【技術實現步驟摘要】
本專利技術涉及分布式儲能系統，更具體地說，本專利技術涉及一種分布式儲能系統實時優化方法及裝置。
技術介紹
1、分布式儲能系統，根據充電和放電，將電能分配給不同的設施或目的地以實現節電、節約能源和改善能源使用效率的系統；其以最低的存儲和使用成本將收集的各種來源的能源有效結合，以實現有效運用，此系統考慮使用者對電能的需求，并依據這些需求對儲存在各個儲存單元中的能源進行優化，采用多個儲存單元將儲存的能源分布在距離使用方較近的地方，可以降低損耗并確保能源能夠可靠支持使用者的需求。由于在每個時段用戶側用電需求不同，因此，需要對分布式儲能系統的運行進行控制，以能夠穩定的支持使用者用電，提供穩定的功率支持；目前，分布式儲能系統的運行控制與用戶用電需求的匹配度還不夠精確，因此，有必要提出一種分布式儲能系統實時優化方法及裝置，以至少部分地解決現有技術中存在的問題。
技術實現思路
1、在
技術實現思路
部分中引入了一系列簡化形式的概念，這將在具體實施方式部分中進一步詳細說明。本專利技術的
技術實現思路
部分并不意味著要試圖限定出所要求保護的技術方案的關鍵特征和必要技術特征，更不意味著試圖確定所要求保護的技術方案的保護范圍。
2、為至少部分地解決上述問題，本專利技術提供了一種分布式儲能系統實時優化方法，包括：
3、s1、建立分布式儲能系統的優化模型，確定分布式儲能系統的運行控制策略的優化約束條件；
4、s2、結合每個時段的用電負荷和用電價格因素，通過優化模型對運行控制策略進行
5、s3、獲取分布式儲能系統在每個時段的總容量，并通過優化模型對總容量進行優化；
6、s4、利用優化后的總容量對優化模型更新，并采用更新后的優化模型對運行控制策略進行二次優化；
7、s5、判斷二次優化后的運行控制策略是否能夠使優化模型取得最大值，若否，則繼續對總容量進行優化，并利用優化后的總容量對運行控制策略進行優化；若是，則將優化后的總容量以及對應的運行控制策略作為優化結果。
8、優選的是，所述優化模型包括：第一優化層和第二優化層；
9、確定第一優化層中的各個目標的參數，第二優化層采用粒子群算法結合潮流計算工具，優化分布式儲能系統的運行控制策略，使分布式儲能系統在該運行控制策略下降低成本，然后將第二優化層的優化結果反饋至第一優化層，并采用遺傳算法確定最優的運行控制策略。
10、優選的是，所述第一優化層中的目標包括：每個儲能單元的接入位置、功率和容量。
11、優選的是，所述第二優化層中的目標包括：分布式儲能系統的投資和運維成本。
12、優選的是，利用優化后的總容量對優化模型更新包括：利用優化后的總容量對第一優化層中每個儲能單元的容量進行更新。
13、優選的是，所述運行控制策略的優化約束條件包括：分布式儲能系統中每個儲能單元的出力約束、配電網中節點電壓約束、每個儲能單元荷電狀態連續性約束、每個儲能單元荷電狀態約束、分布式儲能系統中充放電功率約束。
14、優選的是，所述s5中，判斷二次優化后的運行控制策略是否能夠使優化模型取得最大值，包括：
15、s51、依據二次優化后的運行控制策略，確定優化模型中各個目標的優化系數；
16、s52、依據每個目標的優化系數獲得多目標的優化綜合系數；
17、s53、判斷優化綜合系數的值是否大于或等于預設值，若是，則表示優化后的運行控制策略能夠使優化模型取得最大值，若否，則表示優化后的運行控制策略不能夠使優化模型取得最大值。
18、優選的是，將第二優化層的優化結果反饋至第一優化層，并采用遺傳算法確定最優的運行控制策略包括：
19、s21、隨機生成初始種群；
20、s22、判斷生成的初始種群是否滿足優化約束條件，若不滿足，則去除不滿足優化約束條件的個體，并生成新的個體直至所有個體滿足優化約束條件；
21、s23、計算種群中每個個體的適應度；
22、s24、通過對上一代種群進行選擇、交叉、變異操作，獲得新一代種群，替換并保存新一代種群中適應度較高的個體作為下一代進行繁殖；
23、s25、判斷是否達到最大迭代次數，若是，則結束并輸出每個時段的運行控制策略的最優解，若否，則返回步驟s22重新進行迭代。
24、本專利技術還提供了一種分布式儲能系統實時優化裝置，包括：
25、構建模塊，建立分布式儲能系統的優化模型，確定分布式儲能系統的運行控制策略的優化約束條件；
26、第一優化模塊，結合每個時段的用電負荷和用電價格因素，通過優化模型對每個時段的運行控制策略進行一次優化；
27、容量優化模塊，獲取分布式儲能系統在每個時段的總容量，并通過優化模型對總容量進行優化；
28、第二優化模塊，利用優化后的總容量對優化模型更新，并采用更新后的優化模型對每個時段的運行控制策略進行二次優化；
29、判斷輸出模塊，判斷二次優化后的運行控制策略是否能夠使優化模型取得最大值，若否，則繼續對總容量進行優化，并利用優化后的總容量對運行控制策略進行優化；若是，則將優化后的總容量以及對應的運行控制策略作為優化結果。
30、優選的是，所述優化模型包括：第一優化層和第二優化層；
31、確定第一優化層中的各個目標的參數，第二優化層采用粒子群算法結合潮流計算工具，優化分布式儲能系統的運行控制策略，使分布式儲能系統在該運行控制策略下降低成本，然后將第二優化層的優化結果反饋至第一優化層，并采用遺傳算法確定最優的運行控制策略。
32、相比現有技術，本專利技術至少包括以下有益效果：
33、本專利技術所述的分布式儲能系統實時優化方法及裝置，基于用電負荷和用電價格因素，通過建立好的優化模型對運行控制策略進行第一次優化；由于分布式儲能系統在每個時段的總容量也存在差異，這是由于各個儲能單元的狀態（充電或放電狀態）在不同的時段會有不同的變化，因此，需要獲取分布式儲能系統在每個時段的總容量，然后通過優化模型對總容量進行優化，以獲得與當前時段用電負荷最匹配的總容量，然后通過優化后的總容量對優化模型進行更新，這將使得優化模型更為精確，再通過更新后的優化模型對運行控制策略進行二次優化，直至運行控制策略能夠使優化模型取得最大值，則選擇對應的運行控制策略對當前時段的供電進行控制，以提升供電與用戶用電需求的匹配度；通過對每個時段的運行控制策略進行優化，能夠獲得與用戶用電需求最佳的匹配度，節約能源的使用和成本，并且能夠穩定的支持用戶用電，提供穩定的功率支持。
34、本專利技術所述的分布式儲能系統實時優化方法及裝置，本專利技術的其它優點、目標和特征將部分通過下面的說明體現，部分還將通過對本專利技術的研究和實踐而為本領域的技術人員所理解。
本文檔來自技高網...【技術保護點】
1.一種分布式儲能系統實時優化方法，其特征在于，包括：
2.根據權利要求1所述的分布式儲能系統實時優化方法，其特征在于，所述優化模型包括：第一優化層和第二優化層；
3.根據權利要求2所述的分布式儲能系統實時優化方法，其特征在于，所述第一優化層中的目標包括：每個儲能單元的接入位置、功率和容量。
4.根據權利要求3所述的分布式儲能系統實時優化方法，其特征在于，所述第二優化層中的目標包括：分布式儲能系統的投資和運維成本。
5.根據權利要求3所述的分布式儲能系統實時優化方法，其特征在于，利用優化后的總容量對優化模型更新包括：利用優化后的總容量對第一優化層中每個儲能單元的容量進行更新。
6.根據權利要求1所述的分布式儲能系統實時優化方法，其特征在于，所述運行控制策略的優化約束條件包括：分布式儲能系統中每個儲能單元的出力約束、配電網中節點電壓約束、每個儲能單元荷電狀態連續性約束、每個儲能單元荷電狀態約束、分布式儲能系統中充放電功率約束。
7.根據權利要求2所述的分布式儲能系統實時優化方法，其特征在于，所述S5中，判斷二次
8.根據權利要求2所述的分布式儲能系統實時優化方法，其特征在于，將第二優化層的優化結果反饋至第一優化層，并采用遺傳算法確定最優的運行控制策略包括：
9.一種分布式儲能系統實時優化裝置，其特征在于，包括：
10.根據權利要求9所述的分布式儲能系統實時優化裝置，其特征在于，所述優化模型包括：第一優化層和第二優化層；
...【技術特征摘要】
1.一種分布式儲能系統實時優化方法，其特征在于，包括：
2.根據權利要求1所述的分布式儲能系統實時優化方法，其特征在于，所述優化模型包括：第一優化層和第二優化層；
3.根據權利要求2所述的分布式儲能系統實時優化方法，其特征在于，所述第一優化層中的目標包括：每個儲能單元的接入位置、功率和容量。
4.根據權利要求3所述的分布式儲能系統實時優化方法，其特征在于，所述第二優化層中的目標包括：分布式儲能系統的投資和運維成本。
5.根據權利要求3所述的分布式儲能系統實時優化方法，其特征在于，利用優化后的總容量對優化模型更新包括：利用優化后的總容量對第一優化層中每個儲能單元的容量進行更新。
6.根據權利要求1所述的分布式儲能系統實時優化方法，其特...
【專利技術屬性】
技術研發人員：謝朝暉，馬玉山，喬正盛，郭丕龍，
申請(專利權)人：深圳市健網科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。