基于多目标灰狼算法的风光储联合系统优化方法技术方案

本发明专利技术请求保护一种基于改进多目标灰狼算法的风光储联合系统优化调度方法，该方法把最小化经济成本、最小化并网功率差和最大化碳减排量作为优化目标，通过引入Tent混沌映射、非线性化收敛因子和动态权来改进多目标灰狼优化算法，并运用改进多目标灰狼优化算法对风光储联合系统的调度优化进行研究，提高了可再生能源利用率，改善并网的电网质量，平抑风电、光伏的出力随机波动，使得风光储互补系统输出较为平滑的供应曲线从而增强电网的稳定性。此外，该方法对于风光储联合系统的优化调度实现具有较强的实用性。具有较强的实用性。具有较强的实用性。

【技术实现步骤摘要】
基于多目标灰狼算法的风光储联合系统优化方法


[0001]本专利技术属于能源规划领域，主要涉及基于多目标灰狼算法的风光储联合系统优化方法。

技术介绍

[0002]低碳化、高效化、智能化是当今世界能源领域的大趋势，中国提出了“双碳”目标，力争二氧化碳排放在2030年前达到峰值，并在2060年前实现碳中和。我国是一个风、光资源丰富的国家，充分利用风能、光能等可再生能源逐渐成为当今研究热点。
[0003]风能和太阳能是理想的清洁能源，但由于天气的不确定性，风力发电和光伏发电出力的周期性、间歇性和随机性都很强，导致风、光发电量波动性较大，限制了其大规模发展，同时风力发电和光伏发电具有一定的天然互补性，为风、光发电配备一定的储能装置可以改善并网的电网质量，平抑风电、光伏的出力随机波动，使得风光储互补系统输出较为平滑的供应曲线从而增强电网的稳定性。相比传统的集中供电，风光储互补发电系统传输损耗低、启停快、区域动力强、经济性能好。通过合理灵活的配置容量，甚至可以应用于偏僻落后的地区。今年来，智能电网也有了很大发展，结合风光储互补发电系统，与微电网连接，能够挖掘出更大的潜能，改善自然环境，补充电力系统，解决经济欠发达地区的电力问题，改善人们的基本生活。
[0004]灰狼算法是由澳大利亚格里菲斯大学学者Mirjalili等人于2014年提出的一种群智能优化算法。该算法受到了灰狼捕食猎物活动的启发而开发的一种优化搜索方法，灰狼在群体中有明显的等级和社会结构，具有合作和竞争的特点，这些特点被用作算法的基础。它具有较强的收敛性能、参数少、易实现等特点。近年来受到了学者的广泛关注。灰狼算法模拟了灰狼群体中的合作和竞争行为。算法通过模拟灰狼的搜索行为来寻找最优解。灰狼算法基于三种主要的行为：搜索、跟随和狩猎。搜索行为用于探索解空间，跟随行为用于根据其他灰狼的位置进行更新，狩猎行为用于追踪最佳解。灰狼严格遵守一种金字塔类型的社会支配等级关系，第一层等级：狼群中的头狼记为α，也被称为支配狼，α狼主要负责对捕食等种群活动作出决策，并且α狼是狼群中管理能力最好的。第二层等级：β狼，它服从于α狼并协助α狼作出决策，β狼还是α狼的候选者。虽然它服从α狼，但β狼可支配其它社会层级上的狼。第三层等级：δ狼，它服从α、β狼，同时支配剩余层级的狼。第四层等级：ω狼，它通常需要服从其它层次等级上的狼。
[0005]采用灰狼优化算法对风电、光伏与蓄电池联合互补系统调度策略进行研究，通过建立系统经济成本最小化、实际并网功率与期望并网功率差最小化以及碳减排量最大化的多目标优化模型，对风电、光伏和蓄电池的出力进行优化，从而提升能源利用率。
[0006]CN116418013A，一种风
‑
光
‑
抽水蓄能联合系统多目标优化方法及系统，涉及并网运行优化
，首先建立风
‑
光
‑
抽水蓄能联合系统多目标优化模型，确定多目标优化模型的总目标函数和约束条件，总目标函数为经济效益最大化目标、碳减排量最大化目标、并网有功功率平均波动率最小化目标的归一化值，约束条件包括输出功率平衡约束、电网
接收功率约束、正负旋转备用约束、抽水蓄能输出功率约束和抽水蓄能水库库容约束；基于约束条件，使用灰狼算法优化求解多目标优化模型总目标函数的最优解。本专利技术能够有效提高自身经济效益以及电能并网可靠性，提升风、光新能源消纳能力以及碳减排量，并有效降低电能并网波动性。
[0007]该专利中选取的智能优化算法为灰狼算法，存在一定的改进空间，首先灰狼算法的种群多样性差，这是由于随机初始化生成初始种群的方式无法保证种群多样性；其次，灰狼算法的线性化衰减的收敛因子导致算法在迭代前期和后期的搜索重点不明确，不利于找到全局最优解；最后，传统的灰狼算法中灰狼个体位置更新是根据α、β、δ狼的位置进行的，三只狼的影响权重是相同的，并没有体现出α狼是最优狼的重要性，这种平均作用，会使算法的整体收敛速度减慢。针对以上问题。本专利技术对传统灰狼算法进行了改进：引入Tent混沌映射方程初始化种群，使初始灰狼个体尽可能的分布在整个搜索空间；采用非线性收敛因子使算法在迭代前期缓慢递减，有利于算法进行全局搜索，算法的后期阶段加速收敛，以更快地找到较优的解。基于适应度变化的动态权重可以加大优秀狼的作用，减少次优狼的作用，以提高算法的性能。

