考虑上网电价与遗传算法优化的风储发电控制方法及系统的制作方法
【技术领域】
[0001] 本发明属于储能系统充放电技术，具体设及一种考虑上网电价与遗传算法优化的 风储发电控制方法及系统，特别设及考虑运行成本与经济效益的风储系统经济调度与优化 控制问题，并着重解决储能系统充放电的控制问题。
【背景技术】
[0002] 随着风电技术的不断发展，风电的大规模并网，其出力的波动问题日益严重。由 于风电属于可再生能源，其出力的大小受到气候、地形等因素的影响，导致其出力的不确定 性，出力的大小不可能一直保持恒定，而且在很多程度上是随时变化，具有很强的波动性和 间歇性。风电接入电网后，其波动性和间歇性均会对电网运行的稳定性造成不利影响。因 此，在实际运用中，风电的并网受到了很大的限制，不利于风电的发展。电池储能系统具有 快速响应进行充放电的能力，能够时时地跟踪风电的出力，因此，对风电配备一定容量的电 池储能系统有助于风电爬坡率的抑制，减小风电波动对电网的影响。
[0003] 对风电出力波动的抑制设及到风电并网收益的问题。风电场向电网提供电能可获 得一定的收益，但电网为了保证其自身稳定安全的运行，会对风电出力的爬坡率有所限制， 在风电出力超过并网爬坡率限制的时候，会对风电场进行一定的经济性惩罚，或是完全不 允许风电并网，此时就会对风电场自身的运营造成经济上的损失。因此风电场为了保证其 所发电量的上网，实现经济效益的最大化，可W通过配备一定容量的电池储能系统，根据风 电出力的情况，采用电池储能系统的充放电操作，对爬坡率进行整体优化，W满足电网对风 电爬坡率的要求，进而实现风电场售电的经济效益。在实际运用中，电池储能系统是充放电 按固定的充放电动作值操作的，因此，电池储能系统充放电操作的优化控制问题是离散化 的问题。另外，考虑智能电网W及电力市场的运行环境下，基于上网电价、各种成本与效益 等，如何处理大容量储能系统经济调度与优化控制问题也是亟待解决的关键核屯、问题，但 目前相关研究成果较少。
[0004] 另外，由于抑制风电爬坡率问题设及多时段电池储能系统离散化的充放电优化问 题，属于高维非连续化的问题，传统的优化算法无法解决此类问题，因此本发明中对遗传算 法加W改进，W解决该问题。
【发明内容】
[0005] 为了克服现有技术的上述缺陷，本发明的目的之一在于提出一种考虑上网电价与 遗传算法优化的风储发电控制方法。本发明主要采用改进遗传算法技术，考虑上网电网和 运行成本，W电池储能系统的充放电功率值作为基因，对电池储能系统的充放电进行优化， 减小了基因，加快了捜索速度，W实现合理运用储能系统，降低风电爬坡率，W实现风储联 合发电系统的出力优化控制W及运行效益最大化的目的，具有很大实用价值。
[0006] 为了实现上述发明目的，本发明的方法是通过下述技术方案实现的：
[0007] 一种考虑上网电价与遗传算法优化的风储发电控制方法，其包括W下步骤：
[000引 A、设置遗传算法的相关参数w及上网电价等参数。
[0009] B、根据电池储能系统设定的充放电状态固定值序列，W其为基因，生成遗传算法 的初始种群。
[0010] C、计算种群中各个个体的适应值。
[0011] D、通过轮盘赌的方法确定选择并复制下一代的个体。
[0012] E、将步骤D中得到的新个体两两随机配对，并根据交叉概率确定是否进行电池储 能系统充放电功率的随机交叉操作，获得新的个体。
[0013] F、步骤E中得到的新个体根据变异概率，进行电池储能系统充放电功率的随机变 异操作，获得新的个体。
[0014] G、根据电池储能系统的荷电状态约束对个体进行调整，使之不越限。
[0015] H、判断得到的新种群是否已满足迭代要求，如果满足要求，则迭代停止，否则转到 步骤C继续迭代。
[0016] I、根据步骤G中获得的种群，找到该种群中的最优个体，计算评价抑制风电爬坡 率的目标函数，爬坡率指标，输出电池储能系统的充放电操作结果。
