CN107221925A - 优化分布式电源配置方法及装置 - Google Patents
优化分布式电源配置方法及装置 Download PDFInfo
- Publication number
- CN107221925A CN107221925A CN201710327023.7A CN201710327023A CN107221925A CN 107221925 A CN107221925 A CN 107221925A CN 201710327023 A CN201710327023 A CN 201710327023A CN 107221925 A CN107221925 A CN 107221925A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- photovoltaic
- battery
- munderover
- 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.)
- Pending
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
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Abstract
本发明公开一种优化分布式电源配置方法及装置,能够提高微电网电源容量优化配置效果。该方法包括:S1、以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型;S2、用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量,以所述目标函数作为适应度函数,应用遗传粒子群方法,寻找最优的光/储组合(α,Npv,Nbs),使目标函数的值最小;S3、根据所述最优的光/储组合(α,Npv,Nbs)对独立光/储微电网进行分布式电源优化配置。
Description
技术领域
本发明涉及分布式电源领域,具体涉及一种优化分布式电源配置方法及装置。
背景技术
分布式电源(DG)有利于减少新的输电走廊,解决边远地区的小负荷用电等问题,在节能、环保开辟利用可再生能源新方式等方面发挥较大作用。DG的优化配置是微电网规划设计阶段的重要内容,对保证系统投资成本、供电可靠性等方面具有重要的指导意义。
现有的研究中对微电网电源容量优化配置主要采用年成本为单目标函数,优化目标单一,对于多目标权重的处理由个人主观判断确定,未给出科学的方法,从而使微电网电源容量优化配置效果不能达到预期。
发明内容
针对现有技术存在的缺陷,本发明实施例提出一种优化分布式电源配置方法及装置。
一方面,本发明实施例提出一种优化分布式电源配置方法,包括:
S1、以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型;
S2、用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量,以所述目标函数作为适应度函数,应用遗传粒子群方法,寻找最优的光/储组合(α、Npv、Nbs),使目标函数的值最小;
S3、根据所述最优的光/储组合(α,Npv,Nbs)对独立光/储微电网进行分布式电源优化配置。
另一方面,本发明实施例提出一种优化分布式电源配置装置,包括:
建立单元,用于以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型;
计算单元,用于用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量,以所述目标函数作为适应度函数,应用遗传粒子群方法,寻找最优的光/储组合(α、Npv、Nbs),使目标函数的值最小;
配置单元,用于根据所述最优的光/储组合(α、Npv、Nbs)对独立光/储微电网进行分布式电源优化配置。
本发明实施例提供的优化分布式电源配置方法及装置,特别针对含光伏阵列、铅酸蓄电池的独立运行微电网电源容量的优化配置,提出一种以独立光/储微电网电源的总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数的多目标优化模型,并基于此模型计算光伏电池板角度以及光伏电池板和蓄电池的最优配置数量的方案,相较于现有技术,创新之处在于给出的是3目标优化方法,考虑的指标有微电网电源的总成本、负荷缺电率和能量浪费倍率,能够提高微电网电源容量优化配置效果,为偏远地区独立光/储混合微电网电源容量配置提供有益补充。
附图说明
图1为本发明优化分布式电源配置方法一实施例的流程示意图;
图2为图1中S2一实施例的流程示意图;
图3为本发明优化分布式电源配置装置一实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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地描述,显然,所描述的实施例是本发明一部分实施例,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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参看图1,本实施例公开一种优化分布式电源配置方法,包括:
S1、以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型;
S2、用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量,以所述目标函数作为适应度函数,应用遗传粒子群方法,寻找最优的光/储组合(α、Npv、Nbs),使目标函数的值最小;
S3、根据所述最优的光/储组合(α,Npv,Nbs)对独立光/储微电网进行分布式电源优化配置。
本发明实施例提供的优化分布式电源配置方法,特别针对含光伏阵列、铅酸蓄电池的独立运行微电网电源容量的优化配置,提出一种以独立光/储微电网电源的总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数的多目标优化模型,并基于此模型计算光伏电池板角度以及光伏电池板和蓄电池的最优配置数量的方案,相较于现有技术,创新之处在于给出的是3目标优化方法,考虑的指标有微电网电源的总成本、负荷缺电率和能量浪费倍率,能够提高微电网电源容量优化配置效果,为偏远地区独立光/储混合微电网电源容量配置提供有益补充。
本发明研究是由光伏阵列、蓄电池组成的独立运行微电网,根据已知光伏发电Ppv单元模型以及蓄电池充放电模型St+Δt研究独立微网容量优化配置方法,其中St+Δt由t时刻的荷电状态(SOC)值St及Δt时段内蓄电池的充放电功率产生的SOC值组成。
本发明以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型,优化变量为系统光伏电池板角度以及光伏电池板和蓄电池的配置数量,目标函数f为
min f=min(C,fLPSP,fEXC) (1)
C为微电网系统电源年总成本,万元;fLPSP为代表系统供电可靠性的年负荷缺电率;fEXC为年能量浪费倍率。
1)系统成本
独立光/储微电网电源系统的年总成本
C=C1+C2+C3 (2)
式中:C1=(NpvCpv+NbsCbs)fcr光伏设备初始投资成本,万元;C2为光伏年运行维护成本,万元,C3为光伏设备替换成本。式中:Cpv、Cbs分别为光伏电板、蓄电池的单价,万元;Npv、Nbs分别为光伏电板、蓄电池的数量,fcr为现值系数。
2)系统供电可靠性
本发明考虑光/储分布式发电保障负荷电力需求的能力,因此以负荷缺电率(用LPSP表示)表征系统供电可靠性,其表达式为:
式中:Ppv(ti)、Pbs(ti)、PL(ti)分别为ti时刻光伏、蓄电池和负荷的功率,kW;N为计算时段内的采样点数,Δt为计算时间段。显然fLPSP越小,供电可靠性越高。
3)电能浪费率
以能量过剩倍率表征系统的电能浪费率,即特定时期内浪费的能量除以系统负荷总需求能量,其表达式为
显然fEXC越小,电能浪费得越少,资源的利用效率越高。
4)约束条件
其中SOCmin和SOCmax分别为蓄电池荷电存储状态值St的下限值和上限值;0<α<90°光伏电池板倾角α倾角约束;光伏机组和蓄电池数量约束为0<Npv<Npvmax,0<Nbs<Nbsmax。
独立光伏/储微电网系统中,由于光伏以及负荷具有很强的随机性,其容量优化配置是一个典型的非线性优化问题,因此,本发明采用离散变量处理能力强、全局寻优能力和运行效率高的改进粒子群算法来优化光伏/储容量配置。
根据本发明的容量优化配置问题,负荷缺电率以反映微电网用户的供电可靠性水平;其次是系统成本,能体现方案的经济性;电能量浪费倍率反映可再生能源的利用效率;光储总输出功率相对负荷功率的波动率,能体现光伏电源输出与负荷的匹配程度。
改进的粒子群算法采用固定长度的二进制字符串来表示群体中的个体,针对本发明的优化问题,用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量。以式(1)目标函数作为适应度函数,应用遗传粒子群方法,寻找到最优的光/储组合(α、Npv、Nbs),使目标函数的值最小。算法的整体流程如图2所示。
参看图2,算法的工作过程:
(a)输入数据,包括光照强度、温度、蓄电池和光伏参数等,确定目标函数,初始种群粒子数等;
(b)依据初始种群数和约束条件(5)初始化粒子种群,每个粒子均得到一种机组容量配比方式,组合以二进制编码表示;
(c)对每个粒子生成的机组容量配比方式,负荷功率要求,计算该配比方式全年出力;
(d)判断此容量配比方式是否满足功率平衡要求,是否满足能源损失率性能指标,如果都满足,则选取最优粒子值,判断是否达到最大迭代次数,当达到最大迭代次数,则最终选出最优组合。当此容量配比方式不满足功率平衡要求,或不满足能源损失率性能指标时,将粒子放入遗传个体互异的优秀数据库,通过交叉、变异操作形成新的粒子,重新从粒子种群初始化,即步骤(b)开始执行,直至得到最优电源配置。
参看图3,本实施例公开一种优化分布式电源配置装置,包括:
建立单元1,用于以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型;
计算单元2,用于用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量,以所述目标函数作为适应度函数,应用遗传粒子群方法,寻找最优的光/储组合(α、Npv、Nbs),使目标函数的值最小;
配置单元3,用于根据所述最优的光/储组合(α、Npv、Nbs)对独立光/储微电网进行分布式电源优化配置。
本发明实施例提供的优化分布式电源配置装置,特别针对含光伏阵列、铅酸蓄电池的独立运行微电网电源容量的优化配置,提出一种以独立光/储微电网电源的总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数的多目标优化模型,并基于此模型计算光伏电池板角度以及光伏电池板和蓄电池的最优配置数量的方案,相较于现有技术,创新之处在于给出的是3目标优化方法,考虑的指标有微电网电源的总成本、负荷缺电率和能量浪费倍率,能够提高微电网电源容量优化配置效果,为偏远地区独立光/储混合微电网电源容量配置提供有益补充。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的说明书中,说明了大量具体细节。然而能够理解的是,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本发明公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释呈反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (4)
1.一种优化分布式电源配置方法,其特征在于,包括:
S1、以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型;
S2、用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量,以所述目标函数作为适应度函数,应用遗传粒子群方法,寻找最优的光/储组合(α、Npv、Nbs),使目标函数的值最小;
S3、根据所述最优的光/储组合(α,Npv,Nbs)对独立光/储微电网进行分布式电源优化配置。
2.根据权利要求1所述的方法,其特征在于,所述目标函数f为minf=min(C,fLPSP,fEXC),
式中,C为微电网系统电源年总成本,C=C1+C2+C3,C1=(NpvCpv+NbsCbs)fcr,C2为光伏年运行维护成本,C3为光伏设备替换成本,Cpv、Cbs分别为光伏电板、蓄电池的单价,Npv、Nbs分别为光伏电板、蓄电池的数量,fcr为现值系数,
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>L</mi>
<mi>P</mi>
<mi>S</mi>
<mi>P</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>b</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>b</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
Ppv(ti)、Pbs(ti)、PL(ti)分别为ti时刻光伏、蓄电池和负荷的功率,N为计算时段内的采样点数,Δt为计算时间段,
SOCmin和SOCmax分别为蓄电池荷电存储状态值St的下限值和上限值;0<α<90°为光伏电池板倾角α倾角约束;光伏机组和蓄电池数量约束分别为0<Npv<Npvmax,0<Nbs<Nbsmax,Npvmax和Nbsmax分别为光伏机组和蓄电池数量上限值。
3.一种优化分布式电源配置装置,其特征在于,包括:
建立单元,用于以独立光/储微电网电源总成本、负荷缺电率和能量浪费倍率3指标最小为目标函数建立多目标优化模型;
计算单元,用于用α、Npv、Nbs分别表示光伏电池板角度、光伏电池板和蓄电池的配置数量,以所述目标函数作为适应度函数,应用遗传粒子群方法,寻找最优的光/储组合(α、Npv、Nbs),使目标函数的值最小;
配置单元,用于根据所述最优的光/储组合(α、Npv、Nbs)对独立光/储微电网进行分布式电源优化配置。
4.根据权利要求3所述的装置,其特征在于,所述目标函数f为minf=min(C,fLPSP,fEXC),
式中,C为微电网系统电源年总成本,C=C1+C2+C3,C1=(NpvCpv+NbsCbs)fcr,C2为光伏年运行维护成本,C3为光伏设备替换成本,Cpv、Cbs分别为光伏电板、蓄电池的单价,Npv、Nbs分别为光伏电板、蓄电池的数量,fcr为现值系数,
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>L</mi>
<mi>P</mi>
<mi>S</mi>
<mi>P</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>b</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>p</mi>
<mi>v</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>b</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mi>L</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
Ppv(ti)、Pbs(ti)、PL(ti)分别为ti时刻光伏、蓄电池和负荷的功率,N为计算时段内的采样点数,Δt为计算时间段,
SOCmin和SOCmax分别为蓄电池荷电存储状态值St的下限值和上限值;0<α<90°为光伏电池板倾角α倾角约束;光伏机组和蓄电池数量约束分别为0<Npv<Npvmax,0<Nbs<Nbsmax,Npvmax和Nbsmax分别为光伏机组和蓄电池数量上限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710327023.7A CN107221925A (zh) | 2017-05-10 | 2017-05-10 | 优化分布式电源配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710327023.7A CN107221925A (zh) | 2017-05-10 | 2017-05-10 | 优化分布式电源配置方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107221925A true CN107221925A (zh) | 2017-09-29 |
Family
ID=59944481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710327023.7A Pending CN107221925A (zh) | 2017-05-10 | 2017-05-10 | 优化分布式电源配置方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107221925A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107482992A (zh) * | 2017-10-11 | 2017-12-15 | 河海大学 | 一种考虑经济因素的电站级光伏倾角优化方法 |
CN108988370A (zh) * | 2018-08-22 | 2018-12-11 | 广东电网有限责任公司 | 电力系统中储能装置的容量确定方法、设备及存储介质 |
CN109149564A (zh) * | 2018-08-31 | 2019-01-04 | 国网浙江省电力有限公司经济技术研究院 | 一种交直流混合配电网分布式电源优化配置方法 |
CN110766224A (zh) * | 2019-10-23 | 2020-02-07 | 国网冀北电力有限公司秦皇岛供电公司 | 一种光伏-蓄热装置容量的优化配置方法和装置 |
CN110942217A (zh) * | 2018-09-21 | 2020-03-31 | 潜能恒信能源技术股份有限公司 | 一种构建零碳绿色能源体系的方法和系统 |
CN108418205B (zh) * | 2018-02-24 | 2021-04-02 | 大工(青岛)新能源材料技术研究院有限公司 | 光储离网系统选型配置方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2754268Y (zh) * | 2004-09-30 | 2006-01-25 | 新疆新能源股份有限公司 | 光伏发电自动跟踪控制装置 |
CN104158203A (zh) * | 2014-08-21 | 2014-11-19 | 重庆大学 | 一种微电网电源容量优化配置方法 |
-
2017
- 2017-05-10 CN CN201710327023.7A patent/CN107221925A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2754268Y (zh) * | 2004-09-30 | 2006-01-25 | 新疆新能源股份有限公司 | 光伏发电自动跟踪控制装置 |
CN104158203A (zh) * | 2014-08-21 | 2014-11-19 | 重庆大学 | 一种微电网电源容量优化配置方法 |
Non-Patent Citations (2)
Title |
---|
刘艳萍: "风光储混合发电系统容量优化及协调控制方法", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
高峰等: "独立风/光/储混合微电网多目标电源容量优化配置", 《智能电网》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107482992A (zh) * | 2017-10-11 | 2017-12-15 | 河海大学 | 一种考虑经济因素的电站级光伏倾角优化方法 |
CN108418205B (zh) * | 2018-02-24 | 2021-04-02 | 大工(青岛)新能源材料技术研究院有限公司 | 光储离网系统选型配置方法 |
CN108988370A (zh) * | 2018-08-22 | 2018-12-11 | 广东电网有限责任公司 | 电力系统中储能装置的容量确定方法、设备及存储介质 |
CN109149564A (zh) * | 2018-08-31 | 2019-01-04 | 国网浙江省电力有限公司经济技术研究院 | 一种交直流混合配电网分布式电源优化配置方法 |
CN110942217A (zh) * | 2018-09-21 | 2020-03-31 | 潜能恒信能源技术股份有限公司 | 一种构建零碳绿色能源体系的方法和系统 |
CN110942217B (zh) * | 2018-09-21 | 2023-04-07 | 潜能恒信能源技术股份有限公司 | 一种构建零碳绿色能源体系的方法和系统 |
CN110766224A (zh) * | 2019-10-23 | 2020-02-07 | 国网冀北电力有限公司秦皇岛供电公司 | 一种光伏-蓄热装置容量的优化配置方法和装置 |
CN110766224B (zh) * | 2019-10-23 | 2023-11-10 | 国网冀北电力有限公司秦皇岛供电公司 | 一种光伏-蓄热装置容量的优化配置方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun | A multi-objective optimization model for fast electric vehicle charging stations with wind, PV power and energy storage | |
Khezri et al. | Review on the state‐of‐the‐art multi‐objective optimisation of hybrid standalone/grid‐connected energy systems | |
Wang et al. | Capacity planning and optimization of business park-level integrated energy system based on investment constraints | |
CN107221925A (zh) | 优化分布式电源配置方法及装置 | |
Peng et al. | Optimization of a hybrid system for solar-wind-based water desalination by reverse osmosis: Comparison of approaches | |
Wu et al. | Optimal battery capacity of grid-connected PV-battery systems considering battery degradation | |
CN105591406B (zh) | 一种基于非合作博弈的微电网能量管理系统的优化算法 | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN105811409B (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
Fan et al. | Energy management strategies and multi-objective optimization of a near-zero energy community energy supply system combined with hybrid energy storage | |
CN109670730A (zh) | 一种综合能源系统日前经济调度方法 | |
CN110350523A (zh) | 基于需求响应的多能源互补优化调度方法 | |
CN104158203A (zh) | 一种微电网电源容量优化配置方法 | |
CN105896596B (zh) | 一种考虑需求侧响应的风电功率分层平滑系统及其方法 | |
CN110429653A (zh) | 考虑储能和dr的农网分布式光伏消纳方法及终端设备 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
Hou et al. | Data-driven economic dispatch for islanded micro-grid considering uncertainty and demand response | |
CN110276485A (zh) | 一种孤立能源系统的综合能源容量优化方法、装置及设备 | |
Liu et al. | Multi-scenario analysis and collaborative optimization of a novel distributed energy system coupled with hybrid energy storage for a nearly zero-energy community | |
Mei et al. | Multi-objective optimal scheduling of microgrid with electric vehicles | |
Zhang et al. | Deep reinforcement learning based bi-layer optimal scheduling for microgrid considering flexible load control | |
Gusain et al. | Study of meta-heuristic optimization methodologies for design of hybrid renewable energy systems | |
CN110991764A (zh) | 一种综合能源系统日前滚动优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |