CN115833240A - 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法 - Google Patents

考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法 Download PDF

Info

Publication number
CN115833240A
CN115833240A CN202211593585.3A CN202211593585A CN115833240A CN 115833240 A CN115833240 A CN 115833240A CN 202211593585 A CN202211593585 A CN 202211593585A CN 115833240 A CN115833240 A CN 115833240A
Authority
CN
China
Prior art keywords
formula
capacity
jth
wind
individual
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
Application number
CN202211593585.3A
Other languages
English (en)
Inventor
何耀耀
洪晓宇
王超
王雅生
胡千帝
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.)
Hefei University of Technology
Original Assignee
Hefei University 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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202211593585.3A priority Critical patent/CN115833240A/zh
Publication of CN115833240A publication Critical patent/CN115833240A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑梯级水电站连接的风‑光‑水互补系统的容量配置优化方法，包括：1搜集梯级水电站的特征参数，依据相关数据拟合出对应的特征曲线；2在考虑梯级水电站连接的基础上，建立风‑光‑水互补系统的出力模型；3以互补系统的理论发电量与最大输送能力的总波动最小为总目标建立容量配置模型，并实现弃能量最小和通道利用率最大；4用改进的差分进化算法求解，得到最优的容量配比结果。本发明能在考虑梯级水库连接的基础上，降低整个互补系统的弃能，并提高外送通道利用率，从而能极大地提高系统的可靠性。

Description

考虑梯级水电站连接的风-光-水互补系统的容量配置优化 方法
技术领域
本发明涉及新能源发电系统容量配置领域，具体涉及一种考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法。
背景技术
随着全世界能源和科技革命的新一轮崛起，新能源领域方兴未艾，虽然在过往的工作中，新能源发电已经取得了斐然的成绩，但由于新能源总系统规划问题以及难以匹配已经成熟完备的电力机制等实际原因，造成新能源难以消纳，弃风弃光甚至弃核问题异常严重。在此背景下，多能互补式发电作为可解决上述问题的有效手段受到广泛关注，该方法是利用各种能源的互补特性缓解供需矛盾和出力不稳定的问题，从而可以显著提高能源利用率，减少输电工程投资。而在多能互补式发电系统的研究中，风-光-水互补式发电系统又格外引人注目，因为该互补系统可以利用水电站调频性能优秀，响应灵活的特点，将风光电站与水电站产生的电能打捆送出，以此平抑风光单独发电时出力变幅较大，不稳定的缺陷，从而提高能源的利用率，保证整个发电系统的安全性与稳定性。而在风-光-水互补系统的规划时期，首当其冲需要确定的便是合理的容量配置方案，因为这是后续建设的前提和基础。
但是现有的技术没有真正考虑梯级水电站的连接特征，对于水电站的发电过程作了大幅简化，这并不利于发明在实际情况中的应用；其次，现有模型的主要目的集中在经济性指标，例如降低投资成本，而对于可靠性指标缺少关注，导致了多能互补式发电系统的稳定性大幅下降；此外，对于外送通道容量的选取和风光接入比例之间关系的研究也是寥寥无几，这就让模型的通用性大幅降低；最后，关于求解相关的模型，现有的技术缺少同时解决约束，提高种群质量和跳出局部最优的有效方法，所以这也对多能互补式发电系统的规划建设产生了阻碍。
发明内容
本发明是为了解决上述现有技术存在的不足之处，提出一种考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法，以期能在考虑梯级水库连接的基础上，降低整个互补系统的弃能，并提高外送通道利用率，从而能极大地提高系统的可靠性。
本发明为达到上述发明目的，采用如下技术方案：
本发明一种考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法，所述风-光-水互补系统包括：梯级水电站、光伏电站和风电站以及外送通道，其特点在于，所述容量配置优化方法包括以下步骤：
步骤1、获取梯级水电站的特征参数，并依据特征数据拟合出对应的特征曲线，从而根据特征参数选取所述风-光-水互补系统的外送通道容量；
步骤1.1、获取梯级水电站的特征参数包括：正常蓄水位，汛限水位，死水位，总库容，死库容，装机容量，保证出力，最小下泄流量，最大下泄流量；
步骤1.2、使用最小二乘法对水位-库容表，下泄流量-下游水位表和水头-预想出力表中的数据进行拟合，得到对应的特征曲线；
步骤1.3、以梯级水电站中已有的外送通道利用程度最高为目标，选取风-光-水互补系统的外送通道容量；
步骤2、在考虑梯级水电站连接的基础上，建立风-光-水互补系统的出力模型；
步骤2.1、利用式(1)和式(2)构建风电出力模型：
Figure BDA0003995958230000021
Figure BDA0003995958230000022
式(1)和式(2)中，
Figure BDA0003995958230000023
表示第i时段风电站的出力；
Figure BDA0003995958230000024
表示第i时段风电站的出力系数；Cw表示风电站的装机容量；Rw表示接入互补系统的风电站的装机容量比例；
Figure BDA0003995958230000025
表示第j个水电站的装机容量；n表示水电站的数量；
步骤2.2、利用式(3)和式(4)构建光电出力模型：
Figure BDA0003995958230000026
Figure BDA0003995958230000027
式(3)和式(4)中，
Figure BDA0003995958230000028
表示第i时段光伏电站的出力；
Figure BDA0003995958230000029
表示第i时段光伏电站的出力系数；Cp表示光伏电站的装机容量；Rp表示接入互补系统的光伏电站的装机容量比例；
步骤2.3、利用式(5)构建水电出力模型：
Figure BDA00039959582300000210
式(5)中，
Figure BDA00039959582300000211
表示第j个水电站在第i时段的出力；kj表示第j个水电站的出力系数；
Figure BDA00039959582300000212
表示第j个水电站在第i时段的发电引用流量；T表示时段总数，Hi,j表示第j个水电站在第i时段的水头，并有：
Figure BDA0003995958230000031
Figure BDA0003995958230000032
式(6)和式(7)中，
Figure BDA0003995958230000033
表示第j个水电站在第i时段的下游水位；Zi,j表示第j个水电站在第i时段的水位；Zi+1,j表示第j个水电站在第i+1时段的水位；Z(·)表示下游水位和下泄流量的函数关系式；Qi,j表示第j个水电站在第i时段的下泄流量，并有：
Figure BDA0003995958230000034
式(8)中，
Figure BDA0003995958230000035
表示第j个水电站在第i时段的弃水流量，并有：
Figure BDA0003995958230000036
Figure BDA0003995958230000037
式(9)和式(10)中，Vi,j表示第j个水电站在第i时段的库容，Vi+1,j表示第j个水电站在第i+1时段的库容；ti表示第i时段的小时数；Ii,j表示第j个水电站在第i时段的入库流量；V(·)表示库容变化和水位变化的关系式；
