【技术实现步骤摘要】
本专利技术属于光储联合运行优化领域，具体为一种光储电站运行协同优化方法及系统。
技术介绍
1、在传统化石能源供应逐年紧张，环境污染问题持续增加的大环境下，发展可再生能源已成为当前的重中之重。光伏发电有着低碳环保、储量充足、安全可靠等优点，有着良好的发展前景。
2、然而，光伏发电有着间歇性强、波动性、可控性弱等特点，随着在电网中渗透率的增加，光伏发电会大量占用电网系统热备用，影响电网安全稳定经济运行。随着光伏装机容量的增加，有些地区弃光现象逐年严重。储能有着平抑功率波动，快速有效地补偿调节光伏出力，增强光伏电站的发电可控性，提高计划跟踪能力，提高电网对光伏发电的接纳能力，从而降低弃光率。
3、由此可以预见，光储电站是未来大容量光伏电站的发展方向。但目前基于光储电站上网价格政策进行投资可行性条件时，现有的方法计算目标函数时，对于数据量大、不确定性大的光储出力数据而言，存在算法编程复杂，运算效率不高，对初始参数依赖性较强等问题，尤其是计算结果不准确，不利于帮助发电企业做出合理的建设规划，降低投资者建设的积极性。
技术实现思路
1、针对现有目标函数求解速度慢、结果不准确的问题，本专利技术提供了一种光储电站运行协同优化方法及系统，本专利技术可有效减少光储电站数据处理的时间，增加光储电站实际出力数据的实时性，准确性，从而进一步准确获得光储电站运行协同优化方案。
2、为实现上述目的，本专利技术采用如下技术方案：
3、第一方面本专利技术提供一种光储电
4、获取光储电站的实际出力数据；
5、基于光储电站实际出力数据，对光储电站的实际出力数据曲线进行聚类划分，将聚类中心作为光储电站的预测出力数据；
6、构建光储电站运行目标函数，光储电站运行目标函数包括光储电站发电收入、运行损耗成本、考核奖惩收益和参与辅助服务收益；
7、确定所述光储电站运行目标函数的约束条件，约束条件包括光储电站功率平衡约束条件、储能系统功率约束条件、储能系统荷电状态约束条件及储能系统容量约束条件；
8、将所述实际出力数据与所述预测出力数据共同作为输入，求解光储电站运行目标函数，得到光储电站收益指标，基于光储电站收益指标生成运行协同优化方案。
9、作为本专利技术进一步改进，所述光储电站的实际出力数据包括储能总有功出力数据、光伏总有功出力数据、光伏储能总有功出力数据及不同天气光储电站出力数据。
10、作为本专利技术进一步改进，基于光储电站实际出力数据，对光储电站的实际出力数据曲线进行聚类划分，将聚类中心作为光储电站的预测出力数据，包括以下过程：
11、s2-1，构建soinn神经网络，并初始化soinn神经网络的网络参数和神经元集合a＝{c1,c2}，以随机初始化的方式初始化初始权重和偏置；
12、s2-2，输入实际出力数据，soinn神经网络第一层网络以在线的方式自适应的生成神经元来表示输入数据；神经元的计算公式如公式：
13、s1＝argmin||ξ-wt||， t∈a (1)
14、其中，ξ表示新的输入样本；wt表示神经元的权重；a表示神经元集合；t表示神经元集合中的任意神经元；获胜神经元用公式(2)计算：
15、s2＝argmin||ξ-wt||，t∈a\{s1} (2)
16、其中，s1表示新的神经元值；
17、s2-3，使用当前的网络参数计算第一层神经网络的输出；
18、s2-4，第二层网络根据第一层网络的结果计算出神经元间的距离，并以此为参数，把第一层的神经元作为输入soinn神经网络，进行动态调整；
19、s2-5，如有新的输入数据，重复步骤s2-2到s2-5，直到达到停止条件，最终输出获胜神经元集合，将获胜神经元集合的聚类中心作为光储电站的预测出力数据。
20、作为本专利技术进一步改进，所述构建光储电站运行目标函数，包括；
21、s3-1，建立以最大收益为目标函数的光储电站运行目标函数：
22、max ipv-bess＝ielc+if-cass-cg (3)
23、其中，ipv-bess为光储电站的最大收益；ielc为光储电站向电网售电的发电收益；if为光储电站参与调峰辅助服务的收益；cass为光储电站的预测误差考核成本；cg为光储电站运维成本；
24、s3-2，所述光储电站的发电收益表示为：
25、ielc＝βpv·qpv+βbess·qbess
26、其中，ielc为光储电站发电收益；βpv为光伏上网标杆电价；βbess为储能上网标杆电价；qpv为光伏日发电量；qbess为储能日发电量；
27、s3-3，所述光储电站的考核奖惩成本表示为：
28、cass＝αass·qpv-bess
29、其中，cass为光储电站的预测误差考核成本；αass为考核单价；
30、s3-4，所述储能参与调峰辅助服务的收益表示为：
31、
32、其中，if为储能调峰收益；pc(t)、pd(t)分别是储能系统在时刻t的充电、放电功率；mf(t)为储能系统在时刻t的调峰电价；β是调峰补贴；
33、s3-5，所述光储电站运行损耗成本表示为：
34、cg＝cbess+mg
35、
36、mg＝rg·qpv
37、其中，cg为光储电站运行损耗成本，cbess为储能运行损耗成本；βbess为储能电池单位造价；αbess为储能电池单次放电寿命损耗率；n为储能电池充放电次数；mg为光伏运行损耗成本；rg为光伏运维系数。
38、作为本专利技术进一步改进，所述确定所述光储电站运行目标函数的约束条件，包括：
39、s4-1，光储电站功率平衡约束
40、pgrid(t)＝ppv(t)+pbess(t)
41、其中，pgrid(t)为光储电站并网点功率；ppv(t)为光伏输出有功功率；pbess(t)为储能输出有功功率；
42、s4-2，储能系统功率约束：
43、0≤pbess(t)≤pbess_max
44、其中，pbess_max为t时刻储能系统最大输出有功功率；
45、s4-3，储能系统荷电状态约束：
46、socbess_min≤soc(t)≤socbess_max
47、
48、其中，soc(t)为t时刻储能系统的荷电状态，socbess_min，socbess_max-为储能系统放电区间最大、最小值；ebess为储能容量；
49、s4-4，储能系统容量配置约束：
50、0≤ebess≤ebess-max
51、其中ebess-max为储能电池容量的上限。本文档来自技高网...
【技术保护点】
1.一种光储电站运行协同优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，所述光储电站的实际出力数据包括储能总有功出力数据、光伏总有功出力数据、光伏储能总有功出力数据及不同天气光储电站出力数据。
3.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，基于光储电站实际出力数据，对光储电站的实际出力数据曲线进行聚类划分，将聚类中心作为光储电站的预测出力数据，包括以下过程：
4.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，所述构建光储电站运行目标函数，包括；
5.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，所述确定所述光储电站运行目标函数的约束条件，包括：
6.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，求解光储电站运行目标函数采用灰狼算法求解光储电站运行目标函数，灰狼算法求解过程包括：
7.根据权利要求6所述的一种光储电站运行协同优化方法，其特征在于，所述得到适应度最优的个体位置，包括：
...【技术特征摘要】
1.一种光储电站运行协同优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，所述光储电站的实际出力数据包括储能总有功出力数据、光伏总有功出力数据、光伏储能总有功出力数据及不同天气光储电站出力数据。
3.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，基于光储电站实际出力数据，对光储电站的实际出力数据曲线进行聚类划分，将聚类中心作为光储电站的预测出力数据，包括以下过程：
4.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，所述构建光储电站运行目标函数，包括；
5.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，所述确定所述光储电站运行目标函数的约束条件，包括：
6.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，求解光储电站运行目标函数采用灰狼算法求解光储电站运行目标函数，灰狼算法求解过程包括：
7.根据权利要求6所述的一种光储电站运行协同优化方法，其特征在于，所述得到适应度最优的个体位置，包括：
8.根据权利要求1所述的一种光储电站运行协同优化方法，其特征在于，所述基于光储电站收益指标生成运行协同优化方案包括：
9.一种光储电站运行协同优化系统，其特征在于，包括：
<...【专利技术属性】
技术研发人员：阳成，翟冰聪，武超，李相俊，李晓明，马会萌，孔维康，修晓青，梅燕，张波琦，袁宁廷，王新维，
申请(专利权)人：国网西藏电力有限公司，
类型：发明
国别省市：
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。