技术实现思路

[0008]本专利技术旨在解决以上现有技术的问题。提出了一种基于多目标灰狼算法的风光储联合系统优化方法。本专利技术的技术方案如下：
[0009]一种基于多目标灰狼算法的风光储联合系统优化方法，其包括以下步骤：
[0010]确定风光储联合系统的模型，包括风力发电机模型、光伏发电功率模型、储能模型；以最小化经济成本、最小化并网功率差和最大化碳减排量作为目标函数；以能量平衡、交互功率及风力发电机和光伏设备自身约束作为约束条件；采用改进多目标灰狼算法对多目标问题进行求解，其中改进多目标灰狼算法的改进为：采用Tent混沌映射和采用基于适应度变化的动态权重；根据求解出的最优解进行风光储联系系统能源优化调度。
[0011]进一步的，所述确定风光储联合系统的模型具体包括：
[0012]所述风力发电机模型具体为：
[0013]风力发电的输出功率为：
[0014][0015]式中，P
WT
、v分别为风力发电机实际输出功率和实际风速；P
n
和v
n
分别为风力发电机额定输出功率和额定风速；v
ci
和v
co
分别为切入风速和切出风速；
[0016]所述的光伏发电功率模型包括：
[0017]光伏发电的功率模型表示为：
[0018][0019]其中P
PV
为光伏的实际出力，P
rate
为标准测试环境条件下的最大功率，标准测试温度为25℃光照强度为1000W/m2；G为实际光照强度；G
n
为标准测试环境的光照强度；T
E
为实际环境温度；a为光伏电池功率温度系数；T
SE
为标准测试条件下温度；
[0020]所述的储能模型具体包括：
[0021]储能系统采用蓄电池，在正常工作状态下其功率模型应满足如下关系式
[0022]充电时蓄电池应满足：
[0023][0024]放电时蓄电池应满足：
[0025][0026]式中Soc(t+1)和Soc(t)为蓄电池在t+1时刻和t时刻的Soc值；λ表示电池自放电率，由于蓄电池自身放电比例非常小则λ可忽略不计；Δt表示间隔时间；即λ可忽略不计；η
c
和η
d
分别为蓄电池的充电和放电效率；P
c
和P
d
分别为储能设备的充电功率和放电功率；E
c
为储能设备的容量，单位为kwh。
[0027]进一步的，所述以最小化经济成本、最小化并网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标灰狼算法的风光储联合系统优化方法，其特征在于，包括以下步骤：确定风光储联合系统的模型，包括风力发电机模型、光伏发电功率模型、储能模型；以最小化经济成本、最小化并网功率差和最大化碳减排量作为目标函数；以能量平衡、交互功率及风力发电机和光伏设备自身约束作为约束条件；采用改进多目标灰狼算法对多目标问题进行求解，其中改进多目标灰狼算法的改进为：采用Tent混沌映射和采用基于适应度变化的动态权重；根据求解出的最优解进行风光储联系系统能源优化调度。2.根据权利要求1所述的一种基于多目标灰狼算法的风光储联合系统优化方法，其特征在于，所述确定风光储联合系统的模型具体包括：所述风力发电机模型具体为：风力发电的输出功率为：式中，P
