基于遺傳算法的風(fēng)儲(chǔ)容量配置方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于風(fēng)力發(fā)電技術(shù)領(lǐng)域，特別涉及利用遺傳算法通過種群的逐代遺傳變異迭代尋優(yōu)，在兼顧風(fēng)力發(fā)電系統(tǒng)經(jīng)濟(jì)性情況下，得到儲(chǔ)能裝置的在系統(tǒng)中的最佳配置地點(diǎn)、配置容量和最大輸入輸出容量，以解決大規(guī)模風(fēng)電集中并網(wǎng)的困難。
【背景技術(shù)】
[0002]進(jìn)入21世紀(jì)以來，全球性的環(huán)境污染和能源危機(jī)促進(jìn)了可再生能源的大力發(fā)展，其中，風(fēng)力發(fā)展最為迅速。大規(guī)模風(fēng)電集中并網(wǎng)方便調(diào)度和管理，但也帶來了一系列的挑戰(zhàn)，包括電力調(diào)峰問題、棄風(fēng)問題等。為了解決風(fēng)電集中并網(wǎng)的困難，大規(guī)模儲(chǔ)能技術(shù)得到了快速發(fā)展。隨著大規(guī)模儲(chǔ)能裝置的應(yīng)用，傳統(tǒng)電力系統(tǒng)中電能不能大量儲(chǔ)存的特性將在一定程度上發(fā)生轉(zhuǎn)變，同時(shí)，由于儲(chǔ)能裝置能夠快速吸收或釋放電能，使它能夠有效地彌補(bǔ)可再生能源波動(dòng)性的缺點(diǎn)，從而為解決大規(guī)模風(fēng)電集中并網(wǎng)問題提供了全新的思路。
[0003]目前對儲(chǔ)能裝置容量配置的研宄方法主要有以下幾種:以實(shí)際風(fēng)電場風(fēng)速概率密度曲線為基礎(chǔ)，計(jì)算風(fēng)電場達(dá)到長期有功功率穩(wěn)定輸出所需儲(chǔ)能能量，進(jìn)而合理選取儲(chǔ)能裝置容量；以可再生能源輸出功率頻譜分析結(jié)果為基礎(chǔ)，以經(jīng)儲(chǔ)能裝置補(bǔ)償之后的目標(biāo)功率輸出波動(dòng)率為約束，計(jì)算滿足約束條件的儲(chǔ)能裝置容量；以儲(chǔ)能裝置容量最小為優(yōu)化目標(biāo)，以風(fēng)力發(fā)電系統(tǒng)穩(wěn)定域和總體收斂速度指標(biāo)為約束條件進(jìn)行優(yōu)化，求得儲(chǔ)能裝置容量的最優(yōu)配置。
[0004]以上方法雖然能夠得到儲(chǔ)能裝置的容量，但都沒有考慮儲(chǔ)能裝置布局對風(fēng)力發(fā)電系統(tǒng)的影響。在風(fēng)力發(fā)電系統(tǒng)中引入儲(chǔ)能裝置后，系統(tǒng)的有功潮流和無功潮流的分布都會(huì)隨著儲(chǔ)能裝置的布局的不同而變化，有可能會(huì)引發(fā)一些經(jīng)濟(jì)性和安全性問題。而且在綜合考慮儲(chǔ)能裝置的布局和容量的配置問題中，決策變量既包含整型變量又包括連續(xù)變量，屬于混合整數(shù)規(guī)劃問題，增加了問題的難度，傳統(tǒng)的優(yōu)化算法難以求解。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于為克服已有技術(shù)的不足之處，提供一種基于遺傳算法的風(fēng)儲(chǔ)容量配置方法。本方法能夠給出較為合理的儲(chǔ)能裝置在風(fēng)力發(fā)電系統(tǒng)中的配置地點(diǎn)、配置容量和最大輸入輸出容量，且計(jì)算方法簡單，便于實(shí)際系統(tǒng)的應(yīng)用。
