本發(fā)明屬于負(fù)荷側(cè)儲(chǔ)能系統(tǒng)，具體涉及一種負(fù)荷側(cè)儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性建模與優(yōu)化配置分析方法。

背景技術(shù)：

1、儲(chǔ)能可作為負(fù)荷側(cè)的備用電源，提高負(fù)荷側(cè)供電可靠性，同時(shí)也可參與系統(tǒng)電能調(diào)節(jié)，在用戶需求量大且系統(tǒng)供給不足時(shí)，儲(chǔ)能輸出功率可以減緩系統(tǒng)壓力并及時(shí)滿足負(fù)荷側(cè)需求，在新能源大量并網(wǎng)時(shí)儲(chǔ)能可吸收系統(tǒng)不能消納的電能，提高系統(tǒng)電能穩(wěn)定性，實(shí)現(xiàn)需求響應(yīng)。

2、當(dāng)前，負(fù)荷側(cè)儲(chǔ)能總裝機(jī)容量較小，整體仍處于起步階段，為了保證經(jīng)濟(jì)性，在配電網(wǎng)負(fù)荷側(cè)儲(chǔ)能系統(tǒng)配置方面，需要得到儲(chǔ)能系統(tǒng)的最優(yōu)配置，但目前尚無(wú)普適而有效的負(fù)荷側(cè)儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性模型。

3、所以，為解決上述問(wèn)題，開(kāi)發(fā)一種負(fù)荷側(cè)儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性建模與優(yōu)化配置分析方法很有必要。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了克服現(xiàn)有技術(shù)的不足，而提供一種負(fù)荷側(cè)儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性建模與優(yōu)化配置分析方法，在保證儲(chǔ)能配置滿足系統(tǒng)要求的前提下，以經(jīng)濟(jì)性最優(yōu)為目標(biāo)建立模型，通過(guò)構(gòu)建目標(biāo)函數(shù)和約束條件來(lái)對(duì)儲(chǔ)能系統(tǒng)的最優(yōu)配置參數(shù)進(jìn)行求解，確定最佳的儲(chǔ)能容量和充放電功率，以實(shí)現(xiàn)儲(chǔ)能系統(tǒng)的經(jīng)濟(jì)性最優(yōu)化配置。

2、本發(fā)明的目的是這樣實(shí)現(xiàn)的：一種負(fù)荷側(cè)儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性建模與優(yōu)化配置分析方法，包括以下步驟：

3、s1、分別建立單類型和混合儲(chǔ)能系統(tǒng)的經(jīng)濟(jì)性模型，建立目標(biāo)函數(shù)和約束條件；

4、s11、建立單類型儲(chǔ)能系統(tǒng)的經(jīng)濟(jì)性模型，以儲(chǔ)能系統(tǒng)總成本最低為目標(biāo)函數(shù)，約束條件為電力不足率和電力盈余率；

5、s12、建立混合儲(chǔ)能系統(tǒng)的多目標(biāo)優(yōu)化數(shù)學(xué)模型，以儲(chǔ)能系統(tǒng)總成本最低為目標(biāo)函數(shù)，約束條件為功率波動(dòng)限制以及混合儲(chǔ)能系統(tǒng)正常運(yùn)行基本約束；

6、s2、基于單類型儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性模型進(jìn)行仿真，得到目標(biāo)函數(shù)曲線并進(jìn)行敏感性分析；

7、s3、應(yīng)用遺傳算法求解最優(yōu)的儲(chǔ)能容量和充放電功率，使得儲(chǔ)能系統(tǒng)總成本最低；

8、s4、應(yīng)用粒子群算法對(duì)混合儲(chǔ)能系統(tǒng)配置進(jìn)行優(yōu)化求解，獲得合適的混合儲(chǔ)能額定容量，從而得到儲(chǔ)能系統(tǒng)的最優(yōu)配置。

