CN117892863A - 电-氢协同互动的绿氢项目规划优化方法、装置及设备 - Google Patents
电-氢协同互动的绿氢项目规划优化方法、装置及设备 Download PDFInfo
- Publication number
- CN117892863A CN117892863A CN202311824117.7A CN202311824117A CN117892863A CN 117892863 A CN117892863 A CN 117892863A CN 202311824117 A CN202311824117 A CN 202311824117A CN 117892863 A CN117892863 A CN 117892863A
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- power
- interaction
- energy storage
- storage device
- 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.)
- Pending
Links
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 182
- 239000001257 hydrogen Substances 0.000 title claims abstract description 182
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 137
- 230000009133 cooperative interaction Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 claims abstract description 75
- 238000004519 manufacturing process Methods 0.000 claims abstract description 58
- 230000003993 interaction Effects 0.000 claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 230000008878 coupling Effects 0.000 claims abstract description 12
- 238000010168 coupling process Methods 0.000 claims abstract description 12
- 238000005859 coupling reaction Methods 0.000 claims abstract description 12
- 238000012983 electrochemical energy storage Methods 0.000 claims description 71
- 238000010248 power generation Methods 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 18
- 238000005868 electrolysis reaction Methods 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 239000013256 coordination polymer Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 13
- 230000006855 networking Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 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
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本说明书实施例提供了一种电‑氢协同互动的绿氢项目规划优化方法、装置、设备和介质,包括:获取绿氢***和电力***的交互关系;根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型;通过设置电、氢协同互动的规划优化模型的约束条件对所述目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案,以解决将项目运行过程中的收益纳入绿氢项目的规划优化模型进而得出电‑氢协同互动的绿氢项目规划优化问题。
Description
技术领域
本发明涉及储能规划技术领域,尤其涉及一种电-氢协同互动的绿氢项目规划优化方法、装置、设备及介质。
背景技术
绿氢项目规划优化是针对光伏、风电、电化学储能、电制氢、储氢等设备的容量配置形成规划优化方案,同时,需充分考虑设备间的耦合互动。目前,已有研究以成本、环境效益和能源利用率等不同出发点为目标得出项目规划优化方案,但尚未将电-氢协同互动情况以及电制氢设备参与辅助服务市场的收益纳入考量,例如,氢气销售收入、电制氢设备参与辅助服务市场的收入等,因而得出的规划方案仍有一定的优化空间。
随着越来越多的绿氢项目注册为电力市场主体,未来将积极提供调峰、调频等辅助服务并获取收益,而当前的规划优化方法无法准确得出最优的规划方案,因此,亟需提出一种电-氢协同互动的规划优化方法以解决考虑绿氢项目与电力***协调互动情况,获得综合效益最好的规划优化方案的技术问题。
发明内容
为克服相关技术中存在的问题,本公开提供一种电-氢协同互动的规划优化方法、装置、设备和介质,以解决相关技术中考虑绿氢项目与电力***协调互动情况,获得综合效益最好的规划优化方案的技术问题。
本说明书一个或多个实施例提供了一种电-氢协同互动的绿氢项目规划优化方法,包括:
获取绿氢***和电力***的交互关系;
根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型;
通过设置电、氢协同互动的规划优化模型的约束条件对所述目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案;
所述根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型具体包括:
以规划期内电解槽的装机容量CEL为确定的常量,光伏电站的容量CPV、风力发电站的容量CW、电化学储能装置的容量CEC,以及各设备在典型周的出力特性为待优化变量,建立规划优化模型:
式中:CXEL为电解槽的设备成本、CXPV为光伏发电的设备成本、CXW为风力发电的设备成本、CXEC为电化学储能装置的设备成本、CPPG为电网供电的容量电价、CPG为报给电网需要其提供最大需量、EPPG为从电网购电的电能量费用、MH2为电解槽在全生命周期生产氢气的质量;
所述电、氢协同互动的规划优化模型的约束条件具体包括:
电能实时产销平衡约束为:
pPV(ti)+pW(ti)+pEC(ti)+pPG(ti)=pEL(ti);
式中:pPV(ti)、pW(ti)分别为第i时刻风电的出力功率和光伏电站的出力功率,pEC(ti)为第i时刻的电化学储能装置的净出力功率,pEL(ti)为电解水制氢装置在i时刻的用电功率;
电制氢装置的电-氢能量转换约束为:
式中:EFEL为电解水制氢装置的效率,CTPH为电能与氢能之间的热值转换系数;
风电/光伏电站出力最大值约束为:
式中:RPV(ti)为第i时刻光伏发电的出力标幺值,RW(ti)为第i时刻风力发电的出力标幺值;
电化学储能装置的充电量与放电量、损耗的和相等,具体刻画为:
∑pECin(ti)·EFEC=∑pECout(ti);
式中:pECin(ti)为第i时刻电化学储能装置的充电功率,EFEC为电化学储能装置的效率,pECout(ti)为第i时刻电化学储能装置的放电功率;
电化学储能装置净放电功率pEC、充电功率pECin与放电功率pECout之间的约束为:
pECout-pECin=pEC;
电化学储能装置中在第i+1时刻剩余电量qEC(ti+1)与第i时刻充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
qEC(ti+1)=qEC(ti)+pECin(ti)·EFEC-pECout(ti)。
优选地,所述获取绿氢***和电力***的交互关系的交互关系具体包括:
绿氢***中的电解水制氢设备、储氢设备与电力***中的风电设备、光伏设备、电化学储能装置在***中的交互关系。
在确定了绿氢项目规划与运行优化的待优化变量、约束与目标函数后,进行建模计算与寻优。通过计算不同区域的风电、太阳能发电、负荷需求的时序波动曲线,计算得到各区域的净负荷时序曲线,在考虑不同区域间时区差的基础上得到两区域合计净负荷时序曲线,进而分析跨区电力联网的互补性。
本说明书一个或多个实施例提供了一种电-氢协同互动的绿氢项目规划优化装置,包括:
交互关系获取模块,用于获取绿氢***和电力***的交互关系;
模型构建模块,用于根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型;
模型求解模块,用于通过设置电、氢协同互动的规划优化模型的约束条件对所述目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案;
所述模型构建模块,具体用于:
以规划期内电解槽的装机容量CEL为确定的常量,光伏电站的容量CPV、风力发电站的容量CW、电化学储能装置的容量CEC,以及各设备在典型周的出力特性为待优化变量,建立规划优化模型:
式中:CXEL为电解槽的设备成本、CXPV为光伏发电的设备成本、CXW为风力发电的设备成本、CXEC为电化学储能装置的设备成本、CPPG为电网供电的容量电价、CPG为报给电网需要其提供最大需量、EPPG为从电网购电的电能量费用、MH2为电解槽在全生命周期生产氢气的质量;
所述电、氢协同互动的规划优化模型的约束条件具体包括:
电能实时产销平衡约束为:
pPV(ti)+pW(ti)+pEC(ti)+pPG(ti)=pEL(ti);
式中:pPV(ti)、pW(ti)分别为第i时刻风电的出力功率和光伏电站的出力功率,pEC(ti)为第i时刻的电化学储能装置的净出力功率,pEL(ti)为电解水制氢装置在i时刻的用电功率;
电制氢装置的电-氢能量转换约束为:
式中:EFEL为电解水制氢装置的效率,CTPH为电能与氢能之间的热值转换系数;
风电/光伏电站出力最大值约束为:
式中:RPV(ti)第i时刻光伏发电的出力标幺值,RW(ti)为第i时刻风力发电的出力标幺值;
电化学储能装置的充电量与放电量、损耗的和相等,具体刻画为:
∑pECin(ti)·EFEC=∑pECout(ti);
式中:pECin(ti)为第i时刻电化学储能装置的充电功率,EFEC为电化学储能装置的效率,pECout(ti)为第i时刻电化学储能装置的放电功率;
电化学储能装置净放电功率pEC(ti)、充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
pECout-pECin=pEC;
电化学储能装置中在第i+1时刻剩余电量qEC(ti+1)与第i时刻充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
qEC(ti+1)=qEC(ti)+pECin(ti)·EFEC-pECout(ti)。
优选地,所述交互关系获取模块中获取的绿氢***和电力***的交互关系具体包括:
绿氢***中的电解水制氢设备、储氢设备与电力***中的风电设备、光伏设备、电化学储能装置在***中的交互关系。
