一种基于改进的均衡优化算法的分布式储能调峰方法与流程

本发明涉及电网调峰，尤其涉及一种基于改进的均衡优化算法的分布式储能调峰方法。

背景技术：

1、分布式储能储能具有响应速度快、灵活可调、便于精准控制与双向调节等特点，电力系统可通过安装分布式储能装置参与需求响应，实现削峰填谷，减少电网的调峰压力，提高电网对新能源的消纳能力及运行效率。目前涉及分布式储能调峰方法主要有以下三个：

2、一种分布式储能参与系统调峰需求响应的聚合方法(zl202211512482.x):提供了一种分布式储能参与系统调峰需求响应的聚合方法，针对不同类型的分布式储能资源，采用分层分区聚合拓扑，为分布式储能资源面向电网需求，参与电网系统调峰需求响应提供了有效的技术手段，同时还提出设备响应紧迫性排序方法，保证车载储能群聚合资源在时序和规模上的可靠性。

3、多能源互联网下分布式储能聚合参与电网调峰策略(zl 202111552265.9)：提供了一种分布式储能聚合参与电网的协调运行方法，通过建立分布式储能参与电网调峰的总体控制运行框架，建立分布式储能聚合与多能源协调运行多目标优化模型，基于启发式智能算法对分布式储能聚合与多能源协同运行多目标优化模型进行分阶段优化求解。

4、一种调频调峰分布式储能系统及其调频调峰方法(zl 202210527837.6)：提供了一种调频频调峰分布式储能系统及其调频调峰方法，其包括光伏发电阵列、太阳能控制器、储能装置、逆变器、并网监控装置以及家用端控制装置，基于电网频率决定工作模式，参与电网的调频调峰。

5、以上几项发明专利主要是解决了分布式储能在参加调峰时如何进行聚合，以及单个储能装置如何参与电网调峰调频，均未在分布式储能参与调峰时，考虑碳排放成本。为了实现“碳达峰、碳中和”的双碳目标，国家大力支持可再生能源的发展，但其具有随机性、间歇性和波动性等特点，影响着电力系统的稳定运行。同时碳核算是实现“碳达峰、碳中和”、能源绿色发展的基本前提。为此如何利用具有调节能力的电源如水电，分布式储能等，在削峰填谷的同时降低碳排放成本，成为亟需解决的问题。

技术实现思路

1、为解决上述问题，本发明提出一种基于改进的均衡优化算法的分布式储能调峰方法。

2、为了实现上述的技术目的，本发明所采用的技术方案为：

3、一种基于改进的均衡优化算法的分布式储能调峰方法，包括如下步骤：

4、1)建立分布式储能和各类电厂参与电网调峰的数学模型框架；

5、2)按照分布式储能和各类电厂的数学模型采集相应的信息，获取分布式储能电站和各类电厂的调峰潜力；

6、3)基于电网运行的约束条件，建立总成本最小的优化模型；

7、4)求解优化模型的最优解，并下发分布式储能的调峰策略。

8、作为一种可能的实施方式，进一步，步骤1)中分布式储能和各类电厂参与电网调峰的数学模型框架包括：

9、a)电化学储能的数学模型，具体如下：

10、

11、式中：pc,n(t)、pd,n(t)分别为第n个电化学储能电站在t时段的充放电功率；为第n个电化储能电站在t时段的最大充放电功率；ηc,n、ηd,n为第n个电化学储能电站的充放电效率，socn(t)为第n个电化学储能电站在t时段的容量，socn,min、socn,max为第n个电化学储能电站容量的上下限；

12、b)氢储能的数学模型，具体如下：

13、

14、式中：pe,h,n(t)为第n个电解槽在t时段输出的氢能，pe,n(t)为第n个氢储能电站电解槽在t时段输入的电能，ηe,n为第n个氢储能电站电解槽的能量转化效率，分别为第n个氢储能电站电解槽输入电能的上下限，分别为第n个氢储能电站电解槽的爬坡上下限；ph,e,n(t)为第n个氢储能电站在t时段输出的电能，ph,h,n(t)为第n个氢储能电站在t时段输出的热能，ηhe,n、ηhh,n分别为第n个氢储能电站氢气转化为电、热能的效率，ph,n(t)为第n个氢储能电站在t时段输入的氢能，分别第n个氢储能电站输入电能的上下限，分别为第n个氢储能电站的爬坡上下限；分别第n个氢储能电站的热电比上下限；

