一种微电网储能系统配置方法及装置制造方法及图纸

本发明专利技术公开了一种微电网储能系统配置方法及装置。所述微电网储能系统配置方法包括：获取预设区域的风能基本信息以及光能基本信息；获取微电网分布式能源和储能系统模型；获取目标函数；获取约束条件；根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能源和储能系统模型、目标函数以及约束条件获取微电网分布式能源和储能系统成本配置。本申请的微电网储能系统配置方法能够在提升微电网系统的稳定性的同时降低投资成本。网系统的稳定性的同时降低投资成本。网系统的稳定性的同时降低投资成本。

【技术实现步骤摘要】
一种微电网储能系统配置方法及装置


[0001]本申请涉及微电网储能
，具体涉及一种微电网储能系统配置方法以及微电网储能系统配置装置。

技术介绍

[0002]微电网系统是由分布式电源、负荷、电力变换器通过电力网络紧密连接的可控供电系统，已经成为一种重要的供电模式。典型微电网系统通过电力变换器接入多种分布式电源，以光伏、风力等可再生能源为主。微电网系统作为自治运行的电力系统，首先需要保持稳定运行，其次需要对各类发电单元进行优化调度，降低成本。而光伏、风力等分布式电源受光照强度、温度、风速等因素影响较大，输出功率和负荷都是随机波动的。因此为了保证电网系统的稳定性，研究高效能储能系统是目前的关键。
[0003]目前，已有研究人员开展了多种微电网储能技术相关研究，其中主要包括设计基于光伏、风力涡轮机、蓄电池的混合微电网系统，以能源成本作为优化目标且使用MOEA/D(Multi
‑
objective Evolutionary Algorithm Based on Decomposition)多目标算法解决进行模型优化。基于和声搜索算法优化设计的微电网系统，并分别以电池和燃料电池作为储能设备进行了性能比较。
[0004]然而，以上微电网储能技术研究中，对于微电网系统的风、光、负荷等各个单元的建模考虑的因素不够全面。并且系统通常含有一种以上的可再生能源，因此系统优化问题中通常包含多个优化目标，需要鲁棒性更强的算法来实现优化目标，目前的算法普遍没有考虑在搜索过程中进行动态调整，存在搜索速度与目标搜索空间不匹配的问题。
[0005]因此，希望有一种技术方案来解决或至少减轻现有技术的上述不足。

