[发明专利]基于遗传算法的储能充电站的储能容量的配置方法

说明书

一种基于遗传算法的充电站容量的配置方法，包括如下步骤：建立储能全寿命周期成本模型：建立储能寿命损耗模型：建立基于遗传算法的容量配置模型：基于启发式算法‑遗传算法的最佳配置计算：获得充电站容量的最佳配置。本发明综合考虑运行性能和经济性，对考虑相关性的集成系统储能配置模型正确性和可行性进行分析，提高光能利用率以及系统经济效益。本发明将储能的额定容量、额定功率和使用年限均作为待优化变量，灵活性高，储能寿命损耗的模型较精确，能够较为准确的评估储能的寿命衰减程度。

技术领域

本发明涉及电动汽车充电站，是一种基于遗传算法的充电站容量的配置方法。

技术背景

现有技术(参见申请(专利)号:CN201510166069.6名称:基于Copula理论的电动汽车光伏充电站储能配置选择方法)，该文公开了一种基于Copula理论的电动汽车光伏充电站储能配置选择方法，包括以下步骤：选取光伏单元以及电动汽车充电负荷出力率为随机变量，将实测数据归一化，构建各变量的边缘分布；基于Copula理论，选取Gumbel-Copula和Clayton-Copula构建混合Copula函数来描述变量间非对称后尾特性的相关性；在两者联合出力概率密度函数基础上抽样模拟光伏充电站的年净负荷量；在波动率、置信度等条件的约束下，建立以光伏电动汽车充电站年运行成本最小为目标函数的储能优化配置模型；Matlab编程对最优的储能容量进行优化计算。综合考虑运行性能和经济性，对考虑相关性的集成系统储能配置模型正确性和可行性进行分析，选择最优配置方案，从而提高光能利用率以及系统经济效益。

该方法中，以充电站年运行成本最小化为目标，优化储能的配置，提高了系统的经济效益。由于储能的容量和功率的比值作为固定值，仅储能的容量作为优化变量是比较简化的，并且储能出力限定为固定值，适用性不高。同时，储能的寿命模型也比较粗糙，导致结果不够准确。

发明目的

针对上述现有技术中的缺陷，本发明的目的在于提供一种基于遗传算法的充电站容量配置方法，该方法将储能的额定容量、额定功率和使用年限均作为待优化变量，灵活性高。储能寿命损耗的模型较精确，能够较为准确的评估储能的寿命衰减程度。

本发明的技术解决方案如下：

一种基于遗传算法的充电站容量的配置方法，其特点在于，该方法包括如下步骤：

1)建立储能全寿命周期成本模型：

储能的全寿命周期总成本C_WLC包括储能系统的配置成本C_BESS、储能的运行维护成本C_OM以及储能的回收价值C_rec，如下式所示

C_WLC＝C_BESS+C_OM-C_rec (7)

所述的储能系统的配置成本C_BESS包括储能电池的购买成本C_bat和储能系统的平衡成本C_bos，如式(2)所示：

C_BESS＝C_bat+C_bos (8)

所述的储能电池的购买成本C_bat主要和电池类型与电池容量相关，计算方式如式(3)所示：

C_bat＝k_sS_rated (9)

式中，k_s为单位容量的储能成本，S_rated为储能的额定容量；

储能系统的平衡成本C_bos与储能系统的额定容量线性相关，计算如式(4)所示：