一种基于粒子群优化算法的微电网经济调度方法技术

本发明专利技术公开了一种基于粒子群优化算法的微电网经济调度方法。粒子群优化算法充分利用自身经验和群体经验调整粒子自身的状态，可以有效的对系统参数进行优化。其优势在于求解一些连续函数的优化问题。针对上述情况，将粒子群优化算法应用于微电网的经济调度研究中。首先建立微电源的数学模型，然后按照调度准则考虑微电网的运行经济指标及相关约束，建立微电网的经济调度模型，提出经济优化调度策略。根据各项约束条件，编写了基于粒子群优化算法的微电网经济调度程序，算例结果表明将该算法应用于微电网的经济调度中能有效合理的分配微电源的出力情况，实现经济调度。

An Economic Dispatching Method for Microgrid Based on Particle Swarm Optimization

The invention discloses an economic dispatching method of microgrid based on particle swarm optimization algorithm. Particle swarm optimization (PSO) can effectively optimize the system parameters by making full use of its own experience and group experience to adjust the state of the particles themselves. Its advantage lies in solving some optimization problems of continuous functions. In view of the above situation, particle swarm optimization (PSO) algorithm is applied to the economic dispatch research of microgrid. Firstly, the mathematical model of micro-power supply is established, then the economic dispatching model of micro-power grid is established and the economic optimal dispatching strategy is put forward according to the dispatching criteria, considering the economic indicators and related constraints of micro-power grid operation. According to the constraints, the economic dispatching program of microgrid based on particle swarm optimization (PSO) algorithm is compiled. The results show that the application of PSO in economic dispatching of microgrid can effectively and reasonably distribute the output of micropower and achieve economic dispatching.

【技术实现步骤摘要】
一种基于粒子群优化算法的微电网经济调度方法
本专利技术涉及微电网的经济调度领域，特别是涉及一种基于粒子群优化算法的微电网经济调度方法。
技术介绍
分布式发电系统作为集中供电系统的有力补充，在供电的经济性以及对环境的污染程度方面较大电网有一定的优势。然而，分布式电源的发电成本以及对环境的污染仍不容忽视。将分布式电源以微电网形式接入到电网，是发挥分布式电源能效的最有效方式。因此，微电网的经济调度研究收到了不少学者的关注。到目前为止，人们已将多种算法应用到微电网的经济调度优化研究中，如遗传算法、粒子群优化算法等。优化问题主要有两个方面：一是要求寻找全局最小点，二是要求有较高的收敛速度。遗传算法有三个基本算子：选择、交叉和变异。这些算子的实现需要许多参数，且这些参数的选择严重影响解的品质，而这些参数的选择大部分是依靠经验。粒子群优化算法没有遗传算法用的交叉以及变异，其系统初始化为一组随机解，通过迭代搜寻最优值。其充分利用自身经验和群体经验调整粒子自身的状态，可以有效的对系统参数进行优化。基于上述优势，本专利技术提出将粒子群优化算法应用于微电网的经济调度中。对于含风力发电及光伏发电两类清洁能源发电形式的微电网，为有效利用清洁能源发电，一般优先利用风力发电与光伏发电的全部发电量。剩余功率则根据调度准则考虑微电网的经济运行指标和相关约束条件分配至各分布式电源。在Matlab中利用粒子群优化算法编写程序，程序运行结果表明该算法在发电成本最小以及环境污染程度最轻两个目标函数下均能有效分配各分布式电源的输出功率，实现微电网的经济调度。
技术实现思路
本专利技术的目的在于，将粒子群优化算法应用于微电网的经济调度中，利用此算法容易实现、精度高以及收敛快等优势，合理分配微电网中各分布式电源的出力情况，实现微电网的经济环保运行。为实现上述目的，本专利技术所采用的技术方案为：一种基于粒子群优化算法的微电网经济调度方法，包括以下步骤：1)本专利技术所建立的微电网中，分布式电源包括不可控型微电源与可控型微电源。其中，不可控型微电源包括风力发电和光伏发电，其数学模型给出了输出功率、启动成本以及运行维护成本的计算方式，而无须考虑燃料成本及环境治理成本。可控型微电源包括柴油发电机、燃料电池以及微型燃气轮机，鉴于其使用的能源非清洁能源，其数学模型除给出输出功率、启动成本以及运行维护成本的计算方式，还需给出燃料成本及环境治理成本。2)微电网经济调度模型以发电成本最小以及环境治理成本最小为目标函数，以功率平衡以及功率上下限约束为约束条件。微电网并网运行，采用优先利用不可控型微电源的全部发电量且柴油发电机做备用电源的调度优化策略，仅当微电网自身无法满足负荷的需求或微电网自身功率过剩时与大电网进行电能交互。3)粒子群优化算法充分利用自身经验和群体经验调整粒子自身的状态，可以有效的对系统参数进行优化。其优势在于求解一些连续函数的优化问题。粒子群中粒子的初始位置在搜索区域内随机产生，每个粒子的速度也随机给定。将粒子群算法应用到程序中，每个粒子都进行一次在解空间位置的移动，则寻优完成了一次迭代。迭代过程重复进行，直到满足下列条件之一：粒子在解空间相对静止，或达到最大迭代次数。采用下面两个公式更新速度和位置：4)通过上述公式，在寻找目标函数最优解的过程当中，较大程度地减小了程序编写的复杂度，且能以较快的速度求得最优解。鉴于人们对于粒子群优化算法的参数选择已经有较为成熟的理论研究成果，在学习因子等参数的选择上较为合理，故所求的的最优解也具有一定的准确度。本专利技术的技术方案具有以下有益效果：本专利技术的技术方案，首先建立了各分布式电源的数学模型，然后按照调度准则考虑微电网的运行经济指标和相关约束条件，建立了微电网的经济调度模型，提出了发电成本和环境治理成本两个目标函数，以及各约束条件。再基于粒子群优化算法编写了合理安排微电网内各分布式电源出力的程序，从而达到对微电网进行经济调度的目的。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为粒子群算法流程图。图2为某一小型微网的日负荷曲线。图3为光伏、风机各时段出力数据。图4a、b分别为以发电成本与环境治理成本为目标函数时DE、FC、MT各时段处理数据。图5a、b分别为以发电成本与环境治理成本为目标函数时微电网各时段与电网交互电量。图6a、b分别为以发电成本与环境治理成本为目标函数时微电网各时段的成本数据。具体实施方式下面将结合附图和具体实施例对本专利技术进行进一步详细说明。图1为粒子群算法流程图。初始化系统参数，粒子数目一般取20-40，对于大部分问题10个粒子已经可以取得较好的结果，此处取值40。粒子的长度，即空间维数由优化问题决定，此处即为可调度分布式电源的个数。最大迭代次数可自由设定，此处取值1000。粒子的速度和位置初始值随机产生。进入迭代循环，由第一次迭代至最大迭代次数，每次迭代完成均根据比较适应值获取个体极值与全局极值并更新。每次迭代过程中，粒子根据个体极值和最优极值更新自己在各维空间上的速度与位置，并计算自身适应值，以便下一次迭代寻求新的个体极值和全局极值。得到最优解停止迭代的条件为：达到最大迭代次数，或粒子在解空间相对静止。为验证本专利技术所提基于粒子群优化算法的微电网经济调度方法的有效性和先进性，在Matlab工作窗口中编写了基于粒子群优化的经济调度程序并进行了算例分析。本次编程中与上述粒子群优化算法有关的参数如表1所示。表1粒子群优化算法参数图4a、b分别为以发电成本与环境治理成本为目标函数时DE、FC、MT各时段处理数据。如图4所示，不论以发电成本亦或环境治理成本为目标函数，微型燃气轮机均优先于燃料电池出力。当光伏、风机、燃料电池、微型燃气轮机的总输出功率能满足负荷要求时，燃料电池和微型燃气轮机分配光伏和风机不足以供给的负荷，柴油发电机不出力。当光伏、风机、燃料电池、微型燃气轮机不足以满足负荷时，柴油发电机作为备用电源提供功率。图5a、b分别为以发电成本与环境治理成本为目标函数时微电网各时段与电网交互电量。如图5所示，以发电成本和环境治理成本为目标函数时，微电网各时段与电网的交互电量保持一致。这是由调度策略决定的。当且仅当微电网内分布式电源不能满足自身负荷需求时，微电网才需向大电网购电；当且仅当微电网内分布式电源所发电能多余负荷需求时，微电网向大电网售电。图6a、b分别为以发电成本与环境治理成本为目标函数时微电网各时段的成本数据。如图6所示，日间发电成本与环境治理成本普遍较低，这是因为日间光伏发电输出功率，抵消了本该由燃料电池等发电成本较大且环境治理成本较大的分布式电源提供的功率。夜间发电成本与环境治理成本明显升高，这是因为夜间为用电高峰期，又无太阳光照，光伏发电不出力，风力发电的成本虽低，但无法满足全部负荷，此时燃料电池、微型燃气轮机以及柴油发电机这类发电成本与环境治理成本均高的分布式电源负担主要负荷。程序运行结果表明，本专利技术所提出的基于粒子群优化算法的微电网经济调度方法能有效分配各分布式电源的输出功率，实现微电网的经济环保运行。以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案本文档来自技高网...

【技术保护点】
1.一种基于粒子群优化算法的微电网经济调度方法，包括以下步骤：1)本专利技术所建立的微电网中，分布式电源包括不可控型微电源与可控型微电源。其中，不可控型微电源包括风力发电和光伏发电，其数学模型给出了输出功率、启动成本以及运行维护成本的计算方式，而无须考虑燃料成本及环境治理成本。可控型微电源包括柴油发电机、燃料电池以及微型燃气轮机，鉴于其使用的能源非清洁能源，其数学模型除给出输出功率、启动成本以及运行维护成本的计算方式，还需给出燃料成本及环境治理成本。2)微电网经济调度模型以发电成本最小以及环境治理成本最小为目标函数，以功率平衡以及功率上下限约束为约束条件。微电网并网运行，采用优先利用不可控型微电源的全部发电量且柴油发电机做备用电源的调度优化策略，仅当微电网自身无法满足负荷的需求或微电网自身功率过剩时与大电网进行电能交互。3)粒子群优化算法充分利用自身经验和群体经验调整粒子自身的状态，可以有效的对系统参数进行优化。其优势在于求解一些连续函数的优化问题。粒子群中粒子的初始位置在搜索区域内随机产生，每个粒子的速度也随机给定。将粒子群算法应用到程序中，每个粒子都进行一次在解空间位置的移动，则寻优完成了一次迭代。迭代过程重复进行，直到满足下列条件之一：粒子在解空间相对静止，或达到最大迭代次数。采用下面两个公式更新速度和位置：...

【技术特征摘要】
1.一种基于粒子群优化算法的微电网经济调度方法，包括以下步骤：1)本发明所建立的微电网中，分布式电源包括不可控型微电源与可控型微电源。其中，不可控型微电源包括风力发电和光伏发电，其数学模型给出了输出功率、启动成本以及运行维护成本的计算方式，而无须考虑燃料成本及环境治理成本。可控型微电源包括柴油发电机、燃料电池以及微型燃气轮机，鉴于其使用的能源非清洁能源，其数学模型除给出输出功率、启动成本以及运行维护成本的计算方式，还需给出燃料成本及环境治理成本。2)微电网经济调度模型以发电成本最小以及环境治理成本最小为目标函数，以功率平衡以及功率上下限约束为约束条件。微电网并网运行，采用优先利用不可控型微电源的全部发电量且柴油发电机做备用电源的调度优化策略，仅当微电网自身无法满足负荷的需求或微电网自身功率过剩时与大电网进行电能交互。3)粒子群优化算法充分利用自身经验和群体经验调整粒子自身的状态，可以有效的对系统参数进行优化。其优势在于求解一些连续函数的优化问题。粒子群中粒子的初始位置在搜索区域内随机产生，每个粒子的速度也随机给定。将粒子群算法应用到程序中，每个粒子都进行一次在解空间位置的移动，则寻优完成了一次迭代。迭代过程重复进行，直到满足下列条件之一：粒...

【专利技术属性】
技术研发人员：盛四清，黄青青，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13