基于风、光、储能协调的新能源系统调峰优化方法和装置

技术领域

本发明属于电力领域，尤其涉及一种基于风、光、储能协调的新能源系统调峰优化方法和装置。

背景技术

我国具有疆土辽阔，资源丰富等优势，就目前研究来看，风电、光伏等新能源并网技术在不断提升，新能源参与电网是大势所趋。

然而，风电光伏具有强烈的间歇性、随机性、波动性和不确定性等输出特性，这些特性将危及电网调度的安全经济运行，特别是对电力系统的调峰运行产生严重的负面影响，反过来也将制约光伏及风电并网发展。因此，为了更好地管控新能源，有必要研究一种在新能源接入电力系统时的调峰方式，以及建立对相关调峰能力评价的系统模型。本文提出了一种风电光伏接入电网后调峰能力的评价方式，建立了一套风电光伏参与电网调峰的两级指标评价系统，并且对各指标完成了灵敏度分析，这一评价方法给新能源并网调峰时需求侧管理以及未来泛在电力物联网建设提供了理论依据与支持。

近年来对储能设备应用的研究日益增多，目前大量研究表明储能设备具有良好调节性能，大力应用于平滑发电曲线、削峰填谷等方面，利用风-光-储联合系统调峰，能有效攻克调峰紧张的难题，同时有利于扩大新能源的消纳空间。所以，本文以低负荷期间系统负调峰能力最大为目的，搭建新能源参与电网调峰的优化策略模型。通过改变储能最大充放电功率，研究风光联合储能的电网调峰的新能源最大可消纳空间，为清洁可再生能源并网建设提供技术指导，也为合理调整能源电网架构，加快新兴能源产业成长，推进污染防治攻坚战顺利进行贡献力量。

发明内容

本发明实施例提供一种基于风、光、储能协调的新能源系统调峰优化方法，旨在解决新能源参与电网调峰能力不足的问题。

本发明实施例是这样实现的，一种基于风、光、储能协调的新能源系统调峰优化方法，包括如下步骤：

建立风电光伏参与电网调峰的两级指标评估体系；

调峰能力综合评价方法；

建立风光储联合系统调峰的优化策略数学模型；

基于粒子群算法，求解并输出所述调峰优化调度模型的最优解。

本发明实施例还提供一种基于风、光、储能协调的新能源系统调峰优化装置，所述装置包括：

确定单元，用于确定风电光伏参与电网调峰的两级指标评估体系；

评估单元，用于衡量指标对调峰能力进行衡量评估；

模型建立单元，用于根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型；

求解输出单元，即求解机组在电网处于低负荷时期的向下调节的电量总和，用于基于粒子群算法，求解并输出所述日前优化调峰模型的最优解集。

本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化方法，通过确定风电光伏参与电网调峰的双层指标评估体系，利用相关衡量指标对调峰能力进行衡量评估，根据根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型，并基于粒子群算法，求解并输出所述日前优化调峰模型的最优解集。该方法充分考虑到了风电光伏具有强烈的间歇性、随机性、波动性和不确定性等输出特性，充分利用储能设备具有良好调节性能，增强了电力系统大规模接纳风电光伏的能力，能有效攻克调峰紧张的难题，同时有利于扩大新能源的消纳空间。

附图表说明

图1是本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化方法的实现流程图；

图2是本发明实施例提供的风电光伏参与电网调峰两级指标评价系统图；

图3是本发明实施例提供的调峰大小指标灵敏度示意图；

图4是本发明实施例提供的调峰清洁性指标灵敏度示意图；

图5是本发明实施例提供的调峰安稳性指标灵敏度示意图；

图6是本发明实施例提供的调峰清洁性指标灵敏度示意图；

图7是本发明实施例提供的调峰能力综合指标灵敏度示意图；

图8是本发明实施例提供的火电机组发电情况示意图；

图9是本发明实施例提供的风电机组发电情况示意图；

图10是本发明实施例提供的光伏机组发电情况示意图；

图11是本发明实施例提供的净负荷功率曲线示意图；

图12是本发明算例提供的储能设备充放电功率结果

图13是本发明算例提供的系统负调峰容量结果；

图14是本发明算例提供的新能源消纳空间变化趋势结果；

图15是本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化装置的结构示意图；

图16是本发明实施例提供的一确定单元的结构示意图；

图17是本发明实施例提供的一种模型建立单元的结构示意图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

为了进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式及其功效，详细说明如下。

本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化方法，通过确定风电光伏出力大小，衡量相关能力指标对调峰能力进行衡量评估，根据根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型，并基于粒子群算法，求解并输出所述日前优化调峰模型的最优解集。该方法充分考虑到了风电光伏具有强烈的间歇性、随机性、波动性和不确定性等输出特性，充分利用储能设备具有良好调节性能，增强了电力系统大规模接纳风电光伏的能力，能有效攻克调峰紧张的难题，同时有利于扩大新能源的消纳空间。

