本發(fā)明涉及風(fēng)光儲混合發(fā)電系統(tǒng)儲能配置優(yōu)化技術(shù)領(lǐng)域，特別涉及一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法。

背景技術(shù)：

目前能源危機(jī)和環(huán)境污染的問題日益嚴(yán)重，光伏風(fēng)電等新能源接入技術(shù)受到越來越大的關(guān)注。但是由于風(fēng)力發(fā)電和光伏發(fā)電固有的波動(dòng)性和隨機(jī)性，隨著可再生能源在電力系統(tǒng)的滲透率的增加，而對電力系統(tǒng)穩(wěn)定運(yùn)行和可靠性的影響也逐漸加劇。目前，平抑新能源注入功率的波動(dòng)主要靠引入儲能裝置。而儲能元件分為功率型和能量型。功率型指可以輸出很大功率但儲能總量不多的一類元件，如超級電容等；能量型指儲能總量較大，但不適合短時(shí)間內(nèi)輸出很大功率的一類元件，如鉛酸蓄電池和鋰電池等。所以，合適的分配混合儲能單元中，兩種儲能元件的配比，是平抑新能源入網(wǎng)功率波動(dòng)的一項(xiàng)關(guān)鍵研究內(nèi)容。

傳統(tǒng)的混合儲能系統(tǒng)容量優(yōu)化模型，主要是基于系統(tǒng)內(nèi)功率需求和能量需求等約束條件，求出最小成本的容量配置方案。這種優(yōu)化方法的問題是，為了能在任何情況下都能滿足系統(tǒng)對儲能容量的需求，而增加了儲能元件的數(shù)量，從而導(dǎo)致經(jīng)濟(jì)性較差。

因此現(xiàn)有技術(shù)當(dāng)中亟需要一種新型的技術(shù)方案來解決這一問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：提供一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法用來解決傳統(tǒng)的混合儲能系統(tǒng)容量優(yōu)化模型經(jīng)濟(jì)性較差的技術(shù)問題。

一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法，其特征在于：包括以下步驟，并且以下步驟順次進(jìn)行，

步驟一、根據(jù)風(fēng)光發(fā)電系統(tǒng)總輸出功率的原始實(shí)際值P_renew(t)獲得實(shí)用的風(fēng)光發(fā)電系統(tǒng)總輸出功率預(yù)測值P_{renew_forcast}(t)，并根據(jù)預(yù)測值P_{renew_forcast}(t)獲得輸送功率參考值P_{trans_ref}(t)，

取時(shí)間t內(nèi)的風(fēng)光發(fā)電系統(tǒng)總輸出功率的實(shí)際值P_renew(t)，其中0≤t≤T_i，建立支持向量和BP神經(jīng)網(wǎng)絡(luò)模型，獲得T_i≤t≤T_i+1之間的風(fēng)光總輸出功率預(yù)測值P_{renew_forcast}(t)，

取T_i+1-T_i為時(shí)間τ，并取τ內(nèi)風(fēng)光總輸出功率預(yù)測值P_{renew_forcast}(t)的算術(shù)平均值為τ時(shí)間內(nèi)的輸送功率參考值P_{trans_ref}(t)，

將一天24小時(shí)按照時(shí)間τ均分，其中τ≥1小時(shí)，獲得一天中每個(gè)τ時(shí)間內(nèi)的輸送功率參考值P_{trans_ref}(t)，

輸送功率參考值P_{trans_ref}(t)為風(fēng)光總輸出功率的調(diào)度目標(biāo)值；

步驟二、初級優(yōu)化

利用HOMER軟件，建立成本f(X)的初級優(yōu)化模型如下：

其中N為系統(tǒng)設(shè)計(jì)的使用年限，C₁為購置成本，C_M(n)為第n年運(yùn)行維護(hù)成本，C_R(n)為第n以年置換成本，a為貼現(xiàn)系數(shù)，R為設(shè)備殘值，

由式(2)可得到貼現(xiàn)系數(shù)a，其中i為利率，

輸入蓄電池的數(shù)量的優(yōu)化區(qū)間為[1,2,…,50]，HOMER把該優(yōu)化區(qū)間內(nèi)的所有方案進(jìn)行排列組合，并自動(dòng)選出獲得儲能單元總體需要的功率和能量中成本最小的方案；

