一种适应多场景应用的储能剩余容量分配方法

技术领域

本发明涉及一种适应多场景应用的储能剩余容量分配方法，具体设计面向储能剩余容量根据应用场景需求的分配过程。

背景技术

为了促进可再生能源的消纳，减少大量可再生能源并网对电网带来的影响，储能将成为未来电力系统中重要而广泛的资源，近年来储能技术及其相关应用得到了长足的发展。但储能系统的投资规模大、投资回报周期长，多数储能用户并不具备建设储能系统的能力；且由于缺乏成熟的商业模式，储能系统投资商也未获取理想的收益，这些都限制了储能系统发展。近年来，共享经济模式突破传统经济模式的桎梏蓬勃发展，共享经济利用现代互联网信息通信技术，通过租、借等共享方式实现物品使用权的转移。共享经济模式拥有很强的资源优化配置及利用能力，能够实现参与者们互利共赢。将共享经济引入储能技术中，共享储能在减少投资成本、发挥储能效益与价值以及方便服务用户等方面具有较高的发展潜力。

汇聚闲置的共享储能资源以及要服务的不同技术服务场景，并且为保证能够充分满足技术服务场景的需求，规定共享储能资源的个数大于技术服务场景的个数，每个闲置的共享储能资源与技术服务场景一一对应，并且能够保证最终每个技术服务场景的需求都能满足，对于每种技术服务场景所需储能的功率和容量也存在差别，若共享储能功率和容量不足以支撑该种场景，则认为该共享储能不能与此种技术服务场景进行匹配，若共享储能功率和容量足以支撑该种场景，则认为该储能可以与此种技术服务场景进行匹配。在共享储能可以满足技术服务场景的情况下，共享储能付出的代价是不同的，该种场景所需的功率和容量与共享储能可用功率和容量越接近，浪费越小，代价越小，该种场景所需的功率和容量与共享储能可用功率和容量越不接近，浪费越大，代价越大，本发明借供需关系的匹配思想、对匹配后方案指标的评估思想以及对评估结果的寻优思想，得到共享储能资源与技术服务场景最大匹配且代价最小的方案，对共享储能的研究推广具有重要意义和应用价值。

发明内容

本发明的目的在于：提供一种适应多场景应用的储能剩余容量分配方法。首先调研技术服务场景需求以及共享储能可用剩余容量，保证最终全部技术服务场景必须全部满足；然后计算每个共享储能对每个技术服务场景是否能够完成以及完成任务的代价大小；再通过储能与技术服务场景间的供需关系，计算共享储能与技术服务场景最大匹配方案的总代价；最后通过优化算法得到共享储能与技术服务场景中最大匹配方案当中总代价最小的方案。本发明专利将最大匹配思想、评估与优化思想进行结合，最终选择出最优方案，对共享储能的研究推广具有重要意义和应用价值。

