[0090] 本发明提出一种新型水光互补多目标优化运行方法,其流程框图如图1所示,包括以下几个步骤:
[0091] 步骤1计算光伏功率输出
[0092] 针对可旋转且使用最大功率点跟踪(MPPT)技术的光伏阵列,其光伏出力根据国家可再生能源实验室开发的HOMER软件中的模型,通过比较标准测试条件和一般情况下得到:
[0093]
[0094] 其中,PV是实际的光伏出力,YV是额定的光伏出力;RT是实际的光照强度,RSTC是标准测试条件下的光照强度,相当于1000W/m2;η是光伏组件功率输出的温度系数;TC是光伏组件的实际温度,TSTC是标准测试条件下的温度,相当于25℃;γ是光伏阵列的遮挡系数。
[0095] 为了建立一个更加通用的模型,采用NASA的数据,进一步完善光伏出力模型,由于旋转装置和MPPT,光伏阵列时刻都垂直于太阳直射直线,通过NASA提供的月平均每小时太阳入射角θ以及不同方向光照强度之间的几何关系,实际光照强度RT可以基于能量守恒得到:
[0096]
[0097] 其中,RH是NASA提供的在水平面上的日平均光照强度;θ是NASA提供的相对于地平线的每小时太阳入射角,它是时间t的函数;t0和td分别是日出和日落的时间。
[0098] 步骤2计算水电功率输出:
[0099] PH=KQ(L-Ldown) (3)
[0100] 其中,PH是水电出力;K是水电机组的出力系数;Q是水电机组发电流量;L是水库水位;Ldown是水库尾水位。
[0101] 2.1)建立水平衡方程
[0102]
[0103] 其中,St+1是水库在tth时刻结束时的库容,St是水库在tth时刻开始时的库容; 和分别是t时间段内流入水库的体积和入库流量; 是t时间段内水库降雨量; 是t时间段内水电机组发电消耗的水量; 和 分别是t时间段内水库弃水量和相应的弃水流量;和 分别是t时间段内水库供水量和供水流量; 是t时间段内水库蒸发量;Δt是时间间隔。
[0104] 其中,通过水库平均降雨量求解:
[0105]
[0106] 其中,Vr是水库面积, 是水库平均降雨量。
[0107] 针对给定的水库库容,蒸发量主要取决于水库的表面积和蒸发深度,其可以用非线性函数表示:
[0108]
[0109] 其中,F1是蒸发函数,Et是t时刻的蒸发深度, 是t时刻水库液面蒸发的平均面积,其是一个关于水库库容的线性函数:
[0110]
[0111] Bt=F2(St) (8)
[0112] 此外,水库的弃水量为:
[0113]
[0114] 其中,Sflood是水库的汛期防洪库容。
[0115] 2.2)确定水库液位与库容之间的关系曲线
[0116] 根据水库的特征数据库,水库液位L与库容S之间的关系,可以采用非线性函数f(x)表示:
[0117] Lt=f(St) (10)
[0118] 2.3)确定尾水位
[0119] 同样,根据水库的特征数据库,水库尾水位Ldown与发电流量Q之间的关系,可以采用非线性函数g(x)表示:
[0120]
[0121] 2.4)计算水电功率输出损失
[0122] 防洪而损失的水电出力可以通过水电站的理论输出功率与实际输出功率之间的差值来计算:
[0123] PG=PL-PH (12)
[0124] 其中,PG是弃水损失出力;PL是水电站的理论出力,其可由下式得到:
[0125] PL=KQ′(L′-L′down) (13)
[0126] 其中,Q′是水电站的理论发电流量且Q′=Q+Qq,L′是水电站的理论液位且L′=f(S+Sq),L′down是水电站的理论尾水位且L′down=g(Q+Qq)。
[0127] 步骤3建立水光互补多目标优化模型
[0128] 3.1)建立多目标函数公式
[0129] 目标函数1:最小化功率输出的波动
[0130] 功率输出的波动应尽可能小,其目的是为了保证输出到电网的功率的平稳性。因此,选择最小化混合发电系统的功率输出的波动作为目标函数:
[0131]
[0132] 其中,P是水光互补混合发电系统的总功率输出,P=PV+PH; 是该时间段内的平均值,T是时间段总数。
[0133] 目标函数2:最大化混合发电系统的收益
[0134]
[0135] 其中,CV,CH分别是光伏、水电的上网电价;CG是弃水成本;Δt是时间步长。
[0136] 3.2)建立约束条件
[0137] 水光互补混合发电系统运行的约束主要包括水库的发电流量,水库的水位,水电的出力,以及电网的容纳能力:
[0138] Lmin≤Lt≤Lmax (16)
[0139] Qmin≤Qt≤Qmax (17)
[0140]
[0141] Pt≤A (19)
[0142] 其中,Lmin和Lmax分别是水库的最低和最高水位;Qmin和Qmax分别是水库发电流量的下限和上限;PHmin和PHmax并且分别是水电出力的最小值和最大值;A代表电网的容纳能力。
[0143] 步骤4提出基于模拟退火的非支配排序遗传算法(SA-NSGA-II)
[0144] 经典的NSGA-II算法的实现过程主要包括选择、交叉、变异、和非支配排序4个步骤,本发明在变异阶段引入了模拟退火机制,在非支配排序阶段采用了新的排序方法和拥挤距离公式,在此基础上提出了一种基于模拟退火的非支配排序遗传算法(SA-NSGA-II),具体如下:
[0145] 4.1)引入模拟退火机制
[0146] 根据Metropolis准则可知,在某一特定温度下,若粒子状态的能量值,即个体的适应度值满足f(i)>f(j),粒子则由i状态跳跃至j状态;反之粒子是否跳跃到新的状态则取决于下式所产生的概率与[0,1]之间随机数的大小,若大于则跳跃到j状态;否则,维持i状态;
[0147]
[0148] 其中,ρ是变异概率;f是目标函数的适应度值;kt是温度系数;Tk表示当前状态的温度;;rand表示[0,1]之间的随机数。
[0149] 然而上述准则仅仅是针对单目标优化的,本发明在此基础上创新性的提出一种针对双目标优化的跳跃规则:
[0150]
[0151] 其中,f1和f2分别表示两个目标函数的适应度值;初始温度T0是100℃,且温度系数kt为0.9。
[0152] 因此,针对双目标优化的模拟退火策略如下所示:
[0153]
[0154] 即,当个体下一个状态的两个目标函数的适应度均大于原来个体的适应度,或者当变异概率大于[0,1]之间的随机数时,才接受变异;其它情况,维持原状态不变。
[0155] 4.2)改进排序方法
[0156] 经典NSGA-II采用的快速非支配排序法,当求解高维、非线性多目标问题时,会导致排序耗时过长而进入慢速链状态。为了避免这种情况,本发明采用一种新的排序方法建立非支配集。新方法将原来一个个体与其它剩余个体依次进行比较,改为两个比较个体,减少了算法的复杂度,进而提高了算法的效率,具体过程如下:
[0157] Step1:将种群中的所有个体放入比较集里。
[0158] Step 2:从比较集里任意选择一个比较个体C1,然后从剩余比较集里找到与个体C1互为非支配或者支配它的个体C2;若找不到个体C2,则将个体C1放入非支配集里,且重复Step 2。
[0159] Step 3:将比较个体C1与C2分别与比较集里的其它个体进行逐一比较,被个体C1或C2所支配的个体均被清除;如果个体C1与C2均不受比较集里其它个体支配,则将它们放入非支配集里,且用不被个体C1,C2支配的剩余个体代替原有比较集。
[0160] Step 4:重复Step 2,直至比较集为空集。至此,非支配集构造完成。
[0161] 4.3)提高多样性分布
[0162] 传统拥挤距离公式如下所示,只考虑了相邻个体之间的距离,而忽略了在不同子目标上拥挤距离差异程度较大的个体,这不利于解集多样性的保持:
[0163]
[0164] 其中d(k)是个体k的拥挤距离, 是第k个个体的第j个目标函数值, 和分别是第j个目标函数的最大值和最小值,m是目标函数的个数。
[0165] 本发明在此基础上,采用一种考虑方差的新型拥挤距离公式,如下所示:
[0166]
[0167] 为了方便理解对上述步骤做出以下解释:步骤1主要通过国家可再生能源的HOMER软件搭建了光伏出力模型,为了使该模型具有广泛的适用性,采用了NASA提供的月平均每小时太阳入射角θ以及不同方向光照强度之间的几何关系,基于能量守恒得到实际光照强度RT。步骤2根据水电机组计算水电出力,其中包括水量平衡方程,水库液位与库容之间的非线性关系,尾水位的确定以及水电出力减少的计算4个方面的内容,其中在水量平衡方程里,又考虑了水库降雨、蒸发、防洪对水库库容的影响。步骤3建立了一种同时考虑最小化水光互补混合系统输出功率的波动,最大化混合系统的收益的多目标优化模型,以水库液位、发电流量、水电机组出力、电网容纳能力为约束,其中水库的发电流量作为决策变量。步骤4针对经典的NSGA-II算法在求解高维、非线性多目标问题时,会导致排序耗时过长而进入慢速链状态的问题,创新性的提出了一种基于模拟退火的非支配排序遗传算法,同时对经典的NSGA-II算法的排序方法和多样性分布进行了改进。
[0168] 本发明为了进一步完善水光互补混合发电系统的模型同时提高经典NSGA-II算法的收敛性,提出了一种新型水光互补多目标优化运行方法。以最小化水光互补混合系统功率输出波动,最大化混合系统的收益为目标,同时考虑水库防洪,供水等因素对水库优化运行的影响。通过提出基于模拟退火的非支配排序遗传算法(SA-NSGA-II)提高算法的收敛性,大大降低计算的时间成本。根据本发明所编制的程序(在matlab平台上运行),水光互补混合发电系统的结构框图见附图2;本发明从每月中选择一典型日,以每小时作为时间步长,共计288个决策变量,来模拟水光互补混合发电系统一年的运行情况。水光互补混合发电系统的非支配解f1和f2见附图3;水电和光伏出力见附图4;水库液位变化见附图5;水电站损失的出力见附图6;水库的蒸发量见附图7;水库的发电流量见附图8。以此可以验证本发明的有效性和实用性。以下表格是经典的NSGA-II算法和本发明所提出的基于模拟退火的非支配遗传排序算法(SA-NSGA-II)的对比。
[0169] 算法名称 种群大小 迭代次数经典的NSGA-II 800 3000
SA-NSGA-II 800 2500