图1示出了本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

参见图1，本发明实施例提供了一种基于风、光、储能协调的新能源系统调峰优化方法，包括步骤S101、步骤S102、步骤S103和步骤S104。

步骤S101，建立风电光伏参与电网调峰的两级指标评估体系。

结合图2，在本发明实施例中，依据目前研究现状，从调峰大小、清洁性、安稳性、实用性四个角度全面分析，总结、创建了风电光伏参与电网调峰的两级指标评价系统，该系统共囊括了两级评价指标，由4个第一级评价指标和12 个第二级评价指标组成。

第一级指标包括：调峰大小、调峰清洁性、调峰安稳性、调峰实用性；

为了细化表达，将第一级指标进一步扩展，形成第二级指标，即：

调峰大小包含：机组联合储能调峰、负荷调峰潜质、电能供给、调峰速度；

调峰清洁性指标包含：污染程度、社会影响；

调峰安稳性指标包含：储能设备安稳、机组设备安稳、爬坡约束；

调峰实用性指标包含：负荷调度成本、机组调度成本、储能调度成本

步骤S102，调峰能力综合评价方法。

风电光伏参与电网调峰的两级指标评价系统首先确定判断矩阵对数据实现无量纲化处理，然后通过层次分析法和模糊综合评判法实现综合评价。

层次分析法(APH)，是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多目标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法。

对于衡量调峰能力的评估指标，目前尚没有统一的定义，具有一定的模糊性。模糊综合评价方法主要是根据模糊问题的各个评价因素、评价标准、自然状态以及各因素的相对重要程度建立模糊综合评价模型，然后对各被评价对象进行综合评价。

因此，考虑到多种因素的影响，本发明实施例采用层次分析法和模糊综合评判法实现综合评价。

具体方法是将第二级评价指标模糊评判，其结果将代表第一级，从而完成综合评价。详细步骤是首先分别排列构建第二级各个小指标的判断矩阵 R

其中：C代表新能源参与电网调峰能力评价分数；R表示判断矩阵；表示加权平均算子；

结合图3-图6，在本发明实施例中，先建立各级指标的灵敏度分析矩阵，矩阵中每一个数字代表着每一个指标灵敏度的标幺值。数字比1小时，数字越小意味着该指标灵敏度越小；数字比1大时，数字越大意味着该指标灵敏度越大；数字恰好和1相等时，意味着这两个指标对于调峰的影响都很关键。然后通过雷达图的表现手法对指标系统灵敏度分析和调峰能力综合灵敏度分析。风电光伏并网调峰的需求侧管理机制设计时，灵敏度越强的指标越是要首先治理调整。通过灵敏度分析可知，新能源机组联合储能调峰的潜力大；相较过去常用的化石能源，新能源更清洁环保；爬坡约束灵敏度最低，储能设备安稳和机组设备安稳这两项指标对调峰能力的影响程度更高；储能调度成本灵敏度最高，重点研究源-储-荷联合系统调峰，会更具有经济实用性。

结合图7，在本发明实施例中，运用上述评价方法对衡量调峰能力的指标进行全面的整体性分析，首先排列出综合指标的灵敏度分析矩阵，再从综合指标的灵敏度分析矩阵中行坐标和纵坐标的比值，求出灵敏度标幺值，得到更为直观的雷达图，最后对风电光伏并网调峰能力进行全面的灵敏度分析，得到结论：在优化调峰策略时，在综合考虑清洁性、安稳性和实用性约束的情况下，应重点对调峰大小的调峰能力约束进行研究。

