本发明公开一种氢能‑天然气混合储能的综合能源微电网调度方法,包括对基于氢能‑天然气混合储能的综合能源微电网中各单元的能源设备进行建模,并得出各单元运行初始信息;确定各单元的能量流动关系;基于环境成本和运行成本,建立优化调度模型;采用权重系数法,将多目标转化为单目标;设定安全约束条件;在随机分形搜素算法中结合差分算子,对所建立的优化调度模型寻优求解,获得最优调度策略。本发明能够对氢‑天然气混合储能的综合能源微电网系统得到兼具环保和经济性的最优调度方案,保证氢能‑天然气混合储能的综合能源微电网的稳定
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112290533 A (43)申请公布日 2021.01.29 (21)申请号 0.1 G06Q 50/06 (2012.01) G06Q 10/06 (2012.01) (22)申请日 2020.09.17 G06Q 10/04 (2012.01) (71)申请人 国家电网公司西南分部 地址 610000 四川省成都市高新区蜀绣西 路299号 (72)发明人 周泓魏明奎周全蔡绍荣 江栗路亮梁文举沈力 (74)专利代理机构 北京中创阳光知识产权代理 有限责任公司 11003 代理人 尹振启 (51)Int.Cl. H02J 3/00 (2006.01) H02J 3/38 (2006.01) H02J 3/46 (2006.01) H02J 3/28 (2006.01) 权利要求书4页 说明书8页 附图2页 (54)发明名称 一种氢能-天然气混合储能的综合能源微电 网调度方法 (57)摘要 本发明公开一种氢能‑天然气混合储能的综 合能源微电网调度方法,包括对基于氢能‑天然 气混合储能的综合能源微电网中各单元的能源 设备进行建模,并得出各单元运行初始信息;确 定各单元的能量流动关系;基于环境成本和运行 成本,建立优化调度模型;采用权重系数法,将多 目标转化为单目标;设定安全约束条件;在随机 分形搜素算法中结合差分算子,对所建立的优化 调度模型寻优求解,获得最优调度策略。本发明 能够对氢‑天然气混合储能的综合能源微电网系 统得到兼具环保和经济性的最优调度方案,保证 A 氢能‑天然气混合储能的综合能源微电网的稳定 3 高效运行;能够有效提高收敛速度,防止算法陷 3 5 0 入局部最优,降低系统运行成本优。 9 2 2 1 1 N C CN 112290533 A 权利要求书 1/4页 1.一种氢能-天然气混合储能的综合能源微电网调度方法,其特征在于,包括: 步骤1:对基于氢能-天然气混合储能的综合能源微电网中各单元的能源设备进行建 模,并得出各单元运行初始信息;确定氢能-天然气混合储能的综合能源微电网中各单元的 能量流动关系; 步骤2:基于环境成本和运行成本,建立基于氢能-天然气混合储能的综合能源微电网 的优化调度模型;采用权重系数法,将多目标转化为单目标;设定氢能-天然气混合储能的 综合能源微电网的安全约束条件; 步骤3:在随机分形搜素算法中结合差分算子,对所建立的基于氢能-天然气混合储能 的综合能源微电网的优化调度模型寻优求解,获得最优调度策略。 2.根据权利要求1所述的一种氢能-天然气混合储能的综合能源微电网调度方法,其特 征在于,所述氢能-天然气混合储能的综合能源微电网包括电解制氢单元、燃料电池单元、 氢转天然气单元、氢储能单元、微型燃气轮机单元、天然气网络和电气网络,所述天然气网 络通过微型燃气轮机单元产生电能供向电气网络,所述电解制氢单元从电气网络取电制氢 供给氢储能单元,所述氢储能单元向燃料电池单元提供氢能供燃料电池单元产生电能供给 电气网络,所述氢储能单元通过氢转天然气单元将氢能转换为天然气能供给天然气网络; 在所述电气网络还并联连接有电网、风电机组单元和光伏发电单元,由电气网络向电负荷 供电;所述氢储能单元上连接有氢负荷,所述天然气网络上连接有燃气负荷。 3.