首页 > 论文范文 > 工程工业论文 > 电力工业论文 > 基于改进人群搜索算法的光伏微电网储能容量优化配置研究

基于改进人群搜索算法的光伏微电网储能容量优化配置研究

2025-03-05 57 上传者：管理员

摘要：为提高光伏发电对能源的利用率，引进改进人群搜索算法，以光伏微电网为例，开展储能容量优化配置方法的研究。采集光伏电网在供电服务过程中的输出功率与光照强度等参数，根据光照条件下的环境温度，构建光伏阵列模型、发电机模型，以此为依据，生成光伏微电网电源模型；计算储能系统荷电状态，引进改进人群搜索算法，进行荷电最优状态的全域检索；在考虑光伏校正的前提下，进行微电网的平衡约束，实现电网储能容量配置的优化。对比实验结果表明，提出的配置方法，在提升光伏发电的利用率方面展现出了显著优势，其利用率稳定维持在80%～100%的高水平区间内。

关键词：
储能容量
光伏微电网
改进人群搜索算法
电源模型
能源供应方式
加入收藏

在能源需求日益增长和全球气候变化加剧的背景下,光伏微电网作为一种清洁､高效的能源供应方式,正逐渐成为解决能源供应问题的重要途径｡光伏微电网通过集成可再生能源(如太阳能)与储能系统,实现了局部供电网络的独立运行,为小区､企业乃至城市提供可靠的电力支持｡然而,光伏微电网的高效稳定运行,尤其是储能容量的优化配置,成为制约其广泛应用的关键技术难题｡

王鑫[1]等人基于电池折损,将最大收益作为目标,进行储能系统的分层配置模型｡但模型的建立依赖于大量的数据支持,包括电池的性能参数､历史充放电数据等,数据的准确性和完整性直接影响优化结果的精度｡马会萌[2]等人基于储能系统的不同特性,如能量时移､快速响应及灵活布置等,构建多类型储能系统的优化配置模型｡在模型中,考虑储能系统的技术经济性､对新能源消纳的贡献以及电网主动支撑能力的提升等多个目标,通过智能求解算法进行优化求解,得出最优的储能容量配置方案｡新能源发电和电网负荷的预测精度直接影响优化结果的准确性,而当前预测技术尚存在误差｡同时,储能系统的运行维护也需要一定的成本和技术支持,对实际应用的推广带来了一定的难度｡

针对现有方法的不足,本文将引进改进人群搜索算法,以光伏微电网为例,开展储能容量优化配置方法的研究｡

1、建立光伏微电网电源模型

为实现对光伏微电网储能容量优化配置,设计方法前,采集光伏电网在供电服务过程中的输出功率与光照强度等参数,根据光照条件下的环境温度,进行光伏阵列模型的构建[3]｡计算公式为:

式中,P1为光伏阵列模型;S为标准条件下的光照强度;G1为供电过程中的光照强度;G2为可满足光伏发电的最低光照强度;t1为光伏电池标准条件下的设计温度;t2为光伏发电中的电池实测温度｡在此基础上,考虑到光伏微电网中集成的发电机是满足其发电需求的主要设备｡因此,可以根据发电机的输出功率,建立分段函数,进行发电机模型的构建[4]｡计算公式为:

式中,P2为发电机模型;v为光伏能量额定输入量;v1为光伏切入量;v2为光伏切出量｡在此基础上,考虑到光伏的出力过程存在较强的不确定性,并伴随着一定的能量波动,为抑制能量波动对光伏微电网发电造成的影响,可以根据上述内容,按照下述公式,建立光伏微电网储能电源的充电与放电模型[5]:

式中,S1为光伏微电网储能电源的充电模型;s为能量波动范围;T为采样时段;S2为光伏微电网储能电源的放电模型;η为充电/放电效率｡按照上述方式,完成光伏微电网电源模型的构建｡

2、基于改进人群搜索算法的荷电最优状态全域检索

在上述内容的基础上,利用光伏微电网电源模型,引进改进人群搜索算法,进行荷电最优状态的全域检索[6]｡在此过程中应明确荷电状态是描述储能系统(如电池)剩余电量的物理量,计算公式为:

