计及电转气协同的含碳捕集与垃圾焚烧虚拟电厂优化调度(matlab代码)

目录

[1 主要内容](#1 主要内容)

系统结构

CCPP-P2G-燃气机组子系统

非线性处理缺陷

[2 部分代码](#2 部分代码)

[3 程序结果](#3 程序结果)

[4 程序链接](#4 程序链接)


1 主要内容

该程序参考《计及电转气协同的含碳捕集与垃圾焚烧虚拟电厂优化调度》模型,主要实现的是计及电转气协同的含碳捕集与垃圾焚烧虚拟电厂优化调度模型。通过引入碳捕集电厂--电转气--燃气机组协同利用框架,碳捕集的CO2 可作为电转气原料,生成的天然气则供应给燃气机组;并通过联合调度将碳捕集能耗和烟气处理能耗进行负荷转移以平抑可再生能源波动,使得风电/光伏实现间接可调度而被灵活利用。

该程序采用的是混合整数线性规划 (MILP) 算法算法求解(原文采用的是新型的反余切复合微分进化算法),本程序采用matlab+yalmip运行,基本句句注释,方便学习。

但是,该程序在非线性处理部分存在缺陷,后面会具体说明一下,介意慎拍,整体程序逻辑还是不错的,值得参考!

系统结构

除 CHP 机组外,各发电机组都可以向碳捕集系统和烟气处理系统提供能耗,通过加装储气装置,使得烟气处理与发电关系解耦,利用不同能量资源在能量/功率上的时空互补性,调度优化上更为灵活地配合可再生能源的出力变化和平抑净负荷波动。各单元的协同运行调度指令依靠能量管理系统采集数据信息后预测出的能量市场电价、可再生能源出力和电热负荷来制定。

