【技术实现步骤摘要】
本专利技术涉及新能源控制，尤其涉及一种风光氢耦合系统容量优化配置方法及装置。
技术介绍
1、近些年来，新能源发电的使用愈发受到重视，为平抑风力发电及光伏发电的波动性，避免大量弃风弃光及使用风力发电与光伏发电进行负荷供应时的负荷中断现象，风光氢耦合系统得以逐渐发展，风光氢耦合系统可以有效地解决可再生能源的间歇性和不稳定性问题，提高可再生能源的利用率和经济性，实现能源的清洁转化和储存等。但风光氢耦合系统同样存在一系列挑战，相关技术成熟度不高，需要加强关键技术的研发和创新，提高系统效率和可靠性。
2、目前，应用风光氢耦合系统工作时，如何合理配置其容量是个关键性的问题，须结合实际负荷需求进行设计，而对于耦合系统容量优化配置还不够成熟，且多数只考虑整体系统收益情况，导致无法在风光耦合发电站中实现制氢、储氢及燃料电池的最佳容量配比以及系统内部跟踪日前发电计划的优化调度，并且现有技术中还有利用粒子群算法进行优化配置时，配置结果可能收敛于局部最优，并不一定非常可靠，可多次实验，同时计算的时候迭代次数不可过少以免结果不够可靠，但过多时虽然结果可能更为准确但也耗费更多时间，同时算法中考虑的装置损耗、能量传输效率等均比较理想，与实际结果可能存在一定误差，从而无法提高耦合系统的可靠性，并且降低了优化配置调度的效率。
3、因此，目前亟需一种能够提高耦合系统的可靠性、优化配置调度的准确性和效率的方法。
技术实现思路
1、本专利技术提供了一种风光氢耦合系统容量优化配置方法及装置，以解决现
2、为了解决上述技术问题，本专利技术实施例提供了一种风光氢耦合系统容量优化配置方法，包括：
3、获取风光氢耦合系统的负荷数据、收益数据和弃风弃光量；
4、根据所述负荷数据、收益数据和弃风弃光量，构建以负荷供应中断率最低、弃风弃光率最低和收益数据最高为目标的优化函数；
5、通过粒子群算法对所述优化函数进行求解，从而得到风光氢耦合系统的最优容量配置，并根据所述最优容量配置对所述风光氢耦合系统进行容量优化。
6、作为优选方案，还包括：
7、获取气象数据，并将所述气象数据作为输入，基于预设的bp神经网络预测得到未来一段时间的风力发电功率和光伏发电功率；其中，预设的bp神经网络包括风力发电bp神经网络和光伏发电bp神经网络；
8、根据预测得到的风力发电功率和光伏发电功率，得到风力发电装置对应的负荷信息以及光伏发电装置对应的负荷信息。
9、作为优选方案，所述通过粒子群算法对所述优化函数进行求解，从而得到风光氢耦合系统的最优容量配置，具体为：
10、将风力发电装置对应的负荷信息以及光伏发电装置对应的负荷信息，输入至所述优化函数中，并通过粒子群算法对输入了负荷信息的优化函数进行求解，从而得到在未来一段时间内的最优容量配置。
11、作为优选方案，所述预设的bp神经网络的构建方法，包括：
12、分别获取光伏发电装置和风力发电装置的历史数据；其中，所述历史数据包括：气象数据和对应装置的发电功率，每一个时刻对应的气象数据均存在有一个对应的发电功率；
13、构建初始的bp神经网络，将所述历史数据分为训练集数据、验证集数据和测试集数据，并利用训练集数据中的气象数据作为输入，发电功率作为输出，来对所述初始的bp神经网络进行训练，以及利用验证集数据对训练得到的bp神经网络进行验证；其中，初始的bp神经网络包括分别对应于光伏发电装置和风力发电装置的初始bp神经网络；
14、利用测试集数据将验证后的bp神经网络进行测试，从而得到分别对应于光伏发电装置和风力发电装置的最终的bp神经网络。
15、作为优选方案，在所述得到风光氢耦合系统的最优容量配置之后，还包括：
16、对所述最优容量配置进行仿真验证，以使得对所述风光氢耦合系统的负荷供应中断率、收益以及弃风弃光率进行验证。
17、作为优选方案，所述通过粒子群算法对所述优化函数进行求解，具体为：
18、将所述优化函数的解作为粒子，从而初始化粒子；
19、根据该初始化后的粒子对所述优化函数进行求解评估，以使得评估各粒子位置是否达到全局最优的位置；
20、若是，则将当前的粒子作为优化函数的实际解；
21、若否，则根据当前最优位置更新粒子速度和位置，从而评估每个粒子适应值，以使得根据评估结果更新各粒子的历史最优位置，进而更新全体粒子的历史最优位置，直至评估得到各粒子位置达到全局最优的位置后，将更新后的当前的粒子作为优化函数的实际解。
22、作为优选方案，所述收益数据对应的函数为：
