一种风光联合发电系统储能容量配置优化方法.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CN114301089A(43)申请公布日2022.04.08(21)申请号202111550568.7H02J3/32(2006.01)(22)申请日2021.12.17G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人国核电力规划设计研究院有限公司G06Q30/02(2012.01)地址100000北京市海淀区地锦路6号院3号楼申请人华北电力大学(72)发明人葛小宁石雨鑫雷娜李文波李谦贾梧桐李凯刘春明王俊旺宣阳张虹袁詹泽群闫方王淼陶东利(74)专利代理机构南京创略知识产权代理事务所(普通合伙)32358代理人刘文艳(51)Int.Cl.H02J3/38(2006.01)权利要求书4页说明书9页附图4页(54)发明名称一种风光联合发电系统储能容量配置优化方法(57)摘要本发明公开了一种风光联合发电系统储能容量配置优化方法，首先获取目标区域的历史样本数据，再基于历史样本数据利用生成对抗网络无监督学习历史样本数据的特征并生成新样本数据，接着根据新样本数据建立储能容量配置优化模型，并基于建立的储能容量配置优化模型，再通过内层模型求得源储系统的最大净利润，随后内层模型通过优化储能充放电功率以源储系统的最大净利润为目标函数并得到储能系统充放电曲线；本发明能够根据历史数据生成对抗网络对风光出力采样数据进行扩充，并在此基础上进行生产模拟，且兼顾技术特性和经济特性，还实现了储能容量的优化配置，能够有效的辅助电网企业经济和配置储能资源，降低了成本费用。CN114301089ACN114301089A权利要求书1/4页1.一种风光联合发电系统储能容量配置优化方法，其特征在于：包括以下步骤，步骤(A)，获取目标区域的历史样本数据；步骤(B)，基于历史样本数据，利用生成对抗网络无监督学习历史样本数据的特征并生成新样本数据；步骤(C)，根据新样本数据建立储能容量配置优化模型；步骤(D)，基于建立的储能容量配置优化模型，再通过内层模型求得源储系统的最大净利润；步骤(E)，内层模型通过优化储能充放电功率以源储系统的最大净利润为目标函数并得到储能系统充放电曲线，再得到投资回报率；步骤(F)，基于内层模型优化的储能系统充放电曲线，评估决策变量下储能功率和容量的储能系统寿命年限，并得到最大投资回报率下配置的储能容量；步骤(G)，建立基于三层决策部署的储能容量配置模型；步骤(H)，根据储能容量配置模型计算得到多时段储能系统功率容量，完成对系统储能容量配置的优化。2.根据权利要求1所述的一种风光联合发电系统储能容量配置优化方法，其特征在于：步骤(A)，获取目标区域的历史样本数据，其中历史样本数据包括风光出力数据、负荷功率和风光装机容量。3.根据权利要求1所述的一种风光联合发电系统储能容量配置优化方法，其特征在于：步骤(B)，基于历史样本数据，利用生产对抗网络无监督学习历史样本数据的特征并生成新样本数据，其中利用生成对抗网络无监督学习历史样本数据的特征的生成过程是利用GAN，且GAN是由一个生成器和一个判别器构成，而生成器和判别器是结构对称的卷积神经网络；新样本数据包括光伏装机容量、风电装机容量、最大负荷、联络线最大功率限制和反送电功率限制。4.根据权利要求1所述的一种风光联合发电系统储能容量配置优化方法，其特征在于：步骤(C)，根据风光出力信息建立储能容量配置优化模型，其中建立的过程中储能装置电池的健康状态具有影响，如公式(1)所示，其中，NPV表示源储系统净利润，i0为预期的收益率，Ij(n)表示第n年源储系统的第j项收益，Ck(n)表示第n年源储系统的第k项成本。5.根据权利要求4所述的一种风光联合发电系统储能容量配置优化方法，其特征在于：步骤(D)，基于建立的储能容量配置优化模型，再通过内层模型求得源储系统的最大净利润，其中储能容量配置优化模型即内层模型，而源储系统的收益项目包括储能系统低储高放运行利润、储能系统运营补贴、储能系统售电利润、延缓联络线升级改造带来的利润和碳减排利润，且源储系统的成本项目包括一次性投资成本、运维成本、电池更换成本和惩罚成本，求得源储系统的最大净利润具体步骤如下，步骤(D1)，求得储能系统低储高放运行利润，根据风光联合系统的功率输出状态、负荷2CN114301089A权利要求书2/4页功率需求和电网分时电价，再配置储能系统后从时间上对风电、光电和负荷进行调节，因此根据分时电价降低系统电费成本的储能系统低储高放运行利润如公式(2)所示，其中，Nday表示年计数天数，ρ1(t)表示t时刻峰谷分时电价，PLoad(t)表示未配置储能容量时系统的负荷功率需求，P'Load(t)表示配置储能容量后系统的负荷功率需求；步骤(D2)，求得储