[发明专利]基于遗传算法的电池储能电站功率控制方法及其系统

权利要求书

1.一种基于遗传算法的电池储能电站功率控制方法，其特征在于，包括以下步骤：

A、实时读取电池储能电站的相关数据，并对数据进行存储；

B、基于遗传算法实时确定出电池储能电站中参与本次功率分配的储能机组；

C、计算出参与本次功率分配的储能机组功率命令值；

D、将步骤C计算出的储能机组功率命令值进行存储后输出。

2.如权利要求1所述的方法，其特征在于，在步骤A中，所述电池储能电站的相关数据包括：电池储能电站总功率需求以及电池储能电站中各储能机组的可控状态值、最大允许工作功率比例值、荷电状态值和最大允许工作功率；所述最大允许工作功率为最大允许放电功率或最大允许充电功率。

3.如权利要求1所述的方法，其特征在于，在步骤B中，

首先，建立下式中的0-1整数规划模型作为判断各储能机组是否参与本次功率分配的目标函数：

目标函数： 

其次，通过遗传算法计算各储能机组的决策变量，并根据决策变量确定参与本次功率分配的储能机组；

上式中，x_i、u_i、α_i、 分别为储能机组i的0-1决策变量、可控状态值、最大允许工作功率比例值和最大允许工作功率；当x_i＝1时表示储能机组i参与本次功率分配，当x_i＝0时表示储能机组i不参与本次功率；当储能机组i可控时，u_i为1，否则u_i为0； 为电池储能电站总功率需求；L为电池储能电站中储能机组的总个数。

4.如权利要求3所述的方法，其特征在于，通过遗传算法计算各储能机组决策变量的方法包括：

步骤B1、确定群体中的个体个数N，每个个体中的基因个数为储能机组个数L，对每个个体进行二进制编码，随机生成N个个体作为初始群体，得到各个体中基因串的0、1组合方式，并令进化代数计数器值G＝0；

步骤B2、判断进化代数计数器值G是否小于等于最大进化代数计数器值G^max，且每个 个体是否满足下式的约束条件：如果上述两个判断条件均满足，则执行步骤B3；否则，跳转至步骤B6；

步骤B3、基于下式计算每个个体k所对应的适应度值S_k；

其中k＝1，……，N

步骤B4、基于步骤B3计算得出的适应度值，按照优胜劣汰原理进行选择操作，然后基于交叉概率和变异概率分别进行重组和变异操作后得到子代；

步骤B5、基于目标函数(I)选择出最优子代，并将其按照插入概率重新插入到种群中进行替代操作；然后令G＝G+1，跳转至步骤B2；

步骤B6、计算满足目标函数(I)的最优解，对最优解所对应的个体进行解码后得出其基因串的排列组合方式，每个基因值即为与之对应的储能机组i的决策变量值x_i，其中i＝1，……，L。

5.如权利要求1所述的方法，其特征在于，在步骤C中，计算出参与本次功率分配的各储能机组功率命令值的具体方法包括：

步骤C1、利用步骤B计算出的各储能机组的决策变量，并基于相应储能机组的荷电状态值，计算处参与本次功率分配的各储能机组功率命令值；

步骤C2、设置越限条件，并基于越限条件判断步骤C1中各储能机组的功率命令值是否有违反其最大允许工作功率限制的情况，如果有，则执行步骤C3；否则，跳转至步骤C4；

步骤C3、重新计算参与本次功率分配的各储能机组功率命令值；

步骤C4、将步骤C1计算出的各储能机组功率命令值设置为其最终功率命令值。

6.如权利要求5所述的方法，其特征在于，在步骤C1中，

当电池储能电站总功率需求大于0时，各储能机组功率命令值为：

当电池储能电站总功率需求小于0时，各储能机组功率命令值为：

上式中，SOC_i、SOD_i分别为储能机组i的荷电状态值和放电状态值，SOD_i＝1-SOC_i。