一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法技术

本发明专利技术提出一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法，在满足电动汽车用电需求的情况下，发挥电动汽车所具有的储能功能，提出了包含年费用成本、全年负荷缺电概率和负荷曲线峰谷差为目标的多目标模型，运用多种群遗传粒子群算法对目标函数进行求解，可以精确的获得微电网系统中各单元的最优容量，在保证系统可靠性及平抑负荷波动的情况下，还可以实现较高的经济效益。通过对含有电动汽车的微电网系统的优化，在保证系统可靠性和经济性的基础上，利用电动汽车该移动储能装置，可以实现削峰填谷，降低系统曲线的峰谷差，不但可以提高电力系统的稳定性，还有很高的经济效益，从而有利于电动汽车此清洁装置的推广利用。

A multi population genetic particle swarm optimization method for power grid capacity allocation of electric vehicles

The invention provides a micro electric vehicle with multi population genetic particle swarm optimization method of power grid capacity configuration, to meet the electricity demand of the electric vehicle, play with electric vehicle energy storage function, which contains the annual cost of cost, the annual load outage probability and the load curve of the peak valley difference of the multi-objective model for the use of multi population genetic particle swarm algorithm for solving the objective function, can accurately obtain the optimal capacity of each unit of micro grid system, to ensure system reliability and stabilize the load fluctuation, also can achieve higher economic benefits. Through the optimization of micro grid system with electric vehicles, while ensuring the reliability and economy of the system, can use the mobile storage device of electric vehicles, can achieve the peak, the peak valley difference curve reduces the system, not only can improve the stability of the power system, and high economic benefit, which is promote the use of electric vehicles to the cleaning device.

