【技术实现步骤摘要】
本专利技术涉及联合发电系统能量管理，具体涉及一种风光储联合发电系统的能量控制方法及装置。
技术介绍
1、目前，可再生能源装机规模和发电占比不断提高，同时，电力系统逐步向智能化、信息化运维方向发展，最终将构建以可再生能源为主体的新型智能电力系统，其中，风光储联合发电系统将是未来区域电力系统的一种形式。
2、然而，随着可再生能源占比提高引起的不确定性和间歇性，联合发电系统具有多线性约束和非线性约束，储能装置的运行约束以及短期负荷的波动幅度日益增加等问题，传统的能量管理方法在求解该系统时计算量大、耗时长，且极易陷入局部最优。此外，锂电池储能在高功率输出和长周期使用时可能出现容量衰减和寿命缩短的问题；超级电容器储能虽然具有高功率输出和长寿命的优势，但能量密度较低，无法满足长时间供电需求。因此，联合发电系统能量管理方法尤为重要。能量管理优化过程包括筛选和寻优两个阶段。筛选阶段优化方法在可行域内进行广泛搜索，以筛选可能得到满足系统最优解的区域。寻优阶段旨在该区域进行更深入的搜索，以找到最优解。但这两个阶段是矛盾的，如何考虑联合系统各种约束平衡筛选和寻优两个阶段，以找到全局最优解而不陷入局部最优是目前该领域的难题。
技术实现思路
1、为了克服上述缺陷，本专利技术提出了一种风光储联合发电系统的能量控制方法及装置。
2、第一方面，提供一种风光储联合发电系统的能量控制方法，所述风光储联合发电系统的能量控制方法包括：
3、采用黄雀优化算法求解预先构建的联合发电系统优化
4、将所述联合发电系统的能量控制优化结果作为运行方案，对所述联合发电系统进行调控；
5、其中，所述能量控制优化结果包括：各时刻输出电压和频率。
6、优选的，所述联合发电系统包括：风力发电子系统、光伏发电子系统、电化学储能系统和超级电容器储能系统。
7、优选的，所述预先构建的联合发电系统优化运行模型包括：以系统电压、频率波动率最小且合格率最大为目标的目标函数及其对应的线性化约束条件。
8、进一步的，所述目标函数如下：
9、
10、上式中，uhg、△u分别为电压合格率和电压波动幅度，为电压超上限时间，为电压超下限时间，为第一总运行时间，ut为t时刻输出电压值，un为联合发电系统直流母线额定电压，fhg、△f分别为频率合格率和频率波动幅度，为频率超上限时间，为频率超下限时间，为第二总运行时间，ft为t时刻频率值，fn为联合发电系统交流母线额定频率。
11、进一步的，所述线性化约束条件如下：
12、
13、
14、上式中，为混合储能系统最大放电功率，为t时刻混合储能系统充电功率，m为预设常数，为混合储能系统最大放电功率，为t时刻混合储能系统放电功率，socss,t为t时刻混合储能系统电池荷电状态，socss,min为混合储能系统最小电池荷电状态，socss,max为混合储能系统最大电池荷电状态，ppv,t为t时刻光伏发电子系统输出功率，pwt,t为t时刻风力发电子系统输出功率，pb,t为t时刻系统向外购买功率，ps,t为t时刻系统向外售出功率，为t时刻电化学储能系统充电功率，为t时刻电化学储能系统放电功率，pl,t为t时刻系统电能负荷功率，为大m法中定义的人工变量，取值为0或1，分别为混合储能系统充、放电功率约束的对偶变量，分别为混合储能系统充、放电soc约束的对偶变量，为联合发电系统能量平衡约束的对偶变量。
15、进一步的，所述混合储能系统充、放电功率约束的对偶变量满足下式：
16、
17、所述混合储能系统充、放电soc约束的对偶变量满足下式：
18、
19、所述联合发电系统能量平衡约束的对偶变量满足下式：
20、
21、上式中，⊥为正交向量。
22、优选的，所述采用黄雀优化算法求解预先构建的联合发电系统优化运行模型，包括：
23、步骤1.设置初始参数t，p，sentry，scale，n，t和r，其中，p为控制随机行为方向的参数，sentry为报警系数，sentry∈[0,1]，scale是初始标准差，scale∈[0,1]，n为种群规模，t为总迭代次数，r为初始步长，t为当前迭代次数，t＝0；
24、步骤2.利用预设联合发电系统的能量控制优化结果建立初始种群x＝[x1 x2 …xi … xn]，xi为个体i，xi＝[xi1 xi2 … xij … xid]，xij为个体i在联合发电系统中第j个约束维度下的正态分布概率密度随机数，d为联合发电系统中约束维度，并按下式确定个体i在第t次迭代时的位置
25、
26、上式中，rand为正态分布概率密度随机数，满足均值loc＝0.5，标准差scale＝0.3，ub是初始种群x的上边界，lb是初始种群x的下边界；