步骤S103，根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型

在本发明实施例中，储能系统能实现合理的调控。利用风光联合储能的电力系统调峰，更利于攻克新能源消纳的难题，并削弱风电光伏机组接入电网时产生的各种不稳定性。

为了提高低负荷期间的调峰能力，保证电力系统安全稳定运行，高效利用可再生的清洁能源促进全社会可持续发展，应协同探究调峰平衡时储能设备削峰填谷的效果和新能源接入电网对调峰能力的影响，搭建一个风光联合储能的电网调峰的优化策略数学模型，研究风光联合储能系统的负调峰容量的最大值。其中，负调峰能力是可以调节出力的机组在电网处于低负荷时期的向下调节能力，等同于在达到调峰响应要求的情况时电网可以容纳风电光伏的最大功率能力。

在本发明实施例中，建立了以实现风光联合储能系统的负调峰容量的最大值为目标，系统功率平衡等式约束、火电机组运行约束、机组最少启停时间约束、调峰响应约束、储能设备容量和功率约束的多目标优化调峰模型。

步骤S104，基于粒子群算法，求解并输出所述风光联合储能的电网调峰的优化策略数学模型的最优解集。

在本发明实施例中，将粒子群算法(PSO)应用于多目标求最优解问题，PSO 利用每一次迭代寻求最佳的解，粒子则通过追踪两个极值不断调节方位。这两个极值分别是：个体极值，表示粒子自己寻求到的最佳的解；全局极值，表示全体种群寻求到的最佳的解。除此之外，还可以将全体粒子群中的部分粒子用来寻求最佳解，这个极值便是局部极值，从而完成对问题寻优。

粒子群算法(PSO)数学描述如下：

所有粒子数是n个，搜寻的场所是维度为D的空间。

第i个粒子的飞行位置设定是X

第i个粒子当前搜查到的最佳位置是R

全部粒子群当前搜查到的最佳位置是R

第i个粒子的飞行速度向量是V

D空间中粒子位移和速率改变，计算得出：

V

X

其中，R

其中，w表示的是当前粒子受前一次粒子速度的影响力，w的取值直接影响粒子寻求全局最优解和局部最优解的水平：当w的值选取得偏大时，PSO将更倾向于提高全局寻找最优能力，而削弱局部寻找最优的能力；当w的值选取得偏小时，PSO将更偏向于削弱全局寻找最优的能力，同时提高局部寻找最优能力。

在本发明实施例中，首先将参数初始化，例如将粒子归到初始位置，设定粒子个数为500，迭代次数最多为T

在本发明实施例中，为了防止上述方案发生早熟的问题，可在算法迭代的过程中，通过预先设置一个粒子群最优位置连续不变化次数的阈值，当粒子群最优粒子位置连续不变化次数大于预设的阈值时，对粒子群位置向量按随机变异概率因子发生变异，更新完成后继续判断是否超过预设的阈值解决该早熟问题。

本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化方法，通过通过确定风电光伏参与电网调峰的双层指标评估体系，利用相关衡量指标对调峰能力进行衡量评估，根据根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型，并基于粒子群算法，求解并输出所述日前优化调峰模型的最优解集。该方法充分考虑到了风电光伏具有强烈的间歇性、随机性、波动性和不确定性等输出特性，充分利用储能设备具有良好调节性能，增强了电力系统大规模接纳风电光伏的能力，能有效攻克调峰紧张的难题，同时有利于扩大新能源的消纳空间。

在本发明实施例中，上述步骤S103包括：

搭建一个风光联合储能的电网调峰的优化策略数学模型，研究风光联合储能系统的负调峰容量的最大值。包括：电网的负调峰能力能通过可以调节出力的机组在电网处于低负荷时期的向下调节的电量总和体现，得到目标函数；确定所述风光联合储能的电网调峰的优化策略数学模型中的所述目标函数的约束条件。

在本发明实施例中，风光联合储能的电网调峰的优化模型是为了提高低负荷期间的调峰能力，保证电力系统安全稳定运行，高效利用可再生的清洁能源促进全社会可持续发展，应协同探究调峰平衡时储能设备削峰填谷的效果和新能源接入电网对调峰能力的影响，搭建一个风光联合储能的电网调峰的优化策略数学模型，研究风光联合储能系统的负调峰容量的最大值。其中，负调峰能力是可以调节出力的机组在电网处于低负荷时期的向下调节能力，等同于在达到调峰响应要求的情况时电网可以容纳风电光伏的最大功率能力。

