一种基于模拟退火算法的风光储制氢系统日前调度方法技术方案

本发明专利技术属于新能源储制氢优化调度技术领域，特别涉及一种基于模拟退火算法的风光储制氢系统日前调度方法。该方法具体步骤为：根据电网峰谷分时电价政策、负荷端氢气需求和新能源发电的间歇性，建立以系统日前运行成本最低的制氢系统日前处理模型；利用自适应模拟退火粒子群算法求解制氢系统日前处理模型，得到风光储制氢系统日前优化调度方法；根据得到的风光储制氢系统日前优化调度方法，对风光储制氢系统各时段蓄电池出力功率、电网购电功率和电解槽运行功率进行设定，从而实现对风光储制氢系统进行调度。本发明专利技术利用模拟退火算法的变异特性对传统PSO算法进行了改进，进而求解制氢系统日前处理模型，从而得到日运行成本最低的制氢系统日前调度方案。制氢系统日前调度方案。制氢系统日前调度方案。

【技术实现步骤摘要】
一种基于模拟退火算法的风光储制氢系统日前调度方法


[0001]本专利技术属于新能源储制氢优化调度
，特别涉及一种基于模拟退火算法的风光储制氢系统日前调度方法。

技术介绍

[0002]常规能源的污染问题和能源枯竭问题促进了光伏、风电等新能源发电技术的大力发展，但风电、光伏等新能源的随机性和波动性使得其在电力生产中的份额较小。新能源大规模电解制氢可有效防止能源弃用造成的经济损失和绿色资源闲置。电解水制氢技术是大规模新能源制氢中的核心技术。现有风光氢储系统主要由风力发电机组、太阳能光伏电池组、控制/转化单元、储能装置、逆变器、电解槽等部分组成。具体流程为来自光伏阵列和风力发电机组的直流电源通过控制器将多余的能量储存到储能装置中，然后经由逆变器转换成交流电，用于电解水制氢。电能通过电解水制氢设备转化成氢气，将氢气输送至氢气应用终端或经燃料电池并入电网中，完成从可再生能源到氢能的转化。
[0003]国内外学者对电解水设备效率提升和优化风光储制氢系统调度方法做了大量研究，优化调度的研究主要有风光储制氢系统结构的优化和优化算法的改进两个方面，优化算法的改进大部分是对收敛速度和精度的优化。粒子群优化算法(PSO)用在风光储制氢系统的优化调度上取得了很好的效果。用一种粒子来模拟鸟类个体，每个粒子可视为N维搜索空间中的一个搜索个体，粒子的当前位置即为对应优化问题的一个候选解，粒子的飞行过程即为该个体的搜索过程。粒子的飞行速度可根据粒子历史最优位置和种群历史最优位置进行动态调整。粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子单独搜寻的最优解叫做个体极值，粒子群中最优的个体极值作为当前全局最优解。不断迭代，更新速度和位置，最终得到满足终止条件的最优解。PSO算法应用于风光储制氢系统的优化调度中效果不错，但利用传统的粒子群算法求解模型时，迭代计算过程中会陷入局部最优解，无法得到全局最优解。

