基于非合作博弈的风-光-氢混合储能系统容量优化配置方法及系统技术方案

基于非合作博弈的风

【技术实现步骤摘要】
基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法及系统


[0001]本专利技术涉及储能容量优化
，具体涉及一种基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法、系统及存储介质。

技术介绍

[0002]风能和太阳能是近年来具有代表性的新能源，因其无污染、可再生等特点受到国内外的学者的广泛关注。但由于风光等自然资源具有随机性、间歇性，易受天气、环境、季节等因素影响，需要通过储能系统平抑其出力波动，而储能系统应对功率波动的能力与系统的容量相关，同时考虑到经济性、实际情况等因素，储能系统容量的选择十分重要。就混合储能系统而言，整个系统由多个储能单元构成，为了使储能系统能够经济可靠的运行，除了考虑到系统的总容量，还应对不同储能单元的容量占比进行合理分配，因此，对混合储能系统的容量进行合理的配置是目前储能技术中亟需解决的重要问题。
[0003]现有技术中，部分研究均采用单一储能装置作为储能单元，但单一储能装置无法同时满足大额度存储电能和频繁充放电的需求，如周成伟于2022年在中国综合智慧能源期刊中发表的《风光储微电网系统容量优化配置》中选择锂电池作为系统的储能单元，尽管将系统的弃风弃光率降低至10％，但系统仍存在大量负荷缺电与弃风弃光现象，使得系统的总成本有所增加。同时，多数研究人员在配置混合储能系统的容量时仅考虑了单一利益主体，如韩子娇于2022年在中国东北电力技术期刊上发表的《风电制氢混合储能系统容量优化配置研究》中，仅考虑了系统的总成本作为优化目标，导致混合储能系统中各投资方的收益差距过大，不利于混合储能系统的长期发展。因此，在混合储能系统容量配置过程中，需要考虑各方面因素带来的影响，使得对应的配置结果更加全面。

