【技术实现步骤摘要】
一种园区能源系统能量优化的方法和装置
本专利技术涉及能源领域，尤其是涉及一种园区能源系统能量优化的方法和装置。
技术介绍
“源-网-荷-储”是实现能源互联网的重要途径，其运营模式是一个包括“电源”、“电网”、“负荷”、“储能”的统一整体解决方案的运营模式，该模式主要为“源-源”互补、“源-网”协调、“网-荷-储”互动。基于能源互联网的“源-网-荷-储”模式，可应用于整个广泛的能源行业，且信息交互更为多元。园区微电网是一个典型的能源互联网“源-网-荷-储”模式，且具备自我控制和自我能量管理的自治系统，既可以与外部电网并网运行，也可以孤立运行。园区能源系统包括可调度单元、能源存储系统和需求侧管理系统，保障园区能源系统内能源供需平衡。但目前园区微电网的能量协调优化程度不够，存在园区能源系统运行成本较高，园区内分布式电源(distributedgeneration，DG)的利用率较低，弃风、弃光率较高等问题。
技术实现思路
鉴于上述问题，本专利技术提供一种园区能源系统能量优化的方法和装置，在降低了园区能源系统运行成本的同时，还提高了DG的利用率。本专利技术实施例提供一种园区能源系统能量优化的方法，所述方法应用于上级运营服务器，所述上级运营服务器用于控制所述园区能源系统的运行，所述园区能源系统包括：分布式电源和共享储能系统，所述分布式电源向所述共享储能系统充电，所述共享储能系统为用户提供电力能源，所述分布式电源包括：光伏、风机，所述方法包括：步骤1：根据用户侧负荷需求预测值、...
【技术保护点】
1.一种园区能源系统能量优化的方法，其特征在于，所述方法应用于上级运营服务器，所述上级运营服务器用于控制所述园区能源系统的运行，所述园区能源系统包括：分布式电源和共享储能系统，所述分布式电源向所述共享储能系统充电，所述共享储能系统为用户提供电力能源，所述分布式电源包括：光伏、风机，所述方法包括：/n步骤1：根据用户侧负荷需求预测值、光伏输出功率预测值、风机输出功率预测值、优化约束条件，通过分布式电源利用率公式和模糊遗传算法，计算得到所述光伏和所述风机各自输出功率的理论最优值，所述分布式电源利用率公式为计算所述分布式电源的利用率达到最优的公式；/n步骤2：根据所述光伏和所述风机各自输出功率的理论最优值，通过成本最小公式和所述模糊遗传算法，计算得到所述园区能源系统的运行成本和所述光伏和所述风机各自输出功率的实际最优值，所述成本最小公式为计算所述园区能源系统的运行成本最小的公式；/n步骤3：根据所述光伏和所述风机各自输出功率的实际最优值，控制所述光伏和所述风机的实际输出功率，以使得所述分布式电源的利用率达到最优且所述园区能源系统的运行成本最小。/n
【技术特征摘要】
1.一种园区能源系统能量优化的方法，其特征在于，所述方法应用于上级运营服务器，所述上级运营服务器用于控制所述园区能源系统的运行，所述园区能源系统包括：分布式电源和共享储能系统，所述分布式电源向所述共享储能系统充电，所述共享储能系统为用户提供电力能源，所述分布式电源包括：光伏、风机，所述方法包括：
步骤1：根据用户侧负荷需求预测值、光伏输出功率预测值、风机输出功率预测值、优化约束条件，通过分布式电源利用率公式和模糊遗传算法，计算得到所述光伏和所述风机各自输出功率的理论最优值，所述分布式电源利用率公式为计算所述分布式电源的利用率达到最优的公式；
步骤2：根据所述光伏和所述风机各自输出功率的理论最优值，通过成本最小公式和所述模糊遗传算法，计算得到所述园区能源系统的运行成本和所述光伏和所述风机各自输出功率的实际最优值，所述成本最小公式为计算所述园区能源系统的运行成本最小的公式；
步骤3：根据所述光伏和所述风机各自输出功率的实际最优值，控制所述光伏和所述风机的实际输出功率，以使得所述分布式电源的利用率达到最优且所述园区能源系统的运行成本最小。
2.根据权利要求1所述的方法，其特征在于，根据用户侧负荷需求预测值、光伏输出功率预测值、风机输出功率预测值、优化约束条件，通过分布式电源利用率公式和模糊遗传算法，计算得到所述光伏和所述风机各自输出功率的理论最优值，包括：
步骤10：以所述用户侧负荷需求预测值、所述光伏输出功率预测值、所述风机输出功率预测值为所述模糊遗传算法的初始解，并将所述优化约束条件设置为所述模糊遗传算法的参数；
步骤20：设置进化代数计数器和最大化代数T；
步骤30：以所述初始解为基础，通过所述分布式电源利用率公式，计算得到所述光伏和所述风机各自输出功率的一代理论最优值；
