本發(fā)明涉及一種混合儲(chǔ)能與風(fēng)光預(yù)測(cè)協(xié)同優(yōu)化方法，尤其涉及一種面向沙漠區(qū)域的混合儲(chǔ)能與風(fēng)光預(yù)測(cè)協(xié)同優(yōu)化方法，屬于能源。

背景技術(shù)：

1、沙漠戈壁區(qū)域能源資源豐富，但由于地理環(huán)境復(fù)雜和氣候條件不穩(wěn)定，傳統(tǒng)能源供應(yīng)方式難以滿足需求。面向沙漠戈壁區(qū)域的混合儲(chǔ)能系統(tǒng)具有很高的應(yīng)用潛力，能夠有效整合風(fēng)能、太陽能等可再生能源，并提高能源利用效率。電池儲(chǔ)能系統(tǒng)(bess)作為目前發(fā)展成熟且廣泛應(yīng)用的儲(chǔ)能方案，是混合儲(chǔ)能系統(tǒng)中至關(guān)重要的組成部分。同時(shí)，氫儲(chǔ)能系統(tǒng)(hes)和熱儲(chǔ)能系統(tǒng)(tes)在沙漠戈壁區(qū)域具有獨(dú)特優(yōu)勢(shì)，可以提高系統(tǒng)的靈活性和穩(wěn)定性。風(fēng)電預(yù)測(cè)模型優(yōu)化是實(shí)現(xiàn)風(fēng)光協(xié)同的關(guān)鍵，通過對(duì)風(fēng)速、風(fēng)向、氣壓等氣象因素進(jìn)行精準(zhǔn)預(yù)測(cè)，可以提高風(fēng)能發(fā)電效率，減少對(duì)傳統(tǒng)能源的依賴?？紤]碳排放的協(xié)同優(yōu)化，可以有效降低能源供應(yīng)過程中的碳排放量，符合環(huán)保和可持續(xù)發(fā)展的要求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是提供一種面向沙漠區(qū)域的混合儲(chǔ)能與風(fēng)光預(yù)測(cè)協(xié)同優(yōu)化方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、一種面向沙漠區(qū)域的混合儲(chǔ)能與風(fēng)光預(yù)測(cè)協(xié)同優(yōu)化方法，包括以下步驟：

4、步驟s1：建立多能互補(bǔ)系統(tǒng)模型：

5、多能互補(bǔ)系統(tǒng)模型包括風(fēng)力發(fā)電模塊、光伏發(fā)電模塊、混合儲(chǔ)能模塊、用戶負(fù)載模塊、燃?xì)忮仩t模塊、熱電聯(lián)產(chǎn)機(jī)組模塊、電網(wǎng)購售電模塊，風(fēng)力發(fā)電模塊和光伏發(fā)電模塊將可再生能源轉(zhuǎn)化為電能，直接供給用戶負(fù)載模塊或通過電網(wǎng)購售電模塊進(jìn)行交易，燃?xì)忮仩t模塊、熱電聯(lián)產(chǎn)機(jī)組模塊向用戶負(fù)載模塊提供滿足用戶的熱負(fù)荷需求的熱能；混合儲(chǔ)能模塊中包括bess模塊、hes模塊、tes模塊，混合儲(chǔ)能模塊在電能過剩時(shí)存儲(chǔ)剩余的電力；

6、步驟s2：建立風(fēng)光預(yù)測(cè)模型：風(fēng)光預(yù)測(cè)模型由風(fēng)光出力不確定性模塊與bp神經(jīng)網(wǎng)絡(luò)組成；風(fēng)光出力不確定性模型生成的出力不確定度與風(fēng)速、光照強(qiáng)度作為輸入特征一起輸入到bp神經(jīng)網(wǎng)絡(luò)；

7、步驟s3：將風(fēng)光預(yù)測(cè)模型與多能互補(bǔ)系統(tǒng)模型級(jí)聯(lián)，利用差異化創(chuàng)造性搜索算法聯(lián)合優(yōu)化，得到最佳的能源供應(yīng)和儲(chǔ)能調(diào)度方案，包括以下步驟：

8、步驟s3-1：初始化參數(shù)：首先，設(shè)定種群數(shù)量和決策變量的范圍，然后隨機(jī)生成初始種群xi，初始種群xi由1個(gè)以上個(gè)體組成；所述個(gè)體包含的變量包括：hes中電解槽制氫電功率pbc，bess的充電功率pbd，hes中電解槽獲取的電功率pele,in，hes中電解槽制氫電功率pele，out，hes中燃料電池獲取的電功率pfc，in，hes中燃料電池產(chǎn)生的電功率pfc，out，tes的蓄熱功率ptc，tes的放熱功率ptd，熱電聯(lián)產(chǎn)機(jī)組輸出電功率pchp，風(fēng)電機(jī)組實(shí)際輸出功率ppv，光伏機(jī)組的實(shí)際輸出功率ppw，目標(biāo)函數(shù)ctot為多能互補(bǔ)系統(tǒng)的總運(yùn)行成本：

9、xi，d＝lbd+u(0，1)×(ubd-lbd)????(1)

10、式中，xi，d表示第i個(gè)候選解xi＝[xi，1xi，2…xi，d]的第d個(gè)參數(shù)，d為候選解的參數(shù)數(shù)量；候選解的個(gè)數(shù)為np；u(0，1)表示區(qū)間(0，1)上的均勻分布，lbd和ubd分別表示第d個(gè)參數(shù)的下界和上界；

11、步驟s3-2：適應(yīng)度評(píng)估：以每個(gè)個(gè)體對(duì)應(yīng)的目標(biāo)函數(shù)值ctot作為初始適應(yīng)度值：

12、f(xi)＝ctot(xi)?????(2)

13、步驟s3-3：選擇與最大適應(yīng)度值對(duì)應(yīng)的個(gè)體作為最佳個(gè)體xbest；

14、步驟s3-4：差異化知識(shí)獲?。弘S機(jī)選擇兩個(gè)個(gè)體xr1、xr2，計(jì)算η和系數(shù)：

15、η系數(shù)的計(jì)算方法為：

16、

17、系數(shù)的計(jì)算方法為：

18、

19、

20、式中，t為迭代次數(shù)；符號(hào)[·]代表取整計(jì)算，ri，t是第i個(gè)個(gè)體在第t次迭代開始時(shí)的秩；xr1，d和xr2，d是在兩個(gè)個(gè)體xr1、xr2的第d個(gè)參數(shù)值；

21、更新參數(shù)：

22、

23、式中：vi，d為第i個(gè)個(gè)體第d個(gè)參數(shù)值的更新值；

24、步驟s3-5：知識(shí)整合與新解生成：

25、計(jì)算收斂因子：

26、

27、式中，λt是在第t次迭代時(shí)的收斂因子；nfet表示在第t次迭代時(shí)函數(shù)計(jì)算的當(dāng)前次數(shù)，nfemax表示函數(shù)計(jì)算的最大次數(shù)；

28、更新個(gè)體位置：

29、

30、式中，xbest，d是當(dāng)前迭代中最佳個(gè)體的第d個(gè)參數(shù)；

31、使用林尼克分布生成隨機(jī)數(shù)更新個(gè)體位置：

32、

33、式中，xe，d是個(gè)體的第d個(gè)參數(shù)，lk(α，σ)表示控制參數(shù)為α和σ的林尼克分布隨機(jī)數(shù)生成器；

34、步驟s3-6：個(gè)體多樣化：隨機(jī)生成n個(gè)新個(gè)體：

35、

36、式中，vnp是第np個(gè)新個(gè)體，lb和ub是下界和上界；

37、步驟s3-7：回顧性評(píng)估：用新個(gè)體替換篩選出的個(gè)體：

38、

39、

40、式中，xi,t+1表示x在t+1次迭代時(shí)中的第i個(gè)個(gè)體；xbest,t表示x在t次迭代時(shí)的最優(yōu)解；

41、步驟s3-8：判斷是否到達(dá)最大迭代次數(shù)或滿足停止條件，如果是，輸出最終的最優(yōu)解及其對(duì)應(yīng)的最優(yōu)適應(yīng)度值；否則，轉(zhuǎn)向步驟s3-7；

