1.一种接入区域配电网的光伏储能联合运行单元优化配置方法,其特征在于:所述的方法包括按顺序进行的下列步骤:
1)在区域配电网中,将储能电池配置在光伏一侧,由储能电池和光伏构成光伏储能联合运行单元,然后采用小波包分解方法将光伏输出有功功率进行多层分解,得到低频分量与高频分量;
2)取当前时刻光伏输出有功功率中高频分量作为当前储能电池充放电功率P1,充电或放电由当前时刻光伏输出有功功率较上一时刻变大或变小来确定,采用模糊控制方法对上述储能电池充放电功率进行调整,求出储能电池的输出功率指令修正系数,进而得到修正后的储能电池充放电功率P2,以抑制光伏输出有功功率的高频分量;
3)针对上述光伏输出有功功率的低频分量,以总有功网损、各母线电压偏差之和作为衡量该低频分量对区域配电网影响的考核指标,并以储能电池每次充放电等效寿命损耗和一定时间内储能容量平均弃用率为指标建立多目标优化优化函数,以抑制低频波动对区域配电网的影响并兼顾储能电池寿命;
4)以储能电池最大充放电功率及储能电池容量作为优化变量,采用基于Bloch球面坐标编码的遗传算法对上述步骤3)中获得的多目标优化优化函数进行求解,由此确定出光伏储能联合运行单元在区域配电网中的优化配置。
2.根据权利要求1所述的接入区域配电网的光伏储能联合运行单元优化配置方法,其特征在于:在步骤1)中,所述的在区域配电网中,将储能电池配置在光伏一侧,由储能电池和光伏构成光伏储能联合运行单元,然后采用小波包分解方法将光伏输出有功功率进行多层分解,得到低频分量与高频分量的具体方法是:
首先采用式(1)将待分解的光伏输出有功功率信号映射到2j个小波包子空间中,其中j即为分解层数,然后采用式(2)对分解后的光伏输出有功功率信号进行重构,由此将光伏输出有功功率中所有频段分为低频分量与高频分量,其中低频分量因波动较小直接送入电网,高频分量因波动较大而作为储能电池充放电指令,以达到平抑光伏输出波动的目的;
式中,f(t)为待分解的光伏输出有功功率信号,Pji(t)表示第j层上第i个小波包,为小波包系数;H、G分别为小波包分解的低通、高通滤波器组;h、g分别为小波包重构的低通、高通滤波器组。
3.根据权利要求1所述的接入区域配电网的光伏储能联合运行单元优化配置方法,其特征在于:在步骤2)中,所述的取当前时刻光伏输出有功功率中高频分量作为当前储能电池充放电功率P1,充电或放电由当前时刻光伏输出有功功率较上一时刻变大或变小来确定,采用模糊控制方法对上述储能电池充放电功率进行调整,求出储能电池的输出功率指令修正系数,进而得到修正后的储能电池充放电功率P2,以抑制光伏输出有功功率的高频分量的具体方法是:
以当前SOCp和下一个充电或放电段内所需荷电状态变化量ΔSOCp的计算值作为模糊控制输入、输出隶属函数的输入变量,输出功率指令修正系数Kp作为模糊控制输入、输出隶属函数的输出,0≤Kp≤1,从模糊控制输入、输出隶属函数中查出相应的状态值,之后从表1示出的模糊控制规则表中确定出输出功率指令修正系数Kp,然后根据当前储能电池充放电功率P1和输出功率指令修正系数Kp得到修正后的储能电池放电功率P2;
表1 模糊控制规则表
其中状态值VS、S、MS、M、MB、B、VB、NB、NM、NS、PS、PM、PB分别代表非常小、小、中小、中、中大、大、非常大、负大、负中、负小、正小、正中、正大。
4.根据权利要求1所述的接入区域配电网的光伏储能联合运行单元优化配置方法,其特征在于:在步骤3)中,所述的多目标优化优化函数如式(3)所示:
式中Ploss(t)、PL(t)分别为t时刻区域配电网总有功网损、总有功负荷;△Ui(t)、Ui(t)分别为母线i在t时刻的电压偏差绝对值和电压值;f3、f4分别为储能电池每次充放电等效寿命损耗和一定时间内储能电池容量平均弃用率,计算方法如式(4)所示;
式中:
R为储能电池允许的放电深度,Nt为t时间段内储能电池以放电深度R满充满放标准下的最大循环次数;
N0为标准满充满放下最大循环次数;
△SOPp、SOPp-max分别为某一时刻储能电池充放电所需的荷电状态变化量和储能电池最大荷电状态;
另外,因光伏夜晚无光照,其输出有功功率为0,则此段时间里储能电池处于闲置状态,为了将这段时间剔除,式中t1、t2、…、tn分别为储能电池非闲置的各时刻。
5.根据权利要求1所述的接入区域配电网的光伏储能联合运行单元优化配置方法,其特征在于:在步骤4)中,所述的以储能电池最大充放电功率及储能电池容量作为优化变量,采用基于Bloch球面坐标编码的遗传算法对上述步骤3)中获得的多目标优化优化函数进行求解,由此确定出光伏储能联合运行单元在区域配电网中的优化配置的具体方法是:
首先建立由储能电池设备参数中允许的最大充放电功率Pmax、最大充放电容量SMAX可能性解组成的种群M,种群M中每个个体都包含一组储能电池充放电功率和容量,如式(5)所示。
其次,通过对个体归一化处理将其取值映射到bloch球面上,并用球坐标表示,其中Pmax表示第t代中第i个个体中第一个变量,SMAX表示第t代中第i个个体中第二个变量;如个体为可行解则定义为染色体,每一染色体可由坐标参量θij、φij表示出,如式(6)所示,并定义最大迭代次数;
然后基于Bloch球面坐标编码的遗传算法对上述多目标优化优化函数求解:
1)设置最大迭代次数;
2)对个体进行适应度评估,适应度评估函数采用式(3)所示的多目标优化优化函数,并记录最优个体适应度值及对应的坐标参量θij、φij;
3)通过量子旋转门与量子非门完成种群选择、交叉及变异的遗传过程,产生新一代的种群,在适应度减小时采用式(7)的量子旋转门进行交叉,在适应度未减小时采用式(8)所示的量子非门进行变异;交叉或变异后坐标参量θij、φij记为θ‘ij、φ‘ij;
交叉
变异
4)记录最优个体适应度及对应的坐标参量θij、φij,判断当前最优个体与之前几代的最优个体是否一致,若不一致,则继续迭代直至最大迭代次数,若一致,则进行灾变处理,即去掉当前最优解,以增加种群的变异率。