风电制氢微电网系统容量配置方法及系统技术方案

本发明专利技术公开了一种风电制氢微电网系统容量配置方法及系统，方法和系统均用于离网风电制氢微电网系统的容量配置，方法包括：首先，获取风力发电机组所在区域的历史风速数据，并根据历史风速数据计算出风力发电机组的发电功率数据；然后，基于发电功率数据，采用进化算法对预先构建的容量优化配置模型进行迭代求解，得到系统中各单元之间的最优容量配比。系统包括：数据处理模块和迭代求解模块，数据处理模块可以获取风力发电机组所在区域的历史风速数据，并根据历史风速数据计算出风力发电机组的发电功率数据。迭代求解模块可以基于发电功率数据，采用进化算法对预先构建的容量优化配置模型进行迭代求解，得到系统中各单元之间的最优容量配比。最优容量配比。最优容量配比。

【技术实现步骤摘要】
风电制氢微电网系统容量配置方法及系统


[0001]本专利技术涉及使用基于粒子的方法的计算机辅助设计
，具体涉及一种风电制氢微电网系统容量配置方法及系统。

技术介绍

[0002]与传统化石能源相比，风电、光电等新型电力能源具有高效性和环保性,而且风能、光能等新能源可以有效应对能源危机和环境污染问题，因此，新能源发电技术得到了世界各国的高度重视和广泛应用。但随着风、光等新能源的装机量不断提升，对电网调峰和调度形成了一定的挑战。
[0003]风电的发电能力和发电质量易受环境因素影响，具有随机性强、波动性大、间歇发电等特点，造成了风电使用时的困难。氢气是一种理想的能源载体，具有能量密度高、使用不产生污染、可循环利用、适合大规模存储和运输等优点，探索离网风电耦合电解水制氢技术是解决风电消纳的一条有效途径，也能为各行业的减碳做出巨大贡献。
[0004]电解槽按电解质的不同分为碱式电解槽(AEL)、质子交换膜电解槽(PEM)和固体氧化物电解槽(SOEC)，其中AEL技术成熟、成本较低、工业应用广，适合于大规模制氢场景下的应用。AEL制氢效率受输入电流、电解液浓度、温度等多种因素影响，导致其在电源侧不同输入功率情况及不同工作环境下制氢效率不同，且AEL系统惯量大，动态负载追踪能力较弱。因此，充分考虑AEL的动静态特性，对风电离网制氢系统容量配置方法进行研究，对于提高风能利用率、提升风电离网制氢微电网系统整体效益具有重要意义。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术提出一种风电制氢微电网系统容量配置方法及系统。基于制氢系统动态特性对离网制氢系统的系统容量进行配置，以提高风电利用率，实现微电网系统经济效益最大化。具体技术方案如下：
[0006]第一方面，提供了一种风电制氢微电网系统容量配置方法，该配置方法用于离网风电制氢微电网系统的容量配置，包括：
[0007]获取风力发电机组所在区域的历史风速数据，并根据所述历史风速数据计算出风力发电机组的发电功率数据；
[0008]基于所述发电功率数据，采用进化算法对预先构建的容量优化配置模型进行迭代求解，得到风电制氢微电网系统中各单元之间的最优容量配比。
[0009]结合第一方面，在第一方面的第一种可实现方式中，根据所述历史风速数据计算出风力发电机组的发电功率数据，包括：
[0010][0011]其中，P
wt_rated
为风力发电机组的额定功率，v
t
为历史风速数据中t时刻的风速，v
cut_in
、v
cut_out
、v
rated
分别为风力发电机组的切入风速、切出风速和额定风速。
[0012]结合第一方面，在第一方面的第二种可实现方式中，以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标，构建所述容量优化配置模型。
[0013]结合第一方面，在第一方面的第三种可实现方式中，对预先构建的容量优化配置模型进行迭代求解时，设定的约束条件包括：
[0014][0015]其中，P
in_t
为电解槽输入功率，P
load_t
为卸荷负载功率，P
WT_t
为风力发电机组的发电功率，P
BAT_t
为电池功率，P
AEL
为电解水制氢设备的额定功率，SOC(t)为储能电池在t时刻的实时电量，SOC
min
、SOC
max
分别为储能电池的电量下限和电量上限。
[0016]结合第一方面，在第一方面的第四种可实现方式中，采用单目标粒子群算法对预先构建的容量优化配置模型进行迭代求解。
[0017]第二方面，提供了一种风电制氢微电网系统容量配置系统，该配置系统用于离网风电制氢微电网系统的容量配置，包括：
[0018]数据处理模块，配置为获取风力发电机组所在区域的历史风速数据，并根据所述历史风速数据计算出风力发电机组的发电功率数据；
