CN106875055B - 基于ahp和ga的储能装置参与电网调频的参数优化方法 - Google Patents
基于ahp和ga的储能装置参与电网调频的参数优化方法 Download PDFInfo
- Publication number
- CN106875055B CN106875055B CN201710084323.7A CN201710084323A CN106875055B CN 106875055 B CN106875055 B CN 106875055B CN 201710084323 A CN201710084323 A CN 201710084323A CN 106875055 B CN106875055 B CN 106875055B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage device
- weight
- layer
- consistency
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 230000002068 genetic effect Effects 0.000 claims abstract description 23
- 230000000694 effects Effects 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000012163 sequencing technique Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 19
- 238000004088 simulation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 4
- 239000000178 monomer Substances 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于AHP和GA的储能装置参与电网调频的参数优化方法，其包括在区域调频模型中加入储能装置及其控制器；利用层次分析法对控制器影响控制效果的因素进行权重确定，得到适应度函数；通过遗传算法优化控制参数，得到优化参数；根据适应度函数对优化参数进行筛选，得到优化个体；将优化个体输送至储能装置中，控制储能装置的输出功率。该基于AHP和GA的储能装置参与电网调频的参数优化方法采用储能装置辅助AGC的调频方式，有效地改善了调频性能，可很好的抑制频率扰动，有效减小系统频率偏差，缩短调节时间；且通过层次分析法和遗传算法整定控制器参数，具有较高的准确性和灵活性。
Description
技术领域
本发明涉及电力系统领域，具体涉及一种基于AHP和GA的储能装置参与电网调频的参数优化方法。
背景技术
电力系统中传统的调频装置对扰动的响应速度慢，具有不适合参与短周期调频的问题；储能装置具有响应速度快、跟踪精确以及能量双向流动等特点，能够有效地辅助传统的调频装置对扰动后的电网频率进行调整；因此，储能装置辅助参与电力系统调频对电网的安全稳定运行具有一定的实际价值。
对于储能装置辅助参与调频的研究，目前采用将不同类型的储能装置应用于两区域系统参与辅助调频；其对比了不同类型储能装置辅助调频的特点，但忽略了实际工程应用中储能装置是由多个单体相互串并联构成的特点，应用性较弱。
部分基于模糊控制对电池储能进行控制，辅助AGC进行调频，但使用的BESS模型是用一阶惯性环节来模拟的，没有考虑储能的荷电状态、容量等限制；利用时间绝对偏差乘积积分(ITAE)作为改进粒子群算法的适应度函数来整定储能系统的PI控制器参数，又存在ITAE准则判断因素单一，可能存在判断不精确的缺陷。
目前的研究虽已注意到储能控制器的参数对控制效果具有一定影响，但其控制策略中选用的评价指标较为单一，未从系统整体性能出发评估各评价指标(如最大偏差幅值、稳态偏差、调节时间等)之间的权重关系，进而对储能控制器的控制参数进行优化。
利用最大偏差幅值、稳态偏差、调节时间等指标构建遗传算法适应度函数可以使遗传算法优化储能装置控制参数的效果达到最佳，但是构建适应度函数的难点在于三者之间以及区域间的权重比例关系较为模糊且难以判断，往往需要人为去判定其权重大小，但人为判断又会由于不了解其中的复杂关系而导致主观判断出的权重大小前后矛盾。
名词解析：AHP为层次分析法，GA为遗传算法。
发明内容
针对现有技术中的上述不足，本发明提供的基于AHP和GA的储能装置参与电网调频的参数优化方法可使储能装置更好地辅助AGC进行动态调频，有效地降低电网扰动对电网频率的影响。
为了达到上述发明目的，本发明采用的技术方案为：提供一种基于AHP和GA的储能装置参与电网调频的参数优化方法，其包括：
S1、在区域调频模型中加入储能装置及其控制器；
S2、利用层次分析法对控制器影响控制效果的因素进行权重确定，得到适应度函数；影响控制效果的因素包括最大偏差幅值、稳态偏差和调节时间；
S3、通过遗传算法优化控制参数，得到优化参数；
S4、根据适应度函数对优化参数进行筛选，得到优化个体；
S5、将优化个体输送至储能装置中，控制储能装置的输出功率。
进一步地，S2的具体步骤为：通过层次分析法对最大偏差幅值、稳态偏差和调节时间的权值关系进行分析，得到总排序权值和准则层权值，并根据总排序权值和准则层权值构建所述适应度函数。
进一步地，通过层次分析法确立权值关系的具体步骤为：
S21、构建递阶层次结构模型；
以系统稳定性为目标层，稳态偏差、调节时间和最大偏差幅值为准则层，区域1到区域n-1以及联络线为方案层，依次连接目标层、准则层和方案层；
S22、构建各层次中的判断矩阵；
对准则层的构建因子进行两两比较，建立成对比较矩阵，即每次取准则层中的两个因子xi和xj，以aij表示xi和xj对目标层影响的大小之比，其两两比较结果用矩阵A＝(aij)n×n表示；其中，A为判断矩阵；
S23、层次单排序及其一致性检验；层次单排序的具体步骤为：对判断矩阵A对应于最大特征值λmax的特征向量W进行归一化处理，得到同一层次相应因素对于上一层次相应因素的排序权值；
层次单排序的一致性检验具体步骤为：根据一致性指标计算公式计算单排序一致性指标，并根据单排序一致性指标计算出单排序一致性比例；当单排序一致性比例小于单排序一致性比例常数C0时，接收判断矩阵的单排序一致性，否则重新构建各层次中的判断矩阵；其中，C0为0.1；
S24、层次总排序及其一致性检验；层次总排序的具体步骤为：设准则层包含α1，…，αm共m个因素，它们的层次总排序权重分别为a1，…，am；设方案层包含n个因素β1，…，βn，它们关于Aj的层次权重分别为b1j，…，bnj；当βi与αj无关联时，bij＝0；则β层中各因素关于总目标的权重，即为β层各因素的层次总排序权重b1，…，bn，即
层次总排序的一致性检验具体步骤为：设β1层中与αj的成对比较判断矩阵在单排序中的单排序一致性指标为CI(j)，(j＝1，…m)，平均随机一致性指标为RI(j)，则β层总排序随机一致性比例为
当CR<C0时，接收层次总排序的一致性，确立总排序权值和准则层权值，否则重新构建各层次中的判断矩阵。
进一步地，一致性指标计算公式为：
其中，CI为单排序一致性指标，λmax为判断矩阵A对应的最大特征值，n为区域个数。
进一步地，单排序一致性比例的计算公式为：
其中，CR为单排序一致性比例，CI为单排序一致性指标，RI为平均随机一致性指标。
进一步地，适应度函数为：
其中，ki为总排序权值，μi为最大偏差幅值权值，νi为稳态偏差权值，ωi为调节时间权值，Ai为最大偏差幅值，Bi为稳态偏差，Ci为调节时间，下标i为区域编号。
进一步地，储能装置为电池储能装置。
进一步地，区域调频模型为两区域互联电网的AGC数学模型；其中，区域1为火电机组，区域2位水电机组，区域1和区域2均集成有储能装置及其控制器。
本发明的有益效果为：该基于AHP和GA的储能装置参与电网调频的参数优化方法采用储能装置辅助AGC的调频方式，有效地改善了调频性能，可很好的抑制频率扰动，有效减小系统频率偏差，缩短调节时间；且通过层次分析法和遗传算法整定控制器参数，具有较高的准确性和灵活性，使储能装置更好地辅助AGC进行动态调频，有效地降低电网扰动对电网频率的影响；并通过仿真试验进行了验证，其准确性和灵活性要明显优于现有技术中采用ITAE作为目标函数的控制器参数整定方法。
附图说明
图1示意性的给出了基于AHP和GA的储能装置参与电网调频的参数优化方法的电池储能装置的戴维南等效电路。
图2示意性的给出了基于AHP和GA的储能装置参与电网调频的参数优化方法的层次分析法流程图。
图3示意性的给出了基于AHP和GA的储能装置参与电网调频的参数优化方法的递阶层次结构模型图。
图4为基于AHP和GA的储能装置参与电网调频的区域1频率偏差量的仿真图。
图5为基于AHP和GA的储能装置参与电网调频的区域2频率偏差量的仿真图。
图6为基于AHP和GA的储能装置参与电网调频的联络线功率偏差量的仿真图。
图7为基于AHP和GA的储能装置参与电网调频的火电机组输出功率的仿真图。
图8为基于AHP和GA的储能装置参与电网调频的储能输出功率的仿真图。
图9示意性的给出了现有技术中两区域的AGC数学模型。
图10示意性的给出了确定最优参数的操作流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一种实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
为简单起见，以下内容省略了该技术领域技术人员所公知的技术常识。
该基于AHP和GA的储能装置参与电网调频的参数优化方法包括：
S1、在区域调频模型中加入储能装置及其控制器；在具体实施中，优选储能装置为电池储能装置，电池储能装置相对于其他储能装置具有能量密度高、响应速度快、充放电倍数高、建造环境要求低等优点；其电池储能装置的动态特性可用一阶惯性环节来表示，其数学模型为：
其中，TBESS为电池储能的时间常数；KBESS为储能的控制增益。
如图1，图1示意性的给出了电池储能装置的戴维南等效电路，储能单体经过n次串联以及m次并联组成储能单元，再由k个储能单元并联从而得到储能系统的整体模型；该模型中Ct为过电压电容，Rt为过电压电阻，Rseries为电池内阻，Voc为开路电压，Rc为连接阻抗，n、m、k分别为串联、并联储能单体数目和并联储能单元数目。
为了反映电池储能装置内部的动态变化特性，电池储能装置的数学模型要计量电源容量、荷电状态(SOC)、内部电压电流限制等因素；按照安时计量法，可得储能装置中电池的荷电状态为：
其中，Ib为电池储能装置电流，SAh为电池的安培容量，t为时间，η充放电效率；根据荷电状态(SOC)与电池开路电压得到电池开路电压Voc，电流ib经过Rseries产生的电压ΔVseries、经过Rt和Ct产生过电压电抗上的电压ΔVt、经过连接阻抗Rc后产生的连接阻抗电压ΔVc为：
其中，电池的输出电压Vout和功率ΔPb为：
如图9所示，在实际操作中，区域调频模型为现有技术中两区域互联电网的AGC数学模型；其中，区域1为火电机组，区域2位水电机组，区域1和区域2均集成有储能装置及其控制器。
S2、利用层次分析法对控制器影响控制效果的因素进行权重确定，得到适应度函数；在具体实施中，控制参数中控制器影响控制效果的因素具体指代为最大偏差幅值、稳态偏差和调节时间；通过层次分析法对大偏差幅值、稳态偏差和调节时间的权值关系进行分析，得到总排序权值和准则层权值，并根据总排序权值和准则层权值构建适应度函数。
如图2和图3所示，图2示意性的给出了层次分析法流程图，图3示意性的给出了递阶层次结构模型图；在实际操作中，通过层次分析法确立权值关系的具体步骤为：
S21、构建递阶层次结构模型；
其中，以系统稳定性为目标层Z，稳态偏差、调节时间和最大偏差幅值为准则层α，区域1到区域n-1以及联络线为方案层β，目标层、准则层和方案层依次连接；由于区域1到区域n-1的频率以及联络线功率都会受到准则层这3个因素的影响，即每个区域中都有这3个因素；而不同区域由于存在差异，其同一因素对系统稳定性的影响也不同；如区域1的稳态偏差与区域2的稳态偏差对系统稳定性的影响大小是存在差异的。
S22、构建各层次中的判断矩阵；在具体实施中，递阶层次结构可以反应出准则层与方案层各因素之间的关系，但无法反应各准则在衡量目标中所占的比重；通过对准则层的构建因子进行两两比较，建立成对比较矩阵，则可反应出准则层与方案层各因素之间的关系；每次取准则层中的两个因子xi和xj，以aij表示xi和xj对目标层影响的大小之比，其两两比较结果用矩阵A＝(aij)n×n表示；其中，A为判断矩阵。
S23、层次单排序及其一致性检验；层次单排序的具体步骤为：对判断矩阵A对应于最大特征值λmax的特征向量W进行归一化处理，得到同一层次相应因素对于上一层次相应因素的排序权值；
层次单排序的一致性检验具体步骤为：根据一致性指标计算公式计算单排序一致性指标，并根据单排序一致性指标计算出单排序一致性比例；当单排序一致性比例小于单排序一致性比例常数C0时，接收判断矩阵的单排序一致性，否则重新构建各层次中的判断矩阵；在具体实施中，C0为0.1，一致性指标计算公式为：
其中，CI为单排序一致性指标，λmax为判断矩阵A对应的最大特征值，n为区域个数。
单排序一致性比例的计算公式为：
其中，CR为单排序一致性比例，CI为单排序一致性指标，RI为平均随机一致性指标。
S24、层次总排序及其一致性检验；层次总排序的具体步骤为：设准则层包含α1，…，αm共m个因素，它们的层次总排序权重分别为a1，…，am；设方案层包含n个因素β1，…，βn，它们关于Aj的层次权重分别为b1j，…，bnj；当βi与αj无关联时，bij＝0；则β层中各因素关于总目标的权重，即为β层各因素的层次总排序权重b1，…，bn，即
层次总排序的一致性检验具体步骤为：设β1层中与αj的成对比较判断矩阵在单排序中的单排序一致性指标为CI(j)，(j＝1，…m)，平均随机一致性指标为RI(j)，则β层总排序随机一致性比例为
当CR<C0时，接收层次总排序的一致性，确立总排序权值和准则层权值，否则重新构建各层次中的判断矩阵。
在具体实施中，适应度函数为：
其中，ki为总排序权值，μi为最大偏差幅值权值，νi为稳态偏差权值，ωi为调节时间权值，Ai为最大偏差幅值，Bi为稳态偏差，Ci为调节时间，下标i为区域编号。
S3、通过遗传算法优化控制参数，得到优化参数；在具体实施中，通过遗传算法的寻优计算优化储能控制器的控制参数。
S4、根据适应度函数对优化参数进行筛选，得到优化个体；在具体实施中，适应度函数用于判断控制效果，利用适应度函数筛选出遗传算法中每一代定义设置的优化个体并对其进行保留，而将剩余的控制效果不佳的参数进行去除淘汰。
S5、将优化个体输送至储能装置中，控制储能装置的输出功率；在具体实施中，输出功率用于补偿由于火电机组响应不及时的功率，阻止频率偏差的扩大；通过与传统调频机组有效结合，参与电网的一、二次调频，随着火电机组功率的攀升逐渐减小输出功率，将系统频率维持于标准范围之内。
在实际操作中，为了验证本发明所提出的储能装置参与调频控制策略的有效性，借助Matlab/Simulink仿真平台对含储能装置的两区域互联电网的AGC数学模型进行仿真验证。
设两区域互联电网的AGC数学模型的仿真参数如下表所示：
设储能装置的仿真参数如下表所示：
在单排序一致性比例计算公式中，不同n值对应的RI值如下表所示：
设仿真过程中遗传算法的种群大小设定为500，迭代次数为30次，经过多次试验后选定Kp与Ki的取值范围均在0到5之间；同时设定对区域调频模型稳定性的影响因素从大到小为最大偏差幅值、调节时间、稳态偏差；假定区域1中的调节时间较其它区域的调节时间更为重要，区域2中的最大偏差幅值较其它区域的最大偏差幅值更为重要，联络线功率偏差中的稳态偏差较其它区域更为重要，利用层次分析法分析出的评价权值如下表所示：
在t＝0.01s时，区域1发生阶跃形式的负荷扰动，其幅值大小ΔPd1＝0.01pu，通过层次分析法和遗传算法优化后，储能装置控制器的PI控制环节的比例和积分参数Kp，Ki如下表所示：
频率偏差量在层次分析法和遗传算法控制下与ITAE控制下的最大偏差幅值、调节时间和稳态偏差进行比较，其ITAE与层次分析法和遗传算法的控制效果对比如下表所示：
如图4～图8所示，图4～图8给出了两区域互联电网的AGC数学模型的系列仿真图。
如图4所示，在0.01s时加入阶跃扰动，传统AGC控制下区域1的频率偏差最大值达到0.1Hz，经过90s的调节过程才达到稳态；加入储能装置后，储能在波动瞬间快速响应，经过层次分析法和遗传算法优化后在大约8s时便达到稳态，最大频率偏差约为0.04Hz，大大降低了负荷变化引起的频率偏差；而采用ITAE准则的图像直到32s时方才达到稳态。
如图5所示，区域2的ITAE曲线的最大频率偏差要大于层次分析法和遗传算法所控制输出的曲线，调节时间也大于后者。
如图6所示，层次分析法和遗传算法所控制输出的联络线功率稳态误差要小于ITAE。
如图7～图8所示，含有储能装置参与的调频，储能装置的响应速度要大大快于火电机组的响应速度，且有了储能之后火电机组的出力幅度更小，经由层次分析法和遗传算法配置PI控制参数的储能装置出力也变小。
综上仿真结果说明，储能装置辅助AGC进行调频确实可减小系统频率偏差、并缩短调节时间，且层次分析法和遗传算法配置PI控制器参数下的储能控制策略要好于单纯只用传统的ITAE准则作为适应度函数的控制策略。
如图10所示，图10示意性的给出了确定最优参数的操作流程图，其先设定区域调频模型中加入储能装置及其控制器；根据其中种群大小，进化代数，并确定控制参数中的参数大小范围；之后初始化种群，其中控制器的比例系数构成种群P1，控制器的微分系数构成种群P2；并根据种群P1、种群P2和权重系数求得适应度函数，并利用轮盘赌法选择较优个体进入下一代；之后对进入下一代的个体进行交叉、变异等操作，产生下一代个体；并判断进化代数是否达到最大值，若果是，则输出该结果，如果不是则返回适应度函数的求得步骤之前。
该基于AHP和GA的储能装置参与电网调频的参数优化方法解决了电力系统调频过程中火电机组响应速度慢、不适合参与短周期调频的问题；其基于层次分析法(AHP)和遗传算法(GA)相结合的优化算法以优化储能装置及其控制器的参数，使控制器能更好的控制储能装置并参与调频；通过层次分析法确定出最大频率偏差幅值、稳态偏差、调节时间之间的权重大小，构造出一个遗传算法的适应度函数，再由遗传算法进行寻优计算得到最佳的控制器参数。
同时，借助了MATLAB/Simulink对储能装置参与电网调频的两区域系统进行仿真，其结果表明，优化后的控制器可以有效控制储能装置并辅助AGC进行调频，能够及时响应扰动，相对于传统以时间绝对偏差乘积积分(ITAE)准则作为适应度函数的参数优化效果更好。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将使显而易见的，本文所定义的一般原理可以在不脱离发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制与本文所示的这些实施例，而是要符合与本文所公开的原理和新颖性特点相一致的最宽的范围。
Claims (3)
1.一种基于AHP和GA的储能装置参与电网调频的参数优化方法，其特征在于，包括：
S1、在区域调频模型中加入储能装置及其控制器；
S2、利用层次分析法对所述控制器影响控制效果的因素进行权重确定，得到适应度函数；所述影响控制效果的因素包括最大偏差幅值、稳态偏差和调节时间；所述S2的具体步骤为：通过层次分析法对所述最大偏差幅值、稳态偏差和调节时间的权值关系进行分析，得到总排序权值和准则层权值，并根据所述总排序权值和准则层权值构建所述适应度函数；
所述适应度函数为：
其中，ki为总排序权值，μi为最大偏差幅值权值，νi为稳态偏差权值，ωi为调节时间权值，Ai为最大偏差幅值，Bi为稳态偏差，Ci为调节时间；
通过层次分析法确立权值关系的具体步骤为：
S21、构建递阶层次结构模型；
以系统稳定性为目标层，稳态偏差、调节时间和最大偏差幅值为准则层，区域1到区域n-1以及联络线为方案层；
依次连接所述目标层、准则层和方案层；
S22、构建各层次中的判断矩阵；
对准则层的构建因子进行两两比较，建立成对比较矩阵，即每次取准则层中的两个因素xc和xd，以acd表示xc和xd对所述目标层影响的大小之比，其两两比较结果用矩阵A＝(acd)n×n表示；其中，A为判断矩阵；
S23、层次单排序及其一致性检验；所述层次单排序的具体步骤为：对判断矩阵A对应于最大特征值λmax的特征向量W进行归一化处理，得到同一层次相应因素对于上一层次相应因素的排序权值；
所述层次单排序的一致性检验具体步骤为：根据一致性指标计算公式计算单排序一致性指标，并根据所述单排序一致性指标计算出单排序一致性比例；当单排序一致性比例小于单排序一致性比例常数C0时，接收判断矩阵的单排序一致性，否则重新构建各层次中的判断矩阵；其中，C0为0.1；
S24、层次总排序及其一致性检验；所述层次总排序的具体步骤为：设准则层包含α1，…，αm共m个因素，它们的层次总排序权重分别为a1，…，am；设方案层即β层包含n个因素β1，…，βn，它们关于aj的层次权重分别为b1j，…，bnj；当βi与aj无关联时，bij＝0；则β层中各因素关于总目标的权重b1，…，bn，即为β层各因素的层次总排序权重，即
所述层次总排序的一致性检验具体步骤为：设β1层中与αj的成对比较判断矩阵在单排序中的单排序一致性指标为CI(j)，j＝1，…m，平均随机一致性指标为RI(j)，则β层总排序随机一致性比例为
当CR＜C0时，接收层次总排序的一致性，确立总排序权值和准则层权值，否则重新构建各层次中的判断矩阵；
所述一致性指标计算公式为：
其中，CI为单排序一致性指标，λmax为判断矩阵A对应的最大特征值，n为方案层因素个数
S3、通过遗传算法优化控制参数，得到优化参数；
S4、根据所述适应度函数对所述优化参数进行筛选，得到优化个体；
S5、将所述优化个体输送至所述储能装置中，控制所述储能装置的输出功率；
所述区域调频模型为两区域互联电网的AGC数学模型；其中，区域1为火电机组，区域2为水电机组，所述区域1和区域2均集成有储能装置及其控制器；
所述输出功率用于补偿由于火电机组响应不及时的功率，阻止频率偏差的扩大。
2.根据权利要求1所述的基于AHP和GA的储能装置参与电网调频的参数优化方法，其特征在于：所述单排序一致性比例的计算公式为：
其中，CR为单排序一致性比例，CI为单排序一致性指标，RI为平均随机一致性指标。
3.根据权利要求1所述的基于AHP和GA的储能装置参与电网调频的参数优化方法，其特征在于：所述储能装置为电池储能装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710084323.7A CN106875055B (zh) | 2017-02-16 | 2017-02-16 | 基于ahp和ga的储能装置参与电网调频的参数优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710084323.7A CN106875055B (zh) | 2017-02-16 | 2017-02-16 | 基于ahp和ga的储能装置参与电网调频的参数优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106875055A CN106875055A (zh) | 2017-06-20 |
| CN106875055B true CN106875055B (zh) | 2020-12-29 |
Family
ID=59166338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710084323.7A Active CN106875055B (zh) | 2017-02-16 | 2017-02-16 | 基于ahp和ga的储能装置参与电网调频的参数优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106875055B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549974B (zh) * | 2018-03-22 | 2020-07-24 | 国电南瑞科技股份有限公司 | 一种基于层次分析法的cime电网模型评价方法 |
| CN108932669A (zh) * | 2018-06-27 | 2018-12-04 | 北京工业大学 | 一种基于监督式层次分析法的异常账户检测方法 |
| CN109829605A (zh) * | 2018-12-13 | 2019-05-31 | 国网浙江省电力有限公司经济技术研究院 | 基于模糊层次分析法的电网工程项目风险评价方法 |
| CN112838604B (zh) * | 2020-10-21 | 2022-03-25 | 国网河南省电力公司电力科学研究院 | 一种储能电站群参与电力系统agc的优化方法及系统 |
| CN113241805B (zh) * | 2021-06-11 | 2023-01-20 | 云南电网有限责任公司电力科学研究院 | 一种电网二次调频方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103346562B (zh) * | 2013-07-11 | 2015-06-17 | 江苏省电力设计院 | 计及需求响应的多时间尺度微网能量控制方法 |
| CN104899459A (zh) * | 2015-06-16 | 2015-09-09 | 北京亿利智慧能源科技有限公司 | 基于层次分析法的电池性能评价方法 |
| CN106096285B (zh) * | 2016-06-16 | 2018-06-19 | 东北电力大学 | 一种储能系统应对高风电渗透率系统调频需求效用评估方法 |
-
2017
- 2017-02-16 CN CN201710084323.7A patent/CN106875055B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106875055A (zh) | 2017-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875055B (zh) | 基于ahp和ga的储能装置参与电网调频的参数优化方法 | |
| CN108872866B (zh) | 一种锂离子电池荷电状态动态评估与长效预测融合方法 | |
| CN107765190B (zh) | 一种长寿命快充型磷酸铁锂电池的寿命预测方法 | |
| US20090177333A1 (en) | System, method, and article of manufacture for controlling operation of an electrical power generation system | |
| CN104485681B (zh) | 一种风电场储能系统的监控方法 | |
| CN108306285B (zh) | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 | |
| CN113964885B (zh) | 一种基于态势感知的电网无功主动预测及控制方法 | |
| CN102569922A (zh) | 一种基于单体电池一致性的蓄电池组soc估计改进方法 | |
| CN109193719A (zh) | 一种评估分布式储能系统聚合调频性能的建模方法和系统 | |
| CN109066728B (zh) | 特高压电网多个区间振荡模式在线阻尼协调控制方法 | |
| CN113437756B (zh) | 考虑配电网静态电压稳定性的微电网优化配置方法 | |
| CN109839599A (zh) | 基于二阶ekf算法的锂离子电池soc估计方法 | |
| CN108551175A (zh) | 配电网储能容量配置方法 | |
| CN113807039A (zh) | 一种串联型电池系统的功率状态预测方法 | |
| CN114217234B (zh) | 一种基于ide-asrckf的锂离子电池参数辨识与soc估计方法 | |
| Bagheri et al. | Impacts of renewable energy sources by battery forecasting on smart power systems | |
| CN108830451A (zh) | 一种用户侧分布式储能的汇聚潜力评估方法及系统 | |
| Pai et al. | Online estimation of lithium-ion battery equivalent circuit model parameters and state of charge using time-domain assisted decoupled recursive least squares technique | |
| CN112821420B (zh) | 一种基于XGBoost的ASFR模型中动态阻尼因子、多维频率指标的预测方法及系统 | |
| CN114123213A (zh) | 一种电网的时空功率均衡方法及系统 | |
| Geng et al. | SOC Prediction of power lithium battery using BP neural network theory based on keras | |
| Sulaiman et al. | Partial evolutionary ANN for output prediction of a grid-connected photovoltaic system | |
| CN105896547B (zh) | 一种风电接入下的大电网分级电压控制方法 | |
| CN110661264B (zh) | 基于带惯性权重粒子群算法的安全约束最优潮流计算方法 | |
| CN114779105A (zh) | 一种锂电池组的不一致性估计方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240220 Address after: Room 102-3, Building E2, No. 289 Laiqing Road, Wenquan Street Office, Jimo District, Qingdao City, Shandong Province, 266000 Patentee after: Qingdao Nahui Energy Technology Co.,Ltd. Country or region after: China Address before: 610031 No. two, section 111, ring road, Chengdu, Sichuan, China Patentee before: SOUTHWEST JIAOTONG University Country or region before: China |