Page 47 - 万豪会娱乐网址通讯
P. 47

储能设备、 短距离供能网络的合理规划, 发挥多能流的互联互济效应, 在保证用户多样化用能
可靠性的前提下, 减小系统投资和运行费用, 提升能源的利用效率。

2  能源互联网规划建模的基础

能源互联网的规划是已知规划对象的物理特性和相应的约束条件, 选定合适的数学模型描

述规划对象的物理特性, 求解满足各项指标要求的合适的规划方案。 因而明确基础约束条件和

建立描述设备运行特性、 耦合能量流的数学模型是能源互联网规划建模的基础。 规划模型的基

础约束条件是用户的电、 气、 热多种能源的负荷需求。 能源互联网的规划所涉及的数学模型主

要是多能流的耦合、 转化模型和多能流系统的潮流模型。 多能流的耦合、 转化模型通常采用瑞

士苏黎世联邦理工学院提出的能量枢纽模型; 适应于规划的多能流潮流模型通常采用稳态潮流

模型, 即满足基尔霍夫定律( KCL、 KVL) 并遵循相应物理特性的代数方程。

2 1  多种能源的负荷预测

多种能源的负荷预测是建立规划模型的基础条件之一, 规划的主要目标之一即是通过增加

发电机、 气井、 CHP 等装置或者新建线路、 管道以满足用户的多样化用能需求, 因而首先需要

对规划区域内用户的多种能源的负荷进行预测, 从而在规划模型中建立多种能量供应平衡约束。

对于能源生产环节, 规划区域内的各种能源资源的分布情况和用户的电、 气负荷预测值是

能源生产设备的选址、 定容的重要依据, 发电厂、 气井需要根据用户的用能需求增长而合理的

规划, 从而避免容量浪费, 提升系统的经济性; 对于能源传输环节, 能源需求的预测值决定了

是否需要在已有能源传输网络的基础上, 进行规划扩展, 保证能源的传输, 避免阻塞导致的供

能不足; 对于能源消费环节, 用户的电、 气、 热负荷预测值是 CHP 机组、 储气、 储热等设备等

选址、 定容的基础, 用户对电、 气、 热不同比例的需求决定了设备的运行参数。 对于能源互联

网中用户的负荷预测, 可以采用大数据、 数据挖掘等新兴方法提升电[21] 、 气[22] 、 热[23] 负荷预

测的精度, 并将负荷预测和能源系统的优化规划、 运行更好的结合。

文献[24] 依据传热学原理, 考虑不同因素对建筑负荷的影响, 建立了可快速预测典型建筑

的冷热负荷的模型。 对于用户的负荷预测数据的应用, 文献[25] 分析了储能设备的容量和用户

负荷预测值对供能费用的影响, 并通过一个家庭能源系统和 3 个互联的家庭能源系统的实例验

证了储能设备的容量和电、 气、 热负荷的耦合关系。 依据大数据等新兴技术, 采用神经网络、

贝叶斯网络等方法可以较为精确地预测用户的电、 热、 气负荷[26] 。 精准的负荷预测数据是能源

互联网各个环节规划建模的基础, 有助于提升规划模型的精确性和实用性。

2 2  能量枢纽模型

针对耦合多能源系统的分析建模, 瑞士苏 黎 世 联 邦 理 工 学 院 于 2007 年 提 出 了 能 量 枢 纽

( energyhub, EH) 的概念, 作为描述多能源系统中能源输入、 输出、 存储、 耦合关系的端口模

型[18] 。 该模型通过能源输入到负荷输出端口的耦合矩阵[16,18] 来表示电、 热、 气等多种能源形式

之间的转换、 存储、 运输等关系, 如式(1)—(2) 所示。 基于该模型, 国内外针对能源互联网的

物理系统———耦合多能源系统的最优潮流、 运行、 规划方面都已开展了一系列的探索研究。

                        L = CP                    (1)

                  éê L1 ùú êéc11 c12 …ùú éêP1 ùú

                  ê L2 ú êc21 c22 …ú êP2 ú        (2)
                  ê úê          úê ú
                  ê?ú ê? ? ?ú ê?ú

                  ?ê Ln ?ú ê?cn1 cn2 …ú? ê?Pn ú?

式中: Li 表示耦合矩阵输出的电、 气、 热等各种形式的能源; Pi 表示输入耦合矩阵的各种形式

                                                  43
   42   43   44   45   46   47   48   49   50   51   52

 

 

 

 

 

XML 地图 | Sitemap 地图