电厂中CO_2捕集技术的成本及效率

电厂中CO2捕集过程中成本过高和额外能耗问题是CO2捕集与封存(CCS)技术迄今没有大规模应用的重要障碍之一。针对电力部门,重点总结并比较各种CO2捕集技术成本,分析影响成本的重要因素,量化捕集过程中的效率损失、能源需求以及相关资源消耗。结合中国未来发展趋势,分析实行CO2捕集技术对中国能源和经济的影响。结果表明,超超临界煤粉电厂和IGCC电厂是未来CO2捕集技术发展的首选电厂类型。中国应积极进行CO2捕集技术的研发,使得成本和效率损失大幅度下降,使带有捕集的电厂成为中国温室气体减排方面重要的技术储备。     

面向光伏消纳的光伏-废弃矿井抽蓄-蓄电池联合发电系统优化调度策略

 为提高光伏消纳能力,构建了一种含废弃矿井抽蓄-蓄电池混合储能的联合发电系统。针对联合发电系统,分别研究了光伏、废弃矿井抽蓄电站及蓄电池的数学模型,引入弃光成本,提出了以联合发电系统总运行成本最低和光伏消纳量最大为目标的优化调度模型,结合功率平衡约束、废弃矿井抽蓄电站运行约束、电池储能运行等约束,利用CPLEX优化工具实现调度模型最优解求取。通过算例,对系统在光伏-废弃矿井抽蓄、光伏-电池储能和光伏-废弃矿井抽蓄-电池储能3种不同调度方式下的光伏消纳效果进行对比,结果表明,本调度策略可以达到系统运行成本最优、降低弃光的效果。     

浅述光伏发电系统的作用及现状

光伏发电是利用半导体材料的光生伏打效应原理直接将太阳辐射能转换为电能的技术,具有不消耗燃料、不受地域限制、规模灵活、无污染、安全可靠、维护简单、寿命较长等优点。但光伏电池成本较高制约了光伏发电产业的发展。本文简单论述了光伏发电原理、组成和分类,并根据目前国内外光伏发电现状表述了未来光伏发电的趋势。     

50kW_p并网光伏实验电站的综合设计、搭建与运行

为深入研究新型光伏器件的实际性能及影响光伏电站发电效率的关键性因素,设计并建成一座多种光伏设备组合交叉安装的50 k Wp并网光伏实验电站。根据电站实际运行数据,对比了不同气象条件下光伏阵列选用不同类型组件、智能优化器以及不同容量逆变器的发电状况,分析了辐射量变化对光伏电站发电量的影响。结果表明:各类型光伏组件中双面电池输出特性表现最佳,其发电量高于其他类型组件;对于无阴影遮挡的光伏发电系统,智能优化器的作用得不到有效发挥;采用较小容量逆变器可减少太阳能电池组串模块间的差异性带来的影响,增大光伏阵列总发电量;受太阳辐照度变化影响各类型光伏组件实际输出最为稳定的是多晶硅电池。多晶硅电池和双面电池在并网光伏发电系统应用中具有较大的优势。     

内蒙古自治区未利用土地可再生能源潜力评估

 内蒙古自治区的可再生能源丰富,在中国未来可再生能源发展版图中具有重要地位。结合空间分析技术和多准则分析评价方法,对内蒙古十二盟市未利用土地上的生物液体燃料、风能发电和太阳能发电资源潜力进行评估,并给出协调发展3类能源的空间布局建议。研究结果表明：阿拉善盟由于未利用土地面积较大,具备3种可再生能源同时进行资源开发的潜力;针对甜高粱燃料乙醇,除阿拉善盟外,鄂尔多斯市也具有较大的可开发潜力;对于风电开发,可优先考虑巴彦淖尔市和乌海市;光伏发电发展应聚焦在阿拉善盟和锡林郭勒盟。     

