CN117273309A - 一种储能系统容量配置方法、装置、存储介质及电子设备 - Google Patents
一种储能系统容量配置方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117273309A CN117273309A CN202311093884.5A CN202311093884A CN117273309A CN 117273309 A CN117273309 A CN 117273309A CN 202311093884 A CN202311093884 A CN 202311093884A CN 117273309 A CN117273309 A CN 117273309A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- capacity configuration
- value
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 230000005611 electricity Effects 0.000 claims abstract description 22
- 238000010845 search algorithm Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 95
- 230000008602 contraction Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 20
- 230000008901 benefit Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000005656 quantum gravity Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 101100397044 Xenopus laevis invs-a gene Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- PMGQWSIVQFOFOQ-YKVZVUFRSA-N clemastine fumarate Chemical compound OC(=O)\C=C\C(O)=O.CN1CCC[C@@H]1CCO[C@@](C)(C=1C=CC(Cl)=CC=1)C1=CC=CC=C1 PMGQWSIVQFOFOQ-YKVZVUFRSA-N 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/60—Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种储能系统容量配置方法、装置、存储介质以及电子设备，其中方法包括：获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；基于负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得容量配置对象的可用度；基于储能系统全寿命周期净收益构建目标函数，所述目标函数中包含各容量配置参数；至少在可用度满足预设条件的情况下，基于负荷参数信息、储能系统参数信息、电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各容量配置参数对应的目标参数值。本发明通过对量子引力搜索算法进行改进，能够快速准确地求得储能系统最优容量配置方案，在保证供电可靠性、提升容量配置经济性。
Description
技术领域
本发明涉及储能系统节能技术领域，特别涉及一种储能系统容量配置方法、装置、存储介质及电子设备。
背景技术
随着移动互联网、云计算和人工智能等先进信息技术的快速发展，作为支撑信息技术的核心基础设施，数据中心的规模也在不断扩大。一方面，由于数据中心对供电可靠性要求极高，市电故障会给数据中心带来巨大损失；另一方面，数据中心作为一类高能耗工业用户，其购电成本约占日常总运行成本一半以上，是制约数据中心经济运行的关键因素。而储能系统对保障数据中心供电可靠性以及降低购电成本具有重要作用，因此数据中心储能系统配置问题变得尤为重要。
以往的技术侧重于通过配置储能系统削减数据中心购电成本、降低负荷峰谷差以及提升可再生能源消纳能力。然而，储能系统还具有保障数据中心供电可靠性的重要作用，以往的技术未能考虑供电可靠性对储能系统容量配置的影响。会导致储能系统容量配置不合理，难以保证数据中心供电可靠性、容易造成储能系统容量配置经济性差等问题。
发明内容
有鉴于此，本发明提供了储能系统容量配置参数值确定方法、装置、存储介质以及电子设备，主要目的在于解决目前存在储能系统容量配置不合理，难以保证数据中心供电可靠性、容易造成储能系统容量配置经济性差等问题。
为解决上述问题，本申请提供一种储能系统容量配置参数值确定方法，包括：
获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
可选的，所述基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得当前容量配置对象可用度，具体包括：
基于储能系统供电最低时长标准值、储能系统在各时间点剩余电量值以及所述容量配置对象在各时间点的负荷信息进行计算处理，获得在运行周期范围内的失电总时长；
基于所述失电总时长以及运行周期时长进行计算处理，获得所述储能系统可用度；
基于预先读取的市电可用度以及所述储能系统可用度，采用预设可用度函数进行计算处理，获得当前容量配置对象可用度。
可选的，在对所述目标函数进行优化之前，所述方法还包括：构建筛选储能系统容量配置参数值的各约束条件；
其中各所述约束条件包括：可靠性约束条件、储能系统充放电功率约束条件以及电力平衡约束条件；
所述至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值，具体包括：
在所述可用度满足可靠性约束条件、储能系统充放电功率满足储能系统充放电功率约束条件并且待容量配置对象负荷、储能系统充放电功率以及电网供电功率的电力平衡满足电力平衡约束条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
可选的，所述基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息以及所述当前容量配置对象可用度，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值，具体包括：
获取若干初始容量配置参数值集；
至少基于当前所述容量配置对象可用度，构建所述目标函数的约束条件；
对各初始容量配置参数集进行筛选，获得满足所述约束条件的各目标容量配置参数值集；
