风光储发电系统容量配置优化算法综述

风光储发电系统是提高新能源利用率的有效形式,风光互补与储能相结合可以有效降低随机性和波动性对电网产生的影响。容量配置优化问题则是风光储发电系统能否最大程度地发挥作用的关键。分析了容量配置优化的重要性,阐述了目前使用较多的两种群智能算法在容量配置优化方面的应用,并对这些容量配置优化算法未来的发展方向进行了总结和展望。     

计及储能系统充放电策略的风光混合发电系统容量优化

如何最优配置风光混合发电系统的容量,对保证供电可靠性和降低系统投资与运行成本都有重要意义。首先以气象数据为基础,对风力发电(wind power generation,WPG)与光伏(photovoltatic,PV)发电的发电功率以及电池储能系统(battery energy storage system,BESS)的充放电功率进行建模,计及了风光发电出力的随机性。在此基础上,采用动态规划方法优化BESS的充放电控制策略。然后,建立了在保证供电可靠性的前提下优化配置风力发电和光伏发电容量的数学模型,并采用遍历搜索方法求解。最后,以修改的IEEE-RBTS(Roy Billinton Test System)Bus 4的配电系统为例,对多种情形做了计算分析,说明了所提方法的可行性与有效性。     

基于改进蝙蝠算法的混合储能系统容量优化配置

针对光伏发电在微网中不稳定、功率波动较大的问题,利用超级电容和蓄电池的混合储能系统对微电网中功率波动部分进行平抑。根据光伏功率波动率和储能响应特性,提出基于低通滤波器分解的功率分配方法,采用改进的蝙蝠算法对混合储能进行容量优化配置,以混合储能装置全生命周期费用最小为目标,以系统的功率平衡、储能的荷电状态以及负荷缺电率等指标为约束条件,建立一种混合储能系统容量优化配置模型,实现混合储能系统经济最优。算例仿真结果表明,改进的蝙蝠算法不仅优化了蓄电池的工作状态,降低了储能系统的全生命周期费用,而且加快了收敛速度。     

基于光伏电站的氢储能可行性研究

氢储能可以储存多余能量,解决光伏系统中的弃光问题。介绍了一种光伏-储氢耦合发电系统:使用蓄电池进行短期存储,使用氢存储设备进行长期存储。利用TRNSYS软件对光伏储氢系统的主要部件进行了模型选择和仿真分析,验证了光伏电站与氢储能技术相结合的可行性。     

改进SSA优化的BP神经网络交通量预测模型

为更加准确地进行交通量预测,针对传统的BP神经网络随机赋值、收敛速度慢等问题,提出了改进麻雀搜索算法（sparrow search algorithm,SSA）优化的BP神经网络预测模型。该模型结合SSA位置更新原理和鸡群优化算法中公鸡位置更新方法对麻雀搜索算法进行改进,在避免算法陷入局部最优和位置更新无效的同时有效地提高了算法的收敛速度。利用改进麻雀搜索算法对BP神经网络的权值和阈值进行寻优赋值,得到了改进SSA-BP神经网络预测模型。利用交通量数据,对LSTM神经网络、BP神经网络、SSA-BP神经网络和改进SSA-BP神经网络4种预测模型进行训练和测试,以MAE、MAPE、MSE、RMSE和EC 5个指标对预测结果进行对比分析。结果表明:BP神经网络优于LSTM神经网络,且麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了0.28 veh/(3 min)、MAPE降低了1%、MSE降低了2.72 veh/(3 min)、RMSE降低了 0.04;改进麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了1.31 veh/(3 min)、MAPE降低了4%、MSE降低了9.2 veh/(3 min)、RMSE降低了0.18,且拟合度更接近于1。改进SSA-BP预测模型的性能优于SSA-BP神经网络预测模型,且有效提高了BP神经网络的预测精度,拟合度达到0.98,该模型适用于交通量预测,能够为智能交通系统提供可靠的预测值。     

并网型风光储混合发电系统中储能系统容量优化研究

以并网型风光储混合发电系统中储能系统容量优化为目标,利用风电、光伏的发电数据和电网的调度数据,提出合理优化配置并网型风光储混合发电系统中由超级电容器和蓄电池组成的混合储能系统容量的方法。进行了优化计算程序的编制和算例分析,结果表明,同时考虑电网连续电能缺失总量和电网瞬时功率缺失两方面能提高储能系统容量优化的准确性,超级电容器和蓄电池组成的混合储能系统能提高电网整体安全性与经济性。     

