户用微网系统能量调度优化方法
户用微网系统能量调度优化方法
【技术领域】
[0001]本发明涉及一种户用微网系统能量调度优化方法。
【背景技术】
[0002]现有能量控制方法一般使用电网波峰波谷电价差别来调节储能和并网之间的关系，不能综合考虑到系统电池和电动汽车动力电池寿命损耗造成的损失，因此系统全寿命条件下，收益并不是最高。
[0003]随着户用微网系统和电动汽车越来越普及，可以将电动汽车动力电池作为微网系统的储能电池。户用微网系统中，需要对能量调度进行优化，以取得最大收益。电动汽车动力电池和微网系统主储能电池过于频繁充放电会导致电池寿命减小，因此在优化算法中需要考虑电池寿命的损耗，以取得系统全寿命条件下的最大收益。当前，天气预报越来越准确，因此可以结合未来天气条件，对能量调度方法进行修正，增加用户收益。
【发明内容】
[0004]本发明要解决的技术问题是提供一种户用微网系统能量调度优化方法。
[0005]为了解决上述技术问题，本发明采用的技术方案是，户用微网系统能量调度优化方法，包括以下步骤:
[0006]首先建立户用微网系统的全寿命收益目标函数，相关变量均采用一采样周期的平均数据，目标函数如公式1所示:
[0007]F=MN-kDsDs-kDcDc (1)
[0008]公式(1)中:
[0009]F为系统上一采样周期总收益；
[0010]队为主电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对主储能电池造成的寿命降低对应的资产损失；
[0011]D。为电动汽车动力电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对电动汽车动力电池造成的寿命降低对应的资产损失；
[0012]kDS为系统主储能电池损耗权重系数；
[0013]kDC为电动汽车动力电池损耗权重系数；
[0014]MN为输送到电网的上一采样周期总电费收益，其表达式为公式(2)
[0015]Μν= Σ (ksPsi+kwPwi+kBsPBSi+kBcPBCi_PRi)fNi (2)
[0016]公式(2)中:
[0017]fNl为阶梯电价，跟随电网阶梯电价变化；
[0018]Psi为光伏发电功率；
[0019]Pwi为风力发电功率；
[0020]PBSi为系统储能电池放电功率；
[0021]PBCi为电动汽车动力电池放电功率；
[0022]PRi为负载有功功率；
[0023]其中光伏发电功率PS1和风力发电功率PW1是正值；
[0024]负载有功功率?^是正值；
[0025]系统储能电池放电功率PBSi和电动汽车动力电池放电功率PBCi，取放电为正，充电为负；
[0026]ks为光伏发电权重系数；
[0027]kw为风力发电权重系数；
[0028]kBS为主储能电池放电权重系数；
[0029]kBc为电动汽车动力电池放电权重系数；
[0030]目标函数建立后，采用改进蚁群算法来进行寻优，以获取6个权重系数，即系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数。
[0031 ]以上权重系数，均采用4位有效数字，因此共有24个寻优点。
[0032]微网系统中光伏和风力发电因天气变化产生剧烈波动，当前情况下，天气预测准确度较高，如果完全采用上述寻优的权重系数，容易造成能源的浪费，因此，引入天气预测参数对系统光伏发电权重系数、风力发电权重系数进行适当修正，以增加户用微网系统全寿命条件下的收益。
[0033]1、天气预报数据对光伏发电权重系数的修正
[0034]在组件规格、安装条件相同时，光伏发电出力和日照强度、温度、风速等因素有关，其中日照强度和温度为主要影响因素。
[0035]取次日日照强度和温度预测数据，根据组件功率曲线表，得出次日光伏组件出力曲线，并计算得出光伏发电次日发电量预测值Qsn;
[0036]计算上一采样周期的光伏发电日均发电量数据QSA，由公式(3)得出次日光伏发电修正系数ns;
[0037]qs = Qsn/Qsa (3)
[0038]用次日光伏发电修正系数ns对光伏发电权重系数ks进行修正，如式(4)所示:
