一种面向多约束和非线性目标的储能系统优化配置方法技术方案

本发明专利技术是一种面向多约束和非线性目标的储能系统优化配置方法，用于优化不同应用场景中的储能系统配置方案。本发明专利技术方法包括：获取场景中风电场的发电功率历史数据和储能系统类型，建立储能系统优化配置的非线性目标函数和约束条件，通过优化模块求解储能系统优化配置问题；优化模块先生成统一优化问题模型，预先选择群智能优化算法和传统优化算法，在群智能算法迭代过程中，借助泰勒级数展开的方式在个体附近形成线性或二次项近似，利用传统优化算法计算出个体附近的最优解表征该个体行为，利用群智能算法开展全局搜索优化，最终输出最优储能系统配置方案。本发明专利技术可满足储能系统在不同场景下的配置优化需求，能快速获取更优的储能系统配置方案。储能系统配置方案。储能系统配置方案。

【技术实现步骤摘要】
一种面向多约束和非线性目标的储能系统优化配置方法


[0001]本专利技术涉及储能系统规划配置领域，具体涉及一种面向多约束和非线性目标的储能系统优化配置方法。

技术介绍

[0002]作为新型电力系统建设的关键环节，储能系统被广泛用于解决高渗透率下新能源不确定性的问题。而储能系统应用成本随着其规划容量改变，如何科学有效地优化配置储能系统容量，满足新能源应用需求，已经成为储能系统进一步发展的首要问题。
[0003]已有储能系统优化配置研究发现储能系统优化问题往往表现出以下两个特点：其一，优化问题的目标函数常表现出非线性特点，且非线性表现不仅仅局限于二次多项式，造成求解优化计算困难；其二，优化问题的约束条件众多，且表现为一众等式和不等式约束联合的形式，造成变量可行域难以简单描述。目前，解决此类含多约束且非线性目标的储能系统优化配置问题的常用优化方法主要表现为两类，传统优化算法和群智能优化算法。传统优化算法如内点法、梯度下降法、拉格朗日乘数法等等，在解决含多约束问题时，往往利用拉格朗日乘子法将原问题转化为无约束问题后，利用梯度进行优化计算，但在面对非线性目标函数的优化中，解的初始配置方案对优化结果影响较大，即局部搜索能力强而全局搜索能力弱，容易形成储能系统的次优配置方案。群智能优化算法如遗传群智能优化算法、粒子群算法、人工蜂群算法等等，无需计算目标函数的梯度，因此在解决无约束下的非线性目标函数时具有较大优势，同时具备较强的全局搜索能力，但是在多约束条件的储能系统优化问题中，复杂的可行域容易造成迭代后的种群个体代表的储能系统配置方案为优化问题的不可行解，进而影响群智能算法迭代演化，即使采用罚函数方式，其中惩罚系数对于储能系统优化配置结果也将造成较大影响。因此，针对上述含多约束且非线性目标函数的储能系统优化配置问题，如何建立有效解决含约束和非线性目标函数的储能系统优化配置的方法是一个棘手的问题。