步驟三、次級優(yōu)化

a.儲能單元出力滿足系統(tǒng)需要的概率

設(shè)定Pr{BAT}為滿足P_BAT(t)≤P_{BAT_rated}的概率，Pr{SC}為滿足P_SC(t)≤P_{SC_rated}的概率，同時(shí)滿足Pr{BAT}和Pr{SC}的概率為功率分配成功的概率Pr{A}，其中P_BAT(t)為蓄電池在t時(shí)刻，為滿足系統(tǒng)負(fù)荷需要而輸出的功率，P_BAT(t)通過初級優(yōu)化中HOMER軟件的模擬結(jié)果得到；P_{BAT_rated}為蓄電池的額定功率，是HOMER優(yōu)化的變量，P_BAT__rated為蓄電池?cái)?shù)量與單塊蓄電池的額定功率的乘積；P_SC(t)為超級電容在t時(shí)刻，為滿足系統(tǒng)負(fù)荷需要而輸出的功率，P_SC__rated為蓄電池的額定功率，

Pr(A)＝Pr(BAT∩SC) (4)

蓄電池用于存儲能量，超級電容器用于存儲充放電時(shí)的尖峰功率，所以優(yōu)先獲得P_BAT__rated的取值，

Pr(A)＝Pr(BAT)*Pr(SC|BAT) (5)

b.獲得儲能元件的荷電狀態(tài)SOC

蓄電池荷電狀態(tài)和其充放電功率的關(guān)系為：

其中SOC_BAT為蓄電池的荷電狀態(tài)，為蓄電池的初始容量，為充電效率，分別代表充放電效率，為充電功率，為放電功率，E_BAT__rated為蓄電池的額定容量，

超級電容器的荷電狀態(tài)為：

其中SOC_SC為超級電容的荷電狀態(tài)，為超級電容的初始容量，為充電效率，分別代表充放電效率，為充電功率，為放電功率，E_SC__rated為超級電容的額定容量；

c.基于機(jī)會(huì)約束規(guī)劃的混合儲能目標(biāo)函數(shù)以及約束條件為：

minC＝P_{BAT_rated}C_{P_BAT}+P_{SC_rated}C_{P_SC}+E_{BAT_rated}C_{E_BAT}+E_{SC_rated}C_{E_SC}

式中，P_{BAT_rated}為蓄電池的額定功率，P_{SC_rated}為超級電容器的額定功率，E_{BAT_rated}為蓄電池的額定容量，E_{SC_rated}為超級電容器的額定容量，C_{P_BAT}為蓄電池的額定功率單價(jià)，C_{P_SC}為超級電容器的額定功率單價(jià)，C_{E_BAT}為蓄電池的額定容量單價(jià)，C_{E_SC}為超級電容器的額定容量單價(jià)，C為混合儲能裝置的總費(fèi)用，SOC_min儲能元件荷電狀態(tài)的下限，SOC_max為儲能元件荷電狀態(tài)的上限，

通過遺傳算法求解公式(8)所示的優(yōu)化模型，獲得置信水平α下的容量配置方案，其中置信水平α為系統(tǒng)功率需求小于蓄電池額定功率的概率，置信水平α是給定值。

步驟四、從置信水平α大于等于0.9的容量配置方案中獲得總成本最小的容量配置方案，為混合儲能容量優(yōu)化的最優(yōu)方案。

通過上述設(shè)計(jì)方案，本發(fā)明可以帶來如下有益效果：本發(fā)明在計(jì)算得出混合儲能系統(tǒng)所需的功率容量和能量容量的基礎(chǔ)上，采用機(jī)會(huì)約束規(guī)劃算法，計(jì)算出不同置信水平下，混合儲能系統(tǒng)中蓄電池和超級電容的最優(yōu)容量配置。此優(yōu)化方法的優(yōu)化目標(biāo)為總成本最小。算例分析驗(yàn)證了本發(fā)明所提方法和所建優(yōu)化模型的技術(shù)合理性和經(jīng)濟(jì)實(shí)用性，為風(fēng)光儲混合發(fā)電系統(tǒng)的規(guī)劃設(shè)計(jì)提供理論支撐和技術(shù)支持。

附圖說明

以下結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步的說明：

圖1為本發(fā)明一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法所涉及的風(fēng)光儲混合發(fā)電系統(tǒng)架構(gòu)圖；

圖2為本發(fā)明一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法中新能源出力的預(yù)測功率、參考功率和實(shí)際功率的曲線；

圖3為本發(fā)明一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法的優(yōu)化算法流程圖；

圖4為本發(fā)明一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法實(shí)施例中的月平均發(fā)電構(gòu)成。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。

一種基于機(jī)會(huì)約束規(guī)劃的混合儲能容量優(yōu)化配置方法，其特征在于：包括以下步驟，并且以下步驟順次進(jìn)行，

步驟一、預(yù)測風(fēng)光出力，制定調(diào)度計(jì)劃

首先，根據(jù)歷年光伏風(fēng)電數(shù)據(jù)，對未來短期內(nèi)的風(fēng)光出力進(jìn)行預(yù)測。在對光伏陣列的輸出功率進(jìn)行預(yù)測時(shí)，需要考慮的影響因素包括：太陽輻射強(qiáng)度、溫度等。在對風(fēng)機(jī)的輸出功率進(jìn)行預(yù)測時(shí)，需要考慮風(fēng)速等影響因素。利用風(fēng)光發(fā)電系統(tǒng)的歷史輸出數(shù)據(jù)，可以建立支持向量和BP神經(jīng)網(wǎng)絡(luò)模型對未來的發(fā)電量和發(fā)電功率進(jìn)行預(yù)測。

然后，根據(jù)上述預(yù)測結(jié)果，制定各新能源電站的調(diào)度計(jì)劃。由于光伏發(fā)電和風(fēng)力發(fā)電受環(huán)境的影響很大，不能隨意為其指定輸送功率。因此調(diào)度中心需要把光伏電站放在較優(yōu)先的位置。即首先根據(jù)次日的光伏電站和風(fēng)電場發(fā)電預(yù)測情況，安排好光伏電站和風(fēng)電場次日的輸送功率參考值?；?≤t≤T_i正之間的歷史數(shù)據(jù)，可得到T_i≤t≤T_i+1之間的風(fēng)光總輸出功率預(yù)測值P_{renew_forcast}(t)，如圖2中虛線所示。而實(shí)線對應(yīng)的是這段時(shí)間內(nèi)風(fēng)光總的的實(shí)際輸出功率P_renew(t)。調(diào)度中心為了便于控制，并不直接采納波動(dòng)較大的預(yù)測曲線作為輸送功率參考值。輸送功率參考值在一定時(shí)間τ(τ一般是一小時(shí)或者更長，具體的長短由調(diào)度的并網(wǎng)政策決定)內(nèi)應(yīng)該是保持恒定的，這里的τ取T_i+1-T_i。把一天中每個(gè)τ內(nèi)的風(fēng)光出力預(yù)測值P_{renew_forcast}(t)取平均值，就得到了很多條確定的直線，其中每條直線所對應(yīng)的功率即定義為τ時(shí)間內(nèi)的輸送功率參考值P_{trans_ref}(t)，也就是調(diào)度目標(biāo)值，如圖2中的黑色直線所示。全天的P_{trans_ref}(t)基本呈正態(tài)分布。

步驟二、初級優(yōu)化

利用HOMER軟件，以最小成本為優(yōu)化目標(biāo)得出儲能單元總體需要的功率和能量。初級優(yōu)化模型如下：

其中N為系統(tǒng)設(shè)計(jì)的使用年限，C₁為購置成本、C_M(n)為第n年運(yùn)行維護(hù)成本、C_R(n)為第n以年置換成本、a為貼現(xiàn)系數(shù)、R為設(shè)備殘值。由式(4-)可得到為貼現(xiàn)系數(shù)a，其中i為利率。在輸入優(yōu)化區(qū)問后，HOMER會(huì)把區(qū)間內(nèi)所有方案進(jìn)行排列組合，在生成的眾多方案選出符合系統(tǒng)要求且經(jīng)濟(jì)性最好的方案。

步驟三、次級優(yōu)化

a.首先需要計(jì)算儲能單元出力無法滿足系統(tǒng)需要

設(shè)Pr{BAT}和Pr{SC}分別代表滿足條件P_BAT(t)≤P_BAT__rated和P_SC(t)≤P_SC__rated的概率。只有這同時(shí)滿足Pr{BAT}和Pr{SC}才能算功率分配成功，這時(shí)記為Pr{A}。

Pr(A)＝Pr(BAT∩SC) (4)

由于蓄電池用來存儲大部分的能量，超級電容器只負(fù)責(zé)充放電時(shí)的過大的尖峰功率，所以優(yōu)先考慮P_BAT__rated的取值，也就是式(5)。

Pr(A)＝Pr(BAT)*Pr(SC|BAT) (5)

以[t_i-1,t_i]為例來說明。t_i-1到t_i時(shí)刻之間，式(3)始終滿足，則用這段時(shí)間內(nèi)的P_SC(t)來獲得Pr{SC|BAT}，

t_i-1到t_ε之間式(3)始終滿足，t_ε之后，|P_BAT(t)|超過P_BAT__rated，則蓄電池超載，t_ε到t_i時(shí)刻之間只獲得超級電容器的功率；

b.次級優(yōu)化的第二步，需要計(jì)算儲能元件的SOC。

蓄電池荷電狀態(tài)和其充放電功率的關(guān)系為：

其中SOC_BAT是蓄電池的荷電狀態(tài)，是蓄電池的初始容量，和分別代表充放電效率，和分別代表充放電功率，E_{BAT_rated}是蓄電池的額定容量。同理可以得到超級電容器的荷電狀態(tài)。

c.基于機(jī)會(huì)約束規(guī)劃的混合儲能目標(biāo)函數(shù)以及約束條件為：

minC＝P_{BAT_rated}C_{P_BAT}+P_{SC_rated}C_{P_SC}+E_{BAT_rated}C_{E_BAT}+E_{SC_rated}C_{E_SC}