[0039]k7 s = ns.ks (4)
[0040]1^8即为采用次日天气预报数据修正后的光伏发电权重系数。
[0041]2、天气预报数据对风力发电权重系数的修正
[0042]风力发电机组的出力与风速、风向、气压、温度、机组型号等有关，其中最主要影响因素为风速、风向与机组型号。
[0043]取次日风速、风向预测数据，根据所采用的风力发电机的功率曲线表，得出风力发电出力曲线，并通过求和计算得出风力发电次日发电量预测值Qws ;
[0044]计算上一采样周期风力发电日均发电量数据QwA，根据公式(5)得出次日风力发电修正系数nw;
[0045]nw=Qws/QwA (5)
[0046]用次日风力发电修正系数nw对风力发电权重系数kw进行修正，如式(6)所示:
[0047]k7 w=riw.kw (6)
[0048]k7 w即为采用次日天气预报数据修正后的风力发电权重系数。
[0049]采用新的经过修正后的光伏发电权重系数Vs和风力发电权重系数k\，可提高能源利用率。
[0050]考虑到系统参数波动不能过于频繁，将一采样周期取为一周。
[0051]本发明针对改进后的户用微网系统的收益主要为发电收益，最优的能量调度方法能够使得系统在电价高的时段尽可能多往电网输出电能，在电网电价低的时段尽可能多的消耗电网电能，同时考虑到频繁充放电导致的电池寿命损耗造成的资产损失。为此提出上述的基于蚁群算法的能量调度优化算法。
[0052]本发明的有益效果是:
[0053]1、考虑到户用微网系统中主储能电池和电动汽车动力电池充放电对电池寿命的影响，采用优化算法，找出最优的充放电平衡点，最大化系统全寿命收益。
[0054]2、在寻优过程中，能保证负载正常运行，且在系统脱离市电电网网的情况下，能够实现用户设定维持供电天数。
[0055]3、能够引入当前天气预报信息，对系统参数进行修正，最大化系统收益。
[0056]4、提供所有车型动力电池参数，方便用户进行参数设置，人机界面友好。
【附图说明】
[0057]下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0058]图1是本发明实施例构建的寻优路径。
[0059]图2是本发明实施例构建的蚁群算法程序结构流程图。
[0060]图3是本发明实施例构建的路径计算程序(蚁群算法)流程图。
【具体实施方式】
[0061]本实施例针对改进后的户用微网系统的收益主要为发电收益，最优的能量调度方法能够使得系统在电价高的时段尽可能多往电网输出电能，在电网电价低的时段尽可能多的消耗电网电能，同时考虑到频繁充放电导致的电池寿命损耗造成的资产损失。
[0062]为此提出以下一种的基于蚁群算法的能量调度优化算法。
[0063]户用微网系统能量调度优化方法，包括以下步骤:
[0064]首先建立户用微网系统的全寿命收益目标函数，考虑到系统参数波动不能过于频繁，相关变量均采用一周的平均数据，目标函数如公式1所示:
[0065]F=MN-kDsDs-kDcDc (1)
[0066]公式(1)中:
[0067]F为系统上一周总收益；
[0068]Ds为主电池上一周总损耗，S卩全寿命角度来考虑上一周充放电对主储能电池造成的寿命降低对应的资产损失；
[0069]D。为电动汽车动力电池上一周总损耗，即全寿命角度来考虑上一周充放电对电动汽车动力电池造成的寿命降低对应的资产损失；
[0070]kDS为系统主储能电池损耗权重系数；
[0071 ] kDC为电动汽车动力电池损耗权重系数；
[0072]Mn为输送到电网的上一周总电费收益，其表达式为公式(2)
[0073]Μν= Σ (ksPsi+kwPwi+kBsPBSi+kBcPBCi~PRi)fNi (2)
[0074]公式(2)中:
[0075]fNi为阶梯电价，跟随电网阶梯电价变化；
[0076]Psi为光伏发电功率；
[0077]PW1为风力发电功率；
[0078]PBSi为系统储能电池放电功率；
[0079]PBCi为电动汽车动力电池放电功率；
[0080]PR i为负载有功功率；
