CN119834298A - 可再生能源发电制氢合成氨系统的储能配置方法及装置 - Google Patents
可再生能源发电制氢合成氨系统的储能配置方法及装置 Download PDFInfo
- Publication number
- CN119834298A CN119834298A CN202411876013.5A CN202411876013A CN119834298A CN 119834298 A CN119834298 A CN 119834298A CN 202411876013 A CN202411876013 A CN 202411876013A CN 119834298 A CN119834298 A CN 119834298A
- Authority
- CN
- China
- Prior art keywords
- power generation
- renewable energy
- hydrogen production
- ammonia
- energy power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P20/00—Technologies relating to chemical industry
- Y02P20/10—Process efficiency
- Y02P20/133—Renewable energy sources, e.g. sunlight
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种可再生能源发电制氢合成氨系统的储能配置方法及装置,该方法包括:对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型;确定可再生能源发电制氢合成氨系统的目标函数;确定可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性;利用可再生能源功率需求灵活性和能量供给灵活性确定可再生能源发电制氢合成氨系统的初始状态;基于初始状态对各区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于灵活性的分析结果对可再生能源发电制氢合成氨系统的储能装置进行配置。本申请提高了P2A系统的灵活性评估的评估精度,进而提高了储能配置的准确度和可靠性。
Description
技术领域
本申请属于可再生能源技术领域,尤其涉及一种可再生能源发电制氢合成氨系统的储能配置方法及装置。
背景技术
可再生能源发电制氢合成氨系统(Power-to-Ammonia,P2A)是一种将风能、太阳能等可再生能源转化为氢能,并进一步合成氨的综合能源转换与储存技术。该系统不仅有助于解决可再生能源的间歇性和波动性问题,还为实现工业领域的深度脱碳提供了新的途径。
在一些场景下,尽管P2A系统在推动工业领域脱碳方面潜力巨大,但其发展也面临诸多挑战。尤其是以风光为代表的可再生能源发电具有很强的波动性、间歇性和随机性,这对P2A系统的稳定运行提出了更高的要求。为了应对这种不确定性,P2A系统必须具备足够的调节能力和响应速度,以维持整个系统的平衡和安全运行。这种能力通常被称为“灵活性”。在过去,电力能量的灵活性主要依赖于储能装置,其动态过程呈线性变化,因此,其能量灵活性评估能采用如线性规划等较为简单的方法。然而,P2A系统的工艺过程涉及多个复杂的化学反应步骤,表现出高度非线性的特征。因此,通过线性规划方法对P2A系统的灵活性进行评估变得不再有效。P2A系统的灵活性评估的评估精度较低,导致储能配置的准确度和可靠性也较低。
发明内容
本申请实施例的目的是提供一种可再生能源发电制氢合成氨系统的储能配置方法及装置,能够解决P2A系统的能量灵活性评估的评估精度较低,储能配置的准确度和可靠性也较低的问题。
第一方面,提供了一种可再生能源发电制氢合成氨系统的储能配置方法,由终端执行,该方法包括:对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型;根据待配置区域的预定时间段内的发电数据以及工段模型确定可再生能源发电制氢合成氨系统的目标函数,目标函数为最大化可再生能源发电制氢合成氨系统生产计划的总收益;根据可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性;利用可再生能源功率需求灵活性和能量供给灵活性确定可再生能源发电制氢合成氨系统的初始状态;将生产计划对应的时段划分为多个区间,基于初始状态对各区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于灵活性的分析结果对可再生能源发电制氢合成氨系统的储能装置进行配置。
