一种微电网能量控制方法、处理器及微电网能量控制系统技术方案

本发明专利技术公开了一种微电网能量控制方法，采用非支配排序遗传膜算法来得到Pareto最优解集；然后根据需要从Pareto最优解集中选择合适的解来控制分布式电源的发电功率。本发明专利技术能够使得到的解集分布均匀且分布广，同时具有多样性，并能够尽可能避免未成熟收敛的情况出现，从而保证了实际应用中微电网内分布式电源控制策略的选择性和准确性。本发明专利技术还公开了一种用于实现上述方法的处理器，以及一种微电网能量控制系统，该系统包括控制装置，控制装置内包括有上述处理器。该处理器以及微电网能量控制系统也具有上述优点，在此不再赘述。

【技术实现步骤摘要】

本专利技术涉及电网控制
，特别是涉及一种微电网能量控制方法。本专利技术还涉及一种处理器及微电网能量控制系统。
技术介绍
微电网是由分布式电源、储能装置、能量转换装置、负荷、负荷监控及用电保护装置等组成的小型发配电系统。其中，微电网内可包含一种或多种分布式电源(例如光伏发电装置、风力发电装置、水力发电装置、燃料电池及燃气轮机等)来产生负荷所需的电能。由于分布式电源的类型不同，各自的运行方式也存在差异。例如，光伏、风力等新能源的发电功率易受自然环境影响，但排放的污染物较少，相反，燃料电池、燃气轮机等化石能源的发电功率较为稳定，但会对环境造成较大的污染。可见，微电网能量控制中的成本最优和环境污染最小本身是两个矛盾的问题，即为微电网能量控制为多目标问题，在实际解决中，需要考虑两者之间的利弊做出合理的控制。目前的微电网能量控制中，主要是将上述多目标问题转化为单目标问题进行求解。但是，这种方法中往往会因为多个目标间缺少偏好难以协调使得权值设置的合理性不高，获得的最优结果较为单一，存在局限性，难以适应较为复杂的实际控制情况。而若直接使用多目标算法来解决多目标问题的话，由于求解的结果是一组Pareto最优解，故可以给决策者提供更多的选择。但是，该种直接求解的话可能会出现未成熟收敛的情况，另外，得到的最优解集的分布可能会不够均匀且分别范围不够最广，同时，获得的解集中的解的多样性不够。可见，目前的微电网能量控制不能提供较为全面的控制策略，影响了微电网中分布式电源控制策略的选择性和准确性。因此，如何提供一种能够保证微电网中分布式电源控制策略的选择性和准确性的微电网能量控制方法、处理器及微电网能量控制系统是本领域技术人员目前需要解决的问题。
技术实现思路
本专利技术的目的是提供一种微电网能量控制方法，能够在微电网能量控制过程中提供更为全面的控制策略，且能够在实际应用中解决更为复杂的控制问题，为分布式电源提供更为多样的控制方式，保证微电网中分布式电源控制策略的选择性和准确性。本专利技术的另一目的是提供一种处理器及微电网能量控制系统。为解决上述技术问题，本专利技术提供了一种微电网能量控制方法，包括：步骤101：设置所述微电网的能量控制目标函数；其中，所述能量控制目标函数中包含控制变量，所述控制变量包括所述微电网中各种分布式电源的发电功率；步骤102：初始化非支配排序遗传膜算法的执行参数；所述非支配排序遗传膜算法为在第二代非支配排序遗传算法的基础上引入膜计算算法得到的算法；其中，所述非支配排序遗传膜算法中包含多层基本膜及一层表层膜，所述执行参数包括所述基本膜的层数、所述第二代非支配排序遗传算法的迭代次数、交叉概率和变异概率以及每层所述基本膜对应的种群大小；其中，所述种群大小为每层所述基本膜所包含的粒子数量，所述粒子为一组所述控制变量的组合；每层所述基本膜中都至少包含有一个所述粒子；步骤103：根据预设取值范围生成所述非支配排序遗传膜算法中每个所述粒子的初始值；并将各个取值为初始值的粒子随机分配至各层所述基本膜中；由所述取值为初始值的粒子组成的种群为所述基本膜内的父代种群；步骤104：依据所述迭代次数、所述交叉概率及所述变异概率，分别对每层所述基本膜上的粒子执行所述第二代非支配排序遗传算法，每次迭代完成后获得每层所述基本膜内的新子种群；所述第二代非支配排序遗传算法包括排序操作以及交叉变异操作；步骤105：将每层所述基本膜内的新子种群传送至下一层所述基本膜中，使其与下一层所述基本膜内的新子种群进行合并更新，得到更新后的新子种群；步骤106：将每层所述基本膜内的更新后的新子种群与其父代种群进行合并，并对合并后的新子种群进行所述排序操作，得到备选优秀解集；步骤107：判断是否满足所述非支配排序遗传膜算法的终止执行条件；若是，执行步骤108，否则，继续执行步骤104；步骤108：将所述备选优秀解集输入所述表层膜内，经过所述排序操作选择出最优秀解集，所述最优秀解集确定为所述能量控制目标函数的Pareto最优解集；步骤109：从所述Pareto最优解集选取所需的最优解，根据所述最优解得到各种所述分布式电源的发电功率，并依据所述发电功率分别对所述微电网中的相应的所述分布式电源进行控制。优选地，所述步骤s101的过程具体为：获取所述微电网的所述预设取值范围以及预设控制定量，并依据所述预设控制定量及所述预设取值范围，设置所述能量控制目标函数。优选地，所述预设取值范围的获取过程为：获取所述控制变量的约束条件；其中，所述约束条件包括各种所述分布式电源的发电功率的功率限值范围，以及所述微电网与主电网之间的交易电量限值范围；所述约束条件即为所述预设取值范围。优选地，所述能量控制目标函数具体为：F(x)＝min{f1(x),f2(x)本文档来自技高网...

