一种考虑退役电池容量退化的储能系统双层优化配置方法技术方案

本发明专利技术涉及一种考虑退役电池容量退化的储能系统双层优化配置方法，属于新能源与储能协同规划技术领域。本方法包括建立以共享云储能的投资和运行成本作为优化目标，结合退役电池容量退化特性，预测共享储能的更新成本的双层优化模型；在双层优化模型外层利用遗传算法求解共享云储能的接入位置和容量等结果，之后内层随机产生不同时刻储能的充放电功率，并结合退役电池共享云储能内部约束进行修正，最终获得储能的最优运行策略。此方法可应用于含有大量分布式新能源发电的微电网内部，利用退役电池共享云储能的规模化建设思路降低储能系统的建设成本。统的建设成本。统的建设成本。

【技术实现步骤摘要】
一种考虑退役电池容量退化的储能系统双层优化配置方法


[0001]本专利技术涉及储能系统优化配置
，尤其是涉及一种考虑退役电池容量退化特性的共享云储能系统的双层优化配置方法。

技术介绍

[0002]在能源供给侧，可再生能源快速发展，给电网供需平衡带来了严峻的挑战。在能源需求侧，随着电动汽车等电气化设备的接入，负荷出现陡然增长且负荷波动变得更为剧烈，更加不利于电网的安全稳定运行。储能可有效应对上述挑战，但是单独为用户或者单一光伏、风力发电配置储能资源经济性较差，不能够大范围推广。而随着“共享经济”概念的盛行，共享储能和云储能等新型储能手段逐渐被广泛应用，通过将分布式储能和大型储能进行容量的调度，在面对风、光发电过剩或风、光发电能力不足的情况时，可采用共享储能形式，降低弃风弃光率，提高用户侧供电的可靠性。所以，对储能的配置问题，就成为了储能领域的一个关键问题，通过合理的配置储能系统，不仅能降低经济投入，还可在电网电价谷时段存储电能、在电价峰时段释放电能供给用户，可以为用户节省用电开支，同时缓解电网的调峰压力。
[0003]随着我国电动汽车的大量普及，处理电动汽车的退役动力电池成为了一个棘手的问题，据估计预计到2025年电动汽车所遗留的退役电池数量将达到137.4GWh,需要回收的电池将达到78万吨。目前的主要回收手段有两种：(1)当退役动力电池的容量达到40％及以下时，进行拆解处理；(2)当容量水平较高时，可以在储能、基站备用电源等用电较“温和”的领域进行二次利用。而将退役电池作为储能的一部分，既可以降低储能的建设成本，还可以解决退役电池数量过多导致的处理困难的问题。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑退役电池容量退化特性的共享云储能系统的双层优化配置方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种考虑退役电池容量退化的储能系统双层优化配置方法，包括以下步骤：
[0007]建立共享云储能系统模型与退役电池容量退化模型，所述共享云储能系统模型包括成本函数和更新函数，所述退役电池容量退化模型包括退役电池容量退化特性；
[0008]建立以共享云储能的投资和运行成本作为优化目标，结合退役电池容量退化特性，预测共享储能的更新成本的双层优化模型；所述双层优化模型的外层采用遗传算法优化共享云储能的分布位置、功率和建设容量；内层采用改进粒子群算法结合电力系统潮流优化共享云储能的运行策略；
[0009]求解所建立的双层优化模型，获得储能的最优运行策略。
[0010]进一步的，所述退役电池容量退化特性曲线的具体计算步骤包括：
[0011]采用Bacon
‑
Watt模型寻找电池容量退化的拐点；
[0012][0013]式中：a0控制两直线交叉时的交点；a1和a2分别为两条交叉直线的斜率；γ控制过渡的突变性；Z为正态分布的零为中心的随机变量，表示残差；
[0014]通过对退役电池的拐点进行预测，拟合电池容量快速下降阶段的曲线：
[0015]ξ＝1
‑
1.69*10
‑4S+4.48*10
‑8S2‑
4.54*10
