原文信息
Long-term energy management for microgrid with hybrid hydrogen-battery energy storage: A prediction-free coordinated optimization framework
原文链接:
https://doi.org/10.1016/j.apenergy.2024.124485
Highlights
(1) 考虑季节性不确定性和季节储能的微电网长期能量管理方法。
(2) 不依赖预测的两阶段协同优化架构。
(3) 基于历史场景和AI生成场景使用核回归生成氢储能的荷电状态参考值。
(4) 基于虚拟队列、引入专家跟踪机制的在线凸优化算法。
(5)基于Elia和华北地区超过10年实测数据的数值研究。
Abstract
This paper studies the long-term energy management of a microgrid coordinating hybrid hydrogen-battery energy storage. We develop an approximate semi-empirical hydrogen storage model to accurately capture the power-dependent efficiency of hydrogen storage. We introduce a prediction-free two-stage coordinated optimization framework, which generates the annual state-of-charge (SoC) reference for hydrogen storage offline. During online operation, it updates the SoC reference online using kernel regression and makes operation decisions based on the proposed adaptive virtual-queue-based online convex optimization (OCO) algorithm. We innovatively incorporate penalty terms for long-term pattern tracking and expert-tracking for step size updates. We provide theoretical proof to show that the proposed OCO algorithm achieves a sublinear bound of dynamic regret without using prediction information. Numerical studies based on the Elia and North China datasets show that the proposed framework significantly outperforms existing online optimization approaches, reducing operational costs and loss of load by approximately 60% and 90%, respectively, compared to the model predictive control method. Additionally, the introduction of long-term reference tracking contributes to over 50% of this reduction. These benefits can be further enhanced with optimized settings for the penalty coefficient and step size of OCO, as well as more historical references.
Keywords
Long-term energy management
Hydrogen
Hybrid energy storage
Online convex optimization
Microgrid
Graphics
图1 含氢-电混合储能的微电网系统架构
图2 氢储能非线性效率模型: (a) 充电效率, (b) 放电效率
图3 不依赖预测的两阶段协同调度优化架构
图4 不同方法下氢储能长期荷电状态参考的生成与跟踪结果(Elia数据集)
图5 不同方法下氢储能全年荷电状态运行策略(Elia数据集)
图6 不同方法下氢储能全年荷电状态运行策略(华北电网数据集)
作者简介
团队介绍:
本研究由哥伦比亚大学和清华大学的研究人员共同完成。
第一作者/通讯作者简介:
齐宁,2018年获得天津大学电气工程学士学位,2023年获得清华大学电气工程博士学位,现任哥伦比亚大学博士后研究科学家,2021-2022年丹麦科技大学访问学者,IEEE SBLC分委会成员,电力系统保护与控制/Energy Storage and Applications等期刊青年编委,Process/Frontier in Energy Research等期刊客座编辑。主要研究方向为电力系统中广义储能的数据驱动建模、风险管理决策、市场机制设计等。曾在IEEE Transactions/Applied Energy/电力系统自动化等期刊发表SCI/EI检索论文40余篇,发明专利20余项,主持第5批中国博士后基金特别资助项目。曾获IEEE PES General Meeting Best Paper Award, 中国电机工程学会电力系统自动化专委会优秀论文等学术奖励5项。
其它作者简介:
黄楷迪,2023年获得清华大学电气工程学士学位,现为清华大学电机系博士研究生,主要研究方向为微电网中灵活性资源的运行控制、配电网风险感知与平抑。
樊之缘,2018年获得香港科技大学机械与航空航天工程学士学位,2020年获得哥伦比亚大学机械工程硕士学位,现为哥伦比亚大学地球与环境系博士研究生,主要研究方向为能源与电力系统建模,探索减排技术的系统整合与优化,能源系统转型与政策。
徐博伦,2011年获得中国上海交通大学电气工程学士学位,2014年获得瑞士苏黎世联邦理工学院电气工程硕士学位,2018年获得美国华盛顿大学电气工程博士学位。2018-2019年美国麻省理工学院博士后工作,2020年至今美国纽约哥伦比亚大学地球与环境工程系助理教授,同时兼任电气工程系。主要研究方向为电力市场、储能、电力系统优化和电力系统经济学等。
关于Applied Energy
本期小编:余佩佩;审核人:齐宁
《Applied Energy》是世界能源领域著名学术期刊,在全球出版巨头爱思唯尔 (Elsevier) 旗下,1975年创刊,影响因子10.1,CiteScore 21.2,本刊旨在为清洁能源转换技术、能源过程和系统优化、能源效率、智慧能源、环境污染物及温室气体减排、能源与其他学科交叉融合、以及能源可持续发展等领域提供交流分享和合作的平台。开源(Open Access)姊妹新刊《Advances in Applied Energy》影响因子13.0,CiteScore 23.9。全部论文可以免费下载。在《Applied Energy》的成功经验基础上,致力于发表应用能源领域顶尖科研成果,并为广大科研人员提供一个快速权威的学术交流和发表平台,欢迎关注!
公众号团队小编招募长期开放,欢迎发送自我简介(含教育背景、研究方向等内容)至wechat@applied-energy.org
点击“阅读原文”
喜欢我们的内容?
点个“赞”或者“再看”支持下吧!
阅读原文