步骤40：对所述用户侧负荷需求预测值和所述一代理论最优值进行计算，得到对应的质心；
步骤50：根据所述质心，进行繁殖以产生新群体；
步骤60：根据繁殖产生的群众中每对模糊集，通过交叉生成两个后代；
步骤70：设q是变异的概率，则变异的操作是通过对所述模糊集上的某一元素随机更换而完成的；
步骤80：在t小于T的情况下，以变异后的所述一代理论最优值为所述初始解，返回步骤30；
步骤90：在t大于等于T的情况下，变异后的所述一代理论最优值即为所述光伏和所述风机各自输出功率的理论最优值。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
所述分布式电源利用率公式为：
该公式中：式中，PL,1(t)表示所述用户侧负荷需求预测值，PGv(t)表示t时刻的光伏输出功率预测值，PGw(t)表示t时刻的风机输出功率预测值。
4.根据权利要求3所述的方法，其特征在于，所述园区能源系统还包括：共享储能系统和大电网；所述优化约束条件包括：有功平衡约束条件、联络线功率约束条件、所述园区能源系统运行约束条件，所述方法还包括：
所述有功平衡约束条件为：
该式中：NDG表示所述分布式电源的数量；PGi(t)表示第i台微源在t时刻的输出功率，所述微源为所述风机或者所述光伏；PESS,n(t)表示所述共享储能系统在t时段的充放电功率，其正负号的选取与储能设备的充电、放电状态相关；Pl(t)表示t时段的系统负荷需求功率；PPgrid表示t时段所述园区能源系统向所述大电网购电功率，IPgrid和ISgrid均表示一个常数；PSgrid表示t时段所述园区能源系统向所述大电网售电功率；Δt表示时间段；
所述联络线功率约束条件为：
IPgrid(t)+ISgrid(t)≤1(1)
PPgridmin≤PPgrid(t)≤PPgridmax(2)
PSgridmin≤PSgrid(t)≤PSgridmax(3)
其中，公式1表示所述园区能源系统向所述大电网购电和售电只存在其中一种情况，或者所述园区能源系统向所述大电网不购电也不售电；公式2表示所述园区能源系统向所述大电网购电功率的上下限；公式3表示所述园区能源系统向所述大电网售电功率的上下限；
所述园区能源系统运行约束条件为：
Socmin≤Soc(t)≤Socmax(4)
EBmin≤EB(t)≤EBmax(5)
其中，公式4表示所述共享储能系统t时刻的荷电量Soc(t)需在最大Socmax、最小Socmin的荷电量之间；公式5表示所述共享储能系统剩余储能容量EB(t)需满足不超过其限值EBmin、EBmax；公式6表示所述共享储能系统充放电功率需要满足的条件，PESS.e为所述共享储能系统充放电功率的额定值；ηdd为双向DC-DC变换器效率；Pdde为双向DC-DC变换器额定功率。
5.根据权利要求4所述的方法，其特征在于，根据所述光伏和所述风机各自输出功率的理论最优值，通过成本最小公式和所述模糊遗传算法，计算得到所述园区能源系统的运行成本和所述光伏和所述风机各自输出功率的实际最优值，包括：
步骤10：以所述光伏和所述风机各自输出功率的理论最优值为模糊遗传算法的初始解；
步骤20：设置进化代数计数器和最大化代数T；
步骤30：以初始解为基础，通过所述成本最小公式公式，计算得到所述光伏和所述风机各自输出功率的一代实际最优值和园区能源系统的运行成本一代最小值；
步骤40：对所述光伏和所述风机各自输出功率的一代实际最优值和园区能源系统的运行成本一代最小值进行计算，得到对应的质心；
步骤50：根据质心，进行繁殖以产生新群体；
步骤60：根据繁殖产生的群众中每对模糊集，通过交叉生成两个后代；
步骤70：设q是变异的概率，则变异的操作是通过对模糊集上的某一元素随机更换而完成的；
步骤80：在t小于T的情况下，以变异后的一代实际最优值和一代最小值为初始解，返回步骤30；
步骤90：在t大于等于T的情况下，变异后的一代理论最优值即为所述光伏和所述风机各自输出功率的实际最优值，变异后的一代最小值即为所述园区能源系统的运行成本的最小值。
6.根据...
【专利技术属性】
技术研发人员：周步祥，夏海东，邹家惠，刘治凡，李祖钢，陈鑫，杨明通，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51
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。