(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 202111499528.4 (22)申请日 2021.12.09 (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 刘海涛　马丙泰　张埕瑜　张匡翼　 陆恒　黄铖　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 代理人 王磊 (51)Int.Cl. G06F 30/27(2020.01) H02J 3/32(2006.01) G06N 3/00(2006.01) G06F 111/10(2020.01) (54)发明名称 一种基于参数优化的微网混合储能系统剩 余功率分解方法 (57)摘要 本发明一种基于参数优化的微网混合储能 系统剩余功率分解方法， 主要包括步骤： 搭建光 储微电网模型以获取系统剩余功率； 预设VMD的 分解模态数和二次惩罚因子； 采用乌燕鸥算法对 VMD的分解模态数和二次惩罚因子进行优化， 获 取全局最优组合及对应的VMD分解结果。 相比于 现有技术， 本发明结合皮尔逊相关系数， 将乌燕 鸥算法引入到VMD参数优化中， 通过重构信号与 原始信号之间的皮尔逊相关系数值确定VMD算法 中分解模态数和二次惩罚因子的最优组合， 并基 于此最优组合对微网混合储能系统的剩余功率 进行VMD分解， 能够更加准确的获得混合储能功 率分配信号。 权利要求书2页 说明书5页 附图5页 CN 114201916 A 2022.03.18 CN 114201916 A 1.一种基于参数优化的微网混合储能系统剩余功率分解方法， 其特征在于， 包括以下 步骤： 步骤1： 搭建光储微电网模型， 用于获取系统剩余功率； 步骤2： 预设VMD的分解模态数和二次惩罚因子； 步骤3： 采用乌燕鸥算法对VMD的分解模态数和二次惩罚因子进行优化， 获取分解模态 数和二次惩罚因子的全局最优组合及对应的VMD分解结果。 2.如权利要求1所述的一种基于参数优化的微网混合储能系统剩余功率分解方法， 其 特征在于， 步骤1 中， 所述光储微电网模型包括光伏系统、 混合储能系统、 直流负荷和交流负 荷， 光伏系统和混合储能系统通过各自的D C/DC变换器将电能汇总至公共直流母线， 直流负 荷直接接入公共直流母线， 交流负荷通过D C/AC逆变器接入公共直流母线； 混合储能系统包 括蓄电池和超级电容， 并通过功率分配系统对混合储能系统进行功率分配； 所述系统剩余功率Phess表示为： Phess＝PLD‑Pnew， 其中， PLD为负荷功率且PLD＝PLD1+PLD2， PLD1和PLD2分别表示直流负荷和交流负荷的功率， Pnew为光伏功率； Phess＜0时混合储能系统充电， Phess＞0时混合储能系统放电。 3.如权利要求1所述的一种基于参数优化的微网混合储能系统剩余功率分解方法， 其 特征在于， 所述 步骤3包括以下步骤： S3.1、 初始化乌燕鸥算法的参数并开始迭代优化； S3.2、 更新乌燕鸥算法中的变量因素SA和随机变量CB； S3.3、 进行乌燕鸥算法中的迁移、 攻击操作， 获取分解模态数和二次惩罚因子； S3.4、 利用获取的分解模态数和二次惩罚因子对系统剩余功率进行VMD 分解， 并计算分 解后的重构功率与系统剩余功率的相关系数； S3.5、 若未达到乌燕鸥算法的最大迭代次数， 则由S3.2继续执行； 否则停止迭代优化， 根据相关系数将相关性最大时的分解模态数和二次惩罚因子作为全局最优组合， 并取此时 的VMD分解结果 为最终分解结果。 4.如权利要求3所述的一种基于参数优化的微网混合储能系统剩余功率分解方法， 其 特征在于， 所述S3.1中， 初始化乌燕鸥算法 的参数包括种群数量、 最大迭代次数、 寻优维度 以及分解模态数和二次惩罚因子的取值范围， 并初始化乌燕鸥的位置为预设的分解模态数 和二次惩罚因子 。 5.如权利要求4所述的一种基于参数优化的微网混合储能系统剩余功率分解方法， 其 特征在于， 所述S3.2中， SA＝Cf‑(z×(Cf/Maxiterations))， CB＝0.5×Rrand， 其中， SA表示避免碰撞的变量因素， z为迭代次数， Cf为控制变量， Maxiterations为最大迭 代次数； CB是使探索更加全面的随机变量， Rrand是0到1之间的随机数。 6.如权利要求5所述的一种基于参数优化的微网混合储能系统剩余功率分解方法， 其 特征在于， 所述S3.3中， 迁移操作包括以下步骤：权　利　要　求　书 1/2 页 2 CN 114201916 A 2冲突避免： 表示乌燕鸥的当前位置， 也就是当前的分解模态数和二 次惩罚因子， 表示的是在不与其 他乌燕鸥碰撞的情况 下应当处于的位置； 聚集： 表示移动过程函数， 表示当前最优乌燕鸥 个体的位置； 位置更新： 更新是指在朝向最优解的位置更新轨迹 定义了搜索 代理和最佳搜索代理之间的差距； 所述攻击操作为： 为更新后的乌燕鸥位置， x' ＝R×sin(i)， y'＝R ×cos(i)， z'＝R ×i， R＝u×eiv， R为螺旋半径， i表示[0， 2 π ]之间的螺旋 角， u和v是定义螺 旋攻击的常数； 更新后的乌燕鸥位置即为迭代优化后的分解模态数和二次惩罚因子 。 7.如权利要求6所述的一种基于参数优化的微网混合储能系统剩余功率分解方法， 其 特征在于， 所述S3.4中， 利用迭代优化后的分解模态数和二次惩罚因子对系统剩余功率进 行VMD分解， 得到蓄电池承担功率Pbat和超级电容承担功率Psc， 重构功率为Pbat+Psc， 计算重 构功率与系统剩余功 率的皮尔逊相关系数， 皮尔逊相关系数越大表明重构功 率与系统剩余 功率的相关性越强。权　利　要　求　书 2/2 页 3 CN 114201916 A 3