风光发电制氢系统容量配置及调度策略的优化方法及装置与流程

本公开涉及风光发电，尤其涉及一种风光发电制氢系统容量配置及调度策略的优化方法及装置。

背景技术：

1、

2、可再生能源中的风光资源因其分布范围广，资源量充足，可以有效应对环境污染和能源危机问题等优势受到了广泛关注，现有技术开展了大量风光发电示范项目。然而，风光发电具有波动性大、间歇性等特点，将其直接并网会影响电力系统的安全稳定和灵活运行。

3、随着风光发电的装机规模快速增长，大规模风光发电的储存和利用问题成为目前研究的热点。其中，储氢方式能够将波动电能转化为高热值、应用前景广阔的氢能，是一种提升可再生能源利用的高效途径。然而，波动较大的电力输入会引起电解槽隔膜中的石棉纤维反复在不同酸碱度的介质内置换，承受持续电流冲击，最终将导致电解槽破损。传统的解决方法如多种方式共同储能，日前调度策略调控等虽然可以减少电力波动的影响，但会额外增加风光弃置量和投资成本，降低能源的市场竞争力。

技术实现思路

1、有鉴于此，本公开一方面提供一种风光发电制氢系统容量配置及调度策略的优化方法，包括：基于不同类别数据之间差异化特征最大原则，根据风光发电数据的评估指标对风光发电数据进行聚类，得到风光发电数据簇；根据风光发电评估指标中的互补率最高原则确定风力发电设备和光伏发电设备的容量因子；根据容量因子对风光发电源侧的容量进行优化；基于风光发电数据簇，依据最大化净现值对风光发电制氢系统中电解槽和蓄电池的容量配置进行优化；根据最大化日收益调整风光发电制氢系统的调度策略。

2、根据本公开的实施例，基于不同类别数据之间差异化特征最大原则，根据风光发电数据的评估指标对风光发电数据进行聚类，得到风光发电数据簇，包括：初始化风光发电数据簇的数量，初始化与风光发电数据簇的数量相同的聚类中心；将各个风光发电数据聚类到与数据最近的聚类中心；根据簇内平方与轮廓系数的加权和风光资源互补率确定当前风光发电数据簇划分的聚类评估指标值；根据评估指标值确定当前风光发电数据簇划分的最优数据簇种群；将最优数据簇中风光发电数据的平均值作为新聚类中心对数据簇种群进行更新；重复上述操作进行迭代，确定差异化特征最大的数据簇。

3、根据本公开的实施例，根据簇内平方与轮廓系数的加权和风光资源互补率确定当前风光发电数据簇划分的聚类评估指标值，包括：根据

4、

5、计算簇内平方与轮廓系数的加权对应的第一聚类评估指标值q1，其中，i表示第i个风光发电数据簇，j则表示除第i个风光发电数据簇外的其他风光发电数据簇，xi、xi、xi’分别表示第i个风光发电数据簇内的风光发电数据，邻簇内的风光发电数据和同簇不同于风光发电数据xi的风光发电数据，数据点μi表示第i个风光发电数据簇的聚类中心，cj和ci分别表示簇内数据的数量和簇的数量，||xj-μi||表示除第j个风光发电数据簇内的风光发电数据到第i个风光发电数据簇的聚类中心的距离，d(xi，xi′)表示同簇内风光发电数据的差异，d(xi，xi)表示不同簇之间风光发电数据的差异。

6、根据本公开的实施例，根据簇内平方与轮廓系数的加权和风光资源互补率确定当前风光发电数据簇划分的聚类评估指标值，还包括：根据

7、

8、计算风光资源互补率的第二聚类评估指标值q2，其中，k2为风光发电数据的数据量，t表示时间，pwt(t)表示t时刻的风力发电量，pwt(t+1)表示t+1时刻的风力发电量，ppv(t)表示t时刻的光伏发电量，ppv(t+1)表示t+1时刻的光伏发电量。

