本發(fā)明涉及儲能優(yōu)化配置領(lǐng)域，具體來說，涉及一種考慮風(fēng)電出力不確定性和海纜傳輸效率的海上風(fēng)儲配置方法。

背景技術(shù)：

1、近年來，隨著全球能源轉(zhuǎn)型的深入推進(jìn)，海上風(fēng)電作為一種清潔可再生能源，得到了廣泛關(guān)注和快速發(fā)展，由于海上風(fēng)電具有出力波動性強(qiáng)、不確定性高等特點，直接并網(wǎng)會對電網(wǎng)的穩(wěn)定性和電能質(zhì)量產(chǎn)生不利影響，為緩解這一問題，儲能技術(shù)被廣泛應(yīng)用于風(fēng)電系統(tǒng)中，通過削峰填谷和調(diào)節(jié)功率輸出，提升系統(tǒng)的平穩(wěn)性和經(jīng)濟(jì)性。

2、然而，在實際應(yīng)用中，海上風(fēng)儲系統(tǒng)的優(yōu)化配置仍然面臨諸多挑戰(zhàn)。首先，海上風(fēng)電運行場景復(fù)雜多變，傳統(tǒng)聚類算法需要預(yù)定義聚類數(shù)目或設(shè)置固定鄰域數(shù)量，導(dǎo)致聚類結(jié)果的準(zhǔn)確性和魯棒性受到限制；同時，這些方法普遍依賴計算密集型的迭代過程，計算效率較低；此外，海纜作為海上風(fēng)儲系統(tǒng)的重要傳輸通道，其阻抗參數(shù)易受環(huán)境因素影響，表現(xiàn)出一定的不確定性，這為傳輸損耗的準(zhǔn)確計算帶來了額外的復(fù)雜性，若不充分考慮海纜參數(shù)的不確定性，可能導(dǎo)致系統(tǒng)規(guī)劃結(jié)果的偏差，從而影響整體經(jīng)濟(jì)性和穩(wěn)定性。

3、針對相關(guān)技術(shù)中的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)思路

1、針對相關(guān)技術(shù)中的問題，本發(fā)明提出一種考慮風(fēng)電出力不確定性和海纜傳輸效率的海上風(fēng)儲配置方法，以克服現(xiàn)有相關(guān)技術(shù)所存在的上述技術(shù)問題。

2、為此，本發(fā)明采用的具體技術(shù)方案如下：

3、一種考慮風(fēng)電出力不確定性和海纜傳輸效率的海上風(fēng)儲配置方法，該海上風(fēng)儲配置方法包括：

4、s1、獲取海上風(fēng)電出力數(shù)據(jù)集，并利用皮爾遜相關(guān)系數(shù)的螢火蟲森林聚類算法對海上風(fēng)電出力數(shù)據(jù)集進(jìn)行聚類，得到海上風(fēng)電的年度運行場景；

5、s2、利用仿射數(shù)學(xué)技術(shù)建立基于海纜線路阻抗不確定性的線路阻抗復(fù)仿射模型，并基于多項式擬合技術(shù)對線路阻抗復(fù)仿射模型進(jìn)行優(yōu)化；

6、s3、利用收斂判別技術(shù)對優(yōu)化后的線路阻抗復(fù)仿射模型進(jìn)行潮流計算，并根據(jù)潮流計算結(jié)果建立線路參數(shù)不確定性的海纜傳輸效率模型；

7、s4、基于海上風(fēng)電的年度運行場景，建立雙階段優(yōu)化配置模型，并對雙階段優(yōu)化配置模型進(jìn)行求解，以實現(xiàn)海上風(fēng)儲配置。

8、優(yōu)選地，獲取海上風(fēng)電出力數(shù)據(jù)集，并利用皮爾遜相關(guān)系數(shù)的螢火蟲森林聚類算法對海上風(fēng)電出力數(shù)據(jù)集進(jìn)行聚類，得到海上風(fēng)電的年度運行場景包括：

9、s11、獲取包含若干獨立分布數(shù)據(jù)點的海上風(fēng)電出力數(shù)據(jù)集，并利用皮爾遜系數(shù)表征數(shù)據(jù)點之間的不相似度；

10、s12、基于數(shù)據(jù)點之間的不相似度，對海上風(fēng)電出力數(shù)據(jù)集中的每個數(shù)據(jù)點進(jìn)行迭代，并在每次迭代過程中對數(shù)據(jù)點的鄰居數(shù)進(jìn)行最大似然估計，得到綜合模型的似然比；

11、s13、判斷綜合模型的似然比是否滿足預(yù)設(shè)條件，若滿足預(yù)設(shè)條件時，則更新當(dāng)前的最大似然估計的鄰居數(shù)并執(zhí)行步驟s14，反之，則重復(fù)數(shù)據(jù)點的迭代過程，直至綜合模型的似然比在滿足預(yù)設(shè)條件時停止；

12、s14、將數(shù)據(jù)點作為自適應(yīng)亮度的螢火蟲，并對螢火蟲進(jìn)行聚類形成樹形結(jié)構(gòu)，將樹形結(jié)構(gòu)合并生成螢火蟲森林，得到海上風(fēng)電的年度運行場景。

13、優(yōu)選地，將數(shù)據(jù)點作為自適應(yīng)亮度的螢火蟲，并對螢火蟲進(jìn)行聚類形成樹形結(jié)構(gòu)，將樹形結(jié)構(gòu)合并生成螢火蟲森林，得到海上風(fēng)電的年度運行場景包括：

14、s141、將數(shù)據(jù)點作為螢火蟲，基于預(yù)定義的海上風(fēng)電出力數(shù)據(jù)集的分布參數(shù)初始化螢火蟲參數(shù)，并根據(jù)螢火蟲參數(shù)計算螢火蟲亮度；

15、s142、基于螢火蟲亮度對螢火蟲降序排列，每個螢火蟲選擇與之距離最近的更亮螢火蟲作為向?qū)?，得到初步聚類結(jié)果，并利用樹結(jié)構(gòu)存儲初步聚類結(jié)果形成螢火蟲樹；

16、s143、基于螢火蟲種群的發(fā)光交互信號將螢火蟲樹融合形成螢火蟲森林，得到最終聚類結(jié)果，并將最終聚類結(jié)果作為海上風(fēng)電的年度運行場景。

17、優(yōu)選地，將數(shù)據(jù)點作為螢火蟲，基于預(yù)定義的海上風(fēng)電出力數(shù)據(jù)集的分布參數(shù)初始化螢火蟲參數(shù)，并根據(jù)螢火蟲參數(shù)計算螢火蟲亮度包括：

18、s1411、將數(shù)據(jù)點作為具備自適應(yīng)亮度的螢火蟲，并根據(jù)海上風(fēng)電數(shù)據(jù)集分布參數(shù)初始化螢火蟲參數(shù)，且螢火蟲參數(shù)包括亮度及最大似然估計的鄰居數(shù)；

19、s1412、利用四分位距計算公式計算最大似然估計的鄰居數(shù)的四分位距，并基于鄰居數(shù)的四分位距分別計算鄰居數(shù)的上界與下界；

20、s1413、基于鄰居數(shù)的上界與下界對最大似然估計的鄰居數(shù)進(jìn)行四分位距測試，識別最大似然估計的鄰居數(shù)中的異常值鄰近，并得到最大似然估計密度的誤差；

21、s1414、基于最大似然估計密度的誤差，利用螢火蟲亮度的計算公式計算螢火蟲亮度。

22、優(yōu)選地，基于螢火蟲亮度對螢火蟲降序排列，每個螢火蟲選擇與之距離最近的更亮螢火蟲作為向?qū)В玫匠醪骄垲惤Y(jié)果，并利用樹結(jié)構(gòu)存儲初步聚類結(jié)果形成螢火蟲樹包括：

23、s1421、根據(jù)螢火蟲的亮度值按降序排序，對每個螢火蟲及每個螢火蟲的最大似然估計的鄰近進(jìn)行迭代；

24、s1422、將鄰近螢火蟲的亮度值與當(dāng)前螢火蟲的亮度值進(jìn)行比較，若鄰近螢火蟲的亮度值大于當(dāng)前螢火蟲，則鄰近螢火蟲成為當(dāng)前螢火蟲的中間螢火蟲，并將當(dāng)前螢火蟲加入到相應(yīng)的螢火蟲樹中；

25、s1423、若所有鄰近螢火蟲的亮度值均小于當(dāng)前螢火蟲，則表明當(dāng)前螢火蟲為根螢火蟲，且根螢火蟲獲得新的簇標(biāo)簽，并生成一個新的螢火蟲樹，將新的螢火蟲樹作為局部簇中心；

26、s1424、遍歷其余螢火蟲，若根螢火蟲成為其余螢火蟲的中間螢火蟲時，則將其簇標(biāo)簽分配至其余螢火蟲，得到初步聚類結(jié)果，利用樹結(jié)構(gòu)存儲初步聚類結(jié)果形成螢火蟲樹。

27、優(yōu)選地，基于海纜線路阻抗不確定性的線路阻抗復(fù)仿射模型的表達(dá)式為：

28、

29、式中，表示節(jié)點i到節(jié)點j的線路阻抗復(fù)仿射模型；表示參數(shù)的仿射形式；ri-j和xi-j分別表示節(jié)點i到節(jié)點j的線路電阻和電抗值；δr,1表示用于衡量線路電阻波動的參數(shù)。

30、優(yōu)選地，利用收斂判別技術(shù)對優(yōu)化后的線路阻抗復(fù)仿射模型進(jìn)行潮流計算，并根據(jù)潮流計算結(jié)果建立線路參數(shù)不確定性的海纜傳輸效率模型包括：

31、s31、基于節(jié)點j的已知負(fù)荷及初始狀態(tài)，獲得節(jié)點i與節(jié)點j之間的電流，并根據(jù)電流及線路阻抗復(fù)仿射模型，計算每個節(jié)點的注入功率；

