基于改进NSGA-II算法的储能调峰容量优化配置方法及系统与流程

本技术涉及电力系统储能，尤其涉及一种基于改进nsga-ii算法的储能调峰容量优化配置方法及系统。

背景技术：

1、随着可再生能源(比如，太阳能、风能等)的广泛应用，目前电力系统面临着日益增长的调峰需求。由于可再生能源具有间歇性和不确定性特点，它们会对电力系统的稳定性产生较大的影响。因此，合理配置储能系统以实现调峰效果变得愈发重要。

2、其中，储能系统在电力系统运行过程中起到重要的作用，如在用电高峰时期提供电能、提高电力系统的稳定性和可靠性等。因此需要有效地配置储能系统以达到最佳的调峰效果。

3、相关技术中，传统的储能调峰容量优化配置方案一般只关注单一目标，未充分考虑多方面因素，可能导致储能调峰优化结果与系统的实际运行情况存在较大差异，会影响储能系统的使用寿命。并且，上述相关方案进行运算的复杂程度较高，导致调峰的求解效率较低。

4、因此，如何保证储能系统寿命的基础上提高储能调峰效率成为目前亟需解决的问题。

技术实现思路

1、本技术旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本技术的第一个目的在于提出一种基于改进nsga-ii算法的储能调峰容量优化配置方法，该方法综合考虑了储能寿命、储能调峰效果和经济性等多个因素，构建两个目标函数，并引入混合交叉算子对nsga-ii算法进行改进，增强算法的全局搜索能力，提升算法性能，最后用多指标灰靶决策方法，确定最优解，可以在多目标优化问题中得到更好的解决方案。

3、本技术的第二个目的在于提出一种基于改进nsga-ii算法的储能调峰容量优化配置系统。

4、本技术的第三个目的在于提出一种非临时性计算机可读存储介质。

5、为达上述目的，本技术的第一方面在于提出一种基于改进nsga-ii算法的储能调峰容量优化配置方法，该方法包括以下步骤：

6、构建用于储能调峰容量优化配置的多个目标函数，所述多个目标函数中包括基于将储能寿命转换为电池放电损耗成本后构建出的储能系统运行成本函数；

7、构建针对所述多个目标函数的多个约束条件；

8、基于包括单点交叉算子和模拟二进制交叉算子的混合交叉算子对非支配排序遗传nsga-ii算法进行改进，通过改进nsga-ii算法对所述多个目标函数进行求解，获得帕累托最优前沿解；

9、通过多指标灰靶决策算法从所述帕累托最优前沿解中确定储能调峰容量优化配置的最优解，并结合所述多个约束条件，根据所述最优解计算出储能系统所需配置的目标功率和目标容量。

10、可选地，在本技术的一个实施例中，所述储能系统运行成本函数是以储能系统运行成本最低化建立的目标函数，所述储能系统运行成本函数通过以下公式表示：

11、

12、其中，

13、其中，cinv,i表示第i个储能系统的初始投资成本，cop,i表示第i个储能系统的运行成本，θi表示第i个储能系统的衰减因子，li表示第i个储能系统的指标参数，包括循环次数、工作时间和容量退化，表示电池第i次放电所损耗成本，ces为电池的单位容量投资成本，nes为电池容量，为综合放电深度和放电速率的影响得到第i次电池放电消耗的放电量，sr为电池从开始使用到寿命终结过程中的总放电量。

14、可选地，在本技术的一个实施例中，多个约束条件，包括：储能功率约束、储能荷电状态约束、峰谷差率约束、储能容量平衡约束和系统功率平衡约束。

15、可选地，在本技术的一个实施例中，所述通过改进nsga-ii算法对所述多个目标函数进行求解，包括：初始化种群，并对初始种群中的每个随机解计算目标函数值和适应度值；对所述初始种群进行非支配排序，将所述初始种群分为不同的帕累托等级，并基于所述适应度值和所述帕累托等级，从所述初始种群中选择预设比例的精英个体直接进入下一代种群；通过二进制锦标赛选择法从种群中选择用于交叉和变异的父代个体，并通过所述混合交叉算子对所述父代个体进行交叉操作，以生成子代个体；对所述子代个体进行均匀变异操作，以使种群产生随机变化，并合并所述父代个体与变异后的子代个体，以生成新种群；重新对所述新种群进行非支配排序，并计算所述新种群的适应度值以及所述新种群中每个个体的拥挤度距离；基于非支配排序结果和所述拥挤度距离，从所述新种群中选择预设数量个个体组成下一代种群；判断是否满足收敛条件，如果满足收敛条件，则输出当前种群作为所述帕累托最优前沿解，如果不满足收敛条件，则返回至父代个体选择操作进行迭代运算，直至满足收敛条件。

