System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及新能源基地规划,具体涉及一种考虑动态惯性权重混沌粒子群的新能源基地风光火储优化配置策略。
技术介绍
1、在能源安全、生态环境、气候变化等全球性问题日益严峻的形势下,大规模开发和利用风能、太阳能等可再生能源已成为世界各国能源战略的重要选择。
2、但部分地区本地市场消纳空间有限,电网网架偏薄弱,必须建设配套输电工程,通过高电压、远距离输电线路将过剩电能外送至负荷中心进行消纳。针对风电、光伏发电的波动性、间歇性和不可控性,对新能源基地联合外送系统的配置进行优化,达到能够利用风能和太阳能在时域上的互补特性平滑送电曲线,减轻受端的调峰压力,提高电网的电能质量,将成为这些地区常见的能源开发形式,对于促进新能源的消纳和提高系统经济效益具有重要意义。
技术实现思路
1、针对现有的大型新能源基地外送过程中新能源消纳水平不足的问题,本专利技术的目的在于提出了一种基于动态惯性权重混沌粒子群的风光火储新能源基地联合优化配置策略。
2、本专利技术的目的是通过以下技术手段实现的,一种基于动态惯性权重混沌粒子群的风光火储新能源基地联合优化配置策略,其具体实施方式包括如下步骤:
3、1)建立新能源基地联合外送系统的优化配置模型;所述优化配置模型包括目标函数和约束条件;
4、2)在所述优化配置模型的基础上通过平均互补性指标计算最佳风光装机比例,并根据最佳风光装机比例调整优化配置模型;
5、3)调用动态惯性权重混沌粒子群求解步骤2)调整后的优化
6、作为本专利技术的优选方案,所述步骤1)包括以下子步骤:
7、1.1)建立新能源基地联合外送系统的优化配置模型的目标函数,所述目标函数中包含系统等值年收益e与新能源消纳水平μ;
8、1.2)建立新能源基地联合外送系统的优化配置模型的约束条件;所述约束条件包括火电机组约束、电池储能约束、系统运行功率约束以及系统外送功率约束。
9、作为本专利技术的优选方案,所述系统等值年收益e包括年售电收入esell、机组投资运维成本cγω;系统等值年收益e的效益函数为:
10、
11、其中,s是依据净负荷的概率分布使用拉丁超立方抽样技术随机生成的场景集合;ps为每一个随机场景对应的概率.是对每个场景分别求解效益函数f(xs)最大化的优化问题;x为决策变量;
12、系统每年的售电收入esell来源于风电场、光伏电站、火电厂年等值售电收入,具体形式如下:
13、
14、式中:nwt、npv分别为风电场、光伏电站的个数;γsell为不同发电厂售电单价;与分别为在t时刻下第i台风电场与光伏电站的出力功率.ptth为在t时刻下火电厂的发电功率.分别为第i个风电场与光伏电站自配储能在t时刻的发电功率;
15、机组投资运维成本cγω包含机组投资成本cinv、机组运维成本com以及机组燃料费用cfuel:
16、
17、式中:iess、iline分别为储能、线路的年值系数;r为折现率;l为各机组寿命,ess取10a,th取25a,line取30a;cess、cth、cline分别为ess、th与line的投资成本.γp、γs分别为储能功率成本与单位容量成本;γth为火电厂单位容量的建造成本;为火电厂的容量;为第i个储能额定功率与安装容量;γline为单位长度外送功率线路的投资成本;lline为外送功率线路的长度;为外送输电线路的容量;πwt、πpv、πess为风电站、光伏电站、电储能的单位电容运维成本;a、b和c是火电机组的耗煤系数。
18、作为本专利技术的优选方案,所述新能源消纳水平μ表示为:
19、
20、式中,μ为新能源的消纳水平;分别为第i个风电场、光伏站的装机额定功率。
21、作为本专利技术的优选方案,所述火电机组约束为:
22、
23、所述电池储能约束为:
24、
25、所述系统运行功率约束为:
26、
27、所述系统外送功率约束为:
28、
29、式中,分别为火电机组的最大与最小出力功率.rthu、rthd分别为火电机组的最大向上爬坡速率与最大向下滑坡速率;为储能的容量,和为充放电状态的二进制变量,和为储能的最大充电和放电功率,和为储能的最大充电和放电容量,ηess,ch和ηess,dc为储能充电和放电效率,δt为每个时间段的长度;为新能源基地的外送功率的最大值.ηline为新能源基地的外送功率通道利用率的下限.rline为新能源基地的外送功率变化速率限值。
30、作为本专利技术的优选方案,所述步骤2)中通过平均互补性指标计算最佳风光装机比例具体为:风电光伏的装机容量比例的改变会对联合出力互补性造成影响,考虑波动性指标与互补系数指标,根据平均互补性指标定量化分析风光系统的互补特性,从而选取风光容量的最优配比:
31、
32、式中,σwt、σpv为单一风机、光伏出力的标准差,σwt,pv为风光联合发电系统出力的标准差,为风机与光伏在t+1时刻功率变化量的标幺值;k1、k2分别为加权系数;r为折现率;r值波动范围为(0,1),r值越小,说明电站的联合运行时,电站功率变化量相互抵消的越多,有效减小了出力波动,互补运行的效果越好;反之,r值越大,代表多能源类型电站互补运行效果越差。
33、作为本专利技术的优选方案,所述步骤3)中采用多目标粒子群算法求解调整后的优化配置模型中考虑系统等值年收益e与新能源消纳水平μ的多目标决策问题:
34、
35、
36、式中,k为以系统等值年收益与新能源消纳水平为优化问题的参量个数,g为迭代次数,为第i个粒子的第k维变量在第g次迭代的位置与速度,c1、c2为算法的加速因子,r1、r2分别为0-1之间的随机数,pi,k为第i个粒子在第k维中历史搜索的最佳位置,为第g次迭代的第k维变量的群体最佳位置,ω为惯性权重。
37、作为本专利技术的优选方案,在标准多目标粒子群算法初始种群中采用tent映射产生混沌序列来初始化系统等值年收益e与新能源消纳水平μ中的参量从而产生初始混沌变量,多次迭代后生成多个混沌向量,再逐一反映射到自变量的取值区间生成粒子,自变量的取值区间为火电机组约束、电池储能约束、系统运行功率约束以及系统外送功率约束:
38、
39、惯性权重ω设定为在取值区间内随迭代次数线性递减,具体表达形式如下:
40、ω=ωmax-(ωmax-ωmin)g/gmax
41、式中,zp为第p个混沌向量;λ为控制参数,ωmax、ωmin分别为惯性权重的最大值与最小值;gmax为迭代次数的上限。
42、作为本专利技术的优选方案,所述步骤3)中新能源基地风光火储优化配置表示为:
43、
本文档来自技高网...【技术保护点】
1.一种考虑动态惯性权重混沌粒子群的新能源基地风光火储优化配置策略,其特征在于,包括以下步骤:
2.根据权利要求1所述的新能源基地风光火储优化配置策略,其特征在于,所述步骤1)包括以下子步骤:
3.根据权利要求2所述的新能源基地风光火储优化配置策略,其特征在于,所述系统等值年收益E包括年售电收入Esell、机组投资运维成本Cγw;系统等值年收益E的效益函数为:
4.根据权利要求2所述的新能源基地风光火储优化配置策略,其特征在于,所述新能源消纳水平μ表示为:
5.根据权利要求2所述的新能源基地风光火储优化配置方法,其特征在于,所述火电机组约束为:
6.根据权利要求1所述新能源基地风光火储优化配置策略,其特征在于,所述步骤2)中通过平均互补性指标计算最佳风光装机比例具体为:风电光伏的装机容量比例的改变会对联合出力互补性造成影响,考虑波动性指标与互补系数指标,根据平均互补性指标定量化分析风光系统的互补特性,从而选取风光容量的最优配比:
7.根据权利要求3所述的新能源基地风光火储优化配置策略,其特征在于,所述步骤3)
8.根据权利要求7所述的新能源基地风光火储优化配置策略,其特征在于,在标准多目标粒子群算法初始种群中采用Tent映射产生混沌序列来初始化系统等值年收益E与新能源消纳水平μ中的参量从而产生初始混沌变量,多次迭代后生成多个混沌向量,再逐一反映射到自变量的取值区间生成粒子,自变量的取值区间为火电机组约束、电池储能约束、系统运行功率约束以及系统外送功率约束:
9.根据权利要求2所述的新能源基地风光火储优化配置策略,其特征在于,所述步骤3)中新能源基地风光火储优化配置表示为:
...【技术特征摘要】
1.一种考虑动态惯性权重混沌粒子群的新能源基地风光火储优化配置策略,其特征在于,包括以下步骤:
2.根据权利要求1所述的新能源基地风光火储优化配置策略,其特征在于,所述步骤1)包括以下子步骤:
3.根据权利要求2所述的新能源基地风光火储优化配置策略,其特征在于,所述系统等值年收益e包括年售电收入esell、机组投资运维成本cγw;系统等值年收益e的效益函数为:
4.根据权利要求2所述的新能源基地风光火储优化配置策略,其特征在于,所述新能源消纳水平μ表示为:
5.根据权利要求2所述的新能源基地风光火储优化配置方法,其特征在于,所述火电机组约束为:
6.根据权利要求1所述新能源基地风光火储优化配置策略,其特征在于,所述步骤2)中通过平均互补性指标计算最佳风光装机比例具体为:风电光伏的装机容量比例的改变会对联合出力互补性造成影响,考虑...
【专利技术属性】
技术研发人员:呼斯乐,郭向伟,于源,蔡文斌,王渊,南家楠,宋凯洋,高源,杨家强,曹林峰,赵禹灿,
申请(专利权)人:内蒙古电力集团有限责任公司,
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。