• 基于燃压缩空气储能系统的零碳微能源互联网优化调度(Matlab代码实现)


    💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥
    🎉作者研究:🏅🏅🏅本科计算机专业,研究生电气学硕主要研究方向是电力系统和智能算法、机器学习和深度学习。目前熟悉python网页爬虫、机器学习、群智能算法、深度学习的相关内容。希望将计算机和电网有效结合!⭐️⭐️⭐️

                              

                                        🎉🎉欢迎您的到来🎉🎉

                         ⛅⛅⛅ 📃个人主页:电力系统科研室🌈🌈🌈

                        📚📚📚📋专栏目录:电力系统与算法之美👨‍💻👨‍💻👨‍💻

                               

    【现在公众号名字改为:荔枝科研社】

    👨‍🎓博主课外兴趣:中西方哲学,送予读者:

    👨‍💻做科研,涉及到一个深在的思想系统,需要科研者逻辑缜密,踏实认真,但是不能只是努力,很多时候借力比努力更重要,然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学,什么是电的时候,不要觉得这些问题搞笑,哲学就是追究终极问题,寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。在我这个专栏记录我有空时的一些哲学思考和科研笔记:科研和哲思。建议读者按目录次序逐一浏览,免得骤然跌入幽暗的迷宫找不到来时的路,它不足为你揭示全部问题的答案,但若能让人胸中升起一朵朵疑云,也未尝不会酿成晚霞斑斓的别一番景致,万一它居然给你带来了一场精神世界的苦雨,那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。

         或许,雨过云收,神驰的天地更清朗.......🔎🔎🔎

    📋📋📋本文目录如下:⛳️⛳️⛳️

    目录

    1 概述

    2 零碳排放微能源互联网

    2.1 微能源互联网

    2.2 NSF-CAES 枢纽

    3 数学模型及算例

    4 运行结果

    5 文章详细讲解及Matlab代码 

    6 写在最后

    1 概述

          全球能源危机和环境污染的双重压力,导致了能源利用行为的变革。开发可再生能源是解决能源和环境问题的全球共识。近几十年来,风能、太阳能等可再生能源无论是集中式还是分布式都得到了快速发展[1]。然而,近年来大部分可用的风能和太阳能发电量大大减少,特别是在中国东北和西北地区,这阻碍了可再生能源产业的稳定发展。

       综合利用电、热、冷、天然气等多种能源载体是减少风能和太阳能浪费的趋势。综合能源系统 (IES) 是一个符号系统,通过将多个能源网络与几个能够在不同能源载体之间传输、转换和存储的能源枢纽 (EH) 连接起来,从而包含多个能源载体 [3, 4]。通过 IES 和 EH,可以对不同的能源网络进行协同优化和管理,以提高风能和太阳能的利用率和提高整个能源供应系统的调度灵活性。

    2 零碳排放微能源互联网

    2.1 微能源互联网

    微能源互联网(MEI)是一个由分布式能源、储能单元、多载波能源、多载波负载和配电网络组成的系统[20]。 MEI 可以独立运行或连接到公共能源网络。城乡社区、医院、工业园区和学校是MEI的代表。 MEI旨在通过不同能源载体之间的转换和存储,实现多种能源的综合优化和调度,以节省成本和减少排放。除MEI外,还提出了一些解决方案,包括微电网(MG)、虚拟电厂(VPP)来处理能源供应问题。 MG是一个由至少一个清洁能源发电单元和储能单元组成的系统,主要供应特定地理区域的个人用电负荷需求[21]。连接到 PDN 的 MG 可以在隔离模式或并网模式下运行 [21]。 VPP 是由多个分布式发电机组组成的系统,通常可以看作是一个传统的发电厂。 VPP 更强调整个虚拟电厂的综合发电和交易特性,通常用于电力市场[22]。 MG 和 VPP 只关注供电,没有考虑 CHP 中考虑的热能等其他能源形式。 CHP 可以同时提供热能和电能,在 MEI 中可以看作是一个发电单元。此外,MEI 可以适应电力和其他能源载体的流量分配。毫无疑问,MG 是 MEI 的基础,更强调多种能源载体的协同管理和运行。

                                                         图 1 微能源互联网 

    2.2 NSF-CAES 枢纽

    如上所述,NSF-CAES 可以被视为一种清洁的 EH,能够同时产生冷、热和电。两级压缩两级膨胀的普通NSF-CAES轮毂示意图如图2所示。整个系统由空气压缩单元、储气罐、空气涡轮和热再生系统组成。充气时,空压机利用错峰电、限风电和太阳能驱动空压机将空气压缩至高压,并将高压空气储存到储气罐中。与 CAES 不同,NSF-CAES 将沿空气压缩的热能存储在热再生系统中,以提高运行效率。当需要用电时,储存在储气罐中的高压空气可以释放出来,并利用储存的热能预热到涡轮机驱动发电机。从而实现了热能和分子势能的解耦存储。在实际的 NSF-CAES 集线器中通常采用多级空气压缩机和多级空气涡轮结构来提高整个能量存储和转换效率 [10, 23]。为简单起见,本文考虑了具有 2 级压缩机和 2 级涡轮的 NSF-CAES 轮毂。

