[发明专利]考虑上网电价与遗传算法优化的风储发电控制方法及系统

说明书

技术领域

本发明属于储能系统充放电技术，具体涉及一种考虑上网电价与遗传算法优化的风储发电控制方法及系统，特别涉及考虑运行成本与经济效益的风储系统经济调度与优化控制问题，并着重解决储能系统充放电的控制问题。

背景技术

随着风电技术的不断发展，风电的大规模并网，其出力的波动问题日益严重。由于风电属于可再生能源，其出力的大小受到气候、地形等因素的影响，导致其出力的不确定性，出力的大小不可能一直保持恒定，而且在很多程度上是随时变化，具有很强的波动性和间歇性。风电接入电网后，其波动性和间歇性均会对电网运行的稳定性造成不利影响。因此，在实际运用中，风电的并网受到了很大的限制，不利于风电的发展。电池储能系统具有快速响应进行充放电的能力，能够时时地跟踪风电的出力，因此，对风电配备一定容量的电池储能系统有助于风电爬坡率的抑制，减小风电波动对电网的影响。

对风电出力波动的抑制涉及到风电并网收益的问题。风电场向电网提供电能可获得一定的收益，但电网为了保证其自身稳定安全的运行，会对风电出力的爬坡率有所限制，在风电出力超过并网爬坡率限制的时候，会对风电场进行一定的经济性惩罚，或是完全不允许风电并网，此时就会对风电场自身的运营造成经济上的损失。因此风电场为了保证其所发电量的上网，实现经济效益的最大化，可以通过配备一定容量的电池储能系统，根据风电出力的情况，采用电池储能系统的充放电操作，对爬坡率进行整体优化，以满足电网对风电爬坡率的要求，进而实现风电场售电的经济效益。在实际运用中，电池储能系统是充放电按固定的充放电动作值操作的，因此，电池储能系统充放电操作的优化控制问题是离散化的问题。另外，考虑智能电网以及电力市场的运行环境下，基于上网电价、各种成本与效益等，如何处理大容量储能系统经济调度与优化控制问题也是亟待解决的关键核心问题，但目前相关研究成果较少。

另外，由于抑制风电爬坡率问题涉及多时段电池储能系统离散化的充放电优化问题，属于高维非连续化的问题，传统的优化算法无法解决此类问题，因此本发明中对遗传算法加以改进，以解决该问题。

发明内容

为了克服现有技术的上述缺陷，本发明的目的之一在于提出一种考虑上网电价与遗传算法优化的风储发电控制方法。本发明主要采用改进遗传算法技术，考虑上网电网和运行成本，以电池储能系统的充放电功率值作为基因，对电池储能系统的充放电进行优化，减小了基因，加快了搜索速度，以实现合理运用储能系统，降低风电爬坡率，以实现风储联合发电系统的出力优化控制以及运行效益最大化的目的，具有很大实用价值。

为了实现上述发明目的，本发明的方法是通过下述技术方案实现的：

一种考虑上网电价与遗传算法优化的风储发电控制方法，其包括以下步骤：

A、设置遗传算法的相关参数以及上网电价等参数。

B、根据电池储能系统设定的充放电状态固定值序列，以其为基因，生成遗传算法的初始种群。

C、计算种群中各个个体的适应值。

D、通过轮盘赌的方法确定选择并复制下一代的个体。

E、将步骤D中得到的新个体两两随机配对，并根据交叉概率确定是否进行电池储能系统充放电功率的随机交叉操作，获得新的个体。

F、步骤E中得到的新个体根据变异概率，进行电池储能系统充放电功率的随机变异操作，获得新的个体。

G、根据电池储能系统的荷电状态约束对个体进行调整，使之不越限。

H、判断得到的新种群是否已满足迭代要求，如果满足要求，则迭代停止，否则转到步骤C继续迭代。

I、根据步骤G中获得的种群，找到该种群中的最优个体，计算评价抑制风电爬坡率的目标函数，爬坡率指标，输出电池储能系统的充放电操作结果。

进一步的，步骤A中，设置遗传算法所需的各个参数，包括交叉概率、变异概率、迭代次数，种群大小。

进一步的，步骤B中，根据电池储能系统设定的充放电状态固定值序列，以其作为种群的基因，随机生成遗传算法的种群，其中种群的个体为各时段电池储能系统的充放电功率。

进一步的，步骤C中，对步骤B中获得的个体，按照风储混合系统出力优化的目标函数计算各个个体的函数值，计算各个个体函数值与其中最小函数值的差，并以此作为个体的适应值。

进一步的，步骤D中，计算步骤C中所得到个体适应值的累积概率，并根据轮盘赌方法选择个体并对其进行复制，获得新的种群。