CN106487036A - 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 - Google Patents

一种基于多目标优化算法的独立光伏拖动系统容量配置方法 Download PDF

Info

Publication number
CN106487036A
CN106487036A CN201610972564.0A CN201610972564A CN106487036A CN 106487036 A CN106487036 A CN 106487036A CN 201610972564 A CN201610972564 A CN 201610972564A CN 106487036 A CN106487036 A CN 106487036A
Authority
CN
China
Prior art keywords
diesel
power
energy
accumulator
driven generator
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610972564.0A
Other languages
English (en)
Other versions
CN106487036B (zh
Inventor
潘国兵
毛涛涛
欧阳静
陈金鑫
吴雄增
普帅帅
卢从成
叶颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201610972564.0A priority Critical patent/CN106487036B/zh
Publication of CN106487036A publication Critical patent/CN106487036A/zh
Application granted granted Critical
Publication of CN106487036B publication Critical patent/CN106487036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/383—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种基于多目标优化算法的独立光伏拖动系统容量配置方法，包括以下步骤：第一步，确定独立光伏拖动系统的拓扑结构；第二步，设定独立光伏拖动系统能量控制策略；第三步，建立优化配置模型；第四步，输入独立光伏拖动系统基础参数；第五步，依据建立的优化配置模型采用改进NSGA‑II多目标优化进化算法求得最优解集，分析所述最优解集，对每个解的目标函数进行权重分配来计算得到最终配置结果。本发明提供了一种满足用户用电需求的同时减轻环境负担的基于多目标优化算法的独立光伏拖动系统容量配置方法。