第二方面,提供了一种可再生能源发电制氢合成氨系统的储能配置装置,包括:建模模块,用于对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型;确定模块,用于根据待配置区域的预定时间段内的发电数据以及工段模型确定可再生能源发电制氢合成氨系统的目标函数,目标函数为最大化可再生能源发电制氢合成氨系统生产计划的总收益;确定模块,还用于根据可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性;确定模块,还用于利用可再生能源功率需求灵活性和能量供给灵活性确定可再生能源发电制氢合成氨系统的初始状态;配置模块,用于将生产计划对应的时段划分为多个区间,基于初始状态对各区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于灵活性的分析结果对可再生能源发电制氢合成氨系统的储能装置进行配置。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、处理器和存储在存储器上并可在处理器上运行的计算机可执行指令,计算机可执行指令被处理器执行时实现执行第一方面的方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质用于存储计算机可执行指令,计算机可执行指令被处理器执行时实现第一方面的方法的步骤。
在本申请实施例中,首先对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型;然后根据待配置区域的预定时间段内的发电数据以及工段模型确定可再生能源发电制氢合成氨系统的目标函数,目标函数为最大化可再生能源发电制氢合成氨系统生产计划的总收益;再根据可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性;其次利用可再生能源功率需求灵活性和能量供给灵活性确定可再生能源发电制氢合成氨系统的初始状态;最后将生产计划对应的时段划分为多个区间,基于初始状态对各区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于灵活性的分析结果对可再生能源发电制氢合成氨系统的储能装置进行配置。
如此,本申请实施例能够依据可再生能源发电出力制定P2A系统的生产计划。随后依据此生产计划,在P2A系统内将对应时段划分为多个区间,并针对一个区间进行从功率灵活性的角度进行分析,即将时序功率空间的灵活性变换至特性空间。通过不同宽度的时间窗内P2A系统所能提供的能量刻画灵活性,进而得到P2A系统的能量灵活性满足可再生能源能量灵活性需求的储能参数,使得P2A系统能够迅速响应可再生能源的调节指令,有效维持P2A系统的稳定运行与安全平衡。如此,采用本申请实施例提供的方式提高了P2A系统的灵活性评估的评估精度,进而提高了储能配置的准确度和可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的可再生能源发电制氢合成氨系统的储能配置方法的流程示意图。
图2为本申请实施例提供的一种可再生能源发电制氢合成氨系统的结构示意图。
图3为本发明实施例提供的一种灵活性能量供给与灵活性能量需求之间的曲线示意图。
图4为本发明实施例提供的另一种灵活性能量供给与灵活性能量需求之间的曲线示意图。
图5为本申请实施例提供的一种缺额曲线示意图。
图6为本申请实施例提供的可再生能源发电制氢合成氨系统的储能配置装置的结构示意图。
图7为本申请实施例提供的电子设备的结构示意图之一。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
下面结合附图,通过一些实施例及其应用场景对本申请实施例提供的技术方案进行详细地说明。
图1示出本申请实施例提供的一种可再生能源发电制氢合成氨系统的储能配置方法的流程示意图,该方法可以由电子设备执行,例如终端设备或服务端设备。换言之,方法可以由安装在终端设备或服务端设备的软件或硬件来执行。如图1所示,该方法可以包括以下步骤。
步骤S101,对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型。
具体来讲,本申请实施例中可再生能源发电制氢合成氨系统可以是间接合成路线的离网型风电制氢合成氨系统。其中,可再生能源发电制氢合成氨系统的工段类型,工段类型包括电解水制氢工段、合成氨工段以及压缩缓冲工段,示例性的,如图2所示的,图2为本申请实施例提供的一种可再生能源发电制氢合成氨系统的结构示意图,图2中,包括电解水制氢工段、压缩缓冲工段以及合成氨工段。电解水制氢工段中,风力发电以及光伏发电通过电能总线将电能输入至电解槽进行电解水制氢。压缩缓冲工段中通过空气分离制氮,以及将电解水制氢工段中得到的氢气通过压缩机压缩后进入氢气缓冲罐。合成氨工段通过合成氨塔进行氨分离,得到液氨。值得注意的是,可再生能源发电制氢合成氨系统的具体原理及具体的生产过程可以参见现有技术,本发明实施例在此不作赘述。
