基于食肉植物算法的混合储能容量配置优化方法及装置制造方法及图纸

本发明专利技术公开一种基于食肉植物算法的混合储能容量配置优化方法及装置，其中方法包括：在混合储能系统寿命周期的不同阶段，基于混合储能容量配置的目标约束条件，确定混合储能总成本优化目标函数；随机生成第一预设规模的初始种群；通过多次迭代模拟食肉植物和猎物的分类分组、生长、繁殖过程，直到多次迭代次数达到最大迭代次数为止，输出储能容量配置参数的当前最优解，以使混合储能总成本最优。本发明专利技术采用食肉植物算法（CPA），基于混合储能容量配置的目标约束条件，以总成本最低为优化对象的目标函数进行优化。最终本发明专利技术不仅可以提高全局寻优能力，而且也可以解决易于陷入局部最优、收敛速度慢、搜索精度差的问题，有效降低混合储能成本。储能成本。储能成本。

【技术实现步骤摘要】
基于食肉植物算法的混合储能容量配置优化方法及装置


[0001]本专利技术涉及新能源电力系统领域，具体涉及一种基于食肉植物算法的混合储能容量配置优化方法及装置。

技术介绍

[0002]储能技术的引入，为提高间歇式能源发电并网应用提供了便捷有效的途径。储能系统装置的功率双向能力，可以平滑间歇性电源功率输出波动，可以跟踪调度计划出力、缩减间歇性电源预测功率误差，可以借“削峰填谷”方式降低间歇式能源丢弃率。而合理的配置储能系统容量是新能源发电系统经济可靠运行的重要保障。
[0003]在新能源风光并网系统中配置储能时，不仅要在平抑出力策略方面提出稳定可靠的控制方法，也要合理配置储能系统功率和能量等级，在辅助风光出力安全稳定并网的同时尽量降低系统成本。
[0004]相关技术中，储能容量配置优化方法主要基于优化目标建模和优化模型求解两个方面展开，采用各种智能算法配置模型的求解，如普遍应用遗传算法和粒子群算法等，遗传算法虽然计算简单，但是运行时间长，存在交叉变异，收敛速度慢以及高纬度难收敛的缺点，导致求解出的最优容量配置结果容易在一定范围内陷入局部最优的问题；而粒子群算法虽然需要调整的参数较少，结构简单，易于工程实现，但是缺乏速度动态调节，仍会导致求解出的最优容量配置结果容易在一定范围内陷入局部最优的问题。