基于各所述目标容量配置参数值集，采用预设优化算法对所述目标函数进行优化处理，获得与各所述容量配置参数对应的目标参数值。
可选的，所述基于各所述目标容量配置参数集，采用预设优化算法对所述目标函数进行优化处理，获得与各所述容量配置参数对应的目标参数值，具体包括：
初始化优化算法中的各参数；
基于优化算法中的各所述参数的取值范围随机初始化种群中各第一个体的初始位置，所述种群由各所述目标容量配置参数值集构成，各所述第一个体与各所述目标容量配置参数值集一一对应；
计算各所述第一个体初始位置对应的适应度值，得到排名在前的若干第二个体初始位置对应的全局最优集合、与各第一个体初始位置对应的个体最优集合，初始最优个体位置对应的各初始最优参数值、最小适应度值以及平均适应度值；
基于所述全局最优集合、所述个体最优集合、各初始最优参数值最小适应度值以及平均适应度值，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置；
当满足预设迭代条件时，计算各所述第一个体的当前位置对应的适应度值，将适应度值最大值对应的当前位置参数值作为各所述目标参数值；
当判断结果为不满足迭代终止条件的情况下，基于各所述第一个体的当前位置更新全局最优集合、个体最优集合、当前最优个体位置对应的各当前最优参数值、最小适应度值以及平均适应度值，以循环迭代的对种群中各第一个体的当前位置进行更新，直至满足预设迭代条件为止，将更新后的所述当前位置参数值作为各所述目标参数值。
可选的，所述基于所述全局最优集合、所述个体最优集合、各初始最优参数值最小适应度值以及平均适应度值，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置，具体包括：
基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置、预定莱维飞行随机搜索路径对初始势阱中心进行更新，得到目标势阱中心；
基于各第一个体初始位置对应的适应度值与所述平均适应度值，确定各所述第一个体对应的收缩扩张系数值；
基于各所述收缩扩张系数值以及所述目标势阱中心，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置。
可选的，所述基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置、预定莱维飞行随机搜索路径对初始势阱中心进行更新，得到目标势阱中心，具体包括：
基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置进行惯性质量计算处理，得到与各所述第一个体对应的初始惯性质量值；
基于预定莱维飞行随机搜索路径对各所述第一个体的位置进行扰动，得到与各所述第一个体对应的目标惯性质量值；
基于各所述目标惯性质量值以及各第一个体对应的初始位置对初始势阱中心进行更新，得到目标势阱中心。
可选的，所述基于各第一个体初始位置对应的适应度值与所述平均适应度值，确定各所述第一个体对应的收缩扩张系数值，具体包括：
基于各第一个体初始位置对应的适应度值与所述平均适应度值进行判断；
当判断结果为目标第一个体初始位置对应的适应度值小于所述平均适应度值的情况下，基于预设初始收缩扩张系数的最大值、预设初始收缩扩张系数的最小值、所述最小适应度值、所述平均适应度值进行计算处理，得到与所述目标第一个体对应的收缩扩张系数值；
当判断结果为目标第一个体初始位置对应的适应度值大于所述平均适应度值的情况下，确定预设初始收缩扩张系数的最大值为所述目标第一个体对应的收缩扩张系数值，以得到各所述第一个体对应的收缩扩张系数值。
为解决上述问题本申请提供一种储能系统容量配置装置，其特征在于，包括：
获取模块：用于获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
可用度获得模块：用于基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
构建模块：用于基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
优化模块：用于至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
为解决上述问题本申请提供一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述储能系统容量配置方法的步骤。
为解决上述问题本申请提供一种电子设备，其特征在于，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述所述储能系统容量配置方法的步骤。
本申请通过获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。本发明充分考虑数据中心供电可靠性、储能系统投资成本与运行收益等因素，通过对量子引力搜索算法进行改进，能够快速准确地求得储能系统最优容量配置方案，在保证数据中心供电可靠性的同时，提升了储能系统容量配置的经济性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请实施例提供的一种储能系统容量配置方法的流程示意图；
图2示出了本申请又一实施例提供的一种储能系统容量配置方法的流程示意图；
图3示出了本申请实施例的四个典型日的负荷参数信息以及分时电价参数信息的示意图；
图4示出了本申请另一实施例提供的一种储能系统容量配置装置的结构框图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。
还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供一种储能系统容量配置参数值确定方法，如图1所示，包括：
步骤S101：获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
本步骤在具体实施过程中，在数据中心节能应用场景中，所述待容量配置对象可以为数据中心，所述负荷参数信息为数据中心各典型日的负荷参数信息；各所述典型日的负荷参数信息是基于数据中心的历史负荷数据生成的。所述储能系统参数信息为储能系统单位容量成本参数信息、单位功率成本参数信息、充放电效率参数信息、运行维护成本等参数信息；所述电网电价信息为分时电价参数信息、容量电价参数信息等参数信息。
步骤S102：基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
本步骤在具体实施过程中，基于储能系统供电最低时长标准值、储能系统在各时间点剩余电量值以及所述容量配置对象在各时间点的负荷信息进行计算处理，获得在运行周期范围内的失电总时长；基于所述失电总时长以及运行周期时长进行计算处理，获得所述储能系统可用度；基于预先读取的市电可用度以及所述储能系统可用度，采用预设可用度函数进行计算处理，获得当前容量配置对象可用度。
