CN108879793B - 一种风光蓄能水电站互补的离网式混合能源系统优化方法 - Google Patents

一种风光蓄能水电站互补的离网式混合能源系统优化方法 Download PDF

Info

Publication number
CN108879793B
CN108879793B CN201810763341.2A CN201810763341A CN108879793B CN 108879793 B CN108879793 B CN 108879793B CN 201810763341 A CN201810763341 A CN 201810763341A CN 108879793 B CN108879793 B CN 108879793B
Authority
CN
China
Prior art keywords
particle
wind
energy
energy system
grid
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
Application number
CN201810763341.2A
Other languages
English (en)
Other versions
CN108879793A (zh
Inventor
胡维昊
李坚
黄琦
许潇
张真源
蔡东升
易建波
井实
吴夏炜
曹迪
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201810763341.2A priority Critical patent/CN108879793B/zh
Publication of CN108879793A publication Critical patent/CN108879793A/zh
Application granted granted Critical
Publication of CN108879793B publication Critical patent/CN108879793B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/382—
    • H02J3/383—
    • H02J3/386—
    • 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]
    • 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
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种风光蓄能水电站互补的离网式混合系统优化方法，通过构建离网式混合能源系统的各单元出力模型，以经济性和可靠性双目标函数，在约束条件下，采用混合粒子群算法对离网式混合能源系统行优化。这样考虑了新能源发电机组的动态运行特性，并将经济性指标和可靠性指标同时纳入优化范围作为系统的优化目标函数，综合评估了一个混合能源系统经济性和供电可靠性之间的相互影响，最后通过分析得出优化后的方案更加合理。

Description

一种风光蓄能水电站互补的离网式混合能源系统优化方法
技术领域
本发明属于新能源技术领域，更为具体地讲，涉及一种风光蓄能型小水电 站互补的离网式混合系统优化方法。
背景技术
随着社会和经济的发展，人们对生活质量的要求也逐渐提高，环境污染也 引起了越来越多的关注。可再生能源是一种清洁能源，其可以替代会对环境造 成严重污染的化石燃料——不可再生能源，产生足够的电力，从而满足人们对 日常生活和社会发展的需求。可再生能源的开发利用不仅可以有效减少温室气 体的排放，而且能使更多的偏远地区获得电力供应。我国电力发展规划中提出 要解决弃风限电问题和全面推进分布式光伏发电建设，但由于风力和光伏发电 具有强间歇性和波动性等特点，其制约了风电和光电规模化消纳，推动多能源 互补是新能源电力综合开发的方向；具有发电成本低、调节能力强等优势的水 电，是实现多能源互补发电的重要纽带。多能源互补发电实际上就是混合能源 系统，对其进行配置优化后不仅能够有效解决“弃水弃光弃风”问题，还能给某些 偏远地区，特别是一些电网尚未延伸到的偏远地区，提供稳定可靠的电力供应。
近些年，国内外都在混合能源系统研究领域取得了不少成果，不仅对各类 离网式混合能源系统进行了研究，还提出了很多关于离网式混合能源系统的优 化方法。例如，文献“Tao Ma,Hongxing Yang,Lin Lu,Jinqing Peng,Pumped storage-based standalonephotovoltaic power generation system:Modeling and techno-economicoptimization,Applied Energy,vol.137,pp.649-659,2015”基于技 术经济指标，采用遗传算法优化了离网式光伏-抽水蓄能水电站混合能源系统的 配置；文献“FontinaPetrakopoulou,Alexander Robinson,Maria Loizidou,Simulation and analysis of astand-alone solar-wind and pumped-storage hydropower plant, Energy,vol.96,pp.676-683,2016”根据离网运行时的负荷需求，对在爱琴海的光 伏-风力-抽水蓄能水电站进行了模拟和评估。风/光/蓄能型小水电站互补的混合 能源系统能够向负荷提供持续可靠的电力，其中，蓄能型小水电站即充分利用 了流入水库的自然水流又具备储能功能。所述离网式混合能源系统中包含可再 生能源发电单元和具有储能功能，因此需要提供一种考虑可再生能源发电的波 动性和电力负荷特性对系统运行影响的技术方案。
发明内容
本发明的目的在于克服现有技术的不足，提供一种风光蓄能水电站互补的 离网式混合系统优化方法，在考虑发电机组动态运行特性下，构建了离网式混 合能源系统规划模型，以经济性指标和可靠性指标同时作为系统的优化目标， 完成离网式混合系统的优化。
为实现上述发明目的，本发明一种风光蓄能水电站互补的离网式混合系统 优化方法，其特征在于，包括以下步骤：
(1)、构建离网式混合能源系统的出力模型；
(1.1)、构建离网式混合能源系统的光伏阵列出力模型
Figure BDA0001728409810000021
其中，
Figure BDA0001728409810000022
为光伏阵列的出力功率，η1为逆变器变换效率，η2为逆变器损失效 率，η3为光伏阵列在参考温度T1下的参考效率，e为温度系数，T0为光伏阵列的 运行温度，A为离网式混合能源系统中光伏阵列的规划面积，G1为在倾斜的光伏 阵列上总的太阳辐射，G2为太阳直射强度，G3为漫射强度，G4为地面反射强度， G5为水平直射强度，θ为入射角，θ0为天顶角，G6为在倾斜角为β表面上的散射 强度，F1为环绕太阳的度数，F2为地平线各向异性的度数，T2为光伏阵列表面 的温度，T3为环境温度，ω为安装系数，V1为在光伏阵列表面上的风速，V0为在 参考高度的风速，z为光伏安装高度，z0为相对于地面的参考高度,ai(i＝1…9)均 为常数；
(1.2)、构建离网式混合能源系统中风力发电机组的出力模型
Figure BDA0001728409810000031
其中，
Figure BDA0001728409810000032
为风力发电机的出力功率,n0为实际的风力发电机数量，N0为最大 的风力发电机数量，且n0∈[1,N0]，V3为在风机安装高度处的实际风速，P1为风机 的额定功率，V2为额定风速，V4为风机的切入风速，V5为风机的切出风速；
(1.3)、构建离网式混合能源系统中蓄能型小水电站模型
Figure BDA0001728409810000033
其中，V为蓄能型小水电站的规划容量，b、c和h2分别为蓄能型小水电站 的长度、宽度和坝高，V″和V′分别为该时刻和上一时刻蓄能型小水电站中的水 量，Q1为流入的天然入流量，Q2为正值表示变速水泵抽的水量，Q2为负值表示 水轮机释放的水量，Q3为水轮机的吞吐量，Q4为水轮机释放的水量，h3为蓄能 型小水电站的基准高度，η4为水轮机的效率，ρ为水的密度，g为重力加速度， Q5为变速泵抽取的水量，V6为蓄能型水电站的容量，η5为变速泵的效率,E1为水 轮机发的电能，E2为变速泵消耗的电能；
(1.4)、构建离网式混合能源系统的能量平衡方程
E3＝E4+E5-E6
其中，E3表示离网式混合能源系统中能够产生的多余或不足的能量，E4为 风力发电机产生的能量，E5为光伏阵列产生的能量，E6为电力负荷单元的能量 需求；
(2)、构建离网式混合能源系统的经济性目标函数；
Figure BDA0001728409810000041
其中，LCOE为能量的平准化成本，C1为离网式混合能源系统的年总成本，C2为离网式混合能源系统的净现成本，CRF为资金回收系数，τ为各设备的生命周 期，
Figure BDA0001728409810000042
为年实际利率，
Figure BDA0001728409810000043
为名义利率，f为年通货膨胀率；
(3)、构建离网式混合能源系统的可靠性目标函数；
Figure BDA0001728409810000044
其中，LPSP为离网式混合能源系统发生负荷丢失的概率，T*为总时刻数， E4(t*)为风力发电机在时刻t*产生的能量，E5(t*)为光伏面板在时刻t*产生的能量， E1(t*)为蓄能式水电站在时刻t*产生的能量，E3(t*)为电力负荷单元在时刻t*的能 量需求；
(4)、根据电能的供需求平衡，确定离网式混合能源系统的约束条件；
Figure BDA0001728409810000045
其中，A1为离网式混合能源系统中光伏阵列的最大安装面积，P为离网式 混合能源系统中变速抽水泵的额定功率，P1为离网式混合能源系统中变速抽水 泵的最大额定功率，P2为离网式混合能源系统中水轮机的额定功率，P3为离网式 混合能源系统中水轮机的最大额定功率，V*为离网式混合能源系统中蓄能式小 水电站的负荷需求最大库容量；
(5)、基于离网式混合能源系统的出力模型及约束条件，利用混合粒子群 算法对离网式混合能源系统的经济性和可靠性目标函数进行优化；
(5.1)、将离网式混合能源系统的经济性与可靠性目标函数作为混合粒子群 算法中的目标函数，将离网式混合能源系统中实际的风力发电机数量n0、光伏 阵列的规划面积A、变速抽水泵的额定功率P、水轮机的额定功率P2和蓄能型 小水电站的库容量V作为混合粒子群算法中的优化变量；
(5.2)、设置最大迭代次数T，在约束条件范围内，随机初始化粒子种群中 各粒子的位置和速度；
(5.3)、根据当前t时刻各粒子的位置评估每个粒子的适应值，其中， t＝1，2，…，T；再将当前各粒子的位置和适应值存储在数组pbest中，并将pbest中 适应值最优的粒子位置和适应值存储在数据gbest中；
(5.4)、遍历整个粒子种群，如果某一个粒子当前位置的适应值优于该粒子 的历史最优值，则将该粒子历史最好位置和最优适应值用该粒子当前的状态进 行替换；对每个粒子，若当前位置的适应值优于整个粒子种群的历史最优值， 则将整个粒子种群历史最好位置和最优适应值用该粒子当前的状态进行替换；
(5.5)、判断当前时刻t是否达到最大迭代次数T，若达到，进入步骤(5.8)； 若未达到，进入步骤(5.6)；
(5.6)、更新混合粒子群算法中所有粒子在当前时刻t时的速度和位置；
(5.7)、考虑到风力发电机的个数为整数，按照如下公式对更新后的粒子中 的风力发电机的个数n0进行处理：
dj＝|n0-yj|for j＝1,2,…,N0；
其中，dj为绝对距离；当dj＝0时，n0为整数值，yj为约束条件中第j个值， 即为所选取的整数值；当dj≠0时，n0为非整数值，则对dj进行概率取整操作：
Figure BDA0001728409810000061
pj为整数变量取为约束条件中第j个值的概率；概率最大的pj对应的yj为 所取整数值，即得到规划后的风力发电机数n0，再返回步骤(5.3)；
(5.8)、输出历史最优粒子位置，即历史最优适应值对应的粒子位置，算法 结束，最终得到离网式混合能源系统中风电机组的最优数量n0、光伏面板的最 优面积A、变速抽水泵的最优额定功率P、水轮机的最优额定功率P2和、蓄能 式小水电站的最优库容量V。
本发明的发明目的是这样实现的：
本发明一种风光蓄能水电站互补的离网式混合系统优化方法，通过构建离 网式混合能源系统的各单元出力模型，以经济性和可靠性双目标函数，在约束 条件下，采用混合粒子群算法对离网式混合能源系统行优化。这样考虑了新能 源发电机组的动态运行特性，并将经济性指标和可靠性指标同时纳入优化范围 作为系统的优化目标函数，综合评估了一个混合能源系统经济性和供电可靠性 之间的相互影响，最后通过分析得出优化后的方案更加合理。
附图说明
图1是本发明一种风光蓄能水电站互补的离网式混合系统优化方法流程图；
图2是离网式混合系统的拓扑结构图；
图3是利用混合粒子群算法对目标函数进行优化的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更 好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设 计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明一种风光蓄能水电站互补的离网式混合系统优化方法流程图。
在本实施例中，如图1所示，本发明一种风光蓄能水电站互补的离网式混 合系统优化方法，包括以下步骤：
S1、构建离网式混合能源系统的出力模型；
在本实施例中，如图2所示，离网式混合能源系统包括：光伏阵列、风力 发电机组、蓄能型小水电站、电力负荷单元和控制中心单元；
其中，蓄能型小水电站又包括水轮机和变速抽水泵；光伏阵列、风力发电 机组、电力负荷单元、蓄能型小水电站的水轮机和变速抽水泵与控制中心单元 连接；
光伏模块单元和风力发电机组的输出能量首先满足负荷能量需求，剩余能 量通过变速抽水泵抽水存储在蓄能型小水电站；当负荷不能满足时，通过释放 蓄能型小水电站中的水发电进行补充。
在离网式混合能源系统中各模块出力模型的选择对规划的精确性至关重 要，出力模型的选择将直接决定规划系统的精确性；下面我们结合图2，构建离 网式混合能源系统中各个模块的出力模型；
S1.1、构建离网式混合能源系统的光伏阵列出力模型
Figure BDA0001728409810000071
其中，
Figure BDA0001728409810000072
为光伏阵列的出力功率，η1为逆变器变换效率取为90％，η2为逆变 器损失效率取为86％，η3为光伏阵列在参考温度T1＝25℃下的参考效率取为12％， e为温度系数取为0.004，T0为光伏阵列的运行温度，A为离网式混合能源系统 中光伏阵列的规划面积，G1为在倾斜的光伏阵列上总的太阳辐射，G2为太阳直 射强度，G3为漫射强度，G4为地面反射强度，G5为水平直射强度，θ为入射角， θ0为天顶角，G6为在倾斜角为β表面上的散射强度，F1为环绕太阳的度数，F2为 地平线各向异性的度数，T2为光伏阵列表面的温度，T3为环境温度，ω为安装系 数取为1，V1为在光伏阵列表面上的风速，V0为在参考高度的风速，z为光伏安装高度取为1米，z0为相对于地面的参考高度；
S1.2、构建离网式混合能源系统中风力发电机组的出力模型
Figure BDA0001728409810000081
其中，
Figure BDA0001728409810000082
为风力发电机的出力功率,n0为实际的风力发电机数量，N0为最大 的风力发电机数量，且n0∈[1,N0]，V3为在风机安装高度处的实际风速，P1为风机 的额定功率取为250kW，V2为额定风速取为9m/s，V4为风机的切入风速2m/s， V5为风机的切出风速12m/s；
S1.3、构建离网式混合能源系统中蓄能型小水电站模型
Figure BDA0001728409810000083
其中，V为蓄能型小水电站的规划容量，b、c和h2分别为蓄能型小水电站 的长度、宽度和坝高，V″和V′分别为该时刻和上一时刻蓄能型小水电站中的水 量，Q1为流入的天然入流量，Q2为正值表示变速水泵抽的水量，Q2为负值表示 水轮机释放的水量，Q3为水轮机的吞吐量，Q4为水轮机释放的水量，h3为蓄能 型小水电站的基准高度，η4为水轮机的效率取为90％，ρ为水的密度(1000 kg/m3)，g为重力加速度(9.8m/s2)，Q5为变速泵抽取的水量，V6为蓄能型水电 站的容量，η5为变速泵的效率取为85％,E1为水轮机发的电能，E2为变速泵消耗的电能；
S1.4、构建离网式混合能源系统的能量平衡方程
E3＝E4+E5-E6
其中，E3表示离网式混合能源系统中能够产生的多余或不足的能量，E4为 风力发电机产生的能量，E5为光伏阵列产生的能量，E6为电力负荷单元的能量 需求。
下面我们开始构建离网式混合能源系统的目标函数，离网式混合能源系统 选取了混合系统经济性和可靠性双目标；其中，经济性和可靠性目标具有博弈 关系，在优化结果进行分析时，需采用帕累托最优解理论分析，在满足可靠性 最大的情况下，成本花费最大，在满足成本花费最小时，则可靠性最小，具体 选择，可根据用户的实际需求来定；因此，对风/光/蓄能式小水电站互补的混合 能源系统进行优化，综合评估了一个混合能源系统经济性和供电可靠性之间的 相互影响，这样通过分析得出优化后的方案更加合理。我们通过步骤S2和S3 分别描述构建经济性和可靠性双目标的过程。
S2、构建离网式混合能源系统的经济性目标函数；
Figure BDA0001728409810000091
其中，LCOE为能量的平准化成本，C1为离网式混合能源系统的年总成本，C2为离网式混合能源系统的净现成本，CRF为资金回收系数，τ为各设备的生命周 期，
Figure BDA0001728409810000092
为年实际利率，
Figure BDA0001728409810000093
为名义利率取为3.75％，f为年通货膨胀率取为1.5％；
S3、构建离网式混合能源系统的可靠性目标函数；
Figure BDA0001728409810000094
其中，LPSP为离网式混合能源系统发生负荷丢失的概率，E4(t*)为风力发电 机在时刻t*产生的能量，E5(t*)为光伏面板在时刻t*产生的能量，E1(t*)为蓄能式 水电站在时刻t*产生的能量，E3(t*)为电力负荷单元在时刻t*的能量需求；
S4、根据电能的供需求平衡，确定离网式混合能源系统的约束条件；
Figure BDA0001728409810000101
其中，A1为离网式混合能源系统中光伏阵列的最大安装面积，P为离网式 混合能源系统中变速抽水泵的额定功率，P1为离网式混合能源系统中变速抽水 泵的最大额定功率，P2为离网式混合能源系统中水轮机的额定功率，P3为离网式 混合能源系统中水轮机的最大额定功率，V*为离网式混合能源系统中蓄能式小 水电站的负荷需求最大库容量；
S5、本发明采用粒子群算法因其具有搜索速度快，效率高，算法简单等优 点，再结合对整数变量的处理方法构成混合粒子群算法，能够处理混合整数非 线性问题；因此，基于离网式混合能源系统的出力模型及约束条件，利用混合 粒子群算法对离网式混合能源系统的经济性和可靠性目标函数进行优化；
S5.1、将离网式混合能源系统的经济性与可靠性目标函数作为混合粒子群算 法中的目标函数，将离网式混合能源系统中实际的风力发电机数量n0、光伏阵 列的规划面积A、变速抽水泵的额定功率P、水轮机的额定功率P2和蓄能型小 水电站的库容量V作为混合粒子群算法中的优化变量；
S5.2、设置最大迭代次数T，其中，最大迭代次数取为200，在约束条件范 围内，随机初始化粒子种群中各粒子的位置和速度；
S5.3、根据当前t时刻各粒子的位置评估每个粒子的适应值，其中， t＝1，2，…，T；再将当前各粒子的位置和适应值存储在数组pbest中，并将pbest中 适应值最优的粒子位置和适应值存储在数据gbest中；
S5.4、遍历整个粒子种群，如果某一个粒子当前位置的适应值优于该粒子的 历史最优值，则将该粒子历史最好位置和最优适应值用该粒子当前的状态进行 替换；对每个粒子，若当前位置的适应值优于整个粒子种群的历史最优值，则 将整个粒子种群历史最好位置和最优适应值用该粒子当前的状态进行替换；
S5.5、判断当前时刻t是否达到最大迭代次数T，若达到，进入步骤S5.8； 若未达到，进入步骤S5.6；
S5.6、更新混合粒子群算法中所有粒子在当前时刻t时的速度和位置；
其中，更新后粒子速度为：
Figure BDA0001728409810000111
更新后粒子位置为：xi(t+1)＝xi(t)+vi(t+1)；
其中，vi(t+1)表示第i个粒子在下一时刻的速度，w为权重系数取为0.5，vi(t) 表示第i个粒子在当前时刻的速度，c1、c2均为常数都取为2，r1、r2为随机值，
Figure BDA0001728409810000112
表示第i个粒子的局部历史最优值，xi(t)表示第i个粒子在当前时刻的位置，
Figure BDA0001728409810000113
表示第i个粒子的全局历史最优值，xi(t+1)表示第i个粒子在下一时刻的位置。
S5.7、考虑到风力发电机的个数为整数，按照如下公式对更新后的粒子中的 风力发电机的个数n0进行处理：
dj＝|n0-yj|for j＝1,2,…,N0；
其中，M为约束条件中整数值的数量；dj为绝对距离；当dj＝0时，n0为整 数值，yj为约束条件中第j个值，即为所选取的整数值；当dj≠0时，n0为非整 数值，则对dj进行概率取整操作：
Figure BDA0001728409810000114
pj为整数变量取为约束条件中第j个值的概率；概率最大的pj对应的yj为 所取整数值，即得到规划后的风力发电机数n0，再返回步骤S5.3；
S5.8、输出历史最优粒子位置，即历史最优适应值对应的粒子位置，算法结 束，最终得到离网式混合能源系统中风电机组的最优数量n0、光伏面板的最优 面积A、变速抽水泵的最优额定功率P、水轮机的最优额定功率P2和、蓄能式 小水电站的最优库容量V。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域 的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对 本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定 的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发 明创造均在保护之列。

Claims (2)

1.一种风光蓄能水电站互补的离网式混合能源系统优化方法，其特征在于，包括以下步骤：
(1)、构建离网式混合能源系统的出力模型；
(1.1)、构建离网式混合能源系统的光伏阵列出力模型
Figure FDA0003013160020000011
其中，
Figure FDA0003013160020000012
为光伏阵列的出力功率，η1为逆变器变换效率，η2为逆变器损失效率，η3为光伏阵列在参考温度T1下的参考效率，e为温度系数，T0为光伏阵列的运行温度，A为离网式混合能源系统中光伏阵列的规划面积，G1为在倾斜的光伏阵列上总的太阳辐射，G2为太阳直射强度，G3为漫射强度，G4为地面反射强度，G5为水平直射强度，θ为入射角，θ0为天顶角，G6为在倾斜角为β表面上的散射强度，F1为环绕太阳的度数，F2为地平线各向异性的度数，T2为光伏阵列表面的温度，T3为环境温度，ω为安装系数，V1为在光伏阵列表面上的风速，V0为在参考高度的风速，z为光伏安装高度，z0为相对于地面的参考高度,ai(i＝1…9)均为常数；
(1.2)、构建离网式混合能源系统中风力发电机组的出力模型
Figure FDA0003013160020000021
其中，
Figure FDA0003013160020000022
为风力发电机的出力功率,n0为实际的风力发电机数量，N0为最大的风力发电机数量，且n0∈[1,N0]，V3为在风机安装高度处的实际风速，P1为风机的额定功率，V2为额定风速，V4为风机的切入风速，V5为风机的切出风速；
(1.3)、构建离网式混合能源系统中蓄能型水电站模型
Figure FDA0003013160020000023
其中，V为蓄能型水电站的库容量，b、c和h2分别为蓄能型水电站的长度、宽度和坝高，V″和V′分别为该时刻和上一时刻蓄能型水电站中的水量，Q1为天然入流量，Q2为正值表示变速水泵抽的水量，Q2为负值表示水轮机释放的水量，Q3为水轮机的吞吐量，Q4为水轮机释放的水量，h3为蓄能型水电站的基准高度，η4为水轮机的效率，ρ为水的密度，g为重力加速度，Q5为变速泵抽取的水量，V6为蓄能型水电站的容量，η5为变速泵的效率,E1为水轮机发的电能，E2为变速泵消耗的电能；
(1.4)、构建离网式混合能源系统的能量平衡方程
E3＝E4+E5-E6
其中，E3表示离网式混合能源系统中能够产生的多余或不足的能量，E4为风力发电机产生的能量，E5为光伏阵列产生的能量，E6为电力负荷单元的能量需求；
(2)、构建离网式混合能源系统的经济性目标函数；
Figure FDA0003013160020000031
其中，LCOE为能量的平准化成本，C1为离网式混合能源系统的年总成本，C2为离网式混合能源系统的净现成本，CRF为资金回收系数，τ为各设备的生命周期，
Figure FDA0003013160020000032
为年实际利率，
Figure FDA0003013160020000033
为名义利率，f为年通货膨胀率；
(3)、构建离网式混合能源系统的可靠性目标函数；
Figure FDA0003013160020000034
其中，LPSP为离网式混合能源系统发生负荷丢失的概率，T*为总时刻数，E4(t*)为风力发电机在时刻t*产生的能量，E5(t*)为光伏面板在时刻t*产生的能量，E1(t*)为蓄能型水电站在时刻t*产生的能量，E3(t*)为电力负荷单元在时刻t*的能量需求；
(4)、根据电能的供需求平衡，确定离网式混合能源系统的约束条件；
Figure FDA0003013160020000035
其中，A1为离网式混合能源系统中光伏阵列的最大安装面积，P为离网式混合能源系统中变速抽水泵的额定功率，P1为离网式混合能源系统中变速抽水泵的最大额定功率，P2为离网式混合能源系统中水轮机的额定功率，P3为离网式混合能源系统中水轮机的最大额定功率，V*为离网式混合能源系统中蓄能型水电站的负荷需求最大库容量；
(5)、基于离网式混合能源系统的出力模型及约束条件，利用混合粒子群算法对离网式混合能源系统的经济性和可靠性目标函数进行优化；
(5.1)、将离网式混合能源系统的经济性与可靠性目标函数作为混合粒子群算法中的目标函数，将离网式混合能源系统中实际的风力发电机数量n0、光伏阵列的规划面积A、变速抽水泵的额定功率P、水轮机的额定功率P2和蓄能型水电站的库容量V作为混合粒子群算法中的优化变量；
(5.2)、设置最大迭代次数T，在约束条件范围内，随机初始化粒子种群中各粒子的位置和速度；
(5.3)、根据当前t时刻各粒子的位置评估每个粒子的适应值，其中，t＝1,2,…,T；再将当前各粒子的位置和适应值存储在数组pbest中，并将pbest中适应值最优的粒子位置和适应值存储在数据gbest中；
(5.4)、遍历整个粒子种群，如果某一个粒子当前位置的适应值优于该粒子的历史最优值，则将该粒子历史最好位置和最优适应值用该粒子当前的状态进行替换；对每个粒子，若当前位置的适应值优于整个粒子种群的历史最优值，则将整个粒子种群历史最好位置和最优适应值用该粒子当前的状态进行替换；
(5.5)、判断当前时刻t是否达到最大迭代次数T，若达到，进入步骤(5.8)；若未达到，进入步骤(5.6)；
(5.6)、更新混合粒子群算法中所有粒子在当前时刻t时的速度和位置；
(5.7)、考虑到风力发电机的个数为整数，按照如下公式对更新后的粒子中的风力发电机数n0进行处理：
dj＝|n0-yj|for j＝1,2,…,N0；
其中，dj为绝对距离；当dj＝0时，n0为整数值，yj为约束条件中第j个值，即为所选取的整数值；当dj≠0时，n0为非整数值，则对dj进行概率取整操作：
Figure FDA0003013160020000041
pj为整数变量取为约束条件中第j个值的概率；概率最大的pj对应的yj为所取整数值，即得到规划后的风力发电机数n0，再返回步骤(5.3)；
(5.8)、输出历史最优粒子位置，即历史最优适应值对应的粒子位置，算法结束，最终得到离网式混合能源系统中风电机组的最优数量
Figure FDA0003013160020000042
光伏面板的最优面积
Figure FDA0003013160020000043
变速抽水泵的最优额定功率
Figure FDA0003013160020000044
水轮机的最优额定功率
Figure FDA0003013160020000045
和蓄能型水电站的最优库容量
Figure FDA0003013160020000046
2.根据权利要求1所述的一种风光蓄能水电站互补的离网式混合能源系统优化方法，其特征在于，所述步骤(5.6)中，更新混合粒子群算法中粒子的速度和位置的方法为：
更新粒子速度：
Figure FDA0003013160020000051
更新粒子位置：xi(t+1)＝xi(t)+vi(t+1)；
其中，vi(t+1)表示第i个粒子在下一时刻的速度，w为权重系数，vi(t)表示第i个粒子在当前时刻的速度，c1、r1、c2、r2均为常数，
Figure FDA0003013160020000052
表示第i个粒子的局部历史最优值，xi(t)表示第i个粒子在当前时刻的位置，
Figure FDA0003013160020000053
表示第i个粒子的全局历史最优值，xi(t+1)表示第i个粒子在下一时刻的位置。
CN201810763341.2A 2018-07-12 2018-07-12 一种风光蓄能水电站互补的离网式混合能源系统优化方法 Active CN108879793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810763341.2A CN108879793B (zh) 2018-07-12 2018-07-12 一种风光蓄能水电站互补的离网式混合能源系统优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810763341.2A CN108879793B (zh) 2018-07-12 2018-07-12 一种风光蓄能水电站互补的离网式混合能源系统优化方法

Publications (2)

Publication Number Publication Date
CN108879793A CN108879793A (zh) 2018-11-23
CN108879793B true CN108879793B (zh) 2021-07-13

Family

ID=64301334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810763341.2A Active CN108879793B (zh) 2018-07-12 2018-07-12 一种风光蓄能水电站互补的离网式混合能源系统优化方法

Country Status (1)

Country Link
CN (1) CN108879793B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109347151B (zh) * 2018-11-30 2022-09-16 国家电网公司西南分部 一种新能源参与调峰的送端电网电源结构优化方法
CN109873419B (zh) * 2019-02-21 2022-07-26 电子科技大学 一种考虑相似度和经济收益的水光蓄系统运行优化方法
CN110705813B (zh) * 2019-07-23 2022-11-22 电子科技大学 一种考虑可靠性风电场集电系统的混合线缆连接方法
CN110474330B (zh) * 2019-08-22 2023-04-18 电子科技大学 一种并网式混合能源系统的太阳能投资优化方法
CN110414185B (zh) * 2019-08-26 2022-06-14 电子科技大学 一种用于多可再生能源发电系统的储能设备容量优化方法
CN110391677B (zh) * 2019-08-26 2022-11-22 电子科技大学 一种基于电力市场环境的水光蓄混合系统运行优化方法
CN110601260B (zh) * 2019-09-11 2021-05-14 电子科技大学 一种限定联络线上功率波动的光-蓄系统容量优化方法
CN111585305B (zh) * 2020-06-12 2023-08-11 国网天津市电力公司 适用于多能互补联动经济性评价的方法
CN111969591B (zh) * 2020-07-22 2023-04-18 电子科技大学 一种光蓄能水电站互补的离网式混合能源系统优化方法
CN112381269A (zh) * 2020-10-30 2021-02-19 上海电气集团股份有限公司 一种考虑负荷重要度及电价激励的独立微电网容量优化配置方法
CN112713621B (zh) * 2020-12-22 2023-06-09 广东电网有限责任公司电力科学研究院 一种交直流混合系统的多目标优化配置方法和系统
CN113052469B (zh) * 2021-03-30 2022-04-22 贵州电网有限责任公司 一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PT3026774T (pt) * 2014-11-25 2019-10-02 Acciona Energia Sa Método para o controlo dos índices de aceleração/desaceleração de energia, minimizando os requisitos de armazenamento de energia em centrais de geração de energia intermitente
CN104701871B (zh) * 2015-02-13 2017-08-18 国家电网公司 一种含风光水多源互补微网混合储能容量最佳配比方法
CN106712075B (zh) * 2016-04-26 2019-05-10 武汉大学 一种考虑风电并网系统安全约束的调峰策略优化方法
CN107332269A (zh) * 2016-04-28 2017-11-07 中国电力科学研究院 一种风光互补的混合能源系统的优化方法
CN106058935A (zh) * 2016-07-27 2016-10-26 芜湖格利特新能源科技有限公司 一种分布式风光储充一体化微电网系统
CN108054784A (zh) * 2018-01-09 2018-05-18 河海大学常州校区 一种海岛微电网多源协调优化控制方法

Also Published As

Publication number Publication date
CN108879793A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108879793B (zh) 一种风光蓄能水电站互补的离网式混合能源系统优化方法
Okoye et al. Solar energy potentials in strategically located cities in Nigeria: Review, resource assessment and PV system design
Kalinci Alternative energy scenarios for Bozcaada island, Turkey
Ataei et al. Optimum design of an off-grid hybrid renewable energy system for an office building
Kolhe et al. Techno-economic optimum sizing of hybrid renewable energy system
Rawat et al. Simulation and optimization of solar photovoltaic-wind stand alone hybrid system in hilly terrain of India
Eltamaly et al. A novel software for design and optimization of hybrid power systems
CN111969595B (zh) 一种在离网/并网下水光蓄混合能源系统的运行优化方法
Blechinger Barriers and solutions to implementing renewable energies on Caribbean islands in respect of technical, economic, political, and social conditions
Irshad et al. Integration and performance analysis of optimal large-scale hybrid PV and pump hydro storage system based upon floating PV for practical application
Ataei et al. Techno-economic viability of a hybrid wind and solar power system for electrification of a commercial building in Shiraz, Iran
CN110991703B (zh) 一种基于改进的nsga-ii算法的风光水联合发电调度方法
CN113285655A (zh) 一种风光互补优化配比方法
CN117937531A (zh) 一种电氢可逆微网长期容量优化方法、系统、设备及介质
Icaza et al. System of electrical generation by wind and solar sources in the archaeological surroundings of the Hill Curiquinga of Quingeo-Ecuador
CN109873419B (zh) 一种考虑相似度和经济收益的水光蓄系统运行优化方法
Lin et al. Optimal hybrid energy solution for island micro-grid
Ghenai et al. Modeling, simulation and performance analysis of solar PV integrated with reverse osmosis water treatment unit for agriculture farming
Al-Ghussain et al. Techno-economic feasibility of PV/wind-battery storage: Case analysis in Zimbabwe
Krawczak BAPV system modeling for the single-family house: A case study
Qi et al. A new methodology for optimizing the size of hybrid PV/wind system
AlAhmed et al. Modelling, Simulation, and Performance Analysis of a Microgrid with Photovoltaic Energy for Eastern Region of Saudi Arabia
Kumar et al. Efficient integration of photo voltaic and hydro energy technologies for sustainable power generation in rural areas: A case study
Shabani et al. Comparison of the optimal design of PV-battery and PV-PHS off-grid energy systems-a case study in Sweden
Elbreki et al. On Grid Techno-Economic Evaluation of pv/wind Hybrid system for A Compound building: Simulation Study

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