式中,C为储能系统荷电状态;q1为储能系统当前剩余的电量;q2为储能系统的总容量｡改进人群搜索算法是一种基于模拟人类智能搜索的群智能算法,通过引入模拟退火等策略来避免陷入局部最优解｡在应用于荷电最优状态的全域检索时,需要定义优化目标函数[7]｡假设全域检索的目标是微电网系统能源利用最大效率,以此为依据,建立如下计算公式所示的目标函数:

式中,fmax为以微电网系统能源利用最大效率为目标的函数;x为搜索空间,即荷电状态C的可能取值范围,通常是一个闭区间;i为检索次数;χ为逆变器控制参数[8]｡在此基础上,随机生成一组解(即荷电状态的初始值)作为搜索的起点,计算每个解的目标函数值,根据SOA算法及其模拟退火更新解的位置,以寻找更优的解｡为确保此过程的规范性,按照表1所示的内容,设计改进人群搜索算法的技术参数[9]

表1改进人群搜索算法的技术参数

在更新解的过程中,引入Metropolis准则,以一定的概率接受劣解,从而避免陷入局部最优｡计算公式为:

式中,Q为全局最优解;Δδ为检索次数｡通过上述方式,得到最优解,以此种方式,实现基于改进人群搜索算法的荷电最优状态全域检索｡

3、考虑光伏校正的电网储能容量配置优化

完成上述内容的设计后,在考虑光伏校正的前提下,进行微电网的平衡约束,计算公式为:

式中,p1为从电网的购电量;p2为储能系统的最大充电功率;λ为负荷需求｡

光伏系统的实际输出功率可能受到多种因素的影响(如云层遮挡､温度等),因此需要进行校正｡校正后的功率可以表示为:

式中,p′为校正后的功率;β为光伏系统的预测输出功率;l为校正系数｡完成校正后,根据电网的历史负荷数据､光伏输出预测及未来发展趋势,确定储能系统的基本需求,根据校正后的光伏需求量,进行电网储能容量的设计,要求容量略大于需求量[10]｡以此种方式,实现考虑光伏校正的电网储能容量配置优化,完成光伏微电网储能容量优化配置方法的设计研究｡

4、对比实验

完成上述内容的设计后,为实现对配置方法应用效果的检验,选择某地区大型光伏微电网作为研究对象｡以该地区2024年上半年的实际数据为例,该光伏微电网总发电量达到100亿kWh,其中太阳能发电量占比显著,约为20亿kWh,同比增长20%,表明该地区光伏发电技术日益成熟,市场潜力巨大｡

随着技术进步和成本降低,光伏微电网的供电服务范围不断扩大,已覆盖该区域约80%的乡村及偏远地区,有效缓解了当地电力供应紧张的问题｡同时,光伏微电网的智能化管理和储能技术的应用,使得供电稳定性和可靠性得到显著提升,用户满意度达到90%以上｡对试点地区的光伏微电网供电服务架构进行分析,如图1所示｡

图1光伏微电网供电服务架构

在此基础上,对光伏微电网储能进行分析,其中蓄电池作为主要的储能设备,其大容量特性能够储存光伏系统在光照充足时产生的多余电能,供夜间或阴天时使用,有效平衡电力供需｡而电容器则以其快速充放电的能力,在微电网的瞬态过程中提供必要的功率支持,确保电网的稳定性和响应速度｡两者相辅相成,共同构成了光伏微电网中不可或缺的储能系统,提升了能源利用效率和电网运行的安全性｡光伏微电网储能单元技术参数如表2所示｡

表2光伏微电网储能单元技术参数

在深入此单位的研究中发现,现阶段试点地区的储能技术成本仍相对较高,尽管近年来有所下降,但大规模应用仍面临经济压力｡根据财务部门统计,储能系统的投资占比高达25%,显著增加了整体项目的成本负担｡同时,储能容量的优化配置依赖于准确的需求预测和负荷特性分析,但现实中这些因素往往存在不确定性,导致配置结果可能偏离最优解｡据统计,该光伏微电网项目在初期因预测误差导致储能容量配置过大,造成约10%的储能容量闲置,降低了系统的经济性｡

