本发明专利技术涉及一种混合储能系统容量优化方法。首先建立了以混合储能系统的成本、蓄电池的充放电转换次数最小的多目标数学模型；接着，通过熵权法将多目标优化转化为带权重的单目标优化问题，并用改进的粒子群算法对带有权重系数的单目标函数进行优化，得到混合储能系统功率和容量最优解；最后，为了衡量混合储能系统运用于平抑风电功率波动的优化效果，本发明专利技术定义了混合储能系统荷电状态系数和并网平滑率作为混合储能系统多目标优化的评价指标。
1、近年来风力发电发展迅速，其渗透力水平不断上升。但是由于风电具有间歇性和随机性的特点，直接并网运行的风电系统会对电力系统的安全性、稳定性等方面造成冲击和影响。风能利用率低的原因之一是在于风电输出功率的波动性对电网电压、频率等参量影响显著，其降低了机组的容量可信度和可调度性而造成严重的弃风现象，故平抑风电功率的波动是有必要的。通常采用储能系统与风电系统相结合来抑制风电输出功率的波动性，提高风电并网规模。然而受物理条件限制，单一的储能介质无法同时满足功率和能量需求，采用混合储能技术是抑制风电功率波动的有效手段。
2、由于混合储能系统对风电波动功率的平抑效果直接影响着风电并网功率的波动大小，合理的混合储能各介质之间的功率分配策略至关重要。通常情况下，混合储能系统选择的容量越大，对风电输出功率的平抑效果越好。然而，混合储能的容量选取越大，其设计成本越高，导致其性价比降低。因此，要有性价比较高的混合储能系统应有合适的容量。必须合理选择不同类型储能设备的容量并设计相应的控制方法，以充分发挥其各自优势，从而在满足风电功率并网要求的基础上，实现混合储能系统成本和使用寿命的最优化。
1、本专利技术的目的在于提供一种混合储能系统容量优化方法，该方法将模型中的多个目标通过熵权法确定权系数方法聚合成一个函数；并通过改进的粒子群算法，对带有约束条件的混合储能系统的单目标函数进行求解，得到混合储能系统的容量最优解。
>2、为实现上述目的，本专利技术的技术方案是：一种混合储能系统容量优化方法，首先建立以混合储能系统的成本、蓄电池的充放电转换次数最小的多目标数学模型；接着，通过熵权法将多目标优化转化为带权重的单目标优化问题，并用改进的粒子群算法对带有权重系数的单目标函数进行优化，得到混合储能系统功率和容量最优解；最后，定义混合储能系统荷电状态系数和并网平滑率作为混合储能系统多目标优化的评价指标。3、在本专利技术一实施例中，所述建立以混合储能系统的成本、蓄电池的充放电转换次数最小的多目标数学模型具体实现方式如下：
4、1)建立以混合储能系统的成本作为其中一个目标函数，将超级电容、蓄电池的额定功率和超级电容、蓄电池的额定容量作为决策变量，其表达式为
5、
6、2)蓄电池充放电转换次数目标
7、将蓄电池的循环使用次数作为混合储能系统的另一个目标函数，用来约束蓄电池的充放电转换次数，其表达式如下：
8、n＝f2(pscr,qscr,pbatr,qbatr) (2)
9、为记录蓄电池的循环使用次数，引入充放电状态量state(t)；通过计算充放电状态量state(t)数值的变化次数，得到计算蓄电池的充放电转换次数；计算充放电状态量state(t)的持续时间，得到蓄电池的一次充放电时间；
10、
11、式(1)-(3)中：pscr、pbatr分别为超级电容、蓄电池的额定功率；qscr、qbatr分别为超级电容、蓄电池的额定容量；cpsc、cpbat分别为超级电容和蓄电池额定功率单价；cqsc、cqbat分别为超级电容和蓄电池额定容量单价；
12、3)基于建立的混合储能系统成本和蓄电池的充放电转换次数的目标函数，以各目标函数最小为目标对混合储能装置的容量进行优化配置，将超级电容的额定功率和额定容量、蓄电池的额定功率和额定容量为决策变量，建立混合储能系统的多目标优化数学模型，如下式所示：
13、
14、f1、f2分别为混合储能系统成本和蓄电池的充放电转换次数的目标函数。
15、在本专利技术一实施例中，所述通过熵权法将多目标优化转化为带权重的单目标优化问题的具体实现方式如下：
16、首先采用熵权法确定目标函数中各子目标函数的权重系数λi，然后将带权重的子目标函数相加，从而将带有约束条件的多目标优化问题加权转化为一个带有约束条件的正系数单目标函数优化问题，其中将约束条件设为集合x，即为容量优化配置的约束条件，再对其在约束集合x上进行优化，求得函数的最优解；混合储能系统的多目标函数聚合成单目标函数为：
17、
18、f1、f2分别为目标函数中两个子目标函数，目标函数中各子目标函数的权重系数λi，反映了相应子目标函数在整体评价中的相对重要程度。
19、在本专利技术一实施例中，所述采用熵权法确定目标函数中各子目标函数的权重系数λi，具体如下：
20、1)建立含有m个评价对象，n个评价指标的指标体系原始矩阵x＝[aij]m×n：
21、
22、2)数据标准化
23、在建立的指标体系中，采用模糊量化模式对原始数据进行处理，得到标准化矩阵k＝[bij]m×n；模糊量化表达式有如下式子：
24、
25、式中：bij是矩阵x中元素aij进过标准化后对应的值；a·j为m个评价对象对应的指标j的原始数据；
26、由2)得标准化矩阵k＝[bij]m×n，计算第j个评价指标中第i个评价对象占有的比重：
27、
28、得到比重矩阵p＝[pij]m×n；
29、3)计算第j个指标的熵值ij，得i＝[iij]1×n：
30、
31、其中：设pij＝0时，pijlnpij＝0；
32、4)求得第j个指标的熵权为：
33、
34、得到熵权矩阵w＝[wij]1×n。
35、在本专利技术一实施例中，所述用改进的粒子群算法对带有权重系数的单目标函数进行优化，得到混合储能系统功率和容量最优解的具体实现方式如下：
36、1)种群的初始化；设定种群粒子规模，随机初始化种群中粒子速度v(0)＝[v1,v2,v3,v4]t和粒子位置x(0)＝[x1,x2,x3,x4]t；种群中粒子位置表示在满足约束条件下的四个决策变量的数值，即超级电容、蓄电池的额定功率以及超级电容、蓄电池的额定容量四个决策变量的数值；其中，四个决策变量的取值都应满容量配置的约束条件；
37、2)计算种群初始极值；将粒子的初始位置x(0)＝[x1,x2,x3,x4]t代入搭建的混合储能系统模型中，运行仿真；若平抑过程中，不能约束条件，则该粒子无效，需要重新生成粒子，再运行仿真，直到粒子满足容量配置的约束条件；然后根据混合储能系统单目标函数，求得初始个体极值pbest和群体极值gbest；
38、3)更新粒子的位置和速度；按照下式对粒子进行更新，新生成的粒子也要满足粒子满足容量配置的约束条件，对于不满足的粒子，需要重新生成；
39、xi(t+1)＝xi(t)+vi(t+1)t＝1,2,…,tmax
40、vi(t+1)＝ωvi(t)+c1r1(pi.best-xi(t))+c2r2(gbest-xi(t))t＝1,2,…,tmax本文档来自技高网...
【技术保护点】
1.一种混合储能系统容量优化方法，其特征在于，首先建立以混合储能系统的成本、蓄电池的充放电转换次数最小的多目标数学模型；接着，通过熵权法将多目标优化转化为带权重的单目标优化问题，并用改进的粒子群算法对带有权重系数的单目标函数进行优化，得到混合储能系统功率和容量最优解；最后，定义混合储能系统荷电状态系数和并网平滑率作为混合储能系统多目标优化的评价指标。
2.根据权利要求1所述的一种混合储能系统容量优化方法，其特征在于，所述建立以混合储能系统的成本、蓄电池的充放电转换次数最小的多目标数学模型具体实现方式如下：
3.根据权利要求1所述的一种混合储能系统容量优化方法，其特征在于，所述通过熵权法将多目标优化转化为带权重的单目标优化问题的具体实现方式如下：
4.根据权利要求3所述的一种混合储能系统容量优化方法，其特征在于，所述采用熵权法确定目标函数中各子目标函数的权重系数λi，具体如下：
5.根据权利要求1所述的一种混合储能系统容量优化方法，其特征在于，所述用改进的粒子群算法对带有权重系数的单目标函数进行优化，得到混合储能系统功率和容量最优解的具体实现方式如下：
6.根据权利要求1所述的一种混合储能系统容量优化方法，其特征在于，所述定义混合储能系统荷电状态系数和并网平滑率作为混合储能系统多目标优化的评价指标的具体实现方式如下：
7.根据权利要求6所述的一种混合储能系统容量优化方法，其特征在于，混合储能系统的容量优化配置过程中的约束条件为如下式：
...
【技术特征摘要】
1.一种混合储能系统容量优化方法，其特征在于，首先建立以混合储能系统的成本、蓄电池的充放电转换次数最小的多目标数学模型；接着，通过熵权法将多目标优化转化为带权重的单目标优化问题，并用改进的粒子群算法对带有权重系数的单目标函数进行优化，得到混合储能系统功率和容量最优解；最后，定义混合储能系统荷电状态系数和并网平滑率作为混合储能系统多目标优化的评价指标。
2.根据权利要求1所述的一种混合储能系统容量优化方法，其特征在于，所述建立以混合储能系统的成本、蓄电池的充放电转换次数最小的多目标数学模型具体实现方式如下：
3.根据权利要求1所述的一种混合储能系统容量优化方法，其特征在于，所述通过熵权法将多目标优化转化为带权重的单目标优化问题的具体...
【专利技术属性】
技术研发人员：郭智源，李继宇，陈雪，陈大才，林剑，余定文，林奕夫，
申请(专利权)人：国网福建省电力有限公司，
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。