基于特征提取的微网电氢储能优化配置方法、装置及介质与流程

本发明属于电力系统规划领域，特别涉及基于特征提取的微网电氢储能优化配置方法、装置及介质。

背景技术：

1、随着微网技术的持续发展与分布式新能源的高比例渗透，新能源出力的强随机性给电力电量平衡带来巨大挑战，也对微网长周期离网运行提出更高要求。储能作为微网中的重要环节，可灵活调节源荷间不平衡量，保障电力供给和能源消纳。现有的电化学储能主要用于平抑短时间尺度的功率波动，难以实现长时间尺度的能量搬移，不能满足微网长周期自治需求。氢储能作为一种长时储能方式，摆脱了短周期储能的功率-容量比限制，从而实现跨日、跨周甚至跨季节的能量搬移。以电化学储能为代表的短周期和以储能氢储能为代表的长周期储能，在平衡源荷不匹配关系上有着不同的调节能力和应用场景，二者紧密配合可为系统灵活性需求提供全方位支持。因此，长短周期混合储能协同优化配置是微网建设与发展的重要步骤。当前国内外学者已初步对相关问题开展了研究。

2、然而现有研究中，混合储能在多时间尺度上依然缺乏明确的耦合关系和协同原则，且未能凸显长周期储能的调节优势。多数围绕生产模拟，或构建全景时序模拟模型，或构建多场景时序模拟模型，前者面临大规模混合整数非线性规划模型难以求解的问题，后者受限于典型日不能充分体现发用电曲线的长期变化、储能载荷状态平衡约束局限在短周期内的问题。此外，现有研究仅针对单一的并网场景或离网场景，没有考虑到微网并离网切换的需求和长时间自治的要求。

技术实现思路

1、为解决上述现有技术中存在的问题，本发明提出基于特征提取的微网电氢储能优化配置方法、装置及介质，可充分发挥短周期电化学储能和长周期氢储能在不同时间尺度上调节源荷不平衡量的优势，提高新能源消纳水平和微网自治运行能力，还考虑了并网和离网的两种工作状态，保证并网和离网的安全性，可以实现并离网切换。

2、本发明采用如下的技术方案：基于特征提取的微网电氢储能优化配置方法，包括：

3、s1，设置电化学储能-日调节氢储能-季节性氢储能三级储能应用于电氢耦合微网，根据该电氢耦合微网构建混合储能优化配置模型，以对该电氢耦合微网并网运行模拟以及离网安全校核；由于存在较多的0-1变量，此时构建的混合储能优化配置模型还无法求解；

4、s2，分别采用季节与趋势分解算法和变分模态分解算法，对全年源荷不平衡功率序列进行多时间尺度特征提取，以分别确定用于表征日调节氢储能和季节性氢储能的充放动作的0-1变量值，进而减少并网运行模拟过程中0-1变量的数量；

5、s3，采用数据驱动的分布鲁棒优化方法描述混合储能优化配置模型的离网运行的不确定性，并结合1-范数和∞-范数对离网运行的不确定性的概率分布进行约束，获得两阶段分布鲁棒优化模型；其中，获得的用于表征的日调节氢储能和季节性氢储能的充放动作的0-1值作为两阶段分布鲁棒优化模型的输入参数；

6、s4，使用列约束生成算法求解所述两阶段分布鲁棒优化模型，获得构建的电氢耦合微网的储能配置结果。

7、本技术中，三级储能分别为：第一级储能为电化学储能bt，平衡周期为24h（日平衡），每1h内仅充电或放电，用于快速响应小时级源荷不平衡功率随机波动；第二级储能为日调节氢储能hs，平衡周期为168h（周平衡），每24h内仅充氢或放氢，用于调节日级源荷不平衡电量；第三级储能为季节性氢储能shs，平衡周期为8760h（年平衡），每168h内仅充氢或放氢，用于平衡周级源荷不平衡电量；以上三级储能协同运行，实现长短周期电氢混合储能对微网的支持。

8、采用季节与趋势分解算法（seasonal and trend decomposition using loess，stl）和变分模态分解算法（variational mode decomposition，vmd）。周不平衡电量是全年源荷不平衡功率序列的趋势表征，通过基于局部加权散点图平滑（locally weightedscatterplot smoothing，loess）的stl算法进行辨识与提取。不平衡功率序列的趋势分量在stl内外层嵌套的双循环中输出，根据每168h不平衡功率趋势分量的累积结果获取周不平衡电量，并判断每周电力富余或短缺状态。正数表示电力富余，shs有充氢需求，通过电解槽电解制氢消纳过剩的新能源；负数表示电力短缺，shs有放氢需求，通过燃料电池发电满足负荷需求。

9、进一步地，所述构建混合储能优化配置模型具体过程为：

10、s1.1，以构建的电氢耦合微网的等年值投资成本和并网运行成本总和最小为目标，设置发用电平衡约束、风电出力约束、光伏出力约束、负荷出力约束、购售电约束和储能设备运行约束，对所述电氢耦合微网进行并网运行模拟，以构建混合储能的投资配置；

11、s1.2，以构建的电氢耦合微网的离网运行成本最小为目标，设置发用电平衡约束、风电出力约束、光伏出力约束、负荷出力约束和储能设备运行约束，基于并网运行模拟阶段的投资配置结果对所述电氢耦合微网进行离网安全校核。

12、进一步地，所述步骤s2具体过程为：

13、s2.1，基于季节与趋势分解算法，从全年历史数据中获取不平衡功率序列趋势分量，基于不平衡功率序列趋势分量获取周不平衡电量和季节性氢储能充放动作；

14、s2.2，基于变分模态分解算法，从剔除趋势分量的全年源荷不平衡功率序列中获取中间分量，基于中间分量获取日不平衡电量和日调节氢储能充放动作。

15、进一步地，所述步骤s2.1具体过程为：

16、s2.1.1，采用内循环确定下一循环的趋势分量：

17、s2.1.1.1，从全年源荷不平衡功率序列中去除上一次的循环的趋势分量，得到当前循环的去趋势序列；

18、s2.1.1.2，提取去趋势序列每个周期相同位置的数据点形成周期子序列，进行loess回归，获得平滑周期子序列；

19、s2.1.1.3，再对平滑周期子序列进行平滑平均处理以及loess回归，获得周期低通滤波子序列；

20、s2.1.1.4，从平滑周期子序列减去周期低通滤波子序列，得到周期分量；

21、s2.1.1.5，从全年源荷不平衡功率序列减去周期分量，得到去周期序列；

22、s2.1.1.6，对去周期序列进行loess回归，得到下一循环的趋势分量；

23、s2.1.2，基于内循环，获得外循环的残值：

24、s2.1.2.1，从全年源荷不平衡功率序列减去周期分量和下一循环的趋势分量，得到残值；

25、s2.1.2.2，引入稳健性权重，对残值进行评估；

26、s2.1.3，当内循环的趋势分量和外循环的残值均收敛时，输出不平衡功率序列趋势分量，进而获取周不平衡电量，根据周不平衡电量的正负确定季节性氢储能的充放动作。

27、进一步地，所述步骤s2.2具体过程为：

28、s2.2.1，采用变分模态分解算法对不平衡功率序列趋势分量进行分解，形成多个中心频率不同的本征模态分量；

29、s2.2.2，对中心频率不同的本征模态分量进行更新，进而获得日不平衡电量；

30、s2.2.3，基于日不平衡电量的正负获得日调节氢储能的充放动作。

31、进一步地，步骤s4具体过程为：

32、s4.1，基于列约束生成算法，将所述两阶段分布鲁棒优化模型分解为主问题和子问题；其中主问题为投资成本和并网运行成本最小化，子问题为离网运行成本最小化；

33、s4.2，求解主问题，获得主问题当前最优解，将该当前最优解作为两阶段分布鲁棒优化模型的当前下限值；

34、s4.3，基于主问题当前最优解求解子问题，获得子问题的当前最优解，作为两阶段分布鲁棒优化模型提供当前上限值；

35、s4.4，对主问题和子问题进行反复迭代，以便更新当前下限值和当前上限值，直至主问题和子问题的优化值之差满足收敛判据，输出电氢耦合微网的储能配置结果。

36、作为第二个发明点，一种基于特征提取的微网电氢储能优化配置装置，包括：

37、生成单元，设置电化学储能-日调节氢储能-季节性氢储能三级储能应用于电氢耦合微网，根据该电氢耦合微网构建混合储能优化配置模型，以对该电氢耦合微网并网运行模拟以及离网安全校核；

38、提取单元，分别采用季节与趋势分解算法和变分模态分解算法，对全年源荷不平衡功率序列进行多时间尺度特征提取，以分别确定用于表征日调节氢储能和季节性氢储能的充放动作的0-1变量值；

39、优化单元，采用数据驱动的分布鲁棒优化方法描述混合储能优化配置模型的离网运行的不确定性，并结合1-范数和∞-范数对离网运行的不确定性的概率分布进行约束，获得两阶段分布鲁棒优化模型；其中，获得的用于表征的日调节氢储能和季节性氢储能的充放动作的0-1值作为两阶段分布鲁棒优化模型的输入参数；

40、求解单元，使用列约束生成算法求解所述两阶段分布鲁棒优化模型，获得构建的电氢耦合微网的储能配置结果。

41、作为第三个发明点，一种基于特征提取的微网电氢储能优化配置装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现所述的基于特征提取的微网电氢储能优化配置方法。

42、作为第四个发明点，一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现所述的基于特征提取的微网电氢储能优化配置方法。

43、本发明有益效果：本发明为基于特征提取的微网电氢储能优化配置方法、装置及介质，针对源荷不平衡量的多时间尺度特性，充分发挥了短周期电化学储能和长周期氢储能的调节优势；基于stl和vmd确定大规模混合整数非线性规划问题中的0-1变量，有效降低了模型求解复杂度；考虑长周期离网安全校核，显著提高了新能源消纳水平和微网自治运行能力，可以实现并离网切换。