利用云储能租赁服务的风电场储能容量优化配置

云储能聚合了大量分布式储能与集中式储能的控制信息,风电场通过租赁云储能和自建实体储能可实现出力功率可控。为延长自建储能设备使用寿命,设计了功率分配策略。以自建储能设备全寿命周期成本、云储能租赁费用、弃风惩罚成本、缺电惩罚成本最小为目标函数,建立风电场自建储能与租赁云储能容量最优配置模型。仿真分析表明,不同的云储能租赁单价,将影响云储能利用和充放电结果,从而影响自建储能的最优配置容量。云储能租赁和自建实体储能的合理配置,具有良好有效的经济性和实用性。     

考虑负荷优化的光储充电站储能经济性配置研究

为缓解电动汽车充电对电网的冲击,提升充电站的经济性,对光储一体化充电站储能配置展开研究. 首先分析了充电站电动汽车的负荷特性,结合峰谷电价,制定了储能运行策略. 然后通过建立储能配置双层规划模型,保证了充电站负荷最大程度优化的同时实现价格套利. 最后通过算例分析,得到商业区充电站储能经济性配置方案. 将该配置方案与以峰谷差作为优化指标的传统储能配置方案对比,结果表明该方案有效增加了总削峰量,并将充电站年购电成本进一步降低.     

计及氢能多元利用特性的电氢耦合系统容量优化配置方法

氢能作为清洁能源,可与风能等可再生能源结合,为系统提供低碳运行方案。首先,在传统电氢耦合系统的基础上,引入天然气及碳捕集系统,设计了计及氢能多元利用特性的电氢能源系统优化配置模型。然后,建立了将氢能零污染发电和甲烷化两种应用途径相结合的系统模型,以系统等年值成本最小为目标函数,通过改进粒子群算法对构建模型进行寻优求解,得到了系统各设备最优容量配置方案。最后,通过算例对比,证明了优化方案在成本最低时,可支配碳配额增加,具有环保性。     

基于频谱分析的光伏系统高、中、低三频储能容量优化配置

受光照强度、温度等影响,光伏输出功率具有较大波动。为减小功率波动对电网的影响,同时降低系统成本,提出基于频谱分析的光伏系统高、中、低三频储能容量优化方法。利用快速傅里叶变换进行频谱分析,结合差额功率频谱特性和储能响应特性,提出将差额功率划分高、中、低三补偿频段,计算各频段内满足系统补偿要求的储能设备最小容量,以及根据荷电容量(state of charge,SOC)和储能设备额定参数对计算容量进行修正的方法。综合考虑储能循环寿命对各补偿频段分割频率进行优化,实现混合储能系统的效益最大化。实际算例计算仿真结果表明,和传统高、低两频混合储能系统相比,在满足相同平抑目标的情况下,所提出的高、中、低三频储能容量优化方法所得结果具有更好的经济性。     

基于改进麻雀优化PID的波浪补偿控制方法

随着海上风电“十四五”规划的不断推动,在深远海域对兆瓦级大功率海上风机的需求量随之增加,其规模也在不断扩大。但是,在吊运、安装等海上工作过程中受复杂海浪对船舶产生的持续影响,导致风机安装的精度和效率大幅下降,甚至会对人员安全以及财产造成重大损失。因此,在深远海复杂海况下对工程船舶进行有效地波浪补偿,可提供稳定的作业环境以保证精准高效地完成各项工作,故本文提出了一种基于改进麻雀搜索PID的波浪补偿控制方法并将其应用于Stewart补偿平台。首先,建立波浪补偿平台动力学以及运动学反解模型,并设计正解模型迭代求解算法。随后,使用PID进行波浪补偿控制,并通过麻雀搜索算法优化参数。接着,采用Circle混沌映射对其进行初始化分布,以解决初始化不均匀的问题；并采用动态自适应加权、柯西突变以及反向学习以提升算法全局寻优能力。最后,生成4-6级海况下的某工程船运动作为系统输入,利用MATLAB/Simulink搭建模型进行补偿控制验证,并在Stewart硬件平台上做补偿试验。结果表明,改进麻雀搜索算法具有较快的收敛速度、较高的精度和更好的寻优能力,优化后的PID控制方法更适合用于复杂海况下波浪补偿平台的控制优化,可为大功率海上风机安装的补偿平台控制系统设计提供参考。     

储能系统在微网中的供电性能分析

根据微网中光伏、风电顶荷功率的预测数据,分析了微网独立运行模式下储能系统的供电特性.研究表明,微网中的储能容量配置对微网的供电可靠性影响很大.     

