考虑光伏出力的储能系统容量优化配置研究

程跃珂; 王钰洁

doi:doi:10.19912/j.0254-0096.tynxb.2024-1169

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

考虑光伏出力的储能系统容量优化配置研究

更新时间：2025-12-10

- 考虑光伏出力的储能系统容量优化配置研究
- 考虑光伏出力的储能系统容量优化配置研究
- 太阳能学报 2025年第11期页码：61-68
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-1169
  中图分类号： M715
- 网络出版：2025-12-04，
  
  纸质出版：2025-12-04
- 稿件说明：
移动端阅览
程跃珂, 王钰洁. 考虑光伏出力的储能系统容量优化配置研究[J]. 太阳能学报, 2025,(11):61-68.

程跃珂, 王钰洁. 考虑光伏出力的储能系统容量优化配置研究[J]. 2025, (11): 61-68.
程跃珂, 王钰洁. 考虑光伏出力的储能系统容量优化配置研究[J]. 太阳能学报, 2025,(11):61-68. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1169.

程跃珂, 王钰洁. 考虑光伏出力的储能系统容量优化配置研究[J]. 2025, (11): 61-68. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1169.

摘要

为剔除光伏出力波动对储能配置的干扰

提出一种基于光伏出力预测模型和改进遗传算法确定最优储能容量的方法。基于长短期记忆神经网络（LSTM）预测光伏出力

利用变分模态分析（VMD）捕捉光伏波动特性

结合改进麻雀算法（ISSA）优化LSTM神经网络超参数建立VMD-ISSA-LSTM光伏出力预测模型。通过分割种群和改进突变算子改进遗传算法（GA）实现储能容量优化配置。由实际算例验证得到VMD-ISSA-LSTM预测光伏出力平均绝对误差、均方根误差、平均绝对百分比误差可达12.48 kW、14.44 kW、2.16%;改进后遗传算法平均收敛速度提升51.33%

算法耗时降低31.16%;考虑光伏出力优化后的储能容量装机成本降低6.63%

投资回收期减少0.7 a。算例结果表明：该方法有助于解决光伏出力波动造成的储能建设投资大、运行收益低、投资回收周期长等经济效益差的问题

有利于推动光伏储能事业持续健康发展

保障“双碳”目标顺利实现。

Abstract

In order to eliminate the interference of PV output fluctuation on energy storage configuration

a method based on a PV output prediction model and an improved genetic algorithm （IGA） was proposed to determine the optimal energy storage capacity. Based on long short-term memory neural network （LSTM） to predict PV output

variational mode decomposition （VMD） to capture PV fluctuation characteristics

and improved sparrow algorithm （ISSA） to optimize LSTM neural network hyperparameters

a VMD-ISA-LSTM PV output prediction model was established. The optimal allocation of energy storage capacity is realized by an IGA that employs population partitioning and an improved mutation operator. The average absolute error

root mean square error and average absolute percentage error of PV output predicted by VMD-ISSA-LSTM can reach 12.48 kW

14.44 kW and 2.16%

respectively. After the improvement

the average convergence speed of genetic algorithm is increased by 51.33%

and the algorithm runtime is reduced by 31.16%. Considering the optimization of photovoltaic output

the installed cost of energy storage capacity is reduced by 6.63%

and the investment payback period is reduced by 0.7 years. The results of the example show that the method is helpful to solve the problems of large investment in energy storage construction

low operating income

long investment recovery cycle and other poor economic benefits caused by photovoltaic output fluctuations

and is conducive to promoting the sustainable and healthy development of photovoltaic energy storage industry and ensuring the smooth realization of the “dual carbon” goal.

关键词

Keywords

references

丁涛, 孙嘉玮, 黄雨涵, 等. 储能参与容量市场的国内外现状及机制思考[J]. 电力系统自动化, 2024, 48(6): 226-239.

ZHANG D L, MA Y Y, LIU J X, et al.Stochastic optimization method for energy storage system configuration considering self-regulation of the state of charge[J]. Sustainability, 2022, 14(1): 553.

黎博, 陈民铀, 钟海旺, 等. 高比例可再生能源新型电力系统长期规划综述[J]. 中国电机工程学报, 2023, 43(2): 555-581.

ALQUTHAMI T, RAVINDRA H, FARUQUE M O, et al.Study of photovoltaic integration impact on system stability using custom model of PV arrays integrated with PSS/E[C]//North American Power Symposium 2010. Arlington, TX, USA, 2010: 1-8.

柳长发, 付立衡, 张增丽, 等. 高比例光伏接入的分布式储能容量自适应协调控制方法[J]. 储能科学与技术, 2024, 13(8): 2696-2703.

张雲钦, 程起泽, 蒋文杰, 等. 基于EMD-PCA-LSTM的光伏功率预测模型[J]. 太阳能学报, 2021, 42(9): 62-69.

王涛, 王旭, 许野, 等. 计及相似日的LSTM光伏出力预测模型研究[J]. 太阳能学报, 2023, 44(8): 316-323.

史彭珍, 魏霞, 张春梅, 等. 基于VMD-BOA-LSSVM-AdaBoost的短期风电功率预测[J]. 太阳能学报, 2024, 45(1): 226-233.

王超, 蔺红, 庞晓虹. 基于HPO-VMD和MISMA-DHKELM的短期光伏功率组合预测[J]. 太阳能学报, 2023, 44(12): 65-73.

李争, 张杰, 徐若思, 等. 基于相似日聚类和PCC-VMD-SSA-KELM模型的短期光伏功率预测[J]. 太阳能学报, 2024, 45(2): 460-468.

张德隆, Mubaarak Saif, 蒋思宇, 等. 基于概率潮流的光伏电站中储能系统的优化配置方法[J]. 储能科学与技术, 2021, 10(6): 2244-2251.

李建林, 郭斌琪, 牛萌, 等. 风光储系统储能容量优化配置策略[J]. 电工技术学报, 2018, 33(6): 1189-1196.

王子辉, 贾燕冰, 李彦晨, 等. 计及电能质量影响的主动配电网光储容量优化[J]. 电网技术, 2024, 48(2): 607-620.

孙东磊, 赵龙, 孙凯祺, 等. 新能源接入下配电系统混合储能选址定容优化策略研究[J]. 太阳能学报, 2024, 45(1): 423-432.

李圣清, 邓娜, 颜石, 等. 基于改进蚁群动态规划的光储微网容量优化配置[J]. 太阳能学报, 2023, 44(2): 468-476.

马汇海, 宋金鹏, 康家玉. 基于分时电价的用户侧光伏储能系统容量配置[J]. 科学技术与工程, 2023, 23(31): 13387-13393.

董明, 李晓枫, 杨章, 等. 基于数据驱动的分布式光伏发电功率预测方法研究进展[J]. 电网与清洁能源, 2024, 40(1): 8-17, 28.

周家亿, 赵双双, 王忠东, 等. 结合用户画像的DTW-MANN-FM分布式光伏短期出力预测模型[J]. 太阳能学报, 2023, 44(9): 187-193.

贾宏新, 张宇, 王育飞, 等. 储能技术在风力发电系统中的应用[J]. 可再生能源, 2009, 27(6): 10-15.

张文亮, 丘明, 来小康. 储能技术在电力系统中的应用[J]. 电网技术, 2008, 32(7): 1-9.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

储能型开关升压光伏并网逆变器的研究

基于改进场景生成法的交直流混合配电网储能双层优化配置

基于多元储能的综合能源系统多时间尺度优化运行研究

计及储能实时调节的火电机组日前两阶段随机优化调度

基于混合储能的绿色拖轮直流微网优化控制