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】
本专利技术属于微电网,具体涉及一种离网型微电网中混合储能容量优化配置方法及系统。
技术介绍
1、在微电网中,光伏发电与风力发电均具有随机性,为保证供电的可靠性,需要在系统中配置一定的储能单元来维持实时功率的平衡,保证微电网供电的可靠性。而目前国内外学者针对并网型微电网混合储能系统容量优化配置有较多的研究,譬如以下几类现有技术:
2、(1)针对风光储并网型微电网,提出了基于“氢储能+蓄电池”的混合储能系统,在充分阐析微电网中分布式电源、储能系统数学模型的基础上,从全生命周期成本角度建立微电网混合储能系统容量优化配置模型。
3、(2)采用蓄电池与超级电容构成混合储能系统,采用经验模态分解对储能总出力进行分解,以配置综合成本最小为目标,构建混合储能容量优化配置模型。
4、(3)在综合考虑电解槽、超级电容的工作特性基础上,建立了基于超级电容荷电状态的混合储能系统协调控制策略,提出的容量优化配置及运行控制策略,并以风电场两个典型日为例,混合储能系统对风电输出功率进行功率平抑,有效平抑风电功率波动,减少上网功率对电网的扰动。
5、然而,针对离网型混合储能系统的优化研究的较少。
技术实现思路
1、本专利技术的目的是提出一种离网型混合储能系统的混合储能容量优化配置方法,其中,选择锂电池和超级电容器组建混合储能系统,综合考虑储能系统的全寿命周期成本、电量平衡、功率平衡以及荷电状态建立混合储能系统的容量优化模型,并运用改进粒子群算法对离网型微电网进行容量
2、一方面,本专利技术提供的一种离网型微电网中混合储能容量优化配置方法,包括以下步骤:
3、获取当前离网型微电网混合储能系统的系统参数,如锂电池模组容量、端电压等,其中,所述离网型微电网混合储能系统采用锂电池与超级电容器进行储能;
4、构建离网型微电网混合储能系统的容量优化目标函数;
5、以所述容量优化目标函数构建适应度函数,以及以目标函数中锂电池和超级电容的配置参数作为粒子位置,引入粒子群优化算法得到最优目标下锂电池和超级电容的最优配置参数;
6、依据所述锂电池和超级电容的最优配置参数进行配置。
7、进一步可选地,所述容量优化目标函数为离网型微电网混合储能系统的全寿命周期成本最小,进而将离网型微电网混合储能系统的全寿命周期成本作为适应度函数。
8、进一步可选地,所述容量优化目标函数表示为:
9、lcc=min(c1+c2+c3)
10、式中,lcc为储能系统的全寿命周期成本;c1为储能系统初始投资成本;c2为储能系统养护成本;c3为储能系统更换成本,且满足如下:
11、c1=m1eli+m2esc
12、c2=n(k1eli+k2esc)
13、c3=nm1eli-nmczeli
14、式中,m1、m2分别为锂电池和超级电容器的单位容量投资;n为储能系统运行总年数;k1为锂电池年运维费用;k2为超级电容器年运维费用;n分别为锂电池更换次数,mcz为锂电池的单位回收残值;eli、esc分别为锂电池的存储的电量、超级电容器存储的电能,且满足如下:
15、
16、
17、式中,cli为锂电池模组容量、uli为端电压、nli的锂电池模组数量;超级电容器电压的变化区间为[ucmin,ucmax],c为超级电容器的电容量。
18、进一步可选地,所述粒子群优化算法为递减惯性权重粒子群优化算法,其中,惯性权重的递减公式如下:
19、
20、式中:ωstart为初始惯性权重;ωend为最终惯性权重;d为当前迭代次数;k为最大迭代次数。
21、进一步可选地,所述容量优化目标函数的约束条件包括:能量不足的约束、能量盈余的约束、功率的约束以及荷电状态的约束。
22、进一步可选地,所述能量不足的约束表示为:
23、eli+esc≥n1×efh_z
24、式中,n1为最大阴雨天数,efh_z为重要负荷所需电能,eli、esc分别为锂电池的存储的电量、超级电容器存储的电能;
25、所述能量盈余的约束表示为:
26、eli+esc≥n2×efh
