论文部分内容阅读
全球能源问题日趋严峻,节能环保成为主要趋势。冷热电联供能实现能量高效梯级利用;燃料电池由于清洁高效、低噪等优点,适用于微型冷热电联供系统,具有极大的应用前景。因此,研究基于燃料电池的冷热电联供系统能有效解决能源问题,节约不可再生能源。本文主要研究了基于燃料电池的微型冷热电联供系统的高效利用。提出了储能系统辅助的燃料电池微型冷热电联供系统,在Simulink平台上建立了该系统的仿真模型。建立了热力学和经济性评估模型以评估该系统的技术性能。之后研究了用于分布式能源系统的负荷预测,构建了基于BP人工神经网络的高精度负荷预测模型。在此基础上,对冷热电联供系统进行负荷工况仿真,研究了该系统的动态性能、热力性能和经济性。最后制备了本研究所用的质子交换膜燃料电池,并测试了其性能。通过上述研究,获得了如下结论:基于BP人工神经网络的负荷预测模型预测值与真实值平均相对误差仅为3.96%,且预测变化趋势完全一致;所提出的储能系统辅助的燃料电池微型冷热电联供系统,能同时满足冷热电需求,且具有良好的控制精度和动态性能;系统冬季和夏季能源利用率分别为81.24%和69.95%,相比单一燃料电池系统效率分别提高了10.33%和9.62%,节约了大量燃料,其中制冷系统COP为0.7294;所提出的冷热电联供系统在经济性上有较大优势;燃料电池性能测试结果显示,其输出电压随电流密度的增大而减小,中间单电池电压略高于两端电压,当输出电功率减小时热功率将增大。本文提出的冷热电联供系统无需外电网补充能量,特别适用于切网运行;该系统的研究对相似系统的构建与仿真及实际系统的搭建有参考意义;构建的负荷预测模型精度高,可用于分布式能源系统的负荷预测,对指导冷热电联供系统运行和优化有一定的工程意义。