Description

一种基于多目标优化算法的独立光伏拖动系统容量配置方法
技术领域
本发明属于一种光伏系统的容量配置方法，属于独立光伏发电技术领域，特别是独立光伏发电系统应用于以电动机为主要负荷的特殊场景，对其各个DG源进行优化配置，具体涉及改进的NSGA-II多目标优化算法和光伏独立系统功率平衡。
背景技术
风光等分布式能源发电功率受环境影响具有波动性和间歇性，并网时会对电网的稳定性造成较大的影响。微网作为该问题的解决方案得到各国不断深入的研究。微网有并网和离网两种工作模式，当大电网出现故障时可以自动脱离电网而独立工作。独立光伏微网系统在独立海岛或移动交通设备等没有电网支撑的特殊场景发挥重要作用。独立光伏微网系统在满足负荷需求的同时充分利用太阳能清洁能源，减少负荷对柴油发电机的功率需求，从而减少燃油的消耗进而减轻对环境的污染。
独立微网系统的容量优化配置是系统规划设计阶段的主要内容，对保证系统投资成本、供电可靠性等方面有重要的指导意义。目前，对于独立微网容量优化配置研究主要以光伏发电、风力发电、柴油机发电和储能系统等之间的配合为主。文献1《独立光伏系统光储容量优化配置方法》以独立风光柴储微网系统的综合成本费用最低为优化目标，研究了系统中各个电源在给定调度策略下的最优容量配置方法。文献2《独立海岛微网分布式电源容量优化设计》考虑独立微网中可再生能源的能量溢出浪费现象，加入能量溢出比为指标研究独立光伏系统中的储能系统容量优化配置问题。文献3：Optimal sizing of a gridindependent hybrid renewable energy system incorporating resourceuncertainty,and loaduncertainty(Maleki A,Khajeh M G,Ameri M.Optimal sizing ofa grid independent hybrid renewable energy system incorporating resourceuncertainty,and load uncertainty[J].International Journal of ElectricalPower&Energy Systems,2016,83:514-524.即结合资源和负载不确定性的风光独立微网系统的容量优化配置，国际电力与能源系统期刊，2016年4月30日)，即在满足负荷要求的前提下配置风力发电、太阳能电池板和蓄电池的容量，提出一种混沌自适应进化算法求解独立微网系统的供电可靠性、清洁能源浪费率和系统成本的多目标优化问题。
以上微网容量优化配置方法未考虑不同特性的负荷对容量配置的影响，在面对电动机等感性负载时，需要充分考虑容量的余量以保证面对电动机启动，制动或故障等特殊情况时系统的稳定运行。NSGA-II多目标进化算法通过计算种群中每个个体的拥挤距离，选取拥挤距离值大的个体优先进入下一代种群，虽然能保持较好的多样性，但是存在分布度好的个体被淘汰而分布度不好的个体被留下，且存在跳出实际取值范围的问题。
发明内容
为了克服已有微网容量优化配置方法未考虑不同特性的负荷对容量配置的影响、无法满足用户用电需求的同时减轻环境负担的不足,本发明提供了一种满足用户用电需求的同时减轻环境负担的基于多目标优化算法的独立光伏拖动系统容量配置方法。
本发明解决其技术问题所采用的技术方案是：
一种基于多目标优化算法的独立光伏拖动系统容量配置方法，所述方法包括以下步骤：
第一步，确定独立光伏拖动系统的拓扑结构，包括光伏电源、柴油发电机、蓄电池储能系统、双向潮流逆变器和以电动机为主的负载系统，其中，光伏电源作为主电源，蓄电池储能系统作为辅助电源，柴油发电机作为备用电源，
第二步，设定独立光伏拖动系统能量控制策略：
柴油发电机作为主从控制策略的主电源时，其输出功率要大于最小出力水平，若光伏输出功率和柴油发电机最小出力之和超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率和柴油发电机最小出力之和无法满足负荷需求，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，由柴油发电机增加输出功率补充不足能量；
柴油发电机停止工作时，蓄电池储能系统作为主从控制策略的主电源，若光伏输出功率超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率无法满足负荷需求时，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，选择启动柴油发电机切换主副电源。
另外在启动电动机前保证蓄电池有充足的能量，电动机启动时，通过蓄电池储能系统的快速响应短时支撑起启动，并在启动的同时增加柴油发电机的输出功率，保持供需功率平衡；
第三步，建立优化配置模型：包括目标函数和约束条件，目标函数包括微网系统建设的最小成本、蓄电池储能系统年充放电次数最少和柴油发电机年油耗量最少；约束条件包括光伏输出功率约束、蓄电池储能系统自身约束、柴油发电机输出功率约束和微电网系统的功率平衡约束；
第四步，输入独立光伏拖动系统基础参数
输入的参数包括：环境参数、光伏电源参数、蓄电池储能系统参数、柴油发电机参数和负荷参数；
