一、选题背景和意义: 分布式能源系统(distributed energy system)是一种在近几年获得大量关注的能源技术,其特点在于“本地产能以供本地利用”。通过与当前同样得到大力发展的可再生能源技术相结合,应用多种小规模可再生能源技术,为周边终端用户提供电、热、冷多种形式能源的可再生综合能源系统具有整体效率高、环境影响小等技术优势。 但如今国内的可再生综合能源系统发展仍不完善,在实际运行层面仍然存在很多弊端。例如当前可再生能源主要来源于风能和太阳能,由于其能量来源受天气等因素影响,系统的能量输出往往也存在很大不确定性。如何优化综合能源系统结构和配置,使其能够适应供需两端的不确定因素,保证长期稳定满足用户负荷,是可再生综合能源系统大规模应用前必须解决的问题。 同时,对于工程问题,考虑其经济效益是不可或缺的。对于可再生综合能源系统其成本来源可划分为安装成本、运行维护成本、电力或一次能源的购买成本等,而比重根据系统类型和运行方式不一。基于此,以其中任何单独一项作为优化目标都有可能顾此失彼,应该采用全生命周期成本评估的方法,将各项费用统一为年值进行综合考虑。 本毕业设计要求掌握可再生综合能源系统的数学建模方法、太阳能、风能和需求的不确定性分析方法、全生命周期成本评估方法,了解并能利用优化算法求解数学模型。 二、课题关键问题及难点: 解决一个优化问题设计数学模型的构建、优化指标的确定、求解策略的选择三个主要部分。其中构建数学模型和选择求解策略占据尤为重要的地位。 如今的可再生能源系统包含多种能量来源。以常见的联合供电、热、冷(CCHP)系统为例,系统中可以包扩PV发电模组、风力发电机、太阳能集热器、燃气锅炉、燃气轮机、吸收式制冷机、蓄电池等发电、产热、产冷、储能设备。如何在数学模型中构建各种不同设备的能量交互模型,考虑设备在运行中需要满足的约束条件将会直接影响最终结果的准确性。 针对考虑不确定性的随机模型,求解策略的选择将会较大程度影响求解过程的效率和最终结果的质量。现有的研究中在优化过程中考虑不确定性的方法绝大多数采用蒙特卡洛法。蒙特卡洛法是一种统计学方法,通过获得输入变量的随机概率分布,经由随机数生成器获得大量的输入参数,将其通过数学模型的运行输出以概率分布的形式记录,以此研究输出结果的不确定性。在这一过程中若是求解策略选择不恰当,可能引起整体求解过程的工作量暴增或者最后输出结果的概率分布不真实。 三、文献综述(或调研报告): 有关分布式综合能源利用系统,最早在上世纪90年代Ito等就率先提出了将热电联产系统建立为数学模型,通过优化算法指导其设计规划的思想[1]。到了21世纪初,陆续有许多学者提出了综合能源系统的建模结构,国内最早的研究来自于胡文斌等[2]提出的分布式热电联产系统的能流结构模型。近十年,国内外关于综合能源利用系统的研究在各个方面都取得了较好成果。 在综合能源系统规模配置的优化问题上,各国的研究者探究了哪些现有的新能源技术应用于综合能源系统能带来更大效益。Samy等[3]探究了太阳能光伏和风力发电机对于一个埃及可再生能源发电站的组合效益,其结果显示同时采用两种发电装置能最大程度节约总成本。Hosseinalizadeh等[4]和Zhang等[5]研究了采用电池储能和采用电解池、氢罐和燃料电池组成的氢储能技术对于系统总成本的影响,结果显示在现阶段电池表现出较大的经济优越性。Zhou等[6]系统性的研究了采用天然气、柴油、风能、太阳能、生物质、地热能多种能量来源,包括产生能量、转换能量、储存能量的系统结构,涵盖超过20种技术以供模型选择的分布式综合能源系统优化。其优化结果显示目前阶段,采用内燃机、太阳能集热器、风力发电机、空气源(或水源,吸收式)热泵/制冷器、储热设施、储冰设施的系统能在满足符合要求的情况下达到最低成本。 在确立优化指标时,多目标优化方法是一种广泛选择的方法,但同时也存在通过简单权重法、主要目标法等方法将多目标函数转化为单一目标函数的情况,可根据选择的优化算法进行权衡。Ghorbani等[7]分别构造了混合遗传算法和粒子群优化算法(GA-PSO)以及多目标粒子群算法(MOPSO)来达到系统性能和总成本的同时最佳,前者通过限定LPSP(即所有时间内无法满足电力负荷的占比)获得不同系统性能下的成本最优,后者通过帕累托最优达到三个最优解。Bilal等[8]通过使用多目标遗传算法对混合风-光-储系统进行了多目标规模配置优化,同时达到了系统运行成本和负荷缺电率的最优。李赟等[9]运用多级规划方法,从经济性、系统构成、系统能效三个方面分别确定模型的三级规划目标为运行总费用、设备配置数量最少、设备运行的最小负荷率最大。 在综合能源利用系统中考虑可再生能源或需求的波动性有大量先例。Zhou等[10]在原有基于上层结构优化的模型基础上,同时考虑供需侧的不确定性,构建了二阶随机优化模型。第一阶选择系统的规模配置,第二阶在第一阶规模参数已经选定的情况下考虑不确定性进行线性规划,获得最优解,通过多次蒙特卡洛模拟将其数学期望返回第一阶,作为其优化标准。Ahn等[11]在CCHP系统的基础上增设PV模组进行供电,考虑太阳辐射的不确定性,并通过以往数据获得了太阳能、电、热、冷需求的相关系数,进行了四维多元正态分布的蒙特卡洛模拟,以此分析不确定性对于系统运行成本的影响。Hu等[12]通过将负荷的满足转换成概率约束,考虑了电热冷需求不确定下,对系统运行成本、一次能源转化效率、二氧化碳排放量的多目标优化。Pickering等[13]研发了一种三步随机优化模型,能够更加准确的从历史数据中获得其特征,更加稳定的满足负荷的变化,但同时,该方法优化得到的系统成本相较其他方法较高。 对于可再生能源系统,设备的规模配置应该考虑当地的实际资源情况提供较为合理但又足够丰富的种类以供模型选择,确定优化指标应该结合经济效益和系统实际运行目的,在环境效益、资源利用率中取舍。当前考虑可再生能源综合系统的不确定性时较少考虑时序的相关性,如何生成更加符合实际可再生能和需求波动特征的数据仍是一个较大的挑战。 参考文献
|
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。