【技术实现步骤摘要】
本专利技术涉及电力系统优化调度控制，特别是涉及一种基于分层优化的光伏储能并网系统规划方法。
技术介绍
1、目前分布式光伏等可再生能源并网规模持续扩大，分布式光伏出力预测及调配已经成为当今新能源的主要发展方向之一，分布式光伏电站系统施工环境的复杂性、电力电子化的分布式发电装置的多样性、以及运行环境的苛刻性不断增加，对分布式光伏系统规划与运行技术提出了新的要求。
2、储能是提升新能源电力系统灵活性的重要措施之一。进行光伏等新能源与储能的容量规划可以从源头上解决“光伏-网-荷-储”系统供需平衡问题，使规划的结果更为合理可靠；目前常规的系统优化算法在面对多区域、多电源的大规模复杂优化问题时存在过于依赖初始值、容易陷入局部最优、求解速度慢等问题；影响电网的运行效率和安全。
技术实现思路
1、基于此，本专利技术的目的是提供一种基于分层优化的光伏储能并网系统规划方法，以解决现有技术中存在的技术问题。
2、本专利技术提出一种基于分层优化的光伏储能并网系统规划方法，所述光伏储能并网系统至少包括光伏模块、电网模块、负荷模块和储能模块，
3、所述规划方法包括：
4、s10，获取光伏储能并网系统的基础数据，根据所述基础数据分析电网中发电侧的光伏发电和不可再生能源发电的功率特性，进而获取各电源的常规出力情况；
5、s20，基于分层优化思想建立光伏储能并网系统的双层优化模型，以将所述光伏储能并网系统的优化问题分解为第一层次问题和第二层次问题，确定优化
6、s30，将所述基础数据作为所述双层优化模型的输入，根据所述约束条件进行第一层次问题的求解，得到光伏和储能的容量配置；
7、s40，对所述第二层次问题进行松弛处理以获取所述双层优化模型松弛后的对偶函数，将所述容量配置作为所述对偶函数的优化边界，代入至所述对偶函数并求解，获取各电源的出力。
8、可选地，所述基础数据至少包括光伏日前的预测数据、光伏运行成本数据、常规机组的日前常规机组预测数据、电能成本数据、储能元件的运行成本数据以及用户负荷的日前负荷数据。
9、可选地，所述基于分层优化思想建立光伏储能并网系统的双层优化模型，以将所述光伏储能并网系统的优化问题分解为第一层次问题和第二层次问题的步骤包括：
10、基于分层优化思想对所述光伏储能并网系统进行划分，将优化问题的计算域分解成若干个独立的子域，其中，若干个独立的子域通过联络线连接；
11、将各子域的优化问题进行分解，得到优化问题的两层次问题，所述第一层次问题为在保证供电电能质量且满足各电源与系统的约束条件的基础上确定光伏和储能的容量配置，所述第二层次问题为根据所述容量配置进行方案规划，从而实现各子域间联络线交互功率优化计算。
12、可选地，所述将所述基础数据作为所述双层优化模型的输入，根据所述约束条件进行第一层次问题的求解，得到光伏和储能的容量配置的步骤包括：
13、基于所述约束条件初始化所述双层优化模型的系统参数和系统边界条件，向所述双层优化模型中输入所述基础数据；
14、任选一场景，通过bas-ga算法求解各子域的第一层次问题，判断第一层次问题是否有解；
15、若无解，则提示该问题无解并调整所述系统参数和所述系统边界条件重新判断；
16、若有解，则得到各子域优化容量，根据各子域的优化容量获取光伏和储能的优化容量。
17、可选地，所述任选一场景，通过bas-ga算法求解各子域的第一层次问题的步骤包括：
18、定义bas-ga算法的种群大小、种群迭代次数；
19、将火电机组、水力机组、光伏机组、储能机组的数目由十进制数转换为二进制数，对转换后的二进制数进行染色体编码，每个染色体编码长度相同；
20、进行种群迭代操作，所述种群迭代操作包括：
21、将种群内的目标函数值转换为对应的适应度值，种群内的目标函数为在满足约束条件下的成本期望；
22、选择种群内部个体，采用单点交叉的方法，对由二进制数构成的种群执行交叉操作，以增加了种群的多样性，随机在种群中选择某一个体进行强制变异；
23、选择部分种群个体，随机令某种供电电源的数量增加或者减少1，其余电源数量不变，变化后的电源作为bas-ga算法中的个体重新计算；
24、计算变化后的种群目标函数的适应度值，若变化后的个体适应度值比变化前的适应度值小，则采用变化后的个体代替之前的个体；
25、重复进行上述种群迭代操作，直到达到种群迭代次数后结束，得到各子域的各电源优化容量。
26、可选地，所述对所述第二层次问题进行松弛处理以获取所述双层优化模型松弛后的对偶函数，将所述容量配置作为所述对偶函数的优化边界，代入至所述对偶函数并求解，获取各电源的出力的步骤包括：
27、设置拉格朗日因子初值，目标误差精度；
28、对所述第二层次问题进行最值转换并构建对偶函数；基于所述拉格朗日因子初值求解所述对偶函数；
29、计算所述第一层次问题中最小综合成本与所述对偶函数的差值；
30、若差值小于等于所述目标误差精度，则获取拉格朗日因子初值对应的各电源出力；
31、若差值大于所述目标误差精度，按照预设的梯度方向进行拉格朗日因子迭代，根据迭代后的拉格朗日因子依次求解对数函数，直至所述对偶函数的求解结果与最小综合成本的差值小于等于所述目标误差精度，输出对应的各电源出力。