碳酸二甲酯捕集CO2的技术经济分析

降低CO2排放量、缓解温室效应,已成为国际社会的广泛共识。碳酸二甲酯(DMC)是国际公认的绿色溶剂,低温下对CO2具有良好的吸收性能,具有规模化应用的潜力。该文针对整体煤气化联合循环(IGCC)电厂燃烧前CO2的捕集过程,建立了DMC捕集CO2的工艺流程,对此流程进行了模拟计算并开展了技术经济分析。计算结果显示:在96%的捕集率下每吨CO2捕集能耗约在1.3～1.7GJ的范围内,DMC捕集每吨CO2工艺成本约为200元;在考虑关键变量不确定性的情况下,其成本变化范围约180～230元/t,具有经济可行性;由于具有环境友好的特点,DMC作为燃烧前CO2捕集技术的新型吸收剂具有一定的竞争力。     

基于GAMS的CCS源汇匹配管网优化模型

碳捕集与封存(CCS)技术的推广对减缓全球气候变暖具有重要意义。CCS技术成熟后,CO2排放源和封存汇间的匹配及运输管网设计将成为大规模实施CCS项目的关键问题。为了对中国大陆CO2运输管网进行规划,并估算实施CCS项目的全流程总成本,该文在原ChinaCCS决策支持系统(ChinaCCS DSS)基础上开发出基于GAMS的源汇匹配管网优化模型。该模型可以确定CO2捕集与封存位置及相应量值、运输管道拓扑结构及各管径。通过对京津冀地区做案例分析,发现该地区CO2捕集量在0～180Mt/a变化时,源汇匹配单位总成本约为181～260RMB/t;较之原匹配模型,减少约20RMB/t,更具经济性。     

太阳能光伏新风系统性能研究

将光伏电池板发电与建筑新风系统结合,提出了一种太阳能光伏新风系统,利用光伏发电的同时利用光热预热新风,建立了太阳能光伏新风系统实验平台,并对其冬季工况进行研究,结果表明:太阳能光伏新风系统的平均发电效率为12.7%,平均集热效率为24%,一次能源利用效率为57.3%;实现了对太阳能的光热、光电综合利用,不仅可以提高光伏电池板的发电效率,而且通过对光伏底板热量的回收利用对冬季室外新风加热;太阳能光伏新风系统能使建筑能耗大幅度降低,真正实现建筑节能,同时也达到了通风换气的目的,改善了室内空气品质,提高了房间舒适度.为建筑节能和光伏建筑一体化系统应用提供一种新方法.     

双V型槽式低倍聚光光伏系统实验研究

为了减少单位产能所需的电池面积和降低光伏系统发电成本,采用低倍聚光器将太阳光汇聚在光伏电池上,对太阳电池进行低倍聚光.设计双V型槽式低倍聚光光伏系统,利用太阳跟踪系统和数据采集系统研究了在不同聚光条件下,常规单晶硅太阳电池组件的短路电流、开路电压、最大功率等电池特性参数,利用在电池组件下加装散热器来解决聚光后组件温度升高的问题.实验结果表明,采用双V型低倍聚光后,电池功率提高了27%,短路电流提高了25%,开路电压和填充因子变化不大,电池表面温度升高到44.8℃.利用双V型槽式低倍聚光光伏系统,增大了电池组件发电功率,为使用简单可靠的聚光器降低光伏系统发电成本提供了有效方法.     

