国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx

計及功率交互約束的含電-氫混合儲能的多微電網(wǎng)系統(tǒng)容量優(yōu)化配置

2022-08-05 07:16:12李蕊睿蒲雨辰陳維榮
電力系統(tǒng)保護與控制 2022年14期
關鍵詞:微網(wǎng)儲能約束

李蕊睿,李 奇,蒲雨辰,李 朔,孫 彩,陳維榮

計及功率交互約束的含電-氫混合儲能的多微電網(wǎng)系統(tǒng)容量優(yōu)化配置

李蕊睿,李 奇,蒲雨辰,李 朔,孫 彩,陳維榮

(西南交通大學電氣工程學院,四川 成都 610031)

在混合交直流多微網(wǎng)系統(tǒng)中,其經(jīng)濟性和運行可靠性受到容量優(yōu)化配置的影響??紤]到基于電儲能以及氫儲能系統(tǒng)(電解槽/燃料電池/儲氫罐)的混合儲能系統(tǒng)所具有的優(yōu)勢,建立了電-氫混合儲能型多微網(wǎng)系統(tǒng)框架。其次,針對電-氫混合儲能型多微網(wǎng)系統(tǒng),提出了考慮系統(tǒng)的實時能量供需狀態(tài)和儲能狀態(tài)的多微網(wǎng)運行控制策略。在容量優(yōu)化配置模型中引入功率交互約束模型,并在配置過程中嵌入所提出的運行控制策略。最后,以算例分析證明功率交互約束的必要性,并采用灰狼-正弦余弦優(yōu)化算法求解配置模型。所得配置結果優(yōu)于改進灰狼算法和改進粒子群算法。通過模擬全年運行情況,驗證了所提優(yōu)化配置方法的有效性和電-氫混合儲能系統(tǒng)在季節(jié)性儲能上的優(yōu)勢。

多微網(wǎng);容量配置;電-氫混合儲能;灰狼-正弦余弦優(yōu)化算法

0 引言

為了緩解能源緊缺和環(huán)境污染的問題,微電網(wǎng)(Microgrid, MG)的概念被提出,具有環(huán)境友好性等優(yōu)點的光伏發(fā)電、風力發(fā)電技術等分布式發(fā)電能源(Distributed Generation, DG)得到廣泛應用[1-6]。在可再生能源發(fā)電系統(tǒng)中配置儲能裝置,可以進一步提升系統(tǒng)的穩(wěn)定性及經(jīng)濟性,由于光氫耦合系統(tǒng)的技術逐漸成熟,氫能也因其高效、清潔、便于運輸?shù)葍?yōu)點,成為國內(nèi)外研究的熱點儲能技術[7-8]。

目前,針對含有氫能的微電網(wǎng)系統(tǒng)的容量優(yōu)化配置問題,國內(nèi)外已有很多研究[9-10]。為提高系統(tǒng)對高比例可再生能源的接納能力,文獻[11]將電轉氫作為靈活性資源,在風光氫耦合的系統(tǒng)中,得到了年投資運行成本最低和靜態(tài)靈活性水平最高的配置方案。文獻[12]綜合考慮光伏出力特性、輸電需求和不同儲氫配置下制氫過程的氫氣系統(tǒng)運行控制策略,提出了一種光伏電站并網(wǎng)制氫系統(tǒng)功率再分配和容量配置方法。文獻[13]針對概率、頻率等指標,提出了兼顧可靠性與經(jīng)濟性的孤島型微電網(wǎng)容量配置方法,實現(xiàn)了可靠性與總成本的折中最優(yōu)配置方案。

然而,隨著微電網(wǎng)技術的發(fā)展,微網(wǎng)也不斷拓展出新的結構,如能源結構、拓撲結構等,為微電網(wǎng)的容量配置帶來了一定的挑戰(zhàn)[14-15]。其中,多微網(wǎng)系統(tǒng)作為一種經(jīng)濟性及穩(wěn)定性受能源生產(chǎn)運輸影響較大的系統(tǒng),逐漸成為了學者關注的焦點[16-17]。因此,在含有多能源系統(tǒng)的多微網(wǎng)系統(tǒng)中,分析系統(tǒng)的容量優(yōu)化配置和穩(wěn)定運行問題是很有必要的。

文獻[18]構建了包含產(chǎn)能基地、系統(tǒng)管理商和用戶的區(qū)域系統(tǒng)模型,并提出了兩階段優(yōu)化調(diào)度策略實現(xiàn)系統(tǒng)的利益制約平衡和日內(nèi)聯(lián)合優(yōu)化。文獻[19]提出一種考慮交互功率控制和綜合成本的雙層優(yōu)化調(diào)度模型,并采取雙邊競價交易策略使多微電網(wǎng)間保持公平交易及功率分配。文獻[20]提出了一種面向多微電網(wǎng)的兩級網(wǎng)絡約束對配電網(wǎng)進行重構,保證了配電網(wǎng)的安全性,并允許多微電網(wǎng)系統(tǒng)靈活地進行能量交換。研究了多微網(wǎng)間的交易機制并制定了相關市場定價機制,在優(yōu)化電力交易模式和科學定價方面有一定的參考價值。文獻[21]兼顧能量管理中心和微網(wǎng)運營商雙方利益,通過分析功率盈余和不足兩種情況,考慮了負荷波動帶來的效益損耗,并給予補償,防止內(nèi)部電價劇烈波動。文獻[22]考慮到用戶與儲能電站的共同利益,提出了基于儲能電站服務模式的冷熱電聯(lián)供多微網(wǎng)系統(tǒng)雙層優(yōu)化配置方法,降低了用戶成本和儲能資源的浪費。

