一种融合绿能的交直流智能柔性配电技术

技术领域

本发明涉及储能制氢技术领域，具体涉及了一种融合绿能的交直流智能柔性配电技术。

背景技术

日前，建设大型的潮汐发电、风力发电基地，用于大力发展制氢技术成为目前发展的一个关注点，当新能源遇上氢，随着光伏、潮汐、风电等发电成本的进一步下降，过去受经济性限制的光伏发电及低风速的项目将不再是禁区。然而，新能源制氢耦合发电系统的能量转换效率较低，在当前的技术水平下，“潮汐/风-氢-电”的转换效率低于40％，不适合规模化推广应用、而且弃电范围大。因此，今后风氢耦合的重点应是更具前景的“潮汐/风-氢-用”的模式。未来随着氢能应用的多样化及普遍化，氢需求量大幅增大后，风电制氢将从废风制氢的辅助并网模式转变为专一制氢的非并网模式。去除并网设备成本后，大规模风电制氢的经济性将会进一步提升。

发明内容

针对现有技术中存在的问题，本发明提供一种融合绿能的交直流智能柔性配电技术，提供了一种新能源饱和制氢的方式及低成本氢源，使电网少介入制氢，提高了用电效率，减少了电网的购置成本，提高了能源的利用率。

本发明的技术方案是：本发明所述的一种融合绿能的交直流智能柔性配电技术，包括绿能发电设备(1)、配电箱(2)、电解质槽(3)、蓄电池(4)、储氢罐(5)及充氢站(6)；

所述绿能发电设备(1)包括相互连接的涡轮机组(11)与发电机组(12)、增速器(13)与双馈电机(14)；

所述涡轮机组(11)的输入端通过接收巢汐能并将其传送给发电机组(12)，其输出端与发电机组(12)的输入端相连，所述发电机组(12)的输出端通过有线线路连接在配电箱(2)上；

所述增速器(13)的输入端通过接收风能并将其传送给双馈电机(14)，其输出端与双馈电机(14)的输入端相连，所述双馈电机(14)的输出端通过有线线路连接在配电箱(2)上。

进一步的，所述配电箱(2)的另外两端通过有线线路分别连接在电解质槽(3)及蓄电池(4)的输入端上，

所述电解质槽(3)的输出端通过有线线路连接在储氢罐(5)的输入端上，所述储氢罐(5)的输出端通过有线线路连接在充氢站(6)的输入端上。

进一步的，还包括氢检仪(7)及电量计(8)；

所述氢检仪(7)的一端通过有线线路连接在所述配电箱(2)与电解质槽(3)相互连接的线路上，其另一端通过有线线路与储氢罐(5)相互连接；

所述电量计(8)的一端通过有线线路连接在所述配电箱(2)与蓄电池(4)相互连接的线路上。

进一步的，还包括电网(9)，所述电网(9)的输出端通过有线线路连接在配电箱(2)上。

进一步的，在所述配电箱(2)的内部安置有控制器(10)，所述控制器(10)通过有线线路分别与电网(9)、发电机组(12)、双馈电机(14)、电解质槽(3)及蓄电池(4)相互连接；

所述控制器(10)用于获取储氢罐(5)及蓄电池(4)的数据和电网数据，利用IMPA算法，给出实时的最优的控制策略，将控制策略指令发送给控制器(10)对配电箱(2)进行优化调控。

进一步的，所述控制器(10)利用IMPA算法给出最优调控策略，其优化方法的步骤如下：

(1)：参数初始化和猎物种群随机初始化；

(2)：计算每个种群的适应度；

(3)：将适应度最优的个体复制成N份作为精英矩阵；

(4)：捕食者根据迭代阶段，选择对应的更新方式，更新捕食者位置；

(5)：解决涡流形成和FAD效应；

(6)：评价每个种群的最优经济成本和氢介电率组值，更新最优位置；

(7)：判断是否达到最大迭代次数，如果不是，则返回步骤(3)，如是，则转至步骤(8)；

(8)：更新全局最优的最优经济成本和氢介电率组值。

进一步的，在步骤(1)中，所述参数初始化和猎物种群随机初始化具体是：

假设种群规模为N，在一个D维空间中随机初始化猎物的位置：

式中，X

进一步的，在步骤(1)中，所述计算每个种群的适应度，即对应的目标函数值：最优经济成本和氢介电率值：

minC＝C

式中，C表示经济总成本，C

进一步的，在步骤(4)中，更新捕食者位置的更新方式分为三个阶段：

第一阶段更新：在迭代初期，当捕食者速度比猎物速度快时，基于勘探策略的优化过程数学描述如下：

式中，s

第二阶段更新；在迭代中期，当捕食者与猎物速度相同时，猎物基于Lévy游走策略负责开发；捕食者基于布朗游走策略负责勘探，并由勘探策略转向开发策略；其中，开发和勘探的数学描述如下：

