本发明专利技术公开了一种基于改进鱼群算法的独立风光储微网的优化配置算法，利用粒子飞行速度v、惯性权重w来改进人工鱼群算法的觅食行为、聚群行为、追尾行为。利用粒子群算法对适应度值最好的精英人工鱼群进行更新，在人工鱼群算法中，找到适应度值最好的人工鱼，利用粒子群算法进行更新，直到满足要求的精度或迭代次数。此时迭代求得的位置显然比初始点更优，但要求得当前最好解需进行多次迭代。从整体效率来考虑，利用精度和迭代次数一起构成改进的粒子群人工鱼群算法的终止条件。本发明专利技术应用上述算法对独立风光储微网进行配置，独立型微网优化配置是以微源正常运行和满足各约束条件，达到微电网的总运行成本最低及最低的新能源发电弃用率的要求。
An Optimal Configuration Algorithm for Independent Windstorm Storage Microgrid Based on Improved Fish Swarm Algorithms
The invention discloses an optimized configuration algorithm of an independent wind and solar storage microgrid based on improved fish swarm algorithm, which uses particle flying speed V and inertia weight W to improve the foraging behavior, swarm behavior and tail-chasing behavior of the artificial fish swarm algorithm. Particle swarm optimization (PSO) is used to update the best fitness elite artificial fish swarm. In the artificial fish swarm algorithm, the best fitness artificial fish is found. Particle swarm optimization (PSO) is used to update the artificial fish until the required accuracy or iteration times are satisfied. At this time, the position obtained by iteration is obviously better than the initial point, but it requires multiple iterations to obtain the best solution at present. Considering the overall efficiency, the termination condition of the improved PSO artificial fish swarm algorithm is composed of the accuracy and iteration times. The invention applies the above algorithm to configure the independent wind and solar storage microgrid. The optimal configuration of the independent microgrid is based on the normal operation of micro-sources and satisfying various constraints to meet the requirements of the lowest total operation cost and the lowest abandonment rate of new energy generation of the microgrid.
【技术实现步骤摘要】
一种基于改进鱼群算法的独立风光储微网的优化配置算法
本专利技术涉及改进鱼群算法应用领域，具体地说，特别涉及到一种基于改进鱼群算法的独立风光储微网的优化配置算法。
技术介绍
受鱼群社会属性和社会行为的启发，李晓磊提出的一类基于动物行为的群体智能优化算法——人工鱼群算法。每一个人工鱼是人工生命的一个自治体，通过自身的感官行为来感知外界环境，觅食、聚群、追尾和随机行为是鱼在自然界进化过程中的基本社会属性和基本行为。当前，大规模分布式风力和光伏并网和消纳困难，弃电严重。在风光伏微网中配置合理容量的储能，是促进分布式风电和光伏就地消纳、提高风电和光伏系统效能的有效方式，随着电力市场的完善和通讯、计量设施的普遍应用，用户侧参与需求响应带来的负荷已经成为微网投资规划运行中不可忽视的因素。因此，研究多时段需求响应对风光伏微网储能配置的影响，对风光伏微网商业化投资决策有着重要的意义。现阶段，由于储能器件价格昂贵，储能容量的配置不宜过大，过大的储能容量将显著增加投资成本；储能容量的配置也不能过小，过小的储能容量无法保证系统在离网时段的稳定运行，也不利于促进光伏的消纳。另外，基本人工鱼群算法针对高维度极值函数寻优后期收敛速度慢，精度有待于提高。基本人工鱼群算法在应用于独立风光储微网的优化配置中，存在配置不合理的问题，对分布式能源的发电利用率以及总配置成本达不到既定要求。
技术实现思路