32、s32、基于每個節(jié)點的注入功率，計算每個節(jié)點與其他節(jié)點之間的電流及電壓降；

33、s33、迭代計算每個節(jié)點電壓相對于前一次迭代的電壓差，利用仿射數(shù)波動域重疊面積比較收斂判別技術(shù)判斷兩次迭代結(jié)果的相似性，得到線路阻抗復(fù)仿射模型的潮流計算結(jié)果；

34、s34、根據(jù)線路阻抗復(fù)仿射模型的潮流計算結(jié)果，分析儲能出力與海纜首端電壓的關(guān)系，并基于儲能出力與海纜首端電壓的關(guān)系建立線路參數(shù)不確定性的海纜傳輸效率模型。

35、優(yōu)選地，基于海上風(fēng)電的年度運行場景，建立雙階段優(yōu)化配置模型，并對雙階段優(yōu)化配置模型進(jìn)行求解，以實現(xiàn)海上風(fēng)儲配置包括：

36、s41、以海上風(fēng)儲年綜合成本最低、凈負(fù)荷波動最小、電壓波動最小為優(yōu)化目標(biāo)，構(gòu)建海上風(fēng)儲的上層容量配置模型；

37、s42、將上層容量配置模型作為輸入，并以最小化海底電纜傳輸線路日損耗最小為優(yōu)化目標(biāo)，構(gòu)建海上風(fēng)儲的下層優(yōu)化運行模型；

38、s43、采用改進(jìn)的間歇泉算法求解上層容量配置模型，并利用求解器求解下層優(yōu)化運行模型。

39、優(yōu)選地，采用改進(jìn)的間歇泉算法求解上層容量配置模型包括：

40、初始化父代種群pop，計算上層容量配置模型的適應(yīng)度函數(shù)，并確保上層容量配置模型的適應(yīng)度函數(shù)滿足約束條件；

41、利用噴發(fā)機(jī)制生成后代種群rt，將父代種群pop及后代種群rt合并形成種群st，并基于冷卻過程對種群st進(jìn)行排序，評估種群st中每個解的質(zhì)量；

42、基于每個解的優(yōu)勢水平及參考距離，從種群st中選擇最佳解并生成下一代父代種群pop,t+1，重復(fù)噴發(fā)機(jī)制及冷卻過程，持續(xù)生成新一代父代種群，直至滿足收斂條件時停止；

43、將最終的父代種群pop作為上層容量配置模型的帕累托最優(yōu)解，并利用基于熵權(quán)法的灰靶決策選擇上層容量配置模型的最終解。

44、優(yōu)選地，下層優(yōu)化運行模型的表達(dá)式為：

45、

46、式中，pbg,t表示t時刻的海底電纜首端注入的有功功率；ηhl,t表示t時刻考慮線路參數(shù)不確定性的海底電纜的傳輸效率；kd表示海上風(fēng)電的年度運行場景數(shù)量；tk表示第k種場景對應(yīng)的天數(shù)。

47、本發(fā)明的有益效果為：

48、1、本發(fā)明基于皮爾遜相關(guān)系數(shù)的螢火蟲森林聚類算法，通過自適應(yīng)鄰域估計實現(xiàn)了動態(tài)調(diào)整，每個數(shù)據(jù)點根據(jù)其分布特性計算亮度，無需手動設(shè)置鄰域數(shù)量，顯著簡化了參數(shù)調(diào)優(yōu)并提高了靈活性，在處理大規(guī)模數(shù)據(jù)集時表現(xiàn)出卓越的擴(kuò)展性，并通過四分位距方法過濾異常值，確保亮度計算的穩(wěn)定性和聚類結(jié)果的準(zhǔn)確性，從而在處理復(fù)雜數(shù)據(jù)分布和大規(guī)模數(shù)據(jù)時具備顯著優(yōu)勢，尤其適用于要求高效和高精度的實際應(yīng)用場景，同時本發(fā)明將改進(jìn)的螢火蟲森林聚類算法應(yīng)用于場景聚類，相比于常見的聚類算法具有更高的魯棒性和穩(wěn)定性。

49、2、本發(fā)明采用仿射數(shù)學(xué)對線路阻抗進(jìn)行不確定性建模得到基于海纜線路阻抗不確定性的線路阻抗復(fù)仿射模型，并利用利用多項式擬合的方法改善了傳統(tǒng)仿射除法，使得后續(xù)仿射運算時在略微損失真實性的情況下克服了原有仿射數(shù)除法的保守性，進(jìn)而通過線路阻抗復(fù)仿射模型的潮流計算與判別方法，解決電壓復(fù)仿射數(shù)無法采用傳統(tǒng)比較復(fù)數(shù)模的缺陷。

50、3、本發(fā)明推導(dǎo)得到考慮線路參數(shù)不確定性的海纜線路傳輸效率公式，相較于傳統(tǒng)的認(rèn)為線路阻抗固定的推導(dǎo)方法具有更好的保守性，進(jìn)而更加精確地表征實際情況下海底電纜線路的傳輸效率。