[发明专利]一种风-光-抽蓄系统联合调度优化方法、存储介质及设备

说明书

本发明公开了一种风‑光‑抽蓄系统联合调度优化方法、存储介质及设备，该联合调度优化方法包括：收集某地区风电场、光伏发电站的最新气象信息，进行归一化后处理后，输入通过凤蝶优化算法改进的ELM模型中，预测出风电场、光伏发电站的新能源出力；通过自适应反向修正算法构建抽水蓄能电站水库的动态模型，收集抽蓄能电站的雨量、温度信息，输入动态模型中，预测蓄水库水位；根据预测的新能源出力、蓄水库水位，构建风‑光‑抽蓄系统联合调度的多目标优化函数，采用智能粒子优化算法对多目标优化函数进行求解，确定最优的联合调度方法。本发明量化了天气条件对新能源出力以及蓄水库水位的影响，提高了新能源预测的准确性以及调度过程中的效率。

技术领域

本发明涉及新能源优化调度领域，具体地，涉及一种风-光-抽蓄系统联合调度优化方法、存储介质及设备。

背景技术

近年来，能源危机和环境问题成为全球的焦点，以风电、光伏为主的可再生能源开始受到广泛关注，在能源电力领域，高比例可再生能源电力接入系统已成为行业发展的重要趋势。考虑到储能系统具有良好的调节性能，将其与风电、光伏联合构成联合发电系统，改善风电出力的随机性与波动性，从而提高电网运行的安全性与稳定性。抽水蓄能电站作为一种重要的储能方式，近年来得到快速发展。随着高比例可再生能源的发展，部分抽水蓄能电站功能定位也逐渐拓展到面向光伏、风电等多品种间歇性能源，通过多能互补的方式，促进可再生能源消纳，并实现高质量电能输出和利用。

然而，由于新能源出力的随机性与波动性，一方面，弃能现象日益严重，仅2017年上半年，全国弃风量达235亿kW·h，弃光量为37亿kW·h；另一方面，变化无常的天气因素使得新能源出力更趋向于不稳定，且影响着抽水蓄能电站的水库水位。因此，有必要在新能源优化调度前对新能源出力进行精准预测，并考虑天气因素对水库水位的影响，在此基础上如何合理地控制风电场、光伏发电场、抽水蓄能电站协调运行，从而实现风/光/抽蓄联合系统的高效运行极为关键。

发明内容

鉴于此，本发明提供了一种风-光-抽蓄系统联合调度优化方法、存储介质及设备，该风-光-抽蓄系统联合调度优化方法能够有效地提高新能源出力预测的精准度，掌握天气条件对蓄水库水位的影响，对环境具有良好的效益。

为实现上述目的，本发明采用如下技术方案：一种风-光-抽蓄系统联合调度优化方法，具体包括如下步骤：

步骤1、收集某地区风电场、光伏发电站的最新气象信息，进行归一化后处理后，输入通过凤蝶优化算法改进的ELM模型中，预测出风电场、光伏发电站的新能源出力；

步骤2、通过自适应反向修正算法构建抽水蓄能电站水库的动态模型，收集抽蓄能电站的雨量、温度信息，输入动态模型中，预测蓄水库水位；

步骤3、根据预测的新能源出力、蓄水库水位，构建以新能源出力约束、抽水蓄能电站机组功率约束、电站水位及其变动约束的风-光-抽蓄系统联合调度的多目标优化函数，采用智能粒子优化算法对多目标优化函数进行求解，确定最优的联合调度方法。

进一步地，步骤1中所述最新气象信息包括：温度、气压、风速、风向、光照强度，所述最新气象信息的归一化处理过程为：

其中，为第类气象信息，为第类归一化的气象信息，为第类气象信息的最大值，为第类气象信息的最小值。

进一步地，步骤1中通过凤蝶优化算法改进ELM模型的具体过程为：

步骤S1、收集某地区风电场、光伏发电站的历史气象信息，对于每一组历史气象信息设置改进ELM模型的初始权值和阈值，将改进ELM模型的初始权值和阈值作为凤蝶个体初始位置，将历史气象信息总数量作为凤蝶群规模N，设置凤蝶优化算法的感官模态c、幂指数a、切换概率d、阀值n_limit、最大迭代次数n_maxiter；