【技术实现步骤摘要】
一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法
本专利技术涉及包含电动汽车和间歇式可再生能源的微电网系统在保证年费用成本、全年负荷缺电概率和负荷曲线峰谷差最小的情况下设备容量最优的计算方法，尤其涉及一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法。
技术介绍
国内外研究成果及运行经验均表明含电动汽车的微电网容量优化配置还处于初级阶段，优化目标过于单一，有的采用年费用或年成本为目标函数，有的虽然考虑了供电可靠性指标，但对系统负荷曲线峰谷差的降低考虑不足，因此无法保证系统的稳定性，且对于目标函数的优化多采用粒子群算法或遗传算法，两者均存在一些缺点，使得最后的寻优结果不够精确，速度不够快。由于含电动汽车的微电网容量优化配置是一个多目标非线性规划问题，目前对其进行系统优化存在优化目标单一，优化方法存在缺陷等缺点，所以本专利技术将一种多种群遗传粒子群算法应用于含电动汽车的微电网系统优化过程中，以年费用成本、全年负荷缺电概率和负荷曲线峰谷差最小为优化目标，采用判断矩阵法将多目标函数转化成单目标函数，利用多种群遗传粒子群算法对微电网系统进行优化，求出该系统最优设备容量组合。采用该项技术对微电网容量进行优化配置，可降低微电网的年费用成本，保证系统的稳定性，并且其削峰填谷效果明显。因此，提供一种能够精确全面的计算含电动汽车的微电网系统设备配置容量的方法对电动汽车的推广及电力系统稳定运行有极其重要的指导意义。
技术实现思路
本专利技术的目的是提供一种高效率、快速、经济的设计方法，能有效计算包含电动汽车和间歇式可再生能源的微电网系统的设备容量配置。由于传统优化目标函数单一，且采用传统数学模拟建模进行优化处理难度比较大，所以本专利技术基于多种群遗传粒子群算法作为一种可用于多目标非线性规划问题的优化方法，对设备容量配置进行优化，最终得到最佳容量组合，此方法可以提高系统的经济性，同时还能够保证系统运行的稳定性，降低系统负荷峰谷差，因此对于工程实践有着重要意义与参考价值。本专利技术实现上述目的的技术原理是应用多种群遗传粒子群算法对含有电动汽车的微电网系统进行容量优化配置，构建以年费用成本、全年负荷缺电概率和负荷曲线峰谷差最小的目标模型，并通过判断矩阵法将多目标函数转化成单目标函数，利用多种群遗传粒子群算法对该目标函数进行优化，从而可以较为精确的计算此系统所需设备最优容量，以降低系统故障率，保证系统平稳运行，同时还能够实现较高的经济效益。本专利技术依据上述技术原理而采用的技术方案包括以下步骤：第一步，构建包含电动汽车和间歇式可再生能源的微电网系统结构。构建的微电网系统结构主要由以下5部分组成：风力发电模块、光伏发电系统、电动汽车模块、储能电池模块、电网系统。第二步，建立太阳能光伏发电系统模型。基于径向基函数神经网络对光伏发电功率进行预测，径向基函数网络包括三层：输入层，隐含层，输出层，其中输入层主要包括：日期、日平均风速、日平均相对湿度、日平均太阳辐射、日平均气温，输出层为光伏发电系统的每小时输出功率，用绝对百分误差Δδ来表示预测模型的性能式中n为预测数据的总数量；Ai为第i次的实际数据；Fi为第i次的预测数据。第三步，建立风力发电系统模型。风力发电预测主要与切入风速、切出风速，风力发电机额定风速和额定功率有关，风力发电系统的输出特性表达式为：当vf＜vciorvr＞vco时，当vci≤vf≤vr时，当vr≤vf≤vco时，式中表示风力发电机输出功率(kW)，Pr表示风力发电机的额定功率，vci、vr、vco分别表示风机的启动风速、额定风速、切断风速，vf表示风机转轴高度处的风速。第四步，建立电动汽车和电动汽车充电桩模型。当电动汽车充电站安装在停车场时，停车场的扩容费用将随着停车容量的增加而增加。扩容费用为的电动汽车基础设施与增加的电能购买成本总和，电动汽车基础设施的成本应该考虑投资成本，运行和维护成本。每天的电动汽车基础设施成本可以计算如下：每年的增加电能购买成本或电能销售利润可表示为式中Rexchange(t)为t时刻电价，Pexchange(t)为t时刻微电网与电网之间交换的电能；式中(元)为电动汽车基础设施的安装成本；为电动汽车基础设施的年度运行维护成本；k为安装的电动汽车充电桩数量；r为年利率；n为折旧年限。第五步，建立公共电网模型。在单向运行模式下，微电网只能从电网中吸收电能。在双向运行模式下，微电网不仅能从电网中吸收电能，而且还能向电网输出电能。微电网与电网之间的功率限制应满足如下约束：式中(kW)表示微电网与电网交换的最小功率限制；(kW)表示微电网与电网交换的最小功率限制；(kW)表示微电网与电网在t时刻的交换功率。从电网购买电能的价格服从概率密度分布函数式中(元/kWh)和(元/kWh)为t时刻预测的电价和其标准差，为第e次蒙特卡洛试验中t时刻电价的随机变量，其均值为0，标准差为1。第六步，建立系统年费用成本目标函数。建立的年费用成本的目标函数如下表示：G＝g1(X1)+g1(X2)，式中G为考虑固定年投资费用g1(X1)和可变的年运行费用g2(X2)的目标函数；X1和X2为优化变量。固定年投资费用g1(X1)可以表示为X1为优化变量的向量集，可表示为X1＝{M1,M2,...,Mj,...,Mm}式中Mj表示微电网系统中不同微电源的数量；g2(X2)表示微电网系统的可变的年运行费用优化变量X2可以表示为式中Ui,,j和Pi,,j分别表示系统中第i种微电源的第j个单元的运行状态和输出功率，其中i≤m，j≤Ni；系统的年度投资成本可表示为式中m为微电网系统中不同种电源的数量，Mj为第j中电源的数量，为第j中电源的初始投资成本，为第j种电源的全寿命周期，主要考虑该模型中的光伏阵列、风力发电机、储能电池、电动汽车充电桩，rMG为利率；系统的年度重新购置成本可表示为式中为第j个单元的重新购置成本，主要考虑该模型中的储能电池和电动汽车充电桩，为第j个重新购置单元的寿命周期；系统的年运行和维护成本可表示为式中Rj(t)为t时刻第j个单元的运行成本，Rj＝1表示机组处于运行状态，Rj＝0表示机组处于停止状态，为第j个单元的维修成本系数；Pj(t)为第j个单元的输出功率，T表示机组运行时间；减排效益可表示为式中PPV和PWG分别为太阳能光伏板和风力发电机每年的电能输出；Pbuy为每年从电网购买的电能；为化石燃料生产1kWh电能的第k种污染物的排放量；Rk为第k中污染物的环境成本。第七步，建立全年负荷缺电概率目标模型。将一年划分为8760h，认为在每个时间段内风速、光照强度、基础负荷及电动汽车的充电需求均为恒定的，每隔一小时计算一次缺电概率。全年负荷缺电概率可用如下公式表示：式中：表示全年负荷缺电概率；表示缺电量；表示负荷需求；表示t时刻基础负荷；表示t时刻接入微电网的电动汽车提供的电能；表示t时刻光伏电池板提供的电能；表示t时刻风力发电机提供的电能；表示t时刻储能电池提供的电能；表示t时刻接入微电网的电动汽车需求的电能。第八步，建立负荷曲线峰谷差目标模型。建立的经分时电价调整后的负荷曲线峰谷差目标函数如下表示：式中Q为负荷曲线峰谷差；为经分时电价调整后的负荷峰值；为经分时电价调整后的负荷谷值。第九步，建立约束条件。约束条件包括：本文档来自技高网...

