CN111628558B - 混合储能系统的能量管理和容量配置的优化系统及方法 - Google Patents

混合储能系统的能量管理和容量配置的优化系统及方法 Download PDF

Info

Publication number
CN111628558B
CN111628558B CN202010437223.XA CN202010437223A CN111628558B CN 111628558 B CN111628558 B CN 111628558B CN 202010437223 A CN202010437223 A CN 202010437223A CN 111628558 B CN111628558 B CN 111628558B
Authority
CN
China
Prior art keywords
capacity
energy storage
energy
hybrid energy
storage battery
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
CN202010437223.XA
Other languages
English (en)
Other versions
CN111628558A (zh
Inventor
李升�
雍康倩
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.)
Jiangsu Dingjing Fusion Smart Energy Technology Co.,Ltd.
Original Assignee
Nanjing Institute of Technology
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 Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN202010437223.XA priority Critical patent/CN111628558B/zh
Publication of CN111628558A publication Critical patent/CN111628558A/zh
Application granted granted Critical
Publication of CN111628558B publication Critical patent/CN111628558B/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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/106—Parallel operation of dc sources for load balancing, symmetrisation, or sharing
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/109—Scheduling or re-scheduling the operation of the DC sources in a particular order, e.g. connecting or disconnecting the sources in sequential, alternating or in subsets, to meet a given demand
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/14—Balancing the load in a network
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/50—Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors
    • 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

Abstract

本发明公开了一种混合储能系统的能量管理和容量配置的优化系统及方法。该优化系统包括信号采集系统，混合储能能量管理系统，负荷缺电率监测系统，优化配置系统。该优化方法通过对微电网中光伏单元输出功率和负载单元需求功率的采集，配合混合储能系统的能量管理策略，搭建混合储能容量配置优化的模型，以负荷缺电率为评价指标，以混合储能系统全寿命周期内的净现值费用为优化目标，利用增强型烟花算法对模型进行求解，获取最佳混合储能容量配置方案。本发明不仅可以增加光伏输出功率的利用率，还可以有效降低微电网的成本，易于实现和推广。

Description

混合储能系统的能量管理和容量配置的优化系统及方法
技术领域
本发明涉及一种混合储能系统的能量管理和容量配置的优化系统及方法，属于新能源并网电力系统技术领域。
背景技术
能源危机和低碳能源的倡导推动了光伏发电微电网的发展，与交流微电网相比，直流微电网具有结构简单，电能转换环节更少，能源效率更高等优势，因此直流微电网相关技术近年来备受关注。能量存储是直流微电网的重要组成部分之一，与仅包含一种能量存储的储能系统相比，以蓄电池和超级电容组成的混合储能系统，由能量类型和功率类型的储能系统，能够充分利用了两者各自的优势，有效提高储能系统的性能。混合储能系统在直流微电网系统中的应用具有很大的经济和技术优势。针对直流微电网的运行可靠性，保证系统内部供需能量的动态平衡就显得尤为重要，系统内供需能量不对等，这对直流微电网稳定运行是一个很大的挑战。为了有效解决这一问题，在微电网系统中加入混合储能系统，能够有效维持系统内部的能量动态平衡，保证系统稳定运行。
同时，光伏发电作为主要的可再生能源，具有间歇性、随机性和不确定性的特点，严重影响其并网的正常运行。混合储能系统具有双向充电放电特性，可以有效抑制光伏发电输出的功率波动，有效提高光伏发电的电能质量，减少对电网的影响。
混合储能系统能够在短时间内提供大量的功率，有效解决独立光伏发电所带来的电能质量问题，但是混合储能系统需要大量的容量，造价昂贵且经济效率低，因此，容量配置在混合储能系统的经济性中起着至关重要的作用，容量配置的优化能够减少混合储能系统一些不必要的成本，有效降低微电网的经济成本。
发明内容
本发明的目的在于，克服现有技术存在的技术缺陷，解决上述技术问题，提出一种混合储能系统的能量管理和容量配置的优化系统及方法。现阶段采用混合储能系统来平抑新能源发电的间歇性和波动性已成为必然趋势，为此本发明考虑新能源发电输出功率利用问题，针对微电网中的混合储能系统的工作状态进行调配管理，对混合储能容量配置进行优化，是能够在保证微电网稳定运行的前提下提高能量利用率，减小微电网的成本。
本发明具体采用如下技术方案：混合储能系统的能量管理和容量配置的优化系统，其特征在于，包括：
信号采集系统，用于：采集微电网内负载的运行数据、光伏电池的功率输出数据、蓄电池的荷电状态数据和容量数据、超级电容的荷电状态数据和容量数据以及直流母线电压的数据；
混合储能能量管理系统，用于：对微电网中光伏输出功率和负载运行功率进行分析，考虑蓄电池和超级电容充电放电过程中的限制，结合直流母线电压的状态，调配控制混合储能系统充电放电工作状态；
负荷缺电率监测系统，用于：在混合储能系统配合光伏电池和负载运作时，监测系统的负荷缺电率LPSP情况，调整混合储能系统的能量流通方向；
混合储能容量配置优化系统，用于：通过对微电网中光伏电池输出功率和负载需求功率的采集，配合混合储能系统的能量管理策略，搭建混合储能容量配置优化的模型，以负荷缺电率为评价指标，以混合储能系统全寿命周期内的净现值费用为优化目标，利用增强型烟花算法对模型进行求解，获取最佳混合储能容量配置方案。
作为一种较佳的实施例，所述蓄电池和超级电容充电过程如下：在充电过程中，如果混合储能系统的不平衡电量大于蓄电池和超级电容能够转换的电能总和，那么优先蓄电池以额定容量进行充电行为，充电量为蓄电池额定充电转换能量，超级电容以最大容量进行充电，充电量为最大充电转换容量，当前时刻的存储能量为前一时刻的存储能量与此时刻储能动作行为的能量之和；最后考虑存储容量的上下限，对于蓄电池来说，超过额定容量的话，修改当前时刻的能量为额定容量，对于超级电容来说，超过最大容量的话，修改当前时刻的能量为最大容量；如果混合储能系统的不平衡电量小于蓄电池和超级电容能够转换的电能总和，那么比较不平衡电量与蓄电池额定转换容量，若不平衡电量大于蓄电池额定转换容量，则优先蓄电池以额定容量进行充电行为，充电完成后由超级电容对当前时刻混合储能系统的存储容量进行充电或放电补充。
作为一种较佳的实施例，所述蓄电池和超级电容放电过程如下：在放电过程中，如果混合储能系统的不平衡电量大于蓄电池和超级电容能够转换的电能总和，那么优先蓄电池以额定容量进行放电行为，放电量为蓄电池额定放电转换能量，超级电容以最大容量进行放电，放电量为最大放电转换容量，当前时刻的存储能量为前一时刻的存储能量与此时刻储能动作行为的能量之差；最后考虑存储容量的上下限，对于蓄电池来说，小于蓄电池最小容量的话，修改当前时刻的能量为最小容量，超级电容的放电量为不平衡电量与蓄电池最小容量之差；如果混合储能系统的不平衡电量小于蓄电池和超级电容能够转换的电能总和，那么比较不平衡电量与蓄电池额定转换容量，若不平衡电量大于蓄电池额定转换容量，则优先蓄电池以额定容量进行放电行为，放电完成后由超级电容对当前时刻混合储能系统的存储容量进行充电或放电补充。
作为一种较佳的实施例，所述充电过程中不平衡电量公式如下：
ΔE＝PPV(kt)*nc-PL(kt)＝(Pbat(kt,m)+Psc(kt,n))*nc (1)
式中，ΔE代表储能系统的不平衡功率，PPV(kt)、Pbat(kt)和Psc(kt)分别为光伏电池、蓄电池和超级电容在kt时刻的输出功率；PL(kt)负荷在kt时刻的功率；nc为变换器的功率转换效率，m为蓄电池个数，n为超级电容个数。
作为一种较佳的实施例，所述的负荷缺电率计算公式如下：
Figure GDA0004106557050000041
式中，fLPSP为系统负荷缺电率，所谓负荷缺电率，即为系统运行周期T内负载缺电量与负载总需求电量的比值，负荷缺电率是系统的可靠性指标，其值必须小于或等于系统允许的最大负荷缺电率fMAX。
本发明还提出混合储能系统的能量管理和容量配置的优化方法，包括如下步骤：
步骤一，采集微电网系统中光伏电池的功率输出数据和负载的功率需求数据；
步骤二，将微电网系统需要配置的蓄电池个数和超级电容个数作为自变量，在预算下大范围地估计所需蓄电池和超级电容地个数，以两者个数的最大值和最小值确定潜在空间；
步骤三，在潜在空间内选择由蓄电池个数和超级电容个数所构成的n个地点的烟花，将此作为烟花算法开始的初始烟花；
步骤四，结合混合储能能量管理系统，考虑约束条件，对初始地点上的烟花进行自适应度评估；
步骤五，在n个初始地点内进行烟花算法爆炸过程；
步骤六，根据烟花爆炸的过程获取算法中下一次爆炸火花的位置，并对相应位置的火花进行自适应度评估；
步骤七，比较本次爆炸所获得的下一代火花自适应度和本次爆炸的烟花自适应度，确定本次爆炸的烟花位置是否为最佳位置；若是最佳位置，则本次爆炸的烟花即为在最优解，算法结束；若不是最优解，则从本次爆炸的烟花和火花中选择n个地点，并将其作为下一次爆炸的初始地点，进行下一次烟花爆炸过程；
步骤八，循环步骤七至步骤三的内容，直至出现最优解。
作为一种较佳的实施例，所述步骤六中，爆炸产生的火花个数计算公式如下：
Figure GDA0004106557050000051
式中，m是控制n个烟花产生的火花总数的参数，xi是烟花所处的位置，f(x)表示目标函数，ymax＝max(f(xi))(i＝1,2,...,n)是目标函数的最大(最差)值，在n个烟花中，用ξ表示计算机中的最小常数，以避免零分误差。
作为一种较佳的实施例，所述步骤六中，爆炸幅度计算公式如下：
Figure GDA0004106557050000052
式中，
Figure GDA0004106557050000053
表示最大爆炸幅度，ymin＝min(f(xi))(i＝1,2,...,n)是n次烟火中目标函数的最小(最佳)值，在n个烟火中，用ξ表示计算机中的最小常数，以避免零分误差。
作为一种较佳的实施例，所述步骤六中，限制爆炸幅度最小值，公式如下：
Figure GDA0004106557050000054
式中，t表示当前迭代开始时函数评估的次数，而evalsmax是评估的最大次数；Ainit和Afinal分别是初始和最终最小爆炸幅度。
作为一种较佳的实施例，所述步骤六中，自适应度函数计算公式如下：
Figure GDA0004106557050000055
式中，X为优化变量；K为储能系统的工程寿命；r为贴现率；C(kt)和B(kt)分别是第kt时段的成本和收入。
本发明提供了混合储能系统的能量管理和容量配置的优化系统及方法，通过对微电网中光伏输出功率、负载需求功率以及混合储能系统荷电状态和容量的实时采集，将其作为混合储能能量管理系统的输入，考虑混合储能系统的荷电状态和容量，进行微电网中能量的流向与平衡。通过搭建混合储能容量配置优化模型，以负荷缺电率为评价指标，以混合储能系统全寿命周期内的净现值费用为优化目标，利用增强型烟花算法对模型进行求解，获取最佳混合储能容量配置方案，减小微电网的经济成本。
与现有技术相比，本发明的有益效果：1，本发明采用的混合储能系统的充电放电能量管理策略，更加合理地考虑了现实微电网系统中能量的需求情况，合理安排混合储能系统的充电放电过程，减少蓄电池充电放电工作模式的切换，延长其使用寿命。2，本发明采用增强型烟花算法对混合储能容量配置模型进行求解，比现有的粒子群算法具有更优越的全局寻优能力，能更加准确且快速地在潜在空间内得出最佳配置方案。3，本发明在能量控制策略和模型求解中引入负荷缺电率这一指标，能够在进行系统能量控制调配的同时确保负载的用电质量，减少重要负载断电或缺电的情况，保证供电可靠性。
附图说明
图1为本发明的优化系统的拓扑结构示意图。
图2为本发明混合储能系统的充电工作过程；
图3为本发明混合储能系统的放电工作过程；
图4为本发明的烟花算法流程图；
图5为本发明实例的微电网光伏在一个月内输出功率图；
图6为本发明实例的微电网负载在一个月内所需的功率图；
图7为本发明实例的基于烟花算法的最优个体适应度值变化图；
图8为本发明实例的基于烟花算法的负荷缺电率变化图；
图9为本发明实例的基于粒子群算法的最优个体适应度值变化图；
图10为本发明实例的基于粒子群算法的负荷缺电率变化图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1：如图1所示，本发明提供了一种混合储能系统的能量管理和容量配置的优化系统，包括：信号采集系统，混合储能能量管理系统，负荷缺电率监测系统，混合储能容量配置优化系统。由信号采集系统将微电网内负载的运行数据、光伏的功率输出数据、蓄电池的荷电状态数据和容量数据、超级电容的荷电状态数据和容量数据以及直流母线电压的数据进行采集，并将其输入混合储能能量管理系统。混合储能能量管理系统在负载缺电率监测系统的约束下对混合储能的充电放电工作状态进行调整。混合储能容量配置优化系统，用于：通过对微电网中光伏电池输出功率和负载需求功率的采集，配合混合储能系统的能量管理策略，搭建混合储能容量配置优化的模型，以负荷缺电率为评价指标，以混合储能系统全寿命周期内的净现值费用为优化目标，利用增强型烟花算法对模型进行求解，获取最佳混合储能容量配置方案。
混合储能系统的充电和放电工作过程分别如图2和图3所示，在充电过程中，如果系统的不平衡电量大于蓄电池和超级电容能够转换的电能总和，那么优先蓄电池以额定容量进行充电行为，充电量为蓄电池额定充电转换能量，超级电容以最大容量进行充电，充电量为最大充电转换容量，当前时刻的存储能量为前一时刻的存储能量与此时刻储能动作行为的能量之和。最后考虑存储容量的上下限，对于蓄电池来说，超过额定容量的话，修改当前时刻的能量为额定容量，对于超级电容来说，超过最大容量的话，修改当前时刻的能量为最大容量。如果系统的不平衡电量小于蓄电池和超级电容能够转换的电能总和，那么比较不平衡电量与蓄电池额定转换容量，若不平衡电量大于蓄电池额定转换容量，则优先蓄电池以额定容量进行充电行为，充电完成后由超级电容对当前时刻储能系统的存储容量进行充电或放电补充。放电过程与充电过程类似，不再赘述。
实施例2：烟花优化算法的流程图如图4所示，算法以选取初始地点开始至寻找到最优解结束。实施例中微电网光伏在一个月内输出功率图和负载在一个月内所需的功率图分别如图5和图6所示。
基于增强型烟花算法的混合储能容量配置优化结果的最优个体适应度值变化图和负荷缺电率变化图分别如图7和图8所示。
基于粒子群算法的混合容量配置优化结果的最优个体适应度值变化图和负荷缺电率变化图分别如图9和图10所示。
本发明的具体实施步骤如下：
步骤一，采集微电网系统中光伏系统的功率输出数据和负载的功率需求数据，将其作为算法的初始输入数据；
步骤二，将微电网系统需要配置的蓄电池个数和超级电容个数作为自变量，在预算下大范围地估计所需蓄电池和超级电容地个数，以两者个数的最大值和最小值确定潜在空间；
步骤三，在潜在空间内选择由蓄电池个数和超级电容个数所构成的n个地点的烟花，将此作为算法开始的初始烟花；
步骤四，结合混合储能的能量管理策略，考虑约束条件，对初始地点上的烟花进行自适应度评估。
步骤五，在n个初始地点内进行烟花算法爆炸过程；
步骤六，根据烟花爆炸的过程获取算法中下一次爆炸火花的位置，主要是计算本次烟花爆炸所能产生的火花数量(以式(3)计算)和爆炸幅度(以式(4)和式(5)计算)，并对相应位置的火花进行自适应度评估(以式(6)计算)；
Figure GDA0004106557050000091
式中，m是控制n个烟花产生的火花总数的参数，xi是烟花所处的位置，f(x)表示目标函数，ymax＝max(f(xi))(i＝1,2,...,n)是目标函数的最大(最差)值，在n个烟花中，用ξ表示计算机中的最小常数，以避免零分误差。
Figure GDA0004106557050000092
式中，
Figure GDA0004106557050000093
表示最大爆炸幅度，ymin＝min(f(xi))(i＝1,2,...,n)是n次烟火中目标函数的最小(最佳)值，在n个烟火中，用ξ表示计算机中的最小常数，以避免零分误差。
限制爆炸幅度最小值，公式如下:
Figure GDA0004106557050000094
式中，t表示当前迭代开始时函数评估的次数，而evalsmax是评估的最大次数。Ainit和Afinal分别是初始和最终最小爆炸幅度。
Figure GDA0004106557050000095
式中，X为优化变量；K为储能系统的工程寿命；r为贴现率；C(kt)和B(kt)分别是第kt时段的成本和收入。
步骤七，比较本次爆炸所获得的下一代火花自适应度和本次爆炸的烟花自适应度，确定本次爆炸的烟花位置是否为最佳位置。若是最佳位置则本次爆炸的烟花即为在最优解，算法结束。若不是最优解，则从本次爆炸的烟花和火花中选择n个地点，并将其作为下一次爆炸的初始地点，进行下一次烟花爆炸过程。
步骤八，循环步骤七至步骤三的内容，直至出现最优解。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.混合储能系统的能量管理和容量配置的优化系统，其特征在于，包括：
信号采集系统，用于：采集微电网内负载的运行数据、光伏电池的功率输出数据、蓄电池的荷电状态数据和容量数据、超级电容的荷电状态数据和容量数据以及直流母线电压的数据；
混合储能能量管理系统，用于：对微电网中光伏输出功率和负载运行功率进行分析，考虑蓄电池和超级电容充电放电过程中的限制，结合直流母线电压的状态，调配控制混合储能系统充电放电工作状态；
负荷缺电率监测系统，用于：在混合储能系统配合光伏电池和负载运作时，监测系统的负荷缺电率LPSP情况，调整混合储能系统的能量流通方向；
混合储能容量配置优化系统，用于：通过对微电网中光伏电池输出功率和负载需求功率的采集，配合混合储能系统的能量管理策略，搭建混合储能容量配置优化的模型，以负荷缺电率为评价指标，以混合储能系统全寿命周期内的净现值费用为优化目标，利用增强型烟花算法对模型进行求解，获取最佳混合储能容量配置方案；
爆炸产生的火花个数计算公式如下：
Figure FDA0004106557040000011
式中，m是控制n个烟花产生的火花总数的参数，xi是烟花所处的位置，f(x)表示目标函数，ymax＝max(f(xi))(i＝1,2,...,n)是目标函数的最大值，即目标函数的最差值，在n个烟花中，用ξ表示计算机中的最小常数，以避免零分误差；
爆炸幅度计算公式如下：
Figure FDA0004106557040000012
式中，
Figure FDA0004106557040000013
表示最大爆炸幅度，ymin＝min(f(xi))(i＝1,2,...,n)是n次烟火中目标函数的最小值，即目标函数的最佳值，在n个烟火中，用ξ表示计算机中的最小常数，以避免零分误差；
限制爆炸幅度最小值，公式如下：
Figure FDA0004106557040000021
式中，t表示当前迭代开始时函数评估的次数，而evalsmax是评估的最大次数；Ainit和Afinal分别是初始和最终最小爆炸幅度；
自适应度函数计算公式如下：
Figure FDA0004106557040000022
式中，X为优化变量；K为储能系统的工程寿命；r为贴现率；C(kt)和B(kt)分别是第kt时段的成本和收入。
2.根据权利要求1所述的混合储能系统的能量管理和容量配置的优化系统，其特征在于，所述蓄电池和超级电容充电过程如下：在充电过程中，如果混合储能系统的不平衡电量大于蓄电池和超级电容能够转换的电能总和，那么优先蓄电池以额定容量进行充电行为，充电量为蓄电池额定充电转换能量，超级电容以最大容量进行充电，充电量为最大充电转换容量，当前时刻的存储能量为前一时刻的存储能量与此时刻储能动作行为的能量之和；最后考虑存储容量的上下限，对于蓄电池来说，超过额定容量的话，修改当前时刻的能量为额定容量，对于超级电容来说，超过最大容量的话，修改当前时刻的能量为最大容量；如果混合储能系统的不平衡电量小于蓄电池和超级电容能够转换的电能总和，那么比较不平衡电量与蓄电池额定转换容量，若不平衡电量大于蓄电池额定转换容量，则优先蓄电池以额定容量进行充电行为，充电完成后由超级电容对当前时刻混合储能系统的存储容量进行充电或放电补充。
3.根据权利要求1所述的混合储能系统的能量管理和容量配置的优化系统，其特征在于，所述蓄电池和超级电容放电过程如下：在放电过程中，如果混合储能系统的不平衡电量大于蓄电池和超级电容能够转换的电能总和，那么优先蓄电池以额定容量进行放电行为，放电量为蓄电池额定放电转换能量，超级电容以最大容量进行放电，放电量为最大放电转换容量，当前时刻的存储能量为前一时刻的存储能量与此时刻储能动作行为的能量之差；最后考虑存储容量的上下限，对于蓄电池来说，小于蓄电池最小容量的话，修改当前时刻的能量为最小容量，超级电容的放电量为不平衡电量与蓄电池最小容量之差；如果混合储能系统的不平衡电量小于蓄电池和超级电容能够转换的电能总和，那么比较不平衡电量与蓄电池额定转换容量，若不平衡电量大于蓄电池额定转换容量，则优先蓄电池以额定容量进行放电行为，放电完成后由超级电容对当前时刻混合储能系统的存储容量进行充电或放电补充。
4.根据权利要求1所述的混合储能系统的能量管理和容量配置的优化系统，其特征在于，所述充电过程中不平衡电量公式如下：
ΔE＝PPV(kt)*nc-PL(kt)＝(Pbat(kt,m)+Psc(kt,n))*nc (1)
式中，ΔE代表储能系统的不平衡功率，PPV(kt)、Pbat(kt)和Psc(kt)分别为光伏电池、蓄电池和超级电容在kt时刻的输出功率；PL(kt)负荷在kt时刻的功率；nc为变换器的功率转换效率，m为蓄电池个数，n为超级电容个数。
5.根据权利要求1所述的混合储能系统的能量管理和容量配置的优化系统，其特征在于，所述的负荷缺电率计算公式如下：
Figure FDA0004106557040000031
式中，fLPSP为系统负荷缺电率，所谓负荷缺电率，即为系统运行周期T内负载缺电量与负载总需求电量的比值，负荷缺电率是系统的可靠性指标，其值必须小于或等于系统允许的最大负荷缺电率fMAX。
6.混合储能系统的能量管理和容量配置的优化方法，其特征在于，包括如下步骤：
步骤一，采集微电网系统中光伏电池的功率输出数据和负载的功率需求数据；
步骤二，将微电网系统需要配置的蓄电池个数和超级电容个数作为自变量，在预算下大范围地估计所需蓄电池和超级电容地个数，以两者个数的最大值和最小值确定潜在空间；
步骤三，在潜在空间内选择由蓄电池个数和超级电容个数所构成的n个地点的烟花，将此作为烟花算法开始的初始烟花；
步骤四，结合混合储能能量管理系统，考虑约束条件，对初始地点上的烟花进行自适应度评估；
步骤五，在n个初始地点内进行烟花算法爆炸过程；
步骤六，根据烟花爆炸的过程获取算法中下一次爆炸火花的位置，并对相应位置的火花进行自适应度评估；
步骤七，比较本次爆炸所获得的下一代火花自适应度和本次爆炸的烟花自适应度，确定本次爆炸的烟花位置是否为最佳位置；若是最佳位置，则本次爆炸的烟花即为在最优解，算法结束；若不是最优解，则从本次爆炸的烟花和火花中选择n个地点，并将其作为下一次爆炸的初始地点，进行下一次烟花爆炸过程；
步骤八，循环步骤七至步骤三的内容，直至出现最优解；
爆炸产生的火花个数计算公式如下：
Figure FDA0004106557040000041
式中，m是控制n个烟花产生的火花总数的参数，xi是烟花所处的位置，f(x)表示目标函数，ymax＝max(f(xi))(i＝1,2,...,n)是目标函数的最大值，即目标函数的最差值，在n个烟花中，用ξ表示计算机中的最小常数，以避免零分误差；
爆炸幅度计算公式如下：
Figure FDA0004106557040000051
式中，
Figure FDA0004106557040000052
表示最大爆炸幅度，ymin＝min(f(xi))(i＝1,2,...,n)是n次烟火中目标函数的最小值，即，目标函数的最佳值，在n个烟火中，用ξ表示计算机中的最小常数，以避免零分误差；
限制爆炸幅度最小值，公式如下：
Figure FDA0004106557040000053
式中，t表示当前迭代开始时函数评估的次数，而evalsmax是评估的最大次数；Ainit和Afinal分别是初始和最终最小爆炸幅度；
自适应度函数计算公式如下：
Figure FDA0004106557040000054
式中，X为优化变量；K为储能系统的工程寿命；r为贴现率；C(kt)和B(kt)分别是第kt时段的成本和收入。
CN202010437223.XA 2020-05-21 2020-05-21 混合储能系统的能量管理和容量配置的优化系统及方法 Active CN111628558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010437223.XA CN111628558B (zh) 2020-05-21 2020-05-21 混合储能系统的能量管理和容量配置的优化系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010437223.XA CN111628558B (zh) 2020-05-21 2020-05-21 混合储能系统的能量管理和容量配置的优化系统及方法

Publications (2)

Publication Number Publication Date
CN111628558A CN111628558A (zh) 2020-09-04
CN111628558B true CN111628558B (zh) 2023-04-07

Family

ID=72272442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010437223.XA Active CN111628558B (zh) 2020-05-21 2020-05-21 混合储能系统的能量管理和容量配置的优化系统及方法

Country Status (1)

Country Link
CN (1) CN111628558B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112104061B (zh) * 2020-09-25 2022-05-24 全球能源互联网研究院有限公司 混合储能系统、混合储能系统能量分配方法及分配装置
CN115936265B (zh) * 2023-02-24 2023-06-16 华东交通大学 考虑电氢耦合的电氢能源系统鲁棒规划方法
CN117394402A (zh) * 2023-12-05 2024-01-12 铭沣工业自动化（上海）有限公司 一种新能源储能系统及储能方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109510234B (zh) * 2018-10-23 2020-09-18 许继集团有限公司 一种微电网储能电站的混合储能容量优化配置方法及装置
CN109615141B (zh) * 2018-12-14 2020-06-02 广东电网有限责任公司 一种多能源系统并网优化调度方法及装置
CN110417015A (zh) * 2019-06-18 2019-11-05 湖北追日电气股份有限公司 基于模型预测控制的微电网多目标优化调度方法及系统
CN110766239A (zh) * 2019-11-05 2020-02-07 深圳供电局有限公司 基于烟花算法的微电网优化调度方法

Also Published As

Publication number Publication date
CN111628558A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CN111628558B (zh) 混合储能系统的能量管理和容量配置的优化系统及方法
CN110429693B (zh) 一种基于电池组一致性的储能电池组功率控制方法
CN109510234B (zh) 一种微电网储能电站的混合储能容量优化配置方法及装置
CN104701871A (zh) 一种含风光水多源互补微网混合储能容量最佳配比方法
CN112086975B (zh) 一种协调多储能单元参与二次调频的优化调度方法
CN105552944A (zh) 一种包含储能和能量路由器的网络系统及能量调节方法
Wang et al. An improved min-max power dispatching method for integration of variable renewable energy
CN114123280B (zh) 一种考虑系统效率的电池储能电站能量管理方法
Guo et al. A new battery energy storage system control method based on SOC and variable filter time constant
CN113644674A (zh) 基于量子粒子群的氢混合储能容量配置系统、方法及应用
CN111525597B (zh) 一种风储联合系统中双电池不平衡状态优化方法
CN110707788A (zh) 一种分布式储能电站中储能电池阵列快速均衡系统及方法
CN109004642B (zh) 用于平抑分布式电源功率波动的配网分布式储能评价方法
Liqun et al. Capacity optimization of hybrid energy storage in wind/PV complementary power generation system based on improved particle swarm optimization
CN111244989B (zh) 一种基于电池储能的风电机组与火电机组的协调运行方法
CN112952883B (zh) 一种分布式储能系统的充电控制方法及系统
CN115347590A (zh) 基于可逆固体氧化物电池的混合储能微电网寻优控制方法
CN114447963A (zh) 储能电池功率控制方法及系统
Jun et al. Characteristics analysis of ultracapacitor-battery hybrid energy storage system
CN113555901A (zh) 基于改进s型函数粒子群优化算法的混合储能容量优化方法
Meng et al. Capacity Optimization Configuration of Hybrid Energy Storage System Using a Modified Grey Wolf Optimization
CN111439161A (zh) 一种基于新能源汽车电池的优化控制系统
Glavin Optimisation of a Hybrid Energy Storage System for Autonomous Photovoltaic Applications
CN111585267A (zh) 一种基于单相光伏储能一体机的新型adrc分层协调控制方法
Shao et al. A novel design of fuzzy logic control algorithm for hybrid energy storage system

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: 20230928

Address after: Room 1701-1, Building 4, No. 18 Qingjiang South Road, Gulou District, Nanjing City, Jiangsu Province, 210003

Patentee after: Jiangsu Dingjing Fusion Smart Energy Technology Co.,Ltd.

Address before: 1 No. 211167 Jiangsu city of Nanjing province Jiangning Science Park Hongjing Road

Patentee before: NANJING INSTITUTE OF TECHNOLOGY