一种含储氢装置的多能源系统提升能源利用率的方法
专利汇可以提供一种含储氢装置的多能源系统提升能源利用率的方法专利检索，专利查询，专利分析的服务。并且本 发明 公开一种含储氢装置的多 能源 系统提升能源利用率的方法，属于电 力 系统及多能源技术领域，该方法首先对多能源系统中 风 力发电、 光伏发电 、 燃料 电池 发电、电转氢、储能及热源进行建模；然后通过多能源之间的 能量 耦合关系建立多能源系统的能量功率平衡模型，根据储氢设备的稳定运行约束，建立多能源系统的能源利用功率优化模型；最后采用多目标差分进化 算法 对多能源系统能源利用功率优化模型进行求解，根据典型日多能源利用量得到一年多能源系统能源利用量，得到含储氢装置在多能源系统能源利用量提高比率。本发明借助于储氢装置判断多能源系统运行中能源利用的提升效率，突出储氢装置对多能源系统能源利用率提升的关键性。，下面是一种含储氢装置的多能源系统提升能源利用率的方法专利的具体信息内容。
1.一种含储氢装置的多能源系统提升能源利用率的方法，其特征在于包括如下步骤：
步骤1：对多能源供能系统设备包括：电源设备、热源设备、氢源设备进行建模；
步骤2：结合步骤1所建的设备模型，建立含储氢装置的功率平衡模型，为保证储氢设备的稳定运行，对气源装置及储氢装置的充放能进行约束；
步骤3：结合功率平衡模型，考虑含储氢装置调节后电功率消纳、氢功率消纳及热功率消纳，得到典型日的总消纳能量，建立含储氢装置的多能源系统的能源使用量模型；
步骤4：采用多目标差分进化算法对多能源系统的能源使用量模型进行求解，得到典型日电、氢、热最大消纳及能源利用量最大值；
步骤5：计算一年中含储氢装置的多能源系统提升能源利用比率。
2.根据权利要求1所述的一种含储氢装置的多能源系统提升能源利用率的方法，其特征在于：
所述电源设备建模包括：风力发电模型、光伏发电模型和氢燃料电池发电模型；
(a)风力发电模型：
风能具有不确定性，则风力发电机的输出功率与风速密切相关，其输出功率Pw与实际风速v之间可描述为：
其中，Pr为风机的额定输出功率；vi为切入风速；vo为切出风速；vr为额定风速；
(b)光伏发电模型：
光伏发电除了和光伏电池容量有关，其单组光伏电池输出功率主要受当地的光强强度和环境温度的影响，单组单位面积内的光伏发电板输出功率模型为：
其中，Pp为光伏输出功率；Ps为测试测试条件下的光伏发电最大出力功率；r为实际光照强度；R为最大光照强度；k为功率温度系数；Tf为实际环境温度；Tp为标准测试条件下的温度；
(c)氢燃料电池发电模型：
使用氢气作为燃料电池能源燃料，通过将氢气及氧气通入燃料电池内，通过催化剂的作用产生电能；其模型可以表示如下：
其中， 为燃料电池产生的电功率；ηe为燃料电池发电效率因数； 为每立方米氢气发出等值电量，m3/KW·h；Vuse为燃气轮机消耗的氢气体积，m3；
所述氢源设备建模包括：P2G机组模型和储氢装置模型；
(d)P2G机组模型：
P2G装置是将电能转化为氢气的过程：
其中， 为P2G装置输出的氢功率； 为P2G装置输入的电功率；ηP2G为P2G装置的效率；
(e)储氢装置模型：
P2G装置产出的氢气可以需要气或电负荷时，分别供给氢负荷、氢燃料电池；而在不需要氢气时，将其存储在储氢罐中；储氢模型为：
其中， 为t时刻注入储气罐的氢功率； 为t-Δt1时刻储存的氢功
率； 为t时刻产生氢功率； 为t时刻释放氢功率；Δt1为P2G装置调度时间间
隔；
所述热源设备建模包括电锅炉模型和氢锅炉模型；
(f)电锅炉模型：
Ph1(t)＝ηhot,c·Phot,c(t)
其中，Ph1(t)为t时段产生的热功率；Phot,c(t)为t时段电锅炉装置输入的电功率；ηhot,c为电热转化效率；
(g)氢锅炉模型：
其中，Ph2(t)为t时段产生的热功率；Phot，H2(t)为t时段氢锅炉装置输入的氢功率；ηhot，H2为氢热转化效率；
Ph(t)＝Ph1(t)+Ph2(t)
其中，Ph(t)为t时段电锅炉与氢锅炉同时产生的热功率。
3.根据权利要求1所述的一种含储氢装置的多能源系统提升能源利用率的方法，其特征在于所述步骤2的过程如下：
输入量为电能，则功率平衡关系如下：
式中：Pin为多能源系统中电能输入功率；Pout,c为系统电能输出功率； 为氢能输出功率；Pout,h为热能输出功率；λw为风力发电分配系数；λp为光伏发电分别系数；λr为氢燃料电池发电分配系数；λP2G为电转氢设备分配系数；λh为电锅炉分配系数； 为储氢分配系数；
Pload,c为电负荷； 为氢负荷；Pload,h为热负荷；
其约束条件如下：
其中，H2(t)分别为t时段储氢功率；H2，min、H2，max分别为储氢的最大值与最小值； 为t时段氢能转化电功率； 分别为氢能转化电功率的最大值与最小值。
