一种抽水储能电站及储能容量优化配置模型求解方法与流程

本发明涉及抽水储能电站，具体为一种抽水储能电站及储能容量优化配置模型求解方法。

背景技术：

1、抽水蓄能电站利用电力负荷低谷时的电能抽水至上水库，在电力负荷高峰期再放水至下水库发电的水电站；又称蓄能式水电站；它可将电网负荷低时的多余电能，转变为电网高峰时期的高价值电能，还适于调频、调相，稳定电力系统的周波和电压，且宜为事故备用，还可提高系统中火电站和核电站的效率；我国抽水蓄能电站的建设起步较晚，但由于后发效应，起点却较高，近年建设的几座大型抽水蓄能电站技术已处于世界先进水平。

2、中国授权公告号cn111535270b公开了一种一种利用废弃矿坑建造的抽水储能电站，包括下水库与上水库，所述下水库为废弃矿坑，所述下水库与上水库通过引水管道连接，并且引水管道连接有机电硐室和调压室，并且所述调压室的所处高度高于机电硐室，所述上水库设置在下水库所在的矿坑外，并且所述上水库为在地面平面上开挖形成的坑洞。本发明具有因为上水库是设置在地面的平面上，相比于背景技术中，将上水库设置在下水库所在矿坑的边坡上，本方案中上水库所在的位置更为稳定的效果

3、现有的抽水储能电站上水库中的水直接暴露在阳光的照射下，使上水库中水蒸发流失，造成抽水储能电站的发电量减少，以及抽水储能电站的储能容量和功率配置不合理，影响抽水储能电站收益，为此，我们提出一种抽水储能电站及储能容量优化配置模型求解方法。

技术实现思路

1、针对现有技术的不足，本发明提供了一种抽水储能电站及储能容量优化配置模型求解方法，解决了上述背景技术中提出现有的抽水储能电站上水库中的水直接暴露在阳光的照射下，使上水库中水蒸发流失，造成抽水储能电站的发电量减少，以及抽水储能电站的储能容量和功率配置不合理，影响抽水储能电站收益的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种抽水储能电站，包括上水库，所述上水库的内部安装有支撑柱，所述支撑柱的上方安装有库顶，所述库顶的上方一体式固定安装有水库口，所述水库口的上方一侧安装有第一盖板，所述水库口的上方另一侧安装有第二盖板，所述第二盖板的外表面安装有光伏电板，所述第一盖板的内表面开设有引流槽，所述水库口的两端安装有油缸，所述第二盖板的两端安装有转轴座，所述转轴座的内部安装有转轴，所述水库口的内壁开设有与引流槽对应的引流斜坡。

3、可选的，所述水库口与转轴座固定连接，且第一盖板通过转轴和转轴座实现在水库口上转动。

4、可选的，所述油缸与水库口活动连接，且油缸的输出端与第一盖板活动连接。

5、可选的，所述引流槽呈三棱锥状结构，且引流槽沿第一盖板的内表面呈均匀分布。

6、可选的，所述水库口与上水库实现连通。

7、可选的，所述光伏电板与第二盖板固定连接，且光伏电板沿第二盖板的外表面呈均匀分布。

8、可选的，所述水库口还设有：

9、支撑梁，其固定安装在所述水库口的内部。

10、可选的，所述上水库还设有：

11、输排水管道，其安装在所述上水库的一侧，所述输排水管道的内部并联安装有发电机组和水泵机组，所述发电机组的右侧安装有第二阀门，所述水泵机组的右侧安装有第一阀门，所述输排水管道远离上水库的一侧设置有下水库。

12、一种储能容量优化配置模型求解方法，包括以下步骤：

13、s1：获取负荷原始数据。

14、s2：对负荷原始数据进行预处理，使数据标准化。处理数据异常值，本发明采用数据插补法对异常数据进行处理。首先，我们需要识别并删除异常数据，然后使用插补方法填补这些已删除的异常数据。具体的数学模型如下：

15、原始数据集：

16、均值插补公式：

17、上式中：x代表原始数据集合，其中n为天数(n＝1,2,…,365)，t为原始数据的维数(t＝1,2,…,24)，xn,t代表第n天第t维数据的值。

18、s3：使用min-max标准化对原始数据进行标准化，要确保降维处理后的数据在进行聚类分析时不受到各特性指标量纲差异的影响，有必要对数据进行标准化处理。min-max标准化是一种常用的数据标准化方法，确保所有数据落在相同的数值范围内，避免了不同特征指标之间量纲的影响，也是消除量纲和数据取值范围影响最简单的办法。其数学模型如下：

19、

20、上式中：ytmin为第t列数据中的最小值；ytmax为第t列数据中的最大值；ynt、znt为第n行t列的数据值；其中n为天数(n＝1,2,…,365)，t为原始数据的维数(t＝1,2,…,6)。

21、s4：采用改进后的k-means聚类算法，以对预处理后的负荷原始数据进行聚类分析，k-means聚类算法具有简单易懂、高效快速的特点，适用于大规模数据集的聚类分析，并且对各种类型的数据都具有较好的适用性。

