[发明专利]一种微电网储能裕度的检测方法

摘要

本发明公开了一种微电网储能裕度检测方法，其特点是根据引入储能设备前后，微电网所能承载负荷的能力的变化，对微电网储能裕度进行检测或是计算微电网要达到某一储能裕度时，所需的储能装置的最小容量。不投入储能设备，建立基于成本目标、可再生能源波动抑制目标和功率需求匹配目标的模型，将非间歇性微电源作为决策变量带入，采用粒子群算法对模型求解，记录所求得的非间歇性微电源的出力和单位发电负荷所对应的综合成本。投入储能设备，将非间歇性微电源和储能设备出力作为决策变量带入模型并采用粒子群算法求解，记录此时所的储能设备的出力和单位发电负荷所对应的综合成本。采用二分法，不断调整投入储能设备后微电网的负荷水平，直到达到终止条件。

主权项

一种微电网储能裕度的检测方法，其特征在于该方法包括以下步骤：1)储能裕度的检测目标函数本发明建立了含有风力发电机、光伏电池、微型燃气轮机等多种微电源、负荷及储能设备的微电网储能裕度检测模型；考虑了成本目标、可再生能源波动抑制目标、功率需求匹配目标在内的目标函数，考虑了微电网系统中的功率平衡、各个微电源容量限制、微型燃气轮机爬坡率、联络线传输功率、蓄电池容量和蓄电池充放电各类约束；minf＝f₁+f₂+f₃                    (1)其中$f_1=\underset{t=1}{\overset{24}{\mathrm{\Σ}}}{C}_f\left(t\right)+C_{\mathrm{DP}}\left(t\right)+C_{\mathrm{OM}}\left(t\right)+C_e\left(t\right)]+C_{\mathrm{grid}}+C_{\mathrm{punish}}---\left(2\right)$$f_2=E\left(i\right)\×(1-e^{-{\mathrm{\α}}_1})---\left(3\right)$$f_3=E\left(i\right)\×(1-e^{-{\mathrm{\α}}_2})---\left(4\right)$$C_f\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{F}_i\left(P_i\left(t\right)\right)---\left(5\right)$$C_{\mathrm{DP}}\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[\frac{C_{\mathrm{az},i}}{8760k_i}\×\frac{r{(1+r)}^{n_i}}{{(1+r)}^{n_i}-1}\×P_i\left(t\right)]---\left(6\right)$$C_{\mathrm{OM}}\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[M_{\mathrm{OM},i}\×P_i\left(t\right)]---\left(7\right)$$C_e\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\left[V_{\mathrm{ej}}{Q}_{\mathrm{ij}}{P}_i\left(t\right)\right]---\left(8\right)$C_grid(t)＝E(t)×P_grid(t)            (9)${\mathrm{\α}}_1=\underset{i=1}{\overset{23}{\mathrm{\Σ}}}{(P_{\mathrm{DG},i+1}-P_{\mathrm{DG},i})}^2---\left(10\right)$${\mathrm{\α}}_2=\underset{i=1}{\overset{24}{\mathrm{\Σ}}}(\frac{|P_{L,i}-P_{\mathrm{DG},i}|}{P_N}+1)---\left(11\right)$式中，f₁、f₂、f₃分别为成本目标、可再生能源波动抑制目标、功率需求匹配目标，α₁、α₂分别为各个时刻分布式电源的波动之和与功率需求不匹配之和，C_f(t)、C_DP(t)、C_OM(t)、C_e(t)分别为t时刻各微电源的燃料成本、投资折旧成本、运行维护成本、排污处理成本；C_grid、P_grid分别为微电网与配电网的交互成本与交换功率；C_punish为不满足负荷需求所引入的惩罚函数；E(t)为t时刻的实时购售电价；C_az,i、k_i、r、n_i、K_OM,i、V_ej、Q_ij分别为单位容量的微电源的安装成本、容量因素、年利率、投资偿还期、单位电量运行维护成本系数、污染物的环境价值和污染物的排放量；其约束条件为：A、功率平衡约束$P_{\mathrm{load}}=P_{\mathrm{grid}}+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{P}_{\mathrm{DG},i}---\left(12\right)$式中，P_load为系统总的负荷，P_grid为微电网与配网的交换功率，P_DG,i为各微电源的出力；B、微电源有功出力约束P_i,min≤P_i≤P_i,max                      (13)C、微型燃气轮机爬坡率约束增加出力时为：P_MT(t)‑P_MT(t‑1)≤R_up                   (14)减少出力时为：P_MT(t‑1)‑P_MT(t)≤R_down                    (15)D、微电网与配电网交换功率约束P_grid,min≤P≤P_grid,max                    (16)E、蓄电池运行约束P_SB,min≤P≤P_SB,max                       (17)SOC_min≤SOC≤SOC_max                         (18)对微电网中的风、光等出力按照分布式电源模型进行求解，将求得的风、光出力以及负荷作为已知量代入粒子群算法中；将其它微电源作为未知量，进行编码操作，生成初始种群，分别求取出投入与未投入单位发电负荷所对应的综合成本，采用二分法，不断调整投入储能设备后微电网的负荷水平，直到达到终止条件(即投入储能设备前后单位发电负荷的综合成本之差的绝对值小于设定值)，从而求得微电网某运行方式下的储能裕度，即在维持单位发电负荷所对应的综合成本不变的前提下，新增的可承载负荷的能力即为微电网的储能裕度；2)储能裕度的检测算法A、对微电网储能检测模型中的各微电源、负荷参数、目标函数参数以及约束条件参数进行设置，对粒子群算法中的控制参数进行设置，其中包括仿真代数、粒子规模、学习因子和惯性权重等；B、不投入储能设备，对微电网中的非间歇性微电源出力进行编码，随机生成初始种群，通过解码，将个体代入适应度函数中，对个体进行适应度值评价，选出种群中的最优个体；C、对种群进行位置和速度行进更新，同时在操作过程中采用最优保留政策，生成新的子代种群；D、新生成种群重新计算群体中各个体的适应度值，进入判别条件，满足条件的个体作为最优解输出，不满足条件则返回步骤C；E、输出的最优解即为未投入储能设备的一天24小时非间歇性微电源和单位发电负荷所对应的综合成本。F、投入储能设备，对微电网中的储能设备和非间歇性微电源的出力进行编码，随机生成初始种群，通过解码，将个体代入适应度函数中，对个体进行适应度值评价，选出种群中的最优个体；G、对种群进行位置和速度行进更新，同时在操作过程中采用最优保留政策，生成新的子代种群；H、新生成种群重新计算群体中各个体的适应度值，进入判别条件，满足条件的个体作为最优解输出，不满足条件则返回步骤G；I、输出的最优解即为投入储能设备的一天24小时非间歇性微电源和储能设备的出力和单位发电负荷所对应的综合成本；J、将投入储能装置前后的单位发电负荷所对应的综合成本作差；K、进入判别条件，满足条件转到步骤M，不满足条件则转到步骤L；L、采用二分法，不断调整投入储能设备后微电网的负荷水平；M、最终输出结构为即在维持系统评价指标不变的前提下，由于储能设备的投入，微电网新增的可承载负荷的能力，即为储能裕度。