綜合上述文獻,目前的研究中少有在多微網(wǎng)系統(tǒng)中對氫儲能設備以及儲能系統(tǒng)的儲能狀態(tài)進行考慮,且鮮有在容量配置模型中對系統(tǒng)的供需狀態(tài)及功率交互約束加以考慮,對多微網(wǎng)系統(tǒng)的供電可靠性問題研究也較少。

基于以上問題,本文建立了含電-氫混合儲能系統(tǒng)的多微網(wǎng)交直流系統(tǒng),考慮到系統(tǒng)的實時供需狀態(tài)和儲能設備的實時儲能狀態(tài),提出了多微網(wǎng)系統(tǒng)運行控制策略,并令該運行策略參與配置過程。針對電-氫混合儲能多微網(wǎng)系統(tǒng),從提高系統(tǒng)經(jīng)濟性和供電可靠性的角度出發(fā),在多微網(wǎng)系統(tǒng)優(yōu)化配置模型中引入了功率交互約束模型,提出了優(yōu)化配置方案。最后選取西南某地的全年光照強度和負荷數(shù)據(jù)進行算例分析,分析功率交互約束對不同系統(tǒng)的成本及供電可靠性的影響,并驗證其必要性;對比采用三種優(yōu)化算法得到的配置結果,分析算法對求解優(yōu)化配置模型的影響;通過模擬的全年運行情況,驗證所研究的多微網(wǎng)系統(tǒng)的運行和供電可靠性。

1 多微電網(wǎng)系統(tǒng)結構及數(shù)學模型

1.1 多微電網(wǎng)系統(tǒng)結構

本文所研究的含電-氫混合儲能的多微電網(wǎng)系統(tǒng)結構如圖1所示,各微網(wǎng)通過交流母線負擔公共負荷。在電-氫混合儲能微電網(wǎng)(Electric-hydrogen hybrid energy storage microgrid, E-H_MG)中,光伏發(fā)電系統(tǒng)、電儲能系統(tǒng)和氫儲能系統(tǒng)(電解槽/儲氫罐/燃料電池)分別由所對應的DC/DC換流器及其他設備接入直流母線。

圖1 含電-氫混合儲能的多微電網(wǎng)系統(tǒng)結構示意圖

光伏發(fā)電系統(tǒng)是微網(wǎng)系統(tǒng)的主要能量來源,為提高可再生能源的利用率并減小棄光率,令光伏電池以最大功率點跟蹤控制(Maximum Power Point Tracking, MPPT)將所吸收的太陽能以最大功率輸出轉化為電能,在光伏發(fā)電量充足時,由儲能系統(tǒng)吸收冗余的母線功率;在光伏發(fā)電量不足時,由儲能系統(tǒng)補足母線功率的缺額。

電儲能系統(tǒng)主要通過蓄電池充放電平衡母線功率。氫儲能系統(tǒng)中,在需要吸收母線功率時,電解槽耗電,通過電解水制氫,將氫氣儲存在儲氫罐中;在母線供能不足時,燃料電池耗氫放電,輸出電功率至母線,且電解槽和燃料電池不同時工作。

1.2 各DG的數(shù)學模型

1.2.1光伏電池模型

考慮到光照強度和工作溫度共同影響了光伏電池的實際輸出功率[23],因此,將光伏電池的實際輸出功率表示為

1.2.2蓄電池模型

蓄電池對本文所研究問題的影響主要體現(xiàn)在充放電過程中,充電時,蓄電池在時刻的儲量與充電功率相關,可表示為

放電時,蓄電池的儲量可表示為

1.2.3氫能發(fā)電系統(tǒng)模型

本文搭建了氫能發(fā)電系統(tǒng)(電解槽-儲氫罐-燃料電池),電解槽吸收母線多余功率制氫,儲氫罐儲存所制氫氣,燃料電池消耗氫氣發(fā)電補足母線功率缺額,且電解槽和燃料電池不會同時工作。因此,在電解槽工作時,儲氫罐在時刻的儲量可表示為

2 微電網(wǎng)優(yōu)化配置模型

2.1 目標函數(shù)

在本文所研究的電-氫混合儲能多微電網(wǎng)系統(tǒng)中,主要DG設備包括光伏發(fā)電系統(tǒng)、蓄電池、電解槽及燃料電池。因此,本文考慮當?shù)氐墓庹諒姸燃柏摵?,對各DG及其DC/DC變換器的容量、儲氫罐的容量、DC/AC逆變器的容量以及功率交互約束上限進行容量配置優(yōu)化。