利用式(11)-式(15)分别得到第j个水电站在第i时段的弃水流量
Figure BDA0003995958230000038
和第j个水电站在第i时段的发电引用流量
Figure BDA0003995958230000039
Figure BDA00039959582300000310
Figure BDA00039959582300000311
Figure BDA00039959582300000312
Figure BDA00039959582300000313
Figure BDA00039959582300000314
式(11)-式(15)中，
Figure BDA0003995958230000041
表示第j个水电站在第i时段的预想出力；N(·)表示预想出力与对应时段水头的关系式；
Figure BDA0003995958230000042
表示第j个水电站在第i时段的满发流量；
步骤3、以系统的理论发电量与最大输送能力的总波动最小为总目标，并实现弃能量最小和通道利用率最大，从而建立容量配置模型；
步骤3.1、利用式(16)构建容量配置模型的目标函数F，使得风-光-水互补系统在运行周期内的理论发电量相对于最大输送能力的总波动最小：
Figure BDA0003995958230000043
式(16)中，
Figure BDA0003995958230000044
表示风-光-水互补系统在第i时段的发电量；
Figure BDA0003995958230000045
表示风-光-水互补系统在第i时段的最大外送电力，并有：
Figure BDA0003995958230000046
Figure BDA0003995958230000047
Figure BDA0003995958230000048
式(17)-式(19)中，Psend表示风-光-水互补系统的外送通道的容量，并有：
Figure BDA0003995958230000049
Figure BDA00039959582300000410
Figure BDA00039959582300000411
式(20)-式(22)中，Es表示风-光-水互补系统在整个运行周期内的弃能量；Epwh表示风-光-水互补系统在运行周期内产生的理论总电量；Esend表示风-光-水互补系统在运行周期内的最大外送电量；Ev,pwh表示风-光-水互补系统产生的有效总电量；Ru表示风-光-水互补系统的通道利用率；
当
Figure BDA0003995958230000051
时，以风-光-水互补系统的弃能量最小为容量配置模型的第一目标，从而利用式(23)构建第一目标：
Figure BDA0003995958230000052
当
Figure BDA0003995958230000053
时，以风-光-水互补系统的通道利用率最大为容量配置模型的第二目标，从而利用式(24)构建第二目标：
Figure BDA0003995958230000054
步骤3.2、利用式(25)-式(36)构建容量配置模型的约束条件：
利用式(25)和式(26)构建容量配置模型的第一约束条件：
Figure BDA0003995958230000055
Figure BDA0003995958230000056
式(25)和式(26)中，
Figure BDA0003995958230000057
表示风-光-水互补系统在第i时段的通道利用率；p表示风-光-水互补系统在各时段允许的最小外送通道利用率；
利用式(27)和式(28)构建容量配置模型的第二约束条件：
Figure BDA0003995958230000058
Figure BDA0003995958230000059
式(27)和式(28)中，
Figure BDA00039959582300000510
表示风-光-水互补系统在第i时段的弃能率；q表示风-光-水互补系统在各时段允许的最大弃能率；
Figure BDA00039959582300000511
表示风-光-水互补系统在第i时段的弃能量；
利用式(29)构建容量配置模型的第三约束条件：
1＜Rw+Rp≤σ (29)
式(29)中，σ表示风电与光电接入装机容量比例的约束上限；
利用式(30)-式(34)构建容量配置模型的第四约束条件，包括：
利用式(30)构建水位约束：
Figure BDA00039959582300000512
式(30)中，Zi,j表示第j个水电站在第i时段的水位；
Figure BDA0003995958230000061
和
Figure BDA0003995958230000062
分别表示第j个水电站在第i时段的最小、最大水位约束；
利用式(31)和式(32)构建水位的边界条件：
Figure BDA0003995958230000063
Figure BDA0003995958230000064
式(31)和式(32)中，Z1,j表示第j个水电站在第1时段的水位；
Figure BDA0003995958230000065
表示第j个水电站的调度初始水位；ZT+1,j表示第j个水电站在第T+1时段的水位；
Figure BDA0003995958230000066
表示第j个水电站的调度末水位；
利用式(33)和式(34)构建初末水位的耦合关系：
Figure BDA0003995958230000067
Figure BDA0003995958230000068
式(33)和式(34)中，
Figure BDA0003995958230000069
表示第j个水电站在第i时段的末水位；
Figure BDA00039959582300000610
表示第j个水电站在第i时段的初水位；
Figure BDA00039959582300000611
表示第j个水电站在第i时段的初水位；
Figure BDA00039959582300000612
表示第j个水电站在第i-1时段的末水位；
利用式(35)构建容量配置模型的第五约束条件：
Figure BDA00039959582300000613
式(35)中，
Figure BDA00039959582300000614
和
Figure BDA00039959582300000615
分别表示第j个水电站在第i时段的最小、最大出力约束；Ni,j表示第j个水电站在第i时段的出力；
利用式(36)构建容量配置模型的第六约束条件：
Figure BDA00039959582300000616
式(36)中，Vi+1,j表示j个水电站在第i时段的库容；Vi,j表示第j个水电站在第i时段的库容；Ii,j表示第j个水电站在第i时段的入库流量；
Figure BDA00039959582300000617
表示第j个水电站在第i时段的发电引用流量；
Figure BDA00039959582300000618
表示第j个水电站在第i时段的弃水流量；
步骤4、用改进的差分进化算法对容量配置模型进行迭代求解，并输出每一次迭代的最优解及对应的目标函数值；若每次迭代的目标函数值均相同，且目标函数值的量级均与惩罚因子的量级相同，则返回步骤1.3，在重新选取互补系统的外送通道容量后，继续顺序执行步骤2；否则，以最后一次迭代中最优个体的第n×(T+1)+1维向量和第n×(T+1)+2维向量作为风电和光伏最优的装机容量接入比例，再利用式(2)和式(4)得到风电和光伏的最优接入装机规模。
本发明所述的一种考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法的特点也在于，所述步骤4包括：
步骤4.1、定义并初始化参数，包括：当前迭代次数g＝0，最大迭代次数maxGEN，种群规模Np，问题维度D；缩放因子F和交叉概率CR；
步骤4.2、初始化第g代种群，令第g代种群中的第m个个体记为Xm(g)，且
Figure BDA0003995958230000071
其中，Xm,n(g)表示第g代种群中第m个个体Xm(g)的第n维向量；
Figure BDA0003995958230000072
为第g代种群中第m个个体Xm(g)的第j×i维向量，表示第j个水电站在第i时段的水位；
Figure BDA0003995958230000073
为第g代种群中第m个个体Xm(g)的第n×(T+1)+1维向量，表示风电站装机容量的接入比例，
Figure BDA0003995958230000074
为第g代种群中第m个个体Xm(g)的第n×(T+1)+1维向量，表示光伏电站装机容量的接入比例，σm(g)为第g代种群中第m个个体Xm(g)的第n×(T+1)+2维向量，表示风电站和光伏电站装机容量接入比例的约束上限；D＝n×(T+1)+3；
再利用式(37)对第g代种群中的第m个个体的每个维度进行赋值：
Figure BDA0003995958230000075
式(37)中，
Figure BDA0003995958230000076
和
