一种基于优化算法的最终效益混合储能优化容量配置比制造技术

本发明专利技术是基于一种优化算法的最终效益混合储能优化容量配置比。涉及到多个数学模型，改进后的SSA(樽海鞘群体优化算法)优化算法,集合经验模态分解等结合。具体步骤如下，首先对场景的确立即储能系统先后出力情况建立不同的数学模型；用集合经验模态分解将混频信号分解为高低频；搭配雨流计数法建立最终效益模型。最后运用加入飞行策略的SSA算法(LSSA)解的最终储能的配比。本发明专利技术能更合理的运用在多发停电地区，以及获得整个储能寿命周期的成本以及配置比。

【技术实现步骤摘要】
一种基于优化算法的最终效益混合储能优化容量配置比
本专利技术涉及一种基于优化算法的最终效益混合储能优化容量配置比，涉及到建立多种数学模型，启发式优化算法，集合经验模态分解法、最终效益等的结合
技术介绍
能源作为人类文明进步的动力，现代化经济发展的支撑，在我国战略部署、经济转型、安全保障等方面愈发重要。在2019年我国提出“三型两网，世界一流”的战略目标，而以太阳能、风能为代表的清洁能源在微电网系统中得到广泛应用，一批微电网示范工程的建设为发展“三型两网”提供了宝贵的参考经验。不同于传统的火力发电，光伏发电、风能等因其存在不确定性、间隙性、随机性特点，储能装置成为微电网的重要关键组成部分。储能装置分为功能型、功率型两种，在微电网系统中一般采用复合储能方式。功能型储能单元(蓄电池，锂电池等)做长时间的能量供给，功率型储能单元(超级电容)做平抑高频能量削峰填谷。储能系统包含两种元件，超级电容和蓄电池，超级电容具有寿命长，使用次数多，效率高等优点，而且易于控制，但是成本比较高，且不能长时间供电。蓄电池也被称为化学电池，特点是功率密度大，组建成本低，其缺点也十分明显，不能频繁使用且使用寿命周期短。二者结合组建的储能系统，不仅能长时间使用，也能平衡高波动电压信号，采用储能系统的风光发电系统结构。
技术实现思路
为了解决光伏并网后，对停电地区的不适用，以及并网后储能系统所带来的经济效益无法纳入初始的组建成本，处理高低频率的电压效率不高等问题。普通算法无法解决或者效果不佳等问题。本专利技术提供一种“一站式”解决发法。本专利技术解决上述技术问题的技术方案是：建立多种数学模型EEMD分解算法最终效益模型基于飞行策略的SSA算法附图说明图1是本专利技术的流程图，基于优化算法的最终效益混合储能优化容量配置比图2是本专利技术的储能系统结构图图3是本专利技术中改进算法的流程图，LSSA流程图4是本专利技术中运用到的雨流计数法具体实施方式步骤一：添加原始数据(风力发电，光伏发电，负载)。例如一年之中最典型的一天或者一个月步骤二：建立不同情况下的数学模型先储后并，即在用电过程中先使用储能系统的能量，再考虑并网购电，这里不考虑电网停电带来的影响。1)根据能量守恒，某时刻储能系统的输出功率应该为各储能元件的输出功率之和，并且等于风光系统输出减去供给负载部分的功率。PH(t)＝Psc(t)+Pbt(t)＝Pdg(t)-Pout(t)(1)PH(t)为储能系统的输出功率，Psc(t)为超级电容的输出功率，Pbt(t)为蓄电池的输出功率，Pdg(t)为风光发电系统的输出功率，Pout(t)为系统供给负载的功率。2)储能系统额定功率与额定容量考虑在运行周期内逆变器的转换效率及储能元件的充电效率，则储能系统的额定功率应为PHe为储能系统的额定功率，η1为逆变器转换效率，η2为超级电容与蓄电池的充电效率，n表示单个运行周期。PHe.max为储能系统的额定容量，η3为超级电容与蓄电池的放电效率。3)储能系统的实时功率充电时，即实时功率小于零。PHt(t)＝[Psc(t)+Pbt(t)]η1η2(4)放电时，即实时功率大于零。PHt(t)＝[Psc(t)+Pbt(t)]η1η3(5)4)储能系统荷电状态SOCH，SOC0分别表示储能系统荷电状态，初始荷电状态。5)储能元件的荷电状态SOCsc，SOCsc-0分别表示超级电容储能单元荷电状态，初始荷电状态,Escx表示需要配置的超级电池容量，Psct(t)为超级电容储能单元的实时功率。SOCbt，SOCbt-0分别表示蓄电池储能单元荷电状态，初始荷电状态,Ebtx表示需要配置的超级电池容量，Pbtt(t)为蓄电池储能单元的实时功率。6)目标函数考虑维护成本f1＝k*t(9)k为单个周期内维护成本，t为运行寿命考虑到组建成本f2＝c1*Psc+c2*Escx+c3*Pbt+c4*Ebtx(10)c1-c4分别为超级电容功率成本系数，超级电容容量成本系数，蓄电池功率成本系数，蓄电池容量成本系数。考虑运行效益(1)当需要购电的情况此情况下风光系统输出功率加上储能系统的输出功率都不足以供给负载，则需要在电网购电。cw1表示从电网买入时的电价。(2)当需要售电给电网的情况在此情况下储能系统已经达到极限值，但是输出功率除供给负载之外还有富余，则需要卖给电网。cw2表示卖出时的电价。故成本为f＝f1+f2+f3-f4(13)考虑先并后储(适用多发停电地区)先并后储，即先考虑并网购电，保证储能系统的能量，考虑停电时发电成本。1)-5)与前文具有共同点，等式约束条件前文相同，不同点在目标函数方面需要考虑大电网停电概率。6)目标函数考虑电网有停电的情况，为保持负载正常运行所以加入发电成本。当储能系统还有电时(但是电量不够供给给负载)f5＝[Pdg(t)-Pout(t)-PHt(t)]*cw3*μ(14)cw3为发电成本系数,μ为停电概率当储能系统供电已经达到极限，这时整个系统负荷差值全为发电。f5＝[Pdg(t)-Pout(t)]*cw3*μ(15)故成本为f＝(f1+f2+f3-f4)*(1-μ)-(f5+f6)(16)步骤三：处理储能信号，采用EEMD分解算法。Step1在原始信号中加入高斯白噪声；Step2对信号进行EMD分解；Step3得到IMF分量；Step4重复以上步骤,并且更新加入的噪声信号；Step5处理IMF信号作为最终结果步骤四：采用雨流计数法计算电池寿命,并采用经验加权法求解多目标函数。步骤五：利用优化算法求解并得出最有配置比本专利技术的优化算法LSSA的优化步骤如下：步骤一：初始化每一个樽嗨鞘步骤二：开始迭代，计算除每一个樽海鞘当前位置的适应度值步骤三：保留最优解即适应度最高的值步骤四：根据等级不同更新位置。领导者与跟随者有不同的位置更新方式。并重新规划上下届。步骤五：判断迭代次数如果达到最大迭代次数转到步骤7步骤六：判断迭代次数如果没有达到最大迭代次数采取飞行策略更新位置转步骤二步骤七：输出最优解。本文档来自技高网...

【技术保护点】
1.本专利技术涉及一种基于优化算法的最终效益混合储能优化容量配置比，包括以下内容：/n（1）.建立多种数学模型，“先储后并”即在用电过程中先使用储能系统的能量，再考虑并网购电，这里不考虑电网停电带来的影响。“先并后储”即先考虑并网购电，保证储能系统的能量，考虑停电时发电成本。/n（2）.EEMD分解算法，处理高频低频储能信号，采用EEMD分解算法。/n（3）.最终效益模型，并网后所带来的收益纳入组建成本。建立最终效益成本模型。/n（4）.基于飞行策略的樽嗨鞘算法(LSSA)，求解模型采用LSSA算法，在原始SSA算法上改进。/n

【技术特征摘要】
1.本发明涉及一种基于优化算法的最终效益混合储能优化容量配置比，包括以下内容：
（1）.建立多种数学模型，“先储后并”即在用电过程中先使用储能系统的能量，再考虑并网购电，这里不考虑电网停电带来的影响。“先并后储”即先考虑并网购电，保证储能系统的能量，考虑停电时发电...

【专利技术属性】
技术研发人员：郑拓，陈才学，唐文东，章达，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43