所述目标函数为：

其中，i是代表火电机组；Δt＝15min；N

在本发明实施例中，上述目标函数的约束条件包括：系统功率平衡等式约束、火电机组运行约束、机组最少启停时间约束、调峰响应约束、储能设备容量和功率约束。

具体地，(1)系统功率平衡等式约束：

(2)火电机组运行约束：机组的爬坡约束：

(3)机组最少启停时间约束：

其中，T

(4)调峰响应约束：

(5)储能设备容量和功率约束：

本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化方法，通过确定风电光伏参与电网调峰的双层指标评估体系，利用相关衡量指标对调峰能力进行衡量评估，根据根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型，并基于粒子群算法，求解并输出所述日前优化调峰模型的最优解集。该方法充分考虑到了风电光伏具有强烈的间歇性、随机性、波动性和不确定性等输出特性，充分利用储能设备具有良好调节性能，增强了电力系统大规模接纳风电光伏的能力，能有效攻克调峰紧张的难题，同时有利于扩大新能源的消纳空间。

为了进一步验证本发明方法的有效性和准确性，以下结合具体的算例做详细的说明如下：

以东北地区31家电力公司数据和文献中搜集的风机和光伏机组数据为例分析，选取典型日内火电、风电、光伏机组出力和净负荷功率变化情况见图8、 9、10、11。

由图11净负荷功率变化曲线可知，典型日中96个研究时段内00：00-03：00 处于低负荷期间，即T

因此，依据风光联合储能参与电网调峰策略的数学模型计算出的储能系统在典型日时96个时段分别的充放电功率如图12所示，以及各时段内系统负调峰能力如图13所示。

由图13可知，运用风光联合储能的电网调峰的策略数学模型可以计算出低负荷时期该系统新能源消纳的最大空间，即为80416MW·h。在低负荷时段，时段1消纳水平最差，最低极限值为6805MW，此时电网负调峰压力加剧，储能充当用电设备；在高负荷时段，电网可出力的能源充足时，储能充当供电设备，完全满足系统在真实运行时的要求。

为进一步对比风电光伏互补对调峰能力的影响，考虑风电-储能多源协同调峰系统、光伏-储能多源协同调峰系统以及风电-光伏-储能多源协同调峰系统这三种场景，针对调峰能力极限、调峰能力最小时段、波动波数和最大调峰需求四种指标进行对比，得到系统调峰结果对比如表1所示。

表1三种场景下调峰结果对比

由表1可知，在调峰水平最低的时段，即第1个时段，调峰能力极限在这三种场景中是一样的，而风电-光伏-储能多源协同调峰系统净负荷波动次数明显更多，但一个波动段内调峰需求却少于另外两者。一个波动段中，风电-光伏 -储能多源协同调峰系统的最大调峰需求与光伏-储能多源协同调峰系统对比减少了170MW，与风电-储能多源协同调峰系统对比减少了610MW，这意味着整个系统对调峰能力水平的要求在削弱。因此，综合考虑风光互补特性的风光储联合系统可以降低调峰要求，缓解系统调峰压力。

为了更深入地对比储能设备在大小不相同的充放电功率制约的条件下对新能源消纳的作用，选取了最大充放电功率为0MW(无储能)、20MW、40MW和 60MW时，分别得到了新能源消纳的空间极限，如表2所示。

表2在最大充放电功率不同的工况下新能源消纳空间极限

如表2可见，随着充放电功率不断增长，储能的性质和功能不断提升，新能源消纳空间的极限也随之增加。但是，由极限的变化可以看出清洁新能源消纳空间出现了饱和，增长幅度明显减小，如图14所示，这一现象在未来对储能选取型号在某些程度上具有指引意义。

因此，储能是处理消纳问题较灵活有效的方式，提高储能设备性能，对新能源消纳具有显著促进作用。同时，风光联合储能的电网调峰提高了负调峰能力，降低了最大调峰需求，是缓解电网调峰压力、促进新能源消纳的有效手段。

图15示出了本发明实施例提供的电力系统调峰优化装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

本发明实施例提供了一种基于风、光、储能协调的新能源系统调峰优化装置，该装置包括：

确定单元151，用于确定风电光伏参与电网调峰的两级指标评估体系；

在本发明实施例中，依据目前研究现状，从调峰大小、清洁性、安稳性、实用性四个角度全面分析，总结、创建了风电光伏参与电网调峰的两级指标评价系统，该系统共囊括了两级评价指标，由4个第一级评价指标和12个第二级评价指标组成。