技术实现思路

[0004]针对不同应用场景中的储能系统规划配置问题，本专利技术提供一种面向多约束和非线性目标的储能系统优化配置方法，解决了储能系统应用中含多约束和复杂非线性目标函数的优化配置问题的求解，从而能获得储能系统的更优的配置方案。
[0005]本专利技术的一种面向多约束和非线性目标的储能系统优化配置方法，包括如下步骤：
[0006]步骤1，获取场景中风电场的发电功率历史数据，确定服务风电场的储能系统类型，设计储能系统优化配置的非线性目标函数，并建立约束条件，得到储能系统优化配置的数学模型；
[0007]根据某风电场全年发电功率数据，利用场景生成方法如聚类算法，获取某风电场典型日的风力发电功率数据，确定服务风电场的储能系统类型，根据风电场联合储能系统
的并网功率收益、储能系统成本和风电场发电成本设计储能系统优化配置的非线性目标函数，同时根据风电场联合储能系统应用过程中，功率平衡、储能能量状态平衡、并网功率波动等要求，建立风电场联合储能系统运行过程的等式与不等式关系，形成一系列约束条件，进而建立出用于提升风电场经济效益的储能系统优化配置场景数学模型；
[0008]步骤2，在计算机中设置优化模块，设置优化模块用于求解上述数学模型。首先，优化模块根据步骤1建立的储能系统优化配置的数学模型，生成统一的优化问题模型，如下：
[0009][0010]其中，X表示优化变量向量，目标函数J为步骤1中建立的表示为关于优化变量向量的非线性关系函数f，对应为储能系统的收益模型；A
eq
和B
eq
分别表示等式约束的系数矩阵和常数矩阵；A
in
和B
in
分别表示不等式约束的系数矩阵和常数矩阵；C表示优化变量范围的常系数矩阵；
[0011]步骤3，在优化模块预先选择群智能优化算法，在只考虑优化问题的优化变量范围的约束条件下随机初始化种群个体，每个个体表示为所有优化变量的二进制编码拼接的向量；
[0012]步骤4，优化模块执行群智能优化算法的迭代，在第g代种群中的每个个体邻域内利用泰勒级数展开，获得线性目标函数或二次型目标函数，构成N个独立的含约束的线性或者二次优化问题；其中，g初始值为1，N表示种群个体数量；
[0013]对第g代种群中第i个个体的优化变量在其邻域ε
i
内，利用泰勒级数展开的线性目标函数如下：
[0014][0015]二次型目标函数如下：
[0016][0017]其中，和分别表示非线性函数f在处的一次导数和二次导数，O
m
表示泰勒级数展开下的m阶无穷小；上角标T表示转置；
[0018]根据应用场景的要求选取所述的线性目标函数或二次型目标函数继续执行下面
步骤；
[0019]步骤5，在优化模块中预先选择传统优化算法，利用所选传统优化算法求解步骤4得到的第g代种群中每个个体邻域内的含约束的线性目标函数或二次型目标函数，获得邻域内的最优解作为个体的适应度函数值；从N个个体中选出当前最优个体，并与历史最优个体X
global
进行比较，判断是否更新历史最优个体；然后种群迭代次数g自增1，判断g是否大于设置的最大迭代次数，若否，进入步骤6执行，若是，转步骤7执行；
[0020]其中，若利用传统优化算法求解目标函数无解时，表示该个体不满足约束条件，则重新随机初始化该个体，对该个体返回步骤4执行；
[0021]步骤6，优化模块继续执行遗传优化算法，更新新一代的N个个体，然后转步骤4执行；
[0022]步骤7，利用步骤4和5的求解过程，计算历史最优个体X
global
邻域内的最优解根据优化变量向量获得储能系统的优化配置方案。
[0023]本专利技术实施例提供了在提升风电场经济效益的储能系统优化配置场景，以遗传群智能优化算法代表群智能优化算法、拉格朗日乘数法为传统优化算法的优化求解过程，但本专利技术在优化求解过程中并不限定群智能优化与传统优化算法的种类。本专利技术实施例中优化变量向量中包含储能系统的额定功率、额定容量、各时刻输出功率以及风电场输出功率控制变量。
[0024]本专利技术实施例在所述的步骤5中，选择的传统优化算法为拉格朗日乘数法，基于步骤4所述的线性目标函数或二次型目标函数，构造拉格朗日函数转换为无约束目标函数，如下：
[0025]或
[0026][0027]其中，λ
k
和分别表示第k个等式约束和第s个不等式约束的拉格朗日系数，并组成拉格朗日系数向量λ和h
k
(X)和y
s
(X)分别表示步骤4的线性目标函数或二次型目标函数的数学模型中的第k个等式约束和第s个不等式约束，K是等式约束数量，S是不等式约束数量；
[0028]利用所述拉格朗日函数对优化变量X以及拉格朗日系数向量λ和求偏导，并令导函数为零，构成多元方程组，联立方程组求解在第g代种群中第i个个体的优化变量邻域的最优解以及对应的函数值该函数值为遗传优化算法中个体的适本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向多约束和非线性目标的储能系统优化配置方法，其特征在于，包括如下步骤：步骤1，获取应用场景中风电场的发电功率历史数据，确定服务风电场的储能系统类型，根据风电场联合储能系统的并网功率收益、储能系统成本和风电场发电成本设计储能系统优化配置的非线性目标函数，同时根据风电场联合储能系统应用过程中，功率平衡、储能能量状态平衡和并网功率波动的要求，建立风电场联合储能系统运行过程的等式与不等式关系，形成约束条件，进而建立出储能系统优化配置的数学模型；步骤2，在计算机中设置优化模块；优化模块根据步骤1建立的储能系统优化配置的数学模型，生成统一的优化问题模型，如下：其中，X表示优化变量向量，包括储能系统需要优化配置的参数，目标函数J为步骤1中建立的表示为关于优化变量向量的非线性关系函数f，对应为储能系统的收益模型；A
eq
和B
eq
分别表示等式约束的系数矩阵和常数矩阵；A
in
和B
in
分别表示不等式约束的系数矩阵和常数矩阵；C表示优化变量范围的常系数矩阵；步骤3，在优化模块预先选择群智能优化算法，在只考虑优化问题的优化变量范围的约束条件下随机初始化种群个体，每个个体表示为所有优化变量的二进制编码拼接的向量；步骤4，优化模块执行群智能优化算法的迭代，在第g代种群中的每个个体邻域内利用泰勒级数展开，获得线性目标函数或二次型目标函数，构成N个独立的含约束的线性或者二次优化问题；其中，g初始值为1，N表示种群个体数量；对第g代种群中第i个个体的优化变量在其邻域ε
i
内，利用泰勒级数展开的线性目标函数如下：二次型目标函数如下：其中，和分别表示非线性函数f在处的一次导数和二次导数，O
m
表示
泰勒级数展开下的m阶无穷小；上角标T表示转置；根据应用场景的要求选取所述的线性目标函数或二次型目标函数继续执行下面步骤；步骤5，在优化模块中预先选择传统优化算法，利用所选传统优化算法求解步骤4得到的第g代种群中每个个体邻域内的含约束的线性目标函数或二次型目标函数，获得邻域内的最优解作为个体...

【专利技术属性】
技术研发人员：马速良，齐志新，江冰，刘硕，陈明轩，李雅欣，李建林，
申请(专利权)人：三峡科技有限责任公司，
类型：发明
国别省市：