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代码实现)

简介: 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代码实现)

💥1 概述

文献来源:

1.1 计及 P2G 协同的含碳捕集和垃圾焚烧 VPP 结构和基本原理

本文所提出的 VPP 系统构成如图 1 所示,其中包含有可灵活调控发电单元(火电机组和垃圾焚烧


电厂)、不可调控发电单元(风电和光伏)、P2G 装置、碳捕集系统、垃圾焚烧电厂的储气装置、电储能和热储能。电负荷由可中断负荷(interruptible load,IL)和固定负荷组成,切断 IL 时需按中断等级给予用户补偿费用[13]。燃气机组由热电联产(combined heat and power,CHP)机组和燃气锅炉组成,热负荷由两者协调提供。

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[13]。


1.2 CCPP-P2G-燃气机组子系统

现有 VPP 文献涉及碳捕集电厂–P2G 系统框架的较少,且未有涉及参与燃气供热的综合调度。因


此,本文将碳捕集电厂、P2G 和燃气机组聚合为碳捕集–电转气–燃气机组供热(CCPP-P2G-燃气机组) 系统,将 CCPP 捕集的 CO2 作为优质原料提供给P2G 装置,利用 P2G 消纳弃风弃光生成天然气提供给燃气机组,P2G 生成天然气量和燃气机组天然气需求量的差值参与到天然气市场。CCPP-P2G-燃气供热系统不仅可减少捕集 CO2 后的封存成本,还可将弃风弃光转化成天然气储存于天然气网络,减少CHP 机组和燃气锅炉的购气成本,具有削峰填谷效应,实现了负荷的时空转移。框架如图 2 所示。


📚2 运行结果

PXPARAM_Simplex_Display                         2
CPXPARAM_MIP_Tolerances_MIPGap                   9.9999999999999995e-07
CPXPARAM_Barrier_Display                         2
Tried aggregator 2 times.
MIQP Presolve eliminated 1308 rows and 290 columns.
Aggregator did 288 substitutions.
Reduced MIQP has 533 rows, 598 columns, and 1820 nonzeros.
Reduced MIQP has 48 binaries, 0 generals, 0 SOSs, and 0 indicators.
Reduced MIQP objective Q matrix has 24 nonzeros.
Presolve time = 0.02 sec. (3.66 ticks)
Probing fixed 0 vars, tightened 36 bounds.
Probing time = 0.00 sec. (0.05 ticks)
Tried aggregator 1 time.
MIQP Presolve eliminated 1 rows and 0 columns.
MIQP Presolve modified 34 coefficients.
Reduced MIQP has 532 rows, 598 columns, and 1818 nonzeros.
Reduced MIQP has 48 binaries, 0 generals, 0 SOSs, and 0 indicators.
Reduced MIQP objective Q matrix has 24 nonzeros.
Presolve time = 0.00 sec. (0.59 ticks)
Probing time = 0.00 sec. (0.05 ticks)
MIP emphasis: balance optimality and feasibility.
MIP search method: dynamic search.
Parallel mode: deterministic, using up to 16 threads.
Root relaxation solution time = 0.02 sec. (7.22 ticks)
        Nodes                                         Cuts/
   Node  Left     Objective  IInf  Best Integer    Best Bound    ItCnt     Gap
      0     0   204253.7116    18                 204253.7116       19         
*     0+    0                       206923.7624   204253.7116             1.29%
      0     0   205911.7001    14   206923.7624      Cuts: 73       87    0.49%
*     0+    0                       206410.6951   205911.7001             0.24%
      0     0   206200.4407    13   206410.6951      Cuts: 48      139    0.10%
      0     0   206239.8844    17   206410.6951      Cuts: 28      169    0.08%
      0     0   206264.4953    17   206410.6951      Cuts: 12      193    0.07%
      0     0   206266.9487    15   206410.6951      Cuts: 12      201    0.07%
*     0+    0                       206353.2894   206266.9487             0.04%
      0     2   206266.9487    15   206353.2894   206296.8327      201    0.03%
Elapsed time = 0.13 sec. (60.75 ticks, tree = 0.01 MB, solutions = 3)
*    15     4      integral     0   206352.9869   206352.8155      330    0.00%
*    17     5      integral     0   206352.8638   206352.8155      332    0.00%
Implied bound cuts applied:  1
Flow cuts applied:  2
Mixed integer rounding cuts applied:  51
Gomory fractional cuts applied:  11
Root node processing (before b&c):
  Real time             =    0.13 sec. (60.02 ticks)
Parallel b&c, 16 threads:
  Real time             =    0.03 sec. (12.95 ticks)
  Sync time (average)   =    0.03 sec.
  Wait time (average)   =    0.00 sec.
                          ------------
Total (root+branch&cut) =    0.16 sec. (72.98 ticks)


🌈3 Matlab代码实现

🎉4 参考文献

部分理论来源于网络,如有侵权请联系删除。


[1]孙惠娟,刘昀,彭春华,蒙锦辉.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[J].电网技术,2021,45(09):3534-3545.DOI:10.13335/j.1000-3673.pst.2020.1720.

相关文章
|
20天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
25天前
|
机器学习/深度学习 算法 调度
基于ACO蚁群优化的VRPSD问题求解matlab仿真,输出规划路径结果和满载率
基于ACO蚁群优化的VRPSD问题求解MATLAB仿真,输出ACO优化的收敛曲线、规划路径结果及每条路径的满载率。在MATLAB2022a版本中运行,展示了优化过程和最终路径规划结果。核心程序通过迭代搜索最优路径,更新信息素矩阵,确保找到满足客户需求且总行程成本最小的车辆调度方案。
|
2月前
|
人工智能 算法 数据安全/隐私保护
基于遗传优化的SVD水印嵌入提取算法matlab仿真
该算法基于遗传优化的SVD水印嵌入与提取技术,通过遗传算法优化水印嵌入参数,提高水印的鲁棒性和隐蔽性。在MATLAB2022a环境下测试,展示了优化前后的性能对比及不同干扰下的水印提取效果。核心程序实现了SVD分解、遗传算法流程及其参数优化,有效提升了水印技术的应用价值。
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于贝叶斯优化CNN-LSTM网络的数据分类识别算法matlab仿真
本项目展示了基于贝叶斯优化(BO)的CNN-LSTM网络在数据分类中的应用。通过MATLAB 2022a实现,优化前后效果对比明显。核心代码附带中文注释和操作视频,涵盖BO、CNN、LSTM理论,特别是BO优化CNN-LSTM网络的batchsize和学习率,显著提升模型性能。
|
4月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
204 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
4月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
130 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
4月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
94 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
7月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
7月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)

热门文章

最新文章