[发明专利]基于风光互补的混合能源系统优化方法

说明书

本发明披露一种基于风光互补的混合能源系统在随机模型下的优化方法。参考历史数据建立ARMA模型，其相比于传统数学模型更加准确；引入稳定性指标EENS，使得整体模型的稳定性加以改善；Fischer‑Burmeister优化方法结合SAES一起使用，在突变产生的后代个体中，具有高适应度的个体会被限定在Fischer‑Burmeister优化方法所规定的约束范围之内，相比于传统方法，能够在全局内求得最优结果，避免了局部最优的情况，同时计算量也大大减少，使得优化过程的速度得到增加。

技术领域

本发明涉及清洁能源混合系统，具体涉及一种基于风光互补的混合能源系统在随机模型下的优化方法。

背景技术

在偏远地区，通过远距离输电线进行供电是比较困难且经济效益较差的，而这些地区又缺乏电站，若选择电网连接，其高昂的成本及复杂的地形也是一大难题，所以这就迫使人们寻求其他的方法来解决这个问题。基于可再生能源的独立混合能源系统就成为了可满足这些需求的可行方案。

可再生能源中，风能和太阳能在偏远地区是较为丰富的，使用风能/太阳能可以减少燃料成本及传统电网一部分的运行、维护成本。但所能节省的资本成本取决于风能/太阳能的可安装容量，同时风能/太阳能其本身的不稳定性是混合能源系统的主要缺点。通常，使用电池组作为辅助能源以提高系统的稳定性，不过功率平衡问题对由间歇性发电装置供能的独立电网来说仍是一个难题。在独立电网中需要安排更大容量的储能设备以保证足够的安全性及稳定性，不过大容量储能设备也会导致投资和运行成本的增加，所以找到一个合适的容量使系统在稳定性和成本之间达到相对平衡的状态就成为了需要解决的关键问题。

发明内容

针对上述现状与相关技术存在的问题，本发明对此提出了一种基于风光互补的混合能源系统设计优化方法。根据所设计的混合能源系统结构框图，提出了通过风速、太阳辐射值和负载需求的历史数据建立随机数学模型，给出目标函数及约束条件，最后利用智能优化算法对函数进行求解，得出风/光/储能系统的最优容量。在本发明中使用ARMA模型代表风速、太阳辐射值和负载需求的不确定性，用连续蒙特卡洛仿真(SMCS)模型按时间序列表示系统的状态，其后列出目标函数使得混合能源系统的一次性投资成本和运行维护成本最低，同时将稳定性指标EENS也作为约束条件。本发明的创新点主要可总结为以下两点：1)提出了一种基于自适应进化策略结合Fischer–Burmeister算法的优化方案；2)研究在不同的稳定性/负载转移水平下储能单元参数对系统投资成本的影响，从而让决策者可以在满足负载需求的前提下灵活的选择合适的安装容量，同时保持一个较低的投资成本。

为了实现上述目的，首先要建立随机模型并且对其可靠性概率进行评估。ARMA模型是由自回归模型(AR(p))和移动平均数法(MA(q))结合而成，该模型可通过负载、风速和太阳辐射值的历史数据来预估负载需求、风速和太阳辐射值。混合能源系统的不确定性主要包括负载需求的变化、风速的变化、太阳辐射的变化、风力涡轮机和光伏板的设备故障率等问题，可通过计算稳定性指标EENS对其可靠性概率进行评估。

目标函数的设定是为了使在混合能源系统的整个运行周期中风/光/储能系统的一次性投资成本和可变成本最低化。这些成本主要包括电池、风力涡轮机和光伏板的安装及维护成本、柴油机的燃料消耗成本。

对之前建立的关于成本的目标函数可使用自适应进化策略(SAES)进行求解。该方法在种群中随机选取一个父代，通过突变产生子代，在这些子代中选取最优的个体重复突变选择过程，直到达到迭代次数，产生最优结果。但SAES的突变机制未将方案的可行性考虑在内，因此不具有可行性的后代会频繁出现，此外，计算量方面的负担也会很高，这是因为SAES的搜索容量取决于种群规模。故该算法可能会陷入局部最优的状态。为了克服这些缺点，本发明采用Fischer-Burmeister优化方法结合SAES对该目标函数进行求解。