这个标题探讨了在电热能源系统中,通过使用热管道作为一种虚拟储能手段,并结合流量自适应的方式,进行系统的优化调度。
-
流量自适应方式: 这可能指的是一种系统或算法,能够根据系统内部或外部的实时变化,自动调整、适应不同流量的变化。在能源系统中,这可能涉及到电力或热能的流动,针对不同负载或需求变化而调整能源的分配或传输方式。
-
考虑热管道虚拟储能: 热管道作为虚拟储能的概念,意味着在系统中利用热管道来暂存或传输热能,并在需要时释放。这种虚拟储能的应用可能通过调整热管道中的传热介质或传热量的方式,实现热能的存储和释放。
-
电热能源系统优化调度: 涉及对电热能源系统的运行进行优化调度。这可能包括优化能源的分配、传输和利用,以满足需求,减少损耗,并尽可能地提高系统的效率和可靠性。考虑到标题中的热管道虚拟储能和流量自适应方式,优化调度可能会涉及到这两个方面的动态调整和优化。
总的来说,这个标题涉及到一种复杂的能源系统优化问题,考虑了热管道虚拟储能和流量自适应的方式,以提高电热能源系统的效率和适应性。这种优化调度可能需要结合多种算法、模型和控制策略,以实现对系统运行的智能管理和优化。
摘要:循环系统控制水力工况,是综合能源系统的必需组成部分和基础用电负荷。现有综合能源研究中循环系统大多采用质调节方式且不计能耗,忽视了其调节潜力的同时也导致调度不准确;且目前考虑热管道储能的研究大多将热网整体作为储能模型描述其在调度中的效果,缺乏对单管道储能特性的量化定义,忽略了能量在管网内部拓扑中的分布情况,不利于系统对其进行主动调用。为此,该文提出一种流量自适应方式下考虑热管道虚拟储能的电热系统优化调度方法。首先,构建由系统参数、流量决定的循环系统用电模型;其次,从储热设备角度,构建单管道虚拟储能模型,定义各项储能指标;然后,以总运行成本最低为目标函数,构建流量自适应方式下考虑热管道虚拟储能的优化调度模型;最后,算例验证了所提模型的有效性。结果表明:该文构建的单管道虚拟储能模型能准确描述各管道的储能特性及管网内部储能量分布情况,为对其主动调控提供依据;其和流量自适应调节方式均可有效降低系统运行成本,两者协同配合可进一步提高系统经济性、灵活性。
这段摘要讨论了综合能源系统中循环系统的控制,特别关注了水力工况,并提出了一种流量自适应方式下考虑热管道虚拟储能的电热系统优化调度方法。以下是对摘要的详细解读:
-
背景和问题陈述:
- 循环系统在综合能源系统中扮演着重要的角色,是基础用电负荷的一部分。
- 现有综合能源研究中,循环系统通常采用质调节方式,但却未考虑能耗,从而忽视了其调节潜力,导致调度不准确。
- 热管道储能的研究通常将热网整体作为储能模型,缺乏对单管道储能特性的量化定义,也忽略了能量在管网内部拓扑中的分布情况,这不利于系统对其进行主动调用。
-
提出的方法:
- 该文提出了一种新的优化调度方法,采用流量自适应方式,并考虑了热管道虚拟储能。
- 首先,构建了由系统参数和流量决定的循环系统用电模型。
- 其次,从储热设备的角度出发,建立了单管道虚拟储能模型,并定义了各项储能指标。
- 接下来,以总运行成本最低为目标函数,构建了流量自适应方式下考虑热管道虚拟储能的优化调度模型。
-
验证和结果:
- 使用算例对提出的模型进行了验证。
- 结果表明,所构建的单管道虚拟储能模型能够准确描述各管道的储能特性和管网内部储能量的分布情况。
- 流量自适应调节方式以及单管道虚拟储能模型在有效降低系统运行成本方面都取得了良好的效果。
- 进一步,两者协同配合可提高系统的经济性和灵活性。
总体而言,这篇文献提出了一种新颖的方法,通过考虑热管道虚拟储能和流量自适应方式,对电热系统进行优化调度,以提高系统的经济性和灵活性。提出的单管道虚拟储能模型对于描述储能特性和管网内部储能量分布具有较好的准确性。
关键词: 综合能源系统;流量自适应;热动态特性;虚拟储能;优化调度;
-
综合能源系统:
- 这是一个涉及多种能源形式(如电力、热能等)的系统,目的是通过整合和优化各种能源资源,提高能源利用效率,并满足综合能源需求。
-
流量自适应:
- 表示系统具有自我调整的能力,以适应不同条件下的流量变化。在这篇文献中,流量自适应可能是指系统能够根据实时的需求和条件进行调整,以保持最优性能。
-
热动态特性:
- 涉及到热能系统的动态响应和特性,可能包括热能在系统中的传导、储存、释放等方面的动态变化。对热动态特性的考虑有助于更精确地模拟和优化系统的行为。
-
虚拟储能:
- 可能是指使用模型或仿真方法描述的一种虚拟的能量储存系统。在这个上下文中,热管道被视为具有储能特性的虚拟储能单元。
-
优化调度:
- 指对系统运行进行调整以达到某种优化目标的过程。在这里,可能是通过调整流量、考虑虚拟储能等手段,使系统的总运行成本最低,达到最优的运行状态。
这些关键词共同揭示了文献的主题,即在综合能源系统中,通过流量自适应、考虑热动态特性和虚拟储能,实现对系统的优化调度。这种方法有望提高系统的灵活性、经济性,同时更准确地描述了热能系统的动态行为。
仿真算例:本文设计如图 2 所示的典型电–热耦合系统来 验证所提循环系统用电模型及管道虚拟储能模型 的有效性和优势。该系统由 6 节点电力系统、6 节 点供热系统组成。电–热系统内部包括 1 座风电场, 1 台燃气机组 G1,1 台 CHP 机组,2 处用电负荷, 1 处调速水泵耗电负荷,1 台电锅炉和 3 座换热站, 由 CHP 和电锅炉共同承担热源。在动态系统中, 需考虑管道初始状态,设置供热系统供水管道初始 温度 102℃,回水管道初始温度 61℃,作为初始虚 拟储能量。系统具体参数见附录。调度时间间隔取 15min。为分别验证所提模型的有效性,算例设置 4 种 模型对比分析:模型Ⅰ:质调节方式下的热稳态模 型;模型Ⅱ:流量自适应方式下的热稳态模型:模 型Ⅲ:质调节方式下的管道虚拟储能模型;模型Ⅳ: 流量自适应方式下的管道虚拟储能模型。其中,质 调节方式系统流量恒定,不作为优化变量,流量自 适应方式流量可变,参与优化调度。
