【技术实现步骤摘要】
本专利技术属于电力系统优化调度领域，具体涉及一种光储充一体化直流系统多目标随机优化容量配置方法。
技术介绍
1、在"碳达峰、碳中和"愿景的引领下，中国光伏、储能和电动汽车行业正迎来蓬勃的建设热潮，光伏+储能+充电桩的“光储充一体化”布局将成为国家可持续发展的关键推动力。为进一步构建高质量充电基础设施体系，有效缓解大规模充电桩用电对局域电网的冲击，光储充一体化直流系统技术以其转换高效、能耗低、系统稳定的特点，正受到广泛关注和应用。然而，随着光储充一体化直流系统规模的扩大，其与交流系统传输电能产生的交直流转化损耗也不可忽视。
2、一般来说直流配电的能效高于交流配电，并随着系统容量的增加，直流配电的优势越明显。但不恰当的光储充规模配置比例会带来不必要的交直流转化损耗，降低直流系统的建设效益。光伏装机容量配置过多，储能与充电负荷消纳不完光伏电能，光伏直流电能被迫流向交流系统，带来大量的直流转交流电能损耗。反之，光伏与储能发电量不能满足充电负荷，交流系统会从电网购入交流电能供给到直流系统中的充电负荷，带来较多的交流转直流电能损耗。光伏发电季节性变化大，日发电量随机性高，基于典型场景的光储充容量优化配置的系统往往自给自足能力差，产生较多的交直流转化损耗。
3、因此，如何建立光伏发电的随机性模型、规划出直流系统中良好的光储充容量配置，提升直流系统建设效益，进一步降低系统损耗，提高电能利用率，是本领域技术人员需解决的技术问题。
技术实现思路
1、光伏发电的随机性给光储充一体
2、一种光储充一体化直流系统多目标随机优化容量配置方法，考虑了光伏日发电的随机性，建立了交直流转化损耗最小化目标函数、储能等效弃用系数最小化目标函数，以光伏、储能的容量为决策变量，在matlab平台，建立模型，使用nsga-ii算法求解，获取帕累托解集中的最优解。所述容量配置方法具体包括：
3、步骤一、建立光伏发电模型与储能soc的数学模型；
4、步骤二、建立交直流转化损耗最小化的数学模型；
5、步骤三、建立储能等效弃用系数最小化的数学模型；
6、步骤四、对光伏日发电随机性处理；
7、步骤五、基于光伏发电模型，构建nsga-ii算法，获取帕累托解集中的最优解。
8、进一步的，步骤一中光伏发电模型的数学模型表示为：
9、
10、
11、0≤epv≤epv,max (3)
12、式中，ppv,t是在t时刻的光伏发电功率；epv为光伏装机容量；是光伏系统在t时刻的实时容量因子；t是为每个场景划分的时间段的个数；为典型光伏实时发电容量因子；为光伏日发电容量因子；epv,max是光伏的最大装机容量。
13、进一步的，步骤一中储能soc的数学模型表示为：
14、
15、0≤ees≤ees,max (5)
16、socmin≤soct≤socmax (6)
17、soct-1-0.5≤soct≤soct-1+0.5 (7)
18、
19、
20、
21、
22、式中，soct+1，soct和soct-1分别表示t+1，t和t-1时刻的soc；和分别表示储能系统在t时刻的放电功率和充电功率；δt表示储能以和功率运行的持续时间；和分别表示储能系统的放电效率和充电效率；ees是储能系统的额定容量；ees,max是储能系统的最大额定容量；socmin和socmax分别是储能soc支持的最小值和最大值；和是储能系统的额定放电功率和充电功率。由于本专利技术中的储能系统取0.5c(放电速率)，它们的值等于储能容量的0.5倍。
23、进一步的，充电负荷的数学模型表示为：
24、
25、
26、
27、式中，ti为第i辆电动汽车的充电时间；evbat,i是第i辆电动汽车电池的额定容量；evsoc,i是第i辆电动汽车在充电过程中的充电状态；ηev是电动汽车的充电效率；pev,i是第i辆电动车辆的充电功率；evs,i是电动汽车的续航里程；pchar(t)是电动车辆在t时刻的总充电功率；pchar,i(t)是第i辆电动车辆在t时刻的充电功率；nev表示电动汽车的数量。
28、进一步的，交直流转化损耗最小化的数学模型表示为：
29、
30、
31、
32、
33、
34、
35、
36、
37、
38、
39、s.t.
40、
41、式中，ltotal是在各随机场景下系统的总电能损失；nssn是季节数，值为4；nsim是每个季节中随机模拟场景的数量；li,j是第i季节第j随机场景的电能损失；ηacdc和ηdcac分别表示将交流转换为直流的效率和将直流转换为交流的效率；pacdc,t和pdcac,t分别表示交流转换为直流的功率和直流转换为交流的功率；pres,t是系统的剩余功率；pdcs,t是光储充一体化直流系统的净负荷，需要交流电网侧提供的功率；pgrid,t是从交流侧电网购买的电力。如果大于零，则意味着从电网购买电力；如果小于零，则表示直流系统不仅可以满足交流负载，还可以向电网输送电力；pload,t为交流负载；pri,j是第i季节第j随机场景的权重；是第j随机场景发生的联合概率；nwek是场景中随机的次数；是第j随机场景中第k随机结果的概率。
42、进一步的，储能等效弃用系数最小化的数学模型表示为：
43、
44、
45、
46、
47、pe＝0.5ees (30)
48、ph＝24*7 (31)
49、式中，eaftotal为储能总等效弃用系数；eafi,j是第i季节第j随机场景的储能等效利用系数；qc是在储能评估循环期间的放电量；qd是在储能评估周期期间的充电量；pe是储能的额定充电和放电功率；ph是评估期间的统计小时数。
50、进一步的，步骤四对光伏日发电随机性处理为：
51、考虑光伏日发电随机性，采用核密度估计方法分别建立每个季节的光伏日发电容量的概率密度函数。
52、进一步的，步骤五获取帕累托解集中的最优解为：
53、基于光伏发电模型，采用蒙特卡洛法抽样出多个场景，分配权重开展联合优化。在matlab平台，建立交直流转化损耗最小化目标函数、储能等效弃用系数最本文档来自技高网...
【技术保护点】
1.一种光储充一体化直流系统多目标随机优化容量配置方法，其特征在于，所述容量配置方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤一中光伏发电模型表示为：
3.根据权利要求2所述的方法，其特征在于，步骤一中储能SOC的数学模型表示为：
4.根据权利要求3所述的方法，其特征在于，步骤一之后，还包括：建立充电负荷的数学模型：
5.根据权利要求4所述的方法，其特征在于，步骤二交直流转化损耗最小化的数学模型表示为：
6.根据权利要求5所述的方法，其特征在于，步骤三储能等效弃用系数最小化的数学模型表示为：
7.根据权利要求1所述的方法，其特征在于，步骤四对光伏日发电随机性处理为：
8.根据权利要求1所述的方法，其特征在于，步骤五获取帕累托解集中的最优解为：
【技术特征摘要】
1.一种光储充一体化直流系统多目标随机优化容量配置方法，其特征在于，所述容量配置方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤一中光伏发电模型表示为：
3.根据权利要求2所述的方法，其特征在于，步骤一中储能soc的数学模型表示为：
4.根据权利要求3所述的方法，其特征在于，步骤一之后，还包括：建立充电负荷的数学模型：
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。