第一级指标包括：调峰大小、调峰清洁性、调峰安稳性、调峰实用性；

为了细化表达，将第一级指标进一步扩展，形成第二级指标，即：

调峰大小包含：机组联合储能调峰、负荷调峰潜质、电能供给、调峰速度；

调峰清洁性指标包含：污染程度、社会影响；

调峰安稳性指标包含：储能设备安稳、机组设备安稳、爬坡约束；

调峰实用性指标包含：负荷调度成本、机组调度成本、储能调度成本

评估单元152，用于衡量指标对调峰能力进行衡量评估；

风电光伏参与电网调峰的两级指标评价系统首先确定判断矩阵对数据实现无量纲化处理，然后通过层次分析法和模糊综合评判法实现综合评价。

层次分析法(APH)，是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多目标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法。

对于衡量调峰能力的评估指标，目前尚没有统一的定义，具有一定的模糊性。模糊综合评价方法主要是根据模糊问题的各个评价因素、评价标准、自然状态以及各因素的相对重要程度建立模糊综合评价模型，然后对各被评价对象进行综合评价。

因此，考虑到多种因素的影响，本发明实施例采用层次分析法和模糊综合评判法实现综合评价。

具体方法是将第二级评价指标模糊评判，其结果将代表第一级，从而完成综合评价。详细步骤是首先分别排列构建第二级各个小指标的判断矩阵 R

其中：C代表新能源参与电网调峰能力评价分数；R表示判断矩阵；表示加权平均算子；

在本发明实施例中，先建立各级指标的灵敏度分析矩阵，矩阵中每一个数字代表着每一个指标灵敏度的标幺值。数字比1小时，数字越小意味着该指标灵敏度越小；数字比1大时，数字越大意味着该指标灵敏度越大；数字恰好和 1相等时，意味着这两个指标对于调峰的影响都很关键。然后通过雷达图的表现手法对指标系统灵敏度分析和调峰能力综合灵敏度分析。风电光伏并网调峰的需求侧管理机制设计时，灵敏度越强的指标越是要首先治理调整。通过灵敏度分析可知，新能源机组联合储能调峰的潜力大；相较过去常用的化石能源，新能源更清洁环保；爬坡约束灵敏度最低，储能设备安稳和机组设备安稳这两项指标对调峰能力的影响程度更高；储能调度成本灵敏度最高，重点研究源- 储-荷联合系统调峰，会更具有经济实用性。

在本发明实施例中，运用上述评价方法对衡量调峰能力的指标进行全面的整体性分析，首先排列出综合指标的灵敏度分析矩阵，再从综合指标的灵敏度分析矩阵中行坐标和纵坐标的比值，求出灵敏度标幺值，得到更为直观的雷达图，最后对风电光伏并网调峰能力进行全面的灵敏度分析，得到结论：在优化调峰策略时，在综合考虑清洁性、安稳性和实用性约束的情况下，应重点对调峰大小的调峰能力约束进行研究。

模型建立单元153，用于根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型。

在本发明实施例中，储能系统能实现合理的调控。利用风光联合储能的电力系统调峰，更利于攻克新能源消纳的难题，并削弱风电光伏机组接入电网时产生的各种不稳定性。

为了提高低负荷期间的调峰能力，保证电力系统安全稳定运行，高效利用可再生的清洁能源促进全社会可持续发展，应协同探究调峰平衡时储能设备削峰填谷的效果和新能源接入电网对调峰能力的影响，搭建一个风光联合储能的电网调峰的优化策略数学模型，研究风光联合储能系统的负调峰容量的最大值。其中，负调峰能力是可以调节出力的机组在电网处于低负荷时期的向下调节能力，等同于在达到调峰响应要求的情况时电网可以容纳风电光伏的最大功率能力。

在本发明实施例中，建立了以实现风光联合储能系统的负调峰容量的最大值为目标，系统功率平衡等式约束、火电机组运行约束、机组最少启停时间约束、调峰响应约束、储能设备容量和功率约束的多目标优化调峰模型。

求解输出单元154，即求解机组在电网处于低负荷时期的向下调节的电量总和，用于基于粒子群算法，求解并输出所述日前优化调峰模型的最优解集。

在本发明实施例中，将粒子群算法(PSO)应用于多目标求最优解问题，PSO 利用每一次迭代寻求最佳的解，粒子则通过追踪两个极值不断调节方位。这两个极值分别是：个体极值，表示粒子自己寻求到的最佳的解；全局极值，表示全体种群寻求到的最佳的解。除此之外，还可以将全体粒子群中的部分粒子用来寻求最佳解，这个极值便是局部极值，从而完成对问题寻优。

