一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法技术方案

本发明专利技术涉及一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，与现有技术相比解决了难以实现风储系统中磷酸铁锂电池组储能容量的合理配置。本发明专利技术包括以下步骤：风储系统基础数据的获取和预处理；建立磷酸铁锂电池组储能容量配置的目标函数；对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化；磷酸铁锂电池组储能容量配置结果的获得。本发明专利技术无需设置权重因子，综合考量储能容量投资成本、运行维护成本、弃风成本、备用发电损失成本等多个目标函数，在Pareto前沿上寻找最优解，达到风储系统磷酸铁锂电池组容量合理配置设计的目的，具有方法科学合理、效果佳、收敛速度快、适用性强等技术特点。

【技术实现步骤摘要】
一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法
本专利技术涉及电力大数据处理
，具体来说是一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法。
技术介绍
风能是最具商业潜力与活力的可再生能源之一，但风力发电本身具有的随机性特点给电网有序调度和可靠运行带来了极大挑战。随着风力发电系统在交直流混合微网中的广泛应用，风电本身具有的间歇性、随机性等特点对电力系统安全经济运行的影响逐步加剧，仅依靠发电侧或电网侧的能量管理难以实现负荷与电源的实时平衡和可再生能源的高效利用。为风力发电系统配备储能是保证风储系统稳定运行的有效手段之一，在可再生能源侧配置储能不仅能够提高电能质量，而且可根据用电负荷变化起到“削峰填谷”的调峰和能源消纳作用，有助于电能的优化分配与利用。储能拥有灵活的充放电能力和快速的动态响应，可以实时平抑风力发电系统输出功率的波动，减少风储系统备用需求和停电损失，从而提高风储系统供电的灵活性、经济性和可靠性。储能容量直接影响风储系统运行的安全性和经济性，过大的储能容量会增加投资和维护成本，而过小的储能容量又无法满足可能出现的集中且较大的负荷需求，无法真正提升风储系统的电能质量和整体运行性能。此外，磷酸铁锂电池组储能容量最优配置属于非线性、多约束及多目标优化问题，传统优化算法在解决非线性、多约束及多目标优化问题时，常面临收敛速度慢和易产生局部收敛等技术缺陷。综合考虑可靠性和经济性评价指标，对储能容量进行优化配置时，往往存在两个以上的多个优化目标。目标函数之间通常是相互竞争、相互耦合的关系，现有解决方案多采用权重系数法，即针对不同优化目标赋以不同权重系数，将多目标优化问题转化为单目标优化问题予以解决。采用权重系数法虽然能够将复杂的多目标优化问题转化为单目标优化问题，物理概念清晰且易于实现，但是其收敛效果易受权重系数选择的影响，一旦权重系数选择不当则会导致优化结果陷入局部最优解，此外，多优化目标间权重因子的合理选择仍属于开放性的研究问题。因此，合理配置磷酸铁锂电池组储能容量，优化风资源利用率已经成为亟需解决的关键技术问题。
技术实现思路
本专利技术目的是为了解决现有技术中难以实现风储系统中磷酸铁锂电池组储能容量的合理配置，提供一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，实现储能容量的最优配置。