一种并网型微网优化配置方法技术

本发明专利技术公开了一种并网型微网优化配置方法，包括以下步骤：S1、收集太阳能光照强度及风速的历史数据，并实时进行一下时段的太阳能光照强度及风速的预测；S2、采用自适应‑‑RBF神经网络算法对各时段内进行用电负荷、电源出力预测；S3、从步骤S2的算法结果中使用改进的多目标人工蜂群算法得到优化配置结果；S4、通过步骤S3中的结果对设备进行优化。本发明专利技术从源‑荷‑储的协同配置需求出发，充分考虑微网中用电负荷类型的多样化、用户需求的差异化和个性化以及用户对供电质量、环保的高要求等因素，在提升新能源高效利用的同时，提高微网经济效益，满足用户的电能多样化需求。

【技术实现步骤摘要】
一种并网型微网优化配置方法
本专利技术涉及风力发电、光伏发电技术及其应用技术，具体涉及一种并网型微网优化配置方法。
技术介绍
近年来，由于微网能充分满足新能源消纳的要求，又可作为对大电网的有力补充，微网已经应用于许多工程实践。微网的大面积推广与应用是建立在合理的规划设计以及良好的运行控制基础上的。随着对微网研究的不断深入，微网的优化配置问题日益凸显。微网优化配置是根据用户所在地的地理位置、气象资料、电网情况、分布式电源的工作特性、供能需求及系统设计要求等数据来确定微网各组成部分的类型、容量等参数，使微网各子系统能相互匹配。微网优化配置是微网前期规划设计阶段的核心问题，是决定微网运行能力的基础，会极大影响系统投入运行后的运行特性。因此，优化配置方法案的优劣与微网的经济性、安全性、可靠性和环境友好性密切相关。
技术实现思路
鉴于现有技术中的上述缺陷或不足，期望提供一种并网型微网优化配置方法。根据本申请实施例提供的技术方案，一种并网型微网优化配置方法，包括以下步骤：S1、收集太阳能光照强度及风速的历史数据，并实时进行一下时段的太阳能光照强度及风速的预测；S2、采用自适应--RBF神经网络算法对各时段内进行用电负荷、电源出力预测；S3、从步骤S2的算法结果中使用改进的多目标人工蜂群算法得到优化配置结果；S4、通过步骤S3中的结果对设备进行优化。本专利技术中，进一步的，所述方法优先使用于蓄电池利用效率的风光储微网结构。本专利技术中，进一步的，所述风光储微网结构的分布式电源包括风电、光伏，系统内还包括蓄电池，由于所建场地的条件限制，各机组的安装数量受到一定的限制，其最大安装数量需要约束在一定的范围内：0≤ji≤jimax0≤jSOC≤jSOCmax式中：ji——第i种电源的设备数量，；jimax——第i种电源的最大允许设备数量；jSOC——蓄电池数量；jSOCmax——蓄电池最大允许数量。本专利技术中，进一步的，所述步骤S2中的自适应--RBF神经网络算法中的自适应公式如下：式中：η(k)——第k步的学习速率；E(k)——第k步的误差平方和。综上所述，本申请的有益效果：从源-荷z储的协同配置需求出发，充分考虑微网中用电负荷类型的多样化、用户需求的差异化和个性化以及用户对供电质量、环保的高要求等因素，在提升新能源高效利用的同时，提高微网经济效益，满足用户的电能多样化需求。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1本专利技术的整体方案示意图；图2为蓄电池利用效率的风光储微网结构示意图；图3为考虑政府补贴的风光储微网优化配置对比图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。如图1所示：1、优先考虑蓄电池利用效率的微网优化配置原则考虑电池使用效率的风光储微网结构如图2所示。优先考虑蓄电池利用效率的微网优化配置，其过程为：首先，根据风电、光伏和负荷的预测输出，得到储能系统需要平滑的不平衡量；然后，通过建立以最小化整个系统的总成本为目标、以风光储系统自身的限制为约束条件的模型，求出在不同时间段需要投切的电池容量和数量；最后，利用控制器向系统实时投入或者切除电池，达到系统经济运行的效果。2、多目标优化配置函数1)以日运行成本为经济性指标为了实现多能互补系统高效率、高环保性、高经济性的运行，因此，确定以日运行成本最低为配置最优目标，优化上述多能互补系统的各个设备的输出功率。式中：ηcost——系统日运行成本，元；ρ——投资回收系数；Cinv——系统设备投资总额，元；Ccon——系统设备运维总费用，元；Cpur——系统日消耗电量总费用，元；式中：i——年利率，i＝0.07；n——设备使用年限，n＝15年。Cinv＝CPVRPV+CWTRWT+CSOCRSOC(3)式中：CPV——太阳能光伏单位容量价格，元/kW；RPV——太阳能光伏设备容量，kW。CWT——风力发电机单位容量价格，元/kW；RWT——风力发电机设备容量，kW，CSOC——蓄电池单位容量价格，元/kW；RSOC——蓄电池设备容量，kW。式中：Cbuy——系统向电网购电价格，元/(kWh)；Csell——系统向电网售电价格，元/(kWh)；——系统向电网日购电总量，kWh；——系统向电网日售电总量，kWh；Ccon＝MPVRPV+MWTRWT+MSOCRSOC(5)式中：MPV——太阳能光伏单位容量运维费用，元/kW；RPV——太阳能光伏设备容量，kW。MWT——风力发电机单位容量运维费用，元/kW；RWT——风力发电机设备容量，kW。MSOC——蓄电池单位容量运维费用，元/kW；RSOC——蓄电池设备容量，kW。2)以新能源能量渗透率为环保性指标新能源能量渗透率可表示为新能源实际发电量和负荷用电量的比值，可由式(6)表示：式中：λRE——新能源能量渗透率；ERE，j——一段时间内第j台新能源发电量，kWh；EFH——一段时间内用电量，kWh；EPV，j——一段时间内第j台光伏发电的发电量，kWh；EWT，j——一段时间内第j台风力发电的发电量，kWh。3、约束条件1)电源容量约束风光储微网的分布式电源包括风电、光伏，系统内还包括蓄电池，由于所建场地的条件限制，各机组的安装数量受到一定的限制，其最大安装数量需要约束在一定的范围内。式中：ji——第i种电源的设备数量，台套；jimax——第i种电源的最大允许设备数量，台套；jSOC——蓄电池数量，个；jSOCmax——蓄电池最大允许数量，个。2)分布式电源的输出功率约束对于风力发电发电机组和光伏板来说，其输出功率的大小不仅受制于当时的自然资源而且也受到设备自身承载力的约束。因此，各设备的输出功率需要满足其输出功率的约束范围：Pimin≤Pit≤Pimax(8)式中：Pit——第i个分布式电源设备在t时刻的发电功率，kW；Pimax——第i个分布式电源设备的最大发电功率，Pimax＝085Ri，kW；Pimin——第i个分布式电源设备的最本文档来自技高网...

