一种风光柴储微电网系统的多目标智能规划方法技术方案

本发明专利技术公开了一种风光柴储微电网系统的多目标智能规划方法，该方法将风光柴储微电网系统中风机、光伏板、柴油机发电机组和蓄电池组待安装的数量、光伏板安装仰角和风机安装高度作为优化变量，将等年值投资总成本、污染物排放和系统供电缺失率作为优化目标，设计了一种高效的多目标优化求解技术，从而实现了风光柴储微电网系统的多目标智能规划。相比现有技术，本发明专利技术获得了在投资成本、污染物排放和供电可靠性等多性能指标的折衷优化效果，在满足相同供电可靠性指标的情况下系统投资成本和污染物排放均更少，且多目标智能规划方法易于工程实施。工程实施。工程实施。

【技术实现步骤摘要】
一种风光柴储微电网系统的多目标智能规划方法


[0001]本专利技术涉及综合能源系统，尤其是新能源微电网系统领域的智能规划设计技术，特别涉及一种风光柴储微电网系统的多目标智能规划方法。

技术介绍

[0002]微电网系统的提出和实施为太阳能、风能等多种可再生能源分布式发电系统的推广应用提供了有效的解决方案。由风机、光伏板、柴油机组和蓄电池组组成的风光柴储微电网系统可以为偏远山区、海岛开发建设等提供重要的供电保障，已受到了学术界和工程界的广泛关注。
[0003]由于风机和光伏板的输出功率特性与微电网系统所实施地区的风速、光照强度和环境温度等密切相关，因此风光柴储微电网系统规划设计时应对微电网系统安装处环境条件和用户侧需求负荷特性进行系统分析，且应综合考虑如下因素：(1)风机、光伏板、柴油机组和蓄电池组的功率特性；(2)风机、光伏板、柴油机组和蓄电池组的安装维护费用和蓄电池组更换费用等投资成本；(3)微电网系统的供电可靠性；(4)微电网系统的污染物排放量。然而，目前现有技术局限于对上述部分因素的单目标优化设计，普遍采用加权优化目标函数和单目标优化算法，都普遍存在权重系数难以精确整定、综合性能难以折衷优化等缺陷。此外，有少数研究方案虽然从多目标优化设计的角度进行了尝试，但是通常只考虑了微电网系统的经济性和供电可靠性等优化目标，仅仅对微电网系统的组件数量和容量进行了优化，且采用的多目标优化算法较为复杂。因此，如何对风光柴储微电网系统的组件数量、容量、风机安装高度、光伏板安装仰角等进行最优化规划设计以最终实现微电网系统的安全可靠和经济环保，已成为微电网系统智能规划设计领域亟待解决的关键技术难题之一。

技术实现思路

[0004]本专利技术的目的在于针对现有技术的不足，提供一种风光柴储微电网系统的多目标智能规划方法。
[0005]本专利技术的目的是通过以下技术方案来实现的：一种风光柴储微电网系统的多目标智能规划方法，包括以下步骤：
[0006](1)读取以1小时为步长的风光柴储微电网系统规划地区的年度气象信息，所述气象信息包括风速、光照强度和环境温度；读取风机、光伏板、柴油机组和蓄电池组的参数值，所述风机的参数值包括额定风速V
R
、切入风速V
C
、切出风速V
F
、风机输出功率除以最大功率所得到的性能系数δ、风密度ρ
ad
、风机转子扫过的区域面积A
WG
和风力发电机的额定输出功率P
WGR
；所述光伏板的参数值包括太阳仰角h
ea
、填充系数β、每一块光伏板中串联的光伏组件数量N
s
、每一块光伏板中并联的光伏组件数量N
p
、开路电流I
SC
、短路电流的温度系数K
I
、光伏组件的标称工作温度T
NOC
、开路电压V
OC
和开路电压温度系数K
V
；所述柴油机组的参数值包括每个柴油机发电机组的额定功率P
DEGR
、柴油机发电机组额定功率对应的燃料消耗系数η1和柴油机发电机组实际输出功率对应的燃料消耗系数η2；所述蓄电池组的参数值包括蓄电池
能量转换效率系数λ
BAT
、每个蓄电池组的标称容量C
BAT
以及读取以1小时为步长的用户侧需求负荷数据；
[0007](2)设定风光柴储微电网系统多目标规划的参数值，所述多目标规划的参数值包括最大迭代次数G
max
、种群规模NP、外部存档规模A
max
、第一变异操作的参数b和第二变异操作的参数q；
[0008](3)采用实数编码方式随机生成一个满足约束条件的均匀分布的初始种群P＝{P
i
}，i＝1,2,
…
,NP，种群规模为NP，第i个个体P
i
＝(x
1i
,x
2i
,x
3i
,x
4i
,x
5i
,x
6i
)＝(N
WGi
,N
PVi
,N
DEGi
,N
BATi
,α
PVi
,h
WGi
)，其中x
1i
,x
2i
,x
3i
,x
4i
,x
5i
,x
6i
分别表示第i个个体对应的第1，2，3，4，5，6个组元，N
WGi
,N
PVi
,N
DEGi
,N
BATi
分别表示第i个个体对应的风机、光伏板、柴油机组和蓄电池组待安装的数量，将N
WGi
,N
PVi
,N
DEGi
,N
BAT
进行四舍五入取整，α
PVi
表示第i个个体对应的光伏板安装仰角，h
WGi
表示第i个个体对应的风机安装高度，并且将外部存档A的初始值设为空集，初始迭代次数g＝1；所述约束条件为：
[0009][0010]其中，N
WGmin
和N
WGmax
分别表示待安装风机数量的下限和上限，N
PVmin
和N
PVmax
分别表示待安装光伏板数量的下限和上限，N
DEGmin
和N
DEGmax
分别表示待安装柴油机组数量的下限和上限，N
BATmin
和N
BATmax
分别表示待安装蓄电池组数量的下限和上限，h
min
和h
max
分别表示风机安装高度的下限和上限；
[0011](4)对种群P中每一个个体P
i
,i＝1,2,
…
,NP执行如下操作：对每个组元x
1i
,x
2i
,x
3i
,x
4i
,x
5i
,x
6i
逐一实施变异操作，同时保持其他组元不变，以获取得到6个个体Q
1i
,Q
2i
,Q
3i
,Q
4i
,Q
5i
,Q
6i
，以获取变异后的种群Q＝{Q
1i
,Q
2i
,Q
3i
,Q
4i
,Q
5i
,Q
6i
}，i＝1,2,
…
,NP；所述变异操作具体包括：
[0012](4.1)首先在0到1范围内生成一个随机数r
m
，判断该随机数r
m
是否大于等于0.8，若本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风光柴储微电网系统的多目标智能规划方法，其特征在于，包括以下步骤：(1)读取以1小时为步长的风光柴储微电网系统规划地区的年度气象信息，所述气象信息包括风速、光照强度和环境温度；读取风机、光伏板、柴油机组和蓄电池组的参数值，所述风机的参数值包括额定风速V
R
、切入风速V
C
、切出风速V
F
、风机输出功率除以最大功率所得到的性能系数δ、风密度ρ
ad
、风机转子扫过的区域面积A
WG
和风力发电机的额定输出功率P
WGR
；所述光伏板的参数值包括太阳仰角h
ea
、填充系数β、每一块光伏板中串联的光伏组件数量N
s
、每一块光伏板中并联的光伏组件数量N
p
、开路电流I
SC
、短路电流的温度系数K
I
、光伏组件的标称工作温度T
NOC
、开路电压V
OC
和开路电压温度系数K
V
；所述柴油机组的参数值包括每个柴油机发电机组的额定功率P
DEGR
、柴油机发电机组额定功率对应的燃料消耗系数η1和柴油机发电机组实际输出功率对应的燃料消耗系数η2；所述蓄电池组的参数值包括蓄电池能量转换效率系数λ
BAT
、每个蓄电池组的标称容量C
BAT
以及读取以1小时为步长的用户侧需求负荷数据；(2)设定风光柴储微电网系统多目标规划的参数值，所述多目标规划的参数值包括最大迭代次数G
max
、种群规模NP、外部存档规模A
max
、第一变异操作的参数b和第二变异操作的参数q；(3)采用实数编码方式随机生成一个满足约束条件的均匀分布的初始种群P＝{P
i
}，i＝1,2,
…
,NP，种群规模为NP，第i个个体P
i
＝(x
1i
,x
2i
,x
3i
,x
4i
,x
5i
,x
6i
)＝(N
WGi
,N
PVi
,N
DEGi
,N
BATi
,α
PVi
,h
WGi
)，其中x
1i
,x
2i
,x
3i
,x
4i
,x
5i
,x
6i
分别表示第i个个体对应的第1，2，3，4，5，6个组元，N
WGi
,N
PVi
,N
DEGi
,N
BATi
分别表示第i个个体对应的风机、光伏板、柴油机组和蓄电池组待安装的数量，将N
WGi
,N
PVi
,N
DEGi
,N
BAT
进行四舍五入取整，α
PVi
表示第i个个体对应的光伏板安装仰角，h
WGi
表示第i个个体对应的风机安装高度，并且将外部存档A的初始值设为空集，初始迭代次数g＝1；所述约束条件为：其中，N
WGmin
和N
WGmax
分别表示待安装风机数量的下限和上限，N
PVmin
和N
PVmax
分别表示待安装光伏板数量的下限和上限，N
DEGmin
和N
DEGmax
分别表示待安装柴油机组数量的下限和上限，N
BATmin
和N
BATmax
分别表示待安装蓄电池组数量的下限和上限，h
min
和h
max
分别表示风机安装高度的下限和上限；(4)对种群P中每一个个体P
i
,i＝1,2,
…
,NP执行如下操作：对每个组元x
1i
,x
2i
,x
3i
,x
4i
,x
5i
,x
6i
逐一实施变异操作，同时保持其他组元不变，以获取得到6个个体Q
1i
,Q
2i
,Q
3i
,Q
4i
,Q
5i
,Q
6i
，以获取变异后的种群Q＝{Q
1i
,Q
2i
,Q
3i
,Q
4i
,Q
5i
,Q
6i
}，i＝1,2,
…
,NP；所述变异操作具体包括：(4.1)首先在0到1范围内生成一个随机数r
m
，判断该随机数r
m
是否大于等于0.8，若该随机数r
m
大于等于0.8，则执行步骤(4.2)；否则，执行步骤(4.3)；
(4.2)根据公式(2)进行第一变异操作：其中，r1和r2表示在0到1范围内按照均匀分布产生的随机数；g表示当前迭代次数，1≤g≤G
max
；x
ki
(g+1)表示第(g+1)次迭代时第i个个体中第k个组元，x
ki
(g)表示第g次迭代时第i个个体中第k个组元，表示第k个组元的下限，表示第k个组元的上限；b为第一变异操作的参数；将k＝1,2,3,4对应的x
ki
(g+1)进行四舍五入取整；如果则如果则(4.3)根据公式(3)进行第二变异操作：其中，r3表示在0到1范围内按照均匀分布产生的随机数；q为第二变异操作的参数，max[]表示取最大值，将k＝1,2,3,4对应的x
ki
(g+1)进行四舍五入取整；如果则如果则(5)根据公式(4)～(11)评估种群Q中每个个体所对应的适应度函数，所述适应度函数包括个体x对应的风光柴储微电网系统等年值投资总成本C
T
(x)、微电网系统的污染排放E
m
(x)、微电网系统供电缺失率R
p
(x)；{C
T
(x),E
m
(x),R
p
(x)},其中x＝(N
WG
,N
PV
,N
DEG
,N
BAT
,α
...

【专利技术属性】
技术研发人员：吴烈，曾国强，陆康迪，秦臻，王环，苏立业，徐明雷，邱勇，陈贤钰，杨仲豪，
申请(专利权)人：浙江九宏电力工程有限公司，
类型：发明
国别省市：