基于改进遗传算法的电网无功优化

无功运行优化问题的关键在于获得最优解或较好的次优解。传统的线性规划法和非线性规划法不能很好地处理整型变量问题 ,而简单遗传算法的鲁棒性不高。结合高中压配电网的特点 ,本文对简单遗传算法进行了改进 :采用十进制整型编码法和排序选择法 ,并对末位个体进行更新 ,最后采用模式法修正局部最优解。数值对比试验表明 ,本方法是合理的和可行的 ,具有一定的实用意义     

改进随机试验法用于电力系统无功优化

随机试验法具有过程简单、限制条件少、方便处理离散问题、全局搜索效果好及依概率收敛等优点,但传统方法存在计算量大、耗时多等缺点,因而不便于处理电力系统无功优化问题。改进随机试验法把每批次的抽样次数和抽样区间适当减小,以达到减少计算量和计算时间的目的,从而实现试验法在电力系统无功优化控制中的应用。通过对IEEE-14节点系统的算例分析,证明了方法的可行性。     

电力系统经济负荷分配的改进粒子群算法

为解决电力系统中的经济负荷分配问题,将改进粒子群算法用于其中。该算法是以基本粒子群算法为基础,利用优化惯性权重策略以及改进最优最差粒子策略,使改进粒子群算法具有高效率全局搜索能力。对三个算例进行仿真测试,证实该算法可有效地解决经济负荷分配问题;性能对比显示,该算法求得的解优于基本粒子群算法及其它优化算法所求得的解。     

基于改进简化粒子群算法的含DG的配电网无功优化

分布式电源(Distributed Generation,DG)并网能够有效支撑电网,增加电网运行的灵活性,对含DG的配电网进行无功优化能够有效提高电能质量,降低网损,保证配电网安全、稳定、经济运行。为此,建立了以有功网损最小为目标函数的数学模型,同时,为保证节点电压和DG无功出力在各自允许范围内,分别建立了节点电压越限罚函数和DG无功出力越限罚函数。针对基本粒子群算法易早熟、收敛精度差、迭代后期收敛速度慢等问题,给出了一种惯性权重和学习因子动态变化的简化粒子群算法。该算法舍去粒子速度项,使惯性权重随迭代次数呈指数函数变化,学习因子随迭代次数呈正弦函数变化。以含DG的IEEE33节点配电系统为例进行无功优化分析,结果表明:DG能增强电网运行的稳定性,所提算法具有较好的优化性能。     

基于改进灰狼优化算法自抗扰控制器在火电燃料控制系统中的应用

针对火电厂燃料控制这一非线性、滞后性、强干扰的被控对象,设计基于改进灰狼优化算法的自抗扰控制器。对燃料控制系统不同工况进行了阶跃仿真实验、扰动测试、鲁棒性测试以及变工况实验。实验结果表明,相较于传统比例-积分(PI)控制器和专家经验整定的自抗扰控制器,改进灰狼优化算法的自抗扰控制器可以实现燃料量的快速、稳定调节,在抗扰动及变工况过程中有较好的控制效果,具有较强的鲁棒性。     

改进免疫算法在电力系统有功优化中的应用

免疫算法(ImmuneAlgorithm,IA)是在免疫系统识别多样性的启发下所设计出的一种新的多峰值函数的寻优算法,它具有抗原识别、记忆、抗体的抑制和促进等显著特点,能实现精确控制群体多样性和特异性。IA 将目标函数和约束条件比作抗原,将问题的解比作抗体。通过亲和度的计算来评价抗体并促进或抑制抗体的产生,减小了进化过程陷入局部最优解的可能性;通过抗原记忆,提高了局部搜索能力,加快了计算速度。将 IA 用于 IEEE30节点系统的有功最优潮流计算,并与传统牛顿算法的计算结果进行了比较,结果表明 IA 能够以更快的速度得到最优解。