【技术保护点】
一种基于多种群遗传粒子群算法的含电动汽车的微电网容量优化配置的计算方法，其特征在于，包括以下步骤：第一步，构建包含电动汽车和间歇式可再生能源的微电网系统结构；构建的微电网系统结构主要由以下5部分组成：风力发电模块、光伏发电系统、电动汽车模块、储能电池模块、电网系统；第二步，建立太阳能光伏发电系统模型；基于径向基函数神经网络对光伏发电功率进行预测，径向基函数网络包括三层：输入层，隐含层，输出层，其中输入层主要包括：日期、日平均风速、日平均相对湿度、日平均太阳辐射、日平均气温，输出层为光伏发电系统的每小时输出功率，用绝对百分误差Δδ来表示预测模型的性能

【技术特征摘要】
1.一种基于多种群遗传粒子群算法的含电动汽车的微电网容量优化配置的计算方法，其特征在于，包括以下步骤：第一步，构建包含电动汽车和间歇式可再生能源的微电网系统结构；构建的微电网系统结构主要由以下5部分组成：风力发电模块、光伏发电系统、电动汽车模块、储能电池模块、电网系统；第二步，建立太阳能光伏发电系统模型；基于径向基函数神经网络对光伏发电功率进行预测，径向基函数网络包括三层：输入层，隐含层，输出层，其中输入层主要包括：日期、日平均风速、日平均相对湿度、日平均太阳辐射、日平均气温，输出层为光伏发电系统的每小时输出功率，用绝对百分误差Δδ来表示预测模型的性能式中n为预测数据的总数量；Ai为第i次的实际数据；Fi为第i次的预测数据；第三步，建立风力发电系统模型；风力发电预测主要与切入风速、切出风速，风力发电机额定风速和额定功率有关，风力发电系统的输出特性表达式为：当vf＜vciorvr＞vco时，当vci≤vf≤vr时，当vr≤vf≤vco时，式中表示风力发电机输出功率(kW)，Pr表示风力发电机的额定功率，vci表示风机的启动风速，vr表示风机的额定风速，vco表示风机的切断风速，vf表示风机转轴高度处的风速；第四步，建立电动汽车和电动汽车充电桩模型；当电动汽车充电站安装在停车场时，停车场的扩容费用将随着停车容量的增加而增加；扩容费用为的电动汽车基础设施与增加的电能购买成本总和，电动汽车基础设施的成本应该考虑投资成本，运行和维护成本；每天的电动汽车基础设施成本可以计算如下：每年的增加电能购买成本或电能销售利润可表示为式中Rexchange(t)为t时刻电价，Pexchange(t)为t时刻微电网与电网之间交换的电能；式中为电动汽车基础设施的安装成本；为电动汽车基础设施的年度运行维护成本；k为安装的电动汽车充电桩数量；r为年利率；n为折旧年限；第五步，建立公共电网模型；在单向运行模式下，微电网只能从电网中吸收电能；在双向运行模式下，微电网不仅能从电网中吸收电能，而且还能向电网输出电能；微电网与电网之间的功率限制应满足如下约束：式中表示微电网与电网交换的最小功率限制；表示微电网与电网交换的最小功率限制；表示微电网与电网在t时刻的交换功率；从电网购买电能的价格服从概率密度分布函数式中和为t时刻预测的电价和其标准差，为第e次蒙特卡洛试验中t时刻电价的随机变量，其均值为0，标准差为1；第六步，建立系统年费用成本目标函数；建立的用于最小化系统的年费用成本的目标函数如下表示：G＝g1(X1)+g1(X2)，式中G为考虑固定年投资费用g1(X1)和可变的年运行费用g2(X2)的目标函数；X1和X2为优化变量；固定年投资费用g1(X1)可以表示为X1为优化变量的向量集，可表示为X1＝{M1,M2,...,Mj,...,Mm}式中Mj表示微电网系统中不同微电源的数量；g2(X2)表示微电网系统的可变的年运行费用优化变量X2可以表示为式中Ui,,j和Pi,,j分别表示系统中第i种微电源的第j个单元的运行状态和输出功率，其中i≤m，j≤Ni；系统的年度投资成本可表示为式中m为微电网系统中不同种电源的数量，Mj为第j中电源的数量，为第j中电源的初始投资成本，为第j种电源的全寿命周期，主要考虑该模型中的光伏阵列、风力发电机、储能电池、电动汽车充电桩，rMG为利率；系统的年度重新购置成本可表示为式中为第j个单元的重新购置成本，主要考虑该模型中的储能电池和电动汽车充电桩，为第j个重新购置单元的寿命周期；系统的年运行和维护成本可表示为式中Rj(t)为t时刻第j个单元的运行成本，Rj＝1表示机组处于运行状态，Rj＝0表示机组处于停止状态，为第j个单元的维修成本系数；Pj(t)为第j个单元的输出功率，T表示机组运行时间；减排效益可表示为式中PPV和PWG分别为太阳能光伏板和风力发电机每年的电能输出；Pbuy为每年从电网购买的电能；为化石燃料生产1kWh电能的第k种污染物的排放量；Rk为第k中污染物的环境成本；第七步，建立全年负荷缺电概率目标模型；将一年划分为8760h，认为在每个时间段内风速、光照强度、基础负荷及电动汽车的充电需求均为恒定的，每隔一小时计算一次缺电概率；全年负荷缺电概率可用如下公式表示：式中：表示全年负荷缺电概率；表示缺电量...

【专利技术属性】
技术研发人员：张化光，杨东升，刘鑫蕊，种倩倩，王迎春，杨珺，孙秋野，周博文，会国涛，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21