风光氢蓄系统的多目标优化配置方法、系统及存储介质技术方案

一种风光氢蓄系统的多目标优化配置方法、系统及存储介质，方法包括以总成本最低、系统负荷缺电率最小构建目标函数，以系统自身功率及容量限制作为约束条件，以系统内各设备的投运个数为决策变量，对风光氢储系统模型进行种群初始化；通过带精英策略的非支配遗传算法对初始种群进行非支配排序，通过选择、交叉、变异操作获得第一代子代种群；从第二代开始，将父代种群与子代种群合并，对合并后的种群进行非支配排序，对每个非支配层中的个体进行拥挤度计算，根据非支配关系及个体的拥挤度选取个体组成新的父代种群；对新的父代种群进行选择、交叉、变异操作；达到最大迭代次数时输出容量优化配置方案。本发明专利技术能够解决复杂场景下优化配置问题。配置问题。配置问题。

【技术实现步骤摘要】
风光氢蓄系统的多目标优化配置方法、系统及存储介质


[0001]本专利技术属于新能源发电系统优化配置
，具体涉及一种风光氢蓄系统的多目标优化配置方法、系统及存储介质。

技术介绍

[0002]在“双碳”要求的背景下，我国正在大力发展新能源发电以实现电力行业的节能减排。但风光等新能源发电随季节、环境等因素波动性大，需要集成储能设备，以构建高稳定性、高经济性、低碳排放的耦合系统。
[0003]在各类储能技术中，氢储能具有储能容量大、储存时间长、清洁无污染等优点，在大容量长周期调节的场景中更具有竞争力。氢储能设备具有较宽的功率波动适应性，可实现输入功率秒级、毫秒级响应。氢储能系统的产物氢气作为灵活高效的二次能源，在能源消费端具有广阔的市场。因此，氢储能在提升系统灵活性、稳定性和经济性方面具有较大应用价值。
[0004]风光氢蓄系统包括光伏电池、风力发电机、储氢罐、氢燃料电池、电解槽和蓄电池。该系统通过风力发电和光伏发电为负荷提供电能，当风光出力超过负荷需求时，直接将电能储存在蓄电池中，蓄电池容量到达最大值后，蓄电池停止充电，通过电解槽制氢，所制得的氢气储存在氢气罐中；当风光出力不满足负荷需求时，通过蓄电池放电或燃料电池将氢气转换为电能。
[0005]综上，由于新能源发电具有随机性和波动性的特点，在以风光为主要发电手段的系统中，需要加入储能装置来提高供电的可靠性。如何实现储能装置与发电装置的合理配置，以最低的成本提供可靠的电能，是该方向的一个难题。
[0006]当前新能源发电系统的优化策略多集中于简单场景下的单一目标的优化，尚未提出针对风光氢蓄系统参数和运行策略的多目标优化技术。同时，目前氢储能技术尚未进入成熟阶段，缺乏带有氢储能的新能源发电系统的优化技术。

