配电网的储能系统多目标优化配置方法与流程

本发明涉及多目标优化配置，更具体地说，本发明涉及配电网的储能系统多目标优化配置方法。

背景技术：

1、配电网是电力系统的重要组成部分，负责将电能从高压输电系统传输到最终用户。它的稳定性和可靠性对电力供应至关重要。在现代配电网中，越来越多地引入了可再生能源和分布式发电设施，这为系统的优化配置带来了新的挑战和机遇；储能系统能够在电力需求低时存储电能，并在需求高时释放电能，具有平衡负荷、提高电网灵活性和可靠性的作用。在配电网中，储能系统能够有效缓解负荷波动、优化能量使用，并促进可再生能源的集成。

2、多目标优化是解决涉及多个相互冲突目标的问题的一种方法。在配电网的储能系统配置中，可能需要同时考虑成本、效率、环境影响、系统可靠性等多个因素。通过多目标优化，可以在不同目标之间寻求最佳平衡，以实现整体性能的提升；配置方法指的是为实现系统最佳运行而制定的具体方案和策略。在储能系统的配置中，这可能涉及选择合适的储能技术、确定最佳的储能容量、优化调度策略等。

3、遗传算法在配电网储能系统的多目标优化配置中被广泛应用，以解决在成本、效率、环境影响和系统可靠性等多个目标之间的平衡问题。通过模拟自然选择的过程，遗传算法能够在大规模的解空间中快速搜索到接近pareto最优解的配置方案。具体而言，该算法通过选择、交叉和变异等操作生成新的解，并通过适应度函数评估其优劣，进而不断迭代优化。在配电网储能系统中，遗传算法不仅提高了储能设备的选型和容量配置的灵活性，还能有效应对可再生能源的波动性和不确定性，促进整体电力系统的经济性和可靠性。

4、例如公告号为：cn111435788a的发明专利公告的一种提高配电网接纳分布式电源能力的方法和装置，包括基于配电网接纳分布式电源能力的第一表征参数，采用多目标优化算法确定配电网的优化结果；基于所述优化结果判断配电网接纳分布式电源能力是否满足提高要求，如果没有满足提高要求，重复执行上述步骤，直至配电网接纳分布式电源能力满足提高要求。本发明避免了仅从优化这一单一角度使分布式电源准入容量最大化的局限性，从根本上解决提高配电网接纳分布式电源能力的问题，而且对分布式电源准入容量或允许渗透率的提高程度较高，大幅度提高了分布式电源的最大准入容量，保证大规模分布式电源能够安全可靠接入配电网。

5、例如公告号为：cn117578436a的发明专利公告的一种基于分解多目标优化算法的配电网储能系统规划方法，包括获取配电网实时基本数据；根据所述配电网实时基本数据确定配电网储能系统规划的优化目标；根据分解多目标优化算法对所述配电网储能系统规划的优化目标进行分解，得到多个子优化目标；为所述每个子优化目标设置对应的权重向量，并根据所述权重向量将各子优化目标聚合，得到聚合目标函数；对所述聚合目标函数进行求解，将得到的最优解作为配电网最优储能系统规划方法。以此方式，可以有效地对配电网储能系统进行规划，同时满足各项约束条件，在优化投资成本、最大化可靠性和最小化能量损耗等多个目标之间达到均衡。

6、上述公开的技术方案中，至少存在如下技术问题：在遗传算法在配电网储能系统的多目标优化配置的应用中，交叉率和变异率的设定对配置效果存在巨大影响。

7、当交叉率过高时，这会使得原本具有较优配置的解在下一代中消失，影响整体优化质量；并由于优良解的信息被频繁扰动，增加了收敛所需的代数，降低了算法的效率；

8、当变异率过高时，可能会导致已有优秀解的特征被随机改变，这种频繁的变异可能会导致好的配置被随机噪声覆盖，影响优化的稳定性和最终结果的可靠性；

9、然而，交叉率和变异率之间存在一种制衡关系，分别影响着供配电网的储能系统多目标优化配置探索新解与保留优秀解，现有技术在能量调度中对交叉率和变异率的平衡不足，导致交叉率过高时优秀解信息丢失与收敛缓慢，而变异率过高则引发解的破坏与搜索效率降低，从而影响整体优化效果。针对上述问题，本发明提出一种解决方案。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供配电网的储能系统多目标优化配置方法，通过分析交叉率和变异率的设置，以解决供配电网的储能系统多目标优化配置探索新解与保留优秀解不平衡的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、配电网的储能系统多目标优化配置方法，包括如下步骤：基于历史数据随机生成一组初始的储能配置方案；根据预设的交叉率和变异率分别基于遗传学算法对初始的储能配置方案进行交叉操作和变异操作，得到最终的储能配置方案；获取储能配置方案的分析过程中的收敛速率数据和优化目标满足数据；基于收敛速率数据和优化目标满足数据基于长短期神经网络构建优化配置评估模型；获取若干个不同的交叉率和变异率，分别两两组合成若干组不同的优化组，并将若干组不同的优化组合对应的优化配置评估模型的输出构建三维展示模型，并进行曲线分析，得到分析后的交叉率和变异率。

4、在一个优选的实施方式中，所述基于历史数据随机生成一组初始的储能配置方案，具体为：根据历史数据分析，设定各类储能设备的容量范围、数量限制以及其他必要的参数，得到参数范围；使用随机数生成器，在设定的参数范围内生成储能设备的数量和容量，得到若干储能配置方案；并对储能配置方案进行基于物理和经济可行性的筛选，得到一组初始的储能配置方案。

5、在一个优选的实施方式中，所述根据预设的交叉率和变异率分别基于遗传学算法对初始的储能配置方案进行交叉操作和变异操作，得到最终的储能配置方案，具体为：根据预设的交叉率，从初始储能配置方案中选择一部分优秀个体作为父代；通过交叉操作，将父代个体的特征进行组合，生成新的后代配置方案；根据预设的变异率，对新生成的后代配置方案进行变异；变异操作包括随机调整任意储能设备的容量、数量以及改变设备的工作模式；将经过交叉和变异操作后的新配置方案与原始方案进行合并，形成一个优化后的储能配置方案。

6、在一个优选的实施方式中，所述收敛速率数据包括收敛速度系数；所述收敛速度系数的具体获取方法如下：获取储能配置方案的分析过程中相同时间间隔的收敛速率；储能配置方案的分析过程中相同时间间隔的收敛速率的收敛标准差和收敛平均值；根据收敛标准差和收敛平均值，计算收敛速度变异系数；将收敛速度变异系数基于预设的收敛速度系数计算公式计算收敛速度系数。

7、在一个优选的实施方式中，所述优化目标满足数据包括模型适应度值匹配系数和优化目标的满足程度系数；所述模型适应度值匹配系数的具体获取方法如下：获取若干次模型迭代的迭代输出数据对应的适应度值；计算每个模型迭代与其他模型迭代对应的适应度值之间的余弦相似度；获取每个模型迭代对应的适应度值的平均余弦相似度和最大余弦相似度以及最小余弦相似度；根据平均余弦相似度和最大余弦相似度以及最小余弦相似度基于预设的模型适应度值匹配系数计算公式计算模型适应度值匹配系数。

8、在一个优选的实施方式中，所述优化目标的满足程度系数的具体获取方法如下：基于历史的优化目标的需求类型，获取优化目标的需求集合，所述优化目标的需求集合包括各种待优化目标及其优化目标的需求量和目标占比；对优化目标的需求集合内的各种优化目标的需求类型赋予预设的需求分数；基于优化目标的需求集合和对应需求分数的构建回归模型，生成优化目标的满足程度系数。

9、在一个优选的实施方式中，所述获取若干个不同的交叉率和变异率，分别两两组合成若干组不同的优化组，并将若干组不同的优化组合对应的优化配置评估模型的输出构建三维展示模型，具体为：获取若干个不同的交叉率和变异率，分别两两组合成若干组不同的优化组，并将若干组不同的优化组合对应的优化配置评估模型的输出构建三维展示模型，具体为：将若干个不同的交叉率和变异率分别构建向量组，并以交叉率和变异率分别为纵轴和横轴建平面直角坐标系；将每个交叉率和变异率组合对应的优化配置评估模型的输出作为平面直角坐标系的第三个轴，构建三维展示模型。

10、在一个优选的实施方式中，所述并进行曲线分析，得到分析后的交叉率和变异率，具体为：获取若干个三维展示模型的最大值，分别对各个最大值的进行变化曲线的斜率的导数分析，得到变化速率，并将最小的变化速率的三维展示模型的最大值对应的交叉率和变异率作为分析后的交叉率和变异率，并应用于配电网的储能系统多目标优化配置过程。

11、本发明配电网的储能系统多目标优化配置方法的技术效果和优点：

12、1.本发明通过历史数据分析随机生成初始储能配置方案，该步骤确保储能设备的类型、容量和调度策略合理可行。对生成方案进行物理和经济可行性筛选，使得后续的优化过程建立在有效的基础上。其次，利用设定的交叉率和变异率对初始方案进行遗传算法操作，生成新的配置方案。这一过程不仅能提高解的多样性，还能有效避免算法陷入局部最优，确保最终方案更具优势。最后，分析收敛速率数据和优化目标满足数据，以量化优化效果和提升算法的稳定性。收敛速度系数和模型适应度值匹配系数提供了对算法性能的动态反馈，帮助研究者和决策者进行科学调整。

13、2.本发明通过整合收敛速率数据、模型适应度值匹配系数和优化目标满足程度系数，生成优化配置评估系数，以量化各类配置方案的性能。通过对不同的交叉率和变异率组合进行三维展示与曲线分析，能够直观地识别出最优的参数组合，进而优化储能配置方案。该技术的优点包括：首先，利用lstm模型对时间序列数据的强大处理能力，使得优化评估更为准确和动态；其次，通过三维展示模型的构建，可以清晰地可视化不同参数组合的影响，便于决策者快速找到最佳配置；最后，系统化的评估和反馈机制能够有效平衡探索新解与保留优秀解之间的关系，提高优化过程的稳定性和效率。这种方法在确保经济性、效率和环境影响等多重目标下，优化了储能系统的配置，推动了智能电网的发展。