CCPP-P2G-燃气机组子系统

该文章主要的亮点即是将CCPP、P2G以及燃气机组进行了融合,创新了此类VPP框架模型研究,所以创新的方向还是挺多的,不能只盯着方法层面的。

非线性处理缺陷

碳捕集电厂部分烟气分流比是非线性的,yalmip在处理这列非线性是难以实现的,因此该程序这部分并未实现出来。

2 部分代码

复制代码
P_CHP=sdpvar(1,24); %CHP机组的输出电功率
H_CHP=sdpvar(1,24); %CHP机组的输出热功率
V_CHP=sdpvar(1,24); %CHP机组消耗的天然气量
H_GB=sdpvar(1,24); %燃气锅炉的输出热功率
V_GB=sdpvar(1,24); %燃气锅炉消耗的天然气量
S_ES=sdpvar(1,24);  %电储能在t时段末的蓄电量,单位为MW
P_ESC=sdpvar(1,24); %电储能的充电功率
P_ESD=sdpvar(1,24); %电储能的放电功率
S_TS=sdpvar(1,24);  %热储能在t时段末的蓄热量,单位为MW
H_TSC=sdpvar(1,24); %热储能的充热功率
H_TSD=sdpvar(1,24); %热储能的放热功率
P_EM=sdpvar(1,24);  %系统在电网的购电量
P_CUT=sdpvar(1,24); %各级中断负荷功率之和
lamda_CC=sdpvar(1,24); %碳捕捉系统的烟气分流比
P_Cmax=sdpvar(1,24); %碳捕集系统的运行能耗上限
miu_ESC=binvar(1,24); %充电的布尔变量
miu_ESD=binvar(1,24); %放电的布尔变量
miu_TSC=binvar(1,24); %充热的布尔变量
miu_TSD=binvar(1,24); %放热的布尔变量
lambda_WI=sdpvar(1,24); %烟气分流比
V_WIalpha=sdpvar(1,24); %烟气存储罐储气量
alpha_2=sdpvar(1,24); %流入烟气存储罐的气量
Q_CS=sdpvar(1,24); %流入烟气存储罐的气量
Q_P2G=sdpvar(1,24); %流入烟气存储罐的气量
%
P_A=15*ones(1,24);   %CCPP-P2G系统能耗(因占比较少设为定值),单位为MW
%风电机组的预测出力
P_W=[232.75,247.44,219.09,188.78,239.58,232.84,188.52,159.84,111.45,51.23,119.88,137.29,141.39,115.78,135.24,143.44,151.64,195.69,159.70,180.94,203.38,193.64,155.32,247.43]; 
%光伏机组的预测出力
P_V=[0,0,0,0,0,22,63,97,110,118,128,132,133,136,131,133,120,85,37,0,0,0,0,0]; 
%电负荷
P_EL=[457,319,296,228,184,297,406,509,607,687,803,857,845,793,832,801,795,731,640,593,554,518,525,409];
%热功率
H_HL=[109,131,158,153,139,121,111,98,82,57,22,12,42,62,89,99,122,131,148,160,139,131,119,74];
%购电价
k_EM=[38.85,39.18,36.89,35.57,39.84,43.77,51.31,64.10,74.59,77.21,85.41,89.02,82.46,80.49,83.11,81.80,78.52,73.93,69.67,76.89,74.26,66.39,55.57,46.72];
S_ES_init=60;S_TS_init=30;
%% 约束条件
C=[];
%CCPP-P2G系统能耗以及CCPP出力
for t=1:24
    C=[C,
       P_C2P(t)==P_P2G(t)+P_CC(t), %CCPP-P2G系统总能耗约束
       P_P2G(t)==P_WA(t)+P_VA(t),  %P2G消纳的弃风光量约束
       P_CC(t)==P_A(t)+P_OP(t),    %碳捕集能耗约束
       P_GN(t)==P_G(t)-P_GC(t)-P_Galpha(t),  %碳捕集电厂功率约束
      ];
end
%CCPP-P2G系统碳利用量以及天然气生成量
for t=1:24
    C=[C,
       Q_CC(t)==P_OP(t)/0.269, %CCPP-P2G系统捕集的CO2的总量与耗能约束
       Q_P2Gsum(t)==0.2*0.6*P_P2G(t), %P2G设备的消耗的CO2量和电功率约束
       V_P2G(t)==3.6*0.6*P_P2G(t)/39, %P2G设备的生成天然气的体积
      ];
end
%垃圾焚烧电厂烟气处理模型
for t=1:24
    C=[C,P_alpha(t)==0.513*(alpha_1(t)+alpha_3(t)),]; %烟气处理系统能耗
end
%碳捕集-垃圾焚烧-风电-光伏联合运行策略
for t=1:24
    C=[C,
       P_GC(t)+P_WC(t)+P_VC(t)+P_WIC(t)==P_CC(t), %碳捕集能耗等式约束
       P_OP(t)==0.269*Q_CC(t), %CCPP-P2G系统捕集的CO2的总量与耗能约束(这个好像和前面的约束重复了)
       P_Valpha(t)+P_Walpha(t)+P_Galpha(t)+P_WIalpha(t)==P_alpha(t), %烟气处理能耗等式约束
       P_WA(t)+P_WN(t)+P_WC(t)+P_Walpha(t)==P_W(t), %风力机组的出力约束
       P_VA(t)+P_VN(t)+P_VC(t)+P_Valpha(t)==P_V(t), %光伏机组的出力约束
       P_WIN(t)+P_WIC(t)+P_WIalpha(t)==P_WI(t), %垃圾焚烧电厂的出力约束
       Q_N(t)==0.96*P_G(t)-Q_CC(t), %碳捕集电厂的碳排放约束
      ];
end
%CHP机组和燃气锅炉模型
for t=1:24
    C=[C,
       P_PH(t)==P_CHP(t)+H_CHP(t), %CHP机组的输出功率约束
       P_CHP(t)==V_CHP(t)*39*0.35, %CHP机组的输出电功率约束
       H_CHP(t)==V_CHP(t)*39*0.40, %CHP机组的输出热功率约束
       H_GB(t)==V_GB(t)*39*0.40, %CHP机组的输出热功率约束
      ];
end
%储能装置模型
for t=2:24
    C=[C,
       S_ES(t)==S_ES(t-1)*(1-0.001)+0.95*P_ESC(t)-P_ESD(t)/0.95, %电储能运行约束
       S_TS(t)==S_TS(t-1)*(1-0.01)+0.88*H_TSC(t)-H_TSD(t)/0.88, %热储能运行约束
      ];
end
%电功率和热功率平衡约束
for t=1:24
    C=[C,
       P_GN(t)+P_WIN(t)+P_CHP(t)+P_WN(t)+P_VN(t)+P_ESD(t)+P_EM(t)==P_P2G(t)+P_EL(t)+P_ESC(t), %电功率平衡约束
       H_CHP(t)+H_GB(t)+H_TSD(t)==H_HL(t)+H_TSC(t), %热功率平衡约束
      ];
end
%碳捕集电厂约束
for t=1:24
    C=[C,
       100<=P_G(t)<=400, %碳捕集电厂出力上下限约束
       %lamda_CC(t)==Q_CC(t)/(0.96*P_G(t)), %碳捕捉系统的烟气分流比(要考虑分段线性可能)
       %0<=lamda_CC(t)<=1, %烟气分流比上下限   %% 因为非线性
       0<=Q_CC(t)<=0.96*400, 
       15<=P_GC(t)+P_WC(t)+P_VC(t)+P_WIC(t)<=P_Cmax(t), %碳捕集系统的运行能耗上下限
       P_Cmax(t)==0.269*0.96*P_G(t), %碳捕集系统的运行能耗上限赋值
      ];
end
for t=2:24
    C=[C,
       -60<=P_G(t)-P_G(t-1)<=60, %碳捕集电厂出力爬坡速率约束
       -65<=P_GC(t)+P_WC(t)+P_VC(t)+P_WIC(t)-P_GC(t-1)-P_WC(t-1)-P_VC(t-1)-P_WIC(t-1)<=65, %碳捕集电厂碳捕集能耗爬坡速率约束
      ];
end
%CHP机组电热出力以及爬坡约束
for t=1:24
    C=[C,
       0<=P_CHP(t)<=140, %CHP的电功率出力约束
       0<=H_CHP(t)<=160, %CHP的热功率出力约束
      ];
end

