公开/公告号CN112290596B
专利类型发明专利
公开/公告日2022-08-09
原文格式PDF
申请/专利权人 合肥工业大学;中国电力科学研究院有限公司;
申请/专利号CN202011262750.8
申请日2020-11-12
分类号H02J3/38(2006.01);H02J3/32(2006.01);H02J7/34(2006.01);
代理机构安徽省合肥新安专利代理有限责任公司 34101;安徽省合肥新安专利代理有限责任公司 34101;
代理人陆丽莉;何梅生
地址 230009 安徽省合肥市包河区屯溪路193号
入库时间 2022-09-06 00:41:19
法律状态公告日
法律状态信息
法律状态
2022-08-09
授权
发明专利权授予
技术领域
本发明涉及一种基于Haar小波的风电场混合储能配置自适应双层优化方法,属于电气工程技术领域。
背景技术
近几十年来,由于能源危机和环境污染等问题,诸如风电等可再生能源得到广泛应用。然而风电出力具有间歇性和波动性等特点,对电力系统安全和稳定运行造成了严重影响。在风电场侧配置储能是平抑风电波动、提高电网接纳风电能力的有效手段,能保证电力系统的安全稳定运行。
风电场中,常用的电能存储设备有蓄电池和超级电容等。蓄电池储能具有能量密度大、储存能力强等优点,但同时也存在循环使用寿命短、功率密度小、成本高等问题,在实际应用中一般不进行频繁的充放电转换;而超级电容储能具有循环使用寿命长、功率密度大等优势,但其能量密度较小、存储能力较弱。因此,蓄电池和超级电容可以优势互补,形成混合储能,广泛应用于风电场的风电功率波动平抑。
将用于风电功率波动平抑的混合储能功率指令序列合理的分配给蓄电池和超级电容是风电场的一项重要任务,是进行混合储能配置的关键。在分配蓄电池和超级电容所承担的功率指令序列时,传统方法首先利用诸如小波变换、傅里叶变换等方法对混合储能功率指令序列进行分解;然后,或根据各类储能设备的不同响应频率划分出频率分界点,或根据蓄电池的充放电限制次数来分配混合储能功率指令。
这种方法存在以下不足:首先,在对混合储能功率指令序列进行分解时,选择不同的基函数对信号进行分解,得到的分解结果是不同的。传统方法常使用db6小波函数、正弦波函数等函数作为基函数,无法做到基函数特征与储能的充放电特征相匹配。其次,频率分界点和蓄电池充放电限制次数的制定尚缺乏足够的理论依据。最后,传统方法不具有自适应分配蓄电池、超级电容功率指令序列的能力,不能充分发挥蓄电池和超级电容的组合优势,不利于延长储能寿命。综上所述,传统的储能配置方法因上述原因会导致储能配置成本过高、蓄电池使用寿命减少且超级电容的优势没有得到充分利用。
发明内容
本发明为了解决上述现有技术存在的不足之处,提出一种基于Haar小波的风电场混合储能配置自适应双层优化方法,以期能充分发挥蓄电池和超级电容的组合优势进行自适应的分配蓄电池、超级电容功率指令序列,并且更加有效、合理的利用混合储能功率指令序列充放电特征进行混合储能功率指令序列分配,从而得到成本更低、蓄电池寿命更长的混合储能配置方案,从而减小风电波动对电网的影响、提高电网接纳风电能力。
本发明为解决技术问题采用如下技术方案:
本发明一种基于Haar小波的混合储能配置自适应双层优化方法的特点是按照如下步骤进行:
步骤1.获取用于某风电场风电功率平抑的混合储能功率指令序列{P
步骤2.建立混合储能配置的上层优化模型;
步骤2.1.利用式(1)构建混合储能配置上层优化模型的目标函数f
f
式(1)中,f
利用式(2)得到蓄电池的投资及运维总成本C
式(2)中,C
利用式(3)得到蓄电池的使用寿命Y
式(3)中,D
利用式(4)得到超级电容的投资及运维总成本C
式(4)中,C
步骤2.2.利用式(5)构建上层优化模型中t时刻蓄电池、超级电容的剩余容量不等式约束:
式(5)中,α
步骤2.3.利用式(6)构建上层优化模型中t时刻蓄电池、超级电容的充放电功率约束:
式(6)中,η
步骤3.建立混合储能配置的下层优化模型;
步骤3.1.利用式(7)构建混合储能配置下层优化模型的目标函数f
