本发明属于储能领域,涉及一种基于负荷平滑的混合储能配置方法。
背景技术:
1、随着经济的迅速发展,随着环境问题的日益严重,以前采用的高能耗与高排放发展形式已不能适用于现在这个时代,现在的社会发展需要重点考虑环境保护和能源节约。一个单一的能量存储结构通常受到功能约束,混合能量存储结构优化是必要的,以满足不同层次的能量存储需求的综合能源系统。
2、混合储能通过储能电池对分解后的高、低频数据配置可以达到平滑负荷的作用,也可以在一定程度上达到消减尖峰负荷作用,但削峰程度还不够显著。尖峰负荷随着经济发展所占比重不断上升,负荷的尖峰化越来越明显,影响着电力系统的平稳运行,因此有必要针对抑制尖峰负荷做一些策略的改变。在求解配置模型采用的优化算法中,麻雀搜索算法(sparrow search algorithm,ssa)是一种优化种群智能的新方法,然而,基础麻雀搜索算法随机选择种群位置,而且麻雀种群往往会在迭代过程中累积,这种现象会导致算法没有足够的种群多样性,导致算法出现收敛性能低、局部挖掘和全局探索能力不平衡的问题,经过对麻雀算法的研究,绝大多数作者都对麻雀算法的发现者阶段位置更新公式进行了改进或替换,这说明麻雀算法在发现者阶段的位置更新能力确实不佳,因此需要采用改进的方法增强麻雀算法在发现者位置更新阶段的全局搜索能力,提升了麻雀算法的寻优能力。
技术实现思路
1、1.所要解决的技术问题:
2、如何使混合储能可以平滑负荷波动、提高系统的经济效益。
3、2.技术方案:
4、为了解决以上问题,本发明提供了一种基于负荷平滑的混合储能配置方法,包括如下步骤:
5、步骤a、选用负荷数据作为储能配置对象。
6、步骤b、使用rlmd分解算法将负荷数据分解成高、低频分量。
7、步骤c、按高频分量最大尖峰时刻划分尖峰负荷与基准负荷。
8、步骤d、使用超级电容对尖峰负荷配置,配置后的负荷与基准负荷相加得到合成负荷;
9、步骤e、再次使用分解算法将合成负荷分解为次高频分量与次低频分量,采用锂电池与铅碳电池分别对次高、低频分量进行配置;
10、步骤f、在两部制分时电价的背景下,搭建基于改进麻雀搜索算法的混合储能配置模型,外层以储能设备全寿命周期内最大净收益为目标,得到了储能额定容量、充放电功率,内层以日调度周期内最大收益为目标,得到各时间段的充放电量。
11、步骤g、基于尖峰负荷划分的配置与直接高、低频分量配置后的净收益、额定容量、负荷削峰情况相比较。
12、所述步骤a中,所述负荷数据表示为如下形式:
13、l=[l1,l2,l3,···,ln]
14、式中l为n组大用户日负荷数据,每组数据间隔15分钟采样一次,一组数据包含96个数据点。
15、所述步骤a中,先采用聚类算法对原始负荷数据聚类,经过聚类,得到k类负荷数据,根据负荷特性指标包括日负荷率、日峰谷差率、最小负荷率、尖峰负荷持续时间,筛选迎峰特性强,负荷波动大,负荷数目多的最具需量节费潜力的负荷类型。
16、所述步骤b中,rlmd分解算法是将信号分解成一系列的乘积函数分量pf,函数分量pf分量从原始信号分离出来时,得到信号的残差分量uk(t),将分解出的乘积函数分量pf与残差分量uk(t),经rlmd分解得到3个乘积函数分量pf分量与一个残差分量res,根据频率的高低看出个分量的频率情况,将pf1作为高频分量xh(t),将pf2、pf3、res作为低频分量xl(t)。
17、所述步骤c中,高频分量xh(t)对应大用户尖峰负荷,尖峰功率在最大需量负荷所对应的时间为t′,对最大负荷尖峰进行消减,因低负荷时段尖峰负荷不会影响到最大负荷,所以对于低负荷时段的负荷尖峰则不需要消减,根据t′时刻的最大负荷尖峰xh(t′)的值为分割线,将高频负荷xh(t)划分为分割线以上的为尖峰负荷ppel(t)与分割线以下的为基准负荷pbal(t)。
18、所述步骤d中,在得到尖峰负荷ppel(t)与基准负荷pbal(t)后,使用超级电容对尖峰负荷进行配置,将配置后的负荷与基准负荷pbal(t),相加得到合成负荷psyl(t)。
19、所述步骤e中,再次使用rlmd分解算法将合成负荷分解得到次高频分量x′h(t)与次低频分量x′l(t),最后使用锂电池与铅碳电池分别配置次高、低频分量。
20、8.根据权利要求1所述的一种基于负荷平滑的混合储能配置方法,其特征在于,所述步骤f中,搭建基于改进麻雀搜索算法的双层配置模型,采用改进麻雀搜索算法与cplex求解双层优化模型,外层使用改进麻雀搜索算法,目标函数为全生命周期最大净收益,寻找最优的储能额定容量emax、充放电功率pmax,内层目标函数为日调度周期最大收益,结合外层emax、pmax,对一天中各个时刻充放电策略进行寻优,然后将内层最优充放电策略返回到外层,计算其适应度值,得到最优解,算法详细步骤如下:
21、(1)初始化麻雀种群,设置探索者、追随者与警戒者规模比例,设置预警值和安全值,读取储能技术指标参数;
22、(2)设置规模为100的种群s,s中的每一个个体都含有储能额定容量、充放电功率信息;
23、(3)调用cplex,获得s中的每个麻雀在日调度周期内最优充放电策略;
24、(4)根据储能的充放电策略,储能额定容量、功率计算s中每个麻雀适应度值然后筛选,挑选出最优值和最差值;
25、(5)更新种群中探索者、追随者的位置,然后随机选择警戒者并更新其位置,得到新的种群s′,计算其适应度值;
26、(6)比较适应度值是否优于上一次的最优值,优于的话并且要满足终止条件(足够好的位置或达到最大迭代次数),不满足的话在最新种群的基础上重复步骤(3)~(5),直到满足终止条件为止,得到最终优化结果,
27、通过储能优化配置,调节峰谷差,消减负荷尖峰,对大用户负荷需量管理,从中获取收益,收益来源包括峰谷套利和需量控制,峰谷套利指利用储能电池在谷时将电能存储,在峰时将电池中存储的电能释放,由于峰谷电价差,获得收益,或考虑在平时存储电能,在峰时释放电能,得到峰平电价收益,储能配置系统完整充放电的峰谷套利收益如式所示:
28、pbat=pdis+pch
29、
30、式中pdis、pch分别为储能的放电、充电功率,pdis小于0,pch大于0;cinc,f为储能全寿命周期内总的峰谷套利收益;t储能的总寿命时长;t=1,2,…,t;w为一年中的12个月;q为一个日调度周期内的总时段,为24h,每个时间段为15min;δt=15min;q=96为时间段;d(q)为每个时间段的电价;pbat(q)为每个时间段充放电功率;g(w)为第w月的天数;ir为通货膨胀率;dr为贴现率,
31、两部制电价下的需量控制,需量电费根据用户最大需量与基本电价每月收取,通过储能装置补偿大用户峰值功率,降低了负载的月最大需量,对大用户进行需量管理并获得收益,如式所示,
32、
33、式中cinc,j为全寿命周期内的削峰收益;δm削峰率;fzm(w)为削峰前的负荷峰值;a为基本容量电费,
34、其外层全寿命周期内规划模型的目标函数为:
35、maxfw=cinc,f+cinc,j+crec-cinv-copm
36、式中fw为储能系统全寿命周期总收益;crec为回收价值;cinv为总投资;copm为运行维护费用,
37、cinv=ce·emax+cp·pmax
38、式中ce为储能的单位容量造价;cp为储能的单位充放电功率造价;emax为储能额定容量;pmax为储能的额定充放电功率,
39、crec=σ·cinv
40、式中σ为储能装置回收系数,
41、
42、式中cop为储能设备年运行维护费用,
43、外层全寿命周期内规划模型的约束条件为:
44、(1)储能装置投资成本约束
45、
46、式中为投资成本的最大值,
47、(2)功率平衡约束
48、lbe=lof+pbat
49、式中lbe为削峰前的负荷功率;lof为削峰后的负荷功率,
50、其内层日调度规划模型的目标函数为:
51、
52、式中fn为内层日调度周期内的总收益;xflm为负荷削峰率,
53、内层日调度规划模型的约束条件为:
54、(1)大用户最大需量约束
55、lbe+pbat≤(1-xflm)×fzm
56、(2)充放电功率约束
57、
58、式中放电功率小于0,充电功率大于0,储能装置不会同时进行充放电,所以引入bdis(i)、bch(i)为0-1变量,
59、(3)荷电状态约束
60、
61、式中socmin、socmax为荷电状态限值;ηch、ηdis为储能装置充放电效率。
62、通过以下三个方面对麻雀搜索算法进行改进:
63、(4)选用均匀性更好的立方混沌映射初始化麻雀种群,公式如下:
64、
65、式中-1<yi<1,yi≠0,i=0,1,...,n
66、(5)在探索者阶段加入蝴蝶算法搜索策略,当r2<=st的时候,公式如下,第一个公式为麻雀产生香味的数学公式,第二个为位置更新公式,
67、f=cia
68、xit+1=xit+(r2×g*-xit)×fi
69、式中,f是麻雀对食物的感知强度,即食物的味道能够被其他麻雀发现的强度;c是麻雀的感觉模态;i是刺激强度;a是依赖于模态的幂指数,它解释了不同程度食物味道的吸收,在发现者搜索阶段,麻雀朝着食物移动,xit为第t次迭代时种群中第i只麻雀的位置,r为服从[0,1]均匀分布的随机数,g*为第t次迭代时种群中最优麻雀位置,
70、(6)依旧是在麻雀算法的探索者阶段,当r2>st的时候,加入三角形游走策略,在麻雀发现食物后,不需要直接接近食物,可以在食物周围游走,增加麻雀的随机性,三
71、角形游走策略的公式如下:
72、定义游走的两条边
73、l1=posb(t)-posc(t)
74、
75、然后定义游走方向β
76、β=2×pi×rand()
77、在采用下述公式求出获得麻雀游走后得到的位置
78、p=l12+l22-2×l1×l2×cos(β)
79、posnew=posb(t)+r×p。
80、3.有益效果:
81、1)、本发明采用了基于rlmd分解算法分解负荷数据,能够较好的解决边界条件,包络估计,迭代终止条件的影响,获得反映信号本质特征的有用模式分量;
82、2)、本发明采用了基于改进麻雀搜索算法的双层储能模型,综合考虑了储能全寿命周期、储能峰谷套利收益、对大用户负荷需量管理并从中获取收益,模型中包含了容量配置与功率配置方法;
83、3)、本发明采用三个储能电池共同配置策略,更大程度消减了尖峰负荷,提高了系统的稳定性与安全性,平滑负荷波动,经济性良好。