[发明专利]一种基于混沌遗传算法的抽蓄-风电优化运行方法及系统

说明书

本发明提供了一种基于混沌遗传算法的抽蓄‑风电优化运行方法及系统，包括：获取待优化的抽蓄‑风电系统的参数；将所述待优化的抽蓄‑风电系统的参数带入预先构建的抽蓄‑风电系统的优化模型中，采用混沌遗传算法进行求解，得到抽蓄‑风电系统的优化运行方案；其中，所述抽蓄‑风电系统的优化模型是基于所述抽蓄‑风电系统的优化目标建立的目标函数以及为所述目标函数设置的约束条件构建而成。通过将混沌变量引入优化模型，运用混沌遗传算法对抽蓄‑风电系统的优化运行方案进行求解，凭借混沌的遍历性防止算法陷入局部最优，加快收敛速度，提高运算效率，更好的服务于工程实践。

技术领域

本发明涉及电力系统优化运行技术领域，具体涉及一种基于混沌遗传算法的抽蓄-风电优化运行方法及系统。

背景技术

随着风能、太阳能等可再生清洁能源的快速发展，风电的间歇性、随机性、波动性等特点给电网安全稳定运行和能源消纳带来巨大挑战。储能技术是提高风电场电网系统运行安全性和稳定性的有效手段，因此，为风力发电单元配置合适的储能系统迫在眉睫。抽水蓄能电站是目前应用最广泛的大容量储能技术，被誉为“碳中和”的调节器和新型电力系统的“超级充电宝”，优化风电和抽水蓄能的联合运行策略不仅能够提高新能源消纳能力，减少弃风，而且有助于增强电力系统稳定性，改善电能质量。故对风电和抽水蓄能的联合优化运行进行详细的研究显得极为重要。

目前在抽水蓄能与风电联合运行的短期优化运行方法方面，存在容易陷入局部最优、收敛速度慢的缺陷。

发明内容

为了解决现有技术在抽水蓄能与风电联合运行的短期优化运行方法方面存在的容易陷入局部最优、收敛速度慢的缺陷的问题，本发明提出了一种基于混沌遗传算法的抽蓄-风电优化运行方法，包括：

获取待优化的抽蓄-风电系统的参数；

将所述待优化的抽蓄-风电系统的参数带入预先构建的抽蓄-风电系统的优化模型中，采用混沌遗传算法进行求解，得到抽蓄-风电系统的优化运行方案；

其中，所述抽蓄-风电系统的优化模型是以抽蓄-风电联合系统效益最大为所述抽蓄-风电系统的优化目标建立的目标函数以及为所述目标函数设置的约束条件构建而成。

优选的，所述将所述待优化的抽蓄-风电系统的参数带入预先构建的抽蓄-风电系统的优化模型中，采用混沌遗传算法进行求解，得到抽蓄-风电系统的优化运行方案，包括：

以风电直接并网功率、抽水蓄能电站的抽水功率和抽水蓄能电站的发电功率作为所述优化变量，以所述优化变量作为个体构建种群；

通过混沌算法生成所述种群的混沌序列，通过所述优化变量与所述混沌序列的混沌变量的关系式将所述优化变量引入到所述混沌序列中，获得初始种群；

将通过混沌算法生成的初始种群作为遗传算法的初始种群，将所述待优化的抽蓄-风电系统的参数输入所述抽蓄-风电系统的优化模型中，计算所述个体的适应度值，并运用遗传算法对所述种群进行选择、交叉、变异，获得最优个体；

由所述最优个体对应的优化变量作为抽蓄-风电系统的优化运行方案。

优选的，所述通过混沌算法生成所述种群的混沌序列，包括：以所述优化变量在各个时段内的出力为维度，给定所述混沌变量的初值，运用混沌算法对所述混沌变量进行迭代，得到所述混沌序列。

优选的，所述混沌算法的表达式如下式所示：

其中，λ表示控制参数，表示t时刻的混沌变量的值，表示t+1时刻的混沌变量的值，

优选的，所述优化变量与所述混沌变量之间的关系式包括：

其中，X表示初始种群，表示t时刻的混沌变量的值，up表示优化变量的取值上限，down表示优化变量的取值下限。