基于遗传算法的风储容量配置方法技术

本发明专利技术涉及基于遗传算法的风储容量配置方法，属于电力系统自动化分析技术领域，该方法包括：获取系统的网络参数和系统参数，定义算法参数；对决策变量进行编码：随机产生包含M个初始个体的种群，每个个体由决策变量的编码组成，对随机生成含有M个初始个体的种群进行可行性检测：可行种群中的所有个体及其潮流解代入适应度函数中，计算各个体的适应度；对当前可行种群进行遗传变异运算，形成下一代种群：判断当前遗传代数是否达到最大遗传代数N，若是，则计算结束，将最后一代种群中适应度最高的个体中所包含的决策变量的值作为最终计算结果。本方法解决了大规模风电集中并网的困难。且计算方法简单，便于实际系统的应用。

【技术实现步骤摘要】

本专利技术属于风力发电
，特别涉及利用遗传算法通过种群的逐代遗传变异迭代寻优，在兼顾风力发电系统经济性情况下，得到储能装置的在系统中的最佳配置地点、配置容量和最大输入输出容量，以解决大规模风电集中并网的困难。
技术介绍
进入21世纪以来，全球性的环境污染和能源危机促进了可再生能源的大力发展，其中，风力发展最为迅速。大规模风电集中并网方便调度和管理，但也带来了一系列的挑战，包括电力调峰问题、弃风问题等。为了解决风电集中并网的困难，大规模储能技术得到了快速发展。随着大规模储能装置的应用，传统电力系统中电能不能大量储存的特性将在一定程度上发生转变，同时，由于储能装置能够快速吸收或释放电能，使它能够有效地弥补可再生能源波动性的缺点，从而为解决大规模风电集中并网问题提供了全新的思路。目前对储能装置容量配置的研宄方法主要有以下几种:以实际风电场风速概率密度曲线为基础，计算风电场达到长期有功功率稳定输出所需储能能量，进而合理选取储能装置容量；以可再生能源输出功率频谱分析结果为基础，以经储能装置补偿之后的目标功率输出波动率为约束，计算满足约束条件的储能装置容量；以储能装置容量最小为优化目标，以风力发电系统稳定域和总体收敛速度指标为约束条件进行优化，求得储能装置容量的最优配置。以上方法虽然能够得到储能装置的容量，但都没有考虑储能装置布局对风力发电系统的影响。在风力发电系统中引入储能装置后，系统的有功潮流和无功潮流的分布都会随着储能装置的布局的不同而变化，有可能会引发一些经济性和安全性问题。而且在综合考虑储能装置的布局和容量的配置问题中，决策变量既包含整型变量又包括连续变量，属于混合整数规划问题，增加了问题的难度，传统的优化算法难以求解。
技术实现思路
本专利技术的目的在于为克服已有技术的不足之处，提供一种。本方法能够给出较为合理的储能装置在风力发电系统中的配置地点、配置容量和最大输入输出容量，且计算方法简单，便于实际系统的应用。本专利技术提出的一种，其特征在于，该方法具体包括以下步骤:I)初始化:获取系统的网络参数和系统参数，定义算法参数；网络参数包括风力发电系统静态潮流约束、节点电压约束、电源出力约束、储能装置容量约束、线路传输容量约束；系统参数为储能装置的投资成本，风力发电系统的运行成本；算法参数包括最大遗传代数Gen为N ;2)对决策变量进行编码:决策变量包含储能装置的配置地点、配置容量和最大输入、输出功率；对储能装置配置地点采用格雷码编码方式，储能装置的最大输入、输出功率和配置容量采用二进制编码方式；随机产生包含M个初始个体的种群，每个个体由所述决策变量的编码组成，决策变量的值随机生成，M为正整数；3)对随机生成含有M个初始个体的种群进行可行性检测:利用风力发电系统的约束条件对M初始个体进行可行性检测，检测的条件为风力发电系统的约束条件；可行性检测的具体步骤为:31)检查:将每个个体中的决策变量值作为静态潮流计算的条件，计算风力发电系统当前断面的潮流，判断潮流是否可解；若不可解，则该个体不可行；否则，判断潮流解是否满足静态潮流约束、节点电压约束、电源出力约束、储能装置容量约束、线路传输容量约束，若不满足，则该个体不可行；对于可行个体，记录其潮流解；32)剔除:将M个初始个体逐一进行可行性检测后，剔除不可行的初始个体；33)补充:再次随机产生与剔除个体数相同数目的个体，补充到原种群中组成更新后的种群；34)对所述更新后的种群进行“检测-剔除-补充”的操作，直到种群中的M个个体全部通过可行性检测为止，此时种群为可行种群，并初始化遗传代数Gen为O ;4)计算个体的适应度函数值:将步骤3)中得到的可行种群中的所有个体及其潮流解代入适应度函数中，计算各个体的适应度；5)对当前可行种群进行遗传变异运算，形成下一代种群:具体方法为:51)利用当前可行种群中的不同个体的适应度函数值，对可行个体进行选择运算；对选择运算产生的可行种群进行交叉运算产生新的个体；52)对新产生的个体进行可行性检测，剔除不可行的个体并再次通过交叉运算补充与剔除的个体相同数目的新个体，直到种群中的M个个体全部可行，成为可行种群；53)对交叉运算产生的可行种群进行变异运算，并对新产生的个体进行可行性检测，剔除不可行的个体并再次通过变异运算补充与剔除的个体相同数目的新个体，直到种群中的M个个体全部可行，形成可行下一代种群；6)判断遗传变异是否已经结束及结果输出:判断当前遗传代数是否达到最大遗传代数N，若是，则计算结束，将最后一代种群中适应度最高的个体中所包含的决策变量的值作为最终计算结果，从而确定了储能装置的配置地点和容量；否则遗传代数Gen增加1，回到步骤4)。本专利技术的特点及有益效果:本专利技术从经济性角度出发，基于遗传算法通过种群的逐代遗传变异迭代寻优，得到储能装置的最佳配置地点、配置容量和最大输入输出容量，以解决大规模风电集中并网的困难。本专利技术提出的方法可以实现储能系统用于提高风电接入能力的综合优化应用，适用于各种不同类型的储能系统及多样的应用场景，为大规模储能系统在电力系统中的应用奠定了基础，有助于解决大规模可再生资源集中并网问题，有显著的社会价值和经济价值。【附图说明】图1为本专利技术的总体流程框图。【具体实施方式】本专利技术提出的一种结合附图及实施例说明如下:本专利技术从风力发电系统运行成本最小出发，通过对决策变量进行编码形成可行的初始种群，再利用种群遗传变异逐代提高种群的适应度函数值，直到达到最大遗传代数，进而根据最终种群进行储能装置的配置。本专利技术的流程如图1所示，具体包括以下步骤:I)初始化:获取系统的网络参数和系统参数，定义算法参数；网络参数包括风力发电系统静态潮流约束、节点电压约束、电源出力约束、储能装置容量约束、线路传输容量约束；系统参数为储能装置的投资成本，风力发电系统的运行成本(由风电场给定)；算法参数包括最大遗传代数Gen为N(可自行设定，推荐N选取50?100)；2)对决策变量进行编码:本专利技术提出的基于遗传算法的风储容量规划算法的决策变量包含储能装置的配置地点、配置容量和最大输入、输出功率；对储能装置配置地点采用格雷码编码方式，储能装置的当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于遗传算法的风储容量配置方法，其特征在于，该方法具体包括以下步骤：1)初始化：获取系统的网络参数和系统参数，定义算法参数；网络参数包括风力发电系统静态潮流约束、节点电压约束、电源出力约束、储能装置容量约束、线路传输容量约束；系统参数为储能装置的投资成本，风力发电系统的运行成本；算法参数包括最大遗传代数Gen为N；2)对决策变量进行编码：决策变量包含储能装置的配置地点、配置容量和最大输入、输出功率；对储能装置配置地点采用格雷码编码方式，储能装置的最大输入、输出功率和配置容量采用二进制编码方式；随机产生包含M个初始个体的种群，每个个体由所述决策变量的编码组成，决策变量的值随机生成，M为正整数；3)对随机生成含有M个初始个体的种群进行可行性检测：利用风力发电系统的约束条件对M初始个体进行可行性检测，检测的条件为风力发电系统的约束条件；可行性检测的具体步骤为：31)检查：将每个个体中的决策变量值作为静态潮流计算的条件，计算风力发电系统当前断面的潮流，判断潮流是否可解；若不可解，则该个体不可行；否则，判断潮流解是否满足静态潮流约束、节点电压约束、电源出力约束、储能装置容量约束、线路传输容量约束，若不满足，则该个体不可行；对于可行个体，记录其潮流解；32)剔除：将M个初始个体逐一进行可行性检测后，剔除不可行的初始个体；33)补充：再次随机产生与剔除个体数相同数目的个体，补充到原种群中组成更新后的种群；34)对所述更新后的种群进行“检测‑剔除‑补充”的操作，直到种群中的M个个体全部通过可行性检测为止，此时种群为可行种群，并初始化遗传代数Gen为0；4)计算个体的适应度函数值：将步骤3)中得到的可行种群中的所有个体及其潮流解代入适应度函数中，计算各个体的适应度；5)对当前可行种群进行遗传变异运算，形成下一代种群：具体方法为：51)利用当前可行种群中的不同个体的适应度函数值，对可行个体进行选择运算；对选择运算产生的可行种群进行交叉运算产生新的个体；52)对新产生的个体进行可行性检测，剔除不可行的个体并再次通过交叉运算补充与剔除的个体相同数目的新个体，直到种群中的M个个体全部可行，成为可行种群；53)对交叉运算产生的可行种群进行变异运算，并对新产生的个体进行可行性检测，剔除不可行的个体并再次通过变异运算补充与剔除的个体相同数目的新个体，直到种群中的M个个体全部可行，形成可行下一代种群；6)判断遗传变异是否已经结束及结果输出：判断当前遗传代数是否达到最大遗传代数N，若是，则计算结束，将最后一代种群中适应度最高的个体中所包含的决策变量的值作为最终计算结果，从而确定了储能装置的配置地点和容量；否则遗传代数Gen增加1，回到步骤4)。...

【技术特征摘要】

【专利技术属性】
技术研发人员：闵勇，胡伟，陈磊，陆秋瑜，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11