001257 hydrogen Substances 0.000 title claims abstract description 257
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 255
- 239000000446 fuel Substances 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004146 energy storage Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 claims abstract description 62
- 238000005984 hydrogenation reaction Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 18
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 15
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 15
- 230000008901 benefit Effects 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000003064 k means clustering Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 23
- 238000005338 heat storage Methods 0.000 claims description 22
- 230000009194 climbing Effects 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 230000005611 electricity Effects 0.000 claims description 17
- 230000033228 biological regulation Effects 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000010763 heavy fuel oil Substances 0.000 claims description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 7
- 238000010977 unit operation Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 230000020169 heat generation Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 206010013496 Disturbance in attention Diseases 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000010793 Steam injection (oil industry) Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 239000003345 natural gas Substances 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 claims description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000005868 electrolysis reaction Methods 0.000 claims description 2
- 229920000049 Carbon (fiber) Polymers 0.000 claims 1
- 239000004917 carbon fiber Substances 0.000 claims 1
- 230000001502 supplementing effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 150000002431 hydrogen Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 235000003801 Castanea crenata Nutrition 0.000 description 1
- 244000209117 Castanea crenata Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000009987 spinning 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Fuel Cell (AREA)
Abstract
本发明公开了一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，包括以下步骤：基于道路的历史数据，计算氢能源汽车加氢的时间和所需燃料量；构建氢储能***电解槽、燃料电池和储氢罐模型；对风光出力采用基于自回归滑动平均模型进行场景生成并采用K‑means聚类算法进行聚类，生成若干个典型场景；以期望经济效益最大化为目标，构建虚拟电厂调度模型的目标函数。对比分析氢储能是否参与虚拟电厂调度和虚拟电厂是否参与旋转备用市场、调峰市场和碳排放权交易对收益和调度结果的影响；以夏季和冬季典型日风光出力生成场景集并代入模型进行优化调度，分析虚拟电厂调度优化情况。
Description
技术领域
本发明涉及虚拟电厂应用技术领域，尤其涉及一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法。
背景技术
氢燃料汽车(hydrogen vehicle，HV)因其清洁和节能的特点，与传统的内燃机汽车相比有望显著降低温室气体的排放，同时，在低温环境下的性能更优于电动汽车，因此被认为是在未来交通领域的替代技术之一。
然而由于目前氢燃料供给体系建设不完善，导致HV存在燃料成本过高、加氢站网点少等问题，制约了HV的推广应用。利用分布式新能源发电电解水制氢在利用新能源消纳的同时还保证了氢燃料的供给，是解决此问题的一个有效手段。氢能利于存储，在各种储能方式中，氢储能在储能密度和储能时间等方面具有优势，此外氢储能还具有资源广泛、清洁无污染等优点。制备的氢气可作为氢燃料供给HV，也可实现向电能、热能的转化，成为支撑多能源互补、构建统一能源体系的纽带。
综上，本文在虚拟电厂的技术框架下，基于HV商用车的运行特点，对HV的用氢量进行负荷预测，采用场景法考虑新能源出力的不确定性，结合氢储能的特点，同时考虑电、热、氢等负荷的协调调度，令虚拟电厂同时参与能量市场(energy market，EM)、旋转备用市场(spinning reserve market，SRM)、调峰市场(peak regulation market，PRM)和碳排放权交易市场，以VPP期望收益最大化为目标，构建了协调优化调度模型，以求获得电解水制氢VPP的最大收益，探索电解水制氢的商业可行性。
发明目的
本发明的目的在于，提供一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，比较是否考虑氢储能对虚拟电厂优化调度的经济性的影响，考虑新能源出力的不确定性对虚拟电厂调度的影响，并分析虚拟电厂参与能量市场、旋转备用市场、调峰市场和碳排放权交易对收益和调度结果的影响，保证了调度方案的全面性和最优性。
发明内容
本发明提供了一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，所述虚拟电厂包括风电机组、光伏电站、CHP机组、氢储能***和热储能单元，所述氢储能***包括电解槽、HFC和储氢罐，其中，风电机组、光伏电站、CHP机组和外接电网共同为氢储能***提供电解水制氢的电能和向外界支持电负荷，外部的天然气市场为CHP机组提供燃料，氢储能***向外支持氢负荷；HFC、CHP机组和热储能单元共同支持热负荷；所述调度方法包括以下步骤：
步骤1、构建考虑与路网耦合的氢燃料汽车所需氢负荷的预测模型，所述氢燃料汽车的形式线路是从加氢站到其他多个地点的行驶路线；根据氢燃料汽车到达加氢站时间和剩余燃料量得到燃料需求量；
步骤2、构建包含电解槽、储氢罐和氢燃料电池的氢储能***模型，包括电解槽、储氢罐和燃料电池设备的模型以及***整体的模型；
步骤3、采用自回归滑动平均模型和k-means聚类方法生成风光典型出力场景集；
步骤4、以期望经济效益最大化为目标，构建虚拟电厂调度模型的目标函数，如式(1)所示：
式(1)中，Is,i(X0)、Cs,i(X0)分别为场景s下各项运行收益和成本指标函数，X0为优化变量；所述目标函数采用***运行集约束，包括虚拟电厂整体运行约束和设备运行约束；
步骤5、以夏季和冬季典型日的风、光出力生成场景集，代入虚拟电厂模型进行优化调度。
优选地，步骤1进一步包括以下子步骤：
步骤S11、计算氢燃料汽车到达加氢地点的时间：
假设HV由聚合器控制，加氢站位于HV线路起始站点，当车辆n跑完第k次循环返回起始站点，由聚合器获取其到达时间和剩余燃料量则根据式(2)-(4)所示计算方法进行计算：
其中，vt为t时段道路i的汽车平均行驶速度，与道路等级、时间及道路车流量等因素密切相关；λ1、λ2、λ3和β为回归参数与修正系数，随道路等级变化；v0为各等级道路的设计车速；Ft为t时段道路的车流量；F0为为道路的设计通行车流量；D为车辆行驶过程中途径公交站点数量；为车辆n初始时间；Di,d为途中第(d-1)个站点至第d个站点的道路距离；Δtd-1为在第(d-1)个站点停车等待的时间；为车辆n初始燃料量，采用蒙特卡洛模拟进行仿真，生成初始燃料随机数；l为车辆路线的距离；Δm为HV每公里氢耗量；η为汽车非正常行驶状态下的能耗系数，包括启动加速以及刹车期间发动机所需的负荷功导致的能量损失；
步骤S12、计算氢燃料汽车氢负荷需求总量：
当剩余燃料小于一定值时，则在到达加氢站后进行加氢，HV加氢状态判断如式(5)、(6)所示：
其中，mset为HV的燃料阈值；表示第n辆HV在第k次循环结束的t时段需要加氢；为t时段氢燃料汽车的燃料需求总量；N为氢燃料汽车的数量；为氢燃料汽车的储氢瓶含量。
优选地，步骤2进一步包括以下子步骤：
步骤S21、构建电解槽模型：
设定电解槽单位电量产氢率为ηPtH，则电解槽t时段的产氢气量被表示为产氢率ηPtH和输入电功率的乘积，如式(7)所示：
步骤S22、构建氢燃料电池模型:
氢燃料电池的发电和产热功率分别由消耗氢气量和氢燃料电池温度THFC决定，将氢燃料电池的模型表示为如式(8)所示：
其中，Ener为能斯特电压；ηact、ηohm、ηcon分别为活化极化、欧姆和浓差损耗；F、MH2分别为法拉第常数和氢气摩尔质量；K、S为热交换系数和交换面积；ηHFCh为氢燃料电池的产热效率；为总功率；
步骤S23、构建储氢罐模型：
储氢罐储存电解槽生成的氢气，为氢燃料电池提供氢气，给氢燃料汽车补充燃料并向市场出售氢气获得利润，将储氢罐中的氢气质量表示为如式(9)所示：
式(9)中，为t时段储氢罐中氢气的质量；为t时段电解槽的产氢量；为t时段氢燃料电池的耗氢量；为t时段HV的氢气需求量；
步骤S24、构建氢储能***模型：
将氢储能***整体的模型表示为如式(10)所示：
式中，为氢储能***整体的输出功率；布尔变量分别表示t时段氢储能电解槽和氢燃料电池工作状态。
优选地，步骤3进一步包括以下子步骤：
