一种电-氢混合储能系统配置方法及装置制造方法及图纸

本发明专利技术涉及混合储能系统技术领域，尤其涉及一种电

【技术实现步骤摘要】
一种电
‑
氢混合储能系统配置方法及装置


[0001]本专利技术涉及混合储能系统
，尤其涉及一种电
‑
氢混合储能系统配置方法及装置。

技术介绍

[0002]随着储能技术的不断发展和提高，不同类型的储能系统的结合使用逐渐成为研究人员的研究热点，如混合电池储能系统和氢储能系统的电
‑
氢混合储能系统。
[0003]电
‑
氢混合储能系统是通过使用电池储能装置和氢储能装置来存储电能。当氢储能系统的成本固定时，通过合理配置储氢装置的容量避免由于电池储能系统容量限制导致的储能系统难以灵活并网问题。但是，氢储能系统的能量转换率相比较于电池储能系统要低，而且成本会比较高，因此，如何合理配置电
‑
氢混合储能系统以减小电
‑
氢混合储能系统的成本，同时减小功率波动和能量损失，成为亟待解决的问题。

技术实现思路

[0004]本专利技术提供了一种电
‑
氢混合储能系统配置方法及装置，用于降低配电网中配置电
‑
氢混合储能系统的成本，并改善系统中存在功率损耗、负荷波动和和电压波动的问题。
[0005]本专利技术提供的一种电
‑
氢混合储能系统配置方法，包括：
[0006]构建电
‑
氢混合储能系统的多目标优化模型，所述多目标优化模型以所述电
‑
氢混合储能系统的全生命周期损耗、功率损耗、负荷波动和电压波动均最小作为目标函数；
[0007]采用政治优化算法迭代计算所述多目标优化模型的帕累托解集，直到满足迭代终止条件，输出最优帕累托解集；
[0008]采用熵权法的灰靶决策方法计算所述最优帕累托解集的最优折衷解，得到所述电
‑
氢混合储能系统的最优配置方案，所述最优配置方案包括最优的安装节点、配置容量和配置功率。
[0009]可选地，所述构建电
‑
氢混合储能系统的多目标优化模型包括：
[0010]获取配电网参数，并根据获取的配电网参数构建以全生命周期损耗、功率损耗、负荷波动和电压波动均为最小的目标函数；
[0011]所述目标函数包括：
[0012][0013]式中，f(x)为目标函数；f1为全生命周期损耗成本、f2为功率损耗、f3为电压波动、f4为负荷波动；x为决策变量；h(x)为约束条件，其中，所述决策变量包括电
‑
氢混合储能系统的安装节点、配置容量和配置功率；所述约束条件包括节点功率平衡约束、节点电压约束、并网点功率约束、电
‑
氢混合系统容量与功率约束、电池储能系统充放电约束、氢气储能系统的充放电约束；
[0014]所述全生命周期损耗成本包括：
[0015][0016][0017][0018][0019][0020][0021][0022][0023][0024][0025][0026]其中，Q
BESSs
为电池储能系统的全生命周期损耗成本，Q
HESSs
为氢气储能系统的全生命周期损耗成本；T
B
为电池储能系统的投资成本，T
H
为氢气储能系统的投资成本；W
B
为电池储能系统的维护成本，W
H
为氢气储能系统的维护成本；Y
B
为电池储能系统的运行成本，Y
H
为氢气储能系统的运行成本；G
B
为电池储能系统，G
H
为氢气储能系统的更换成本；C
B
为电池储能系统的处置和回收成本，C
H
为氢气储能系统的处置和回收成本；μ
CRF,B
表示资本回收系数；N
BESS
表示配电网中电池储能系统的安装数量；c
battery
为单个电池的成本；c
EPCD,B
表示电池储能系统的工程、采购和建设成本和开发商成本；I
sub
是政府补贴；E
BESS,i
是第i台电池储能系统的容量；c
FMC,B
表示单台电池储能系统的年固定维护成本；P
BESS,i
是第i台电池储能系统的功率；T为24小时；c
pu
(t)和c
sel
(t)分别为购售电价；P
ch,Bi
(t)和P
dis,Bi
(t)分别为第i台电池储能系统的充放电功率；n
B
和t分别为电池的寿命和更换次数；α为电池的年成本损耗率；r表示按加权平均资金成本计算的贴现率；γ
B
是电池储能系统的回收效益；c
FC
和c
E
分别为燃料电池和电解槽的成本；c
HT
和Q
HT,i
为储氢罐的成本和容量；P
HESS,i
是第i台氢气储能系统的功率大小；C
