一种考虑成本约束及平抑功率波动的混合储能配置的方法

技术领域

本发明属于混合储能优化技术领域，具体涉及一种考虑成本约束及平抑功率波动的混合储能配置的方法。

背景技术

由于储能系统可以抑制一部分由可再生能源，如风能、太阳能等间歇性能源产生的和负荷需求实时变化所导致的功率波动。因此，储能容量配置越大，对功率波动的应对范围就越广，对提高电力系统的稳定性和供电可靠性的效果就越好。而考虑到实际和经济性，储能容量的最佳选择是一个不容忽视的问题。对于混合储能系统而言，除了考虑系统总容量，还应考虑到不同储能设备的容量占比，因此混合储能系统如何进行合理配置将比传统的单储能系统容量确定方案更加复杂。

对混合储能优化配置的研究主要集中在控制策略上或就某一单目标进行容量优化，较少考虑针对混合储能的多目标优化配置及其求解算法。若考虑混合储能在微电网电压频率稳定控制、电能质量治理、可再生能源功率波动平抑等多方面的典型作用，且考虑成本最低的情况下，微电网内的混合储能容量和功率优化配置将是一个多目标优化问题。混合储能与多种微电源和负载相互影响，其优化目标函数较多，受拓扑和储能自身条件的约束也多，且各优化指标之间可能存在冲突，建模较困难。目前已有的多目标优化技术往往把多目标优化问题转化为单目标优化问题，利用已成熟的单目标优化问题的求解方法求解，而且只给出优化结果，缺乏定量分析和评价体系，其配置的合理性欲待商榷，难以指导工程实践。因此，在混合储能优化配置的多目标建模和多目标优化算法方面，还有许多基础性问题有待深入。

发明内容

本发明基于改进鲸鱼算法研究了混合储能系统的优化配置。本发明从混合储能成本大小，风力发电波动平抑等多个角度出发，建立混合储能系统容量和功率配置优化指标。同时，考虑系统运行约束，储能设备特性约束，风力发电功率约束等，以混合储能设备投资及运行成本最小化和平抑间歇式分布式发电输出功率波动效果最大化为目标，构建混合储能系统优化配置数学模型。并利用改进的鲸鱼算法进行求解，以期达到混合储能系统配置成本和风电功率波动平滑效果的最佳平衡。

本发明采取如下技术方案来实现的：

一种考虑成本约束及平抑功率波动的混合储能配置的方法，包括以下步骤：

1)建立混合储能系统中的储能元件数学模型；

2)根据步骤1)建立储能系统的高低功率分配模型；

3)根据步骤2)建立一种多目标鲸鱼算法；

4)对步骤3)中鲸鱼算法的线性控制因子进行改进，建立一种基于非线性控制因子的改进多目标鲸鱼算法；

5)在步骤4)的基础上建立改进多目标鲸鱼算法的约束条件；

6)建立包含容量成本和功率抑制的混合储能容量优化模型；

7)在步骤5)根据优化目标函数对混合储能容量优化模型进行求解。

本发明进一步的改进在于，步骤1)建立的储能系统中储能原件的数学模型为：储能元件包括蓄电池和超级电容器，蓄电池荷电状态模型为：

其中，SOC(t)表示蓄电池当前荷电状态，SOC

超级电容器模型为：

其中，Et表示超级电容器容量，C表示超级电容器电容值，V

本发明进一步的改进在于，步骤2)的具体实现方法为：采用高通滤波原理对混合储能系统功率平抑目标进行分配；超级电容器应平抑的功率为：

本发明进一步的改进在于，步骤3)的具体实现方法为：WOA算法假设当前最优解是接近捕获猎物的最近位置或者是捕获猎物的最佳位置，当确定了最佳搜索代理后，其他的代理将变更他们的坐标来向着最佳搜索代理的位置移动；其搜索代理位置公式更新如下式所示：D＝|X(t)-cX