本说明书一个或多个实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述电-氢协同互动的规划优化方法。
本说明书一个或多个实施例提供了一种存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述电-氢协同互动的规划优化方法的步骤。
本发明的有益效果在于,通过获取绿氢***和电力***的交互关系,全面体现跨区域电力联网的互补性,根据交互关系以模拟期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型,能够综合考虑新能源出力和负荷需求等波动性因素,准确刻画跨区电力联网对电力***调峰产生的价值,通过设置电、氢协同互动的规划优化模型的约束条件对所述目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案,使得项目的综合效益最优。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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说明书中记载的一些实施例,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为本说明书一个或多个实施例提供的一种电-氢协同互动的绿氢项目规划优化方法的流程图;
图2为本说明书一个或多个实施例提供的一种电-氢协同互动的绿氢项目规划优化装置的结构示意图;
图3为本说明书一个或多个实施例提供的一种计算机的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本发明件的保护范围。
本发明的总体思路为通过优化光伏、风电、电制氢、电化学储能、储氢等设备的容量以及考虑辅助服务市场收益下各设备的典型出力特征,使得项目的综合效益最优。一般情况下,绿氢项目一般包括:光伏、风电、电制氢、电化学储能、储氢、电网供电等设备单元。随着辅助服务市场的不断完善,调峰、调频等服务品种将日益丰富,价格机制逐步理顺。在风电、光伏出力较大即电网供大于需、电价较低时,电制氢设备的运行功率应适当提高,在风电、光伏出力较小即电网供小于需、电价较高时,电制氢设备的运行功率适当降低,并在***有调频需求时积极响应,通过积极参与辅助服务市场获取收益,以提升项目的综合效益。各设备的具体运行方式及与大电网的协调互动较为复杂,需进行***性的生产模拟与规划优化,使得项目的综合效益最优。
下面结合具体实施方式和说明书附图对本发明做出详细的说明。
方法实施例
根据本发明实施例,提供了一种电-氢协同互动的绿氢项目规划优化方法,如图1所示为本实施例提供的一种电-氢协同互动的绿氢项目规划优化方法的流程图,根据本发明实施例的电-氢协同互动的绿氢项目规划优化方法,包括:
步骤S1、获取绿氢***和电力***的交互关系,其中,交互关系具体包括:绿氢***中的电解水制氢设备、储氢设备与电力***中的风电设备、光伏设备、电化学储能装置在***中的交互关系。
步骤S2、根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型。
步骤S3、通过设置电、氢协同互动的规划优化模型的约束条件对目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案。
步骤S2具体包括:
以规划期内电解槽的装机容量CEL为确定的常量,光伏电站的容量CPV、风力发电站的容量CW、电化学储能装置的容量CEC,以及各设备在典型周的出力特性为待优化变量,建立规划优化模型:
式中:CXEL为电解槽的设备成本、CXPV为光伏发电的设备成本、CXW为风力发电的设备成本、CXEC为电化学储能装置的设备成本、CPPG为电网供电的容量电价、CPG为报给电网需要其提供最大需量、EPPG为从电网购电的电能量费用、MH2为电解槽在全生命周期生产氢气的质量。
其中,EPPG为从电网购电的电能量费用,其计算方式为:
EPPG=∑PE(ti)·pPG(ti);
式中:PE(ti)为第i时刻的能量电价,pPG(ti)为第i时刻的用电量。由于电价在一天内实时变动,因此需结合生产运行模拟结果进行逐点加和。
步骤S3中需要考虑的约束条件包括:电功率实时产销平衡公式、用于刻画电制氢装置的电-氢能量转换、风电/光伏电站出力最大值、用于刻画电化学储能装置出力特性的公式。具体地,电、氢协同互动的规划优化模型的约束条件具体包括:
电能实时产销平衡约束为:
pPV(ti)+pW(ti)+pEC(ti)+pPG(ti)=pEL(ti);
式中:pPV(ti)、pW(ti)分别为第i时刻风电的出力功率和光伏电站的出力功率,pEC(ti)为第i时刻的电化学储能装置的净出力功率,pEL(ti)为电解水制氢装置在i时刻的用电功率。
电制氢装置的电-氢能量转换约束为:
式中:EFEL为电解水制氢装置的效率,CTPH为电能与氢能之间的热值转换系数。
风电/光伏电站出力最大值约束为:
式中:RPV(ti)为第i时刻光伏发电的出力标幺值,RW(ti)为第i时刻风力发电的出力标幺值。
电化学储能装置的充电量与放电量、损耗的和相等,具体刻画为:
∑pECin(ti)·EFEC=∑pECout(ti);
式中:pECin(ti)为第i时刻电化学储能装置的充电功率,EFEC为电化学储能装置的效率,pECout(ti)为第i时刻电化学储能装置的放电功率。
电化学储能装置净放电功率pEC(ti)、充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
pECout-pECin=pEC;
电化学储能装置中在第i+1时刻剩余电量qEC(ti+1)与第i时刻充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
qEC(ti+1)=qEC(ti)+pECin(ti)·EFEC-pECout(ti)。