本专利技术的目的在于：1)提出一种改进人工鱼群算法(PSO-AFSA),该算法基于精英策略改进，利用人工鱼群算法(AFSA)的良好全局收敛性、快速跳出局部极值的能力和粒子群算法(PSO)信息策略、局部快速收敛性及简单操作易实现等优点。2)通过仿真分析，验证PSO-AFSA算法比鱼群算法具有更快的收敛速度和更高的寻优精度，且性能稳定。3)将其应用于风光储独立微网的配置中，合理地得到最佳配置结果。本专利技术所解决的技术问题可以采用以下技术方案来实现：一种基于改进鱼群算法的独立风光储微网的优化配置算法，包括如下步骤：I、改进人工鱼群算法步骤1)随机初始化条N人工鱼，给定视野Visual，步长step，拥挤度因子δ，最大重复次数tryNumber和最大迭代次数MAXGEN；步骤2)计算每条人工鱼的适应度值Y，选出精英鱼群Xelite，并寻找适应度值最好的人工鱼，记录在公告板BestY；步骤3)对精英人工鱼利用粒子群算法PSO更新；步骤4)对除去精英鱼群的其他人工鱼进行聚群算子AF_swarm和追尾算子AF_follow，选择适应度值Y改善较大的作为更新结果；步骤5)比较更新后人工鱼适应度值Y，若更新后适应度值Y没有得到改善，则利用觅食算子AF_prey对该人工鱼进行更新；步骤6)将更新后人工鱼适应度值与公告板BestY进行比较，若较好，则将其赋予公告板；步骤7)当所有人工鱼进行更新完成之后，判断是否达到终止条件；终止条件为达到最大迭代次数或达到目标精度；如果满足终止条件，则输出输出状态栏最优人工鱼状态bestx和最优适应度函数值BestY，算法终止，否则，转步骤3)；II、改进人工鱼群算法应用于微网配置1)在各微源安装数量限定的范围内随机取得一个整数值作为该微源的数量，即初始化了一种微网容量配置的组合X，X＝(Xwind,Xsun,Xbattery)，按照上述的方法得到N组不同的微源容量组合作为初始种群Pt,t＝0；2)对Pt中的各微源组合进行仿真测试，计算各微源组合的年平均综合成本Fyear和新能源发电弃用率Fwaste：根据春、夏、秋、冬四个季节典型日的风、光、及负荷数据计算每个微源组合下每个小时光伏和风机的发电情况及储能电池荷电状态进行计算，若某个小时内微网系统不满足功率平衡约束或是储能电池荷电状态约束，则将该组合的Fyear和Fwaste设为最大值Fyear_m和Fwatse_m；Fwaste_m设为1，Fyear_m则根据各微源数量限定范围内的最大值求得；若该微源组合都各典型日功率平衡约束及储能电池荷电状态约束，求得Fyear，求得Fwaste；3)对2)求得的Pt各微源组合的Fyear和Fwaste进行非劣解排序，得到各组合的pareto阶数rank和距离distance，求得各组合的伪适应值Vfake，根据Vfake的大小选取最优的elite_size个个体组成精英集Pelite，其余的个体作为普通集合Pnorm；4)对Pelite中的各微源组合进行粒子群算法PSO模块更新，采用非劣解排序，以得到的伪适应值为标准搜索最优解，得到更新后的种群；5)对Pnorm进行鱼群模块更新，进一步求得种群Fwaste和Fyear，根据这两个值算出各个体的多目标函数归一值，根据该值搜索最优解，得到更新后的种群；6)将Pelite和Pnorm合并，生成整个集合Pt+1；7)对更新完后的种群Pt+1进行非劣解排序，根据非劣排序得到的pareto前沿阶数和距离求得各个体的伪适应值，选择伪适应值最小的elite_size个粒子，组成新的精英集即本轮精英集更新完毕。8)如果当前进化代数t小于最大进化代数T，则t＝t+1，执行步骤2)，否则输出种群Pt+1中的所有个体。与现有技术相比，本专利技术的有益效果在于：本专利技术结合粒子群算法飞行速度v，惯性权重w，将粒子群算法引入人工鱼群算法。速度v使人工鱼具备像粒子样的飞行功能，加速了算法的收敛速度；惯性权重w，使人工鱼具备了承接先前速度的能力，且较大的惯性权值有利于在可行解域内进行全局搜索；而一个较小的惯性权值则更有利于在可行解域内进行局部搜索，更好地平衡该算法的全局搜索与局部搜索的一个能力；精英鱼群的不断更新体现的是群体内的交流，避免人工鱼盲目的搜索，朝着最优位置状态搜索，加速了算法的收敛速度。本专利技术利用粒子飞行速度v、惯性权重w来改进人工鱼群算法的觅食行为、聚群行为、追尾行为。利用粒子群算法对适应度值最好的精英人工鱼群进行更新，在人工鱼群算法中，找到适应度值最好的人工鱼，利用粒子群算法进行更新，直到满足要求的精度或迭代次数。此时迭代求得的位置显然比初始点更优，但要求得当前最好解需进行多次迭代。从整体效率来考虑，利用精度和迭代次数一起构成改进的粒子群人工鱼群算法的终止条件。本专利技术应用上述算法对独立风光储微网进行配置，独立型微网优化配置是以微源正常运行和满足各约束条件，达到微电网的总运行成本最低及最低的新能源发电弃用率的要求。附图说明图1为本专利技术所述的sphere函数进化曲线的示意图。图2为本专利技术所述的Ackley函数进化曲线的示意图。图3为本专利技术所述的Griewank函数进化曲线的示意图。图4a为本专利技术所述的立型微网多目标优化配置结果的优化目标图。图4b为本专利技术所述的立型微网多目标优化配置结果的配置方案图。图5为本专利技术所述的独立风光储微网的优化配置算法的流程图。具体实施方式为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。参见图5，本专利技术所述的一种基于改进鱼群算法的独立风光储微网的优化配置算法，对改进人工鱼群算法和将改进人工鱼群算法应用于微网配置两个步骤。I、改进人工鱼群算法步骤1)随机初始化条N人工鱼，给定视野Visual，步长step，拥挤度因子δ，最大重复次数tryN本文档来自技高网...
