本發(fā)明屬于儲能優(yōu)化配置，更具體地，涉及一種用于配電網(wǎng)的分布式新能源儲能優(yōu)化配置方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)前全球能源緊缺和環(huán)境問題日益突出的背景下，可再生能源的開發(fā)和利用已成為各國推動能源轉(zhuǎn)型、實(shí)現(xiàn)可持續(xù)發(fā)展的重要途徑。分布式新能源系統(tǒng)，如太陽能和風(fēng)能，因其清潔、可再生、分布廣泛等優(yōu)勢，得到了廣泛的應(yīng)用。然而，由于太陽能和風(fēng)能的發(fā)電具有間歇性和波動性，如何高效利用這些新能源，確保電力系統(tǒng)的穩(wěn)定運(yùn)行，成為亟待解決的問題。

2、傳統(tǒng)的電力系統(tǒng)通常依賴于集中式發(fā)電和調(diào)度方式，對于分布式新能源的接入和調(diào)度缺乏有效的管理手段。這導(dǎo)致在高比例新能源接入的情況下，電網(wǎng)的穩(wěn)定性和可靠性受到挑戰(zhàn)。為應(yīng)對這一問題，儲能技術(shù)作為一種重要的解決方案被提出。通過儲能設(shè)備可以在發(fā)電過剩時(shí)存儲能量，在發(fā)電不足時(shí)釋放能量，從而平衡發(fā)電和負(fù)荷之間的差異。

3、然而，現(xiàn)有的儲能系統(tǒng)和調(diào)度方法大多依賴于固定策略或簡單的經(jīng)驗(yàn)規(guī)則，無法充分利用實(shí)時(shí)數(shù)據(jù)和復(fù)雜的系統(tǒng)動態(tài)，導(dǎo)致儲能設(shè)備的利用率不高，系統(tǒng)的整體效能有待提高。例如，當(dāng)太陽能發(fā)電過剩時(shí)進(jìn)行儲能，當(dāng)負(fù)荷需求高于發(fā)電時(shí)進(jìn)行放電。這類方法缺乏靈活性，無法根據(jù)實(shí)時(shí)數(shù)據(jù)進(jìn)行優(yōu)化判斷，進(jìn)而難以生成科學(xué)、精準(zhǔn)的動態(tài)調(diào)整策略，導(dǎo)致系統(tǒng)整體效能低下，需要對其進(jìn)行改進(jìn)。

技術(shù)實(shí)現(xiàn)思路

1、本部分的目的在于概述本發(fā)明的實(shí)施例的一些方面以及簡要介紹一些較佳實(shí)施例。在本部分以及本技術(shù)的說明書摘要和發(fā)明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發(fā)明名稱的目的模糊，而這種簡化或省略不能用于限制本發(fā)明的范圍。

2、因此，為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

3、本發(fā)明的第一方面提供了一種用于配電網(wǎng)的分布式新能源儲能優(yōu)化配置方法，包括以下步驟：

4、根據(jù)歷史用電數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)，使用概率離散化法構(gòu)建負(fù)荷預(yù)測模型；

5、根據(jù)負(fù)荷預(yù)測模型輸出的負(fù)荷需求數(shù)據(jù)，以最大化分布式新能源發(fā)電利用率、最小化分布式新能源儲能能量損耗和最小化儲能與調(diào)度的運(yùn)營成本為優(yōu)化目標(biāo)，構(gòu)建多目標(biāo)優(yōu)化模型；

6、根據(jù)多目標(biāo)優(yōu)化模型，調(diào)整三個(gè)優(yōu)化目標(biāo)的權(quán)重分配，逐步優(yōu)化新能源發(fā)電與儲能之間的功率分配，生成最優(yōu)新能源互補(bǔ)策略；

7、根據(jù)最優(yōu)新能源互補(bǔ)策略進(jìn)行調(diào)整充放電，實(shí)時(shí)采集儲能設(shè)備的健康狀態(tài)、電池溫度、充放電循環(huán)次數(shù)、環(huán)境溫度和負(fù)荷需求變化，結(jié)合電網(wǎng)頻率波動，通過動態(tài)比對不同儲能配置下的充放電效率、響應(yīng)時(shí)間、儲能設(shè)備老化程度的多個(gè)指標(biāo)，優(yōu)化新能源發(fā)電與儲能配置。

8、優(yōu)選地，構(gòu)建負(fù)荷預(yù)測模型，具體如下：

9、通過傳感器采集歷史用電數(shù)據(jù)、實(shí)時(shí)天氣數(shù)據(jù)以及外部因素?cái)?shù)據(jù)，傳輸至中央控制中心，作為預(yù)測模型的輸入；所述天氣數(shù)據(jù)包括溫度、濕度和風(fēng)速；所述外部因素包括節(jié)假日和電價(jià)波動；

