基于多目标粒子群算法的风光柴储系统优化调度方法、设备及存储介质与流程

本发明属于储能领域，具体涉及一种储能电站运行调度方法。

背景技术：

1、风电、光伏为代表的可再生能源具有零排放、无污染的特点，利用水平得以逐步提升，已经成为新增发电量的主体。随着电力系统中大规模接入可再生能源，风光资源的随机性、不连续性造成风光在时间和空间尺度上出力不一致，很难向系统提供持续、稳定的能量。

2、储能系统的引入可以实现能量缓冲以及削峰填谷，提高风能、太阳能等自然资源的利用效率。当风光出力充足时，其输出的多余能量在系统中进行存储，当风光资源不充足时将能量释放出来供给负荷。为减小系统运行成本，提高新能源的消纳量，需要考虑各电源之间的协调配合，找到合适的风光柴储系统优化调度方法。

3、目前关于风光柴储系统优化调度的研究，没有完全考虑电力负荷预测与风光发电功率预测，这将极大降低风光柴储系统优化调度的效益以及电力系统的稳定性。求解过程中所采用的粒子群算法只能选择单一目标函数，无法同时兼顾经济效益以及能源利用率两个重要标准，以及陷于局部最优解的问题。

技术实现思路

1、本发明提供一种基于多目标粒子群算法的风光柴储系统优化调度方法，解决由于现有技术没有完全考虑电力负荷预测与风光发电功率预测，致使风光柴储系统优化调度的效益以及电力系统的稳定性降低的问题。

2、基于多目标粒子群算法的风光柴储系统优化调度方法，所述方法包括：

3、选取一个现有的预测模型；

4、根据所述预测模型得到预测参数；

5、根据所述预测参数建立基于多目标粒子群算法的风光柴储系统优化调度模型，确定风光柴储系统储能优化调度时的目标函数以及约束条件；

6、采用多目标粒子群算法对所述目标函数进行优化求解，得到风光荷储联合系统运行容量配比，实现风光柴储系统优化调度。

7、进一步地，所述预测模型包括电力负荷预测模型、风电功率预测模型和光伏发电功率的预测模型；

8、进一步地，所述预测参数包括：电力负荷、风力发电输出功率和光伏发电输出功率；

9、进一步地，根据所述预测模型得到预测参数具体为：

10、采用基于滑动窗口的pca-cnn-lstm组合模型进行短期负荷预测，得到电力负荷；

11、利用ceemdan-lstm-rf-rbf的组合预测模型对风电功率进行预测，得到风力发电输出功率；

12、将发电量、温度、日照辐射作为cnn-gru模型的输入量，得到光伏发电输出功率；

13、进一步地，所述目标函数包括系统的运行成本和风光资源的消纳量；

14、进一步地，所述约束条件包括：功率平衡约束、储能设备约束以及柴油发电机出力约束；

15、进一步地，所述功率平衡约束条件为：

16、ppv+pwt+pdg+pbess＝pload

17、式中，ppv为光伏发电功率，pwt为风力发电功率，pload为系统中的用电负荷，pbess为储能出力，pdg为柴油发电机的发电功率；

18、所述储能设备约束条件为：

19、socmin≤soct≤socmax

20、式中，soct为t时刻储能设备的荷电状态，socmin为储能的最小荷电状态，socmax为储能的最大荷电状态；

21、柴油发电机出力约束条件为：

22、

23、式中，pdg(t)为t时刻柴油发电机的实际输出功率，和分别为柴油发电机的最小与最大出力。

24、本发明还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行上述的基于多目标粒子群算法的风光柴储系统优化调度方法。

25、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行上述的基于多目标粒子群算法的风光柴储系统优化调度方法。

