[发明专利]基于改进S型函数粒子群优化算法的混合储能容量优化方法

说明书

本发明公开了基于改进S型函数粒子群优化算法的混合储能容量优化方法，包括步骤1，构建全生命周期费用模型；步骤2，确定目标函数和约束条件，建立混合储能系统容量优化配置模型；步骤3，改进S型函数粒子群优化算法；步骤4，采用改进S型函数粒子群优化算法求解混合储能系统容量优化配置模型。本发明利用粒子群算法寻优特点，采用改进的S型函数进行惯性权重值计算，同时在此基础上基于权重值优化加速因子，可提升粒子群算法的寻优能力与速度，进而降低混合储能系统的全生命周期费用。

技术领域

本发明属于储能容量优化技术领域，具体涉及基于改进S型函数粒子群优化算法的混合储能容量优化方法。

背景技术

风力和光伏是近年来具有代表性的新能源，具有无污染、可再生等优势。但风力和光伏又具有波动性和间歇性，发电输出功率易受天气变化影响，需要通过储能技术对其出力波动进行平抑，以满足电网调度的灵活性。

传统储能采用蓄电池单一储能方式，蓄电池具有能量高、安装灵活、充放电速度慢的特点，但风光电出力随机性会造成蓄电池频繁充放电，影响其使用寿命。超级电容具有功率密度大、响应快速、循环充放电次数多等特点，与风电波动高频部分相适应，故混合储能系统(hybrid energy storage system，HESS)常采用功率型储能超级电容和能量型储能蓄电池来平抑风光电出力波动，使储能的输出功率能力得到提高，优化蓄电池的充放电过程。

混合储能系统的容量优化配置是电力系统规划设计中的重要问题，国内外已开展了相关研究。关于混合储能系统容量优化配置问题，国内外文献从平抑可再生能源功率波动、微电并网抗干扰稳定运行，以及考虑到混合储能系统的经济性等不同角度进行了研究。有的文献中提出一种平抑风电出力波动的混合储能系统优化策略，对风电出力波动高低频部分分别进行补偿，建立基于平均成本最小的机会约束规划模型对平抑效果和经济性进行分析。有的文献以蓄电池的荷电状态(SOC)、超级电容的端电压和最大功率为约束，同时考虑能量控制策略的影响，应用改进粒子群优化算法同时对蓄电池和超级电容的容量和功率进行设计。有的文献提出了复合储能多目标优化方法，采用自适应权重粒子群算法求取调度最优解。为了提高储能系统的经济性，国内外很多学者开展了储能系统容量配置的大量研究，对于考虑储能装置使用过程中的安装、维护以及废弃等方面所需费用，即全生命周期费用越来越重视。因此，以储能装置的全生命周期费用为优化目标，通过算法改进，合理配置蓄电池和超级电容器的个数，优化容量配置，成为风光互补混合储能系统的研究方向之一，特别是以全生命周期费用最小为目标，建立风光互补混合储能系统容量优化配置模型和算法研究。

现有研究多数采用现有粒子群算法PSO研究容量优化配置问题，虽然收敛速度较快，但迭代容易出现局部极值点，难以逃离局部极值点的束缚。PSO优化算法中最佳位置与粒子速度大小相关，速度的局限性导致每个迭代步的搜索空间是一个有限区域，从而导致搜索范围无法扩展到整个可行解空间，不能保证搜索到全局最优解。

改进S型惯性权重粒子群算法，可以提高算法的寻优能力，同时避免迭代后期可能会出现早熟收敛现象，陷入局部最优时间较长等问题。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供基于改进S型函数粒子群优化算法的混合储能容量优化方法，通过改进S型函数惯性权重及通过惯性权重优化加速因子改进了粒子群优化算法，提高寻优能力，减少最优迭代次数，能在蓄电池和超级电容容量配置过程中取得更快的收敛速度和准确性，减少混合储能系统的全生命周期费用。

为实现上述技术目的，本发明采取的技术方案为：

基于改进S型函数粒子群优化算法的混合储能容量优化方法，包括：

步骤1，构建全生命周期费用模型；

步骤2，确定目标函数和约束条件，建立混合储能系统容量优化配置模型；

步骤3，改进S型函数粒子群优化算法；