一种不同新型储能技术的潜在应用场景划分及配置方法与流程

本发明涉及新型储能，尤其涉及一种不同新型储能技术的潜在应用场景划分及配置方法。

背景技术：

1、新型储能技术对电网的调度规划，电力系统效率的提高，处理负荷波动及整合可再生能源的发电时效性有着重要的作用。随着经济的不断发展，电力系统需求侧的结构日益复杂，这使得传统的发电形式和储能形式对于电力需求侧响应的适用性构成了极大的挑战。因此，针对电力系统需求侧所匹配的新型储能结构应用场景辨识、场景归类和功率需求类型，研究挖掘特征信息，提出能够高效区分应用场景的方法；同时根据电化学储能、超级电容储能等新型储能技术的成本、响应时间和储能容量等运行特性，进行多方面的特征权重平衡，提出最优的解决方案有着较为现实的意义。

2、当前，针对电力系统需求侧所匹配的新型储能结构应用场景辨识不多，目前主要将储能结构场景分为功率型，能量型两类或功率型、能量型、容量型和备用型四类；由于场景结构分配较为复杂，目前主要从需求侧负荷特点、能源储存需求、经济成本及效益、储能特性匹配程度等方面进行划分，但是对电力系统需求侧所匹配的新型储能结构应用场景的辨识并没有一个准确的评判标准和分类方法，在现有研究中，对于负荷场景的容量型和功率型的区分已经取得了一些成果，主要有基于模态分解的平抑方法，基于场景模型构建和数据缩减的k-means分类等。这些方法虽然对储能结构应用场景进行分类和频率分解，但是分类精度有待提高，依据性不足，并且没有针对多个场景进行统一规则下的分类。

3、对于电化学储能和超级电容的容量配备优化方面，目前主要方式有基于粒子群的多目标优化算法，例如将pareto排序和粒子群算法相结合，设定一定的容量精英档案用于存储每次优化的最优解进行迭代，以获得最优方案；利用ahp-熵权法赋值和一致性检验；利用正交实验得到不同的容量配置方案，最后进行评分对比择优。这几种方式对容量配置给出了多目标优化的目标，但是没有考虑到不同场景和协调问题，优化结果有待提高。

技术实现思路

1、为了解决的问题，本发明提供了一种不同新型储能技术的潜在应用场景划分及配置方法，解决了不同电力负荷场景下，电化学储能和超级电容等储能设备由于容量配比不均衡，不灵活，导致的新储能方式不能很好的匹配适应新能源政策下的多场景调节问题。

2、为了达到上述目的，本发明采用以下技术方案实现：

3、一种不同新型储能技术的潜在应用场景划分及配置方法，所述方法包括如下：

4、步骤一：首先对原始电力负荷数据进行模态分解，降低数据的波动性；

5、步骤二：将电力负荷应用场景概括为容量型、能量型、功率型，然后根据包括功率、时间、频率在内的电力负荷参数形成判定规则，对步骤一分解后的原始电力负荷数据进行应用场景类型的判定，得到不同的应用场景类型；

6、步骤三：构建不同储能产品在不同应用场景类型的配置的多目标优化模型及其约束条件，将步骤二得到的应用场景类型带入至多目标优化模型中，对此多目标优化模型进行优化求解，得到不同储能产品配置的最优结果。

7、进一步地，所述步骤一中，采用变分模态分解对原始电力负荷数据进行分解，并对分解结果采用灰狼优化算法优化。

8、进一步地，所述步骤二中，采用模糊决策树对步骤一分解后的原始电力负荷数据进行应用场景类型的判定；

9、模糊规则的建立：在模糊决策树中，每个决策节点都与一个模糊规则相关联，这些规则通常由领域专家定义，其中包含了关于输入数据的模糊条件以及相应的输出，判定规则如下：

10、第一次决策：根据模态分解得到的负荷功率谱图，按照含有功率峰值和不含有功率峰值进行划分；所述的功率峰值为设定的峰值功率范围；

11、第二次决策：若谱图含有功率峰值，则按照功率峰值时间是否大于30分钟进行决策，当时间小于等于30分钟时，此时处于大功率短时间进行充放电，属于功率型场景；

12、第三次决策：若谱图不含有功率峰值时，在一些特殊场景时，人为制定一些特殊频率范围，若属于此特殊频率范围时，此时处于短时间大功率充放电情况，属于功率型范围；

13、第四次决策：当谱图含有功率峰值且峰值时间大于于30分钟时，根据用户需求进行决策，a为用于决策变量，当a＝1时，表示此时是功率型场景；当a＝-1时，表示此时是能量型场景；当a＝0时，表示无用户需求，进行第六次决策；

14、第五次决策：若谱图不含有功率峰值且不属于特殊频率范围时，根据用户需求进行决策，b为用于决策变量，当b＝1时，表示此时是能量型场景；当b＝-1时，表示此时是容量型场景；当b＝0时，表示无用户需求，进行第七次决策；

15、第六次决策：当a＝0时，根据选用的电池和超级电容型号，规定功率p1，当实际功率p≥p1时，功率较大，属于功率型场景；当p≤p1时，属于能量型场景；

16、第七次决策：当b＝0时，根据充放电倍率进行决策，当倍率为0.1c～1c时，处于长时间慢充放电，属于容量型场景；当倍率大于1c时，属于能量型场景，其中c为储能单体充放电倍率，1c为一小时可充满或放空储能设备的电流。

