技术领域
[0001] 本发明属于容量协调优化配置技术领域，具体涉及一种改进秃鹰算法的风光储容量协调优化配置策略。
相关背景技术
[0002] 随着社会的不断发展和人们对清洁能源需求的增加，风光储能系统作为可再生能源的代表之一，逐渐受到广泛关注。然而，由于风机和光伏的出力不稳定性和间歇性，给系统运行过程带来一系列的挑战，例如能源的不稳定注入电网、能量储存效率低等问题。
[0003] 广义储能具备实体储能的稳定供能和虚拟储能的灵活供能特性，随着系统规模逐渐庞大，系统电压等级也越来越高，以及可再生能源的接入系统，系统对于电能质量要求变高，广义储能既能保证系统运行的稳定性又能维持系统灵活调节特性，考虑广义储能在容量配置过程中成为发展热点趋势。
[0004] 考虑到风光储容量协调优化配置本质上是一个优化问题，本发明利用更加先进的秃鹰算法进行优化。秃鹰算法的基本原理是模仿北美秃鹰捕食过程而提出的一种新型元启发算法，具有收敛速度快、鲁棒性高等优点。然而，秃鹰种群初始分布是随机的，不均匀的种群会严重影响收敛速度和求解精度，以及全局搜索能力不够强，因此在原保留算法良好收敛性的基础上，如何改进算法以提升算法求解容量优化配置模型的收敛速度和搜索能力很有意义。
具体实施方式
[0059] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围，以下结合实施例具体说明。
[0060] 本发明包括如下步骤：
[0061] 本发明采用的技术方案为：一种改进秃鹰算法的风光储容量协调优化配置策略，包括如下步骤：
[0062] S1：构建考虑广义储能系统的风光储容量系统，具体过程如下：
[0063] 考虑广义储能系统的风光储容量系统包括；供能侧包括电网、氢网、风机、光伏，能源转换设备包括电解槽、燃氢燃气轮机，储能设备包括实体储能、虚拟储能电动汽车和储氢罐，负荷侧包括电负荷、氢负荷。其中电解槽、储氢罐、燃氢燃气轮机组成氢能系统。
[0064] 实体储能和虚拟储能电动汽车兼顾系统供能稳定性和运行经济性，实体储能模型的表达式如下：
[0065]
[0066] 式中， 为t时刻实体储能的容量； 分别为实体储能的充、放效率；Ptch、disPt 分别为t时刻实体储能的充、放功率；Δt为系统的优化时间步长。
[0067] 虚拟储能电动汽车模型的表达式如下：
[0068]
[0069]
[0070]
[0071] 式中， 为t时刻虚拟储能电动汽车的电量； 分别为虚拟储能电动汽车i初始、离开的电量； 分别为t时刻增加、减少的虚拟储能电动汽车集合；
分别为虚拟储能电动汽车在t时刻的电量上限、下限； 分别为虚拟储
能电动汽车的额定充、放电功率； 分别为虚拟储能电动汽车接入、离开系统的时刻。
[0072] S2：综合考虑投资成本和风光消纳率，建立风光储容量优化配置模型的目标函数，具体过程如下：
[0073] 风光储容量优化配置模型的目标函数F包括风光储容量系统综合投资成本F1、弃风弃光率F2，具体表达式如下：
[0074] minF＝F1+F2
[0075] F1＝CES+CEV+CWP+CEHF
[0076]
[0077]
[0078] CWP＝(ρWTRWT+ρPVRPV)LF+(YWTRWT+YPVRPV)LF
[0079]
[0080]
[0081]
[0082] 式中，CES为实体储能的总投资维护成本；CEV为虚拟储能电动汽车的总投资维护成本；CWP为风机和光伏的总投资维护成本；CEHF为氢能系统的总投资维护成本；ρES为实体储能ch dis的投资成本系数； 为实体储能的容量上限；Pt 、Pt 分别为t时刻实体储能的充、放功率； 为实体储能的单位功率维护成本；ρEV为虚拟储能电动汽车的投资成本系数；LF为投资回收率；SS为虚拟储能电动汽车的数量集合上限；μ1为虚拟储能电动汽车的电池损耗补偿系数；μ2为虚拟储能电动汽车的电量满意度补偿系数；μ3为虚拟储能电动汽车的充电电价；
分别为t时刻虚拟储能电动汽车的充、放电功率；ρWT、ρPV、ρELE、ρH2、ρFuel分别为风机、光伏、电解槽、储氢罐、燃氢燃气轮机的投资成本系数；YWT、YPV、YELE、 YFuel分别为风机、光伏、电解槽、储氢罐、燃氢燃气轮机的运行维护系数；RWT、RPV、RELE、 RFuel分别为风e,wt e
机、光伏、电解槽、储氢罐、燃氢燃气轮机的容量；τ为贷款利率；L为系统规划年限；Pt 、Pt,pv wt pv
分别为弃风、弃光量；Pt 、Pt 分别为风机、光伏出力；T为典型日运行周期。
[0083] S3：构建风光储容量系统中各设备的约束条件，具体过程如下：
[0084] (1)电功率、氢功率的平衡约束：
[0085]