[0081]其中光伏发电功率PS1和风力发电功率PW1是正值；
[0082]负载有功功率PRi是正值；
[0083]系统储能电池放电功率PBSi和电动汽车动力电池放电功率PBCi，取放电为正，充电为负；
[0084]ks为光伏发电权重系数；
[0085]“为风力发电权重系数；
[0086]kBS为主储能电池放电权重系数；
[0087 ] kBc为电动汽车动力电池放电权重系数；
[0088]目标函数建立后，采用改进蚁群算法来进行寻优，以获取6个权重系数，即系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数。
[0089]微网系统中光伏和风力发电因天气变化产生剧烈波动，当前情况下，天气预测准确度较高，如果完全采用上述寻优的权重系数，容易造成能源的浪费，因此，引入天气预测参数对系统光伏发电权重系数、风力发电权重系数进行适当修正，以增加户用微网系统全寿命条件下的收益。
[0090]1、天气预报数据对光伏发电权重系数的修正
[0091]在组件规格、安装条件相同时，光伏发电出力和日照强度、温度、风速等因素有关，其中日照强度和温度为主要影响因素。
[0092]取次日日照强度和温度预测数据，根据组件功率曲线表，得出次日光伏组件出力曲线，并计算得出光伏发电次日发电量预测值Qsn;
[0093]计算上一周的光伏发电日均发电量数据QSA，由公式(3)得出次日光伏发电修正系数ns;
[0094]ns = QsN/QsA (3)
[0095]用次日光伏发电修正系数ru对光伏发电权重系数ks进行修正，如式(4)所示:
[0096]k7 s = ns.ks (4)
[0097]1^8即为采用次日天气预报数据修正后的光伏发电权重系数。
[0098]2、天气预报数据对风力发电权重系数的修正
[0099]风力发电机组的出力与风速、风向、气压、温度、机组型号等有关，其中最主要影响因素为风速、风向与机组型号。
[0100]取次日风速、风向预测数据，根据所采用的风力发电机的功率曲线表，得出风力发电出力曲线，并通过求和计算得出风力发电次日发电量预测值Qws ;
[0101]计算上一周风力发电日均发电量数据QwA，根据公式(5)得出次日风力发电修正系数nw;
[0102]nw= Qws/QwA (5)
[0103]用次日风力发电修正系数nw对风力发电权重系数kw进行修正，如式(6)所示:
[0104]k7 w=riw.kw (6)
[0105]1^\即为采用次日天气预报数据修正后的风力发电权重系数。
[0106]采用新的经过修正后的光伏发电权重系数Vs和风力发电权重系数k\，可提高能源利用率。
[0107]以上权重系数，均采用4位有效数字，因此共有24个寻优点。构建的寻优路径如图1所示，横坐标一共24个点即表示6个权重参数的24位，纵坐标为每一位的值。
[0108]选择10只蚂蚁，在图1构建的寻优路径上爬行，更新周期为一周，即每周修正一次权重系数。
[0109]寻优算法程序结构流程图如图2所示。程序依次计算10只蚂蚁的目标函数值，在比较目标函数值后，进行路径计算，路径计算流程图如图3所示。
[0110]路线计算程序中依次进行对每只蚂蚁进行24步计算，当运行步大于24时，表示此蚂蚁一代爬行结束，可计算权重系数。
[0111]采用蚁群算法对最大效益权重系数进行寻优的过程的约束条件
[0112]1、保证负载正常运行
[0113]2、电网断电情况下，用户所定的维持供电天数
[0114]微网系统中光伏和风力发电因天气变化产生剧烈波动，当前情况下，天气预测准确度较高，如果完全采用上述寻优的权重系数，容易造成能源的浪费，因此，引入天气预测参数对上述产生的权重参数进行适当修正，以增加户用微网系统全寿命条件下的收益。
[0115]不同的电动汽车车载动力电池的参数不同，如果参数设置错误，会导致系统收益降低，甚至对动力电池造成损伤。因此，系统提供市面上的所有车型的参数供用户选择，并通过网络自动更新，以减少用户参数设置困难，增加人机界面的友好度。
[0116]以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
【主权项】
