【综合能源】含氢气氨气综合能源系统优化调度【免费】

简介: 该程序参考《_基于氨储能技术的电转氨耦合风–光–火综合能源系统双层优化调度》模型,对制氨工厂、风力发电、电制氢、燃气轮机、火电机组等主体进行建模分析,以火电机组启停成本、煤耗成本、弃风成本和购气成本形成的综合成本为目标,程序采用matlab+cplex求解,注释清晰,方便学习!

主要内容  

该程序参考《_基于氨储能技术的电转氨耦合风–光–火综合能源系统双层优化调度》模型,对制氨工厂、风力发电、电制氢、燃气轮机、火电机组等主体进行建模分析,以火电机组启停成本、煤耗成本、弃风成本和购气成本形成的综合成本为目标,程序采用matlab+cplex求解,注释清晰,方便学习!

该模型在综合能源优化方面提出了新的方向和思路,这样也为综合能源方向的研究人员提供了创新思路,即通过研究新技术在综合能源方面的应用,达到能源互转及高效利用,为未来能源综合应用提供新的思路,之前也跟大家介绍过,这种方式较其他方法创新要容易些,所以大家可以持续关注能源领域新技术研究成果。


模型分析

模型主要包括电平衡和热平衡两种能量平衡。电负荷由风机、光伏、火电机组和热电联产机组提供;热负荷由热电联产机组和制氨工厂提供。电转氨系统包含电解池、变压吸附制氮设备和制氨工厂。


在电转氢系统嫁接到整个系统后,电功率的方向也会随之变化,以风力发电为例,输出途径分为两个方向,其一是直接供给给负荷,直接到达应用端,其二是供给电转氨系统,通过该系统充分利用多余风电,从而实现能源高效利用。由此可见,因此,电力网络中各元件之间的协调运行是整个电转氨耦合风–光–火综合能源系统调度优化的关键。

 部分代码  

%%  火电机组

EMmax = 1000*200;%kW     %火电机组最大发电功率 kW                                  

EMmin = 1000*25;%kW      %火电机组最小发电功率 kW                                

ditaEMmax = 1000*100;%kW %爬坡                      

ditaEMmin =-1000*100;%kW %爬坡                        

EM = sdpvar(1,24);    %火电机组发电功率kW  

YEM = binvar(1,24);   %火电机组启停变量(1是运行,0是停止)

YEMqi = binvar(1,24);    %01

YEMting = binvar(1,24);  %10

mco2EM = sdpvar(1,24); %火电机组碳排放量kg                        

vco2EM = sdpvar(1,24); %火电机组碳排放量m3                        

mEM = sdpvar(1,24);   %煤耗  kg      


 

%%  天然气管网

VGgrid = sdpvar(1,24);      

%%  C02封存

mco2Storage = sdpvar(1,24);  

M =1e8;

           

%%  风机

C=[ ];  

C=[C,0<=Ewind,Ewind<=EwindMppt,

    0<=Ewindcur,Ewindcur<=EwindMppt,

    Ewind+Ewindcur==EwindMppt,

 ];  



%电制氢

C=[C,

     EP2Hmin<=EP2H,EP2H<=EP2Hmax,    

     m2qH2*mh2P2H==nP2H*EP2H*3.6e6,    

 

     ];



% 合成氨工厂

C=[C, ENH3min<=ENH3 ,ENH3 <=ENH3max,



 结果一览  



相关文章
|
SQL 存储 关系型数据库
异构数据库、异构数据源、分布式数据库三者的辨析区别
异构数据库系统是相关的多个数据库系统的集合,可以实现数据的共享和透明访问,每个数据库系统在加入异构数据库系统之前本身就已经存在,拥有自己的DMBS。异构数据库的各个组成部分具有自身的自治性,实现数据共享的同时,每个数据库系统仍保有自己的应用特性、完整性控制和安全性控制。
|
安全 Linux 数据安全/隐私保护
雷池WAF-LTS版本安装教程
雷池WAF是一款高效、易用的Web应用防火墙,通过反向代理与流量过滤,有效防护Web服务免受黑客攻击。本文详细介绍如何部署雷池LTS版本,涵盖自动与手动安装方式,适用于Linux系统,依赖Docker环境,帮助用户快速构建安全防护体系。
409 0
|
9月前
|
机器学习/深度学习 算法 调度
【强化学习】基于深度强化学习的微能源网能量管理与优化策略研究【Python】
本项目基于深度Q网络(DQN)算法,通过学习预测负荷、可再生能源输出及分时电价等信息,实现微能源网的能量管理与优化。程序以能量总线模型为基础,结合强化学习理论,采用Python编写,注释清晰,复现效果佳。内容涵盖微能源网系统组成、Q学习算法原理及其实现,并提供训练奖励曲线、发电单元功率、电网交互功率和蓄电池调度等运行结果图表,便于对照文献学习与应用。
|
机器学习/深度学习 数据可视化 TensorFlow
使用Python实现深度学习模型:智能天气预测与气候分析
使用Python实现深度学习模型:智能天气预测与气候分析
1821 3
|
运维 监控 安全
交换机运维监控:保障网络稳定的基石
作为网络连接的核心设备之一,交换机承担着数据转发、流量控制、VLAN划分等重要任务,其稳定运行直接关系到整个网络的性能和可靠性
787 0
|
并行计算 调度
多线程的并发和并行
多线程的并发和并行
|
机器学习/深度学习 人工智能 数据可视化
号称能打败MLP的KAN到底行不行?数学核心原理全面解析
Kolmogorov-Arnold Networks (KANs) 是一种新型神经网络架构,挑战了多层感知器(mlp)的基础,通过在权重而非节点上使用可学习的激活函数(如b样条),提高了准确性和可解释性。KANs利用Kolmogorov-Arnold表示定理,将复杂函数分解为简单函数的组合,简化了神经网络的近似过程。与mlp相比,KAN在参数量较少的情况下能达到类似或更好的性能,并能直观地可视化,增强了模型的可解释性。尽管仍需更多研究验证其优势,KAN为深度学习领域带来了新的思路。
6003 5
|
SQL 前端开发 JavaScript
基于python+django的外卖点餐网站-外卖点餐系统
该系统是基于python+django开发的外卖点餐系统。适用场景:大学生、课程作业、毕业设计。学习过程中,如遇问题可以在github给作者留言。
357 0
|
算法 调度
考虑柔性负荷的综合能源系统低碳经济优化调度
考虑柔性负荷的综合能源系统低碳经济优化调度
|
存储 网络性能优化 调度
开源代码分享(2)—综合能源系统零碳优化调度
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。