基于佳点集量子粒子群算法的微网优化方法技术

一种基于佳点集量子粒子群算法的微网优化方法，包括：建立微网多目标优化模型，包括微网多目标优化的目标函数公式和约束条件公式；使用佳点集改进量子粒子群算法；使用佳点集量子粒子群算法对微网多目标优化模型求解。本发明专利技术根据最大负荷确定微型燃气轮机的容量，再优化间歇式分布式电源以及储能系统的容量。求解过程中采用佳点集量子粒子群算法，保证了优化结果同时具有良好的选择性和指导性。内置的基于滤波的调度策略能充分发挥微型燃气轮机和储能系统的特性，不但拥有频谱分析法的优势，还具有更好的实时性，能够计算得到微网中分布式电源、储能和微型燃气轮机的位置与容量，实现孤立微网中经济性和污染物排放的整体优化。

【技术实现步骤摘要】

本专利技术涉及一种微网规划方法。特别是涉及一种用于含分布式电源、储能和微型燃气轮机孤立微网的基于佳点集量子粒子群算法的微网优化方法。
技术介绍
微网是指由分布式电源、负荷、储能装置、控制系统等组成的一个小型配电系统，可分为并网型和孤立型。孤立型微网只能依靠本地的可再生能源或其他分布式发电单元，辅以相应的储能单元来对本地负荷进行供电。由于孤立型微网不能从外界获取电能，对于孤立微网的规划设计主要是选择合适的优化目标，设计合理的能量调度策略，来实现不可控分布式电源(包括光伏、风机等)，可控分布式电源(包括微型燃气轮机、柴油发电机等)和储能设备的功率、容量的最优配置[2]。优化目标的选择和能量调度策略决定了微网的容量需求，是微网规划设计中的两个核心问题。在优化目标选择上，可分为单目标优化和多目标优化。单目标优化中最常见的优化指标为经济角度的微网年供能成本最低或年现金流最小，以美国国家可再生能源实验室(National Renewable Energy Laboratory，NERL)开发的混合发电系统优化设计软件HOMER和美国电力可靠性技术协会(Consortium for Electric Reliability Technology Solutions，CERTS)资助开发的DER-CAM软件为代表。由于单一优化目标难以全面优化微网的各方面特性，许多学者提出了多目标优化规划方法，以经济性为核心，兼顾环保性、供电可靠性、可再生能源利用率等方面进行优化。多目标优化方法有粒子群算法、差分算法、遗传算法等，但以上算法都存在收敛速度较慢、容易陷入局部最优等问题。量子粒子群算法(QPSO)是受量子力学的启发，将量子进化算法(QEA)融合到粒子群优化(PSO)算法中，该算法的模型认为粒子具有量子行为，并以DELTA势阱为基础。QPSO虽然对PSO进行了改进，但其依赖于对初始参数的选择，容易陷入局部最优，导致早熟收敛。
技术实现思路
本专利技术所要解决的技术问题是，提供一种基于佳点集量子粒子群算法的微网优化方法，能够计算得到微网中分布式电源、储能和微型燃气轮机的位置与容量，实现孤立微网中经济性和污染物排放的整体优化。本专利技术所采用的技术方案是：一种基于佳点集量子粒子群算法的微网优化方法，包括如下步骤：1)建立微网多目标优化模型，包括微网多目标优化的目标函数公式和约束条件公式，其中，所述的微网多目标优化的目标函数公式包括：(1)经济性目标公式：min Cs＝∑Ci (1) C i = Σ j = 1 n C i , j - - - ( 2 ) ]]>Ci,j＝Ci,j,Cap+Ci,j,Rep+Ci,j,OM+Ci,j,Sal (3)式中，Cs为微网系统全寿命周期n年的净现值，Ci为微网第i个元件的净现值，Ci,j为第i个元件在第j年的现金流，所述的元件包括风力发电机、光伏、储能和微型燃气轮机；Ci,j,Cap为初建成本，Ci,j,Rep为更新成本，Ci,j,OM为运行维护成本，Ci,j,Sal为残值；(2)污染物排放目标公式： min V CO 2 = V G a s σ - - - ( 9 ) ]]>式中，VCO2为年CO2排放体积，VGas为年天然气耗量，σ为天然气排放系数，即单位体积的天然气燃烧产生的二氧化碳量；所述的微网多目标优化的约束条件公式，包括：(3)孤立微网运行的等式约束有：电功率平衡约束公式，PLoad＝∑PPV,i+∑PWT,i+∑PMT,i+PES (10)和储能充放电量平衡约束公式Echarge＝Edischarge (11)储能充放电量平衡约束公式是指在一个评估时间段内，储能充放电量要保证相等以便储能的循环利用；式中PLoad、∑PPV,i、∑PWT,i、∑PMT,i、PES分别对应为微网中总负荷功率、总光伏功率、总风机功率、总微型燃气轮机功率以及储能功率；(4)不等式约束公式，包括有：分布式电源约束公式、储能设备的配置数目约束公式、储能的寿命约束公式和储能的荷电状态约束公式，其中，所述分布式电源约束公式：0＜NDG＜NDG,max (12)所述储能设备的配置数目约束公式：0＜NES＜NES,max (13)所述的储能寿命约束公式：LBat>LLimit (14)所述的储能的荷电状态约束公式：Smin＜S＜Smax (15)式中，NDG,max和NES,max为对给定容量的分布式电源和储能所预设的最大配置数目，NDG和NES分别为对给定容量的分布式电源和储能所预设的实际数目，LLimit和LBat分别为预期的储能运行寿命实际值和最小值，S为储能的荷电状态，Smin和Smax分别为储能的荷电状态的最小和最大值。2)使用佳点集改进量子粒子群算法，包括：(1)更新量子位幅角增量更新后的量子位幅角增量公式如下：θij(t+1)＝θij(t)+Δθij(t+1) (18)Δθij(t+1)＝wΔθij(t)+c1r1(Δθ1)+c2r2(Δθg) (19)其中：c1和c2分别为个体和全局的学习因子，r1和r2为区间[0,1]内的随机数，w为混沌时间序列数映射到[0.1，0.9]区间上的数值，θij为量子比特的相位，Δθ1为当前个体与个体之间的角度差，Δθg为当前个体与全局最优之间的角度差，Δθ1与Δθg的公式如下 Δθ 1 = 2 π + θ i l j - θ i j ( 本文档来自技高网...

