CN105226688A - 基于机会约束模型的多类型储能系统容量优化配置方法 - Google Patents

Abstract

本发明提供基于机会约束模型的多类型储能系统容量优化配置方法，所述方法包括：(1)考虑新能源发电随机性建立熵-机会约束数据模型；(2)基于模型模拟建立储能系统充放电控制策略；(3)通过遗传优化算法确定储能系统充放电电量。本发明考虑了风电、光伏发电等新能源发电出力随机性，通过机会约束理论建立模型，通过设置模糊修正系数来划分储能系统状态，在最大程度降低混合储能系统的配置费用，优化多类型储能系统配置容量，使其充放电功率与荷电状态均保持在适宜范围内的基础上，有效平滑新能源发电的功率波动。

Description

基于机会约束模型的多类型储能系统容量优化配置方法

技术领域

本发明涉及一种容量配置方法，具体涉及一种基于机会约束模型的储能系统容量优化配置方法，可适应于风储、光储以及风光储等不同方式的联合发电系统中多类型储能系统容量优化配置。

背景技术

由于传统能源逐渐枯竭，所面临的能源环境危机日益严重，风电、光伏等可再生能源发电技术越来越引起人们重视。这些发电方式普遍具有能量密度低和功率输出随机性强等特点，而这也是限制风电、光伏发电并网的主要因素之一。

储能系统可有效平抑风电和光伏发电出力波动，提高风电和光伏发电的并网友好性及规模，但受经济条件约束，能量型储能系统如电池储能，目前因其循环寿命相对较短，在其使用过程中需尽量限制其充放电量及全充全放电次数；而功率型储能系统如超级电容等，因其能量密度低，有时不能有效应对由于大幅度的能量波动而引起的风电或光伏发电的出力波动。而通过将小容量、高功率比、高循环寿命的功率型储能系统和大容量、高能量比的能量型储能系统进行复合应用，通过优化控制混合储能来对不同时间特性的功率波动进行补偿，能够得到相对单一储能系统更好的平抑风电、光伏发电的出力波动效果。因此，提出一种兼顾混合型储能系统功率优化控制及容量优化配置，并用尽可能低的储能系统成本来满足多类型储能系统控制与容量优化配置需求，是目前多类型储能系统联合新能源发电并网应用中急需解决的问题。

发明内容

本发明旨在提供一种基于机会约束模型的多类型储能系统容量优化配置方法，能有效解决上述问题。本发明考虑了风电出力、光伏发电的随机性，通过机会约束理论建立模型，通过设置模糊修正系数来划分储能系统状态，在最大程度降低混合储能系统的配置费用。

为了实现上述发明目的，本发明采取如下技术方案：

一种基于机会约束模型的多类型储能系统容量优化配置方法，所述方法包括如下步骤：

(1)考虑新能源发电随机性建立熵-机会约束数据模型；

(2)基于模型模拟建立储能系统充放电控制策略；

(3)通过遗传优化算法确定储能系统充放电电量。

优选的，所述步骤(1)中，包括如下步骤

步骤1-1、建立以最小化混合储能系统的配置费用，最小化新能源发电波动率的期望，最小化储能系统功率波动的期望为目标的函数，如下式：

$\left\{\begin{array}{cc}min& C_{\inf }\left(\mathrm{\α}\right)=min\left\{C\right|C_r\{S_{Px}\stackrel{\‾}{P_x}+S_{Ex}\stackrel{\‾}{E_x}\≤C\}\≥\mathrm{\α}\}\\ min& E\[\underset{t\∈T}{\Σ}\left|\frac{P_{wt}-P_{wt}^{*}(P_{w(t-1)},P_{wt})+P_{Bt}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Bt})+P_{Ut}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Ut})}{P_{wt}^{*}(P_{w(t-1)},P_{wt})}\right|\]\\ \min & E\[\underset{t\∈T}{\Σ}\left|(P_{Bt}\left(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Bt}\right)-P_{B(t-1)}(P_{w(t-2)},P_{w(t-1)},{\mathrm{\ξ}}_{B(t-1)}\left)\right)\right|\]\end{array}\right.$