式中，P_{BAT_rated}和P_{SC_rated}分別是蓄電池和超級電容器的額定功率，E_{BAT_rated}和E_{SC_rated}分別是蓄電池和超級電容器的額定容量。C_{P_BAT}和C_{P_SC}分別為蓄電池和超級電容器額定功率單價(jià)，C_{E_BAT}和C_{E_SC}分別為蓄電池和超級電容器額定容量單價(jià)，C是混合儲能裝置的總費(fèi)用。SOC_min和SOC_max分別是儲能元件荷電狀態(tài)的上下限。

通過遺傳算法求解公式(8)所示的優(yōu)化模型，獲得置信水平α下的容量配置方案，其中置信水平α是給定量，是系統(tǒng)功率需求小于蓄電池額定功率的概率，也表明了僅使用蓄電池就可以滿足系統(tǒng)功率的需求。

步驟四、從置信水平α大于等于0.9的容量配置方案中獲得總成本最小的容量配置方案，為混合儲能容量優(yōu)化的最優(yōu)方案。

實(shí)施例：

本實(shí)施例詳細(xì)描述本發(fā)明的優(yōu)化算法。以中國某地區(qū)為例，收集當(dāng)?shù)氐臍v史氣候環(huán)境數(shù)據(jù)。風(fēng)機(jī)和光伏電池板型號如表1。將各元件價(jià)格，元件參數(shù)和輸送功率參考值設(shè)置完成后，使用Homer進(jìn)行仿真，可得到如下表的最有資金方案。這樣就獲得了只使用蓄電池作為儲能元件情況下的儲能的總體容量。如附圖4每月平均功率的分布情況。

表1最優(yōu)資金方案

表2最優(yōu)資金方案

HOMER仿真得出系統(tǒng)需要25個(gè)蓄電池，而單個(gè)蓄電池的額定功率為600W，額定容量為6kWh。結(jié)合HOMER的仿真數(shù)據(jù)得到系統(tǒng)所需的功率容量為15kW，儲能容量為50kWh。也就是由于系統(tǒng)對功率容量的需求過大，導(dǎo)致了過多的蓄電池儲能容量配置。所以需要加入超級電容器組成混合儲能。

由于HOMER不能對兩個(gè)或兩個(gè)以上類型的儲能模塊進(jìn)行優(yōu)化，所以我們使用前幾小節(jié)所介紹的機(jī)會(huì)約束規(guī)劃方法對混合儲能的容量進(jìn)行配置。

初始化時(shí)，設(shè)置初始條件：

Ph_{yb_rated}＝15kW

Eh_{yb_rated}＝50kWh (9)

蓄電池和超級電容初始SOC均設(shè)置為0.5。設(shè)置蓄電池和超級電容的額定功率費(fèi)用和額定容量費(fèi)用如下：

遺傳算法的總?cè)捍笮?000，迭代次數(shù)為10萬次，交叉概率為0.5，變異概率為0.4。設(shè)置信水平α分別為1,0.99,0.95,0.9,0.85時(shí)，進(jìn)行機(jī)會(huì)約束。利用遺傳算法得到的如下表所示的混合儲能容量配置方案：

表3容量配置方案

分析上表可以得出，置信水平α為1時(shí)，即單純基于初級優(yōu)化的方法，沒有使用超級電容器。隨著置信水平α的降低，超級電容器數(shù)目逐步增加，用以滿足系統(tǒng)對功率容量的需求，蓄電池的數(shù)量顯著減小，儲能系統(tǒng)的總成本也得以降低。但當(dāng)置信水平α降到0.9時(shí)，蓄電池的數(shù)目過小，導(dǎo)致了蓄電池?zé)o法提供足額的儲能容量。由容量密度很小的超級電容器提供容量缺額，這導(dǎo)致了超級電容器的數(shù)目劇增，也就加大了成本。因此，在置信水平α為0.95時(shí)，混合儲能系統(tǒng)的總成本最低，也就是經(jīng)濟(jì)性最優(yōu)。因此把置信水平α為0.95時(shí)的分配方案確定為混合儲能容量優(yōu)化的最優(yōu)方案。