一种基于改进粒子群算法的风光储联合调峰优化方法技术

本发明专利技术公开了一种基于改进粒子群算法的风光储联合调峰优化方法，基于安阳地区PSASP数据包，获取了安阳地区发电厂、变电站以及负荷数据。之后对安阳地区建立调峰优化模型，同时考虑储能技术的作用，建立了储能的模型，加上调峰模型得到风光储联合调峰模型。并以安阳地区典型日的负荷数据、风电出力数据、光伏出力数据为例进行了MATLAB仿真，采用一种改进的粒子群算法进行求解。该仿真可以得到比较好的优化结果，说明了本发明专利技术改进粒子群算法用于求解风光储联合调峰模型的有效性，对工程实践具有一定的指导意义。本专利具有良好的推广价值和应用前景。

【技术实现步骤摘要】
一种基于改进粒子群算法的风光储联合调峰优化方法
本专利技术属于电力系统运行与控制领域，涉及一种基于改进粒子群算法的风光储联合调峰优化方法。
技术介绍
当今世界化石能源的消耗量逐年增长，以致环境污染问题愈发严重。现在各个国家和地区都在倡导能源转型和能源结构改革。清洁能源的大规模开发利用已成为现实。目前风力发电和光伏发电在新能源发电中占主要部分，新能源发电装机容量也在逐年增长。截至2017年底，全国火电装机110604万千瓦、水电34119万千瓦、核电3582万千瓦、风电16367万千瓦、太阳能发电13025万千瓦。风电机组和光伏电站的出力主要由风速和光照强度的大小决定，而风速和光照强度受环境影响具有随机性，因此风电场和光伏电站的出力也将随之变化而具有波动性。由于新能源发电出力的不稳定性，大规模的新能源发电(主要是指风电和太阳能发电)接入电网后，将对电力系统稳定运行与控制造成很大影响。储能技术因可以平抑新能源出力波动得到了迅速发展，是保证新能源发电可靠性的关键技术。由于中国新能源发电装机容量增长迅速，储能需求也正在不断增长。据统计，2013年时，中国抽水蓄能装机总量为21.5GW，其它储能技术装机量为65GW。抽水蓄能由于运行费用低、容量大、技术比较成熟、运行管理机制较完善，得到了广泛应用，然而抽水蓄能电站的建设对当地地理环境的依赖性较大，不能大规模使用，相比较于抽水蓄能，电池储能充放电效率高，放电时间长，响应速度快，因此电池储能技术得到快速发展，主要应用于新能源接入电网运行后对系统的调频和调峰等方面。本专利技术针对电池储能进行建模，建立了风光储联合调峰优化模型，并进行了仿真分析。考虑到优化模型存在非线性约束，可以先将非线性约束转化成线性约束后，再调用Cplex求解器求解，但是在转化过程中可能会丢失部分有用信息，这时可以使用智能算法求解，比如遗传算法、蚁群算法、粒子群算法等。由于遗传算法需要突变、选择、杂交等过程，而蚁群算法需要信息素和不停的随机干扰，导致这两种算法较为复杂。由于粒子群算法实现简单，因此本专利技术采用的是粒子群算法。。粒子群算法自从被提出以来就得到了学术界的广泛重视，特点就是易实现、求解精度高、收敛快，但是比较容易陷入局部最优解。历经二十几年的发展，粒子群算法得到了很多改进，比如根据惯性权重采用模糊规则的模糊自适应的粒子群优化算法等。大部分改进算法主要针对的是某个方面的改进，但是仍然会出现陷入局部最优解的情况。针对这种情况，本文对粒子群算法进行了多种改进，并经过反复调试得到了合适的参数或参数变化方式。本专利技术对粒子群算法进行了改进，并基于改进的粒子群算法来求解风光储联合调峰优化问题。
技术实现思路
本专利技术提出了一种基于改进粒子群算法的风光储联合调峰优化方法，专利技术主要在于算法的改进方面以及将改进的算法运用到风光储联合调峰优化问题中。本专利技术引入非线性曲线来描述粒子群算法参数的变化过程，该思路启发于老鹰捕食过程。老鹰捕食开始之前先是在很高的高空，然后看到疑似猎物时飞快朝下俯冲，当然只是知道大致区域，快接近时，又放慢速度，精细搜索找到猎物，再一击制敌。对数曲线、反正切函数、一些幂函数的特点就是一开始变化特别快，这样有利于算法跳出局部最优点，然后变慢之后又有利于局部精细搜索，易收敛到全局最优解。本专利技术包括以下步骤：一种基于改进粒子群算法的风光储联合调峰优化方法，包括以下步骤：步骤1、建立风光储联合调峰系统的数学模型，基于以下目标函数和约束条件；目标函数：其中Cgi(t)为火电机组燃料费用，Cpi(t)为弃光费用，Cwi(t)为弃风费用，T为调度周期，T为一个调度周期，Ng为火电机组数量，Np为光伏电站数量，Nw为风电场数量，PBZ为储能装置的总功率，KB为储能装置的功率成本系数；其中火电机组发电燃料成本弃光调峰惩罚函数如下：Cpi(t)＝αi[Ppi.fore(t)-Ppi(t)]·Δt(3)弃风调峰惩罚函数如下：Cwi(t)＝βi[Pwi.fore(t)-Pwi(t)]·Δt(4)其中Pgi(t)为t时刻火电机组功率，Ppi.fore(t)为t时刻光伏的预测出力值，Ppi(t)为t时刻光伏实际出力值，Pwi.fore(t)为t时刻风电预测出力值，Pwi(t)为t时刻风电实际出力值，Δt为时间间隔；其中，PB(t)为t时刻储能的功率，大于0表示放电，小于0表示充电，X(t)取值为1时放电，0为不放电，Y(t)取值为1时充电，0时不充电，且满足X(t)+Y(t)≤1；约束条件包括火电机组约束条件和其它约束条件，其中，火电机组约束条件包括功率上下限约束条件：Pgi.min≤Pgi(t)≤Pgi,max(6)火电机组爬坡约束条件：弃风弃光约束条件：Ppi(t)≤Ppi.fore(t)(8)Pwi(t)≤Pwi.fore(t)(9)其中Pgi(t)为第i台火电机组t时刻功率，Pgi.min为第i台火电机组最小功率，Pgi,max为第i台火电机组最大功率，为火电机组爬坡下限，为火电机组爬坡上限；其它约束条件包括功率平衡约束条件：外送电力极限约束条件：Pin.min≤Pin(t)≤Pin.max(11)其中Pgi(t)为第i台火电机组t时刻功率，Ppi(t)为第i个光伏电站t时刻功率，Pwi(t)为第i台风电机组t时刻功率，Pd(t)为t时刻负荷的功率，Pin(t)为t时刻联络线功率，Pin.min为联络线最小功率，Pin.max为联络线最大功率；步骤2、基于改进的粒子群算法进行风光储联合调峰优化，具体包括步骤2.1、为了使粒子能更好地跳出局部最优解，在迭代后期能够保持粒子的多样性，将粒子不均匀分成了三组；步骤2.2、对每一组粒子采用了三种不同的全新惯性权重变化方式和学习因子变化方式，在每一次迭代完成后将整个粒子群按照适应度值按从小到大的顺序排列，按照粒子适应度值重新对整个粒子群进行分组，第一组包括适应度值前25的粒子，第二组包括适应度值后25的粒子，第三组包括剩下的50个粒子；步骤2.3、对重新分组后的第一组粒子加入扰动，第二组随机初始化；由细菌觅食算法(BFA)得到启发，根据BFA算法的“优胜劣汰，适者生存”规则，将第三组适应度最差的粒子淘汰，然后将第一组和第二组粒子进行复制，形成全新的第三组粒子，粒子总数保持不变，这样第三组也是较优的粒子；对形成的全新三组粒子计算全局适应值，然后反复迭代；步骤3、基于安阳地区典型日风电出力、光伏出力、负荷数据，采用改进粒子群算法进行仿真分析。本专利技术将改进粒子群算法运用到风光储调峰优化模型中，建立了更为简单的储能模型，在工程计算上对储能容量配置具有实际的指导意义；通过与传统粒子群算法比较，经MATLAB仿真研究，验证了改进粒子群算法的可行性，在跳出局部最优解方面及迭代收敛次数上都有明显改善，能得到一个比较好的优化结果。附图说明图1是本专利技术中粒子群算法粒子位置更新图。图2是改进粒子群算法框图。图3是仿真算例中安阳地区典型日的风电出力曲线。图4是仿真算例中安阳地区典型日的光伏出力曲线。图5是仿真算例中安阳地区典型日的负荷曲线。图6是仿真算例中传统粒子群算法迭代曲线。图7是仿真算例中改进惯性权重和学习因子的粒子群算法迭代曲线。图8是仿真算例中本专利技术改进粒子群算法迭代曲线。图9是仿真算本文档来自技高网...

