基于半物理模型风光储氢微电网的优化调度方法及系统
文献发布时间:2024-04-18 20:01:23
技术领域
本发明属于微电网调度技术领域,特别涉及一种基于半物理模型风光储氢微电网的优化调度方法及系统。
背景技术
微电网是一种由分布式发电源、功率转换装置、储能设备、用电负荷以及监控系统等组成的微型供电系统,它可以实现自行保证安全与控制管理,既能够接入公共电网并网运行,也能够离网工作。风光储氢系统是一种以风力发电、光伏发电作为分布式能源,以制氢、蓄电池组等作为储能单元的微电网系统。它利用风能,光能,氢能等清洁能源发电。用实际的微电网系统验证控制策略的成本高,控制策略不当可能会引起事故,安全性低,同时,微电网结构及其运行控制越来越复杂,对实时性的要求也越来越高,需要对微电网进行能量调度的优化。
PSO算法具有参数比较少、很简单就能实现以及操作方便等优点;但是,也具备着寻优精度偏低、提前收敛使得整个迭代过程提前结束、陷入局部最优等缺点。
发明内容
本发明所要解决的技术问题在于提供一种基于半物理模型风光储氢微电网的优化调度方法及系统,通过半物理模型的构建解决了没有大功率系统实物的场景限制的问题,通过优化调度方法,使得微电网系统运行的经济性和安全性得到提高和保障。
本发明是这样实现的,
一种基于半物理模型风光储氢系统的优化调度方法,包括如下步骤:
步骤1、根据风光储氢系统的属性,设置风光储氢各模块对应的输出功率参考函数,从风光储氢仿真模型获取各模块的日前出力函数和负载函数;
步骤2、根据风光储氢各模块对应的输出功率参考函数和从风光储氢仿真模型获取各模块的日前出力函数,确定风光储氢系统运行控制策略;
步骤3、以风光储氢系统最低经济消耗为优化目标,建立多目标优化调度模型;
步骤4、利用优化混合粒子群算法对优化调度模型进行求解,得到风光储氢系统日前最优调度方案,使得最优调度方案满足步骤2的风光储氢系统运行控制策略。
进一步地,采用MATLAB/Simulink软件平台用于风光储氢系统仿真模型的搭建,所述各模块包括风力发电模块、光伏发电模块、储能模块以及制氢模块,均与交流母线连接;通过物理控制系统获取风光储氢系统仿真模型的目前出力函数和负载函数,并将最优调度方案反馈至风光储氢系统仿真模型,风光储氢系统仿真模型按照最优调度方案进行仿真模拟。
进一步地,步骤2确定风光储氢系统运行控制策略为:
计算实际功率偏差为:
ΔP(t)=P
式中,P
若ΔP(t)≤0,则表示实际可发功率不足,需要调高风光模块输出功率或者利用储能模块来补偿缺少的功率;
计算调整后的风光模块输出功率为:
P
P
式中,α为风光模块中风电装机容量占比;
若ΔP(t)>0,则表示实际发出功率超出所需,需要将高出的部分优先利用储能模块来吸收多出的功率,若超出储能模块最大能量限额,则将剩余功率分配给制氢模块,将剩余功率全部用于电解槽制氢,若超出剩余功率超出制氢模块电解槽最大工作功率,则舍弃多出的风光产生的能量。
进一步地,步骤3的多目标优化调度模型具体为:
目标函数为:
其中,包括:风力发电模块调节成本CW(t)=a
式中,a
光伏发电模块调节成本CP(t)=a
式中,a
储能模块运行成本CS(t)=a
式中,a
系统弃风光成本:CR(t)=K
式中,K
约束条件为:
1)功率平衡约束
P
式中,P
2)光伏风机出力约束
式中,P
3)储能模块约束
式中,σ
4)制氢模块约束
P
进一步地,步骤4对优化调度模型进行求解的具体步骤为:
S41:初始化粒子群种群参数;
S42:确定粒子约束条件并将越界变量进行修正;
S43:计算适应度,找出当前最优解;
S44:将寻优种群个体一分为二,分别进行PSO寻优和BA寻优;
S44:以适应度最优指导原则更换以往最优解;
