[发明专利]一种并网型微网优化配置方法

说明书

本发明公开了一种并网型微网优化配置方法，包括以下步骤：S1、收集太阳能光照强度及风速的历史数据，并实时进行一下时段的太阳能光照强度及风速的预测；S2、采用自适应‑‑RBF神经网络算法对各时段内进行用电负荷、电源出力预测；S3、从步骤S2的算法结果中使用改进的多目标人工蜂群算法得到优化配置结果；S4、通过步骤S3中的结果对设备进行优化。本发明从源‑荷‑储的协同配置需求出发，充分考虑微网中用电负荷类型的多样化、用户需求的差异化和个性化以及用户对供电质量、环保的高要求等因素，在提升新能源高效利用的同时，提高微网经济效益，满足用户的电能多样化需求。

技术领域

本发明涉及风力发电、光伏发电技术及其应用技术，具体涉及一种并网型微网优化配置方法。

背景技术

近年来，由于微网能充分满足新能源消纳的要求，又可作为对大电网的有力补充，微网已经应用于许多工程实践。微网的大面积推广与应用是建立在合理的规划设计以及良好的运行控制基础上的。随着对微网研究的不断深入，微网的优化配置问题日益凸显。微网优化配置是根据用户所在地的地理位置、气象资料、电网情况、分布式电源的工作特性、供能需求及系统设计要求等数据来确定微网各组成部分的类型、容量等参数，使微网各子系统能相互匹配。微网优化配置是微网前期规划设计阶段的核心问题，是决定微网运行能力的基础，会极大影响系统投入运行后的运行特性。因此，优化配置方法案的优劣与微网的经济性、安全性、可靠性和环境友好性密切相关。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种并网型微网优化配置方法。

根据本申请实施例提供的技术方案，一种并网型微网优化配置方法，包括以下步骤：

S1、收集太阳能光照强度及风速的历史数据，并实时进行一下时段的太阳能光照强度及风速的预测；

S2、采用自适应--RBF神经网络算法对各时段内进行用电负荷、电源出力预测；

S3、从步骤S2的算法结果中使用改进的多目标人工蜂群算法得到优化配置结果；

S4、通过步骤S3中的结果对设备进行优化。

本发明中，进一步的，所述方法优先使用于蓄电池利用效率的风光储微网结构。

本发明中，进一步的，所述风光储微网结构的分布式电源包括风电、光伏，系统内还包括蓄电池，由于所建场地的条件限制，各机组的安装数量受到一定的限制，其最大安装数量需要约束在一定的范围内：

0≤j_i≤j_{i max}

0≤j_SOC≤j_{SOC max}

式中：j_i——第i种电源的设备数量，；j_imax——第i种电源的最大允许设备数量；j_SOC——蓄电池数量；j_SOCmax——蓄电池最大允许数量。

本发明中，进一步的，所述步骤S2中的自适应--RBF神经网络算法中的自适应公式如下：

式中：η(k)——第k步的学习速率；E(k)——第k步的误差平方和。

综上所述，本申请的有益效果：从源-荷z储的协同配置需求出发，充分考虑微网中用电负荷类型的多样化、用户需求的差异化和个性化以及用户对供电质量、环保的高要求等因素，在提升新能源高效利用的同时，提高微网经济效益，满足用户的电能多样化需求。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1本发明的整体方案示意图；