风光储联合发电系统储能优化控制研究

风光储联合发电系统储能优化控制研究

徐万青

山东京博控股集团有限公司恒丰分公司

【摘要】风光储发电系统能够显著加强光触系统的调动能力。根据风、发电站的运行效果和建立风光储联合发电系统控制模型，并进行模型求解，最终实现风光储联合发电系统储能优化控制。

【关键词】风光储系统；储能；优化控制

本次研究主要是根据风力、光伏发电的运行情况，把风电场、光伏电站的功率预测通过模拟变量来展现，利用短期功率预测曲线当做计划出力曲线，按照风光发电的工况和相关预测，对出力计划进行把控。在创建控制模型的过程中，要遵循风光储调度出力曲线和计划出力曲线的均方根误差率最低，通过模糊模拟外加改进粒子群算法求解模型，进而制定出联合发电系统储能调控方案。

一 风光储联合发电系统控制模型

（一）功率预测系统模型

风电和光伏电站难以对出力进行控制，伴随气象监控能力的加强，也提升了对风和光电站功率预测的精准性，不过还是达不到最为理想的要求。对风能和光功率的预测具有局限性，所产生的误差具有模糊性。所以，风电和光伏的出力是实际值和误差值相加的结果。

预测误差百分数公式为：

ω=Px-Py/Py=100%。在该公式当中，Px代表的是风/光出力、Py代表的是预测出力。

预测误差的隶属函数公式为

（1）μ(ω)=1/1+σ [（ω/E+）,ω≧0；（2）μ（ω）=1/1+σ （ω/E-），ω<0。

  在式子当中，σ 代表的是权重，E+代表的是正误差的统计平均值，E-代表的是负误差的统计平均值。

（二）明确计划出力曲线

对指定的出力计划进行追踪、对电网调度系统的自动发电控制情况进行追踪、对电网频率的控制情况进行追踪等是跟踪计划的主要构成部分。我们并不分析应怎样明确出力计划曲线。而是根据前一天所达到的功率预测曲面来明确出力计划曲线。

二 模型求解

（一）模糊模拟求解算法

根据模糊模拟运算模糊事件的可行性，公式为：

L=Cr{f（C）≦0} 。

在可行性范围内形成模糊变量θk，可获取到Pos（θk）≧ε，ε代表的是充分小的数。定义vk=Pos（θk），可行性能够通过下面的公式获取：

L=1/2[max{vk|f（x，ε）≦q}+]

会在可行范围出现n组可行解；然后利用这些可行解，自动形成m组模糊预测误差；按照L=1/2[max{vk|f（x，ε）≦q}+]开展m次模糊模拟，也就是对决策变量的可行性进行运算。

（二）改进粒子群算法

（三）和遗传算法不同，粒子群算法比较简单，不过缺陷在于可能会出现局部最优解的现象。采用改进粒子群算法后，所产生的位置速度公式如下：

Vid，t+1=ωvid，t+c1r1（Pid，t-xid,t）+c2r2（Pgd,t-Xid，t）+c2r2（Pgd，t-xgd，t）

Xid，（t+1）=xid，t+vid，（t+1）

其中xid，t代表的是粒子i在第t次迭代中第d维的位置；Vid，t代表的是粒子i在第t次迭代中第d维的个体最优值；Pgd，t代表的是群体在第d维的全局最优值；ω代表的是惯性权重；C1、C2代表的是学习因子；r1、r2全部是（0,1）的随机数。

在改进粒子群算法中，通过线性递减惯性权重，能够达到初始和后期局部搜索性能较强的运算质量。公式为：

ω=ωs=ws-we/tm

ωs在式子当中，代表的是惯性权重初始权重；t代表的是迭代次数；tmax代表的是最大迭代次数。

学习因子反余弦更新公式如下：

C1=C1s+（C1ε=C1s）[1-arccos[-2t/tmax+1/π]

C2=C2s+（C2ε-2s）[1-arccos[-2t/tmax+1/π]

在公式当中，C1s、C2s代表的是学习因子、C1、C2代表的是初始迭代值；C1ε、C2ε代表的是学习因子、C1、C2代表的是终止迭代值。

（三）算法流程

（1）模糊模拟。对预测数据进行解读，在充放电功率中形成多组初始解。（2）粒子群初始化。获取所需参数，按照相关的条件划定充电范围，然后从中随意获取某个值当做该段的充放电功率，分别运算各时段的点。（3）迭代更新。对迭代的个体最优值、群体最优值做好记录，按照Vid，t+1=ωvid，t+c1r1（Pid，t-xid,t）+c2r2（Pgd,t-Xid，t）+c2r2（Pgd，t-xgd，t）、Xid，（t+1）=xid，t+vid，（t+1）更新粒子，检查速度。如果越线要再一次更新，直到通过位置。在满足设定次数的情况下，所传送出去的群体就是最优解。

【结束语】本文并没有重点对功率预测误差模型做充分的分析，而是利用过往的研究成果来解决储能功率控制工作，而功率预测误差模型要在今后进行充分的研究。

【参考文献】

[1]吴瑞鹏,张程翔. 基于混合储能的风光储联合发电系统优化研究[J]. 应用能源技术,2022,(03):47-51.

[2]李笑竹,王维庆,王海云,樊小朝,武家辉,王开科. 基于鲁棒优化的风光储联合发电系统储能配置策略[J]. 太阳能学报,2020,41(08):67-78.

[3]牛瑞杰,郭俊文,李晓博,舒进,马骁骅,刘琳. 风光储联合发电系统储能控制策略[J]. 热力发电,2020,49(08):150-155.

[4]仇成,李亦农,宋若晨,王敏. 风光联合发电系统的储能容量优化配置方法[J]. 水电能源科学,2020,38(05):202-206.