3 程序结果

4 程序链接

计及电转气协同的含碳捕集与垃圾焚烧虚拟电厂优化调度

相关推荐
Evand J18 小时前
【MATLAB例程】基于噪声协方差自适应的互补滤波器方法vs标准互补滤波,用于融合加速度计和陀螺仪数据,估计角度
开发语言·matlab
ytttr87319 小时前
64QAM信号的数字预失真处理(MATLAB实现)
开发语言·matlab
机器学习之心1 天前
MATLAB遗传算法优化RVFL神经网络回归预测(随机函数链接神经网络)
神经网络·matlab·回归
Dlkoiw1 天前
CSMA(aloha)
matlab·aloha·csma·协议演进过程
机器学习之心1 天前
基于双向时序卷积网络(BiTCN)与支持向量机(SVM)混合模型的时间序列预测代码Matlab源码
网络·支持向量机·matlab
MATLAB代码顾问1 天前
MATLAB实现决策树数值预测
开发语言·决策树·matlab
民乐团扒谱机2 天前
深入浅出理解克尔效应(Kerr Effect)及 MATLAB 仿真实现
开发语言·matlab·光学·非线性光学·克尔效应·kerr effect
leo__5202 天前
MATLAB实现高光谱分类算法
支持向量机·matlab·分类
民乐团扒谱机3 天前
脉冲在克尔效应下的频谱展宽仿真:原理与 MATLAB 实现
开发语言·matlab·光电·非线性光学·克尔效应
yuan199973 天前
基于扩展卡尔曼滤波的电池荷电状态估算的MATLAB实现
开发语言·matlab