技术实现思路

[0007]本专利技术的目的在于针对上述现有技术中的问题，提供一种风光氢蓄系统的多目标优化配置方法、系统及存储介质，通过对风光氢蓄系统参数及运行策略进行多目标优化，能够解决复杂场景问题，具有更加普遍的适用性，也能够得到更加优化的计算结果。
[0008]为了实现上述目的，本专利技术有如下的技术方案：
[0009]第一方面，提供一种风光氢蓄系统的多目标优化配置方法，包括：
[0010]以总成本最低、系统负荷缺电率最小构建目标函数，以系统自身功率及容量限制作为约束条件，以系统内各设备的投运个数为决策变量，对预先构建好的风光氢储系统模型进行种群初始化；
[0011]通过带精英策略的非支配遗传算法对初始种群进行非支配排序，并分别通过选择、交叉、变异操作获得第一代子代种群；
[0012]从第二代开始，将父代种群与子代种群合并，通过带精英策略的非支配遗传算法对合并后的种群进行非支配排序，并对每个非支配层中的个体通过带精英策略的非支配遗传算法进行拥挤度计算，根据非支配关系以及个体的拥挤度选取个体组成新的父代种群；
[0013]对新的父代种群分别进行选择、交叉、变异操作；
[0014]判断算法是否运行到最大迭代次数，若未达到最大迭代次数，返回至从第二代开始再次执行相同的操作；若达到最大迭代次数，则输出风光氢蓄系统的容量优化配置方案。
[0015]作为本专利技术的一种优选方案，所述风光氢储系统模型构建对象包括光伏电池、风力发电机、蓄电池、电解槽、氢燃料电池以及储氢罐。
[0016]更进一步的，作为本专利技术的一种优选方案，所述风光氢储系统模型中光伏电池在t时刻的输出功率P
PV
(t)计算表达式如下：
[0017][0018]式中，P
STC
、G
STC
、T
STC
分别表示标准测试条件下最大测试功率、光照强度以及温度；G(t)、T(t)分别为t时刻下的实际太阳光照强度及实际温度；ε为功率温度系数。
[0019]更进一步的，作为本专利技术的一种优选方案，所述风光氢储系统模型中风力发电机在t时刻的输出功率P
WT
(t)计算表达式如下：
[0020][0021]式中，v(t)为t时刻的风速；v
in
、v
rated
、v
out
分别表示风电机组的切入风速、额定风速与切出风速；P
rated
为风电机组的额定功率。
[0022]更进一步的，作为本专利技术的一种优选方案，所述风光氢储系统模型中蓄电池在t时刻荷电状态表达式如下：
[0023][0024]蓄电池在t时刻出力表达式如下：
[0025][0026]式中，SOC
c
(t)、SOC
f
(t)分别表示t时刻下蓄电池充电与放电的荷电状态；Δ为蓄电池的自放电率；SOC(t
‑
1)为上一时刻下蓄电池的荷电状态；P
c
、P
f
、η
c
、η
f
分别表示蓄电池的充、放电功率及充、放电效率；E为蓄电池的额定容量；
[0027]P
c
(t)、P
f
(t)分别为蓄电池t时刻的充电功率与放电功率。
[0028]更进一步的，作为本专利技术的一种优选方案，所述风光氢储系统模型中电解槽的输入功率P
ele
计算表达式如下：
[0029][0030]式中，为系统的制氢量；H
HHV
为氢气热值；η
ele
为电解槽制氢效率。
[0031]更进一步的，作为本专利技术的一种优选方案，所述风光氢储系统模型中氢燃料电池的输出功率P
FC
计算表达式如下：
[0032][0033]式中，为系统的制氢量；H
HHV
为氢气热值；η
FC
为燃料电池的转换效率。
[0034]更进一步的，作为本专利技术的一种优选方案，所述风光氢储系统模型中储氢罐的储氢量Q
tank
计算表达式如下：
[0035][0036]式中，为系统的制氢量；H
HHV
为氢气热值；η
tank
为储氢罐的储氢效率。
[0037]作为本专利技术的一种优选方案，所述以总成本最低、系统负荷缺电率最小构建目标函数描述为：
[0038][0039]在上式中，系统年度总成本P通过如下公式获得：
[0040]P＝R
punish
+R
VOM
+R
capital
‑
R
electricity
[0041]在上式中，系统的收入方式为售电净收入R
electricity
，系统成本包括运行维护成本R
VOM
、资本成本R
capital
和惩罚成本R
punish
；
[0042]其中，售电净收入R
electricity
的计算表达式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风光氢蓄系统的多目标优化配置方法，其特征在于，包括：以总成本最低、系统负荷缺电率最小构建目标函数，以系统自身功率及容量限制作为约束条件，以系统内各设备的投运个数为决策变量，对预先构建好的风光氢储系统模型进行种群初始化；通过带精英策略的非支配遗传算法对初始种群进行非支配排序，并分别通过选择、交叉、变异操作获得第一代子代种群；从第二代开始，将父代种群与子代种群合并，通过带精英策略的非支配遗传算法对合并后的种群进行非支配排序，并对每个非支配层中的个体通过带精英策略的非支配遗传算法进行拥挤度计算，根据非支配关系以及个体的拥挤度选取个体组成新的父代种群；对新的父代种群分别进行选择、交叉、变异操作；判断算法是否运行到最大迭代次数，若未达到最大迭代次数，返回至从第二代开始再次执行相同的操作；若达到最大迭代次数，则输出风光氢蓄系统的容量优化配置方案。2.根据权利要求1所述风光氢蓄系统的多目标优化配置方法，其特征在于：所述风光氢储系统模型构建对象包括光伏电池、风力发电机、蓄电池、电解槽、氢燃料电池以及储氢罐。3.根据权利要求2所述风光氢蓄系统的多目标优化配置方法，其特征在于：所述风光氢储系统模型中光伏电池在t时刻的输出功率P
PV
(t)计算表达式如下：式中，P
STC
、G
STC
、T
STC
分别表示标准测试条件下最大测试功率、光照强度以及温度；G(t)、T(t)分别为t时刻下的实际太阳光照强度及实际温度；ε为功率温度系数。4.根据权利要求2所述风光氢蓄系统的多目标优化配置方法，其特征在于：所述风光氢储系统模型中风力发电机在t时刻的输出功率P
WT
(t)计算表达式如下：式中，v(t)为t时刻的风速；v
in
、v
rated
、v
out
分别表示风电机组的切入风速、额定风速与切出风速；P
rated
为风电机组的额定功率。5.根据权利要求2所述风光氢蓄系统的多目标优化配置方法，其特征在于：所述风光氢储系统模型中蓄电池在t时刻荷电状态表达式如下：蓄电池在t时刻出力表达式如下：
式中，SOC
c
(t)、SOC
f
(t)分别表示t时刻下蓄电池充电与放电的荷电状态；Δ为蓄电池的自放电率；SOC(t
‑
1)为上一时刻下蓄电池的荷电状态；P
c
、P
f
、η
c
、η
f
分别表示蓄电池的充、放电功率及充、放电效率；E为蓄电池的额定容量；P
c
(t)、P
f
(t)分别为蓄电池t时刻的充电功率与放电功率。6.根据权利要求2所述风光氢蓄系统的多目标优化配置方法，其特征在于：所述风光氢储系统模型中电解槽的输入功率P
ele
计算表达式如下：式中，为系统的制氢量；H
HHV
为氢气热值；η
ele
为电解槽制氢效率。7.根据权利要求2所述风光氢蓄系统的多目标优化配置方法，其特征在于：所述风光氢储系统模型中氢燃料电池的输出功率P
FC
计算表达式如下：式中，为系统的制氢量；H
HHV
为氢气热值；η
FC
为燃料电池的转换效率。8.根据权利要求2所述风光氢蓄系统的多目标优化配置方法，其特征在于：所述风光氢储系统模型中储氢罐的储氢量Q
tank
计算表达式如下：式中，为系统的制氢量；H
HHV
为氢气热值；η
tank
为储氢罐的储氢效率。9.根据权利要求1所述风光氢蓄系统的多目标优化配置方法，其特征在于，所述以总成本最低、系统负荷缺电率最小构建目标函数描述为：在上式中，系统年度总成本P通过如下公式获得：P＝R
punish
+R
VOM
+R
capital
‑
R
electricity
在上式中，系统的收入方式为售电净收入R
electricity
，系统成本包括运行维护成本R
VOM
、资本成本R
capital
和惩罚成本R
punish
；其中，售电净收入R
electricity
的计算表达式如下：式中，P
elec
(t)是t时刻电价，x
pwr
(t)为t时刻风光发电量，n为全年系统运行时间；运行维护成本R
VOM
的计算表达式如下：式中，P
VOM,x
为发电设备单位电量的运维成本，P
VOM,y
为氢能设备单位电量的运维成本；y
pwr
(t)为t时刻氢能设备用电量；
资本成本R
capital
的计算表达式如下：式中，TNPC为系统的总净现值，r为利率，y为设备的...

【专利技术属性】
技术研发人员：韩笑，闫华光，康建东，万金明，李俊辉，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：