步骤S103：基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
本步骤在具体实施过程中，所述容量配置参数至少包括储能系统额定容量参数以及储能系统额定功率参数，为后续采用预设优化算法对所述目标函数进行优化得到满足设计要求的储能系统额定容量参数对应的目标参数值以及与储能系统额定功率参数对应的目标参数值奠定了基础。
步骤S104：至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
本步骤在具体实施过程中，随机获取若干初始容量配置参数值集；至少基于当前所述容量配置对象可用度，构建所述目标函数的约束条件；所述约束条件包括：可靠性约束条件、储能系统充放电功率约束条件以及电力平衡约束条件；对各初始容量配置参数集进行筛选，获得满足各所述约束条件的各目标容量配置参数值集；基于各所述目标容量配置参数值集，采用预设优化算法对所述目标函数进行优化处理，获得与各所述容量配置参数对应的目标参数值。引入搜索扩张系数以及通过预设莱维飞行随机搜索路径更新种群的势阱中心改进传统量子引力搜索算法，来优化所述目标函数得到各所述容量配置参数对应的目标参数值。
本申请通过获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；以储能系统全寿命周期净收益最大为目标，构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。本发明充分考虑数据中心供电可靠性、储能系统投资成本与运行收益等因素，通过对量子引力搜索算法进行改进，能够快速准确地求得储能系统最优容量配置方案，在保证数据中心供电可靠性的同时，提升了储能系统容量配置的经济性。
本申请又一实施例，提供另一种储能系统容量配置参数值确定方法，如图2所示，包括：
步骤S201:获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
本步骤在具体实施过程中，在数据中心节能应用场景中，所述待容量配置对象可以为数据中心，所述负荷参数信息为数据中心各典型日的负荷参数信息；例如：确定春、夏、秋、冬四个典型日的负荷参数信息作为所述数据中心各典型日的负荷参数信息，图3为四个典型日的负荷参数信息以及分时电价参数信息的示意图。所述储能系统参数信息为储能系统单位容量成本参数信息、单位功率成本参数信息、充放电效率参数信息、运行维护成本等参数信息；所述电网电价信息为分时电价参数信息、容量电价参数信息等参数信息。
步骤S202:基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
本步骤在具体实施过程中，基于储能系统供电最低时长标准值、储能系统在各时间点剩余电量值以及所述容量配置对象在各时间点的负荷信息进行计算处理，获得在运行周期范围内的失电总时长；具体的，所述失电总时长的数学表达式为如下公式1所示：
其中，Tsus为储能系统需保证数据中心正常供电的最低时长要求，Et为储能系统在t时刻的剩余电量，PIDC，t为数据中心在t时刻的负荷，T为运行周期。基于所述失电总时长以及运行周期时长进行计算处理，获得所述储能系统可用度；所述储能系统可用度的数学表达式为如下公式2所示：
基于预先读取的市电可用度AG以及所述储能系统可用度AB，采用预设可用度函数进行计算处理，获得当前容量配置对象可用度。所述预设可用度函数的数学表达式为如下公式3所示：
Ap＝1-(1-AG)(1-AB) (3)
其中，Ap为容量配置对象可用度，AG为市电可用度，AB为储能系统可用度。
步骤S203：以储能系统全寿命周期净收益最大为目标，构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
本步骤在具体实施过程中，所述目标函数可以为如下公式4所示：
max F＝Cinc+Crel-CinN-Cope (4)
其中，Cinc为储能系统经济运行获得的总收益，Crel为储能系统保证供电可靠性的收益，Cinv为储能系统的一次性投资成本，Cope为储能系统的运行维护成本。
其中，储能系统经济运行获得的总收益可以具体为如下公式5所示：
Cinc＝Cinv1+Civn2 (5)
其中，Cinc1为储能系统通过削峰减少的容量电费，数学表达是为如下公式6所示：
Cinc2为储能系统利用分时电价价格套利的收益，数学表达是为如下公式7所示：
其中公式(6)公式(7)中，Cele，y，d为储能系统第y年d天通过分时电价的价格套利，Cbas，y，m为储能系统第y年m月容量电费减小值，D为储能系统年运行天数，M为储能系统年运行月数，Y为储能系统运行寿命，lr为通货膨胀率，dr为贴现率。
储能系统可起到后备电源的作用，从而节省了单独配置后备电源的成本，储能系统保障供电可靠性Crel的收益为如下公式8所示：
其中，EBESS为储能系统额定容量，是其中一个储能系统容量配置参数；PIDC，max为数据中心的最大负荷，Δτ为不间断运行最低时长要求。
储能系统的一次性投资成本Cinv的计算公式为如下公式9所示：
Cinv＝csEBESS+cpPBESS (9)
其中，PBESS为储能系统额定功率，为另一个储能系统容量配置参数；cs为储能系统单位容量造价，cp为储能系统单位功率造价。
储能系统的运行维护成本Cope的数学表达是为如下公式10所示：
其中，cop为为储能系统单位功率的年运行维护成本。
储能系统的等效运行年限为如下公式11所示：
其中，Nd＝1642Oe-0.033d+253e0.012d，Y为等效运行年限，d为放电深度，Nd为放电深度为d时的循环次数，W为储能系统一年的充放电次数。
步骤S204：获取若干初始容量配置参数值集；
本步骤在具体实施过程中，随机生成若干初始容量配置参数值集，各所述初始参数值集至少包括储能系统容量配置参数：储能系统额定容量以及储能系统额定功率对应的初始参数值。
步骤S205：至少基于当前所述容量配置对象可用度，构建所述目标函数的约束条件；
本步骤在具体实施过程中，各所述约束条件包括：可靠性约束条件、储能系统充放电功率约束条件以及电力平衡约束条件。其中，可靠性约束条件为如下公式12所示：
为容量配置对象可用度下限值。
储能系统充放电功率约束条件为如下公式13所示：
|Pcha/dis.t|≤PBESS (13)
其中，Pcha/dis，t为储能系统在t时刻的充放电功率，Pcha/dis，t≥0表示储能系统充电，Pcha/dis，t＜0表示储能系统放电。
电力平衡约束条件为如下公式14所示：
其中，Pg，t为数据中心在t时刻电网侧净负荷，ηcha为储能系统充电效率，ηdis为储能系统放电效率。
步骤S206：对各初始容量配置参数集进行筛选，获得满足所述约束条件的各目标容量配置参数值集；