22、s4.1：随机选择k个聚类中心

23、s4.2：使用欧式距离公式求得样本数据与聚类中心的距离，具体数学模型如下：

24、

25、上式中：以电力数据矩阵q的第一行即第一天各个小时为例进行演示计算，kkt为随机产生的k个聚类中心，t代表一天内的小时数为24。

26、s4.3：把数据划分至距离最近的初始中心所在簇中。

27、sn＝min{sn,1,sn,2,sn,3,sn,4,...sn,k}

28、在上述数学模型中，矩阵sn记录了每个数据点到所有聚类中心的距离，并选择其中最小的距离作为划分依据，将数据点重新划分为k类。基于最小距离原则，将n天的样本数据划分到各个簇中后，利用平均值法重新计算每个簇的新的聚类中心。

29、s4.4：聚类中心更新数学模型，其如下：

30、

31、上式中：kk1(a)代表第a次迭代后第k个聚类中心向量的第一维度的值；yk代表第k个聚类簇中向量的个数；qp1代表簇中向量的第一维度的值。

32、s5：选取合适的特征指标，数据预处理确保了数据的准确性，但由于高维度数据无法有效地展现负荷特性，因此需要提取特征指标对原始数据进行降维处理。其数学模型如下：

33、

34、yn,5＝max(ln,t-ln,t-1)

35、yn,6＝min(ln,t-ln,t-1)

36、

37、上式中：ln,ave为第n天的日平均负荷；ln,max为第n天的最大负荷；ln,min为第n天的最小负荷；ln,peakave为第n天峰期负荷的均值；ln,valave为第n天谷期负荷的均值；max(ln,t-ln,t-1)为第n天相邻时刻变化率的最大值；min(ln,t-ln,t-1)为第n天相邻时刻变化率的最小值；y代表降维处理后的数据集合，其中n为天数(n＝1,2,…,365)，为原始数据的维数(t＝1,2,…,6)，峰期时间为10:00-15:00和18:00-21:00两个时间段，谷期时间为23:00-24:00和00:00-07:00两个时间段。

38、s6：确定指标权重，在多指标决策中，通过信息熵来确定各指标的权重，能够更准确地反映各指标在决策过程中的重要性，为决策提供更有价值的参考依据。熵权法的求解步骤如下：

39、s6.1：对数据进行标准化处理

40、

41、

42、上式中，z为数据经标准化法得到的标准化特征指标矩阵。

43、s6.2：求取信息熵

44、

45、上式中，以矩阵z第一列即第一项特征指标日负荷率为例进行熵值求取，其他特征指标熵值求取方法相同。ln,1表示第一项特征指标下第n个样本所占的比重，其中n＝[1,2,…365]；m1为第一项特征指标的熵值。

46、s6.3：求取商权

47、

48、n＝[n1,n2,n3,n4,n5,n6]

49、上式中，nj代表第j个特征指标的权重，j＝(1,2,…,6)。

50、s6.4：特征指标加权后的矩阵

51、q＝ntz

52、

53、上式中，q为特征指标加权后的矩阵，nt为特征指标权重矩阵的转置。

54、s7：基于肘形评价指标判定聚类数目，肘形法是一种常用的聚类分析方法，用于确定k-means聚类算法中最优的聚类数。通过肘形法，我们可以在聚类分析中寻找到一个平衡点，既考虑了聚类效果的优化，又避免了过度聚类带来的问题，从而提高了聚类结果的准确性。误差平方和公式为：

55、

56、上式中，zi为第i个簇，q为zi中的样本点，ni为zi的质心，即所有zi的均值，sse是所有样本的聚类误差。

57、s8：根据改进的k-means聚类算法确定典型日负荷数据。

58、s9：基于确定的典型日负荷数据进行pso的储能容量优化配置，本发明选取的模型求解算法为适用性较强的粒子群优化算法，其物理过程可由以下数学模型给出：

59、

60、式中，i为粒子次序；j为维度；k为迭代次数；c1与c2为学习因子，本发明均取值为2.05；r1与r2均为0～1范围内的随机数；xk+ij1为微粒i经过k+1次运算所在第j维空间位置；vk+ij1为微粒i经过k+1次运算所在第j维空间速度；pbestk,ij与gbestk,ij分别为第i个粒子的最优解与群体的全局最优解；ω为惯性权重系数，其决定着模型求解的精度与速度.为此，本发明引入非线性动态惯性权重系数提升pso算法的全局搜索能力，如下式所示：

61、

62、式中，ωmax和ωmin分别为ω的最大值和最小值，f为微粒当前的目标函数值，favg和fmin为当前微粒的平均目标值和最小目标值。

63、本发明提供了一种抽水储能电站及储能容量优化配置模型求解方法，具备以下有益效果：

64、1、该抽水储能电站设置有库顶、第一盖板和第二盖板将上水库的上方盖住，避免太阳对上水库中的水照射，造成上水库中的水蒸发，降低该抽水储能电站的储能效率。

65、2、该抽水储能电站设置有油缸推动第一盖板和第二盖板打开，与引流斜坡和引流槽配合将雨水引流到上水库的内部搜集起来，进而增大该抽水储能电站的发电量。

66、3、该储能容量优化配置模型求解方法依据典型负荷数据仿真得到的抽水蓄能电站容量所获收益最好，全寿命周期综合收益最高的抽水蓄能电站储能容量和抽水蓄能电站的配置功率。