本发明属于储能协调，尤其涉及面向光伏消纳的固定式与移动式储能协调优化装置及装置。
背景技术：
1、随着分布式能源的大规模接入及渗透率的不断提高，其出力的随机性、间歇性、波动性限制了配电网的消纳能力。多元储能系统(固定式储能和移动式储能)凭借其灵活的能量管理能力及快速的功率调节能力，可解决配电网弃风弃光、电压越限和调峰能力不足等问题，合理配置储能系统对配电网高效运行具有重要意义。
2、近年来，国内外学者针对可再生能源配网储能优化配置问题开展了一定的研究。在固定储能方面：关于储能的联合规划主要关注电网侧的可靠性和经济性，但对于分布式能源出力的不确定性对储能规划与配电网优化运行的影响研究存在不足。在移动储能方面：移动储能可灵活选择接入节点及容量，可提供应供电、削峰填谷、改善电能质量等多种服务。移动储能兼具移动性和储能功能，可根据电网运行状况灵活选择接入位置及容量情况，能够有效避免冗余浪费，减少日常维护成本，有效提升削峰填谷的经济性；其缺点在于容量较小，可与固定储能互补，共同参与电网调节，通过电力系统实时运行情况，合理调控固定储能及移动储能,对于改善负荷特性具有重要意义。
3、本发明在光伏极端出力的背景下，通过利用固定式储能和移动式储能协调控制提升光伏就地消纳能力。该方法利用粒子群-引力搜索混合算法进行双层优化，上层是对固定式储能容量、选址及移动式储能接入节点和容量进行优化，下层是储能24小时优化运行。
技术实现思路
1、本发明的目的在于，针对未来大规模光伏以及电动汽车等波动性负荷接入电网导致供需不平衡，通过多元储能协同优化手段，提高光伏就地消纳，降低电网电压偏移量，保证电力系统稳定运行。
2、本发明解决其技术问题是采取以下技术方案实现的：
3、面向光伏消纳的固定式与移动式储能协调优化方法，包括如下步骤：
4、获取典型日负荷数据、典型日光伏数据和蒙特卡洛模拟的电动车充电桩数据；
5、建立上层多元储能优化配置模型及下层储能优化调度模型；
6、首先，利用粒子群优化-引力搜索算法对上层多元储能优化配置模型进行优化求解，并将求解获取的多元储能接入位置及容量传给下层储能优化调度模型；其次，利用粒子群优化-引力搜索算法对下层储能优化调度模型进行优化求解，并将求解获取的储能充、放电功率传给上层多元储能优化配置模型，如此反复迭代，直至迭代完成，获得目标函数最优解。
7、进一步的，所述的粒子群优化-引力搜索算法包括如下步骤：
8、初始化；
9、计算粒子间的引力、引力常数和合力；
10、计算粒子的加速度；
11、在每次迭代中更新最优位置；
12、更新速度和位置，在满足结束准则时停止。
13、进一步的，所述的上层多元储能优化配置模型中的多元储能包括固定式储能、移动式储能，且其目标函数为运行成本最低。
14、进一步的，所述的下层储能优化调度模型的目标函数为电压偏移量最小。
15、进一步的，所述的上层多元储能优化配置模型的目标函数为：
16、fup＝w1×f1+w2×f2+w3×f3+w4×f4
17、式中，fup表示运行成本，f1表示设备投资成本；f2表示设备运维成本；f3为电网购电成本；f4为储能迁移成本；w1、w2、w3、w4为0到1的随机数，且w1+w2+w3+w4＝1。
18、进一步的，所述的下层储能优化调度模型的目标函数为：
19、
20、
21、式中：flow为电压偏移量；n表示节点数目；δui,t表示t时刻节点电压i偏差；ui，t表示t时刻节点i的电压，ui,min、ui,max表示节点i的上下限；在中低压电网中电压偏差的允许值为-5％到+5％。
22、进一步的，所述的上层多元储能优化配置模型的约束条件为储能出力约束和电网购电功率约束。
23、进一步的，所述的下层储能优化调度模型的约束条件为电压幅值约束、分布式新能源出力约束和功率平衡约束。
24、粒子群优化(pso)和引力搜索算法(gsa)
25、面向光伏消纳的固定式与移动式储能协调优化装置，包括：
26、数据获取模块，用于获取日负荷数据、光伏数据和电动车充电桩数据；
27、模型建立模块，用于建立上层多元储能优化配置模型及下层储能优化调度模型；
28、首先，利用粒子群优化-引力搜索算法对上层多元储能优化配置模型进行优化求解，并将求解获取的多元储能接入位置及容量传给下层储能优化调度模型；其次，利用粒子群优化-引力搜索算法对下层储能优化调度模型进行优化求解，并将求解获取的储能充、放电功率传给上层多元储能优化配置模型，如此反复迭代，直至迭代完成，获得目标函数最优解。
29、一种计算设备，包括：
30、一个或多个处理单元；
31、存储单元，用于存储一个或多个程序，
32、其中，当所述一个或多个程序被所述一个或多个处理单元执行，使得所述一个或多个处理单元执行所述的面向光伏消纳的固定式与移动式储能协调优化方法。
33、本发明的优点和积极效果是：
34、(1)、本发明在光伏极端场景下，根据典型日负荷数据、典型日光伏数据和蒙特卡洛预测的电动车充电桩数据，利用运行成本最小和电压偏移量最小为目标函数，对固定储能和移动储能进行优化配置和调度优化，选择合适参数的储能，并将移动储能派往不同节点提供充放电服务；通过对比固定式储能和固定式、移动式储能协同运行两种运行方式，对储能进行配置及运行策略优化，结果显示多元储能的协同运行在提高光伏消纳的同时还可降低电网电压偏移量；
35、(2)、本发明通过分时电价和分时负荷的方式引导储能系统参与配电网的优化运行，低储高放，平衡电网侧与负荷侧的需求，减少弃光以及分布式能源出力不稳定性对电网的损害，使得配电网具备足够的柔性适应负荷的峰谷差、波动性与日扩大的常态。
1.面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于：所述的粒子群优化-引力搜索算法包括如下步骤：
3.根据权利要求1所述面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于：所述的上层多元储能优化配置模型中的多元储能包括固定式储能、移动式储能，且其目标函数为运行成本最低。
4.根据权利要求1所述面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于：所述的下层储能优化调度模型的目标函数为电压偏移量最小。
5.根据权利要求1所述面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于：所述的上层多元储能优化配置模型的目标函数为：
6.根据权利要求1所述面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于：所述的下层储能优化调度模型的目标函数为：
7.根据权利要求1所述面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于：所述的上层多元储能优化配置模型的约束条件为储能出力约束和电网购电功率约束。
8.根据权利要求1所述面向光伏消纳的固定式与移动式储能协调优化方法，其特征在于：所述的下层储能优化调度模型的约束条件为电压幅值约束、分布式新能源出力约束和功率平衡约束。
9.面向光伏消纳的固定式与移动式储能协调优化装置，其特征在于，包括：
10.一种计算设备，其特征在于：包括：