S45:加入正态随机数扰动:正态随机数是一种服从正态分布的随机数,越靠近期望的数字出现的概率则会越大,越远离期望的数字出现的概率则会越小;
S45:根据速度和位置更新公式更新粒子的速度和位置,更新公式如下:
v(k+1)=r
x(k+1)=r
式中,r
S46:判断是否达到种群最大代数,若满足则输出最优粒子的位置,即得到最优调度方案,若不满足则继续更新种群代数,返回步骤S44继续计算。
一种基于半物理模型风光储氢系统的优化调度系统,该系统包括:
风光储氢仿真模型,包括风力发电模块、光伏发电模块、储能模块以及制氢模块,均与交流母线连接,用于进行仿真模拟;
物理控制系统获取风光储氢系统仿真模型的目前出力函数和负载函数,确定风光储氢系统运行控制策略;
所述物理控制系统以风光储氢系统最低经济消耗为优化目标,建立多目标优化调度模型;利用优化混合粒子群算法对优化调度模型进行求解,得到风光储氢系统目前最优调度方案,使得最优调度方案的风光储氢系统运行控制策略,并将最优调度方案反馈至风光储氢系统仿真模型,风光储氢系统仿真模型按照最优调度方案进行仿真模拟;
所述物理控制系统控制真实的风光储氢系统执行最优调度方案。
进一步地,该系统包括:
风光储氢系统运行控制策略为:
计算实际功率偏差为:
ΔP(t)=P
式中,P
若ΔP(t)≤0,则表示实际可发功率不足,需要调高风光模块输出功率或者利用储能模块来补偿缺少的功率;
计算调整后的风光模块输出功率为:
P
P
式中,α为风光模块中风电装机容量占比;
若ΔP(t)>0,则表示实际发出功率超出所需,需要将高出的部分优先利用储能模块来吸收多出的功率,若超出储能模块最大能量限额,则将剩余功率分配给制氢模块,将剩余功率全部用于电解槽制氢,若超出剩余功率超出制氢模块电解槽最大工作功率,则舍弃多出的风光产生的能量。
进一步地,多目标优化调度模型具体为:
目标函数为:
其中,包括:风力发电模块调节成本CW(t)=a
式中,a
光伏发电模块调节成本CP(t)=a
式中,a
储能模块运行成本CS(t)=a
式中,a
系统弃风光成本:CR(t)=K
式中,K
约束条件为:
1)功率平衡约束
P
式中,P
2)光伏风机出力约束
式中,P
3)储能模块约束
式中,σ
4)制氢模块约束
P
本发明与现有技术相比,有益效果在于:
本发明一方面采用PSO算法和BA算法相互协同进化,这两者相应寻优粒子间搜索信息可以相互共享和借鉴,以此提高了优化混合粒子群算法寻优求解精确度;另一方面,采用正态随机数扰动策略,在算法接近停滞或陷入局部最优解时,加入正态随机数扰动项,由于正态随机数的扰动比较集中,有利于粒子的速度和位置的变化能够较好地适应进一步的变化,较大的正态随机数可以帮助算法跳出局部收敛,较小的正态随机数可有效帮助在当前局部区域进行深入细致的寻优,进而提高算法寻优能力。
本发明采用半物理模型模拟实际风光储氢微电网,解决了没有大功率系统实物的场景限制的问题,提高了优化调度策略验证的经济性和安全性;将制氢系统引入微电网,在用电低谷期将储能系统无法储存的多余能量,以水电解制氢的形式转化,避免了低谷期大量弃风弃光的能源浪费问题。
附图说明
图1为本发明基于半物理模型的风光储氢系统优化调度方法的流程图。
图2为本发明风光储氢半物理模型系统结构图。
图3为本发明风光储氢系统优化调度控制策略流程图。
图4为本发明提高的优化混合粒子群算法的具体流程图。
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。
参见图1所示,一种基于半物理模型风光储氢系统的优化调度方法,包括如下步骤:
步骤1、根据风光储氢系统的属性,设置各模块对应的输出功率参考函数,从风光储氢仿真模型获取各模块的日前出力函数和负载函数;
