本发明属于综合能源领域,具体涉及一种基于电制甲醇系统的混合微电网控制方法及系统。
背景技术:
1、传统的微电网结构由储能单元、光伏发电、直流负载、风力发电以及交流负载组成,如图1所示,其中,储能单元、光伏发电、直流负载通过直流-直流变换器接入直流母线,风力发电、交流负载通过整流器接入直流母线,再由直流母线通过逆变器接入电网。
2、在微电网中,接入微电源的输出功率具有不稳定性,直流微电网的直流侧母线电压会随着功率的波动而波动,其内部负荷也会受到直接的影响。当光伏、风电等分布式发电(distributed generation,dg)输出功率与负荷功率不平衡时,装设储能单元能吸收多余的能量或通过放电来弥补系统的不足。其中,蓄电池是应用比较广泛的储能设备,它以化学能形式储存电能,在直流微电网中常用来抑制功率波动,稳定直流侧电压,保证负荷用电。
3、能量管理系统统一管理微电网群,实现微电网之间能源互联,协调优化可再生能源的全消纳,获得机组的最优出力。但是虽然关于微电网运行调度方面已有大量研究,但这些研究都未能考虑环境污染问题。而且传统的粒子群算法对微电网的优化调度容易陷入局部最优。
4、同时微电网也会产生大量的污染气体,其中产生的二氧化碳作为主要的温室气体大量排放会产生严重的温室效应。能源消耗是最大的碳排放源,约占二氧化碳排放量的90%。煤炭在作为我们基本的能源保障的同时,大量的消耗带来了严重的环境污染和二氧化碳排放等问题。在目前石油和天然气面临结构性短缺的同时,大量的消耗也使得二氧化碳大量排放。所以向清洁能源转型,减少化石能源的消耗和二氧化碳的排放成为了社会共识。然而在实际应用的过程中,存在着可再生能源的不连续、不稳定带来的电网消纳困难,储能技术的容量限制与高昂成本,氢能的储运安全与高成本等问题,使得二氧化碳的排放带来了严重的环境污染。
技术实现思路
1、为克服上述现有技术的不足,本发明提出了一种基于电制甲醇系统的混合微电网控制方法,所述混合微电网包括相互连接的微电网和电制甲醇系统,所述控制方法包括:
2、获取混合微电网中微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本;
3、基于微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本,对预先构建的模型使用改进的粒子群算法进行求解,得到微电网的各个发电机组的在各个时刻的开关状态;
4、所述模型包括:由各个成本所确立的目标函数,以及由混合微电网负载的用电负荷和电制甲醇系统的参数确立的约束条件。
5、作为优选的,所述目标函数通过以下计算式表达:
6、
7、式中,c是混合微电网的目标成本,xj(t)是第j个发电机组在t时刻的运行状态,ce.j(t)是第j个发电机组在t时刻的单位发电成本,co.j(t)是第j个发电机组在t时刻的单位维护成本,cs.j(t)是第j个发电机组的单位停机成本,cbl(t)是在t时刻电制甲醇系统的成本,n为发电机组的总数量;
8、所述约束条件通过以下计算式表达:
9、
10、pmin≤|pb(t)|≤pmax
11、smin≤|s(t)|≤smax
12、式中,pload是混合微电网负载的用电负荷,xj(t)是第j个发电机组在t时刻的运行状态,所述运行状态为0或者1,pj(t)是第j个发电机组在t时刻的发电功率,pb(t)是在t时刻电制甲醇系统的放电功率,pmin是电制甲醇系统允许的最小充放电量,pmax是电制甲醇系统允许的最大充放电量,s(t)是电制甲醇系统在t时刻的容量状态,smin是电制甲醇系统的最小容量状态,smax是电制甲醇系统的最大容量状态。
13、作为优选的,所述对预先构建的模型使用改进的粒子群算法进行求解,包括:
14、将微电网的各个发电机组的在各个时刻的开关状态使用粒子表示,并初始化每一个粒子的速度、位置、个体最佳位置以及所在粒子群组的最佳位置;
15、基于迭代的惯性权重因子、第一学习因子、第二学习因子、个体最佳位置以及所在粒子群组的最佳位置,对每一个粒子的速度和位置进行同步迭代,直至迭代设定的次数,输出每一个粒子的最终速度和最终位置;
