(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210862513.8 (22)申请日 2022.07.20 (71)申请人 国网湖北省电力有限公司经济技 术 研究院 地址 430077 湖北省武汉市武昌区水果湖 街徐东路47号 申请人 武汉大学 (72)发明人 杨旋　任羽纶　赵红生　王博　 徐秋实　刘卓　唐飞　徐慎凯　 董哲　 (74)专利代理 机构 武汉市首臻知识产权代理有 限公司 42 229 专利代理师 高琴 (51)Int.Cl. G06Q 10/04(2012.01)G06N 3/12(2006.01) H02J 3/28(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种基于改进遗传算法的电力系统多目标 储能优化方法 (57)摘要 一种基于改进遗传算法的电力系统多目标 储能优化方法， 先针对在电源侧、 电网侧、 负荷侧 均配置储能的方式构建配置储能总成本最小为 目标函数的储能多目标优化模型， 然后采用基于 Pareto最优概念的非支配排序的遗传算法对构 建的储能多目标优化模型进行求解， 得到储能优 化方案， 包括各储能的配置地点和容量。 本发明 同时实现了电源侧平滑新能源出力、 电网侧削峰 填谷、 负荷侧通过峰谷套利降低成本 。 权利要求书3页 说明书7页 附图6页 CN 115271195 A 2022.11.01 CN 115271195 A 1.一种基于改进遗传算法的电力系统多目标储能优化方法， 其特 征在于： 所述方法依次包括以下步骤： 步骤A、 在电源侧、 电网侧和负荷侧均配置储能的前提下， 构建 以配置储能总成本最小 为目标函数的储能多目标优化模型： min[Cinvestment(Ps,Es,Ts)+Coperation(Pg,Pw,Ps)] Coperation(Pg,Pw,Ps)＝Cgenerati on(Pg,Pw,Ps)+ ηlossWloss 上式中， Cinvestment(Ps,Es,Ts)为储能配置投资成本， Ps、 Es、 Ts分别为储能的充放电功率、 容量、 寿命， Coperation(Pg,Pw,Ps)为运行成本， Pg、 Pw分别为同步发电机组、 风电机组的发电功 率， Cgenerati on(Pg,Pw,Ps)为发电成本， Wloss、 ηloss分别为网损及其单位成本； 步骤B、 采用基于Pareto最优概念的非支配排序的遗传算法对构建的储能多目标优化 模型进行求 解， 得到储能优化方案， 该储能优化方案包括各储能的配置地 点和容量。 2.根据权利要求1所述的一种基于改进遗传算法的电力系统多目标储能优化方法， 其 特征在于： 步骤A中， 所述发电成本 Cgenerati on(Pg,Pw,Ps)采用下列公式计算得到： Cgenerati on(Pg,Pw,Ps)＝fgen(Pg)+fλ(Pg,Pw,Ps) 上式中， fgen(Pg)为同步发电机组的运 行成本， fλ(Pg,Pw,Ps)为总惩罚因子， 为 电源侧惩罚因子f1、 电网侧惩罚因子f2、 负荷侧惩罚因子f3的权重系 数， η1、 η2、 η3t分别为平 滑出力成本系数、 弃电成本系数、 t时段的峰谷套利成本系数， T为时段总数， N为风电机组的 数量， 为风电典型日t时段内第j个风电机组输出的最大功率， Pwjt为考虑弃风后t时段 内第j个风电机组输出的平均 功率， 分别为t时段内电源侧 第j1个储能、 电网 侧第j2个储能、 用户侧第j3个储能的平均功率， Δt为 各时段的时长， Ploadjt为t时段内负荷用 电功率。 3.根据权利要求1或2所述的一种基于改进遗传算法的电力系统多目标储能优化方法， 其特征在于： 步骤A中， 所述储能配置投资成本 Cinvestment(Ps,Es,Ts)采用以下公式计算得到： 上式中， ηP、 ηs分别为储能的充放电功率、 容 量的单位造价， M为固定 造价。 4.根据权利要求1或2所述的一种基于改进遗传算法的电力系统多目标储能优化方法，权　利　要　求　书 1/3 页 2 CN 115271195 A 2其特征在于： 步骤A中， 所述目标函数的约束条件 包括： 网损约束： 上式中， Uit、 Ujt分别为t时段节点i、 j的电压， Gij为节点i、 j之间的线路电纳， θijt为t时 段节点i、 j电压的相角差； 潮流约束： Pgit+Pwit+Psit‑PLit＝UitΣUjt(Gijcosθijt+Bijsinθijt) Qgit+Qwit+Qsit‑QLit＝UitΣUjt(Gijsinθijt‑Bijcosθijt) 上式中， Pgit、 Pwit、 Psit、 PLit分别为t时段节点i的同步发电机组、 风电机组、 储能和负荷 的有功功率， Qgit、 Qwit、 Qsit、 QLit分别为t时段节点i的同步发电机组、 风电机组、 储能和负荷 的无功功率， Bij为节点i、 j之间的线路电导； 功率约束： Pgmin≤Pgt≤Pgmax Qgmin≤Qgt≤Qgmax Pwmin≤Pwt≤Pwmax Qwmin≤Qwt≤Qwmax Psmin≤Pst≤Psmax 上式中， Pgt、 Pwt、 Pst分别为t时段同步发电机组、 风电机组、 储能输出的总有功功率， Pgmin、 Pwmin、 Psmin分别为同步发电机组、 风电机组、 储能输出的总有功功率最小值， Pgmax、 Pwmax、 Psmax分别为同步发电机组、 风电机组、 储能输出的总有功功率最大值， Qgt、 Qwt分别为t时段同 步发电机组、 风电机组输出的总无功功率， Qgmin、 Qwmin分别为同步发电机组、 风电机组输出的 总无功功率最小值， Qgmax、 Qwmax分别为同步发电机组、 风电机组输出的总无功 功率最大值； 电压约束： Uimin≤Uit≤Uimax 上式中， Uimin、 Uimax分别为节点 i允许的最小、 最大电压； 容量约束： Esmin≤Est≤Esmax 上式中， Est为t时段储能的容 量， Esmin、 Esmax分别为储能允许的最小、 最大容 量； 线路容量约束： ‑Plijmax≤Plijt≤Plijmax 上式中， Plijt、 Plijmax分别为在节点i、 j之间的线路上传输的功率和允许传输的最大功 率。 5.根据权利要求1或2所述的一种基于改进遗传算法的电力系统多目标储能优化方法， 其特征在于： 所述步骤B依次包括以下步骤： 步骤B1、 先设定种群规模Np、 最大迭代次数GENmax、 交叉和变异概率， 再采用十进制编码权　利　要　求　书 2/3 页 3 CN 115271195 A 3