一种源网荷储项目规划的全年各小时运行评价方法及装置与流程

本发明属于供电系统模拟，具体涉及一种源网荷储项目规划的全年各小时运行评价方法及装置。

背景技术：

1、源网荷储系统是一组由分布式电源、储能设备、用电设备、主电网以及控制装置构成的新型网络结构。源网荷储系统作为解决电力系统众多问题的重要手段，需要尽可能地发挥出其带来的巨大的经济效益。因此，源网荷储系统的经济运行是吸引用户并使其能够在电力系统中得以推广的关键。然而，随着源网荷储系统中设备种类增加、规模不断扩大，微电网经济运行的优化问题变得越来越复杂。

2、源网荷储一体化项目包含了风电、光伏等电源，电网，负荷和储能系统；其运行的目标包含了全系统全寿命周期成本低，可靠性高，弃风弃光率低等，而约束条件则包括了总电量平衡、实时电力平衡、储能装置功率约束、储能装置电量约束、新能源电量占比约束、负荷的可调节特性约束等等。源网荷储经济运行问题是一个复杂的非线性混合整数随机规划问题，具有变量维度高，计算规模大，连续变量离散变量夹杂，约束条件繁多，目标函数非线性等特点。基于优化问题的难度，在有限的调度周期内，传统的解法容易陷入维数灾难，导致理论上解决一个问题需要耗时数年或者根本无法求得最优解。

3、相比于传统规划算法，智能优化算法越来越多的被人们所接受。智能计算也被称之为软计算，它是人们受到自然界或生物界发展规律的启发后，根据其原理，仿照其规律而设计的求解算法。近些年来，很多同经典数学规划的原理大相径庭的、期望通过对自然生态系统进行模拟来求解复杂的优化问题的仿生智能优化算法都一个接一个地被提出来，类似于模拟退火算法、人工免疫算法、细菌觅食算法和粒子群算法、遗传算法等。这些算法各有利弊，以独特的流程特点和搜索特性广泛被人们应用。

4、其中，粒子群算法(particle swarm optimization，pso)是20世纪90年代兴起的一门学科，因其概念简明、实现方便、收敛速度快而为人所知。粒子群算法的基本思想是模拟鸟群随机搜寻食物的捕食行为，鸟群通过自身经验和种群之间的交流调整自己的搜寻路径，从而找到食物最多的地点。其中每只鸟的位置/路径则为自变量组合，每次到达的地点的食物密度即函数值。每次搜寻都会根据自身经验(自身历史搜寻的最优地点)和种群交流(种群历史搜寻的最优地点)调整自身搜寻方向和速度，这个称为跟踪极值，从而找到最优解。

5、参照图1，粒子群算法的基本步骤：

6、step1:确定一个粒子的运动状态是利用位置和速度两个参数描述的，因此初始化的也是这两个参数；

7、step2:每次搜寻的结果(函数值)即为粒子适应度，然后记录每个粒子的个体历史最优位置和群体的历史最优位置；

8、step3:个体历史最优位置和群体的历史最优位置相当于产生了两个力，结合粒子本身的惯性共同影响粒子的运动状态，由此来更新粒子的位置和速度。

9、粒子群算法具有以下特点：

10、①相较于传统算法计算速度非常快，全局搜索能力也很强；

11、②pso对于种群大小不十分敏感，所以初始种群设为500-1000，速度影响也不大；

12、③粒子群算法适用于连续函数极值问题，对于非线性、多峰问题均有较强的全局搜索能力。

13、基于粒子群算法计算速度快、对于非线性、多峰问题均有较强的全局搜索能力的特点，非常适用于求解源网荷储优化运行这种变量维度高，计算规模大，连续变量离散变量夹杂，约束条件繁多，目标函数非线性的问题。

14、目前对规划方案进行评价的方法，大部分采用的是4个典型日的方法，分别在春、夏、秋、冬各选取一天进行计算和验证，典型日的方法虽然速度较快，但是因为包含的场景较少，其计算结果和真实情况的差异较大，容易造成投资浪费或运行效果达不到预期。

技术实现思路

1、本发明提供了一种源网荷储项目规划的全年各小时运行评价方法及装置，从而可以对规划出来的风电、光伏、储能容量对应的全年所有时段内的运行成本、新能源电量占比、新能源弃电率等数值进行统计，根据运行成本、新能源电量占比、新能源弃电率对源网荷储项目规划方案进行评价，评价结果更准确。

2、为达到上述目的，本发明所述一种源网荷储项目规划的全年各小时运行评价方法，包括以下步骤：

3、步骤1，根据项目规划方案所确定的风电、光伏的容量配置，以及全年逐小时的风电、光伏出力，构建出风电、光伏的全年逐小时的发电量；根据负荷的信息，构建出全年逐小时的负荷耗电量；

4、步骤2，根据电力的实时平衡原则构建约束条件；

5、步骤3，构建目标函数；

6、步骤4，设置粒子群算法的群数量和迭代次数；

7、步骤5，利用粒子群算法求解约束条件和目标函数组成的方程组，得到储能装置最佳的充放电计划；

8、步骤6，根据风电、光伏的全年逐小时的发电量，全年逐小时的负荷耗电量和储能装置最佳的充放电计划，计算新能源技术指标，所述新能源技术指标包括电网购电成本、新能源弃电量、新能源弃电率和新能源电量占比；

9、步骤7、根据新能源技术指标对源网荷储项目规划方案进行评价。

10、进一步的，步骤2中，约束条件包括电力功率平衡约束、风电设备的运行约束、光伏设备的运行约束、电网设备的运行约束以及储能的荷电率约束。

11、进一步的，步骤3中，目标函数为全年总成本最低。

12、进一步的，步骤4中，群数量为200，迭代次数为10～15。

13、进一步的，步骤5包括以下步骤：

14、步骤5.1、初始化所有粒子，每一个粒子都是由当月的小时数组成的数组，每一个数字代表储能装置在本时刻的充放电计划；

15、步骤5.2、对所有粒子计算目标函数，得到不同粒子的目标函数值；

16、步骤5.3、将目标函数值最小的目标函数值，作为本轮的种群最优函数值，而对应这个最优函数值的粒子，则为本轮最优粒子；

17、步骤5.4、采用下述公式生成下一轮的n个粒子：

18、vf(t+1)＝vf(t)+c1×rand×(pbestf-socf)+c2×rand×(gbest-socf)

19、socf(t+1)＝socf+vf(t+1)

20、其中，vf(t+1)代表第f个粒子在更新时的速度，vf(t)代表第f个粒子在本时刻的速度，c1代表自学习因子，rand为0～1之间的随机数，pbestf为第f个粒子自身历史最优位置，socf为第f个粒子本次的数组，c2代表种群学习因子，gbest为种群的历史最优粒子位置；

21、步骤5.5、对每一个粒子的位置进行判断，当粒子的位置或者速度超过限制值时，则将其拉回到边界处；

22、步骤5.6、重复步骤5.2～步骤5.5，直到达到最大迭代次数；

23、步骤5.7、输出最终的种群最优粒子位置作为粒子群算法的结果，即储能装置最佳的充放电计划。

24、进一步的，步骤6中，电网购电成本为：全年每小时的主电网功率与其电价之积的和。

25、进一步的，步骤6中，用逐小时计算或者总和计算法计算新能源弃电量pabd,t，

26、所述逐小时计算法计算公式为：

27、pabd,t＝pwt,t+ppv,t+pbess,t-pload,t

28、其中，pwt,t为第t小时风电功率、ppv,t为第t小时光伏功率、pbess,t为第t小时储能装置的功率，pload,t为负荷在第t小时的用电功率；

29、所述总和计算法为：

30、pabd,sum＝pwt,sum+ppv,sum+pgrid,sum-pload,sum

31、

32、

33、

34、

35、其中，pabd,sum代表全年的新能源弃电量，pwt,sum代表全年的风电发电总量，ppv,sum代表全年的光伏发电总量，pgrid,sum代表全年从电网购电总量，pload,sum代表全年负荷耗电总量。

36、进一步的，步骤6中，新能源弃电率γabd的计算方法为：

37、

38、其中，pabd,sum代表全年的新能源弃电量，pwt,sum代表全年的风电发电总量，ppv,sum代表全年的光伏发电总量。

39、进一步的，步骤6中，新能源电量占比γgreen计算方法为：

40、

41、上式中，pabd,sum代表全年的新能源弃电量，pwt,代表全年的风电发电总量，ppv,代表全年的光伏发电总量，pload,代表全年负荷耗电总量。

42、一种源网荷储项目规划的全年各小时运行评价装置，包括：

43、输入模块，用于采集基础数据，所述基础数据包括风电、光伏的容量配置，全年逐小时的风电、光伏出力和负荷信息；

44、处理模块，存储有目标函数和约束条件，用于根据粒子群算法求解目标函数和约束条件，得到储能装置最佳的充放电计划；

45、输出模块，用于根据基础数据和储能装置最佳的充放电计划，计算新能源技术指标，所述新能源技术指标包括电网购电成本、新能源弃电量、新能源弃电率和新能源电量占比。

46、与现有技术相比，本发明至少具有以下有益的技术效果：

47、本发明根据风电、光伏、储能、电网、负荷联合运行的特点，根据源网荷储项目规划方案所确定的风电、光伏的容量配置，在源网荷储项目模拟运行过程中考虑储能装置在全年每一个时段的充放电计划，计算源网荷储项目在该充放电计划下在的全年的新能源技术指标，新能源技术指标包含了全年365天的场景，其精确度和可信度显著高于只计算4天数据的4个典型日的方法，可有效源网荷储项目规划方案进行评价，从而指导投资，避免浪费或运行效果不达预期的情况发生。

48、以全年运行成本最低为目标，以电力实时平衡、各设备的功率上下限、储能的荷电率上下限、储能在初始和结束时刻的荷电率相等为约束条件，完成了基于粒子群算法的全可行域最优化求解，最终得到了全年的电网购电成本等经济指标和新能源弃电量、新能源弃电率、新能源电量占比等技术指标。具有以下优点：

49、第一：可对超大规模(8760小时)数据进行计算，采用逐段计算的方法，在不影响结果精度的情况下，大幅降低了运算难度，提高了运算速度，首次实现了基于粒子群算法的365天源网荷储运行评价。

50、第二：计算过程和结果中，考虑了储能装置的充放电成本和电网购电成本，电网购电成本计算中，充分考虑了峰、谷、平电价。计算所得的成本较为精准，对决策提供了有利的支撑。

51、第三：可以计算任一时刻、任意时间段的弃电量、弃电率、绿电占比以及全年的弃电量、弃电率、绿电占比。对于项目的规划方案能否满足政策的硬性要求提供了量化依据。