一种基于遗传算法的多储能系统优化调度方法技术方案

本发明专利技术公开了一种基于遗传算法的多储能系统优化调度方法，该方法基于电力负荷的历史数据，使用线性回归预测法进行当日的电力负荷预测，并在预测负荷的基础上，基于多个电池储能系统的工作参数和特点进行分别建模，结合多个储能系统协同工作的特点，将不同电池不同时刻的功率变化情况作为决策变量，将各个用户的用电峰值之和作为优化目标，采用启发式的遗传算法对问题模型进行求解并进行优化调度，在不改变用户用电行为的前提下，达到整体用户峰值削减更显著的目的。本方法提高了单个储能系统的利用率，对用户群整体而言，可以实现综合利益最大化、整体最优的优化结果。本发明专利技术方法对储能系统的研究推广具有重要科学意义和应用价值。

An optimal scheduling method for multi energy storage system based on genetic algorithm

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。遗传算法是一种应用广泛的智能优化方法，是计算机模拟进化学说而发展起来的一门新算法，是人工智能领域的重要分支，对优化问题的限制条件很少，具有极强的通用性，易于通过编程实现。
技术实现思路
本专利技术的目的在于针对单储能系统进行用户负荷优化时储能系统利用率不高、实际内部收益率较低的问题，提出一种改进方法。在一定区域范围内，通过多用户的多个储能系统合作，针对用户群体的多条负荷曲线进行协同优化，得到整体经济效益最佳的结果。本专利技术的目的是通过以下技术方案来实现的：一种基于遗传算法的多储能系统优化调度方法，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 Σ k = 1 K { m a x ( P k _ n e t ) · c 1 + [ Σ i = 1 N P k _ n e t ( i ) ] · c 2本文档来自技高网...

【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)]·c2}]]>其中，c1是按照用户一段时间内用电功率最大值进行收费的费用，c2是电池的损耗费用，Pk_net(i)为第k个用户i时刻电网端的负荷情况；(4)考虑多储能系统协同优化，给出约束条件：bk(i)＝bk_itself(i)+bk_others(i)αk·bk_min≤bk_others(i)≤αk·bk_maxbkj(i)·bjk(i)≥0j≠kbk_itself(i)·bkj(i)≥0j≠kPk_net(k)＝Pk_load(k)+bk_itself(i)+b'k_others(i)其中bk_itself(i)为第k个用户储能系统i时刻对自身负荷的充放电情况，bk_others(i)为储能系统对其他用户负荷的充放电情况，bk_others(i)由对不同用户的充放电变量bkj(i)构成，αk为用户定义系数，表明用户在单位时刻储能系统参与协同优化的指标，b'k_others(i)为其他储能设备对第k个用户的负荷充放电情况，由不同用户的储能系统对第k个用户的充放电变量bjk(i)构成，Pk_load(i)为第k个用户实际的负荷情况；(5)根据构造的优化问题进行优化，采用启发式的遗传算法进行求解，得到多储能系统的充放电功率序列，并作为预测日储能系统的充放电行为的执行标准，完成电池储能系统的优化调度。...

【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