本文考慮到系統(tǒng)的經(jīng)濟性,采用年值投資成本tot作為系統(tǒng)的經(jīng)濟性指標,可表示為

式中:為實際年利率;y為微電網(wǎng)設計壽命。主設備年值投資成本可表示為

輔助設備年值投資成本與主設備年值投資成本相關[24],可表示為

微網(wǎng)的停電損失由停電時長決定[25],表示為

系統(tǒng)運營年值成本包括設備維護費用、燃料費用及儲能系統(tǒng)的運營費用[26],可表示為

各設備的重置成本與其單價、容量和通貨膨脹率均相關,可表示為

式中:為購買次數(shù);eq為最終購買次數(shù);l為第種設備的壽命。

2.2 約束條件

2.2.1微電網(wǎng)系統(tǒng)功率平衡約束

式中:rem為系統(tǒng)的棄光功率,當光伏發(fā)電系統(tǒng)供能均被母線吸收時,其值為0;sht為系統(tǒng)的缺額功率,當母線供能充足時,其值為0。

2.2.2充放電約束

2.2.3設備安裝容量約束

2.3 供電可靠性

本文選取失負荷率和能量過剩率兩個指標作為微電網(wǎng)系統(tǒng)的供電可靠性指標。失負荷率是系統(tǒng)缺額功率和負荷的比值[29],可表示為

系統(tǒng)中的光伏出力過多,儲能系統(tǒng)不能吸收多余功率時,光伏系統(tǒng)將棄光,系統(tǒng)的總棄光能量和總發(fā)電量的比值以能量過剩率來表示[30],即

3 多微電網(wǎng)系統(tǒng)運行控制策略及優(yōu)化配置模型求解方法

3.1 多微電網(wǎng)系統(tǒng)運行控制策略

多微電網(wǎng)系統(tǒng)運行時,由于系統(tǒng)中多網(wǎng)、多源的耦合關系,需要控制策略對其進行分配。本文考慮到儲能系統(tǒng)的優(yōu)化荷電狀態(tài)和微網(wǎng)內(nèi)、外母線的供需平衡狀態(tài),提出了多微網(wǎng)系統(tǒng)運行控制策略。

根據(jù)個微網(wǎng)的能量過剩和缺額狀態(tài)可將運行情況大致分為2個場景,以2個微電網(wǎng)為例,將運行情況分為4個場景,如圖2所示。用供電剩余功率判斷各微網(wǎng)的能量盈缺狀態(tài),供電剩余功率可表示為

1) 場景一:req1>0,req2>0,兩微網(wǎng)均為過剩狀態(tài),微網(wǎng)功率交互的工作狀態(tài)見圖3(a)。

2) 場景二(模式1):req1>0,dif2>0,微網(wǎng)1為過剩,微網(wǎng)2為半缺額狀態(tài),微網(wǎng)功率交互的工作狀態(tài)見圖3(b)。

3) 場景二(模式2):req1>0,dif2<0,微網(wǎng)1為過剩,微網(wǎng)2為全缺額狀態(tài),微網(wǎng)功率交互的工作狀態(tài)見圖3(c)。

4) 場景三(模式1):dif1>0,req2>0,微網(wǎng)1為半缺額狀態(tài),微網(wǎng)2為過剩狀態(tài),微網(wǎng)功率交互的工作狀態(tài)見圖3(d)。

5) 場景三(模式2):dif1<0,req2>0,微網(wǎng)1為全缺額狀態(tài),微網(wǎng)2為過剩狀態(tài),微網(wǎng)功率交互的工作狀態(tài)見圖3(e)。

6) 場景四:req1<0,req2<0,共有4個模式,9種工作方式,見圖4。

圖2 多微電網(wǎng)間的能量供需狀態(tài)

圖3 微電網(wǎng)的功率交互工作方式

考慮到微網(wǎng)系統(tǒng)的優(yōu)化運行和對儲能系統(tǒng)的合理調(diào)用,本文利用儲能狀態(tài)分配微網(wǎng)的交互功率int_i,微網(wǎng)的系統(tǒng)儲能狀態(tài)可表示為

如圖3和圖4所示,兩微網(wǎng)的交互功率根據(jù)系統(tǒng)的當前儲能狀態(tài)進行了分配,ss_op1-ssi_op2表示第個微網(wǎng)的儲能系統(tǒng)最優(yōu)工作區(qū)間。在圖3中,A所在的區(qū)域表示兩微網(wǎng)不進行功率交互,即int_1=int_2=0;B表示微網(wǎng)2以dif2的大小多承擔公共負荷,即交互功率int_2=dif2;C表示微網(wǎng)2以功率交互上限max2的大小多承擔公共負荷,即交互功率int_2=max2;D表示微網(wǎng)1以dif1的大小多承擔公共負荷,即交互功率int_1=dif1;E表示微網(wǎng)1以功率交互上限max1的大小多承擔公共負荷,即交互功率int_1=max1。