[0017] 进一步的，步骤A中，设置遗传算法所需的各个参数，包括交叉概率、变异概率、迭 代次数，种群大小。
[001引进一步的，步骤B中，根据电池储能系统设定的充放电状态固定值序列，W其作为 种群的基因，随机生成遗传算法的种群，其中种群的个体为各时段电池储能系统的充放电 功率。
[0019] 进一步的，步骤C中，对步骤B中获得的个体，按照风储混合系统出力优化的目标 函数计算各个个体的函数值，计算各个个体函数值与其中最小函数值的差，并W此作为个 体的适应值。
[0020] 进一步的，步骤D中，计算步骤C中所得到个体适应值的累积概率，并根据轮盘赌 方法选择个体并对其进行复制，获得新的种群。
[0021] 进一步的，步骤E中，将步骤D中获得的种群个体随机配对。对每一对个体进行交 叉操作：生成0到1的随机数，比较其与交叉概率的大小，若小于交叉概率则进行交叉操作， 操作时随机选定基因位置进行基因的互换，即随机选择电池储能系统某一时刻充放电功率 的值进行交换，完成交叉操作，从而得到新的种群。
[0022] 进一步的，步骤F中，对步骤E中所得到新种群的各个个体进行逐个变异操作；生 成0到1的随机数，比较其与变异概率的大小，若小于变异概率则进行变异操作，操作时随 机选定基因位置进行基因的变异，即更新电池储能系统充放电功率的值，造成变异操作，从 而得到新的种群。
[0023] 进一步的，步骤G中，根据电池储能系统的荷电状态约束对个体中的各个基因，即 储能电池的充放电功率进行调整，避免其越限。
[0024] 进一步的，步骤H中，判断是否达到迭代次数或满足收敛的要求，若达到迭代要求 则停止迭代，输出优化后的种群，若未达到迭代要求则转到步骤C中继续迭代。
[0025] 进一步的，步骤I中，根据步骤G中得到的优化后的种群，找出该种群中最优的个 体，计算其目标函数值，优化后的爬坡率指标，并输出电池储能系统的充放电出力优化结 果。
[0026] 本发明的另一目的在于提出一种考虑上网电价与遗传算法优化的风储发电控制 系统，其包括：
[0027] 种群生成模块，用于设置遗传算法的参数，W及生成初始种群；
[002引计算模块，用于计算初始种群中每个个体的适应值及其累积概率，对每个个体进 行选择复制操作，生成新种群；
[0029] 交叉模块，用于对新种群中的个体两两随机配对，并对每对配对成功的个体进行 交叉操作；
[0030] 变异模块，用于对进行交叉操作后的每个个体进行变异操作；和
[0031] 执行模块，用于判断新种群是否满足迭代次数要求或收敛要求，直至满足任一要 求后输出新种群，并在其中找出全局最优值所对应个体的位置，所述个体的位置即为该个 体所对应储能系统的充放电功率。
[0032] 与现有技术相比，本发明具有W下有益效果：
[0033] 1、本发明提供了一种考虑上网电价与遗传算法的储能多目标控制方法及其系统， 本发明考虑电池储能系统对风电爬坡率的抑制作用，采用了一种改进的遗传算法对电池储 能系统的充放电操作进行优化，通过在目标函数中加入风电爬坡率越限的惩罚函数、储能 运行成本、风储联合发电收益等，很好地限制了风电爬坡率越限的问题，实现了抑制风电爬 坡率过大的同时，获得运行经济效益的目的。在使用遗传算法优化过程中，将计算每一个个 体目标函数值与所有个体目标函数值的差值作为其适应值，可W更好地寻找计算种群中各 个个体的适应度。
[0034] 2、应用本发明中提出的控制方法，不仅考虑风储联合出力满足爬坡率约束的控制 要求，且兼顾上网电价、储能充放电成本、风电出力爬坡率越限时的惩罚费用、风储联合发 电系统并网发电收益等因素，并通过基于遗传算法寻优，实现了风储联合发电净收益最大 的风储联合发电系统经济优化控制目的，有效提高了储能系统的控制效率。
【附图说明】
[0035] 图1为本发明考虑上网电价的储能系统多目标优化控制方法的流程图；
[0036] 图2为风储联合控制优化结果曲线