一種風(fēng)光互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配置方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種風(fēng)光互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配置方法。
【背景技術(shù)】
[0002] 風(fēng)光互補(bǔ)發(fā)電系統(tǒng)是解決常規(guī)電網(wǎng)不能到達(dá)的偏遠(yuǎn)地區(qū)進(jìn)行電力供應(yīng)的一種手 段。由于風(fēng)光互補(bǔ)發(fā)電系統(tǒng)沒有大電網(wǎng)作為備用容量的支持，風(fēng)速與光照的隨機(jī)波動會影 響系統(tǒng)的可靠運(yùn)行。如果采用較大的儲能備用容量來滿足供電可靠性，將增加風(fēng)光互補(bǔ)發(fā) 電系統(tǒng)建設(shè)成本和維修成本。風(fēng)能和太陽能發(fā)電具有互補(bǔ)性，進(jìn)行風(fēng)光互補(bǔ)發(fā)電系統(tǒng)的合 理配置可以滿足負(fù)載供電需求、提高供電可靠性，同時降低發(fā)電成本，進(jìn)而更好地實(shí)現(xiàn)風(fēng)光 互補(bǔ)發(fā)電系統(tǒng)的優(yōu)化運(yùn)行。
[0003] 風(fēng)光互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配置中，合理的優(yōu)化配置模型與求解方法影響結(jié)果的準(zhǔn)確 性。在現(xiàn)有的研究中，將風(fēng)速、光強(qiáng)在評估時間段內(nèi)作為不變量處理，沒有考慮風(fēng)速光照之 間的相關(guān)性，建模難度降低但引入了較大的誤差。在采用概率密度函數(shù)描述風(fēng)力發(fā)電及光 伏發(fā)電的統(tǒng)計(jì)特性模型時，風(fēng)速和光照的概率密度函數(shù)影響著風(fēng)力發(fā)電和光伏發(fā)電功率預(yù) 測的準(zhǔn)確度。目前對風(fēng)速和光照強(qiáng)度概率分布的描述沒有統(tǒng)一形式，風(fēng)速常用威布爾分布、 伽馬分布、對數(shù)正態(tài)分布等描述；光照強(qiáng)度常用貝塔分布描述。實(shí)際上風(fēng)速與光照強(qiáng)度的概 率分布有差別，威布爾分布主要描述年平均風(fēng)速的情況?，F(xiàn)有文獻(xiàn)將風(fēng)電、光伏發(fā)電兩者的 出力按服從獨(dú)立分布處理，用頻率統(tǒng)計(jì)形式計(jì)算局部條件下的風(fēng)速、光照聯(lián)合概率分布。風(fēng) 速、光照的概率密度函數(shù)不一定精確滿足特定的典型分布，因此基于參數(shù)檢驗(yàn)法研究概率 分布具有一定的局限性。在建立風(fēng)光互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配置的目標(biāo)函數(shù)時，雖然有的考慮 了折舊成本等因素，但是忽略了風(fēng)速和光照的相關(guān)性。有的采用改進(jìn)拉格朗日算法對風(fēng)光 互補(bǔ)發(fā)電系統(tǒng)進(jìn)行優(yōu)化，但對蓄電池選取具有主觀性。有的采用多目標(biāo)建模，但是在將多目 標(biāo)轉(zhuǎn)化成單目標(biāo)時，各目標(biāo)加權(quán)值分配具有較大的主觀性。在對目標(biāo)優(yōu)化模型進(jìn)行求解時， 利用遺傳算法存在收斂速度慢、迭代次數(shù)多等問題。粒子群算法有結(jié)構(gòu)簡單、收斂速度快、 對目標(biāo)函數(shù)要求少等優(yōu)點(diǎn)，但也存在"早熟"問題，易陷入局部最優(yōu)解?