一种储能电池的优化运行方法与流程

技术领域：
：本发明属于电力领域，具体涉及一种储能电池的优化运行方法。
背景技术：
：：储能电池技术作为电能存储的重要分支，其优点是配置灵活方便、响应速度快、适合大批量生产和规模化应用，目前许多独立运行的储能电站主要运行方式是在电价低的时候对储能电池进行充电，电价高的时候对储能电池进行放电，通过电价差获得收益，在储能电站实际运行中，未考虑到储能电池本身运行成本。储能电池本身运行成本与储能电池运行年限、储能电池的年运行维护成本和储能电池的初始投资成本有很大关系。其中，储能电池运行年限与电池每次充放电循环时的放电深度、环境温度有很大关系，由于储能电池都装有温度控制系统，可以将环境温度控制在适宜范围，所以储能电池的运行年限主要与电池运行时的放电深度有关。因此建立一种考虑储能电池本身运行成本的储能电站运行计划获取方法，对于既提高储能电站运行收益显得特别必要。技术实现要素：：为解决上述问题，本发明提出了一种储能电池的优化运行方法，适用于独立运行的储能电站，其技术方案如下：一种储能电池的优化运行方法，包括：1)建立储能电池的多目标函数，包括储能电池充放电收益最大目标函数和储能电池运行成本最小目标函数；所述储能电池充放电收益最大目标函数为：pch(t)＝e(d(t-1)-d(t))/η1lc(t)pdis(t)＝ed(t)-(d(t-1))η2ld(t)；所述储能电池运行成本最小目标函数为：上式中，t为每日时段总数；s(t)为第t个时段的电价；pch(t)和pdis(t)分别为第t个时段储能电池的充电功率和放电功率；e为储能电池的额定容量；d(t)为第t个时段储能电池的放电深度；d(t-1)为第t-1个时段储能电池的放电深度；η1为储能电池充电效率系数；η2为储能电池放电效率系数；lc(t)为第t个时段储能电池充电逻辑变量，取值为0或1；ld(t)为第t个时段储能电池放电逻辑变量，取值为0或1；ce(t)为第t个时段储能电池的运行成本；f(d)为放电深度为d时储能电池运行的单位充放电量成本；2)设置所述多目标函数的约束条件，包括储能电池的能量连续性约束、储能电池充放电功率约束、储能电池储存能量约束、储能电池充放电逻辑约束和储能电池优化前初始能量约束；3)采用粒子群优化算法求解所述多目标函数，得到储能电池在各个时段的充电功率pch(t)和放电功率pdis(t)。优选地，所述储能电池的能量连续性约束为：所述储能电池充放电功率约束为：0≤pch(t)≤lc(t)pch,max0≤pdis(t)≤ld(t)pdis,max所述储能电池储存能量约束为：e(t)≤e所述储能电池充放电逻辑约束为：lc(t)+ld(t)≤1所述储能电池优化前初始能量约束：e(0)＝e0式中，e(t+1)为t时段储能电池的能量；e(t)为t时段储能电池的能量；pch,max和pdis,max分别为储能电池最大充电功率和最大放电功率；e0为储能电池优化前能量给定值；e(0)为储能电池在优化前能量。优选地，放电深度为d时储能电池运行的单位充放电量成本f(d)是根据最小二乘法对下式进行线性拟合得到：式中，cma是储能电池的年运行维护成本；cpv是储能电池的初始投资成本；r是贴现率；nd是放电深度为d时的储能电池全寿命周期循环次数，nd＝μ(d)；e为储能电池的额定容量；n为储能电池每日的充放电循环次数，k(t)为第t个时段电价变化状态变量；s(t)为第t个时段的电价。本发明相比现有技术具有如下有益效果：本发明的优化运行方法通过建立了包含储能电池充放电收益最大目标函数和储能电池运行成本最小目标函数的多目标函数，设定多目标函数的约束条件，根据粒子群优化算法对多目标函数进行求解，得出储能电池在各个时段的充电功率和放电功率，相比较现有技术，兼顾了储能电池充放电收益最大和储能电池运行成本最小，提高了决策的科学性和有效性，获得的运行计划综合经济效益更好。