根据权利要求2所述的一种氢能-天然气混合储能的综合能源微电网调度方法,其特 征在于,在所述步骤1中,构建氢能-天然气混合储能的综合能源微电网中各单元的能量流 动关系:微电网中的新能源输出为风电机组单元和光伏发电单元,当电气网络中有富余能 量时,通过电解制氢单元将电能转化为氢能存入氢储能单元中或是直接供给氢负荷;在约 束范围内,电量无法消纳时,则通过电转气单元将氢气转化为天然气进行存储,同时供给燃 气负荷;所述燃料电池单元和微型燃气轮机单元则在微电网功率缺额时,将氢储能单元中 的氢气和/或天然气网络中的天然气转化为电能进行补充,以满足微电网的功率平衡。 4.根据权利要求3所述的一种氢能-天然气混合储能的综合能源微电网调度方法,其特 征在于,在所述步骤2中,基于运行成本f 和环境成本f 建立综合能源系统优化调度模型;所 1 2 述运行成本f 包括微型燃气轮机的运维成本、与配电网的交互成本、氢转气的能量损失成 1 本以及氢转气的天然气燃料收益;所述环境成本f 由CO排放量来计算; 2 2 所构建的综合能源系统优化调度模型的目标函数为: 式中,C 为与电网的交互成本,C 为燃气轮机的运维成本,C 为氢转气的能量损 EX,t MT,t LOSS,t 失成本,C 为氢转气的天然气燃料收益,C 为环境成本,N 为调度周期,为24小时。 CH4,t EN,t T 5.根据权利要求4所述的一种氢能-天然气混合储能的综合能源微电网调度方法,其特 征在于,在所述步骤2中,采用权重系数法将多目标函数转化为单目标函数,综合考虑运行 成本最小化和环境成本最小化的综合运行目标函数为: 2 2 CN 112290533 A 权利要求书 2/4页 上式中,ω 和ω 为权重系数,f 、f 分别是系统运行成本和环境成本的最大值可通 1 2 1max 2max 过权重最大化求出。 6.根据权利要求5所述的一种氢能-天然气混合储能的综合能源微电网调度方法,其特 征在于,在所述步骤2中,所述氢能-天然气混合储能的综合能源微电网的安全约束条件包 括:氢-气混合储能系统约束、氢转气的单元约束、微型燃气轮机约束、天然气网络约束、与 电网的交互功率约束以及功率平衡约束。 7.根据权利要求2所述的一种氢能-天然气混合储能的综合能源微电网调度方法,其特 征在于,所述安全约束条件中: 1)氢-气混合储能系统约束: 上式中,P 为电解槽的最大制氢功率,P 为燃料电池的最大工作功率,E 为t时 EL,max FC,max H,t 段氢储能容量,α 为电解槽制氢效率,β 为燃料电池发电效率,P 为电解槽i在t时段的 E2H H2E ELi,t 制氢功率,P 为燃料电池i在t时段的出力,E /E 为氢储能最大最小容量,N 和N 分 FCi,t Hmax Hmin EL FC 别为电解槽和燃料电池数量。P 为t时段流入氢转气装置的氢能功率,P 为氢负荷功率; HG,t HL,t 2)氢转气的单元约束: 上式中,P 为氢转气装置i在t时段的功率,P /P 为最大/最小氢转气功率, H2Gi,t H2G,max H2G,min α 为氢转气效率,G 为t时段氢转气系统输出的天然气量; H2G P2G,t 3)微型燃气轮机约束: 上式中,P 为微型燃气轮机i在t时段的出力,P /P 为微型燃气轮机的最大/ MTi,t MT,max MT,min 最小出力;η为微型燃气轮机的发电效率系数,G 为微型燃气轮机i燃气消耗量,H为天然 MTi,t 气低热值; 4)天然气网络约束: 3 3 CN 112290533 A 权利要求书 3/4页 上式中,G 为t时段的气负荷,N 为微型燃气轮机的数量,G 为t时段从天然气网 load,t MT net,t 络的天然气购气量; 5)与电网的交互功率约束: -P ≤P ≤P ; sell,max EX,t buy,max 上式中,P 为微电网与电网的交互功率,P /P 为微电网向配电网的最大购/ EX,t buy,max sell,max 售电功率; 6)功率平衡约束: 上式中,P ,P ,P ,P 分别为光伏、风机出力、与配电网的交互功率以及用户 PV,t WT,t EX,t load,t 负荷。 8.根据权利要求1-7任一所述的一种氢能-天然气混合储能的综合能源微电网调度方 法,其特征在于,在所述步骤3中:在随机分形搜素算法中结合差分算子构成改进的随机分 形搜索算法对基于氢能-天然气混合储能的综合能源微电网的优化调度模型寻优求解,包 括步骤: 3.1,设置参数,种群位置初始化; 第j个个体的初始化方程为:P =LB+ε(UB-LB); j 式中,LB和UB为求解问题向量的上下边界;ε为[0,1]上服从均匀分布的随机数; 3.2,计算种群中个体的适应度函数值,即综合能源微电网成本函数对应的目标值,找 到种群中的最佳个体BP; 3.3,扩散过程:所有个体均围着当前位置游走以扩大搜索空间,对需进行扩散的个体, 根据高斯游走的方式来创建新个体的位置,并通过执行步骤3.2找到扩散后所有个体中的 最佳个体; 3.4第一次更新:对种群中所有个体排序,计算个体P 的概率值P ,若P <ε,则更新个 i ai ai 体的分量得到P’,否则保持不变; i 其中, rank(P)为种群排名,N为种群个数数量;P′(j)=P (j)-ε·(P i i r r0 (j)-P (j)),P为P更新后的位置,P 和P 为随机选择的个体,j表示更新后的第j个变量; i i i r r0 3.5第二次更新:一次更新后的个体重新排序,计算得到更新之后个体P’的概率值P i ’ ,再一次判定是否满足P’ <ε,若满足则更新个体,得到P”,若f(P”)优于f(P’),则用 ai ai i i i P”替换P’; i i 其中,P′=P +Fω ·(P′-P′),P’、P’、P’为一次更新后的群体中随机选择的个 i r1 r2 r3 r1 r2 r3 体,Fω为缩放因子,用于对差分向量进行缩放,控制搜索步长,取Fω=0.5; 6)判断是否到达最大迭代次数,若是,则输出优化结果,反之,回到步骤3.3继续执行。 9.根据权利要求8所述的一种氢能-天然气混合储能的综合能源微电网调度方法,其特 征在于,所述高斯游走的方式为: 4 4 CN 112290533 A 权利要求书 4/4页 式中,ε’为区间[0,1]上服从均匀分布的随机数,BP和P为群体中最佳个体及第i个个体 i 的位置;μ 和σ为高斯参数,其中 g为迭代次数。 BP 5 5 CN 112290533 A 说明书 1/8页 一种氢能-天然气混合储能的综合能源微电网调度方法 技术领域 [0001] 本发明属于微电网调度技术领域,特别是涉及一种氢能-天然气混合储能的综合 能源微电网调度方法。 背景技术 [0002] 近年来,随着全球变暖和环境污染情况不断加剧,节能减排观念不断深入人心,发 展低碳、环保的清洁新能源成为大势所趋。微电网是由分布式能源、负荷、储能系统及中央 控制装置组成的有机整体,其具有规模小、控制调节迅速的特点,可在独立运行和并网运行 两种模式之间灵活切换,是解决分布式可再生能源并入配网发展的有效途径。 [0003] 近年来,现有的综合能源微电网,多采用光伏、风力等新能源构建微电网,但是光 伏和风力均是输出型能源,无法对电能进行有效存储。目前常用的方法是采用蓄电池进行 储能,但是这种方式具有限制性,无法满足存储和运输,无法保证能源的有效利用,造成了 能源浪费。并且现有的综合能源微电网的调度方法,无法获取到氢-天然气混合储能的综合 能源微电网系统得到兼具环保和经济性的最优调度,无法保证氢能-天然气混合储能的综 合能源微电网的稳定高效运行。且计算时存在收敛变慢、精度降低等问题。 发明内容 [0004] 为了解决上述问题,本发明提出了一种氢能-天然气混合储能的综合能源微电网 调度方法,能够对氢-天然气混合储能的综合能源微电网系统得到兼具环保和经济性的最 优调度方案,保证氢能-天然气混合储能的综合能源微电网的稳定高效运行;能够有效提高 收敛速度,防止算法陷入局部最优,降低系统运行成本优。 [0005] 为达到上述目的,本发明采用的技术方案是:一种氢能-天然气混合储能的综合能 源微电网调度方法,包括: [0006] 步骤1:对基于氢能-天然气混合储能的综合能源微电网中各单元的能源设备进行 建模,并得出各单元运行初始信息;确定氢能-天然气混合储能的综合能源微电网中各单元 的能量流动关系; [0007] 步骤2:基于环境成本和运行成本,建立基于氢能-天然气混合储能的综合能源微 电网的优化调度模型;采用权重系数法,将多目标转化为单目标;设定氢能-天然气混合储 能的综合能源微电网的安全约束条件; [0008] 步骤3:在随机分形搜素算法中结合差分算子,对所建立的基于氢能-天然气混合 储能的综合能源微电网的优化调度模型寻优求解,获得最优调度策略。 [0009] 进一步的是,所述氢能-天然气混合储能的综合能源微电网包括电解制氢单元、燃 料电池单元、氢转天然气单元、氢储能单元、微型燃气轮机单元、天然气网络和电气网络,所 述天然气网络通过微型燃气轮机单元产生电能供向电气网络,所述电解制氢单元从电气网 络取电制氢供给氢储能单元,所述氢储能单元向燃料电池单元提供氢能供燃料电池单元产 生电能供给电气网络,所述氢储能单元通过氢转天然气单元将氢能转换为天然气能供给天 6 6 CN 112290533 A 说明书 2/8页 然气网络;在所述电气网络还并联连接有电网、风电机组单元和光伏发电单元,由电气网络 向电负荷供电;所述氢储能单元上连接有氢负荷,所述天然气网络上连接有燃气负荷。 [0010] 进一步的是,在所述步骤1中,构建氢能-天然气混合储能的综合能源微电网中各 单元的能量流动关系:微电网中的新能源输出为风电机组单元和光伏发电单元,当电气网 络中有富余能量时,通过电解制氢单元将电能转化为氢能存入氢储能单元中或是直接供给 氢负荷;在约束范围内,电量无法消纳时,则通过电转气单元将氢气转化为天然气进行存 储,同时供给燃气负荷;所述燃料电池单元和微型燃气轮机单元则在微电网功率缺额时,将 氢储能单元中的氢气和/或天然气网络中的天然气转化为电能进行补充,以满足微电网的 功率平衡。 [0011] 进一步的是,在所述步骤2中,基于运行成本f 和环境成本f 建立综合能源系统优 1 2 化调度模型;所述运行成本f 包括微型燃气轮机的运维成本、与配电网的交互成本、氢转气 1 的能量损失成本以及氢转气的天然气燃料收益;所述环境成本f 由CO排放量来计算; 2 2 [0012] 所构建的综合能源系统优化调度模型的目标函数为: [0013] [0014] 式中,C 为与电网的交互成本,C 为燃气轮机的运维成本,C 为氢转气的能 EX,t MT,t LOSS,t 量损失成本,C 为氢转气的天然气燃料收益,C 为环境成本,N 为调度周期,为24小时。 CH4,t EN,t T [0015] 进一步的是,在所述步骤2中,采用权重系数法将多目标函数转化为单目标函数, 综合考虑运行成本最小化和环境成本最小化的综合运行目标函数为: [0016] [0017] 上式中,ω 和ω 为权重系数,f 、f 分别是系统运行成本和环境成本的最大 1 2 1max 2max 值可通过权重最大化求出。 [0018] 进一步的是,在所述步骤2中,所述氢能-天然气混合储能的综合能源微电网的安 全约束条件包括:氢-气混合储能系统约束、氢转气的单元约束、微型燃气轮机约束、天然气 网络约束、与电网的交互功率约束以及功率平衡约束。 [0019] 进一步的是,所述安全约束条件中: [0020] 1)氢-气混合储能系统约束: [0021] 7 7 CN 112290533 A 说明书 3/8页 [0022] 上式中,PEL,max为电解槽的最大制氢功率,PFC,max为燃料电池的最大工作功率,EH,t 为t时段氢储能容量,α 为电解槽制氢效率,β 为燃料电池发电效率,P 为电解槽i在t E2H H2E ELi,t 时段的制氢功率,P 为燃料电池i在t时段的出力,E /E 为氢储能最大最小容量,N FCi,t Hmax Hmin EL 和N 分别为电解槽和燃料电池数量。P 为t时段流入氢转气装置的氢能功率,P 为氢负 FC HG,t HL,t 荷功率; [0023] 2)氢转气的单元约束: [0024] [0025] 上式中,P 为氢转气装置i在t时段的功率,P /P 为最大/最小氢转气 H2Gi,t H2G,max H2G,min 功率,α 为氢转气效率,G 为t时段氢转气系统输出的天然气量; H2G P2G,t [0026] 3)微型燃气轮机约束: [0027] [0028] 上式中,P 为微型燃气轮机i在t时段的出力,P /P 为微型燃气轮机的最 MTi,t MT,max MT,min 大/最小出力;η为微型燃气轮机的发电效率系数,G 为微型燃气轮机i燃气消耗量,H为天 MTi,t 然气低热值; [0029] 4)天然气网络约束: [0030] [0031] 上式中,G 为t时段的气负荷,N 为微型燃气轮机的数量,G 为t时段从天然 load,t MT net,t 气网络的天然气购气量; [0032] 5)与电网的交互功率约束: [0033] -P ≤P ≤P ; sell,max EX,t buy,max [0034] 上式中,P 为微电网与电网的交互功率,P /P 为微电网向配电网的最 EX,t buy,max sell,max 大购/售电功率; [0035] 6)功率平衡约束: [0036] [0037] 上式中,P ,P ,P ,P 分别为光伏、风机出力、与配电网的交互功率以及 PV,t WT,t EX,t load,t 用户负荷。 [0038] 进一步的是,在所述步骤3中:在随机分形搜素算法中结合差分算子构成改进的随 机分形搜索算法对基于氢能-天然气混合储能的综合能源微电网的优化调度模型寻优求 解,包括步骤: [0039] 3.1,设置参数,种群位置初始化; [0040] 第j个个体的初始化方程为:P =LB+ε(UB-LB); j [0041] 式中,LB和UB为求解问题向量的上下边界;ε为[0,1]上服从均匀分布的随机数; [0042] 3.2,计算种群中个体的适应度函数值,即综合能源微电网成本函数对应的目标 8 8 CN 112290533 A 说明书 4/8页 值,找到种群中的最佳个体BP; [0043] 3.3,扩散过程:所有个体均围着当前位置游走以扩大搜索空间,对需进行扩散的 个体,根据高斯游走的方式来创建新个体的位置,并通过执行步骤3.2找到扩散后所有个体 中的最佳个体; [0044] 3.4第一次更新:对种群中所有个体排序,计算个体P 的概率值P ,若P <ε,则更 i ai ai 新个体的分量得到P’,否则保持不变; i [0045] 其中, rank(P )为种群排名,N为种群个数数量;P′(j)=P (j)- i i r ε·(P (j)-P (j)),P为P更新后的位置,P 和P 为随机选择的个体,j表示更新后的第j个 r0 i i i r r0 变量; [0046] 3.5第二次更新:一次更新后的个体重新排序,计算得到更新之后个体P’的概率 i 值P’ ,再一次判定是否满足P’<ε,若满足则更新个体,得到P”,若f(P”)优于f(P’),则 ai ai i i i 用P”替换P’; i i [0047] 第二次更新阶段引入差分算法的变异思路来进行改进,加快收敛速度,避免陷入 局部最优,提高算法性能。其中,P′=P +Fω·(P′-P′),P’、P’、P’为一次更新后的 i r1 r2 r3 r1 r2 r3 群体中随机选择的个体,Fω为缩放因子,用于对差分向量进行缩放,控制搜索步长,取Fω =0.5; [0048] 6)判断是否到达最大迭代次数,若是,则输出优化结果,反之,回到步骤3.3继续执 行。 [0049] 进一步的是,所述高斯游走的方式为: [0050] [0051] 式中,ε’为区间[0,1]上服从均匀分布的随机数,BP和P 为群体中最佳个体及第i i 个个体的位置;μ 和σ为高斯参数,其中 g为迭代次数。 BP [0052] 采用本技术方案的有益效果: [0053] 本发明针对氢-天然气混合储能的综合能源微电网系统,综合考虑系统各单元的 安全运行约束,以运行成本最小化和环境成本最小化为目标,建立调度模型。通过线性加权 法将多目标问题转化为单目标问题,并引入差分变异的概念,对随机分形搜索算法进行改 进,最后通过改进的算法进行求解,得出优化调度方案。本发明能够对氢-天然气混合储能 的综合能源微电网系统得到得到兼具环保和经济性的最优调度方案,保证氢能-天然气混 合储能的综合能源微电网的稳定高效运行。 [0054] 本发明以运行成本最小化和环境成本最大化为目标,将差分算子变异与随机分形 搜索算法相结合,有效提高计算收敛速度,防止算法陷入局部最优,降低系统运行成本,优 化得出兼具环保性和经济性的运行方案。本发明专利引入随机分形算法来对模型进行求 解,并在算法的二次更新阶段引入了差分变异的理念,能够有效避免求解过程陷入局部最 9 9 CN 112290533 A 说明书 5/8页 优,大大提高了运算速度,并且能够有效降低运行成本。 [0055] 本发明中利用天然气具有较强存储和运输能力,将天然气与微电网相互结合构建 电-气综合能源微电网能够有效提高新能源利用率,同时也可减少二氧化碳排放量,实现节 能减排。而直接将电能转化为天然气,将电气网络与天然气网络相连,可再生能源的功率波 动会给天然气网络带来较大的冲击影响。氢能的燃烧产物是水,热值和能量密度高,在代替 传统化石能源以实现环境保护和缓解能源危机的双重要求上具有明显的效果。 附图说明 [0056] 图1为本发明的一种氢能-天然气混合储能的综合能源微电网调度方法的流程示 意图; [0057] 图2为本发明实施例中一种氢能-天然气混合储能的综合能源微电网系统的拓扑 结构示意图。 具体实施方式 [0058] 为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一 步阐述。 [0059] 在本实施例中,参见图1所示,本发明提出了一种氢能-天然气混合储能的综合能 源微电网调度方法,包括: [0060] 步骤1:对基于氢能-天然气混合储能的综合能源微电网中各单元的能源设备进行 建模,并得出各单元运行初始信息;确定氢能-天然气混合储能的综合能源微电网中各单元 的能量流动关系; [0061] 步骤2:基于环境成本和运行成本,建立基于氢能-天然气混合储能的综合能源微 电网的优化调度模型;采用权重系数法,将多目标转化为单目标;设定氢能-天然气混合储 能的综合能源微电网的安全约束条件; [0062] 步骤3:在随机分形搜素算法中结合差分算子,对所建立的基于氢能-天然气混合 储能的综合能源微电网的优化调度模型寻优求解,获得最优调度策略。 [0063] 其中,如图2所示,所述氢能-天然气混合储能的综合能源微电网包括电解制氢单 元、燃料电池单元、氢转天然气单元、氢储能单元、微型燃气轮机单元、天然气网络和电气网 络,所述天然气网络通过微型燃气轮机单元产生电能供向电气网络,所述电解制氢单元从 电气网络取电制氢供给氢储能单元,所述氢储能单元向燃料电池单元提供氢能供燃料电池 单元产生电能供给电气网络,所述氢储能单元通过氢转天然气单元将氢能转换为天然气能 供给天然气网络;在所述电气网络还并联连接有电网、风电机组单元和光伏发电单元,由电 气网络向电负荷供电;所述氢储能单元上连接有氢负荷,所述天然气网络上连接有燃气负 荷。 [0064] 作为上述实施例的优化方案,在所述步骤1中,构建氢能-天然气混合储能的综合 能源微电网中各单元的能量流动关系:微电网中的新能源输出为风电机组单元和光伏发电 单元,当电气网络中有富余能量时,通过电解制氢单元将电能转化为氢能存入氢储能单元 中或是直接供给氢负荷;在约束范围内,电量无法消纳时,则通过电转气单元将氢气转化为 天然气进行存储,同时供给燃气负荷;所述燃料电池单元和微型燃气轮机单元则在微电网 10 10 CN 112290533 A 说明书 6/8页 功率缺额时,将氢储能单元中的氢气和/或天然气网络中的天然气转化为电能进行补充,以 满足微电网的功率平衡。 [0065] 作为上述实施例的优化方案,在所述步骤2中,基于运行成本f 和环境成本f 建立 1 2 综合能源系统优化调度模型;所述运行成本f 包括微型燃气轮机的运维成本、与配电网的 1 交互成本、氢转气的能量损失成本以及氢转气的天然气燃料收益;所述环境成本f 由CO排 2 2 放量来计算; [0066] 所构建的综合能源系统优化调度模型的目标函数为: [0067] [0068] 式中,C 为与电网的交互成本,C 为燃气轮机的运维成本,C 为氢转气的能 EX,t MT,t LOSS,t 量损失成本,C 为氢转气的天然气燃料收益,C 为环境成本,N 为调度周期,为24小时。 CH4,t EN,t T [0069] 在所述步骤2中,采用权重系数法将多目标函数转化为单目标函数,综合考虑运行 成本最小化和环境成本最小化的综合运行目标函数为: [0070] [0071] 上式中,ω 和ω 为权重系数,f 、f 分别是系统运行成本和环境成本的最大 1 2 1max 2max 值可通过权重最大化求出。 [0072] 在所述步骤2中,所述氢能-天然气混合储能的综合能源微电网的安全约束条件包 括:氢-气混合储能系统约束、氢转气的单元约束、微型燃气轮机约束、天然气网络约束、与 电网的交互功率约束以及功率平衡约束。 [0073] 所述安全约束条件中: [0074] 1)氢-气混合储能系统约束: [0075] [0076] 上式中,PEL,max为电解槽的最大制氢功率,PFC,max为燃料电池的最大工作功率,EH,t 为t时段氢储能容量,α 为电解槽制氢效率,β 为燃料电池发电效率,P 为电解槽i在t E2H H2E ELi,t 时段的制氢功率,P 为燃料电池i在t时段的出力,E /E 为氢储能最大最小容量,N FCi,t Hmax Hmin EL 和N 分别为电解槽和燃料电池数量。P 为t时段流入氢转气装置的氢能功率,P 为氢负 FC HG,t HL,t 荷功率; [0077] 2)氢转气的单元约束: 11 11 CN 112290533 A 说明书 7/8页 [0078] [0079] 上式中,P 为氢转气装置i在t时段的功率,P /P 为最大/最小氢转气 H2Gi,t H2G,max H2G,min 功率,α 为氢转气效率,G 为t时段氢转气系统输出的天然气量; H2G P2G,t [0080] 3)微型燃气轮机约束: [0081] [0082] 上式中,P 为微型燃气轮机i在t时段的出力,P /P 为微型燃气轮机的最 MTi,t MT,max MT,min 大/最小出力;η为微型燃气轮机的发电效率系数,G 为微型燃气轮机i燃气消耗量,H为天 MTi,t 然气低热值; [0083] 4)天然气网络约束: [0084] [0085] 上式中,G 为t时段的气负荷,N 为微型燃气轮机的数量,G 为t时段从天然 load,t MT net,t 气网络的天然气购气量; [0086] 5)与电网的交互功率约束: [0087] -P ≤P ≤P ; sell,max EX,t buy,max [0088] 上式中,P 为微电网与电网的交互功率,P /P 为微电网向配电网的最 EX,t buy,max sell,max 大购/售电功率; [0089] 6)功率平衡约束: [0090] [0091] 上式中,P ,P ,P ,P 分别为光伏、风机出力、与配电网的交互功率以及 PV,t WT,t EX,t load,t 用户负荷。 [0092] 作为上述实施例的优化方案,在所述步骤3中:在随机分形搜素算法中结合差分算 子构成改进的随机分形搜索算法对基于氢能-天然气混合储能的综合能源微电网的优化调 度模型寻优求解,包括步骤: [0093] 3.1,设置参数,种群位置初始化; [0094] 第j个个体的初始化方程为:P =LB+ε(UB-LB); j [0095] 式中,LB和UB为求解问题向量的上下边界;ε为[0,1]上服从均匀分布的随机数; [0096] 3.2,计算种群中个体的适应度函数值,即综合能源微电网成本函数对应的目标 值,找到种群中的最佳个体BP; [0097] 3.3,扩散过程:所有个体均围着当前位置游走以扩大搜索空间,对需进行扩散的 个体,根据高斯游走的方式来创建新个体的位置,并通过执行步骤3.2找到扩散后所有个体 中的最佳个体; [0098] 3.4第一次更新:对种群中所有个体排序,计算个体P 的概率值P ,若P <ε,则更 i ai ai 新个体的分量得到P’,否则保持不变; i 12 12 CN 112290533 A 说明书 8/8页 [0099] 其中, rank(P )为种群排名,N为种群个数数量;P′(j)=P (j)- i i r ε·(P (j)-P (j)),P为P更新后的位置,P 和P 为随机选择的个体,j表示更新后的第j个 r0 i i i r r0 变量; [0100] 3.5第二次更新:一次更新后的个体重新排序,计算得到更新之后个体P’的概率 i 值P’ ,再一次判定是否满足P’<ε,若满足则更新个体,得到P”,若f(P”)优于f(P’),则 ai ai i i i 用P”替换P’; i i [0101] 第二次更新阶段引入差分算法的变异思路来进行改进,加快收敛速度,避免陷入 局部最优,提高算法性能。其中,P′=P +Fω·(P′-P′),P’、P’、P’为一次更新后的 i r1 r2 r3 r1 r2 r3 群体中随机选择的个体,Fω为缩放因子,用于对差分向量进行缩放,控制搜索步长,取Fω =0.5; [0102] 7)判断是否到达最大迭代次数,若是,则输出优化结果,反之,回到步骤3.3继续执 行。 [0103] 所述高斯游走的方式为: [0104] [0105] 式中,ε’为区间[0,1]上服从均匀分布的随机数,BP和P 为群体中最佳个体及第i i 个个体的位置;μ 和σ为高斯参数,其中 g为迭代次数。 BP [0106] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术 人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本 发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变 化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。 13 13 CN 112290533 A 说明书附图 1/2页 图1 14 14 CN 112290533 A 说明书附图 2/2页 图2 15 15
2、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问加。
3、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
4、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
国家开放大学一网一平台电大《古代小说戏曲专题》形考任务1网考题库及答案.docx
2025 中国成人心肺复苏与心血管急救指南(完整版)中文版 完整原文 + 专家解读.docx
20240428-浙商证券-机械设备行业低空经济系列深度报告之五:低空运营,场景逐步打开,有望千亿市场.pdf
2021-2022学年甘肃省兰州十九中教育集团七年级(下)期末数学试卷.docx
原创力文档创建于2008年,本站为文档C2C交易模式,即用户上传的文档直接分享给其他用户(可下载、阅读),本站只是中间服务平台,本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方,若您的权利被侵害,请发链接和相关诉求至 电线) ,上传者