The invention discloses a multi reservoir genetic algorithm to system optimization scheduling method based on this method, based on historical data of power load, using the linear regression method for the forecast of power load, and based on the load forecasting, respectively modeling parameters and characteristics of a plurality of battery energy storage system based on characteristics combining multiple energy system collaborative work, the power variation of different batteries of different time as the decision variable, each user's power and peak as the optimization goal, the heuristic genetic algorithm to solve the problem model and optimal scheduling, in the premise of not changing the user electricity behavior, to achieve the overall the peak cut more significant to the user. The method can improve the utilization ratio of single energy storage system, and can realize the maximization of comprehensive benefit and the overall optimization result. The method of the invention has important scientific significance and application value for the research and popularization of the energy storage system.
【技术实现步骤摘要】
本专利技术面向城市电网用户端的优化问题,属于电力系统领域,尤其涉及一种基于遗传算法的多储能系统优化调度方法。
技术介绍
随着全球变暖,大力发展清洁能源已经在世界范围内达成共识,以风力发电、光伏发电为代表的可再生能源迅速发展,现有的电力系统行业受到了前所未有的挑战,传统的电网供电供应方式存在缺陷。电力系统中的负荷呈现峰谷负荷差逐年增大、最大负荷利用小时数逐年下降的特点,导致电力设备规模随年最大负荷增大而增大,但设备的年最大负荷利用小时数却逐渐降低,降低了电力设备投资的经济性,造成电力资源利用底下。为了在一定程度上解决上述问题,储能技术被引入到电力系统中。用户侧储能是一种重要的储能技术,区别于发电侧储能与输、配电级储能,单体项目要小得多,更接近普通电力用户。该种储能方式可以有效的实现需求侧管理,具有消除峰谷差,平滑负荷,促进新能源的利用,降低供电成本等功能。在实际应用中,现有单个储能系统及技术能较好地实现减少峰谷差、平滑负荷等功能,但相比于日均节省的电费,储能系统锂电池及电池管理模块成本较高,实际使用中,往往一天内只有1~2个负荷峰值段内储能系统进行工作,储能系统的利用率不高,实际内部收益率IRR较低。国内新一轮电力体制改革已经确定了电网只收过网费并且会逐步放开需求侧,随着现代电网技术的发展,在一定范围内,多用户的储能系统通过新的电网结构能够实现协同优化,即多个储能系统协同优化多个用户的电力负荷曲线,得到整体的最优结果。对普通电力用户,该方法可以提高单个储能系统的利用率,提高日均节省电费;对电网公司,该方法可以更加显著地减少峰谷差、平滑功能。遗传算法是一种应 ...
【技术保护点】
一种基于遗传算法的多储能系统优化调度方法,其特征在于,包括以下步骤:(1)获取用户的历史用电负荷数据,将预测日分为N个时间阶段,每个阶段的时间间隔为Δt,采用多元线性回归预测法进行短期电力负荷预测,得到预测负荷数据;(2)根据储能系统自身物理特性、工作特点和相关参数,对K个储能系统进行分别建模,第k个用户在i时刻的储能系统模型如下:SoCk_min≤SoCk(i)≤SoCk_maxSoCk(i)=SoCk(i‑1)+bk(i)·Δtbk_min≤bk(i)≤bk_max其中,SoCk(i)为第k个用户储能系统i时刻的电池剩余电量,SoCk_max、SoCk_min分别为考虑过充过放保护时该储能系统SoC的上下限,bk为单位时间间隔内该储能系统的平均功率,bk_max、bk_min为bk的上下限,其中bk_min为负数,表示最大放电功率,bk_max为正数,表示最大充电功率;(3)给出需要优化的目标函数,目标函数定义如下:J=minΣk=1K{max(Pk_net)·c1+[Σi=1NPk_net(i)]&CenterDot ...
【技术特征摘要】
1.一种基于遗传算法的多储能系统优化调度方法,其特征在于,包括以下步骤:(1)获取用户的历史用电负荷数据,将预测日分为N个时间阶段,每个阶段的时间间隔为Δt,采用多元线性回归预测法进行短期电力负荷预测,得到预测负荷数据;(2)根据储能系统自身物理特性、工作特点和相关参数,对K个储能系统进行分别建模,第k个用户在i时刻的储能系统模型如下:SoCk_min≤SoCk(i)≤SoCk_maxSoCk(i)=SoCk(i-1)+bk(i)·Δtbk_min≤bk(i)≤bk_max其中,SoCk(i)为第k个用户储能系统i时刻的电池剩余电量,SoCk_max、SoCk_min分别为考虑过充过放保护时该储能系统SoC的上下限,bk为单位时间间隔内该储能系统的平均功率,bk_max、bk_min为bk的上下限,其中bk_min为负数,表示最大放电功率,bk_max为正数,表示最大充电功率;(3)给出需要优化的目标函数,目标函数定义如下: J = m i n ...
【专利技术属性】
技术研发人员:杨秦敏,李越,韩超,欧阳宇轩,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。