本步骤在具体实施过程中，基于所述可靠性约束条件、储能系统充放电功率约束条件以及电力平衡约束条件对各初始容量配置参数集进行筛选，获得满足所述约束条件的各目标容量配置参数值集。
步骤S207：初始化优化算法中的各参数；
本步骤在具体实施过程中，优化算法中的各参数包括：种群数量、变量维数和迭代次数等算法参数。将储能系统相关参数、典型日负荷数据、分时电价数据等相关参数以对优化算法进行初始化。
步骤S208：基于优化算法中的各所述参数的取值范围随机初始化种群中各第一个体的初始位置；
本步骤在具体实施过程中，所述种群由各所述目标容量配置参数值集构成，各所述第一个体与各所述目标容量配置参数值集一一对应。基于优化算法中的各所述参数的取值范围随机初始化种群中各第一个体的初始位置，种群中各个体的初始位置对应相应个体的储能系统容量配置参数值，即种群中的各第一个体都有一个初始的储能系统额定容量参数值以及初始的储能系统额定功率参数值。
步骤S209：计算各所述第一个体初始位置对应的适应度值，得到排名在前的若干第二个体初始位置对应的全局最优集合、与各第一个体初始位置对应的个体最优集合，初始最优个体位置对应的各初始最优参数值、最小适应度值以及平均适应度值；
本步骤在具体实施过程中，将各所述第一个体对应初始位置对应的初始参数值代入到上述公式4中，计算得到与各所述第一个体初始位置对应的适应度值；然后基于各所述适应度值进行筛选处理，获取适应度值排名在前的若干第二个体初始位置对应的全局最优集合kbest；与各第一个体初始位置对应的个体最优集合Pbest；初始最优个体位置对应的各初始最优参数值、最小适应度值以及平均适应度值favg。
步骤S210：基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置、预定莱维飞行随机搜索路径对初始势阱中心进行更新，得到目标势阱中心；
本步骤在具体实施过程中，具体的，基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置进行惯性质量计算处理，得到与各所述第一个体对应的初始惯性质量值；基于预定莱维飞行随机搜索路径对各所述第一个体的位置进行扰动，得到与各所述第一个体对应的目标惯性质量值；所述预定莱维飞行随机搜索路径可以为如下公式15所示：
其中，levy(λ)为莱维飞行随机搜索路径，u，v为路径搜索变量，均服从标准正态分布，λ为控制分布的变量，一般取0至2之间的随机数，为搜索变量的方差，Γ(·)为伽马分布函数。
基于各所述目标惯性质量值以及各第一个体对应的初始位置对初始势阱中心进行更新，得到目标势阱中心。引入莱维飞行后，粒子势阱中心更新方式为如下公式16所示：
其中，Pbest，i为种群中第一个体的个体最优位置，为点对点乘法，β0为步长控制量，c1，c2为0至1之间的随机数。
步骤S211：基于各第一个体初始位置对应的适应度值与所述平均适应度值，确定各所述第一个体对应的收缩扩张系数值；
本步骤在具体实施过程中，基于各第一个体初始位置对应的适应度值与所述平均适应度值进行判断；当判断结果为目标第一个体初始位置对应的适应度值小于所述平均适应度值的情况下，基于预设初始收缩扩张系数的最大值、预设初始收缩扩张系数的最小值、所述最小适应度值、所述平均适应度值进行计算处理，得到与所述目标第一个体对应的收缩扩张系数值；当判断结果为目标第一个体初始位置对应的适应度值大于所述平均适应度值的情况下，确定预设初始收缩扩张系数的最大值为所述目标第一个体对应的收缩扩张系数值，以得到各所述第一个体对应的收缩扩张系数值。具体的，收缩扩张系数值的数学表达式为如下公式17所示：
其中，αmax为收缩扩张系数的最大值，αmin为收缩扩张系数的最小值，fmin为当前所有粒子的最小适应度值，favg为当前所有粒子的平均适应度值。
步骤S212：基于各所述收缩扩张系数值以及所述目标势阱中心，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置；
本步骤在具体实施过程中，所述预定量子引力搜索算法的数学表达式为如下公式18所示：
其中，为第一个体i在第t次迭代中第d维的位置，Pi d(t)势阱中心i在第t次迭代中第d维的位置，Li(t)为粒子i在第t次迭代中的势阱长度，s为随机生成0至1之间的有理数，α为收缩扩张系数。
步骤S213:当满足预设迭代条件时，计算各所述第一个体的当前位置对应的适应度值，将适应度值最大值对应的当前位置参数值作为各所述目标参数值；
本步骤在具体实施过程中，当达到预设迭代次数的情况下确认满足预设迭代条件，计算各所述第一个体的当前位置对应的适应度值，将适应度值最大值对应的当前位置参数值作为各所述目标参数值，得到全寿命周期净收益最优值和储能系统最优容量配置参数值，得到储能系统额定容量对应的目标参数值、储能系统额定功率对应的目标参数值；并进而得到储能系统的运行寿命目标参数值、投资回收期目标参数值、全寿命周期净收益目标参数值。
步骤S214:当判断结果为不满足迭代终止条件的情况下，基于各所述第一个体的当前位置更新全局最优集合、个体最优集合、当前最优个体位置对应的各当前最优参数值、最小适应度值以及平均适应度值，以循环迭代的对种群中各第一个体的当前位置进行更新，直至满足预设迭代条件为止，将更新后的所述当前位置参数值作为各所述目标参数值。
本步骤在具体实施过程中，当未达到预设迭代次数的情况下确认判断结果为不满足迭代终止条件，基于各所述第一个体的当前位置更新全局最优集合、个体最优集合、当前最优个体位置对应的各当前最优参数值、最小适应度值以及平均适应度值，以循环迭代的对种群中各第一个体的当前位置进行更新，直至满足预设迭代条件为止，将更新后的所述当前位置参数值作为各所述目标参数值，得到储能系统额定容量对应的目标参数值、储能系统额定功率对应的目标参数值；并进而得到储能系统的运行寿命目标参数值、投资回收期目标参数值、全寿命周期净收益目标参数值。
本申请通过获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；以储能系统全寿命周期净收益最大为目标，构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；随机获得若干初始容量配置参数值集；至少基于当前所述容量配置对象可用度，构建所述目标函数的约束条件；对各初始容量配置参数集进行筛选，获得满足所述约束条件的各目标容量配置参数值集；初始化优化算法中的各参数；基于优化算法中的各所述参数的取值范围随机初始化种群中各第一个体的初始位置，所述种群由所述目标容量配置参数值集构成；计算各所述第一个体初始位置对应的适应度值，得到排名在前的若干第二个体初始位置对应的全局最优集合、与各第一个体初始位置对应的个体最优集合，初始最优个体位置对应的各初始最优参数值、最小适应度值以及平均适应度值；基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置、预定莱维飞行随机搜索路径对初始势阱中心进行更新，得到目标势阱中心；基于各第一个体初始位置对应的适应度值与所述平均适应度值，确定各所述第一个体对应的收缩扩张系数值；当满足预设迭代条件时，计算各所述第一个体的当前位置对应的适应度值，将适应度值最大值对应的当前位置参数值作为各所述目标参数值；当判断结果为不满足迭代终止条件的情况下，基于各所述第一个体的当前位置更新全局最优集合、个体最优集合、当前最优个体位置对应的各当前最优参数值、最小适应度值以及平均适应度值，以循环迭代的对种群中各第一个体的当前位置进行更新，直至满足预设迭代条件为止，将更新后的所述当前位置参数值作为各所述目标参数值。本发明充分考虑数据中心供电可靠性、储能系统投资成本与运行收益等因素，通过对量子引力搜索算法进行改进，能够快速准确地求得储能系统最优容量配置方案，在保证数据中心供电可靠性的同时，提升了储能系统容量配置的经济性。
