北极星

搜索历史清空

  • 水处理
您的位置:电力报道正文

基于商业园区源/储/荷协同运行的储能系统优化配置

2017-12-22 11:03来源:电网技术关键词:储能储能系统微电网收藏点赞

投稿

我要投稿

3.5储能配置

3.6模型求解

Coello等学者提出的多目标粒子群(multi-objectiveparticleswarmoptimization,MOPSO)算法作为一种高效的并行搜索算法,具有依赖经验参数少、收敛速度快、性能良好等优点,可用于解决多目标优化过程中由于目标之间相互冲突,很难找到一个真正意义上的最优解问题。本文的3个目标函数模型中存在复杂的耦合制约关系,因此选用MOPSO方法进行模型的优化求解。

以典型日内24个优化时段中的制冷机组功率波动量和园区与电网联络线功率波动量为决策变量,综合考虑园区内负荷和光伏出力情况确定各决策变量的上、下限,采用基于非支配解的动态惯性权重多目标粒子群算法求解模型。算法流程图见图3。

3.7选取最终解

在实际工程中,决策人员要综合考虑能效、经济和环境3个指标从一组Pareto最优解集中选取最优解,本文采用模糊隶属度函数来对每一个目标分别构造隶属度函数,将其转化为对优化结果的满意度,通过满意度比较找出最终解。定义模糊隶属度函数为

式中:μ(p)为每个解中单个目标函数满意度值;Pmin和δ分别为Pareto最优解集中该目标函数的最小值和函数取值范围。当μ=0时表示对某个目标函数值完全不满意,而当μ=1时表示对某个目标函数值完全满意。对于Pareto最优解集中的每个解,根据下式求解其标准化满意度值,其中标准化满意度值最大的解即为最终所选解。

4、算例分析

4.1基础数据

上海某商业园区所用储能装置为锂电池,表1为上海市分时电价,园区内典型日光伏出力及负荷特征曲线见图2,具体数据见表2。园区中各组件参数如表3所示。

4.2仿真与分析

在Matlab平台上利用MOPSO算法对优化模型进行求解,设定种群数量50,最大迭代次数100,惯性权重动态调整上下限为0.9和0.1。得到典型日光伏出力下3个目标函数的Pareto前沿见图4中黑色图例标示部分。考虑到光伏出力变化的影响,图4还加入了晴天和阴天场景下的仿真结果对比,相应场景下的配置方案和指标变化如表4所示。

原标题:基于商业园区源/储/荷协同运行的 储能系统多目标优化配置
投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

储能查看更多>储能系统查看更多>微电网查看更多>