；煦鐑?yōu)化算法具有 隨機(jī)性、遍歷性和內(nèi)在規(guī)律性的特點(diǎn)，但是算法精度與尋優(yōu)函數(shù)的復(fù)雜程度和尋優(yōu)空間的 大小有關(guān)。蟻群算法參數(shù)的選擇對優(yōu)化結(jié)果影響較大，易導(dǎo)致結(jié)果非最優(yōu)解。細(xì)菌覓食算 法存在易陷入局部最優(yōu)解及尋優(yōu)速度較慢等問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服上述技術(shù)存在的缺陷，提供一種風(fēng)光互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配 置設(shè)計(jì)的方法，達(dá)到提高可再生能源發(fā)電利用效率、降低風(fēng)光互補(bǔ)發(fā)電系統(tǒng)建設(shè)成本和維 修成本以及增強(qiáng)系統(tǒng)可靠性的目的。本發(fā)明通過分析風(fēng)力發(fā)電和光伏發(fā)電之間出力的相關(guān) 性，表征風(fēng)力發(fā)電和光伏發(fā)電聯(lián)合出力的互補(bǔ)關(guān)系。根據(jù)風(fēng)力發(fā)電和光伏發(fā)電特性，建立風(fēng) 光互補(bǔ)發(fā)電出力的模型。綜合考慮風(fēng)速和光照對發(fā)電的影響及儲能蓄電池壽命等因素，建 立以系統(tǒng)發(fā)電成本最低為目標(biāo)和以負(fù)載失電率為約束條件的優(yōu)化函數(shù)，用改進(jìn)和聲搜索算 法對目標(biāo)函數(shù)優(yōu)化，在初次優(yōu)化結(jié)果的基礎(chǔ)上，考慮實(shí)際情況對結(jié)果進(jìn)行修正，再對目標(biāo)函 數(shù)重新優(yōu)化，最后，得到滿足約束條件的系統(tǒng)優(yōu)化結(jié)果。
[0005] 其具體技術(shù)方案為：
[0006] 1風(fēng)光發(fā)電聯(lián)合出力概率分布的計(jì)算
[0007] 1. 1風(fēng)力發(fā)電和光伏發(fā)電出力邊緣概率分布
[0008] 為了得到在不同氣象條件下風(fēng)光聯(lián)合發(fā)電功率輸出，需知道風(fēng)光共同作用下的聯(lián) 合概率分布，而聯(lián)合概率分布可以通過邊緣概率分布得到。受天氣變化影響，風(fēng)速和光照強(qiáng) 度概率密度輪廓曲線形式不固定，本發(fā)明采用非參數(shù)估計(jì)分析概率密度，運(yùn)用核密度估計(jì) 得出風(fēng)力發(fā)電機(jī)和光伏電池出力的邊緣概率密度。根據(jù)風(fēng)速、光照數(shù)據(jù)計(jì)算風(fēng)力發(fā)電機(jī)、太 陽能電池板的實(shí)際功率，并以額定出力為基準(zhǔn)進(jìn)行歸一化。以出力率為隨機(jī)變量P，其概率 密度函數(shù)為f(P)，則f(P)的核密度估計(jì)為：
[0009]
[0010] 瓦甲，η73桿不谷重；hTTf·涫糸數(shù)；MX) 73核凼數(shù)，S里選耿核函數(shù)服從標(biāo)準(zhǔn)正態(tài) 分布。
[0011] 將風(fēng)力發(fā)電一年中每月出力率PI(Pui，2··.Pi,12)和光伏發(fā)電每月出力率為 ?2的,芯,2...^12)代入⑴式，即得到風(fēng)力發(fā)電和光伏發(fā)電單獨(dú)作用時的出力邊緣概率密 度fWG(Pl)和fPV(P2)〇分別對fWG(Pl)和fPV(P2)進(jìn)行積分運(yùn)算，可以得到風(fēng)力發(fā)電和光伏 發(fā)電的邊緣概率分布。
[0012] 1. 2風(fēng)力發(fā)電和光伏發(fā)電出力相關(guān)性
[0013] 由隨機(jī)向量（P1，P2)的觀察值組成樣本空間Φ= {(P^D，汜，2』2,2)，···汜， 12,p2,12)}，?。╬hi，ρ2>ι)和（ph,，p2,)且i乒j，若（P^-Pi, ) · (ρ2>ι-ρ2, ) > 〇,則（phi， P2>1)和-致，反之，二者不一致。Kendall秩相關(guān)參數(shù)法在研究非線性相關(guān)問題 時具有較好的特性，本發(fā)明采用Kendall秩相關(guān)參數(shù)分析風(fēng)力發(fā)電和光伏發(fā)電的相關(guān)性。 Kendall秩相關(guān)參數(shù)τ為樣本中選取的觀測值一致的概率與不一致的概率之差：
[0014] τ =p{(Pli-Plj) . (P2 -p2j) >0}-?{(?!-?!,) · (P2l-p2j) < 0} (2)
[0015] 式中，τ范圍為[-1，1]，P表示事件發(fā)生的概率。
[0016] 1. 3風(fēng)力發(fā)電與光伏發(fā)電出力的聯(lián)合概率分布
[0017] 風(fēng)力發(fā)電和光伏發(fā)電出力具有負(fù)相關(guān)性，通過Copula函數(shù)可以求解非線性隨機(jī) 變量概率分布。常用的Copula函數(shù)分別是G-Copula、Clay_Copula以及FrankCopula，其 中FrankCopula函數(shù)能夠描述非線性型變量間的負(fù)相關(guān)特性。這里運(yùn)用Copula函數(shù)求解 風(fēng)力發(fā)電和光伏發(fā)電出力的聯(lián)合概率分布，具體數(shù)學(xué)公式如下：
[0018]
[0019] 式中，相關(guān)參數(shù)Θ與Kendall秩相關(guān)參數(shù)關(guān)系如下：
[0020]
[0021] 2風(fēng)光互補(bǔ)發(fā)電出力模型
[0022]2.1風(fēng)力發(fā)電模型
[0023] 風(fēng)力發(fā)電機(jī)的發(fā)電量受風(fēng)力機(jī)輸出特性影響。風(fēng)力發(fā)電機(jī)輸出功率Pws隨風(fēng)速V 變化的關(guān)系式如下：
[0024]
[0025] 風(fēng)力機(jī)發(fā)電量計(jì)算公式如下：
[0026]
[0027] 式中，h是風(fēng)速V所對應(yīng)的小時數(shù)。
[0028] 2. 2光伏發(fā)電模型
[0029] 太陽能電池板的功率輸出取決于光照強(qiáng)度、電池板的面積以及轉(zhuǎn)換效率，因此，給 出如下計(jì)算方法：
[0030] Ppv=G·A·η(7)
[0031] 式中，PPV為光伏電池實(shí)際輸出功率，G為光照強(qiáng)度（kW/m2)，Α為光伏電池板面積 (m2)，η為光伏電池的效率。
[0032] 光伏電池每天發(fā)電量EPVS
[0033] EPV=PPV*hd (8)
[0034] 其中，hd平均每天光照時間。
[0035] 2. 3蓄電池模型
[0036] 在風(fēng)光互補(bǔ)發(fā)電系統(tǒng)中蓄電池處于充電和放電兩種狀態(tài)，蓄電池存儲電量關(guān)系如 下：
[0037]Cbn(l-D0D) ^Cb^Cbn (9)
[0038] 式中，Cb為蓄電池電量，D0D為放電深度，Cbm為蓄電池最大蓄電量。
[0039] 當(dāng)系統(tǒng)發(fā)電量大于負(fù)載用電時，蓄電池處于充電狀態(tài)，蓄電池能量關(guān)系式如下：
[0040] cb(t) =cb(t-i) + [pPV(t)+pWG(t)-pL0AD] ·nch^cbm (?ο)
[0041] 式中，cb(t)為t時刻蓄電池的電量，ηΛ為充電效率。