微網(wǎng)在場景4下的功率交互工作方式如圖4所示。A表示微網(wǎng)1以功率交互上限max1的大小多承擔公共負荷,即交互功率int_1=max1;B表示微網(wǎng)1以max1/2的大小多承擔公共負荷,即交互功率int_1=max1/2;C表示微網(wǎng)1以max1/3的大小多承擔公共負荷,即交互功率int_1=max1/3;D表示微網(wǎng)1以max1/4的大小多承擔公共負荷,即交互功率int_1=max1/4;E表示微網(wǎng)2以功率交互上限max2的大小多承擔公共負荷,即交互功率int_2=max2;F表示微網(wǎng)2以max2/2的大小多承擔公共負荷,即交互功率int_2=max2/2;G表示微網(wǎng)2以max2/3的大小多承擔公共負荷,即交互功率int_2=max2/3;H表示微網(wǎng)2以max2/4的大小多承擔公共負荷,即交互功率int_2=max2/4;NOT表示兩微網(wǎng)不進行功率交互,即int_1=int_2=0。圖4中,各DG為光伏電池、燃料電池、電解槽和蓄電池,光伏電池以MPPT控制器運行,儲能設備按照圖5所示的運行控制策略工作。

圖4 微電網(wǎng)在場景4下的功率交互工作流程

計算微網(wǎng)間的交互功率后,各微網(wǎng)得到直流母線的需求功率,由于儲量過高或過低均對電、氫儲能系統(tǒng)的性能有所影響,本文考慮到電儲能和氫儲能系統(tǒng)的工作范圍,混合儲能設備按照圖5所示的運行控制策略工作。

圖5 儲能設備運行控制策略流程

II:電、氫儲量均較高,當req>0時,電、氫儲能共同吸收多余功率直至飽和;當req<0時,蓄電池優(yōu)先供電至正常儲量狀態(tài)。

III:電、氫儲量均在正常限度內(nèi),當req>0時,電、氫儲能共同吸收母線剩余功率,由于蓄電池工作效率比電解槽高,因此電儲能系統(tǒng)盡量多工作;當req<0時,電、氫儲能系統(tǒng)共同供電補足母線缺額,盡量以電儲能系統(tǒng)工作。

IV:電、氫儲量均較低,當req>0時,蓄電池優(yōu)先充電;當req<0時,由于蓄電池在過度放電時對其性能等有所影響,因此燃料電池優(yōu)先供電。

V:蓄電池較氫儲能系統(tǒng)儲量較高,當req>0時,由電解槽優(yōu)先吸收母線剩余功率制氫;當req<0時,由蓄電池優(yōu)先供能。

3.2 優(yōu)化配置模型求解方法

本文建立了多微電網(wǎng)系統(tǒng)優(yōu)化配置模型,優(yōu)化變量主要包括光伏電池、蓄電池等DG及其DC/DC變換器的容量、儲氫罐的容量、DC/AC逆變器的容量以及功率交互約束上限,并采用灰狼算法(Grey Wolf Optimizer, GWO)與正弦余弦算法(Sine Cosine Algorithm, SCA)相結合的灰狼-正弦余弦優(yōu)化算法(GSC)進行模型求解[31],改進了GWO算法中解的移動方向和求解速度,同時提高了算法的精度。

GSC算法中,設置最優(yōu)解為,次優(yōu)解為,第三優(yōu)解為,以3個解形成的區(qū)域不斷包圍并接近最優(yōu)解,其跟蹤尋優(yōu)位置的數(shù)學表達式為

剩余個體向優(yōu)化解群方向前進,且個體不斷更新,可表示為

系統(tǒng)優(yōu)化配置流程如圖6所示。首先初始化各微網(wǎng)的光伏電池、蓄電池等設備的容量、求解空間規(guī)模及收斂條件等;然后計算各微網(wǎng)數(shù)據(jù),模擬系統(tǒng)的全年運行情況,步長為1 h,實時計算各微網(wǎng)的交互功率int,由所得int分配各微網(wǎng)負荷,儲能設備按照圖5所示的方式工作;根據(jù)年投資成本計算目標函數(shù),以系統(tǒng)年投資成本為優(yōu)化目標,迭代直至達到終止條件,得到最小成本、系統(tǒng)最優(yōu)容量配置。

圖6 多微電網(wǎng)系統(tǒng)優(yōu)化配置流程

4 算例分析

4.1 仿真場景及參數(shù)設置

本文選取西南某地區(qū)全年的光照強度數(shù)據(jù)和負荷數(shù)據(jù)如圖7所示,共計365天,仿真步長為1 h。算例系統(tǒng)結構如第1節(jié)所述,以2個微電網(wǎng)為例,兩直流微網(wǎng)經(jīng)DC/AC變換器,通過交流母線互聯(lián),兩微網(wǎng)的本地負荷為直流負荷,公共負荷為交流負荷。

圖7 系統(tǒng)負荷及光照資源年度分布圖

本文設定的微電網(wǎng)系統(tǒng)中不同設備的成本參數(shù)見表1,系統(tǒng)的相關參數(shù)設置見表2。

表1 不同設備的成本參數(shù)

表2 系統(tǒng)相關參數(shù)

4.2 加入功率交互約束必要性的證明

如圖8所示,在表3所示的三種配置方案下,系統(tǒng)的失負荷率、能量過剩率和成本均隨著功率交互約束max的增大而在一定范圍內(nèi)迅速減??;且max超過臨界值時,系統(tǒng)的成本會有不同程度的上升,方案一的臨界值為130.5 kW,方案二的臨界值為85 kW,方案三的臨界值為153 kW。因此,上述臨界值也就是在該配置方案下成本最小的功率交互上限值。

