(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 202111564170.9 (22)申请日 2021.12.20 (71)申请人 广东电网有限责任公司惠州供电局 地址 516003 广东省惠州市惠城区惠州大 道中19号 (72)发明人 钟红梅　袁昊哲　李荣斌　骆云峰　 陈耀廷　宋莹　戴广平　卢验锋　 叶欢欢　马龙义　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 代理人 禹小明 (51)Int.Cl. H02J 3/00(2006.01) H02J 3/32(2006.01) H02J 3/38(2006.01)H02J 3/46(2006.01) G06N 3/12(2006.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于改进遗传算法的微电网光伏和储能配 置方法及系统 (57)摘要 本发明提出一种基于改进遗传算法的微电 网光伏和储能配置方法及系统， 包括： 采集微电 网系统的基础数； 建立微电网系统光伏和储能配 置的数学模 型， 所述数学模型包括经济性优化目 标函数和光伏自消纳率优化目标函数； 设置所述 数学模型的约束条件； 使用改进遗传算法， 对数 学模型进行优化， 得到目标函数的最优解， 根据 所述目标函数的最优解， 对微电网光伏系统容量 和储能电池容量进行配置。 本发 明同时考虑微电 网系统的经济性和光伏自消纳率， 设计了经济性 最优目标函数和光伏自消纳率最大化目标函数， 并通过改进遗传算法， 优化目标函数， 得到经济 性最优和光伏自消纳率最大的微电网系统光伏 和储能的配 置方案。 权利要求书4页 说明书10页 附图3页 CN 114421456 A 2022.04.29 CN 114421456 A 1.基于改进遗传算法的微电网光伏和储能配置方法， 其特 征在于， 包括以下步骤： S1： 采集微电网系统的基础数据； S2： 利用所述微电网系统的基础数据， 建立微电网系统光伏和储能配置的数学模型， 所 述微电网系统光伏和储能配置的数学模型包括经济性优化目标函数和 光伏自消纳率优化 目标函数； S3： 设置所述 微电网系统光伏和储能配置的数 学模型的约束条件； S4： 基于所述约束条件， 使用改进遗传算法， 对微电网系统光伏和储能配置的数学模型 进行优化， 得到经济性优化 目标函数和 光伏自消纳率优化 目标函数 的最优解， 根据所述 目 标函数的最优解， 对微电网光伏系统容 量和储能电池容 量进行配置 。 2.根据权利要求1所述的基于改进遗传算法的微电网光伏和储能配置方法， 其特征在 于， 所述微电网系统的基础数据包括微电网系统结构、 用户负荷特性和分布式光伏容量信 息。 3.根据权利要求1所述的基于改进遗传算法的微电网光伏和储能配置方法， 其特征在 于， 所述微电网系统光伏和储能配置的数学模型的目标函数包括经济性最优目标函数和光 伏自消纳率 最大化目标函数； 所述经济性 最优目标函数的表达式为： max S＝B+BERC‑C‑Cinv 其中， S代表经济性， B表示微电网系统的年收益， BERC表示污染物减排收益， C表示微电 网系统的总成本， Cinv表示微电网系统的总初始投资； 所述光伏自消纳率 最大化目标函数的表达式为： 其中， RPV代表光伏自消纳率， ESC表示由负荷消纳的光伏发电电能； EFC表示储能所消纳 的光伏电能； EPV表示光伏发电 电能。 4.根据权利要求3所述的基于改进遗传算法的微电网光伏和储能配置方法， 其特征在 于， 所述经济性S包括微电网系统的总成本C、 微电网系统的年收益B、 污染物减排收益BERC和 微电网系统的总初始投资Cinv； 所述微电网系统的总成本C包括光伏系统年成本CPV、 储能系统年成本CB、 和年购电费用 CF， 其计算公式如下 所示： C＝CPV+CB+CF CF＝∑E(t)V(t) 其中， QPV表示光伏系统容量， QB表示储能电池容量； IPV表示光伏组件单价， IB储能电池 单价； RB表示储能电池的更换费用； u(A)表示光伏组件年运行和维护费用， u(B)表示年运行 和维护费用； r0表示贴现率； E(t)表示t时刻从电网购电的平均电能； V(t)表示t时刻 的电权　利　要　求　书 1/4 页 2 CN 114421456 A 2价； 所述微电网系统的年收益B的计算公式如下 所示： 其中， EPV表示光伏的发电电能， VB表示光伏的补贴电价， Vp(t)表示t时段电价， ESC(t)表 示t时段由负荷消纳的光伏发电电能， Edis(t)表示t时段储能系统的放电电能， R表 示一年的 相似日； 所述污染物减排收益BERB的计算公式如下 所示： BERB＝(EPV‑E(t)V(t) )EfEg 其中， E表示购电电能； Ef表示通过化石燃料产出1kW电能所排除的不同污染物的排放 量； Eg表示治理1kg不同污染物所需费用； 5.根据权利要求1所述的基于改进遗传算法的微电网光伏和储能配置方法， 其特征在 于， 所述微电网系统光伏和储能配置的数学模型的约束条件包括微电网系统可靠性能约 束、 微电网系统可靠功率约束、 光伏自消纳率约束和储能电池性能约束； 所述微电网系统可靠性能约束的表达式如下 所示： 其中， QFC表示柔性储能容量； QRC表示刚性储能容量； QRCmin表示离网运行时最小刚性储 能容量； 所述微电网系统可靠功率约束的表达式如下 所示： kPC≥PB 其中， k表示储 能系统短时允许过载系数； PB表示微电网系统中重要负荷启动时最大冲 击功率； PC表示短时允许 过载功率； 所述储能电池性能约束的表达式如下 所示： 其中， DOD为电池放电深度， Icha为储能电池充电电流， Idis为储能电池放电电流， L代表 电流倍率。 6.根据权利要求1所述的基于改进遗传算法的微电网光伏和储能配置方法， 其特征在 于， S4中， 所述改进遗传算法包括以下步骤： 步骤A‑1： 采用实数编码的方式， 将光伏系统容 量和储能电池容 量作为决策变量； 步骤A‑2： 在随机生成随机个体的过程中， 利用光伏系统容量和储能电池容量的最大值 严格控制随机数的上 下限； 根据生成的随机数确定种群 个体及其数量； 步骤A‑3： 根据步骤A ‑2生成的种群个体及其数量得到支配个体i的个体数目ni和种群中 个体i支配的所有个体的集合Oi， 根据ni和Oi对个体进行快速非支配分层排序， 使得种群被 分层， 进而得到个 体的非支配序irank； 步骤A‑4： 将个体的拥挤距离id和步骤A‑4中得到个体的非支配序irank作为个体的虚拟权　利　要　求　书 2/4 页 3 CN 114421456 A 3