9、根据本公开的实施例，采用粒子算法确定最大化净现值，最大化净现值的计算公式为：

10、

11、cinv_ope＝cinv_wtewt+cinv_pvepv+cinv_eleeele+cinv_batebat+cope_wtewt+cope_pvepv+cope_eleeele

12、

13、其中，cinv_ope表示风光发电制氢系统的总投资成本；cinv_wt表示风力发电设备的单位初期投资成本，cinv_pv表示光伏发电设备的单位初期投资成本，cope_wt表示风力发电设备的单位运维成本，cope_pv表示光伏发电设备的单位运维成本，cope_ele表示电解槽的单位运维成本，cinv_ele表示电解槽的单位初始投资成本，cinv_bat表示蓄电池的单位初始投资成本；ewt表示风力发电机的机组规模，epv表示光伏发电设备的机组规模，eele表示电解槽的规模，ebat表示蓄电池的机组规模，rs为固定资产的残值，y表示项目开始年份，k1表示风光发电数据簇的数量，α表示基准收益率，l表示风光发电制氢系统的寿命，bey表示全年累计收益，bei，day和γi分别表示日收益与第i个风光发电数据簇所占天数。

14、根据本公开的实施例，根据最大化日收益调整风光发电制氢系统的调度策略包括：将风光发电数据簇输入初始的日前调度策略中，以最大化日收益为目标调整日前调度策略中的制氢量和蓄电池蓄电量；其中，蓄电池蓄存电力在日更替后至少保持前一日初始值，蓄存电力的容量的判断方式为：

15、|pstart-pend|≤apstart

16、pstart和pend分别表示一天的日初和日末的蓄存电力的容量，a为百分比系数。

17、根据本公开的实施例，最大化日收益的计算方式为：

18、

19、式中，h为碱性电解槽的售氢价格，t为一天日初到日末时间尺度，t表示每间隔预设时间段的一次记录节点，多个t时刻组成全天时间尺度t，mh2(t)为t时刻的风光制氧量，cbat为蓄电池单位电量的运维成本，cstart为碱性电解槽的启动成本，pbat为蓄电池的蓄电量，z为时间尺度t内的启停次数，nh2为电解槽组数。

20、根据本公开的实施例，碱性电解槽的启动成本cstart为：

21、

22、其中，βt表示电解槽损耗率，lwork和lelectrolyzer分别表示电解槽运行总时长和电解槽的寿命，celectrolyzer表示电解槽的投资成本。

23、根据本公开的实施例，根据风光发电评估指标中的互补率最高原则确定风力发电设备和光伏发电设备的容量因子，包括：根据

24、

25、计算容量因子b，ewind_scale和esolar_scale分别表示风力涡轮机和光伏发电设备的规模。

26、本公开二方面提供一种风光发电制氢系统容量配置及调度策略的优化装置，包括：聚类模块，用于基于不同类别数据之间差异化特征最大原则，根据风光发电数据的评估指标对风光发电数据进行聚类，得到风光发电数据簇；确定模块，根据风光发电评估指标中的互补率最高原则确定风力发电设备和光伏发电设备的容量因子；第一优化模块，用于根据容量因子对风光发电源侧的容量进行优化；第二优化模块，用于基于风光发电数据簇，依据最大化净现值对风光发电制氢系统中电解槽和蓄电池的容量配置进行优化；调整模块，用于根据最大化日收益调整风光发电制氢系统的调度策略。

27、根据本公开实施例提供的风光发电制氢系统容量配置及调度策略的优化方法及装置，至少能够实现以下技术效果：

28、该优化方法基于功率场景分类，确定存在较大特征差异的多类型场景簇，对风光发电制氢系统的容量配置及日前调度进行协同优化，相较于传统的优化方法，提高了同类型场景的优化速度，优化过程的计算速度更快，计算结果更准确。同时，由于系统容量配置及日前调度同样将经济性作为目标函数，实现协同优化，在提高经济效益的同时，提高设备运行的稳定性。