且 $P_{xt}=min\{P_{xreft},\stackrel{\‾}{P_x}{\mathrm{\ξ}}_{xt}\}$

式中C_inf(α)表示约束条件以一定的置信水平成立的前提下，极小化目标函数的悲观值，C_r为目标函数的悲观值，本模型中则表示在α置信水平下，满足总成本约束情况下，C为最小化混合储能系统的配置费用；，其中P_xreft为为t时刻储能系统参考功率；当x＝B时表示能量型储能系统，x＝U时表示功率型储能系统；与为决策变量，分别指储能系统的额定功率和额定容量；t为时间指标，i＝1,2,...T；S_Px为储能单位额定功率费，S_Ex为储能单位额定容量费，ξ_xt为t时刻储能系统的修正系数，S_Px、S_Ex和ξ_xt这三个量为模糊参数，P_Bt、P_Ut分别为t时刻能量型与功率型储能系统充放电功率，ξ_Bt、ξ_Ut分别为t时刻能量型储能系统和功率型储能系统的修正系数；P_wt为t时刻新能源发电功率；为t时刻新能源发电目标功率，由式求得，m为低通滤波时间常数；P_Bref为能量型储能系统参考功率，P_Breft为t时刻能量型储能系统参考功率，由式求得，n为高通滤波时间常数；P_Uref为功率型储能系统参考功率，P_Ureft为t时刻功率型储能系统参考功率，由式 $P_{Ureft}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Ut})=P_{wt}-P_{wt}^{*}(P_{w(t-1)},P_{wt})-P_{Bref}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Bt})$ 求得；

其中P_Breft为t时刻能量型储能系统参考功率，n为高通滤波时间常数； $P_{Ureft}\left(P_{w\left(t-1\right)},P_{wt},{\mathrm{\ξ}}_{Ut}\right)=P_{wt}-P_{wt}^{*}\left(P_{w\left(t-1\right)},P_{wt}\right)-P_{Breft}\left(P_{w\left(t-1\right)},P_{wt},{\mathrm{\ξ}}_{Bt}\right),$ P_Ureft为t时刻功率型储能系统参考功率；

步骤1-2、建立储能系统功率出力约束条件，如下式：

$-{\stackrel{\‾}{P}}_x\≤P_{xt}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{xt})\≤{\stackrel{\‾}{P}}_x,t=1,2,...,T$

式中，P_xt为储能功率；

步骤1-3、建立储能系统荷电状态约束条件，如下式：

${\underset{\‾}{SOC}}_x\≤{\mathrm{SOC}}_{xt}\left(P_{xt}\right(P_{w(t-1)},P_{wt},\stackrel{\‾}{E_x}))\≤{\stackrel{\‾}{SOC}}_x$

其中t时刻的荷电状态由式 ${\mathrm{SOC}}_{xt}\left(P_{xt}\right(P_{w(t-1)t},P_{wt},\stackrel{\‾}{E_x}\left)\right)\frac{E_x^0+{\∫}_0^t{\mathrm{\η}}_{xt}{P}_{xt}dt}{\stackrel{\‾}{E_x}}$ 获得；

分别为储能荷电状态的上下限值；为储能的初始电量；η_xt为t时刻充放电效率。

优选的，所述步骤(2)中，包括如下步骤：

步骤2-1、将荷电状态值划分为表示各种荷电状态的区间；

步骤2-2、划分对应充放电量区间；

步骤2-3、确定各充放电量区间储能模糊修正参数；

步骤2-4、依次获得各时段储能系统充放电功率与荷电状态。

优选的，所述步骤2-1中，所述荷电状态值范围是0.1～0.9，考虑实际越限情况，将荷电状态分为充电和放电过程，每个过程分为5个状态：[0,A]，(A,B]，(B,C]，(C,D]，(D,1]。

优选的，所述步骤2-2中，根据所确定的5个荷电状态值A,B,C,D来对应划分充电过程的充电电量区间为：[0,a]，(0,b]，(0,c]，(0,d]，0；放电过程相对应的放电电量区间为：0，(0,d]，(0,c]，(0,b]，[0,a]；从而保证荷电状态保持在[0.1,0.9]。

优选的，所述步骤2-3中，根据所述荷电状态值，设置储能修正系数ξ，ξ为三角模糊数，根据不同区间服从的三角模糊数不同，各区间ξ_xt设置如下：

充电过程5个荷电状态区间相对应ξ_xt为：(0,a-a^*,a)，(0,b-b^*,b)，(0,c-c^*,c)，(0,d-d^*,d)，0；放电过程5个荷电状态区间相对应ξ_xt为：0，(0,d-d^*,d)，(0,c-c^*,c)，(0,b-b^*,b)，(0,a-a^*,a)；其中a^*,b^*,c^*,d^*为设置三角模糊数时所确定的参数。

优选的，所述步骤2-4中，包括如下步骤：

步骤2-4-1、根据t-1时刻的荷电状态SOC(t-1),确定SOC(t-1)所属荷电状态区间范围；

步骤2-4-2、确定SOC(t-1)对应所满足的三角模糊数区间；

步骤2-4-3、随机选择ξ_xt具体数值作为修正系数，则储能系统的修正功率为储能系统的充放电功率为其中P_xreft为为t时刻储能系统参考功率；

步骤2-4-4、根据t时刻的储能系统的充放电功率P_xt确定出当前t时刻储能系统的荷电状态SOC(t)，根据SOC(t)确定t+1时刻的储能系统的充放电功率P_x(t+1)。

