核心内容摘要
Tensorflow 入门实践之8 猫狗识别
Matlab代码#优化调度#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 #电转气协同、碳捕集、虚拟电厂优化调度# matlab程序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看下面的图片是运行结果程序不负责讲解采用yalmipcplex求解器求解。
碳捕集电转气P2G优化调度咱今天唠个硬核的——在Matlab里整了个虚拟电厂调度系统把碳捕集、垃圾焚烧和电转气P2G这三个看似不搭界的技术揉在一起搞协同优化。
这个项目最带劲的地方在于通过P2G设备把二氧化碳循环利用让环保和发电效率直接挂钩。
注下文代码基于YALMIP建模用CPLEX求解器算的Matlab代码#优化调度#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 #电转气协同、碳捕集、虚拟电厂优化调度# matlab程序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看下面的图片是运行结果程序不负责讲解采用yalmipcplex求解器求解。
碳捕集电转气P2G优化调度先看核心模型怎么搭的。
整个系统有四个关键设备垃圾焚烧机组、碳捕集装置、P2G反应堆和常规发电单元。
这里有个骚操作——碳捕集产生的CO₂不是直接封存而是怼进P2G设备里制甲烷再循环发电。
代码里是这么定义设备参数的% 设备参数初始化 plant.gen.cost [280 300 320]; % 常规机组成本曲线系数 plant.P2G.efficiency
65; % 电转气效率 plant.ccs.capture_rate
85; % 碳捕集率 plant.wte.p_max 80; % 垃圾焚烧最大出力(MW)建模时最烧脑的是处理多能流耦合。
举个栗子P2G设备既消耗电能又产出燃气这部分燃气又能给常规机组当燃料。
在约束条件里得体现这种能量形态转换% 电转气能量平衡约束 constraints [constraints, plant.P2G.gas_output plant.P2G.efficiency * P2G_power]; % 碳捕集与P2G物料平衡 constraints [constraints, CO2_to_P2G plant.ccs.capture_rate * total_emission];目标函数要兼顾经济性和低碳这里用了分段碳价机制。
高碳排放时段每吨CO₂成本翻倍直接刺激系统在高峰时段多开碳捕集% 分时碳成本计算 if emission threshold carbon_cost 2 * carbon_price * emission; else carbon_cost carbon_price * emission; end % 总成本目标 objective sum(gen_cost) carbon_cost P2G_operating_cost;调参时发现个有意思的现象当垃圾焚烧发电占比超过35%时P2G设备的启停策略会突变。
这是因为垃圾发电的波动性需要燃气机组快速响应而P2G生产的燃气刚好能当缓存。
这个特性在代码里体现为约束条件的动态调整% 垃圾发电波动补偿约束 if wte_output
35 * total_load constraints [constraints, gas_storage
2 * plant.P2G.capacity]; end跑完优化后发现系统在凌晨低负荷时段会优先用垃圾发电碳捕集的组合而白天高峰时段则靠P2G储备的燃气来削峰。
这种调度策略比传统模式降低碳排放17%同时运行成本还降了
3%——环保和赚钱两不误的典型。
最后说下求解技巧。
用YALMIP建模时把连续变量和整数变量分开声明能提升求解速度。
比如机组启停用binvar声明而功率变量用sdpvar% 变量定义 unit_status binvar(24,3,full); % 三台机组24小时启停状态 power_output sdpvar(24,
; % 五种电源出力搞这种多能耦合系统优化最大的坑是约束条件之间的冲突。
有次没处理好碳捕集和P2G的时序耦合结果求解器报了个不可行排查了俩小时才发现有个时段CO₂产量小于P2G需求。
后来加了个储碳罐的缓冲约束才解决% 二氧化碳缓冲约束 constraints [constraints, CO2_storage(t
CO2_storage(t) captured_CO2 - consumed_CO2];这个项目最让我惊艳的是垃圾焚烧电厂的灵活应用——不仅处理了城市固废其发电波动性还无意中成了调节系统灵活性的触发器。
或许这就是能源互联网的魅力总能在看似矛盾的需求中找到共赢点。