不同配置方案下的功率交互約束對系統(tǒng)造成的影響也不相同。在方案一、三下,當max超過臨界值后,max對失負荷率和能量過剩率的影響較?。欢诔杀镜淖兓€上,方案三受max的影響稍明顯。在方案二下,失負荷率、能量過剩率和成本均在max超過臨界值后有明顯上升。

這說明功率交互約束對成本和穩(wěn)定性均有影響,合適的功率交互約束大小可以增強穩(wěn)定性并降低成本,因此對功率交互約束的配置是有必要的。

圖8 功率交互約束對不同系統(tǒng)的影響

表3 3種不同配置方案

4.3 基于功率交互約束的電-氫混合儲能多微電網(wǎng)系統(tǒng)容量優(yōu)化配置

根據(jù)節(jié)3.2節(jié)所提的優(yōu)化配置模型求解方法,設置求解規(guī)模為30,迭代次數(shù)為100,并采用GWO算法與MPSO算法作為對比[32],得到3種優(yōu)化算法下考慮功率交互約束的配置結果如圖9所示,3種優(yōu)化算法均可得到滿足運行條件的配置方案。與其他兩種方法相比,GSC算法用于優(yōu)化配置求解時系統(tǒng)成本更低,說明采用GSC算法求解更利于多微網(wǎng)系統(tǒng)的經(jīng)濟運行。從迭代曲線可以看出,GSC算法下迭代至約30次后,成本始終低于其他兩種算法,且在迭代至80次時收斂;MPSO算法在85次以后收斂;GWO算法在90次以后收斂。這表明GSC改進了GWO算法的求解速度,得到了更快的收斂速度,驗證了算法的有效性。

由GSC算法求解本文所提的優(yōu)化配置模型,有無考慮功率交互約束模型所得的方案如表4所示。由表4可知,無功率交互約束的多微網(wǎng)系統(tǒng)配置模型的經(jīng)濟性較差,失負荷率和能量過剩率更高,說明其供電可靠性更差。

圖9 3種不同算法下的優(yōu)化結果對比

按照表4中基于功率交互約束的模型進行配置的多微網(wǎng)系統(tǒng)24 h運行情況如圖10所示。微網(wǎng)1和微網(wǎng)2按照本文所提控制策略進行功率交互,且根據(jù)實時工況進行不同大小的有效功率交互。

表4 有無功率交互約束下的配置結果

圖10 微電網(wǎng)的功率交互結果(24 h)

配置模型中有無考慮功率交互約束模型的購置成本和運維成本如表5所示。由表5可知,考慮功率交互約束時,系統(tǒng)的購置成本略有下降,運維成本大幅下降,降幅達8.84%,總成本下降了7%,這說明基于功率交互約束的優(yōu)化配置模型有利于提高系統(tǒng)的經(jīng)濟性。

表5 不同方案的具體成本

由表4中考慮功率交互約束模型配置的微網(wǎng)儲能系統(tǒng)全年運行情況如圖11所示。蓄電池荷電狀態(tài)全年在0.2~0.8間不斷波動,儲氫罐等效荷電狀態(tài)在1100~4000 h處于較高狀態(tài),然后基本處于較低狀態(tài)。

蓄電池全年工作在最佳區(qū)間內(nèi),說明蓄電池在短時間尺度上擁有經(jīng)濟性優(yōu)勢;氫儲能系統(tǒng)在春末、初夏光伏電量長期盈余時制氫,夏天用電高峰期耗氫,說明氫儲能系統(tǒng)在長時間尺度上呈現(xiàn)出儲能優(yōu)勢,電、氫混合儲能系統(tǒng)有經(jīng)濟性優(yōu)勢且在短期或長時儲能下均適用。

5 結論

本文提出了考慮功率交互的電-氫混合儲能多微電網(wǎng)系統(tǒng)優(yōu)化配置策略,通過算例仿真得到了配置結果,并比較了3種優(yōu)化算法對配置結果的影響,得到主要結論如下:

1) 在不同配置方案中,功率交互約束的變化對系統(tǒng)的成本和穩(wěn)定性均有影響,合適的功率交互約束大小可以增強穩(wěn)定性并降低成本。

2) 經(jīng)過3種優(yōu)化算法求解優(yōu)化配置模型的對比可知,以GSC算法進行求解得到的配置結果成本、失負荷率、能量過剩率均更低,系統(tǒng)穩(wěn)定性更高?;诠β式换ゼs束的優(yōu)化配置模型提高了系統(tǒng)的經(jīng)濟性,運維成本降幅達8.84%,總成本下降了7%。

3) 電儲能系統(tǒng)在短時間運行上有經(jīng)濟性優(yōu)勢;氫儲能系統(tǒng)在春季、初夏長時間儲存能量,用于夏季用電高峰期,電、氫混合儲能系統(tǒng)在多時間尺度下保證了系統(tǒng)的靈活、可靠運行。

本文只考慮了孤島情況下的系統(tǒng)容量優(yōu)化配置,并網(wǎng)情況下微網(wǎng)與大電網(wǎng)間的交互情況對優(yōu)化配置的影響有待進一步研究。

[1] 陳景文, 肖妍, 莫瑞瑞, 等. 考慮光伏校正的微電網(wǎng)儲能容量優(yōu)化配置[J]. 電力系統(tǒng)保護與控制, 2021, 49(10): 59-66.