16、根据每一个粒子的最终速度和最终位置确定其对应的微电网的各个发电机组的在各个时刻的开关状态,并计算对应的混合微电网的目标成本;
17、选择最小的混合微电网的目标成本对应的微电网的各个发电机组的在各个时刻的开关状态输出。
18、作为优选的,所述粒子的速度,通过以下计算式进行计算:
19、
20、式中,是第n个粒子第k+1次迭代在维度d中的速度,ω是当前迭代的惯性权重因子,是第n个粒子第k次迭代在维度d中的位置,c1是当前迭代的第一学习因子,c2是当前迭代的第二学习因子,是第n个粒子第k次迭代在维度d中的个体最佳位置,是第n个粒子第k次迭代在维度d中所在粒子群组的最佳位置;
21、所述粒子的位置,通过以下计算式进行计算:
22、
23、式中,是第n个粒子第k+1次迭代在维度d中的位置,是第n个粒子第k次迭代在维度d中的位置,是第n个粒子第k+1次迭代在维度d中的速度。
24、作为优选的,所述当前迭代的惯性权重因子,通过以下计算式进行计算:
25、
26、式中,ω是当前迭代的惯性权重因子,it是当前迭代次数,mi是总迭代次数,ωs是惯性权重因子的初始值,ωe是惯性权重因子的终止值;
27、所述当前迭代的第一学习因子,通过以下计算式进行计算:
28、
29、式中,c1是当前迭代的第一学习因子,it是当前迭代次数,mi是总迭代次数,c1s是第一学习因子的初始值,c1e是第一学习因子的初始值停止值;
30、所述当前迭代的第二学习因子,通过以下计算式进行计算:
31、
32、式中,c2是当前迭代的第二学习因子,it是当前迭代次数,mi是总迭代次数,c2s是第二学习因子的初始值,c2e是第二学习因子的初始值停止值。
33、作为优选的,所述获取混合微电网中微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本之前,还包括:
34、设置多组不同的工作条件并分别进行仿真实验;
35、获取每一次仿真实验的法拉第效率;
36、将所述法拉第效率最高的仿真实验所对应的工作条件作为所述电制甲醇系统的最优工作条件。
37、基于同一发明构思,本发明还提出了一种基于电制甲醇系统的混合微电网控制系统,所述混合微电网包括相互连接的微电网和电制甲醇系统,所述控制系统包括:
38、数据获取模块,用于获取混合微电网中微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本;
39、控制调度模块,用于基于微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本,对预先构建的模型使用改进的粒子群算法进行求解,得到微电网的各个发电机组的在各个时刻的开关状态;
40、所述模型包括:由各个成本所确立的目标函数,以及由混合微电网负载的用电负荷和电制甲醇系统的参数确立的约束条件。
41、作为优选的,所述控制调度模块中模型的目标函数通过以下计算式表达:
42、
43、式中,c是混合微电网的目标成本,xj(t)是第j个发电机组在t时刻的运行状态,ce.j(t)是第j个发电机组在t时刻的单位发电成本,co.j(t)是第j个发电机组在t时刻的单位维护成本,cs.j(t)是第j个发电机组的单位停机成本,cbl(t)是在t时刻电制甲醇系统的成本,n为发电机组的总数量;
44、所述控制调度模块中模型的约束条件通过以下计算式表达:
45、
46、pmin≤|pb(t)|≤pmax
47、smin≤|s(t)|≤smax
48、式中,pload是混合微电网负载的用电负荷,xj(t)是第j个发电机组在t时刻的运行状态,所述运行状态为0或者1,pj(t)是第j个发电机组在t时刻的发电功率,pb(t)是在t时刻电制甲醇系统的放电功率,pmin是电制甲醇系统允许的最小充放电量,pmax是电制甲醇系统允许的最大充放电量,s(t)是电制甲醇系统在t时刻的容量状态,smin是电制甲醇系统的最小容量状态,smax是电制甲醇系统的最大容量状态。
49、作为优选的,所述控制调度模块对预先构建的模型使用改进的粒子群算法进行求解,包括:
50、将微电网的各个发电机组的在各个时刻的开关状态使用粒子表示,并初始化每一个粒子的速度、位置、个体最佳位置以及所在粒子群组的最佳位置;
51、基于迭代的惯性权重因子、第一学习因子、第二学习因子、个体最佳位置以及所在粒子群组的最佳位置,对每一个粒子的速度和位置进行同步迭代,直至迭代设定的次数,输出每一个粒子的最终速度和最终位置;
52、根据每一个粒子的最终速度和最终位置确定其对应的微电网的各个发电机组的在各个时刻的开关状态,并计算对应的混合微电网的目标成本;
53、选择最小的混合微电网的目标成本对应的微电网的各个发电机组的在各个时刻的开关状态输出。
54、作为优选的,所述控制调度模块中粒子的速度,通过以下计算式进行计算:
55、
56、式中,是第n个粒子第k+1次迭代在维度d中的速度,ω是当前迭代的惯性权重因子,是第n个粒子第k次迭代在维度d中的位置,c1是当前迭代的第一学习因子,c2是当前迭代的第二学习因子,是第n个粒子第k次迭代在维度d中的个体最佳位置,是第n个粒子第k次迭代在维度d中所在粒子群组的最佳位置;
57、所述控制调度模块中粒子的位置,通过以下计算式进行计算:
58、
59、式中,是第n个粒子第k+1次迭代在维度d中的位置,是第n个粒子第k次迭代在维度d中的位置,是第n个粒子第k+1次迭代在维度d中的速度。
60、作为优选的,所述控制调度模块中当前迭代的惯性权重因子,通过以下计算式进行计算:
61、
62、式中,ω是当前迭代的惯性权重因子,it是当前迭代次数,mi是总迭代次数,ωs是惯性权重因子的初始值,ωe是惯性权重因子的终止值;
63、所述控制调度模块中当前迭代的第一学习因子,通过以下计算式进行计算:
64、
65、式中,c1是当前迭代的第一学习因子,it是当前迭代次数,mi是总迭代次数,c1s是第一学习因子的初始值,c1e是第一学习因子的初始值停止值;
66、所述控制调度模块中当前迭代的第二学习因子,通过以下计算式进行计算:
67、
68、式中,c2是当前迭代的第二学习因子,it是当前迭代次数,mi是总迭代次数,c2s是第二学习因子的初始值,c2e是第二学习因子的初始值停止值。
69、作为优选的,所述数据获取模块获取混合微电网中微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本之前,还包括:
70、设置多组不同的工作条件并分别进行仿真实验;
71、获取每一次仿真实验的法拉第效率;
72、将所述法拉第效率最高的仿真实验所对应的工作条件作为所述电制甲醇系统的最优工作条件。
73、基于同一发明构思,本发明又提出了一种计算机设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;
74、当所述一个或多个程序被所述一个或多个处理器执行时,实现上述的一种基于电制甲醇系统的混合微电网控制方法。
75、基于同一发明构思,本发明再提出了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现上述的一种基于电制甲醇系统的混合微电网控制方法。
76、与最接近的现有技术相比,本发明具有的有益效果如下:
77、本发明提供了一种基于电制甲醇系统的混合微电网控制方法及系统,所述混合微电网包括相互连接的微电网和电制甲醇系统,所述控制方法包括:获取混合微电网中微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本;基于微电网的各个发电机组的单位发电成本、单位维护成本和单位停机成本,以及预先确定最优工作条件的电制甲醇系统的成本和混合微电网的目标成本,对预先构建的模型使用改进的粒子群算法进行求解,得到微电网的各个发电机组的在各个时刻的开关状态;所述模型包括:由各个成本所确立的目标函数,以及由混合微电网负载的用电负荷和电制甲醇系统的参数确立的约束条件,本发明将现有的微电网和电制甲醇系统结合得到混合微电网,建立成本的目标函数和约束条件,使用改进的粒子群算法对该混合微电网进行统一调度,提升了调度的效率和精度,从而实现二氧化碳全过程循环利用的基础上,有效降低环境污染,同时降低了用户在电网的用电成本。