基于氢能与储能设备的多能源系统的运行优化方法和装置制造方法及图纸

本发明专利技术公开了基于氢能与储能设备的多能源系统的运行优化方法和装置，该系统由燃料电池、电解槽、吸收式制冷机、余热回收装置、光伏发电系统、太阳能热水器、风力发电机组、储氢罐、压缩机、热水罐与冷水罐组成。该方法采用情景树方法以解决随机性问题，根据风力、太阳辐射强度、电需求、冷需求、热需求的预测值及偏差，建立风力发电、光伏发电、太阳能产热、用户电冷热需求的预期场景，以在所有情景下平均运行成本最小为目标，对系统进行混合整数线性优化，以研究系统的运行策略。在该优化问题中，保持燃料电池以及吸收式制冷机在所有情景下的运行策略相同，而令电解槽、储氢罐、热水罐与冷水罐在不同情境下的运行策略可变，以达到消纳可再生能源的目的。

Operation optimization method and device of multi energy system based on hydrogen energy and energy storage equipment

【技术实现步骤摘要】
基于氢能与储能设备的多能源系统的运行优化方法和装置
本专利技术属于多能源系统
，具体涉及基于氢能与储能设备的多能源系统的运行优化方法和装置。
技术介绍
人类历史上每一次能源利用的里程碑式发展，都会开启一个新的时代。从木柴到煤炭再到石油，人类文明也随之飞速进步，同时也越来越离不开能源。而目前煤炭和石油等石化能源正面临着枯竭，碳排放带来的环境问题和全球气候变暖正在不断吞噬人类的生存环境，人类文明又将面临一个重大的转折。未来能源的选择，高效、清洁、可持续是要素，其中高效是必要条件。高效就意味着能量密度高，寻踪能源发展史不难发现每次能源的更迭都是在向更高的能量密度发展。氢气是常见燃料中热值最高的，约是石油的三倍，煤炭的5倍。同时氢气的供能方式主要是和氧气反应生成水释放化学能，其产物除了水无其他中间产物，整个功能过程无浪费、零污染，供能过程非常清洁。此外，氢元素是宇宙储量最丰富的，大储量保证其作为能源供给的可持续性。因此高效、清洁、可持续的氢能被视为21世纪最具发展潜力的清洁能源，并且将极大概率的成为人类的终极能源。燃料电池与普通电池一样，将化学能转化成电能。但与普通电池不同，它借助燃料和氧化剂可以持续产生直流电。因此，燃料电池并非储能电池，而是一个小型“发电厂”。燃料电池是是一种不经过燃烧过程直接以电化学反应方式将燃料如氢气、天然气等和氧化剂中的化学能直接转化为电能的高效发电装置。燃料电池可以持续发电，且生成物主要是水，基本上不排放有害气体，因此更加清洁环保。目前燃料电池的运用主要有便携式领域、固定式领域和汽车三个方面。便携式燃料电池是可随身携带的发电装置，这种装置可以内嵌在设备中，也可以作为移动电源携带，与目前电子设备中所用的电池具有相似的功能，但能够提供的能量范围更广。而固定式燃料电池则不可移动，与发电站或发电机功能类似。这种燃料电池可以采用各种燃料电池技术，并且可以提供的能量范围更广。固定电源应用是氢能应用目前最大的市场，它包括所有的在固定的位置运行的作为主电源、备用电源或者热电联产的燃料电池，比如分布式发电及余热供热等。固定燃料电池被用于商业、工业及住宅主要和备份能发电，它还可以作为动力源可以安装在片源远位置，如航天器、远端气象站、大型公园及游乐园、通讯中心、农村及偏远地带，对于一些科学研究站和某些军事应用非常重要。固定电源应用在燃料电池主流应用中占比最大，其中美国市场目渗透率略高，大型企业的数据中心使用量呈较明显的上升趋势。除用于发电之外，热电联产燃料电池系统还可以同时为工业或家庭供电和供热，其中日本已经将热电联产的家用燃料电池系统推广进千家万户。自2009年上市以来，到2016年底已累计销售19.6万台。市场销售目标到2020年达到140万台，2030年达到530万台。当前，可再生能源，诸如太阳能、风能的利用已日趋普遍，但在可再生能源的利用中，由于天气状况的不确定性，以及用户需求的不确定性，“弃风”、“弃光”现象十分严重。以风电为例，中国风电装机装机容量居世界首位。与此同时，全年弃风电量增长迅速，平均弃风率目前达到21％，弃风限电向常态化、恶性化发展。该方案希望通过研究一个基于氢能与多种储能设备的分布式多能源系统的最优运行策略，结合可再生能源，在满足用户电、热、冷需求的同时，最小化运行成本，并通过含氢在内的多种储能设备消纳可再生能源的不确定性。