技术实现思路

[0004]针对上述问题，本专利技术的目的是提供一种基于模拟退火算法的风光储制氢系统日前调度方法，建立了以系统日前运行成本最低的制氢系统日前处理模型，利用模拟退火算法的变异特性对传统PSO算法进行了改进，利用改进的自适应模拟退火粒子群算法进行求解，从而得到日运行成本最低的制氢系统日前调度方案。
[0005]本专利技术的技术方案在于：一种基于模拟退火算法的风光储制氢系统日前调度方法，包括以下步骤：
[0006]S1：根据碱性电解槽使用成本、系统向电网购电的电价、蓄电池装置单位电量的维护成本和压缩机的运行成本，建立以系统日前运行成本最低的制氢系统日前处理模型；
[0007]S2：利用自适应模拟退火粒子群算法求解制氢系统日前处理模型，得到风光储制氢系统日前优化调度方法；
[0008]S3：根据S2中得到的风光储制氢系统日前优化调度方法，对风光储制氢系统各时段蓄电池出力功率、电网购电功率和电解槽运行功率进行设定，从而实现对风光储制氢系统进行调度。
[0009]所述步骤S1中，以系统日前运行成本最低的风光储制氢系统日前处理模型建立过程包括如下步骤：
[0010]S11：建立目标函数，系统日前运行成本C
day
采用如下公式来表征：
[0011][0012]式中：C
day
为系统日前运行成本，元；C
ele
为碱性电解槽使用成本，元/(kW
·
h)；为电解槽在时段t的运行功率，kW；C
grid
为系统向电网购电的电价，元/(kW
·
h)；为向电网购电时的交互功率，kW；C
sto
为蓄电池装置单位电量的维护成本，元/(kW
·
h)；为蓄电池的实际出力，kW；C
com
为压缩机的运行成本，元/(N
·
m
3)
；为在时段t待压缩氢气量，N
·
m3；Δt为时间间隔，1h；
[0013]S12：获取约束条件，具体包括：
[0014]S121：系统功率平衡约束：
[0015][0016]式中:为可再生能源出力，即风光互补发电在t时段的最大出力功率，kW；为蓄电池的充/放电功率，其中蓄电池放电功率为正值，充电功率为负值，kW；
[0017]S122：蓄电池储能系统约束：
[0018]蓄电池的容量与上一时段的容量和上一时段内的充放电功率和自放电量有关，蓄电池t时段的荷电状态为：
[0019][0020]式中：为蓄电池t时段的荷电状态；σ为蓄电池的自放电率；η
c
为蓄电池充/放电效率；E
bat
为蓄电池总容量，kW
·
h；
[0021]S123：电网交互功率约束：
[0022][0023]式中：和分别为系统从电网购电最小功率和最大功率，kW；
[0024]S124：电解槽运行功率约束：
[0025][0026]式中：和分别为碱性电解槽生产状态时的最小运行功率和最大运行功率，kW，
[0027]S125：氢气生产约束
[0028][0029]式中：为t时段系统的储氢余量，Nm3；为t时段碱性电解槽制氢速率，Nm3/h；为t时段需求侧氢气负荷，Nm3；为日前运行计划末尾时段系统的氢气余量，Nm3。
[0030]所述步骤S122中蓄电池储能系统约束，蓄电池除了满足容量变化约束外，还需要满足蓄电池安全约束，包括充放电功率上下限约束、容量上下限约束和蓄电池日内容量始末相等约束，具体如下：
[0031]蓄电池充放电功率上下限约束为：
[0032][0033]式中：和分别为蓄电池充电功率限值和放电功率限值，kW；
[0034]蓄电池荷电状态上下限约束为：
[0035][0036]式中：和分别为蓄电池最小荷电状态值和最大荷电状态值；
[0037]蓄电池日内容量始末相等约束为：
[0038][0039]式中：和分别为蓄电池在调度起始时段和末尾时段的荷电状态。
[0040]所述步骤S2中，所述自适应模拟退火粒子群算法采用如下速度更新公式：
[0041][0042][0043]式中：和分别代表第i个粒子第k次迭代时的速度和位置；r1和r2为随机数；p
ibest
为第i个粒子的个体最优位置；G
best
为种群最佳位置。
[0044]所述步骤S2中利用自适应模拟退火粒子群算法求解制氢系统日前处理模型求解过程如下：
[0045]S21:设定退火粒子群的种群大小、迭代次数、搜索空间维度；
[0046]S22:初始化退火粒子群种群参数；
[0047]S23:确定罚函数和约束条件；
[0048]S24:计算所有粒子的适应度值；
[0049]S25:解出小于目标函数平均值的粒子；
[0050]S26:计算粒子速度，选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模拟退火算法的风光储制氢系统日前调度方法，其特征在于：包括以下步骤：S1：根据碱性电解槽使用成本、系统向电网购电的电价、蓄电池装置单位电量的维护成本和压缩机的运行成本，建立以系统日前运行成本最低的制氢系统日前处理模型；S2：利用自适应模拟退火粒子群算法求解制氢系统日前处理模型，得到风光储制氢系统日前优化调度方法；S3：根据S2中得到的风光储制氢系统日前优化调度方法，对风光储制氢系统各时段蓄电池出力功率、电网购电功率和电解槽运行功率进行设定，从而实现对风光储制氢系统进行调度。2.根据权利要求1所述一种基于模拟退火算法的风光储制氢系统日前调度方法，其特征在于：所述步骤S1中，以系统日前运行成本最低的风光储制氢系统日前处理模型建立过程包括如下步骤：S11：建立目标函数，系统日前运行成本C
day
采用如下公式来表征：式中：C
day
为系统日前运行成本，元；C
ele
为碱性电解槽使用成本，元/(kW
·
h)；为电解槽在时段t的运行功率，kW；C
grid
为系统向电网购电的电价，元/(kW
·
h)；为向电网购电时的交互功率，kW；C
st
o为蓄电池装置单位电量的维护成本，元/(kW
·
h)；为蓄电池的实际出力，kW；C
c
o
m
为压缩机的运行成本，元/(N
·
m
3)
；为在时段t待压缩氢气量，N
·
m3；Δt为时间间隔，1h；S12：获取约束条件，具体包括：S121：系统功率平衡约束：式中:为可再生能源出力，即风光互补发电在t时段的最大出力功率，kW；为蓄电池的充/放电功率，其中蓄电池放电功率为正值，充电功率为负值，kW；S122：蓄电池储能系统约束：蓄电池的容量与上一时段的容量和上一时段内的充放电功率和自放电量有关，蓄电池t时段的荷电状态为：式中：为蓄电池t时段的荷电状态；σ为蓄电池的自放电率；η
c
为蓄电池充/放电效率；E
bat
为蓄电池总容量，kW
·
h；S123：电网交互功率约束：
式中：和分别为系统从电网购电最小功率和最大功率，kW；S124：电解槽运行功率约束：式中：和分别为碱性电解槽生产状态时的最小运行功率和最大运行功率，kW，S125：氢气生产约束式中：为t时段系统的储氢余量，Nm3；为t时段碱性电解槽制氢速率，Nm3/h；为t时段需求侧氢气负荷，Nm3；为日前运行计划末尾时段系统的氢气余量，Nm3。3.根据权利要求2所述一种基于模拟退火算法的风光储制氢系统日前调度方法，其特征在于：所述步骤S122中蓄电池储...

【专利技术属性】
技术研发人员：彭怀午，陈康，张俊峰，白云艳，齐开来，文龙，王跃社，师进文，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：