42、進(jìn)一步，在所述步驟s1中，對(duì)多能互補(bǔ)系統(tǒng)的設(shè)備進(jìn)行建模，包括以下過程：

43、s1-1.多能互補(bǔ)系統(tǒng)有風(fēng)力發(fā)電模塊、光伏發(fā)電模塊、混合儲(chǔ)能系統(tǒng)模塊、用戶負(fù)載模塊、燃?xì)忮仩t模塊和熱電聯(lián)產(chǎn)機(jī)組模塊、電網(wǎng)購售電模塊；

44、s1-2.各個(gè)模塊建模如下：

45、風(fēng)力發(fā)電建模為：

46、

47、式中，ppw和ppw,n分別為風(fēng)電機(jī)組實(shí)際輸出功率和額定輸出功率；vpw和vpw,n分別為實(shí)際風(fēng)速和額定風(fēng)速；vin和vout分別為風(fēng)機(jī)的切入風(fēng)速和切出風(fēng)速；

48、光伏發(fā)電建模為：

49、

50、tc＝ta+0.0138(1+0.0031ta)·(1-0.0042v)·s???????????????????????(17)

51、式中，ppv和ppv,n為光伏機(jī)組的實(shí)際輸出功率和額定輸出功率；fpv為光伏降額因子，考慮污垢、積雪和電池老化等影響，通常取值為0.9；s實(shí)際環(huán)境下的光照強(qiáng)度；st為標(biāo)準(zhǔn)工況下的光照強(qiáng)度，取值為1000w/m2；k光伏功率溫度系數(shù)；tc為光伏機(jī)組實(shí)際環(huán)境下的溫度；tt為標(biāo)準(zhǔn)測(cè)試工作環(huán)境溫度，取值為25℃；ta為實(shí)際環(huán)境溫度(℃)；v為光伏板安裝位置的風(fēng)速(m/s)；tt為實(shí)際環(huán)境下的光照強(qiáng)度(w/m2)；

52、bess建模為：

53、

54、socmin≤soct≤socmax??????(20)

55、式中，soct、soct-1為t、t-1時(shí)刻bess的剩余電量；β、ce為bess的自放電率和額定容量；pbc、pbd為bess的充電功率和放電功率；ηbc、ηbd為bess的充電效率系數(shù)和放電效率系數(shù)；pmax，bc、pmax，bd分別為t時(shí)刻bess的最大充電功率、最大放電功率；pmax，c、pmax，d分別為t時(shí)刻bess的最大持續(xù)充電功率、最大持續(xù)放電功率；δt為時(shí)間間隔；

56、hes建模為：

57、

58、pmin，ele≤pele，t≤pmax，ele?????????(23)

59、pmin，fc≤pfc，t≤pmax，fc????(24)

60、λmin，ele≤λele，t≤λmin，ele?????(25)

61、式中，pele,in、pele，out分別為hes中電解槽獲取的電功率、電解槽制氫電功率；pfc，in、pfc，out分別為hes中燃料電池獲取的電功率和產(chǎn)生的電功率；hele、hfc分別為電解槽和燃料電池產(chǎn)生的熱功率；ηele、ηfc為電解槽和燃料電池的工作效率；pmax，ele、pmin，ele分別為電解槽的功率上下限；pmax，fc、pmin，fc分別為燃料電池的功率上下限；λmax，eh、λmin，eh分別為hes中儲(chǔ)氫罐儲(chǔ)能狀態(tài)的上下限；

62、tes建模為：

63、

64、0≤ptc，t≤pmax，tcεtc，t??????????????????????????(27)

65、0≤ptd，t≤pmax，tdεtd，t??????????????????????????(28)

66、hmin，t≤ht，t≤hmax，t??????????????????????????(29)

67、0≤εtc，t+εtd，t≤1??????????????????????????????(30)

68、式中，ht，t為t時(shí)刻tes的蓄熱量；μ為tes的自放熱率；ηtc、ηtd分別為tes的蓄熱、放熱效率；ptc，t、ptd，t分別為t時(shí)刻tes的蓄熱、放熱功率；εtc,t、εtd，t分別為tes在t時(shí)刻的蓄熱、放熱的二進(jìn)制變量；hmax，t、hmin，t分別為tes的最大、最小蓄熱量；

69、燃?xì)忮仩t機(jī)組建模為：

70、qgb＝pgbηgb??????????????????(31)