步骤S31、确定基于均值和标准差的白噪声，即滑动回归平均参数；
步骤S32、基于基准预测数据，本着残差方差最小原则，生成负荷风电出力各1000个场景数据；
步骤S33、基于改进k-means聚类算法，对风光出力进行聚类，生成若干个典型运行场景，具体包括：基于局部密度均值聚类算法寻找初始的数据聚类中心；基于初始聚类中心，采用k-means聚类算法生成典型运行场景。
优选地，步骤4进一步包括以下子步骤：
步骤S41、建立虚拟电厂协调调度优化目标模型，目标函数表示为如式(13)所示：
其中，Is,i(X0)、Cs,i(X0)分别为场景s下各项运行收益和成本指标函数，X0为优化变量；所述各项的含义分别如下：
(1)场景s下虚拟电厂参与日前能量市场、旋转备用和调峰市场的售电总收益表示为如式(14)所示：
其中，表示t时段的日前电能量市场电价；表示t时段的备用容量市场电价；和分别表示t时段的向上调峰和向下调峰电价；表示场景s下t时段虚拟电厂的热出力，分别表示t时段的EM、SRM、向上调峰和向下调峰电价；分别为场景s下t时段风、光、电解槽实际出力；分别为CHP机组和HFC参与EM、SRM和向上、向下调峰市场的出力；
(2)场景s下虚拟电厂供热的收益表示为如式(15)所示：
其中，分别为CHP机组、HFC和热储能储、放的热功率；
(3)场景s下虚拟电厂出售氢气的收益表示为如式(16)所示：
其中，表示氢气价格；
(4)碳交易收益表示为如式(17)所示：
其中，CCM为碳交易价格；为场景s下t时段虚拟电厂的碳排放配额；γe、γh分别为CHP机组的供电基准值和供热基准值；Fr为机组供热量修正系数；
(5)场景s下风光发电的运行维护成本表示为如式(18)所示：
其中，kW、kPV分别为风光发电的单位运行维护成本；分别为场景s下t时段风、光实际出力；
(6)场景s下虚拟电厂与调度指令偏差的惩罚成本表示为如式(19)所示：
其中，表示场景s下t时段EM、向上向下调峰的偏差量；γem、γru、γrd分别为EM、向上向下调峰的惩罚系数；
(7)场景s下CHP机组的成本表示为如式(20)所示：
其中，α0、α1、α2、α3、α4、α5为CHP机组能耗系数；表示CHP机组的电出力；
(8)氢储能的成本包括电解槽、燃料电池和储氢罐的平均投资成本和运维成本，被表示为如式(21)所示：
其中，表示场景s下t时段电解槽、HFC、储氢罐的运行维护成本；λPtH、λHFC、λHS分别为电解槽、HFC和储氢罐的单位运行维护成本；为场景s下t时段储氢罐储氢质量。
进一步优选地，所述目标函数采用***运行集约束，包括虚拟电厂整体运行约束和设备运行约束，其中，所述虚拟电厂整体运行约束包括：日前电能量市场功率平衡约束、备用容量约束、向上调峰功率约束、向下调峰功率约束和热功率平衡约束，分别表达为如下所示：
(1)日前电能量市场功率平衡约束被表示为如式(22)所示：
式中，为上级电网下发的t时段EM电量指令；分别为场景s下t时段CHP机组和HFC电能量市场的功率；
(2)备用容量约束被表示为如式(23)所示：
式中，分别为场景s下t时段CHP机组和HFC在备用容量市场的备用容量；
(3)向上、下调峰功率约束被表示为如式(24)所示：
式中，分别为上级电网下发的t时段向上向下调峰的指令功率；分别为场景s下t时段CHP机组和HFC在灵活调峰市场向上向下调峰的功率；
(5)热功率平衡约束被表示为如式(25)所示：
式中，Ht为t时段虚拟电厂热负荷需求；为场景s下t时段CHP机组的热功率；分别为场景s下t时段热储能的充、放热功率；
所述设备运行约束包括CHP机组出力约束、电解槽出力及爬坡约束、燃料电池运行及爬坡约束和储氢罐和热储能约束，分别表示为：
(6)CHP机组出力约束
将CHP机组的运行区间限定为四边形ABCD的范围内，边界AD、AB、BC、CD分别代表蒸汽喷射的最小极限、最大热率、燃料喷射的最大极限、输出电功率的最大极限，定义转角点，即边界交点的电功率、热功率为：xk,yk；CHP机组的电功率、热功率与边界交点坐标的关系被表示为如式(26)所示：
式中，Mi为CHP机组的边界交点总数，组合系数满足如式(27)所示约束方程:
(7)电解槽出力及爬坡约束被表示为如式(28)、(29)所示：
式中，分别为电解槽出力上、下限；RPtH为电解槽出力爬坡速率约束；
(8)燃料电池运行及爬坡约束被表示为如式(30)、(31)、(32)所示：
式中，分别为燃料电池出力上、下限；RHFC为燃料电池出力爬坡速率约束；
(9)储氢罐和热储能约束被表示为如式(33)-(39)所示：
式中，分别为储氢的上、下限；分别为储氢量在一天的始、末值，分别为储、放热功率的最大值；布尔变量分别表示场景s下t时段储热装置是否储放热，是则置1，否则置0；分别为储热容量的上、下限；分别为储热容量在一天的始、末值。
优选地，所述虚拟电厂由1台CHP机组、1个风电场、1个光伏电站、1台电解制氢装置，1台燃料电池，1个储氢罐和1个储热装置组成；所述电解制氢装置的最大功率为5MW，爬坡率为1MW；所述燃料电池的最大功率为5MW，爬坡率为2MW；所述储氢罐的最大容量为1000kg，最小容量为100kg，初始容量为500kg；所述储热装置的最大容量为10MW·h,最小容量为1MW·h，初始容量为5MW·h，储放热效率为0.88。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的虚拟电厂***构成图；
图2是本发明提供的氢燃料汽车运行路线图；
图3是本发明提供的CHP机组运行区间图；
图4是本发明提供的HV的氢负荷预测情况图；
图5本发明提供的夏季典型日能量市场、旋转备用市场和调峰市场电价值；
图6本发明提供的冬季典型日能量市场、旋转备用市场和调峰市场电价值；
图7本发明提供的风电与光伏预测功率图；
图8本发明提供的调度指令、热负荷图；
图9本发明提供的夏季典型日虚拟电厂优化情况图；
图10发明提供的冬季典型日虚拟电厂优化情况图；