32、可选地，所述双层优化模型的目标函数的表达式为：
33、其中，为第一层次问题的目标函数，为第二层次问题的目标函数；
34、式中，n为综合成本，为拉格朗日因子，为光伏储能并网系统中光伏电量的占比，为总电量，为场景下光伏机组的台数，为场景下光伏发电量，为场景，为光伏出力场景集合，为电厂类型，为光伏发电。
35、可选地，所述第一层次问题的目标函数的表达式为：
36、
37、式中，n为综合成本，为随机场景的期望结果，为光伏出力场景集合，为场景出现的概率，为投资费用年值，为年固定运行费用；
38、所述投资费用年值的表达式为：
39、
40、所述年固定运行费用的表达式为：
41、
42、式中，n为子域，为子域集合，为待设置和已有的电厂集合，至少包括火电机组、水电机组、光伏机组和储能机组，为单位造价，为机组台数，为单机容量，为年固定运行费用率。
43、可选地，所述约束条件包括：功率平衡约束、电量平衡约束、联络线功率约束、光伏出力约束、火电出力约束、水电出力约束、储能电池约束、光伏电量占比约束；
44、所述功率平衡约束的表达式为：
45、
46、式中，为联络线上发电机组类型集合，为电源出力，为电源负荷，为规划时段，为时刻，为场景本文档来自技高网...
【技术保护点】
1.一种基于分层优化的光伏储能并网系统规划方法，其特征在于，所述光伏储能并网系统至少包括光伏模块、电网模块、负荷模块和储能模块，
2.根据权利要求1所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述基础数据至少包括光伏日前的预测数据、光伏运行成本数据、常规机组的日前常规机组预测数据、电能成本数据、储能元件的运行成本数据以及用户负荷的日前负荷数据。
3.根据权利要求1所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述基于分层优化思想建立光伏储能并网系统的双层优化模型，以将所述光伏储能并网系统的优化问题分解为第一层次问题和第二层次问题的步骤包括：
4.根据权利要求3所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述将所述基础数据作为所述双层优化模型的输入，根据所述约束条件进行第一层次问题的求解，得到光伏和储能的容量配置的步骤包括：
5.根据权利要求4所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述任选一场景，通过BAS-GA算法求解各子域的第一层次问题的步骤包括：
6.根据权
7.根据权利要求6所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述双层优化模型的目标函数的表达式为：
8.根据权利要求7所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述第一层次问题的目标函数的表达式为：
9.根据权利要求8所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述约束条件包括：功率平衡约束、电量平衡约束、联络线功率约束、光伏出力约束、火电出力约束、水电出力约束、储能电池约束、光伏电量占比约束；
10.根据权利要求9所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，
...【技术特征摘要】
1.一种基于分层优化的光伏储能并网系统规划方法，其特征在于，所述光伏储能并网系统至少包括光伏模块、电网模块、负荷模块和储能模块，
2.根据权利要求1所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述基础数据至少包括光伏日前的预测数据、光伏运行成本数据、常规机组的日前常规机组预测数据、电能成本数据、储能元件的运行成本数据以及用户负荷的日前负荷数据。
3.根据权利要求1所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述基于分层优化思想建立光伏储能并网系统的双层优化模型，以将所述光伏储能并网系统的优化问题分解为第一层次问题和第二层次问题的步骤包括：
4.根据权利要求3所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述将所述基础数据作为所述双层优化模型的输入，根据所述约束条件进行第一层次问题的求解，得到光伏和储能的容量配置的步骤包括：
5.根据权利要求4所述的基于分层优化的光伏储能并网系统规划方法，其特征在于，所述...
【专利技术属性】
技术研发人员：高波，于小四，郭峰，韦宝泉，王健，韩健，杜清，
申请(专利权)人：华东交通大学，
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。