技术实现思路

[0005]因此，本专利技术要解决的技术问题在于克服现有技术中的各种智能算法求解解出的最优容量配置结果容易在一定范围内陷入局部最优的问题，从而提供一种基于食肉植物算法的混合储能容量配置优化方法及装置。
[0006]根据第一方面，本专利技术实施例提供一种基于食肉植物算法的混合储能容量配置优化方法，包括如下步骤：在混合储能系统寿命周期的不同阶段，基于混合储能容量配置的目标约束条件，确定混合储能总成本优化目标函数；初始化处理混合储能系统的储能容量配置参数；确定食肉植物算法中初始种群的组内迭代次数、最大迭代次数、吸引率、生长率、繁殖率、食肉植物数量和猎物数量，并随机生成第一预设规模的初始种群；根据所述混合储能总成本优化目标函数，计算并存储所述初始种群中每个个体的第一适应度值；通过多次迭代模拟食肉植物和猎物的分类分组、生长、繁殖过程，直到多次迭代次数达到所述最大迭代次数为止，输出所述储能容量配置参数对应的当前最优解，以使混合储能总成本最优；其中，所述当前最优解是重新组合生成第二预设规模的当前种群中每个个体的第二适应度值为排序第一的食肉植物个体。
[0007]在第一方面的一种实施方式中，所述混合储能总成本优化目标函数通过如下公式表达：；其中，f为所述混合储能总成本优化目标函数，为一次性投资成本，为维护成本，为更换成本，为处置成本，为环境成本，N为投入使用时间。
[0008]在第一方面的另一种实施方式中，所述配置混合储能容量配置的目标约束条件通过如下公式执行：；其中，为光伏实时输出功率，为锂离子电池输出功率，为超级电容输出功率，为经过低通滤波平抑后接入电网的光伏并网功率目标值；为锂离子电池输出功率的最小允许输出值，为锂离子电池输出功率的最大允许输出值；为超级电容输出功率的最小允许输出值，为超级电容输出功率的最大允许输出值；为锂离子电池荷电状态的下限值，为锂离子电池荷电状态的上限值，为锂离子电池荷电状态值；为超级电容荷电状态的下限值，为超级电容荷电状态的上限值，为超级电容荷电状态值；为光伏并网有功功率1的波动率，为光伏并网有功功率30的波动率，为1光伏电场装机容量的百分比，为30光伏电场装机容量的百分比。
[0009]在第一方面的另一种实施方式中，所述初始化处理混合储能系统的储能容量配置参数，包括：根据光伏输出功率和储能配置参数，利用低通滤波算法计算混合储能出力目标
值；利用离散傅里叶变换算法将所述混合储能出力目标值分解为低频分量和高频分量，以确定储能设备的充放电功率范围值和储能容量范围值。
[0010]在第一方面的另一种实施方式中，通过多次迭代模拟食肉植物和猎物的分类分组、生长、繁殖过程，直到多次迭代次数达到所述最大迭代次数为止，输出所述储能容量配置参数对应的当前最优解，以使混合储能总成本最优，包括：将初始种群中每个个体的第一适应度值进行排序；将所述初始种群中排序第一的第一适应度值对应的最优个体作为排序第一的食肉植物；将所述初始种群中所有个体分类为食肉植物和猎物两部分，所述食肉植物的排序名次均优于所述猎物的排序名次；基于预设分配方式，将所述初始种群划分成多组分配种群，所述预设分配方式为每组分配种群中的每个猎物按照其第一适应度值与每个食肉植物的第一适应度值的对应关系匹配；基于每组分配种群中的预设随机数、随机猎物、吸引率、生长率和组内迭代次数，按照预设生长方式重新生长出食肉植物或猎物；基于所述每组分配种群中的预设随机数、随机植物和繁殖率，按照预设繁殖方式对所述每组分配种群中排序第一的食肉植物重新繁殖出食肉植物；根据所述混合储能总成本优化目标函数，计算并存储所述每组分配种群中每个重新生长或重新繁殖出的食肉植物或每个重新生成出的猎物的第三适应度值；合并所述初始种群中每个个体、所述每组分配种群中每个重新生长或重新繁殖出的食肉植物或每个重新生成出的猎物，以得到第二预设规模的当前种群；将所述当前种群中每个个体的第二适应度值进行排序；确定所述第二适应度值排序第一的最优个体作为排序第一的食肉植物；当所述多次迭代次数未达到所述最大迭代次数时，返回将所述初始种群中每个个体的第一适应度值进行排序的步骤，直到所述多次迭代次数达到最大迭代次数时，停止操作，并输出所述储能容量配置参数对应的当前最优解。
[0011]根据第二方面，本专利技术实施例还提供一种基于食肉植物算法的混合储能容量配置优化装置，包括如下模块：混合储能总成本优化目标函数确定模块，用于在混合储能系统寿命周期的不同阶段，基于混合储能容量配置的目标约束条件，确定混合储能总成本优化目标函数；储能容量配置参数初始化处理模块，用于初始化处理混合储能系统的储能容量配置参数；初始种群生成模块，用于确定食肉植物算法中初始种群的组内迭代次数、最大迭代次数、吸引率、生长率、繁殖率、食肉植物数量和猎物数量，并随机生成第一预设规模的所述初始种群；第一适应度值计算存储模块，用于根据所述混合储能总成本优化目标函数，计算并存储所述初始种群中每个个体的第一适应度值；储能容量配置参数最优解输出模块，用于通过多次迭代模拟食肉植物和猎物的分
