一种分布式储能系统实时优化方法及装置与流程

本发明涉及分布式储能系统，更具体地说，本发明涉及一种分布式储能系统实时优化方法及装置。

背景技术：

1、分布式储能系统，根据充电和放电，将电能分配给不同的设施或目的地以实现节电、节约能源和改善能源使用效率的系统；其以最低的存储和使用成本将收集的各种来源的能源有效结合，以实现有效运用，此系统考虑使用者对电能的需求，并依据这些需求对储存在各个储存单元中的能源进行优化，采用多个储存单元将储存的能源分布在距离使用方较近的地方，可以降低损耗并确保能源能够可靠支持使用者的需求。由于在每个时段用户侧用电需求不同，因此，需要对分布式储能系统的运行进行控制，以能够稳定的支持使用者用电，提供稳定的功率支持；目前，分布式储能系统的运行控制与用户用电需求的匹配度还不够精确，因此，有必要提出一种分布式储能系统实时优化方法及装置，以至少部分地解决现有技术中存在的问题。

技术实现思路

1、在
技术实现要素：
部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

2、为至少部分地解决上述问题，本发明提供了一种分布式储能系统实时优化方法，包括：

3、s1、建立分布式储能系统的优化模型，确定分布式储能系统的运行控制策略的优化约束条件；

4、s2、结合每个时段的用电负荷和用电价格因素，通过优化模型对运行控制策略进行一次优化；

5、s3、获取分布式储能系统在每个时段的总容量，并通过优化模型对总容量进行优化；

6、s4、利用优化后的总容量对优化模型更新，并采用更新后的优化模型对运行控制策略进行二次优化；

7、s5、判断二次优化后的运行控制策略是否能够使优化模型取得最大值，若否，则继续对总容量进行优化，并利用优化后的总容量对运行控制策略进行优化；若是，则将优化后的总容量以及对应的运行控制策略作为优化结果。

8、优选的是，所述优化模型包括：第一优化层和第二优化层；

9、确定第一优化层中的各个目标的参数，第二优化层采用粒子群算法结合潮流计算工具，优化分布式储能系统的运行控制策略，使分布式储能系统在该运行控制策略下降低成本，然后将第二优化层的优化结果反馈至第一优化层，并采用遗传算法确定最优的运行控制策略。

10、优选的是，所述第一优化层中的目标包括：每个储能单元的接入位置、功率和容量。

11、优选的是，所述第二优化层中的目标包括：分布式储能系统的投资和运维成本。

12、优选的是，利用优化后的总容量对优化模型更新包括：利用优化后的总容量对第一优化层中每个储能单元的容量进行更新。

13、优选的是，所述运行控制策略的优化约束条件包括：分布式储能系统中每个储能单元的出力约束、配电网中节点电压约束、每个储能单元荷电状态连续性约束、每个储能单元荷电状态约束、分布式储能系统中充放电功率约束。

14、优选的是，所述s5中，判断二次优化后的运行控制策略是否能够使优化模型取得最大值，包括：

15、s51、依据二次优化后的运行控制策略，确定优化模型中各个目标的优化系数；

16、s52、依据每个目标的优化系数获得多目标的优化综合系数；

17、s53、判断优化综合系数的值是否大于或等于预设值，若是，则表示优化后的运行控制策略能够使优化模型取得最大值，若否，则表示优化后的运行控制策略不能够使优化模型取得最大值。

18、优选的是，将第二优化层的优化结果反馈至第一优化层，并采用遗传算法确定最优的运行控制策略包括：

19、s21、随机生成初始种群；

20、s22、判断生成的初始种群是否满足优化约束条件，若不满足，则去除不满足优化约束条件的个体，并生成新的个体直至所有个体满足优化约束条件；

21、s23、计算种群中每个个体的适应度；

22、s24、通过对上一代种群进行选择、交叉、变异操作，获得新一代种群，替换并保存新一代种群中适应度较高的个体作为下一代进行繁殖；

23、s25、判断是否达到最大迭代次数，若是，则结束并输出每个时段的运行控制策略的最优解，若否，则返回步骤s22重新进行迭代。

24、本发明还提供了一种分布式储能系统实时优化装置，包括：

25、构建模块，建立分布式储能系统的优化模型，确定分布式储能系统的运行控制策略的优化约束条件；

26、第一优化模块，结合每个时段的用电负荷和用电价格因素，通过优化模型对每个时段的运行控制策略进行一次优化；

27、容量优化模块，获取分布式储能系统在每个时段的总容量，并通过优化模型对总容量进行优化；

28、第二优化模块，利用优化后的总容量对优化模型更新，并采用更新后的优化模型对每个时段的运行控制策略进行二次优化；

29、判断输出模块，判断二次优化后的运行控制策略是否能够使优化模型取得最大值，若否，则继续对总容量进行优化，并利用优化后的总容量对运行控制策略进行优化；若是，则将优化后的总容量以及对应的运行控制策略作为优化结果。