‑
12
S3[0016]式中：S表示循环次数；
[0017]电池在额定充放电深度下的放电量E
total
由每小时放电量与放电速率乘积得到：
[0018]E
total
＝D
r
N
r
C
r
[0019]式中：D
r
为电池额定放电深度；N
r
为电池额定循环次数；C
r
为额定容量；
[0020]将实际放电深度转换为有效放电深度：
[0021][0022]式中：N
a
为电池实际循环次数；D
a
为电池实际放电深度；σ0和σ1为拟合参数；
[0023]电池单次放电损耗的容量表示为：
[0024][0025]式中：d
act
为实际放电消耗的容量；C
a
为实际放电容量；
[0026]电池的额定充电寿命与实际使用寿命表示为：
[0027][0028]E
t
′
otal
＝(x
‑
x
k
)D
r
C
r
[0029]式中：T为某个时间段；m为该时间段包含的放电事件；
[0030]结合共享云储能的更新成本函数，额定使用寿命为N，则电池更换次数L为：
[0031][0032]共享云储能更新成本函数为：
[0033]C
rep
＝LC
in
[0034]当电池额定容量降低至约原容量设定百分比或共享储能运营到期时，对电池系统进行回收。
[0035]进一步的，所述求解所建立的双层优化模型具体过程包括：
[0036]获取共享云储能接入微电网位置、功率和容量信息；
[0037]基于外层采用遗传算法对共享云储能的接入位置、功率和容量的要素进行遗传算法编码，生成种群信息；
[0038]将外层生成的种群信息传递至内层粒子群算法中；
[0039]内层采用改进的粒子群算法评估种群中每个个体的配置适应度，并筛选优质个体
保留至下一代；
[0040]将内层改进粒子群算法的优化结果反馈至外层遗传算法，由遗传算法进行选择、交叉和变异的运算；
[0041]通过内外层的反复迭代，确定约束范围内的共享云储能的最优配置和运行策略。
[0042]进一步的，所述内层改进的粒子群算法的具体求解步骤包括：
[0043]通过评价函数，分别对储能的容量、功率和成本采用归一化方法得到分数，并根据得分赋予权重；
[0044]采用轮盘赌的算法，确定产生粒子的初始位置；
[0045]设定内层改进的粒子群算法种群数、最大迭代次数，以共享云储能总成本为目标函数进行内层优化：
[0046]产生各采样时刻的充放电功率，云共享储能系统荷电连续性约束进行修正；
[0047]再利用评价函数，对不同的储能容量、储能布置位置等要素赋予不同权重，获得单个储能的运行策略；
[0048]结合潮流计算获得总成本最小情况下的共享云储能运行策略，并利用改进粒子群算法评估成本适应度；
[0049]由改进的粒子群算法评估种群每个个体成本适应度，并筛选优质个体保留至下一代；
[0050]通过不断迭代求得当前共享云储能系统的最优日内运行策略。
[0051]进一步的，所述云共享储能系统荷电连续性约束，具体如下：
[0052][0053]其中，Soc
x,0
和Soc
x,t
分别为某储能系统0时刻和时刻的荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑退役电池容量退化的储能系统双层优化配置方法，其特征在于，包括以下步骤：建立共享云储能系统模型与退役电池容量退化模型，所述共享云储能系统模型包括成本函数和更新函数，所述退役电池容量退化模型包括退役电池容量退化特性；建立以共享云储能的投资和运行成本作为优化目标，结合退役电池容量退化特性，预测共享储能的更新成本的双层优化模型；所述双层优化模型的外层采用遗传算法优化共享云储能的分布位置、功率和建设容量；内层采用改进粒子群算法结合电力系统潮流优化共享云储能的运行策略；求解所建立的双层优化模型，获得储能的最优运行策略。2.根据权利要求1所述的一种考虑退役电池容量退化的储能系统双层优化配置方法，其特征在于，所述退役电池容量退化特性曲线的具体计算步骤包括：采用Bacon
‑
Watt模型寻找电池容量退化的拐点；式中：a0控制两直线交叉时的交点；a1和a2分别为两条交叉直线的斜率；γ控制过渡的突变性；Z为正态分布的零为中心的随机变量，表示残差；通过对退役电池的拐点进行预测，拟合电池容量快速下降阶段的曲线：ξ＝1
‑
1.69*10
‑4S+4.48*10
‑8S2‑
4.54*10
‑
12
S3式中：S表示循环次数；电池在额定充放电深度下的放电量E
total
由每小时放电量与放电速率乘积得到：E
total
＝D
r
N
r
C
r
式中：D
r
为电池额定放电深度；N
r
为电池额定循环次数；C
r
为额定容量；将实际放电深度转换为有效放电深度：式中：N
a
为电池实际循环次数；D
a
为电池实际放电深度；σ0和σ1为拟合参数；电池单次放电损耗的容量表示为：式中：d
act
为实际放电消耗的容量；C
a
为实际放电容量；电池的额定充电寿命与实际使用寿命表示为：E
t
′
otal
＝(x
‑
x
k
)D
r
C
r
式中：T为某个时间段；m为该时间段包含的放电事件；结合共享云储能的更新成本函数，额定使用寿命为N，则电池更换次数L为：
共享云储能更新成本函数为：C
rep
＝LC
in
当电池额定容量降低至约原容量设定百分比或共享储能运营到期时，对电池系统进行回收。3.根据权利要求1所述的一种考虑退役电池容量退化的储能系统双层优化配置方法，其特征在于，所述求解所建立的双层优化模型具体过程包括：获取共享云储能接入微电网位置、功率和容量信息；基于外层采用遗传算法对共享云储能的接入位置、功率和容量的要素进行遗传算法编码，生成种群信息；将外层生成的种群信息传递至内层粒子群算法中；内层采用改进的粒子群算法评估种群中每个个体的配置适应度，并筛选优质个体保留至下一代；将内层改进粒子群算法的优化结果反馈至外层遗传算法，由遗传算法进行选择、交叉和变异的运算；通过内外层的反复迭代，确定约束范围内的共享云储能的最优配置和运行策略。4.根据权利要求3所述的一种考虑退役电池容量退化的储能系统双层优化配置方法，其特征在于，所述内层改进的粒子群算法的具体求解步骤包括：通过评价函数，分别对储能的容量、功率和成本采用归一化方法得到分数，并根据得分赋予权重；采用轮盘赌的算法，确定产生粒子的初始位置；设定内层改进的粒子群算法种群数、最大迭代次数，以共享云储能总成本为目标函数进行内层优化：产生各采样时刻的充放电功率，云共享储能系统荷电连续性约束进行修正；再利用评价函数，对不同的储能容量、储能布置位置等要素赋予不同权重，获得单个储能的运行策略；结合潮流计算获得总成本最小情况下的共享云储能运行策略，并利用改进粒子群算法评估成本适应度；由改进的粒子群算法评估种群每个个体成本适应度，并筛选优质个体保留至下一代；通过不断迭代求得当前共享云储能系统的最优日内运行策略。5.根据权利要求4所述的一种考虑退役电池容量退化的储能系统双层优化配置方法，其特征在于，所述云共享储能系统荷电连续性约束，具体如下：其中，Soc
x,0
和Soc
x,t
分别为某储能系统0时刻和时刻的荷电状态；P
ch,x
η
ch,x
为某储能系统的实际充电功率；P
dis,x
η
dis,x
为某储能系统的实际放电功率。6.根据权利要求4所述的一种考虑退役电池容量退化的储能系统双层优化配置方法，
其特征在于，所述共享云储能总成本目标函数具体包括：网损费用、充放电费用、储能建设以及运维费用，具体公式如下：C＝C
Loss
+C
rp
+C
PB
+C
Cost
式中，C
Loss
为传输导致的网损产生的费用；C
...

【专利技术属性】
技术研发人员：崔昊杨，臧云帆，江超，杨程，李嘉文，李珂，薛亮，邵洁，乐应波，彭道刚，江友华，余恒文，施凌鹏，杜红卫，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：