本发明的优化运行方法在考虑储能电池运行成本时，基于放电深度与储能电池全寿命周期循环次数之间的关系，拟合得到得到放电深度与储能电池运行的单位充放电量成本之间关系，技术上更具有通用性和准确性，同时采用粒子群优化算法求解具有计算简单、收敛速度快、鲁棒性好等优势。附图说明:图1为实施例中优化运行方法流程图；图2为实施例中日电价曲线图；图3为实施例中储能电池全寿命周期循环次数与放电深度的关系示意图；图4为实施例中充放电运行计划示意图。具体实施方式：下面结合附图以及具体实施例对本发明进行详细说明。实施例：本实施例对某储能电站模拟实施本发明的储能电池的优化运行方法，该储能电站储能电池额定容量e为10000千瓦时，年运维成本cma为1.8万，初始投资成本cpv为1700万元，投资贴现率为5％，充电效率系数η1和放电效率系数η2均为95％，最大充放电功率为2500千瓦/小时，储能电池优化前初始能量给定值e0为0千瓦时，根据系统实际运行的需求，日负荷曲线按小时间隔划分为24个时间段，即t＝24，各时间段的电价如图2和表1所示，储能电池全寿命周期循环次数与放电深度的关系由厂家给出，如图3所示：表1各时间段的电价表如图1所示，该优化运行方法如下：1)建立储能电池的多目标函数，包括储能电池充放电收益最大目标函数和储能电池运行成本最小目标函数；其中，储能电池充放电收益最大目标函数为：pch(t)＝10000(d(t-1)-d(t))/0.95lc(t)pdis(t)＝10000(d(t)-d(t-1))*0.95ld(t)；储能电池运行成本最小目标函数为：上述式中，s(t)为第t个时段的电价；pch(t)和pdis(t)分别为第t个时段储能电池的充电功率和放电功率；e为储能电池的额定容量；d(t)为第t个时段储能电池的放电深度；d(t-1)为第t-1个时段储能电池的放电深度；η1为储能电池充电效率系数；η2为储能电池放电效率系数；lc(t)为第t个时段储能电池充电逻辑变量，取值为0或1；ld(t)为第t个时段储能电池放电逻辑变量，取值为0或1；ce(t)为第t个时段储能电池的运行成本；f(d)为放电深度为d时储能电池运行的单位充放电量成本；abs表示求绝对值。放电深度为d时储能电池运行的单位充放电量成本f(d)按下式确定：式中，capv为储能电池投资和运维资金年值；yd,n为储能电池的运行年限；qd,n为储能电池全寿命周期的总充放电量；本实施例中，储能电池投资和运维资金年值capv按下式确定：本实施例中，储能电池的运行年限按下式确定：yd,n＝nd/(365n)本实施例中，储能电池全寿命周期的总充放电量qd,n按下式确定：qd,n＝20000ndd上式中，n为储能电站每日的充放电循环次数式中，k(t)为第t个时间段电价变化状态变量；s(t)为第t个时间段的电价；根据如下的电价变化状态变量表，本实施例中表2电价变化状态变量表t123456789101112k(t)111111111110t131415161718192021222324k(t)11111111011-则上述放电深度为d时储能电池运行的单位充放电量成本f(d)对厂家提供的储能电池全寿命周期循环次数与放电深度的关系示意图进行拟合，得到储能电池全寿命周期循环次数与放电深度之间函数关系nd＝μ(d)，再结合上式，可得表3表3采用最小二乘法对上表数据进行线性拟合，本发明利用目前常用的matlab数学工具，使用最小二乘法计算命令polyfit直接计算出线性拟合参数。matlab程序命令如下：x＝[0.5,0.6,0.7,0.8,0.9]；y＝[0.2986,0.326,0.3523,0.3757,0.3954]；p＝polyfit(x,y,1)计算结果为：p＝0.24330.1793所以f(d)＝0.2433d+0.1793。