【技术保护点】
一种基于佳点集量子粒子群算法的微网优化方法，其特征在于，如下步骤：1)建立微网多目标优化模型，包括微网多目标优化的目标函数公式和约束条件公式，其中，所述的微网多目标优化的目标函数公式包括：(1)经济性目标公式：min Cs＝∑Ci                           (1)Ci,j＝Ci,j,Cap+Ci,j,Rep+Ci,j,OM+Ci,j,Sal             (3)式中，Cs为微网系统全寿命周期n年的净现值，Ci为微网第i个元件的净现值，Ci,j为第i个元件在第j年的现金流，所述的元件包括风力发电机、光伏、储能和微型燃气轮机；Ci,j,Cap为初建成本，Ci,j,Rep为更新成本，Ci,j,OM为运行维护成本，Ci,j,Sal为残值；(2)污染物排放目标公式：式中，VCO2为年CO2排放体积，VGas为年天然气耗量，σ为天然气排放系数，即单位体积的天然气燃烧产生的二氧化碳量；所述的微网多目标优化的约束条件公式，包括：(3)孤立微网运行的等式约束有：电功率平衡约束公式，PLoad＝∑PPV,i+∑PWT,i+∑PMT,i+PES                  (10)和储能充放电量平衡约束公式Echarge＝Edischarge                          (11)储能充放电量平衡约束公式是指在一个评估时间段内，储能充放电量要保证相等以便储能的循环利用；式中PLoad、∑PPV,i、∑PWT,i、∑PMT,i、PES分别对应为微网中总负荷功率、总光伏功率、总风机功率、总微型燃气轮机功率以及储能功率；(4)不等式约束公式，包括有：分布式电源约束公式、储能设备的配置数目约束公式、储能的寿命约束公式和储能的荷电状态约束公式，其中，所述分布式电源约束公式：0＜NDG＜NDG,max                            (12)所述储能设备的配置数目约束公式：0＜NES＜NES,max                              (13)所述的储能寿命约束公式：LBat＞LLimit                                  (14)所述的储能的荷电状态约束公式：Smin＜S＜Smax                              (15)式中，NDG,max和NES,max为对给定容量的分布式电源和储能所预设的最大配置数目，NDG和NES分别为对给定容量的分布式电源和储能所预设的实际数目，LLimit和LBat分别为预期的储能运行寿命实际值和最小值，S为储能的荷电状态，Smin和Smax分别为储能的荷电状态的最小和最大值。2)使用佳点集改进量子粒子群算法，包括：(1)更新量子位幅角增量更新后的量子位幅角增量公式如下：θij(t+1)＝θij(t)+△θij(t+1)                (18)△θij(t+1)＝w△θij(t)+c1r1(△θ1)+c2r2(△θg)        (19)其中：c1和c2分别为个体和全局的学习因子，r1和r2为区间[0,1]内的随机数，w为混沌时间序列数映射到[0.1，0.9]区间上的数值，θij为量子比特的相位，Δθ1为当前个体与个体之间的角度差，Δθg为当前个体与全局最优之间的角度差，Δθ1与Δθg的公式如下式中，θilj为当前代数最优量子比特的相位，θgj为全局最优量子比特的相位。(2)佳点集交叉操作选取两个粒子θi和θj作为父代，设θi＝θi1,θi2,…,θis，θj＝θj1,θj2,…,θjs，θi和θj共同确定了一个有界闭区间ak、bk分别为父代两个粒子最小和最大值组合，s为父代粒子个数D是R上的超长方体，即式中，U([a,b])为子代个体的距离空间，父代个体通过佳点集交叉产生子代个体，子 代个体通过切割父代个体确定的超长方体获得新的基因片段，然后重组产生；(3)变异操作使用量子非门实现变异操作，过程如下：令变异概率为pm，每个粒子在0～1之间设定一个随机数Nmdi，若Nmdi<pm，则用量子非门兑换两个概率幅，该粒子的自身最优位置和转向角仍保持不变，Nmdi≥pm，则不进行变异操作；3)使用佳点集量子粒子群算法对微网多目标优化模型求解，包括：(1)初始化佳点集量子粒子群算法的有关参数，包括种群规模、变量个数、迭代次数、解空间范围；(2)对量子位幅角进行初始化，生成光伏容量、风力发电机容量、储能容量和微型燃气轮机容量的值；(3)将每个粒子带入微网多目标优化模型的目标函数，计算得到微网全寿命周期成本和污染物排放量状态变量值；(4)对每个粒子的初始位置进行评价，计算出每个粒子位置的适应值，若粒子目前的位置优于自身记忆的最优位置，则用目前位置替换；若目...

【技术特征摘要】
1.一种基于佳点集量子粒子群算法的微网优化方法，其特征在于，如下步骤：1)建立微网多目标优化模型，包括微网多目标优化的目标函数公式和约束条件公式，其中，所述的微网多目标优化的目标函数公式包括：(1)经济性目标公式：min Cs＝∑Ci (1)Ci,j＝Ci,j,Cap+Ci,j,Rep+Ci,j,OM+Ci,j,Sal (3)式中，Cs为微网系统全寿命周期n年的净现值，Ci为微网第i个元件的净现值，Ci,j为第i个元件在第j年的现金流，所述的元件包括风力发电机、光伏、储能和微型燃气轮机；Ci,j,Cap为初建成本，Ci,j,Rep为更新成本，Ci,j,OM为运行维护成本，Ci,j,Sal为残值；(2)污染物排放目标公式：式中，VCO2为年CO2排放体积，VGas为年天然气耗量，σ为天然气排放系数，即单位体积的天然气燃烧产生的二氧化碳量；所述的微网多目标优化的约束条件公式，包括：(3)孤立微网运行的等式约束有：电功率平衡约束公式，PLoad＝∑PPV,i+∑PWT,i+∑PMT,i+PES (10)和储能充放电量平衡约束公式Echarge＝Edischarge (11)储能充放电量平衡约束公式是指在一个评估时间段内，储能充放电量要保证相等以便储能的循环利用；式中PLoad、∑PPV,i、∑PWT,i、∑PMT,i、PES分别对应为微网中总负荷功率、总光伏功率、总风机功率、总微型燃气轮机功率以及储能功率；(4)不等式约束公式，包括有：分布式电源约束公式、储能设备的配置数目约束公式、储能的寿命约束公式和储能的荷电状态约束公式，其中，所述分布式电源约束公式：0＜NDG＜NDG,max (12)所述储能设备的配置数目约束公式：0＜NES＜NES,max (13)所述的储能寿命约束公式：LBat＞LLimit (14)所述的储能的荷电状态约束公式：Smin＜S＜Smax (15)式中，NDG,max和NES,max为对给定容量的分布式电源和储能所预设的最大配置数目，NDG和NES分别为对给定容量的分布式电源和储能所预设的实际数目，LLimit和LBat分别为预期的储能运行寿命实际值和最小值，S为储能的荷电状态，Smin和Smax分别为储能的荷电状态的最小和最大值。2)使用佳点集改进量子粒子群算法，包括：(1)更新量子位幅角增量更新后的量子位幅角增量公式如下：θij(t+1)＝θij(t)+△θij(t+1) (18)△θij(t+1)＝w△θij(t)+c1r1(△θ1)+c2r2(△θg) (19)其中：c1和c2分别为个体和全局的学习因子，r1和r2为区间[0,1]内的随机数，w为混沌时间序列数映射到[0.1，0.9]区间上的数值，θij为量子比特的相位，Δθ1为当前个体与个体之间的角度差，Δθg为当前个体与全局最优之间的角度差，Δθ1与Δθg的公式如下式中，θilj...

【专利技术属性】
技术研发人员：申刚，张岩，尚德华，杨毅，张源超，庄剑，于建成，项添春，王旭东，丁一，戚艳，
申请(专利权)人：天津天大求实电力新技术股份有限公司，国网天津市电力公司，国家电网公司，
类型：发明
国别省市：天津;12