本申请又一实施例，提供一种储能系统容量配置装置，如图4所示，包括：
获取模块1：用于获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
可用度获得模块2：用于基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
构建模块3：用于基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
优化模块4：用于至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
在具体实施过程中，所述可用度获得模块2具体用于：基于储能系统供电最低时长标准值、储能系统在各时间点剩余电量值以及所述容量配置对象在各时间点的负荷信息进行计算处理，获得在运行周期范围内的失电总时长；基于所述失电总时长以及运行周期时长进行计算处理，获得所述储能系统可用度；基于预先读取的市电可用度以及所述储能系统可用度，采用预设可用度函数进行计算处理，获得当前容量配置对象可用度。
在具体实施过程中，所述储能系统容量配置装置还包括：约束条件构建模块，所述约束条件构建模块具体用于：构建筛选储能系统容量配置参数值的各约束条件；其中各所述约束条件包括：可靠性约束条件、储能系统充放电功率约束条件以及电力平衡约束条件；所述至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值，具体包括：在所述可用度满足可靠性约束条件、储能系统充放电功率满足储能系统充放电功率约束条件并且待容量配置对象负荷、储能系统充放电功率以及电网供电功率的电力平衡满足电力平衡约束条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
在具体实施过程中，所述优化模块4具体用于：获取若干初始容量配置参数值集；至少基于当前所述容量配置对象可用度，构建所述目标函数的约束条件；对各初始容量配置参数集进行筛选，获得满足所述约束条件的各目标容量配置参数值集；基于各所述目标容量配置参数值集，采用预设优化算法对所述目标函数进行优化处理，获得与各所述容量配置参数对应的目标参数值。
在具体实施过程中，所述优化模块4还用于：初始化优化算法中的各参数；基于优化算法中的各所述参数的取值范围随机初始化种群中各第一个体的初始位置，所述种群由各所述目标容量配置参数值集构成，各所述第一个体与各所述目标容量配置参数值集一一对应；计算各所述第一个体初始位置对应的适应度值，得到排名在前的若干第二个体初始位置对应的全局最优集合、与各第一个体初始位置对应的个体最优集合，初始最优个体位置对应的各初始最优参数值、最小适应度值以及平均适应度值；基于所述全局最优集合、所述个体最优集合、各初始最优参数值最小适应度值以及平均适应度值，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置；当满足预设迭代条件时，计算各所述第一个体的当前位置对应的适应度值，将适应度值最大值对应的当前位置参数值作为各所述目标参数值；当判断结果为不满足迭代终止条件的情况下，基于各所述第一个体的当前位置更新全局最优集合、个体最优集合、当前最优个体位置对应的各当前最优参数值、最小适应度值以及平均适应度值，以循环迭代的对种群中各第一个体的当前位置进行更新，直至满足预设迭代条件为止，将更新后的所述当前位置参数值作为各所述目标参数值。
在具体实施过程中，所述优化模块4还用于：基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置、预定莱维飞行随机搜索路径对初始势阱中心进行更新，得到目标势阱中心；基于各第一个体初始位置对应的适应度值与所述平均适应度值，确定各所述第一个体对应的收缩扩张系数值；基于各所述收缩扩张系数值以及所述目标势阱中心，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置。
在具体实施过程中，所述优化模块4还用于：基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置进行惯性质量计算处理，得到与各所述第一个体对应的初始惯性质量值；基于预定莱维飞行随机搜索路径对各所述第一个体的位置进行扰动，得到与各所述第一个体对应的目标惯性质量值；基于各所述目标惯性质量值以及各第一个体对应的初始位置对初始势阱中心进行更新，得到目标势阱中心。
在具体实施过程中，所述优化模块4还用于：基于各第一个体初始位置对应的适应度值与所述平均适应度值进行判断；当判断结果为目标第一个体初始位置对应的适应度值小于所述平均适应度值的情况下，基于预设初始收缩扩张系数的最大值、预设初始收缩扩张系数的最小值、所述最小适应度值、所述平均适应度值进行计算处理，得到与所述目标第一个体对应的收缩扩张系数值；当判断结果为目标第一个体初始位置对应的适应度值大于所述平均适应度值的情况下，确定预设初始收缩扩张系数的最大值为所述目标第一个体对应的收缩扩张系数值，以得到各所述第一个体对应的收缩扩张系数值。
本申请通过获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。本发明充分考虑数据中心供电可靠性、储能系统投资成本与运行收益等因素，通过对量子引力搜索算法进行改进，能够快速准确地求得储能系统最优容量配置方案，在保证数据中心供电可靠性的同时，提升了储能系统容量配置的经济性。
本申请另一实施例提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如下方法步骤：
步骤一、获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
步骤二、基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
步骤三、基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