71、式中：qgb為燃?xì)忮仩t機(jī)組輸出的熱功率；pgb為燃?xì)忮仩t機(jī)組的耗氣功率；ηgb是燃?xì)忮仩t機(jī)組的熱效率；

72、熱電聯(lián)產(chǎn)機(jī)組建模為：

73、pchp，g＝gchphg???????????????????????????(32)

74、pchp＝pchp，gηchp???????????????????????????(33)

75、pchp，h＝pchp，gηchp，h??????????????????????????(34)

76、式中：pchp為熱電聯(lián)產(chǎn)機(jī)組輸出的電功率；pchp,h為熱電聯(lián)產(chǎn)機(jī)組輸出的熱功率；pchp,g為熱電聯(lián)產(chǎn)機(jī)組輸入的天然氣功率；gchp為熱電聯(lián)產(chǎn)機(jī)組的耗氣量；hg為天然氣的低熱值；ηchp和ηchp，g分別為熱電聯(lián)產(chǎn)機(jī)組的電效率和熱效率；

77、電網(wǎng)購售電模塊的模型為：

78、0≤pbe，t≤pmax，be??????????????????????????(35)

79、0≤pse，t≤pmax，se??????????????????????????(36)

80、式中，pbe，t、pmax，be分別為向上級(jí)電網(wǎng)的購電量和購電的上限值；pse，t、pmax，se為向上級(jí)電網(wǎng)的售電量與售電量的最大值；

81、進(jìn)一步，在所述步驟s2中，對(duì)風(fēng)光能源的預(yù)測(cè)進(jìn)行建模，包括以下過程：

82、s2-1：對(duì)風(fēng)光出力不確定性建模：

83、

84、式中，和為不確定的參數(shù)，為風(fēng)力機(jī)組和光伏機(jī)組的凈輸出功率；和為風(fēng)機(jī)機(jī)組、光伏機(jī)組預(yù)測(cè)出力值；ζi表示為在預(yù)測(cè)風(fēng)力機(jī)組、光伏機(jī)組的出力時(shí)的不確定度，它的范圍是0到1之間；k1和k2分別為風(fēng)力機(jī)組和光伏機(jī)組實(shí)際輸出與預(yù)測(cè)輸出之間誤差在整體不確定性中的影響程度；

85、步驟s2-2：收集數(shù)據(jù)：包括風(fēng)速、光照強(qiáng)度、溫度和風(fēng)機(jī)機(jī)組與光伏機(jī)組發(fā)電總量的歷史發(fā)電數(shù)據(jù)以及風(fēng)光出力不確定因子，對(duì)收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、歸一化和特征提取預(yù)處理；以最大化風(fēng)光利用率為目標(biāo)函數(shù)，使用粒子群算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的連接權(quán)重和偏置項(xiàng)；

86、優(yōu)化目標(biāo)函數(shù)為：

87、

88、式中，pwind(w，t)和psolar(s，t)分別表示在風(fēng)力為w和光照強(qiáng)度為s時(shí)的風(fēng)力發(fā)電機(jī)組和光伏發(fā)電機(jī)組的發(fā)電功率；f(w，t)表示在時(shí)刻t風(fēng)力為w時(shí)的風(fēng)能預(yù)測(cè)值；g(s，t)表示在時(shí)刻t光照強(qiáng)度為s時(shí)的光能預(yù)測(cè)值；

89、s2-3：建立多能互補(bǔ)系統(tǒng)運(yùn)行成本優(yōu)化模型：

90、minctot＝cp+cma+cop???????????(40)

91、相應(yīng)的功率平衡約束條件為：

92、pload+pele，out+pbc+pfc，in＝pbe+pchp+pele，in+pbd+pfc，out+ppv+ppw???????????(41)

93、phl+εtcptc＝pchp，h+pgb+εtdptd????????????????????????(42)