为了实现上述目的，本专利技术的技术方案如下：一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，包括以下步骤：11)风储系统基础数据的获取和预处理：获取风储系统磷酸铁锂电池组储能容量配置分析的基础数据，并对其进行预计算处理；12)建立磷酸铁锂电池组储能容量配置的目标函数：根据基础数据建立磷酸铁锂电池组储能容量配置目标函数；13)对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化：建立磷酸铁锂电池组储能容量配置数学模型，将改进的差分进化算法和帕累托评价相集成，对磷酸铁锂电池组储能容量配置数学模型进行多目标优化；14)磷酸铁锂电池组储能容量配置结果的获得：基于预计算处理后的基础数据，将改进差分进化算法和帕累托评价相集成，对建立的风储系统磷酸铁锂电池组储能容量配置的数学模型进行多目标优化，获得帕累托前沿，再遵循在满足风储系统弃风率、缺电率约束的同时，兼顾风储系统总成本最小的设计依据，在帕累托前沿中获取风储系统磷酸铁锂电池组储能容量最优配置方案，即确定出磷酸铁锂电池组储能额定容量SBESS和额定功率PBESS的最优配置值Sopt与Popt。所述风储系统基础数据的获取和预处理包括以下步骤：21)磷酸铁锂电池组储能初始投资成本分析计算：获取磷酸铁锂电池组储能单位容量成本为CE万元，单位功率成本为Cp万元，磷酸铁锂电池组储能额定容量为SBESS，储能额定功率为PBESS，储能寿命年限为Tyear年，δ为年利率，则磷酸铁锂电池组储能折算至寿命周期内的等年值投资成本表示如下：其中，Cin为磷酸铁锂电池组储能初始投资成本；22)磷酸铁锂电池组储能运行维护处置成本分析计算：设Cop为运行成本、Cma为维护成本、Cde为处置成本、Cin为初始投资成本，则储能生命周期内的运行、维护、处置成本的表达式分别如下：Cop＝λop×Cin，Cma＝λma×Cin，Cde＝λde×Cin；其中，λop、λma和λde分别表示运行成本系数、维护成本系数和处置成本系数；23)风储系统弃风成本与备用发电损失成本的分析计算：231)获取风电场在一年中以小时为单位的各时刻风速值v(t)和负荷需求功率Pgrid(t)；232)风功率预测计算：根据风机输出功率与风速函数关系预测t时刻的风功率Pwind(t)：其中，Pr为风机组额定功率，v(t)为t时刻风电场风速，vci为风机切入风速，vr为额定风速，vco为风机切出风速；考虑风功率预测误差，在储能需要充电时，设置风功率预测值再上浮20％，在储能需要放电时，设置风功率预测值再下降20％，则有：233)储能充放电功率计算：储能理想充放电功率P0(t)，其计算公式如下：P0(t)＝Pwind(t)-Pgrid(t)(4)功率为负时则表示储能放电，设储能实际运行状态下的充放电功率为Psoc，实际储能容量为S，则实际运行状态下，储能运行过程中每一时刻的容量为功率对时间的积分，以小时为单位离散化后的表达式为：S(t)＝S(t-1)+△t×Psoc(t)(5)其中，Psoc(t)、S(t)分别表示t时刻储能的充放电功率、储能容量，S(t-1)为t-1时刻的储能容量，△t表示采样时间间隔1h；考虑储能充放电效率，充电效率nch，放电效率ndch，储能容量与功率、充放电效率关系为：234)储能约束条件的设定：设定储能的实际充放电功率与容量需要满足如下约束：所述建立磷酸铁锂电池组储能容量配置的目标函数包括以下步骤：31)设定风储系统磷酸铁锂电池组储能生命周期内的总成本目标函数为f1：f1＝Cin+Cop+Cde+Cma(8)其中，Cin为储能初始投资成本，Cop为储能运行成本，Cde为储能处置成本，Cma为储能维护成本；32)设定风储系统的弃风成本目标函数为f2：其中，Kgrid为上网电价，取分时电价，Kgrid是与时间有关的数组。Ploss(t)为t时刻风储系统的弃风功率；33)设定风储系统的备用发电损失成本目标函数为f3：其中，a、b、c均是备用发电成本系数，Plack(t)为t时刻的缺电功率。所述对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化包括以下步骤：41)建立磷酸铁锂电池组储能容量优化配置的数学模型，如下所示：式中，f1为风储系统磷酸铁锂电池组储能生命周期内的总成本，f2为风储系统的弃本文档来自技高网...