仿真程序复现思路:
编写完整的仿真程序代码可能会非常庞大,并且根据具体的需求和使用的编程语言不同,代码结构和实现方式也会有所不同。以下是一个更为详细和完整的伪代码示例,使用Python语言和一些虚构的函数和类来表示:
import numpy as np
from scipy.integrate import odeint
from scipy.optimize import minimize# Step 1: 创建电力系统节点
def create_power_system_nodes():# 实现电力系统节点的创建逻辑pass# Step 2: 创建供热系统节点
def create_heat_system_nodes():# 实现供热系统节点的创建逻辑pass# Step 3: 模拟系统动态演变
def dynamic_system_equations(y, t, power_nodes, heat_nodes):# 差分方程描述系统动态# 这里需要根据系统的实际动态方程进行实现passdef simulate_dynamic_system(power_nodes, heat_nodes, initial_supply_temp, initial_return_temp):# 使用odeint求解动态系统方程time = np.linspace(0, simulation_time, num_points)initial_conditions = [initial_supply_temp, initial_return_temp] # 初始条件ode_solution = odeint(dynamic_system_equations, initial_conditions, time, args=(power_nodes, heat_nodes))# 这里可以进行结果的可视化或保存pass# Step 4: 设置系统参数
def set_system_parameters(power_nodes, heat_nodes, other_parameters):# 设置系统参数的逻辑pass# Step 5: 优化调度算法实现
def optimize_model_I(power_nodes, heat_nodes, time_interval):# 实现模型Ⅰ的优化算法,质调节方式下的热稳态模型passdef optimize_model_II(power_nodes, heat_nodes, time_interval):# 实现模型Ⅱ的优化算法,流量自适应方式下的热稳态模型passdef optimize_model_III(power_nodes, heat_nodes, time_interval):# 实现模型Ⅲ的优化算法,质调节方式下的管道虚拟储能模型passdef optimize_model_IV(power_nodes, heat_nodes, time_interval):# 实现模型Ⅳ的优化算法,流量自适应方式下的管道虚拟储能模型pass# Step 6: 运行模型并比较结果
def run_model_I():# 运行模型Ⅰ,返回结果passdef run_model_II():# 运行模型Ⅱ,返回结果passdef run_model_III():# 运行模型Ⅲ,返回结果passdef run_model_IV():# 运行模型Ⅳ,返回结果passdef compare_and_analyze_results(result_I, result_II, result_III, result_IV):# 比较和分析模型结果的逻辑pass# 主程序
if __name__ == "__main__":power_nodes = create_power_system_nodes()heat_nodes = create_heat_system_nodes()initial_supply_temp = 102initial_return_temp = 61simulation_time = 100num_points = 1000set_system_parameters(power_nodes, heat_nodes, other_parameters)simulate_dynamic_system(power_nodes, heat_nodes, initial_supply_temp, initial_return_temp)optimize_model_I(power_nodes, heat_nodes, time_interval)optimize_model_II(power_nodes, heat_nodes, time_interval)optimize_model_III(power_nodes, heat_nodes, time_interval)optimize_model_IV(power_nodes, heat_nodes, time_interval)result_I = run_model_I()result_II = run_model_II()result_III = run_model_III()result_IV = run_model_IV()compare_and_analyze_results(result_I, result_II, result_III, result_IV)
请注意,以上代码仅为伪代码示例,具体的实现需要根据系统动态方程、优化算法和其他细节进行详细设计。