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作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。
本领域技术人员应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本发明提供了一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，具体包括以下步骤：
S101构建考虑路网的氢能源汽车负荷预测模型，具体包括:
(1)计算氢燃料汽车到达加氢地点的时间：
对于HV，假设它们由聚合器控制。加氢站位于HV线路起始站点，当车辆n跑完第k次循环返回起始站点，聚合器获取其到达时间和剩余燃料量其计算方法为：
其中，vt为t时段道路i的汽车平均行驶速度，与道路等级、时间及道路车流量等因素密切相关；λ1、λ2、λ3和β为回归参数与修正系数，随道路等级变化；v0为各等级道路的设计车速；Ft为t时段道路的车流量；F0为为道路的设计通行车流量；D为车辆行驶过程中途径公交站点数量；为车辆n初始时间；Di,d为途中第(d-1)个站点至第d个站点的道路距离；Δtd-1为在第(d-1)个站点停车等待的时间；为车辆n初始燃料量，采用蒙特卡洛模拟进行仿真，生成初始燃料随机数；l为车辆路线的距离；Δm为HV每公里氢耗量；η为汽车非正常行驶状态下的能耗系数，包括启动加速以及刹车期间发动机所需的负荷功导致的能量损失。
(2)计算氢燃料汽车氢负荷需求总量：
当剩余燃料小于一定值时，则在到达加氢站后进行加氢，HV加氢状态判断如下式所示：
其中，mset为HV的燃料阈值；表示第n辆HV在第k次循环结束的t时段需要加氢；为t时段氢燃料汽车的燃料需求总量；N为氢燃料汽车的数量；为氢燃料汽车的储氢瓶含量。
S102构建氢储能***模型，具体内容包括:
(1)电解槽模型
电解槽的产氢气速率和电解槽的耗电功率近似成线性关系，设定电解槽单位电量产氢率为ηPtH，则电解槽t时段的产氢气量可表示为产氢率ηPtH和输入电功率的乘积：
(2)氢燃料电池模型
在外界因素已知时，氢燃料电池的发电和产热功率分别受消耗氢气量和氢燃料电池温度THFC决定。则氢燃料电池的模型为：
其中，Ener为能斯特电压；ηact、ηohm、ηcon分别为活化极化、欧姆和浓差损耗；F、MH2分别为法拉第常数和氢气摩尔质量；ηHFCh为氢燃料电池的产热效率；为总功率。
(3)储氢罐模型
储氢罐储存电解槽生成的氢气，可为氢燃料电池提供氢气、给氢燃料汽车补充燃料并向市场出售氢气获得利润。储氢罐中的氢气质量为：
其中，为t时段储氢罐中氢气的质量；为t时段电解槽的产氢量；为t时段氢燃料电池的耗氢量；为t时段HV的氢气需求量。
(4)氢储能***模型
氢储能***整体的模型为：
式中：为氢储能***整体的输出功率；布尔变量分别表示t时段氢储能电解槽和氢燃料电池工作状态。
S103基于场景法对电网内风光出力的不确定性进行处理，包括场景生成和场景削减两部分。
基于自回归滑动平均模型进行场景生成，构建包含风光出力的大量预测场景，描述风光出力不确定性，具体内容包括：
确定基于均值和标准差的白噪声，即滑动回归平均参数；
基于基准预测数据，本着残差方差最小原则，生成负荷风电出力各1000个场景数据；
进一步地，基于改进k-means聚类算法，对风光出力进行聚类，生成若干个典型运行场景，具体内容包括：
基于局部密度均值聚类算法寻找初始的数据聚类中心；
基于初始聚类中心，采用k-means聚类算法生成典型运行场景。
S104建立优化调度模型的目标函数和约束条件。
具体的，建立虚拟电厂协调调度优化目标模型：
其中，Is,i(X0)、Cs,i(X0)分别为场景s下各项运行收益和成本指标函数，X0为优化变量。各项含义如下：
(1)场景s下虚拟电厂参与日前能量市场、旋转备用和调峰市场的售电总收益：
其中，表示t时段的日前电能量市场电价；表示t时段的备用容量市场电价；和分别表示t时段的向上调峰和向下调峰电价；表示场景s下t时段虚拟电厂的热出力，分别表示t时段的EM、SRM、向上调峰和向下调峰电价；分别为场景s下t时段风、光、电解槽实际出力；分别为CHP机组和HFC参与EM、SRM和向上、向下调峰市场的出力。
(2)场景s下虚拟电厂供热的收益：
其中，分别为CHP机组、HFC和热储能储、放的热功率。
(3)场景s下虚拟电厂出售氢气的收益：
其中，表示氢气价格。
(4)虚拟电厂可通过出售未达到碳排放配额的排放额度取得收益。反之，当净排放量超过碳排放配额时，需支付碳交易费用于购买排放配额。碳交易收益表达如下：
其中，CCM为碳交易价格；为场景s下t时段虚拟电厂的碳排放配额；γe、γh分别为CHP机组的供电基准值和供热基准值；Fr为机组供热量修正系数。
(5)场景s下风光发电的运行维护成本为：
其中，kW、kPV分别为风光发电的单位运行维护成本；分别为场景s下t时段风、光实际出力。
(6)场景s下虚拟电厂与调度指令偏差的惩罚成本：：
其中，表示场景s下t时段EM、向上向下调峰的偏差量；γem、γru、γrd分别为EM、向上向下调峰的惩罚系数。
(7)场景s下CHP机组的成本，主要是天然气的燃料成本。其成本表达式如下：
其中，α0、α1、α2、α3、α4、α5为CHP机组能耗系数；表示CHP机组的电出力。
(8)氢储能的成本包括电解槽、燃料电池和储氢罐的平均投资成本和运维成本，其成本表达式如下：
其中，表示场景s下t时段电解槽、HFC、储氢罐的运行维护成本；λPtH、λHFC、λHS分别为电解槽、HFC和储氢罐的单位运行维护成本；为场景s下t时段储氢罐储氢质量。
所述目标函数采用***运行集约束，包括虚拟电厂整体运行约束和设备运行约束。
***运行集约束包括虚拟电厂整体运行约束和设备运行约束。虚拟电厂整体运行约束包括：日前电能量市场功率平衡约束、备用容量约束、向上调峰功率约束、向下调峰功率约束、热功率平衡约束。
(1)日前电能量市场功率平衡约束
