CN111934344A - 一种基于动态规划的园区光伏与储能多目标优化调度方法 - Google Patents
一种基于动态规划的园区光伏与储能多目标优化调度方法 Download PDFInfo
- Publication number
- CN111934344A CN111934344A CN202010658601.7A CN202010658601A CN111934344A CN 111934344 A CN111934344 A CN 111934344A CN 202010658601 A CN202010658601 A CN 202010658601A CN 111934344 A CN111934344 A CN 111934344A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- distributed energy
- photovoltaic
- charging
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 76
- 238000005457 optimization Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007599 discharging Methods 0.000 claims abstract description 36
- 238000010248 power generation Methods 0.000 claims abstract description 18
- 238000003860 storage Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 32
- 230000005611 electricity Effects 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000011161 development Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- H02J3/381—Dispersed generators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/50—Charging stations characterised by energy-storage or power-generation means
- B60L53/51—Photovoltaic means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/40—The network being an on-board power network, i.e. within a vehicle
- H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
-
- 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
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Transportation (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于动态规划的园区光伏与储能多目标优化调度方法,包括数据获取的配电网接入的光伏场站发电功率、配电网总负荷和光伏场站内分布式储能的充放电功率,以最小化光伏场站等效负荷方差和、最小化负荷峰谷差以及最小化分布式储能充放电成本为目标构建多目标优化调度函数;以分布式储能充放电功率、电池储存容量与使用寿命构建约束条件,在约束条件下求解多目标优化调度函数,得到光伏场站接入配电网后最优发电功率。实现分布式储能接入电网的最优充放电功率和光伏场站并网后的最优发电功率的协同调度。
Description
技术领域
本发明涉及电网调度技术领域,特别是涉及一种基于动态规划的园区光伏与储能多目标优化调度方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
目前电动汽车作为新能源发展的突出代表,已取代传统的燃料汽车,成为引领汽车工业发展的重要趋势,未来电动汽车的大批量接入将会对电力系统的稳定运行产生很大的影响。目前对系统配电网层面主要有对电压、网损和谐波等方面的研究,随着可再生能源的发展,光伏在世界能源格局中的比重不断增加,光伏并网对电力系统的影响也越来越大;在系统中,光伏并网会伴有一定的弃光现象,造成能源的浪费,利用储能提升电网安全稳定水平已成为未来高比例新能源电网的必然选择。而发明人认为,目前虽已有对电动汽车接入电网和光伏并网协同调度的相关研究,但电动汽车作为一种分布式储能,如何综合考虑分布式储能的状态和位置等随机性参数,实现分布式储能的调度,仍有待进一步研究。
发明内容
为了解决上述问题,本发明提出了一种基于动态规划的园区光伏与储能多目标优化调度方法,考虑网络约束、电池充放电特性及状态约束,通过以平抑电网负荷波动、减少电动汽车充放电成本以及调整后的负荷峰谷差建立多目标协同调度函数,采用基于动态规划和遗传算法对多目标协同调度模型进行优化,针对分布式储能自发做出充放电的决策,实现分布式的就地决策算法,实现电动汽车接入电网的最优充放电功率和光伏并网后的最优发电功率的协同调度。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种基于动态规划的园区光伏与储能多目标优化调度方法,包括:
根据获取的配电网接入的光伏场站发电功率、配电网总负荷和光伏场站内分布式储能的充放电功率,以最小化光伏场站等效负荷方差和、最小化负荷峰谷差以及最小化分布式储能充放电成本为目标构建多目标优化调度函数;
以分布式储能充放电功率、电池储存容量与使用寿命、分布式储能是否接收调度构建约束条件,在约束条件下求解多目标优化调度函数,得到光伏场站接入配电网后最优发电功率和分布式储能的充放电功率。
第二方面,本发明提供一种基于动态规划的园区光伏与储能多目标优化调度系统,包括:
目标函数构建模块,用于根据获取的配电网接入的光伏场站发电功率、配电网总负荷和光伏场站内分布式储能的充放电功率,以最小化光伏场站等效负荷方差和、最小化负荷峰谷差以及最小化分布式储能充放电成本为目标构建多目标优化调度函数;
优化模块,用于以分布式储能充放电功率、电池储存容量与使用寿命、分布式储能是否接收调度构建约束条件,在约束条件下求解多目标优化调度函数,得到光伏场站接入配电网后最优发电功率和分布式储能的充放电功率。
第三方面,本发明提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述的方法。
第四方面,本发明提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述的方法。
与现有技术相比,本发明的有益效果为:
1)本发明通过以平抑电网负荷波动、减少电动汽车充放电成本以及调整后的负荷峰谷差建立多目标协同调度函数,采用基于动态规划和遗传算法对多目标协同调度模型进行优化,避免了优化算法的维数灾问题和计算速度缓慢的问题。
2)本发明不需要分层,不需要上下层之间协调,算法结构简单,这种调度方法适合电动汽车电池分布广,容量小的特点,能够节省调度系统的投资,实现更加灵活的配置。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的一种基于动态规划的园区光伏与储能多目标优化调度方法流程图。
具体实施方式:
下面结合附图与实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示,本实施例提供一种基于动态规划的园区光伏与储能多目标优化调度方法,包括:
S1:根据获取的配电网接入的光伏场站发电功率、配电网总负荷和光伏场站内分布式储能的充放电功率,以最小化光伏场站等效负荷方差和、最小化负荷峰谷差以及最小化分布式储能充放电成本为目标构建多目标优化调度函数;
S2:以分布式储能充放电功率、电池储存容量与使用寿命、分布式储能是否接收调度构建约束条件,在约束条件下求解多目标优化调度函数,得到光伏场站接入配电网后最优发电功率和分布式储能的充放电功率。
在本实施例中,以电动汽车为例,考虑到电动汽车充放电时间与光伏发电均具备较强的随机性,本实施例设一个调度周期为1天,并将1天分为24个时间段,通过分时电价将每一个时间段内的电动汽车充放电功率作为优化变量,所述步骤S1具体包括:
(1)在区域电网中,大规模的电动汽车集中管理后,可向电网提供调峰、调频等多种辅助服务,本实施例把减少系统调峰容量不足而导致的弃光伏量考虑到电力系统负荷波动中,构建等效负荷方差和为最小的目标函数,如下:
其中,Pwt为区域电网中各个光伏场在第t时段总的发电功率值;P1t为区域电网中第t时段时的总负荷需求值;Pavg表示1天内电力系统各时段负荷和的平均值;Pevt为在t时段时所有电动汽车的充放电功率。
(2)以满足电动汽车用户的充放电需求并降低充放电费用构建目标函数,本实施例考虑电动汽车充放电时对电池产生的损耗成本rb:
式中,r1t为电动汽车按分时电价充放电时t时段的充电电价;r2t为电动汽车按分时电价充放电时t时段的放电电价;当Pevt小于等于0时,r1=0,r2=1;反之,当Pevt大于0时,r1=1,r2=0;Pevt小于等于0时代表电动汽车放电,反之,代表充电;Δt为计算时间长度;Cb为电动汽车每单位容量的电池价格,电动汽车以某型号M1为例,电池容量为20kW,电池价格为2200元/kWh;k为电池全寿命所能使用的循环次数,设为1600次,可知rb=0.1435元/kWh。
(3)调整后的负荷峰谷差目标模型:
P`1t=P1t-Pwt+Pevt
min PL=max(P`1t)-min(P`1t)
式中,P`1t为原负荷曲线调整后的负荷曲线;PL为调整后的负荷曲线峰谷差。
所述步骤S2中,是否接受调度、充放电功率约束、电池储存能量约束和可用时间约束分别表示为:
(1)是否接收调度约束:
每个分布式储能配置是否接受协同调度标志ucp,j(t),ucp,j(t)=0表示第j个分布式储能不接受协同调度,无论周围负荷处于什么水平,此分布式储能始终处于充电状态;ucp,j(t)=1表示第j个充电桩接受协同调度。下一时间段充电概率阈值pev,j(t+1):
其中,总容量p1l(t)、等效负荷pavg(t),充电桩是否接受协同调度标志ucp,j(t)。
(2)电动汽车充放电功率约束:
Pevmt≤Pevt≤PevMt
Pevmt=-N2tPevmax
PevMt=N2tPevmax
N2t=Nev-N1t
式中,Pevt为所能调度的所有电动汽车在第t时段时的充放电功率;Pevmt为所能调度的所有电动汽车在第t段时的充放电功率最小值;PevMt为所能调度的所有电动汽车在第t段时的充放电功率最大值;Nev为所能调度的所有电动汽车总数量;N1t为t时段内所有行驶的电动汽车总数量;N2t为t时段内所有停驶的电动汽车总数量。
(3)电动汽车电池剩余电量的极值约束:
Smin≤St+1≤Smax
Smin=a1NevSevmax
Smax=a2NevSevmax
式中,Smin和Smax分别为电池所剩余电量的最小、最大值;Sevmax为每辆电动汽车的平均容量的最大值,a1、a2为电动汽车至少、至多能够保存的能量。
St+1=St+gPevmaxΔt-S1t
式中,St+1表示在第t时段电动汽车的剩余电量;St为在第t时段电动汽车的电池剩余电量;S1t表示在t时段内所有行驶电动汽车的总耗电量;g为在第t时段内电动汽车的充放电效率。
S1t=N1tS1av
N2t=C2tNev
S1av=SkmVevΔt
式中,S1av表示电动汽车在一个时段中的平均行驶耗电量;C2t表示电动汽车在t时段时的停驶概率;Skm表示电动汽车行使所需的平均耗电量;Vev表示电动汽车通常行驶的平均速度。
电动汽车整体的能量需求:
式中,Eevn表示为在这24个时段内电动汽车所需要的电能总量。
所述步骤S2中,在约束条件下,采用遗传算法和动态规划寻优算法求解多目标优化调度函数,得到电动汽车最优充放电功率,以电动汽车最优充电功率协同调度并网后光伏场站的发电功率,具体为:
(1)种群初始化:
把要求解目标模型的初始可行解通过实数编码表示成遗传空间的个体,本文是把各时段的电动汽车充放电功率作为遗传空间的个体。
(2)求解适应度函数:
用来区分种群中电动汽车充放电功率是否为最优的标准是适应度函数,一般是根据所求目标模型变化得到。目标模型值与其适应度值具有倒数相对性,前者值越小,后者值越大,所得到的个体就越优;
采用函数值的倒数作为个体的适应度值,函数值越小的个体,适应度值越大,个体越优,即:
(3)选择操作,采用轮盘赌法从种群中选择适应度好的个体组成新的种群:
选择操作是从每次迭代所产生的种群中选出优秀个体,作为种群1,并将大于子代最优值的父代最优值代替子代的最差值,作为种群2,将种群1和种群2结合形成新的种群,然后利用轮盘赌法繁衍到下一代的个体,下式表示个体i被选中的概率为:
其中,Fi为某一个体i的适应度值;Fj为种群中所有个体数目适应度值。
(4)交叉操作为从新种群中选择两个个体,按照一定概率交叉得到新个体,变异操作为从新种群中随机选择一个个体,按照一定概率变异得到新个体;
将选择操作后所产生的新种群中某两个个体按照一定的交叉概率和变异概率进行变化,可使种群进一步进化,使其具有多样性。
(5)非线性寻优,即局部寻优,判断进化次数是否是种群个体数目的倍数,把利用遗传算法每次进化后所得到的次优可行解作为种群初始可行解值,然后再利用fmincon函数进行局部搜索寻优,并把所寻到的局部优化可行解作为新遗传个体继续进化。
实施例2
本实施例提供一种基于动态规划的园区光伏与储能多目标优化调度方法及系统,包括:
目标函数构建模块,用于根据获取的配电网接入的光伏场站发电功率、配电网总负荷和光伏场站内分布式储能的充放电功率,以最小化光伏场站等效负荷方差和、最小化负荷峰谷差以及最小化分布式储能充放电成本为目标构建多目标优化调度函数;
优化模块,用于以分布式储能充放电功率、电池储存容量与使用寿命、分布式储能是否接收调度构建约束条件,在约束条件下求解多目标优化调度函数,得到光伏场站接入配电网后最优发电功率和分布式储能的充放电功率。
此处需要说明的是,上述模块对应于实施例1中的步骤S1至S2,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于动态规划的园区光伏与储能多目标优化调度方法,其特征在于,包括:
根据获取的配电网接入的光伏场站发电功率、配电网总负荷和光伏场站内分布式储能的充放电功率,以最小化光伏场站等效负荷方差和、最小化负荷峰谷差以及最小化分布式储能充放电成本为目标构建多目标优化调度函数;
以分布式储能充放电功率、电池储存容量与使用寿命、分布式储能是否接收调度构建约束条件,在约束条件下求解多目标优化调度函数,得到光伏场站接入配电网后最优发电功率和分布式储能的充放电功率。
4.如权利要求1所述的一种基于动态规划的园区光伏与储能多目标优化调度方法,其特征在于,所述多目标优化调度函数中,最小化负荷峰谷差的目标函数为:
`
P1t=P1t-Pwt+Pevt
``
minPL=max(P1t)-min(P1t)
其中,P`1t为原负荷曲线调整后的负荷曲线;PL为调整后的负荷曲线峰谷差。
5.如权利要求1所述的一种基于动态规划的园区光伏与储能多目标优化调度方法,其特征在于,所述约束条件中,分布式储能充放电功率约束为:
Pevmt≤Pevt≤PevMt
Pevmt=-N2tPevmax
PevMt=N2tPevmax
N2t=Nev-N1t
其中,Pevt为所能调度的所有分布式储能在第t时段时的充放电功率;Pevmt为所能调度的所有分布式储能在第t段时的充放电功率最小值;PevMt为所能调度的所有分布式储能在第t段时的充放电功率最大值;Nev为所能调度的所有分布式储能总数量;N1t为t时段内所有行驶的分布式储能总数量;N2t为t时段内所有停驶的分布式储能总数量。
6.如权利要求1所述的一种基于动态规划的园区光伏与储能多目标优化调度方法,其特征在于,所述约束条件中,分布式储能电池剩余电量的极值约束为:
Smin≤St+1≤Smax
Smin=a1NevSevmax
Smax=a2NevSevmax
式中,Smin和Smax分别为电池所剩余电量的最小、最大值;Sevmax为每辆分布式储能的平均容量的最大值,a1、a2为分布式储能最少、最多保存的电能。
7.如权利要求1所述的一种基于动态规划的园区光伏与储能多目标优化调度方法,其特征在于,所述在约束条件下求解多目标优化调度函数的求解过程包括:
以分布式储能充放电功率为适应度函数,采用多目标优化调度函数的倒数作为适应度值;
采用轮盘赌法选择适应值最优的个体组成新种群;
对新种群中某两个个体按照一定的交叉概率和变异概率进行交叉操作和变异操作;
判断采用遗传算法进化次数是否是种群个体数目的倍数,采用非线性规格进行局部寻优,并把局部最优值作为新个体进行进化,直至得到分布式储能充放电功率的最优解。
8.一种基于动态规划的园区光伏与储能多目标优化调度系统,其特征在于,包括:
目标函数构建模块,用于根据获取的配电网接入的光伏场站发电功率、配电网总负荷和光伏场站内分布式储能的充放电功率,以最小化光伏场站等效负荷方差和、最小化负荷峰谷差以及最小化分布式储能充放电成本为目标构建多目标优化调度函数;
优化模块,用于以分布式储能充放电功率、电池储存容量与使用寿命、分布式储能是否接收调度构建约束条件,在约束条件下求解多目标优化调度函数,得到光伏场站接入配电网后最优发电功率和分布式储能的充放电功率。
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010658601.7A CN111934344A (zh) | 2020-07-09 | 2020-07-09 | 一种基于动态规划的园区光伏与储能多目标优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010658601.7A CN111934344A (zh) | 2020-07-09 | 2020-07-09 | 一种基于动态规划的园区光伏与储能多目标优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111934344A true CN111934344A (zh) | 2020-11-13 |
Family
ID=73313501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010658601.7A Pending CN111934344A (zh) | 2020-07-09 | 2020-07-09 | 一种基于动态规划的园区光伏与储能多目标优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111934344A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734098A (zh) * | 2020-12-31 | 2021-04-30 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及系统 |
CN113158412A (zh) * | 2021-02-05 | 2021-07-23 | 合肥优尔电子科技有限公司 | 一种基于布谷鸟算法的光储电站协同优化方法 |
CN115840794A (zh) * | 2023-02-14 | 2023-03-24 | 国网山东省电力公司东营供电公司 | 一种基于gis和rl模型的光伏系统规划方法 |
CN118157186A (zh) * | 2024-05-09 | 2024-06-07 | 北京智芯微电子科技有限公司 | 微电网储能能量管理方法、装置、存储介质及终端设备 |
CN118182200A (zh) * | 2024-04-10 | 2024-06-14 | 国网山东省电力公司东营供电公司 | 风光储充换检一体化服务站 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786505A (zh) * | 2016-11-21 | 2017-05-31 | 山东大学 | 一种基于邻域信息的分散充电桩协同调度方法 |
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
CN107633333A (zh) * | 2017-10-16 | 2018-01-26 | 国家电网公司 | 柔性变电站区域电网的源‑荷‑储调度优化方法及系统 |
CN109383323A (zh) * | 2017-12-05 | 2019-02-26 | 暨南大学 | 一种电动汽车群的充放电优化控制方法 |
-
2020
- 2020-07-09 CN CN202010658601.7A patent/CN111934344A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786505A (zh) * | 2016-11-21 | 2017-05-31 | 山东大学 | 一种基于邻域信息的分散充电桩协同调度方法 |
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
CN107633333A (zh) * | 2017-10-16 | 2018-01-26 | 国家电网公司 | 柔性变电站区域电网的源‑荷‑储调度优化方法及系统 |
CN109383323A (zh) * | 2017-12-05 | 2019-02-26 | 暨南大学 | 一种电动汽车群的充放电优化控制方法 |
Non-Patent Citations (3)
Title |
---|
HANGHANG LIU等: "A New Method to Estimate the Magnetic Field Modulation Effect of Brushless Doubly-Fed Machine with Cage Rotor", 《2011 INTERNATIONAL CONFERENCE ON ELECTRICAL MACHINES AND SYSTEMS》 * |
张乐平: "基于动态规划的电动汽车用户侧充电优化方法", 《电网与清洁能源》 * |
蒋秀丽: "微电网环境下电动汽车充放电优化调度策略研究", 《中国优秀硕士学位论文 工程科技II辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734098A (zh) * | 2020-12-31 | 2021-04-30 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及系统 |
CN112734098B (zh) * | 2020-12-31 | 2023-01-31 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及系统 |
CN113158412A (zh) * | 2021-02-05 | 2021-07-23 | 合肥优尔电子科技有限公司 | 一种基于布谷鸟算法的光储电站协同优化方法 |
CN113158412B (zh) * | 2021-02-05 | 2022-10-25 | 合肥优尔电子科技有限公司 | 一种基于布谷鸟算法的光储电站协同优化方法 |
CN115840794A (zh) * | 2023-02-14 | 2023-03-24 | 国网山东省电力公司东营供电公司 | 一种基于gis和rl模型的光伏系统规划方法 |
CN118182200A (zh) * | 2024-04-10 | 2024-06-14 | 国网山东省电力公司东营供电公司 | 风光储充换检一体化服务站 |
CN118157186A (zh) * | 2024-05-09 | 2024-06-07 | 北京智芯微电子科技有限公司 | 微电网储能能量管理方法、装置、存储介质及终端设备 |
CN118157186B (zh) * | 2024-05-09 | 2024-09-13 | 北京智芯微电子科技有限公司 | 微电网储能能量管理方法、装置、存储介质及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111934344A (zh) | 一种基于动态规划的园区光伏与储能多目标优化调度方法 | |
CN109193812B (zh) | 一种园区光储荷微电网经济调度实现方法 | |
CN111431198B (zh) | 峰谷电价下考虑电动汽车v2g能力的配电网储能调峰方法 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
Yang et al. | A novel parallel-series hybrid meta-heuristic method for solving a hybrid unit commitment problem | |
CN109861256A (zh) | 一种计及全寿命周期成本的配电网储能优化配置方法 | |
CN112713618A (zh) | 基于多场景技术的主动配电网源网荷储协同优化运行方法 | |
CN110048475A (zh) | 电动汽车光伏充电站充电优化方法 | |
CN109980742A (zh) | 计及动力电池梯次利用基于mmc结构的充电站优化方法 | |
CN107482660B (zh) | 一种基于双储能系统的主动配电网储能配置方法 | |
CN105680464A (zh) | 一种考虑电池损耗的削峰填谷电池储能系统调度方法 | |
CN110365034A (zh) | 一种计及储能容量配置的微电网电能优化调度方法 | |
CN114448044A (zh) | 一种换电站双向快充有序充放电方法及系统 | |
CN107273968A (zh) | 一种基于动态模糊混沌粒子群的多目标调度方法及装置 | |
CN114914923B (zh) | 基于网格法的变时长两阶段电动汽车调度方法及系统 | |
CN203933038U (zh) | 离网并网混合光伏发电控制系统 | |
CN113326467A (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN115239032A (zh) | 计及能源自洽率的高速公路服务区微电网规划方法及系统 | |
CN111639866A (zh) | 基于遗传算法的储能充电站的储能容量的配置方法 | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN114784896A (zh) | 面向虚拟电厂的规模化充电桩能量优化管理方法和系统 | |
CN113500940B (zh) | 一种基于粒子群算法的电动汽车有序充放电动态优化策略 | |
CN114725930A (zh) | 一种自适应电力系统调度方法及装置 | |
CN111146793B (zh) | 基于功率特征提取的光伏-储能系统容量优化设计方法及系统 | |
CN112260274A (zh) | 一种基于全景理论的虚拟电厂组建方法 |
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: 20201113 |