本发明进一步的改进在于，步骤4)的具体实现方法为：引入了余弦非线性控制因子，其具体表达式为

本发明进一步的改进在于，步骤5)的具体实现方法为：该模型以混合储能设备投资及运行成本最小化和平抑间歇式分布式发电的输出功率波动效果最优为目标，目标函数如下所示：

f

本发明进一步的改进在于，步骤6)的具体实现方法为：优化算法的约束条件如下：

与现有技术相比，本发明至少具有如下有益的技术效果：

1.本发明提出了基于非线性控制因子的改进多目标鲸鱼算法来进行混合储能系统优化配置的求解。

2.本发明以混合储能设备投资及运行成本最小化和平抑间歇式分布式发电输出功率波动效果最大化为目标，构建混合储能系统优化配置数学模型。

附图说明

图1为混合储能滤波系统结构图；

图2为未改进多目标鲸鱼算法优化配置方案图；

图3为改进的多目标鲸鱼算法优化配置方案；

图4为风电功率平抑效果图；

图5为蓄电池和超级电容输出功率；

图6为未经鲸鱼算法优化的风电功率平抑效果图；

图7为阶未经鲸鱼算法优化的蓄电池和超级电容输出功率；

图8为风机原始出力波动平抑图；

图9为平抑后功率波动变化图；

图10为平抑后荷电状态变化图。

具体实施方式

下面通过附图，对本发明的技术方案做进一步的详细描述。

如图1所示，本发明采用高通滤波原理对混合储能系统功率平抑目标进行分配。

超级电容器应平抑的功率为：

蓄电池应平抑的功率为：

由于在实际工作环境中还应根据储能单元的当前运行状态调整其平抑功率，以期保证其安全稳定运行，因此需对储能设备的剩余电量、荷电状态、功率限值等进行考虑。在已知两种储能的参考平抑功率后，可据此得出对应储能的剩余电量。

放电时，储能设备荷电状态为：

如图2所示和图3所示，将混合储能设备投资及运行成本最小化和平抑间歇式分布式发电的输出功率波动效果最优作为目标函数，分别应用改进前的鲸鱼算法和本发明所提出的改进型多目标鲸鱼算法进行对比求解。通过两种优化算法所得出的适应度和优化配置方案在目标函数空间的分布如图2、3，从上图可以看出，若想功率波动的平抑效果越好，混合储能设备投资及运行成本将不断增加，将两种优化算法所得出的适应度仿真图进行对比，可以发现改进后的鲸鱼算法数值分布更加均匀，数值过渡也更为平滑。从而证明了改进后的鲸鱼算法在求解多目标问题时，具备更好的个体多样性，避免早熟收敛。

如图4、5、6、7所示，为测试优化配置方案是否和实际平抑风电波动的需要，选择表中具有代表性的蓄电池组容量10.20MWH，超级电容容量5.34MWH进行平抑风电功率波动的仿真，蓄电池组容量13.78MWH，超级电容容量6.66MWH。仿真结果如图4、5所示。为了验证改进鲸鱼算法优化的优越性，设计蓄电池组额定容量设为27MWh，超级电容器额定容量设为9MWh的对比试验，仿真结果如图6、7所示：

如图8、9、10所示，为了证明该混合储能系统对实际风电功率平抑的普遍性，将该配置下的混合储能系统对某风电场风机一天的实际原始出力进行抑制，结果如图8、9、10所示。如图8所示，经混合储能系统平抑后的输出功率与风机原始出力的变化趋势基本一致，而平抑后的输出功率中的高频波动部分则明显消除。此时，平抑后的风电输出功率只存在较长时间尺度的功率波动，可以较为通过调度来解决，不影响安全运行。由图8可以更加直观的看出，平抑后风电功率波动的变化率被很好的限制在了0.12以下，而且大部分时间都集中在了0.06以下，符合国家规定的并网条件。从图10可以看出，混合储能系统在平抑风机一天的实际原始出力后，由于超级电容器与蓄电池组的相互配合，两种储能设备荷电状态总体上均保持在了0.2至0.8的范围之内。说明该优化配置下的混合储能系统对于不同的风速情况下的风电功率波动均能取得较好的平抑效果。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。