【技术保护点】
1.一种并网型微网优化配置方法，其特征是，包括以下步骤：/nS1、收集太阳能光照强度及风速的历史数据，并实时进行一下时段的太阳能光照强度及风速的预测；/nS2、采用自适应--RBF神经网络算法对各时段内进行用电负荷、电源出力预测；/nS3、从步骤S2的算法结果中使用改进的多目标人工蜂群算法得到优化配置结果；/nS4、通过步骤S3中的结果对设备进行优化。/n

【技术特征摘要】
1.一种并网型微网优化配置方法，其特征是，包括以下步骤：
S1、收集太阳能光照强度及风速的历史数据，并实时进行一下时段的太阳能光照强度及风速的预测；
S2、采用自适应--RBF神经网络算法对各时段内进行用电负荷、电源出力预测；
S3、从步骤S2的算法结果中使用改进的多目标人工蜂群算法得到优化配置结果；
S4、通过步骤S3中的结果对设备进行优化。


2.根据权利要求1所述的一种并网型微网优化配置方法，其特征是：所述方法优先使用于蓄电池利用效率的风光储微网结构。


3.根据权利要求2所述的一种并网型微网优化配置方法，其特征是：所述风光储微网结...

【专利技术属性】
技术研发人员：田禾，李大华，刘远新，周世敏，
申请(专利权)人：天津理工大学，天津纽伯恩新能源科技有限公司，
类型：发明
国别省市：天津;12