式中，R

式中，

CF是步长s

第三阶段更新；在迭代终期，当捕食者速度比猎物速度慢时，捕食者基于Lévy游走采用开发策略；其数学描述如下：

进一步的，在步骤(5)中，解决涡流形成和FAD效应具体是：让算法在迭代过程中跳出局部最优解，达到寻优精度；即：

其中r是一个随机数,FADS是一个影响优化过程的常数，等于0.2，r1和r2是Prey两个随机下标,1≤r1,r2≤n；

U是一个包含0和1的二进制向量，维度是d；er的每一个元素，表示为：

本发明的有益效果是：1、本发明所提出的智能柔性配电技术，因地制宜，充分的利用新能源制氢，提供了一种新能源饱和制氢的方式及低成本的绿色氢源，同时考虑电网制氢效率低的问题，在氢电站供能充足的情况下，使电网少介入制氢，解决了交流引入导致功率因素不稳定的问题，并使氢电站保持一个最优的经济运行条件，提高了用电效率，减少了用电成本，为未来新能源氢电创造了一个新的应用场景和广阔的市场需求；2、本发明所提出的智能氢电技术，以及所提出的优化调控策略，可以拓展应用于更多的新能源+氢能的应用范围，让新能源+氢能以低排放甚至净零碳排放的承载方式，通过等可再生能源电力制取，将大量可再生能源电力转移到较难实现去碳化的用能领域，解决好氢能消纳之忧；3、本发明的优化调节器所提出的IMPA算法，而且引入自适应t分布和Tent混沌机制，保证遍历性和随机性的同时，改善了算法种群的质量，增加了种群的多样性，避免陷入局部最优，而且所提出IMPA算法对氢电站运行调控策略的适配性较高，优化效果好。

附图说明：

图1为本发明的总体结构示意图；

图2为本发明的配电柜电气接线图；

图3为本发明的IMPA算法的流程图；

图4为传统氢电站与本发明氢电站的经济效益比较图；

图5为传统氢电站与本发明氢电站电网制氢介入率比较图；

图中，1是绿能发电设备，2是配电箱，3是电解质槽，4是蓄电池，5是储氢罐，6是充氢站，7是氢检仪，8是电量计，9是电网，10是控制器；

11是涡轮机组，12是发电机组，13是增速器，14是双馈电机。

具体实施方式

为了更清楚地说明本发明的技术方案，下面结合附图对本发明的技术方案做进一步的详细说明：

如图1所示，本发明所述的一种融合绿能的交直流智能柔性配电技术，包括绿能发电设备1、电网9、配电箱2、氢检仪6、储氢罐5、电解质槽3、蓄电池4、控制器10、涡轮机组11、发电机组12、增速器13及双馈电机14等设备；

所述涡轮机组11的输出端与发电机组12的输入端相连，发电机组12的输出端与配电箱2的输入端相连，电解质槽3的输出端与储氢罐5的输入端相连；利用潮汐能形成的落差来推动涡轮机组11工作，再有涡轮机组11带动发电机组12发电，并由发电机组12产生的电作为配电箱2的进线输入；

所述双馈电机14的输出端与配电箱2的输入端相连，电解质槽3的输出端与储氢罐5的输入端相连；利用风能带动增速器13将速度提升，促使双馈电机14发电，作为配电箱2的进线输入；

所述氢检仪7用来实时获取储氢罐5中的氢剩余容量；电量计8用来实时获取蓄电池4中的剩余电量；

电网9控制中心用于接受控制器10的控制指令对电网9进行功率调控，并将电网9数据反馈给控制器10。

如图2所示，所述配电箱2输入有电网端(电网9)、绿能发电端(绿能发电设备1)输入，绿能发电端还包括风能发电端、潮汐能发电端；经交直流母线转换，出线端有其他负荷以及电充电桩，其他负荷还包括一般负荷、重要负荷以及备用开关；配电箱2还包括控制器10，控制器10可对供配电进行优化调控；

所述的一种融合绿能的交直流智能柔性配电技术，所述控制器10在于获取储氢罐5及蓄电池4数据和电网9数据，利用IMPA算法，给出实时的最优的控制策略，将控制策略指令发送给控制器10对配电箱2进行优化调控；

所述最优的控制策略当负载端的储氢压力小时，也就是当风能、潮汐能产生的氢能供能充足时，使电网9尽可能少的参与储氢制氢环节，可以减少不必要的转化损耗；且并保持在最优的经济成本下运行工作。