30、优选的是，所述优化模型包括：第一优化层和第二优化层；

31、确定第一优化层中的各个目标的参数，第二优化层采用粒子群算法结合潮流计算工具，优化分布式储能系统的运行控制策略，使分布式储能系统在该运行控制策略下降低成本，然后将第二优化层的优化结果反馈至第一优化层，并采用遗传算法确定最优的运行控制策略。

32、相比现有技术，本发明至少包括以下有益效果：

33、本发明所述的分布式储能系统实时优化方法及装置，基于用电负荷和用电价格因素，通过建立好的优化模型对运行控制策略进行第一次优化；由于分布式储能系统在每个时段的总容量也存在差异，这是由于各个储能单元的状态（充电或放电状态）在不同的时段会有不同的变化，因此，需要获取分布式储能系统在每个时段的总容量，然后通过优化模型对总容量进行优化，以获得与当前时段用电负荷最匹配的总容量，然后通过优化后的总容量对优化模型进行更新，这将使得优化模型更为精确，再通过更新后的优化模型对运行控制策略进行二次优化，直至运行控制策略能够使优化模型取得最大值，则选择对应的运行控制策略对当前时段的供电进行控制，以提升供电与用户用电需求的匹配度；通过对每个时段的运行控制策略进行优化，能够获得与用户用电需求最佳的匹配度，节约能源的使用和成本，并且能够稳定的支持用户用电，提供稳定的功率支持。

34、本发明所述的分布式储能系统实时优化方法及装置，本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

技术特征：

1.一种分布式储能系统实时优化方法，其特征在于，包括：

2.根据权利要求1所述的分布式储能系统实时优化方法，其特征在于，所述优化模型包括：第一优化层和第二优化层；

3.根据权利要求2所述的分布式储能系统实时优化方法，其特征在于，所述第一优化层中的目标包括：每个储能单元的接入位置、功率和容量。

4.根据权利要求3所述的分布式储能系统实时优化方法，其特征在于，所述第二优化层中的目标包括：分布式储能系统的投资和运维成本。

5.根据权利要求3所述的分布式储能系统实时优化方法，其特征在于，利用优化后的总容量对优化模型更新包括：利用优化后的总容量对第一优化层中每个储能单元的容量进行更新。

6.根据权利要求1所述的分布式储能系统实时优化方法，其特征在于，所述运行控制策略的优化约束条件包括：分布式储能系统中每个储能单元的出力约束、配电网中节点电压约束、每个储能单元荷电状态连续性约束、每个储能单元荷电状态约束、分布式储能系统中充放电功率约束。

7.根据权利要求2所述的分布式储能系统实时优化方法，其特征在于，所述s5中，判断二次优化后的运行控制策略是否能够使优化模型取得最大值，包括：

8.根据权利要求2所述的分布式储能系统实时优化方法，其特征在于，将第二优化层的优化结果反馈至第一优化层，并采用遗传算法确定最优的运行控制策略包括：

9.一种分布式储能系统实时优化装置，其特征在于，包括：

10.根据权利要求9所述的分布式储能系统实时优化装置，其特征在于，所述优化模型包括：第一优化层和第二优化层；

技术总结
本发明涉及分布式储能系统技术领域，公开了一种分布式储能系统实时优化方法及装置，包括：建立分布式储能系统的优化模型，确定分布式储能系统的运行控制策略的优化约束条件；结合每个时段的用电负荷和用电价格因素，通过优化模型对运行控制策略进行一次优化；获取分布式储能系统在每个时段的总容量，并通过优化模型对总容量进行优化；利用优化后的总容量对优化模型更新，并采用更新后的优化模型对运行控制策略进行二次优化；判断二次优化后的运行控制策略是否能够使优化模型取得最大值，若否，则继续对总容量进行优化，并利用优化后的总容量对运行控制策略进行优化；若是，则将优化后的总容量以及对应的运行控制策略作为优化结果。

技术研发人员：谢朝晖,马玉山,乔正盛,郭丕龙
受保护的技术使用者：深圳市健网科技有限公司
技术研发日：
技术公布日：2024/1/25