一种基于电-热-氢综合能源系统规划方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113705919A(43)申请公布日2021.11.26(21)申请号202111026680.0G06F111/06(2020.01)(22)申请日2021.09.02G06F111/08(2020.01)G06F113/04(2020.01)(71)申请人贵州大学G06F113/06(2020.01)地址550025贵州省贵阳市花溪区甲秀南G06F113/08(2020.01)路(72)发明人姚俊荣唐学用陈兴乐(74)专利代理机构亳州速诚知识产权代理事务所(普通合伙)34157代理人张辉(51)Int.Cl.G06Q10/04(2012.01)G06Q10/06(2012.01)G06Q50/06(2012.01)G06N3/00(2006.01)G06F30/27(2020.01)权利要求书2页说明书4页附图2页(54)发明名称一种基于电-热-氢综合能源系统规划方法及系统(57)摘要本发明公开了一种基于电‑热‑氢综合能源系统规划方法及系统。本发明中，本发明中，优化配置的综合能源系统各设备充分发挥其功能，基本实现电、热、氢的同时供应。在运行策略上，通过将燃料电池汽车和加氢站加入到P2G过程中，实现了富余电能的有效利用。通过切换CHP运行模式，可以较好地与可再生能源出力配合，在满足负荷需求的同时，减少了能量浪费，以经济成本最小、风光消纳率最大和供能不足最小为优化目标对IES进行多目标规划，可以较好地兼顾经济成本、可再生能源有效利用和供能可靠性等规划需求，通过考虑极限场景，可以较为有效地应对不确定性因素的变化。由结果分析可知，所得规划方案在可再生能源出力波动时具有较强的适应能力。CN113705919ACN113705919A权利要求书1/2页1.一种基于电‑热‑氢综合能源系统规划方法及系统，其特征在于：所述基于电‑热‑氢综合能源系统规划方法及系统运行时包括以下步骤：S1:先进行粒子群参数的设置，参数设置如下：学习因子取c1＝c2＝1.0，最大惯性权重系数wmax＝0.9，最小惯性权重系数wmin＝0.1，粒子最大飞行速度vmax＝1，变异概率pm＝0.05，粒子种群数为50，最大迭代次数为300；S2:采用种改进的混合多目标粒子群优化算法处理处理电‑热‑氢综合能源优化问题；S3:先初始化种群，计算目标函数值，并利用Pareto优先排序法进行排序；S4:将种群中的非劣解添加到精英集，去除精英集中的劣解，S5:对精英集中解按拥挤距离排序法进行适应度分配，按适应度概率选取全局最优解；根据个体最优解和选择的全局最优解，更新个体的位置和速度；S6:对精英集中的解进行交叉变异，若得到的新解支配精英集中的解，则用新解替换被支配解S7:如果达到最大迭代次数，转到下一步，否则转到步骤S3，进行下一次迭代；S8:为了避免人为因素对规划结果的影响，利用模糊隶属度函数从Pareto解集中权衡筛选出最终解；模糊隶属度函数计算得到的综合满意度越大的解越优，计算公式为：2.如权利要求1所述的一种基于电‑热‑氢综合能源系统规划方法及系统，其特征在于：所述制氢加氢站结构现场电解水HPRS通过电解槽消耗来自于电网和风电场的电力来生产氢气；所生产的气态低压氢气经过压缩机压缩得到气态高压氢气，并在储氢罐储存起来；当氢燃料汽车到HPRS来补充燃料时，储氢罐中的氢气通过加氢机加压冷却后满足氢燃料汽车的加氢需求；HPRS的主要设备包括电解槽、压缩机、储氢罐和加氢机。3.如权利要求1所述的一种基于电‑热‑氢综合能源系统规划方法及系统，其特征在于：所述步骤S8中，式中，um,i为第m个非劣解，Xm对第i个目标的满意度；fi(xm)为非劣解xm的第imaxmin个目标值；fi为第i个目标的最大值；fi为第i个目标的最小值；um为非劣解xm对所有目标的综合满意度；M为非劣解个数；L为目标个数。4.如权利要求1所述的一种基于电‑热‑氢综合能源系统规划方法及系统，其特征在于：所述规划方法制定了三个方案：以年均场景数据作为输入条件，经济成本最小为优化目标，对设备容量进行单目标优化配置；以年均场景数据作为输入条件，同时考虑规划的经济性、高效性和安全性，对设备容量进行多目标优化配置；：以多场景数据作为输入条件，同时考虑规划的经济性、高效性和安全性，对设备容量进行多目标优化配置。5.如权利要求2所述的一种基于电‑热‑氢综合能源系统规划方法及系统，其特征在于：所述加氢机加氢逻辑规则有：规则1：2个最近HPRS之间的最短距离应小于氢燃料汽车的额定行驶里程；规则2：在任一段旅程的起点和终点处，氢燃料汽车的储氢瓶应储存一定量的氢气。6.如权利要求2所述的一种基于电‑热‑氢综合能源系统规划方法及系统，其特征在于：所述储氢