16、可选地，在本技术的一个实施例中，所述通过所述混合交叉算子对所述父代个体进行交叉操作，包括：在每次交叉操作时，根据预设概率从所述单点交叉算子和所述模拟二进制交叉算子中选择一个目标算子对所述父代个体进行交叉操作；对于待修复的子代个体，通过将越界的基因值设置为边界值来修复对应的算子，以将所述待修复的子代个体修复至满足所述多个约束条件。

17、可选地，在本技术的一个实施例中，所述通过多指标灰靶决策算法从所述帕累托最优前沿解中确定储能调峰容量优化配置的最优解，包括：设置灰靶，并将所述帕累托最优前沿解中每个解对应的目标函数值进行归一化处理；计算归一化处理后的帕累托最优前沿解中每个解与所述灰靶之间的距离；为每个所述目标函数分配权重；基于所述距离和所述权重，计算每个解的加权距离，并将所述加权距离最小的解作为所述储能调峰容量优化配置的最优解。

18、可选地，在本技术的一个实施例中，所述距离包括：每个解对应的每个目标函数值与所述灰靶之间的距离，所述基于所述距离和所述权重，计算每个解的加权距离，包括：对于任一解，将所述任一解的任一目标函数的权重与所述任一目标函数对应的距离相乘，获得所述任一目标函数的乘积，并计算所述任一解对应的全部目标函数的乘积的累加和。

19、为达上述目的，本技术的第二方面还提出了一种基于改进nsga-ii算法的储能调峰容量优化配置系统，包括以下模块：

20、第一构建模块，用于构建用于储能调峰容量优化配置的多个目标函数，所述多个目标函数中包括基于将储能寿命转换为电池放电损耗成本后构建出的储能系统运行成本函数；

21、第一构建模块，用于构建针对所述多个目标函数的多个约束条件；

22、求解模块，用于基于包括单点交叉算子和模拟二进制交叉算子的混合交叉算子对非支配排序遗传nsga-ii算法进行改进，通过改进nsga-ii算法对所述多个目标函数进行求解，获得帕累托最优前沿解；

23、配置模块，用于通过多指标灰靶决策算法从所述帕累托最优前沿解中确定储能调峰容量优化配置的最优解，并结合所述多个约束条件，根据所述最优解计算出储能系统所需配置的目标功率和目标容量。

24、可选地，在本技术的一个实施例中，配置模块，具体用于：设置灰靶，并将所述帕累托最优前沿解中每个解对应的目标函数值进行归一化处理；计算归一化处理后的帕累托最优前沿解中每个解与所述灰靶之间的距离；为每个所述目标函数分配权重；基于所述距离和所述权重，计算每个解的加权距离，并将所述加权距离最小的解作为所述储能调峰容量优化配置的最优解。

25、为了实现上述实施例，本技术第三方面实施例还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中的基于改进nsga-ii算法的储能调峰容量优化配置方法。

26、本技术的实施例提供的技术方案至少带来以下有益效果：本技术同时考虑储能寿命、储能调峰效果以及经济性等多个因素制定储能调峰容量的优化配置策略，通过构建储能系统日净收益最大和考虑电池寿命前提下投资最小的目标函数，在保证储能寿命的基础上，使得优化配置更符合实际需求，提高了储能系统在电力系统中的实际应用价值。并且，本技术采用改进的nsga-ⅱ算法，提高了求解多目标优化问题的效率和精度，相较于传统的优化算法本技术改进的nsga-ⅱ算法能够更好地处理多目标问题，有助于找到全局最优解，使配置的储能效果更佳，更能模拟真实状况。并且，本技术结合了多种约束条件，保证了优化配置的可行性和实用性，通过约束条件使得优化配置结果更符合实际运行条件，降低了实施过程中的风险。并且，本技术不局限于特定类型的储能系统，可以根据实际需求和不同类型的储能设备进行适当调整，具有较强的适应性和灵活性，可广泛应用于各种场景和条件下的储能调峰容量优化配置。

27、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。