一种考虑需求响应的独立型微电网优化配置方法技术

一种考虑需求响应的独立型微电网优化配置方法，包括以下步骤：步骤1：建立含重力储能与蓄电池混合储能的独立型微电网数学模型，计算出周期内目标地区的负荷出力数据；步骤2：利用需求响应模型处理得到的负荷出力数据，以系统年均综合成本最小作为目标函数，以弃风弃光率作为评价指标；并以系统稳定运行及性能指标为约束条件，建立独立性微电网系统优化配置模型，以年均综合成本最小为目标对分布式电源容量及峰谷电价进行优化；步骤3：采用改进海马优化算法，对建立的独立性微电网系统优化配置模型进行求解，获得最优配置方案。本发明专利技术一种考虑需求响应的独立型微电网优化配置方法，该方法能够满足系统约束条件的同时，得出经济性好的配置方案。的配置方案。的配置方案。

【技术实现步骤摘要】
一种考虑需求响应的独立型微电网优化配置方法


[0001]本专利技术涉及微电网系统容量优化配置
，具体涉及一种考虑需求响应的独立型微电网优化配置方法。

技术介绍

[0002]随着传统化石能源逐渐退出历史舞台，依靠可再生能源发电和储能技术构建微电网系统，并通过需求响应机制引导系统进一步提高效益，是目前公认的有效措施。合理的配置微电网中的各个分布式电源的容量是保证系统稳定运行和良好收益的重要前提，因此通过引入动态分时电价机制促进用户和系统进行交互，改善微电网运行具有重要意义。
[0003]现有技术中，独立型微电网优化配置仍存在一些缺陷。例如，现有文献[1]:“独立型海岛微电网系统优化技术综述及展望[J].电器与能效管理技术,2019(06):1
‑
6+26.DOI:10.16628/j.cnki.2095
‑
8188.2019.06.001.”，提出由于独立型微电网系统与大电网不存在交互，仅依靠系统本身进行供电，存在能源输入波动大，用电成本国过高。因此提出利用重力储能装置配合蓄电池，可以有效结合重力储能装置成本低，能源可以长期保存的特点与蓄电池进行优势互补。例如，现有文献[2]:“基于改进DEC算法的风光氢系统容量配置[J].电网与清洁能源,2022,38(11):98
‑
106.”,为改善微电网的供电经济性和可靠性及可再生能源消纳率，提出了改进DEC算法，建立了风光氢储微电网双层配置模型。现有文献[3]:“含深冷液化空气储能的离网型CCHP微网容量配置[J].计算机仿真,2022,39(07):112
‑
116.”,针对深冷液化空气储能这一新型储能方式，提出了一种离网型冷热电联供系统。现有文献[4]:“计及碳收益的风电场混合储能容量优化配置[J].中国电力,2022,55(12):22
‑
33.”,利用飞轮储能和锂电池组成的混合储能，建立含碳收益的风储系统容量配置。随着技术的成熟，这些新型储能技术会在未来得到广泛应用。同时基于现有文献[5]:“Se a
‑
horse optimizer:a novel nature
‑
inspired meta
‑
heuristic for global optimiza tion problems.Appl Intell(2022).”，提出的海马优化算法，具有收敛速度快，效率高等优点。为了提高种群初始质量，利用logistic混沌映射改进策略，对算法性能进行改善。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种普适性强，效果佳，能够满足独立型微电网运行可靠性的要求下，综合考虑系统经济性和可靠性的考虑需求响应的独立型微电网优化配置方法，该方法能够满足系统约束条件的同时，得出经济性好的配置方案。
[0005]本专利技术采取的技术方案为：
[0006]一种考虑需求响应的独立型微电网优化配置方法，包括以下步骤：
[0007]步骤1：获取目标地区全年风速、温度、太阳辐照度和负荷的历史数据集，建立含重力储能与蓄电池混合储能的独立型微电网数学模型，输入历史数据，计算出周期内目标地区的负荷出力数据；
[0008]步骤2：利用需求响应模型处理步骤1得到负荷出力数据，以系统年均综合成本最小作为目标函数，以弃风弃光率作为评价指标；并以系统稳定运行及性能指标为约束条件，建立独立性微电网系统优化配置模型，以年均综合成本最小为目标对分布式电源容量及峰谷电价进行优化；
[0009]步骤3：采用改进海马优化算法，对步骤2建立的独立性微电网系统优化配置模型进行求解，获得最优配置方案。
[0010]所述步骤1中，独立型微电网数学模型包括：
[0011]1)风力发电机模型：
[0012][0013]其中，P
wt
(t)为风力发电机实时功率；α1＝P
n
/(v
r3
‑
v
ci3
),α2＝v
ci3
/(v
r3
‑
v
ci3
)；P
n
为风力发电机额定功率；v为实时风速；v
ci
为切入风速；v
co
为切出风速；v
r
为额定风速。
[0014]2)光伏阵列模型：
[0015][0016]其中，P
pv
(t)光伏阵列实时功率；P
STC
为太阳能板在标准条件下(25℃,1.0MPa)的最大输出功率；G
STC
为标准条件下太阳辐照度，取1kW/m2；k为功率温度系数，取
‑
0.4％/℃；T
c
(t)为t时刻太阳能板表面温度；T
STC
为参考的工作温度，取25℃。
[0017]3)蓄电池模型：
[0018]SOC(t)＝E
bat
(t)/E
max
(t)；
[0019]Soc(t)＝Soc(t
‑
1)(1
‑
σ)+P
c
(t)
△
tη
c
/E
max
；
[0020][0021]其中，SOC(t)为荷电状态；Soc(t
‑
1)为前一时间段电池荷电状态；E
bat
(t)为蓄电池剩余电量；E
max
为蓄电池的额定最大容量；σ为每小时蓄电池自放电率；
△
t为t时间段长度；P
c
(t)为蓄电池第t时间段的充电功率；P
d
(t)为蓄电池第t时间段的放电功率；η
c
，η
d
分别为蓄电池充电、放电效率。
[0022]4)重力储能模型：
[0023]充电过程：
[0024]F
μ
＝μmg
·
cosθ；
[0025]P
GRC
(t)＝F
C
·
V＝(mg
·
sinθ+μmg
·
cosθ)
·
V；
[0026]放电过程：
[0027]P
GRD
(t)＝F
D
·
V＝(mg
·
sinθ
‑
μmg
·
cosθ)
·
V；
[0028]理论重力储能容量：
[0029]W
GR
＝mgh
g
；
[0030]其中，P
GRC
(t)为上升过程中第t时间段的电动机功率；F
C
为上升过程中的电动机牵引力；F
μ
为摩擦力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑需求响应的独立型微电网优化配置方法，其特征在于包括以下步骤：步骤1：建立独立型微电网数学模型，计算出周期内目标地区的负荷出力数据；步骤2：利用需求响应模型处理步骤1得到负荷出力数据，以系统年均综合成本最小作为目标函数，以弃风弃光率作为评价指标；并以系统稳定运行及性能指标为约束条件，建立独立性微电网系统优化配置模型，以年均综合成本最小为目标对分布式电源容量及峰谷电价进行优化；步骤3：采用改进海马优化算法，对步骤2建立的独立性微电网系统优化配置模型进行求解，获得最优配置方案。2.根据权利要求1所述一种考虑需求响应的独立型微电网优化配置方法，其特征在于：所述步骤1中，独立型微电网数学模型包括：1)风力发电机模型：其中，P
wt
(t)为风力发电机实时功率；α1＝P
n
/(v
r3
‑
v
ci3
),α2＝v
ci3
/(v
r3
‑
v
ci3
)；P
n
为风力发电机额定功率；v为实时风速；v
ci
为切入风速；v
co
为切出风速；v
r
为额定风速；2)光伏阵列模型：其中，P
pv
(t)光伏阵列实时功率；P
STC
为太阳能板在标准条件下的最大输出功率；G
STC
为标准条件下太阳辐照度；k为功率温度系数；T
c
(t)为t时刻太阳能板表面温度；T
STC
为参考的工作温度；3)蓄电池模型：SOC(t)＝E
bat
(t)/E
max
(t)；Soc(t)＝Soc(t
‑
1)(1
‑
σ)+P
c
(t)
△
tη
c
/E
max
；其中，SOC(t)为荷电状态；Soc(t
‑
1)为前一时间段电池荷电状态；E
bat
(t)为蓄电池剩余电量；E
max
为蓄电池的额定最大容量；σ为每小时蓄电池自放电率；
△
t为t时间段长度；P
c
(t)为蓄电池第t时间段的充电功率；P
d
(t)为蓄电池第t时间段的放电功率；η
c
，η
d
分别为蓄电池充电、放电效率；4)重力储能模型：充电过程：F
μ
＝μmg
·
cosθ；P
GRC
(t)＝F
C
·
V＝(mg
·
sinθ+μmg
·
cosθ)
·
V；放电过程：
P
GRD
(t)＝F
D
·
V＝(mg
·
sinθ
‑
μmg
·
cosθ)
·
V；理论重力储能容量：W
GR
＝mgh
g
；其中，P
GRC
(t)为上升过程中第t时间段的电动机功率；F
C
为上升过程中的电动机牵引力；F
μ
为摩擦力；m为重物质量；g为重力加速度；θ为轨道的水平夹角的角度；μ为摩擦系数；V为重物匀速下滑过程中的速度；P
GRD
(t)为下滑过程中第t时间段的发电机功率；F
D
为下滑过程中的发电机所受到的牵引力；W
GR
为重力储能容量；h
g
为有效储能高度。3.根据权利要求1所述一种考虑需求响应的独立型微电网优化配置方法，其特征在于：所述步骤2中，需求响应模型中以可再生能源发电功率和符合需求功率差值的累积和最小为目标，优化变量为峰谷电价；需求响应模型包括价格型需求响应模型，具体为：其中：p(t)是t时刻的实时电价；p
p
峰时段电价；p
v
为谷时段电价；L(t)为需求响应前t时刻的负荷需求；P
wt
(t)和P
pv
(t)分别t时刻的风机和光伏阵列的发电功率；其中：se
c,d
为替代弹性系数；Q
c
和Q
d
分别是c时刻、d时刻的负荷需求；p
c
和p
d

【专利技术属性】
技术研发人员：向开端，王辉，
申请(专利权)人：三峡大学，
类型：发明
国别省市：