CHEN Jingwen, XIAO Yan, MO Ruirui, et al. Optimized allocation of microgrid energy storage capacity considering photovoltaic correction[J]. Power System Protection and Control, 2021, 49(10): 59-66.

[2] 王成山, 呂超賢, 李鵬, 等. 園區(qū)型綜合能源系統(tǒng)多時間尺度模型預測優(yōu)化調(diào)度[J]. 中國電機工程學報, 2019, 39(23): 6791-6803.

WANG Chengshan, Lü Chaoxian, LI Peng, et al. Multiple time-scale optimal scheduling of community integrated energy system based on model predictive control[J]. Proceedings of the CSEE, 2019, 39(23): 6791-6803.

[3] 卞藝衡, 別朝紅, 黃格超, 等. 彈性配電網(wǎng)分布式可再生能源電源最優(yōu)配置模型[J]. 全球能源互聯(lián)網(wǎng), 2020, 3(3): 213-221.

BIAN Yiheng, BIE Zhaohong, HUANG Gechao, et al. Optimal renewable energy distributed generators placement for resilient distribution system[J]. Journal of Global Energy Interconnection, 2020, 3(3): 213-221.

[4] 楊軼, 陳明. 基于專利數(shù)據(jù)論太陽能光熱發(fā)電在中國的研究進展[J]. 廣東電力, 2021, 34(3): 12-22.

YANG Yi, CHEN Ming. Research progress of concentrating solar power from the perspective of patent data[J]. Guangdong Electric Power, 2021, 34(3): 12-22.

[5] 王瀚琳, 劉洋, 許立雄, 等. 考慮風電消納的區(qū)域多微網(wǎng)分層協(xié)調(diào)優(yōu)化模型[J]. 電力建設, 2020, 41(8): 87-98.

WANG Hanlin, LIU Yang, XU Lixiong, et al. Research on hierarchical coordinated optimization model of multi-microgrid system considering wind power consumption[J]. Electric Power Construction, 2020, 41(8): 87-98.

[6] 盧一菲, 陳沖, 梁立中. 基于電—氫混合儲能的風氫耦合系統(tǒng)建模與控制[J]. 智慧電力, 2020, 48(3): 7-14.

LU Yifei, CHEN Chong, LIANG Lizhong. Modeling and control of wind-hydrogen coupling system based on electricity-hydrogen hybrid energy storage[J]. SmartPower, 2020, 48(3): 7-14.

[7] 甘銳, 李奇, 江淑娜, 等. 考慮燃料電池效率區(qū)間優(yōu)化的混合動力系統(tǒng)雙模式能量管理方法[J]. 中國電機工程學報, 2021, 41(20): 7027-7039.

GAN Rui, LI Qi, JIANG Shuna, et al. Dual-mode energy management method considering optimization of fuel cell efficiency range[J]. Proceedings of the CSEE, 2021, 41(20): 7027-7039.

[8] 徐靖, 趙霞, 羅映紅. 氫燃料電池并入微電網(wǎng)的改進虛擬同步機控制[J]. 電力系統(tǒng)保護與控制, 2020, 48(22): 165-172.

XU Jing, ZHAO Xia, LUO Yinghong. Improved virtual synchronous generator control for hydrogen fuel cell integration into a microgrid[J]. Power System Protection and Control, 2020, 48(22): 165-172.

[9] GAN W, SHAHIDEHPOUR M, GUO J, et al. Two-stage planning of network-constrained hybrid energy supply stations for electric and natural gas vehicles[J]. IEEE Transactions on Smart Grid, 2021, 12(3): 2013-2026.

[10] XIA Y, XU Q, QIAN H, et al. Bilevel optimal configuration of generalized energy storage considering power consumption right transaction[J]. International Journal of Electrical Power & Energy Systems, 2021, 128.

[11] 李鵬, 韓建沛, 殷云星, 等. 電轉氫作為靈活性資源的微網(wǎng)容量多目標優(yōu)化配置[J]. 電力系統(tǒng)自動化, 2019, 43(17): 28-35.

LI Peng, HAN Jianpei, YIN Yunxing, et al. Multi-objective optimal capacity configuration of microgrid with power to hydrogen as flexible resource[J]. Automation of Electric Power Systems, 2019, 43(17): 28-35.

[12] YANG Yang, MA Chao, LIAN Chong, et al. Optimal power reallocation of large-scale grid-connected photovoltaic power station integrated with hydrogen production[J]. Journal of Cleaner Production, 2021, 298.

[13] 周京華, 翁志鵬, 宋曉通. 兼顧可靠性與經(jīng)濟性的孤島型光儲微電網(wǎng)容量配置方法[J]. 電力系統(tǒng)自動化, 2021, 45(8): 166-174.

ZHOU Jinghua, WENG Zhipeng, SONG Xiaotong. Capacity configuration method of islanded microgrid integrated with photovoltaic and energy storage system considering reliability and economy[J]. Automation of Electric Power Systems, 2021, 45(8): 166-174.