式中，为上级电网下发的t时段EM电量指令；分别为场景s下t时段CHP机组和HFC电能量市场的功率。
(2)备用容量约束
式中，分别为场景s下t时段CHP机组和HFC在备用容量市场的备用容量。
(3)向上、下调峰功率约束
式中，分别为上级电网下发的t时段向上向下调峰的指令功率；分别为场景s下t时段CHP机组和HFC在灵活调峰市场向上向下调峰的功率。
(5)热功率平衡约束
式中，Ht为t时段虚拟电厂热负荷需求；为场景s下t时段CHP机组的热功率；分别为场景s下t时段热储能的充、放热功率。
设备运行约束为：
(6)CHP机组出力约束
CHP机组的运行区间如图3示。边界AD、AB、BC、CD分别代表蒸汽喷射的最小极限、最大热率、燃料喷射的最大极限、输出电功率的最大极限。定义转角点(边界交点)的电功率、热功率为：xk,yk。
CHP机组的热、电耦合，这些参数必须保持在可行的运行区间内。由于区域内任意点都可以用边界交点的凸组合表示，因此，电功率、热功率与边界交点坐标的关系表示为：
式中，Mi为CHP机组的边界交点总数，组合系数满足如下方程:
(7)电解槽出力及爬坡约束
式中，分别为电解槽出力上、下限；RPtH为电解槽出力爬坡速率约束。
(8)燃料电池运行及爬坡约束
式中，分别为燃料电池出力上、下限；RHFC为燃料电池出力爬坡速率约束。
(9)储氢罐和热储能约束
式中，分别为储氢的上、下限；分别为储氢量在一天的始、末值。分别为储、放热功率的最大值；布尔变量分别表示场景s下t时段储热装置是否储放热，是则置1，否则置0；分别为储热容量的上、下限；分别为储热容量在一天的始、末值。
S105、加氢站为50辆HV提供加氢服务，其所需氢气由氢储能提供。路线的参数见表1所示；HV所需的氢燃料预测见图4。
表1HV和路线的参数
虚拟电厂由1台CHP机组，1个风电场，1个光伏电站，1台电解制氢装置，1台燃料电池，1个储氢罐和1个储热装置组成。电解制氢装置的最大功率为5MW，爬坡率为1MW；燃料电池的最大功率为5MW，爬坡率为2MW；储氢罐的最大容量为1000kg，最小容量为100kg，初始容量为500kg；储热装置的最大容量为10MW·h,最小容量为1MW·h，初始容量为5MW·h，储放热效率为0.88；热价为90元/MW·h；氢气价格为50元/kg；夏季和冬季典型日能量市场、旋转备用市场和调峰市场电价预测值见图5和图6；风电与光伏预测功率见图7；上级调度指令和虚拟电厂热需求见图8；把一天按小时为单位划分,T＝24。相关计算均在英特尔酷睿i5-7400处理器3.00GHz，8GB内存计算机上完成，采用MATLAB对算例进行编程求解。
为对比分析本发明实施例所引入评估方法模型的有效性与正确性，对比方案如表2所示：
表2 3种对比方案
采用上述3种方案构建夏季和冬季典型日VPP调度优化模型，所得收益和成本情况对比和调度情况结果对比的结果分别如表3、表4所示。
表3 3种方案收益和成本结果对比
表4 3种方案调度结果对比
相比于未考虑氢储能和未参与调峰市场的方案1和2，方案3不仅可利用氢储能设备制备氢气，在负荷高峰时段发电、供热给用户从而减少与调度指令的偏差，减少指令偏差惩罚，通过向HV供给燃料来提高收益，还通过参与调峰市场增加调峰收益。
(1)夏季典型日虚拟电厂调度优化情况
以夏季典型日的风光出力生成场景集，代入模型进行优化调度。夏季典型日虚拟电厂的调度优化情况如图9所示。
采用夏季典型日的风光出力预测值生成场景集，VPP的优化调度结果如图9所示。在1-7时段，由于调度指令量较低，此时电解槽运行并制备氢气；在8-13时段，随着调度指令量的增加，此时电解槽停止运行，HFC从9时开始出力供电，同时VPP在10时开始出现调度指令的偏差量；在14-18时段，随着调度指令量降低，此时HFC停止工作，启动电解槽；在19-21时段，晚高峰导致调度指令量增加，HFC在19-20时段工作，此时电解槽停止运行以满足负荷需求；在22-24时段，调度指令减少，HFC停止工作，电解槽启动。
(2)冬季典型日虚拟电厂调度优化情况
冬季典型日虚拟电厂的调度优化情况如图10所示。
冬季典型日VPP的优化调度结果如图10所示。由于冬季典型日市场电价和调度指令与夏季典型日场景差异较大，因此优化结果也相差很大，其中冬季典型日VPP热负荷大幅增加，因此CHP机组热出力大幅增加。由于电网调度指令减少，HFC供电量相比于夏季典型日有所降低，在10-13时段出力供电，电解槽在1-7时段、15-18时段和21-24时段运行，此外，冬季典型日不存在指令偏差。本发明考虑氢燃料汽车与氢储能联合运行，并将其引入到虚拟电厂中进行协调调度，从而建立考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，并对各项收益和成本指标建立数学计算模型，通过场景法生成风光典型出力场景集来考虑风光出力不确定性，以虚拟电厂次日实际运行时的期望经济效益最大化为目标函数，决策变量包括CHP机组电功率和热功率、电解槽功率、燃料电池电功率和热功率、热储能储放热功率和储氢罐储放氢气质量等。并对是否加入氢储能设备和是否参与调峰市场进行对比分析，保证了方案的可靠性和最优性。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (5)
1.一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，所述虚拟电厂包括风电机组、光伏电站、CHP机组、氢储能***和热储能单元，所述氢储能***包括电解槽、HFC和储氢罐，其中，风电机组、光伏电站、CHP机组和外接电网共同为氢储能***提供电解水制氢的电能和向外界支持电负荷，外部的天然气市场为CHP机组提供燃料，氢储能***向外支持氢负荷；HFC、CHP机组和热储能单元共同支持热负荷；其特征在于，所述调度方法包括以下步骤：
步骤1、构建考虑与路网耦合的氢燃料汽车所需氢负荷的预测模型，所述氢燃料汽车的形式线路是从加氢站到其他多个地点的行驶路线；根据氢燃料汽车到达加氢站时间和剩余燃料量得到燃料需求量；