1.户用微网系统能量调度优化方法，其特征在于包括以下步骤: 首先建立户用微网系统的全寿命收益目标函数，相关变量均采用一采样周期的平均数据，目标函数如公式1所示: F=MN-kDsDs-kDcDc (1) 公式(1)中: F为系统上一采样周期总收益； 08为主电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对主储能电池造成的寿命降低对应的资产损失； D。为电动汽车动力电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对电动汽车动力电池造成的寿命降低对应的资产损失；kDS为系统主储能电池损耗权重系数；kDC为电动汽车动力电池损耗权重系数； MN为输送到电网的上一采样周期总电费收益，其表达式为公式(2)Μν= Σ (ksPsi+kwPwi+kBsPBsi+kBcPBCi~PRi)fNi (2) 公式(2)中: 为阶梯电价，跟随电网阶梯电价变化； Psi为光伏发电功率； Pwi为风力发电功率； PBSi为系统储能电池放电功率； PBCi为电动汽车动力电池放电功率； PRi为负载有功功率； 其中光伏发电功率Psi和风力发电功率Pwi是正值； 负载有功功率PRi是正值； 系统储能电池放电功率PBSi和电动汽车动力电池放电功率PBCi，取放电为正，充电为负； ks为光伏发电权重系数； kw为风力发电权重系数； kBS为主储能电池放电权重系数； kBC为电动汽车动力电池放电权重系数； 目标函数建立后，采用改进蚁群算法来进行寻优，以获取6个权重系数，即系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数。2.根据权利要求1所述的户用微网系统能量调度优化方法，其特征在于:所述系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数，均采用4位有效数字，因此共有24个寻优点。3.根据权利要求1所述的户用微网系统能量调度优化方法，其特征在于:还包括以日照强度和温度预测数据对光伏发电权重系数进行修正的步骤: 取次日日照强度和温度预测数据，根据组件功率曲线表，得出次日光伏组件出力曲线，并计算得出光伏发电次日发电量预测值Qsn 计算上一采样周期的光伏发电日均发电量数据Qsa，由公式(3)得出次日光伏发电修正系数ns ；Hs = Qsn/Qsa (3) 用次日光伏发电修正系数ns对光伏发电权重系数匕进行修正，如式(4)所示: k7 s = ns.ks (4) V8即为采用次日天气预报数据修正后的光伏发电权重系数。4.根据权利要求1所述的户用微网系统能量调度优化方法，其特征在于:还包括以风速和风向预测数据对风力发电权重系数进行修正的步骤: 取次日风速、风向预测数据，根据所采用的风力发电机的功率曲线表，得出风力发电出力曲线，并通过求和计算得出风力发电次日发电量预测值Qws ; 计算上一采样周期风力发电日均发电量数据QwA，根据公式(5)得出次日风力发电修正系数η?;H.W — Qws/QwA (5) 用次日风力发电修正系数nw对风力发电权重系数kw进行修正，如式(6)所示:k w—n.w.kw (6) Vw即为采用次日天气预报数据修正后的风力发电权重系数。5.根据权利要求1-4任何一项所述的户用微网系统能量调度优化方法，其特征在于:所述一采样周期取为一周。
【专利摘要】本发明公开了一种户用微网系统能量调度优化方法。该方法为基于蚁群算法的能量调度优化算法。其针对改进后的户用微网系统的收益主要为发电收益，最优的能量调度方法能够使得系统在电价高的时段尽可能多往电网输出电能，在电网电价低的时段尽可能多的消耗电网电能，同时考虑到频繁充放电导致的电池寿命损耗造成的资产损失。
【IPC分类】G06Q50/06, G06Q10/06, G06Q10/04
【公开号】CN105488600
【申请号】CN201511025455
【发明人】孙志勇, 江健, 李倩, 桂旺胜, 朱全日
【申请人】安徽贵博新能科技有限公司
【公开日】2016年4月13日