15、c)热电联产电站的数学模型，具体如下：

16、

17、式中：pn,e,n(t)为第n个热电联产电站在t时段输出的电能，pn,h,n(t)为第n个热电联产电站在t时段输出的热能，pn,n(t)为第n个热电联产电站在t时段输入的天然气功率，为第n个热电联产电站天然气转换为电能的效率，为第n个热电联产电站天然气转换为热能的效率，分别为第n个热电联产电站输入天然气功率的上下限，分别为第n个热电联产电站的爬坡上下限，分别第n个热电联产电站的热电比上下限；pn,h,n(t)为第n个热电联产电站的甲烷反映器在t时段输入的氢能，ph,n,n(t)为第n个热电联产电站的甲烷反映器在t时段输出的天然气功率，为第n个热电联产电站的甲烷反映器氢能转换为天然气的效率，分别为第n个热电联产电站的甲烷反映器输入氢能的上下限，分别为第n个热电联产电站的甲烷反应器的爬坡上下限；

18、d)抽水蓄能电站的数学模型，具体如下：

19、

20、式中：wn(t)为第n个抽水蓄电站上水库在t时段存储的功率，为第n个抽水蓄电站上水库存储功率的上下限，pwc,n(t)、pwd,n(t)为第n个抽水蓄电站在t时段的充放电功率，ηw,n、ηg,n为第n个抽水蓄电站的充放电效率，分别为第n个抽水蓄电站充电功率的上下限，分别为第n个抽水蓄电站放电功率的上下限，α1、α2分别为上下裕度系数。当均为1时，表示常规同步优化调度模型。

21、作为一种可能的实施方式，进一步，步骤2)中采集电化学储能电站、氢储能电站、热电联产电站及抽水蓄能电站数学模型的相应信息。

22、作为一种可能的实施方式，进一步，所述电化学储能电站采集信息包括：储能资源规模、实时充放电功率、实时充放电容量、分时段电量计算等基础数据；并根据soc和soh信息，分析各个电化学储能电站的剩余充放电容量及充放电功率；

23、所述氢储能电站采集信息包括：可供消耗的电能或者氢能、可供消耗的电能或者氢能的上下限、氢能转化为电能的效率及电能转化为氢能的效率、氢能及电能的爬坡上下限、热电比上下限；

24、所述热电联产电站采集信息包括：氢气的输入功率、氢气转化为天然气的转化效率、氢气输入功率的上下限以及爬坡速率的上下限、天然气的输入功率、天然气转化为电能和热能的转化效率、天然输入功率的上下限及爬坡功率的上下限、电热比上下限；

25、抽水蓄能电站采集信息包括：上水库存储的水位、上下限水位、发电机的发电功率、水泵的抽水功率，将上水库的水位转换成存储的能量及上下限能量。

26、作为一种可能的实施方式，进一步，步骤3)中电网运行的约束条件包括：分布式储能电站的运行约束条件见公式(1)～(4)，其余运行约束条件如下：

27、i)可再生能源的出力约束：

28、

29、式中：为风力发电的输出功率上限，为光伏发电的输出功率上限；

30、ii)电功率平衡约束：

31、p3(t)＝pl(t)+pe(t)+pc(t)+pw(t)+pn,h(t)-pdg,w(t)-pdg,p(t)-ph,e(t)-pn,e(t)-p1(t)-p2(t)  (13)

32、式中：pl(t)表示t时段本机电网的电负荷，pe(t)表示t时段所有氢储能电站电解槽输入的电功率，pc(t)表示所有电化学储能电站输入的电功率，pw(t)表示抽水蓄能电站输入的电功率，pn,h(t)表示所有热电联产电站输入的电功率，ph,e(t)表示t时段所有氢储能电站输出的电功率，pn,e(t)表示t时段所有热电联产电站输出的电功率；p1(t)表示t时段本级电网的火力发电量，p2(t)表示t时段本级电网其余电站的发电量，p3(t)表示t时段本级电网向上级电网购买的电量及价格，若p3(t)为负则向上级电网反送电量。

33、iii)热功率平衡约束：

34、ph,h(t)+ph,n(t)＝ph(t)                        (14)

35、式中：ph,h(t)为t时段所有氢储能电站输出的热功率，ph,n(t)为t时段所有热电联产电站输出额热功率，ph(t)为t时段的热负荷；

36、iv)天然气平衡约束

37、pb(t)＝pg(t)+pn(t)-ph,n(t)                     (15)

38、式中：pb(t)为t时段购买的天然气，pg(t)为t时段的天然气负荷，pn(t)为所有热电联产电站t时段消耗的天然气功率，ph,n(t)为所有热电联产电站t时段甲烷反应器输出的天然气功率；

39、v)氢气平衡约束

40、pe,h(t)＝ph(t)+pn,h(t)                        (16)

41、式中:pe,h(t)为t时段为所有氢储能电站电解槽输出的氢气功率，ph(t)为t时段所有氢储能电站消耗的氢气功率，pn,h(t)为所有热电联产电站t时段消耗的氢气功率。

42、作为一种可能的实施方式，进一步，步骤3)中建立总成本最小的优化模型，具体为：

43、以购电成本、碳排放成本、弃风和弃光成本为总成本，并以总成本最小为目标函数进行建立；

44、目标函数的表达式如下：

45、fp＝min(fp+fc+fdg,w+fdg,p)                     (5)

46、式中：fp表示运行总成本，fp为电网的购电成本、fc为碳排放成本、fdg,w为风力发电的弃风成本、fdg,p为光伏发电的弃光成本；

47、电网的购电成本，具体如下：

48、

49、式中：p1、m1分别为本级电网的火力发电量和并网价格，p2、m2分别为本级电网其余电站的发电量和并网价格，p3、m3分别为本级电网向上级电网购买的电量及价格，若p3为负则向上级电网反送电量；

50、碳排放成本，具体如下：

51、

52、式：ec为总的碳排放量，由向上级购电的碳排放量e3c、本级电网其余电站发电的碳排放量e2c、分布式储能总的碳排放量et和甲烷反应器吸收的二氧化碳组成；a3、b3、c3为上级电网中燃煤机组的碳排放系数，a2、b2、c2为本级电网中燃煤机组的碳排放系数，a1、b1、c1为耗天然气机组的碳排放系数，pt(t)为t时段所有热电联产电站输出的热能pn,h(t)和所有氢燃料电站输出的ph,h(t)；ω为甲烷反应器吸收二氧化碳的计算参数，ph,n(t)为甲烷反应器输出的天然气功率；

53、根据上式得到实际的碳排放总量ec和本级电网的碳排放权额，求得需参与碳排放交易市场的碳排放权额如下：

54、ett＝ec-ea (8)

55、式中：ett为实际参与碳排放交易市场的碳排放权额，ea为本级电网分配的碳排放权额；

56、根据上式可得碳排放成本：

57、fc＝ett×fprice (9)

58、式中：fprice为单位碳排放权额的价格，可根据实际市场进行调整；

59、可再生能源弃风、弃光成本如下：

60、弃风成本fdg,w，具体如下：

61、

62、式中：δw为单位弃风惩罚成本；pdg,w(t)为t时段的弃风功率。

63、弃光成本fdg,p，具体如下：

64、

65、式中：δp为单位弃光惩罚成本；pdg,p(t)为t时段的弃光功率。

66、作为一种可能的实施方式，进一步，步骤4)中利用改进的均衡优化算法求解优化模型的最优解，并下发分布式储能的调峰策略。

67、作为一种可能的实施方式，进一步，所述改进的均衡优化算法采用佳点集初始化种群的方法生成初始种群，其公式如下：

68、pn＝[pn(1),pn(2),…,pn(i)],i＝1,2,…,n                 (17)

69、pn(i)＝({l1×i},{l2×i},…,{lm×i})                    (18)

70、

71、式中，pn是m维空间中含n个点的佳点集，其中p是满足(p-m)/2≥m的最小素数，则第i个个体的浓度为：

72、

73、其中ii是第i个个体浓度，imax和imin是寻优的上界和下界。计算初始化后的种群的适应度，选择适应度最好的4个浓度以及这4个浓度的均值，将这5个个体放入均衡池中，公式所示：

74、ipool＝[i1,i2,i3,i4,iavg]                       (21)

75、ieq＝rand(ipool)                           (22)

76、ieq表示以相同概率从均衡池中随机选出的候选解。

77、作为一种可能的实施方式，进一步，所述改进的均衡优化算法在基本的均衡优化算法浓度更新公式中，引入非线性自适应权重用于平衡算法在迭代过程中的全局搜索能力和局部搜索能力，改进后的公式如下：

78、

79、

80、式中：λ是[0,1]的随机向量，v表示单位体积；d为指数项，f是生成概率；ite为当前迭代次数；maxite为最大迭代次数；收敛因子β从最大值βmax非线性衰减到最小值βmin；y为调节参数，决定β的变化速度；

81、指数项d的定义如下：

82、d＝a1sign(r-0.5)(e-λs-1)              (26)

83、

84、式中：a1为用于控制全局搜索能力的常数；a2是用于控制局部搜索能力的常数；sign为符号函数，决定d的方向，r表示随机数，s是随着迭代增加而减小一个非线性因子；

85、生成概率f的定义如下：

86、f＝f0e-λ(s-s0)                     (28)

87、

88、f0＝fcp(ieq-λii)                   (30)

89、

90、式中：f0主要控制粒子是否使用fcp更新状态，fp决定粒子更新状态形式，s0是为降低搜索速度的同时，提高算法的全局搜索能力，r1、r2为随机数。

91、采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：

92、本发明提供的基于改机的均衡优化算法的分布式储能调峰方法，能够在考虑碳排放成本、电网运行成本及可再生能源的弃风、弃光成本上，利用改进的均衡优化算法得到最优解。在总成本最小的基础上，增加电网对可再生能源的接纳能力，提高电网运行的经济性。