WT
、v分别为风力发电机实际输出功率和实际风速；P
n
和v
n
分别为风力发电机额定输出功率和额定风速；v
ci
和v
co
分别为切入风速和切出风速；所述的光伏发电功率模型包括：光伏发电的功率模型表示为：其中P
PV
为光伏的实际出力，P
rate
为标准测试环境条件下的最大功率，标准测试温度为25℃光照强度为1000W/m2；G为实际光照强度；G
n
为标准测试环境的光照强度；T
E
为实际环境温度；a为光伏电池功率温度系数；T
SE
为标准测试条件下温度；所述的储能模型具体包括：储能系统采用蓄电池，在正常工作状态下其功率模型应满足如下关系式充电时蓄电池应满足：放电时蓄电池应满足：
式中Soc(t+1)和Soc(t)为蓄电池在t+1时刻和t时刻的Soc值；λ表示电池自放电率，由于蓄电池自身放电比例非常小则λ可忽略不计；Δt表示间隔时间；η
c
和η
d
分别为蓄电池的充电和放电效率；P
c
和P
d
分别为储能设备的充电功率和放电功率；E
c
为储能设备的容量，单位为kwh。3.根据权利要求1所述的一种基于多目标灰狼算法的风光储联合系统优化方法，其特征在于，所述以最小化经济成本、最小化并网功率差和最大化碳减排量作为目标函数，具体包括：经济成本最小化目标，考虑联合系统并网的经济成本，由系统的设备维护费用和储能损耗费用，目标函数可得：式中m
SB
表示储能损耗系数，取m
SB
＝0.01；P
SB
表示蓄电池在t时段的平均充放电功率；G
M
表示系统设备维护总费用；定义实际并网功率与期望并网功率的标准差F2；式中，P
es
(t
i
)为时刻t
i
的期望并网功率；P
wpvs
(t
i
)为时刻t
i
的系统实际并网功率；N为样本数；碳减排量最大化目标，将风光储联合发电系统输出的电能换算为火力发电所产生的碳排放量，体现碳减排量的目标函数为：式中G
co2
为煤燃烧产生二氧化碳的量；p
iwo
、p
ivo
、p
ibo
表示风力发电、太阳能发电、蓄电池在第i时刻的上网功率；CS
coal
为清洁能源发电换算成火力发电的耗煤量；为联合系统发电并网的总电量；t为时间长度。4.根据权利要求3所述的一种基于多目标灰狼算法的风光储联合系统优化方法，其特征在于，最小化目标公式中的能量平衡约束方程为：P
w
(t)+P
v
(t)+P
b
(t)＝P
LD
(t) (8)式中，P
w
(t)、P
v
(t)、P
b
(t)分别为风力发电、光伏发电、蓄电池的输出功率，P
LD
(t)为负荷
需求。5.根据权利要求1所述的一种基于多目标灰狼算法...

【专利技术属性】
技术研发人员：丁宝苍，胡晨，张博，廖梦婷，雷秋羽，余敏，杜茂春，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：