其中,工业规模的电解水制氢厂站通常由数十台电解槽构成。对于多台电解槽,通过机组启停组合和负载分配,集群负载可在5~100%范围内连续变化,能量转换效率接近线性。因此,作为本申请一种可选的实施例,采用线性模型建模电解水制氢工段电能消耗、制氢流量以及配套辅机设备消耗的功率三者之间的等式约束的关系,以及电解水制氢工段电能消耗与平均电解水制氢工段电能消耗之间的不等式关系,得到电解水制氢工段模型。
具体来讲,本发明实施例具体采用以下等式关系和不等式关系确定电解水制氢工段模型:
其中,表示t时刻的制氢流量。Pt P2H表示t时刻的电解水制氢工段电能消耗。PP2H,0为配套辅机设备消耗的功率。为常系数,其与制氢流量的乘积即为电解槽本身所消耗的功率。表示平均电解水制氢工段电能消耗。
进一步的,作为本发明一种可选的实施例,构建各时刻的氨的产率、合成氨负载爬坡速率、氨的产率的上下限以及合成氨负载爬坡速率的上下限之间的不等式关系,得到合成氨工段模型。
具体来讲,本发明实施例采用以下不等式关系确定合成氨工段模型:
其中,h为调度步长。为t时刻的氨的产率。为t-1时刻的氨的产率。为t时刻的合成氨负载爬坡速率。为合成氨负载爬坡速率的上限。为合成氨负载爬坡速率的下限。为氨的产率的上限。为氨的产率的下限。
进一步的,作为本发明一种可选的实施例,构建下一时刻的氢储罐储氢量、当前时刻的氢储罐储氢量、下一时刻的制氢流量以及氢储罐出口流量之间的等式关系、以及压缩机所用电力、氢气的摩尔质量、当前时刻的制氢流量、压缩机效率、理想气体常数、氢气压缩前的温度、氢气压缩前的压强以及氢气压缩后的压强之间的等式关系、以及氢储罐储氢量的上下限与各个时刻的氢储罐储氢量之间的不等式关系、以及空气所用电能消耗、空气流量、空气的摩尔质量、空气压缩前温度、理想气体常数、空气压缩前压强、空气经压缩后的压强以及压缩机效率之间的等式关系,得到压缩缓冲工段模型。
具体来讲,本发明实施例具体采用以下关系表示压缩缓冲工段模型:
其中,为t+1时刻的氢储罐储氢量。为当前t时刻的氢储罐储氢量。表示t+1时刻的制氢流量。为t+1时刻的氢储罐出口流量,其等于合成氨工段入口氢气流量。R为理想气体常数;ηc为压缩机效率,ηc取为60%。表示t时刻的制氢流量。为t时刻的压缩机所用电力。为氢气的摩尔质量。为氢储罐储氢量的上限。为氢储罐储氢量的下限。Pt AS为空气所用电能消耗。Ft Air为空气流量。MAir为空气的摩尔质量。T1为空气压缩前温度。T2为氢气压缩前的温度。p1为空气压缩前压强。p2为氢气压缩前的压强。p3为氢气压缩后的压强。p4为空气经压缩后的压强。ln表示自然对数运算,即以e为底数的对数。
步骤S102,根据待配置区域的预定时间段内的发电数据以及工段模型确定可再生能源发电制氢合成氨系统的目标函数。
其中,目标函数为最大化可再生能源发电制氢合成氨系统生产计划的总收益。
具体来讲,本发明实施例具体采用下式配置目标函数:
上式中,MZ表示P2A系统的总收益。表示P2A系统的售氨收入。CZ表示P2A系统的总成本。
进一步的,根据本发明上述实施例中各个工段模型的约束关系和待配置区域的预定时间段内的发电数据确定可再生能源发电制氢合成氨系统的售氨收入、维护成本、投资成本以及原料成本。
本申请实施例中采用下式配置P2A系统的总成本:
CZ=Cyw+Ctz+Cyl
上式中,CZ表示P2A系统的总成本。Cyw表示P2A系统的维护成本。Ctz表示P2A系统的投资成本。Cyl表示P2A系统的原料成本。
进一步的,本发明实施例采用下式表示P2A系统的维护成本:
上式中,Cyw表示P2A系统的维护成本。ki表示设备单位容量的投资成本。Emax,i为各设备的额定容量。wi为各设备运行维护成本在投资成本中的占比。
进一步的,本发明实施例采用下式表示P2A系统的投资成本:
上式中,Ctz表示P2A系统的投资成本。ki表示第i个设备单位容量的投资成本。Emax,i为第i个设备的额定容量。N表示设备的总数量。L为P2A系统的规划年限。ηi为第i个设备的贴现率。
进一步的,本发明实施例采用下式表示P2A系统的原料成本:
上式中,Cyl表示P2A系统的原料成本。表示工业用水价格。表示系统消耗的工业用水总质量。T表示时刻的数量。
步骤S103,根据可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性。
具体来讲,本发明实施例中将可再生能源功率需求变换为能量在时间上的分布。然后计算P2A系统在不同时间窗内可提供的能量的边界,再根据供给的灵活性能量能否完全包含可再生能源功率的灵活性能量需求,判断灵活性可行性。
进一步的,作为本发明一种可选的实施例,首先确定可再生能源发电制氢合成氨系统的分析时段;然后对分析时段内的各分析时间窗的再生能源发电的功率进行积分,得到可再生能源功率在分析时间窗的需求灵活性的上限和下限;最后对分析时间窗的再生能源发电的功率进行积分,得到可再生能源功率在分析时间窗的能量供给灵活性的上限和下限。