第五步，依据建立的优化配置模型采用改进NSGA-II多目标优化进化算法求得最优解集，分析所述最优解集，对每个解的目标函数进行权重分配来计算得到最终配置结果。
进一步，所述第五步中，配置过程如下：
5.1)利用第三步中的约束条件产生规模为M的初始种群，每个初始化个体的变量为蓄电池储能系统额定容量和柴油发电机额定功率。
5.2)对于所述每个个体计算适应度函数并依据其计算结果的优劣进行快速非支配排序形成第一代种群；
5.3)对于第一代种群进行双点交叉、变异操作，产生新父种群，利用新父种群的适应度函数计算结果结合NSGA-II中的拥挤距离计算结果，进而通过快速非支配排序选择规模为M的下一代种群；
5.4)重复对第一代种群的操作过程，直到达到设定的进化代数或者种群所有个体的适应度都达到设定值时结束算法，得到Pareto最优解集；
5.5)分析得出的最优解集，对每个解的目标函数进行权重分配来计算得到最终配置结果。
再进一步，所述第三步中，目标函数如下：
微网系统建设成本最小，微网系统的建设成本其数学表达式如下：
F1＝min(CS+CM)
式中，CS为微网系统的各DG源成本；CM为微网的安装成本；CS的计算公式如下：
CS＝kBEB+kDPD+kPVPPV
式中EB为蓄电池储能额定容量；PD为柴油机的额定功率；PPV为光伏组件总功率；kB为蓄电池储能能量成本系数；kD为柴油机的功率成本系数；kPV为光伏组件的功率成本系数；光伏组件的容量是由安装环境决定的固定最大值，在计算时其成本和安装成本作为常量不计入公式中，将上述的成本目标函数转化为：
minF1＝f(EB,PD)＝kBEB+kDPD
蓄电池储能系统年消耗寿命最少：考虑蓄电池的充放电次数及每次充放电深度，以年消耗寿命来表示，其表达式为：
式中，Tres为蓄电池年消耗寿命占总使用寿命的百分比；KD(i)为蓄电池储能系统放电深度为D(i)时的循环寿命；
柴油发电机年燃料消耗量最少，其表达式为：
式中，VF(t)为t时刻柴油发电机的燃料消耗量；PD(t)为t时刻柴油发电机的输出功率，范围在零到额定功率之间；PR为柴油发电机的额定功率；α，β为燃料曲线系数。
更进一步，所述第三步中，约束条件如下：
光伏输出功率约束：光伏的输出功率受光照，温度等环境因素的影响，其输出功率PPV(t)满足：0≤PPV(t)≤PSTC；
蓄电池荷电状态及充放电功率约束：
式中，SOCmin和SOCmax分别为设定蓄电池剩余容量的最小值和最大值，Pd(t)为t时刻蓄电池的充电功率，Pc(t)为t时刻蓄电池的放电功率，ck为蓄电池最佳放电倍率；
柴油发电机输出功率约束：
PDmin≤PD(t)≤PDmax
式中，PDmax为柴油机的最大输出功率，PDmin为柴油发电机运行时最小输出功率，单位为kW。。
系统功率平衡约束：
式中，PL(t)为t时刻系统负荷的总用电需求量；PM(t)为t时刻电动机正常工作功率；PMst(t)为t时刻电动机启动时瞬时最大功率，ckmax为蓄电池储能系统的最大放电倍率。
所述第四步中，环境参数输入包括环境温度参数和光照参数；光伏电源参数输入包括光伏组件的电气参数和成本参数；蓄电池储能系统参数输入包括蓄电池的电气参数和成本参数；柴油发电机参数输入包括柴油发电机的电气参数、成本参数和功率限制；负荷参数输入包括所有负荷的全年所需功率曲线和电动机启动的短时功率。
所述第一步中，光伏电源通过并网逆变器接到交流总线；柴油发电机直接输出三相交流电；双向潮流逆变器连接交流总线和直流总线；蓄电池储能系统的能量可以直接给直流负载供电也可通过双向潮流逆变器给交流负载供电；负荷主要是电动机负荷，其他的负荷包括灯及直流负荷。
本发明中，把电动机启动时对独立微网的冲击转换为优化配置模型中约束条件，结合实际光伏工程项目建设方案建立配置模型。利用改进的NSGA-II多目标进化算法来解决优化配置问题。改进的NSGA-II利用适应度值和拥挤距离两种指标进行快速非支配排序，避免了解值跳出范围及过早收敛问题，同时寻求全局最优解。
本发明的有益效果主要表现在：以对独立光伏微网系统规划中的分布式电源容量进行优化配置，特别是在微网系统的负荷为电动机负荷的特殊场景中。根据光伏系统工程实际情况，采用多目标、多约束条件，求得最优解集，依据最优解集选择最佳容量配置结果，已达到充分利用太阳能资源，合理使用蓄电池储能功能，减少化石燃料消耗，满足用户用电需求的同时减轻环境负担。。
附图说明
图1为独立光伏拖动系统的拓扑结构图。
图2为基于多目标优化算法的独立光伏拖动系统优化配置流程图。
图3为优化配置方法的算法流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图3，一种基于多目标优化算法的独立光伏拖动系统容量配置方法，所述方法包括以下步骤：
第一步，确定独立光伏拖动系统的拓扑结构，包括光伏电源、柴油发电机、蓄电池储能系统、双向潮流逆变器和以电动机为主的负载系统，其中，光伏电源作为主电源，蓄电池储能系统作为辅助电源，柴油发电机作为备用电源，
第二步，设定独立光伏拖动系统能量控制策略：
柴油发电机作为主从控制策略的主电源时，其输出功率要大于最小出力水平，若光伏输出功率和柴油发电机最小出力之和超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率和柴油发电机最小出力之和无法满足负荷需求，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，由柴油发电机增加输出功率补充不足能量；