针对现有问题,引进文献[1]提出的基于电池寿命折损成本的容量配置方法､文献[2]提出的基于新能源消纳的容量配置方法,将其作为对照组方法1､方法2｡同时应用本文方法与对照组方法,进行光伏微电网储能容量优化配置,检验优化后微电网储能单元对光伏发电的利用率,将其作为检验储能容量优化配置方法的关键指标,其结果如图2所示｡

图2微电网储能单元对光伏发电的利用率

从图2所展示的结果中可知,本文所提出的基于人群搜索算法的光伏微电网储能容量配置方法,在提升光伏发电的利用率方面展现出显著优势,其利用率稳定维持在80%~100%的高水平区间内｡相比之下,文献[1]与文献[2]中所述的方法在光伏发电的利用上则显得较为低效,未能充分挖掘光伏资源的潜力｡这一对比结果强有力地证明了本文设计方法的有效性和图2微电网储能单元对光伏发电的利用率实用性｡通过应用该算法进行光伏微电网储能容量的精细化优化配置,不仅能够显著提升光伏发电的利用率,还有效减少了因资源错配或容量规划不当导致的“弃光”､“弃风”现象,从而促进可再生能源的可持续利用与高效转化,为实现绿色低碳的能源发展目标贡献了重要力量｡

5、结束语

现有的储能容量配置方法大多基于经验判断或简单的统计分析,难以准确反映系统动态特性和经济性要求｡为此,技术人员开始探索采用智能优化算法,解决这一问题,其中,人群搜索算法作为一种新颖的概率搜索算法,以其自组织特性和良好的可扩展性,在优化问题中展现出独特的优势｡然而,标准的人群搜索算法在应对复杂系统优化问题时,仍存在易陷入局部最优解､收敛速度较慢等不足｡因此,本文引进改进人群搜索算法,以某光伏微电网为例,通过建立光伏微电网电源模型､荷电最优状态全域检索､考虑光伏校正的电网储能容量配置优化,开展配置方法的研究｡通过引入新的搜索机制和策略,提升算法的全局搜索能力和收敛速度,使储能容量的配置更加精准､经济｡本次研究,不仅有助于推动光伏微电网技术的发展与应用,提高能源利用效率,还能为可再生能源的广泛接入和智能电网的构建提供有力支撑｡

参考文献:

[1]王鑫,姚一鸣,唐瞻文,等.计及电池寿命折损成本的微电网储能系统容量分层优化配置[J].云南电力技术,2022,50(2):2-9.

[2]马会萌,李相俊,吴荣宇,等.兼顾新能源消纳和主动支撑电网能力提升的多类型储能容量优化配置[J].电力建设,2024,45(6):111-119.

[3]李成,张婕,石轲,等.面向风电场的主动支撑电网型分散式储能控制策略与优化配置[J].中国电力,2023,56(12):238-247.

[4]朱清,阮睿,朱卫卫,等.计及经济性的高比例新能源区域电网的不同储能类型的容量配置对比分析方法[J].供用电,2024,41(2):12-20.

[5]魏震波,姚怡欣,张雯雯,等.基于完备集合经验模态分解的含抽蓄微电网混合储能容量优化配置[J].储能科学与技术,2023,12(11):3414-3424.

[6]于琳琳,司瑞华,常青青,等.基于区域控制偏差的电池储能参与电网二次调频的容量配置方法[J].可再生能源,2023,41(8):1129-1136.

[7]张金磊,孙俊,杨祥国,等.基于MOSSA算法的船载储能系统容量配置多目标优化方法[J].舰船科学技术,2023,45(14):63-68.

[8]李炜,逄格震,孙东,等.基于双电源电价机制差异的油田注水站储能容量优化配置与运行策略研究[J].电工技术,2023(10):179-182,185.

[9]吴青峰,褚晓林,于少娟,等.基于改进型P-E下垂控制的低压交流微电网不同容量储能单元SOC均衡策略[J].太阳能学报,2023,44(4):266-275.

[10]李蕊睿,李奇,蒲雨辰,等.计及功率交互约束的含电—氢混合储能的多微电网系统容量优化配置[J].电力系统保护与控制,2022,50(14):53-64.

文章来源:齐斌.基于改进人群搜索算法的光伏微电网储能容量优化配置研究[J].电器工业,2025,(03):36-39+50.