17、进一步地，所述步骤三中，构建多目标优化模型包括如下目标函数：

18、目标函数包括成本目标函数f1以及储能荷电状态目标函数f2；

19、成本目标函数f1如式(11)所示：

20、f1＝min(cg+cy+cw+cd)                                               (11)

21、其中，混合储能成本分为固定成本cg、运行成本cy、维护成本cw和报废后的处理成本cd；

22、固定成本计算公式如式(12)所示：

23、cg＝kinbpb+(1-ki)ncpc                                              (12)

24、式中，nb、nc分别是电池、超级电容的的数量；pb、pc分别是电池、超级电容的购买单价，ki包括k1、k2和k3为场景系数，容量型、能量型、功率型场景分别取不同的系数，ki取值范围为0～1之间；

25、运行成本计算公式如式(13)所示：

26、cy＝kiμybnbpb+(1-ki)μycncpc                                          (13)

27、式中，μyb、μyc分别是电池、超级电容的运行成本系数，ki为场景系数；

28、维护成本计算公式如式(14)所示：

29、cw＝kiαwbnbpb+(1-ki)αwcncpc                                          (14)

30、αwb、αwc分别是电化学储能电池、超级电容的维护成本系数；

31、报废的处理成本计算公式如式(15)所示：

32、cd＝kiβdbnbpb+(1-ki)βdcncpc                                       (15)

33、βdb、βdc分别是电化学储能电池、超级电容报废后的处理成本系数；

34、储能荷电状态目标函数f2由电化学储能电池储能荷电状态函数fbsoc和超级电容储能荷电状态函数fcsoc组成；如式(16)所示：

35、f2＝min(fbsoc+fcsoc)                                                (16)

36、其中，

37、

38、式中，soci是第i个电化学储能单元当前的荷电状态，ti1是第i个储能单元开始时刻，ti2是第i个储能单元结束时刻；ii(t)是第i个电池或超级电容储能单元t时刻流过电化学储能模块的电流；iloss是反应损耗电流；cb0、cc0分别是电池和超级电容的额定容量，vi,vmax,vmin分别为超级电容的当前电压，最大电压，最低电压。

39、进一步地，所述步骤三中，多目标优化模型中，设置多目标函数的各子目标函数权重，将权重分配在pareto前沿上，以便在边界上找到最优解；分配策略基于以下公式：

40、

41、式中是目标函数fi的权重；a∈(0,1)是用于控制权重分配的偏向性；fiy是pareto前沿上目标函数fi的最优值；fimin是目标函数fi在整个搜索空间的最小值。

42、进一步地，所述步骤三中，目标函数的约束条件包括：

43、1)功率约束：

44、

45、式中pb-max、pb-min分别是电化学储能模块的最大、最小功率；pc-max、pc-min分别是超级电容的最大最小功率；pb(t)、pc(t)分别是每个电池、每个超级电容的功率。每个场景使用的电池和超级电容型号不一样，对应的值也不一样；

46、2)有用功功率平衡约束：

47、nbpb(t)+ncpc(t)＝pu(t)(21)

48、式中pu(t)是系统总负荷功率；

49、3)soc约束:

50、

51、式中socb-max、socb-min分别是电化学储能模块储能荷电状态函数调节的上下限；socc-max、socc-min分别是超级电容储能荷电状态函数调节的上下限；fbsoc、fcsoc分别是电化学储能模块与超级电容当前的储能荷电状态函数值。

52、进一步地，所述步骤三中，采用改进粒子群算法对多目标优化模型进行优化求解，得到不同储能产品配置的最优结果，分别为nb、cb0、nc、cc0分别对应是电池、超级电容的数量和单位储能数量，电池、超级电容的数量乘单位储能数量即额定容量。

53、本发明还提供用于实现所述一种不同新型储能技术的潜在应用场景划分及配置方法的系统，所述系统包括：

54、(1)预处理模块，所述模块对原始电力负荷数据进行模态分解，分为平稳信号和非平稳信号，降低数据的波动性；

55、(2)场景类型判定模块，所述模块将电力负荷应用场景概括为容量型、能量型、功率型，然后根据包括功率、时间、频率在内的电力负荷参数形成判定规则，通过模糊决策树对分解后的原始电力负荷数据进行应用场景类型的判定，得到不同的应用场景类型；

56、(3)多目标优化模型构建模块，所述模块构建不同储能产品在不同应用场景类型的配置的多目标优化模型及其约束条件，多目标优化模型的目标函数包括成本目标函数和储能荷电状态目标函数，将得到的应用场景类型带入至多目标优化模型中，对此多目标优化模型进行求解，得到不同储能产品配置的最优结果。

57、本发明还提供一种计算机，包括处理器及以及与其连接的存储器。

58、其中，所述处理器配置为执行所述的一种不同新型储能技术的潜在应用场景划分及配置方法。

59、所述存储器用于存储所述处理器的可执行指令。

60、本发明还提供一种计算机的可存储介质，其上存储有计算机程序，所述计算机程序被处理器执行，实现所述的一种不同新型储能技术的潜在应用场景划分及配置方法。

61、与现有技术相比，本发明的有益效果是：

62、本发明解决了不同电力负荷场景下，电化学储能和超级电容等储能设备由于容量配比不均衡，不灵活，导致的新储能方式不能很好的匹配适应新能源政策下的多场景调节问题，相比于传统的固定比例容量配比或冗余式容量配比，在经济侧上有着更优的成本控制，也可以在负荷匹配上达到更高的精度和稳定度，实现多场景下的容量最优配置。