具体来讲,可再生能源功率在分析时间窗的需求灵活性的上限和下限可以采用下式表示:
上式中,Pt D为t时刻的可再生能源发电的功率。m,n为位于时间窗[0,T]间的常数。表示任意长度小于τ的分析时间窗[m,n]内需求灵活性的上限。表示任意长度小于τ的分析时间窗[m,n]内需求灵活性的下限。注意,下标τ指代分析时间窗的宽度,分析时间窗可以是[0,T]中的任意时段,而不是必须为[0,τ]。分析时间窗的宽度表示爬坡、尖峰或长时间平衡等不同类型的能量需求。ω表示随机事件。Ω表示随机事件集。
进一步的,本发明实施例中可再生能源功率在分析时间窗的能量供给灵活性的上下限采用下式表示:
其中,表示可再生能源功率在分析时间窗[0,τ]的能量供给灵活性的上限。表示可再生能源功率在分析时间窗[0,τ]的能量供给灵活性的下限。Pt为t时刻的P2A系统的功率。
进一步的,灵活性可行判据为在不同时间窗上P2A系统提供的灵活性能量供给能否包含灵活性能量需求:
上式中,K表示灵活性可行判据。
示例性的,如图3和图4所示的,图3为本发明实施例提供的一种灵活性能量供给与灵活性能量需求之间的曲线示意图,图4为本发明实施例提供的另一种灵活性能量供给与灵活性能量需求之间的曲线示意图。图3中,此时P2A系统的灵活性能量供给能够包含灵活性能量需求,系统灵活性可行。如图4中,此时P2A系统的灵活性能量供给不能包含灵活性能量需求,系统灵活性不可行。
步骤S104,利用可再生能源功率需求灵活性和能量供给灵活性确定可再生能源发电制氢合成氨系统的初始状态。
具体来讲,本发明实施例借助自适应多项式逼近(adaptive sparse polynomialapproximation,ASPA)构建代理模型,对P2A系统的初始状态进行优化。
进一步的,作为本发明一种可选的实施例,首先分别构建能量供给灵活性的上限和下限与可再生能源发电制氢合成氨系统的初值的函数,可再生能源发电制氢合成氨系统的初值包括初始合成氨产率、初始制氢流量以及初始氢储量;然后根据不同分析时间窗的能量供给灵活性的上限和下限构建标量函数;其次基于多项式逼近算法对初值的函数进行多项式逼近,得到与标量函数对应的多项式函数;最后根据多项式函数与标量函数之间的等式关系确定可再生能源发电制氢合成氨系统的初始状态。
具体来讲,本发明实施例将灵活性供给能量上下边界和记为初值的函数,具体采用下式表示:
上式中,fammonia i,0(0)表示初始合成氨产率。fP2H i,0(0)表示初始制氢流量。表示初始氢储量。
进一步的,本发明实施例应用自适应Smolyak稀疏多项式逼近(adaptive sparsepolynomial approximation,ASPA)构建P2A系统灵活性的代理模型。具体而言,将不同时间窗长度τ对应的灵活性供给能量边界及记为向量f(xi,0)。多项式逼近用多项式基与对应系数的加权和来对实际系统的动态响应进行近似,任意标量函数f(xi,0)可用ASPA近似为如下多项式函数:
其中,f*(xi,0)表示由多项式逼近得出的多项式函数。Φk(·)为多变量Legendre多项式基。Ξ为向量指标集。xi,0为初始状态。cj,k表示多变量Legendre多项式基的系数。
如此,可得到给定P2A系统灵活性供给能量上、下边界关于初始状态xi,0的代数多项式函数。分别求解和即可获得所求的初始状态。
步骤S105,将生产计划对应的时段划分为多个区间,基于初始状态对各区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于灵活性的分析结果对可再生能源发电制氢合成氨系统的储能装置进行配置。
具体来讲,本发明实施例根据优化结果设置P2A系统的初始参数后,依据P2A系统的生产计划,将生产计划的时段跨度划分为60个时长为12h的小区间。在P2A系统内对每个小区间逐一进行灵活性分析。更为具体的,确定各区间内的可再生能源发电制氢合成氨系统的初始状态中的能量供给灵活性是否满足可再生能源功率需求灵活性;若不满足,则表征可再生能源发电制氢合成氨系统的灵活性不足,若满足,则表征可再生能源发电制氢合成氨系统的灵活性充足。
进一步的,作为本发明一种可选的实施例,基于灵活性的分析结果对可再生能源发电制氢合成氨系统的储能装置进行配置包括:根据可再生能源发电制氢合成氨系统的储能装置的功率确定储能装置的灵活性能量上限和下限;在可再生能源发电制氢合成氨系统的灵活性不足的情况下,利用储能装置的灵活性能量上限和下限对储能装置进行配置。
具体来讲,针对灵活性分析中灵活性不足的情况,进一步分析其所需的灵活性补偿缺额,绘制出缺额曲线。用储能电池的灵活性曲线覆盖缺额曲线,从而得到满足该12h内可再生能源发电功率灵活性需求的储能电池参数。
进一步的,本发明实施例中,储能装置的灵活性能量上限和下限可以采用下式表示:
上式中,表示储能电池在[0,τ]中的上限。表示储能电池在[0,τ]中的下限。Pt B表示t时刻的储能电池的功率。
