一种风光水火储系统的多能容量优化配置方法技术方案

本发明专利技术涉及一种风光水火储系统的多能容量优化配置方法，包括：以成本最小、负荷缺电率最小、风光总发电量最大为目标，分别建立相应的三个子目标；对三个子目标分别进行min

【技术实现步骤摘要】
一种风光水火储系统的多能容量优化配置方法


[0001]本专利技术涉及电力系统规划领域，尤其涉及一种风光水火储系统的多能容量优化配置方法。

技术介绍

[0002]随着化石燃料的不断消耗和环境污染的日趋加剧，风能、太阳能等可再生能源逐步引起了人们的高度关注。然而，风能和太阳能的随机性和间歇性使得其发电功率存在较强的波动性及不确定性，大规模的风电和光电并入电网将为电网的安全稳定和运行调度带来不可忽视的问题与挑战。
[0003]在此背景下，利用不同可再生能源及常规能源的天然互补特性，对各能源的容量进行合理的优化配置，在保证风电和光电发电规模的同时，实现更高质量的电力输出，提高供电可靠性并降低经济成本，是解决这一问题并应对这一挑战的重要途径之一。
[0004]目前，很多学者已经开展了多能容量优化配置模型和优化配置算法研究，但是现有联合发电系统容量配置的研究成果大多只考虑了3或4种电源，鲜有涉及5种及以上电源的发电系统。而且在现有研究中，考虑单一经济性目标的研究成果较多，虽然一些学者考虑了经济性和供电可靠性两个主要目标，以及将经济性和可再生能源比例两个指标作为目标，但综合考虑多目标的研究较少。
[0005]现有研究在求解多目标优化问题时，通常将各子目标进行归一化处理，利用线性加权法将多目标优化问题转化为单目标问题，然后再求解。但大多数研究都未明确给出归一化处理过程中各子目标最大值与最小值取法，或较为繁琐地采用各单独的子目标优化过程中所获得的最优解作为归一化处理过程中各个子目标的最大值与最小值，或根据不准确的经验选取归一化处理过程中各个子目标的最大值与最小值。因此，亟需一种能够快速、可靠提供归一化处理过程中各个子目标的最大值与最小值的手段。

技术实现思路

[0006]本专利技术所要解决的技术问题是提供一种风光水火储系统的多能容量优化配置方法，其涉及了较多种类的电源、综合考虑了较多目标，并且简化了各子目标最大值、最小值的分析与计算，提高了整个优化配置过程的计算效率。
[0007]为解决上述问题，本专利技术所述的一种风光水火储系统的多能容量优化配置方法方法包括：
[0008]以成本C最小、负荷缺电率D
LE
最小、风光总发电量f
P
最大为目标，分别建立相应的三个子目标f1、f2、f3；其中，f1＝C，f2＝D
LE
，f3＝
‑
f
P
；
[0009]分别对三个子目标f1、f2、f3进行min
‑
max归一化处理，然后线性加权求和，得到单目标函数min F：
[0010][0011]min F＝λ1f1'+λ2f'2+λ3f'3[0012]其中，f1'、f'2、f'3分别为成本、负荷缺电率、风光出力的归一化值；f
1.max
、f
2.max
、f
3.max
分别为成本、负荷缺电率、风光总发电量的最大值；f
1.min
、f
2.min
、f
3.min
分别为成本、负荷缺电率、风光总发电量的最小值；λ1、λ2、λ3分别为成本、负荷缺电率、风光总发电量的权重系数，λ1+λ2+λ3＝1；
[0013]基于多能互补特性及预设运行策略，以及预设约束条件和所述单目标函数min F，构建多能容量优化配置模型；
[0014]在水电总容量固定不变的前提下，通过遗传算法搜索求解所述多能容量优化配置模型的最优的风机数量、光伏阵列数量、火电机组数量和储能电池数量；
[0015]将最优解代入各子目标最小值、最大值的计算公式，计算结果用于风光火储能的容量优化配置。
[0016]优选地，所述遗传算法经过一定代数的搜索后，子目标的最小值、最大值将不再更新，将最后一代的结果作为最优值输出。
[0017]优选地，所述预设运行策略包括：以最大化风光出力为目标，需要水火储参与调节时，按照水电、火电和储能的顺序依次出力。
[0018]优选地，min C＝C1+C2+C3，C1为系统固定投资成本，C2为系统运行维护成本，C3为火电燃料成本；
[0019]C1＝C
w
N
w
S
w
+C
pv
N
pv
S
pv
+C
bat
N
bat
+C
h
N
h
S
h
[0020][0021][0022]式中：N
w
、N
pv
、N
s
、N
h
、N
bat
分别为风机、光伏阵列、水电站、火电机组和储能电池的数量；C
w
、C
pv
、C
h
分别为风机、光伏阵列和火电机组单位容量投资成本；C
bat
为储能电池单价；S
w
、S
pv
、S
h
分别为风机、光伏阵列和火电机组总容量；C
′
w
、C
′
pv
、C
′
s
、C
′
h
、C
′
bat
分别为风机、光伏阵列、水电、火电和储能单位发电量运行维护成本；P
w
(t)、P
pv
(t)、P
h
(t)分别为单台风机、单位光伏阵列、单台火电机组t时刻输出功率；P
s.sum
(t)为全部水电t时刻输出功率；P
bat
(t)为单位储能电池t时刻输出(输入)功率；T为运行周期时段数；D(t)为单位火电机组t时间的煤耗量；C"
h
为单位煤耗成本。
[0023]优选地，
[0024]式中：E
L
为T时间内负荷总消耗电量，P
LE
(t)为t时刻负荷缺电功率；
[0025][0026]优选地，所述预设约束条件包括：
[0027](1)功率平衡约束与电池荷电状态约束
[0028]当风光水火总出力之和达到负荷需求时，
[0029]N
bat
P
bat
(t)＝N
w
P
w
(t)+N
pv
P
pv
(t)+P
s.sum
(t)+N
h
P
h
(t)
‑
P
L
(t)
[0030]式中，P
L
(t)为t时刻负荷需求功率；
[0031]当风光水火总出力之和仍未达到负荷需求时，
[0032]N
bat
P
bat
(t)＝
‑...

【技术保护点】

【技术特征摘要】
1.一种风光水火储系统的多能容量优化配置方法，其特征在于，该配置方法包括：以成本C最小、负荷缺电率D
LE
最小、风光总发电量f
P
最大为目标，分别建立相应的三个子目标f1、f2、f3；其中，f1＝C，f2＝D
LE
，f3＝
‑
f
P
；分别对三个子目标f1、f2、f3进行min
‑
max归一化处理，然后线性加权求和，得到单目标函数min F：min F＝λ1f1'+λ2f2'+λ3f3'其中，f1'、f2'、f3'分别为成本、负荷缺电率、风光出力的归一化值；f
1.max
、f
2.max
、f
3.max
分别为成本、负荷缺电率、风光总发电量的最大值；f
1.min
、f
2.min
、f
3.min
分别为成本、负荷缺电率、风光总发电量的最小值；λ1、λ2、λ3分别为成本、负荷缺电率、风光总发电量的权重系数，λ1+λ2+λ3＝1；基于多能互补特性及预设运行策略，以及预设约束条件和所述单目标函数min F，构建多能容量优化配置模型；在水电总容量固定不变的前提下，通过遗传算法搜索求解所述多能容量优化配置模型的最优的风机数量、光伏阵列数量、火电机组数量和储能电池数量；将最优解代入各子目标最小值、最大值的计算公式，计算结果用于风光火储能的容量优化配置。2.如权利要求1所述的配置方法，其特征在于，所述遗传算法经过一定代数的搜索后，子目标的最小值、最大值将不再更新，将最后一代的结果作为最优值输出。3.如权利要求1所述的配置方法，其特征在于，所述预设运行策略包括：以最大化风光出力为目标，需要水火储参与调节时，按照水电、火电和储能的顺序依次出力。4.如权利要求1所述的配置方法，其特征在于：min C＝C1+C2+C3，C1为系统固定投资成本，C2为系统运行维护成本，C3为火电燃料成本；C1＝C
w
N
w
S
w
+C
pv
N
pv
S
pv
+C
bat
N
bat
+C
h
N
h
S
hh
式中：N
w
、N
pv
、N
s
、N
h
、N
bat
分别为风机、光伏阵列、水电站、火电机组和储能电池的数量；C
w
、C
pv
、C
h
分别为风机、光伏阵列和火电机组单位容量投资成本；C
bat
为储能电池单价；S
w
、S
pv
、S
h
分别为风机、光伏阵列和火电机组总容量；C
′
w
、C
′
pv
、C
′
s
、C
′
h
、C
′
bat

【专利技术属性】
技术研发人员：周强，吴悦，马彦宏，张彦琪，马志程，韩旭杉，吕清泉，王定美，沈渭程，李津，高鹏飞，张金平，张健美，张珍珍，张睿骁，甄文喜，刘丽娟，宋锐，杨洪志，甘嘉田，陈柏旭，
申请(专利权)人：国网甘肃省电力公司国网青海省电力公司电力科学研究院国网青海省电力公司，
类型：发明
国别省市：