9、進(jìn)一步地，所述步驟s11中以儲(chǔ)能系統(tǒng)總成本最低為目標(biāo)函數(shù)，儲(chǔ)能系統(tǒng)總成本具體包括初始投資成本、配套設(shè)施成本、運(yùn)行維護(hù)成本以及更換成本。

10、進(jìn)一步地，所述初始投資成本cini表示為：

11、cini＝ke×eess+kp×pess

12、；式中，eess為容量配置；pess為最大充放電功率；ke為容量成本系數(shù)，$/mwh；kp為功率成本系數(shù)，$/mw；

13、所述配套設(shè)施成本caf表示為：

14、caf＝kaf×pess

15、；式中，kaf為配套設(shè)施成本系數(shù)，$/mw；pess為最大充放電功率；

16、所述運(yùn)行維護(hù)成本com表示為：

17、com＝kom×pess

18、；式中，kom為運(yùn)行維護(hù)成本系數(shù)，$/mw/年；pess為最大充放電功率；

19、所述更換成本crep表示為：

20、crep＝(ke×eess+kp×pess)×nrep

21、；式中，nrep為工程使用年限內(nèi)的更換次數(shù)，假設(shè)儲(chǔ)能系統(tǒng)的使用壽命為less，工程使用年限為lproj，nrep表示為：

22、

23、；式中，int()表示取整函數(shù)；

24、所述儲(chǔ)能系統(tǒng)總成本csum表示為：

25、csum＝cini+caf+com·lproj+crep。

26、

27、進(jìn)一步地，所述步驟s11中以儲(chǔ)能系統(tǒng)總成本最低為目標(biāo)函數(shù)具體表示為：

28、min:f(eess,pess)＝cini+caf+com+crep

29、＝(1+nrep)keeess+(kp+kaf+komlproj+nrepkp)pess。

30、

31、進(jìn)一步地，所述步驟s11中以電力不足率和電力盈余率為約束條件，假設(shè)t時(shí)刻系統(tǒng)輸出功率為pre(t)，負(fù)荷功率為pload(t)，儲(chǔ)能充放電功率為pess(t)，大于0表示放電，反之充電；

32、①電力不足率loep表示為：

33、

34、；tl滿足pload(t)>pre(t)；

35、電力不足約束

36、loep≤loepmax

37、；其中，loepmax是根據(jù)系統(tǒng)供電可靠性要求給定的最大電力不足率限定值；

38、②電力盈余率soep表示為：

39、

40、；ts滿足pload(ts)<pre(ts)；

41、電力盈余約束

42、soep≤soepmax

43、；其中，soepmax是根據(jù)系統(tǒng)供電可靠性要求給定的最大電力盈余率限定值。

44、進(jìn)一步地，所述步驟s12中以功率波動(dòng)限制為約束條件，平抑功率波動(dòng)后的最大5min功率變化率δp5m-max滿足：

45、δp5m-max≤δp5m-allowable

46、；式中，δp5m-allowable表示允許的最大5min功率變化率；

47、所述步驟s12中混合儲(chǔ)能系統(tǒng)正常運(yùn)行基本約束具體包括荷電狀態(tài)約束和功率約束，其中，①荷電狀態(tài)約束如下：

48、socmin≤soc(t)≤socmax

49、；式中，socmin和socmax分別為儲(chǔ)能系統(tǒng)荷電狀態(tài)約束下限和上限；

50、②功率約束如下：

51、充電過(guò)程：

52、

53、放電過(guò)程：

54、

55、；式中，pc,max(t)和pd,max(t)分別為第t個(gè)時(shí)段儲(chǔ)能系統(tǒng)的最大充、放電功率允許值，kw；pmaxc和pmaxd分別為儲(chǔ)能系統(tǒng)最大持續(xù)充、放電功率，kw；ec為儲(chǔ)能系統(tǒng)的額定容量，wh；δ表示儲(chǔ)能系統(tǒng)自放電率，％/小時(shí)；soc(t-1)為第t-1個(gè)時(shí)段結(jié)束時(shí)剩余電量；ηc和ηd分別為儲(chǔ)能系統(tǒng)充、放電效率的大小，％。