10、負(fù)荷預(yù)測模型如下：

11、?，

12、式中：

13、表示時(shí)刻t的負(fù)荷需求；

14、表示基于溫度、濕度和風(fēng)速預(yù)測負(fù)荷需求；

15、表示在給定隨機(jī)變量的條件下，計(jì)算預(yù)測函數(shù)的期望值；

16、表示天氣條件；

17、對歷史用電數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，構(gòu)建變量的不確定性分布，將天氣條件設(shè)定為正態(tài)分布，用電負(fù)荷需求根據(jù)歷史波動范圍構(gòu)建相應(yīng)的概率分布模型，用于捕捉不確定性特征；

18、基于捕捉到的不確定性特征，進(jìn)行離散化處理，根據(jù)不確定性變量的波動范圍，將天氣條件和用電負(fù)荷需求的連續(xù)變量劃分為有限的離散區(qū)間，每個(gè)離散區(qū)間分配一個(gè)相應(yīng)的發(fā)生概率；

19、將離散化后的天氣條件和用電負(fù)荷需求狀態(tài)引入負(fù)荷預(yù)測模型，用于分析和預(yù)測未來的供需變化。

20、優(yōu)選地，離散化處理，具體如下：

21、對歷史用電數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，構(gòu)建變量的不確定性分布，設(shè)定天氣條件服從正態(tài)分布；其中，表示天氣條件的的均值；表示天氣條件相對于均值的波動情況；

22、將天氣條件和用電負(fù)荷需求的連續(xù)概率分布處理為離散化后的天氣條件狀態(tài)，其中k表示離散后的狀態(tài)數(shù)，每個(gè)狀態(tài)對應(yīng)概率，以如下式表示離散化集合：

23、?，

24、式中：

25、表示離散化后的所有狀態(tài)值的集合。

26、優(yōu)選地，構(gòu)建多目標(biāo)優(yōu)化模型，具體如下：

27、以最大化分布式新能源發(fā)電利用率為第一目標(biāo)，公式如下：

28、，

29、式中：

30、、分別表示時(shí)刻t的太陽能發(fā)電功率、風(fēng)能發(fā)電功率；

31、分別為太陽能和風(fēng)能發(fā)電的優(yōu)先級權(quán)重系數(shù)，分別用于表示太陽能和風(fēng)能發(fā)電的優(yōu)先級；

32、以最小化分布式新能源儲能能量損耗為第二目標(biāo)，公式如下：

33、，

34、式中：

35、表示時(shí)刻t的負(fù)荷需求；

36、為系數(shù)，用于平衡負(fù)荷需求與發(fā)電之間的偏差；

37、以最小化儲能與調(diào)度的運(yùn)營成本為第三目標(biāo)，公式如下：

38、?，

39、式中：

40、表示成本指標(biāo)；

41、表示在時(shí)間時(shí)刻的權(quán)重系數(shù)。

42、優(yōu)選地，將最大化分布式新能源發(fā)電利用率、最小化分布式新能源儲能能量損耗和最小化儲能與調(diào)度的運(yùn)營成本的三個(gè)優(yōu)化目標(biāo)通過權(quán)重系數(shù)綜合成單一目標(biāo)，具體如下：

43、?，

44、式中：

45、表示綜合目標(biāo)函數(shù)；為各個(gè)目標(biāo)的權(quán)重；表示第個(gè)優(yōu)化目標(biāo)。

46、優(yōu)選地，逐步優(yōu)化新能源發(fā)電與儲能之間的功率分配，生成最優(yōu)新能源互補(bǔ)策略，具體如下：

47、以如下式對綜合目標(biāo)函數(shù)逐步優(yōu)化新能源發(fā)電與儲能之間的功率分配：

48、，

49、式中：

50、和分別是時(shí)刻t太陽能和風(fēng)能發(fā)電對綜合利用率的影響系數(shù)；表示各優(yōu)化目標(biāo)函數(shù)的權(quán)重系數(shù)；表示與時(shí)刻t負(fù)荷需求不匹配的懲罰系數(shù)；

51、表示時(shí)刻t的太陽能發(fā)電功率；表示時(shí)刻t的風(fēng)能發(fā)電功率；表示時(shí)刻t的負(fù)荷需求；表示時(shí)刻t的最大負(fù)荷需求；

52、表示與時(shí)刻t的儲能效率相關(guān)的調(diào)整系數(shù)；表示時(shí)刻t的儲能量；表示時(shí)刻t的最大儲能量；

53、且優(yōu)化過程中的儲能設(shè)備狀態(tài)需滿足以下約束條件：

54、儲能設(shè)備的健康狀態(tài)在時(shí)刻?t?不超過其最大允許健康狀態(tài)：

55、?，

56、式中：

57、表示時(shí)刻t儲能設(shè)備的健康狀態(tài)；示時(shí)刻t儲能設(shè)備的最大允許健康狀態(tài)；

58、電池溫度在時(shí)刻?t?不超過其最大允許溫度：

59、?，

60、式中：

61、表示時(shí)刻t的電池溫度；表示時(shí)刻t的最大允許溫度。

62、優(yōu)選地，以如下式計(jì)算最優(yōu)新能源互補(bǔ)策略：

63、?，

64、式中：

65、表示在所有時(shí)刻t上的發(fā)電和儲能設(shè)備的充放電決策。

66、根據(jù)最優(yōu)新能源互補(bǔ)策略進(jìn)行調(diào)整充放電，實(shí)時(shí)采集儲能設(shè)備的健康狀態(tài)、電池溫度、充放電循環(huán)次數(shù)、環(huán)境溫度和負(fù)荷需求變化，結(jié)合電網(wǎng)頻率波動，具體如下：