技术实现思路
为了解决上述问题，本专利技术提供了基于氢能与储能设备的多能源系统的运行优化方法和装置，能够满足用户的电、冷、热需求及其随机性，消纳可再生能源的不确定性，提高系统效率并达到最小的运行成本。为达到上述目的，本专利技术采用如下技术方案：基于氢能与储能设备的多能源系统的运行优化方法，包括以下步骤：S1、收集当前天气数据及用户需求数据，并给出需求负载及天气的预测数据，其中天气数据包括太阳辐射强度、风速以及风向，用户需求数据包括用户电需求、冷需求和热需求；S2、根据S1预测出的需求负载和天气数据对氢能与储能设备的多能源系统进行优化，得到氢能与储能设备的多能源系统中各设备的最优运行策略集；S3、根据S2得到的最优运行策略集对所述基于氢能与储能设备的多能源系统的运行进行控制；其中，得到氢能与储能设备的多能源系统中各设备的最优运行策略集的过程包括以下步骤：S201、构建基于氢能的多能源系统的数学模型，其中包括电解槽数学模型、储氢罐数学模型、压缩机数学模型、燃料电池数学模型、余热回收装置数学模型、吸收式制冷机数学模型、热水罐数学模型以及冷水罐数学模型；S202、确定目标函数及约束条件，目标函数使得该系统运行成本最小；S203、构建样本参数集，样本参数集包括一个需求负载样本，一个天气数据样本，价格参数与系统中各个设备的参数；S204、生成情景树并约简，得到最终的情景树；S205、基于S203构建的样本参数集与S204得到的情景树，对S201构建的数学模型和S202确定的约束条件，采用混合整数优化方法对目标函数求解，获得最优运行策略集Ω。进一步的，步骤202中的目标函数为：其中，S为情景总数，下标s为第s个情景，T为调度周期，下标t为第t个时段，πs为第s个情景的概率，分别为第s个情景下第t个时段的电力成本与氢成本，为第s个情景下第t个时段的买电功率，分别为第s个情景下第t个时段的卖电功率，为分时电价，λU为售电价格，为第s个情景下第t个时段的买氢量，λB为从市场中买入氢的价格。进一步的，约束条件包括电网交互约束条件、购氢约束条件、电平衡约束条件、氢平衡约束条件、热平衡约束条件和冷平衡约束条件。进一步的，需求负载样本包括各时段用户电、冷和热需求，天气数据样本包括各个时段的太阳辐射强度、风速以及风向，价格参数包括分时电价、上网电价与氢价，设备参数包括于氢能与储能设备的多能源系统中设备的容量、额定功率和能效比。进一步的，S204包括以下步骤：S2041、根据天气数据样本与用户需求的预测值，按照给定的标准差生成S个情景；S2042、计算所有情景两两之间随机变量的欧氏距离；S2043、将欧氏距离最小的一对情景中的任意一个情景删除，并将被删除场景的概率加给与之欧氏距离最小的场景，将删除的场景的概率变为零；S2044、重复执行步骤1043J-1次，J＝(0.8～0.99)S，得到含有S-J个情景的情景树。进一步的，S2041中，每个情景随机变量自由度为5，即太阳辐射强度、风速以及风向、用户电需求、冷需求和热需求。进一步的，S2041中，每个情景均遵循正态分布，每个正态分布的均值为其预测值，标准差为X。进一步的，最优运行策略集包括电解槽运行策略、储氢罐运行策略、燃料电池运行策略、吸收式制冷机运行策略、热水罐运行策略、冷水罐运行策略。一种基于氢能与储能设备的多能源系统的运行优化装置，包括信息感知分析模块、优化计算模块与中央控制器模块；信息感知分析模块收集当前天气及用户需求数据，并作出分析及预测，将预测的需求负载及天气数据输送到优化计算模块；优化计算模块用于根据需求负载及天气数据得到多能源系统中各设备的最优运行策略集，并将该最优运行策略集输送到中央控制器；，中央控制器模块通过数据线与多能源系统中各设备相连，控制各设备的开关机与运行状态。进一步的，优化计算模块包括初始化模块、样本构本文档来自技高网...

