基于随机规划的风光储容量配比优化方法技术

基于随机规划的风光储容量配比优化方法，建立风光储系统技术指标模型；应用Rayleigh分布函数与Beta分布函数对风光出力特性进行建模；建立风光储能系统约束；建立以系统初始投资与运行成本最小和系统负荷缺电率最低的多目标随机机会约束优化模型；运用遗传算法求解多目标随机机会约束优化模型，得到最优容量配比。本发明专利技术方法充分考虑了风光出力的不确定性对风光储容量配比的影响，相比于基于历史数据对求解模型中更符合实际，在保证系统安全可靠性的同时提升了系统的经济性。性的同时提升了系统的经济性。性的同时提升了系统的经济性。

【技术实现步骤摘要】
基于随机规划的风光储容量配比优化方法


[0001]本专利技术涉及风光储规划
，具体涉及一种基于随机规划的风光储容量配比优化方法。

技术介绍

[0002]目前风能和太阳能已经得到广泛应用，也是新能源领域中最具开发规模的能源，但是风能与太阳能的输出功率具有随机性，输出非常不稳定，会引起电网功率的瞬时变动。因此必须在微电网中加入储能单元，以保证微电网的供电可靠性。
[0003]在目前含储能单元的风光互补系统中，大多数研究者只是针对单目标进行储能容量的优化，比较主流的技术是以储能投资运行成本最低为目标函数，采用遗传算法或者粒子群算法进行优化。
[0004]例如，在《风光储微网系统蓄电池容量优化配置方法研究》(1000
‑
3673(2012)12
‑
0026
‑
06朱兰等，2012年12月)中采用了三种方法进行储能容量优化，但是这三种方法中或是就技术性或是就经济性进行优化，这种单纯的以经济性指标进行系统的优化会导致系统的可靠性降低，所以，在考虑风光互补系统可接入储能容量的时首先要保证系统的可靠性与稳定性。而目前我国可开发风光资源比较丰富，对于风光基地规划的方法大多采用确定性解法，忽略了风光出力的随机性，这使得在风光容量规划时会造成一定程度的浪费。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供一种基于随机规划的风光储容量配比优化方法，采用随机规划模型，通过长时间尺度出力序列建模，充分考虑了风光出力不确定性对风光基地容量规划的影响。并且采用遗传算法对多目标模型进行求解，在保证系统可靠性的同时降低了系统的投资与运行成本。
[0006]本专利技术采取的技术方案为：
[0007]基于随机规划的风光储容量配比优化方法，包括以下步骤：
[0008]步骤1：建立风光储系统技术指标模型；
[0009]步骤2：应用Rayleigh分布函数与Beta分布函数对风光出力特性进行建模；
[0010]步骤3：建立风光储能系统约束；
[0011]步骤4：建立以系统初始投资与运行成本最小和系统负荷缺电率最低的多目标随机机会约束优化模型；
[0012]步骤5：运用遗传算法求解步骤4的多目标随机机会约束优化模型，得到最优容量配比。
[0013]所述步骤1中，建立风光储系统技术指标模型如下：
[0014]1)负荷缺电率表示为：
[0015]Q
QD
(t)＝[P
FH
(t)
‑
P
PV
(t)η1‑
P
PW
(t)η2]△
t；
[0016]式中：P
FH
(t)为t时刻系统负荷需求；P
PV
(t)η1为t时刻光伏组件发出的平均功率；
P
PW
(t)η2为风电发出的平均功率；η1为逆变器C1效率；η2为逆变器C2的效率；
△
t表示任意一段时间内。
[0017]负荷缺电量Q
QD
(t)为正值，定义负荷缺电率Q
QDL
为：
[0018][0019]式中：t0为初始时刻；n为时间序列；Q
QDL
的取值范围为[0
‑
1]，取0时表面在所求时间序列范围内风光互补系统所发出的功率满足负荷需求，取1时表明在所求时间段内风光互补系统所发出的功率不能满足负荷需求。
[0020]2)初始投资成本与运行费用为：
[0021][0022]式中：i表示为三种不同类型的电源，分别指风电、光伏、储能电池；
[0023]N＝3，C
gd
表示风电、光伏、储能的固定投资成本；
[0024]C
csi
表示为不同类型电源的初始投资成本，对于储能电池而言主要与容量与功率有关，风电与光伏主要与额定功率有关；
[0025]C
yx
表示为不同类型电源的运行与管理费用，风电与光伏主要与实际运行功率有关；
[0026]P
it
表示各个电源在t时刻的实际运行功率，C
jh
是微网与大电网能量交换成本；
[0027]T表示一段时间内，本专利技术指8760h。
[0028][0029]式中：C
hs
(l,r)表示为资金回收系数，r表示为利率，l表示为电源的使用寿命；
[0030]8760表示一年包含8760小时。
[0031][0032]C
RF
(l,r)表示投资资本回收系数。
[0033]C
csj
＝f(P
EDj
)＝K
j
P
EDj
；
[0034]式中：j分别表示风电、光伏和储能电池，C
csj
表示为不同类型电源的初始投资费用，P
EDj
表示为不同电源的额定功率，本专利技术指风电、光伏、储能功率。单位：kW；K
j
表示为不同电源的功率成本系数，单位：元/kW；
[0035]C
INIbat
＝f(P
BD
,E
BD
)＝K
bp
P
BD
+K
ep
E
BD
；
[0036]式中：P
BD
表示为储能电池的额定功率，单位：kW；E
BD
表示为储能电池的额定容量，单位kW
·
h；K
bp
表示为储能电池功率成本系数，单位：元/kW；K
ep
表示为储能电池的能量成本系数，单位：元/kW
·
h；
[0037]C
yxj
(P
j
(t))＝k
yxxj
P
j
(t)；
[0038]式中：C
yxj
分别代表不同电源类型的运行管理费用，P
j
(t)代表不同电源的实际运行功率，kW。k
yxxj
代表不同电源的运行管理成本系数，单位：元/kW
·
h。
[0039]3)新能源弃用惩罚成本为：
[0040][0041]式中：λ
w
、λ
v
分别在t时段的弃风、弃光的惩罚费用；表示在t时刻风电场弃风功率、光伏电站弃光功率。
[0042]4)新能源发电补贴收益为：
[0043]与传统的火力发电相比，新能源发电的优势并不明显，存在随机性与不稳定性的缺陷。但因其具有高度清洁无污染的特性，国家应给予一定的发电补贴支持新能源的发展，因此引入发电补贴成本：
[0044][0045]式中：C
bt
为发电补贴成本，P
bt...