粒子群算法(PSO)数学描述如下：

所有粒子数是n个，搜寻的场所是维度为D的空间。

第i个粒子的飞行位置设定是X

第i个粒子当前搜查到的最佳位置是R

全部粒子群当前搜查到的最佳位置是R

第i个粒子的飞行速度向量是V

D空间中粒子位移和速率改变，计算得出：

V

X

其中，R

其中，w表示的是当前粒子受前一次粒子速度的影响力，w的取值直接影响粒子寻求全局最优解和局部最优解的水平：当w的值选取得偏大时，PSO将更倾向于提高全局寻找最优能力，而削弱局部寻找最优的能力；当w的值选取得偏小时，PSO将更偏向于削弱全局寻找最优的能力，同时提高局部寻找最优能力。

在本发明实施例中，首先将参数初始化，例如将粒子归到初始位置，设定粒子个数为500，迭代次数最多为T

在本发明实施例中，为了防止上述方案发生早熟的问题，可在算法迭代的过程中，通过预先设置一个粒子群最优位置连续不变化次数的阈值，当粒子群最优粒子位置连续不变化次数大于预设的阈值时，对粒子群位置向量按随机变异概率因子发生变异，更新完成后继续判断是否超过预设的阈值解决该早熟问题。

本发明实施例提供的基于风、光、储能协调的新能源系统调峰优化方法，通过确定风电光伏参与电网调峰的双层指标评估体系，利用相关衡量指标对调峰能力进行衡量评估，根据根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型，并基于粒子群算法，求解并输出所述日前优化调峰模型的最优解集。该方法充分考虑到了风电光伏具有强烈的间歇性、随机性、波动性和不确定性等输出特性，充分利用储能设备具有良好调节性能，增强了电力系统大规模接纳风电光伏的能力，能有效攻克调峰紧张的难题，同时有利于扩大新能源的消纳空间。

在本发明实施例中，上述模型确定单元151包括：

调峰大小、清洁性、安稳性、实用性四个模块，其中：

调峰大小包含：机组联合储能调峰、负荷调峰潜质、电能供给、调峰速度；

调峰清洁性指标包含：污染程度、社会影响；

调峰安稳性指标包含：储能设备安稳、机组设备安稳、爬坡约束；

调峰实用性指标包含：负荷调度成本、机组调度成本、储能调度成本

在本发明实施例中，上述模型建立单元153包括：目标函数建立模块和约束条件确定模块。

目标函数建立模块，用于根据所述根据风光联合储能系统的负调峰容量的最大值，建立风光联合储能的电网调峰的优化策略数学模型，包括：电网的负调峰能力能通过可以调节出力的机组在电网处于低负荷时期的向下调节的电量总和体现，得到目标函数；

在本发明实施例中，储能系统能实现合理的调控。利用风光联合储能的电力系统调峰，更利于攻克新能源消纳的难题，并削弱风电光伏机组接入电网时产生的各种不稳定性。

为了提高低负荷期间的调峰能力，保证电力系统安全稳定运行，高效利用可再生的清洁能源促进全社会可持续发展，应协同探究调峰平衡时储能设备削峰填谷的效果和新能源接入电网对调峰能力的影响，搭建一个风光联合储能的电网调峰的优化策略数学模型，研究风光联合储能系统的负调峰容量的最大值。其中，负调峰能力是可以调节出力的机组在电网处于低负荷时期的向下调节能力，等同于在达到调峰响应要求的情况时电网可以容纳风电光伏的最大功率能力。

所述目标函数为：

其中，i是代表火电机组；Δt＝15min；N

约束条件确定模块，用于确定所述风光联合储能的电网调峰的优化策略数学模型中的所述目标函数的约束条件。

在本发明实施例中，上述目标函数的约束条件包括：系统功率平衡等式约束、火电机组运行约束、机组最少启停时间约束、调峰响应约束、储能设备容量和功率约束。

本发明实施例还提供了一种计算机装置，该计算机装置包括处理器，处理器用于执行存储器中存储的计算机程序时实现上述各个方法实施例提供的基于风、光、储能协调的新能源系统调峰优化方法的步骤。

示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。例如，所述计算机程序可以被分割成上述各个方法实施例提供的电力系统调度的步骤。

本领域技术人员可以理解，上述计算机装置的描述仅仅是示例，并不构成对计算机装置的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个用户终端的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述计算机装置集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、 U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。