如图3所示，所述的一种融合绿能的交直流智能柔性配电技术，所述控制器10用IMPA算法给出最优调控策略，优化方法及步骤如下：

步骤一:参数初始化和猎物种群随机初始化，假设种群规模为N，在一个D维空间中随机初始化猎物的位置：

其中，X

D代表自变量的个数，本专利中有3个自变量：P

步骤二：计算每个种群的适应度，即对应的目标函数值：最优经济成本和氢介电率值：

minC＝C

其中，C表示经济总成本，C

步骤三：将适应度最优的个体复制成N份作为精英矩阵；

步骤四：捕食者根据迭代阶段，选择对应的更新方式，更新捕食者位置，更新方式分为三个阶段：

第一阶段更新；在迭代初期，当捕食者速度比猎物速度快时，基于勘探策略的优化过程数学描述如下：

式中，s

第二阶段更新；在迭代中期，当捕食者与猎物速度相同时，猎物基于Lévy游走策略负责开发；捕食者基于布朗游走策略负责勘探，并逐渐由勘探策略转向开发策略；开发和勘探的数学描述如下：

其中，R

其中，

CF是步长s

第三阶段更新；在迭代终期，当捕食者速度比猎物速度慢时，捕食者基于Lévy游走采用开发策略；其数学描述如下：

步骤五：解决涡流形成和FADS效应：此操作的作用是让算法在迭代过程中尽可能跳出局部最优解，已达到更好的寻优精度：

其中，r是一个随机数,FADS是一个影响优化过程的常数，等于0.2，r1和r2是Prey两个随机下标,1≤r1,r2≤n；U是一个包含0和1的二进制向量，维度是d；er的每一个元素，表示为：

Random是一个0-1的随机数；

步骤六：评价每个种群的最优经济成本和氢介电率组值，更新最优位置；

步骤七：判断是否达到最大迭代次数，如果不是返回步骤三；如果是，转至步骤八；

步骤八：更新全局最优的最优经济成本和氢介电率组值。

进一步的，所述的一种融合绿能的交直流智能柔性配电技术，所用的IMPA算法的改进一在于对步骤四中的猎物位置，引入自适应t分布进行变异，变异后的位置如下：

X'

其中，X'

进一步的，所述的一种融合绿能的交直流智能柔性配电技术，所用的IMPA算法的改进二在于对步骤一的初始种群进行优化，引入Tent混沌映射，改进后初始种群位置如下：

其中，

其中，μ是常数，等于0.7。

进一步的，所述的一种融合绿能的交直流智能柔性配电技术，所用的IMPA算法，其改进特征在于，引入自适应t分布进行变异其原理优势在于在迭代初期,迭代次数较少，t分布近似于柯西分布，分布的更加平滑；在迭代中期，此时t分布介于柯西分布和正态分布之间，使捕食者更容易返回到猎物丰富的地区并成功受食，进而对算法性能形成正反馈；在迭代后期，t分布近似于标准正态分布，分布的更加集中，使变异所采取的步长较小，兼顾了第三阶段的局部开发特性。

进一步的，所述的一种融合绿能的交直流智能柔性配电技术，所用的IMPA算法，其改进在于，以目标函数上下界限的和为中心，利用Tent混沌映射的均匀变化，来动态压缩原初始种群的分布范围，并在压缩的同时尽量让种群均匀，提高初始种群的质量。

将本发明应用于氢电站技术领域，对比了传统氢电站—未考虑电网制氢介入率的设备，与将本发明技术应用于的氢电站。

图4-5分别为传统氢电站与本发明氢电站的经济效益比较和传统氢电站与本发明氢电站电网制氢介入率比较；

如图4所示，本发明的智能氢电站月经济运营效益每月在5.4万元-6.4万元，相较于传统氢电站每月在4.2万元-4.9万元，由此证明，本发明设计的智能氢电站能够提高运营效益的目的。

如图5所示，本发明的智能氢电站的电网制氢介入率保持在35％-85％，周一至周五的电网制氢介入率更是保持在35％-50％，相较于未经调控的氢电站的电网制氢介入率始终保持在100％，由此证明，本发明设计的智能氢电站能够减少电网制氢介入率，提高了用电的使用效率。

本发明针对潮汐/风-氢-电”的转换效率低及弃电范围大等问题，并考虑到使用电网制氢效率低下的弊病，以及交流配电会导致功率因数的降低致使供给电不稳定，提出了一种融合绿能的交直流智能柔性配电技术，提供了一种新能源饱和制氢的方式及低成本氢源，使电网少介入制氢，提高了用电效率，减少了电网的购置成本，提高了能源的利用率。