[发明专利]一种基于改进遗传算法的风光柴储微电网容量配比优化方法

权利要求书

1.一种基于改进遗传算法的风光柴储微电网容量配比优化方法，其特征在于，包括以下步骤：

S1、分别建立风力发电机、光伏发电机组、柴油发电机的功率特性模型和储能设备能量转化模型；

S2、设定并网型微电网容量配比目标函数；以S1建立的风光柴发电机的功率特性模型和储能设备的能量转化模型为基础，结合风光柴储微电网在建设和运行时的真实约束建立风光柴储的系统约束，并将设定的目标函数和系统约束共同作为并网型微电网容量配比优化模型；

S3、将实际运行的风、光、柴的数据和发电设备参数代入S2建立的模型中，采用改进遗传算法进行模型求解，得到并网型风光柴储微电网的最优容量配比。

2.根据权利要求1所述的一种基于改进遗传算法的风光柴储微电网容量配比优化方法，其特征在于：所述S1中建立的风光柴储发电机的功率特性模型和储能设备能量转化模型如下：

风力发电机的功率特性模型为：

式中，P_wr为风电机的额定输出功率；v_cin、v_cout、v_r分别表示风电机的切入风速、切出风速、额定风速；v(k)为k时刻的风速；P_w(k)为k时刻风电机的输出功率；

光伏发电机组的功率特性模型为：

式中，P_pr为单台太阳能光伏电池板在标准测试条件下的额定输出功率；G_ac、G_stc分别表示光伏电池板工作环境的太阳能辐射强度和标准测试条件下的光照强度，其取值为1kW/m²；T_ac和T_stc分别表示工作环境的温度和标准测试条件下的温度，取值为25℃；k_p为温度转化系数；

柴油发电机的功率特性模型为：

式中，P_wpb(k)表示k时刻风、光、储能设备的总输出功率；P_L(k)表示k时刻电网负荷的功率需求总量；P_dr表示单台柴油发电机的额定输出功率；N_d表示柴油发电机总数；

储能设备能量转化模型为：

充电时：

放电时：

式中，W_b(k)表示k时刻储能设备存储的电量总值，与(k-1)时刻的电量总值W_b(k-1)密切相关；P_L(k)表示k时刻的系统负荷需求；P_wp(k)表示k时刻风、光发电总量；η_f和η_c分别表示储能设备的放电效率和充电效率；W_max和W_min分别表示储能设备的电能最大存储量和最小存储量；DOD表示储能设备最大放电深度；σ表示储能设备的自放电率。