【技术实现步骤摘要】
本专利技术属于电力系统调度领域，涉及一种含电解制氢的新能源发电多目标能量管理随机优化方法。
技术介绍
0、技术背景
1、截止到2022年底，中国风电、光伏发电的装机容量已高达7576.1mw，占电源装机总量的比例高达26.7％。与此同时，新能源发电出力对电网的安全稳定运行带来不利影响。电解制氢技术作为可调节的灵活性资源，具有响应速度快、零碳排放等优点；而且，与传统储能介质相比，氢能具有能量密度高、存储时间长的优点。
2、电解制氢系统并网运行不仅有助于改善风光电出力波动量、减少因电网消纳能力不足带来的“弃风弃光”现象，也能参与电网调峰辅助服务，提高系统动态调节能力，保障高比例新能源接入下电网的安全、稳定和经济运行。
3、因此，如何有效利用电解制氢技术，提高新能源电站的灵活调节能力，满足平抑功率波动、增加新能源消纳空间、参与电网调峰辅助服务等多目标场景的需求成为当前亟需解决的重要问题。
技术实现思路
1、针对上述现有技术的缺陷和不足，本专利技术提供一种含电解制氢的新能源发电多目标能量管理随机优化方法。本专利技术以平抑新能源功率波动、参与调峰辅助服务、减少弃风弃光电量为目标，通过电解制氢系统和电化学储能系统协同优化，利用基于sinusoidal映射和改进莱维飞行的粒子群算法进行求解。本专利技术充分考虑电力市场环境下新能源发电的多目标调节需求和新能源出力的不确定性，同时对清洁能源高效利用。
2、一种含电解制氢的新能源发电多目标能量管理随机优化
3、步骤1：基于市场环境下的新能源发电与电解制氢的成本与价格机制，建立不同目标场景下的成本效益量化模型，并以价格的形式整合为一个目标函数；
4、步骤2：考虑新能源发电与电解制氢装置运行情况，建立新能源发电与电解制氢装置的运行约束；
5、步骤3：以模糊机会约束的形式量化新能源出力的不确定性；
6、步骤4：在求解过程中采用清晰等价类的方法将模糊机会约束转化为确定性约束，得到多目标能量管理随机优化模型。
7、进一步，所述步骤1包括以下步骤：
8、步骤1.1：基于市场环境下的新能源发电与电解制氢的成本与价格机制，建立不同目标场景下的成本效益量化模型；
9、步骤1.2：考虑上述调峰辅助服务收益及弃风弃光惩罚，结合碳交易收益及购电成本，建立多目标能量管理随机优化模型的目标函数。
10、进一步，所述步骤2包括以下步骤：
11、步骤2.1：建立新能源电站整体运行约束；
12、步骤2.2：考虑新能源发电与电解制氢装置运行情况，建立新能源发电与电解制氢装置的运行约束。
13、进一步，所述步骤1.1中，功率波动限制方程为：
14、|pnet(t)-pnet(t-1)|≤det
15、pnet(t)＝pwt(t)+ppv(t)
16、式中：pnet为新能源实际出力；det为电网能承受的波动范围，按系统新能源机组总安装容量的10％计算；pwt为风力发电输出功率；ppv为光伏输出功率。
17、设计的调峰辅助服务模型为：
18、esup＝γsupλsup∑qsup
19、
20、式中：esup为参与调峰辅助服务补偿；γsup为辅助补贴修正系数，由于补贴电价以每一档次最高标准定价，但实际情况下，通过竞价所获得的补偿电价往往不是最高标准；λsup为补贴电价；qsup为出力调峰的电量；fi为储能设施的平均负荷率。
21、电站的弃风弃光电量与弃风弃光惩罚为：
22、qloss＝ploss·δt
23、
24、
25、式中：qloss为弃风弃光电量；ploss为弃风弃光功率；kloss为弃风弃光惩罚；pnet,theory为新能源理论出力；为吸收新能源富余出力且储氢罐存储量小于最大存储量时的电解槽运行功率；为电化学储能的充电功率；δt为时间间隔，δt＝15min。
26、进一步，所述步骤1.2中，结合上述调峰辅助服务收益、弃风弃光惩罚、碳交易收益及购电成本，并考虑功率波动的限制，建立多目标能量管理随机优化模型的目标函数：
27、max f＝esup+eco2-kloss-kbuy-klim
28、式中：eco2为碳减排的收益；kbuy为购电成本；esup为调峰收益。
29、碳减排收益的模型为：
30、eco2＝aco2(bq-bp)
31、式中：aco2为碳定价；bp为碳排放量；bq为碳配额。
32、新能源发电站的碳排放量在从上级电网购电时产生，由于上级电网火力发电会产生一定量的co2，当新能源发电站从上级电网购电时，承担该部分的碳排放量，因此碳排放量为：
33、
34、式中：λp为等效系数，pbuy为购电功率。
35、关于系统分配到的碳排放额度，采用基于碳减排量的免费初始碳排放权分配方式，即将碳排放额度的分配与系统碳减排量联系起来。分配到的碳排放额度为：
36、
37、式中：λq为碳配额系数；ρ为同电量下火力发电燃煤产生的碳排放量，燃煤发电机每发1kw·h电量的碳排放为0.9到1.1kg，取1kg，因此ρ取值为1kg。
38、购电成本的模型为：
39、
40、式中：abuy为分时电价；pbuy为购电功率。
41、功率波动越限惩罚的模型为：
42、klim＝ε·max{|pnet(t)-pnet(t-1)|-lim,0}
43、式中：ε为功率波动越限惩罚系数，ε＝1010。
44、进一步，所述步骤2.1中，电力电量平衡约束为：
45、
46、式中：psell为售电功率；pele为电解槽的工作功率；pbuy为购电功率；psup为参与调峰的功率；pfc为燃料电池的输出功率；分别为储能电池充电功率、放电功率。
47、氢能供需平衡约束为：
48、
49、
50、
51、式中：vhs为储氢罐内氢气的存储量；为电解槽输出氢气的速率；为用氢速率；ηele为产氢效率；ηfc为用氢效率。
52、进一步，所述步骤2.2中，新能源发电系统运行约束为：
53、
54、
55、式中：分别为风电出力最小和最大输出功率；分别为光伏出力最小和最大输出功率。
56、电解槽的运行约束为：
57、
58、式中：和是电解槽运行功率的上限和下限。
59、燃料电池的运行约束为：
60、
61、式中：和是燃料电池运行消耗功率的上限和下限。。
62、储氢罐的容量约束为：
63、
<本文档来自技高网...【技术保护点】
1.一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤1包括以下步骤：
3.根据权利要求1所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤2包括以下步骤：
4.根据权利要求2所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤1.1包括：
5.根据权利要求2所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤1.2包括：
6.根据权利要求3所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤2.1包括：
7.根据权利要求3所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤2.2包括：
8.根据权利要求1所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤3具体为：
9.根据权利要求1所述
10.根据权利要求1所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤4中多目标能量管理随机优化模型的求解算法包括：
...【技术特征摘要】
1.一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤1包括以下步骤：
3.根据权利要求1所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤2包括以下步骤：
4.根据权利要求2所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤1.1包括：
5.根据权利要求2所述的一种含电解制氢的新能源发电多目标能量管理随机优化方法，其特征在于，所述步骤1.2包括：
6.根据权利要求3所述的一种含电解制氢的新能源...
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。