(19)中华 人民共和国 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 202111426693.7 (22)申请日 2021.11.27 (71)申请人 国网安徽省电力有限公司合肥 供电 公司 地址 230000 安徽省合肥市宿松路13 3号 申请人 国网安徽综合能源服 务有限公司合 肥分公司 (72)发明人 张相宇　房军　李文芳　李静　 周全　邹竞帆　邢广杰　凌冰　 (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 代理人 赵娟 (51)Int.Cl. G06F 30/25(2020.01) G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06N 3/00(2006.01) G06F 111/04(2020.01) G06F 119/06(2020.01) (54)发明名称 一种基于改进的粒子群算法的多站融合储 能优化配 置模型 (57)摘要 本发明公开了一种基于改进的粒子群算法 的多站融合储能优化配置模型， 以变电站为中 心， 充换电站、 数据站、 5G基站、 储能站、 光伏站为 拓展， 建设集变电、 充换电服务、 数据站、 5G基站 “多站”为一体的能源互联网综合服务站； 提出了 多站融合储能配置模型目标函数及优化的约束 条件， 使用改进的粒子群算法实现模型最优解。 本发明通过改进的粒子群算法对优化后的多站 融合储能配置模 型寻求最优解， 在考虑经济性的 基础上， 实现了最优储能配置， 针对满足用能需 求， 实现系统调峰辅助服务等的综合服务系统业 务流程需求具有重大的意 义。 权利要求书3页 说明书8页 附图2页 CN 114169211 A 2022.03.11 CN 114169211 A 1.一种基于改进的粒子群算法的多站融合储能优化配置模型， 其特征在于， 以变电站 为中心， 充换电站、 数据站、 5G基站、 储 能站、 光伏站为拓展， 建设集变电、 充换电服务、 数据 站、 5G基站 “多站”为一体的能源互联网综合 服务站。 变电站和光伏站承担供电作用， 数据中心、 5G基站、 充换电站为负荷， 储能站兼具电源 和负荷两种角色， 通过变电站为5G基站、 数据站、 充换电站供电， 在用电低谷期储能站搜集 变电站多余的电量， 在用电高峰期时当作电源释放电力， 光伏站所产出 的电一部分供自身 使用， 另一部分供5G基站、 充换电站和数据站使用， 多余电量存 储在储能站； 储能站为电网的运行提供服务， 包括但不限于调峰、 黑启动、 需求响应， 具体运行策略 如下： 1)实时获取充换电站、 数据站和5G基站的负荷需求； 2)判断当前分布式光伏的发电情况， 若光伏输出功率可满足数据中心、 5G基站和充换 电站的用电需求， 则由光储系统联合供电， 由储能系统保证供需平衡和电能质量， 多余电力 存入储能系统或馈入电网； 若光伏不能满足用电需求， 转入第3步， 判断市电情况； 3)判断市电是否正常， 若市电故障， 则电动汽车充电站停止工作， 直到市电正常， 由光 储联合系统为数据中心和 5G通信基站供电， 至少覆盖数据中心和 5G通信基站UPS设备的功 能范围； 若市电正常， 转入第4 步， 判断电价时段； 4)判断电价时段， 判断是否为电价高峰时段， 若为电价高峰时段， 判断储能系统荷电状 态； 若为电价低谷时段， 由光伏系统和市电为包括储能系统在内的所有负荷系统供电， 该时 段储能系统充电； 5)判断储能状态， 根据电池管理系统反馈的S OC状态， 判断SOC是否满足约束， 若储能系 统的荷电量大于储能系统最小电荷量与提供UPS服务所需的备用电量之和， 且光储供电功 率满足负荷 要求， 则由光储 供电； 若储能系统不可放电， 由光伏供电、 市电补充， 储能系统提 供UPS服务， 保证给数据中心和5 G通信基站的供电电能质量； 若储能系统可放电但 光储供电 功率不足， 由光储系统和市电共同供电。 2.根据权利要求1所述的基于改进的粒子群算法的多站融合储能优化配置模型， 其特 征在于， 多站融合储能配置模型以最小化运行成本为目标函数， 模型包括变电站发电成本、 储能系统 投资运维成本、 弃风 惩罚成本、 调峰不足惩罚成本、 调峰经济收益； 变电站发电成本 其中Pthermal,d,t,i表示变电站变压器机组i在第d天第t时段的出力， uthermal,d,t,i表示变电站变 压器机组i在第d天第t时段的状态， uthermal,d,t,i＝1表示开机， uthermal,d,t,i＝0表示停机； 储能系统 投资运维成本 Ciom； 弃风惩罚成本 其中 为风电的最大有功出 力， Pwind,d,t为风电机组在第d天第t时刻的实际出力， Cw为单位弃风 量惩罚成本； 调峰不足惩罚成本 其中ul,d,t为系统在第 d天第t时刻的 出现调峰不足情况的变量， Plock,d,t为第d天第t时刻的调峰不足量， Cl为单位调峰不足量惩权　利　要　求　书 1/3 页 2 CN 114169211 A 2罚成本； 储 能 调 峰 收 益 其 中 Rdischarge为储能调峰收益， Cdischarge为电网在用电高 峰时段价， Ccharge为电网在用电低谷时段 的电价， ηdiacharge为储能系统放电的效率， ηcharge为储能系统充电的效率； 储能容量优化配置模型的目标函数如下式： minCpeaksha＝Cthermal+Ciom+Cwind+Clack‑Rpeaksha 对其设置相应约束条件： 系统功率平衡约束： 其中Pthermal,d,t,i为第i台变电站变压器机组在第d天第t 时刻的实际出力； Pwind,d,t为风 电在第d天第t时刻的实际出力， 为储能系统在第d天第t时刻的调峰放电功率， 为储能系统在第d天第t时刻的调峰充电功率， Pload,d,t为系统在第d天第t时刻的负 荷， ul,d,t为系统在第d天第t时刻的出现调峰不足情况的显示值， Plack,d,t为第d天第 t时刻的 调峰不足量； 储能系统出力上 下限约束， 采用0 ‑1变量对储能系统的出力上 下限进行约束： 其中Pess为储能系统最大充放电功率， 为储能系统放电操作启动 变量， 为储 能系统充电操作的启动变量； 储能系统荷电状态约束： 其中Eess为储能系统容量， 为储能最小荷电状态， 为储能最大荷电状态。 3.根据权利要求1所述的基于改进的粒子群算法的多站融合储能优化配置模型， 其特 征在于， 改进的粒子群算法包括以下步骤： 步骤1， 对粒子群位置、 速度等进行随机初始化； 步骤2， 计算每一个粒子的适应值； 步骤3， 根据适应度值 来更新粒子个 体的历史最佳位置； 步骤4， 根据适应度值 来更新粒子群 体的历史全局最佳位置； 步骤5， 更新粒子的速度和位置； 步骤6， 如果没有达 到结束条件， 返回步骤2继续执 行算法， 反 之算法结束。 4.根据权利要求3所述的改进的粒子群算法， 其特征在于， 改进的粒子群算法通过群体权　利　要　求　书 2/3 页 3 CN 114169211 A 3