【技术保护点】
一种微电网能量控制方法，其特征在于，包括：步骤101：设置所述微电网的能量控制目标函数；其中，所述能量控制目标函数中包含控制变量，所述控制变量包括所述微电网中各种分布式电源的发电功率；步骤102：初始化非支配排序遗传膜算法的执行参数；所述非支配排序遗传膜算法为在第二代非支配排序遗传算法的基础上引入膜计算算法得到的算法；其中，所述非支配排序遗传膜算法中包含多层基本膜及一层表层膜，所述执行参数包括所述基本膜的层数、所述第二代非支配排序遗传算法的迭代次数、交叉概率和变异概率以及每层所述基本膜对应的种群大小；其中，所述种群大小为每层所述基本膜所包含的粒子数量，所述粒子为一组所述控制变量的组合；每层所述基本膜中都至少包含有一个所述粒子；步骤103：根据预设取值范围生成所述非支配排序遗传膜算法中每个所述粒子的初始值；并将各个取值为初始值的粒子随机分配至各层所述基本膜中；由所述取值为初始值的粒子组成的种群为所述基本膜内的父代种群；步骤104：依据所述迭代次数、所述交叉概率及所述变异概率，分别对每层所述基本膜上的粒子执行所述第二代非支配排序遗传算法，每次迭代完成后获得每层所述基本膜内的新子种群；所述第二代非支配排序遗传算法包括排序操作以及交叉变异操作；步骤105：将每层所述基本膜内的新子种群传送至下一层所述基本膜中，使其与下一层所述基本膜内的新子种群进行合并更新，得到更新后的新子种群；步骤106：将每层所述基本膜内的更新后的新子种群与其父代种群进行合并，并对合并后的新子种群进行所述排序操作，得到备选优秀解集；步骤107：判断是否满足所述非支配排序遗传膜算法的终止执行条件；若是，执行步骤108，否则，继续执行步骤104；步骤108：将所述备选优秀解集输入所述表层膜内，经过所述排序操作选择出最优秀解集，所述最优秀解集确定为所述能量控制目标函数的Pareto最优解集；步骤109：从所述Pareto最优解集选取所需的最优解，根据所述最优解得到各种所述分布式电源的发电功率，并依据所述发电功率分别对所述微电网中的相应的所述分布式电源进行控制。...

【技术特征摘要】
1.一种微电网能量控制方法，其特征在于，包括：步骤101：设置所述微电网的能量控制目标函数；其中，所述能量控制目标函数中包含控制变量，所述控制变量包括所述微电网中各种分布式电源的发电功率；步骤102：初始化非支配排序遗传膜算法的执行参数；所述非支配排序遗传膜算法为在第二代非支配排序遗传算法的基础上引入膜计算算法得到的算法；其中，所述非支配排序遗传膜算法中包含多层基本膜及一层表层膜，所述执行参数包括所述基本膜的层数、所述第二代非支配排序遗传算法的迭代次数、交叉概率和变异概率以及每层所述基本膜对应的种群大小；其中，所述种群大小为每层所述基本膜所包含的粒子数量，所述粒子为一组所述控制变量的组合；每层所述基本膜中都至少包含有一个所述粒子；步骤103：根据预设取值范围生成所述非支配排序遗传膜算法中每个所述粒子的初始值；并将各个取值为初始值的粒子随机分配至各层所述基本膜中；由所述取值为初始值的粒子组成的种群为所述基本膜内的父代种群；步骤104：依据所述迭代次数、所述交叉概率及所述变异概率，分别对每层所述基本膜上的粒子执行所述第二代非支配排序遗传算法，每次迭代完成后获得每层所述基本膜内的新子种群；所述第二代非支配排序遗传算法包括排序操作以及交叉变异操作；步骤105：将每层所述基本膜内的新子种群传送至下一层所述基本膜中，使其与下一层所述基本膜内...

【专利技术属性】
技术研发人员：王军，陈科，孙章，彭宏，杨波勇，明俊，于文萍，冯朝润，
申请(专利权)人：西华大学，东方日立成都电控设备有限公司，
类型：发明
国别省市：四川;51