【技术保护点】

【技术特征摘要】
1.基于随机规划的风光储容量配比优化方法，其特征在于包括以下步骤：步骤1：建立风光储系统技术指标模型；步骤2：应用Rayleigh分布函数与Beta分布函数对风光出力特性进行建模；步骤3：建立风光储能系统约束；步骤4：建立以系统初始投资与运行成本最小和系统负荷缺电率最低的多目标随机机会约束优化模型；步骤5：运用遗传算法求解步骤4的多目标随机机会约束优化模型，得到最优容量配比。2.根据权利要求1所述基于随机规划的风光储容量配比优化方法，其特征在于：所述步骤1中，建立风光储系统技术指标模型如下：1)负荷缺电率表示为：Q
QD
(t)＝[P
FH
(t)
‑
P
PV
(t)η1‑
P
PW
(t)η2]
△
t；式中：P
FH
(t)为t时刻系统负荷需求；P
PV
(t)η1为t时刻光伏组件发出的平均功率；P
PW
(t)η2为风电发出的平均功率；η1为逆变器C1效率；η2为逆变器C2的效率；
△
t表示任意一段时间内；负荷缺电量Q
QD
(t)为正值，定义负荷缺电率Q
QDL
为：式中：t0为初始时刻；n为时间序列；Q
QDL
的取值范围为[0
‑
1]，取0时表面在所求时间序列范围内风光互补系统所发出的功率满足负荷需求，取1时表明在所求时间段内风光互补系统所发出的功率不能满足负荷需求；2)初始投资成本与运行费用为：式中：i表示为三种不同类型的电源，分别指风电、光伏、储能电池；N＝3，C
gd
表示风电、光伏、储能的固定投资成本；C
csi
表示为不同类型电源的初始投资成本；C
yx
表示为不同类型电源的运行与管理费用；P
it
表示各个电源在t时刻的实际运行功率，C
jh
是微网与大电网能量交换成本；T表示一段时间内；式中：C
hs
(l,r)表示为资金回收系数，r表示为利率，l表示为电源的使用寿命；C
RF
(l,r)表示投资资本回收系数；C
csj
＝f(P
EDj
)＝K
j
P
EDj
；式中：j分别表示风电、光伏和储能电池，C
csj
表示为不同类型电源的初始投资费用，P
EDj
表示为不同电源的额定功率，单位：kW；K
j
表示为不同电源的功率成本系数，单位：元/kW；
C
INIbat
＝f(P
BD
,E
BD
)＝K
bp
P
BD
+K
ep
E
BD
；式中：P
BD
表示为储能电池的额定功率，单位：kW；E
BD
表示为储能电池的额定容量，单位kW
·
h；K
bp
表示为储能电池功率成本系数，单位：元/kW；K
ep
表示为储能电池的能量成本系数，单位：元/kW
·
h；C
yxj
(P
j
(t))＝k
yxxj
P
j
(t)；式中：C
yxj
分别代表不同电源类型的运行管理费用，P
j
(t)代表不同电源的实际运行功率，kW；k
yxxj
代表不同电源的运行管理成本系数，单位：元/kW
·
h；3)新能源弃用惩罚成本为：式中：λ
w
、λ
v
分别在t时段的弃风、弃光的惩罚费用；表示在t时刻风电场弃风功率、光伏电站弃光功率；4)新能源发电补贴收益为：引入发电补贴成本：式中：C
bt
为发电补贴成本，P
bt
为补贴电价，单位：元/kW
·
h；P
bt
(t)表示为新能源发电功率，单位：kW；5)风光储系统与大电网能量交换成本模型为：微网与大电网的能量交换成本模型用下式表示：其中：C
jh
表示能量交换成本，c
gd
表示微电网从大电网的购电价格；c
sd
表示微电网向大电网的售电价格；p
jh
表示交换功率，当p
jh
>0时，表示微电网向大电网购电，p
jh
≤0时，表示微电网向大电网售电；6)治污费用模型为：引入治污费用：式中：C
zw
表示治污费用，k表示不同的污染物类型编号；m为排放的污染物种类，α
k
表示不同污染物的治理费用系数，单位：元/kg；β
k
表示不同污染物的排放系数，单位：kg/kW

【专利技术属性】
技术研发人员：李伟，刘立，王豪琦，何思敏，陈奥洁，
申请(专利权)人：三峡大学，
类型：发明
国别省市：