[发明专利]基于空间变换遗传算法的储能系统的短时优化运行方法

说明书

本发明公开了一种基于空间变换遗传算法的储能系统的短时优化运行方法，通过考虑约束条件的空间变换遗传算法，从编码空间变换到约束空间，使约束条件自然满足，不会减少可行解的数量，同时在约束空间中作无约束优化，容易实现和收敛，加快了储能系统的优化速度。

技术领域

本发明涉及储能系统领域，特别涉及遗传算法中对储能系统的约束条件处理。

背景技术

清洁可再生能源容量的优化配置需要考虑新能源系统整个生命周期的运行情况，通常选运行期间的典型日进行优化运行计算，如选一年四季中的典型日。因此容量的优化配置是以日优化运行为基础的二次优化，实际表现为双层优化配置。

双层优化配置上层为容量配置，下层为优化运行。双层优化方法主要存在两个问题：优化时间长和处理约束条件时容易出现不收敛。

将传统遗传算法用于含储能系统的短时优化运行时，以每个时段的运行功率为优化变量，大大增加了优化变量的数量，使得收敛困难；同时约束条件的限制，减少了可行解的数量，因而使得优化收敛变得更加困难。

发明内容

为了解决上述问题，本发明公开了一种基于空间变换遗传算法的储能系统的短时优化运行方法，能够提高储能系统的优化速度。

基于空间变换遗传算法的储能系统的短时优化运行方法，包括以下步骤：

步骤1，建立蓄电池荷电状态SOC的优化模型并得到约束条件：

其中，Cbat为储能系统的蓄电池容

量，N为优化时段数，x(i)为每个时段的充放电功率，x₀为蓄电池初始充入蓄电池的容量，P_max为单位时间最大充放电功率；

步骤2，初始化充放电功率x(i)，在变换空间内计算适应度值，具体包括：

步骤2.1，变换原变量x(i)为优化变量x'(i)，并将原变量x(i)减去N个分量的平均值，使优化变量x'(i)满足然后进入步骤2.2；

步骤2.2，计算优化变量x'(i)的最大值max|x'(i)|以判断x'(i)是否满足约束条件-P_max≤x'(i)≤P_max，若满足条件则进入步骤2.3，否则，对每一个变量进行整体压缩，然后进入步骤2.3；

步骤2.3，计算的最大值和最小值以判断x'(i)是否满足约束条件满足条件时进入步骤3，否则，将优化变量x'(i)分别按比例缩小，然后进入步骤3；

步骤3，判断优化变量x'(i)是否满足终止条件，若满足条件则输出最优个体并结束循环，否则，进行选择、交叉、变异操作产生新一代的充放电功率x(i)，返回步骤2。

有益效果：

本发明提出了基于空间变换遗传算法的储能系统的短时优化运行方法，通过考虑约束条件的空间变换遗传算法的单层储能优化配置，从编码空间变换到约束空间，使约束条件自然满足，不会减少可行解的数量；同时在约束空间中作无约束优化，容易实现和收敛，加快了储能系统的优化速度；解决处理储能系统的优化中，现有遗传算法处理约束条件容易出现不收敛和双层配置优化时间长的两大问题，可用于大型风电场储能及大型楼宇风光储优化配置。

附图说明

图1为本发明一个实施例的空间变换遗传算法流程图；

图2为本发明一个实施例的空间变换流程图；

图3为本发明一个实施例的可行解概率与k的关系曲线图；

图4为本发明一个实施例的可行解概率与kx的关系曲线图；

图5为本发明一个实施例的每个时段的c(i)曲线；