煤炭利用洁净化度的构建与分析

通过对10种发电技术的单一指标和综合指标的洁净化度的研究,分析和预测了中国2030年和2050年煤炭利用过程中污染物排放对环境的影响程度,给出了评价煤炭高效洁净化利用程度的洁净化度的概念并作出了相应的定量判据。研究结果表明:不同发电技术采用二氧化碳捕获与埋存(CCS)技术后,洁净化度比不采用CCS的大,其中多联产、超超临界发电的综合洁净化度较大;随着煤炭高效洁净化技术路线的实施和大规模利用,总体洁净化度提高,特别是2050年,在能源消费总量增加、煤炭总量略有增加的情况下,如果全国50%的燃煤发电机组采用CCS技术,煤炭利用总洁净化度将从2030年的61%增加到71%。     

基于量子粒子群-径向基神经网络模型的风速预测

风速预测对风电场和电力系统的运行都具有重要意义.为了提高风速预测的精度,提出了一种基于量子粒子群-径向基神经网络模型,在确定网络隐含层节点数后,将RBF网络的参数编码成优化算法中的粒子个体进行优化,在全局空间搜索最优适应值的参数.用优化后的神经网络进行风速预测,实例结果表明该算法在预测速度和精度上都得到了提高.     

基于深度学习的风力发电机组故障预警方法研究综述

风能作为重要的可再生能源,近几十年来,全球风能使用规模迅速增长,陆上和海上风力发电机组发电容量不断增加。由于风力发电机组故障维修成本巨大,因此必须开发有效且可靠的风力发电机组故障预警方法,在风电机组发生故障前进行提前预警,以便降低风电场的运营和维护成本。目前风电机组数据采集与监视控制系统(supervisory control and data acquisition, SCADA)已经在风电场有了广泛的应用,其中蕴含着大量的潜在数据信息,同时深度学习方法在海量数据挖掘方面有比较明显的优势,因此深度学习方法在风力发电机组故障预警领域的应用潜力巨大。综述了近年来相关深度学习方法在风力发电机组故障预警的研究进展,总结了风电机组故障预警的大体步骤,分析了各个步骤的具体处理方法,对每种技术方法的特点进行整理分析。最后阐述了深度学习在风电机组故障预警领域所面临的挑战,并对今后的研究重点进行了展望。     

基于GWO-CNN-BILSTM的超短期风电预测

在未来高渗透率风电场景下,超短期风电功率预测研究对于实现电力系统优化运行具有重要意义。为此,提出一种基于GWO-CNN-BiLSTM的超短期风电预测方法。首先,搭建基于卷积神经网络(convolutional neural network, CNN)与双向长短期记忆神经网络(bidirectional long short term memory, BiLSTM)的组合模型,然后,为提升风电预测结果的精度,通过灰狼优化算法(grey wolf optimizer, GWO)对组合模型进行优化,使该组合模型参数能实时适应风电历史数据。最后,仿真结果验证了所提出方法的有效性和优越性。     

小型户用风光互补发电系统匹配的计算机辅助设计

提出了一种对小型户风光互补发电系统匹配设计的计算方法,考虑了影响风力发电机和太阳电池组合板发电量的各种因素,给出了更符合实验的计算风力发电机和太阳电池组合板各月发电量的数学公式,利用用户所在地区的风频分布、太阳辐射等气象资料,计算风力发电机和太阳电池 各月发电量,以全年各月能量供需平衡进行系统的计算,避免了人为插补或离散数据引入的误差,编制了户用风光互补发电系统的匹配计算程序,它可根据用户所在地区     

含光、储、电动汽车居民小区电力负荷综合管理系统

电动汽车、小型光伏发电装置在居民配电系统获得日益广泛的应用,改变了居民负荷需求特征,给现有系统带来一系列问题.为提高居民小区光伏利用率,引导电动汽车有序充电,针对含光、储及电动汽车的居民小区,研究光伏出力及电动汽车充电行为的不确定性及特征,利用集中设置的储能装置,在不改变既有配电系统一次拓扑结构的前提下,构造居民小区电力负荷综合能源管理系统,并提出直接和间接负荷控制相结合的综合能源管理控制和调度策略.该系统及其控制策略利用分时电价机制间接调节电动汽车充电行为,避免夜间充电高峰;利用合理设置的集中储能装置,通过直接控制,转移多余光伏出力,充分消纳光伏出力,同时达到最大化用户收益和解决变压器白天光伏反向送电过载问题的目的.以实际居民小区实测数据为基础,对不同场景的仿真分析验证了方法的可行性和有效性.     

