开源代码分享(2)—综合能源系统零碳优化调度(附matlab代码)

本文主要是介绍开源代码分享(2)—综合能源系统零碳优化调度(附matlab代码),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

参考文献:

Optimal dispatch of zero-carbon-emission micro Energy Internet integrated with non-supplementary fired compressed air energy storage system | SGEPRI Journals & Magazine | IEEE Xplore

1.引言

        全球能源危机和环境污染的双重压力促使能量利用行为的改革。开发可再生能源已成为解决能源和环境问题的全球共识。在过去几十年中,风能和太阳能等可再生能源的集中和分布式利用均得到了快速发展。然而,近年来,尤其是在中国东北和西北地区,大部分可用的风能和太阳能都受到了极大限制,这阻碍了可再生能源产业的稳定发展。

        通过综合利用包括电力、热、冷和天然气在内的多种能源载体,是减少风能和太阳能浪费的趋势。综合能源系统(IES)是一个能源系统,通过连接几个具有传输、转换和储存不同能源载体能力的能源中心(EH)来将多种能源载体纳入其中。通过IES和EH,不同的能源网络可以进行协同优化和管理,以提高风能和太阳能的利用率,并增加整个能源供应系统的调度灵活性。

        CHP设备是一种能够同时供热和发电(即联合发电)的EH。在此方面,CHP被用于协同优化供热网络和电力网络,以增加灵活性并减少风能和太阳能的浪费。不幸的是,CHP需要天然气备用才能发电,这打破了通过燃烧化石燃料引起的碳排放问题的初衷。压缩空气储能(CAES)是一种有前途的储能技术,也使用天然气燃烧产生电力,并引起类似于CHP的环境问题。通过将热能储存系统(TES)纳入CAES中,高级绝热压缩空气储能系统(AA-CAES)和非补气式压缩空气储能系统(NSF-CAES)能够在空气压缩过程中存储产生的热能,同时在发电过程中将其释放以使压缩空气加热[9,10]。因此,在这种高级CAES系统中不需要燃气燃烧。类似于CHP,NSF-CAES是一类能够同时实现冷却、供热和发电的EH。由于零碳排放的特性,NSF-CAES中心可用于构建零碳综合能源系统。在此基础上,本文通过将NSF-CAES作为清洁EH,并包含在电力分配网络(PDN)和集中供热网络(DHN)中,提出了零碳排放微型能源互联网(ZCE-MEI)体系结构。使用NSF-CAES作为清洁能源中心构建能源互联网的可行性已在[11]中进行了分析,本文重点放在了ZCE-MEI的调度上。

        现有的研究已经适用于对CAES进行建模[12-16]。分别在[12,13]中制定和实现了CAES系统和NSF-CAES系统以执行电网调度运行。在[14]中研究了风力发电与CAES在输电系统中的最优调度。同时,分别在[15,16]中考虑了风力发电和CAES,提出了低碳排放微电网架构和相应的热-风储存联合运行调度方法。[17]报告了CAES在功率市场中面临波动价格的最优运行策略。另一方面,[5-8,18,19]中已有多篇文献对电力和供热系统的联合运行进行了研究。[5]开发了最优运行策略来适应风能的变化。[6,7]分别探讨了联合热电和受输电限制的机组承诺,通过协同优化PDN和DHN这两个方面。[8]制定了两种联合分析方法来分析供热和电力网络的运行。[18]研究了集成电力和供热系统的最优功率流问题。此外,在[19]中还研究了针对分布式集中供热和制冷系统的能源资源协调调度问题。