【技术保护点】
1.基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，包括以下步骤：S1、收集当前天气数据及用户需求数据，并给出需求负载及天气的预测数据，其中天气的预测数据包括太阳辐射强度、风速以及风向，用户需求数据包括用户电需求、冷需求和热需求；S2、根据S1预测出的需求负载和天气数据对氢能与储能设备的多能源系统的运行进行优化，得到氢能与储能设备的多能源系统中各设备的最优运行策略集；S3、根据S2得到的最优运行策略集对所述基于氢能与储能设备的多能源系统的运行进行控制；其中，得到氢能与储能设备的多能源系统中各设备的最优运行策略集的过程包括以下步骤：S201、构建基于氢能的多能源系统的数学模型，其中包括电解槽数学模型、储氢罐数学模型、压缩机数学模型、燃料电池数学模型、余热回收装置数学模型、吸收式制冷机数学模型、热水罐数学模型以及冷水罐数学模型；S202、确定目标函数及约束条件，目标函数使得该系统运行成本最小；S203、构建样本参数集，所述样本参数集包括一个需求负载样本，一个天气数据样本，价格参数与系统中各个设备的参数；S204、生成情景树并约简，得到最终的情景树；S205、基于S203构建的样本参数集与S204得到的情景树，对S201构建的数学模型和S202确定的约束条件，采用混合整数优化方法对所述目标函数求解，获得最优运行策略集Ω。...

【技术特征摘要】
1.基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，包括以下步骤：S1、收集当前天气数据及用户需求数据，并给出需求负载及天气的预测数据，其中天气的预测数据包括太阳辐射强度、风速以及风向，用户需求数据包括用户电需求、冷需求和热需求；S2、根据S1预测出的需求负载和天气数据对氢能与储能设备的多能源系统的运行进行优化，得到氢能与储能设备的多能源系统中各设备的最优运行策略集；S3、根据S2得到的最优运行策略集对所述基于氢能与储能设备的多能源系统的运行进行控制；其中，得到氢能与储能设备的多能源系统中各设备的最优运行策略集的过程包括以下步骤：S201、构建基于氢能的多能源系统的数学模型，其中包括电解槽数学模型、储氢罐数学模型、压缩机数学模型、燃料电池数学模型、余热回收装置数学模型、吸收式制冷机数学模型、热水罐数学模型以及冷水罐数学模型；S202、确定目标函数及约束条件，目标函数使得该系统运行成本最小；S203、构建样本参数集，所述样本参数集包括一个需求负载样本，一个天气数据样本，价格参数与系统中各个设备的参数；S204、生成情景树并约简，得到最终的情景树；S205、基于S203构建的样本参数集与S204得到的情景树，对S201构建的数学模型和S202确定的约束条件，采用混合整数优化方法对所述目标函数求解，获得最优运行策略集Ω。2.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S202中的目标函数为：其中，S为情景总数，下标s为第s个情景，T为调度周期，下标t为第t个时段，πs为第s个情景的概率，分别为第s个情景下第t个时段的电力成本与氢成本，为第s个情景下第t个时段的买电功率，分别为第s个情景下第t个时段的卖电功率，为分时电价，λU为售电价格，为第s个情景下第t个时段的买氢量，λB为从市场中买入氢的价格。3.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S202中的约束条件包括电网交互约束条件、购氢约束条件、电平衡约束条件、氢平衡约束条件、热平衡约束条件和冷平衡约束条件。4.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S203中，所述需求负载样本包括各时段用户电、冷和热需求，所述天气数据样本包括各个时段的太阳辐射强度、风速以及风向，所述价格参数包括分时电价、上网电价与氢价，所述设备参数包括于氢能与储能设备的多能源系统中设备的容量、额定功率和能效比。5.根据权利要求1所述的基于氢能与储能设备的多能源系统的运行优化方法，其特征在于，S20...

【专利技术属性】
技术研发人员：徐占伯，董翔翔，吴江，管晓宏，王超，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61