27、式中,efh为总负荷所需电能,n2为连续电量盈余天数。
28、二方面,本专利技术还提供一种基于上述离网型微电网中混合储能容量优化配置方法的系统,包括:
29、数据获取模块,用于获取当前离网型微电网混合储能系统的系统参数,其中,所述离网型微电网混合储能系统采用锂电池与超级电容器进行储能;
30、目标函数构建模块,用于构建离网型微电网混合储能系统的容量优化目标函数;
31、优化模块,用于以所述容量优化目标函数构建适应度函数,以及以目标函数中锂电池和超级电容的配置参数作为粒子位置,引入粒子群优化算法得到最优目标下锂电池和超级电容的最优配置参数;
32、配置模块,用于依据所述锂电池和超级电容的最优配置参数进行配置。
33、三方面,本专利技术还提供一种离网型微电网系统,至少包括锂电池、超级电容器、以及储能变流器;
34、其中,所述锂电池和所述超级电容器均通过所述储能变量器与所述离网型微电网系统的母线连接,并按照权利要求基于所述离网型微电网中混合储能容量优化配置方法配置所述锂电池和所述超级电容器。
35、四方面,本专利技术提供一种电子终端,至少包含:
36、一个或多个处理器;
37、以及存储了一个或多个计算机程序的存储器;
38、其中,所述处理器调用所述计算机程序以执行:所述离网型微电网中混合储能容量优化配置方法的步骤。
39、五方面,本专利技术还提供一种计算机可读存储介质,存储了计算机程序,所述计算机程序被处理器调用以执行:
40、所述离网型微电网中混合储能容量优化配置方法的步骤。
41、有益效果
42、本专利技术技术方案提供的方法结合工程实际选择锂电池和超级电容器组建混合储能系统,综合考虑储能系统的全寿命周期成本、电量平衡、功率平衡以及荷电状态建立混合储能系统的容量优化模型,并运用粒子群算法证明了混合储能系统的优越性,在满足供电可靠性的前提性,减少了储能系统全寿命周期的投资成本,对于实际工程储能系统的配置具有参考意义。
本文档来自技高网...【技术保护点】
1.一种离网型微电网中混合储能容量优化配置方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的方法,其特征在于:所述容量优化目标函数为离网型微电网混合储能系统的全寿命周期成本最小,进而将离网型微电网混合储能系统的全寿命周期成本作为适应度函数。
3.根据权利要求2所述的方法,其特征在于:所述容量优化目标函数表示为:
4.根据权利要求1所述的方法,其特征在于:所述粒子群优化算法为递减惯性权重粒子群优化算法,其中,惯性权重的递减公式如下:
5.根据权利要求1所述的方法,其特征在于:所述容量优化目标函数的约束条件包括:能量不足的约束、能量盈余的约束、功率的约束以及荷电状态的约束。
6.根据权利要求5所述的方法,其特征在于:所述能量不足的约束表示为:
7.一种基于权利要求1-6任一项所述方法的系统,其特征在于:包括:
8.一种离网型微电网系统,其特征在于:至少包括锂电池、超级电容器、以及储能变流器;
9.一种电子终端,其特征在于:至少包含:
10.一种计算机可读存储介质,其特征
...【技术特征摘要】
1.一种离网型微电网中混合储能容量优化配置方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的方法,其特征在于:所述容量优化目标函数为离网型微电网混合储能系统的全寿命周期成本最小,进而将离网型微电网混合储能系统的全寿命周期成本作为适应度函数。
3.根据权利要求2所述的方法,其特征在于:所述容量优化目标函数表示为:
4.根据权利要求1所述的方法,其特征在于:所述粒子群优化算法为递减惯性权重粒子群优化算法,其中,惯性权重的递减公式如下:
5.根据权利要求1所述的方法,其特...
【专利技术属性】
技术研发人员:钟永,葛庆,刘阳京,
申请(专利权)人:湖南理工职业技术学院,
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。