一种基于典型日挖掘的储能辅助调峰容量配置方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112600227A(43)申请公布日2021.04.02(21)申请号202011505097.3(51)Int.Cl.(22)申请日2020.12.18H02J3/28(2006.01)H02J3/38(2006.01)(71)申请人华北电力大学G06Q10/06(2012.01)地址102206北京市昌平区回龙观北农路2G06Q50/06(2012.01)号申请人国网吉林省电力有限公司通化供电公司(72)发明人韩晓娟洪振鹏魏梓轩王祖冉孙冬满晓平王宝健赵晓冰郑喆段凤举王宏星高子宸(74)专利代理机构北京慕达星云知识产权代理事务所(特殊普通合伙)11465代理人符继超权利要求书4页说明书12页附图4页(54)发明名称一种基于典型日挖掘的储能辅助调峰容量配置方法(57)摘要本发明公开了一种基于典型日挖掘的储能辅助调峰容量配置方法，包括从全年电网运行数据中提取风电输出功率数据，并对功率数据进行分类，分析风电输出的反调峰现象；针对典型日的反调峰特点，利用统计分析法挖掘反映反调峰程度的评价指标；将评价指标归一化处理，利用层次分析法确定各评价指标的权重；利用基于理想点的多目标优化算法将评价指标的最优解转换为到理想点的最短距离，并转换成表征总体状态最优的适应度值；建立基于典型日挖掘的储能辅助调峰容量优化配置模型，利用人工蜂群算法对模型进行求解；针对不同适应度值下的储能容量配置结果进行敏感度分析。本发明有效地解决了由于典型日选取不同，导致储能容量配置过大或过小等问题。CN112600227ACN112600227A权利要求书1/4页1.一种基于典型日挖掘的储能辅助调峰容量配置方法，其特征在于，包括：步骤1：从全年电网运行数据中获取风电输出功率数据Pwi(t)(i＝1,2,…,365；t＝1,2,…,24)，并对所述功率数据进行分类，选取具有反调峰特征的风电输出典型日；步骤2：针对所选取的典型日，利用统计分析法挖掘反映反调峰程度的评价指标，包括峰谷差变化率、最大互信息系数和弃风率；步骤3：将上述评价指标进行归一化处理，利用层次分析法确定各评价指标的权重；步骤4：利用基于理想点的多目标优化算法将上述评价指标的最优解转换为到理想点的欧式距离β1、β2，通过计算得到表征反调峰程度的适应度值α，实现了具有反调峰特征的典型日的挖掘；步骤5：以系统的净收益最大为目标，建立基于典型日挖掘的储能辅助调峰容量优化配置模型，利用人工蜂群算法对模型进行求解；步骤6：针对不同适应度值α下的储能容量配置结果进行敏感度分析。2.根据权利要求1所述的一种基于典型日挖掘的储能辅助调峰容量配置方法，其特征在于，所述步骤2中，三个评价指标计算公式如下：(1)峰谷差变化率F：F＝Fw‑Fr其中，Fw是风电调峰率；D是负荷的峰谷差；Ma是日最大用电负荷；Fr是电网调峰率；H是净负荷的峰谷差；Mb是净负荷的最大值；(2)最大互信息系数：其中，变量x与变量y分别代表了风电出力与系统负荷需求；I(X，Y)是变量x与变量y之间的互信息，表示变量x随着变量y变化而减少的不确定性；p(X，Y)量x和变量y的联合概率密度分布函数；MIC(X，Y)是x与变量y的最大互信息系数，取值范围是[‑1,1]，MIC的绝对值越接近于1表示两个变量之间的相关程度越密切；(3)弃风率：2CN112600227A权利要求书2/4页其中，Ewind指风电场实际的发电电量；Eadmit表示网能够接纳的风电电量。3.根据权利要求1所述的一种基于典型日挖掘的储能辅助调峰容量配置方法，其特征在于，所述步骤3包括：①评价指标的归一化处理：若对于第i个个体，第j个指标越高越好，则采用下式：若对于第i个个体，第j个指标越低越好，则采用下式：其中，Xij、Xstandard_ij分别代表各指标归一化前后的结果；②根据层次分析法确定评价指标的权值过程：步骤31：构建各评价指标相对于评价标准的判断矩阵；步骤32：计算得到各判断矩阵的特征值、特征向量以及特征向量对应的最大特征值；步骤33：基于最大特征值进行特征向量的一致性检验；步骤34：计算各评价指标的权重。4.根据权利要求1所述的一种基于典型日挖掘的储能辅助调峰容量配置方法，其特征在于，所述步骤4中，基于理想点的多目标优化算法如下：步骤41：计算基于评价指标权重的标准化矩阵，并基于所述标准化矩阵得到反调峰上+‑下限边界对应的坐标点S＝(x0，y0，z0)和S＝(x1，y1，z1)；步骤42：计算得到每个点对应的欧氏距离β1、β2；其中，(x，y，z)是目标点坐标；N1、N2、N3是各评价指标的权重值；步骤43：通过欧式距离β1、β2计算得到表征反调峰程度的适应度值α：5.根据权利要求1所述的一种基于典型日