                                    图 2 典型 NSF-CAES 接线图

    3 数学模型及算例

    详细数学模型见第5部分。

    4 运行结果

    ​ 

    ​ 

    ​ 

     

    5 文章详细讲解及Matlab代码 

    本文仅展现部分代码,全部代码见:🍞正在为您运送作品详情

    1. y1 = sdpvar(1,NT);% 线性化储气室压强约束
    2. y2 = sdpvar(1,NT);
    3. h1 = sdpvar(1,NT);% 线性化储热系统SOC
    4. h2 = sdpvar(1,NT);
    5. HM = 1e7; % big M
    6. H_coll_s1 = sdpvar(1,NT); % collected heat by salt
    7. H_coll_s2 = sdpvar(1,NT);
    8. H_cons1 = sdpvar(1,NT);
    9. H_cons2 = sdpvar(1,NT);
    10. H_coll_sum = sdpvar(1,NT);
    11. H_cons_sum = sdpvar(1,NT);
    12. H_str = sdpvar(1,NT); % 储热罐中存贮的热量
    13. H_str0 = sdpvar(1,1);
    14. Hg_CAES = sdpvar(1,NT); % 蓄热环节可供热负荷
    15. for i = 1:N_ComCap %% 线性化变量
    16. xd{i} = binvar(v+1,NT);
    17. delta{i} = sdpvar(v+1,NT);
    18. end
    19. for i = 1:N_OLTC
    20. rd{i} = binvar(n_OLTC,NT);
    21. h{i} = sdpvar(n_OLTC,NT);
    22. end
    23. %% Constraints
    24. % % CAES
    25. F_turb = []; % 每级功率定义
    26. F_comp = []; % 每级功率定义
    27. F_oper = []; % 运行约束
    28. F_power = []; % 功率平衡约束
    29. F_airstr = []; % 储气罐压强动态约束
    30. F_cold = [];
    31. F_heat = [];
    32. F_heatstr = [];
    33. F_comp = [F_comp, Pcomp1 == 1/yita_comp(1)*k/(k-1)*Rg*qm_comp.*tao_comp_in1*(y_comp1-1)];
    34. F_comp = [F_comp, Pcomp2 == 1/yita_comp(2)*k/(k-1)*Rg*qm_comp.*tao_comp_in2*(y_comp2-1)];
    35. F_comp = [F_comp, Pcomp_min(1)*on_comp <= Pcomp1 <= Pcomp_max(1)*on_comp ];% 每级消耗的功率约束
    36. F_comp = [F_comp, Pcomp_min(2)*on_comp <= Pcomp2 <= Pcomp_max(2)*on_comp ];
    37. F_comp = [F_comp, Pcaes_d == Pcomp1 + Pcomp2];% 总功率定义
    38. F_turb = [F_turb, Pturb1 == yita_turb(1)*k/(k-1)*Rg*qm_turb.*tao_turb_in1*(1-y_turb1)];
    39. F_turb = [F_turb, Pturb2 == yita_turb(2)*k/(k-1)*Rg*qm_turb.*tao_turb_in2*(1-y_turb2)];
    40. F_turb = [F_turb, Pturb_min(1)*on_turb <= Pturb1 <= Pturb_max(1)*on_turb];% 每级发出功率约束
    41. F_turb = [F_turb, Pturb_min(2)*on_turb <= Pturb2 <= Pturb_max(2)*on_turb];
    42. F_turb = [F_turb, Pcaes_g == Pturb1 + Pturb2];
    43. F_oper = [F_oper, 0 <= on_comp + on_turb <= 1];%充放电不能同时进行
    44. F_oper = [F_oper, qm_comp_min*on_comp <= qm_comp <= qm_comp_max*on_comp];%质量流量非否约束
    45. F_oper = [F_oper, qm_turb_min*on_turb <= qm_turb <= qm_turb_max*on_turb];

     6 写在最后

    部分理论引用网络文献,若有侵权请联系博主删除。 

  • 相关阅读:
    深度学习中常见概念(收敛、优化器、学习率等)
    qml制作简单的播放器--MediaPlayer
    Vue3 - filters 过滤器为什么被移除放弃?取而代之的解决方案又是什么?
    使用 Alice inspector 和 Dio 进行 Flutter API 日志记录
    阿里云服务器部署Dubbo框架入门教程(SpringBoot+zookeeper+dubbo)
    电脑网页打不开提示错误err connection怎么办?
    【电力电子技术】电力电子器件:概述
    [PyTorch][chapter 63][强化学习-QLearning]
    网络安全-IPSec(互联网安全协议)
    雷神轮胎携手JBL 演绎科技降噪、感受非凡音悦
  • 原文地址:https://blog.csdn.net/weixin_46039719/article/details/126061379