步骤2、根据风光储氢各模块对应的输出功率参考函数和从风光储氢仿真模型获取各模块的日前出力函数,确定风光储氢系统运行控制策略;这里的各模块包括风力发电模块、光伏发电模块、储能模块以及制氢模块,基于半物理模型风光储氢系统包括:MATLAB/Simulink软件平台以及物理控制系统。MATLAB/Simulink软件平台用于风光储氢系统仿真模型的搭建;以下根据确定的风光储氢系统运行控制策略,寻找最优调度方案,包括:
步骤3、以风光储氢系统最低经济消耗为优化目标,建立多目标优化调度模型;
步骤4、利用优化混合粒子群算法对优化调度模型进行求解,得到风光储氢系统日前最优调度方案。
物理控制系统包括DSP控制模块以及人机触摸控制显示界面。
参见图2所示,建立仿真模型,仿真模型各模块包括了光伏发电、风力发电、储能装置及电解水制,均连接在交流母线上,通过物理控制系统对仿真模型进行数据采集,并将调度信息传输至仿真模型进行模拟。
参见图3所示,步骤2确定风光储氢系统运行的控制策略为:
设实际功率偏差为:
ΔP(t)=P
式中,P
若ΔP(t)≤0,则表示实际可发功率不足,需要调高风光模块输出功率或者利用储能模块来补偿缺少的功率;
调整后的风光模块输出功率为:
P
P
式中,α为风光模块中风电装机容量占比;
若ΔP(t)>0,则表示实际发出功率超出所需,需要将高出的部分优先利用储能模块来吸收多出的功率,若超出储能模块最大能量限额,则将剩余功率分配给制氢模块,将剩余功率全部用于电解槽制氢,若超出剩余功率超出制氢模块电解槽最大工作功率,则舍弃多出的风光产生的能量。
步骤3的多目标优化调度模型具体为:
目标函数为:
风力发电模块调节成本
CW(t)=a
式中,a
光伏发电模块调节成本
CP(t)=a
式中,a
储能模块运行成本
CS(t)=a
式中,a
系统弃风光成本
CR(t)=K
式中,K
约束条件为:
1)功率平衡约束
P
式中,P
2)光伏风机出力约束
式中,P
3)储能模块约束
式中,σ
4)制氢模块约束
P
参见图4所示,步骤4对优化调度模型进行求解的具体步骤为:
S41:初始化粒子群种群参数;
S42:确定粒子约束条件并将越界变量进行修正;
S43:计算适应度,找出当前最优解;
S44:将寻优种群个体一分为二,分别进行PSO寻优和BA寻优;
S44:以适应度最优指导原则更换以往最优解;
S45:加入正态随机数扰动:正态随机数是一种服从正态分布的随机数,越靠近期望的数字出现的概率则会越大,越远离期望的数字出现的概率则会越小;
S45:根据速度和位置更新公式更新粒子的速度和位置,更新公式如下:
v(k+1)=r
x(k+1)=r
式中,r
S46:判断是否达到种群最大代数,若满足则输出最优粒子的位置,即得到最优调度方案,若不满足则继续更新种群代数,返回步骤S44继续计算。
一种基于半物理模型风光储氢系统的优化调度系统,该系统包括:
风光储氢仿真模型,包括风力发电模块、光伏发电模块、储能模块以及制氢模块,均与交流母线连接,用于进行仿真模拟;
物理控制系统获取风光储氢系统仿真模型的日前出力函数和负载函数,确定风光储氢系统运行控制策略;
物理控制系统以风光储氢系统最低经济消耗为优化目标,建立多目标优化调度模型;利用优化混合粒子群算法对优化调度模型进行求解,得到风光储氢系统日前最优调度方案,使得最优调度方案的风光储氢系统运行控制策略,并将最优调度方案反馈至风光储氢系统仿真模型,风光储氢系统仿真模型按照最优调度方案进行仿真模拟;
物理控制系统控制真实的风光储氢系统执行最优调度方案。
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。