本实施例提供的方法,通过获取绿氢***和电力***的交互关系,全面体现跨区域电力联网的互补性,根据交互关系以模拟期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型,能够综合考虑新能源出力和负荷需求等波动性因素,准确刻画跨区电力联网对电力***调峰产生的价值,通过设置电、氢协同互动的规划优化模型的约束条件对目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案,使得项目的综合效益最优。
装置实施例
根据本发明实施例,提供了一种电-氢协同互动的绿氢项目规划优化装置,如图2所示为本实施例提供的一种电-氢协同互动的绿氢项目规划优化装置的结构示意图,根据本发明实施例的电-氢协同互动的绿氢项目规划优化装置,包括:
交互关系获取模块21,用于获取绿氢***和电力***的交互关系,其中,交互关系具体包括:绿氢***中的电解水制氢设备、储氢设备与电力***中的风电设备、光伏设备、电化学储能装置在***中的交互关系。
模型构建模块22,用于根据交互关系以模拟期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型。
模型求解模块23,用于通过设置电、氢协同互动的规划优化模型的约束条件对目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案。
模型构建模块22,具体用于:
以规划期内电解槽的装机容量CEL为确定的常量,光伏电站的容量CPV、风力发电站的容量CW、电化学储能装置的容量CEC,以及各设备在典型周的出力特性为待优化变量,建立规划优化模型:
式中:CXEL为电解槽的设备成本、CXPV为光伏发电的设备成本、CXW为风力发电的设备成本、CXEC为电化学储能装置的设备成本、CPPG为电网供电的容量电价、CPG为报给电网需要其提供最大需量、EPPG为从电网购电的电能量费用、MH2为电解槽在全生命周期生产氢气的质量。
其中,EPPG为从电网购电的电能量费用,其计算方式为:
EPPG=∑PE(ti)·pPG(ti);
式中:PE(ti)为第i时刻的能量电价,pPG(ti)为第i时刻的用电量。由于电价在一天内实时变动,因此需结合生产运行模拟结果进行逐点加和。
模型求解模块23中需要考虑的约束条件包括:电功率实时产销平衡公式、用于刻画电制氢装置的电-氢能量转换、风电/光伏电站出力最大值、用于刻画电化学储能装置出力特性的公式。具体地,电、氢协同互动的规划优化模型的约束条件具体包括:
电能实时产销平衡约束为:
pPV(ti)+pW(ti)+pEC(ti)+pPG(ti)=pEL(ti);
式中:pPV(ti)、pW(ti)分别为第i时刻风电的出力功率和光伏电站的出力功率,pEC(ti)为第i时刻的电化学储能装置的净出力功率,pEL(ti)为电解水制氢装置在i时刻的用电功率。
电制氢装置的电-氢能量转换约束为:
式中:EFEL为电解水制氢装置的效率,CTPH为电能与氢能之间的热值转换系数。
风电/光伏电站出力最大值约束为:
式中:RPV(ti)为第i时刻光伏发电的出力标幺值,RW(ti)为第i时刻风力发电的出力标幺值。
电化学储能装置的充电量与放电量、损耗的和相等,具体刻画为:
∑pECin(ti)·EFEC=∑pECout(ti);
式中:pECin(ti)为第i时刻电化学储能装置的充电功率,EFEC为电化学储能装置的效率,pECout(ti)为第i时刻电化学储能装置的放电功率。
电化学储能装置净放电功率pEC(ti)、充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
pECout-pECin=pEC;
电化学储能装置中在第i+1时刻剩余电量qEC(ti+1)与第i时刻充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
qEC(ti+1)=qEC(ti)+pECin(ti)·EFEC-pECout(ti)。
本实施例提供的装置,交互关系获取模块21通过获取绿氢***和电力***的交互关系,全面体现跨区域电力联网的互补性,模型构建模块22中根据交互关系以模拟期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型,能够综合考虑新能源出力和负荷需求等波动性因素,准确刻画跨区电力联网对电力***调峰产生的价值,模型求解模块23通过设置电、氢协同互动的规划优化模型的约束条件对目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案,使得项目的综合效益最优。
本发明实施例是与上述方法实施例对应的***实施例,各个模块处理步骤的具体操作可以参照方法实施例的描述进行理解,在此不再赘述。
如图3所示,本发明还提供了一种计算机设备。
本说明书一个或多个实施例提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述电-氢协同互动的绿氢项目规划优化方法。
本说明书一个或多个实施例提供了一种存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述电-氢协同互动的绿氢项目规划优化方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,且本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (8)
1.一种电-氢协同互动的绿氢项目规划优化方法,其特征在于,包括:
获取绿氢***和电力***的交互关系;
根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型;
通过设置电、氢协同互动的规划优化模型的约束条件对所述目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案。
2.如权利要求1所述的电-氢协同互动的绿氢项目规划优化方法,其特征在于,所述根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型具体包括:
以规划期内电解槽的装机容量CEL为确定的常量,光伏电站的容量CPV、风力发电站的容量CW、电化学储能装置的容量CEC,以及各设备在典型周的出力特性为待优化变量,建立规划优化模型:
式中:CXEL为电解槽的设备成本、CXPV为光伏发电的设备成本、CXW为风力发电的设备成本、CXEC为电化学储能装置的设备成本、CPPG为电网供电的容量电价、CPG为报给电网需要其提供最大需量、EPPG为从电网购电的电能量费用、MH2为电解槽在全生命周期生产氢气的质量;
所述电、氢协同互动的规划优化模型的约束条件具体包括:
电能实时产销平衡约束为:
pPV(ti)+pW(ti)+pEC(ti)+pPG(ti)=pEL(ti);
式中:pPV(ti)、pW(ti)分别为第i时刻风电的出力功率和光伏电站的出力功率,pEC(ti)为第i时刻的电化学储能装置的净出力功率,pEL(ti)为电解水制氢装置在i时刻的用电功率;
电制氢装置的电-氢能量转换约束为:
式中:EFEL为电解水制氢装置的效率,CTPH为电能与氢能之间的热值转换系数;
风电/光伏电站出力最大值约束为:
式中:RPV(ti)为第i时刻光伏发电的出力标幺值,RW(ti)为第i时刻风力发电的出力标幺值;
电化学储能装置的充电量与放电量、损耗的和相等,具体刻画为:
ΣpECin(ti)·EFEC=ΣpECout(ti);
式中:pECin(ti)为第i时刻电化学储能装置的充电功率,EFEC为电化学储能装置的效率,pECout(ti)为第i时刻电化学储能装置的放电功率;
电化学储能装置净放电功率pEC、充电功率pECin与放电功率pECout之间的约束为:
pECout-pECin=pEC;
电化学储能装置中在第i+1时刻剩余电量qEC(ti+1)与第i时刻充电功率pECin与放电功率pECout之间的约束为:
qEC(ti+1)=qEC(ti)+pECin(ti)·EFEC-pECout(ti)。
3.如权利要求1所述的电-氢协同互动的绿氢项目规划优化方法,其特征在于,所述获取绿氢***和电力***的交互关系具体包括:
获取绿氢***中的电解水制氢设备、储氢设备与电力***中的风电设备、光伏设备、电化学储能装置在***中的交互关系。
4.一种电-氢协同互动的绿氢项目规划优化装置,其特征在于,包括:
交互关系获取模块,用于获取绿氢***和电力***的交互关系;
模型构建模块,用于根据交互关系以规划期内***总运行成本最小为目标函数构建考虑电、氢耦合的生产模拟优化模型;
模型求解模块,用于通过设置电、氢协同互动的规划优化模型的约束条件对所述目标函数进行求解,从而获取电、氢协同互动中各装置的装机容量规划优化方案。
5.如权利要求4所述的电-氢协同互动的绿氢项目规划优化装置,其特征在于,所述模型构建模块,具体用于:
以规划期内电解槽的装机容量CEL为确定的常量,光伏电站的容量CPV、风力发电站的容量CW、电化学储能装置的容量CEC,以及各设备在典型周的出力特性为待优化变量,建立规划优化模型:
式中:CXEL为电解槽的设备成本、CXPV为光伏发电的设备成本、CXW为风力发电的设备成本、CXEC为电化学储能装置的设备成本、CPPG为电网供电的容量电价、CPG为报给电网需要其提供最大需量、EPPG为从电网购电的电能量费用、MH2为电解槽在全生命周期生产氢气的质量;
所述电、氢协同互动的规划优化模型的约束条件具体包括:
电能实时产销平衡约束为:
pPV(ti)+pW(ti)+pEC(ti)+pPG(ti)=pEL(ti);
式中:pPV(ti)、pW(ti)分别为第i时刻风电的出力功率和光伏电站的出力功率,pEC(ti)为第i时刻的电化学储能装置的净出力功率,pEL(ti)为电解水制氢装置在i时刻的用电功率;
电制氢装置的电-氢能量转换约束为:
式中:EFEL为电解水制氢装置的效率,CTPH为电能与氢能之间的热值转换系数;
风电/光伏电站出力最大值约束为:
式中:RPV(ti)为第i时刻光伏发电的出力标幺值,RW(ti)为第i时刻风力发电的出力标幺值;
电化学储能装置的充电量与放电量、损耗的和相等,具体刻画为:
∑pECin(ti)·EFEC=∑pECout(ti);
式中:pECin(ti)为第i时刻电化学储能装置的充电功率,EFEC为电化学储能装置的效率,pECout(ti))为第i时刻电化学储能装置的放电功率;
电化学储能装置净放电功率pEC(ti)、充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
pECout-pECin=pEC;
电化学储能装置中在第i+1时刻剩余电量qEC(ti+1)与第i时刻充电功率pECin(ti)与放电功率pECout(ti)之间的约束为:
qEC(ti+1)=qEC(ti)+pECin(ti)·EFEC-pECout(ti)。
6.如权利要求4所述的电-氢协同互动的绿氢项目规划优化装置,其特征在于,所述交互关系获取模块中获取的绿氢***和电力***的交互关系具体包括:
绿氢***中的电解水制氢设备、储氢设备与电力***中的风电设备、光伏设备、电化学储能装置在***中的交互关系。
7.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述电-氢协同互动的绿氢项目规划优化方法。
8.计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述电-氢协同互动的绿氢项目规划优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311824117.7A CN117892863A (zh) | 2023-12-27 | 2023-12-27 | 电-氢协同互动的绿氢项目规划优化方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311824117.7A CN117892863A (zh) | 2023-12-27 | 2023-12-27 | 电-氢协同互动的绿氢项目规划优化方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117892863A true CN117892863A (zh) | 2024-04-16 |
Family
ID=90638763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311824117.7A Pending CN117892863A (zh) | 2023-12-27 | 2023-12-27 | 电-氢协同互动的绿氢项目规划优化方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117892863A (zh) |
-
2023
- 2023-12-27 CN CN202311824117.7A patent/CN117892863A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Optimization with a simulated annealing algorithm of a hybrid system for renewable energy including battery and hydrogen storage | |
Yousri et al. | Integrated model for optimal energy management and demand response of microgrids considering hybrid hydrogen-battery storage systems | |
CN109472401B (zh) | 分布式供能运行策略的确定方法、装置、设备和存储介质 | |
CN113095791B (zh) | 一种综合能源***运行方法及*** | |
CN107732949B (zh) | 一种综合风电全年多季节特性的储能布点定容方法 | |
Schröder et al. | Optimization of distributed energy resources for electric vehicle charging and fuel cell vehicle refueling | |
Obara et al. | Operation method study based on the energy balance of an independent microgrid using solar-powered water electrolyzer and an electric heat pump | |
CN112615387A (zh) | 储能容量配置方法、装置、计算机设备及可读存储介质 | |
CN111293682A (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
Mannepalli et al. | Allocation of optimal energy from storage systems using solar energy | |
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 | |
CN111817296A (zh) | 一种微电网用电能调度方法及*** | |
CN114818078A (zh) | 考虑长短期不确定性的净零能耗建筑能源***规划方法 | |
CN115313441A (zh) | 一种新能源场站储能配置计算方法、***、介质及设备 | |
CN113344732A (zh) | 电化学储能的运营评估方法、装置、终端设备及存储介质 | |
CN117892863A (zh) | 电-氢协同互动的绿氢项目规划优化方法、装置及设备 | |
CN115241930A (zh) | 多形式储能与多类型电源的协同运行方法、***及介质 | |
CN115907393A (zh) | 一种含长时储能虚拟电厂的多时间尺度调度方法 | |
CN115537839A (zh) | 制氢***的效率优化控制方法及装置、设备及存储介质 | |
Lei et al. | A compact time horizon compression method for planning community integrated energy systems with long-term energy storage | |
CN114039384A (zh) | 基于新能源消纳的源-储协调优化调度方法 | |
CN110717694B (zh) | 基于新能源消纳期望值的储能配置随机决策方法及装置 | |
Heo et al. | Energy resource capacity optimization for zero-energy housing complex | |
Zhang et al. | Capacity optimization allocation method for off-grid RES-H2 microgrid system considering the load-follow-source mechanism | |
CN108921429B (zh) | 以热/冷定电型智能微网中可控能源机组电功率确定方法 |
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 |