一种基于高维多目标优化的综合加能站电池储能系统与区域电网能量互馈方法

技术领域

本发明属于电力系统优化调度领域，用于综合加能站中电池储能系统的优化调度问题，尤其是涉及一种基于高维多目标优化的综合加能站电池储能系统与区域电网能量互馈方法。

背景技术

近年来可再生能源大规模并网改变了电力系统电源组成结构，使区域电网安全运行出现隐患，因此，区域电网对储能电站装机容量提出了更高的要求。另一方面，电动汽车保有量迅速增长，随着含电动汽车的综合加能站在原加油站的基础上大规模改造，其加能站内车载电池阵列通过改造可作为电网分布式储能节点，因此，综合加能站电池储能系统与区域电力系统的能源互馈问题受到广泛关注。

含电动汽车的综合加能站中电池储能系统可作为区域电力系统的分布式储能节点，在考虑电网分时电价的情况下进行充电-放电从而满足自身效益最大化的同时可以对区域电力系统实现削峰填谷的作用，与此同时，电池储能系统在充放电的同时对电池本身会存在损耗。因此本发明中优化问题模型设定为三个目标函数分别为储能系统电池损耗最小、储能系统充电-放电成本最小和电网峰谷差率最小。

高维多目标优化问题是近年广泛使用地处理多个目标的优化问题的处理方法。它是一类还有话三个或三个以上目标函数的数学优化问题，在该类问题中，对其中一个目标进行优化必定会牺牲其他目标作为代价，因而对总体目标而言没有单个的最优解，而是存在多个最优折中解，称为非劣最优解。本发明运用高维多目标优化算法对该类问题进行求解。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于高维多目标优化的综合加能站电池储能系统与区域电网能量互馈方法，其特征在于，包括

采集综合加能站电池储能系统参数，包括采集周期内系统负荷和电价；

将采集数据输入综合加能站电池储能系统互馈模型中，采用改进的高维多目标优化算法NSHPO对综合加能站电池储能系统互馈模型进行求解。

在上述的方法，综合加能站电池储能系统互馈模型包括储能系统电池损耗最小、储能系统互馈成本最小和电网侧负荷峰谷差率最小三个目标函数；以及电池负荷状态约束、电池储能系统容量约束、电池储能系统充放电功率约束和电池储能系统充放电状态约束四个约束条件。。

在上述的方法，储能系统电池损耗最小采用以下公式计算：

其中m为储能系统中的电池数量；T为时段总数，SOC为电池的荷电状态；P

在上述的方法，储能系统互馈成本最小采用以下公式计算：

其中

在上述的方法，电网侧负荷峰谷差率最小采用以下公式计算：

P

其中，

在上述的方法，电池负荷状态约束采用以下公式计算：

SOC

SOC

在上述的方法，电池储能系统容量约束采用以下公式计算：

Q

表示允许的最大放电量；Q

在上述的方法，电池储能系统充放电功率约束采用以下公式计算：

P

在上述的方法，电池储能系统充放电状态约束采用以下公式计算：

D

D

在上述的方法，求解过程具体包括

步骤1：在MATLAB中初始化参数：初始种群N

步骤2：以储能系统中电池SOC状态作为决策变量；初始化种群N

步骤3：通过HPO算法迭代生成新一代的种群，标记为N

S1：当随机参数R＜β时；

x(t+1)＝x(t)+0.5[(2CZP

S2：当随机参数R＜β时：

xt+1)＝T

步骤4：对合并后的种群N

步骤5：将每层的个体数量进行叠加，直到各层个体数量大于种群数量，即S

步骤6：当S

步骤7：当S

其中M为目标函数个数，Z

步骤8：联系个体与参考点，通过以下公式计算解集S

d(s，w)＝s-w

步骤9：避免参考点和种群个体之间的关系出现一对多或没有对应的情况，该步骤将选取剩余的k个解进入下一个种群；

步骤10：随机选取没有重复的参考点，如果

步骤11：循环直至t＞T

因此，本发明具有如下优点：本发明提出的基于高维多目标优化的综合加能站电池储能系统互馈方法在对综合加能站电池储能系统优化调度方案求解后，在电池储能系统与区域电力系统进行电力互馈的过程中，降低综合加能站电池储能系统充放电的成本，同时对区域电力系统实现削峰填谷的作用，提高区域电力系统运行的安全性，与此同时，可以大大减小电池储能系统在充放电过程中电池的循环寿命损耗。

附图说明

附图1是本发明的一种方法原理图；

附图2是本发明的五种算法运行时间图；

附图3是本发明的NSHPO互馈优化调度结果图；

附图4是本发明的削峰填谷作用后的电力负荷曲线图；

附图5是本发明的充电-放电成本曲线图；

附图6是本发明的电池损耗曲线图.

