本发明专利技术公开了一种基于改进灰狼算法的复合型储能系统容量优化配置方法,包括步骤:S1、构建IMGWO算法模型;S2、构建储能系统容量配置模型;S3、采集现有风电场和光电场年度风光电出力数据;S4、利用IMGWO算法模型,依据年度风光电出力数据,求解最优弃风弃光量和储能系统最小初始投资;S5、实现最佳的储能系统容量配置方案。本发明专利技术通过构建基于粒子群小生境技术改进的多目标灰狼优化IMGWO算法的模型,采用粒子群小生境技术改进的多目标灰狼算法求解最优储能容量配置方案,侧重于新能源发电侧储能配置,考虑经济性和风光消纳能力,开展多目标储能优化配置,能够有效消纳风光,且具有较好的经济性。
【技术实现步骤摘要】
本专利技术涉及储能系统容量优化配置,尤其涉及一种基于改进灰狼算法的复合型储能系统容量优化配置方法。
技术介绍
1、随着2030碳达峰、2060碳中和目标的提出,构建以新能源为主体的新型电力系统成为目前发展的主要方向,新能源得到快速发展。但风光出力具有波动性、随机性和间歇性,新能源消纳成为电网面临的突出问题。
2、近年来,储能设备逐步突破关键技术,技术性能逐年提升,投资成本逐年下降。在新能源侧合理配置储能,对减少弃风弃光、提高新能源消纳具有重要意义。但在新能源侧配置储能的相关研究中,大多出于电网侧规划角度,而同时考虑减少弃风弃光及储能经济性的多目标问题较少。因此,需要一种综合考虑储能消纳风光的能力及其经济性的储能容量配置优化方法。
3、文献号为cn114498699a的专利文献公开一种减小弃风的梯次利用储能系统容量配置方法,结合退役动力电池二次利用流程,建立梯次利用储能系统全寿命周期成本估算方法;在梯次利用动力电池为储能元件的情况下,综合考虑风电消纳收益、运行效益和环境效益,以储能功率约束、储能容量约束、功率平衡约束、弃风功率约束、发电机组出力约束为约束条件,构建梯次利用电池储能系统容量配置模型;依据实际风电数据分析配置梯次利用储能系统对风电的接纳能力,得到梯次利用储能系统的最优配置方案,并对最优配置方案进行经济性评估。该申请方法可以减少弃风率,增加运行效益。但同时存在:1、对弃风量没有进行优化运算;2、储能系统初始投资未进行优化,储能系统建设经济性差。
技术实现思路p>1、本专利技术的目的在于提供一种基于改进灰狼算法的复合型储能系统容量优化配置方法,通过求解最优弃风弃光量和储能系统最小初始投资,获取最佳的储能系统容量配置方案,提高储能系统建设的经济性。
2、本专利技术的目的可以通过以下技术方案实现:一种基于改进灰狼算法的复合型储能系统容量优化配置方法,包括以下步骤:
3、s1、构建基于粒子群小生境技术改进的多目标灰狼优化imgwo算法模型;
4、s2、构建以弃风弃光量和储能系统最小初始投资为目标的储能系统容量配置模型;
5、s3、采集现有风电场和光电场年度风光电出力数据;
6、s4、利用imgwo算法模型,依据年度风光电出力数据,求解最优弃风弃光量和储能系统最小初始投资;
7、s5、依据最优弃风弃光量和储能系统最小初始投资数据,实现最佳的储能系统容量配置方案。
8、进一步地:所述s1中imgwo算法为:
9、灰狼欧式距离为:
10、
11、其中,xi、xj分别为第i、j个灰狼,xik、xjk分别为第i、j个灰狼对应粒子群中的第k个粒子,k=1,2,…,n,n为每个灰狼对应的粒子数;
12、当dij<rch时,适应度为:
13、
14、其中,rch为粒子群小生镜半径,fi为第i个灰狼的原始适应度,s(dij)为共享函数,m为粒子群小生境灰狼个体数;
15、当dij<rch时,共享函数s(dij)为:
16、
17、其中,λ为形状参数;
18、映射的迭代数学公式为:
19、
20、其中,为混沌变量,μ为权重系数。
21、进一步地:所述s2中弃风弃光量和储能系统初始投资最小为目标的多目标储能容量配置模型包括:
22、储能系统容量配置多目标函数:
23、minf=[f1,f2]
24、其中,f1为储能系统投资成本,f2为弃风弃光电量;
25、储能系统投资成本f1为:
26、
27、其中,ps为储能额定功率;es为储能额定容量;为储能系统的单位功率投资成本;为储能系统的单位容量投资成本;