Figure BDA0003995958230000077
分别表示第n维变量的最大值和最小值；rand(g)表示在第g次迭代中产生的随机数，且范围是(0,1)；
步骤4.3、利用式(38)对第g代种群中第m个个体的第n维向量Xm,n(g)进行变异操作，生成第m个个体的第n维变异向量Mm,n(g)：
Mm,n(g)＝Xm1,n(g)+F×(Xm2,n(g)-Xm3,n(g)) (38)
式(38)中，F∈(0,1)表示缩放因子；Xm1,n(g)、Xm2,n(g)、Xm3,n(g)分别表示第g代种群中第m1、m2、m3个个体的第n维向量，m1,m2,m3∈{1,2,3,...,Np}且m1≠m2≠m3；
步骤4.4、利用式(39)对第g代种群中第m个个体的第n维向量Xm,n(g)和第n维变异向量Mm,n(g)进行交叉操作，得到第m个个体的第n维交叉向量Vm,n(g)，再利用式(40)得到第g代种群中第m个交叉个体Vm(g)：
Figure BDA0003995958230000081
Vm(g)＝{Vm,1(g),...,Vm,n(g),...,Vm,D(g)} (40)
式(39)和式(40)中，Vm,n(g)表示第g代种群中第m个体的第n维交叉向量；CR为交叉概率；
步骤4.5、计算第g代中第m个交叉个体Vm(g)的适应度值F(Vm(g))：
步骤4.5.1、利用式(8)-式(10)计算出第g代中第m个交叉个体Vm(g)的第j个水电站在第i时段的下泄流量
Figure BDA0003995958230000082
步骤4.5.2、利用式(6)和式(7)计算出第g代中第m个交叉个体Vm(g)的第j个水电站在第i时段的水头
Figure BDA0003995958230000083
步骤4.5.3、利用式(11)-式(15)计算出第g代中第m个交叉个体Vm(g)的发电引用流量
Figure BDA0003995958230000084
和弃水流量
Figure BDA0003995958230000085
步骤4.5.4、利用式(5)得到第g代中第m个交叉个体Vm(g)的第j个水电站在第i时段的出力
Figure BDA0003995958230000086
步骤4.5.5、利用式(1)和式(2)得到第g代中第m个交叉个体Vm(g)的第i时段风电站的出力
Figure BDA0003995958230000087
步骤4.5.6、利用式(3)和式(4)得到第g代中第m个交叉个体Vm(g)的第i时段在光伏电站的出力
Figure BDA0003995958230000088
步骤4.5.7、利用式(18)和式(19)分别算出第g代中第m个交叉个体Vm(g)的风-光-水互补系统在第i时段的发电量
Figure BDA0003995958230000091
和在第i时段的最大外送电力
Figure BDA0003995958230000092
步骤4.5.8、利用式(17)计算第g代中第m个交叉个体Vm(g)的目标函数值f(Vm(g))；
步骤4.5.9、利用式(41)使用死亡罚函数得到第g代中第m个交叉个体Vm(g)的适应度值F(Vm(g))：
Figure BDA0003995958230000093
式(41)中，
Figure BDA0003995958230000094
表示由第g代种群中第m个交叉个体Vm(g)计算出的系统在第i时段的通道利用率；
Figure BDA0003995958230000095
表示由第g代种群中第m个交叉个体Vm(g)计算出的系统在第i时段的弃能率；F(·)表示计算个体适应度的函数；f(·)表示计算个体目标函数值的函数；N表示惩罚系数；k为不满足约束的个数；
步骤4.6、利用式(42)得到第g+1代种群的第m个个体Xm(g+1)：
Figure BDA0003995958230000096
式(42)中，F(Vm(g))表示第g代种群中第m个交叉个体Vm(g)的适应度值；F(Xm(g))表示第g代种群中第m个个体Xm(g)的适应度值；
步骤4.7、分别找到当前第g+1代种群中的最优个体Xbest(g+1)和最差个体Xworst(g+1)；
步骤4.8、执行混沌局部搜索：
步骤4.8.1、利用式(43)得到第g+1代经混沌映射后的混沌值Yg+1：
Yg+1＝cos(λ×arccosYg) (43)
式(43)中，当g＝0时，令Yg取(-1,1)的任意值；
步骤4.8.2、利用式(44)在第g+1代种群中最优个体Xbest(g+1)的周围生成新个体的第n维变量
Figure BDA0003995958230000097
Figure BDA0003995958230000101
式(44)中，
Figure BDA0003995958230000102
表示第g+1代种群中最优个体的第n维变量；
Figure BDA0003995958230000103
分别表示第n维变量的上下限；rand1(g),rand2(g)均表示在第g次迭代中产生的随机数，其范围是(0,1)；
步骤4.8.3、判断新个体的第n维变量
Figure BDA0003995958230000104
是否违背约束，若违背，按照步骤4.5.9的过程，使用死亡罚函数处理，得到新个体的适应度值
Figure BDA0003995958230000105
否则，直接执行步骤4.9；
步骤4.9、利用式(45)对第g+1代种群中最差个体Xworst(g+1)进行更新：
Figure BDA0003995958230000106
步骤4.10、将g+1赋值给g后，判断g＞maxGEN是否成立，若成立，则终止循环，得到第maxGEN代种群的最优个体Xbest(maxGEN)和第maxGEN代种群中最优个体的最优目标函数值f(Xbest(maxGEN))；否则，返回步骤4.3顺序执行。
本发明一种电子设备，包括存储器以及处理器，其特点在于，所述存储器用于存储支持处理器执行所述容量配置优化方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
本发明一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特点在于，所述计算机程序被处理器运行时执行所述容量配置优化方法的步骤。
与现有技术相比，本发明的有益效果在于：
1.本发明在考虑梯级水电站连接的基础上，以降低整个风-光-水互补系统的弃能和提高外送通道利用率为目的，并且在实例计算中，会根据实际的需求和条件选取对应的场景，即选取合适的外送通道容量和风光接入比例之间的关系，再经过改进的差分进化算法优化求解，从而得到最优的容量配比结果。所以，本发明提高了风-光-水互补发电系统的可靠性，并为建设风-光-水互补能源系统或其他分布式多能互补发电系统提供了参考。
2.本发明提出的风-光-水互补系统的出力模型，是在考虑了梯级水电站连接特征的基础上，细化梯级水电站的出力过程，使其更加贴近现实，从而让本发明更具有实用价值。
3.本发明求解的容量配置模型，是以互补系统的理论发电量与最大输送能力的总波动最小为总目标，进而同时实现弃能量最小和通道利用率最大的目的，从而极大程度地提高了该系统的可靠性，弥补了现有技术的不足。
4.本发明使用的改进差分算法通过死亡罚函数的思想可以高效且有效地解决含约束问题，再通过基于混沌搜索的精英选择策略，可以实现在尽可能跳出局部最优解的基础上提高下一代种群质量的目的，从而为风-光-水互补发电系统的后期建设提供更为准确的指导，同时也为解决同类型的高维含约束优化问题提供了新思路。
5.本发明以梯级水电站中已有的外送通道利用程度最高为目标，选取风-光-水互补系统的外送通道容量，并在分析结果时考虑到了外送通道容量和风光接入比例之间的关系对最优配比的影响，有利于选取合适的外送通道容量和比例关系，从而让本发明在不同的实际需求和环境背景下仍然能发挥效用，为使用者提供准确的容量配置计划和对应的实际建设规划，进而提高了本发明的通用性和实用性。
附图说明
图1为本发明的整体流程图；
图2为本发明提出的算法流程图。
具体实施方式
本实施例中，一种考虑梯级水电站连接的风-光-水互补系统容量配置优化方法，如图1所示，是按如下步骤进行：
步骤1、搜集梯级水电站的特征参数，依据相关数据拟合出对应的特征曲线，并选取整个互补系统的外送通道容量；
步骤1.1、搜集的水电站特征参数包括：正常蓄水位，汛限水位，死水位，总库容，死库容，装机容量，保证出力，最小下泄流量，最大下泄流量等；
步骤1.2、再使用最小二乘法对水位-库容表，下泄流量-下游水位表和水头-预想出力表中的数据进行拟合，得到对应的特征曲线，后期使用二分查找法对曲线进行搜索；
步骤1.3、根据最大程度利用水电站已有消纳通道的思想，选取风-光-水互补系统的外送通道容量。
选取外送通道容量(Psend)时，需要在最大程度利用水电站调节能力的基础上，考虑风电和光电接入比例的上下限，例如对金沙江下游的四个梯级水电站进行分析，乌东德水电站的装机容量是1020万千瓦，白鹤滩的装机容量是1600万千瓦，溪洛渡是1386万千瓦，向家坝是640万千瓦，总装机容量为4646万千瓦，风电和光电接入的比例都不超过1.5，那么外送通道容量可以在4500万千瓦左右选取，因为更精确地选取还需要结合风电和光电的出力系数，所以可以取4000万千瓦，4500万千瓦和5000万千瓦三个场景对该模型进行实验，再根据具体的结果进行下一步的筛选。
步骤2、在考虑梯级水电站连接的基础上，建立风-光-水互补系统的出力模型；
步骤2.1、利用式(1)和式(2)构建风电出力模型：
Figure BDA0003995958230000121
Figure BDA0003995958230000122
式(1)和式(2)中，
Figure BDA0003995958230000123
表示第i时段风电站的出力；
Figure BDA0003995958230000124
表示第i时段风电站的出力系数；Cw表示风电站的装机容量；Rw表示接入的风电站的装机容量比例；
Figure BDA0003995958230000125
表示第j个水电站的装机容量；n表示水电站的数量；
步骤2.2、利用式(3)和式(4)构建光电出力模型：
Figure BDA0003995958230000126
Figure BDA0003995958230000127
式(3)和式(4)中，
Figure BDA0003995958230000128
表示第i时段光伏电站的出力；
Figure BDA0003995958230000129
表示第i时段光伏电站的出力系数；Cp表示光伏电站的装机容量；Rp表示接入的光伏电站的装机容量比例；
步骤2.3、利用式(5)构建水电出力模型：
Figure BDA00039959582300001210
式(5)中，
Figure BDA00039959582300001211
表示第j个水电站在第i时段的出力；kj表示第j个水电站的出力系数；Qih,j表示第j个水电站在第i时段的发电引用流量；T表示时段总数，Hi,j表示第j个水电站在第i时段的水头，并有：
Figure BDA00039959582300001212
Figure BDA00039959582300001213
式(6)和式(7)中，
Figure BDA0003995958230000131
表示第j个水电站第i时段的下游水位；Zi,j表示第j个水电站第i时段的水位；Zi+1,j表示第j个水电站第i+1时段的水位；Z(·)表示下游水位和下泄流量的函数关系式，Qi,j表示第j个水电站第i时段的下泄流量，并有：
Figure BDA0003995958230000132
式(8)中，
Figure BDA0003995958230000133
表示第j个水电站在第i时段的弃水流量；并有：
Figure BDA0003995958230000134
Vi+1,j-Vi,j＝V(Zi+1,j-Zi,j) (10)
式(9)和式(10)中，Vi,j表示第j个水电站在第i时段的库容，Vi+1,j表示第j个水电站在第i+1时段的库容；ti表示第i时段的小时数；Ii,j表示第j个水电站在第i时段的入库流量；V(·)表示库容变化和水位变化的关系式；
利用式(11)-式(15)得到发电引用流量
Figure BDA0003995958230000135
和弃水流量
Figure BDA0003995958230000136
Figure BDA0003995958230000137
Figure BDA0003995958230000138
Figure BDA0003995958230000139
Figure BDA00039959582300001310
Figure BDA00039959582300001311
式(11)-式(15)中，
Figure BDA00039959582300001312
表示第j个水电站在第i时段的预想出力；N(·)表示预想出力与对应时段水头的关系式；
Figure BDA00039959582300001313
表示第j个水电站在第i时段的满发流量；
步骤3、以系统的理论发电量与最大输送能力的总波动最小为总目标，并实现弃能量最小和通道利用率最大，从而建立容量配置模型；
步骤3.1、利用式(16)构建容量配置模型的目标函数F，使得风-光-水互补系统在运行周期内的理论发电量相对于最大输送能力的总波动最小：
Figure BDA0003995958230000141
式(16)中，
Figure BDA0003995958230000142
表示风-光-水互补系统在第i时段的发电量；
Figure BDA0003995958230000143
表示风-光-水互补系统在第i时段的最大外送电力，并有：
Figure BDA0003995958230000144
Figure BDA0003995958230000145
Figure BDA0003995958230000146
式(17)-式(19)中，Psend表示风-光-水互补系统的外送通道的容量，并有：
Figure BDA0003995958230000147
Figure BDA0003995958230000148
Figure BDA0003995958230000149
式(20)-式(22)中，Es表示风-光-水互补系统在整个运行周期内的弃能量；Epwh表示风-光-水互补系统在运行周期内产生的理论总电量；Esend表示风-光-水互补系统在运行周期内的最大外送电量；Ev,pwh表示风-光-水互补系统产生的有效总电量；Ru表示风-光-水互补系统的通道利用率；
当
Figure BDA00039959582300001410
时，以风-光-水互补系统的弃能量最小为容量配置模型的第一目标，从而利用式(23)构建第一目标：
Figure BDA00039959582300001411
当
Figure BDA00039959582300001412
时，以风-光-水互补系统的通道利用率最大为容量配置模型的第二目标，从而利用式(24)构建第二目标：
Figure BDA0003995958230000151
步骤3.2、利用式(25)-式(36)构建容量配置模型的约束条件：
利用式(25)和式(26)构建容量配置模型的第一约束条件，通道利用率约束：
Figure BDA0003995958230000152
Figure BDA0003995958230000153
式(25)和式(26)中，
Figure BDA0003995958230000154
表示风-光-水互补系统在第i时段的通道利用率；p表示风-光-水互补系统在各时段允许的最小外送通道利用率；
利用式(27)和式(28)构建容量配置模型的第二约束条件，弃能率约束：
Figure BDA0003995958230000155
Figure BDA0003995958230000156
式(27)和式(28)中，
Figure BDA0003995958230000157
表示风-光-水互补系统在第i时段的弃能率；q表示风-光-水互补系统在各时段允许的最大弃能率；
Figure BDA0003995958230000158
表示风-光-水互补系统在第i时段的弃电量；
利用式(29)构建容量配置模型的第三约束条件，风电和光伏的接入比例约束：
1＜Rw+Rp≤σ (29)
式(29)中，σ表示风电与光伏接入装机容量比例的约束上限；
利用式(30)-式(34)构建容量配置模型的第四约束条件，包括水位约束，水位的边界条件及初末水位的耦合条件：
利用式(30)构建水位约束：
Figure BDA0003995958230000159
式(30)中，Zi,j表示第j个水电站在第i时段的水位；
Figure BDA00039959582300001510
和
Figure BDA00039959582300001511
分别表示第j个水电站在第i时段的最小、最大水位约束；
利用式(31)和式(32)构建水位的边界条件：
Figure BDA00039959582300001512
Figure BDA0003995958230000161
式(31)和式(32)中，Z1,j表示第j个水电站在第1时段的水位；
Figure BDA0003995958230000162
表示第j个水电站的调度初始水位；ZT+1,j表示第j个水电站在第T+1时段的水位；
Figure BDA0003995958230000163
表示第j个水电站的调度末水位；
利用式(33)和式(34)构建初末水位的耦合关系：
Figure BDA0003995958230000164
Figure BDA0003995958230000165
式(33)和式(34)中，
Figure BDA0003995958230000166
表示第j个水电站在第i时段的末水位；
Figure BDA0003995958230000167
表示第j个水电站在第i时段的初水位；
Figure BDA0003995958230000168
表示第j个水电站在第i时段的初水位；
Figure BDA0003995958230000169
表示第j个水电站在第i-1时段的末水位；
利用式(35)构建容量配置模型的第五约束条件，出力约束：
Figure BDA00039959582300001610
式(35)中，
Figure BDA00039959582300001611
和
Figure BDA00039959582300001612
分别表示第j个水电站在第i时段的最小、最大出力约束；Ni,j表示第j个水电站在第i时段的出力；
利用式(36)构建容量配置模型的第六约束条件，水量平衡方程约束：
Figure BDA00039959582300001613
式(36)中，Vi+1,j表示j个水电站在第i时段的库容；Vi,j表示第j个水电站在第i时段的库容；Ii,j表示第j个水电站在第i时段的入库流量；
Figure BDA00039959582300001614
表示第j个水电站在第i时段的发电引用流量；
Figure BDA00039959582300001615
表示第j个水电站在第i时段的弃水流量；
步骤4、使用改进的差分进化算法求解，并对结果进行分析，算法的流程如图2所示，算法的具体步骤和分析结果的步骤如下：
步骤4.1、定义并初始化参数，包括：当前迭代次数g＝0，最大迭代次数maxGEN，种群规模Np，问题维度D；缩放因子F和交叉概率CR；
步骤4.2、初始化第g代种群，令第g代种群中的第m个个体记为Xm(g)，且
Figure BDA0003995958230000171
其中，Xm,1(g)表示第g代种群中第m个个体Xm(g)的第1维向量；Xm,n(g)表示第g代种群中第m个个体Xm(g)的第n维向量；Xm,D(g)表示第g代种群中第m个个体Xm(g)的第D维向量；
Figure BDA0003995958230000172
为第g代种群中第m个个体Xm(g)的第(1×1)维向量，表示第1个水电站在第1时段的水位；
Figure BDA0003995958230000173
为第g代种群中第m个个体Xm(g)的第(j×i)维向量，表示第j个水电站在第i时段的水位；
Figure BDA0003995958230000174
为第g代种群中第m个个体Xm(g)的第(n×(T+1))维向量，表示第n个水电站在第T+1时段的水位；
Figure BDA0003995958230000175
为第g代种群中第m个个体Xm(g)的第(n×(T+1)+1)维向量，表示风电站装机容量的接入比例，
Figure BDA0003995958230000176
为第g代种群中第m个个体Xm(g)的第(n*(T+1)+2)维向量，表示光伏电站装机容量的接入比例，σm(g)为第g代种群中第m个个体Xm(g)的第(n*(T+1)+3)维向量，表示风电站和光伏电站装机容量接入比例的约束上限；
再利用式(37)对第g代种群中的第m个个体的每个维度进行赋值：
Figure BDA0003995958230000177
式(37)中，
Figure BDA0003995958230000178
和
Figure BDA0003995958230000179
分别表示第n维变量的最大值和最小值；rand(g)表示在第g次迭代中产生的随机数，范围是(0,1)；
步骤4.3、利用式(38)对第g代种群中第m个个体的第n维向量Xm,n(g)进行变异操作，生成第m个个体的第n维变异向量Mm,n(g)：
Mm,n(g)＝Xm1,n(g)+F×(Xm2,n(g)-Xm3,n(g)) (38)
式(38)中，缩放因子F∈(0,1)，用来控制差分向量的大小；Xm1,n(g)、Xm2,n(g)、Xm3,n(g)分别表示第g代种群中第m1,m2,m3个个体的第n维向量；m1,m2,m3∈{1,2,3,...,Np}且m1≠m2≠m3；
步骤4.4、利用式(39)对第g代种群中第m个个体的第n维向量Xm,n(g)和第n维变异向量Mm,n(g)进行交叉操作，得到第m个个体的第n维交叉向量Vm,n(g)，再利用式(40)得到第g代种群中的第m个交叉个体Vm(g)：
Figure BDA0003995958230000181
Vm(g)＝{Vm,1(g),...,Vm,n(g),...,Vm,D(g)} (40)
式(39)和式(40)中，Vm,1(g)表示第g代种群中第m个体的第1维交叉向量；Vm,n(g)表示第g代种群中第m个体的第n维交叉向量；Vm,D(g)表示第g代种群中第m个体的第D维交叉向量；CR为交叉概率；
步骤4.5、计算第g代第m个交叉个体Vm(g)的适应度值F(Vm(g))：
步骤4.5.1、利用式(8)-式(10)计算出第g代第m个交叉个体Vm(g)的第j个水电站在第i时段的下泄流量
Figure BDA0003995958230000182
步骤4.5.2、利用式(6)和式(7)算出第g代第m个交叉个体Vm(g)的第j个水电站在第i时段的水头
Figure BDA0003995958230000183
步骤4.5.3、利用式(11)-式(15)算出第g代第m个交叉个体Vm(g)的发电引用流量
Figure BDA0003995958230000184
和弃水流量
Figure BDA0003995958230000185
步骤4.5.4、利用式(5)得到第g代第m个交叉个体Vm(g)的第j个水电站在第i时段的出力
Figure BDA0003995958230000186
步骤4.5.5、利用式(1)和式(2)得到第g代第m个交叉个体Vm(g)的第i时段风电站的出力
Figure BDA0003995958230000187
步骤4.5.6、利用式(3)和式(4)得到第g代第m个交叉个体Vm(g)的第i时段在光伏电站的出力
Figure BDA0003995958230000188
步骤4.5.7、利用式(18)和式(19)分别算出第g代第m个交叉个体Vm(g)的风-光-水互补系统在第i时段的发电量
Figure BDA0003995958230000189
和在第i时段的最大外送电力
Figure BDA00039959582300001810
步骤4.5.8、利用式(17)计算第g代第m个交叉个体Vm(g)的目标函数值f(Vm(g))；
步骤4.5.9、利用式(41)对第g代第m个交叉个体Vm(g)进行约束条件的判断，若不满足，则使用死亡罚函数施加惩罚后得到适应度值F(Vm(g))，否则，直接得到适应度值F(Vm(g))：
Figure BDA0003995958230000191
式(41)中，
Figure BDA0003995958230000192
表示由第g代种群中第m个交叉个体Vm(g)计算出的系统在第i时段的通道利用率；
Figure BDA0003995958230000193
表示由第g代种群中第m个交叉个体Vm(g)计算出的系统在第i时段的弃能率；F(·)表示计算个体适应度的函数；f(·)表示计算个体目标函数值的函数；N表示惩罚系数；k为不满足约束的个数；
步骤4.6、利用式(42)得到第g+1代种群的第m个个体Xm(g+1)：
Figure BDA0003995958230000194
式(42)中，F(Vm(g))表示第g代种群中第m个交叉个体Vm(g)的适应度值；F(Xm(g))表示第g代种群中第m个个体Xm(g)的适应度值；
步骤4.7、分别找到当前第g+1代种群中的最优个体Xbest(g+1)和最差个体Xworst(g+1)；
步骤4.8、执行混沌局部搜索：
步骤4.8.1、利用式(43)得到经第g+1代混沌映射后的混沌值Yg+1：
Yg+1＝cos(λ×arccosYg) (43)
式(43)中，当g＝0时，令Yg取(-1,1)的任意值；
步骤4.8.2、利用式(44)在第g+1代种群中最优个体Xbest(g+1)的周围生成新个体的第n维变量
Figure BDA0003995958230000195
Figure BDA0003995958230000196
式(44)中，
Figure BDA0003995958230000197
表示当前第g+1代种群中最优个体的第n维变量；
Figure BDA0003995958230000198
表示在第g+1代种群最优个体
Figure BDA0003995958230000201
周围依据混沌局部搜索生成的新个体的第n维变量；
Figure BDA0003995958230000202
分别表示第n维变量的上下限；rand1(g),rand2(g)均表示在第g次迭代中产生的随机数，其范围是(0，1)
步骤4.8.3、判断新个体的第n维变量
Figure BDA0003995958230000203
是否违背约束，若违背，按照步骤4.5.9的过程，使用死亡罚函数处理，得到新个体的适应度值
Figure BDA0003995958230000204
否则，直接执行步骤4.9；
步骤4.9、利用式(45)对第g+1代种群中最差个体Xworst(g+1)进行更新：
Figure BDA0003995958230000205
步骤4.10、将g+1赋值给g后，判断g＞maxGEN是否成立，若成立，则终止循环，得到第maxGEN代种群的最优个体Xbest(maxGEN)和第maxGEN代种群中最优个体的最优目标函数值f(Xbest(maxGEN))；否则，返回步骤4.3，顺序执行直至满足终止条件；
步骤4.11、在用改进的差分进化算法对容量配置模型进行迭代求解后，输出每一次迭代的最优解及对应的目标函数值。若每次迭代的目标函数值均相同，且目标函数值的量级均与惩罚因子的量级相同，则返回步骤1.3，在重新选取互补系统的外送通道容量后，继续顺序执行步骤2，否则，以最后一次迭代中最优个体的第n×(T+1)+2维向量和第n×(T+1)+3维向量作为风电和光伏最优的装机容量接入比例，再利用式(2)和式(4)得到风电和光伏的最优接入装机规模；
步骤4.12、首先分析互补系统外送通道容量的改变对整个模型的影响情况，例如风电和光电的最优接入比例，弃能率，通道利用率，能源利用小时数等因素的变化规律。
步骤4.13、其次分析接入的风电和光电规模变化对整个模型的影响，例如弃能率，通道利用率，能源利用小时数等因素的变化规律，在这个过程中，为了研究的方便性，可将风电，光电的接入比例需要在变动范围内设为正比例函数关系，并在此基础上，利用弃能率和通道空闲率(1-通道利用率)的图像交点验证算法的有效性。
步骤4.14、最后分析各种场景下的最优容量配比结果，在验证步骤4.12和步骤4.13得到规律的基础上，再根据实际情况和具体需求选取对应的场景，得到最终的结果。
本实施例中，一种电子设备，包括存储器以及处理器，该存储器用于存储支持处理器执行上述容量配置优化方法的程序，该处理器被配置为用于执行该储器中存储的程序。
本实施例中，一种计算机可读存储介质，是在计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述容量配置优化方法的步骤。

Claims (4)

1.一种考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法，所述风-光-水互补系统包括：梯级水电站、光伏电站和风电站以及外送通道，其特征在于，所述容量配置优化方法包括以下步骤：
步骤1、获取梯级水电站的特征参数，并依据特征数据拟合出对应的特征曲线，从而根据特征参数选取所述风-光-水互补系统的外送通道容量；
步骤1.1、获取梯级水电站的特征参数包括：正常蓄水位，汛限水位，死水位，总库容，死库容，装机容量，保证出力，最小下泄流量，最大下泄流量；
步骤1.2、使用最小二乘法对水位-库容表，下泄流量-下游水位表和水头-预想出力表中的数据进行拟合，得到对应的特征曲线；
步骤1.3、以梯级水电站中已有的外送通道利用程度最高为目标，选取风-光-水互补系统的外送通道容量；
步骤2、在考虑梯级水电站连接的基础上，建立风-光-水互补系统的出力模型；
步骤2.1、利用式(1)和式(2)构建风电出力模型：
Figure FDA0003995958220000011
Figure FDA0003995958220000012
式(1)和式(2)中，
Figure FDA0003995958220000013
表示第i时段风电站的出力；
Figure FDA0003995958220000014
表示第i时段风电站的出力系数；Cw表示风电站的装机容量；Rw表示接入互补系统的风电站的装机容量比例；
Figure FDA0003995958220000015
表示第j个水电站的装机容量；n表示水电站的数量；
步骤2.2、利用式(3)和式(4)构建光电出力模型：
Figure FDA0003995958220000016
Figure FDA0003995958220000017
式(3)和式(4)中，
Figure FDA0003995958220000018
表示第i时段光伏电站的出力；
Figure FDA0003995958220000019
表示第i时段光伏电站的出力系数；Cp表示光伏电站的装机容量；Rp表示接入互补系统的光伏电站的装机容量比例；
步骤2.3、利用式(5)构建水电出力模型：
Figure FDA00039959582200000110
式(5)中，
Figure FDA0003995958220000021
表示第j个水电站在第i时段的出力；kj表示第j个水电站的出力系数；
Figure FDA0003995958220000022
表示第j个水电站在第i时段的发电引用流量；T表示时段总数，Hi,j表示第j个水电站在第i时段的水头，并有：
Figure FDA0003995958220000023
Figure FDA0003995958220000024
式(6)和式(7)中，
Figure FDA0003995958220000025
表示第j个水电站在第i时段的下游水位；Zi,j表示第j个水电站在第i时段的水位；Zi+1,j表示第j个水电站在第i+1时段的水位；Z(·)表示下游水位和下泄流量的函数关系式；Qi,j表示第j个水电站在第i时段的下泄流量，并有：
Figure FDA0003995958220000026
式(8)中，
Figure FDA0003995958220000027
表示第j个水电站在第i时段的弃水流量，并有：
Figure FDA0003995958220000028
Figure FDA0003995958220000029
式(9)和式(10)中，Vi,j表示第j个水电站在第i时段的库容，Vi+1,j表示第j个水电站在第i+1时段的库容；ti表示第i时段的小时数；Ii,j表示第j个水电站在第i时段的入库流量；V(·)表示库容变化和水位变化的关系式；
利用式(11)-式(15)分别得到第j个水电站在第i时段的弃水流量
Figure FDA00039959582200000210
和第j个水电站在第i时段的发电引用流量
Figure FDA00039959582200000211
Figure FDA00039959582200000212
Figure FDA00039959582200000213
Figure FDA00039959582200000214
Figure FDA00039959582200000215
Figure FDA0003995958220000031
式(11)-式(15)中，
Figure FDA0003995958220000032
表示第j个水电站在第i时段的预想出力；N(·)表示预想出力与对应时段水头的关系式；
Figure FDA0003995958220000033
表示第j个水电站在第i时段的满发流量；
步骤3、以系统的理论发电量与最大输送能力的总波动最小为总目标，并实现弃能量最小和通道利用率最大，从而建立容量配置模型；
步骤3.1、利用式(16)构建容量配置模型的目标函数F，使得风-光-水互补系统在运行周期内的理论发电量相对于最大输送能力的总波动最小：
Figure FDA0003995958220000034
式(16)中，
Figure FDA0003995958220000035
表示风-光-水互补系统在第i时段的发电量；
Figure FDA0003995958220000036
表示风-光-水互补系统在第i时段的最大外送电力，并有：
Figure FDA0003995958220000037
Figure FDA0003995958220000038
Figure FDA0003995958220000039
式(17)-式(19)中，Psend表示风-光-水互补系统的外送通道的容量，并有：
Figure FDA00039959582200000310
Figure FDA00039959582200000311
Figure FDA00039959582200000312
式(20)-式(22)中，Es表示风-光-水互补系统在整个运行周期内的弃能量；Epwh表示风-光-水互补系统在运行周期内产生的理论总电量；Esend表示风-光-水互补系统在运行周期内的最大外送电量；Ev,pwh表示风-光-水互补系统产生的有效总电量；Ru表示风-光-水互补系统的通道利用率；
当
Figure FDA0003995958220000041
时，以风-光-水互补系统的弃能量最小为容量配置模型的第一目标，从而利用式(23)构建第一目标：
Figure FDA0003995958220000042
当
Figure FDA0003995958220000043
时，以风-光-水互补系统的通道利用率最大为容量配置模型的第二目标，从而利用式(24)构建第二目标：
Figure FDA0003995958220000044
步骤3.2、利用式(25)-式(36)构建容量配置模型的约束条件：
利用式(25)和式(26)构建容量配置模型的第一约束条件：
Figure FDA0003995958220000045
Figure FDA0003995958220000046
式(25)和式(26)中，
Figure FDA0003995958220000047
表示风-光-水互补系统在第i时段的通道利用率；p表示风-光-水互补系统在各时段允许的最小外送通道利用率；
利用式(27)和式(28)构建容量配置模型的第二约束条件：
Figure FDA0003995958220000048
Figure FDA0003995958220000049
式(27)和式(28)中，
Figure FDA00039959582200000410
表示风-光-水互补系统在第i时段的弃能率；q表示风-光-水互补系统在各时段允许的最大弃能率；
Figure FDA00039959582200000411
表示风-光-水互补系统在第i时段的弃能量；
利用式(29)构建容量配置模型的第三约束条件：
1＜Rw+Rp≤σ (29)
式(29)中，σ表示风电与光电接入装机容量比例的约束上限；
利用式(30)-式(34)构建容量配置模型的第四约束条件，包括：
利用式(30)构建水位约束：
Figure FDA0003995958220000051
式(30)中，Zi,j表示第j个水电站在第i时段的水位；
Figure FDA0003995958220000052
和
Figure FDA0003995958220000053
分别表示第j个水电站在第i时段的最小、最大水位约束；
利用式(31)和式(32)构建水位的边界条件：
Figure FDA0003995958220000054
Figure FDA0003995958220000055
式(31)和式(32)中，Z1,j表示第j个水电站在第1时段的水位；
Figure FDA0003995958220000056
表示第j个水电站的调度初始水位；ZT+1,j表示第j个水电站在第T+1时段的水位；
Figure FDA0003995958220000057
表示第j个水电站的调度末水位；
利用式(33)和式(34)构建初末水位的耦合关系：
Figure FDA0003995958220000058
Figure FDA0003995958220000059
式(33)和式(34)中，
Figure FDA00039959582200000510
表示第j个水电站在第i时段的末水位；
Figure FDA00039959582200000511
表示第j个水电站在第i时段的初水位；
Figure FDA00039959582200000512
表示第j个水电站在第i时段的初水位；
Figure FDA00039959582200000513
表示第j个水电站在第i-1时段的末水位；
利用式(35)构建容量配置模型的第五约束条件：
Figure FDA00039959582200000514
式(35)中，
Figure FDA00039959582200000515
和
Figure FDA00039959582200000516
分别表示第j个水电站在第i时段的最小、最大出力约束；Ni,j表示第j个水电站在第i时段的出力；
利用式(36)构建容量配置模型的第六约束条件：
Figure FDA00039959582200000517
式(36)中，Vi+1,j表示j个水电站在第i时段的库容；Vi,j表示第j个水电站在第i时段的库容；Ii,j表示第j个水电站在第i时段的入库流量；
Figure FDA00039959582200000518
表示第j个水电站在第i时段的发电引用流量；
Figure FDA0003995958220000061
表示第j个水电站在第i时段的弃水流量；
步骤4、用改进的差分进化算法对容量配置模型进行迭代求解，并输出每一次迭代的最优解及对应的目标函数值；若每次迭代的目标函数值均相同，且目标函数值的量级均与惩罚因子的量级相同，则返回步骤1.3，在重新选取互补系统的外送通道容量后，继续顺序执行步骤2；否则，以最后一次迭代中最优个体的第n×(T+1)+1维向量和第n×(T+1)+2维向量作为风电和光伏最优的装机容量接入比例，再利用式(2)和式(4)得到风电和光伏的最优接入装机规模。
2.根据权利要求1所述的一种考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法，其特征在于，所述步骤4包括：
步骤4.1、定义并初始化参数，包括：当前迭代次数g＝0，最大迭代次数maxGEN，种群规模Np，问题维度D；缩放因子F和交叉概率CR；
步骤4.2、初始化第g代种群，令第g代种群中的第m个个体记为Xm(g)，且
Figure FDA0003995958220000062
其中，Xm,n(g)表示第g代种群中第m个个体Xm(g)的第n维向量；
Figure FDA0003995958220000063
为第g代种群中第m个个体Xm(g)的第j×i维向量，表示第j个水电站在第i时段的水位；
Figure FDA0003995958220000064
为第g代种群中第m个个体Xm(g)的第n×(T+1)+1维向量，表示风电站装机容量的接入比例，
Figure FDA0003995958220000065
为第g代种群中第m个个体Xm(g)的第n×(T+1)+1维向量，表示光伏电站装机容量的接入比例，σm(g)为第g代种群中第m个个体Xm(g)的第n×(T+1)+2维向量，表示风电站和光伏电站装机容量接入比例的约束上限；D＝n×(T+1)+3；
再利用式(37)对第g代种群中的第m个个体的每个维度进行赋值：
Figure FDA0003995958220000066
式(37)中，
Figure FDA0003995958220000067
和
Figure FDA0003995958220000068
分别表示第n维变量的最大值和最小值；rand(g)表示在第g次迭代中产生的随机数，且范围是(0,1)；
步骤4.3、利用式(38)对第g代种群中第m个个体的第n维向量Xm,n(g)进行变异操作，生成第m个个体的第n维变异向量Mm,n(g)：
Mm,n(g)＝Xm1,n(g)+F×(Xm2,n(g)-Xm3,n(g)) (38)
式(38)中，F∈(0,1)表示缩放因子；Xm1,n(g)、Xm2,n(g)、Xm3,n(g)分别表示第g代种群中第m1、m2、m3个个体的第n维向量，m1,m2,m3∈{1,2,3,...,Np}且m1≠m2≠m3；
步骤4.4、利用式(39)对第g代种群中第m个个体的第n维向量Xm,n(g)和第n维变异向量Mm,n(g)进行交叉操作，得到第m个个体的第n维交叉向量Vm,n(g)，再利用式(40)得到第g代种群中第m个交叉个体Vm(g)：
Figure FDA0003995958220000071
Figure FDA0003995958220000072
式(39)和式(40)中，Vm,n(g)表示第g代种群中第m个体的第n维交叉向量；CR为交叉概率；
步骤4.5、计算第g代中第m个交叉个体Vm(g)的适应度值F(Vm(g))：
步骤4.5.1、利用式(8)-式(10)计算出第g代中第m个交叉个体Vm(g)的第j个水电站在第i时段的下泄流量
Figure FDA0003995958220000073
步骤4.5.2、利用式(6)和式(7)计算出第g代中第m个交叉个体Vm(g)的第j个水电站在第i时段的水头
Figure FDA0003995958220000074
步骤4.5.3、利用式(11)-式(15)计算出第g代中第m个交叉个体Vm(g)的发电引用流量
Figure FDA0003995958220000075
和弃水流量
Figure FDA0003995958220000076
步骤4.5.4、利用式(5)得到第g代中第m个交叉个体Vm(g)的第j个水电站在第i时段的出力
Figure FDA0003995958220000077
步骤4.5.5、利用式(1)和式(2)得到第g代中第m个交叉个体Vm(g)的第i时段风电站的出力
Figure FDA0003995958220000078
步骤4.5.6、利用式(3)和式(4)得到第g代中第m个交叉个体Vm(g)的第i时段在光伏电站的出力
Figure FDA0003995958220000081
步骤4.5.7、利用式(18)和式(19)分别算出第g代中第m个交叉个体Vm(g)的风-光-水互补系统在第i时段的发电量
Figure FDA0003995958220000082