步骤S11、计算氢燃料汽车到达加氢地点的时间：
假设HV由聚合器控制，加氢站位于HV线路起始站点，当车辆n跑完第k次循环返回起始站点，由聚合器获取其到达时间和剩余燃料量则根据式(2)-(4)所示计算方法进行计算：
其中，vt为t时段道路i的汽车平均行驶速度，与道路等级、时间及道路车流量因素密切相关；λ1、λ2、λ3和β为回归参数与修正系数，随道路等级变化；v0为各等级道路的设计车速；Ft为t时段道路的车流量；F0为为道路的设计通行车流量；D为车辆行驶过程中途径公交站点数量；为车辆n初始时间；Di,d为途中第(d-1)个站点至第d个站点的道路距离；Δtd-1为在第(d-1)个站点停车等待的时间；为车辆n初始燃料量，采用蒙特卡洛模拟进行仿真，生成初始燃料随机数；l为车辆路线的距离；Δm为HV每公里氢耗量；η为汽车非正常行驶状态下的能耗系数，包括启动加速以及刹车期间发动机所需的负荷功导致的能量损失；
步骤S12、计算氢燃料汽车氢负荷需求总量：
当剩余燃料小于一定值时，则在到达加氢站后进行加氢，HV加氢状态判断如式(5)、(6)所示：
其中，mset为HV的燃料阈值；表示第n辆HV在第k次循环结束的t时段需要加氢；为t时段氢燃料汽车的燃料需求总量；N为氢燃料汽车的数量；为氢燃料汽车的储氢瓶含量；
步骤2、构建包含电解槽、储氢罐和氢燃料电池的氢储能***模型，包括电解槽、储氢罐和燃料电池设备的模型以及***整体的模型；
步骤S21、构建电解槽模型：
设定电解槽单位电量产氢率为ηPtH，则电解槽t时段的产氢气量被表示为产氢率ηPtH和输入电功率的乘积，如式(7)所示：
步骤S22、构建氢燃料电池模型:
氢燃料电池的发电和产热功率分别由消耗氢气量和氢燃料电池温度THFC决定，将氢燃料电池的模型表示为如式(8)所示：
其中，Ener为能斯特电压；ηact、ηohm、ηcon分别为活化极化、欧姆和浓差损耗；F、MH2分别为法拉第常数和氢气摩尔质量；ηHFCh为氢燃料电池的产热效率；为总功率；
步骤S23、构建储氢罐模型：
储氢罐储存电解槽生成的氢气，为氢燃料电池提供氢气，给氢燃料汽车补充燃料获得利润，将储氢罐中的氢气质量表示为如式(9)所示：
式(9)中，为t时段储氢罐中氢气的质量；为t时段电解槽的产氢量；为t时段氢燃料电池的耗氢量；为t时段HV的氢气需求量；
步骤S24、构建氢储能***模型：
将氢储能***整体的模型表示为如式(10)所示：
式中，为氢储能***整体的输出功率；布尔变量分别表示t时段氢储能电解槽和氢燃料电池工作状态；
步骤3、采用自回归滑动平均模型和k-means聚类方法生成风光典型出力场景集；
步骤4、以期望经济效益最大化为目标，构建虚拟电厂调度模型的目标函数，如式(1)所示：
式(1)中，Is,i(X0)、Cs,i(X0)分别为场景s下各项运行收益和成本指标函数，X0为优化变量；所述目标函数采用***运行集约束，包括虚拟电厂整体运行约束和设备运行约束；
步骤5、以夏季和冬季典型日的风、光出力生成场景集，代入虚拟电厂模型进行优化调度。
2.根据权利要求1所述的一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，其特征在于，步骤3进一步包括以下子步骤：
步骤S31、确定基于均值和标准差的白噪声，即滑动回归平均参数；
步骤S32、基于基准预测数据，本着残差方差最小原则，生成负荷风电出力各1000个场景数据；
步骤S33、基于改进k-means聚类算法，对风光出力进行聚类，生成若干个典型运行场景，具体包括：基于局部密度均值聚类算法寻找初始的数据聚类中心；基于初始聚类中心，采用k-means聚类算法生成典型运行场景。
3.根据权利要求2所述的一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，其特征在于，步骤4进一步包括：
建立虚拟电厂协调调度优化目标模型，目标函数表示为如式(13)所示：
其中，Is,i(X0)、Cs,i(X0)分别为场景s下各项运行收益和成本指标函数，X0为优化变量；所述各项运行收益和成本指标函数分别包括：
(1)场景s下虚拟电厂参与日前能量市场、旋转备用和调峰市场的售电总收益表示为如式(14)所示：
其中，表示t时段的日前电能量市场电价；表示t时段的备用容量市场电价；和分别表示t时段的向上调峰和向下调峰电价；表示场景s下t时段虚拟电厂的热出力，分别表示t时段的EM、SRM、向上调峰和向下调峰电价；分别为场景s下t时段风、光、电解槽实际出力； 分别为CHP机组和HFC参与EM、SRM和向上、向下调峰市场的出力；
(2)场景s下虚拟电厂供热的收益表示为如式(15)所示：
其中，分别为CHP机组、HFC和热储能储、放的热功率；
(3)场景s下虚拟电厂出售氢气的收益表示为如式(16)所示：
其中，表示氢气价格；
(4)碳交易收益表示为如式(17)所示：
其中，CCM为碳交易价格；为场景s下t时段虚拟电厂的碳排放配额；γe、γh分别为CHP机组的供电基准值和供热基准值；Fr为机组供热量修正系数；
(5)场景s下风光发电的运行维护成本表示为如式(18)所示：
其中，kW、kPV分别为风光发电的单位运行维护成本；分别为场景s下t时段风、光实际出力；
(6)场景s下虚拟电厂与调度指令偏差的惩罚成本表示为如式(19)所示：
其中，表示场景s下t时段EM、向上向下调峰的偏差量；γem、γru、γrd分别为EM、向上向下调峰的惩罚系数；
(7)场景s下CHP机组的成本表示为如式(20)所示：
其中，α0、α1、α2、α3、α4、α5为CHP机组能耗系数；表示CHP机组的电出力；
(8)场景s下氢储能的成本包括电解槽、燃料电池和储氢罐的运行维护成本，被表示为如式(21)所示：
其中，表示场景s下t时段电解槽、HFC、储氢罐的运行维护成本；λPtH、λHFC、λHS分别为电解槽、HFC和储氢罐的单位运行维护成本；为场景s下t时段储氢罐储氢质量。
4.根据权利要求3所述的一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，其特征在于，所述目标函数采用***运行集约束，包括虚拟电厂整体运行约束和设备运行约束，其中，所述虚拟电厂整体运行约束包括：日前电能量市场功率平衡约束、备用容量约束、向上调峰功率约束、向下调峰功率约束和热功率平衡约束，分别表达为如下所示：
(1)日前电能量市场功率平衡约束被表示为如式(22)所示：
式中，为上级电网下发的t时段EM电量指令；分别为场景s下t时段CHP机组和HFC电能量市场的功率；
(2)备用容量约束被表示为如式(23)所示：
式中，分别为场景s下t时段CHP机组和HFC在备用容量市场的备用容量；
(3)向上、下调峰功率约束被表示为如式(24)所示：
式中，分别为上级电网下发的t时段向上向下调峰的指令功率；分别为场景s下t时段CHP机组和HFC在灵活调峰市场向上向下调峰的功率；
(5)热功率平衡约束被表示为如式(25)所示：
式中，Ht为t时段虚拟电厂热负荷需求；为场景s下t时段CHP机组的热功率；分别为场景s下t时段热储能的充、放热功率；
所述设备运行约束包括CHP机组出力约束、电解槽出力及爬坡约束、燃料电池运行及爬坡约束和储氢罐和热储能约束，分别表示为：
(6)CHP机组出力约束
将CHP机组的运行区间限定为四边形ABCD的范围内，边界AD、AB、BC、CD分别代表蒸汽喷射的最小极限、最大热率、燃料喷射的最大极限、输出电功率的最大极限，定义转角点，即边界交点的电功率、热功率为：xk,yk；CHP机组的电功率、热功率与边界交点坐标的关系被表示为如式(26)所示：
式中，Mi为CHP机组的边界交点总数，组合系数满足如式(27)所示约束方程:
(7)电解槽出力及爬坡约束被表示为如式(28)、(29)所示：
式中，分别为电解槽出力上、下限；RPtH为电解槽出力爬坡速率约束；
(8)燃料电池运行及爬坡约束被表示为如式(30)、(31)、(32)所示：
式中，分别为燃料电池出力上、下限；RHFC为燃料电池出力爬坡速率约束；
(9)储氢罐和热储能约束被表示为如式(33)-(39)所示：
式中，分别为储氢的上、下限；分别为储氢量在一天的始、末值，分别为储、放热功率的最大值；布尔变量分别表示场景s下t时段储热装置是否储放热，是则置1，否则置0；分别为储热容量的上、下限；分别为储热容量在一天的始、末值。
5.根据权利要求1-4任一所述的一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法，其特征在于，所述虚拟电厂由1台CHP机组、1个风电场、1个光伏电站、1台电解制氢装置，1台燃料电池，1个储氢罐和1个储热装置组成；所述电解制氢装置的最大功率为5MW，爬坡率为1MW；所述燃料电池的最大功率为5MW，爬坡率为2MW；所述储氢罐的最大容量为1000kg，最小容量为100kg，初始容量为500kg；所述储热装置的最大容量为10MW·h,最小容量为1MW·h，初始容量为5MW·h，储放热效率为0.88。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210533501.0A CN115115087B (zh) | 2022-05-17 | 2022-05-17 | 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210533501.0A CN115115087B (zh) | 2022-05-17 | 2022-05-17 | 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115115087A CN115115087A (zh) | 2022-09-27 |
| CN115115087B true CN115115087B (zh) | 2024-06-28 |
Family
ID=83325725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210533501.0A Active CN115115087B (zh) | 2022-05-17 | 2022-05-17 | 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115115087B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116111733B (zh) * | 2023-04-13 | 2023-06-23 | 华北电力大学 | 基于电解槽和高压储氢罐的港口氢-电综合能源*** |
| CN117578533B (zh) * | 2024-01-15 | 2024-05-10 | 华北电力大学 | 一种面向电氢供应能力提升的电氢融合协同优化配置方法 |
| CN118249422A (zh) * | 2024-05-27 | 2024-06-25 | 国网吉林省电力有限公司经济技术研究院 | 一种考虑制氢储能的工业虚拟电厂优化调度方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220004307A1 (en) * | 2016-09-15 | 2022-01-06 | Simpsx Technologies Llc | Virtual Power Plant Optimization Method and System |
| CN113077101B (zh) * | 2021-04-16 | 2024-07-16 | 华北电力大学 | 面向能源互联网调配管理的数字化***及方法 |
| CN113346528B (zh) * | 2021-05-28 | 2022-09-30 | 北京能高自动化技术股份有限公司 | 一种基于氢储能构建的多能联供式调峰站及调峰方法 |
