一种多目标分布式能源优化存储方法及装置与流程

本发明涉及多站点风力发电储能，更具体的说是涉及一种多目标分布式能源优化存储方法及装置。

背景技术：

1、随着可再生能源技术的发展，可再生能源在能源发电中所占的比重逐渐增大。然而，基于可再生能源的电力系统的成功实现受到了诸如可再生能源削减问题和剃峰能力不足等挑战的阻碍。为了解决这些挑战，储能技术的技术进步和经济利用已被确定为可行的解决方案。储能系统作为备份单元集成到基于可再生能源的电力系统中，以实现各种好处，如调峰、价格套利和频率调节。特别是，电池储能项目已广泛部署在各个领域，包括发电、传输/配电和住宅应用。然而，由于位置和时间的分散，多站点个体储能系统的利用率仍然较低。此外，由于缺乏利润模式和明确的政策，储能投资者难以获得经济回报，从而阻碍了储能系统的广泛采用和发展。

2、为了解决这些挑战，一个被提议的解决方案是实现共享能源存储服务，这些服务在技术上和经济上都显示出了不错的前景。通过将共享经济的概念纳入到能源存储系统中，共享能源存储已成为一种新的商业模式。然而，在发电侧对可再生能源与共享储能站集成的研究缺乏重点，阻碍了多站点可再生能源电厂提供的时空互补性的充分利用。其次，虽然对共享储能站规划问题进行了广泛的研究，但对多个可再生能源发电机作为独立代理连接到共享储能站系统的偏好考虑有限。这种疏忽可能会导致不合理的社会经济地位规划和运营策略。最后，尽管多目标模型和算法已经在能源系统优化建模中得到了广泛的研究，但是无法有效的实现以最大限度地提高可再生能源发电并将成本最小化。

技术实现思路

1、针对以上问题，本发明的目的在于提供一种多目标分布式能源优化存储方法及装置，能够对输电网内共用储能单元和多址风力发电机进行整体规划，以最大限度地提高可再生能源发电并将成本最小化。

2、本发明为实现上述目的，通过以下技术方案实现：

3、第一方面，本发明公开了一种多目标分布式能源优化存储方法，包括：建立由成本最小化和风电输出最大化两个优化目标的多目标函数；

4、获取待连接风力发电站的成本信息，并计算出风力发电机连接共享储能站的年成本；

5、获取待连接风力发电站的功率信息，并计算出待连接风力发电站的年运营成本；获取共享储能站的运行信息，并计算出共享储能站的年化投资成本和年运行成本；

6、获取火力发电厂的成本信息，并计算出火力发电厂的年运营成本；

7、获取火力发电厂与共享储能站的传输信息，并计算出多站点风力发电机向共享储能站供电的投资成本；

8、根据共享储能站的年成本、待连接风力发电站的年运营成本、共享储能站的年化投资成本和年运行成本、火力发电厂的年运营成本、多站点风力发电机向共享储能站供电的投资成本，计算出成本最小化的目标；

9、定时采集风力发电厂的输出功率，并计算出相应的风电输出最大化目标；

10、根据成本最小化的目标和风电输出最大化目标，利用多目标函数确定能源优化存储策略；

11、利用nsga-ii算法对能源优化存储策略进行优化。

12、进一步，所述建立由成本最小化和风电输出最大化两个优化目标的多目标函数，包括：

13、建立由成本最小化和风电输出最大化两个优化目标的多目标函数f：

14、f＝(min f1(c),max f2(ere))

15、其中，f1(c)为成本最小化的目标，f2(ere)为该混合发电系统中风力发电最大化的目标。

16、进一步，所述获取待连接风力发电站的成本信息，并计算出风力风电机连接共享储能站的年成本，包括：

17、根据以下公式计算出待连接风力发电站的成本信息aci,inv：

18、

19、其中，n0是风力发电机的生命周期，i0是投资成本的折现率，ci是运维成本系数，fi是资本成本系数，是风力发电站的额定功率。

20、进一步，所述获取待连接风力发电站的功率信息，并计算出待连接风力发电站的年运营成本，包括：

21、根据以下公式计算出待连接风力发电站的年运营成本ci(pi,t,s)：

22、

23、其中，pi,t,s是场景s中第t期第i个风力发电站的功率输出，∈为风能成本。

24、进一步，所述获取共享储能站的运行信息，并计算出共享储能站的年化投资成本和年运行成本，包括：

25、根据以下公式计算出共享储能站的年化投资成本acses,inv和年运行成本cses(pses,t,s)：

26、

27、

28、其中，n1是共享储能站的生命周期，cp为共享储能站的单位电力成本，ce为共享储能站的单位能源成本，为共享储能站的额定功率，为共享储能站的额定容量，为风力发电机到共享储能站的充电功率。

29、进一步，所述获取火力发电厂的成本信息，并计算出火力发电厂的年运营成本，包括：

30、根据以下公式计算出火力发电厂的年运营成本cm(pm,t,s)：

31、

32、其中，am，bm，cm是火力发电厂的成本系数，pm,t,s为火力发电厂热机组的储备贡献率，stupm·(1-um,t-1,s)·um,t,s+stdωm·um,t-1,s·(1-um,t,s)为用于确定离线的启动成本和在线热发电机的关闭的线性函数，为发电机纺丝储备成本的计算模型。

33、进一步，所述获取火力发电厂与共享储能站的传输信息，并计算出多站点风力发电机向共享储能站供电的投资成本，包括：

34、根据以下公式计算出多站点风力发电机向共享储能站供电的投资成本：

35、

36、其中，是风力发电厂和共享储能站之间的传输距离，而为风力发电厂和共享储能站之间每单位长度线路的成本系数。

37、进一步，所述根据共享储能站的年成本、待连接风力发电站的年运营成本、共享储能站的年化投资成本和年运行成本、火力发电厂的年运营成本、多站点风力发电机向共享储能站供电的投资成本，计算出成本最小化的目标，包括：

38、根据如下公式计算出成本最小化的目标f1(c)：

39、

40、其中，多站点风力发电厂记为xi，当xi＝1表示风力发电机i已连接到共享储能站，aci,inv为风力发电机连接共享储能站的年成本，ci(pi,t,s)为待连接风力发电站的年运营成本，acses,inv为共享储能站的年化投资成本，cses(pses,t,s)为共享储能站站的年运行成本，cm(pm,t,s)为火力发电厂的年度运营成本，tci,ses(xi)是多站点风力发电机向共享储能站供电的投资成本。

41、进一步，所述定时采集风力发电厂的输出功率，并计算出相应的风电输出最大化目标，包括：

42、根据如下公式计算风电输出最大化目标f2(ere)：

43、

44、其中，pi,t,s为场景s中第t期第i个风力发电厂的功率输出，δt为采样周期。

45、第二方面，本发明还公开了一种多目标分布式能源优化存储装置，包括：

46、存储器，用于存储多目标分布式能源优化存储程序；

47、处理器，用于执行所述多目标分布式能源优化存储程序时实现如上文任一项所述多目标分布式能源优化存储方法的步骤。

48、对比现有技术，本发明有益效果在于：

49、1、本发明考虑了多个多址可再生能源发电机的连接策略，以最大限度地提高其时空互补潜力，提高经济-环境效益。集中协调多个可再生能源和共享储能站所有者的最优决策。拟议的框架是通用的，可以很容易地适用于其他大规模新能源基地的规模。

50、2、本发明从区域新能源基础规划者的角度，开发了可再生能源链接和共享储能站规模的多目标模型，以解决经济和环境效益。通过使用被广泛认可的ngsa-ii算法，获得了一套帕累托替代规划解决方案，它可以促进组合的“新能源+储能”的商业模式。

51、3、本发明同时优化多站点风电发电机的连接决策和共享储能单元的规模决策，优于单独优化共享储能单元的容量。

52、4、本发明可以利用多站点可再生能源对总负荷需求的时空特性，显著提高了风能的消耗能力。

53、由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。