【申请日】2015年12月30日
【技术领域】
[0001]本发明涉及一种户用微网系统能量调度优化方法。
【背景技术】
[0002]现有能量控制方法一般使用电网波峰波谷电价差别来调节储能和并网之间的关系，不能综合考虑到系统电池和电动汽车动力电池寿命损耗造成的损失，因此系统全寿命条件下，收益并不是最高。
[0003]随着户用微网系统和电动汽车越来越普及，可以将电动汽车动力电池作为微网系统的储能电池。户用微网系统中，需要对能量调度进行优化，以取得最大收益。电动汽车动力电池和微网系统主储能电池过于频繁充放电会导致电池寿命减小，因此在优化算法中需要考虑电池寿命的损耗，以取得系统全寿命条件下的最大收益。当前，天气预报越来越准确，因此可以结合未来天气条件，对能量调度方法进行修正，增加用户收益。
【发明内容】
[0004]本发明要解决的技术问题是提供一种户用微网系统能量调度优化方法。
[0005]为了解决上述技术问题，本发明采用的技术方案是，户用微网系统能量调度优化方法，包括以下步骤:
[0006]首先建立户用微网系统的全寿命收益目标函数，相关变量均采用一采样周期的平均数据，目标函数如公式1所示:
[0007]F=MN-kDsDs-kDcDc (1)
[0008]公式(1)中:
[0009]F为系统上一采样周期总收益；
[0010]队为主电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对主储能电池造成的寿命降低对应的资产损失；
[0011]D。为电动汽车动力电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对电动汽车动力电池造成的寿命降低对应的资产损失；
[0012]kDS为系统主储能电池损耗权重系数；
[0013]kDC为电动汽车动力电池损耗权重系数；
[0014]MN为输送到电网的上一采样周期总电费收益，其表达式为公式(2)
[0015]Μν= Σ (ksPsi+kwPwi+kBsPBSi+kBcPBCi_PRi)fNi (2)
[0016]公式(2)中:
[0017]fNl为阶梯电价，跟随电网阶梯电价变化；
[0018]Psi为光伏发电功率；
[0019]Pwi为风力发电功率；
[0020]PBSi为系统储能电池放电功率；
[0021]PBCi为电动汽车动力电池放电功率；
[0022]PRi为负载有功功率；
[0023]其中光伏发电功率PS1和风力发电功率PW1是正值；
[0024]负载有功功率?^是正值；
[0025]系统储能电池放电功率PBSi和电动汽车动力电池放电功率PBCi，取放电为正，充电为负；
[0026]ks为光伏发电权重系数；
[0027]kw为风力发电权重系数；
[0028]kBS为主储能电池放电权重系数；
[0029]kBc为电动汽车动力电池放电权重系数；
[0030]目标函数建立后，采用改进蚁群算法来进行寻优，以获取6个权重系数，即系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数。
[0031 ]以上权重系数，均采用4位有效数字，因此共有24个寻优点。
[0032]微网系统中光伏和风力发电因天气变化产生剧烈波动，当前情况下，天气预测准确度较高，如果完全采用上述寻优的权重系数，容易造成能源的浪费，因此，引入天气预测参数对系统光伏发电权重系数、风力发电权重系数进行适当修正，以增加户用微网系统全寿命条件下的收益。
[0033]1、天气预报数据对光伏发电权重系数的修正
[0034]在组件规格、安装条件相同时，光伏发电出力和日照强度、温度、风速等因素有关，其中日照强度和温度为主要影响因素。
[0035]取次日日照强度和温度预测数据，根据组件功率曲线表，得出次日光伏组件出力曲线，并计算得出光伏发电次日发电量预测值Qsn;
[0036]计算上一采样周期的光伏发电日均发电量数据QSA，由公式(3)得出次日光伏发电修正系数ns;
[0037]qs = Qsn/Qsa (3)
[0038]用次日光伏发电修正系数ns对光伏发电权重系数ks进行修正，如式(4)所示:
[0039]k7 s = ns.ks (4)
[0040]1^8即为采用次日天气预报数据修正后的光伏发电权重系数。
[0041]2、天气预报数据对风力发电权重系数的修正
[0042]风力发电机组的出力与风速、风向、气压、温度、机组型号等有关，其中最主要影响因素为风速、风向与机组型号。
[0043]取次日风速、风向预测数据，根据所采用的风力发电机的功率曲线表，得出风力发电出力曲线，并通过求和计算得出风力发电次日发电量预测值Qws ;
[0044]计算上一采样周期风力发电日均发电量数据QwA，根据公式(5)得出次日风力发电修正系数nw;
[0045]nw=Qws/QwA (5)
[0046]用次日风力发电修正系数nw对风力发电权重系数kw进行修正，如式(6)所示:
[0047]k7 w=riw.kw (6)
[0048]k7 w即为采用次日天气预报数据修正后的风力发电权重系数。
[0049]采用新的经过修正后的光伏发电权重系数Vs和风力发电权重系数k\，可提高能源利用率。
[0050]考虑到系统参数波动不能过于频繁，将一采样周期取为一周。
[0051]本发明针对改进后的户用微网系统的收益主要为发电收益，最优的能量调度方法能够使得系统在电价高的时段尽可能多往电网输出电能，在电网电价低的时段尽可能多的消耗电网电能，同时考虑到频繁充放电导致的电池寿命损耗造成的资产损失。为此提出上述的基于蚁群算法的能量调度优化算法。
[0052]本发明的有益效果是:
[0053]1、考虑到户用微网系统中主储能电池和电动汽车动力电池充放电对电池寿命的影响，采用优化算法，找出最优的充放电平衡点，最大化系统全寿命收益。
[0054]2、在寻优过程中，能保证负载正常运行，且在系统脱离市电电网网的情况下，能够实现用户设定维持供电天数。
[0055]3、能够引入当前天气预报信息，对系统参数进行修正，最大化系统收益。
[0056]4、提供所有车型动力电池参数，方便用户进行参数设置，人机界面友好。
【附图说明】
[0057]下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0058]图1是本发明实施例构建的寻优路径。
[0059]图2是本发明实施例构建的蚁群算法程序结构流程图。
[0060]图3是本发明实施例构建的路径计算程序(蚁群算法)流程图。
【具体实施方式】
[0061]本实施例针对改进后的户用微网系统的收益主要为发电收益，最优的能量调度方法能够使得系统在电价高的时段尽可能多往电网输出电能，在电网电价低的时段尽可能多的消耗电网电能，同时考虑到频繁充放电导致的电池寿命损耗造成的资产损失。
[0062]为此提出以下一种的基于蚁群算法的能量调度优化算法。
[0063]户用微网系统能量调度优化方法，包括以下步骤:
[0064]首先建立户用微网系统的全寿命收益目标函数，考虑到系统参数波动不能过于频繁，相关变量均采用一周的平均数据，目标函数如公式1所示:
[0065]F=MN-kDsDs-kDcDc (1)
[0066]公式(1)中:
[0067]F为系统上一周总收益；
[0068]Ds为主电池上一周总损耗，S卩全寿命角度来考虑上一周充放电对主储能电池造成的寿命降低对应的资产损失；
[0069]D。为电动汽车动力电池上一周总损耗，即全寿命角度来考虑上一周充放电对电动汽车动力电池造成的寿命降低对应的资产损失；
[0070]kDS为系统主储能电池损耗权重系数；
[0071 ] kDC为电动汽车动力电池损耗权重系数；
[0072]Mn为输送到电网的上一周总电费收益，其表达式为公式(2)
[0073]Μν= Σ (ksPsi+kwPwi+kBsPBSi+kBcPBCi~PRi)fNi (2)
[0074]公式(2)中:
[0075]fNi为阶梯电价，跟随电网阶梯电价变化；
[0076]Psi为光伏发电功率；
[0077]PW1为风力发电功率；
[0078]PBSi为系统储能电池放电功率；
[0079]PBCi为电动汽车动力电池放电功率；
[0080]PR i为负载有功功率；
[0081]其中光伏发电功率PS1和风力发电功率PW1是正值；
