一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法技术方案

本发明专利技术涉及一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，该方案包括燃料电池、蓄电池、光伏发电、储热单元及热泵等设备。首先，本发明专利技术基于时变马尔可夫模型对各不确定性变量进行随机特性建模；然后，本发明专利技术建立了住宅综合能源系统的运行模型，并基于该模型设计了以总燃料成本为目标、各类运行及安全条件为约束的最优经济日前调度问题；最后，本发明专利技术采用随机动态规划算法对该日前调度问题进行求解，实现多重不确定性下能量管理的优化调度。本发明专利技术可实现住宅综合能源系统的热电协同，有效应对多重不确定性，实现热电供需平衡，提高系统能量利用效率，降低燃料成本，促进住宅能源系统运行的可持续性。进住宅能源系统运行的可持续性。进住宅能源系统运行的可持续性。

A thermoelectric optimal day ahead scheduling method for residential integrated energy system considering multiple uncertainties

【技术实现步骤摘要】
一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法


[0001]本专利技术涉及一种调度方法，具体涉及含有燃料电池的可持续热电联产住宅系统优化调度
，特别是一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法。

技术介绍

[0002]近年来，燃料电池以其高效、灵活、污染小等优点越来越受到学术界和工业界的关注，逐渐成为实现碳中和目标的有效解决方案之一。然而，目前关于燃料电池的主要研究和应用集中在混合动力汽车中，而将其用于住宅系统热电优化的潜力仍有待进一步挖掘。目前，住宅供暖通常采用供暖锅炉，这种供暖方式效率低、碳排量大，无论是经济性还是环保性均不理想。相较于传统锅炉，氢能燃料电池在家居供暖方面有以下三大优势：首先，氢气可通过天然气催化重整制得，而天然气管道已广泛铺设在千家万户，因此无需额外铺设氢气管路；其次，低温燃料电池的余热温度与家居供暖所需的温度(55℃)匹配，从而可省去供暖管网的铺设并最大程度地降低热能损耗；最后，相较于传统热电联产系统如柴油机、内燃机等，氢能燃料电池运行噪声低、单体容量小，更适宜用于家用供暖。
[0003]尽管燃料电池在系统设计和基础设施方面都具有很好的兼容性，但热电联产和消耗之间的动态负荷不匹配已成为燃料电池在住宅系统中广泛应用的主要障碍。具体来说，燃料电池的自身特性决定了其供电与供热满足一定的热电比，但用户的热电需求则随时间、人员活动、天气情况等呈现不规律的状态。因此，为了保障热电供需的平衡与用户舒适度，具有储能作用的锂电池和储热单元对住宅系统热负荷和电负荷解耦是十分必要的。虽然许多以燃料电池/电池混合动力车辆为中心的研究模型和方法非常有效，通常以优化控制策略来提高燃料电池效率，但由于不同的运行要求和荷载形式，它们不能被直接应用于住宅系统。另一方面，传统的确定性算法，例如动态规划，只能对特定工况下的系统进行能量管理与效率优化，无法处理系统运行中的不确定性因素，如与用户活动相关的电热需求。因此，针对具有不确定性的热电联产应用场景的住宅系统模型及效率优化问题有待研究。