27、步骤3.进行全局寻优，得到联合发电系统的能量控制优化结果。
28、进一步的，所述步骤3，包括：
29、步骤3-1.基于rand，p，sentry更新个体i在第t+1次迭代时的位置xit+1；
30、步骤3-2.种群优化；
31、步骤3-3.判断t是否等于t，若是，结束优化求解，输出联合发电系统的能量控制优化结果，否则，令t＝t+1并返回所述步骤3-1。
32、进一步的，所述步骤3-1，包括：
33、当rand<sentry时且p≤rand时，按下式更新个体i在第t+1次迭代时的位置
34、
35、当rand<sentry时且p>rand时，按下式更新个体i在第t+1次迭代时的位置
36、
37、上式中，xi0为个体i的初始位置，step为第t次迭代的步长，为个体p在第t次迭代时的位置；
38、当rand≥sentry时且时，按下式更新个体i在第t+1次迭代时的位置
39、
40、当rand≥sentry时且时，按下式更新个体i在第t+1次迭代时的位置
41、
42、上式中，div为增加个体搜索范围的随机偏差，div＝rand+1，为第t次迭代中的危险位置，为第t次迭代中的历史全局最优位置，为第t次迭代中的危险位置的适应度函数，为个体i在第t次迭代的适应度函数；
43、当p≥rand时，按下式更新个体i在第t+1次迭代时的位置
44、
45、式中，s为lévy飞行步长。
46、进一步的，所述lévy飞行步长如下：
47、
48、上式中，u和v为正态分布随机数，u和v的标准差αu和αv如下：
49、
50、上式中，γ为伽玛函数，β为标准差参数，
51、进一步的，所述本文档来自技高网...
【技术保护点】
1.一种风光储联合发电系统的能量控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述联合发电系统包括：风力发电子系统、光伏发电子系统、电化学储能系统和超级电容器储能系统。
3.如权利要求1所述的方法，其特征在于，所述预先构建的联合发电系统优化运行模型包括：以系统电压、频率波动率最小且合格率最大为目标的目标函数及其对应的线性化约束条件。
4.如权利要求3所述的方法，其特征在于，所述目标函数如下：
5.如权利要求3所述的方法，其特征在于，所述线性化约束条件如下：
6.如权利要求5所述的方法，其特征在于，所述混合储能系统充、放电功率约束的对偶变量满足下式：
7.如权利要求1所述的方法，其特征在于，所述采用黄雀优化算法求解预先构建的联合发电系统优化运行模型，包括：
8.如权利要求7所述的方法，其特征在于，所述步骤3，包括：
9.如权利要求8所述的方法，其特征在于，所述步骤3-1，包括：
10.如权利要求9所述的方法，其特征在于，所述Lévy飞行步长如下
11.如权利要求10所述的方法，其特征在于，所述步骤3-2，包括：
12.如权利要求9所述的方法，其特征在于，所述第t次迭代中的危险位置如下：
13.一种风光储联合发电系统的能量控制装置，其特征在于，所述装置包括：
14.一种计算机设备，其特征在于，包括：一个或多个处理器；
15.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至12中任意一项所述的风光储联合发电系统的能量控制方法。
...【技术特征摘要】
1.一种风光储联合发电系统的能量控制方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述联合发电系统包括：风力发电子系统、光伏发电子系统、电化学储能系统和超级电容器储能系统。
3.如权利要求1所述的方法，其特征在于，所述预先构建的联合发电系统优化运行模型包括：以系统电压、频率波动率最小且合格率最大为目标的目标函数及其对应的线性化约束条件。
4.如权利要求3所述的方法，其特征在于，所述目标函数如下：
5.如权利要求3所述的方法，其特征在于，所述线性化约束条件如下：
6.如权利要求5所述的方法，其特征在于，所述混合储能系统充、放电功率约束的对偶变量满足下式：
7.如权利要求1所述的方法，其特征在于，所述采用黄雀优化算法求解预先构建的联合发电系统...
【专利技术属性】
技术研发人员：杨波，桑丙玉，李克成，陶以彬，吴福保，朱少杰，李建林，王茜，孙博，杨志豪，
申请(专利权)人：中国电力科学研究院有限公司，
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。