CN114744657B - 一种基于微电网的电池储能系统尺寸优化方法 - Google Patents

一种基于微电网的电池储能系统尺寸优化方法 Download PDF

Info

Publication number
CN114744657B
CN114744657B CN202210408691.3A CN202210408691A CN114744657B CN 114744657 B CN114744657 B CN 114744657B CN 202210408691 A CN202210408691 A CN 202210408691A CN 114744657 B CN114744657 B CN 114744657B
Authority
CN
China
Prior art keywords
energy storage
storage system
battery energy
wolf
micro
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
CN202210408691.3A
Other languages
English (en)
Other versions
CN114744657A (zh
Inventor
王蒋静
叶佳青
杨建立
曹雅素
徐杰
俞佳捷
张力
黄湘云
郑瑞云
毛倩倩
徐科兵
汪溥
秦桑
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.)
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210408691.3A priority Critical patent/CN114744657B/zh
Publication of CN114744657A publication Critical patent/CN114744657A/zh
Application granted granted Critical
Publication of CN114744657B publication Critical patent/CN114744657B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • Y02E40/10—Flexible AC transmission systems [FACTS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Geometry (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于微电网的电池储能系统尺寸优化方法，涉及微电网领域，其根据微电网与微电网中各电池储能系统的参数数据获取编码矩阵，通过编码矩阵设定灰狼优化算法的输入参数,并初始化狼群位置；通过适应度目标函数划分狼群的层级，并通过灰狼优化算法获取顶层狼的所在位置，即电池储能系统的目标尺寸，其通过灰狼优化算法嵌入在优化方法中以得到目标尺寸，并通过步骤S4对目标尺寸进一步优化以得到最优尺寸，实现了在微电网出现故障、发电和负载需求之间不平衡导致频率不稳定时，给微电网提供足够的频率支持以稳定微电网的频率响应，使电力系统在正常和异常条件下均能稳定运行的同时，进一步降低电池储能系统成本的目标。

Description

一种基于微电网的电池储能系统尺寸优化方法
技术领域
本发明涉及微电网领域，尤其涉及一种基于微电网的电池储能系统尺寸优化方法。
背景技术
作为一个单一的可控网络，微电网集群负载和微源(SGs和NS-RES)，可以向偏远社区(包括岛屿)和工业综合体提供可靠的电力供应。NS-RES对常规电厂(CPPs)的广泛替代对电力系统的频率响应有重大影响，可以显著改变系统的频率行为。换句话说，惯性有限的电力系统对系统的频率行为有重要的影响，例如，由于失去一个大的发电机组，将会导致不可接受的频率水平，可能导致电网崩溃，因此当NS-RES的渗透水平较高时，系统频率的稳定控制尤为重要。
另外，在微电网的互连模式中，其主要通过公用电网控制并保持微电网的电压和频率在频率和电压偏差的允许范围内。然而，独立微电网的情况不同，电网的NS-RES渗透率高，发电和负载需求之间不平衡，因此，独立微电网的频率偏差较快。
目前，随着能源材料的发展，电池储能系统(BESS)在电网中被广泛利用，该系统通过向微电网注入瞬时电力以提供频率支持，然而，电池储能系统的尺寸过大会增加成本，而尺寸过小会使得电池容量不足从而导致性能较差。因此，设置一个最优尺寸的电池储能系统，以在微电网出现故障、发电和负载需求之间不平衡导致频率不稳定时，给微电网提供足够的频率支持以稳定微电网的频率响应，并保持电力系统的安全性，使电力系统在正常和异常条件下均能稳定运行的同时，降低电池储能系统的成本，是本发明急待解决的技术问题。
发明内容
为了在微电网出现故障、发电和负载需求之间不平衡导致频率不稳定时，给电网提供足够的频率支持以稳定微电网频率响应的同时，降低电池储能系统的成本，本发明提出了一种基于微电网的电池储能系统尺寸优化方法,其通过灰狼优化算法获取电池储能系统的目标尺寸，并对其尺寸进行优化，以在发生故障时稳定微电网的频率响应；包括步骤：
S1：根据微电网与微电网中各电池储能系统的参数数据获取编码矩阵，所述编码矩阵中的元素表示微电网中电池储能系统的可选尺寸，元素中的X表示电池储能系统，元素中的n表示电池储能系统的数量，p表示电池储能系统X的位置；
S2:通过编码矩阵设定灰狼优化算法的输入参数,并初始化狼群位置即电池储能系统X的位置；
S3：通过适应度目标函数获取每个狼所在位置对应的适应度目标函数值，即微电网通过电池储能系统调频后的频率偏差效果目标函数值；根据适应度目标函数值，划分狼群的层级；并通过灰狼优化算法获取顶层狼的所在位置，即电池储能系统的目标尺寸；
S4:通过适应度目标函数获取目标尺寸对应电池储能系统在当前采样时刻与下一采样时刻的适应度目标函数值；
当下一采样时刻的适应度目标函数值小于当前采样时刻的适应度目标函数值时，以预设步长△b增加电池储能系统的目标尺寸，在这个过程中，当出现下一采样时刻的适应度目标函数值大于当前采样时刻的适应度目标函数值时，以第一预设步长减小电池储能系统的目标尺寸，直至下一采样时刻的适应度目标函数值小于当前采样时刻的适应度目标函数值，并在此时，以第二预设步长增加电池储能系统的目标尺寸，直至下一采样时刻的适应度目标函数值再次大于当前采样时刻的适应度目标函数值，并输出当前电池储能系统的目标尺寸为最优尺寸，所述预设步长△b大于第一预设步长,第一预设步长大于第二预设步长。
进一步地，在步骤S2与S3之间还包括：
S21：判断各电池储能系统是否满足预设约束条件，若是，则进入步骤S3，若否，则返回步骤S2重新初始化狼群位置。
进一步地，所述步骤S3具体包括：
S31：通过适应度目标函数获取每个狼所在位置对应的适应度目标函数值，即微电网通过电池储能系统调频后的频率偏差效果目标函数值；
S32：根据适应度目标函数值，将狼群划分为α、β、δ、ω，其中，α狼为电池储能系统调频效果最优的狼，β狼为电池储能系统调频次优的狼，δ狼为电池储能系统调频第三优的狼，ω狼为剩余的狼；
S33：初始化迭代次数,并开始进行迭代次数的计数；
S34：更新狼群的位置；
S35：迭代次数加1，并判断迭代次数是否大于等于最大迭代次数，若否，则返回步骤S34，若是，则输出α狼即顶层狼的所在位置为电池储能系统的目标尺寸。
进一步地，所述步骤S34至S35之间还包括：
S341：检查更新后的狼是否满足预设约束条件，若是，则进入步骤S35，若否，则返回步骤S34。
进一步地，所述步骤S1中编码矩阵的公式表达式为：
式中，元素表示微电网中电池储能系统的可选尺寸，X表示电池储能系统，n表示编码矩阵中横向元素的数量即电池储能系统的数量，p表示电池储能系统X的位置。
进一步地，所述步骤S2中初始化狼群位置的公式为：
Position＝Pmin+rand()*(Pmax-Pmin)；
式中，Pmin表示狼群位置最小值，Pmax表示狼群位置最大值，rand()表示随机函数，Position表示狼群随机位置。
进一步地，所述预设约束条件包括：
约束条件公式1：
0≤Pd(t)≤Pd；
式中，Pd为电池储能系统的标准输出功率，Pd(t)为电池储能系统在t时刻的输出功率；
约束条件公式2：
S1≤SOC(t)≤S2；
式中，S1、S2分别为电池储能系统储能荷电量的标准上限与标准下限，SOC(t)为电池储能系统在t时刻的储能荷电状态；
约束条件公式3，即储能荷电状态与电池储能系统输出功率之间的关系需满足等式：
式中，SOC(0)为故障发生瞬间的储能荷电状态，ηf为电池储能系统的放电效率；Ed为电池储能系统的储能容量大小；
约束条件公式4：
式中，△f为电池储能系统的频率偏差，△fmax为电池储能系统的最大频率偏差；为电池储能系统的滑差，/>为电池储能系统的最大滑差；
约束条件公式4：
式中，H为惯量时间常数，KL为负荷的综合频率调节系数，△P为微电网中防御标准下的最大可能功率缺额故障扰动量，△Pd为电池储能系统的额定放电功率。
进一步地，所述适应度目标函数的公式表达式为：
式中，N表示在预设时段内对电池储能系统频率采样的次数，fi表示第i次采样得到的电池储能系统频率，f0表示电池储能系统的额定频率，F为电池储能系统的适应度目标函数值。
进一步地，所述步骤S34中更新狼群的位置，包括步骤：
1)获取每一条狼分别与α、β、δ狼之间的距离，获取公式为：
式中，分别表示每一条狼所在位置分别与α、β、δ狼所在位置的距离；分别表示α、β、δ狼的当前位置；/> 均为随机向量，所述/>其中/>是(0,1)之间的随机值；/>表示当前狼的位置；
2)：根据每一条狼分别与α、β、δ狼之间的距离更新狼群的位置，所用公式为：
式中，其中，/>是随着迭代次数从2衰减至0的常数向量，/>是(0,1)之间的随机值，/>是随机系数；/>为每一条狼根据α、β、δ狼进行更新后的位置，为更新后狼的位置。
进一步地，所述第一预设步长为△b/2，第二预设步长△b/4。
与现有技术相比，本发明至少含有以下有益效果：
(1)本发明根据微电网与微电网中各电池储能系统的参数数据获取编码矩阵，通过编码矩阵设定灰狼优化算法的输入参数,并初始化狼群位置即电池储能系统X的位置；通过适应度目标函数划分狼群的层级，并通过灰狼优化算法获取顶层狼的所在位置，即电池储能系统的目标尺寸，其通过灰狼优化算法嵌入在优化方法中以得到目标尺寸，并通过步骤S4对电池储能系统的目标尺寸进一步优化以得到电池储能系统的最优尺寸，实现了在微电网出现故障、发电和负载需求之间不平衡导致频率不稳定时，给微电网提供足够的频率支持以稳定微电网的频率响应，并保持电力系统的安全性，使电力系统在正常和异常条件下均能稳定运行的同时，进一步降低电池储能系统成本的目标；
(2)本发明在尺寸优化方法中，判断各电池储能系统是否满足预设约束条件，并在更新狼群的位置后，检查更新后的狼是否满足预设约束条件，其进一步的提高了目标尺寸的准确度；
(3)本发明通过获取最优尺寸的电池储能系统为微电网提供频率支持，减少了高频率波动的同时，减少了参与惯性响应和一次频率控制的常规发电负担；
(4)通过本发明获取的最优尺寸的电池储能系统，稳定了微电网的频率响应，提高了电力系统的鲁棒性。
附图说明
图1为一种基于微电网的电池储能系统尺寸优化方法的方法流程图；
图2为灰狼优化算法中的迭代流程图；
图3为灰狼优化算法中的灰狼层级图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
电池储能系统(BESS)在电网中被广泛利用，该系统通过向微电网注入瞬时电力以提供频率支持，然而，电池储能系统的尺寸过大会增加成本，而尺寸过小会使得电池容量不足从而导致性能较差。为了解决该技术问题，以得到最优尺寸的电池储能系统,如图1所示，本发明提出了一种基于微电网的电池储能系统尺寸优化方法，其通过灰狼优化算法获取电池储能系统的目标尺寸，并对其尺寸进行优化，以在发生故障时稳定微电网的频率响应；包括步骤：
S1：根据微电网与微电网中各电池储能系统的参数数据获取编码矩阵，所述编码矩阵中的元素表示微电网中电池储能系统的可选尺寸，元素中的X表示电池储能系统，元素中的n表示电池储能系统的数量，p表示电池储能系统X的位置；
所述步骤S1中编码矩阵的公式表达式为：
式中，元素表示微电网中电池储能系统的可选尺寸，X表示电池储能系统，n表示编码矩阵中横向元素的数量即电池储能系统的数量，p表示电池储能系统X的位置。
S2:通过编码矩阵设定灰狼优化算法的输入参数,并初始化狼群位置即电池储能系统X的位置；
所述步骤S2具体为:通过编码矩阵设定狼群中狼的个数即电池储能系统X的个数、最大迭代次数、电池储能系统尺寸参数变量的取值范围即狼群位置最小值与狼群位置最大值组成的范围，并通过取值范围初始化狼群位置即电池储能系统X的位置；
所述步骤S2中初始化狼群位置的公式为：
Position＝Pmin+rand()*(Pmax-Pmin)；
式中，Pmin表示狼群位置最小值，Pmax表示狼群位置最大值，rand()表示随机函数，Position表示狼群随机位置。
在步骤S2与S3之间还包括：
S21：判断各电池储能系统是否满足预设约束条件，若是，则进入步骤S3，若否，则返回步骤S2重新初始化狼群位置。
S3：通过适应度目标函数获取每个狼所在位置对应的适应度目标函数值，即微电网通过电池储能系统调频后的频率偏差效果目标函数值；根据适应度目标函数值，划分狼群的层级；并通过灰狼优化算法获取顶层狼的所在位置，即电池储能系统的目标尺寸；
针对灰狼优化算法(GWO)，需要说明的是：灰狼属于犬科动物，被认为是顶级的掠食者，它们处于生物圈食物链的顶端。灰狼大多喜欢群居，每个群体中平均有5-12只狼。特别令人感兴趣的是，它们具有非常严格的社会等级层次制度，如图3所示。金字塔第一层为种群中的领导者，称为α。在狼群中α是具有管理能力的个体，主要负责关于狩猎、睡觉的时间和地方、食物分配等群体中各项决策的事务。金字塔第二层是α的智囊团队，称为β，β主要负责协助α进行决策。当整个狼群的α出现空缺时，β将接替α的位置。β在狼群中的支配权仅次于α，它将α的命令下达给其他成员，并将其他成员的执行情况反馈给α起着桥梁的作用。金字塔第三层是δ，δ听从α和β的决策命令，主要负责侦查、放哨、看护等事务。适应度不好的α和β也会降为δ。金字塔最底层是ω，主要负责种群内部关系的平衡。狼群狩猎猎物有几个棘手的过程，比如跟踪、追逐和包围，所有这些都必须精确地执行，以便为完美的狩猎创造条件。GWO的优点在于具有高水平的鲁棒性，以及处理高维、非线性和非凸问题的能力，是获取本发明目标尺寸的理想工具。
如图2所示，所述步骤S3具体包括：
S31：通过适应度目标函数获取每个狼所在位置对应的适应度目标函数值，即微电网通过电池储能系统调频后的频率偏差效果目标函数值；
所述适应度目标函数的公式表达式为：
式中，N表示在预设时段内对电池储能系统频率采样的次数，fi表示第i次采样得到的电池储能系统频率，f0表示电池储能系统的额定频率，F为电池储能系统的适应度目标函数值。
通过在预设时段内对电池储能系统进行N次的频率采样，然后通过本发明设计的适应度目标函数获取电池储能系统对应的适应度目标函数值，以准确的划分出不同层级的狼，提高了目标尺寸的获取精度。
S32：根据适应度目标函数值，将狼群划分为α、β、δ、ω，其中，α狼为电池储能系统调频效果最优的狼，β狼为电池储能系统调频次优的狼，δ狼为电池储能系统调频第三优的狼，ω狼为剩余的狼；
S33：初始化迭代次数,并开始进行迭代次数的计数；
本实施例中迭代次数的初始值为1。
S34：更新狼群的位置；
需要说明的是，在步骤S33与S34之间还包括初始化
所述步骤S34中更新狼群的位置，包括步骤：
1)获取每一条狼分别与α、β、δ狼之间的距离，获取公式为：
式中，分别表示每一条狼所在位置分别与α、β、δ狼所在位置的距离；分别表示α、β、δ狼的当前位置；/> 均为随机向量，所述/>其中/>是(0,1)之间的随机值；/>表示当前狼的位置；
2)：根据每一条狼分别与α、β、δ狼之间的距离更新狼群的位置，所用公式为：
式中，其中，/>是随着迭代次数从2衰减至0的常数向量，/>是(0,1)之间的随机值，/>是随机系数；/>为每一条狼根据α、β、δ狼进行更新后的位置，为更新后狼的位置。
所述步骤S34至S35之间还包括：
S341：检查更新后的狼是否满足预设约束条件，若是，则进入步骤S35，若否，则返回步骤S34。
S35：迭代次数加1，并判断迭代次数是否大于等于最大迭代次数，若否，则返回步骤S34，若是，则输出α狼即顶层狼的所在位置为电池储能系统的目标尺寸。
本发明在尺寸优化方法中，判断各电池储能系统是否满足预设约束条件，并在更新狼群的位置后，检查更新后的狼是否满足预设约束条件，其进一步的提高了目标尺寸的准确度。
所述预设约束条件包括：
约束条件公式1：
0≤Pd(t)≤Pd；
式中，Pd为电池储能系统的标准输出功率，Pd(t)为电池储能系统在t时刻的输出功率；
约束条件公式2：
S1≤SOC(t)≤S2；
式中，S1、S2分别为电池储能系统储能荷电量的标准上限与标准下限，SOC(t)为电池储能系统在t时刻的储能荷电状态；
约束条件公式3，即储能荷电状态与电池储能系统输出功率之间的关系需满足等式：
式中，SOC(0)为故障发生瞬间的储能荷电状态，ηf为电池储能系统的放电效率；Ed为电池储能系统的储能容量大小；
约束条件公式4：
式中，△f为电池储能系统的频率偏差，△fmax为电池储能系统的最大频率偏差；为电池储能系统的滑差，/>为电池储能系统的最大滑差；
约束条件公式4：
式中，H为惯量时间常数，KL为负荷的综合频率调节系数，△P为微电网中防御标准下的最大可能功率缺额故障扰动量，△Pd为电池储能系统的额定放电功率。
S4:通过适应度目标函数获取目标尺寸对应电池储能系统在当前采样时刻与下一采样时刻的适应度目标函数值；
当下一采样时刻的适应度目标函数值小于当前采样时刻的适应度目标函数值时，以预设步长△b增加电池储能系统的目标尺寸，在这个过程中，当出现下一采样时刻的适应度目标函数值大于当前采样时刻的适应度目标函数值时，以第一预设步长减小电池储能系统的目标尺寸，直至下一采样时刻的适应度目标函数值小于当前采样时刻的适应度目标函数值，并在此时，以第二预设步长增加电池储能系统的目标尺寸，直至下一采样时刻的适应度目标函数值再次大于当前采样时刻的适应度目标函数值，并输出当前电池储能系统的目标尺寸为最优尺寸，所述预设步长△b大于第一预设步长,第一预设步长大于第二预设步长。
所述第一预设步长为△b/2，第二预设步长△b/4。
本发明根据微电网与微电网中各电池储能系统的参数数据获取编码矩阵，通过编码矩阵设定灰狼优化算法的输入参数,并初始化狼群位置即电池储能系统X的位置；通过适应度目标函数划分狼群的层级，并通过灰狼优化算法获取顶层狼的所在位置，即电池储能系统的目标尺寸，其通过灰狼优化算法嵌入在优化方法中以得到目标尺寸，并通过步骤S4对电池储能系统的目标尺寸进一步优化以得到电池储能系统的最优尺寸，实现了在微电网出现故障、发电和负载需求之间不平衡导致频率不稳定时，给微电网提供足够的频率支持以稳定微电网的频率响应，并保持电力系统的安全性，使电力系统在正常和异常条件下均能稳定运行的同时，进一步降低电池储能系统成本的目标。
本发明在通过灰狼优化算法得到目标尺寸后，通过设定步长(包括预设步长、第一预设步长,第二预设步长)减小或增加电池储能系统的目标尺寸，直至得到电池储能系统的最优尺寸，以在微电网出现故障、发电和负载需求之间不平衡导致频率不稳定时，给微电网提供更为稳定的频率支持，以进一步稳定微电网的频率响应的同时，进一步的降低电池储能系统成本。
需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中如涉及“第一”、“第二”、“一”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系，除非另有明确的限定。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。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

Claims (10)

1.一种基于微电网的电池储能系统尺寸优化方法，其特征在于，其通过灰狼优化算法获取电池储能系统的目标尺寸，并对其尺寸进行优化，以在发生故障时稳定微电网的频率响应；包括步骤：
S1：根据微电网与微电网中各电池储能系统的参数数据获取编码矩阵，所述编码矩阵中的元素表示微电网中电池储能系统的可选尺寸，元素中的X表示电池储能系统，元素中的n表示电池储能系统的数量，p表示电池储能系统X的位置；
S2:通过编码矩阵设定灰狼优化算法的输入参数,并初始化狼群位置即电池储能系统X的位置；
S3：通过适应度目标函数获取每个狼所在位置对应的适应度目标函数值，即微电网通过电池储能系统调频后的频率偏差效果目标函数值；根据适应度目标函数值，划分狼群的层级；并通过灰狼优化算法获取顶层狼的所在位置，即电池储能系统的目标尺寸；
S4:通过适应度目标函数获取目标尺寸对应电池储能系统在当前采样时刻与下一采样时刻的适应度目标函数值；
当下一采样时刻的适应度目标函数值小于当前采样时刻的适应度目标函数值时，以预设步长△b增加电池储能系统的目标尺寸，在这个过程中，当出现下一采样时刻的适应度目标函数值大于当前采样时刻的适应度目标函数值时，以第一预设步长减小电池储能系统的目标尺寸，直至下一采样时刻的适应度目标函数值小于当前采样时刻的适应度目标函数值，并在此时，以第二预设步长增加电池储能系统的目标尺寸，直至下一采样时刻的适应度目标函数值再次大于当前采样时刻的适应度目标函数值，并输出当前电池储能系统的目标尺寸为最优尺寸，所述预设步长△b大于第一预设步长,第一预设步长大于第二预设步长。
2.根据权利要求1所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，在步骤S2与S3之间还包括：
S21：判断各电池储能系统是否满足预设约束条件，若是，则进入步骤S3，若否，则返回步骤S2重新初始化狼群位置。
3.根据权利要求2所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述步骤S3具体包括：
S31：通过适应度目标函数获取每个狼所在位置对应的适应度目标函数值，即微电网通过电池储能系统调频后的频率偏差效果目标函数值；
S32：根据适应度目标函数值，将狼群划分为α、β、δ、ω，其中，α狼为电池储能系统调频效果最优的狼，β狼为电池储能系统调频次优的狼，δ狼为电池储能系统调频第三优的狼，ω狼为剩余的狼；
S33：初始化迭代次数,并开始进行迭代次数的计数；
S34：更新狼群的位置；
S35：迭代次数加1，并判断迭代次数是否大于等于最大迭代次数，若否，则返回步骤S34，若是，则输出α狼即顶层狼的所在位置为电池储能系统的目标尺寸。
4.根据权利要求3所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述步骤S34至S35之间还包括：
S341：检查更新后的狼是否满足预设约束条件，若是，则进入步骤S35，若否，则返回步骤S34。
5.根据权利要求1所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述步骤S1中编码矩阵的公式表达式为：
式中，元素表示微电网中电池储能系统的可选尺寸，X表示电池储能系统，n表示编码矩阵中横向元素的数量即电池储能系统的数量，p表示电池储能系统X的位置。
6.根据权利要求2所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述步骤S2中初始化狼群位置的公式为：
Position＝Pmin+rand()*(Pmax-Pmin)；
式中，Pmin表示狼群位置最小值，Pmax表示狼群位置最大值，rand()表示随机函数，Position表示狼群随机位置。
7.根据权利要求2或4所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述预设约束条件包括：
约束条件公式1：
0≤Pd(t)≤Pd；
式中，Pd为电池储能系统的标准输出功率，Pd(t)为电池储能系统在t时刻的输出功率；
约束条件公式2：
S1≤SOC(t)≤S2；
式中，S1、S2分别为电池储能系统储能荷电量的标准上限与标准下限，SOC(t)为电池储能系统在t时刻的储能荷电状态；
约束条件公式3，即储能荷电状态与电池储能系统输出功率之间的关系需满足等式：
式中，SOC(0)为故障发生瞬间的储能荷电状态，ηf为电池储能系统的放电效率；Ed为电池储能系统的储能容量大小；
约束条件公式4：
式中，△f为电池储能系统的频率偏差，△fmax为电池储能系统的最大频率偏差；为电池储能系统的滑差，/>为电池储能系统的最大滑差；
约束条件公式4：
式中，H为惯量时间常数，KL为负荷的综合频率调节系数，△P为微电网中防御标准下的最大可能功率缺额故障扰动量，△Pd为电池储能系统的额定放电功率。
8.根据权利要求3所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述适应度目标函数的公式表达式为：
式中，N表示在预设时段内对电池储能系统频率采样的次数，fi表示第i次采样得到的电池储能系统频率，f0表示电池储能系统的额定频率，F为电池储能系统的适应度目标函数值。
9.根据权利要求3所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述步骤S34中更新狼群的位置，包括步骤：
1)获取每一条狼分别与α、β、δ狼之间的距离，获取公式为：
式中，分别表示每一条狼所在位置分别与α、β、δ狼所在位置的距离；/>分别表示α、β、δ狼的当前位置；/> 均为随机向量，所述/>其中/>是(0,1)之间的随机值；/>表示当前狼的位置；
2)：根据每一条狼分别与α、β、δ狼之间的距离更新狼群的位置，所用公式为：
式中，其中，/>是随着迭代次数从2衰减至0的常数向量，/>是(0,1)之间的随机值，/>是随机系数；/>为每一条狼根据α、β、δ狼进行更新后的位置，/>为更新后狼的位置。
10.根据权利要求1所述的一种基于微电网的电池储能系统尺寸优化方法，其特征在于，所述第一预设步长为△b/2，第二预设步长△b/4。
CN202210408691.3A 2022-04-19 2022-04-19 一种基于微电网的电池储能系统尺寸优化方法 Active CN114744657B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210408691.3A CN114744657B (zh) 2022-04-19 2022-04-19 一种基于微电网的电池储能系统尺寸优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210408691.3A CN114744657B (zh) 2022-04-19 2022-04-19 一种基于微电网的电池储能系统尺寸优化方法

Publications (2)

Publication Number Publication Date
CN114744657A CN114744657A (zh) 2022-07-12
CN114744657B true CN114744657B (zh) 2024-05-28

Family

ID=82282672

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210408691.3A Active CN114744657B (zh) 2022-04-19 2022-04-19 一种基于微电网的电池储能系统尺寸优化方法

Country Status (1)

Country Link
CN (1) CN114744657B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106896716A (zh) * 2017-04-17 2017-06-27 华北电力大学（保定） 基于灰狼算法的微电网交直流断面换流器pid参数优化方法
CN110401209A (zh) * 2019-05-14 2019-11-01 东华大学 基于多随机复合优化灰狼算法的削峰填谷的能量管理方法
WO2020191800A1 (zh) * 2019-03-27 2020-10-01 东北大学 基于wde优化lstm网络的锂离子电池剩余寿命预测方法
WO2020191801A1 (zh) * 2019-03-27 2020-10-01 东北大学 基于灰狼群优化lstm网络的锂离子电池剩余寿命预测方法
CN112994092A (zh) * 2021-02-24 2021-06-18 中南大学 一种基于功率预测的独立风光储微电网系统尺寸规划方法
CN113127944A (zh) * 2021-04-28 2021-07-16 奇瑞汽车股份有限公司 一种电池箱轻量化的优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10497072B2 (en) * 2016-03-07 2019-12-03 Nec Corporation Optimal battery sizing for behind-the-meter applications considering participation in demand response programs and demand charge reduction
CN109635492B (zh) * 2018-12-27 2019-12-13 湖南科技大学 基于电流定额自适应的bbmc主电路参数优选方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106896716A (zh) * 2017-04-17 2017-06-27 华北电力大学（保定） 基于灰狼算法的微电网交直流断面换流器pid参数优化方法
WO2020191800A1 (zh) * 2019-03-27 2020-10-01 东北大学 基于wde优化lstm网络的锂离子电池剩余寿命预测方法
WO2020191801A1 (zh) * 2019-03-27 2020-10-01 东北大学 基于灰狼群优化lstm网络的锂离子电池剩余寿命预测方法
CN110401209A (zh) * 2019-05-14 2019-11-01 东华大学 基于多随机复合优化灰狼算法的削峰填谷的能量管理方法
CN112994092A (zh) * 2021-02-24 2021-06-18 中南大学 一种基于功率预测的独立风光储微电网系统尺寸规划方法
CN113127944A (zh) * 2021-04-28 2021-07-16 奇瑞汽车股份有限公司 一种电池箱轻量化的优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于灰狼优化算法的微电网并网控制器参数优化设计;牛成玉;傅仲文;;电器与能效管理技术;20171030(20);全文 *
基于灰狼算法的分布式混合能源优化配置方法;杨灿;王勇;;微型电脑应用;20181219(12);全文 *

Also Published As

Publication number Publication date
CN114744657A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN101919134B (zh) 用于风力涡轮发电机的基于事件的控制系统及控制方法
Tiwari et al. Economic load dispatch using particle swarm optimization
Ahmadi et al. Information-gap decision theory for robust security-constrained unit commitment of joint renewable energy and gridable vehicles
US9748775B2 (en) Method for providing control power using an energy store having variable deadband width when providing the control power
CN112103980B (zh) 一种联合火电机组agc调频的混合储能系统能量管理方法
CN109449947B (zh) 孤岛微电网无功电压控制能力评估方法及其优化方法
CN111682563A (zh) 一种基于电储能系统的微电网智能频率控制方法
Usman et al. Optimal under voltage load shedding scheme for a distribution network using EPSO algorithm
CN114744657B (zh) 一种基于微电网的电池储能系统尺寸优化方法
CN114744658B (zh) 一种基于微电网的电池储能系统尺寸划分方法与系统
Hongfeng Dynamic economic dispatch based on improved differential evolution algorithm
KR102302760B1 (ko) Ess 화재 예방 및 배터리 성능 하락 방지를 위한 인공지능 기반 지능형 전력관리시스템
WO2022130790A1 (ja) 電力系統監視制御装置、電力系統監視制御システム、ならびに電力系統監視制御方法
Zhang et al. State-space approximate dynamic programming for stochastic unit commitment
CN112186764B (zh) 一种配电网设备的接入优化方法、装置及电子设备
CN109193779B (zh) 一种分布式风力发电最大容量评估方法
CN115796492A (zh) 一种混合储能系统的微电网调度方法及终端
CN114914942A (zh) 一种基于一致性算法的多形态分布式储能一次调频控制方法
CN114006410A (zh) 一种基于机会约束规划的大规模海上风电接入点优化方法
KR101936293B1 (ko) 에너지 저장 시스템
CN108206561B (zh) 用于更新能量存储系统的充电/放电效率因数的设备
JP2020162304A (ja) 電池制御システム
WO2024089997A1 (ja) 将来系統断面作成システム、将来系統断面作成方法
JP6520386B2 (ja) 電力系統計画作成装置
CN114914913B (zh) 一种考虑变流器驱动稳定性约束的机组组合方法

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