基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的微網(wǎng)優(yōu)化運(yùn)行方法
【專利摘要】本發(fā)明涉及一種基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的微網(wǎng)優(yōu)化運(yùn)行方法，針對含多種微電源的微網(wǎng)，考慮可控型微電源的啟停策略，建立了計(jì)及經(jīng)濟(jì)成本和環(huán)境效益的微網(wǎng)優(yōu)化運(yùn)行數(shù)學(xué)模型。并提出一種基于鯰魚效應(yīng)的改進(jìn)二進(jìn)制粒子群優(yōu)化算法，求解不同控制策略下，各時段微網(wǎng)中微電源出力。以包含風(fēng)、光、微型燃?xì)廨啓C(jī)、燃料電池和柴油發(fā)電機(jī)的具體微網(wǎng)為實(shí)施例，進(jìn)行實(shí)施例分析。
【專利說明】基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的微網(wǎng)優(yōu)化運(yùn)行方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及微網(wǎng)優(yōu)化運(yùn)行，尤其涉及一種基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的微網(wǎng)優(yōu)化運(yùn)行方法。

【背景技術(shù)】
[0002]由于能源危機(jī)和環(huán)境保護(hù)問題，包括新能源及可再生能源的分布式發(fā)電在電力能源工業(yè)日益受到關(guān)注。微網(wǎng)作為分布式發(fā)電的集成和接入的有效技術(shù)手段，提高了分布式電源的靈活性、可控型和經(jīng)濟(jì)性，成為智能電網(wǎng)建設(shè)的一個重要技術(shù)。
[0003]微網(wǎng)的優(yōu)化運(yùn)行是一個復(fù)雜的非線性、多約束、多目標(biāo)的優(yōu)化問題，傳統(tǒng)的求解算法不能滿足求解需要，一股采用智能優(yōu)化算法求解。二進(jìn)制粒子群優(yōu)化(Binary ParticleSwarm Optimizat1n, BPSO)算法具有靈活性大、算法易實(shí)現(xiàn)、收斂快、需調(diào)整參數(shù)少等優(yōu)點(diǎn)，在微網(wǎng)的優(yōu)化運(yùn)行研究上得到廣泛的應(yīng)用。針對該算法具有種群多樣性差，易早熟收斂，陷入局部最優(yōu)解的缺點(diǎn)，國內(nèi)外學(xué)者提出了相應(yīng)的改進(jìn)算法，如遺傳粒子全算法、模擬退火算法粒子群算法、模糊粒子群算法、蜜蜂進(jìn)化型粒子群算法等，但這些算法大多只改進(jìn)了單個粒子或部分粒子的位置，整個種群的飛行方式并沒有得到修正。


【發(fā)明內(nèi)容】

[0004]本發(fā)明要克服應(yīng)用二進(jìn)制粒子群算法求解微網(wǎng)優(yōu)化運(yùn)行問題時種群易陷入局部最優(yōu)解的弊端，引入經(jīng)濟(jì)學(xué)中的“鯰魚效應(yīng)”，改進(jìn)傳統(tǒng)二進(jìn)制粒子群優(yōu)化算法，應(yīng)用于微網(wǎng)優(yōu)化運(yùn)行。
[0005]本發(fā)明以微網(wǎng)發(fā)電成本和環(huán)境成本最小為目標(biāo)，考慮電壓越限、功率平衡、微電源出力限制、微電源爬坡功率限制等約束條件，建立了多約束非線性優(yōu)化模型，并提出一種帶鯰魚效應(yīng)的改進(jìn)二進(jìn)制粒子群優(yōu)化算法，求解各時段微電源出力，針對具體實(shí)施例，對優(yōu)化結(jié)果進(jìn)行了分析比較。
[0006]本發(fā)明的技術(shù)方案為:
[0007]步驟1、對微網(wǎng)中不可控型電源進(jìn)行發(fā)電功率預(yù)測，將求得的發(fā)電功率負(fù)值與預(yù)測得到的負(fù)荷功率疊加得到凈負(fù)荷功率；
[0008]步驟2、對可控型微電源出力進(jìn)行數(shù)學(xué)建模，考慮其啟停控制方案，將其出力作為優(yōu)化變量；
[0009]步驟3、以微網(wǎng)發(fā)電成本最小和環(huán)境成本最小為目標(biāo)，考慮不同的微網(wǎng)運(yùn)行策略，建立微網(wǎng)優(yōu)化運(yùn)行模型；
[0010]步驟4、將經(jīng)濟(jì)學(xué)中的“鯰魚效應(yīng)”引入二進(jìn)制粒子群優(yōu)化算法中，求得滿足約束條件的微網(wǎng)優(yōu)化運(yùn)行方案。
[0011]與【背景技術(shù)】相比，本發(fā)明具有的有益效果是:
[0012](I)根據(jù)微電源輸出功率是否可控，采用不同的控制策略。將不可控型微電源作“負(fù)”負(fù)荷處理，將求得的發(fā)電功率負(fù)值與負(fù)荷功率疊加得到凈負(fù)荷功率。對于可控型微電源，考慮了可控型微電源的啟停控制，采用二進(jìn)制編碼，加快了模型求解速度。
[0013](2)在求解模型上采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法。由傳統(tǒng)BPSO的速度更新公式知，當(dāng)種群陷入局部最優(yōu)解時，粒子都聚集在局部最優(yōu)解附近，兩者間的距離很小，速度幾乎沒有修正，那么在下一次迭代時，粒子將幾乎沒有移動。為改善這個缺陷，在傳統(tǒng)BPSO粒子種群中引入鯰魚效應(yīng)。

【專利附圖】

【附圖說明】
[0014]圖1為基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的微網(wǎng)優(yōu)化運(yùn)行流程圖；
[0015]圖2為本發(fā)明微網(wǎng)結(jié)構(gòu)圖；
[0016]圖3為本發(fā)明實(shí)施例地區(qū)典型日風(fēng)力發(fā)電機(jī)組、光伏電池發(fā)電預(yù)測曲線圖；
[0017]圖4為本發(fā)明實(shí)施例地區(qū)負(fù)荷及凈負(fù)荷曲線圖；
[0018]圖5為本發(fā)明實(shí)施例中電價水平與微電源綜合成本-輸出功率圖；
[0019]圖6為本發(fā)明優(yōu)化后微網(wǎng)在策略一下24小時的優(yōu)化結(jié)果圖；
[0020]圖7為本發(fā)明優(yōu)化后微網(wǎng)在策略二下24小時的優(yōu)化結(jié)果圖；
[0021]圖8為本發(fā)明優(yōu)化后微網(wǎng)在策略三下24小時的優(yōu)化結(jié)果圖。
具體實(shí)施方案
[0022]本發(fā)明一種基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的微網(wǎng)優(yōu)化運(yùn)行方法流程圖如圖1所示，包括如下步驟:
[0023](I)采集微網(wǎng)負(fù)荷信息數(shù)據(jù)、氣象信息數(shù)據(jù)，綜合微網(wǎng)運(yùn)行的歷史數(shù)據(jù)，對進(jìn)行未來一天的預(yù)測，得到未來一天內(nèi)微網(wǎng)的負(fù)荷、風(fēng)能和太陽能功率預(yù)測數(shù)據(jù)，計(jì)算得到凈負(fù)荷功率;
[0024](2)統(tǒng)計(jì)微網(wǎng)微電源特性，建立微網(wǎng)內(nèi)所有可控型微電源的出力數(shù)學(xué)模型；
[0025](3)將微網(wǎng)未來一天內(nèi)的經(jīng)濟(jì)運(yùn)行分為24個時段，以微網(wǎng)全天運(yùn)行發(fā)電成本和環(huán)境成本最小為目標(biāo)函數(shù)，考慮微網(wǎng)內(nèi)部的各時段功率平衡、節(jié)點(diǎn)電壓約束、各設(shè)備元件的出力限制/爬坡率限制/開停機(jī)成本，建立微網(wǎng)優(yōu)化運(yùn)行模型；
[0026](4)基于步驟(2)中的凈負(fù)荷功率數(shù)據(jù)，采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法對不同運(yùn)行策略下的、步驟(3)中的微網(wǎng)優(yōu)化運(yùn)行的數(shù)學(xué)模型進(jìn)行求解，得到各時段可控型微電源的機(jī)組啟停及出力優(yōu)化方案。
[0027]一、上述凈負(fù)荷功率的求解如下:

【權(quán)利要求】
1.一種基于改進(jìn)二進(jìn)制粒子群優(yōu)化算法的微網(wǎng)優(yōu)化運(yùn)行方法，其特征在于，包括如下步驟: (1)采集微網(wǎng)負(fù)荷信息數(shù)據(jù)、氣象信息數(shù)據(jù)，綜合微網(wǎng)運(yùn)行的歷史數(shù)據(jù)，對進(jìn)行未來一天的預(yù)測，得到未來一天內(nèi)微網(wǎng)的負(fù)荷、風(fēng)能和太陽能功率預(yù)測數(shù)據(jù)，計(jì)算得到凈負(fù)荷功率； (2)統(tǒng)計(jì)微網(wǎng)微電源特性，建立微網(wǎng)內(nèi)所有可控型微電源的出力數(shù)學(xué)模型； (3)將微網(wǎng)未來一天內(nèi)的經(jīng)濟(jì)運(yùn)行分為24個時段，以微網(wǎng)全天運(yùn)行發(fā)電成本和環(huán)境成本最小為目標(biāo)函數(shù)，考慮微網(wǎng)內(nèi)部的各時段功率平衡、節(jié)點(diǎn)電壓約束、各設(shè)備元件的出力限制/爬坡率限制/開停機(jī)成本，建立微網(wǎng)優(yōu)化運(yùn)行模型； (4)基于步驟(2)中的凈負(fù)荷功率數(shù)據(jù)，采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法對不同運(yùn)行策略下的步驟(3)中的微網(wǎng)優(yōu)化運(yùn)行的數(shù)學(xué)模型進(jìn)行求解，得到各時段可控型微電源的機(jī)組啟停及出力優(yōu)化方案。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，計(jì)算所述微網(wǎng)的凈負(fù)荷，所述凈負(fù)荷為負(fù)荷功率減去風(fēng)力發(fā)電機(jī)和光伏電池的發(fā)電功率，按下式計(jì)算
其中，上標(biāo)t表示在t時段；Pnrt為凈負(fù)荷功率，Pload為微網(wǎng)總負(fù)荷功率，Puci為第i個不可控型微電源，MSU。為不可控型微電源集。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(3)中的微網(wǎng)優(yōu)化運(yùn)行模型如下，其中目標(biāo)函數(shù)為，
其中，Cg為微網(wǎng)發(fā)電成本，Ce為微網(wǎng)環(huán)境成本，Cgrid為微網(wǎng)向主網(wǎng)購電成本或售電收益，T為微網(wǎng)優(yōu)化周期總時段數(shù)，Ii為第i個微電源的開停機(jī)狀態(tài)，I表示開機(jī)狀態(tài)，O表示停機(jī)狀態(tài)，Cfi為第i個微電源的發(fā)電燃料成本，Pi表不第i個微電源的輸出功率，N為微電源的數(shù)目，ki表示第i個微電源的運(yùn)行維護(hù)成本系數(shù)，Coni表示第i個微電源的開停機(jī)單價，Xij為第i個微電源排放第j種污染物的系數(shù)，Cj為第j種污染物的環(huán)境價值，Pj為第j種污染物的罰款數(shù)量，M為污染物的種類數(shù)目，P#id為微網(wǎng)和主網(wǎng)間的傳輸功率，值為正時表不微網(wǎng)向主網(wǎng)購電功率，值為負(fù)時表不微網(wǎng)向主網(wǎng)售電功率，Cbuy和Csell分別為購電和售電電價； 約束條件為 (I)功率平衡約束
其中，Pltjss為微網(wǎng)網(wǎng)損，Pk、Qk分別為第k條支路傳輸?shù)挠泄?、無功功率，Nb為支路總數(shù)，Rk為第k條支路的電阻，Uk為第k條支路的電壓；(2)運(yùn)行電壓約束
其中，I表示第i個微電源，U為節(jié)點(diǎn)電壓，Umax和Umin分別為節(jié)電壓上、下限； (3)微電源輸出功率約束
其中，P_和P-分別為微電源輸出功率的上、下限； (4)微電源爬坡率約束
其中，rup和rd°?分別為微電源輸出有功功率的允許最大上爬坡和下爬坡速率； (5)微電源啟停機(jī)次數(shù)和啟停時間約束
其中，M為優(yōu)化周期T內(nèi)允許最大啟停次數(shù)t°n和t°ff分別為最短開、停機(jī)時間； (6)微網(wǎng)與主網(wǎng)傳輸功率約束
其中，P^dmax和Pgmmin分別為微網(wǎng)與主網(wǎng)允許傳輸功率的上、下限。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(4)中提到的算法特征在于，由以下幾個步驟組成: (1)初始化:選擇微網(wǎng)運(yùn)行策略；輸入微電源、負(fù)荷參數(shù)等；輸入算法參數(shù)(最大迭代次數(shù)、粒子維度、種群大小、飛行速度上下限、種群多樣度閥值等)； (2)設(shè)置迭代次數(shù)iter= I ； (3)計(jì)算各粒子的適應(yīng)度值，記錄最小適應(yīng)度值為全局最優(yōu)解fbest，記粒子位置全局極值點(diǎn)gbest和個體極值點(diǎn)pbest ； (4)判斷當(dāng)前的迭代次數(shù)是否達(dá)到最大迭代次數(shù)，若達(dá)到則結(jié)束算法，輸出計(jì)算結(jié)果；若不滿足則設(shè)定迭代次數(shù)iter = iter+1 ； (5)判斷是否引入“鯰魚粒子”，當(dāng)整個種群陷入局部最優(yōu)解時，種群多樣性將大大減弱，減弱到閥值時，轉(zhuǎn)步驟(6)，否則轉(zhuǎn)步驟(8)，利用下式來量化種群的多樣性
其中,PopDiv為種群多樣度；PopSize為種群大小；α為相對種群多樣度；itermax為最大迭代次數(shù)； (6)構(gòu)造“鯰魚粒子”，取出種群中適應(yīng)度值最大的R個粒子構(gòu)造成“鯰魚粒子”(本發(fā)明取R= 10% *PopSiZe)，隨機(jī)更新這R個粒子在解空間內(nèi)的位置，其余的粒子稱為“沙丁魚粒子”; (7)“鯰魚粒子”驅(qū)動“沙丁魚粒子”，計(jì)算新構(gòu)造的“鯰魚粒子”適應(yīng)度值，當(dāng)適應(yīng)度值增大或者不變，轉(zhuǎn)步驟(8);否則(即“鯰魚粒子”更具活力)，驅(qū)動陷入局部最優(yōu)解而具有惰性的“沙丁魚粒子”，即根據(jù)下式更新“沙丁魚粒子”速度
其中，Cee是鯰魚效應(yīng)學(xué)習(xí)因子，為正常數(shù);rce是[0，I]之間的隨機(jī)數(shù)；Si。為第i個“沙丁魚粒子”受第c個“鯰魚粒子”驅(qū)動的狀態(tài)，I表示受到驅(qū)動，O表示不受驅(qū)動;x￡j為第c個“鯰魚粒子”在步驟(2)隨機(jī)更新后的位置；fitneSS()為適應(yīng)度值； (8)根據(jù)式下式更新粒子的位置和速度
(9)判斷粒子的狀態(tài)是否滿足各類不等式約束條件，若滿足則保留粒子位置，若不滿足則取限值，轉(zhuǎn)步驟(3)。
【文檔編號】G06Q10/02GK104166877SQ201410238371
【公開日】2014年11月26日 申請日期:2014年5月31日 優(yōu)先權(quán)日:2014年5月31日
【發(fā)明者】徐多, 李濤, 董默 申請人:徐多