【技术保护点】
1.一种基于改进粒子群算法的风光储联合调峰优化方法，包括以下步骤：步骤1、建立风光储联合调峰系统的数学模型，基于以下目标函数和约束条件；目标函数：

【技术特征摘要】
1.一种基于改进粒子群算法的风光储联合调峰优化方法，包括以下步骤：步骤1、建立风光储联合调峰系统的数学模型，基于以下目标函数和约束条件；目标函数：其中Cgi(t)为火电机组燃料费用，Cpi(t)为弃光费用，Cwi(t)为弃风费用，T为调度周期，T为一个调度周期，Ng为火电机组数量，Np为光伏电站数量，Nw为风电场数量，PBZ为储能装置的总功率，KB为储能装置的功率成本系数；其中火电机组发电燃料成本弃光调峰惩罚函数如下：Cpi(t)＝αi[Ppi.fore(t)-Ppi(t)]·Δt(3)弃风调峰惩罚函数如下：Cwi(t)＝βi[Pwi.fore(t)-Pwi(t)]·Δt(4)其中Pgi(t)为t时刻火电机组功率，Ppi.fore(t)为t时刻光伏的预测出力值，Ppi(t)为t时刻光伏实际出力值，Pwi.fore(t)为t时刻风电预测出力值，Pwi(t)为t时刻风电实际出力值，Δt为时间间隔；其中，PB(t)为t时刻储能的功率，大于0表示放电，小于0表示充电，X(t)取值为1时放电，0为不放电，Y(t)取值为1时充电，0时不充电，且满足X(t)+Y(t)≤1；约束条件包括火电机组约束条件和其它约束条件，其中，火电机组约束条件包括功率上下限约束条件：Pgi.min≤Pgi(t)≤Pgi,max(6)火电机组爬坡约束条件：弃风弃光约束条件：Ppi(t)≤Ppi.fore(t)(8)Pwi(t)≤Pwi.fore(t)(9)其中Pgi(t)为第i台火电机组t时刻功率，Pgi.min为第i台...

【专利技术属性】
技术研发人员：程乐园，李文启，高东学，牛元立，卢庆春，徐箭，党彬，张曦，付冬，张丹宁，张景超，周过海，王振华，丁鑫，
申请(专利权)人：国网河南省电力公司安阳供电公司，武汉大学，
类型：发明
国别省市：河南,41