则储能电池运行成本最小目标函数为：2)设置所述多目标函数的约束条件，包括储能电池的能量连续性约束、储能电池充放电功率约束、储能电池储存能量约束、储能电池充放电逻辑约束和储能电池优化前初始能量约束；其中，储能电池的能量连续性约束：充放电功率约束：0≤pch(t)≤2500lc(t)；0≤pdis(t)≤2500ld(t)；储能电池储存能量约束：e(t)≤10000；充放电逻辑约束：lc(t)+ld(t)≤1；储能电池优化前初始能量约束：e(0)＝0；式中，e(t+1)为t时段储能电池的能量；e(t)为t时段储能电池的能量；pch,max和pdis,max分别为储能电池最大充电功率和最大放电功率；e(0)为储能电池在优化前能量。3)采用粒子群优化算法求解所述多目标函数，得到储能电池在各个时段的充电功率pch(t)和放电功率pdis(t)，该步骤的具体方法为：考虑电池使用寿命的储能电站优化运行模型是混合整数优化模型，且目标函数具有非凸的特点，求解较为复杂。学术界研究的求解方法有启发式方法，动态规划法，分支定界法，遗传算法、粒子群算法等人工智能类算法。本发明采用了粒子群优化算法求解步骤如下：3.1)粒子i的位置向量：xi＝[xi1,xi2,xij…,xi24]。xi对应模型中需要求解每个时段的放电深度变量[d(1),d(2),d(t),…,d(24)]。模型中的另外两组变量pch(t)和pdis(t)可以由d(t)表示。pch(t)＝10000/0.95(d(t-1)-d(t))ifd(t-1)≥d(t)pdis(t)＝0.95×10000(d(t)-d(t-1))ifd(t)＞d(t-1)3.2)粒子i的速度向量vi＝[vi1,vi2,vij,…vi24]。速度向量用于更新粒子优化过程中的位置向量，即变量d(t)的值。3.3)粒子的速度更新公式3.4)粒子的位置更新公式3.5)粒子的惯性权重更新公式3.6)目标函数的评估由上述所得xi值可以得到pch(t)和pdis(t)值，于是能够计算获得目标函数的值和目标函数的值，求两者的差值为fhi,k。即由得到的pch(t)和pdis(t)值，检验模型中的约束条件，如果任意一个约束条件不满足，则fhi,k＝fhi,k-10000。3.7)得到最优的目标函数值及储能电池优化运行方式当通过3.1)和3.2)初始化形成xi和vi后，反复循环迭代3.3)～3.6)的过程，直至满足最大迭代次数，使得fhi,k值最大的粒子为最优粒子，从而可以获得相应的储能电池优化运行方式对应的pch(t)和pdis(t)值。以上各式的参数说明如下：r表示实数集合，z表示整数集合，p为粒子种群大小，k为最大迭代次数；和分别为第i个粒子第j维第k次迭代后的速度值和位置值；pbesti,j为第i个粒子第j维的最优值；gbestj为粒子第j维的最优值；c1,c2,ω,ωmax,ωmin分别是学习因子，当前惯性权重，惯性权重最大值，惯性权重最小值；iteru,itermax分别是当前迭代次数和最大迭代次数；rand()为0和1之间均匀分布的随机数；fhi,k为第i个粒子第k次迭代获得的储能电池充放电收益目标函数值与储能电池运行成本目标函数值的差值。上述算法中涉及参数的取值如下：粒子的种群大小取30。最大迭代次数取20。学习因子为0.5。惯性权重最大值1.2。惯性权重最小值0.2。根据上述粒子群算法求解多目标函数，获取储能电池在各个时段的充电功率pch(t)和放电功率pdis(t)，即储能电站中储能电池的充放电优化运行计划，其结果如附图4所示，图4中功率正值表示充电功率，功率负值表示放电功率。原始的充放电运行计划是电价高时放电，电价低时充电的现有方式获得，储能电站每日的经济效益为10788元，但是考虑储能电池运行成本后，储能电站每日的综合经济效益为-1248元，可见储能电站原来的运行计划安排，综合经济效益不佳，而采用本发明的优化运行方法，储能电站获得的每日综合经济效益为527元，比原始的运行计划提高1775元，具有较高的综合经济效益。当前第1页12