94、式中，pload、phl、pbe、pchp，h、pgb、pchp、pele，in、pele，out、pbc、pbd、pfc，in、pfc，out、ptc、ptd、ppv、ppw分別代表多能互補(bǔ)系統(tǒng)的總負(fù)荷功率需求、系統(tǒng)總熱負(fù)荷需求、從電網(wǎng)購買的電力功率、熱電聯(lián)產(chǎn)機(jī)組輸出的熱功率、燃?xì)忮仩t機(jī)組輸出的熱功率、熱電聯(lián)產(chǎn)機(jī)組輸出電功率、hes中電解槽獲取的電功率、hes中電解槽制氫電功率、bess的充電功率、bess的放電功率、hes中燃料電池獲取的電功率、hes中燃料電池產(chǎn)生的電功率、tes的蓄熱功率、tes的放熱功率、風(fēng)電機(jī)組實(shí)際輸出功率、光伏機(jī)組的實(shí)際輸出功率；εtc、εtd分別為tes蓄熱、放熱的二進(jìn)制變量；

95、其中：

96、

97、cma＝∑icma，iscap，i????????(44)

98、式中：i取1，表示表示光伏機(jī)組；i取2，表示風(fēng)電機(jī)組；i取3，表示電池儲(chǔ)能系統(tǒng)；i取4，表示熱儲(chǔ)能系統(tǒng)；i取5，表示熱電聯(lián)產(chǎn)機(jī)組；i取6，表示電解槽(elc)；i取7，表示儲(chǔ)氫罐；i取8，表示燃料電池；i取9，表示燃?xì)忮仩t；i取10，表示吸收制冷機(jī)；i取11，表示電壓制冷機(jī)；r為基準(zhǔn)折現(xiàn)率；li為設(shè)備i的壽命周期；cp，i為設(shè)備i的單位投資成本；sp，i為設(shè)備i的單位容量；cma，i為設(shè)備i的年固定維護(hù)成本，scap，i為設(shè)備i的單位維護(hù)成本；

99、構(gòu)建運(yùn)行成本模型：

100、cop＝cele+cbg+cen+cab+cob+coe+cot???????(45)

101、

102、式中，cele為與電網(wǎng)交易成本，cbg為購氣成本，cen為燃?xì)鈾C(jī)組產(chǎn)生的環(huán)境成本，cab為棄光棄風(fēng)懲罰成本，cob為ees的充放電損耗及維護(hù)成本，coe為hes的熱量?jī)?chǔ)存及充放熱損耗成本，cot為tes的熱量?jī)?chǔ)存及充放熱損耗成本；ρbe，t、ρse，t分別為t時(shí)刻與電網(wǎng)交易的購電分時(shí)電價(jià)和售電分時(shí)，pbe，t、pse，t分別為t時(shí)刻的購電功率和售電功率；fg為天然氣的購買單價(jià)；pchp,t、pgb，t分別為熱電聯(lián)產(chǎn)機(jī)組和燃?xì)忮仩t機(jī)組在t時(shí)刻的輸出功率；ηgb為燃?xì)忮仩t機(jī)組的工作效率；ηg為燃?xì)忮仩t機(jī)組與電網(wǎng)購電生產(chǎn)的環(huán)境成本；λw、λpv分別為棄風(fēng)和棄光懲罰因子；δpaw，t、δpap，t分別為t時(shí)刻的棄風(fēng)量和棄光量。

103、本發(fā)明結(jié)合電池儲(chǔ)能和氫儲(chǔ)能的混合儲(chǔ)能系統(tǒng)設(shè)計(jì)，提高儲(chǔ)能效率；采用粒子群算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)分類預(yù)測(cè)建立風(fēng)光預(yù)測(cè)模型，有效提高了能源供給的精準(zhǔn)性和可靠性；考慮了綜合能源系統(tǒng)的環(huán)境友好性，符合現(xiàn)階段提倡的碳中和、碳達(dá)峰的目標(biāo)；利用差異化創(chuàng)造性搜索算法，將風(fēng)能和光照的預(yù)測(cè)模型與含混合儲(chǔ)能的多能互補(bǔ)系統(tǒng)優(yōu)化模型進(jìn)行聯(lián)合優(yōu)化，能夠更有效地減少碳排放量，更充分地利用西部地區(qū)豐富的風(fēng)光資源，提高能源供給的可靠性和經(jīng)濟(jì)性；同時(shí)，基于多目標(biāo)優(yōu)化的能源管理算法實(shí)現(xiàn)了經(jīng)濟(jì)性和可靠性的平衡。