[0006]本發(fā)明提出的一種基于遺傳算法的風(fēng)儲(chǔ)容量配置方法，其特征在于，該方法具體包括以下步驟:
[0007]I)初始化:獲取系統(tǒng)的網(wǎng)絡(luò)參數(shù)和系統(tǒng)參數(shù)，定義算法參數(shù)；
[0008]網(wǎng)絡(luò)參數(shù)包括風(fēng)力發(fā)電系統(tǒng)靜態(tài)潮流約束、節(jié)點(diǎn)電壓約束、電源出力約束、儲(chǔ)能裝置容量約束、線路傳輸容量約束；系統(tǒng)參數(shù)為儲(chǔ)能裝置的投資成本，風(fēng)力發(fā)電系統(tǒng)的運(yùn)行成本；算法參數(shù)包括最大遺傳代數(shù)Gen為N ;
[0009]2)對決策變量進(jìn)行編碼:
[0010]決策變量包含儲(chǔ)能裝置的配置地點(diǎn)、配置容量和最大輸入、輸出功率；對儲(chǔ)能裝置配置地點(diǎn)采用格雷碼編碼方式，儲(chǔ)能裝置的最大輸入、輸出功率和配置容量采用二進(jìn)制編碼方式；隨機(jī)產(chǎn)生包含M個(gè)初始個(gè)體的種群，每個(gè)個(gè)體由所述決策變量的編碼組成，決策變量的值隨機(jī)生成，M為正整數(shù)；
[0011]3)對隨機(jī)生成含有M個(gè)初始個(gè)體的種群進(jìn)行可行性檢測:
[0012]利用風(fēng)力發(fā)電系統(tǒng)的約束條件對M初始個(gè)體進(jìn)行可行性檢測，檢測的條件為風(fēng)力發(fā)電系統(tǒng)的約束條件；可行性檢測的具體步驟為:
[0013]31)檢查:將每個(gè)個(gè)體中的決策變量值作為靜態(tài)潮流計(jì)算的條件，計(jì)算風(fēng)力發(fā)電系統(tǒng)當(dāng)前斷面的潮流，判斷潮流是否可解；若不可解，則該個(gè)體不可行；否則，判斷潮流解是否滿足靜態(tài)潮流約束、節(jié)點(diǎn)電壓約束、電源出力約束、儲(chǔ)能裝置容量約束、線路傳輸容量約束，若不滿足，則該個(gè)體不可行；對于可行個(gè)體，記錄其潮流解；
[0014]32)剔除:將M個(gè)初始個(gè)體逐一進(jìn)行可行性檢測后，剔除不可行的初始個(gè)體；
[0015]33)補(bǔ)充:再次隨機(jī)產(chǎn)生與剔除個(gè)體數(shù)相同數(shù)目的個(gè)體，補(bǔ)充到原種群中組成更新后的種群；
[0016]34)對所述更新后的種群進(jìn)行“檢測-剔除-補(bǔ)充”的操作，直到種群中的M個(gè)個(gè)體全部通過可行性檢測為止，此時(shí)種群為可行種群，并初始化遺傳代數(shù)Gen為O ;
[0017]4)計(jì)算個(gè)體的適應(yīng)度函數(shù)值:
[0018]將步驟3)中得到的可行種群中的所有個(gè)體及其潮流解代入適應(yīng)度函數(shù)中，計(jì)算各個(gè)體的適應(yīng)度；
[0019]5)對當(dāng)前可行種群進(jìn)行遺傳變異運(yùn)算，形成下一代種群:具體方法為:
[0020]51)利用當(dāng)前可行種群中的不同個(gè)體的適應(yīng)度函數(shù)值，對可行個(gè)體進(jìn)行選擇運(yùn)算；對選擇運(yùn)算產(chǎn)生的可行種群進(jìn)行交叉運(yùn)算產(chǎn)生新的個(gè)體；
[0021]52)對新產(chǎn)生的個(gè)體進(jìn)行可行性檢測，剔除不可行的個(gè)體并再次通過交叉運(yùn)算補(bǔ)充與剔除的個(gè)體相同數(shù)目的新個(gè)體，直到種群中的M個(gè)個(gè)體全部可行，成為可行種群；