EPCD,H
表示氢气储能系统的EPC成本；c
FC
和c
E
分别为燃料电池和电解槽的成本；c
FMC,H
表示燃料电池每年的维护成本；P
HESS,i
为第i台氢气储能系统的功率；P
ch,Hi
和P
dis,Hi
表示第i台氢气储能系统的充放电功率；Q
H,i
表示氢气储能系统一天内的氢气总产量；q
H
为每千瓦时电的氢产量；表示每千克氢气产生的的利润；p
H
为每千克氢气的发电量；μ和v为送氢量与发电量的比值；n
H
为HESSs的更换次数；β为氢气储能系统的年成本损耗率；γ
H
为燃料电池的回收效益；
[0027]所述功率损耗包括：
[0028][0029]L为电
‑
氢混合系统的联络线总数；R
j
表示第j条联络线上的电阻；t表示时刻，I
j
为第j条联络线上的电流；
[0030]所述负荷波动包括：
[0031][0032]其中，P
load
，P
pv
(t)和P
wind
分别为t时段内的电
‑
氢混合系统负荷，光伏以及风电出力；
[0033]所述电压波动包括：
[0034][0035]式中，N
nodes
为系统总节点数；V
j
为j节点的电压；为j节点在T时段内的平均电压；
[0036]所述节点功率平衡约束为：
[0037][0038]式中，P
i
(t)为t时刻节点i注入的有功功率；Q
i
(t)为t时刻节点i注入的无功功率；θ
ij
(t)为t时刻节点i与j之间的电压相角本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电
‑
氢混合储能系统配置方法，其特征在于，包括：构建电
‑
氢混合储能系统的多目标优化模型，所述多目标优化模型以所述电
‑
氢混合储能系统的全生命周期损耗、功率损耗、负荷波动和电压波动均最小作为目标函数；采用政治优化算法迭代计算所述多目标优化模型的帕累托解集，直到满足迭代终止条件，输出最优帕累托解集；采用熵权法的灰靶决策方法计算所述最优帕累托解集的最优折衷解，得到所述电
‑
氢混合储能系统的最优配置方案，所述最优配置方案包括最优的安装节点、配置容量和配置功率。2.根据权利要求1所述的方法，其特征在于，所述构建电
‑
氢混合储能系统的多目标优化模型包括：获取配电网参数，并根据获取的配电网参数构建以全生命周期损耗、功率损耗、负荷波动和电压波动均为最小的目标函数；所述目标函数包括：式中，f(x)为目标函数；f1为全生命周期损耗成本、f2为功率损耗、f3为电压波动、f4为负荷波动；x为决策变量；h(x)为约束条件，其中，所述决策变量包括电
‑
氢混合储能系统的安装节点、配置容量和配置功率；所述约束条件包括节点功率平衡约束、节点电压约束、并网点功率约束、电
‑
氢混合系统容量与功率约束、电池储能系统充放电约束、氢气储能系统的充放电约束；所述全生命周期损耗成本包括：所述全生命周期损耗成本包括：所述全生命周期损耗成本包括：所述全生命周期损耗成本包括：所述全生命周期损耗成本包括：
其中，Q
BESSs
为电池储能系统的全生命周期损耗成本，Q
HESSs
为氢气储能系统的全生命周期损耗成本；T
B
为电池储能系统的投资成本，T
H
为氢气储能系统的投资成本；W
B
为电池储能系统的维护成本，W
H
为氢气储能系统的维护成本；Y
B
为电池储能系统的运行成本，Y
H
为氢气储能系统的运行成本；G
B
为电池储能系统，G
H
为氢气储能系统的更换成本；C
B
为电池储能系统的处置和回收成本，C
H
为氢气储能系统的处置和回收成本；μ
CRF,B
表示资本回收系数；N
BESS
表示配电网中电池储能系统的安装数量；c
battery
为单个电池的成本；c
EPCD,B
表示电池储能系统的工程、采购和建设成本和开发商成本；I
sub
是政府补贴；E
BESS,i
是第i台电池储能系统的容量；c
FMC,B
表示单台电池储能系统的年固定维护成本；P
BESS,i
是第i台电池储能系统的功率；T为24小时；c
pu
(t)和c
sel
(t)分别为购售电价；P
ch,Bi
(t)和P
dis,Bi
(t)分别为第i台电池储能系统的充放电功率；n
B
和t分别为电池的寿命和更换次数；α为电池的年成本损耗率；r表示按加权平均资金成本计算的贴现率；γ
B
是电池储能系统的回收效益；c
