【技术实现步骤摘要】
本专利技术涉及动态管理，尤其是基于电网负荷动态管理的压缩空气储能系统。
技术介绍
1、储能技术被认为是一种能够弥补清洁能源时空不确定性的技术，能有效缓解可再生能源对电网的冲击，提高电网的灵活调节能力。储能技术的引入，可降低清洁能源接入对电网结构的要求。压缩空气储能系统具有能量密度高、储能效率高、低成本、无地理条件限制等突出优点，被认为是极具潜力的未来储能技术之一。其中，先进绝热压缩空气储能具有系统效率高等优势，不仅能对电能进行存储并在需要时对用户进行供电，系统发电后排出的余热还能向用户供热、供冷，实现冷热电三联供。由于压缩空气储能系统采用压缩机组和膨胀机组实现电能的存储和转化，而机械系统惯性的存在导致系统启动需要一定的时间(分钟级)，无法独立快速的满足对微电网中电源和负荷变化的实时响应需求。
技术实现思路
1、本专利技术的目的是通过提出基于电网负荷动态管理的压缩空气储能系统，以解决上述
技术介绍
中提出的缺陷。
2、本专利技术采用的技术方案如下：
3、提供基于电网负荷动态管理的压缩空气储能系统，包括：
4、负荷采集模块：用于采集压缩空气储能机组数据；
5、模型搭建模块：用于基于采集的压缩空气储能机组数据搭建电网负荷计算模型；
6、动态管理模块：基于搭建的电网负荷模型进行压缩空气储能机组的动态管理。
7、作为本专利技术的一种优选技术方案：所述负荷采集模块采集的压缩空气储能机组数据包括电动机、压缩机组、储气装置、储能装
8、作为本专利技术的一种优选技术方案：所述模型搭建模块基于采集的压缩空气储能机组数据进行提取获得压缩空气储能机组的搜索空间数据，并搭建电网负荷计算模型。
9、作为本专利技术的一种优选技术方案：所述电网负荷计算模型具体如下：
10、建立压缩空气储能机组的第i个设备的运行模型为xi＝{x1,x2,…,xn}，其中x为设备在搜索空间中的位置，i为设备个数，每个设备的位置固定，得到t时刻设备的位置信息x(t)如下：
11、
12、其中，xs为起始点的位置信息，xt为t时刻设备在空间内的位置信息，σi为第i个设备的空间传播介质的参数；
13、基于设备之间的吸引力计算电网负荷在空间的欧式距离dse：
14、
15、其中，xs(t)、xe(t)分别为t时刻设备在空间传播起始点和终点位置，xs,l(t)为t时刻设备在起始点的步长缩减因子，xe,l(t)为t时刻设备在终点的步长缩减因子；
16、计算电网内负荷值fse：
17、fse＝xw+rdse
18、其中，xw为压缩空气储能机组内的声调趋同信息，r为在(0,1)间均匀分布的随机数。
19、作为本专利技术的一种优选技术方案：所述动态管理模块基于所述电网负荷计算模型搭建动态管理模型对压缩空气储能机组进行动态管理。
20、作为本专利技术的一种优选技术方案：所述动态管理模型具体搭建如下：
21、
22、其中，f为动态管理函数，m为压缩空气储能机组设备个数，ci为压缩空气储能机组在理想状态下的负荷量，fi为实际负荷量。
23、作为本专利技术的一种优选技术方案：所述动态管理模型基于改进粒子群算法进行系统动态管理的寻优控制。
24、作为本专利技术的一种优选技术方案：所述改进粒子群算法具体如下：
25、以动态管理模型f最小化为目标函数，以动态管理模型f的误差函数的倒数作为适应度函数，初始化n个粒子，形成原始种群，并经过如下算法进行迭代更新寻取最优解：
26、
27、
28、其中，表示第k个粒子第t+1次迭代的速度，表示第k个粒子第t次迭代的速度，表示第k个粒子第t+1次迭代的位置，表示第k个粒子第t次迭代的位置，ωt为粒子第t次迭代的惯性权重，r1、r2均为[0,1]间的一个随机数，表示个体历史最优位置；表示群体最优位置；
29、ωt根据迭代次数变化：
30、ωt＝ω1·ωt-1+ω2·ω0·e-ht
31、ω1+ω2＝1
32、其中，ω1、ω2为权重系数，ω0为初始权重，ωt-1为第t-1次迭代的权重，e为数学常量，h为收敛因子。
33、作为本专利技术的一种优选技术方案：所述动态管理模块中，当监测到系统内的发电量大于负荷需求时，控制储能装置吸收多余的电能，并将电能用于下一次的储能动作中；当系统监测到系统内的发电量小于负荷需求时，控制输出电动机和储能装置中的电能弥补系统内的供电不足。
34、作为本专利技术的一种优选技术方案：所述储能装置的供电优先级优先于电动机。
35、本专利技术提供的基于电网负荷动态管理的压缩空气储能系统，与现有技术相比，其有益效果有：
36、本专利技术通过搭建压缩空气储能机组的电网负荷计算模型，并基于改进粒子群算法优化的动态管理模型进行压缩空气储能系统的寻优控制，提升了电网负荷的控制精度与速度，实现能源的电网负荷动态优化管理。
本文档来自技高网...【技术保护点】
1.基于电网负荷动态管理的压缩空气储能系统，其特征在于：包括：
2.根据权利要求1所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述负荷采集模块(100)采集的压缩空气储能机组数据包括电动机、压缩机组、储气装置、储能装置、膨胀机组以及发电机数据。
3.根据权利要求2所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述模型搭建模块(200)基于采集的压缩空气储能机组数据进行提取获得压缩空气储能机组的搜索空间数据，并搭建电网负荷计算模型。
4.根据权利要求3所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述电网负荷计算模型具体如下：
5.根据权利要求4所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述动态管理模块(300)基于所述电网负荷计算模型搭建动态管理模型对压缩空气储能机组进行动态管理。
6.根据权利要求5所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述动态管理模型具体搭建如下：
7.根据权利要求6所述的基于电网负荷动态管理的压缩空气储能系统，其特
8.根据权利要求7所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述改进粒子群算法具体如下：
9.根据权利要求8所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述动态管理模块(300)中，当监测到系统内的发电量大于负荷需求时，控制储能装置吸收多余的电能，并将电能用于下一次的储能动作中；当系统监测到系统内的发电量小于负荷需求时，控制输出电动机和储能装置中的电能弥补系统内的供电不足。
10.根据权利要求9所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述储能装置的供电优先级优先于电动机。
...【技术特征摘要】
1.基于电网负荷动态管理的压缩空气储能系统，其特征在于：包括：
2.根据权利要求1所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述负荷采集模块(100)采集的压缩空气储能机组数据包括电动机、压缩机组、储气装置、储能装置、膨胀机组以及发电机数据。
3.根据权利要求2所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述模型搭建模块(200)基于采集的压缩空气储能机组数据进行提取获得压缩空气储能机组的搜索空间数据，并搭建电网负荷计算模型。
4.根据权利要求3所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述电网负荷计算模型具体如下：
5.根据权利要求4所述的基于电网负荷动态管理的压缩空气储能系统，其特征在于：所述动态管理模块(300)基于所述电网负荷计算模型搭建动态管理模型对压缩空气储能机组进行动态管理。
6.根据...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。