技术实现思路

[0004]本专利技术正是针对现有技术中存在的问题，提供一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，该方案基于跟调度有关的质子交换膜氢能燃料电池、光伏模块、空气源热泵、锂电池和具相变储能功能的储热单元设备建立能量调度模型，基于不确定性变量的随即特性模型，在优化模型描述后利用随机动态规划算法求解，在满足离网系统热电供需平衡的基础上，提高能量利用效率。
[0005]为了实现上述目的，本专利技术的技术方案如下，一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，所述方法如下：
[0006]步骤1：对住宅综合能源系统中与调度相关的各设备，建立基于设备特性的调度模
型，并优化调度模型描述，建立基于马尔可夫链的不确定性变量随机特性模型，
[0007]步骤2：基于所述调度模型及各设备出力约束特性，在考虑多重不确定性的情况下使用随机动态规划算法进行求解.。
[0008]热电联产住宅综合能源系统的主要设备包括质子交换膜氢能燃料电池、光伏模块、空气源热泵、锂电池和具有相变储能功能的储热单元，其他辅助设备包括能量控制器、管路、阀门、循环水泵以及电气设备。燃料电池与热泵所制热水均先存储在相变储能储热单元中，再从储热单元中取热量供给居住房屋的供暖与热水。采用母线制供电结构，燃料电池和光伏模块所发电、锂电池的充放电与热泵与用户的用电均连接至母线。
[0009]所述热电联产住宅综合能源系统中与调度相关的各设备包括：质子交换膜氢能燃料电池、热泵、锂电池和基于相变储能的储热单元；所述调度模型，包括与调度相关的主要设备模型，即质子交换膜氢能燃料电池、空气源热泵、锂电池和含相变储能的储热单元模型，具体包括：质子交换膜氢能燃料电池的供热量模型、锂电池的电量动态特性模型、储热单元储热程度模型以及热泵的耗功量模型；
[0010]所述优化调度模型描述包括以最小化运行燃料消耗量为目标的目标函数、安全约束以及初始条件，所述随机特性模型描述包括光伏发电出力、电负荷和热负荷的转移概率和概率分布，针对锂电池、储热单元工作在充、放或不工作三种状态，以及热泵工作在启、停两种状态，共18种状态下的情况进行设备的优化调度。
[0011]进一步地，步骤2中,所述不确定性变量随机性建模方法如下：
[0012]系统中的状态变量和随机变量可以分别表示为：
[0013][0014][0015]其中，状态变量和分别表示离散化的电池的荷电状态SOC、蓄热管储热状态HSD、电负荷功率、热负荷功率和光伏发电功率,由于随机变量的下一时刻状态仅与当前时刻状态有关，具有马尔可夫性，故以光伏模块为例，建立基于马尔可夫链的光伏发电出力随即特性模型,
[0016]离散的n
p
个光伏发电功率状态可以表示为：
[0017][0018]其中，为k时刻光伏发电的电功率，为峰值功率，为离散的功率状态。
[0019]时变的概率转移矩阵M
k
的定义为：
[0020][0021]其中，转移概率定义为表示在k时刻的状态为而k+1时刻为的概率，且M
k
满足：
[0022][0023]根据在k时刻的转移矩阵和概率分布p
k
，其在k+1时刻的概率分布可以表示为：
[0024]p
k+1
＝p
k
M
k
. (6)。
[0025]进一步地，所述调度模型建立方法如下：
[0026]质子交换膜氢能燃料电池模型由经验数据拟合所得，如式(7)所示：
[0027][0028]其中η
E
和η
T
分别为燃料电池的电效率和热效率，是燃料电池的发电量，下标“r”特指额定工况，则k时刻的燃料电池供热量由式(2)可得：
[0029][0030]燃料电池的氢耗可以表示为：
[0031][0032]其中是氢气的低位热值(LHV)；
[0033]光伏发电模块的输出功率可以表示为：
[0034][0035]其中η
PV
和η
inv
分别为光伏模块中光伏效率和转换器效率，I0为太阳辐照度，单位为瓦特每平方米(W/m2)，A
PV
表示有效光照面积。
[0036]进一步，锂电池的模型包括其输出功率其表达式为：
[0037][0038]其中n1和n2分别为电池阵列的行列数，则每个电池单元的电流可由式(12)可得：
[0039][0040]其中开环电压V
OC
和电池内阻R
b
可视为定值，则锂电池SOC的动态特性可表述为：
[0041][0042]其中Q
B
是锂电池容量，ΔT是步长；
[0043]含相变储能的储热单元模型模仿锂电池的SOC模型，定义储热单元储热程度HS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，所述方法如下：步骤1：对住宅综合能源系统中与调度相关的各设备，建立基于设备特性的调度模型，并优化调度模型描述，建立基于马尔可夫链的不确定性变量随机特性模型，步骤2：基于所述调度模型及各设备出力约束特性，在考虑多重不确定性的情况下使用随机动态规划算法进行求解。2.根据权利要求1所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，其中住宅综合能源系统中与调度相关的各设备包括：质子交换膜氢能燃料电池、热泵、光伏模块、锂电池以及基于相变储能的储热单元，其中燃料电池与热泵所制热水均先存储在所述储热单元中，再从所述储热单元中取热量供给居住房屋的供暖与热水；所述调度模型包括：质子交换膜氢能燃料电池的供热量模型、锂电池的电量动态特性模型、储热单元储热程度模型以及热泵的耗功量模型；其中，不确定性负荷包括：光伏发电出力、电负荷、热负荷；优化调度模型描述包括以最小化运行燃料消耗量为目标的目标函数、安全约束以及初始条件，所述随机特性模型包括光伏发电出力、电负荷和热负荷的转移概率和概率分布，针对锂电池、储热单元工作在充、放或不工作三种状态，以及热泵工作在启、停两种状态，共18种状态下的情况进行设备的优化调度；其中住宅综合能源系统采用母线制供电结构，燃料电池发电、光伏发电、锂电池的充放电、热泵与用户的用电均连接至母线；所述热泵采用空气源热泵，系统中热量来源为热泵供热、燃料电池余热及储热罐的蓄热。3.根据权利要求1所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，步骤2中,所述不确定性变量随机性建模方法如下：系统中的状态变量和随机变量可以分别表示为：系统中的状态变量和随机变量可以分别表示为：其中，状态变量和分别表示离散化的电池的荷电状态SOC、蓄热管储热状态HSD、电负荷功率、热负荷功率和光伏发电功率,由于随机变量的下一时刻状态仅与当前时刻状态有关，具有马尔可夫性，故以光伏模块为例，建立基于马尔可夫链的光伏发电出力随即特性模型,离散的n
p
个光伏发电功率状态表示为：
其中，为k时刻光伏发电的电功率，为峰值功率，为离散的功率状态；时变的概率转移矩阵M
k
的定义为：其中，转移概率定义为表示在k时刻的状态为而k+1时刻为的概率，且M
k
满足：根据在k时刻的转移矩阵和概率分布p
k
，其在k+1时刻的概率分布可以表示为：p
k+1
＝p
k
M
k
.
ꢀꢀꢀ
(6)。4.根据权利要求2所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，所述调度模型建立方法如下：质子交换膜氢能燃料电池模型由经验数据拟合所得，如式(7)所示：其中η
E
和η
T
分别为燃料电池的电效率和热效率，是燃料电池的发电量，下标“r”特指额定工况，则k时刻的燃料电池供热量由式(1)可得：燃料电池的氢耗可以表示为：其中是氢气的低位热值(LHV)；光伏发电模块的输出功率可以表示为：
其中η
PV
和η
inv
分别为光伏模块中光伏效率和转换器效率，I0为太阳辐照度，单位为瓦特每平方米(W/m2)，A
PV
...

【专利技术属性】
技术研发人员：孙立，王显连，苏志刚，郝勇生，
申请(专利权)人：东南大学，
类型：发明
国别省市：