【技术实现步骤摘要】
本专利技术涉及一种混合储能与风光预测协同优化方法，尤其涉及一种面向沙漠区域的混合储能与风光预测协同优化方法，属于能源。
技术介绍
1、沙漠戈壁区域能源资源丰富，但由于地理环境复杂和气候条件不稳定，传统能源供应方式难以满足需求。面向沙漠戈壁区域的混合储能系统具有很高的应用潜力，能够有效整合风能、太阳能等可再生能源，并提高能源利用效率。电池储能系统(bess)作为目前发展成熟且广泛应用的储能方案，是混合储能系统中至关重要的组成部分。同时，氢储能系统(hes)和热储能系统(tes)在沙漠戈壁区域具有独特优势，可以提高系统的灵活性和稳定性。风电预测模型优化是实现风光协同的关键，通过对风速、风向、气压等气象因素进行精准预测，可以提高风能发电效率，减少对传统能源的依赖。考虑碳排放的协同优化，可以有效降低能源供应过程中的碳排放量，符合环保和可持续发展的要求。
技术实现思路
1、本专利技术要解决的技术问题是提供一种面向沙漠区域的混合储能与风光预测协同优化方法。
2、为实现上述目的，本专利技术采用如下技术方案：
3、一种面向沙漠区域的混合储能与风光预测协同优化方法，包括以下步骤：
4、步骤s1：建立多能互补系统模型：
5、多能互补系统模型包括风力发电模块、光伏发电模块、混合储能模块、用户负载模块、燃气锅炉模块、热电联产机组模块、电网购售电模块，风力发电模块和光伏发电模块将可再生能源转化为电能，直接供给用户负载模块或通过电网购售电模块进行交易，燃气锅炉模
6、步骤s2：建立风光预测模型：风光预测模型由风光出力不确定性模块与bp神经网络组成；风光出力不确定性模型生成的出力不确定度与风速、光照强度作为输入特征一起输入到bp神经网络；
7、步骤s3：将风光预测模型与多能互补系统模型级联，利用差异化创造性搜索算法联合优化，得到最佳的能源供应和储能调度方案，包括以下步骤：
8、步骤s3-1：初始化参数：首先，设定种群数量和决策变量的范围，然后随机生成初始种群xi，初始种群xi由1个以上个体组成；所述个体包含的变量包括：hes中电解槽制氢电功率pbc，bess的充电功率pbd，hes中电解槽获取的电功率pele,in，hes中电解槽制氢电功率pele，out，hes中燃料电池获取的电功率pfc，in，hes中燃料电池产生的电功率pfc，out，tes的蓄热功率ptc，tes的放热功率ptd，热电联产机组输出电功率pchp，风电机组实际输出功率ppv，光伏机组的实际输出功率ppw，目标函数ctot为多能互补系统的总运行成本：
9、xi，d＝lbd+u(0，1)×(ubd-lbd) (1)
10、式中，xi，d表示第i个候选解xi＝[xi，1xi，2…xi，d]的第d个参数，d为候选解的参数数量；候选解的个数为np；u(0，1)表示区间(0，1)上的均匀分布，lbd和ubd分别表示第d个参数的下界和上界；
11、步骤s3-2：适应度评估：以每个个体对应的目标函数值ctot作为初始适应度值：
12、f(xi)＝ctot(xi) (2)
13、步骤s3-3：选择与最大适应度值对应的个体作为最佳个体xbest；
14、步骤s3-4：差异化知识获取：随机选择两个个体xr1、xr2，计算η和系数：
15、η系数的计算方法为：
16、
17、系数的计算方法为：
18、
19、
20、式中，t为迭代次数；符号[·]代表取整计算，ri，t是第i个个体在第t次迭代开始时的秩；xr1，d和xr2，d是在两个个体xr1、xr2的第d个参数值；
21、更新参数：
22、
23、式中：vi，d为第i个个体第d个参数值的更新值；
24、步骤s3-5：知识整合与新解生成：
25、计算收敛因子：
26、
27、式中，λt是在第t次迭代时的收敛因子；nfet表示在第t次迭代时函数计算的当前次数，nfemax表示函数计算的最大次数；
28、更新个体位置：
29、
30、式中，xbest，d是当前迭代中最佳个体的第d个参数；
31、使用林尼克分布生成随机数更新个体位置：
32、
33、式中，xe，d是个体的第d个参数，lk(α，σ)表示控制参数为α和σ的林尼克分布随机数生成器；
34、步骤s3-6：个体多样化：随机生成n个新个体：
35、
36、式中，vnp是第np个新个体，lb和ub是下界和上界；
37、步骤s3-7：回顾性评估：用新个体替换筛选出的个体：
38、
39、
40、式中，xi,t+1表示x在t+1次迭代时中的第i个个体；xbest,t表示x在t次迭代时的最优解；
41、步骤s3-8：判断是否到达最大迭代次数或满足停止条件，如果是，输出最终的最优解及其对应的最优适应度值；否则，转向步骤s3-7；
42、进一步，在所述步骤s1中，对多能互补系统的设备进行建模，包括以下过程：
43、s1-1.多能互补系统有风力发电模块、光伏发电模块、混合储能系统模块、用户负载模块、燃气锅炉模块和热电联产机组模块、电网购售电模块；
44、s1-2.各个模块建模如下：
45、风力发电建模为：
46、
47、式中，ppw和ppw,n分别为风电机组实际输出功率和额定输出功率；vpw和vpw,n分别为实际风速和额定风速；vin和vout分别为风机的切入风速和切出风速；
48、光伏发电建模为：
49、
50、tc＝ta+0.0138(1+0.0031ta)·(1-0.0042v)·s (17)
51、式中，ppv和ppv,n为光伏机组的实际输出功率和额定输出功率；fpv为光伏降额因子，考虑污垢、积雪和电池老化等影响，通常取值为0.9；s实际环境下的光照强度；st为标准工况下的光照强度，取值为1000w/m2；k光伏功率温度系数；tc为光伏机组实际环境下的温度；tt为标准测试工作环境温度，取值为25℃；ta为实际环境温度(℃)；v为光伏板安装位置的风速(m/s)；tt为实际环境下的光照强度(w/m2)；
52、bess建模为：
53、
54、socmin≤soct≤socmax (20)
55、式中，soct、soct-1为t、t-1时刻bess的剩余本文档来自技高网...
【技术保护点】
1.一种面向沙漠区域的混合储能与风光预测协同优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向沙漠区域的混合储能与风光预测协同优化方法，其特征在于：
3.根据权利要求1所述的面向沙漠区域的混合储能与风光预测协同优化方法，其特征在于，所述步骤S2中BP神经网络的训练过程由以下具体步骤组成：
【技术特征摘要】
1.一种面向沙漠区域的混合储能与风光预测协同优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向沙漠区域的混合储能与风光预测协同优化方法，...
【专利技术属性】
技术研发人员：薛远天，张宏甜，朱生前，司英莲，杨晨来，李超胜，魏鑫鑫，苏睿，俞圭山，
申请(专利权)人：国网甘肃省电力公司武威供电公司，
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。