[发明专利]基于风光互补的混合能源系统优化方法

摘要

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。

主权项

1.一种基于风光互补的混合能源系统优化方法，其特征在于包括以下步骤：步骤一、根据一个时间序列内可得到的负载需求/风速/太阳辐射值的历史数据，再使用ARMA模型通过获得的历史数据对下一时序的负载需求/风速/太阳辐射值进行预测；ARMA(p,q)模型由自回归模型(AR(p))和移动平均数法(MA(q))结合而成：其中，y_t表示预测值，用y_t(1)、y_t(2)和y_t(3)分别表示负载/风速/太阳辐射值的预测值，统一以y_t表示预测值进行数学计算；Φ_i是自回归模型AR的系数，θ_j是移动平均数MA的系数，ε_t‑j是常规的独立分布式随机白噪声过程，该模型给出了在连续时间上任一点的值是先前p点和q白噪声点的线性组合；将过去一年内每个月的预测值数据分为一个个片段；在前一年每小时的时序安排内，ARMA模型的输出值使用评价标准化误差进行评价化与比例化处理；由式(1)计算出每小时负载/风速/太阳辐射值，为下式：S_t＝μ_t+σ_ty_t     (2)其中，μ_t、σ_t分别表示每小时预测值的平均值和标准误差；在已知某年数据的基础上，通过前一年数据和ARMA模型进行预测后与真实数据进行对比，选出绝对百分比误差最小的p，q参数，得到关于负载、风速和太阳辐射的ARMA模型；步骤二、ARMA可靠性概率评估，包括以下子步骤：2.1)风力涡轮机的初始状态假设为启动；2.2)在风力涡轮机的一个状态周期内进行采样，状态周期的采样值由下式给出：其中D、R分别表示周期和[0,1]区间内的一个随机数，γ表示基于现状态下的中断率；2.3)由ARMA负载模型给出负载需求样本；2.4)在一个时间序列中重复步骤2.2)和2.3)，采样结果按时间进行排序；2.5)整个工作时序中所提供能量的中断功率需求的累计值被定义为计算稳定性指标EENS并计算此值；步骤三、列出目标函数：其中，C_ES为储能系统的成本，C_PV为光伏板的安装、维护成本，C_wt为风力涡轮机的安装、维护成本；C_ES＝p_bat×Q_bat+(λ_bat×p_bat+m_bat)×Q_batC_wt＝IC×P_r+(IC×λ_wt+m_wt)×P_rC_PV＝ICC×P_pv+(ICC×λ_PV+m_PV)×P_pv其中，p_bat、Q_bat、λ_bat、m_bat分别表示电池的单位价格、电池容量、电池的折现率、电池维护成本；IC、ICC表示风力涡轮机和光伏板的安装成本，λ_wt、λ_PV表示风力涡轮机和光伏板的折现率，m_wt、m_PV表示风力涡轮机和光伏板的维护成本，P_r、P_pv表示风力涡轮机和光伏板的额定功率；步骤四、根据列出的目标函数，限定各变量的约束条件，包括储能约束和稳定性约束条件；电池的充放电过程约束条件如下：若则若则对储能约束提供负载进行管理，分为以下几个子步骤：4.1)若风能、太阳能所提供的功率未能满足负载需求水平，同时电池内的储能几乎为零，则要采用负载转移策略；4.2)转移负载被传递到下一个时间区间；4.3)若在负载转移之后仍不能满足功率平衡，则再负载需求在一个特定的功率水平下被打断；4.4)重复子步骤4.1‑4.3，并对式(4)重新计算，直至达到功率平衡；稳定性指标EENS通过下式计算：其中，ENS表示未使用能量，N表示样本数；据此给出下述稳定性约束：EENS≤EENS_max       (6)步骤五、在给出了目标函数和约束条件之后，运用自适应进化策略进行对风速、太阳辐射和负载需求由ARMA模型所得的预测值进行初始化，然后再运用Fischer‑Burmeister优化方法进行求解式(3)关于成本的目标函数，从而得到混合能源系统中光伏模块、风力涡轮机和电池组的最优容量使整个系统的成本最低。