[发明专利]基于食肉植物算法的混合储能容量配置优化方法及装置

说明书

本发明公开一种基于食肉植物算法的混合储能容量配置优化方法及装置，其中方法包括：在混合储能系统寿命周期的不同阶段，基于混合储能容量配置的目标约束条件，确定混合储能总成本优化目标函数；随机生成第一预设规模的初始种群；通过多次迭代模拟食肉植物和猎物的分类分组、生长、繁殖过程，直到多次迭代次数达到最大迭代次数为止，输出储能容量配置参数的当前最优解，以使混合储能总成本最优。本发明采用食肉植物算法（CPA），基于混合储能容量配置的目标约束条件，以总成本最低为优化对象的目标函数进行优化。最终本发明不仅可以提高全局寻优能力，而且也可以解决易于陷入局部最优、收敛速度慢、搜索精度差的问题，有效降低混合储能成本。

技术领域

本发明涉及新能源电力系统领域，具体涉及一种基于食肉植物算法的混合储能容量配置优化方法及装置。

背景技术

储能技术的引入，为提高间歇式能源发电并网应用提供了便捷有效的途径。储能系统装置的功率双向能力，可以平滑间歇性电源功率输出波动，可以跟踪调度计划出力、缩减间歇性电源预测功率误差，可以借“削峰填谷”方式降低间歇式能源丢弃率。而合理的配置储能系统容量是新能源发电系统经济可靠运行的重要保障。

在新能源风光并网系统中配置储能时，不仅要在平抑出力策略方面提出稳定可靠的控制方法，也要合理配置储能系统功率和能量等级，在辅助风光出力安全稳定并网的同时尽量降低系统成本。

相关技术中，储能容量配置优化方法主要基于优化目标建模和优化模型求解两个方面展开，采用各种智能算法配置模型的求解，如普遍应用遗传算法和粒子群算法等，遗传算法虽然计算简单，但是运行时间长，存在交叉变异，收敛速度慢以及高纬度难收敛的缺点，导致求解出的最优容量配置结果容易在一定范围内陷入局部最优的问题；而粒子群算法虽然需要调整的参数较少，结构简单，易于工程实现，但是缺乏速度动态调节，仍会导致求解出的最优容量配置结果容易在一定范围内陷入局部最优的问题。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的各种智能算法求解解出的最优容量配置结果容易在一定范围内陷入局部最优的问题，从而提供一种基于食肉植物算法的混合储能容量配置优化方法及装置。

根据第一方面，本发明实施例提供一种基于食肉植物算法的混合储能容量配置优化方法，包括如下步骤：

在混合储能系统寿命周期的不同阶段，基于混合储能容量配置的目标约束条件，确定混合储能总成本优化目标函数；

初始化处理混合储能系统的储能容量配置参数；

确定食肉植物算法中初始种群的组内迭代次数、最大迭代次数、吸引率、生长率、繁殖率、食肉植物数量和猎物数量，并随机生成第一预设规模的初始种群；

根据所述混合储能总成本优化目标函数，计算并存储所述初始种群中每个个体的第一适应度值；

通过多次迭代模拟食肉植物和猎物的分类分组、生长、繁殖过程，直到多次迭代次数达到所述最大迭代次数为止，输出所述储能容量配置参数对应的当前最优解，以使混合储能总成本最优；其中，所述当前最优解是重新组合生成第二预设规模的当前种群中每个个体的第二适应度值为排序第一的食肉植物个体。

在第一方面的一种实施方式中，所述混合储能总成本优化目标函数通过如下公式表达：

；

其中，f为所述混合储能总成本优化目标函数，为一次性投资成本，为维护成本，为更换成本，为处置成本，为环境成本，N为投入使用时间。

在第一方面的另一种实施方式中，所述配置混合储能容量配置的目标约束条件通过如下公式执行：

；