碳捕获与封存技术专利分析

碳捕获与封存（CCS）是在不需要降低化石燃料使用量的情况下,减少温室气体排入大气的一种手段。为了达到这种效果,必须使用技术从排放气体中分离和捕获二氧化碳,并把二氧化碳转化为甲醇等资源或者把二氧化碳封存到地质沉积物中。随着温室气体排放与气候变暖问题的加剧,国际上对CCS技术的关注日益加强,这也反映在专利申请的发展趋势上。利用Thomson Data Analyzer分析工具和Aureka分析平台对Derwent Innovations Index（DII）专利文献进行分析,表明CCS专利主要涉及化学、工程、仪器、能源与燃料、高分子科学等学科领域。CCS技术经历了起步阶段、波动增长阶段和快速增长阶段。DII收录的CCS专利主要来自日本、美国、德国、中国、法国等。各国研究的重点有所不同,德国用催化剂从废气等中脱除氮氧化物的比例比其他国家高,法国通过液化或固化分离气体的比例较高,荷兰一般化合碳方面所占比例高。最近3Af-加拿大、中国、韩国申请专利的数量增长速度最快,表明这些国家近期在该技术领域创新比较活跃。对CCS技术的关注在今后一段时间内将持续上升,我国需继续支持该领域的研发创新工作。     

基于CEEMD-LSTM光伏短期功率预测

为解决传统机器学习方法在面对多变的环境因素和不平稳序列时导致光伏功率预测精度低的问题,本文提出一种基于完全经验模态分解(Complete Ensemble Empirical Mode Decomposition , CEEMD)和长短期记忆神经网络(Long Short-Term Memory , LSTM)相结合的光伏短期功率预测模型。首先充分考虑影响光伏出力的太阳辐照度,相对湿度,大气压力和空气温度4种环境因素,通过CEEMD将气象因素特征曲线分解为多模态特征数据,准确捕捉其不同的时间尺度和频率特征,进而充分保留环境数据的不平稳特征。在此基础上,利用LSTM网络对多模态特征数据进行时间序列建模,旨在保留时间序列的季节性和不平稳特征,为后续建模提供更准确的输入特征。最后,通过对分解后的信号开展训练,根据输入数据的变化自适应调整预测模型参数,迭代生成特定场景下的预测模型,从而灵活应对实时环境变化,得到相应功率预测结果。本文在海南一孤立海岛分布式光伏电站37kW子阵的8个月气象和功率数据集进行验证,实验结果表明,所提方法在保留环境数据细节和局部特性上具有显著优势,在不同气象条件均具有良好的自适应性,有效提高了光伏短期功率预测精度。     

考虑风电接纳风险的鲁棒实时调度方法

高比例风电接入电网后,风电有功功率的不确定性给电力系统调度决策带来了新挑战,增加了系统运行经济性与风险性之间的矛盾。针对此问题,本文提出了一种考虑风电接纳风险的鲁棒实时调度方法,首先从运行风险性角度,基于风电出力概率特性,利用金融领域中的条件系统风险（Conditional System Risk, CSR）指标,表征风电接纳风险,然后从运行经济性角度考虑,考虑了实时调度中的发电量自动控制（Automatic Generation Control,AGC）机组运行和备用成本以及风电消纳效益,表征系统运行成本,最后依据风险性指标和经济性指标,综合利用鲁棒优化和随机优化方法,构建考虑风电接纳风险的鲁棒实时调度优化模型,获取AGC机组运行基点及备用容量、风电可接纳范围,从而实现在最大程度保证系统风险难以发生的同时,提高系统运行经济性,提高风电消纳水平。通过对IEEE30节点测试系统的计算和分析验证了本文所提方法的有效性。