步骤四、至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
上述方法步骤的具体实施过程可参见上述任意储能系统容量配置方法的实施例，本实施例在此不再重复赘述。
本申请通过获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。本发明充分考虑数据中心供电可靠性、储能系统投资成本与运行收益等因素，通过对量子引力搜索算法进行改进，能够快速准确地求得储能系统最优容量配置方案，在保证数据中心供电可靠性的同时，提升了储能系统容量配置的经济性。
本申请另一实施例提供一种电子设备，该电子设备可以是服务端，该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性和/或易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的客户端通过网络连接通信。该电子设备程序被处理器执行时以实现一种储能系统容量配置方法服务端侧的功能或步骤。
在一个实施例中，提供了一种电子设备，该电子设备可以是客户端。该电子设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部服务器通过网络连接通信。该电子设备程序被处理器执行时以实现一种储能系统容量配置方法客户端侧的功能或步骤。
本申请另一实施例提供一种电子设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现如下方法步骤：
步骤一、获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
步骤二、基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
步骤三、基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
步骤四、至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
上述方法步骤的具体实施过程可参见上述任意储能系统容量配置方法的实施例，本实施例在此不再重复赘述。
本申请通过获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。本发明充分考虑数据中心供电可靠性、储能系统投资成本与运行收益等因素，通过对量子引力搜索算法进行改进，能够快速准确地求得储能系统最优容量配置方案，在保证数据中心供电可靠性的同时，提升了储能系统容量配置的经济性。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (11)
1.一种储能系统容量配置方法，其特征在于，包括：
获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
基于所述负荷参数信息、所述储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
2.如权利要求1所述的方法，其特征在于，所述基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得当前容量配置对象可用度，具体包括：
基于储能系统供电最低时长标准值、储能系统在各时间点剩余电量值以及所述容量配置对象在各时间点的负荷信息进行计算处理，获得在运行周期范围内的失电总时长；
基于所述失电总时长以及运行周期时长进行计算处理，获得所述储能系统可用度；
基于预先读取的市电可用度以及所述储能系统可用度，采用预设可用度函数进行计算处理，获得当前容量配置对象可用度。
3.如权利要求1所述的方法，其特征在于，在对所述目标函数进行优化之前，所述方法还包括：构建筛选储能系统容量配置参数值的各约束条件；
其中各所述约束条件包括：可靠性约束条件、储能系统充放电功率约束条件以及电力平衡约束条件；
所述至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值，具体包括：
在所述可用度满足可靠性约束条件、储能系统充放电功率满足储能系统充放电功率约束条件并且待容量配置对象负荷、储能系统充放电功率以及电网供电功率的电力平衡满足电力平衡约束条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
4.如权利要求1所述的方法，其特征在于，所述基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息以及所述当前容量配置对象可用度，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值，具体包括：
获取若干初始容量配置参数值集；
至少基于当前所述容量配置对象可用度，构建所述目标函数的约束条件；
对各初始容量配置参数集进行筛选，获得满足所述约束条件的各目标容量配置参数值集；
基于各所述目标容量配置参数值集，采用预设优化算法对所述目标函数进行优化处理，获得与各所述容量配置参数对应的目标参数值。
5.如权利要求4所述的方法，其特征在于，所述基于各所述目标容量配置参数集，采用预设优化算法对所述目标函数进行优化处理，获得与各所述容量配置参数对应的目标参数值，具体包括：
初始化优化算法中的各参数；
基于优化算法中的各所述参数的取值范围随机初始化种群中各第一个体的初始位置，所述种群由各所述目标容量配置参数值集构成，各所述第一个体与各所述目标容量配置参数值集一一对应；
计算各所述第一个体初始位置对应的适应度值，得到排名在前的若干第二个体初始位置对应的全局最优集合、与各第一个体初始位置对应的个体最优集合，初始最优个体位置对应的各初始最优参数值、最小适应度值以及平均适应度值；
基于所述全局最优集合、所述个体最优集合、各初始最优参数值最小适应度值以及平均适应度值，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置；
当满足预设迭代条件时，计算各所述第一个体的当前位置对应的适应度值，将适应度值最大值对应的当前位置参数值作为各所述目标参数值；
当判断结果为不满足迭代终止条件的情况下，基于各所述第一个体的当前位置更新全局最优集合、个体最优集合、当前最优个体位置对应的各当前最优参数值、最小适应度值以及平均适应度值，以循环迭代的对种群中各第一个体的当前位置进行更新，直至满足预设迭代条件为止，将更新后的所述当前位置参数值作为各所述目标参数值。
6.如权利要求5所述的方法，其特征在于，所述基于所述全局最优集合、所述个体最优集合、各初始最优参数值最小适应度值以及平均适应度值，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置，具体包括：
基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置、预定莱维飞行随机搜索路径对初始势阱中心进行更新，得到目标势阱中心；
