[发明专利]一种基于差分进化算法的用户侧储能容量配置优化方法

说明书

本发明公开了一种基于差分进化算法的用户侧储能容量配置优化方法，包括如下步骤：使用K‑means聚类算法从用户的历史用电数据中提取典型用电负荷曲线；建立用户侧安装储能设备的投资成本/收益模型；构建用户的投资收益优化函数，并使用差分进化算法求解，得到用户安装储能设备最佳储能配置容量以及对应的充放电策略；根据优化结果计算相应的经济指标，从而帮助用户判断是否需要安装储能设备。本发明通过对用户典型用电负荷曲线进行分析，辨识其投资运营储能设备的可行性，并通过经济性优化模型为用户提供储能设备容量、功率、品类的选型依据，从而帮助大工业用户开展用户侧储能系统设计、建设、运行。

技术领域

本发明属于用户侧储能容量配置技术应用领域，具体涉及一种基于差分进化算法的用户侧储能容量配置优化方法。

背景技术：

储能是指通过某种方法实现对各类能量的存储，并在需要时对其进行转换、释放的一系列技术手段。在各类储能技术中，电力储能技术是指为实现电力与热能、化学能、机械能等能量之间的单向或双向存储的一类技术手段，其在削峰填谷、提高设备利用效率、延缓电网建设投资、增强系统安全性等方面可以发挥巨大作用。当前的电力储能模式主要可分为三类，分别为发电侧储能、电网侧储能和用户侧储能。其中，用户侧电储能具备削峰填谷、参与电网辅助服务、参与电力需求侧响应等电力调节能力。随着用户用电需求的不断增长，其对供电可靠性和电能质量的要求也在持续提高，用户侧储能可进一步满足用户用电需求、提供高品质供电及应急服务等；同时，随着用电负荷的增加，用户电费负担也日趋加重，用户侧储能可一定程度减少用电成本、提升用户侧分布式资源利用率。明确用户储能建设中存在的问题，提出有针对性的用户侧储能解决方案，对推动能源行业高质量发展，引领能源转型升级和电力生产消费变革具有重大意义。

现有的模型基本都是针对某一类型的特定情况下的特定用户用电规划，缺少普适性。大多数基于用户侧电力调整的策略，为了降低高峰负荷，未考虑最大需量等因素，会额外的增加用户的成本，不利于进行推广。此外，现在模型往往仅考虑容量配置，未考虑用户充放电策略，无法对储能设备进行充分利用。

发明内容

本发明的目的在于提供一种基于差分进化算法的用户侧储能容量配置优化模型，以解决现有储能容量配置中未考虑最大需量等因素，以及未考虑充放电策略的缺陷。

一种基于差分进化算法的用户侧储能容量配置优化模型，所述方法包括如下步骤：

收集用户历史用电数据，使用K-mean聚类算法得到用户的典型用电负荷曲线，并判断该曲线是否为削峰型；

根据用户当地的电价政策，储能电池市场价格等因素，建立用户安装储能设备的成本/收益模型；

结合用户的典型用电负荷曲线与用户安装储能设备的成本/收益模型，构建用户投资收益优化函数；

使用差分进化算法求解用户的投资收益优化函数，得到用户的最佳储能容量配置及相应充放电时段。进而可以计算出相关的经济指标，从而帮助用户判断用户是否适合配置储能设备。

进一步的，所述使用K-mean聚类算法得到用户的典型用电负荷曲线包括如下步骤：

通过用户的电表或相关记录收集用户的历史用电数据；

以用户一天的用电负荷为样本，每个样本是一个num维度的数据，num为用户在一天中采样的个数。使用K-means聚类算法对样本进行分类；

提取包含样本数目最多类的质心作为用户的典型用电负荷曲线；

判断典型用电负荷曲线是否为削峰型，即是否有明显的峰谷差，若没有(负荷率大于等于0.7)则说明用户不适合安装储能设备，若有(负荷率小于0.7)则继续进行经济性分析。

进一步的，所述用户安装储能设备的相关成本包括如下步骤：