26、本发明还提供一种基于多目标粒子群算法的风光柴储系统优化调度系统，所述系统包括：

27、参数获取模块：用于建立预测模型，根据所述预测模型得到预测参数；

28、模型建立模块：用于建立基于多目标粒子群算法的风光柴储系统优化调度模型，确定风光柴储系统储能优化调度时的目标函数以及约束条件；

29、系统优化模块：用于采用多目标粒子群算法对所述目标函数进行优化求解，得到风光荷储联合系统运行容量配比，实现风光柴储系统优化调度。

30、本发明的有益效果：

31、本发明所述的一种基于多目标粒子群算法的风光柴储系统优化调度方法，建立预测模型得到某一天的电力负荷、风力发电以及光伏发电的输出功率，在此基础上对风光柴储系统的风电单元、光伏发电单元、储能单元建立模型，基于理论分析提出以系统运行成本最小和风光消纳比例最大构建目标函数，并对功率平衡、储能荷电状态、柴油发电机出力进行约束，利多目标粒子群算法进行求解，得到一天内系统中各单元的出力情况，实现系统内各单元的协调出力。

32、与现有技术相比，本发明具有如下优点：

33、1.在调度前，先利用已建立模型对电力负荷以及风光发电功率进行预测，大大提高了风光柴储系统优化调度的效益以及增加了电力系统的稳定性；

34、2.采用多目标粒子群算法求解风光荷储联合系统经济运行最优容量配比，相比于传统的粒子群算法，在搜索空间上更容易搜索到全局最优解，同时以系统运行成本最低和风光消纳量最大为目标函数，使得系统更具有经济价值，清洁的可再生能源也能够得到最大程度的利用，一定程度上减少了弃风弃光量。

35、本发明适用于风光柴储系统为代表的“可再生能源+储能”系统并网的优化调度，在提高了能源利用率的同时也具备很好的经济性能。

技术特征：

1.基于多目标粒子群算法的风光柴储系统优化调度方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于多目标粒子群算法的风光柴储系统优化调度方法，其特征在于，所述预测模型包括电力负荷预测模型、风电功率预测模型和光伏发电功率的预测模型。

3.根据权利要求1所述的基于多目标粒子群算法的风光柴储系统优化调度方法，其特征在于，所述预测参数包括：电力负荷、风力发电输出功率和光伏发电输出功率。

4.根据权利要求1所述的基于多目标粒子群算法的风光柴储系统优化调度方法，其特征在于，根据所述预测模型得到预测参数具体为：

5.根据权利要求1所述的基于多目标粒子群算法的风光柴储系统优化调度方法，其特征在于，所述目标函数包括系统的运行成本和风光资源的消纳量。

6.根据权利要求1所述的基于多目标粒子群算法的风光柴储系统优化调度方法，其特征在于，所述约束条件包括：功率平衡约束、储能设备约束以及柴油发电机出力约束。

7.根据权利要求6所述的基于多目标粒子群算法的风光柴储系统优化调度方法，其特征在于，所述功率平衡约束条件为：

8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1-7中任一项中所述的基于多目标粒子群算法的风光柴储系统优化调度方法。

9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行权利要求1-7中任意一项中所述的基于多目标粒子群算法的风光柴储系统优化调度方法。

10.基于多目标粒子群算法的风光柴储系统优化调度系统，其特征在于，所述系统包括：

技术总结
基于多目标粒子群算法的风光柴储系统优化调度方法、设备及介质，属于储能领域，解决由于现有技术没有完全考虑电力负荷预测与风光发电功率预测，致使风光柴储系统优化调度的效益以及电力系统的稳定性降低的问题。所述方法包括：建立预测模型；根据所述预测模型得到预测参数；建立基于多目标粒子群算法的风光柴储系统优化调度模型，确定风光柴储系统储能优化调度时的目标函数以及约束条件；采用多目标粒子群算法对所述目标函数进行优化求解，得到风光荷储联合系统运行容量配比，实现风光柴储系统优化调度。本发明适用于风光柴储系统为代表的“可再生能源+储能”系统并网的优化调度。

技术研发人员：韩树伟,朱婉路,潘孝军,杨成硚
受保护的技术使用者：三峡新能源（庆云）有限公司
技术研发日：
技术公布日：2024/1/15