67、當(dāng)新能源發(fā)電量超過用電負(fù)荷需求時(shí)，以如下式優(yōu)先對儲能設(shè)備進(jìn)行充電：

68、，

69、式中：

70、表示時(shí)刻t儲能設(shè)備的最大充電容量；表示時(shí)刻t的充電效率；

71、當(dāng)用電負(fù)荷需求超過發(fā)電量時(shí)，以如下式對儲能設(shè)備進(jìn)行放電：

72、，

73、式中：

74、?表示時(shí)刻t儲能設(shè)備的最大放電容量；表示時(shí)刻t的放電效率。

75、優(yōu)選地，通過動態(tài)比對不同儲能配置下的充放電效率、響應(yīng)時(shí)間、儲能設(shè)備老化程度的多個(gè)指標(biāo)，優(yōu)化新能源發(fā)電與儲能配置，公式如下：

76、，

77、式中：

78、表示時(shí)刻t的太陽能發(fā)電功率；表示時(shí)刻t的風(fēng)能發(fā)電功率；表示時(shí)刻t的負(fù)荷需求；

79、表示時(shí)刻t的儲能設(shè)備狀態(tài)；表示時(shí)刻t的響應(yīng)時(shí)間；表示儲能設(shè)備的健康狀態(tài)比值；

80、表示初始時(shí)間；

81、分別表示太陽能和風(fēng)能發(fā)電的優(yōu)先級權(quán)重系數(shù)；

82、表示時(shí)間衰減因子。

83、本發(fā)明的第二方面提供了一種用于配電網(wǎng)的分布式新能源儲能優(yōu)化配置系統(tǒng)，包括：負(fù)荷預(yù)測模塊、多目標(biāo)優(yōu)化模型模塊、動態(tài)配置優(yōu)化模塊以及實(shí)時(shí)調(diào)整與優(yōu)化模塊；

84、負(fù)荷預(yù)測模塊用于收集和處理歷史用電數(shù)據(jù)、實(shí)時(shí)天氣數(shù)據(jù)及外部因素，應(yīng)用概率離散化法構(gòu)建準(zhǔn)確的負(fù)荷預(yù)測模型，提供未來負(fù)荷需求的預(yù)測數(shù)據(jù)；

85、多目標(biāo)優(yōu)化模型模塊用于最大化新能源發(fā)電利用率、最小化儲能能量損耗以及最小化運(yùn)營成本；

86、動態(tài)配置優(yōu)化模塊用于迭代調(diào)整發(fā)電與儲能配置參數(shù)，生成最優(yōu)新能源互補(bǔ)策略，優(yōu)化配置。

87、實(shí)時(shí)調(diào)整與優(yōu)化模塊用于實(shí)時(shí)監(jiān)測和反饋數(shù)據(jù)，自動調(diào)整充放電策略，基于實(shí)際運(yùn)行效果和仿真結(jié)果優(yōu)化新能源發(fā)電與儲能配置。

88、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果至少包括：

89、（1）本發(fā)明通過構(gòu)建負(fù)荷預(yù)測模型，利用歷史用電數(shù)據(jù)、實(shí)時(shí)天氣數(shù)據(jù)及外部因素，采用概率離散化方法對用電負(fù)荷和天氣條件的不確定性進(jìn)行處理，從而更加精確地預(yù)測未來負(fù)荷需求和發(fā)電情況，避免了發(fā)電過?；虿蛔愕那闆r；

90、（2）本發(fā)明通過調(diào)整充放電策略，實(shí)現(xiàn)儲能設(shè)備在發(fā)電和用電高峰期之間的平衡，優(yōu)化能量的儲存和使用過程，減少了因不合理充放電導(dǎo)致的能量損失；

91、（3）本發(fā)明在優(yōu)化過程中引入了動態(tài)加權(quán)機(jī)制，能夠根據(jù)實(shí)時(shí)監(jiān)測和反饋數(shù)據(jù)，靈活調(diào)整三個(gè)優(yōu)化目標(biāo)之間的權(quán)重分配，不僅能夠保證在不同場景下實(shí)現(xiàn)最優(yōu)的調(diào)度策略，還能夠在運(yùn)行過程中不斷調(diào)整充放電策略，從而降低儲能與調(diào)度的綜合運(yùn)營成本，避免因固定策略導(dǎo)致的資源浪費(fèi)；

92、（4）本發(fā)明通過自動調(diào)整充放電策略，結(jié)合仿真技術(shù)對不同儲能配置方案進(jìn)行實(shí)時(shí)監(jiān)測和評估，使得新能源發(fā)電與儲能配置能夠根據(jù)外部變化自動優(yōu)化，自動化動態(tài)優(yōu)化過程減少了人工干預(yù)，提升了系統(tǒng)整體運(yùn)行效率。