[14] 李景麗, 時永凱, 張琳娟, 等. 考慮電動汽車有序充電的光儲充電站儲能容量優(yōu)化策略[J]. 電力系統(tǒng)保護與控制, 2021, 49(7): 94-102.

LI Jingli, SHI Yongkai, ZHANG Linjuan, et al. Optimization strategy for the energy storage capacity of a charging station with photovoltaic and energy storage considering orderly charging of electric vehicles[J]. Power System Protection and Control, 2021, 49(7): 94-102.

[15] ZHANG W, XU Y. Distributed optimal control for multiple microgrids in a distribution network[J]. IEEE Transactions on Smart Grid, 2019, 10(4): 3765-3779.

[16] YANG X, ZHANG Y, WU H, et al. Enabling online scheduling for multi-microgrid systems: an event-triggered approach[J]. IEEE Transactions on Smart Grid, 2021, 12(3): 1836-1852.

[17] JIN S, WANG S, FANG F. Game theoretical analysis on capacity configuration for microgrid based on multi-agent system[J]. International Journal of Electrical Power & Energy Systems, 2021, 125.

[18] 徐業(yè)琰, 廖清芬, 劉滌塵, 等. 基于綜合需求響應和博弈的區(qū)域綜合能源系統(tǒng)多主體日內(nèi)聯(lián)合優(yōu)化調(diào)度[J]. 電網(wǎng)技術, 2019, 43(7): 2506-2518.

XU Yeyan, LIAO Qingfen, LIU Dichen, et al. Multi-player intraday optimal dispatch of integrated energy system based on integrated demand response and games[J]. Power System Technology, 2019, 43(7): 2506-2518.

[19] 何黎君, 程杉, 陳梓銘. 考慮交互功率控制和雙邊競價交易的多微電網(wǎng)雙層優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護與控制, 2020, 48(11): 10-17.

HE Lijun, CHENG Shan, CHEN Ziming. A scheduling model of a multi-microgrid system based on bi-layer optimization with consideration of PCC power control and bilateral bidding[J]. Power System Protection and Control, 2020, 48(11): 10-17.

[20] YAN Mingyu, MOHAMMAD S, ALEKSI P, et al. Distribution network-constrained optimization of peer-to-peer transactive energy trading among multi- microgrids[J]. IEEE Transactions on Smart Grid, 2021, 12(2): 1033-1047.

[21] 陳磊, 牛玉剛, 賈廷綱. 基于主從博弈的多微網(wǎng)能量調(diào)度策略[J]. 電力系統(tǒng)保護與控制, 2020, 48(19): 35-42.

CHEN Lei, NIU Yugang, JIA Tinggang. Multi-microgrid energy scheduling strategy based on master-slave game[J]. Power System Protection and Control, 2020, 48(19): 35-42.

[22] 吳盛軍, 李群, 劉建坤, 等. 基于儲能電站服務的冷熱電多微網(wǎng)系統(tǒng)雙層優(yōu)化配置[J]. 電網(wǎng)技術, 2021, 45(10): 3822-3832.

WU Shengjun, LI Qun, LIU Jiankun, et al. Bi-level optimal configuration for combined cooling heating and power multi-microgrids based on energy storage station service[J]. Power System Technology, 2021, 45(10): 3822-3832.

[23] LI B, ROCHE R, PAIRE D, et al. Sizing of a stand-alone microgrid considering electric power, cooling/heating, hydrogen loads and hydrogen storage degradation[J]. Applied Energy, 2017, 205: 1244-1259.

[24] 李奇, 趙淑丹, 蒲雨辰, 等. 考慮電氫耦合的混合儲能微電網(wǎng)容量配置優(yōu)化[J]. 電工技術學報, 2021, 36(3): 486-495.

LI Qi, ZHAO Shudan, PU Yuchen, et al. Capacity optimization of hybrid energy storage microgrid considering electricity-hydrogen coupling[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 486-495.

[25] 孫彩, 李奇, 邱宜彬, 等. 余電上網(wǎng)/制氫方式下微電網(wǎng)系統(tǒng)全生命周期經(jīng)濟性評估[J]. 電網(wǎng)技術, 2021, 45(12): 4650-4660.

SUN Cai, LI Qi, QIU Yibin, et al. Economic evaluation of whole life cycle of the micro-grid system under the mode of residual power connection/hydrogen production[J]. Power System Technology, 2021, 45(12): 4650-4660.

[26] GARCIA-TORRES F, BORDONS C. Optimal economical schedule of hydrogen-based microgrids with hybrid storage using model predictive control[J]. IEEE Transactions on Industrial Electronics, 2015, 62(8): 5195-5207.

[27] PAN G, GU W, LU Y, et al. Optimal planning for electricity-hydrogen integrated energy system considering power to hydrogen and heat and seasonal storage[J]. IEEE Transactions on Sustainable Energy, 2020, 11(4): 2662-2676.

[28] 張良, 閆凱宏, 冷祥彪, 等. 基于SOC下垂控制的獨立直流微電網(wǎng)協(xié)調(diào)控制策略研究[J]. 電力系統(tǒng)保護與控制, 2021, 49(12): 87-97.