技术实现思路

[0004]本专利技术为解决现有混合储能系统的单一储能装置无法满足大额度存储电能和频繁充放电的需求，并由于系统仅考虑单一利益主体，导致混合储能系统中各投资方的收益差距过大等问题，提供一种基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法及系统。
[0005]基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法，该方法由以下步骤实现：
[0006]步骤一、构建风
‑
光
‑
氢混合储能系统；
[0007]步骤二、将风电场、光伏电站和储能单元作为博弈参与者，并根据步骤一构建的风
‑
光
‑
氢混合储能系统，建立基于非合作博弈的混合储能系统容量优化配置模型；
[0008]所述基于非合作博弈的混合储能系统容量优化配置模型包括以各博弈参与者的收益最大化为目标函数，以混合储能系统负荷缺电率最小作为约束条件以及以混合储能系统自身容量限制作为约束条件；
[0009]步骤三、采用改进鲸鱼优化算法求解步骤二所述的混合储能系统优化配置模型，即：改进鲸鱼优化算法的搜索机制，同时引入非线性收敛因子，求解混合储能系统优化配置模型，获得混合储能系统优化配置结果。
[0010]本专利技术还提供一种基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置系统，所述优化配置系统包括构建模块、配置模块及求解模块；
[0011]所述构建模块：用于构建混合储能系统，其中所述混合储能系统由发电单元、储能单元组成，发电单元包括风力发电机、光伏电池；储能单元包括蓄电池、电解池、氢气罐、燃料电池；
[0012]所述配置模块：用于建立混合储能系统容量优化配置模型，引入非合作博弈模型，建立混合储能系统中三位博弈参与者，分别为：风电场、光伏电站、储能单元；
[0013]所述求解模块：利用改进鲸鱼优化算法求解混合储能系统容量优化配置模型，得到混合储能系统容量优化配置结果，输出混合储能系统总收益与负荷缺电率关系曲线。
[0014]另外，本专利技术还提供一种计算机设备，其特征是：包括：处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法。
[0015]另外，本专利技术还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机处理器执行程序时可实现基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法。
[0016]本专利技术的有益效果：
[0017]本专利技术所述的风
‑
光
‑
氢混合储能系统优化配置方法中，包括构建混合储能系统，其中系统由风机、光伏太阳能板、蓄电池、电解池、氢气罐以及燃料电池组成。本专利技术中引入非合作博弈模型，建立基于非合作博弈的混合储能系统容量优化配置模型，同时通过改进鲸鱼优化算法的搜索机制，使其快速跳出局部最优，提高种群寻优效率，同时引入非线性变化的收敛因子，提高鲸鱼优化算法的寻优能力与精度；
[0018]利用改进鲸鱼优化算法对模型进行求解，获取混合储能系统容量优化配置结果，使混合储能系统在保证系统供电可靠性和能量浪费率的基础上，使得各博弈参与者的收益更加均衡，达到经济性与可靠性的最佳平衡，完成对混合储能系统更加全面的优化配置。
附图说明
[0019]图1为本专利技术所述的基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法中风
‑
光
‑
氢混合储能系统的结构图；
[0020]图2为风
‑
光
‑
氢混合储能系统运行策略流程图；
[0021]图3为本专利技术所述的基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法的流程图；
[0022]图4为改进鲸鱼优化算法运行流程图；
[0023]图5为混合储能系统优化配置模型求解流程图。
具体实施方式
[0024]具体实施方式一、结合图1至图5说明本实施方式，基于非合作博弈的风
‑
光
‑
氢混
合储能系统容量优化配置方法，该方法由以下步骤实现：
[0025]S1、构建风
‑
光
‑
氢混合储能系统。
[0026]如图1所示，所述混合储能系统由发电单元和储能单元组成，发电单元包括风力发电机、光伏电池；储能单元包括蓄电池、电解池、燃料电池以及氢气罐，上述设备的数量分别可以是多个。
[0027]S2、混合储能系统的博弈参与者包括：风电场、光伏电站和储能单元。
[0028]以各博弈参与者收益最大化为优化目标，以混合储能系统负荷缺电率最小、混合储能系统自身容量限制为约束条件，建立基于非合作博弈的混合储能系统容量优化配置模型。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法，其特征是：该方法由以下步骤实现：步骤一、构建风
‑
光
‑
氢混合储能系统；步骤二、将风电场、光伏电站和储能单元作为博弈参与者，并根据步骤一构建的风
‑
光
‑
氢混合储能系统，建立基于非合作博弈的混合储能系统容量优化配置模型；所述基于非合作博弈的混合储能系统容量优化配置模型包括以各博弈参与者的收益最大化为目标函数，以混合储能系统负荷缺电率最小作为约束条件以及以混合储能系统自身容量限制作为约束条件；步骤三、采用改进鲸鱼优化算法求解步骤二所述的混合储能系统优化配置模型，即：改进鲸鱼优化算法的搜索机制，同时引入非线性收敛因子，求解混合储能系统优化配置模型，获得混合储能系统优化配置结果。2.根据权利要求1所述的基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法，其特征在于：步骤一构建的混合储能系统包括发电单元和储能单元，所述发电单元包括风力发电机和光伏电池；所述储能单元包括蓄电池、电解池、氢气罐和燃料电池。3.根据权利要求1所述的基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法，其特征在于：步骤二中，所述以各博弈参与者的收益最大化构建目标函数，用下式表示为：式中，G
x
为博弈参与者x的收益函数；为博弈参与者x的售电收益；为博弈参与者x的购电成本；为博弈参与者x的弃风弃光惩罚成本；为博弈参与者x的能量浪费成本；为博弈参与者x的设备成本；所述以混合储能系统负荷缺电率最小、混合储能系统自身容量限制作为约束条件，用下式表示为：式中，f
LPSP
为负荷缺电率；P
avai
(t)为混合储能系统在t时刻的可用电量；f
LPSPmax
为符合允许的最大缺电率，T为时间；所述以混合储能系统自身容量限制作为约束条件，用下式表示为：式中，E
b
(t)为t时刻蓄电池的储能量；分别为蓄电池的最小储能量和最大储能量；为t时刻氢气储存容量；为氢气储存容量的最大值。4.根据权利要求1所述的基于非合作博弈的风
‑
光
‑
氢混合储能系统容量优化配置方法，其特征在于：步骤三中，改进鲸鱼优化算法具体过程为：
步骤三一、鲸鱼优化算法初始化，生成初始鲸鱼种群并计算适应度值，同时记录种群中初始最优个体与全局最优位置；步骤三二、计算非线性变化收敛因子α，并更新系数向量A的值；步骤三三、生成随机数P，并判断对P的阈值是否小于0.5，如果是，执行步骤三四；否则，通过莱维飞行策略更新鲸鱼个体位置，执行步骤三五；步骤三四、判断系数向量A是否小于1，如果是，根据收缩包围策略更新个体位置，执行步骤三五；否则，根据随机搜索策略，更新鲸鱼个体位置，执行步骤三五；步骤三五、计算鲸鱼个体适应度值，更新个体最优位置和全局最优位置；步骤三六、判断是否到达最大迭代次数，若是，...

【专利技术属性】
技术研发人员：陈晓娟，马行健，李国华，曲畅，李雪，于皓宇，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：