进一步的,通过本发明上述实施例分析出灵活性不足的情况,进一步分析其所需的灵活性补偿缺额,绘制出如图5所示的缺额曲线。其中,图5为本申请实施例提供的一种缺额曲线示意图,采用储能电池的灵活性曲线覆盖缺额曲线,从而得到满足该12h内可再生能源发电功率灵活性需求的储能电池参数。
本申请实施例能够依据可再生能源发电出力制定P2A系统的生产计划。随后依据此生产计划,在P2A系统内将对应时段划分为多个区间,并针对一个区间进行从功率灵活性的角度进行分析,即将时序功率空间的灵活性变换至特性空间。通过不同宽度的时间窗内P2A系统所能提供的能量刻画灵活性,进而得到P2A系统的能量灵活性满足可再生能源能量灵活性需求的储能参数,使得P2A系统能够迅速响应可再生能源的调节指令,有效维持P2A系统的稳定运行与安全平衡。如此,采用本申请实施例提供的方式提高了P2A系统的灵活性评估的评估精度,进而提高了储能配置的准确度和可靠性。
图6是本申请一示例性实施例提供的可再生能源发电制氢合成氨系统的储能配置装置的结构示意图。该装置600包括:建模模块601,用于对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型;确定模块602,用于根据待配置区域的预定时间段内的发电数据以及所述工段模型确定所述可再生能源发电制氢合成氨系统的目标函数,所述目标函数为最大化所述可再生能源发电制氢合成氨系统生产计划的总收益;所述确定模块602,还用于根据所述可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定所述可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性;所述确定模块602,还用于利用所述可再生能源功率需求灵活性和能量供给灵活性确定所述可再生能源发电制氢合成氨系统的初始状态;配置模块603,用于将所述生产计划对应的时段划分为多个区间,基于所述初始状态对各所述区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于所述灵活性的分析结果对所述可再生能源发电制氢合成氨系统的储能装置进行配置。
本申请实施例能够依据可再生能源发电出力制定P2A系统的生产计划。随后依据此生产计划,在P2A系统内将对应时段划分为多个区间,并针对一个区间进行从功率灵活性的角度进行分析,即将时序功率空间的灵活性变换至特性空间。通过不同宽度的时间窗内P2A系统所能提供的能量刻画灵活性,进而得到P2A系统的能量灵活性满足可再生能源能量灵活性需求的储能参数,使得P2A系统能够迅速响应可再生能源的调节指令,有效维持P2A系统的稳定运行与安全平衡。如此,采用本申请实施例提供的方式提高了P2A系统的灵活性评估的评估精度,进而提高了储能配置的准确度和可靠性。
本申请实施例提供的该装置600,可执行前文方法实施例中的各方法,并实现前文方法实施例中的各方法的功能和有益效果,在此不再赘述。
图7是本申请一示例性实施例提供的电子设备的结构示意图之一。参考该图,在硬件层面,变电站中的电子设备包括处理器,可选地,包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,该图中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成定位指定用户的装置。处理器,执行存储器所存放的程序,并具体用于执行:图1所示实施例揭示的方法并实现前文方法实施例中的各方法的功能和有益效果,在此不再赘述。
上述如本申请图1所示实施例揭示的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该可再生能源发电制氢合成氨系统的储能配置装置还可执行前文方法实施例中的各方法,并实现前文方法实施例中的各方法的功能和有益效果,在此不再赘述。
当然,除了软件实现方式之外,本申请的可再生能源发电制氢合成氨系统的储能配置装置并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,计算机可读介质存储一个或多个程序,一个或多个程序当被包括多个应用程序的电子设备执行时,使得电子设备执行图1所示实施例揭示的方法并实现前文方法实施例中的各方法的功能和有益效果,在此不再赘述。
其中,的计算机可读存储介质包括只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
进一步地,本申请实施例还提供了一种计算机程序产品,计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,实现以下流程:图1所示实施例揭示的方法并实现前文方法实施例中的各方法的功能和有益效果,在此不再赘述。
