【技术实现步骤摘要】
本专利技术涉及光伏发电，尤其是指一种风光储联合调频方法、装置及计算机可读存储介质。
技术介绍
1、风能与太阳能作为可再生清洁能源，受到各国的重视。自我国提出2030碳达峰，2060碳中和的“双碳”目标后，风力发电与太阳能发电装机及并网容量快速增长。但同时风能与太阳能的不确定性也对传统调频系统带来挑战，风电、光伏与储能系统辅助火电参与调频成为了新的解决方法。
2、在风光储调频中，受到天气条件的影响，无法随意进行日内调度，适合于日前申报调频计划，这减小了对运算速率的要求；但风光储数据受到风速和光照强度等自然因素的影响，具有间歇性和波动性；这些因素可能导致电力输出的快速波动，对电网的稳定性带来挑战。风光储数据产生和处理的规模不断扩大，数据量巨大；这些数据可能包括实时的电力输出数据、天气数据、设备运行状态数据等，需要进行高效的数据处理和分析。风光储数据的产生和处理都与时间和空间密切相关；例如，不同时间段的电力输出数据、不同地理位置的风速和光照数据等，都需要进行相应的分析和处理。
3、现有的风光储调频技术集中于采用虚拟惯性控制或下垂控制等方法来提高新能源参与调频的能力，无法在考虑到风光储数据波动性的情况下，实现对各调频源调频功率的准确分配，无法在增加控制精度的同时减小调频时间。
技术实现思路
1、为此，本专利技术所要解决的技术问题在于克服现有技术中风光储调频方法没有考虑到风光储数据波动性，导致调频控制精度低的问题。
2、为解决上述技术问题，本专利技术提供了
3、预设风光储系统调频参数，构建风光储联合调频模型；
4、利用风光储联合调频模型，采集风光机组运行数据与电网状态数据；
5、初始化多目标遗传算法参数，根据所述电网状态数据产生初始种群，进行选择、交叉与变异，生成子代种群，直至达到最大迭代次数，获取由当前迭代后的子代种群组成的非支配备选解集；
6、构建调频精度目标函数与调频速度目标函数；
7、基于目标函数，构建解集矩阵，利用topsis算法获取理想解，并计算所述非支配备选解集中所有的非支配备选解与理想解的相对接近度，获取相对接近度最大的非支配备选解为最优折衷解；
8、基于所述最优折衷解所表示的风光储系统中各调频源调频指令，对风光储系统进行调频。
9、在本专利技术的一个实施例中，所述预设风光储系统调频参数，构建风光储联合调频模型，包括：
10、所述风光储系统调频参数包括风光储系统中各个调频源的调频出力上限与调频出力下限、出力时段、平均调频误差、平均调频速度、储能soc上限与储能soc下限、以及储能充电效率与放电效率；
11、所述风光储联合调频模型包括：
12、机组出力约束，表示为：其中，pi表示第i类调频源的调频出力，pi表示第i类调频源的调频出力下限，表示第i类调频源的调频出力上限；i∈{w、p、ees}，w表示风电机组调频源，p表示光伏系统调频源，ees表示储能系统调频源；
13、出力时段约束，表示为：其中，t表示调频源出力时段，ts表示调频源出力开始时间，te表示调频源出力结束时间；
14、储能soc约束，表示为：其中，s(t)表示t出力时段结束时的储能系统soc值，δs(t)表示t出力时段内的储能系统soc值变化量；ηc与ηd分别表示储能系统的充电效率与放电效率，pc与pd分别表示储能系统的充电功率与放电功率，δt表示调频时间步长，erate表示储能系统额定功率；smax与smin分别表示储能soc上限与储能soc下限；
15、潮流约束与节点电压约束，表示为：-θj.max≤θj,t≤θj.max，θref,t＝0，其中，θl,t与θj,t分别表示风光储联合调频模型中节点l与节点j的电压相角，hlj,max表示节点l与节点j的功率限值，θj.max表示相角限值，xlj表示节点l与节点j的电抗，θref,t表示平衡节点相角；g表示节点j所连机组的集合，f表示以节点j为起点的线路集合，e表示以节点j为终点的线路集合；flj,t表示由节点l到节点j的线路(l,j)的电力潮流，正负表示电力潮流的方向；dj,t表示节点j的电力负荷需求。
16、在本专利技术的一个实施例中，所述风光机组运行数据包括风电机组与光伏系统的输出电压、输出电流、输出功率，风机转速；所述电网状态数据包括风光储系统中各调频源调频指令、历史区域控制误差、频率偏差。
17、在本专利技术的一个实施例中，所述初始化多目标遗传算法参数，根据所述电网状态数据产生初始种群，进行选择、交叉与变异，生成子代种群，直至达到最大迭代次数，获取由当前迭代后的子代种群组成的非支配备选解集，包括：
18、初始化多目标遗传算法参数包括初始化种群数量、最大迭代次数、交叉率与变异率；
19、根据所述电网状态数据产生包括各调频源调频指令的初始种群，将各调频源调频指令转换为二进制编码，进行选择、交叉与变异，生成子代种群；子代种群的每一个基因点位随机继承上一代的二进制编码；
20、直到达到最大迭代次数，由当前迭代后的子代种群组成非支配备选解集。
21、在本专利技术的一个实施例中，所述构建调频精度目标函数与调频速度目标函数，包括：
22、调频速度目标函数j1，表示为：
23、调频精度目标函数j2，表示为：
24、其中，k为风光储系统中调频源总数量，pk为第k个调频源的调频出力，vk为第k个调频源的调频速度，qk为第k个调频源的调频精度，k＝1,2,...,k。
25、在本专利技术的一个实施例中，所述基于目标函数，构建解集矩阵，利用topsis算法获取理想解，并计算所述非支配备选解集中所有的非支配备选解与理想解的相对接近度，获取相对接近度最大的非支配备选解为最优折衷解，包括：
26、基于所述调频精度目标函数与所述调频速度目标函数，将m组调频源的n个调频目标构建为解集矩阵(xmn)m*n；
27、其中，n＝2，n＝(1,2)；m表示第m组调频源，即非支配备选解集中的第m个非备选解，包括k个调频源指令；
28、对所述解集矩阵进行归一化处理，获取归一化解集矩阵(tmn)m*n，tmn表示为：
29、对所述归一化解集矩阵进行加权，获取加权解集矩阵(amn)m*n，amn表示为：amn＝ωn×tmn；ωn表示第n个调频目标的权重；
30、基于所述加权解集矩阵，计算正理想解a+与负理想解a-，表示为：
31、
32、计算非支配备选解集中每个非支配备选解与正理想解、负理想解的距离，获取正向距离与负向距离表示为：
33、
34、基于所述正向距离与所述负向距离，计算每个非支配备选解与理想解的相对接近度cm，表示为：
35、
36、将所有非支配备选解的相对接近度由大到小排序，获取相对本文档来自技高网...
【技术保护点】
1.一种风光储联合调频方法，其特征在于，包括：
2.根据权利要求1所述的风光储联合调频方法，其特征在于，所述预设风光储系统调频参数，构建风光储联合调频模型，包括：
3.根据权利要求1所述的风光储联合调频方法，其特征在于，所述风光机组运行数据包括风电机组与光伏系统的输出电压、输出电流、输出功率，风机转速；所述电网状态数据包括风光储系统中各调频源调频指令、历史区域控制误差、频率偏差。
4.根据权利要求1所述的风光储联合调频方法，其特征在于，所述初始化多目标遗传算法参数，根据所述电网状态数据产生初始种群，进行选择、交叉与变异，生成子代种群，直至达到最大迭代次数，获取由当前迭代后的子代种群组成的非支配备选解集，包括：
5.根据权利要求1所述的风光储联合调频方法，其特征在于，所述构建调频精度目标函数与调频速度目标函数，包括：
6.根据权利要求5所述的风光储联合调频方法，其特征在于，所述基于目标函数，构建解集矩阵，利用TOPSIS算法获取理想解，并计算所述非支配备选解集中所有的非支配备选解与理想解的相对接近度，获取相对接近度最大的非
7.根据权利要求1所述的风光储联合调频方法，其特征在于，所述风光储系统包括风电机组虚拟惯量控制系统、光伏系统减载控制系统、储能电池能源管理系统，分别用于控制风电机组、光伏系统与储能系统；
8.根据权利要求1所述的风光储联合调频方法，其特征在于，所述风光储联合调频模型为IEEE39模型。
9.一种风光储联合调频装置，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，执行如权利要求1至8中任意一项所述的风光储联合调频方法的步骤。
...【技术特征摘要】
1.一种风光储联合调频方法，其特征在于，包括：
2.根据权利要求1所述的风光储联合调频方法，其特征在于，所述预设风光储系统调频参数，构建风光储联合调频模型，包括：
3.根据权利要求1所述的风光储联合调频方法，其特征在于，所述风光机组运行数据包括风电机组与光伏系统的输出电压、输出电流、输出功率，风机转速；所述电网状态数据包括风光储系统中各调频源调频指令、历史区域控制误差、频率偏差。
4.根据权利要求1所述的风光储联合调频方法，其特征在于，所述初始化多目标遗传算法参数，根据所述电网状态数据产生初始种群，进行选择、交叉与变异，生成子代种群，直至达到最大迭代次数，获取由当前迭代后的子代种群组成的非支配备选解集，包括：
5.根据权利要求1所述的风光储联合调频方法，其特征在于，所述构建调频精度目标函数与调频速度目标函数，包括：
【专利技术属性】
技术研发人员：李相俊，唐震，李煜阳，宋述停，王上行，王伟，牛萌，杨虹，陈昱同，杨冬冬，郑志宏，柴华，徐玉东，程胤璋，白雪婷，张凯，李小婧，董理科，
申请(专利权)人：国网山西省电力公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。