一种消纳风光的混合储能容量优化配置方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115986794A(43)申请公布日2023.04.18(21)申请号202310039946.8H02J7/34(2006.01)(22)申请日2023.01.12H02J3/38(2006.01)H02J3/24(2006.01)(71)申请人内蒙古电力（集团）有限责任公司G06F30/20(2020.01)地址010090内蒙古自治区呼和浩特市赛G06F18/2321(2023.01)罕区前达门路9号G06N3/006(2023.01)申请人内蒙古电力（集团）有限责任公司内G06F111/04(2020.01)蒙古电力经济技术研究院分公司G06F111/06(2020.01)(72)发明人呼斯乐郭向伟于源蔡文斌王渊吕海霞杨家强曹林锋赵禹灿高源(74)专利代理机构杭州求是专利事务所有限公司33200专利代理师郑海峰(51)Int.Cl.H02J3/32(2006.01)权利要求书2页说明书7页附图3页(54)发明名称一种消纳风光的混合储能容量优化配置方法(57)摘要本发明公开了一种消纳风光的混合储能容量优化配置方法，属于新能源储能配置技术领域。该方法首先将风力、光伏以及负荷历史数据进行密度聚类，并选取密度最大的数据点作为聚类中心，得到典型日风光出力曲线和负荷曲线，其次将风光出力曲线和负荷曲线做差得到净负荷曲线，并采用变分模态分解将净负荷曲线分解，并确定分频曲线，将分解后的曲线分为低频分量和高频分量，由锂电池消纳低频分量，超级电容消纳高频分量和残差；综合考虑混合储能系统的荷电状态约束、充放电功率约束、功率波动约束构建混合储能优化配置模型；采用引入遗传算子的粒子群算法对所述混合储能优化配置模型进行求解，得到混合储能容量优化配置方案。CN115986794ACN115986794A权利要求书1/2页1.一种消纳风光的混合储能容量优化配置方法，其特征在于，包括如下步骤；首先将风力、光伏以及负荷历史数据进行密度聚类，并选取密度最大的数据点作为聚类中心，得到典型风光出力曲线和负荷曲线；其次将典型风光出力曲线和负荷曲线做差得到净负荷曲线，并采用变分经验模态分解法将净负荷曲线分解为锂电池平抑的低频分量和超级电容平抑的高频分量；构建基于锂电池和超级电容的混合储能容量优化配置模型，采用引入遗传算子的粒子群算法对所述混合储能容量优化配置模型进行求解，得到混合储能容量优化配置方案。2.根据权利要求1所述的一种消纳风光的混合储能容量优化配置方法，其特征在于，所述的典型风光出力曲线和负荷曲线的获取方法为：获取风力、光伏以及负荷历史数据；利用密度聚类算法分别对风力、光伏以及负荷历史数据生成聚类簇，计算簇中各数据间的距离值：式中，xi,n为簇中第i个数据的第n维变量，xj,n为簇中第j个数据的第n维变量，dij为簇中第i个数据与第j个数据之间的距离；对簇中各数据点之间的距离做升序排列，选取在c％位置处的距离值作为截断距离Dc，定义簇中某数据点到其他点的距离小于截断距离Dc的个数作为该数据点的密度值，遍历簇中各数据点，选取簇中密度值最大的数据点作为该簇中心点，将各簇中心点作为典型场景输出。3.根据权利要求2所述的一种消纳风光的混合储能容量优化配置方法，其特征在于，在所述的风力、光伏以及负荷历史数据中分别选择任一典型场景用于计算净负荷曲线。4.根据权利要求1所述的一种消纳风光的混合储能容量优化配置方法，其特征在于，所述的采用变分经验模态分解法将净负荷曲线分解为锂电池平抑的低频分量和超级电容平抑的高频分量，具体为：首先对净负荷曲线进行变分经验模态分解，得到频率曲线IMF和残余分量，公式如下：式中，Pn(t)为净负荷曲线，imfi(t)为净负荷曲线的第i阶固有模态分量，l(t)为残余分量，N为阶数；再从频率最低的IMF曲线开始计算imfi(t)最大值与imfi+1(t)最小值之间的差值：max(imfi(t))‑min(imfi+1(t))；选取差值最小时对应的IMF曲线imfi(t)作为分频曲线，低于分频曲线的分量由锂电池进行消纳，高于分频曲线的分量和残余分量由超级电容进行消纳。5.根据权利要求1所述的一种消纳风光的混合储能容量优化配置方法，其特征在于，所述的混合储能容量优化配置模型以混合储能系统成本为目标函数，约束条件包括荷电状态约束、充放电功率约束和功率波动约束。6.根据权利要求5所述的一种消纳风光的混合储能容量优化配置方法，其特征在于，所述的目标函数如下：minC＝γ1Cinv+γ2Cm‑B1Eb‑B2Ec2CN115986794A权利要求书2/2页式中，C为混合储能系统成本，Eb、Ec分别为锂电池和超级电容的总容量，B1、B2分别为锂电池和超级电容的平抑风光收益系数，Cinv为混合储能的