        虽然一些现有文献专门探讨了CAES的运行和集成电力和供热系统的联合运行,但大多数文献都建立了基于简化效率的动力块模型来制定CAES,而没有对CAES的压力和温度动态进行建模。CAES是一种自然的EH,能够联合制冷、供热和发电。考虑CAES的压力行为和温度动态以增强调度灵活性是必要的。另一方面,随着可再生能源的高渗透率,PDN的电压管理比传统PDN更加困难和重要。因此,在PDN的最优运行中需要制定电压、无功功率和相应的无功补偿器以维持无功功率平衡和电压质量。此外,大多数现有的联合供热和电力系统使用CHP作为PDN和DHN之间的接口,这无疑与零碳排放的要求背道而驰。因此,我们打算为提出的ZCE-MEI综合NSF-CAES开发一个短期日前调度模型来减少风能的削减和节约系统运行成本。

2零碳排放的微能源互联网

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[20]组成的系统。MEI可以独立运行,也可以连接到公共能源网络。城乡社区、医院、工业园区、学校都是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,节约成本,减少排放。

        除MEI外,目前还提出了一些解决方案,包括微电网(MG)、虚拟发电厂(VPP)来解决能源供应问题。MG是一个由至少一个清洁能源发电机组和储能单元组成的系统,主要提供特定地理区域[21]的个人电力负荷需求。连接到PDN的MG可以在隔离模式或并网模式[21]下运行。VPP是一个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更加注重整个虚拟工厂的综合发电和交易特点,通常用于电力市场[22]。MG和VPP只关注电源,而没有考虑其他能源形式,如热电联产中考虑的热能。热电联产可以同时提供热能和电力能量,可以看作是MEI中的一个发电单元。此外,MEI还可以同时适应功率和其他能量载流子的流量分布。MG无疑是MEI的基础,它更加重视多种能源载体的协调管理和运行。

        一个典型的MEI的体系结构如图1所示。电网、热网、冷网、天然气网络等多个网络通过能量转换和存储设备相互连接,如热电联产、CAES、蓄热系统和冰箱等。本文的重点是基于PDN和DHN的MEI的热电联合调度。值得一提的是,在提议的ZCE-MEI中,使用零碳排放的NSF-CAES作为PDN和DHN之间的枢纽,而不是排放碳的CHP。

2.2 NSF-CAES中心

        如上所述,NSF-CAES可以被视为一种能够共产生冷、热和功率的清洁EH。具有两级压缩和两级膨胀的通用NSF-CAES中心图如图2所示。整个系统由空压机组、储气罐、汽轮机、热再生系统组成。充电时,空压机利用非高峰用电,减少风力和太阳能驱动压缩机将空气压缩为高压空气,并将高压空气储存在储气罐中。与CAES不同的是,沿空气压缩的热能存储在热再生系统中,以提高NSF-CAES的运行效率。当需要电力时,储气罐中储存的高压空气可以通过储存的热能释放并预热到涡轮机上,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轮毂中经常采用多级空气压缩机和多级空气汽轮机结构,以提高整体储能和转换效率[10,23]。为简单起见,本文考虑了一种带有二级压缩机和二级涡轮机的NSF-CAES轮毂。

        NSF-CAES与PDN和DHN的界面如图3所示。再生系统中由浸没式加热器或热泵产生的热能是DHN的热源作用。另一方面,风能和非高峰电力作为NSF-CAES枢纽的输入,即压缩机是NSF-CAES与电网的电气接口。此外,NSFCAES中心可以为PDN提供电力,即发电机是NSF-CAES与电网的接口。

2.3 NSF-CAES建模

        在建模NSF-CAES之前,我们做出了以下假设。

1)认为空气是理想空气,符合理想气体方程。

2)储气罐采用等温模型,即储气温度与环境[24]温度相同。

3)储气罐采用恒定容积模型,即储气罐容积不改变[24]。

4)压缩机和汽轮机均采用绝热模型。

5)忽略了储热罐的热损失。

6)忽略了循环泵的功耗。

7)忽略了高压空气和水通过热交换器的压力损失。

3.代码运行结果

3.完整代码获取

https://github.com/AIRicky/Integrated-Energy-Systems-with-CAES/wiki

这篇关于开源代码分享(2)—综合能源系统零碳优化调度(附matlab代码)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/360022

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听