56、進(jìn)一步地，所述步驟s2中的敏感性分析具體包括儲(chǔ)能系統(tǒng)凈收益隨儲(chǔ)能額定容量的變化關(guān)系、儲(chǔ)能系統(tǒng)最優(yōu)容量隨懲罰系數(shù)的變化關(guān)系以及風(fēng)儲(chǔ)聯(lián)合系統(tǒng)最大凈收益隨懲罰系數(shù)的變化關(guān)系。

57、進(jìn)一步地，所述步驟s3中將單類型儲(chǔ)能系統(tǒng)目標(biāo)函數(shù)與約束條件進(jìn)行結(jié)合后轉(zhuǎn)化為適度函數(shù)并利用遺傳算法進(jìn)行求解；

58、適度函數(shù)表示如下：

59、ffit＝f(eess,pess)+α·abs(loep-loepmax)+β·abs(soep-soepmax)

60、；式中，abs()為絕對(duì)值函數(shù)，ffit為單類型儲(chǔ)能系統(tǒng)的適應(yīng)度函數(shù)。

61、進(jìn)一步地，所述步驟s3中應(yīng)用遺傳算法求解具體包括以下步驟：

62、(1)優(yōu)化模型初始化；

63、(2)算法初始化；遺傳算法的最大迭代次數(shù)nmax，并令遺傳算法循環(huán)執(zhí)行次數(shù)ngen＝0；

64、(3)染色體編碼；

65、(4)種群初始化；

66、(5)適應(yīng)度評(píng)價(jià)；

67、(6)選擇、交叉和遺傳操作；

68、(7)產(chǎn)生新一代種群；

69、(8)遺傳算法循環(huán)終止判斷；判斷迭代終止條件ngen＝nmax是否滿足；不滿足，則令算法執(zhí)行循環(huán)迭代次數(shù)ngen＝ngen+1，返回步驟(6)繼續(xù)進(jìn)行循環(huán)計(jì)算，滿足，則直接執(zhí)行下一步；

70、(9)新一代群體適應(yīng)度評(píng)價(jià)；

71、(10)算法結(jié)束；輸出最優(yōu)個(gè)體(eess,pess)。

72、進(jìn)一步地，所述步驟s4中應(yīng)用粒子群算法對(duì)混合儲(chǔ)能系統(tǒng)配置進(jìn)行優(yōu)化求解具體包括以下步驟：

73、(1)種群初始化；

74、(2)計(jì)算種群初始極值；

75、(3)更新各粒子的速度和位置；

76、(4)判斷是否滿足約束條件；不滿足，則返回步驟(2)繼續(xù)進(jìn)行循環(huán)計(jì)算，滿足，則直接執(zhí)行下一步；

77、(5)更新種群中的個(gè)體極值和群體極值；

78、(6)判斷是否滿足終止條件；不滿足，則返回步驟(3)繼續(xù)進(jìn)行循環(huán)，滿足，則直接執(zhí)行下一步；

79、(7)算法結(jié)束；輸出目標(biāo)函數(shù)最優(yōu)解。

80、由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：通過(guò)建立單類型和混合儲(chǔ)能系統(tǒng)的經(jīng)濟(jì)性模型，確定目標(biāo)函數(shù)和約束條件，并進(jìn)行敏感性分析，然后通過(guò)采用遺傳算法優(yōu)化單類型儲(chǔ)能系統(tǒng)，采用粒子群算法優(yōu)化混合儲(chǔ)能系統(tǒng)，建立儲(chǔ)能系統(tǒng)優(yōu)化配置模型并進(jìn)行仿真驗(yàn)證，在保證供電可靠性同時(shí)以提高儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性為目的，實(shí)現(xiàn)對(duì)儲(chǔ)能系統(tǒng)配置的優(yōu)化。