[发明专利]一种带有多目标优化的风储系统储能容量配置设计方法有效
申请号: | 202011637357.2 | 申请日: | 2020-12-31 |
公开(公告)号: | CN112736953B | 公开(公告)日: | 2022-12-02 |
发明(设计)人: | 叶筱;李红梅;蒋克勇;王先玲;王家兵;孙瑞松;李孝尊;王建;钱丹阳 | 申请(专利权)人: | 中国能源建设集团安徽省电力设计院有限公司;合肥工业大学 |
主分类号: | H02J3/32 | 分类号: | H02J3/32 |
代理公司: | 合肥国和专利代理事务所(普通合伙) 34131 | 代理人: | 张祥骞 |
地址: | 230601 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 带有 多目标 优化 系统 容量 配置 设计 方法 | ||
1.一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法,其特征在于,包括以下步骤:
11)风储系统基础数据的获取和预处理:获取风储系统磷酸铁锂电池组储能容量配置分析的基础数据,并对其进行预计算处理;
12)建立磷酸铁锂电池组储能容量配置的目标函数:根据基础数据建立磷酸铁锂电池组储能容量配置目标函数;
13)对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化:建立磷酸铁锂电池组储能容量配置数学模型,将改进的差分进化算法和帕累托评价相集成,对磷酸铁锂电池组储能容量配置数学模型进行多目标优化;
所述对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化包括以下步骤:
131)建立磷酸铁锂电池组储能容量优化配置的数学模型,如下所示:
式中,f1为风储系统磷酸铁锂电池组储能生命周期内的总成本,f2为风储系统的弃风成本,f3为风储系统的备用发电损失成本,共三个目标函数,优化变量为磷酸铁锂电池组储能额定功率PBESS、储能额定容量SBESS,且PBESS∈[0,Pmax],SBESS∈[0,Smax],种群个体向量X=[PBESSSBESS],Psoc(t)、Ssoc(t)分别为储能t时刻的充放电功率以及储能容量;Pmax和Smax分别表示磷酸铁锂电池组储能额定功率PBESS、储能额定容量SBESS的最大上限值;
132)基于能够完全弥补风电场与负荷功率差额,计算获得储能功率最大上限值Pmax、储能容量最大上限值Smax,其计算公式为:
Pmax=Max{Pwind'(t)-Pgrid(t)} (12)
Smax=Max{S0(t)},S0(t)=S0(t-1)+Δt·(Pwind'(t)-Pgrid(t)) (13)
式中:S0(t)为以理想充放电功率P0(t)对磷酸铁锂电池组储能充放电获得的t时刻电池容量;
考虑风功率预测误差,在储能需要充电时,设置风功率预测值再上浮20%,在储能需要放电时,设置风功率预测值再下降20%,则有:
Pwind(t)为根据风机输出功率与风速函数关系预测t时刻的风功率,Pgrid(t)为负荷需求功率;
133)在整个可行解空间内,以拉丁超立方抽样,随机均匀生成NP个初代种群个体;设第j个优化变量的上下界为XijLXijXijU,则初代种群中第i个个体向量的第j个元素的初始值Xij,0表示为:
其中,lhsdesign(0,1)是拉丁超立方抽样产生的[0,1]之间的一个随机数,i=1…NP,j=1…D,XijU为初代种群中第j个变量的最大值,XijL为初代种群中第j个变量的最小值;
134)进行变异和交叉操作,得到中间群体;
对于第g代种群中的第i个个体向量Xij,g,其变异操作表示为:
Vij,g+1=Xr1,g+F*(Xr2,g-Xr3,g) (15)
其中,Vij,g+1为变异后的个体向量,r1,r2,r3为(1,2…NP)内互不相同的三个随机数且与当前个体向量序号i也不同,Xr1,g、Xr2,g、Xr3,g分别表示第g代种群中第r1,r2,r3个个体向量,变异算子F∈[0.5,1.0],用来控制差分向量Xr1,g-Xr2,g的放大程度;
交叉操作产生的中间种群如下式所示:
其中,Uij,g+1是交叉后产生的新个体,CR是范围在[0,1]之间的交叉概率,rand(0,1)是随机产生一个[0,1]之间的随机数;
当rand(0,1)小于CR时,新个体Uij,g+1的第j个变量值就是变异个体Vij,g+1中的第j个变量,当rand(0,1)大于CR时,新个体Uij,g+1的第j个变量值就来自原个体Xij,g+1中的第j个变量;
135)计算原种群Xij,g和变异后种群Uij,g+1中每个个体对应的三个目标函数(f1、f2、f3)值,即将个体向量代入到上述131)步骤建立的数学模型中,计算得出每个个体对应的三个目标函数值;
136)采用改进的拥挤度计算方法并基于精英策略的非支配排序方法来实现种群的选择:在原种群Xij,g和中间种群Uij,g+1中选择优秀个体,得到新一代种群;
137)判断优化是否达到收敛条件或最大进化代数Gmax;若是,则终止进化过程;若否,回到步骤134),继续执行;
138)在131)-137)中将改进的多目标差分进化算法及帕累托评价相集成,对风储系统磷酸铁锂电池组储能容量数学模型进行优化,获得帕累托前沿;
14)磷酸铁锂电池组储能容量配置结果的获得:基于预计算处理后的基础数据,将改进差分进化算法和帕累托评价相集成,对建立的风储系统磷酸铁锂电池组储能容量配置的数学模型进行多目标优化,获得帕累托前沿,再遵循在满足风储系统弃风率、缺电率约束的同时,兼顾风储系统总成本最小的设计依据,在帕累托前沿中获取风储系统磷酸铁锂电池组储能容量最优配置方案,即确定出磷酸铁锂电池组储能额定容量SBESS和额定功率PBESS的最优配置值Sopt与Popt。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国能源建设集团安徽省电力设计院有限公司;合肥工业大学,未经中国能源建设集团安徽省电力设计院有限公司;合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011637357.2/1.html,转载请声明来源钻瓜专利网。