[0082]负载有功功率PRi是正值；
[0083]系统储能电池放电功率PBSi和电动汽车动力电池放电功率PBCi，取放电为正，充电为负；
[0084]ks为光伏发电权重系数；
[0085]“为风力发电权重系数；
[0086]kBS为主储能电池放电权重系数；
[0087 ] kBc为电动汽车动力电池放电权重系数；
[0088]目标函数建立后，采用改进蚁群算法来进行寻优，以获取6个权重系数，即系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数。
[0089]微网系统中光伏和风力发电因天气变化产生剧烈波动，当前情况下，天气预测准确度较高，如果完全采用上述寻优的权重系数，容易造成能源的浪费，因此，引入天气预测参数对系统光伏发电权重系数、风力发电权重系数进行适当修正，以增加户用微网系统全寿命条件下的收益。
[0090]1、天气预报数据对光伏发电权重系数的修正
[0091]在组件规格、安装条件相同时，光伏发电出力和日照强度、温度、风速等因素有关，其中日照强度和温度为主要影响因素。
[0092]取次日日照强度和温度预测数据，根据组件功率曲线表，得出次日光伏组件出力曲线，并计算得出光伏发电次日发电量预测值Qsn;
[0093]计算上一周的光伏发电日均发电量数据QSA，由公式(3)得出次日光伏发电修正系数ns;
[0094]ns = QsN/QsA (3)
[0095]用次日光伏发电修正系数ru对光伏发电权重系数ks进行修正，如式(4)所示:
[0096]k7 s = ns.ks (4)
[0097]1^8即为采用次日天气预报数据修正后的光伏发电权重系数。
[0098]2、天气预报数据对风力发电权重系数的修正
[0099]风力发电机组的出力与风速、风向、气压、温度、机组型号等有关，其中最主要影响因素为风速、风向与机组型号。
[0100]取次日风速、风向预测数据，根据所采用的风力发电机的功率曲线表，得出风力发电出力曲线，并通过求和计算得出风力发电次日发电量预测值Qws ;
[0101]计算上一周风力发电日均发电量数据QwA，根据公式(5)得出次日风力发电修正系数nw;
[0102]nw= Qws/QwA (5)
[0103]用次日风力发电修正系数nw对风力发电权重系数kw进行修正，如式(6)所示:
[0104]k7 w=riw.kw (6)
[0105]1^\即为采用次日天气预报数据修正后的风力发电权重系数。
[0106]采用新的经过修正后的光伏发电权重系数Vs和风力发电权重系数k\，可提高能源利用率。
[0107]以上权重系数，均采用4位有效数字，因此共有24个寻优点。构建的寻优路径如图1所示，横坐标一共24个点即表示6个权重参数的24位，纵坐标为每一位的值。
[0108]选择10只蚂蚁，在图1构建的寻优路径上爬行，更新周期为一周，即每周修正一次权重系数。
[0109]寻优算法程序结构流程图如图2所示。程序依次计算10只蚂蚁的目标函数值，在比较目标函数值后，进行路径计算，路径计算流程图如图3所示。
[0110]路线计算程序中依次进行对每只蚂蚁进行24步计算，当运行步大于24时，表示此蚂蚁一代爬行结束，可计算权重系数。
[0111]采用蚁群算法对最大效益权重系数进行寻优的过程的约束条件
[0112]1、保证负载正常运行
[0113]2、电网断电情况下，用户所定的维持供电天数
[0114]微网系统中光伏和风力发电因天气变化产生剧烈波动，当前情况下，天气预测准确度较高，如果完全采用上述寻优的权重系数，容易造成能源的浪费，因此，引入天气预测参数对上述产生的权重参数进行适当修正，以增加户用微网系统全寿命条件下的收益。
[0115]不同的电动汽车车载动力电池的参数不同，如果参数设置错误，会导致系统收益降低，甚至对动力电池造成损伤。因此，系统提供市面上的所有车型的参数供用户选择，并通过网络自动更新，以减少用户参数设置困难，增加人机界面的友好度。
[0116]以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
【主权项】