优选的，所述步骤(3)中，包括如下步骤：

步骤3-1、获得新能源发电目标功率，储能功率，能量型储能系统、功率型储能系统参考功率及最大值；

步骤3-2、初始化能量型储能系统额定功率，功率型储能系统额定功率，能量型储能系统额定容量，功率型储能系统额定容量，定义整数pop_size作为染色体的个数；

步骤3-3、求出成本费用、新能源发电波动率期望、能量型储能系统波动率期望目标值；

步骤3-4、评估，对于模型中的目标，分别赋予权重：ω₁,ω₂,ω₃,对pop_size个染色体分别求出目标值，通过对目标值进行降序排列，评估函数为：

eval(i)＝a(1-a)^i-1,i＝1,2,…,pop_sizea∈(0,1)；

步骤3-5、选择，利用轮盘赌的方法选择染色体，首先计算其次，生成随机数r∈[0,q_{pop_size}]，若q_i＜r≤q_i+1，则选择第i个染色体，重复该步骤pop_size次，得到pop_size个染色体；

步骤3-6、交叉，定义p_c作为交叉概率，将染色体分为成对染色体，对染色体中的每一个基因进行判断，若随机生成的数l∈[0,1]，若l≤p_c，则进行交叉；

变异，定义p_m作为交叉概率，在变异过程中我们重复pop_size，随机生成数r∈[0,1]，若r≤p_m，则进行变异。

优选的，所述步骤3-1中，令每个新能源发电随机变量服从对数正态分布，通过随机模拟得出新能源发电数据，根据式获得所述新能源发电目标功率，通过式获得所述储能功率P_st，令

n＝0.4，P_Breft＝P_wt*n/(n+1)，P_Uref＝P_st-P_Bref分别得出t时刻能量型、功率型储能系统参考功率，以及能量型、功率型储能系统最大功率值

P_{B_max}＝max(|P_Breft|),P_{U_max}＝max(|P_Ureft|)。

优选的，所述步骤3-2中，所述能量型储能系统额定功率，功率型储能系统额定功率，能量型储能系统额定容量，功率型储能系统额定容量分别通过下式获得:

$\stackrel{\‾}{P_B}\∈\[P_{B\_max}*{\mathrm{\λ}}_{B1},P_{B\_max}*{\mathrm{\λ}}_{B2}\]$

$\stackrel{\‾}{P_U}\∈\[P_{U\_max}*{\mathrm{\λ}}_{U1},P_{U\_max}*{\mathrm{\λ}}_{U2}\]$

$\stackrel{\‾}{E_B}\∈\[P_{B\_max}*{\mathrm{\μ}}_{B1},P_{B\_max}*{\mathrm{\μ}}_{B2}\]$

$\stackrel{\‾}{E_U}\∈\[P_{U\_max}*{\mathrm{\μ}}_{U1},P_{U\_max}*{\mathrm{\μ}}_{U2}\]$

式中，为能量型储能系统额定功率，为功率型储能系统额定功率，为能量型储能系统额定容量，为功率型储能系统额定容量，λ_B1,λ_B2表示能量型储能系统额定功率取值上下限区间系数，λ_U1,,λ_U2表示功率型储能系统额定功率取值上下限区间系数，μ_B1,μ_B2表示能量型储能系统额定容量取值上下限区间系数，μ_U1,μ_U2为功率型储能系统额定容量取值上下限区间系数。

优选的，所述步骤3-3中，包括如下步骤：

所述成本费用：能量型储能单位额定功率费S_PB和功率型储能单位额定功率费S_PU服从梯形模糊数(t₁,t₂,t₃,t₄),(t₁₁，t₂₂,t₃₃,t₄₄),能量型储能单位额定容量费S_EB和功率型储能单位额定容量费S_EU服从梯形模糊数(s₁,s₂,s₃,s₄)和(s₁₁,s₂₂,s₃₃,s₄₄)，

所述新能源发电波动率期望：式中P_wt为t时刻新能源发电功率；为t时刻新能源发电目标功率，P_Bt为t时刻能量型储能系统充放电功率，P_Ut为t时刻功率型储能系统充放电功率；

所述能量型储能系统波动率期望：

与现有技术相比，本发明的有益效果在于：

本发明考虑了风力发电、光伏发电等新能源发电随机性和波动性，通过机会约束理论建立模型，通过设置模糊修正系数来划分储能系统状态，在最大程度降低混合储能系统的容量配置费用，使其充放电功率与荷电状态均保持在适宜范围内的基础上，并有效平滑风电和光伏发电等新能源发电出力波动。

附图说明

图1是本发明提供的一种基于机会约束模型的多类型储能系统容量优化配置方法流程图

图2是本发明提供的荷电状态及可充放电量的划分区间图

具体实施方式

下面结合附图对本发明作进一步详细说明。

为了解决现有技术利用混合储能平抑风电、光伏发电等新能源发电出力波动中对混合储能系统容量配置的问题，本发明实施例提出了一种基于机会约束模型的多类型储能系统容量优化配置方法，该方法先考虑风电、光伏发电等新能源发电随机性来建立熵-机会约束数学模型，然后基于模糊模拟建立了储能系统充放电控制策略；最后通过遗传优化算法来确定储能系统充放电量，最终实现了利用混合储能系统对风电、光伏发电等新能源发电出力波动的抑制，并最大程度使得能量型储能(储能电池)和功率型储能(超级电容)配置费用最低，如图1所示，具体包括如下步骤：

步骤1、考虑新能源发电随机性来建立熵-机会约束数学模型；

建立以最小化混合储能系统的配置费用，最小化新能源发电波动率的期望，最小化电池功率波动的期望为目标的函数，如(1)-(3)式：

$\left\{\begin{array}{ccc}min& C_{\inf }\left(\mathrm{\α}\right)=min\left\{C\right|C_r\{S_{Px}\stackrel{\‾}{P_x}+S_{Ex}\stackrel{\‾}{E_x}\≤C\}\≥\mathrm{\α}\}& \left(1\right)\\ min& E\[\underset{t\∈T}{\Σ}\left|\frac{P_{wt}-P_{wt}^{*}(P_{w(t-1)},P_{wt})+P_{Bt}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Bt})+P_{Ut}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Ut})}{P_{wt}^{*}(P_{w(t-1)},P_{wt})}\right|\]& \left(2\right)\\ \min & E\[\underset{t\∈T}{\Σ}\left|(P_{Bt}\left(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Bt}\right)-P_{B(t-1)}(P_{w(t-2)},P_{w(t-1)},{\mathrm{\ξ}}_{B(t-1)}\left)\right)\right|\]& \left(3\right)\end{array}\right.$

且 $P_{xt}=min\{P_{xreft},\stackrel{\‾}{P_x}{\mathrm{\ξ}}_{xt}\}---\left(4\right)$

式中C_inf(α)表示约束条件以一定的置信水平成立的前提下，极小化目标函数的悲观值，C_r为目标函数的悲观值，本模型中则表示在α置信水平下，满足总成本约束情况下，C为最小化混合储能系统的配置费用；当x＝B时表示能量型储能系统，x＝U时表示功率型储能系统；与为决策变量，分别指储能系统的额定功率和额定容量；t为时间指标，i＝1,2,...T；S_Px为储能单位额定功率费，S_Ex为储能单位额定容量费，ξ_xt为t时刻储能系统的修正系数，S_Px、S_Ex和ξ_xt这三个量为模糊参数，P_Bt、P_Ut分别为t时刻能量型与功率型储能系统充放电功率，ξ_Bt、ξ_Ut分别为t时刻能量型储能系统和功率型储能系统的修正系数；P_wt为t时刻新能源发电功率；为t时刻新能源发电目标功率，由式求得，m为低通滤波时间常数；P_Bref为能量型储能系统参考功率，P_Breft为t时刻能量型储能系统参考功率，由式求得，n为高通滤波时间常数；P_Uref为功率型储能系统参考功率，P_Ureft为t时刻功率型储能系统参考功率，由式 $P_{Ureft}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Ut})=P_{wt}-P_{wt}^{*}(P_{w(t-1)},P_{wt})-P_{Bref}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Bt})$ 求得；其中P_Breft为t时刻能量型储能系统参考功率，n为高通滤波时间常数； $P_{Ureft}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Ut})=P_{wt}-P_{wt}^{*}(P_{w(t-1)},P_{wt})-P_{Bref}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{Bt}),$ P_Ureft为t时刻功率型储能系统参考功率；

建立储能系统功率出力约束条件，如式(5)：

$-{\stackrel{\‾}{P}}_x\≤P_{xt}(P_{w(t-1)},P_{wt},{\mathrm{\ξ}}_{xt})\≤{\stackrel{\‾}{P}}_x,t=1,2,...,T---\left(5\right)$

建立储能系统荷电状态约束条件，如式(6)：

${\underset{\‾}{SOC}}_x\≤{\underset{\‾}{SOC}}_{xt}\left(P_{xt}\right(P_{w(t-1)},P_{wt},\stackrel{\‾}{E_x}\left)\right)\≤{\stackrel{\‾}{SOC}}_x---\left(6\right)$

其中t时刻的荷电状态由式获得；分别为储能荷电状态的上下限值；为储能的初始电量；_ηxt为t时刻充放电效率。

步骤2、基于模糊模拟建立储能系统充放电控制策略。

步骤2.1、将荷电状态值划分为表示各种荷电状态的区间。

为保证储能不过充，不过放电，保证储能荷电状态保持在将荷电状态分为充电和放电过程，每个过程分为5个状态：[0,A]；(A,B]；(B,C]；(C,D]；(D,1]，如在算例分析表1中，设定了A＝0.2，B＝0.4，C＝0.6，D＝0.8。

步骤2.2、划分对应充放电量区间。

如图2所示，根据所确定的5个荷电状态值A,B,C,D来对应划分充电过程的充电电量区间为：[0,a]；(0,b]；(0,c]；(0,d]；0；放电过程相对应的放电电量区间为：0；(0,d]；(0,c]；(0,b]；[0,a]；从而保证荷电状态保持在[0.1,0.9]。

另外，依据算例表1所示，对A,B,C,D分别设定后，对应取a,b,c,d的计算方法分别为a＝(0.9-A)*E_max＝70％E_max,b＝(0.9-B)*E_max＝50％E_max,c＝(0.9-C)*E_max＝30％E_max，d＝(0.9-D)*E_max＝10％E_max。E_max表示储能系统最大电量。表1所示的可放电量的取值范围，也可以依据上述方法计算。

步骤2.3、确定各充放电量区间储能模糊修正参数。

根据荷电状态值，设置t时刻储能修正系数ξ_xt，ξ_xt为三角模糊数，根据不同区间服从的三角模糊数不同，各区间ξ_xt设置如下：

充电过程5个荷电状态区间相对应ξ_xt为：(0,a-a^*,a)；(0,b-b^*,b)；(0,c-c^*,c)；(0,d-d^*,d)；0，放电过程5个荷电状态区间相对应ξ_xt为：0；(0,d-d^*,d)；(0,c-c^*,c)；(0,b-b^*,b)；(0,a-a^*,a)；其中a^*,b^*,c^*,d^*为设置三角模糊数时所确定的参数，在算例仿真中，为了更加清楚的表示当前时刻的荷电状态，并能表示0到1的直接所有可能的荷电状态值，因此选取a^*＝0.3，b^*＝0.25，c^*＝0.1，d^*＝0.05。

步骤2.4、依次获得各时段储能系统充放电功率与荷电状态。

根据t-1秒的SOC,确定SOC(t-1)所属荷电状态区间范围，进而确定其对应所满足的三角模糊数区间，随机选择ξ_xt具体数值作为修正系数，则储能系统的修正功率为储能功率为根据t时刻的储能系统功率P_xt可确定出当前t时刻储能SOC(t)，然后根据SOC(t)确定P_x(t+1)，从而依次求出各时段储能系统的功率和荷电状态值。

步骤3、通过遗传优化算法确定储能系统充放电量。

具体计算流程如下：

步骤3.1、获得新能源发电目标功率，储能功率，能量型储能系统、功率型储能系统参考功率及最大值。

另每个新能源发电随机变量服从对数正态分布，通过随机模拟得出新能源发电数据，根据式获得目标功率，通过式获得储能功率，另n＝0.4,P_Breft＝P_wt*n/(n+1),P_Ureft＝P_st-P_Breft分别得出能量型、功率型储能系统参考功率，以及能量型、功率型储能系统最大功率值P_{B_max}＝max(|P_Breft|),P_{U_max}＝max(|P_Ureft|)。

步骤3.2、初始化能量型储能系统额定功率,功率型储能系统额定功率,能量型储能系统额定容量,功率型储能系统额定容量，定义整数pop_size作为染色体个数的方法，根据式(7)-(10)获得：

$\stackrel{\‾}{P_B}\∈\[P_{B\_max}*{\mathrm{\λ}}_{B1},P_{B\_max}*{\mathrm{\λ}}_{B2}\]---\left(7\right)$

$\stackrel{\‾}{P_U}\∈\[P_{U\_max}*{\mathrm{\λ}}_{U1},P_{U\_max}*{\mathrm{\λ}}_{U2}\]---\left(8\right)$

$\stackrel{\‾}{E_B}\∈\[P_{B\_max}*{\mathrm{\μ}}_{B1},P_{B\_max}*{\mathrm{\μ}}_{B2}\]---\left(9\right)$

$\stackrel{\‾}{E_U}\∈\[P_{U\_max}*{\mathrm{\μ}}_{U1},P_{U\_max}*{\mathrm{\μ}}_{U2}\]---\left(10\right)$

其中λ_B1,λ_B2表示能量型储能系统额定功率取值上下限区间系数，λ_U1,,λ_U2表示功率型储能系统额定功率取值上下限区间系数，μ_B1,μ_B2表示能量型储能系统额定容量取值上下限区间系数，μ_U1,μ_U2为功率型储能系统额定容量取值上下限区间系数。为尽可能满足约束条件，通过多次试验确定λ_B1＝2,λ_B2＝3,λ_U1＝3,λ_U2＝4,μ_B1＝1100,μ_B2＝1375,μ_U1＝579,μ_U2＝618。

步骤3.3、结合控制策略求出能量型储能系统与功率型储能系统实际充放电功率及荷电状态，设定目标。

成本： $S_{Px}\stackrel{\‾}{P_x}+S_{Ex}\stackrel{\‾}{E_x}---\left(11\right)$

对梯形模糊变量ξ＝(a,b,c,d)，其置信水平函数由下式定义：

$\mathrm{\&nu;}\left(x\right)=\left\{\begin{array}{cc}(x-a)/2(b-a),& ifa\&le;x\&le;b\\ 0.5,& ifb<x<c\\ (d-x)/2(d-c),& ifc<x\&le;d\\ 0,& otherwise\end{array}\right.---\left(12\right)$

设定能量型储能单位额定功率费S_PB和功率型储能单位额定功率费S_PU服从梯形模糊数(t₁,t₂,t₃,t₄)和(t₁₁t₂₂,t₃₃,t₄₄)，能量型储能单位额定容量费S_EB和功率型储能单位额定容量费S_EU服从梯形模糊数(s₁,s₂,s₃,s₄)和(s₁₁,s₂₂,s₃₃,s₄₄)，而模糊参数具体数值则要通过在满足约束条件的情况下反复进行仿真总结规律来确定，在算例中确定(t₁,t₂,t₃,t₄)和(t₁₁t₂₂,t₃₃,t₄₄)分别为(300,330,370,400)，(400,430,470,500)，(s₁,s₂,s₃,s₄)和(s₁₁,s₂₂,s₃₃,s₄₄)分别设定为(3500,3620,3780,3900)和(280,316,364,400)时能够使得约束条件合理满足并且算法可以稳定收敛。

新能源发电波动率期望： $flu=\underset{t=1}{\overset{T}{\&Sigma;}}(P_{wt}-P_{wt}^{*}+P_{Bt}+P_{Ut})/P_{wt}^{*};$

能量型储能系统波动率期望：

步骤3.4、评估，对于模型中的目标，分别赋予权重：0.4,0.4,0.2，对pop_size个染色体分别求出目标值，通过对目标值降序进行排列评估函数为：

eval(i)＝a(1-a)^i-1,i＝1,2,…，pop_sizea∈(0,1)；(13)

步骤3.5、选择，利用轮盘赌的方法选择染色体，首先计算其次，生成随机数r∈[0,1]，如果q_i＜r≤q_i+1，选择第i个染色体，重复以上过程pop_size次，得到pop_size个染色体；

步骤3.6、交叉，定义p_c作为交叉概率，将染色体分为成对染色体，对染色体中的每一个基因进行判断，如果随机生成的数r∈[0,1]，如果r≤p_c，则进行交叉；

步骤3.7、变异，定义p_m作为变异概率，在变异过程中我们重复pop_size，随机生成数r∈[0,1]，如果r≤p_m，则进行变异；

步骤3.8确定出使得目标函数取得最小值时的染色体，进而获得超级电容与电池的额定功率以及额定容量。

针对本发明专利中提出的方法，储能荷电状态及可充放电量的具体划分区间可按照下述方法具体实现。例如，能量型储能系统以电池为例，功率型储能系统以超级电容为例，具体的荷电状态、电量及模糊修正参数等,可按照如下表1所示的方式,在本专利实际实施过程中，进行各区间的划分。

表1储能系统充放电控制策略

SOC区间	[0,0.2]	[0.2,0.4)	[0.4,0.6)	[0.6,0.8)	[0.8,1)
						可充电量	≤70％Emax	≤50％Emax	≤30％Emax	≤10％Emax	0
ξxt	(0,0.4,0.7)	(0,0.25,0.5)	(0,0.2,0.3)	(0,0.05,0.1)	0
						可放电量	0	≤10％Emax	≤30％Emax	≤50％Emax	≤70％Emax
ξxt	0	(0,0.05,0.1)	(0,0.2,0.3)	(0,0.25,0.5)	(0,0.4,0.7)

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (11)

1.一种基于机会约束模型的多类型储能系统容量优化配置方法，其特征在于，所述方法包括如下步骤：

(1)考虑新能源发电随机性建立熵-机会约束数据模型；

(2)基于模型模拟建立储能系统充放电控制策略；

(3)通过遗传优化算法确定储能系统充放电电量。

2.根据权利要求1所述优化配置方法，其特征在于，所述步骤(1)中，包括如下步骤

步骤1-1、建立以最小化混合储能系统的配置费用，最小化新能源发电波动率的期望，最小化储能系统功率波动的期望为目标的函数，如下式：

$\left\{\begin{array}{cc}\min & C_{\inf }\left(\mathrm{\&alpha;}\right)=\min \left\{C\right|C_r\{S_{Px}\stackrel{\&OverBar;}{P_x}+S_{Ex}\stackrel{\&OverBar;}{E_x}\&le;C\}\&GreaterEqual;\mathrm{\&alpha;}\}\\ \min & E\&lsqb;\underset{t\&Element;T}{\&Sigma;}\left|\frac{P_{wt}-P_{wt}^{*}(P_{w(t-1)},P_{wt})+P_{Bt}(P_{w(t-1)},P_{wt},{\mathrm{\&xi;}}_{Bt})+P_{Ut}(P_{w(t-1)},P_{wt},{\mathrm{\&xi;}}_{Ut})}{P_{wt}^{*}(P_{w(t-1)},P_{wt})}\right|\&rsqb;\\ \min & E\&lsqb;\underset{t\&Element;T}{\&Sigma;}\left|\right(P_{Bt}(P_{w(t-1)},P_{wt},{\mathrm{\&xi;}}_{Bt})-P_{B(t-1)}(P_{w(t-2)},P_{w(t-1)},{\mathrm{\&xi;}}_{B(t-1)})\left)\right|\&rsqb;\end{array}\right.$

且 $P_{xt}=min\{P_{xreft},\stackrel{\&OverBar;}{P_x}{\mathrm{\&xi;}}_{xt}\}$

式中C_inf(α)表示约束条件以一定的置信水平成立的前提下，极小化目标函数的悲观值，C_r为目标函数的悲观值，本模型中则表示在α置信水平下，满足总成本约束情况下，C为最小化混合储能系统的配置费用；当x＝B时表示能量型储能系统，x＝U时表示功率型储能系统；与为决策变量，分别指储能系统的额定功率和额定容量；t为时间指标，i＝1,2,...T；S_Px为储能单位额定功率费，S_Ex为储能单位额定容量费，ξ_xt为t时刻储能系统的修正系数，S_Px、S_Ex和ξ_xt这三个量为模糊参数，P_Bt、P_Ut分别为t时刻能量型与功率型储能系统充放电功率，ξ_Bt、ξ_Ut分别为t时刻能量型储能系统和功率型储能系统的修正系数；P_wt为t时刻新能源发电功率；为t时刻新能源发电目标功率，由式求得，m为低通滤波时间常数；P_Bref为能量型储能系统参考功率，P_Uref为功率型储能系统参考功率，其中P_Breft为t时刻能量型储能系统参考功率，n为高通滤波时间常数； $P_{Ureft}(P_{w(t-1)},P_{wt},{\mathrm{\&xi;}}_{Ut})=P_{wt}-P_{wt}^{*}(P_{w(t-1)},P_{wt})-P_{Breft}(P_{w(t-1)},P_{wt},{\mathrm{\&xi;}}_{Bt}),$ 其中P_Ureft为t时刻功率型储能系统参考功率。

步骤1-2、建立储能系统功率出力约束条件，如下式：

$-{\stackrel{\&OverBar;}{P}}_x\&le;P_{xt}(P_{w(t-1)},P_{wt},{\mathrm{\&xi;}}_{xt})\&le;{\stackrel{\&OverBar;}{P}}_x,t=1,2,...,T$

式中，P_xt为储能功率；

步骤1-3、建立储能系统荷电状态约束条件，如下式：

其中t时刻的荷电状态由式获得； SOC _x 分别为储能荷电状态的上下限值；为储能的初始电量；η_xt为t时刻充放电效率。

3.根据权利要求1所述优化配置方法，其特征在于，所述步骤(2)中，包括如下步骤：

步骤2-1、将荷电状态值划分为表示各种荷电状态的区间；

步骤2-2、划分对应充放电量区间；

步骤2-3、确定各充放电量区间储能模糊修正参数；

步骤2-4、依次获得各时段储能系统充放电功率与荷电状态。

4.根据权利要求3所述优化配置方法，其特征在于，所述步骤2-1中，所述荷电状态值范围是0.1～0.9，考虑实际越限情况，将荷电状态分为充电和放电过程，每个过程分为5个状态：[0,A]，(A,B]，(B,C]，(C,D]，(D,1]。

5.根据权利要求3所述优化配置方法，其特征在于，所述步骤2-2中，根据所确定的5个荷电状态值A,B,C,D来对应划分充电过程的充电电量区间为：[0,a]，(0,b]，(0,c]，(0,d]，0；放电过程相对应的放电电量区间为：0，(0,d]，(0,c]，(0,b]，[0,a]；从而保证荷电状态保持在[0.1,0.9]。

6.根据权利要求3所述优化配置方法，其特征在于，所述步骤2-3中，根据所述荷电状态值，设置t时刻储能修正系数ξ_xt，ξ_xt为三角模糊数，根据不同区间服从的三角模糊数不同，各区间ξ_xt设置如下：

充电过程5个荷电状态区间相对应ξ_xt为：(0,a-a^*,a)，(0,b-b^*,b)，(0,c-c^*,c)，(0,d-d^*,d)，0；放电过程5个荷电状态区间相对应ξ_xt为：0，(0,d-d^*,d)，(0,c-c^*,c)，(0,b-b^*,b)，(0,a-a^*,a)；其中a^*,b^*，c^*,d^*为设置三角模糊数时所确定的参数。

7.根据权利要求4所述优化配置方法，其特征在于，所述步骤2-4中，包括如下步骤：

步骤2-4-1、根据t-1时刻的荷电状态SOC(t-1),确定SOC(t-1)所属荷电状态区间范围；

步骤2-4-2、确定SOC(t-1)对应所满足的三角模糊数区间；

步骤2-4-3、随机选择ξ_xt具体数值作为修正系数，则储能系统的修正功率为储能系统的充放电功率为其中P_xreft为为t时刻储能系统参考功率；

步骤2-4-4、根据t时刻的储能系统的充放电功率P_xt确定出当前t时刻储能系统的荷电状态SOC(t)，根据SOC(t)确定t+1时刻的储能系统的充放电功率P_x(t+1)。

8.根据权利要求1所述优化配置方法，其特征在于，所述步骤(3)中，包括如下步骤：

步骤3-1、获得新能源发电目标功率，储能功率，能量型储能系统、功率型储能系统参考功率及最大值；

步骤3-2、初始化能量型储能系统额定功率，功率型储能系统额定功率，能量型储能系统额定容量，功率型储能系统额定容量，定义整数pop_size作为染色体的个数；

步骤3-3、求出成本费用、新能源发电波动率期望、能量型储能系统波动率期望目标值；

步骤3-4、评估，对于模型中的目标，分别赋予权重：ω₁,ω₂,ω₃,对pop_size个染色体分别求出目标值，通过对目标值进行降序排列，评估函数为：

eval(i)＝a(1-a)^i-1,i＝1,2,…,pop_sizea∈(0,1)；

步骤3-5、选择，利用轮盘赌的方法选择染色体，首先计算pop_size，其次，生成随机数r∈[0,q_{pop_size}]，若q_i＜r≤q_i+1，则选择第i个染色体，重复该步骤pop_size次，得到pop_size个染色体；

步骤3-6、交叉，定义p_c作为交叉概率，将染色体分为成对染色体，对染色体中的每一个基因进行判断，若随机生成的数l∈[0,1]，若l≤p_c，则进行交叉；

变异，定义p_m作为交叉概率，在变异过程中我们重复pop_size，随机生成数r∈[0,1]，若r≤p_m，则进行变异。

9.根据权利要求8所述优化配置方法，其特征在于，所述步骤3-1中，令每个新能源发电随机变量服从对数正态分布，通过随机模拟得出新能源发电数据，根据式获得所述新能源发电目标功率，通过式获得所述储能功率P_st，令n＝0.4,P_Breft＝P_wt*n/(n+1),P_Uref＝P_st-P_Bref分别得出t时刻能量型、功率型储能系统参考功率，以及能量型、功率型储能系统最大功率值P_{B_max}＝max(|P_Breft|),P_{U_max}＝max(|P_Ureft|)。

10.根据权利要求8所述优化配置方法，其特征在于，所述步骤3-2中，所述能量型储能系统额定功率，功率型储能系统额定功率，能量型储能系统额定容量，功率型储能系统额定容量分别通过下式获得:

$\stackrel{\&OverBar;}{P_B}\&Element;\&lsqb;P_{B\_max}*{\mathrm{\&lambda;}}_{B1},P_{B\_max}*{\mathrm{\&lambda;}}_{B2}\&rsqb;$

$\stackrel{\&OverBar;}{P_U}\&Element;\&lsqb;P_{U\_max}*{\mathrm{\&lambda;}}_{U1},P_{U\_max}*{\mathrm{\&lambda;}}_{U2}\&rsqb;$ $\stackrel{\&OverBar;}{E_B}\&Element;\&lsqb;P_{B\_max}*{\mathrm{\&mu;}}_{B1},P_{B\_max}*{\mathrm{\&mu;}}_{B2}\&rsqb;$

$\stackrel{\&OverBar;}{E_U}\&Element;\&lsqb;P_{U\_max}*{\mathrm{\&mu;}}_{U1},P_{U\_max}*{\mathrm{\&mu;}}_{U2}\&rsqb;$

式中，为能量型储能系统额定功率，为功率型储能系统额定功率，为能量型储能系统额定容量，为功率型储能系统额定容量，λ_B1,λ_B2表示能量型储能系统额定功率取值上下限区间系数，λ_U1,,λ_U2表示功率型储能系统额定功率取值上下限区间系数，μ_B1,μ_B2表示能量型储能系统额定容量取值上下限区间系数，μ_U1,μ_U2为功率型储能系统额定容量取值上下限区间系数。

11.根据权利要求8所述优化配置方法，其特征在于，所述步骤3-3中，包括如下步骤：

所述成本费用：能量型储能单位额定功率费S_PB和功率型储能单位额定功率费S_PU服从梯形模糊数(t₁,t₂,t₃,t₄),(t₁₁，t₂₂,t₃₃,t₄₄),能量型储能单位额定容量费S_EB和功率型储能单位额定容量费S_EU服从梯形模糊数(s₁,s₂,s₃,s₄)和(s₁₁,s₂₂,s₃₃,s₄₄)，

所述新能源发电波动率期望：式中P_wt为t时刻新能源发电功率；为t时刻新能源发电目标功率，P_Bt为t时刻能量型储能系统充放电功率，P_Ut为t时刻功率型储能系统充放电功率；

所述能量型储能系统波动率期望：