基于各第一个体初始位置对应的适应度值与所述平均适应度值，确定各所述第一个体对应的收缩扩张系数值；
基于各所述收缩扩张系数值以及所述目标势阱中心，采用预定量子引力搜索算法对各所述第一个体对应的初始位置进行更新，得到与各所述第一个体对应的当前位置。
7.如权利要求6所述的方法，其特征在于，所述基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置、预定莱维飞行随机搜索路径对初始势阱中心进行更新，得到目标势阱中心，具体包括：
基于各所述第一个体的初始位置以及全局最优集合中各第二个体的初始位置进行惯性质量计算处理，得到与各所述第一个体对应的初始惯性质量值；
基于预定莱维飞行随机搜索路径对各所述第一个体的位置进行扰动，得到与各所述第一个体对应的目标惯性质量值；
基于各所述目标惯性质量值以及各第一个体对应的初始位置对初始势阱中心进行更新，得到目标势阱中心。
8.如权利要求6所述的方法，其特征在于，所述基于各第一个体初始位置对应的适应度值与所述平均适应度值，确定各所述第一个体对应的收缩扩张系数值，具体包括：
基于各第一个体初始位置对应的适应度值与所述平均适应度值进行判断；
当判断结果为目标第一个体初始位置对应的适应度值小于所述平均适应度值的情况下，基于预设初始收缩扩张系数的最大值、预设初始收缩扩张系数的最小值、所述最小适应度值、所述平均适应度值进行计算处理，得到与所述目标第一个体对应的收缩扩张系数值；
当判断结果为目标第一个体初始位置对应的适应度值大于所述平均适应度值的情况下，确定预设初始收缩扩张系数的最大值为所述目标第一个体对应的收缩扩张系数值，以得到各所述第一个体对应的收缩扩张系数值。
9.一种储能系统容量配置装置，其特征在于，包括：
获取模块：用于获取待容量配置对象的负荷参数信息、储能系统参数信息以及电网电价信息；
可用度获得模块：用于基于所述负荷参数信息、储能系统参数信息，采用预设可用度函数进行计算处理，获得所述容量配置对象的可用度；
构建模块：用于基于储能系统全寿命周期净收益构建储能系统容量配置目标函数，所述目标函数中包含各容量配置参数；
优化模块：用于至少在所述可用度满足预设条件的情况下，基于所述负荷参数信息、所述储能系统参数信息、所述电网电价信息，采用预设优化算法对所述目标函数进行优化，得到与各所述容量配置参数对应的目标参数值。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-8任一项所述储能系统容量配置方法的步骤。
11.一种电子设备，其特征在于，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述权利要求1-8任一项所述储能系统容量配置方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093884.5A CN117273309B (zh) | 2023-08-28 | 2023-08-28 | 一种储能系统容量配置方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311093884.5A CN117273309B (zh) | 2023-08-28 | 2023-08-28 | 一种储能系统容量配置方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117273309A true CN117273309A (zh) | 2023-12-22 |
| CN117273309B CN117273309B (zh) | 2024-04-30 |
Family
ID=89220475
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311093884.5A Active CN117273309B (zh) | 2023-08-28 | 2023-08-28 | 一种储能系统容量配置方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117273309B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110061492A (zh) * | 2019-03-21 | 2019-07-26 | 国网浙江省电力有限公司经济技术研究院 | 考虑配电网供电可靠性的储能系统容量优化配置方法 |
| CN111064192A (zh) * | 2020-01-02 | 2020-04-24 | 河海大学 | 一种计及源荷不确定性的独立型微网容量优化配置方法 |
| CN111898805A (zh) * | 2020-07-14 | 2020-11-06 | 智光研究院(广州)有限公司 | 一种储能系统容量配置方法、装置、配置设备和存储介质 |
| CN112699615A (zh) * | 2021-01-14 | 2021-04-23 | 国网能源研究院有限公司 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
| CN115719967A (zh) * | 2022-11-25 | 2023-02-28 | 国网上海市电力公司 | 一种用于提高供电可靠性的有源配电网储能装置优化配置方法 |
| CN116362584A (zh) * | 2023-01-31 | 2023-06-30 | 湖州南浔电力规划设计院有限公司 | 一种基于用户侧储能容量配置的经济性分析方法 |
| CN116502536A (zh) * | 2023-05-08 | 2023-07-28 | 西安热工研究院有限公司 | 基于改进蚁狮优化算法的储能容量的优化方法及装置 |
-
2023
- 2023-08-28 CN CN202311093884.5A patent/CN117273309B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110061492A (zh) * | 2019-03-21 | 2019-07-26 | 国网浙江省电力有限公司经济技术研究院 | 考虑配电网供电可靠性的储能系统容量优化配置方法 |
| CN111064192A (zh) * | 2020-01-02 | 2020-04-24 | 河海大学 | 一种计及源荷不确定性的独立型微网容量优化配置方法 |
| CN111898805A (zh) * | 2020-07-14 | 2020-11-06 | 智光研究院(广州)有限公司 | 一种储能系统容量配置方法、装置、配置设备和存储介质 |
| CN112699615A (zh) * | 2021-01-14 | 2021-04-23 | 国网能源研究院有限公司 | 一种跨时空能源综合配置优化方法、装置及存储介质 |
| CN115719967A (zh) * | 2022-11-25 | 2023-02-28 | 国网上海市电力公司 | 一种用于提高供电可靠性的有源配电网储能装置优化配置方法 |
| CN116362584A (zh) * | 2023-01-31 | 2023-06-30 | 湖州南浔电力规划设计院有限公司 | 一种基于用户侧储能容量配置的经济性分析方法 |
| CN116502536A (zh) * | 2023-05-08 | 2023-07-28 | 西安热工研究院有限公司 | 基于改进蚁狮优化算法的储能容量的优化方法及装置 |
Non-Patent Citations (9)
| Title |
|---|
| 余大为等: "基于正太云模型的自适应量子粒子群优化算法", 吉首大学学报, 30 November 2019 (2019-11-30) * |
| 施泉生;姜瑞合;: "考虑投资主体利益的区域配电网储能系统经济性分析", 科技和产业, no. 11, 25 November 2016 (2016-11-25) * |
| 曹锐鑫;张瑾;朱嘉坤;: "用户侧电化学储能装置最优系统配置与充放电策略研究", 储能科学与技术, no. 06, 30 October 2020 (2020-10-30) * |
| 李振坤;李一骄;张代红;郁家麟;: "储能设备对有源配电网供电可靠性的影响分析及优化配置", 电网技术, no. 11, 28 June 2018 (2018-06-28) * |
| 李更丰;别朝红;谢海鹏;姜江枫;: "主动配电系统的可靠性评估研究", 供用电, no. 02, 5 February 2016 (2016-02-05) * |
| 董晓晶;刘洪;宫建锋;孙昊;韩一鸣;: "考虑多类型综合需求响应的电热耦合能源系统可靠性评估", 电力建设, no. 11, 1 November 2018 (2018-11-01) * |
| 路晓敏等: "考虑多重不确定性的多站融合容量优化配置方法", 综合智慧能源, 31 January 2022 (2022-01-31) * |
| 黄俊辉;周昊;韩俊;李琥;归三荣;王哲;朱林伟;刘洪;: "考虑车网互动的配电网可靠性评估", 电力建设, no. 02, 1 February 2017 (2017-02-01) * |
| 黄保乐;袁晓玲;: "基于LQ-GSA的独立型微网容量优化配置", 电力工程技术, no. 06, 28 November 2019 (2019-11-28) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117273309B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bakhtiari et al. | Predicting the stochastic behavior of uncertainty sources in planning a stand-alone renewable energy-based microgrid using Metropolis–coupled Markov chain Monte Carlo simulation | |
| CA3082974A1 (en) | Energy management system, power demand plan optimization method, and power demand plan optimization program | |
| US12061451B2 (en) | Target function prioritization of control modes for renewable electric generation resource and charge storage device | |
| CN117273309B (zh) | 一种储能系统容量配置方法、装置、存储介质及电子设备 | |
| CN106529060B (zh) | 一种负荷序列建模方法及系统 | |
| CN111951123A (zh) | 控制用电负荷的方法、装置、计算机设备和存储介质 | |
| CN116163879A (zh) | 抽水蓄能电站的运行工况调节方法、装置和计算机设备 | |
| JPWO2023026313A5 (zh) | ||
| CN115207947B (zh) | 电网节点储能配置方法、装置、计算机设备和存储介质 | |
| CN112348245A (zh) | 一种用户侧储能不同运行方式经济性评估方法及系统 | |
| CN110147899B (zh) | 配电网分布式储能投资优化方法及装置 | |
| CN116227249B (zh) | 功率气象数据智能迁移的新能源长期电量预测方法与系统 | |
| CN116029457B (zh) | 基于负荷数据分析的电力市场电能协调优化方法及系统 | |
| CN115441488B (zh) | 一种电储能优选配置方法 | |
| EP4246752A1 (en) | Renewable energy system with tunable variability | |
| CN112615374B (zh) | 一种煤改电负荷还原计算方法、系统、装置及存储介质 | |
| Deller et al. | The Benefits of Dynamically Resizing Residential Storage | |
| CN118399452A (zh) | 应用于电池储能系统的分层优化配置系统、方法和装置 | |
| CN117252621A (zh) | 一种价格预测方法、装置、设备及存储介质 | |
| CN117901695A (zh) | 一种离网型直流大功率高压充电方法、系统及设备 | |
| CN118584348A (zh) | 一种电池组可使用寿命预测方法及相关设备 | |
| CN117744972A (zh) | 电力系统的储能规划方法、装置、计算机设备和存储介质 | |
| CN116383679A (zh) | 一种相序识别方法、装置、存储介质以及电子设备 | |
| CN118211992A (zh) | 基于改进型鹰栖息优化器的用户侧资源分配方法及系统 | |
| WO2023069161A1 (en) | Target function prioritization of control modes for renewable electric generation resource and charge storage device |
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 |