[0019]迭代求解模块，配置为基于所述发电功率数据，采用进化算法对预先构建的容量优化配置模型进行迭代求解，得到风电制氢微电网系统中各单元之间的最优容量配比。
[0020]结合第二方面，在第二方面的第一种可实现方式中，所述数据处理模块包括：
[0021]数据获取单元，配置为获取风力发电机组所在区域的历史风速数据；
[0022]数据计算单元，配置为采用以下计算式计算风力发电机组的发电功率数据，包括：
[0023][0024]其中，P
wt_rated
为风力发电机组的额定功率，v
t
为历史风速数据中t时刻的风速，v
cut_in
、v
cut_out
、v
rated
分别为风力发电机组的切入风速、切出风速和额定风速。
[0025]结合第二方面，在第二方面的第二种可实现方式中，所述迭代求解模块以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标，构建所述容量优化配置模型。
[0026]结合第二方面，在第二方面的第三种可实现方式中，所述迭代求解模块设定的约束条件包括：
[0027][0028]其中，P
in_t
为电解槽输入功率，P
load_t
为卸荷负载功率，P
WT_t
为风力发电机组的发电功率，P
BAT_t
为电池功率，P
AEL
为电解水制氢设备的额定功率，SOC(t)为储能电池在t时刻的实时电量，SOC
min
、SOC
max
分别为储能电池的电量下限和电量上限。
[0029]结合第二方面，在第二方面的第四种可实现方式中，所述迭代求解模块采用单目标粒子群算法对预先构建的容量优化配置模型进行迭代求解。
[0030]有益效果：采用本专利技术的风电制氢微电网系统容量配置方法及系统，可以基于风力发电机组的不同发电功率，采用进化算法获得风电制氢微电网系统中各个单元的最优容量配比，充分考虑了电解制氢系统的动态特性，提高了风电利用效率。
附图说明
[0031]为了更清楚地说明本专利技术具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中，各元件或部分并不一定按照实际的比例绘制。
[0032]图1为本专利技术一实施例提供的风电制氢微电网系统的系统框图；
[0033]图2为本专利技术一实施例提供的风电制氢微电网系统的容量配置方法流程图；
[0034]图3为本专利技术一实施例提供的风电制氢微电网系统的容量配置系统的系统框图。
具体实施方式
[0035]下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。
[0036]应理解，如图1所示，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电制氢微电网系统容量配置方法，其特征在于，该配置方法用于离网风电制氢微电网系统的容量配置，包括：获取风力发电机组所在区域的历史风速数据，并根据所述历史风速数据计算出风力发电机组的发电功率数据；基于所述发电功率数据，采用进化算法对预先构建的容量优化配置模型进行迭代求解，得到风电制氢微电网系统中各单元之间的最优容量配比。2.根据权利要求1所述的风电制氢微电网系统容量配置方法，其特征在于，根据所述历史风速数据计算出风力发电机组的发电功率数据，包括：其中，P
wt_rated
为风力发电机组的额定功率，v
t
为历史风速数据中t时刻的风速，v
cut_in
、v
cut_out
、v
rated
分别为风力发电机组的切入风速、切出风速和额定风速。3.根据权利要求1所述的风电制氢微电网系统容量配置方法，其特征在于，以风电制氢微电网系统全生命周期内的经济效益最大化为优化目标，构建所述容量优化配置模型。4.根据权利要求1所述的风电制氢微电网系统容量配置方法，其特征在于，对预先构建的容量优化配置模型进行迭代求解时，设定的约束条件包括：其中，P
in_t
为电解槽输入功率，P
load_t
为卸荷负载功率，P
WT_t
为风力发电机组的发电功率，P
BAT_t
为电池功率，P
AEL
为电解水制氢设备的额定功率，SOC(t)为储能电池在t时刻的实时电量，SOC
min
、SOC
max
分别为储能电池的电量下限和电量上限。5.根据权利要求1所述的风电制氢微电网系统容量配置方法，其特征在于，采用单目标粒子群算法对预先构建的容量优化配置模型进行迭代求解。6.一种风电制氢微电网系统容量配置系统，其特征在于，包括：数...

【专利技术属性】
技术研发人员：韩花丽，陈寒露，胡浩，廖雪松，孙军，史帅，韦呈春，周琪，刘香滟，
申请(专利权)人：中国船舶集团有限公司，
类型：发明
国别省市：