类分组、生长、繁殖过程，直到多次迭代次数达到所述最大迭代次数为止，输出所述储能容量配置参数对应的当前最优解，以使混合储能总成本最优；其中，所述当前最优解是重新组合生成第二预设规模的当前种群中每个个体的第二适应度值为排序第一的食肉植物个体。
[0012]在第二方面的一种实施方式中，所述储能容量配置参数初始化处理模块，包括：混合储能出力目标值计算子模块，用于根据光伏输出功率和储能配置参数，利用低通滤波算法计算混合储能出力目标值；储能参数范围值计算子模块，用于利用离散傅里叶变换算法将所述混合储能出力目标值分解为低频分量和高频分量，以确定储能设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于食肉植物算法的混合储能容量配置优化方法，其特征在于，包括如下步骤：在混合储能系统寿命周期的不同阶段，基于混合储能容量配置的目标约束条件，确定混合储能总成本优化目标函数；初始化处理混合储能系统的储能容量配置参数；确定食肉植物算法中每个初始种群的组内迭代次数、最大迭代次数、吸引率、生长率、繁殖率、食肉植物数量和猎物数量，并随机生成第一预设规模的初始种群；根据所述混合储能总成本优化目标函数，计算并存储所述初始种群中每个个体的第一适应度值；通过多次迭代模拟食肉植物和猎物的分类分组、生长、繁殖过程，直到多次迭代次数达到所述最大迭代次数为止，输出所述储能容量配置参数对应的当前最优解，以使混合储能总成本最优；其中，所述当前最优解是重新组合生成第二预设规模的当前种群中每个个体的第二适应度值为排序第一的食肉植物个体。2.根据权利要求1所述的基于食肉植物算法的混合储能容量配置优化方法，其特征在于，所述混合储能总成本优化目标函数通过如下公式表达：；其中，f为所述混合储能总成本优化目标函数，为一次性投资成本，为维护成本，为更换成本，为处置成本，为环境成本，N为投入使用时间。3.根据权利要求1所述的基于食肉植物算法的混合储能容量配置优化方法，其特征在于，所述混合储能容量配置的目标约束条件通过如下公式执行：；其中，为光伏实时输出功率，为锂离子电池输出功率，为超级电容输出功率，为经过低通滤波平抑后接入电网的光伏并网功率目标值；为锂离子电池输出功率的最小允许输出值，为锂离子电池输出功率的最大允许输出值；为超级电容输出功率的最小允许输出值，为超级电容输出功率的最大允许输出值；为锂离子电池荷电状态的下限值，为锂离子电池荷电状
态的上限值，为锂离子电池荷电状态值；为超级电容荷电状态的下限值，为超级电容荷电状态的上限值，为超级电容荷电状态值；为光伏并网有功功率1的波动率，为光伏并网有功功率30的波动率，为1光伏电场装机容量的百分比，为30光伏电场装机容量的百分比。4.根据权利要求1所述的基于食肉植物算法的混合储能容量配置优化方法，其特征在于，所述初始化处理混合储能系统的储能容量配置参数，包括：根据光伏输出功率和储能配置参数，利用低通滤波算法计算混合储能出力目标值；利用离散傅里叶变换算法将所述混合储能出力目标值分解为低频分量和高频分量，以确定储能设备的充放电功率范围值和储能容量范围值。5.根据权利要求1所述的基于食肉植物算法的混合储能容量配置优化方法，其特征在于，通过多次迭代模拟食肉植物和猎物的分类分组、生长、繁殖过程，直到多次迭代次数达到所述最大迭代次数为止，输出所述储能容量配置参数对应的当前最优解，以使混合储能总成本最优，包括：将所述初始种群中每个个体的第一适应度值进行排序；将所述初始种群中排序第一的第一适应度值对应的最优个体作为排序第一的食肉植物；将所述初始种群中所有个体分类为食肉植物和猎物两部分，所述食肉植物的排序名次均优于所述猎物的排序名次；基于预设分配方式，将所述初始种群划分成多组分配种群，所述预设分配方式为每组分配种群中的每个猎物按照其第一适应度值与每个食肉植物的第一适应度值的对应关系匹配；基于每组分配种群中的预设随机数、随机猎物、吸引率、生长率和组内迭代次数，按照预设生长方式重新生长出食肉植物或猎物；基于所述每组分配种群中的预设随机数、随机植物和繁殖率，按照预设繁殖方式对所述每组分配种群中排序第一的食肉植物重新繁殖出食肉植物；根据所述混合储能总成本优化目标函数，计算并存储所述每组分配种群中每个重新生长或重新繁殖出的食肉植物或每个重新生成出的猎物的第三适应度值；合并所述初始种群中每个个体、所述每组分配种群中每个重新生长或重新繁殖出的食肉植物或每个重新生成出的猎物，以得到第二预设规模的当前种群；将所述当前种群中每个个体的第二适应度值进行排序；确定所述第二适应度值排序第一的最优个体作为排序第一的食肉植物；当所述多次迭代次数未达到所述最大迭代次数时，返回将所述初始种群中每个个体的第一适应度值进行排序的步骤，直到所述多次迭代次数达到最大迭代次数时，停止操作，并输...

【专利技术属性】
技术研发人员：李乐颖，邹祖冰，李伟，刘瑞阔，吴海飞，谷昱君，姚维为，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：