MATLAB 论文复现——考虑多热源协同互补的含先进绝热压缩空气储能系统容量配置方法-CSDN博客

本文链接：https://blog.csdn.net/sjr1478/article/details/140729376

考虑多热源协同互补的含先进绝热压缩空气储能系统容量配置方法

摘要：先进绝热压缩空气储能(advanced adiabatic compressed air energy storage，AA-CAES)具备天然的热电联供特性，能够有效缓解供热期出现的弃风问题。若能在规划阶段充分考虑运行需求，进而合理地配置储能容量，则能够在解决弃风问题的前提下，最大程度对燃煤机组进行清洁替代。为此，该文提出了多热源协同互补的AA-CAES系统容量配置模型。首先本模型在能量输入端，引入电锅炉预热压缩机入口空气，以增大压缩机输气系数并提高机组产热量；其次在扩展热源端，通过太阳能反射镜场收集光热，以提高系统储热水平；并在计及储能系统各模块实际运行效率约束之余，以运行总成本最小为目标，计算储能容量配置最优解。再次，分析供热时长及环境温度等因素对投资成本回收年限的影响，并计算不同情况下本模型投资成本的回收年限，得出建设本模型可盈利的硬性条件；最后，基于东北某地区供热期及非供热期典型日负荷及气象数据在IEEE-39节点系统完成算例分析，验证所提模型有效性。

关键词：供热期;先进绝热压缩空气储能;太阳能集热模块;容量配置;热电联产;

[1]崔杨,于一凡,付小标,等.考虑多热源协同互补的含先进绝热压缩空气储能系统容量配置方法[J/OL].电网技术,1-16[2024-07-27].https://doi.org/10.13335/j.1000-3673.pst.2023.1683.

为了构建一个详细的 MATLAB 程序来模拟和分析多热源协同互补的AA-CAES系统容量配置模型，我们需要从能量输入、扩展热源、系统运行效率、运行成本以及投资成本回收等多个方面进行详细的建模和仿真。下面是逐步实现的详细 MATLAB 代码。

第一步：定义系统的主要参数
我们需要定义系统的主要参数，包括压缩机、电锅炉、太阳能收集器、储能系统以及其他关键组件的参数。

matlab
复制代码
% 定义系统参数
global airFlow heatInput boilerEfficiency solarEfficiency storageEfficiency totalCost minCostCapacity;

airFlow = 100; % 空气流量 (kg/s)
heatInput = 5000; % 输入热量 (kJ)
boilerEfficiency = 0.9; % 电锅炉效率
solarEfficiency = 0.75; % 太阳能收集效率
storageEfficiency = 0.85; % 储能系统效率
totalCost = []; % 总成本数组
minCostCapacity = []; % 最小成本容量

% 仿真时间
simulationTime = 24; % 24小时
第二步：定义压缩机、电锅炉、太阳能收集器及储能系统的模型
matlab
复制代码
function [compressorOutput, boilerHeatOutput, solarHeatOutput, totalHeatOutput] = systemModels(airFlow, heatInput, boilerEfficiency, solarEfficiency, storageEfficiency)
    % 压缩机模型
    compressorOutput = 0.8 * airFlow;  % 假设压缩机工作效率为80%

    % 电锅炉模型
    boilerHeatOutput = boilerEfficiency * heatInput;  % 电锅炉产生的热量

    % 太阳能收集器模型
    solarHeatOutput = solarEfficiency * heatInput;  % 太阳能收集的热量

    % 总产热量
    totalHeatOutput = (compressorOutput + boilerHeatOutput + solarHeatOutput) * storageEfficiency;  % 总产热量
end
第三步：定义系统的运行成本函数
matlab
复制代码
function totalCost = computeOperatingCost(storageCapacity, airFlow, heatInput, boilerEfficiency, solarEfficiency, storageEfficiency, electricityCost, solarCost, boilerCost)
    % 计算压缩机、电锅炉、太阳能收集器及储能系统的输出
    [compressorOutput, boilerHeatOutput, solarHeatOutput, totalHeatOutput] = systemModels(airFlow, heatInput, boilerEfficiency, solarEfficiency, storageEfficiency);

    % 计算运行成本
    electricityUsage = compressorOutput * storageCapacity; % 电能消耗
    solarUsage = solarHeatOutput * storageCapacity; % 太阳能消耗
    boilerUsage = boilerHeatOutput * storageCapacity; % 电锅炉消耗

    % 总成本
    totalCost = electricityUsage * electricityCost + solarUsage * solarCost + boilerUsage * boilerCost;
end
第四步：优化储能容量配置
使用 MATLAB 的优化工具箱来最小化系统的运行总成本，并确定储能容量的最优配置。

matlab
复制代码
function optimizeStorageCapacity()
    % 定义优化参数
    global airFlow heatInput boilerEfficiency solarEfficiency storageEfficiency totalCost minCostCapacity;
    electricityCost = 0.1; % 电力成本 (单位：$/kWh)
    solarCost = 0.05; % 太阳能成本 (单位：$/kWh)
    boilerCost = 0.08; % 电锅炉成本 (单位：$/kWh)
    
    % 储能容量范围 (假设范围为 0 到 1000)
    storageCapacityRange = linspace(0, 1000, 100);
    totalCost = zeros(size(storageCapacityRange));
    
    % 计算不同储能容量下的总成本
    for i = 1:length(storageCapacityRange)
        totalCost(i) = computeOperatingCost(storageCapacityRange(i), airFlow, heatInput, boilerEfficiency, solarEfficiency, storageEfficiency, electricityCost, solarCost, boilerCost);
    end
    
    % 找到最小成本和对应的储能容量
    [minCost, idx] = min(totalCost);
    minCostCapacity = storageCapacityRange(idx);
    
    % 打印结果
    fprintf('最优储能容量：%.2f kWh\n', minCostCapacity);
    fprintf('最小运行总成本：$%.2f\n', minCost);
end
第五步：投资成本回收年限分析
分析供热时长和环境温度对投资成本回收年限的影响。

matlab
复制代码
function paybackPeriodAnalysis()
    global minCostCapacity totalCost;
    
    investmentCost = 1000000; % 假设投资成本 (单位：$)
    annualOperatingCost = totalCost(find(minCostCapacity, 1)); % 年度运行成本
    
    % 计算不同供热时长下的回收年限
    heatingDurationRange = linspace(1000, 5000, 10); % 供热时长范围 (小时)
    paybackPeriod = zeros(size(heatingDurationRange));
    
    for i = 1:length(heatingDurationRange)
        paybackPeriod(i) = investmentCost / (heatingDurationRange(i) * annualOperatingCost);
    end
    
    % 绘制结果
    figure;
    plot(heatingDurationRange, paybackPeriod, '-o');
    title('投资成本回收年限分析');
    xlabel('供热时长 (小时)');
    ylabel('回收年限 (年)');
    grid on;
end
第六步：运行仿真与优化
matlab
复制代码
% 运行优化函数
optimizeStorageCapacity();

% 运行投资成本回收年限分析
paybackPeriodAnalysis();
这段代码提供了一个详细的框架来模拟和优化多热源协同互补的AA-CAES系统容量配置模型。每个步骤都包括了详细的参数设置、函数定义和结果分析。可以进一步根据具体的系统需求和实际数据对模型进行调整和优化。