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

本发明所提出的综合加能站电池储能系统互馈模型中具体输入参数如下：

表1某社区日负荷曲线及峰谷分时电价

/>

综合加能站电池储能系统互馈模型中三个目标函数如下：

1.储能系统电池损耗最小

其中m为储能系统中的电池数量；T为时段总数，本文考虑调度周期为1天，时间段单位为1h，即T＝24；SOC为电池的荷电状态；P

2.储能系统互馈成本最小

其中

分别为电池在t时间段进行购电价格和售电价格。

3.电网侧负荷峰谷差率最小

P

其中P

其中，

综合加能站电池储能系统互馈模型中四个约束条件如下：

1.电池负荷状态约束采用以下公式计算：

SOC

SOC

2.电池储能系统容量约束采用以下公式计算：

Q

表示允许的最大放电量；Q

3.电池储能系统充放电功率约束采用以下公式计算：

P

4.电池储能系统充放电状态约束采用以下公式计算：

D

D

本发明采用改进的高维多目标优化算法NSHPO对综合加能站电池储能系统互馈模型进行求解。在NSGA-Ⅲ优化算法的基础上，用猎人猎物算法(HPO)替换NSGA-Ⅲ中的遗传算子(GA)，从而提高算法的全局搜索能力，降低算法的运算复杂度。其中NSHPO主要求解过程步骤如下。

步骤一：在MATLAB中初始化参数：初始种群N

步骤二：以储能系统中电池SOC状态作为决策变量，取值范围在[0.9，0.3]。初始化种群N

步骤三：通过HPO算法迭代生成新一代的种群，标记为N

S1：当随机参数R＜β时。

x(t+1)＝x(t)+0.5[(2CZP

S2：当随机参数R＞β时：

x(t+1)＝T

步骤四：对合并后的种群N

步骤五：将每层的个体数量进行叠加，直到各层个体数量大于种群数量，即S

步骤六：当S

步骤七：当S

其中M为目标函数个数，Z

步骤八：联系个体与参考点，通过公式(4)计算解集S

d(s，w)＝s-w

步骤九：避免参考点和种群个体之间的关系出现一对多或没有对应的情况，该步骤将选取剩余的k个解进入下一个种群。

步骤十：随机选取没有重复的参考点，如果

步骤十一：循环直至t＞T

对于改进的多目标优化算法，本发明将提出的NSHPO算法与其它四种多目标优化算法通过分布范围指标(Spread)和超体积指标(HV)进行对比。

表2 Spread指标对比

表3 HV指标对比

“最优”、“平均”和“最差”上相比NSGA-Ⅲ、ANSGA-Ⅲ、θ-DEA和PREA算法都要更加均匀，可以得出HPO-NSGA-Ⅲ算法在非支配解集的均匀分布性上相比其他4中算法更优。从表2中可以看出，HPO-NSGA-Ⅲ算法的HV指标相比NSGA-Ⅲ、ANSGA-Ⅲ和θ-DEA算法都要更优，说明NSHPO在算法的收敛性和多样性上相比上述三种算法更优；但从表3中看到，NSHPO算法的HV指标值相比PREA算法要低，但“最优”、“平均”和“最差”三个值差异很小，综合NSHPO算法的Spread指标来看，该算法的整体性能要更好。

除此之外，NSGA-Ⅲ、ANSGA-Ⅲ、θ-DEA、PREA和NSHPO算法的互馈优化调度运行时间如图2所示。

从图2中可以看出NSHPO算法的运行时间无论从“最小值”、“最大值”或“平均值”上都要比NSGA-Ⅲ、ANSGA-Ⅲ、θ-DEA和PREA算法的运行时间要短。由于遗传算法(GA)中的交叉变异机制，使得NSGA-Ⅲ和ANSGA-Ⅲ算法计算复杂度更高，从而使得算法的求解速度变慢。而ANSGA-Ⅲ算法中引入了自适应机制，增加了计算复杂度，所以ANSGA-Ⅲ的运算时间相比NSGA-Ⅲ较长。而PREA算法在原MOEA算法中引入了参考点机制来增强Pareto前沿的选择能力，大大增加了计算复杂度，因此PREA算法的运行时间比其他4种算法都要高出很多。而本文提出的NSHPO算法用HPO算法替代原有的GA，降低了算法的计算复杂度，从而减少了算法的运行时间。通过以上对比，证明NSHPO算法能够有效地解决综合加能站电池储能系统互馈多目标优化调度问题。

表4求解后各目标函数值

从表4可以看出，通过NSHPO算法进行求解后，电网负荷峰谷差率、储能系统充电-放电成本和电池损耗率都符合综合加能站实际运行工况。

通过NSHPO算法优化后的互馈调度结果如图3所示。

该方案削峰填谷作用后的区域电力系统负荷曲线如图4所示。

从图4中可以看出，通过NSHPO算法进行优化调度之后，该区域日负荷峰谷下降，削峰填谷作用前的峰时负荷为2257Kw·h，谷时负荷为889Kw·h，峰谷差率为60.6％；

削峰填谷后的峰时负荷为2014Kw·h，谷时负荷为973Kw·h，峰谷差率为51.65％。从图4中还可以看出，该方案在日优化调度中符合实际充电-放电情况，既在谷时电价时段进行充电，提高区域电力系统谷时负荷；在峰时电价时段进行放电，减小区域电力系统峰时负荷。

从图5中可以看出，通过本文提出NSHPO算法对模型进行求解后，储能系统的充电-放电日成本均为负数，既表示通过算法优化求解后，每日充电-放电成本呈盈利状态。

从长期运行角度考虑，综合加能站电池储能系统再提高充电-放电收益和削峰填谷能力的同时，应考虑充电-放电过程对储能系统中电池寿命的影响。在算法求解得到的调度方案中，min F

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。