和在第i时段的最大外送电力
Figure FDA0003995958220000083
步骤4.5.8、利用式(17)计算第g代中第m个交叉个体Vm(g)的目标函数值f(Vm(g))；
步骤4.5.9、利用式(41)使用死亡罚函数得到第g代中第m个交叉个体Vm(g)的适应度值F(Vm(g))：
Figure FDA0003995958220000084
式(41)中，
Figure FDA0003995958220000085
表示由第g代种群中第m个交叉个体Vm(g)计算出的系统在第i时段的通道利用率；
Figure FDA0003995958220000086
表示由第g代种群中第m个交叉个体Vm(g)计算出的系统在第i时段的弃能率；F(·)表示计算个体适应度的函数；f(·)表示计算个体目标函数值的函数；N表示惩罚系数；k为不满足约束的个数；
步骤4.6、利用式(42)得到第g+1代种群的第m个个体Xm(g+1)：
Figure FDA0003995958220000087
式(42)中，F(Vm(g))表示第g代种群中第m个交叉个体Vm(g)的适应度值；F(Xm(g))表示第g代种群中第m个个体Xm(g)的适应度值；
步骤4.7、分别找到当前第g+1代种群中的最优个体Xbest(g+1)和最差个体Xworst(g+1)；
步骤4.8、执行混沌局部搜索：
步骤4.8.1、利用式(43)得到第g+1代经混沌映射后的混沌值Yg+1：
Yg+1＝cos(λ×arccosYg) (43)
式(43)中，当g＝0时，令Yg取(-1,1)的任意值；
步骤4.8.2、利用式(44)在第g+1代种群中最优个体Xbest(g+1)的周围生成新个体的第n维变量
Figure FDA0003995958220000091
Figure FDA0003995958220000092
式(44)中，
Figure FDA0003995958220000093
表示第g+1代种群中最优个体的第n维变量；
Figure FDA0003995958220000094
分别表示第n维变量的上下限；rand1(g),rand2(g)均表示在第g次迭代中产生的随机数，其范围是(0,1)；
步骤4.8.3、判断新个体的第n维变量
Figure FDA0003995958220000095
是否违背约束，若违背，按照步骤4.5.9的过程，使用死亡罚函数处理，得到新个体的适应度值
Figure FDA0003995958220000096
否则，直接执行步骤4.9；
步骤4.9、利用式(45)对第g+1代种群中最差个体Xworst(g+1)进行更新：
Figure FDA0003995958220000097
步骤4.10、将g+1赋值给g后，判断g＞maxGEN是否成立，若成立，则终止循环，得到第maxGEN代种群的最优个体Xbest(maxGEN)和第maxGEN代种群中最优个体的最优目标函数值f(Xbest(maxGEN))；否则，返回步骤4.3顺序执行。
3.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1或2所述容量配置优化方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
4.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1或2所述容量配置优化方法的步骤。
CN202211593585.3A 2022-12-13 2022-12-13 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法 Pending CN115833240A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211593585.3A CN115833240A (zh) 2022-12-13 2022-12-13 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211593585.3A CN115833240A (zh) 2022-12-13 2022-12-13 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法

Publications (1)

Publication Number Publication Date
CN115833240A true CN115833240A (zh) 2023-03-21

Family

ID=85546659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211593585.3A Pending CN115833240A (zh) 2022-12-13 2022-12-13 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法

Country Status (1)

Country Link
CN (1) CN115833240A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117639114A (zh) * 2024-01-26 2024-03-01 河海大学 梯级水电协同配置风光容量优化方法、装置、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117639114A (zh) * 2024-01-26 2024-03-01 河海大学 梯级水电协同配置风光容量优化方法、装置、设备及介质
CN117639114B (zh) * 2024-01-26 2024-04-02 河海大学 梯级水电协同配置风光容量优化方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN110956266B (zh) 基于层次分析法的多电源电力系统多目标优化调度方法
CN109886473B (zh) 一种考虑下游生态的流域风光水系统多目标优化调度方法
CN106532778B (zh) 一种计算分布式光伏并网最大准入容量的方法
CN108365608A (zh) 一种区域能源互联网不确定优化调度方法及系统
CN112184070A (zh) 一种协同生态流量需求的梯级水电站多目标优化调度方法及系统
CN110222938A (zh) 一种梯级水电站群短期调峰调度协同优化方法和系统
CN112785184B (zh) 考虑需求响应的源网荷协调分布鲁棒长期扩展规划方法
CN112561273B (zh) 一种基于改进pso的主动配电网可再生dg规划方法
CN112491043A (zh) 一种新能源富集电网电源规划方法及系统
CN109755959A (zh) 基于风/光出力柯西分布的火电机组动态实时调度方法
CN115833240A (zh) 考虑梯级水电站连接的风-光-水互补系统的容量配置优化方法
CN105140967B (zh) 一种含新能源电力系统调峰需求的评估方法
CN108694475B (zh) 基于混合模型的短时间尺度光伏电池发电量预测方法
CN115051388A (zh) 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法
He et al. Biobjective optimization-based frequency regulation of power grids with high-participated renewable energy and energy storage systems
CN111525556B (zh) 一种计及风电置信风险的多目标最优潮流计算方法
CN111509784B (zh) 计及不确定性的虚拟电厂鲁棒出力可行域辨识方法及装置
CN112039058A (zh) 基于风功率预测区间的机组组合方法、系统、介质及设备
CN116404642A (zh) 一种分布式电源集群划分方法、装置、电子设备及存储介质
CN116345450A (zh) 一种基于深度强化学习的风光水互补系统智能调度方法
CN111553398B (zh) 基于多维正态分布的风电场景不确定连续区间获取方法
CN115912421A (zh) 一种配电网储能选址定容多目标优化方法及系统
CN114819573A (zh) 新能源系统的日前调度方法、装置和计算机设备
CN112994087A (zh) 基于条件风险约束的多源电力系统中期优化调度方法
CN116415742B (zh) 风光水电系统两阶段随机多属性决策方法及系统

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