式(7)中,f
步骤3.2.利用式(8)表示t时刻蓄电池功率指令P
P
式(8)中,P
步骤3.3.利用式(9)、式(10)分别构建相邻时刻间蓄电池、超级电容的剩余电量等式约束:
式(9)、式(10)中,E
步骤3.4.利用式(5)构建下层优化模型中t时刻蓄电池、超级电容的剩余容量不等式约束;利用式(6)构建下层优化模型中t时刻蓄电池、超级电容的充放电功率约束;
步骤4.对混合储能功率指令序列{P
步骤5.将低频蓄电池功率指令序列的初始值
步骤6.将第k-1次迭代的蓄电池配置的功率及容量
步骤7.将第k次迭代的低频蓄电池功率指令序列
步骤8.以混合储能配置双层优化模型最终的结果实现对混合储能配置的自适应双层优化,所述混合储能配置双层优化模型最终的结果包括:最小年综合成本f
本发明所述的基于Haar小波的混合储能配置自适应双层优化方法的特点也在于,所述步骤6中的基于Haar小波的启发式算法是按如下步骤进行:
步骤6.1.将第k-1次迭代的低频蓄电池功率指令序列
步骤6.2.利用式(11)得到第k-1次迭代的蓄电池再分解高频功率指令序列
式(11)中,Floor符号表示向下取整;
步骤6.3.利用式(12)得到第k-1次迭代的蓄电池再分解高频功率指令序列
式(12)中,n的取值集合为{1,2,…,N};
步骤6.4.令n=1,f
步骤6.5.将第n个Haar小波形式的分量序列
步骤6.6.将用于约束判断的低频蓄电池、高频超级电容功率指令序列{P′
步骤6.7.将用于约束判断的低频蓄电池、高频超级电容功率指令序列{P′
步骤6.8.将用于约束判断的低频蓄电池功率指令序列{P′
步骤6.9.从t=2
步骤6.10.n+1赋值给n,若n≤N,则执行步骤6.5;否则,表示得到第k次迭代的最长蓄电池使用寿命f
与已有技术相比,本发明有益效果体现在:
1.本发明采用Haar小波对混合储能功率指令序列进行频段分解,Harr小波基函数的特征与储能的充放电特征相匹配,相较于db6小波函数、正弦波函数等基函数有明显优势。Haar小波基函数是对称的矩形波,其线性组合与储能功率指令序列的阶梯波形状相同,可以用来模拟储能的完整充放电过程,从而达到了延长蓄电池使用寿命的目的。
2.本发明不依赖于频率分点和蓄电池充放电限制次数的划分,能够根据混合储能功率指令自适应的进行功率指令分配。根据步骤2、3中所建立混合储能配置双层优化模型,并采用步骤4到步骤7所示算法对该模型进行求解,得到优化的蓄电池和超级电容功率指令序列,在优化储能配置成本的同时达到延长蓄电池使用寿命的目的。
3.本发明通过基于Harr小波的自适应分解算法,将频繁的充放电操作最大可能的交由超级电容来承担,从而降低了蓄电池的充放电次数,能有效延长蓄电池的使用寿命并最大限度的发挥超级电容的优势(功率密度大,且其寿命几乎不受充放电次数的影响)。
综上所述,本发明能有效延长蓄电池的使用寿命,充分发挥蓄电池和超级电容的组合优势,最终有利于风电功率波动的平抑和风电的消纳。
附图说明
图1是本发明基于Haar小波的风电场混合储能配置自适应双层优化方法的流程示意图。
图2是本发明中基于Haar小波的启发式算法流程示意图。
具体实施方式
本实施例中,如图1所示,一种基于Haar小波的风电场混合储能配置自适应双层优化方法是通过建立混合储能配置的双层优化模型,并利用粒子群算法和基于Haar小波的启发式算法进行迭代求解,得到成本更低、蓄电池寿命更长的混合储能配置方案,具体的说,是按照如下步骤进行:
步骤1.获取用于某风电场风电功率平抑的混合储能功率指令序列{P
步骤2.建立混合储能配置的上层优化模型;
步骤2.1.利用式(1)构建混合储能配置上层优化模型的目标函数f
f
式(1)中,f
利用式(2)得到蓄电池的投资及运维总成本C
式(2)中,C
利用式(3)得到蓄电池的使用寿命Y
式(3)中,D
雨流计数法又可称为“塔顶法”,主要用于工程界,特别在疲劳寿命计算中运用非常广泛;具体方法参照文献:计及电池使用寿命的混合储能系统容量优化模型.中国电机工程学报,2013,33(34):91-97.