[0086]
[0087] 式中，Ptg、 分别为t时刻购电、购氢功率；PtHFC为t时刻燃氢燃气轮机发电功率；ELE l
Pt 为t时刻电解槽耗电功率；Pt 、 分别为t时刻系统的电负荷、氢负荷功率；
为t时刻储氢罐充、放氢功率； 为t时刻电解槽产氢功率； 为t时刻燃氢燃气轮机耗氢功率。
[0088] (2)广义储能系统的各设备约束：
[0089] 实体储能的功率约束：
[0090]
[0091] 式中， 为t时刻实体储能容量； 分别为实体储能的充、放效率；分别为储能的容量上、下限； 分别为实体储能的充、放功率上限；
分别为实体储能的开始、结束时刻的容量。
[0092] 虚拟储能电动汽车的充放电功率约束：
[0093]
[0094] 式中， 分别为虚拟储能电动汽车在t时刻的功率上限、下限；分别为虚拟储能电动汽车的额定充、放电功率； 分别为虚拟储能电动汽车接入、离开系统的时刻。
[0095] S4：采用改进秃鹰算法对所建模型进行求解得到各设备容量，具体过程如下：
[0096] (1)位置选择阶段，利用混沌映射的遍历性和随机性，混沌映射基础上引入调节机制v/N改进秃鹰种群初始化过程，基于调节机制的新映射表达式为：
[0097]
[0098] 式中，Xi,j+1、Xi,j分别为混沌序列；i为秃鹰种群规模，i＝1,2,…,N；j为混沌序号，j＝1,2,…,d；v为随机数，v∈[0,1]。
[0099] 利用基于调节机制的新映射对搜索位置更新式为：
[0100] Pi,new＝Pbest+aXi,j+1(Pmean‑Pi)
[0101] 式中，Pi、Pi,new分布为第i只秃鹰更新前、后的位置；Pbest为当前的最优搜索位置；a为位置变化控制变量，a∈[1.5,2]；Pmean为秃鹰平均分布位置。
[0102] (2)目标搜索阶段，引入自适应函数对动态搜索步长进行调整，改进秃鹰算法中目标搜索阶段极坐标下的位置更新表达式为：
[0103] Pi,new＝FaPi+x(i)(Pi‑Pmean)+y(i)(FaPi‑Pi+1)
[0104]
[0105] 式中，Fa为自适应函数；Inow为当前迭代次数；Imax为最大迭代次数；x(i)、y(i)为秃鹰的极坐标位置，x(i)∈[‑1,1]，y(i)∈[‑1,1]；
[0106] (3)猎物捕获阶段，秃鹰从搜索空间的最优位置向目标猎物发起攻击，秃鹰的运动状态极坐标的表达式为：
[0107]
[0108] 式中，rand[0,1]为0到1之间的随机数；xl(i)、yl(i)为搜索阶段中秃鹰的最优极坐标位置；c1、c2分别为秃鹰向最优点、中心点飞行的强度，c1∈[1,2]，c2∈[1,2]。
[0109] 以下对本发明的有效性进行验证：
[0110] 图1是本发明所提一种改进秃鹰算法的风光储容量协调优化配置策略流程图。首先，构建考虑广义储能系统的风光储容量系统；其次，综合考虑投资成本和风光消纳率，建立风光储容量优化配置模型的目标函数，并构建风光储容量系统中各设备的约束条件；最后，采用改进秃鹰算法求解所建模型得到系统各设备容量，提升算法收敛速度得到合理的各机组容量，以此提高系统整体经济性与稳定性。
[0111] 图2是电能优化配置结果图。风机和光伏出力在典型日内均以最大出力运行，在考虑氢能系统和广义储能的基础上，将富余电能存于广义储能系统，或者将电能转为氢能，满足氢负荷需求，系统能够充分消纳系统配置的风机和光伏机组，避免弃风弃光现象的出现。在负荷低估和高峰时段，系统调用广义储能系统进行充能、放能，保证系统稳定供能，其中虚拟储能电动汽车还能起到灵活调度的作用，发挥其可移动的优势，满足系统对电能的灵活需求。
[0112] 图3是氢能优化配置结果图。在风光储容量系统中配置了氢能系统，电解槽耗电产氢满足氢负荷需求，并将富余氢能存于储氢罐中，时移氢能满足系统氢能峰时段的需求同时提高风光消纳率。氢能作为清洁高效能源，电解槽能够将系统中多余的电能转为氢能，消纳系统中风光高峰时段出力，降低弃风弃光率以此降低系统的综合投资成本。
[0113] 图4是改进秃鹰算法求解风光储容量协调优化配置迭代曲线。对比遗传算法、秃鹰算法和改进秃鹰算法的求解迭代曲线，在优化速度上，改进秃鹰算法在迭代到40次时，计算结果已经趋于稳定。对比秃鹰算法和遗传算法，改进秃鹰算法的优化结果最为理想，能够更快求解得到优化配置结果。因此，改进秃鹰算在求解风光储容量协调优化配置模型具备高效性和可行性。
[0114] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的得同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