FC
和c
E
分别为燃料电池和电解槽的成本；c
HT
和Q
HT,i
为储氢罐的成本和容量；P
HESS,i
是第i台氢气储能系统的功率大小；C
EPCD,H
表示氢气储能系统的EPC成本；c
FC
和c
E
分别为燃料电池和电解槽的成本；c
FMC,H
表示燃料电池每年的维护成本；P
HESS,i
为第i台氢气储能系统的功率；P
ch,Hi
和P
dis,Hi
表示第i台氢气储能系统的充放电功率；Q
H,i
表示氢气储能系统一天内的氢气总产量；q
H
为每千瓦时电的氢产量；表示每千克氢气产生的的利润；p
H
为每千克氢气的发电量；μ和v为送氢量与发
电量的比值；n
H
为HESSs的更换次数；β为氢气储能系统的年成本损耗率；γ
H
为燃料电池的回收效益；所述功率损耗包括：L为电
‑
氢混合系统的联络线总数；R
j
表示第j条联络线上的电阻；t表示时刻，I
j
为第j条联络线上的电流；所述负荷波动包括：其中，P
load
，P
pv
(t)和P
wind
分别为t时段内的电
‑
氢混合系统负荷，光伏以及风电出力；所述电压波动包括：式中，N
nodes
为系统总节点数；V
j
为j节点的电压；为j节点在T时段内的平均电压；所述节点功率平衡约束为：式中，P
i
(t)为t时刻节点i注入的有功功率；Q
i
(t)为t时刻节点i注入的无功功率；θ
ij
(t)为t时刻节点i与j之间的电压相角差；V
i
(t)和V
j
(t)分别表示t时段节点i和节点j的电压；G
ij
和B
ij
分别为节点i与j之间的线路电导和电纳；所述节点电压约束为：V
imin
＜V
i
＜V
imax
式中，V
imin
和V
imax
分别为节点i的电压上下限；所述并网点功率约束为：式中，和分别为并网点有功和无功功率的下限和上限；所述电
‑
氢混合系统容量与功率约束为：
式中，和为电池储能系统的容量上下限；与为电池储能系统的功率上下限；和为氢气储能系统的容量上下限；与为氢气储能系统的功率上下限；所述电池储能系统的充放电约束为：式中，η
ch_B
和η
dis_B
分别为电池储能系统的充电效率和放电效率；所述氢气储能系统的充放电约束为：0≤P
ch,Hi
(t)≤P
HESS,i
·
η
ch_H
‑
P
HESS,i
·
η
dis_H
≤P
dis,Hi
(t)≤0式中，η
ch_H
和η
dis_H
分别为氢气储能系统的充放电效率。3.根据权利要求2所述的方法，其特征在于，所述根据政治优化算法迭代计算所述多目标优化模型的帕累托解集，直到满足迭代终止条件，得到最优帕累托解集包括：S1：根据所获取的配电网参数以及所述目标函数，初始化算法参数，并将所述算法参数存储于存储池中；所述算法参数包括种群的成员和种群的适应度函数；所述成员代表一组电
‑
氢储能系统的安装节点、配置容量和配置功率；S2：依次对所述种群进行竞选活动、政党间交换、选举和议会事务的操作，更新所述存储池中的成员以及成员的适应度，并选取适应度最高的成员为所述帕累托解集；S3：比较所述帕累托解集与所述存储池的帕累托解集，根据比较结果替换所述帕累托解集中的支配解；S4：迭代S2
‑
S3，直到迭代次数达到预设的迭代次数阈值，输出最优帕累托解集。4.根据权利要求3所述的方法，其特征在于，所述根据熵权法的灰靶决策方法计算所述最优帕累托解集的最优折衷解，得到电
‑
氢混合储能系统的最优配置方案，包括：根据所述最优帕累托解集和所述目标函数建立样本矩阵；对所述样本矩阵进行无量纲化得到算子；根据所述算子和所述样本矩阵构建决策矩阵，并确定所述决策矩阵的靶心；计算所述决策样本矩阵中各个解与所述靶心的第一欧氏距离，以所述第一欧氏距离最短对应的解作为最优折衷解，得到所述电
‑
氢混合储能系统的最优配置方案。5.根据权利要求4所述的方法，其特征在于，所述根据所述最优帕累托解集和所述目标函数构建样本矩阵，包括：获取所述最优帕累托解集的非支配解，归一化所述非支配解对应的目标函数；计算所述最优帕累托解集中各个解与理想点的第二欧氏距离；根据归一化后的目标函数和所述第二欧氏距离建立样...

【专利技术属性】
技术研发人员：卓映君，卢斯煜，周保荣，邹金，王嘉阳，谢平平，
申请(专利权)人：中国南方电网有限责任公司，
类型：发明
国别省市：