ZHANG Liang, YAN Kaihong, LENG Xiangbiao, et al. Research on coordinated control strategy of an autonomous DC microgrid based on SOC droop control[J]. Power System Protection and Control, 2021, 49(12): 87-97.

[29] YANG H, ZHOU W, LU L, et al. Optimal sizing method for stand-alone hybrid solar-wind system with LPSP technology by using genetic algorithm[J]. Solar Energy, 2007, 82(4): 354-367.

[30] 李建林, 牛萌, 田立亭, 等. 光伏扶貧電站光-儲協(xié)同配置方法研究[J]. 太陽能學報, 2019, 40(1): 79-86.

LI Jianlin, NIU Meng, TIAN Liting, et al. Research on PV-storage coordinated capacity configuration for photovoltaic poverty alleviation station[J]. Acta Energiae Solaris Sinica, 2019, 40(1): 79-86.

[31] SINGH N, SINGH S B. A novel hybrid GWO-SCA approach for optimization problems[J]. An International Journal of Engineering Science and Technology, 2017, 20(6): 1586-1601.

[32] 馬立新, 徐嘉輝, 楊天笑. 基于MPSO算法含電動汽車的微網(wǎng)優(yōu)化調(diào)度[J]. 電網(wǎng)與清潔能源, 2020, 36(8): 116-122.

MA Lixin, XU Jiahui, YANG Tianxiao. Optimal scheduling of microgrid with electric vehicles based on MPSO algorithm[J]. Power System and Clean Energy, 2020, 36(8): 116-122.

Optimal configuration of an electric-hydrogen hybrid energy storage multi-microgrid system considering power interaction constraints

LI Ruirui, LI Qi, PU Yuchen, LI Shuo, SUN Cai, CHEN Weirong

(School of Electrical Engineering, Southwest Jiaotong University, Chengdu 610031, China)

In a hybrid AC/DC multi-microgrid system, the economy and operational reliability are affected by the configuration of capacity. Considering the advantages of hybrid energy storage systems based on electric and hydrogen energy storage (electrolyzer/fuel cell/hydrogen storage tank), this paper establishes an electric-hydrogen hybrid energy storage multi-microgrid system framework. Secondly, for the said system, a multi-microgrid operation control strategy considering the real-time energy supply and demand and energy storage status of the system is proposed to ensure the economic and reliable operation of the system. A power interaction constraint model is introduced into the capacity optimization configuration model, and the proposed operational control strategy is embedded in the configuration process. Finally, an example is used to verify the necessary of power interaction constraints, and the gray wolf-sine cosine optimization algorithm is used to solve the configuration model. The results obtained are better than those of Grey Wolf optimizer and mutation particle swarm optimization algorithm. Through the simulation of annual operating conditions, the effectiveness of the optimization strategy proposed and the advantages of the electric-hydrogen hybrid energy storage system in seasonal energy storage are verified.

multi-microgrid; capacity configuration; electric-hydrogen hybrid energy storage; grey wolf-sine cosine optimization algorithm

10.19783/j.cnki.pspc.211311

國家自然科學基金項目資助(51977181);霍英東教育基金會高等院校青年教師基金項目資助(171104)

This work is supported by the National Natural Science Foundation of China (No. 51977181).

2021-09-26;

2022-01-22

李蕊睿(1998—),女,碩士研究生,研究方向為微電網(wǎng)運行與控制;E-mail: 695956731@qq.com

李 奇(1984—),男,通信作者,教授,研究方向為軌道交通新能源技術、綜合能源系統(tǒng)運行與控制等。E-mail: liqi0800@163.com

(編輯 魏小麗)

猜你喜歡
微網(wǎng)儲能約束
相變儲能材料的應用
煤氣與熱力(2021年6期)2021-07-28 07:21:24
“碳中和”約束下的路徑選擇
約束離散KP方程族的完全Virasoro對稱
儲能技術在電力系統(tǒng)中的應用
儲能真要起飛了?
能源(2017年12期)2018-01-31 01:42:59
基于OMAP-L138的微網(wǎng)控制器設計
直流儲能型準Z源光伏并網(wǎng)逆變器
電源技術(2016年2期)2016-02-27 09:05:08
基于改進下垂法的微網(wǎng)并網(wǎng)控制策略研究
適當放手能讓孩子更好地自我約束
人生十六七(2015年6期)2015-02-28 13:08:38
用于微網(wǎng)逆變器并聯(lián)的控制策略
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
湘西| 章丘市| 尚志市| 柳林县| 临高县| 新兴县| 岳阳县| 克拉玛依市| 武宣县| 柯坪县| 桃江县| 万全县| 伊川县| 瓮安县| 全椒县| 鄂伦春自治旗| 哈密市| 五台县| 锡林浩特市| 岳阳市| 浪卡子县| 朝阳县| 通州区| 新乐市| 宜君县| 贞丰县| 上林县| 永年县| 尉氏县| 调兵山市| 师宗县| 肥东县| 花莲县| 保靖县| 惠东县| 高雄县| 孝义市| 绥芬河市| 呼图壁县| 南投市| 乌恰县|