【技术保护点】
1.一种基于改进鱼群算法的独立风光储微网的优化配置算法，其特征在于，包括如下步骤：I、改进人工鱼群算法步骤1)随机初始化条N人工鱼，给定视野Visual，步长step，拥挤度因子δ，最大重复次数tryNumber和最大迭代次数MAXGEN；步骤2)计算每条人工鱼的适应度值Y，选出精英鱼群Xelite，并寻找适应度值最好的人工鱼，记录在公告板BestY；步骤3)对精英人工鱼利用粒子群算法PSO更新；步骤4)对除去精英鱼群的其他人工鱼进行聚群算子AF_swarm和追尾算子AF_follow，选择适应度值Y改善较大的作为更新结果；步骤5)比较更新后人工鱼适应度值Y，若更新后适应度值Y没有得到改善，则利用觅食算子AF_prey对该人工鱼进行更新；步骤6)将更新后人工鱼适应度值与公告板BestY进行比较，若较好，则将其赋予公告板；步骤7)当所有人工鱼进行更新完成之后，判断是否达到终止条件；终止条件为达到最大迭代次数或达到目标精度；如果满足终止条件，则输出输出状态栏最优人工鱼状态bestx和最优适应度函数值BestY，算法终止，否则，转步骤3)；II、改进人工鱼群算法应用于微网配置1)在各微源安装数量限定的范围内随机取得一个整数值作为该微源的数量，即初始化了一种微网容量配置的组合X，X＝(Xwind,Xsun,Xbattery)，按照上述的方法得到N组不同的微源容量组合作为初始种群Pt,t＝0；2)对Pt中的各微源组合进行仿真测试，计算各微源组合的年平均综合成本Fyear和新能源发电弃用率Fwaste：根据春、夏、秋、冬四个季节典型日的风、光、及负荷数据计算每个微源组合下每个小时光伏和风机的发电情况及储能电池荷电状态进行计算，若某个小时内微网系统不满足功率平衡约束或是储能电池荷电状态约束，则将该组合的Fyear和Fwaste设为最大值Fyear_m和Fwatse_m；Fwaste_m设为1，Fyear_m则根据各微源数量限定范围内的最大值求得；若该微源组合都各典型日功率平衡约束及储能电池荷电状态约束，求得Fyear，求得Fwaste；3)对2)求得的Pt各微源组合的Fyear和Fwaste进行非劣解排序，得到各组合的pareto阶数rank和距离distance，求得各组合的伪适应值Vfake，根据Vfake的大小选取最优的elite_size个个体组成精英集Pelite，其余的个体作为普通集合Pnorm；4)对Pelite中的各微源组合进行粒子群算法PSO模块更新，采用非劣解排序，以得到的伪适应值为标准搜索最优解，得到更新后的种群；5)对Pnorm进行鱼群模块更新，进一步求得种群Fwaste和Fyear，根据这两个值算出各个体的多目标函数归一值，根据该值搜索最优解，得到更新后的种群；6)将Pelite和Pnorm合并，生成整个集合Pt+1；7)对更新完后的种群Pt+1进行非劣解排序，根据非劣排序得到的pareto前沿阶数和距离求得各个体的伪适应值，选择伪适应值最小的elite_size个粒子，组成新的精英集...
【技术特征摘要】
1.一种基于改进鱼群算法的独立风光储微网的优化配置算法，其特征在于，包括如下步骤：I、改进人工鱼群算法步骤1)随机初始化条N人工鱼，给定视野Visual，步长step，拥挤度因子δ，最大重复次数tryNumber和最大迭代次数MAXGEN；步骤2)计算每条人工鱼的适应度值Y，选出精英鱼群Xelite，并寻找适应度值最好的人工鱼，记录在公告板BestY；步骤3)对精英人工鱼利用粒子群算法PSO更新；步骤4)对除去精英鱼群的其他人工鱼进行聚群算子AF_swarm和追尾算子AF_follow，选择适应度值Y改善较大的作为更新结果；步骤5)比较更新后人工鱼适应度值Y，若更新后适应度值Y没有得到改善，则利用觅食算子AF_prey对该人工鱼进行更新；步骤6)将更新后人工鱼适应度值与公告板BestY进行比较，若较好，则将其赋予公告板；步骤7)当所有人工鱼进行更新完成之后，判断是否达到终止条件；终止条件为达到最大迭代次数或达到目标精度；如果满足终止条件，则输出输出状态栏最优人工鱼状态bestx和最优适应度函数值BestY，算法终止，否则，转步骤3)；II、改进人工鱼群算法应用于微网配置1)在各微源安装数量限定的范围内随机取得一个整数值作为该微源的数量，即初始化了一种微网容量配置的组合X，X＝(Xwind,Xsun,Xbattery)，按照上述的方法得到N组不同的微源容量组合作为初始种群Pt,t＝0；2)对Pt中的各微源组合进行仿真测试，计算各微源组合的年平均综合成本Fyear和新能源发电弃用率Fwaste：根据春、夏、秋、冬四个...
【专利技术属性】
技术研发人员：陆俊明，张向锋，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。