【技术实现步骤摘要】
本专利技术涉及风光储容量优化配置，具体涉及一种基于多目标优化模型的风光储容量配置优化方法。
技术介绍
1、随着全球能源转型进程的不断深入，清洁、低碳、安全和高效已成为能源发展的重要方向。以风电和光伏为代表的非水可再生能源机组的发电原理、控制方式、并网设备等均与常规机组有较大差别，高比例可再生能源电力系统在规划发展、消纳方式等方面均发生深刻变化，其中最具代表性的表现是，当新能源出力较大时，会显著改变电网的净负荷特性，加上现阶段消纳机制的限制，需采取弃风、弃光等调峰策略；为应对未来高比例可再生能源电力系统面临的诸多挑战，核心是解决可再生能源间歇性和波动性对电网安全稳定运行的影响，储能灵活的调节能力是应对上述挑战的有效手段，在不同的运行策略下可以实现调峰、平抑波动、能量搬移等功能，也就是将可再生能源生产和消纳环节的解耦，提高能源利用效率、促进新能源消纳，因此，和单个新能源发电系统相比，风光储联合发电系统的优势更为明显。
2、风光储联合发电系统主要分为离网型和并网型，离网型主要应用场景为孤岛及偏远的地区，即无法连接到电网的地区，与离网型光储和风储系统相比，离网型风光储系统的经济性更好，与并网的系统相比，大多数离网的风光储发电系统都添加了柴油发动机，这样可以保证电力供应的可靠性，并网型的风光储系统将电网视作备用电源，当发电系统中有多余的电力时，它被送入电网，当供电不足时，由电网提供。
3、如何合理配置联合发电系统中每个能源的容量是目前研究的热点问题，在离网型风光储系统容量规划方面，hussein mohammed
4、在设计规划混合系统的现有技术中，虽然考虑到了配置、储能系统、优化目标、求解方法等方面的内容，但是其技术缺陷主要存在两个方面：(1)以上容量配置研究基本只考虑系统经济性，并仅在求解算法上不断优化，但是在建模过程中，对系统的安全性、可靠性和社会性因素等考虑较少；(2)风光出力在时间和空间尺度上具有明显的资源互补作用，并且随着区域规模的增加，互补特性将越来越明显，充分挖掘风光出力的时空互补作用，能显著降低全网新能源出力的随机波动，但是以上研究在容量配置过程中忽略了资源本身的互补特性，削峰填谷的任务完全由储能完成，这样增加了系统的成本，降低了资源利用率。
技术实现思路
1、为了解决现有技术中存在的问题，本专利技术提供一种基于多目标优化模型的风光储容量配置优化方法，该方案包括：根据风光储系统的工作方式建立风光储容量优化配置模型；以风光储系统成本最小为目标建立第一目标函数；以风光储系统性能最优为目标建立第二目标函数；根据第一目标函数和第二目标函数得到风光储优化配置模型的多目标函数；利用wgan-gp算法生成风光储系统的多个出力场景，采用麻雀搜索方法对风光储系统风光储容量优化配置模型求解最优解；得到每个出力场景对应风光储最优容量配置。本专利技术构建的优化模型兼顾经济性、互补性及可靠性，能够在充分挖掘资源禀赋的基础上进行配储，能有效提高新能源利用率，具有更明显的经济性和可靠性优势。
2、本专利技术采用如下技术方案，一种基于多目标优化模型的风光储容量配置优化方法，包括：
3、根据风光储系统的工作方式建立风光储容量优化配置模型；
4、以风光储系统成本最小为目标建立所述风光储容量优化配置模型的第一目标函数；
5、以风光储系统性能最优为目标建立所述风光储容量优化配置模型的第二目标函数；
6、根据所述第一目标函数和第二目标函数得到风光储优化配置模型的多目标函数；
7、利用wgan-gp算法生成风光储系统的多个出力场景，在每个出力场景下采用麻雀搜索方法对所述风光储系统的风光储容量优化配置模型求解最优解；得到每个出力场景对应的风光储最优容量配置。
8、进一步的，以风光储系统成本最小为目标建立所述风光储容量优化配置模型的第一目标函数，具体为：
9、所述第一目标函数为：minctotal＝min(cin+com+cpe-cse-cep)
10、式中，cin为初始投资成本，com为系统年运行维护成本，cpe为主网购电成本，cse为售电收益，cep为环保收益。
11、进一步的，以风光储系统性能最优为目标建立所述风光储容量优化配置模型的第二目标函数，具体为：
12、所述第二目标函数为：mincpara＝min(α1ηcp+α2ηlp-α3ηmr)；
13、其中，α1，α2，α3是各个指标的权重，ηcp表示风光互补率，ηlp表示负荷失电率，ηmr表示负荷匹配率。
14、进一步的，所述风光储容量优化配置模型还包括：
15、设置约束条件，包括风光储装机容量约束：
16、
17、
18、
19、风光储出力约束：
20、0≤pwt(t)≤wwtfwt
21、0≤ppv(t)≤wpvfpv
22、0≤pbs(t)≤wbsfbs
23、储能荷电约束：
24、参数约束：
25、
26、
27、
28、式中，分别是风光储各系统容量的最大值，和是储能系统荷电状态的上限和下限；为风光互补的极值；是最大负荷失电率，是风光储系统的最低负荷匹配率。
29、进一步的，所述风光储系统的出力场景包括：光弱无风型场景，光强风平型场景，光平风强型场景，光强无风型场景，光强风弱型场景，光弱风平型场景，光平风弱型场景以及光平风平型场景。
30、进一步的，所述风光储容量优化配置模型还包括：
31、能量策略：风光储系统运行时，将储能的初始容量设置为额定容量的50％，当风光联合出力不足时，由储能放电本文档来自技高网...
【技术保护点】
1.一种基于多目标优化模型的风光储容量配置优化方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多目标优化模型的风光储容量配置优化方法，其特征在于：以风光储系统成本最小为目标建立所述风光储容量优化配置模型的第一目标函数，具体为：
3.根据权利要求1所述的一种基于多目标优化模型的风光储容量配置优化方法，其特征在于：以风光储系统性能最优为目标建立所述风光储容量优化配置模型的第二目标函数，具体为：
4.根据权利要求1所述的一种基于多目标优化模型的风光储容量配置优化方法，其特征在于：所述风光储容量优化配置模型还包括：
5.根据权利要求1所述的一种基于多目标优化模型的风光储容量配置优化方法，其特征在于：所述风光储系统的出力场景包括：光弱无风型场景，光强风平型场景，光平风强型场景，光强无风型场景，光强风弱型场景，光弱风平型场景，光平风弱型场景以及光平风平型场景。
6.根据权利要求1所述的一种基于多目标优化模型的风光储容量配置优化方法，其特征在于：所述风光储容量优化配置模型还包括：
【技术特征摘要】
1.一种基于多目标优化模型的风光储容量配置优化方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多目标优化模型的风光储容量配置优化方法，其特征在于：以风光储系统成本最小为目标建立所述风光储容量优化配置模型的第一目标函数，具体为：
3.根据权利要求1所述的一种基于多目标优化模型的风光储容量配置优化方法，其特征在于：以风光储系统性能最优为目标建立所述风光储容量优化配置模型的第二目标函数，具体为：
4.根据权利要求1所述的一种基于多...
【专利技术属性】
技术研发人员：马晓梅，刘永前，袁娇，阎洁，韩爽，王函，
申请(专利权)人：青海师范大学，
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。