(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 202210942275.1 (22)申请日 2022.08.08 (71)申请人 南京工程学院 地址 211167 江苏省南京市江宁区科 学园 弘景大道1号 (72)发明人 李展　孟高军　孙玉坤　饶宇飞　 张仰飞　刘海涛　于琳琳　袁野　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 专利代理师 牛婧 (51)Int.Cl. H02J 3/38(2006.01) H02J 3/00(2006.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06N 3/00(2006.01) (54)发明名称 一种基于受端电网的新能源消纳能力优化 方法 (57)摘要 本发明公开了一种基于受端电网的新能源 消纳优化方法， 属于新能源消纳水平的控制方法 技术领域。 该新能源消纳优化方法包括： 根据受 端电网和新能源场站实际数据， 设置约束条件， 建立以新能源消纳量最高、 运行成本最低、 火电 机组出力波动量最小为目标的新能源消纳能力 优化模型； 用鲔鱼觅食算法求解 建立的新能源消 纳能力优化模型， 形成Pareto解集； 将Pareto解 集通过工蜂归巢算法选择最优的电厂出力配置 方案。 该新能源消纳优化方法的计算精度高、 收 敛性强， 能够在保持经济效益的前提下， 提升受 端电网的新能源消纳能力。 权利要求书5页 说明书11页 附图3页 CN 115173477 A 2022.10.11 CN 115173477 A 1.一种基于受端电网的新能源消纳优化方法， 其特 征在于， 包括以下步骤： 步骤1： 根据受端电网和新能源场站实际数据， 设置约束条件， 建立以新能源消纳量最 高、 运行成本最低、 火电机组出力波动量 最小为目标的新能源消纳能力优化模型； 步骤2： 采用鲔鱼觅食算法求解步骤1建立的新能源消纳能力优化模型， 形成Pareto解 集； 步骤3： 将Pareto 解集通过工蜂归巢 算法选择最优的电厂出力配置方案 。 2.根据权利要求1所述的一种基于受端电网新 能源消纳优化方法， 其特征在于， 所述新 能源消纳能力优化模型的目标函数为： 其中， F1为新能源消纳量， T为运行周期内的时段数， t为T的索引， Pw,t为t时段风电机组 出力消纳量， Ps,t为t时段光电机组出力消纳量； F2表示系统运行成本， Nf为火电机组数， n为 Nf的索引， C1,n,t为t时段第n台火电机组的燃料成本， Pf,n,t为t时段第n台火电机组出力， an为 Pf,n,t的第一成本系数， bn为Pf,n,t的第二成本系数， cn为Pf,n,t的第三成本系数， C2,n,t为t时段 第n台火电机组的启停成本， un,t为第n台火电机组在t时段的运行状态， Ss,n为第n台火电机 组在t时段的启动费用， Sd,n为第n台火电机组的停止费用， C3,t为t时段受端电网调峰能力不 足引起的弃风弃光 惩罚费用； St为额外成本； F3表示火电机组出力波动量。 3.根据权利要求1所述的一种基于受端电网新 能源消纳优化方法， 其特征在于， 所述约 束条件包括： 功率平衡约束、 火电机组约束、 新能源机组约束和系统备用容 量约束； 所述功率平衡约束满足： 所述火电机组约束满足： 所述新能源机组约束满足：权　利　要　求　书 1/5 页 2 CN 115173477 A 2所述系统备用容 量约束满足： 其中， Nf为火电机组数， n为Nf的索引， un,t为第n台火电机组在 t时段的运行状态， Pf,n,t为 t时段第n台火电机组出力， Pw,t为t时段风电机组出力消纳量， Ps,t为t时段光电机组出力消 纳量， PL,t为t时段的系统负荷， Pf,n,max为第n台火电机组出力上限， Pf,n,min为第n台火电机组 出力下限， 为第n台火电机组在t ‑1时段连续运行时间， 为第n台火电机组在t ‑1时段 连续停机时间， 为第n台火电机组最小开机时间， 为第n台火电机组最小停机时间； run为第n台火电机组的爬坡率， T为运行周期内的时段数， P* w,t为t时段风预测出力， P* s,t为t 时段光电机组预测出力， ω为旋转备用系数。 4.根据权利要求1所述的一种基于受端电网新能源消纳优化方法， 其特征在于， 步骤2 包括如下子步骤： 步骤2.1： 将火电机组的燃料成本、 火电机组的启停成本、 火电机组的启动费用、 火电机 组的停止费用、 受端电网调峰能力不足引起的弃风弃光惩罚费用、 额外成本、 火电机组数、 系统负荷、 火电机组出力上限、 火电机组出力下限、 火电机组连续运行时间、 火电机组连续 停机时间、 火电机组的爬坡率、 风预测出力、 光电机组预测出力作为鲔鱼觅食算法的输入， 初始化鲔鱼觅食算法的空间维数、 种群规模N、 种群、 最大迭代次数T； 步骤2.2： 通过初始化的种群中个 体适应度值找出非支配 个体， 组成Pareto 解集； 步骤2.3： 对初始化的种群采用随机过程选择的一种觅食策略生成第一新个体， 并得出 适应度； 步骤2.4： 将第一 新个体随后采用旋转觅食策略生成第二 新个体， 并得出适应度； 步骤2.5： 将第二 新个体采用差分进化 算法生成第三 新个体， 并得出适应度； 步骤2.6： 比较第三 新个体的适应度， 更新Pareto 解集； 步骤2.7： 重复步骤2.3 ‑2.6， 直至 达到最大迭代次数， 输出 更新完毕的Pareto 解集。 5.根据权利要求4所述的一种基于受端电网新能源消纳优化方法， 其特征在于， 步骤 2.1中初始化种群的过程具体为： (a)将t时段风电机组出力消纳量Pw,t、 t时段光电机组出力消纳量Ps,t、 t时段第n台火电 机组出力Pf,n,t、 第n台火电机组在t时段的运 行状态un,t组成个体zk＝[Pw,t,Ps,t,Pf,n,t,un,t]， 随机生成第一个 个体z1； (b)根据种群规模N迭代生成2N ‑1个个体； 具体过程如下： 将个体zk中的每一个元素映射 到(0,1)中： 通过[0,1]内的随机数进行迭代：权　利　要　求　书 2/5 页 3 CN 115173477 A 3