1.户用微网系统能量调度优化方法，其特征在于包括以下步骤: 首先建立户用微网系统的全寿命收益目标函数，相关变量均采用一采样周期的平均数据，目标函数如公式1所示: F=MN-kDsDs-kDcDc (1) 公式(1)中: F为系统上一采样周期总收益； 08为主电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对主储能电池造成的寿命降低对应的资产损失； D。为电动汽车动力电池上一采样周期总损耗，即全寿命角度来考虑上一采样周期充放电对电动汽车动力电池造成的寿命降低对应的资产损失；kDS为系统主储能电池损耗权重系数；kDC为电动汽车动力电池损耗权重系数； MN为输送到电网的上一采样周期总电费收益，其表达式为公式(2)Μν= Σ (ksPsi+kwPwi+kBsPBsi+kBcPBCi~PRi)fNi (2) 公式(2)中: 为阶梯电价，跟随电网阶梯电价变化； Psi为光伏发电功率； Pwi为风力发电功率； PBSi为系统储能电池放电功率； PBCi为电动汽车动力电池放电功率； PRi为负载有功功率； 其中光伏发电功率Psi和风力发电功率Pwi是正值； 负载有功功率PRi是正值； 系统储能电池放电功率PBSi和电动汽车动力电池放电功率PBCi，取放电为正，充电为负； ks为光伏发电权重系数； kw为风力发电权重系数； kBS为主储能电池放电权重系数； kBC为电动汽车动力电池放电权重系数； 目标函数建立后，采用改进蚁群算法来进行寻优，以获取6个权重系数，即系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数。2.根据权利要求1所述的户用微网系统能量调度优化方法，其特征在于:所述系统主储能电池损耗权重系数、电动汽车动力电池损耗权重系数、光伏发电权重系数、风力发电权重系数、主储能电池放电权重系数、电动汽车动力电池放电权重系数，均采用4位有效数字，因此共有24个寻优点。3.根据权利要求1所述的户用微网系统能量调度优化方法，其特征在于:还包括以日照强度和温度预测数据对光伏发电权重系数进行修正的步骤: 取次日日照强度和温度预测数据，根据组件功率曲线表，得出次日光伏组件出力曲线，并计算得出光伏发电次日发电量预测值Qsn 计算上一采样周期的光伏发电日均发电量数据Qsa，由公式(3)得出次日光伏发电修正系数ns ；Hs = Qsn/Qsa (3) 用次日光伏发电修正系数ns对光伏发电权重系数匕进行修正，如式(4)所示: k7 s = ns.ks (4) V8即为采用次日天气预报数据修正后的光伏发电权重系数。4.根据权利要求1所述的户用微网系统能量调度优化方法，其特征在于:还包括以风速和风向预测数据对风力发电权重系数进行修正的步骤: 取次日风速、风向预测数据，根据所采用的风力发电机的功率曲线表，得出风力发电出力曲线，并通过求和计算得出风力发电次日发电量预测值Qws ; 计算上一采样周期风力发电日均发电量数据QwA，根据公式(5)得出次日风力发电修正系数η?;H.W — Qws/QwA (5) 用次日风力发电修正系数nw对风力发电权重系数kw进行修正，如式(6)所示:k w—n.w.kw (6) Vw即为采用次日天气预报数据修正后的风力发电权重系数。5.根据权利要求1-4任何一项所述的户用微网系统能量调度优化方法，其特征在于:所述一采样周期取为一周。
【专利摘要】本发明公开了一种户用微网系统能量调度优化方法。该方法为基于蚁群算法的能量调度优化算法。其针对改进后的户用微网系统的收益主要为发电收益，最优的能量调度方法能够使得系统在电价高的时段尽可能多往电网输出电能，在电网电价低的时段尽可能多的消耗电网电能，同时考虑到频繁充放电导致的电池寿命损耗造成的资产损失。
【IPC分类】G06Q50/06, G06Q10/06, G06Q10/04
【公开号】CN105488600
【申请号】CN201511025455
【发明人】孙志勇, 江健, 李倩, 桂旺胜, 朱全日
【申请人】安徽贵博新能科技有限公司
【公开日】2016年4月13日
【申请日】2015年12月30日
最新回复(0)