[0042] 當(dāng)系統(tǒng)發(fā)電量小于負(fù)載用電時，蓄電池處于放電狀態(tài)，蓄電池能量關(guān)系式如下：
[0043] cb(t) ·ndls=Cb(t-l) + [PL0AD(t)-PpV(t)-PWG(t)] ^Cbn(l-D0D) (11)
[0044] 式中，cb(t)為t時亥|J蓄電池的電量，ndls為放電效率。
[0045] 3目標(biāo)優(yōu)化
[0046] 3. 1目標(biāo)函數(shù)
[0047] 風(fēng)光互補(bǔ)發(fā)電系統(tǒng)優(yōu)化配置的目標(biāo)是在保證負(fù)載供電可靠性和系統(tǒng)使用壽命的 前提下，使系統(tǒng)的初期建設(shè)成本和后期維護(hù)成本構(gòu)成的綜合成本最小。其目標(biāo)函數(shù)如下：
[0048] min{J(x)} =min{J(Ppv,PWG,PBAT)} (12)
[0049] -min{Ppv ·Cpv+PWG ·CWG+PBAT ·CBAT+n· (Ppv ·CPVm+PWG ·CWGM+PBAT ·CBM)+CIV+CCL}
[0050] 式中J(x)為綜合成本（系統(tǒng)初期建設(shè)成本與維修成本共同費(fèi)用），x為組成部分 的千瓦數(shù)，X= {Ρρν，Ρκ，PBAT} ;PPV為滿足負(fù)載需求的光伏電池發(fā)電總功率，PW(；為滿足負(fù)載 需求的風(fēng)力發(fā)電機(jī)發(fā)電總功率，PBAT為負(fù)載需要的蓄電池總?cè)萘?；cW(；，CPV，CBAT分別為風(fēng)力發(fā) 電機(jī)、光伏電池、蓄電池單位購置成本，CWGM，CPVM，CBM分別為風(fēng)力發(fā)電機(jī)、光伏電池、蓄電池單 位維修費(fèi)用；η為使用年限，CIV，Ca為逆變器和控制器成本。
[0051] 上述目標(biāo)函數(shù)不僅計(jì)算了系統(tǒng)初期費(fèi)用而且還加入了使用年限內(nèi)的維修費(fèi)用，更 貼近于實(shí)際。
[0052] 3. 2約束條件
[0053] (1)光伏電池功率約束
[0054] 0Ρργ^ΞPpvmax (13)
[0055] 其中，PPV為負(fù)載需要光伏電池發(fā)電總功率；PPV_為無風(fēng)條件下，太陽能電池獨(dú)立 供電時光伏電池最大功率即負(fù)載功率。
[0056] (2)風(fēng)力發(fā)電機(jī)功率約束
[0057] 〇 < PWGmax(14)
[0058] 其中，pwe為負(fù)載需要風(fēng)力發(fā)電機(jī)發(fā)電總功率；Pwe_為無光條件下，風(fēng)力發(fā)電機(jī)獨(dú) 立供電時風(fēng)力發(fā)電機(jī)最大功率即負(fù)載功率。
[0059] (3)蓄電池最大容量約束
[0060] 0ΡβΑΤ^?PBATmax(15)
[0061] 其中，PBAT為負(fù)載需要蓄電池存儲電量的總?cè)萘浚籔BAT_為無風(fēng)、無光條件下，蓄電 池獨(dú)立供電時蓄電池的最大容量。
[0062] (4)負(fù)載失電率L0LP約束
[0063] L0LP為系統(tǒng)所產(chǎn)生的電量不能滿足負(fù)載需求條件下，所缺少的電量與負(fù)荷總需求 量的比，其表達(dá)式為，
[0064]
[0065] 式中，PWdS負(fù)載總功率，p為風(fēng)力發(fā)電與光伏發(fā)電聯(lián)合出力概率，U為選取的系 統(tǒng)母線供電電壓，t為無風(fēng)無光最長小時數(shù)。
[0066] 3. 3改進(jìn)和聲搜索算法
[0067] 和聲搜索算法模擬了音樂演奏中樂師之間相互磨合直到整個演奏效果達(dá)到最美 和聲的過程。雖然該算法具有通用性好、思想原理簡單、與其他算法結(jié)合性強(qiáng)等優(yōu)點(diǎn)，但是 和聲搜索算法也有已陷入局