23、callx＝csellx+csubx-cbuyx-cbreakx-cinvx-crunx-cwastex
24、其中，callx为收益函数；csellx为售电收益；csubx为补贴数据；cbuyx为购电成本；cbreakx为负荷中断惩罚费用；cinvx为投资费用；crunx为平均投资维护成本；cwastex为弃风弃光惩罚费用。
25、相应地，本专利技术还提供一种风光氢耦合系统容量优化配置装置，包括：获取模块、优化模块和求解模块；
26、所述获取模块，用于获取风光氢耦合系统的负荷数据、收益数据和弃风弃光量；
27、所述优化模块，用于根据所述负荷数据、收益数据和弃风弃光量，构建以负荷供应中断率最低、弃风弃光率最低和收益数据最高为目标的优化函数；
28、所述求解模块，用于通过粒子群算法对所述优化函数进行求解，从而得到风光氢耦合系统的最优容量配置，并根据所述最优容量配置对所述风光氢耦合系统进行容量优化。
29、相应地，本专利技术还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上任意一项所述的风光氢耦合系统容量优化配置方法。
30、相应地，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任意一项所述的风光氢耦合系统容量优化配置方法。
31、相比于现有技术，本专利技术实施例具有如下有益效果：
32、本专利技术的技术方案通过获取风光氢耦合系统的负荷数据、收益数据和弃风弃光量，构建了一个以负荷供应中断率最低、弃风弃光率最低和收益数据最高为目标的优化函数，能够更好地反映系统的实际情况，并利用粒子群算法对该优化函数进行求解，得到风光氢耦合系统的最优容量配置，通过粒子群算法能够得到全局最优解，避免了局部最优解的问题，提高了容量配置的可靠性，并且通过同时考虑负荷供应中断率、弃风弃光率和收益数据的指标，可以实现系统的综合效益最大化，提高耦合系统的可持续性，最后根据最优容量配置对风本文档来自技高网...
【技术保护点】
1.一种风光氢耦合系统容量优化配置方法，其特征在于，包括：
2.如权利要求1所述的一种风光氢耦合系统容量优化配置方法，其特征在于，还包括：
3.如权利要求2所述的一种风光氢耦合系统容量优化配置方法，其特征在于，所述通过粒子群算法对所述优化函数进行求解，从而得到风光氢耦合系统的最优容量配置，具体为：
4.如权利要求2或3所述的一种风光氢耦合系统容量优化配置方法，其特征在于，所述预设的BP神经网络的构建方法，包括：
5.如权利要求1所述的一种风光氢耦合系统容量优化配置方法，其特征在于，在所述得到风光氢耦合系统的最优容量配置之后，还包括：
6.如权利要求1所述的一种光氢耦合系统容量优化配置方法，其特征在于，所述通过粒子群算法对所述优化函数进行求解，具体为：
7.如权利要求1所述的一种光氢耦合系统容量优化配置方法，其特征在于，所述收益数据对应的函数为：
8.一种风光氢耦合系统容量优化配置装置，其特征在于，包括：获取模块、优化模块和求解模块；
9.一种终端设备，其特征在于，包括处理器、存储器以及
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的风光氢耦合系统容量优化配置方法。
...【技术特征摘要】
1.一种风光氢耦合系统容量优化配置方法，其特征在于，包括：
2.如权利要求1所述的一种风光氢耦合系统容量优化配置方法，其特征在于，还包括：
3.如权利要求2所述的一种风光氢耦合系统容量优化配置方法，其特征在于，所述通过粒子群算法对所述优化函数进行求解，从而得到风光氢耦合系统的最优容量配置，具体为：
4.如权利要求2或3所述的一种风光氢耦合系统容量优化配置方法，其特征在于，所述预设的bp神经网络的构建方法，包括：
5.如权利要求1所述的一种风光氢耦合系统容量优化配置方法，其特征在于，在所述得到风光氢耦合系统的最优容量配置之后，还包括：
6.如权利要求1所述的一种光氢耦合系统容量优化配置方法，其特征在于，所述通过粒子群算法对所...
【专利技术属性】
技术研发人员：雷二涛，张浚坤，金莉，马凯，谭令其，李盈，李歆蔚，
申请(专利权)人：广东电网有限责任公司，
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。