4.根据权利要求1所述的一种含储氢装置的多能源系统提升能源利用率的方法，其特征在于所述步骤3的过程如下：
考虑含储氢装置调节后电功率消纳、氢功率消纳及热功率消纳的优化模型目标函数如下：
其中，R为一天多能源供能系统的能源使用量； 为i小时使用电功率； 为i小
时使用氢气的氢功率； 为i小时使用热功率； 小时为多能源供能设备能量交互损耗电功率。
5.根据权利要求1所述的一种含储氢装置的多能源系统提升能源利用率的方法，其特征在于所述步骤4的过程如下：
步骤4.1：初始当前解，根据约束条件给定典型日风力发电参数[Pw1 Pw2 … Pw24]、光伏发电参数[Pp1 Pp2 … Pp24]，并给定多能源容量配置参数
及多能源典型日负荷参数中电负荷[Pload,c1 Pload,c2 … Pload,c24]、氢负荷及热负荷[Pload,h1 Pload,h2 … Pload,h24]；
步骤4.2：采集多能源系统典型日的电负荷、氢负荷和热负荷在一天内的数值变化情况，产生聚合变化的负荷曲线；
步骤4.3：计算t时刻储氢功率 以
及释放氢功率 来调整储氢量，从
而控制能量流之间的转化损耗达到最小；
步骤4.4：根据储氢装置的储氢量对整个多能源系统消纳风电能力做出判断，达到电池替代的有效性，并满足电能消纳最大化；
步骤4.5：以天为单位，检测一天内弃电量 并根据能量转化最小量，
计算储氢转化电量
步骤4.6：根据日负荷运行收益情况通过式13计算出一年M的最大能源使用量情况：
式中：M为一年多能源供能系统的能源使用量； 为j天使用电功率； 为j天使用氢气的氢功率； 为j天使用热功率； 为j天为多能源供能设备能量交互损耗电功率。
6.根据权利要求1所述的一种含储氢装置的多能源系统提升能源利用率的方法，其特征在于所述步骤5的过程如下：
其中，M为一年的天数；N为一年内供暖天数；Pj,c为j天电功率使用量，γj,c为j天使用电功率的损耗效率； 为j天氢功率使用量， 为j天使用氢功率的损耗效率；Pj,h为j天热功率使用量，γj,h为j天使用热功率的损耗效率； 为转换功率损耗量，γj,sh为j天转换功率的损耗效率。
一种含储氢装置的多能源系统提升能源利用率的方法
技术领域
背景技术
发明内容
间间隔；
耗电功率。
及热负荷[Pload,h1 Pload,h2 … Pload,h24]；
从而控制能量流之间的转化损耗达到最小；
过式13计算出一年M的最大能源使用量情况。
具体实施方式
为5.48％；γj,h为1.15％；γj,sh为8.49％；一台风机为额定功率为2MW；典型日切入风速为3m/s，切出风速为25m/s，额定风速为7.5m/s，实际风速为9m/s；光伏电池板为2KW/m2，典型日实际光照强度为800w/m2，最大光照强度为1000w/m2，功率温度系数为0.08，实际温度为28℃，标准测试条件下的温度为25℃。 为每立方米氢气发出等值电量为，氢燃料电池
3 3
的进气量为1000m ，低热值为9.7m /KW·h。本实施例的典型日风力发电与光伏发电预测出力值如表1所示；
间隔；
从而控制能量流之间的转化损耗达到最小；
典型日最大用电量/MW.h 40.32 30.21
典型日最大用氢量/MW.h 19.90 0
典型日最大用热量/MW.h 21.34 18.67
典型日最小功率转换损耗量/MW.h 3.67 4.15
储能效率 95％ 50％
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于风光储联合发电系统的发用电一体化调度方法 | 2020-05-27 | 285 |
| 一种考虑电池自消耗的储能优化配置方法 | 2020-06-07 | 971 |
| 一种综合风电全年多季节特性的储能布点定容方法 | 2020-05-22 | 592 |
| 一种EMS能源管理调控系统及方法 | 2020-06-07 | 864 |
| 一种基于交通出行数据的人类出行选择信息挖掘方法 | 2020-05-15 | 583 |
| 一种含分布式和储能的分层分级控制策略 | 2020-07-13 | 425 |
| 一种牧场经营周期预测方法、系统和计算机可读存储介质 | 2020-07-03 | 403 |
| 基于损失最小的锅炉对流受热面智能吹灰闭环控制系统 | 2020-06-13 | 610 |
| 一种考虑风电的现货市场电价风险的控制方法及系统 | 2020-06-26 | 553 |
| 一种风电配合压缩空气储能容量优化方法及系统 | 2020-05-26 | 802 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