总之,以上仅为本申请的较佳实施例,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种可再生能源发电制氢合成氨系统的储能配置方法,其特征在于,包括:
对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型;
根据待配置区域的预定时间段内的发电数据以及所述工段模型确定所述可再生能源发电制氢合成氨系统的目标函数,所述目标函数为最大化所述可再生能源发电制氢合成氨系统生产计划的总收益;
根据所述可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定所述可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性;
利用所述可再生能源功率需求灵活性和能量供给灵活性确定所述可再生能源发电制氢合成氨系统的初始状态;
将所述生产计划对应的时段划分为多个区间,基于所述初始状态对各所述区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于所述灵活性的分析结果对所述可再生能源发电制氢合成氨系统的储能装置进行配置。
2.根据权利要求1所述的可再生能源发电制氢合成氨系统的储能配置方法,其特征在于,所述对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型包括:
确定所述可再生能源发电制氢合成氨系统的工段类型,所述工段类型包括电解水制氢工段、合成氨工段以及压缩缓冲工段;
采用线性模型建模电解水制氢工段电能消耗、制氢流量以及配套辅机设备消耗的功率三者之间的等式约束的关系,以及所述电解水制氢工段电能消耗与平均电解水制氢工段电能消耗之间的不等式关系,得到所述电解水制氢工段模型;
构建各时刻的氨的产率、合成氨负载爬坡速率、氨的产率的上下限以及合成氨负载爬坡速率的上下限之间的不等式关系,得到所述合成氨工段模型;
构建下一时刻的氢储罐储氢量、当前时刻的氢储罐储氢量、下一时刻的制氢流量以及氢储罐出口流量之间的等式关系、以及压缩机所用电力、氢气的摩尔质量、当前时刻的制氢流量、压缩机效率、理想气体常数、氢气压缩前的温度、氢气压缩前的压强以及氢气压缩后的压强之间的等式关系、以及氢储罐储氢量的上下限与各个时刻的氢储罐储氢量之间的不等式关系、以及空气所用电能消耗、空气流量、空气的摩尔质量、空气压缩前温度、理想气体常数、空气压缩前压强、空气经压缩后的压强以及压缩机效率之间的等式关系,得到所述压缩缓冲工段模型。
3.根据权利要求1所述的可再生能源发电制氢合成氨系统的储能配置方法,其特征在于,所述根据待配置区域的预定时间段内的发电数据以及所述工段模型确定所述可再生能源发电制氢合成氨系统的目标函数包括:
确定各所述工段模型中的等式关系和不等式关系的约束条件;
根据所述约束条件和待配置区域的预定时间段内的发电数据确定所述可再生能源发电制氢合成氨系统的售氨收入、维护成本、投资成本以及原料成本;
对所述维护成本、投资成本以及原料成本进行叠加,得到所述可再生能源发电制氢合成氨系统的总成本;
构建所述售氨收入与所述总成本之间的差值与所述可再生能源发电制氢合成氨系统的总收益之间的等式关系,得到所述目标函数。
4.根据权利要求1所述的可再生能源发电制氢合成氨系统的储能配置方法,其特征在于,所述根据所述可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定所述可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性包括:
确定所述可再生能源发电制氢合成氨系统的分析时段;
对所述分析时段内的各分析时间窗的再生能源发电的功率进行积分,得到所述可再生能源功率在所述分析时间窗的需求灵活性的上限和下限;
对所述分析时间窗的再生能源发电的功率进行积分,得到所述可再生能源功率在所述分析时间窗的能量供给灵活性的上限和下限。
5.根据权利要求1所述的可再生能源发电制氢合成氨系统的储能配置方法,其特征在于,所述利用所述可再生能源功率需求灵活性和能量供给灵活性确定所述可再生能源发电制氢合成氨系统的初始状态包括:
分别构建所述能量供给灵活性的上限和下限与所述可再生能源发电制氢合成氨系统的初值的函数,所述可再生能源发电制氢合成氨系统的初值包括初始合成氨产率、初始制氢流量以及初始氢储量;
根据不同分析时间窗的能量供给灵活性的上限和下限构建标量函数;
基于多项式逼近算法对所述初值的函数进行多项式逼近,得到与所述标量函数对应的多项式函数;
根据所述多项式函数与所述标量函数之间的等式关系确定所述可再生能源发电制氢合成氨系统的初始状态。
6.根据权利要求1所述的可再生能源发电制氢合成氨系统的储能配置方法,其特征在于,所述将所述生产计划对应的时段划分为多个区间,基于所述初始状态对各所述区间内的可再生能源发电制氢合成氨系统的灵活性进行分析包括:
确定各所述区间内的可再生能源发电制氢合成氨系统的初始状态中的能量供给灵活性是否满足可再生能源功率需求灵活性;
若不满足,则表征所述可再生能源发电制氢合成氨系统的灵活性不足,若满足,则表征所述可再生能源发电制氢合成氨系统的灵活性充足。
7.根据权利要求1所述的可再生能源发电制氢合成氨系统的储能配置方法,其特征在于,所述基于所述灵活性的分析结果对所述可再生能源发电制氢合成氨系统的储能装置进行配置包括:
根据所述可再生能源发电制氢合成氨系统的储能装置的功率确定所述储能装置的灵活性能量上限和下限;
在所述可再生能源发电制氢合成氨系统的灵活性不足的情况下,利用所述储能装置的灵活性能量上限和下限对所述储能装置进行配置。
8.一种可再生能源发电制氢合成氨系统的储能配置装置,其特征在于,包括:
建模模块,用于对可再生能源发电制氢合成氨系统的各个工段进行建模,得到各个工段的工段模型;
确定模块,用于根据待配置区域的预定时间段内的发电数据以及所述工段模型确定所述可再生能源发电制氢合成氨系统的目标函数,所述目标函数为最大化所述可再生能源发电制氢合成氨系统生产计划的总收益;
所述确定模块,还用于根据所述可再生能源发电制氢合成氨系统中可再生能源的发电功率,确定所述可再生能源发电制氢合成氨系统的可再生能源功率需求灵活性和能量供给灵活性;
所述确定模块,还用于利用所述可再生能源功率需求灵活性和能量供给灵活性确定所述可再生能源发电制氢合成氨系统的初始状态;
配置模块,用于将所述生产计划对应的时段划分为多个区间,基于所述初始状态对各所述区间内的可再生能源发电制氢合成氨系统的灵活性进行分析,并基于所述灵活性的分析结果对所述可再生能源发电制氢合成氨系统的储能装置进行配置。
9.根据权利要求8所述的可再生能源发电制氢合成氨系统的储能配置装置,其特征在于,所述确定模块,还用于确定各所述工段模型中的等式关系和不等式关系的约束条件;
根据所述约束条件和待配置区域的预定时间段内的发电数据确定所述可再生能源发电制氢合成氨系统的售氨收入、维护成本、投资成本以及原料成本;
对所述维护成本、投资成本以及原料成本进行叠加,得到所述可再生能源发电制氢合成氨系统的总成本;
构建所述售氨收入与所述总成本之间的差值与所述可再生能源发电制氢合成氨系统的总收益之间的等式关系,得到所述目标函数。
10.一种电子设备,其特征在于,该电子设备包括:处理器和存储器;其中,存储器用于存储可在处理器上运行的计算机程序;处理器,用于执行存储器上所存放的程序,实现如权利要求1-7任意一项所述的可再生能源发电制氢合成氨系统的储能配置方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411876013.5A CN119834298A (zh) | 2024-12-19 | 2024-12-19 | 可再生能源发电制氢合成氨系统的储能配置方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411876013.5A CN119834298A (zh) | 2024-12-19 | 2024-12-19 | 可再生能源发电制氢合成氨系统的储能配置方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN119834298A true CN119834298A (zh) | 2025-04-15 |
Family
ID=95294885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411876013.5A Pending CN119834298A (zh) | 2024-12-19 | 2024-12-19 | 可再生能源发电制氢合成氨系统的储能配置方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119834298A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120566522A (zh) * | 2025-07-31 | 2025-08-29 | 绿煤(江苏)高新科技有限公司 | 基于氢氨储能的电能供应调度优化方法 |
-
2024
- 2024-12-19 CN CN202411876013.5A patent/CN119834298A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120566522A (zh) * | 2025-07-31 | 2025-08-29 | 绿煤(江苏)高新科技有限公司 | 基于氢氨储能的电能供应调度优化方法 |
| CN120566522B (zh) * | 2025-07-31 | 2025-11-18 | 绿煤(江苏)高新科技有限公司 | 基于氢氨储能的电能供应调度优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10873209B2 (en) | System and method for dynamic energy storage system control | |