[0022]53)對交叉運(yùn)算產(chǎn)生的可行種群進(jìn)行變異運(yùn)算，并對新產(chǎn)生的個(gè)體進(jìn)行可行性檢測，剔除不可行的個(gè)體并再次通過變異運(yùn)算補(bǔ)充與剔除的個(gè)體相同數(shù)目的新個(gè)體，直到種群中的M個(gè)個(gè)體全部可行，形成可行下一代種群；
[0023]6)判斷遺傳變異是否已經(jīng)結(jié)束及結(jié)果輸出:
[0024]判斷當(dāng)前遺傳代數(shù)是否達(dá)到最大遺傳代數(shù)N，若是，則計(jì)算結(jié)束，將最后一代種群中適應(yīng)度最高的個(gè)體中所包含的決策變量的值作為最終計(jì)算結(jié)果，從而確定了儲(chǔ)能裝置的配置地點(diǎn)和容量；否則遺傳代數(shù)Gen增加1，回到步驟4)。
[0025]本發(fā)明的特點(diǎn)及有益效果:
[0026]本發(fā)明從經(jīng)濟(jì)性角度出發(fā)，基于遺傳算法通過種群的逐代遺傳變異迭代尋優(yōu)，得到儲(chǔ)能裝置的最佳配置地點(diǎn)、配置容量和最大輸入輸出容量，以解決大規(guī)模風(fēng)電集中并網(wǎng)的困難。
[0027]本發(fā)明提出的方法可以實(shí)現(xiàn)儲(chǔ)能系統(tǒng)用于提高風(fēng)電接入能力的綜合優(yōu)化應(yīng)用，適用于各種不同類型的儲(chǔ)能系統(tǒng)及多樣的應(yīng)用場景，為大規(guī)模儲(chǔ)能系統(tǒng)在電力系統(tǒng)中的應(yīng)用奠定了基礎(chǔ)，有助于解決大規(guī)?？稍偕Y源集中并網(wǎng)問題，有顯著的社會(huì)價(jià)值和經(jīng)濟(jì)價(jià)值。
【附圖說明】
[0028]圖1為本發(fā)明的總體流程框圖。
【具體實(shí)施方式】
[0029]本發(fā)明提出的一種基于遺傳算法的風(fēng)儲(chǔ)容量配置方法結(jié)合附圖及實(shí)施例說明如下:
[0030]本發(fā)明從風(fēng)力發(fā)電系統(tǒng)運(yùn)行成本最小出發(fā)，通過對決策變量進(jìn)行編碼形成可行的初始種群，再利用種群遺傳變異逐代提高種群的適應(yīng)度函數(shù)值，直到達(dá)到最大遺傳代數(shù)，進(jìn)而根據(jù)最終種群進(jìn)行儲(chǔ)能裝置的配置。
[0031]本發(fā)明的基于遺傳算法的風(fēng)儲(chǔ)容量配置方法流程如圖1所示，具體包括以下步驟:
[0032]I)初始化:獲取系統(tǒng)的網(wǎng)絡(luò)參數(shù)和系統(tǒng)參數(shù)，定義算法參數(shù)；
[0033]網(wǎng)絡(luò)參數(shù)包括風(fēng)力發(fā)電系統(tǒng)靜態(tài)潮流約束、節(jié)點(diǎn)電壓約束、電源出力約束、儲(chǔ)能裝置容量約束、線路傳輸容量約束；系統(tǒng)參數(shù)為儲(chǔ)能裝置的投資成本，風(fēng)力發(fā)電系統(tǒng)的運(yùn)行成本(由風(fēng)電場給定)；算法參數(shù)包括最大遺傳代數(shù)Gen為N(可自行設(shè)定，推薦N選取50?100)；
[0034]2)對決策變量進(jìn)行編碼:
[0035]本發(fā)明提出的基于遺傳算法的風(fēng)儲(chǔ)容量規(guī)劃算法的決策變量包含儲(chǔ)能裝置的配置地點(diǎn)、配置容量和最大輸入、輸出功率；對儲(chǔ)能裝置配置地點(diǎn)采用格雷碼編碼方式，儲(chǔ)能裝置的