利用式(4)得到超级电容的投资及运维总成本C
式(4)中,C
步骤2.2.利用式(5)构建上层优化模型中t时刻蓄电池、超级电容的剩余容量不等式约束:
式(5)中,α
在上层优化模型t时刻蓄电池、超级电容的剩余容量不等式约束式(5)中,蓄电池、超级电容配置的容量E
步骤2.3.利用式(6)构建上层优化模型中t时刻蓄电池、超级电容的充放电功率约束:
式(6)中,η
在上层优化模型t时刻蓄电池、超级电容的充放电功率不等式约束式(6)中,蓄电池配置的功率P
步骤3.建立混合储能配置的下层优化模型;
步骤3.1.利用式(7)构建混合储能配置下层优化模型的目标函数f
式(7)中,f
步骤3.2.利用式(8)表示t时刻蓄电池功率指令P
P
式(8)中,P
步骤3.3.利用式(9)、式(10)分别构建相邻时刻间蓄电池、超级电容的剩余电量等式约束:
式(9)、式(10)中,E
步骤3.4.利用式(5)构建下层优化模型中t时刻蓄电池、超级电容的剩余容量不等式约束;利用式(6)构建下层优化模型中t时刻蓄电池、超级电容的充放电功率约束;
在下层优化模型t时刻蓄电池、超级电容的剩余容量不等式约束式(5)中,t时刻末储能电池、超级电容的剩余容量E
步骤4.对混合储能功率指令序列{P
步骤5.将低频蓄电池功率指令序列的初始值
粒子群算法是1995年Kennedy博士提出的一种基于鸟群运动模型的寻优搜索算法,具体算法可以参考文献:基于动态自适应粒子群算法的非侵入式家居负荷分解方法.电网技术,2018,42(6):1819-1826.
步骤6.将第k-1次迭代的蓄电池配置的功率及容量
步骤6.1.将第k-1次迭代的低频蓄电池功率指令序列
步骤6.2.利用式(11)得到第k-1次迭代的蓄电池再分解高频功率指令序列
式(11)中,Floor符号表示向下取整;
步骤6.3.利用式(12)得到第k-1次迭代的蓄电池再分解高频功率指令序列
式(12)中,n的取值集合为{1,2,…,N};
步骤6.4.令n=1,f
步骤6.5.将第n个Haar小波形式的分量序列
步骤6.6.将用于约束判断的低频蓄电池、高频超级电容功率指令序列{P′
步骤6.7.将用于约束判断的低频蓄电池、高频超级电容功率指令序列{P′
步骤6.8.将用于约束判断的低频蓄电池功率指令序列{P′
步骤6.9.从t=2
步骤6.10.n+1赋值给n,若n≤N,则执行步骤6.5;否则,表示得到第k次迭代的最长蓄电池使用寿命f
步骤7.将第k次迭代的低频蓄电池功率指令序列
步骤8.以混合储能配置双层优化模型最终的结果实现对混合储能配置的自适应双层优化,所述混合储能配置双层优化模型最终的结果包括:最小年综合成本f
机译: 基于自适应窗口滤波和小波阈值优化的水下声学信号去噪的方法
机译: 基于混合束形成的毫米波范围中的毫米波范围通信的数字预编码器的自适应配置
机译: 通过自适应传输小波系数对图像进行小波编码,使用小波系数记录对图像基本网格和位置数据的修改,以将小波系数与部分网格相关联