风光氢互补发电系统容量优化方法、装置、设备及介质制造方法及图纸

本发明专利技术属于能源优化技术领域，具体涉及一种风光氢互补发电系统容量优化方法、装置、设备及介质，本发明专利技术方法确定平准化能源成本及二氧化碳排放量最小为上层优化目标，确定风光氢互补发电系统中各子系统的容量配置为上层决策变量；确定一次可再生能源利用率最大为下层优化目标，确定风光氢互补发电系统中各子系统的运行参数为下层决策变量；基于上层优化目标、上层决策变量、下层优化目标和下层决策变量，构建双层容量运行协调优化模型；基于约束条件，对双层容量运行协调优化模型进行求解，得到风光氢互补发电系统的最优容量配置和最优运行策略。实现了风光氢互补发电系统的主要设备容量和全年逐时运行调度进行优化。设备容量和全年逐时运行调度进行优化。设备容量和全年逐时运行调度进行优化。

【技术实现步骤摘要】
风光氢互补发电系统容量优化方法、装置、设备及介质


[0001]本专利技术属于可再生能源发电与电热氢联供
，具体涉及一种风光氢互补发电系统容量优化方法、装置、设备及介质。

技术介绍

[0002]随着可再生能源的快速发展，装机容量不断增加，可再生能源如风电、光伏等。但是风力资源存在波动，风力机调峰能力有限，风电出力的反调峰特性和季节性导致了严重的弃风问题。同时，光伏发电也存在天然的不确定性和间歇性，难以控制输电上网质量和数量。这些问题不仅对发电企业的经济效益造成了严重影响，还造成了大量能源浪费，成为影响可再生能源健康发展的主要矛盾。因此，多能互补系统成为解决这些问题的可行方案之一。配置储热罐的光热电站具备一定的储能特性，但电加热装置能消纳的可再生能源有限。随着氢能的发展，利用额外的弃风弃光进行制氢可能是进一步消纳弃风弃光的方法，基于风光制氢和燃料电池热电联供的风光氢综合能源系统是消纳富余可再生能源、减少弃风弃光的有效途径，实施系统设计及运行集成优化，对提高综合能源利用率、降低系统经济成本具有重要意义。
[0003]合理的容量配置对系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风光氢互补发电系统容量优化方法，其特征在于，包括如下步骤：构建风光氢互补发电系统的能源成本目标函数、二氧化碳排放量目标函数；基于能源成本目标函数、二氧化碳排放量目标函数，确定平准化能源成本及二氧化碳排放量最小为上层优化目标，确定风光氢互补发电系统中各子系统的容量配置为上层决策变量；构建风光氢互补发电系统的一次可再生能源利用率目标函数，确定一次可再生能源利用率最大为下层优化目标，确定风光氢互补发电系统中各子系统的运行参数为下层决策变量；基于所述上层优化目标、上层决策变量、下层优化目标和下层决策变量，构建双层容量运行协调优化模型；确定所述双层容量运行协调优化模型的约束条件；基于约束条件，对所述双层容量运行协调优化模型进行求解，得到风光氢互补发电系统的最优容量配置和最优运行策略。2.根据权利要求1所述的风光氢互补发电系统容量优化方法，其特征在于，能源成本目标函数表示如下：其中，LCOE是能源成本；IC是系统的初始投资成本；i是折现率；N是系统寿命；C
OM
(n)是系统第n年运行维护成本；E(n)是系统第n年的总发电量；E
r,HT
(n)是第n年内剩余的氢气量；E
hw
(n)是第n年内产生的热水量；二氧化碳排放量目标函数表示为：F2＝B
sum
·
c
ef
其中，B
sum
是系统的年标准煤耗量；c
ef
是CO2排放系数。3.根据权利要求1所述的风光氢互补发电系统容量优化方法，其特征在于，一次可再生能源利用率目标函数表示如下：其中，PRER为一次可再生能源利用率目标函数；E
useful
为系统的输出，E
tot
为可再生能源输入；分别表示t时刻风电、光伏、光热、燃料电池输出给用户的电能，表示系统输出的氢能；分别表示系统输入的风和太阳辐射资源总量。4.根据权利要求1所述的风光氢互补发电系统容量优化方法，其特征在于，双层容量运行协调优化模型如下所示：行协调优化模型如下所示：
其中，公式(a)为上层的容量配置优化，(b)和(c)为下层的运行调度优化；F1和F2是上层优化的目标函数；H
i
是下层决策变量，R
i
是上层决策变量；g0是满足约束的下层优化问题；f是下层优化目标函数。5.根据权利要求1所述的风光氢互补发电系统容量优化方法，其特征在于，下层决策变量包括全年逐时风力发电、光伏发电、太阳能光热发电、电加热装置运行功率、储放热功率、电解槽制氢功率、储氢系统充放电功率和燃料电池发电功率。6.根据权利要求1所述的风光氢互补发电系统容量优化方法，其特征在于，约束条件包括功率平衡、储热罐约束、集热场约束、光伏场约束、风电场约束、储氢罐约束、质子交换膜电解槽和质子交换膜燃料电池约束。7.根据权利要求1所述的风光氢互补发电系统容量优化方法，其特征在于，对所述双层容量运行协调优化模型进行求解的步骤，包括如下：步骤1：输入NSGA
‑
II算法控制参数，包括：种群规模N和最大迭代次数Gen
max
；步骤2：种群初始化，Gen＝1；在给定的上层决策变量的优化区间内，随机选取N组整数数组R
i

【专利技术属性】
技术研发人员：刘林桐，翟融融，刘思远，胡扬笛，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：