技术实现思路

[0006]本专利技术的目的在于提供一种微电网储能系统配置方法来克服或至少减轻现有技术的至少一个上述缺陷。
[0007]本专利技术的一个方面，提供一种微电网储能系统配置方法，用于获取混合发电能源中各个发电能源的成本配置，所述微电网储能系统配置方法包括：
[0008]获取预设区域的风能基本信息以及光能基本信息；
[0009]获取微电网分布式能源和储能系统模型；
[0010]获取目标函数；
[0011]获取约束条件；
[0012]根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能源和储能系统模型、目标函数以及约束条件获取微电网分布式能源和储能系统成本配置。
[0013]可选地，所述微电网分布式能源和储能系统模型包括光伏系统模型、风力系统模型以及储能系统模型。
[0014]可选地，所述根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能
源和储能系统模型、目标函数以及约束条件获取微电网分布式能源和储能系统成本配置包括：
[0015]根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能源和储能系统模型、目标函数以及约束条件生成优化模型；
[0016]对所述优化模型进行求解，从而获取微电网分布式能源和储能系统成本配置。
[0017]可选地，所述对所述优化模型进行求解，从而获取微电网分布式能源和储能系统成本配置包括：
[0018]计算优化模型的数学优化器加速函数MOA；
[0019]根据所述数学优化器加速函数对所述优化模型进行求解。
[0020]可选地，所述根据所述数学优化器加速函数对所述优化模型进行求解包括：
[0021]生成随机数r1；
[0022]判断r1是否大于MOA，若是，则
[0023]进入全局搜索阶段进行全局搜索；
[0024]判断r1是否大于MOA，若否，则
[0025]进入局部搜索阶段进行全局搜索。
[0026]可选地，所述进入全局搜索阶段进行全局搜索包括：
[0027]生成随机数r2，根据r2的范围进行不同的迭代，如下所示：
[0028][0029]其中，x
i，j
(C_Iter)表示下一次迭代中的第j个位置的第i个解、MOP表示数学优化器概率，Best(x
j
)是第i个解的最佳位置中的第j个，μ是调整搜索过程的控制参数，值为0.5，ε为极小值，UB
j
、LB
j
分别为第j个位置的搜索上下限。
[0030]可选地，所述进入局部搜索阶段进行全局搜索包括：
[0031]生成随机数r3，根据r3的范围进行不同的迭代，如下所示：
[0032][0033]其中，
[0034]x
i，j
(C_Iter)表示下一次迭代中的第j个位置的第i个解、MOP表示数学优化器概率，Best(x
j
)是第i个解的最佳位置中的第j个，μ是调整搜索过程的控制参数，值为0.5，ε为极小值，UB
j
、LB
j
分别为第j个位置的搜索上下限。
[0035]可选地，在所述生成随机数r1之前，所述根据所述数学优化器加速函数对所述优化模型进行求解包括：
[0036]判断MOA是否小于0.5，若是，则生成随机数r1；
[0037]判断MOA是否小于0.5，若否，则执行优化策略。
[0038]可选地，所述优化策略包括：
[0039]更新XM(t)，G1，G2等参数值；判断当前迭代时间是否小于(2/3)*T，若是则判断随机数是否小于0.5，若是扩大全局搜索空间，否则缩小全局搜索空间；或，
[0040]更新XM(t)，G1，G2等参数值；判断当前迭代时间是否小于(2/3)*T，若否则判断随机数是否小于0.5，若是扩大局部搜索空间，否则缩小局部搜索空间。
[0041]本申请还提供了一种微电网储能系统配置装置，所述微电网储能系统配置装置包括：
[0042]基本信息获取模块，所述基本信息获取模块用于获取预设区域的风能基本信息以及光能基本信息；
[0043]模型获取模块，所述模型获取模块用于获取微电网分布式能源和储能系统模型；
[0044]目标函数获取模块，所述目标函数获取模块用于获取目标函数；
[0045]约束条件获取模块，所述约束条件获取模块用于获取约束条件；
[0046]微电网分布式能源和储能系统成本配置获取模块，所述微电网分布式能源和储能系统成本配置获取模块用于根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能源和储能系统模型、目标函数以及约束条件获取微电网分布式能源和储能系统成本配置。
[0047]有益效果
[0048]本申请具有如下优点：
[0049]本申请的微电网储能系统配置方法能够在提升微电网系统的稳定性的同时降低投资成本，本专利技术基于新兴混合可再生能源系统构建了系统模型，并提出了一种基于改进算术优化的微电网储能系统配置方法，利用优化器调整搜索空间的能力，改善了原始的算术优化算法搜索速度与目标搜索空间不匹配的问题，并对系统配置问题进行建模求解。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种微电网储能系统配置方法，用于获取混合发电能源中各个发电能源的成本配置，其特征在于，所述微电网储能系统配置方法包括：获取预设区域的风能基本信息以及光能基本信息；获取微电网分布式能源和储能系统模型；获取目标函数；获取约束条件；根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能源和储能系统模型、目标函数以及约束条件获取微电网分布式能源和储能系统成本配置。2.如权利要求1所述的微电网储能系统配置方法，其特征在于，所述微电网分布式能源和储能系统模型包括光伏系统模型、风力系统模型以及储能系统模型。3.如权利要求2所述的微电网储能系统配置方法，其特征在于，所述根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能源和储能系统模型、目标函数以及约束条件获取微电网分布式能源和储能系统成本配置包括：根据所述预设区域的风能基本信息、光能基本信息、微电网分布式能源和储能系统模型、目标函数以及约束条件生成优化模型；对所述优化模型进行求解，从而获取微电网分布式能源和储能系统成本配置。4.如权利要求3所述的微电网储能系统配置方法，其特征在于，所述对所述优化模型进行求解，从而获取微电网分布式能源和储能系统成本配置包括：计算优化模型的数学优化器加速函数MOA；根据所述数学优化器加速函数对所述优化模型进行求解。5.如权利要求4所述的微电网储能系统配置方法，其特征在于，所述根据所述数学优化器加速函数对所述优化模型进行求解包括：生成随机数r1；判断r1是否大于MOA，若是，则进入全局搜索阶段进行全局搜索；判断r1是否大于MOA，若否，则进入局部搜索阶段进行全局搜索。6.如权利要求5所述的微电网储能系统配置方法，其特征在于，所述进入全局搜索阶段进行全局搜索包括：生成随机数r2，根据r2的范围进行不同的迭代，如下所示：其中，x
i，j
(C_Iter)表示下一次迭代中的第j个位置的第i个解、MOP表示数学优化器概率，Best(x
j
)是第i个解的最佳位置中的第j个，μ是调整搜索过程的控制参数，值为0.5，ε为极小值，UB
j

【专利技术属性】
技术研发人员：周子冠，朱亚萍，
申请(专利权)人：北京国网电力技术有限公司，
类型：发明
国别省市：