不确定性环境下含氢能源系统在线优化运行方法及系统技术方案

本发明专利技术公开了一种不确定性环境下含氢能源系统的在线优化运行方法及系统，方法步骤如下：(1)在可再生能源出力不确定性环境下，建立含氢能源系统长期运行成本最小化问题的数学优化模型；(2)利用李雅普诺夫最优化框架将建立的含氢能源系统长期运行成本最小化问题分解为多个单时隙最小化子问题；(3)基于观测的系统状态参数，求解当前时隙最小化子问题，并将该子问题最优解用于含氢能源系统的运行控制；(4)更新与氢能存储系统相关的虚拟队列；(5)重复步骤(3)

【技术实现步骤摘要】
不确定性环境下含氢能源系统在线优化运行方法及系统


[0001]本专利技术涉及一种不确定性环境下含氢能源系统在线优化运行方法及系统，属于含氢能源系统经济运行与人工智能交叉领域。

技术介绍

[0002]众所周知，化石燃料的大规模勘探和利用已经引发了严重的能源和环境问题。为了缓解这些问题，利用清洁能源是一种很有前途的方式。作为一种清洁能源，氢能因其来源广泛、运输和储存方便等优点而备受关注。在含氢能源系统中，通过协调氢能储存系统与可再生能源发电，例如光伏发电，可以提高可再生能源的本地利用率。因此，研究含氢能源系统的优化运行非常重要。
[0003]现有研究已经提出了许多方法来优化含氢能源系统的运行，例如随机规划、鲁棒优化、模型预测控制、交替方向乘数法和混合整数非线性规划。尽管上述方法取得了积极进展，但它们需要知道不确定参数的先验信息或预测不确定参数。为了避免预测不确定参数或获取其先验信息，已经提出了一些数据驱动方法，例如深度强化学习，部分工作通过利用及改进深度强化学习方法优化含氢能源系统中的能源管理和经济运行，并与工业热电联产系统相结合。此外，部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不确定环境下含氢能源系统在线优化运行方法，其特征在于，包括以下步骤：步骤1：在可再生能源发电机出力不确定性环境下，建立含氢能源系统长期运行成本最小化问题的数学优化模型；步骤2：利用李雅普诺夫最优化框架将建立的含氢能源系统长期运行成本最优化问题分解为多个单时隙最优化子问题；步骤3：基于观测的系统状态参数，求解当前时隙最优化子问题，并将该子问题最优解用于含氢能源系统的运行控制；步骤4：更新与氢能存储系统相关的虚拟队列，得到下一时隙虚拟队列长度；步骤5：重复步骤3
‑
步骤4直到当前时隙序号大于指定的优化时隙数时终止。2.根据权利要求1所述的一种不确定性环境下含氢能源系统在线优化运行方法，其特征在于，在所述步骤1中，数学优化模型的目标函数表达式如下：其中：C
1,t
表示为t时隙购买电力的成本，1≤t≤T，T表示指定优化时隙数；C
2,t
表示为t时隙的光伏削减成本；C
3,t
表示为t时隙的购氢成本；C
4,t
表示为t时隙各个设备运行/关闭状态、启停的成本；C
5,t
表示为t时隙碳排放成本，为期望算子；所述目标函数中的各运行成本具体表达式如下：C
1,t
＝S
g,t
P
grid,t
Δt(2)C
3,t
＝S
h,t
m
buy,t
(4)C
5,t
＝α
ce
(μ
g
P
grid,t
Δt+μ
pv
P
pv,t
Δt+μ
h
m
buy,t
)(6)其中：Δt为含氢能源系统调节的时间间隔；S
g,t
为t时隙的电价，P
grid,t
为t时隙从电网购买的电量；α
pv
为光伏削减惩罚系数，为t时隙最大光伏发电量，P
pv,t
为t时隙实际光伏发电量；S
h,t
为t时隙氢气价格，m
buy,t
为t时隙从氢市场购买的氢气量；分别为设备X运行、启动、关断的成本，分别为设备X运行、关闭、启停的状态；α
ce
为碳排放惩罚系数，μ
g
表示与从主电网购买的电力相关的碳排放率，μ
pv
表示光伏系统的碳排放速率，μ
h
是从氢市场购买的氢的碳排放系数。3.根据权利要求2所述的一种不确定性环境下含氢能源系统在线优化运行方法，其特征在于，数学优化模型的约束条件包括：光伏发电系统约束，表达式如下：光伏发电系统约束，表达式如下：其中：η
pv
为光伏发电效率，h
pv
为太阳能电池板的总辐射面积，l
t
为t时隙太阳辐射强度；为含氢能源系统中最大功率需求；
氢能存储系统约束，表达式如下：氢能存储系统约束，表达式如下：氢能存储系统约束，表达式如下：氢能存储系统约束，表达式如下：氢能存储系统约束，表达式如下：氢能存储系统约束，表达式如下：其中：H
t+1
、H
t
分别为t+1时隙和t时隙的氢能存储水平；ω
el
、ω
fc
分别为电解槽和燃料电池的转换系数；P
el,t
、...

【专利技术属性】
技术研发人员：余亮，陈志强，任静怡，张爽，岳东，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：