为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,E...为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。展开更多
混合储能系统具有储能容量大、调节能力强等优点,有助于提高综合能源系统(integrated energy system,IES)的需求响应能力。首先,构建了一种电-氢-热混合储能系统(electric-hydrogen-thermal hybrid energy storage system,EHT-HESS),其...混合储能系统具有储能容量大、调节能力强等优点,有助于提高综合能源系统(integrated energy system,IES)的需求响应能力。首先,构建了一种电-氢-热混合储能系统(electric-hydrogen-thermal hybrid energy storage system,EHT-HESS),其中采用电解槽(electrolytic cell,EC)、蒸气重整反应(steam methane reforming,SMR)装置、储氢、热电联产氢燃料电池(hydrogen fuel cell,HFC)设备,实现电、气向氢能的转换,以及以氢能作为中间模态的“制氢-储氢-放氢/电/热”功能。其次,建立考虑EHT-HESS的IES需求响应策略优化模型,其中考虑IES响应电价和气价,同时根据富余风电量,进行购电、购气、用电、用热、用氢等策略决策的综合需求响应(integrated demand response,IDR)行为;并采用信息间隙决策理论(information gap decision theory,IGDT)计入概率分布未知的风电严重不确定性,采用基于综合范数的分布鲁棒优化(distributionally robust optimization,DRO)方法计入概率分布不完备的电价严重不确定性。最后,算例验证了模型和方法的合理性及有效性,并表明IES装设热电联产HFC构建EHT-HESS可实现氢能向电能与热能的转换,有助于增加风电消纳量,增加IDR决策的鲁棒性。展开更多
文摘为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。