| Zhang et al. | Long-term energy and peak power demand forecasting based on sequential-XGBoost | |
| Rigo-Mariani et al. | Integrated optimal design of a smart microgrid with storage | |
| Kumar et al. | Optimal sizing of stand alone hybrid renewable energy system with load shifting | |
| JP7664708B2 (ja) | 太陽光発電出力予測装置、電力系統制御システム、需給制御システム、日射強度予測装置、学習装置、太陽光発電出力予測方法および太陽光発電出力予測プログラム | |
| US10565657B2 (en) | Methods and apparatuses for risk assessment and insuring intermittent electrical systems | |
| US20230253798A1 (en) | Real-time estimation of contributions from classes of energy generators in residual load signals | |
| US20170099056A1 (en) | Demand reduction risk modeling and pricing systems and methods for intermittent energy generators | |
| CN119010149A (zh) | 基于风速预测的超容储能并网方法及相关产品 | |
| US20170098229A1 (en) | Methods and apparatuses for peak demand reduction system optimization and valuation | |
| JP2022121028A (ja) | 発電量管理システム及び発電量管理方法 | |
| CN119834298A (zh) | 可再生能源发电制氢合成氨系统的储能配置方法及装置 | |
| Filipova-Petrakieva et al. | Short-Term Forecasting of Hourly Electricity Power Demand: Reggresion and Cluster Methods for Short-Term Prognosis | |
| JP2016170468A (ja) | 電力取引量決定システム、電力取引量決定方法およびプログラム | |
| CN119444264A (zh) | 一种基于区块链的绿电交易预测方法及系统 | |
| CN119130246A (zh) | 考虑时间区间最优分割的住宅用户设备调控方法及系统 | |
| Bilenko et al. | Nonlinear mathematical model of optimal solar photovoltaic station design | |
| CN118569410A (zh) | 光伏发电量预测模型训练方法、光伏发电量预测方法 | |
| CN113689033B (zh) | 容量发电价核定方法、装置、计算机设备和存储介质 | |
| Lühn et al. | Operating strategies for battery storage systems in low-voltage grids to limit the feed-in power of solar power systems using fuzzy control | |
| CN117081081A (zh) | 虚拟电厂的运行控制方法及装置、电子设备及存储介质 | |
| CN114943550A (zh) | 一种虚拟电厂的经济效益预算方法、装置及计算机设备 | |
| CN119382143B (zh) | 一种分时电价模式下的水风光储互补优化调度方法、装置 | |
| CN119009948B (zh) | 一种风光储氢综合能源系统的优化配置方法、装置及介质 | |
| Sladojevic et al. | Energy losses estimation by polynomial fitting and k-means clustering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |