一种基于混沌粒子群的风储系统可信容量优化方法与流程

1.本发明涉及电力系统规划技术领域，具体涉及一种基于混沌粒子群的风储系统可信容量优化方法。


背景技术：

2.随着经济社会的快速发展，我国能源紧缺、环境污染等问题日益突出，开发与利用清洁能源，改善能源结构已成为普遍共识；水电、风电、光伏发电作为主要的清洁能源开发和利用形式，具有与传统电源竞争的潜力，得到了快速的发展。
3.大力推动风电、光伏发电等绿色能源发展是实现电力行业尽早碳达峰的必然选择，而大规模风电、光伏波动性、间歇性的特点，且装机替代效益不高的问题显著，储能成为了保障新型电力系统安全可靠运行的关键支撑技术。因此，储能对新能源发电系统可信容量优化研究对后续开展电网设计、新能源规划等相关工作具有重要的指导意义。
4.关于风储系统可信容量评估和计算的技术在本领域中为研究人员的探索重点方向之一，现有的技术如中国发明专利“风储发电系统的可信容量评估方法及装置”，公开号cn111753437a，包括：获取原始发电系统在初始负荷水平下的初始可靠性指标，原始发电系统不包括风电机组；基于初始可靠性指标、风储发电系统在初始负荷水平下的第一可靠性指标和在边界负荷水平下的第二可靠性指标，确定参考负荷水平，风储发电系统通过在原始发电系统中添加风电机组得到，边界负荷水平基于初始负荷水平和风电机组的额定容量得到；计算风储发电系统在参考负荷水平下的第三可靠性指标；以及至少基于初始可靠性指标和第三可靠性指标，确定风储发电系统的可信容量。又如“一种基于遗传算法的风-储混合电站日运行策略优化方法”，公开号n113361715a，包括以下步骤：s1：给定相关参数，包括：实时电价、出力偏差惩罚电价、风-储混合电站出力偏差最大允许概率、电池储能系统容量、初始荷电状态与最大充放电功率、风电装机容量、风功率预测值、调度时段数；s2：建立风-储混合电站日运行策略优化模型，优化变量为电池储能系统调度日内的计划充放电序列和功率，优化目标为风-储混合电站日运行收益最大；s3：在风-储混合电站日运行工况蒙特卡洛模拟的基础上，采用遗传算法求解风-储混合电站日运行策略优化模型，给出风-储混合电站中电池储能系统的最优计划充放电序列和功率；但是上述的现有技术所采用的模型基础均不具有较高的随机性，对风场的一些特性指标数据为纳入考虑，实际仍存在一定的出入。


技术实现要素：

5.鉴于上述分析，本发明旨在提供涉及一种基于混沌粒子群的风储系统可信容量优化方法，用于解决上述问题，混沌粒子群优化算法具有较好的随时性，能纳入较多的特性指标因素，因此所获得结果更为贴近实际情况。
6.本发明的目的主要是通过以下技术方案实现的：一种基于混沌粒子群的风储系统可信容量优化方法，所述方法包括以下步骤：
步骤1：收集地区已投运风电场历史多年实际有功数据；步骤2：从日平均出力特性、月平均出力特性、可信容量和有效容量四个维度构建新能源出力特性计算模型和指标体系；步骤3：以风储系统总发电功率与计划输出功率的偏差平方和最小为目标构建了风储系统可信容量优化模型；步骤4：采用改进的混沌粒子群优化算法求解模型得到不同场景下的储能充放电策略；步骤5：以实际案例为例研究了不同储能容量配置下风电可信容量灵敏度变化曲线；其中：所述步骤1中主要从地区电网调度运行管理系统按风电场名称、并网电压等级、所在区域等条件导出其历史多年实际有功数据；所述步骤2中构建的新能源出力特性计算模型和指标体系如下：（1）日平均出力特性指标，其计算表达式如下：其中，式中：为风电场日平均出力特性序列；为风电场一天之内在h点时刻有功功率均值与装机容量的比值；h表示一天的时刻23点；n表示全年h点时刻有功功率数据的总个数；为风电场的装机容量；为h点时刻第j个有功功率数值；（2）月平均出力特性指标，其计算表达式如下：其中，式中：为风电场月平均出力特性序列；为风电场一年之内在m月份有功功率均值与装机容量的比值；m表示一年的12月；l表示全年m月份有功功率数据的总个数；为风电场的装机容量；为m月份第j个有功功率数值；（3）可信容量指标，其计算表达式如下：
其中，式中：为风电场可信容量序列；为风电场在保证率r下对应的有效容量；表示一年之内负荷晚高峰时段全部有功功率数值降序排列后的序列在保证率r下对应的有功功率数值；r表示最大保证率100%；为风电场的装机容量；（4）有效容量指标，其计算表达式如下：其中，式中：为风电场有效容量序列；为风电场在保证率r下对应的有效容量；表示一年之内负荷低谷时段全部有功功率数值升序排列后的序列在保证率r下对应的有功功率数值；r表示最大保证率100%；为风电场的装机容量；所述步骤3中以风储系统总发电功率与计划输出功率的偏差平方和最小为目标构建了风储系统可信容量优化模型的具体步骤：（1）风电作为间歇式的新能源，配以储能来可使其出力变得平滑，提升新能源出力的“友好”程度，以此得到储能策略的目标函数为：其中，式中，为电源侧的总功率；表示储能放电功率；表示储能充电功率；为风电功率；为常规机组的功率；为负荷功率；为指定储能策略作用于风电后的可信容量值；（2）储能系统在平滑风电场出力的过程中，主要考虑储能系统的充放电约束与电量约束，且为了保护蓄电池，电池中存储的最低电量不得低于电池容量的5%，最高电量不得
高于电池容量的95%，且考虑系统对风电接纳能力的约束，则上述优化模型的约束条件如下：式中，为在第时间段的功率；为电池的容量；为充放电转换效率；（3）对储能的约束条件，使用外点罚函数法进行处理，蓄电池的目标函数表示如下：其由外点法所构造的相应的惩罚函数形式为：首先以风电单独计算得到的可信容量值作为，带入系统计算以指定目标函数进行优化，求解得到每个点的储能充放电策略。将该策略运用于风电系统，得到新的电源侧功率曲线，计算出经过储能优化后的风电曲线的可信容量，并使用该可信容量加入下一步的目标函数中，如此迭代计算，直到求出满足精度要求的风电储能系统的可信容量值，并得到最大化可信容量的储能策略。
7.所述步骤4中采用改进的混沌粒子群优化算法求解模型得到不同场景下的储能充放电策略的具体步骤：（1）设粒子群中第个粒子在d维解空间中的位置和速度可以表示为和。在寻优过程中，粒子通过不断跟踪其自身个体最优位置和种群的全局最优位置来更新自身状态，经过粒子的个性化学习和彼此间的协作交互，促使整个群体不断向着问题的最优解逼近。粒子将根据下式来更新其速度和位置：式中，=1, 2, 3,
ꢀ…
, m；d=1, 2, 3,
ꢀ…
, d；k为进化代数；w为惯性权重因子；
c1和c2为加速系数，通常取值为2.0；r1和r2是[0,1]之间的随机数。此外，为改善标准pso算法容易陷入局部最优值从而出现早熟收敛的不足，将混沌优化的思想引入标准pso算法中，并提出一种混沌粒子群优化算法（cpso)，利用混沌运动遍历性和随机性的特点对群体最优位置进行混沌变异处理，以增加种群多样性，改善算法的全局收敛性能。
[0008]
（2）实际寻优过程中，惯性权重w主要用于cpso算法中全局搜索与局部搜索能力之间的平衡，本文将采用一种基于群体早熟收敛程度和个体适应值来自适应调整惯性权重的策略，其计算式为：式中，和是w的取值上下限；为粒子的适应度；为所有粒子适应度的均值；为粒子群适应度优于的粒子的平均适应度值；用于评价粒子进化过程中的早熟收敛程度；一般取k1=1.5，k2=1.8。为进一步提高算法寻优效率，引入收敛因子对粒子的位置方程进行修正为：其中，（3）tent映射相比于logistic映射具有更好的遍历均匀性和更高的寻优效率，为此，引入tent混沌变异处理来改善算法容易陷入局部最优的问题。tent混沌映射动力学方程为：（4）为避免迭代序列落入小周期点(0.2, 0.4, 0.6, 0.8)或不动点(0, 0.25, 0.5, 0.75)的问题，引入扰动方程对式(10)进行修正为：（5）当粒子群全局最优适应度值连续数次停止更新时，则对群体最优粒子位置进行混沌变异处理：
式中，称为收缩因子，决定了粒子位置的变异空间。
[0009]
所述步骤5中以实际案例为例研究了不同储能容量配置下风电可信容量灵敏度变化曲线，具体包括所举实例的电力系统基本情况，风电出力特性分析及与地区负荷曲线变化趋势对比，通过配置不同比例的储能容量，分别采用icpso优化算法逐一求解模型得到各储能配比下对应的风电可信容量。
[0010]
从日平均出力特性、月平均出力特性、可信容量和有效容量四个维度构建新能源出力特性计算模型和指标体系四个维度构建新能源出力特性计算模型及指标体系；风力发电配置储能可使其出力变得平滑，以风储系统总发电功率与计划输出功率的偏差平方和最小为目标构建了风储系统可信容量优化模型。
[0011]
采用改进的混沌粒子群优化算法求解模型得到不同场景下的储能充放电策略，然后将该策略运用于风储联合发电系统，得到新的有功功率曲线，并计算出风储系统联合发电曲线的可信容量，如此迭代计算，直到求出满足设定精度要求的风储系统最优可信容量。
[0012]
本发明风储系统可信容量优化模型充分考虑了各地区风电场出力特性对可信容量优化的影响，使优化结果更全面，与实际更相符，指导意义更强。
附图说明
[0013]
图1为本发明的流程示意图；图2为云南省风电出力特性分析结果图一，其中为（a）风电丰期日平均出力特性曲线；图3为云南省风电出力特性分析结果图二，其中为（b）风电枯期日平均出力特性曲线；图4为云南省风电出力特性分析结果图三，其中为（a）风电月平均出力特性曲线；图5为云南省风电出力特性分析结果图四，其中为（a）风电丰期可信容量特性曲线；图6为云南省风电出力特性分析结果图五，其中为（b）风电枯期可信容量特性曲线；图7为云南省风电出力特性分析结果图六，其中为（a）风电丰期有效容量特性曲线；图8为云南省风电出力特性分析结果图七，其中为（b）风电丰期有效容量特性曲线；图9为云南某地区风电出力与负荷曲线对比图；图10为云南某地区风电丰枯期保证出力特性；图11为云南某地区不同储能容量配置下风电可信容量灵敏度变化曲线图。
具体实施方式
[0014]
为了使本发明所解决的技术问题、技术方案更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
[0015]
下面结合附图来具体描述本发明的某一实施例，其中，附图构成本技术的一部分，并与本发明的实施例一起用于阐释本发明的原理。
[0016]
如图1所示，本发明公开了一种基于混沌粒子群的风储系统可信容量优化方法，包
括以下步骤：步骤1：收集地区已投运风电场历史多年实际有功数据；步骤2：从日平均出力特性、月平均出力特性、可信容量和有效容量四个维度构建新能源出力特性计算模型和指标体系；步骤3：以风储系统总发电功率与计划输出功率的偏差平方和最小为目标构建了风储系统可信容量优化模型；步骤4：采用改进的混沌粒子群优化算法求解模型得到不同场景下的储能充放电策略；步骤5：以实际案例为例研究了不同储能容量配置下风电可信容量灵敏度变化曲线；其中：所述步骤1中主要从地区电网调度运行管理系统按风电场名称、并网电压等级、所在区域等条件导出其历史多年实际有功数据。
[0017]
本次实施例收集了云南2016~2019年全省所有风电场的实际有功发电数据，数据格式为每个风电场每15分钟一个有功采样数据，全年共有365
×
24
×
4=35040个数据值。
[0018]
所述步骤2中构建的新能源出力特性计算模型和指标体系如下：（1）日平均出力特性指标，其计算表达式如下：其中，式中：为风电场日平均出力特性序列；为风电场一天之内在h点时刻有功功率均值与装机容量的比值；h表示一天的时刻23点；n表示全年h点时刻有功功率数据的总个数；为风电场的装机容量；为h点时刻第j个有功功率数值；在上述历史发电数据基础上，考虑风电集群效应后全省风电日平均出力特性曲线分析计算结果如图2和图3所示，2016~2019年全省风电场丰、枯期日平均出力特性变化趋势基本相似，在上午10~12点风电出力最小，此后风电出力逐渐增大，至晚上21点左右出力达到最大。全省风电枯期日平均出力较大，随着装机的增大，逐年都有提高，在30-50%左右，风电分布越广、装机越大平均出力就越大；丰期出力相对较小，平均出力在30%以下。总体来看，全省风电一天之内在下午至晚上的发电量是较多的，这与云南的日负荷曲线是相匹配的，如图2和图3所示。
[0019]
（2）月平均出力特性指标，其计算表达式如下：其中，
式中：为风电场月平均出力特性序列；为风电场一年之内在m月份有功功率均值与装机容量的比值；m表示一年的12月；l表示全年m月份有功功率数据的总个数；为风电场的装机容量；为m月份第j个有功功率数值；在上述历史发电数据基础上，考虑风电集群效应后全省风电日平均出力特性曲线分析计算结果如图4所示，2016~2019年全省风电月平均出力特性变化趋势基本保持一致，总体上呈现出丰期出力小、枯期出力大的特点，5-10月风电月平均出力在11～33%之间；11、12、1~4月月平均出力在31～46%之间。全年发电小时数在2600小时左右，发电丰枯比为33:67左右，如图4所示。
[0020]
（3）可信容量指标，其计算表达式如下：其中，式中：为风电场可信容量序列；为风电场在保证率r下对应的有效容量；表示一年之内负荷晚高峰时段全部有功功率数值降序排列后的序列在保证率r下对应的有功功率数值；r表示最大保证率100%；为风电场的装机容量；在上述历史发电数据基础上，考虑风电集群效应后全省风电丰、枯期保证出力特性曲线分析计算结果如图5和图6所示，从风电在系统负荷较大时能够提供的最小出力的角度来看，取保证率95%时丰期保证出力在10%以下，而枯期保证出力能达到20%左右，如图5和图6所示。
[0021]
（4）有效容量指标，其计算表达式如下：其中，式中：为风电场有效容量序列；为风电场在保证率r下对应的有效容量；表示一年之内负荷低谷时段全部有功功率数值升序排列后的序列在保证率r下
对应的有功功率数值；r表示最大保证率100%；为风电场的装机容量；如图7和图8所示。
[0022]
所述步骤3中以风储系统总发电功率与计划输出功率的偏差平方和最小为目标构建了风储系统可信容量优化模型的具体步骤：（1）风电作为间歇式的新能源，配以储能来可使其出力变得平滑，提升新能源出力的“友好”程度，以此得到储能策略的目标函数为：其中，式中，为电源侧的总功率；表示储能放电功率；表示储能充电功率；为风电功率；为常规机组的功率；为负荷功率；为指定储能策略作用于风电后的可信容量值；（2）储能系统在平滑风电场出力的过程中，主要考虑储能系统的充放电约束与电量约束，且为了保护蓄电池，电池中存储的最低电量不得低于电池容量的5%，最高电量不得高于电池容量的95%，且考虑系统对风电接纳能力的约束，则上述优化模型的约束条件如下：式中，为在第时间段的功率；为电池的容量；为充放电转换效率；（3）对储能的约束条件，使用外点罚函数法进行处理，蓄电池的目标函数表示如下：其由外点法所构造的相应的惩罚函数形式为：首先以风电单独计算得到的可信容量值作为，带入系统计算以指定目标函数进行优化，求解得到每个点的储能充放电策略。将该策略运用于风电系统，得到新的电源侧功率曲线，计算出经过储能优化后的风电曲线的可信容量，并使用该可信容量加入下一步的目标函数中，如此迭代计算，直到求出满足精度要求的风电储能系统的可信容量值，
并得到最大化可信容量的储能策略。
[0023]
所述步骤4中采用改进的混沌粒子群优化算法求解模型得到不同场景下的储能充放电策略的具体步骤：（1）设粒子群中第个粒子在d维解空间中的位置和速度可以表示为和。在寻优过程中，粒子通过不断跟踪其自身个体最优位置和种群的全局最优位置来更新自身状态，经过粒子的个性化学习和彼此间的协作交互，促使整个群体不断向着问题的最优解逼近。粒子将根据下式来更新其速度和位置：式中，i=1, 2, 3,
ꢀ…
, m；d=1, 2, 3,
ꢀ…
, d；k为进化代数；w为惯性权重因子；c1和c2为加速系数，通常取值为2.0；r1和r2是[0,1]之间的随机数。此外，为改善标准pso算法容易陷入局部最优值从而出现早熟收敛的不足，将混沌优化的思想引入标准pso算法中，并提出一种混沌粒子群优化算法（cpso)，利用混沌运动遍历性和随机性的特点对群体最优位置进行混沌变异处理，以增加种群多样性，改善算法的全局收敛性能。
[0024]
（2）实际寻优过程中，惯性权重w主要用于cpso算法中全局搜索与局部搜索能力之间的平衡，本文将采用一种基于群体早熟收敛程度和个体适应值来自适应调整惯性权重的策略，其计算式为：式中，和是w的取值上下限；为粒子的适应度；为所有粒子适应度的均值；为粒子群适应度优于的粒子的平均适应度值；用于评价粒子进化过程中的早熟收敛程度；一般取k1=1.5，k2=1.8。为进一步提高算法寻优效率，引入收敛因子δ对粒子的位置方程进行修正为：其中，
（3）tent映射相比于logistic映射具有更好的遍历均匀性和更高的寻优效率，为此，引入tent混沌变异处理来改善算法容易陷入局部最优的问题。tent混沌映射动力学方程为：（4）为避免迭代序列落入小周期点(0.2, 0.4, 0.6, 0.8)或不动点(0, 0.25, 0.5, 0.75)的问题，引入扰动方程对式(10)进行修正为：（5）当粒子群全局最优适应度值连续数次停止更新时，则对群体最优粒子位置进行混沌变异处理：式中，称为收缩因子，决定了粒子位置的变异空间。
[0025]
所述步骤5中以实际案例为例研究了不同储能容量配置下风电可信容量灵敏度变化曲线，具体包括所举实例的电力系统基本情况，风电出力特性分析及与地区负荷曲线变化趋势对比，通过配置不同比例的储能容量，分别采用icpso优化算法逐一求解模型得到各储能配比下对应的风电可信容量。
[0026]
以云南省滇南某电网为例进行分析，系统中总的装机容量为2156mw，现状最大负荷为1400mw，风电装机容量为339mw。现状风电出力与负荷全年8760h的变化曲线如图9和图10所示，可以明显地看出，风电出力的波动性较为明显，间歇性较强，同时风电具有较强的反调峰特性；负荷具有较强的昼夜变化，除去稳定的常规机组出力，风电与负荷之间具有较低的同步性。因此，有必要配置储能装置以提高风电出力与负荷需求在时间上的匹配度，即提升风电的可信容量，改善风电出力特性，提升风电对电力系统的贡献度；如图9和图10所示。
[0027]
据上述分析，风电由于波动与间歇的固有特性，其可信容量维持在一个较低的水平。为进一步提升风电的可信容量水平，提出在风电场配置储能系统的策略。基于前述提出的风电捆绑储能的最优化模型，将文山州上述电源、负荷等基本参数代入模型，通过配置不同比例的储能容量，分别采用icpso优化算法逐一求解模型得到各储能配比下对应的风电可信容量，计算结果分别如下表1（ 不同储能容量与风电可信容量计算表）所示和图11所示。
[0028]
表1 不同储能容量与风电可信容量计算表
根据上述计算结果，在加入储能后，风电可信容量有了明显的提升，储能对风电可信容量的影响较大，尤其是当对于特定负荷风电的可信容量较小时，储能容量及充电放电功率与风电的可信容量存在一定的正比关系；但是当储能逐渐增大，对风电可信容量的提升越来越小，并将在达到一定配比的时候趋于饱和。由于当前储能应用依然面临着成本较高的问题，因此过度投资储能，增加储能容量用于可信容量提升意义并不大。规划决策者可以根据上述灵敏度曲线，按照对可信容量的实际需求选择合适的储能系统安装容量，将一方面提升了风电的可信容量水平，另一方面也可以满足储能系统建设的经济性。
[0029]
云南绿色能源资源优势显著，发展潜力巨大，力争在全国率先实现碳达峰，助力东部地区加快碳达峰进程，更好服务和融入国家碳达峰、碳中和战略。云南风能资源总储量为12291万千瓦，可开发风能资源储量约为2800万千瓦；云南全省有59个县的年太阳总辐射在5500mj/m2以上，有12个县在6000 mj/m2.a以上；风能和太阳能开发利用前景十分可观。云南风电和光伏发电装机比例也将逐渐提高，预计在“十四五”末及“十五五”期间，风电和光伏总装机达到全省电源总装机的15%左右。预计2030年，云南清洁能源总装机将达到1.3亿千瓦，因此提升了风电的可信容量水平，对后续开展电网设计、新能源规划等相关工作具有重要作用。
[0030]
以上所述仅为本发明的一个优选实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。