28、弃风弃光电量f2为:
29、
30、其中,pdg,t和分别为风电场和光电场在t时间段内的实际出力之和与理论出力之和;ps,t为储能系统在t时间段内的充放电功率,当储能系统充电时,ps,t为正值;和分别为风电场和光电场在t时间段内的理论出力;pw,t和ppv,t分别为风电场和光电场在t时间段内的实际出力;
31、风电场出力约束为:
32、
33、其中,为t时刻风电场最大出力。
34、光电场出力约束为:
35、
36、其中,为t时刻光电场最大出力。
37、储能系统荷电状态soc约束为:
38、socmin≤soc,t≤socmax
39、其中,socmin为储能系统最小剩余容量时的荷电状态;socmax为储能系统最大剩余容量时的荷电状态;
40、储能系统充放电功率约束为:
41、
42、其中,为风光电场消纳需求;ps,max为储能系统最大充放电功率。
43、储能充放电状态约束为:
44、
45、其中,为储能系统充电状态;为储能系统放电状态。
46、进一步地:所述s4中求解最优弃风弃光量和储能系统最小初始投资流程为:
47、s1、初始化狼群位置;
48、s2、计算适应度函数获取头狼位置;
49、s3、计算狼群的欧式距离构建小生境竞争,轮盘赌选择代表性个体;
50、s4、进行混沌变异操作及狼群围捕猎杀后,再次进行适应度计算;
51、s5、若不满足适应度要求,则在此基础上重复s2-s4,直至达到适应度要求输出最优解。
52、本专利技术的有益效果:
53、1、本专利技术提出的基于粒子群小生境技术改进的多目标灰狼优化算法的复合型储能系统容量配置优化方法,通过构建基于粒子群小生境技术改进的多目标灰狼优化imgwo(improved multi-target gray wolf optimization)算法的模型,建立以弃风弃光量和储能初始投资最小为目标的多目标储能容量配置模型,采集安徽某风光电站年度风光出力等数据,采用粒子群小生境技术改进的多目标灰狼算法求解最优储能容量配置方案。本专利技术侧重于新能源发电侧储能配置,考虑经济性和风光消纳能力,开展多目标储能优化配置,能够有效消纳风光,且具有较好的经济性。
54、2、本专利技术提出的基于粒子群小生境技术改进的多目标灰狼优化算法的复合型储能系统容量配置优化方法,在灰狼算法的基础上对其进行改进,引入小生境处理机制,将其多样性及自我调节能力特性引到gwo算法中,提高了gwo算法的全局探索能力,避免陷于局部解。
55、3、本申请imgwo算法模型,是利用粒子群小生境技术对多目标灰狼算法的改进,在灰狼算法的基础上引入小生境处理机制,将其多样性及自我调节能力特性引到gwo算法中,提高了gwo算法的全局探索能力,避免陷于局部解,利用imgwo算法模型,可以获取最优的弃本文档来自技高网
...
【技术保护点】
1.一种基于改进灰狼算法的复合型储能系统容量优化配置方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于改进灰狼算法的复合型储能系统容量优化配置方法,其特征在于:所述S1中IMGWO算法为:
3.根据权利要求1所述的一种基于改进灰狼算法的复合型储能系统容量优化配置方法,其特征在于:所述S2中弃风弃光量和储能系统初始投资最小为目标的多目标储能容量配置模型包括:
4.根据权利要求1所述的一种基于改进灰狼算法的复合型储能系统容量优化配置方法,其特征在于:所述S4中求解最优弃风弃光量和储能系统最小初始投资流程为:
【技术特征摘要】
1.一种基于改进灰狼算法的复合型储能系统容量优化配置方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于改进灰狼算法的复合型储能系统容量优化配置方法,其特征在于:所述s1中imgwo算法为:
3.根据权利要求1所述的一种基于改进灰狼算法的复合...
【专利技术属性】
技术研发人员:徐斌,程登峰,赵文广,王小明,洪剑峰,彭勃,倪静怡,马伟,丁石川,雷杨,赵纪峰,吴亚楠,卢晶,
申请(专利权)人:国网安徽省电力有限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。