【技术保护点】
1.一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，其特征在于，包括以下步骤：/n11)风储系统基础数据的获取和预处理：获取风储系统磷酸铁锂电池组储能容量配置分析的基础数据，并对其进行预计算处理；/n12)建立磷酸铁锂电池组储能容量配置的目标函数：根据基础数据建立磷酸铁锂电池组储能容量配置目标函数；/n13)对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化：建立磷酸铁锂电池组储能容量配置数学模型，将改进的差分进化算法和帕累托评价相集成，对磷酸铁锂电池组储能容量配置数学模型进行多目标优化；/n14)磷酸铁锂电池组储能容量配置结果的获得：基于预计算处理后的基础数据，将改进差分进化算法和帕累托评价相集成，对建立的风储系统磷酸铁锂电池组储能容量配置的数学模型进行多目标优化，获得帕累托前沿，再遵循在满足风储系统弃风率、缺电率约束的同时，兼顾风储系统总成本最小的设计依据，在帕累托前沿中获取风储系统磷酸铁锂电池组储能容量最优配置方案，即确定出磷酸铁锂电池组储能额定容量S

【技术特征摘要】
1.一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，其特征在于，包括以下步骤：
11)风储系统基础数据的获取和预处理：获取风储系统磷酸铁锂电池组储能容量配置分析的基础数据，并对其进行预计算处理；
12)建立磷酸铁锂电池组储能容量配置的目标函数：根据基础数据建立磷酸铁锂电池组储能容量配置目标函数；
13)对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化：建立磷酸铁锂电池组储能容量配置数学模型，将改进的差分进化算法和帕累托评价相集成，对磷酸铁锂电池组储能容量配置数学模型进行多目标优化；
14)磷酸铁锂电池组储能容量配置结果的获得：基于预计算处理后的基础数据，将改进差分进化算法和帕累托评价相集成，对建立的风储系统磷酸铁锂电池组储能容量配置的数学模型进行多目标优化，获得帕累托前沿，再遵循在满足风储系统弃风率、缺电率约束的同时，兼顾风储系统总成本最小的设计依据，在帕累托前沿中获取风储系统磷酸铁锂电池组储能容量最优配置方案，即确定出磷酸铁锂电池组储能额定容量SBESS和额定功率PBESS的最优配置值Sopt与Popt。


2.根据权利要求1所述的一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，其特征在于，所述风储系统基础数据的获取和预处理包括以下步骤：
21)磷酸铁锂电池组储能初始投资成本分析计算：获取磷酸铁锂电池组储能单位容量成本为CE万元，单位功率成本为Cp万元，磷酸铁锂电池组储能额定容量为SBESS，储能额定功率为PBESS，储能寿命年限为Tyear年，δ为年利率，则磷酸铁锂电池组储能折算至寿命周期内的等年值投资成本表示如下：



其中，Cin为磷酸铁锂电池组储能初始投资成本；
22)磷酸铁锂电池组储能运行维护处置成本分析计算：设Cop为运行成本、Cma为维护成本、Cde为处置成本、Cin为初始投资成本，则储能生命周期内的运行、维护、处置成本的表达式分别如下：
Cop＝λop×Cin，Cma＝λma×Cin，Cde＝λde×Cin；
其中，λop、λma和λde分别表示运行成本系数、维护成本系数和处置成本系数；
23)风储系统弃风成本与备用发电损失成本的分析计算：
231)获取风电场在一年中以小时为单位的各时刻风速值v(t)和负荷需求功率Pgrid(t)；
232)风功率预测计算：
根据风机输出功率与风速函数关系预测t时刻的风功率Pwind(t)：



其中，Pr为风机组额定功率，v(t)为t时刻风电场风速，vci为风机切入风速，vr为额定风速，vco为风机切出风速；
考虑风功率预测误差，在储能需要充电时，设置风功率预测值再上浮20％，在储能需要放电时，设置风功率预测值再下降20％，则有：



233)储能充放电功率计算：
储能理想充放电功率P0(t)，其计算公式如下：
P0(t)＝Pwind(t)-Pgrid(t)(4)
功率为负时则表示储能放电，设储能实际运行状态下的充放电功率为Psoc，实际储能容量为S，则实际运行状态下，储能运行过程中每一时刻的容量为功率对时间的积分，以小时为单位离散化后的表达式为：
S(t)＝S(t-1)+△t×Psoc(t)(5)
其中，Psoc(t)、S(t)分别表示t时刻储能的充放电功率、储能容量，S(t-1)为t-1时刻的储能容量，△t表示采样时间间隔1h；
考虑储能充放电效率，充电效率nch，放电效率ndch，储能容量与功率、充放电效率关系为：



234)储能约束条件的设定：
设定储能的实际充放电功率与容量需要满足如下约束：





3.根据权利要求1所述的一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，其特征在于，所述建立磷酸铁锂电池组储能容量配置的目标函数包括以下步骤：
31)设定风储系统磷酸铁锂电池组储能生命周期内的总成本目标函数为f1：
f1＝Cin+Cop+Cde+Cma(8)
其中，Cin为储能初始投资成本，Cop为储能运行成本，Cde为储能处置成本，Cma为储能维护成本；
32)设定风储系统的弃风成本目标函数为f2：



其中，Kgrid为上网电价，取分时电价，Kgrid是与时间有关的数组。Ploss(t)为t时刻风储系统的弃风功率；
33)设定风储系统的备用发电损失成本目标函数为f3：



其中，a、b、c均是备用发电成本系数，Plack(t)为t时刻的缺电功率。


4.根据权利要求1所述的一种带有多目标优化的风储系统磷酸铁锂电池组储能容量配置设计方法，其特征在于，所述对建立的磷酸铁锂电池组储能容量配置数学模型进行多目标优化包括以下步骤：
41)建立磷酸铁锂电池组储能容量优化配置的数学模型，如下所示：



式中，f1为风储系统...

【专利技术属性】
技术研发人员：叶筱，李红梅，蒋克勇，王先玲，王家兵，孙瑞松，李孝尊，王建，钱丹阳，
申请(专利权)人：中国能源建设集团安徽省电力设计院有限公司，合肥工业大学，
类型：发明
国别省市：安徽;34