柴油发电机停止工作时，蓄电池储能系统作为主从控制策略的主电源，若光伏输出功率超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率无法满足负荷需求时，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，选择启动柴油发电机切换主副电源。
另外在启动电动机前保证蓄电池有充足的能量，电动机启动时，通过蓄电池储能系统的快速响应短时支撑起启动，并在启动的同时增加柴油发电机的输出功率，保持供需功率平衡；
第三步，建立优化配置模型：包括目标函数和约束条件，目标函数包括微网系统建设的最小成本、蓄电池储能系统年充放电次数最少和柴油发电机年油耗量最少；约束条件包括光伏输出功率约束、蓄电池储能系统自身约束、柴油发电机输出功率约束和微电网系统的功率平衡约束；
第四步，输入独立光伏拖动系统基础参数
输入的参数包括：环境参数、光伏电源参数、蓄电池储能系统参数、柴油发电机参数和负荷参数；
第五步，依据建立的优化配置模型采用改进NSGA-II多目标优化进化算法求得最优解集，分析所述最优解集，对每个解的目标函数进行权重分配来计算得到最终配置结果。
进一步，所述第五步中，配置过程如下：
5.1)利用第三步中的约束条件产生规模为M的初始种群，每个初始化个体的变量为蓄电池储能系统额定容量和柴油发电机额定功率。
5.2)对于所述每个个体计算适应度函数并依据其计算结果的优劣进行快速非支配排序形成第一代种群；
5.3)对于第一代种群进行双点交叉、变异操作，产生新父种群，利用新父种群的适应度函数计算结果结合NSGA-II中的拥挤距离计算结果，进而通过快速非支配排序选择规模为M的下一代种群；
5.4)重复对第一代种群的操作过程，直到达到设定的进化代数或者种群所有个体的适应度都达到设定值时结束算法，得到Pareto最优解集；
5.5)分析得出的最优解集，对每个解的目标函数进行权重分配来计算得到最终配置结果。
再进一步，所述第三步中，目标函数如下：
微网系统建设成本最小，微网系统的建设成本其数学表达式如下：
F1＝min(CS+CM)
式中，CS为微网系统的各DG源成本；CM为微网的安装成本；CS的计算公式如下：
CS＝kBEB+kDPD+kPVPPV
式中EB为蓄电池储能额定容量；PD为柴油机的额定功率；PPV为光伏组件总功率；kB为蓄电池储能能量成本系数；kD为柴油机的功率成本系数；kPV为光伏组件的功率成本系数；光伏组件的容量是由安装环境决定的固定最大值，在计算时其成本和安装成本作为常量不计入公式中，将上述的成本目标函数转化为：
minF1＝f(EB,PD)＝kBEB+kDPD
蓄电池储能系统年消耗寿命最少：考虑蓄电池的充放电次数及每次充放电深度，以年消耗寿命来表示，其表达式为：
式中，Tres为蓄电池年消耗寿命占总使用寿命的百分比；KD(i)为蓄电池储能系统放电深度为D(i)时的循环寿命；
柴油发电机年燃料消耗量最少，其表达式为：
式中，VF(t)为t时刻柴油发电机的燃料消耗量；PD(t)为t时刻柴油发电机的输出功率，范围在零到额定功率之间；PR为柴油发电机的额定功率；α，β为燃料曲线系数。
更进一步，所述第三步中，约束条件如下：
光伏输出功率约束：光伏的输出功率受光照，温度等环境因素的影响，其输出功率PPV(t)满足：0≤PPV(t)≤PSTC；
蓄电池荷电状态及充放电功率约束：
式中，SOCmin和SOCmax分别为设定蓄电池剩余容量的最小值和最大值，Pd(t)为t时刻蓄电池的充电功率，Pc(t)为t时刻蓄电池的放电功率，ck为蓄电池最佳放电倍率；
柴油发电机输出功率约束：
PDmin≤PD(t)≤PDmax
式中，PDmax为柴油机的最大输出功率，PDmin为柴油发电机运行时最小输出功率，单位为kW。。
系统功率平衡约束：
式中，PL(t)为t时刻系统负荷的总用电需求量；PM(t)为t时刻电动机正常工作功率；PMst(t)为t时刻电动机启动时瞬时最大功率，ckmax为蓄电池储能系统的最大放电倍率。
所述第四步中，环境参数输入包括环境温度参数和光照参数；光伏电源参数输入包括光伏组件的电气参数和成本参数；蓄电池储能系统参数输入包括蓄电池的电气参数和成本参数；柴油发电机参数输入包括柴油发电机的电气参数、成本参数和功率限制；负荷参数输入包括所有负荷的全年所需功率曲线和电动机启动的短时功率。
所述第一步中，光伏电源通过并网逆变器接到交流总线；柴油发电机直接输出三相交流电；双向潮流逆变器连接交流总线和直流总线；蓄电池储能系统的能量可以直接给直流负载供电也可通过双向潮流逆变器给交流负载供电；负荷主要是电动机负荷，其他的负荷包括灯及直流负荷。
规划在中型船舶上建设独立光伏拖动系统满足船舶的电动机，照明和直流负载的运行，其系统拓扑结构如图1所示，其拓扑结构包括光伏电源、柴油发电机、蓄电池储能系统、双向潮流逆变器和以电动机为主的负荷系统。其中光伏电源作为主电源，蓄电池储能系统作为辅助电源，柴油发电机作为备用电源。设定船舶的电动机额定功率为7kW，照明负载为5kW，直流负载为3kW，受船舶场地限制安装最大光伏组件总功率为10kW；配置所需蓄电池储能系统的容量和柴油发电机额定功率。表1为各电源的设备成本。
表1
以下将详细介绍图2所示的容量配置流程，过程如下：
第一步：设定独立光伏拖动系统能量控制策略：
柴油发电机作为主从控制策略的主电源时，其输出功率要大于最小出力水平，若光伏输出功率和柴油发电机最小出力之和超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率和柴油发电机最小出力之和无法满足负荷需求，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，由柴油发电机增加输出功率补充不足能量；
柴油发电机停止工作时，蓄电池储能系统作为主从控制策略的主电源，若光伏输出功率超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率无法满足负荷需求时，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，选择启动柴油发电机切换主副电源。
另外在启动电动机前保证蓄电池有充足的能量，电动机启动时，通过蓄电池储能系统的快速响应短时支撑起启动，并在启动的同时增加柴油发电机的输出功率，保持供需功率平衡。
第二步：建立优化配置模型：
2.1)目标函数：
微网系统建设成本最小，微网系统的建设成本其数学表达式如下：
F1＝min(CS+CM)
式中CS为微网系统的各DG源成本；CM为微网的安装成本；CS的
计算公式如下：
CS＝kBEB+kDPD+kPVPPV
式中EB为蓄电池储能额定容量；PD为柴油机的额定功率；PPV为光伏组件总功率；kB为蓄电池储能能量成本系数；kD为柴油机的功率成本系数；kPV为光伏组件的功率成本系数；在优化配置中，光伏组件的容量是由安装环境决定的固定最大值，因此在计算时其成本和安装成本作为常量不计入公式中，将上述的成本目标函数转化为：
minF1＝f(EB,PD)＝kBEB+kDPD
蓄电池储能系统年消耗寿命最少。
影响蓄电池储能系统寿命的主要因素有工作环境温度、充放电次数以及充放电深度安放蓄电池的工作环境温度通过温控设备使其基本处于恒温状态，因此本专利主要考虑蓄电池的充放电次数及每次充放电深度。以年消耗寿命来表示，其表达式为：
式中，Tres为蓄电池年消耗寿命占总使用寿命的百分比；KD(i)为蓄电池储能系统放电深度为D(i)时的循环寿命。
柴油发电机年燃料消耗量最少，其表达式为：
式中，VF(t)为t时刻柴油发电机的燃料消耗量；PD(t)为t时刻柴油发电机的输出功率；PR为柴油发电机的额定功率；α，β为燃料曲线系数，取值α＝0.246L/kWh,β＝0.081L/kWh。
2.2)约束条件
光伏输出功率约束：
光伏的输出功率受光照，温度等环境因素的影响，其输出功率PPV(t)
满足：0≤PPV(t)≤PSTC
蓄电池荷电状态及充放电功率约束：
式中，SOCmin和SOCmax分别为设定蓄电池剩余容量的最小值和最大值。Pd(t)为t时刻蓄电池的充电功率，Pc(t)为t时刻蓄电池的放电功率，ck为蓄电池最佳放电倍率，取值0.2；
柴油发电机输出功率约束：
PDmin≤PD(t)≤PDmax
式中，PDmax为柴油机的最大输出功率，PDmin为柴油发电机运行时最小输出功率，单位为kW。
系统功率平衡约束：
式中，PL(t)为t时刻系统负荷的总用电需求量；PM(t)为t时刻电动机正常工作功率；PMst(t)为t时刻电动机启动时瞬时最大功率，ckmax为蓄电池储能系统的最大放电倍率，取值1。
第三步：输入独立光伏拖动系统基础参数包括：
环境参数输入包括环境温度参数和光照参数；
光伏电源参数输入包括光伏组件的电气参数和成本参数；
蓄电池储能系统参数输入包括蓄电池的电气参数和成本参数；
柴油发电机参数输入包括柴油发电机的电气参数、成本参数和功率限制；
负荷参数输入包括所有负荷的全年所需功率曲线和电动机启动的短时功率。
第四步：处理第三步中输入的基础参数，得到光伏电源年输出功率数据，负荷年运行数据。
第五步：依据建立的优化配置模型采用改进NSGA-II多目标优化进化算法进行配置，如图3。
5.1)利用第三步中的约束条件产生规模为50的初始种群，每个初始化个体的变量为蓄电池储能系统额定容量和柴油发电机额定功率。
5.2)对于所述每个个体计算适应度函数并依据其计算结果的优劣进行快速非支配排序形成第一代种群；
5.3)对于第一代种群进行双点交叉、变异操作，产生新父种群，利用新父种群的适应度函数计算结果结合NSGA-II中的拥挤距离计算结果，进而通过快速非支配排序选择规模为50的下一代种群；
5.4)重复对第一代种群的操作过程，直到达到设定的进化代数或者种群所有个体的适应度都达到设定值时结束算法，得到Pareto最优解集。
5.5)分析得出的最优解集，对微网建设成本、储能系统年消耗寿命和柴油发电机年油耗三个目标函数分配0.5、0.3、0.2的权重来计算得到最小结果，对应的柴油发电机额定功率和储能蓄电池额定容量即为最终配置结果。
在得到配置结果后，依据工程实际情况，结合设计经验修改某些条件，进行优化设计。独立光伏系统建设中柴油发电机额定功率和蓄电池储能系统容量可选择实际采购与优化配置结果相互匹配的容量即可。

Claims (5)

1.一种基于多目标优化算法的独立光伏拖动系统容量配置方法，其特征在于：所述方法包括以下步骤：
第一步，确定独立光伏拖动系统的拓扑结构，包括光伏电源、柴油发电机、蓄电池储能系统、双向潮流逆变器和以电动机为主的负载系统，其中，光伏电源作为主电源，蓄电池储能系统作为辅助电源，柴油发电机作为备用电源，
第二步，设定独立光伏拖动系统能量控制策略：
柴油发电机作为主从控制策略的主电源时，其输出功率要大于最小出力水平，若光伏输出功率和柴油发电机最小出力之和超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率和柴油发电机最小出力之和无法满足负荷需求，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，由柴油发电机增加输出功率补充不足能量；
柴油发电机停止工作时，蓄电池储能系统作为主从控制策略的主电源，若光伏输出功率超过负荷需求，优先使蓄电池工作在充电状态吸收多余能量，当蓄电池处于最高荷电状态时，选择弃光平衡功率；若光伏输出功率无法满足负荷需求时，优先使蓄电池工作在放电状态补充不足能量，当蓄电池处于最低荷电状态时，选择启动柴油发电机切换主副电源。
另外在启动电动机前保证蓄电池有充足的能量，电动机启动时，通过蓄电池储能系统的快速响应短时支撑起启动，并在启动的同时增加柴油发电机的输出功率，保持供需功率平衡；
第三步，建立优化配置模型：包括目标函数和约束条件，目标函数包括微网系统建设的最小成本、蓄电池储能系统年充放电次数最少和柴油发电机年油耗量最少；约束条件包括光伏输出功率约束、蓄电池储能系统自身约束、柴油发电机输出功率约束和微电网系统的功率平衡约束；
第四步，输入独立光伏拖动系统基础参数
输入的参数包括：环境参数、光伏电源参数、蓄电池储能系统参数、柴油发电机参数和负荷参数；
第五步，依据建立的优化配置模型采用改进NSGA-II多目标优化进化算法求得最优解集，分析所述最优解集，对每个解的目标函数进行权重分配来计算得到最终配置结果。
2.如权利要求1所述的基于多目标优化算法的独立光伏拖动系统容量配置方法，其特征在于：所述第五步中，配置过程如下：
5.1)利用第三步中的约束条件产生规模为M的初始种群，每个初始化个体的变量为蓄电池储能系统额定容量和柴油发电机额定功率。
5.2)对于所述每个个体计算适应度函数并依据其计算结果的优劣进行快速非支配排序形成第一代种群；
5.3)对于第一代种群进行双点交叉、变异操作，产生新父种群，利用新父种群的适应度函数计算结果结合NSGA-II中的拥挤距离计算结果，进而通过快速非支配排序选择规模为M的下一代种群；
5.4)重复对第一代种群的操作过程，直到达到设定的进化代数或者种群所有个体的适应度都达到设定值时结束算法，得到Pareto最优解集；
5.5)分析得出的最优解集，对每个解的目标函数进行权重分配来计算得到最终配置结果。
3.如权利要求1或2所述的基于多目标优化算法的独立光伏拖动系统容量配置方法，其特征在于：所述第三步中，目标函数如下：
微网系统建设成本最小，微网系统的建设成本其数学表达式如下：
F1＝min(CS+CM)
式中，CS为微网系统的各DG源成本；CM为微网的安装成本；CS的计算公式如下：
CS＝kBEB+kDPD+kPVPPV
式中EB为蓄电池储能额定容量；PD为柴油机的额定功率；PPV为光伏组件总功率；kB为蓄电池储能能量成本系数；kD为柴油机的功率成本系数；kPV为光伏组件的功率成本系数；光伏组件的容量是由安装环境决定的固定最大值，在计算时其成本和安装成本作为常量不计入公式中，将上述的成本目标函数转化为：
minF1＝f(EB,PD)＝kBEB+kDPD
蓄电池储能系统年消耗寿命最少：考虑蓄电池的充放电次数及每次充放电深度，以年消耗寿命来表示，其表达式为：
min F 2 = T r e s = Σ i = 1 N 1 K D ( i )
式中，Tres为蓄电池年消耗寿命占总使用寿命的百分比；KD(i)为蓄电池储能系统放电深度为D(i)时的循环寿命；
柴油发电机年燃料消耗量最少，其表达式为：
min F 3 = ∫ 0 n V F ( t ) d t = α ∫ 0 n P D ( t ) d t + nβP R
式中，VF(t)为t时刻柴油发电机的燃料消耗量；PD(t)为t时刻柴油发电机的输出功率，范围在零到额定功率之间；PR为柴油发电机的额定功率；α，β为燃料曲线系数。
4.如权利要求1或2所述的基于多目标优化算法的独立光伏拖动系统容量配置方法，其特征在于：所述第三步中，约束条件如下：
光伏输出功率约束：光伏的输出功率受光照，温度等环境因素的影响，其输出功率PPV(t)满足：0≤PPV(t)≤PSTC；
蓄电池荷电状态及充放电功率约束：
S O C m i n ≤ S O C ( t ) ≤ S O C max P d ( t ) ≤ c k E B / Δ t P c ( t ) ≤ c k E B / Δ t
式中，SOCmin和SOCmax分别为设定蓄电池剩余容量的最小值和最大值，Pd(t)为t时刻蓄电池的充电功率，Pc(t)为t时刻蓄电池的放电功率，ck为蓄电池最佳放电倍率；
柴油发电机输出功率约束：
PDmin≤PD(t)≤PDmax
式中，PDmax为柴油机的最大输出功率，PDmin为柴油发电机运行时最小输出功率，单位为kW。。
系统功率平衡约束：
P P V ( t ) + P D ( t ) + P B ( t ) ≥ P L ( t ) + P M ( t ) P M s t ( t ) - P P V ( t ) - P D ( t ) ≤ c k m a x E B
式中，PL(t)为t时刻系统负荷的总用电需求量；PM(t)为t时刻电动机正常工作功率；PMst(t)为t时刻电动机启动时瞬时最大功率，ckmax为蓄电池储能系统的最大放电倍率。
5.如权利要求1或2所述的基于多目标优化算法的独立光伏拖动系统容量配置方法，其特征在于：所述第四步中，环境参数输入包括环境温度参数和光照参数；光伏电源参数输入包括光伏组件的电气参数和成本参数；蓄电池储能系统参数输入包括蓄电池的电气参数和成本参数；柴油发电机参数输入包括柴油发电机的电气参数、成本参数和功率限制；负荷参数输入包括所有负荷的全年所需功率曲线和电动机启动的短时功率。
CN201610972564.0A 2016-11-04 2016-11-04 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 Active CN106487036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610972564.0A CN106487036B (zh) 2016-11-04 2016-11-04 一种基于多目标优化算法的独立光伏拖动系统容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610972564.0A CN106487036B (zh) 2016-11-04 2016-11-04 一种基于多目标优化算法的独立光伏拖动系统容量配置方法

Publications (2)

Publication Number Publication Date
CN106487036A true CN106487036A (zh) 2017-03-08
CN106487036B CN106487036B (zh) 2018-11-30

Family

ID=58271930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610972564.0A Active CN106487036B (zh) 2016-11-04 2016-11-04 一种基于多目标优化算法的独立光伏拖动系统容量配置方法

Country Status (1)

Country Link
CN (1) CN106487036B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107482679A (zh) * 2017-08-25 2017-12-15 河海大学 考虑储能系统充放电次数的主动配电网日前优化调度方法
CN107480825A (zh) * 2017-08-17 2017-12-15 广东电网有限责任公司电力科学研究院 一种计及容量可信度的光伏电站优化规划方法
CN108229063A (zh) * 2018-02-02 2018-06-29 我知盘中餐（厦门）电子商务有限公司 Moea/d分区方法、装置、设备及计算机存储介质
CN109038571A (zh) * 2018-08-30 2018-12-18 集美大学 一种混合能源系统
CN109067308A (zh) * 2018-08-16 2018-12-21 广州供电局有限公司 微电网控制器、光柴储系统及其控制方法
CN109491791A (zh) * 2018-11-09 2019-03-19 华东师范大学 基于申威众核处理器的nsga-ii的主从增强式运行方法及装置
CN109818375A (zh) * 2017-11-20 2019-05-28 中国农业大学 多区域综合能源协同规划方法及装置
CN109873452A (zh) * 2019-03-25 2019-06-11 中国电建集团江西省电力建设有限公司 能源互联网的离网状态电量控制系统
FR3080962A1 (fr) * 2018-05-04 2019-11-08 Electricite De France Procede de controle de micro-reseau
CN110806737A (zh) * 2019-11-26 2020-02-18 北京工业大学 一种基于最小能耗及最小时间的生产线设备数量优化方法
CN112968474A (zh) * 2021-03-30 2021-06-15 合肥工业大学 光伏离网逆变器系统的多目标寻优方法
CN113196319A (zh) * 2018-11-23 2021-07-30 道达尔太阳能公司 提供供能系统的技术选型参数的计算机实施的方法、用于提供这样的技术选型参数的计算机程序产品和用于提供这样的供能系统的计算机系统
CN113343478A (zh) * 2021-06-24 2021-09-03 东北电力大学 考虑不确定性和需求响应的独立微网容量优化配置方法
CN113795423A (zh) * 2019-05-16 2021-12-14 三菱重工船用机械株式会社 电源系统、船舶、控制方法及控制程序
CN117239826A (zh) * 2023-11-10 2023-12-15 余姚市宏宇输变电工程有限公司 基于微电网光伏发电的能源调配系统
CN117498403A (zh) * 2023-08-24 2024-02-02 大航有能电气有限公司 基于分布式新能源特征聚类算法数据处理的能量管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102263418A (zh) * 2010-05-27 2011-11-30 元智大学 混合能源发电系统的装置容量配置方法
CN102289566A (zh) * 2011-07-08 2011-12-21 浙江大学 独立运行模式下的微电网多时间尺度能量优化调度方法
US20130229056A1 (en) * 2012-03-05 2013-09-05 Ralph Teichmann Auxiliary equipment system and method of operating the same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102263418A (zh) * 2010-05-27 2011-11-30 元智大学 混合能源发电系统的装置容量配置方法
CN102289566A (zh) * 2011-07-08 2011-12-21 浙江大学 独立运行模式下的微电网多时间尺度能量优化调度方法
US20130229056A1 (en) * 2012-03-05 2013-09-05 Ralph Teichmann Auxiliary equipment system and method of operating the same

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHENGKE ZHOU,ET AL: "Modeling of the Cost of EV Battery Wear Due to V2G Application in Power Systems", 《IEEE TRANSACTIONS ON ENERGY CONVERSION,》 *
江全元，等: "风光储独立供电系统电源优化配置", 《电力自动化设备》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480825A (zh) * 2017-08-17 2017-12-15 广东电网有限责任公司电力科学研究院 一种计及容量可信度的光伏电站优化规划方法
CN107482679B (zh) * 2017-08-25 2021-04-06 河海大学 考虑储能系统充放电次数的主动配电网日前优化调度方法
CN107482679A (zh) * 2017-08-25 2017-12-15 河海大学 考虑储能系统充放电次数的主动配电网日前优化调度方法
CN109818375A (zh) * 2017-11-20 2019-05-28 中国农业大学 多区域综合能源协同规划方法及装置
CN108229063A (zh) * 2018-02-02 2018-06-29 我知盘中餐（厦门）电子商务有限公司 Moea/d分区方法、装置、设备及计算机存储介质
CN108229063B (zh) * 2018-02-02 2021-05-28 我知盘中餐（厦门）电子商务有限公司 Moea/d分区方法、装置、设备及计算机存储介质
FR3080962A1 (fr) * 2018-05-04 2019-11-08 Electricite De France Procede de controle de micro-reseau
CN109067308A (zh) * 2018-08-16 2018-12-21 广州供电局有限公司 微电网控制器、光柴储系统及其控制方法
CN109038571A (zh) * 2018-08-30 2018-12-18 集美大学 一种混合能源系统
CN109491791A (zh) * 2018-11-09 2019-03-19 华东师范大学 基于申威众核处理器的nsga-ii的主从增强式运行方法及装置
CN113196319A (zh) * 2018-11-23 2021-07-30 道达尔太阳能公司 提供供能系统的技术选型参数的计算机实施的方法、用于提供这样的技术选型参数的计算机程序产品和用于提供这样的供能系统的计算机系统
CN113196319B (zh) * 2018-11-23 2024-03-22 道达尔太阳能公司 提供供能系统的技术选型参数的计算机实施的方法、计算机可读存储介质和计算机系统
CN109873452B (zh) * 2019-03-25 2022-05-03 中国电建集团江西省电力建设有限公司 能源互联网的离网状态电量控制系统
CN109873452A (zh) * 2019-03-25 2019-06-11 中国电建集团江西省电力建设有限公司 能源互联网的离网状态电量控制系统
CN113795423A (zh) * 2019-05-16 2021-12-14 三菱重工船用机械株式会社 电源系统、船舶、控制方法及控制程序
CN113795423B (zh) * 2019-05-16 2023-10-03 三菱重工船用机械株式会社 电源系统、船舶、控制方法及存储有控制程序的存储介质
CN110806737A (zh) * 2019-11-26 2020-02-18 北京工业大学 一种基于最小能耗及最小时间的生产线设备数量优化方法
CN112968474A (zh) * 2021-03-30 2021-06-15 合肥工业大学 光伏离网逆变器系统的多目标寻优方法
CN112968474B (zh) * 2021-03-30 2022-12-30 合肥工业大学 光伏离网逆变器系统的多目标寻优方法
CN113343478A (zh) * 2021-06-24 2021-09-03 东北电力大学 考虑不确定性和需求响应的独立微网容量优化配置方法
CN113343478B (zh) * 2021-06-24 2022-09-20 东北电力大学 考虑不确定性和需求响应的独立微网容量优化配置方法
CN117498403A (zh) * 2023-08-24 2024-02-02 大航有能电气有限公司 基于分布式新能源特征聚类算法数据处理的能量管理系统
CN117239826A (zh) * 2023-11-10 2023-12-15 余姚市宏宇输变电工程有限公司 基于微电网光伏发电的能源调配系统

Also Published As

Publication number Publication date
CN106487036B (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN106487036B (zh) 一种基于多目标优化算法的独立光伏拖动系统容量配置方法
CN106651026B (zh) 多时间尺度微电网能量管理优化调度方法
CN105205552B (zh) 一种独立新能源混合发电系统优化规划方法
CN107239847A (zh) 一种主动配电网储能系统动态规划方法
CN110289622B (zh) 一种光储充能量路由器的日前经济优化调度方法
CN106339778A (zh) 一种考虑多目标的光蓄微电网运行优化方法
Lu et al. Multi-objective optimal scheduling of a DC micro-grid consisted of PV system and EV charging station
CN110112783A (zh) 光伏蓄电池微电网调度控制方法
CN106408131A (zh) 一种基于需求侧管理的光伏微网多目标调度方法
CN202134924U (zh) 一种太阳能电力并网自用多功能系统的构造
CN109066750A (zh) 基于需求侧响应的光伏-电池微电网混合能量调度管理方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
Akshya et al. Grid integration for electric vehicle and photovoltaic panel for a smart home
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN110323785A (zh) 基于源-网-荷-储互动的多电压等级直流配电网优化调度方法
CN108039741B (zh) 计及微源余电上网的交直流混合微网优化运行方法
Thirugnanam et al. Battery integrated solar photovoltaic energy management system for micro-grid
Hadero et al. Development of DC microgrid integrated electric vehicle charging station with fuzzy logic controller
Catalin et al. Optimal charging scheduling of electrical vehicles in a residential microgrid based on RES
CN113629758A (zh) 一种多能源并网运行控制方法和系统
CN102931676A (zh) 一种太阳能电力并网自用多功能系统的构造与方法
Huang et al. Optimal design of an island microgrid with considering scheduling optimization
Huang et al. A Hierarchical Strategy for Multi-Objective Optimization of Distribution Network Considering DGs and V2G-Enabled EVs Integration
Skander-Mustapha et al. Energy management of rooftop PV system including battery storage: case study of ENIT building
Sharma et al. Comparative analysis of different types of micro-grid architectures and controls

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant