一种考虑电池容量衰减的微电网容量优化配置方法

1.本发明涉及微电网优化配置技术领域，尤其涉及一种考虑电池容量衰减的微电网容量优化配置方法。


背景技术：

2.南极大陆是最晚被发现的一个可以作为科学实验“天堂”的干净大陆，是目前世界上最大的冰盖，淡水储量极高。气候变化的冷源均系于此，全球气候直接受到南极地区环境变化的影响而随之变化，诸如大洋、大气环流变化都至关重要。因此世界各国均建立科考队考察南极生态环境变化，便于及时掌握世界环境变化及其对我们生活造成的影响。
3.目前，南极几乎所有科考站都是依靠柴油发电机运行发电保证站区电力设备运行，使用化石燃料的过程不仅减少了相应资源的储量，还产生了大量废料、废气，给未来的生态环境留下了重大的隐患。为保护南极环境，在极区建立风-光-储交直流微电网系统是因地制宜实现绿色供能的优选方案。风-光-储交直流微电网系统的结构如图1所示，微电网中同时包含有交流母线、直流母线，其中不可控源包括风电机组、光伏阵列，可控源为储能电池(蓄电池)；新能源电源设备根据发电特性分别连接到最符合其特点的母线上，交流负荷、直流负荷由两类母线单独供电，功率交互通过功率变换器完成。
4.微电网中储能设备(锂离子电池)是整个系统的核心，使得供电更加平稳可靠。由于极地气候寒冷，全年可分为冬夏两季，冬季月平均气温是-16℃～-20℃，夏季月平均气温为-4℃～-10℃，全年温度都很低，对锂离子电池的工作性能影响很大，导致其放电容量不再是固定的额定容量，而是一个变化的量，所以需要对其进行容量估计。微电网系统的容量优化配置以及机组协调运行，是提高系统的经济效益和孤岛模式下可靠运行的重要保证。
5.所以有必要针对极地考虑电池容量衰减的交直流微电网容量优化配置进行研究，提高微电网可靠性与经济效益。


技术实现要素：

6.为解决由于极地的恶劣环境所造成的微电网中储能电池的容量变化，导致现有微电网系统的容量优化配置方案不满足需求的技术问题，本发明提供了一种考虑电池容量衰减的微电网容量优化配置方法。
7.本发明提供了一种考虑电池容量衰减的微电网容量优化配置方法，包括以下步骤：
8.步骤1、根据微电网系统内各设备的数学模型，获得微电网系统的经济成本模型，建立微电网系统优化配置的目标函数，采用等年值综合成本c
eac
作为其中一个优化目标，用于衡量微电网系统的经济性，经济指标对应的经济成本模型表示为：
9.c
eac
＝c
aic
+c
arc
+c
aomc
(1)
10.式(1)中，c
aic
为微电网系统的换算为等年值的初始投资成本，c
arc
为微电网系统的换算为等年值的中期置换成本，c
aomc
为微电网系统的换算为等年值的运维成本，其中：
[0011][0012][0013][0014]
式(2)中，c
wt,aic
、c
pv,aic
、c
bat,aic
分别表示风电机组、光伏阵列、储能电池的初始投资成本；f
crf
表示计算等年值成本时的折算系数；r代表折现率；y代表该项目的研究周期；式(3)中，n
fr
表示在项目周期内所需更换电池的次数；l表示电池的实际使用寿命；c
bat
表示置换一次的成本；式(4)中，n
pc
表示项目周期；f表示年通胀率；c
tom
(1)表示微电网第一年的全部运维成本；求和式子的子式中n代表第几年，子式整体代表某年的总运维成本；
[0015]
采用全年负荷缺电率作为另一个优化目标，用于衡量微电网系统的可靠性，一年无法满足供电的负载所用电量占正常运行总电量的比值用符号δ
lpsp
表示，且：
[0016][0017]
式(5)中，p
load
(t)表示负荷正常运行所需电量，p
op
(t)表示该时刻的系统可供电的设备输出有功总和，p
pv
(t)、p
wt
(t)和p
pv
(t)分别表示该时刻光伏电池、风电机组、锂电池的出力值；
[0018]
步骤2、对微电网各设备进行建模并建立运行约束，运行约束包括功能平衡约束、储能电池剩余容量约束、储能电池的充/放电功率约束和可靠性约束；
[0019]
其中功能平衡约束表示为：
[0020][0021]
式(6)中，p
ch
(t)表示该时刻锂电池充电功率；p
dis
(t)表示该时刻锂电池放电功率；
[0022]
在运行中，储能电池每时每刻的剩余容量应满足剩余能量约束，剩余能量约束表示为，
[0023]
[0024]
式(14)中，cb(t)、cb(t-1)分别表示该时刻与上一时刻储能电池的剩余容量；c
bat,max
、c
bat,min
类比在额定可用容量下约束的容量边界，在此分别表示在综合考虑多方因素下计及容量衰减后修正的实时容量下的电池实际设置的最大容量和最小容量，c
bat,max
、c
bat,min
为变量；
[0025]
其中，储能电池的充/放电功率约束表示为：
[0026][0027]
式(15)中，i
dis
(t)、i
ch
(t)为储能电池的充放电运行状态，0代表未运行，1分别代表处于放电、充电状态，i
dis
(t)和i
ch
(t)不可同时为1，p
ch,max
、p
dis,max
表示最大充、放电功率；
[0028]
当储能系统剩余可放电的容量无法满足该时刻放电所需时，则将此时的放电能力调整其功率为，
[0029][0030]
当储能系统的剩余可充电的容量无法满足充电所需时，则对其充电功率进行调整，
[0031][0032]
其中可靠性约束为，
[0033]
δ
lpsp
≤δ
max
ꢀꢀꢀ
(18)
[0034]
δ
max
为最大的lpsp值；
[0035]
步骤3、根据步骤1得到的目标函数和步骤2得到的运行约束，构建考虑储能容量衰减的微电网容量优化模型，在不同温度、不同循环倍率下对储能电池进行充放电老化测试，得到多组储能电池的容量数据，把电池老化作为因变量，即选定综合容量退化量作为参考序列，选定影响其变化的温度、放电倍率、循环衰减作为比较序列，则参考序列和比较序列构成原始评价矩阵y，对原始评价矩阵y中的数据进行无量纲化处理，得到矩阵y
′
；再求取比较序列和参考序列的关联系数ξ
ij
，
[0036][0037]
式(7)中，δ(min)、δ(max)分别代表矩阵y
′
的最小绝对差和最大绝对差；ρ为分辨率，ρ为(0,1)之间的一个数；δ
ij
为绝对差值矩阵；
[0038]
利用粒子群算法优化分辨率ρ，再利用熵权法对关联系数ξ
ij
进行改进，其中，熵权法包括如下子步骤：
[0039]
s1、求取矩阵y
′
中每个样本值在该指标因素中的权重p
ij
，
[0040][0041]
s2、计算每个因素的熵值ej，
[0042][0043]
s3、计算每个因素的权重wj，
[0044][0045]
使用动态权重、熵权法改进灰色关联法，最终得到自适应灰色关联分析法的计算结果为：
[0046][0047]
基于自适应灰色关联分析法的多因素储能电池容量衰减模型为，
[0048]qloss
＝γ
t
·
q(t)+γc·
q(c)+γ
cycle
·
q(cycle)
ꢀꢀꢀ
(12)
[0049]
式(12)中：γ
t
表示温度因子对应的动态权重因子，由多因素影响下的温度权重变化曲线对应的二次函数表示；γc表示充放电倍率对应的动态权重因子，由多因素影响下的充放电倍率权重变化曲线对应的二次函数表示；γ
cycle
表示循环次数对应的动态权重因子，由多因素影响下的循环次数权重变化曲线对应的二次函数表示；q(t)为温度单一因素影响下的电池容量衰减百分数，q(c)为充放电倍率单一因素影响下的电池容量衰减百分数，q(cycle)为循环次数单一因素影响下的电池容量衰减百分数；
[0050]
储能电池实际容量为：
[0051]cbat
(t)＝(1-q
loss
(t))c
rated
ꢀꢀꢀ
(13)
[0052]
式(13)中，c
bat
(t)为储能电池在不同环境温度、充电倍率与不同循环次数使用下的t时的实际容量；c
rated
为标准状况下蓄电池额定容量；q
loss
为上述采用自适应灰色关联分析法得到的多因素电池容量衰减百分数，是一个随时间t变化的值；
[0053]
步骤4、选取改进粒子群算法对储能电池实际容量c
bat
(t)进行求解，获得储能电池的容量配置结果。
[0054]
其中，关于多因素储能电池容量衰减模型，在电化学中，温度导致产品失效的arrhenius方程可以引入电气特性的等效领域，为了求取一段时间的变化量，可以在两侧同时积分如式(15)所示，表示电池对温度的依赖性：
[0055][0056][0057]
其中：m为状态量，dm/dt为化学反应速率，a为反应常量，r为摩尔常数，t为绝对温度，ea为活化能，q(t)为温度单一因素影响下的电池容量衰减百分数；
[0058]
非线性倍率、循环应力模型包括指数模型和二次模型，如式(16)、(17)所示；
[0059]
q(c)＝ae
bc (16)
[0060]
q(cycle)＝p0·
cycle2+p1·
23*cycle+p
2 (17)
[0061]
其中：c为充放电倍率；cycle为循环次数，q(c)为充放电倍率单一因素影响下的电池容量衰减百分数，q(cycle)为循环次数单一因素影响下的电池容量衰减百分数；p0、p1、p2为二次函数的常系数，a、b是指数函数的常系数。
[0062]
对灰色关联法改进，采用自适应灰色关联分析法的结果，与传统方法相比，跟随效果明显增强，精度更高。
[0063]
为了保证系统优化的容量结果是切实可行的，不仅需要满足步骤一中的目标函数，而且如步骤二中所述，还需要对微电网各设备进行建模并建立必要的运行约束。
[0064]
本发明提供的技术方案与现有技术相比具有如下优点：通过本发明所述的方法对微电网容量进行优化，能满足系统各个设备协调运行条件的同时，选择最合适的设备容量，使得经济效益达到最优，找到可靠性指标与综合成本的最佳平衡点。
附图说明
[0065]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0066]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0067]
图1是本发明所涉及的交直流混合微电网结构示意图；
[0068]
图2是自适应灰色关联分析法的具体使用流程示意图；
[0069]
图3是传统分析法下的容量衰减曲线图；
[0070]
图4是基于自适应灰色关联法容量衰减曲线示意图；
[0071]
图5是温度、充放电倍率和循环次数权重因子变化趋势曲线图；
[0072]
图6是针对低温容量衰减的曲线图；
[0073]
图7是方案1典型日运行柱状图；
[0074]
图8是方案1典型日荷电状态变化曲线图；
[0075]
图9是风电机组出力对比图；
[0076]
图10是光伏阵列出力对比图；
[0077]
图11是电池承担负荷对比图；
[0078]
图12是方案2极昼典型日运行曲线图；
[0079]
图13是方案2极昼典型日锂电池荷电状态曲线图；
[0080]
图14是方案2极夜典型日运行曲线图；
[0081]
图15是方案2极夜典型日锂电池荷电状态曲线图；
[0082]
图16是考虑电池容量衰减前后荷电状态曲线图。
具体实施方式
[0083]
为了能够更清楚地理解本发明的上述目的、特征和优点，下面将对本发明的方案
进行进一步描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
[0084]
在描述中，需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0085]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但本发明还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本发明的一部分实施例，而不是全部的实施例。
[0086]
下面结合附图1至图16的对本发明的具体实施例进行详细说明。
[0087]
在一个实施例中所研究的孤岛型的交直流混合微电网结构如图1所示。其中不可控源包括风电机组、光伏阵列，可控源为储能电池(蓄电池)；新能源电源设备根据发电特性分别连接到最符合其特点的母线上，交流负荷、直流负荷由两类母线单独供电，功率交互通过功率变换器完成。
[0088]
一种考虑电池容量衰减的微电网容量优化配置方法，包括以下步骤：
[0089]
步骤1、根据微电网系统内各设备的数学模型，获得微电网系统的经济成本模型，建立微电网系统优化配置的目标函数，该微电网项目所需规划考虑寿命周期以20年为期，在南极运行期间，不乏需要定期检查设备状况，并进行维护工作，且储能系统是需要中期更换一次的，因此除了要考虑投资成本，还需要计入运维成本和部分设备的置换成本，在多方考虑下，采用等年值综合成本c
eac
作为其中一个优化目标，用于衡量微电网系统的经济性，经济指标对应的经济成本模型表示为：
[0090]ceac
＝c
aic
+c
arc
+c
aomc
ꢀꢀꢀ
(1)
[0091]
式(1)中，c
aic
为微电网系统的换算为等年值的初始投资成本，c
arc
为微电网系统的换算为等年值的中期置换成本，c
aomc
为微电网系统的换算为等年值的运维成本，运维成本主要包括两部分，一部分是设备运行过程中本身以及所包含的辅助设备的费用；另一部分是设备运行会对设备本身造成性能损耗，定期维护以保持设备的最佳状态而产生的费用，其中：
[0092][0093][0094][0095]
式(2)中，c
wt,aic
、c
pv,aic
、c
bat,aic
分别表示风电机组、光伏阵列、储能电池的初始投
资成本；f
crf
表示计算等年值成本时的折算系数；r代表折现率；y代表该项目的研究周期；式(3)中，n
fr
表示在项目周期内所需更换电池的次数；l表示电池的实际使用寿命；c
bat
表示置换一次的成本；式(4)中，n
pc
表示项目周期；f表示年通胀率；c
tom
(1)表示微电网第一年的全部运维成本；求和式子的子式中n代表第几年，子式整体代表某年的总运维成本；
[0096]
采用全年负荷缺电率(loss of power supply probability，lpsp)作为另一个优化目标，用于衡量微电网系统的可靠性，一年无法满足供电的负载所用电量占正常运行总电量的比值用符号δ
lpsp
表示，且：
[0097][0098]
式(5)中，p
load
(t)表示负荷正常运行所需电量，p
op
(t)表示该时刻的系统可供电的设备输出有功总和，p
pv
(t)、p
wt
(t)和p
pv
(t)分别表示该时刻光伏电池、风电机组、锂电池的出力值，lpsp越低可靠性越高，反之对孤立型微网造成的影响越大；
[0099]
步骤2、对微电网各设备进行建模并建立运行约束，运行约束包括功能平衡约束、储能电池剩余容量约束、储能电池的充/放电功率约束和可靠性约束；
[0100]
在南极，微电网没有大电网的支撑，只能孤立运行，为了满足负载用量，保证平稳运行，各个单元的出力要满足功率平衡，所以功能平衡约束表示为：
[0101][0102]
式(6)中，p
ch
(t)表示该时刻锂电池充电功率；p
dis
(t)表示该时刻锂电池放电功率；
[0103]
为了保证微电网孤立工作时稳定运行，配备了一定容量的储能，所使用的锂电池清洁无污染，为延长锂电池的使用周期，在运行中，储能电池每时每刻的剩余容量应满足剩余能量约束，剩余能量约束表示为，
[0104][0105]
式(14)中，cb(t)、cb(t-1)分别表示该时刻与上一时刻储能电池的剩余容量；c
bat,max
、c
bat,min
类比在额定可用容量下约束的容量边界，在此分别表示在综合考虑多方因素下计及容量衰减后修正的实时容量下的电池实际设置的最大容量和最小容量，c
bat,max
、c
bat,min
为变量；
[0106]
其中，作为储能电池的锂电池任意时刻充放电不能同时进行，运行功率也不能过大，所以储能电池的充/放电功率约束表示为：
[0107][0108]
式(15)中，i
dis
(t)、i
ch
(t)为储能电池的充放电运行状态，0代表未运行，1分别代表处于放电、充电状态，i
dis
(t)和i
ch
(t)不可同时为1，p
ch,max
、p
dis,max
表示最大充、放电功率；
[0109]
当储能系统剩余可放电的容量无法满足该时刻放电所需时，则将此时的放电能力调整其功率为，
[0110][0111]
当储能系统的剩余可充电的容量无法满足充电所需时，则对其充电功率进行调整，
[0112][0113]
其中可靠性约束为，
[0114]
δ
lpsp
≤δ
max
ꢀꢀꢀ
(18)
[0115]
δ
max
为最大的lpsp值；
[0116]
步骤3、根据步骤1得到的目标函数和步骤2得到的运行约束，构建考虑储能容量衰减的微电网容量优化模型，在不同温度、不同循环倍率下对储能电池进行充放电老化测试，得到多组储能电池的容量数据，把电池老化作为因变量，即选定综合容量退化量作为参考序列，选定影响其变化的温度、放电倍率、循环衰减作为比较序列，则参考序列和比较序列构成原始评价矩阵y，对原始评价矩阵y中的数据进行无量纲化处理(标准化处理)，得到矩阵y
′
；再求取比较序列和参考序列的关联系数ξ
ij
，
[0117][0118]
式(7)中，δ(min)、δ(max)分别代表矩阵y
′
的最小绝对差和最大绝对差；ρ为分辨率，ρ为(0,1)之间的一个数；δ
ij
为绝对差值矩阵；
[0119]
利用粒子群算法优化分辨率ρ，再利用熵权法对关联系数ξ
ij
进行改进，能更加准确估算多因素下的电池容量，其中，如图2所示，熵权法包括如下子步骤：s1、求取矩阵y
′
中每个样本值在该指标因素中的权重p
ij
，
[0120][0121]
s2、计算每个因素的熵值ej，
为二次函数的常系数，a、b是指数函数的常系数。基于对电池老化过程的了解，将上述三个特征作为电池老化指标，并采用上述所提自适应灰色关联分析法将各个特征融合在一起，即可建立多因素模型。
[0142]
其中，关于步骤4中的改进粒子群算法，传统粒子群算法(pso)中使用的惯性因子ω是0.4～0.9间某一数值，表示pso的搜索能力，在整个迭代过程中均代入同一数值，容易陷入局部最优。ω取值较大，搜索较广泛，迭代过程更偏向于全局寻优，但同时使得局部寻优能力被削弱；ω取值较小，搜索区域局限，容易发生振荡，难以跳出到全局，无法求得最优解。因此本发明步骤4中采用改进的粒子群算法，在迭代过程中不断调整ω值，每次迭代都更新一次ω值，避免粒子发生振荡，陷入局部最优。ω迭代更新过程如下所示：
[0143][0144]
式(18)中，ω∈(0.4,0.9)，ω
max
＝0.9代表权重因子最大值，ω
min
＝0.4代表权重因子最小值，m
max
代表pso运行迭代最大次数，m代表当前所处迭代次数；最初时刻，迭代次数少，m取值较小，权重因子最接近ω
max
，能够达到广泛搜寻的效果，及时锁定全局最优区域。随着迭代的不断进行，m取值不断增大，权重因子减小，在全局最优区域内部局部寻优增强。
[0145]
对灰色关联法改进，采用自适应灰色关联分析法的结果，与传统方法相比，跟随效果明显增强，精度更高。
[0146]
图3为选取其中一种工况的电池数据，使用传统灰色关联分析法的多因素衰减曲线，其中*曲线表示电池原始实验数据，线条曲线为使用传统灰色关联分析法而得到的衰减曲线，在未改进的情况下偏差较大，不精确。
[0147]
图4为对灰色关联法改进，采用自适应灰色关联分析法的结果。与传统方法相比，跟随效果明显增强，精度更高。
[0148]
2)结果分析与验证
[0149]
针对自适应灰色关联分析法所得到的温度/充放电倍率衰减因子和循环次数衰减因子的权重如图5所示。
[0150]
图5(a)为在生命周期中温度衰减因子所占权重变化曲线，倍率衰减因子的权重变化趋势与之类似，图5(b)为在生命周期中循环次数衰减因子所占权重变化曲线，温度、充放电倍率和循环次数三者权重之和为1。通过采用复合权重法分析可知，在整个循环周期中，每个因素的权重并非一成不变的，而是随着寿命周期的变换是一个动态过程。首先是关于温度和放电倍率影响的电池容量的衰减，由图5(a)可知，温度因子权重值在最初处于最大值，之后在寿命周期内逐渐减小，放电倍率的权重变化趋势与温度因子的类似，即这两者对容量衰减的作用逐渐减小，其次是循环使用所造成的容量衰减，与前两个因素相反，在最初处于最小值，并且不断增大，即对容量衰减的作用逐渐增大。通过图5可以得到，γ
t
、γc、γ
cycle
的变化曲线均可由对应的二次函数表示。
[0151]
通过在其他多组工况的实验数据验证可知，采用自适应灰色关联分析法可以精确表示电池的容量衰减规律，且只需要知道该工况最初周期的权重变化，即可预估出后期衰减变化结果。
[0152]
经过对大量实验数据的分析可知该方法的实用性。因本文锂电池所使用环境较为
恶劣，故对低温情况下-20℃、1c的实验数据进行再次验证，如图6所示，磷酸铁锂电池作为储能元件，其容量对环境相当敏感。由于极地环境恶劣，故在前期容量配置时要考虑极地环境对储能电池的影响。
[0153]
本实施例以南极科考站为研究背景，建立小型的新能源微电网，替代部分柴油发电机为其供电。南极科考站地处偏远，位于南极大陆的维斯托登半岛，坐标为东经76
°
22’，南纬69
°
22’，靠近大海，水源充足，不比内陆气候，有均衡分明的四季，科考站只有类比春秋的平时阶段以及类比夏冬的极昼极夜阶段共三个季节，在美国太空总署平台(nasa)上可以通过查询得到该地的气候情况，对科考站全年8760h的温度、实时风速以及当地光照数据进行统计，将所得数据整合处理可以得到全年趋势图。
[0154]
南极科考站在每年五月下旬到七月中旬，处于极夜状态，大约58天内科考站环境温度极低，光照强度为0，虽然在此期间光伏发电系统不能正常运行，但极夜时期风资源比常日更盛。且科考站风向在内陆冰盖下降风的影响下，全年东南偏东，风资源充足，年平均风速超过7m/s。
[0155]
其次，在matlab中采用改进粒子群算法对文中所建优化模型进行求解，能较好的求解微电网容量优化问题。本次优化设定的种群规模为30，最大迭代次数为100，决策变量为：风机，光伏电池、储能的容量，适应度函数作为目标函数，在约束条件满足的条件下求解出最佳配置组合，使得目标函数最小。本实施例中设定的微电网寿命周期为20年，风电机组与光伏阵列的使用年限均可超过项目周期，其间不需要更换，而磷酸铁锂电池按照理想情况则需中途更换一次，但考虑到南极环境下低温、充放电倍率、电池的循环会造成电池容量不可逆的衰减，电池的使用寿命便不再是固定的理想年限，而成为了变量，需要对其建立模型。
[0156]
根据使用环境，我们选择使用的风机设备单位功率初始投资成本系数为16500元/kw，单位功率运行维护成本系数为337.3元/kw；光伏阵列设备单位功率初始投资成本系数为34660元/kw，单位功率运行维护成本系数为650元/kw；磷酸铁锂电池的单位功率初始投资成本系数为963元/kw，单位功率运行维护成本系数为58元/kw。
[0157]
研究电池老化需要整个生命周期的实验数据，本实施例中使的是用美国桑迪亚国家实验室(sandia national laboratory，snl)测试的lfp 18650型电池。数据集根据充放电倍率的不同可以分为a、b、c、d四大类，循环倍率分别为0.5c、1c、2c、3c，每一类分别在不同温度下展开两组电池特性相同的老化测试。
[0158]
为了分析科考站恶劣的环境对微电网系统中储能配置容量的影响，更好地选择适合科考站的设备与容量，分别设置了以下几种不同的优化方案，并对优化结果进行分析。
[0159]
比例1：不考虑极昼极夜的微电网容量优化配置。
[0160]
方案2：考虑极昼极夜的微电网容量优化配置。
[0161]
方案3：考虑极昼极夜与多因素耦合电池容量衰减模型的微电网容量优化配置。
[0162]
方案1-3优化配置与运行结果对比分析如表1。
[0163]
表1方案1-3容量配置结果
[0164][0165]
针对三种方案一共进行了四次优化，如表1所示。第一种配置方案是在方案1未考虑极昼极夜的情况下完成的，优化结果为风机15.02kw，光伏电池36.8356kw，磷酸铁锂电池仅需要55.37kwh。
[0166]
为了便于比较，针对方案2进行了两种优化，其结果分别为表1中的第2、3个配置结果，前者是在与方案1相同新能源机组配置容量下考虑极昼极夜优化储能容量，即在相同风光资源利用情况下，储能配置急剧增加，所需储能容量为93.732kwh，与方案1相比较储能增加了69.28％，经济成本仅仅增加了4.64％，但在此特殊环境中的系统仍能够保证平稳运行，没有缺负荷，整体可靠性增加；后者是对计及极昼极夜的新能源机组与储能容量的重新优化，与第2个优化配置结果相比较，因科考站全年风资源充足，光资源只有在极昼期间保持不间断，因而光伏机组的容量减少了19.97％，风电机组配置增加了21.05％，使得所需储能系统有所削减，等年值综合成本下降到16.73万元。
[0167]
第4种配置结果对应方案3，是在整体配置时不仅考虑极昼极夜极端情况，还简单地将储能容量的衰减考虑进去，在此情况下储能电池寿命不再是默认的10年，而是如表1中所示，减少到8.1206年，在项目周期内，电池更换将会超过两次，以此保证微电网系统内储能设备始终保持在良好的工作状态，虽导致综合成本增加到17.354万元，但及时更换废旧的储能设备保障了系统可靠性。
[0168]
(1)方案1优化配置与运行结果分析
[0169]
图7为在方案1配置结果下选取典型日的运行结果，因未考虑极昼极夜特殊气候，仅选择一个典型日验证该配置的合理性即可。因电池荷电状态涉及前一时刻电池容量，为了方便，在起始时刻增加一小时的初值，但设定初始时刻机组出力为0，荷电状态为0.5，故不影响后续优化。仅为整体后移1h，即图7中所示，1h出力为零并未有数据显示，2-25h代表1-24h。图中坐标轴负方向的柱状图代表电池充电部分，在供大于求的时候，判断储能系统的充电状态，向储能电池充电储存部分电能，便于在供小于求的时候储能系统放电，为缺额的负荷提供电能，坐标轴上方依次为风力发电机、光伏电池板、储能电池的出力情况；图8为对应运行过程中锂电池的荷电状态曲线。
[0170]
对运行出力曲线与相对应的电池荷电状态变化分析可知，在南极，阳光开始照在大地不是在七点左右，比我们略早，1-4h太阳升起之时，负荷需求较低，太阳能发电量很少，主要靠可再生能源中的风电机组，且风机出力不能满足全部负荷需求，锂电池释放电能补充缺额，此时荷电状态在允许范围内持续下降；5-10h，随着日出科考队员依次开始进行科考任务，负荷需求不断提升，光伏阵列输出功率也在不断增加，风光机组同时为负荷供电，同时为锂电池充电，在光辐射强度低或者风资源较少时释放电能；11-19h风力逐渐减小，直至风速为零，在此期间，为了保证微电网系统能够长时间正常运行，则是利用充足的光资源，以光伏发电满足负载需求的同时为储能系统充电；20-24h进入夜间状态，风电机组以及荷电状态较高的锂电池共同为负载供电。
[0171]
(2)方案2优化配置与运行结果分析
[0172]
为保证该微电网系统能够可持续运行，锂电池作为核心设备，要在风光资源均不足时，保证科考工作不至中断。故以一天为周期，保证在一天开始与结束时刻储能系统剩余容量相差不大，避免下一周期储能系统出现过放、过充的现象，损害储能设备的寿命，造成负荷缺额，降低系统可靠性。
[0173]
方案2在考虑极昼极夜特殊气候时，对风、光机组与锂电池全部重新进行容量优化，即对应于表1中的第3个配置结果，在该配置结果下，针对科考站分别选取了日常过渡阶段、极昼、极夜三个典型日，通过运行结果验证该配置的有效性。
[0174]
由于考虑到科考站极昼极夜特殊气候，因此容量配置与运行结果也有所不同。图9至11依次为在方案2配置结果下除极昼极夜外的日常过渡阶段所选取的典型日与方案1配置结果下的风机出力、光伏电池出力、锂电池所承担的负荷需求以及荷电状态曲线对比图。方案2在容量优化时整体上兼顾了极昼极夜的极端情况，利用了科考站全年风力旺盛的特点，对各个机组的容量重新优化，最终减少了所需的光伏容量，更加充分利用风资源，风电机组出力整体上增加，光伏发电整体上有所削减。在运行过程中，如图9、图10所示，虽然储能系统承担的负荷需求整体上有所增加，但锂电池的荷电状态仍可保持在一个较高的状态，没有出现过放的现象，在增加系统可靠性的同时等年值综合成本减少了1.785万元，更为经济。
[0175]
本实施例针对极昼、极夜极端气候分别选取了一个典型日与方案1对比分析，得到方案2所选取的极昼与极夜典型日的运行结果以及储能的荷电状态。在方案1的配置结果下，遇到极端天气，微电网系统供不应求，造成了较大的负荷缺额，甚至会因中断供电而损坏部分对电能要求严格的设备，增加了额外成本损耗。而在方案2的第二种配置结果下，运行出力曲线如图12至图15所示，在极端气候时微电网系统亦能可靠地为负荷供电，验证了该配置的合理性与可靠性，且与方案2的第一种配置相比，并未因锂电池的增加而增加成本。在极昼期间，光资源充足，风力虽没有完全消失但多数较小，主要靠光伏阵列以及锂电池维持系统供需平衡。在极夜期间，整个南极被黑暗笼罩，光伏阵列出力降为0，只有风电机组与锂电池共同承担负荷需求，并保证每个周期始末荷电状态的水平。
[0176]
3)方案3优化配置与运行结果分析
[0177]
与方案2相比，在相同风光利用情况下，方案3的优化结果中储能最佳配置结果为95.308kwh，增加了23.48％，综合成本也增加了3.73％。图16的soc1为在方案2未考虑储能容量衰的配置结果下为期5天的运行荷电状态曲线，soc2为考虑简单的储能容量衰减情况的荷电状态曲线，通过对比表明了在微电网优化中考虑储能容量衰减的必要性与方案3的优越性，并为考虑多因素储能容量衰减提供了理论基础。可以看出在初始时刻，储能处于全新状态，以额定状态运行，soc1与soc2两条曲线是重合的；随着储能的持续使用，电池容量开始出现衰减现象，由图16可知，同样配置下荷电状态soc1略高于soc2，即不考虑储能容量衰减时电池剩余可用容量会高于实际可放电容量，经年累月，绝对差值越来越大，电池渐渐会出现过放情况，造成不可逆的损坏，且使得整个微电网系统中所能提供给负荷的电能逐渐缩小，造成负荷缺电，可靠性低。缺电不仅会对部分精密的科考设备造成损害，也会影响科考人员的生活质量与身体健康。相比之下，考虑电池容量衰减虽然会增加投资成本，但综合考虑了使用年限以及维护成本，整体经济性反而有所提高。
[0178]
表2为将多因素耦合电池容量衰减模型纳入优化模型在不同工况下的容量配置结果，通过对比可知，设置的锂电池充放电倍率越大，微电网中配置的锂电池容量越小，这也意味着锂电池的工作强度随倍率的增大而增强，同时电池损耗越大，容量衰减就越快，使用周期缩短；而将锂电池充放电倍率偏小时，表示锂电池的工作强度随倍率的减小而削弱，因此微电网中配置的锂电池容量会变大，但同时因工作强度不高，持续运行下的容量衰减就较慢，寿命周期更长。锂电池测试时并非在高温低温特殊环境，若长期处于高温运行，虽然化学反应更加充分，充放电量相比其他情况单次较多，但造成的衰减也更快；若长期处于低温运行，如表2所示锂电池只能完成小倍率充放电工作，所需容量配置大大增加，且在低温环境使用周期大大缩减，全寿命周期内置换次数随之增加，综合成本增加。
[0179]
表2多因素配置结果
[0180][0181]
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。尽管参照前述各实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离各实施例技术方案的范围，其均应涵盖权利要求书的保护范围中。

技术特征：
1.一种考虑电池容量衰减的微电网容量优化配置方法，其特征在于，包括以下步骤：步骤1、根据微电网系统内各设备的数学模型，获得微电网系统的经济成本模型，建立微电网系统优化配置的目标函数，采用等年值综合成本c
eac
作为其中一个优化目标，用于衡量微电网系统的经济性，经济指标对应的经济成本模型表示为：（1）式（1）中，c
aic
为微电网系统的换算为等年值的初始投资成本，c
arc
为微电网系统的换算为等年值的中期置换成本，c
aomc
为微电网系统的换算为等年值的运维成本，其中：（2）（3）（4）式（2）中，c
wt,aic
、c
pv,aic
、c
bat,aic
分别表示风电机组、光伏阵列、储能电池的初始投资成本； 表示计算等年值成本时的折算系数；r代表折现率；y代表该项目的研究周期；式（3）中，n
fr
表示在项目周期内所需更换电池的次数；l表示电池的实际使用寿命；c
bat
表示置换一次的成本；式（4）中，n
pc
表示项目周期；f表示年通胀率；c
tom
(1)表示微电网第一年的全部运维成本；求和式子的子式中n代表第几年，子式整体代表某年的总运维成本；采用全年负荷缺电率作为另一个优化目标，用于衡量微电网系统的可靠性，一年无法满足供电的负载所用电量占正常运行总电量的比值用符号δ
lpsp
表示，且：（5）式（5）中，p
load
(t) 表示负荷正常运行所需电量，p
op
(t) 表示该时刻的系统可供电的设备输出有功总和，p
pv
(t)、p
wt
(t) 和p
pv
(t) 分别表示该时刻光伏电池、风电机组、锂电池的出力值；步骤2、对微电网各设备进行建模并建立运行约束，运行约束包括功能平衡约束、储能电池剩余容量约束、储能电池的充/放电功率约束和可靠性约束；其中功能平衡约束表示为：
（6）式（6）中， p
ch
(t)表示该时刻锂电池充电功率；p
dis
(t)表示该时刻锂电池放电功率；在运行中，储能电池每时每刻的剩余容量应满足剩余能量约束，剩余能量约束表示为，（14）式（14）中，c
b
(t) 、c
b
(t-1) 分别表示该时刻与上一时刻储能电池的剩余容量；c
bat,max
、c
bat,min
类比在额定可用容量下约束的容量边界，在此分别表示在综合考虑多方因素下计及容量衰减后修正的实时容量下的电池实际设置的最大容量和最小容量，c
bat,max
、c
bat,min
为变量；其中，储能电池的充/放电功率约束表示为：（15）式（15）中，i
dis
(t)、i
ch
(t)为储能电池的充放电运行状态，0代表未运行，1分别代表处于放电、充电状态，i
dis
(t)和i
ch
(t)不可同时为1，p
ch,max
、p
dis,max
表示最大充、放电功率；当储能系统剩余可放电的容量无法满足该时刻放电所需时，则将此时的放电能力调整其功率为，（16）当储能系统的剩余可充电的容量无法满足充电所需时，则对其充电功率进行调整，（17）其中可靠性约束为，（18）为最大的lpsp值；步骤3、根据步骤1得到的目标函数和步骤2得到的运行约束，构建考虑储能容量衰减的微电网容量优化模型，在不同温度、不同循环倍率下对储能电池进行充放电老化测试，得到多组储能电池的容量数据，把电池老化作为因变量，即选定综合容量退化量作为参考序列，选定影响其变化的温度、放电倍率、循环衰减作为比较序列，则参考序列和比较序列构成原
始评价矩阵y，对原始评价矩阵y中的数据进行无量纲化处理，得到矩阵；再求取比较序列和参考序列的关联系数，（7）式（7）中，、分别代表矩阵的最小绝对差和最大绝对差；为分辨率，为（0 , 1）之间的一个数；为绝对差值矩阵；利用粒子群算法优化分辨率，再利用熵权法对关联系数进行改进，其中，熵权法包括如下子步骤：s1、求取矩阵中每个样本值在该指标因素中的权重，（8）s2、计算每个因素的熵值e
j
，（9）s3、计算每个因素的权重w
j
，（10）使用动态权重、熵权法改进灰色关联法，最终得到自适应灰色关联分析法的计算结果为：（11）基于自适应灰色关联分析法的多因素储能电池容量衰减模型为，（12）式（12）中：γ
t
表示温度因子对应的动态权重因子，由多因素影响下的温度权重变化曲线对应的二次函数表示；γ
c
表示充放电倍率对应的动态权重因子，由多因素影响下的充放电倍率权重变化曲线对应的二次函数表示；γ
cycle
表示循环次数对应的动态权重因子，由多因素影响下的循环次数权重变化曲线对应的二次函数表示；q (t)为温度单一因素影响下的衰减百分数，q (c)为充放电倍率单一因素影响下的衰减百分数，q (cycle)为循环次数单一因素影响下的衰减百分数；储能电池实际容量为：（13）
式（13）中，c
bat
(t)为储能电池在不同环境温度、充电倍率与不同循环次数使用下的 t 时的实际容量；c
rated
为标准状况下蓄电池额定容量；q
loss
为上述采用自适应灰色关联分析法得到的多因素电池容量衰减百分数，是一个随时间t变化的值；步骤4、选取改进粒子群算法对储能电池实际容量c
bat
(t)进行求解，获得储能电池的容量配置结果。

技术总结
本发明涉及微电网优化配置技术领域，尤其涉及一种考虑电池容量衰减的微电网容量优化配置方法，解决了背景技术中的技术问题，其包括根据微电网系统内各设备的数学模型，建立微电网系统优化配置的目标函数；对微电网各设备进行建模并建立运行约束，运行约束包括功能平衡约束、储能电池剩余容量约束、储能电池的充/放电功率约束和可靠性约束；根据目标函数和运行约束，构建考虑储能容量衰减的微电网容量优化模型；选取改进粒子群算法对储能电池实际容量进行求解，获得储能电池的容量配置结果。本发明能满足系统各个设备协调运行条件的同时，选择最合适的设备容量，使得经济效益达到最优，找到可靠性指标与综合成本的最佳平衡点。找到可靠性指标与综合成本的最佳平衡点。找到可靠性指标与综合成本的最佳平衡点。


技术研发人员：孟润泉 韩肖清 魏斌 李婷婷 窦银科 乔森 王进 马跃
受保护的技术使用者：太原理工大学
技术研发日：2023.07.10
技术公布日：2023/10/7