本发明采用的技术方案为：一种适应多场景应用的储能剩余容量分配方法，包括步骤如下：

步骤1：调研技术服务场景需求以及共享储能可用剩余容量，保证最终全部技术服务必须全部满足；

步骤2：计算每个储能对每个技术服务场景是否能够完成，以及结合评估算法求得完成任务的代价大小；

步骤3：基于共享储能供给能力与技术服务场景需求水平，通过最大匹配算法计算共享储能与技术服务场景的最大匹配方案并计算总代价；

步骤4：通过优化算法优化出最佳储能剩余容量分配方案，获得共享储能与技术服务场景中最大匹配方案当中总代价最小的方案。

进一步优选，步骤1具体过程为：

步骤1.1 技术服务场景个数为

步骤1.2 共享储能个数为

进一步优选，步骤2具体过程为：

步骤2.1 考虑步骤1得出的每个技术服务场景所需储能的功率以及容量，建立完成任务的代价模型；

步骤2.2 若第

进一步优选，代价模型建立方式如下：

对技术服务场景采用各个共享储能设定指标，指标数值通过测试或根据功率以及容量简单计算得到，第

指标数量为

采用公式(2.3)转化为效益性指标数据：

采用公式(2.4)对所有指标值进行标准化：

采用公式(2.5)和公式(2.6)计算各评价指标与最优及最劣指标之间的差距：

采用公式(2.7)评价第

采用公式(2.8)计算第

进一步优选，步骤3具体过程为：

步骤 3.1 各个技术服务场景为

步骤 3.2 如果技术服务场景集合

步骤 3.3 在

步骤 3.4 寻找从

步骤 3.5 技术服务场景中所有非饱和点都已尝试过扩展，得到最大匹配；

步骤 3.6 将最大匹配中的每个路径代价求和，计算该最大匹配的代价。

进一步优选，步骤4采用遗传算法，具体过程为：

步骤4.1 初始化交叉率

步骤4.2 通过步骤3得出遗传算法的目标函数，计算

步骤4.3 根据当前编码串对应的目标函数值，对各个编码串的编码位数值进行选择运算、交叉运算、变异运算，迭代次数增加1，即

步骤4. 4 判断当前迭代次数是否达到最大迭代次数

进一步优选，步骤4采用遗传算法，步骤4.3具体过程如下：

步骤4.3.1 根据编码串对应的目标函数值，按目标函数由低到高对编码串进行1~

步骤4.3.2 对选择运算产生的编码串

步骤4.3.3 对交叉运算之后产生的编码串

与最接近的现有技术相比，本发明的优异效果是：

本发明专利综合考虑闲置共享储能资源和技术服务场景，可用于使每个闲置的共享储能资源与技术服务场景一一匹配，通过分析共享储能与技术服务场景的供需关系以及服务代价，形成共享储能与技术服务场景的最大匹配，使全部的技术服务场景都有对应的不同共享储能与之匹配，通过评估算法求得完成任务的代价大小，不同的技术服务场景采用不同的共享储能所需的代价可能不同，进行匹配需考虑付出代价的情况，由于对技术服务场景的排序不同，将形成多种不同的最大匹配方案，进而影响其总代价差异，因此将评估算法与优化算法结合，通过优化算法改变技术服务场景的排序，选择所有最大匹配中代价最小的最大匹配，最终选择出最优方案，对共享储能的研究推广具有重要意义和应用价值。

附图说明

下面结合附图对本发明进一步说明。

图1是一种适应多场景应用的储能剩余容量分配方法流程图。

图2是共享储能与技术服务场景之间的连线图。

图3是用于共享储能与技术服务场景间的最大匹配算法求解图一；

图4是用于共享储能与技术服务场景间的最大匹配算法求解图二；

图5是用于共享储能与技术服务场景间的最大匹配算法求解图三；

图6是用于共享储能与技术服务场景间的最大匹配算法求解图四；

图7是用于共享储能与技术服务场景间的最大匹配算法求解图五。

图8是最大匹配算法实现的流程图。

图9是遗传优化算法求解流程图。

图10是编码串示意图。

图11是遗传交叉运算过程示意图。

图12是遗传变异运算过程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本发明提供了一种适应多场景应用的储能剩余容量分配方法，图1展示出了本实施例中所述方法的实施过程，包括下述步骤：

步骤1：调研技术服务场景需求以及共享储能可用剩余容量，保证最终全部技术服务必须全部满足。

步骤1.1 技术服务场景个数为

步骤1.2 共享储能个数为

步骤2：计算每个储能对每个技术服务场景是否能够完成，以及结合评估算法，如TOPSIS、VOKIA等算法，求得完成任务的代价大小。

步骤2.1 考虑步骤1得出的每个技术服务场景所需储能的功率以及容量，建立完成任务的代价模型：

对技术服务场景采用各个共享储能设定成本、收入等指标，指标数值可通过测试或根据功率以及容量简单计算得到，例如第

表1是第

指标数量为

对于指标值越小越好的成本型指标，采用公式(2.2)转化为效益性指标数据：

对于越接近某个值越好的成本型指标，采用公式(2.3)转化为效益性指标数据：

采用公式(2.4)对所有指标值进行标准化：

采用公式(2.5)和公式(2.6)计算各评价指标与最优及最劣指标之间的差距：

采用公式(2.7)评价第

采用公式(2.8)计算第

依次对每个技术服务场景进行步骤2.1中的过程。

步骤2.2 若第

步骤3：基于共享储能供给能力与技术服务场景需求水平，通过最大匹配算法计算共享储能与技术服务场景的最大匹配方案并计算总代价，最大匹配算法流程图如图8所示，首先，共享储能与技术服务场景的空匹配，然后依次从每个技术服务场景找增广路径，有增广路径则更新匹配，无增广路径，则判断是否已遍历完，如为否，则下一个技术服务场景找增广路径，如为是，则结束。

步骤 3.1 以图2为例，各个技术服务场景为

步骤 3.2 如果技术服务场景集合

步骤 3.3 在

步骤 3.4 寻找从

选中第一条边(

取非

取非

取非

取非

步骤 3.5技术服务场景中所有非饱和点都已尝试过扩展，得到最大匹配

步骤 3.6 将最大匹配中的每个路径代价求和，计算该最大匹配的代价

步骤4：通过优化算法优化出最佳储能剩余容量分配方案，以遗传优化算法为例，获得共享储能与技术服务场景中最大匹配方案当中总代价最小的方案。

步骤4.1 初始化交叉率

步骤4.2 通过步骤3得出遗传算法的目标函数，计算

步骤4.3 根据当前编码串对应的目标函数值，对各个编码串的编码位数值进行选择运算、交叉运算、变异运算，迭代次数增加1，即

步骤4.3.1 根据编码串对应的目标函数值，按目标函数由低到高对编码串进行1~

步骤4.3.2 对选择运算产生的编码串

步骤4.3.3 对交叉运算之后产生的编码串

步骤4.4 判断当前迭代次数是否达到最大迭代次数

最后应当说明的是：所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。