湘潭做网站 去磐石网络,wordpress设置视频,贵阳网站备案核验点照相,重庆网站备案最快几天主题#xff1a;风电-光热-CHP联合发电系统优化调度 关键词#xff1a;光热发电#xff1b;热电联产#xff1b;优化调度#xff1b; 本文联合发电系统主要包含了风电、光热发电#xff08;CSP#xff09;、热电机组和纯凝机组#xff0c;以CSP、热电机组和纯凝机组的发…主题风电-光热-CHP联合发电系统优化调度 关键词光热发电热电联产优化调度 本文联合发电系统主要包含了风电、光热发电CSP、热电机组和纯凝机组以CSP、热电机组和纯凝机组的发电成本最低为优化目标建立了调度模型部分出图如下。 适合在此基础模型上进行进一步拓展。先看系统架构风电负责看天吃饭光热电站CSP既当发电厂又当储能罐热电机组玩的是热电联供纯凝机组当备胎。目标就一个——让这三个传统机组的发电成本打到最低。这里头最有趣的是CSP的热存储特性白天存的热量晚上还能接着发电相当于自带充电宝。建模时得考虑几个硬约束热电联产机组的热电耦合关系发电量和供热不能劈腿、CSP的镜场集热效率随太阳辐射变化、风电的间歇性还得留出备用容量。举个代码片段看目标函数怎么构建def objective_rule(model): return sum(csp_cost*P_csp[t] chp_cost*(P_chp[t]Q_chp[t]) for t in model.TimePeriods) model.total_cost Objective(ruleobjective_rule, senseminimize)这里把CSP的发电成本、CHP机组电热双输出成本打包求和。注意CHP的成本计算方式既要算发电成本也得算供热成本毕竟烧的是同一炉子煤。处理热电耦合约束时得小心CHP机组的热电比不是固定的。比如某型号机组的热电出力可行域可能像个平行四边形这时候要用分段约束for t in model.TimePeriods: model.chp_ratio.add( Q_chp[t] 0.8*P_chp[t] 30 # 假设线性关系 ) model.chp_limits.add( (200 P_chp[t] 500), (200 Q_chp[t] 400) )这种线性近似虽然粗暴但实用真要较真可以用更精确的工况曲线拟合。实际项目中我们遇到过某电厂的热电曲线像心电图这时候就得上分段线性化或者神经网络逼近了。主题风电-光热-CHP联合发电系统优化调度 关键词光热发电热电联产优化调度 本文联合发电系统主要包含了风电、光热发电CSP、热电机组和纯凝机组以CSP、热电机组和纯凝机组的发电成本最低为优化目标建立了调度模型部分出图如下。 适合在此基础模型上进行进一步拓展。结果可视化时重点看三张图CSP储热罐的充放状态、CHP机组运行在热电图的哪个位置、风电消纳率随时间变化。用matplotlib画储热状态可以这样plt.stackplot(time, storage_in, storage_out, labels[充电,放电]) plt.axhline(ystorage_capacity, colorr, linestyle--)那条红色虚线标出储热上限能直观看出什么时候该放热救场。记得给风电波动留足备用容量某次仿真忘记这个结果凌晨两点风电骤降时系统直接崩了。这个模型还能往多个方向扩展加上碳交易成本、引入熔盐储热寿命损耗模型或者把电价波动做成交互式变量。最近在试水用强化学习代替传统优化让系统自己学着在复杂环境下苟住——虽然现在效果像人工智障但未来可期。搞能源优化就像炒菜火候约束条件和配料成本权重差一点出来的可能是黑暗料理。下次可以聊聊怎么处理风光预测的玄学误差那才是真正的刺激战场。