| CN113742944A (zh) * | 2021-09-29 | 2021-12-03 | 海南电网有限责任公司电力科学研究院 | 一种考虑电制氢***的虚拟电厂建模方法 |
| CN114493688A (zh) * | 2022-01-14 | 2022-05-13 | 华能浙江能源销售有限责任公司 | 电-气耦合虚拟电厂调度方法、装置及电子设备 |
-
2022
- 2022-05-17 CN CN202210533501.0A patent/CN115115087B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 考虑氢燃料汽车与氢储能的虚拟电厂协调调度;王兆霖 等;《华北电力大学学报(自然科学版)》;20220905;第1-10页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115115087A (zh) | 2022-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115115087B (zh) | 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 | |
| Yang et al. | Bidding strategy of a virtual power plant considering carbon-electricity trading | |
| Palma-Behnke et al. | Energy management system for a renewable based microgrid with a demand side management mechanism | |
| CN111762051A (zh) | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 | |
| CA2455689A1 (en) | System for controlling hydrogen network | |
| CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及*** | |
| CN112068436B (zh) | 工业园区的综合能源***分层分布式控制方法及*** | |
| CN110956344A (zh) | 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法 | |
| CN116109076A (zh) | 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法 | |
| CN110350589A (zh) | 一种可再生能源和储能调度模型及调度方法 | |
| CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
| Han et al. | Multi-stage distributionally robust optimization for hybrid energy storage in regional integrated energy system considering robustness and nonanticipativity | |
| CN115117940A (zh) | 考虑风电、光伏及负荷不确定的风光水火储***低碳调度模型建模方法 | |
| CN114243691A (zh) | 一种电力***低碳优化调度方法 | |
| CN115307054A (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 | |
| Pombo et al. | A computationally efficient formulation for a flexibility enabling generation expansion planning | |
| Pombo et al. | Decarbonizing energy islands with flexibility-enabling planning: The case of Santiago, Cape Verde | |
| CN117040027B (zh) | 一种农村虚拟电厂的协调优化方法和装置 | |
| Su et al. | Enhancing wind-solar hybrid hydrogen production through multi-state electrolyzer management and complementary energy optimization | |
| CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
| CN116061742B (zh) | 一种分时电价光伏园区内电动汽车的充电控制方法和*** | |
| Tian et al. | Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market | |
| CN115907363A (zh) | 一种基于综合能源***源-荷多时间尺度优化调度方法 | |
| Wang et al. | An optimal scheduling method of virtual power plant cluster considering generation-grid-load-storage coordination | |
| CN115907393A (zh) | 一种含长时储能虚拟电厂的多时间尺度调度方法 |
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 |