基于改进遗传算法的微电网经济运行优化方法技术

本发明专利技术公开一种基于改进遗传算法的微电网经济运行优化方法：1)建立经济运行优化模型；2)算法初始化；3)对种群个体进行混沌处理及映射，形成初始化种群矩阵；4)计算种群适应度，记录最优个体；5)选择、纵横交叉及变异操作；6)判断种群是否满足最大偏差相似性准则，进行编码形成矩阵；7)判断矩阵的个体是否线性相关，若是，进行混沌处理，返回步骤5)；否则，执行步骤8)；8)计算种群适应度，更新最优个体位置；9)判断是否达到最大迭代次数；若是，输出最优解；否则，返回步骤5)。本发明专利技术克服了现有微电网经济运行优化方法对空间搜索能力有限，求解优化模型时容易陷入局部最优的缺陷，为微电网经济运行优化提供一种新方法。

Economic operation optimization of microgrid based on Improved Genetic Algorithm

【技术实现步骤摘要】
基于改进遗传算法的微电网经济运行优化方法
本专利技术涉及微电网经济运行优化的
，尤其涉及一种基于改进遗传算法的微电网经济运行优化方法。
技术介绍
能源是人类社会生存和发展的基础，随着社会经济的的进步与发展，人们对能源的需求日益扩大和深入，随着传统能源的日益枯竭，风力发电等分布式发电凭借其良好的环境友好性及供电经济性，得到各级政府和有关单位大力开发和重视。微电网是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统，对满足偏远地区的分散电力需求供应起到重要作用，但微电网的运行成本也不容忽视，微电网的经济运行优化是在确保系统稳定可靠运行的基础上实现微电网运行成本最小化的一项关键技术，近年来得到了国内外研究者的广泛关注，微电网的经济运行优化方法的目标之一即寻求优化全局过程中的最优点，现有微电网的经济运行优化方法如遗传算法、粒子群算法等，基于进化论中“优胜劣汰”的法则，将父代中的优良基因遗传给下一代，搜索使用评价函数启发，过程简单，容易与其他算法结合，但对新空间的探索能力有限，搜索速度比较慢，获得较为精确的微电网经济运行的优化解需要较多的训练时间，且容易收敛到局部最优解，影响微电网运行的经济性。
技术实现思路
本专利技术为克服现有微电网经济运行优化方法对新空间搜索能力有限，求解微电网经济优化模型时容易收敛到局部最优的缺陷，本专利技术对现有技术改进，提供一种基于改进遗传算法的微电网经济运行优化方法。为了达到上述技术效果，本专利技术的技术方案如下：一种基于改进遗传算法的微电网经济运行优化方法，包括以下步骤：(1)根据微电网系统的各运行参数，建立微电网经济运行优化模型；(2)将用于求解优化模型的改进遗传算法进行初始化，包括将种群的初始化、种群最大迭代次数的设置、种群规模及种群变异概率的设置、空矩阵的设置；(3)将种群对应的个体基因进行混沌处理，形成混沌初始化矩阵，通过映射公式将种群映射到解空间，还原个体基因的求解范围，形成改进遗传算法的初始化种群矩阵；(4)根据适应度函数，计算种群的适应度值，记录最优个体；(5)将映射后的种群进行选择操作、纵横交叉操作和变异操作，之后同时执行步骤(6)与步骤(8)；(6)判断种群是否满足最大偏差相似性准则，若满足，对应个体编码为1；否则，对应个体编码为0；(7)将编码后的个体组成矩阵B，计算矩阵B的秩，由此判断个体是否线性相关，若是，则对个体进行混沌处理，然后返回执行步骤(5)；否则，执行步骤(8)；(8)计算种群的适应度值，更新最优个体的位置；(9)判断是否达到最大迭代次数；若是，则输出微电网经济运行优化模型目标函数的最优解；否则，返回步骤(5)进行下一次迭代。步骤(1)所述的微电网系统包括风电机组、光伏电池、燃料电池、蓄电池、燃气轮机及余热锅炉；所述运行参数包括微电网系统风电机组、光伏电池、燃料电池、蓄电池、燃气轮机及余热锅炉的运行费用参数、废气排放参数。所述微电网经济运行优化模型的目标函数为：其中，f表示微电网一天的总运行成本；n表示一天的时段，由早上、中午、下午及晚上组成；T1,n(n＝1，2，3，4)表示风电机组在时段n使用的时长；f1,n(n＝1，2，3，4)表示风电机组在时段n的单位运行成本；T2,n(n＝1，2，3，4)表示光伏电池在时段n使用的时长；f2,n(n＝1，2，3，4)表示光伏电池在时段n的单位运行成本；T3,n(n＝1，2，3，4)表示燃料电池在时段n使用的时长；f3,n(n＝1，2，3，4)表示燃料电池在时段n的单位运行成本；T4,n(n＝1，2，3，4)表示蓄电池在时段n使用的时长；f4,n(n＝1，2，3，4)表示蓄电池在时段n的单位运行成本；T5,n(n＝1，2，3，4)表示燃气轮机在时段n使用的时长；f5,n(n＝1，2，3，4)表示燃气轮机在时段n的单位运行成本；T6,n(n＝1，2，3，4)表示余热锅炉在时段n使用的时长；f6,n(n＝1，2，3，4)表示余热锅炉在时段n的单位运行成本；f7,n(n＝1，2，3，4)表示时段n的排污费用；微电网经济运行优化模型的约束条件为：1)微电网各微电源每天使用的总时长不超过平均最大运行时间：其中，T1min为风电机组一天中最短运行时长；T1max为风电机组一天最长运行时长；T2min为光伏电池一天中最短运行时长；T2max为光伏电池一天最长运行时长；T3min为燃料电池一天中最短运行时长；T3max为燃料电池一天最长运行时长；T4min为蓄电池一天中最短运行时长；T4max为蓄电池一天最长运行时长；T5min为燃气轮机一天中最短运行时长；T5max为燃气轮机一天最长运行时长；T6min为余热锅炉一天中最短运行时长；T6max为余热锅炉一天最长运行时长，其余变量含义同前文所述一致；2)排放的废气量约束：Ggb≤Ggb.maxGbl≤Gbl.max其中，Ggb为燃气轮机一天废弃排放总量；Ggb.max为一天燃气轮机最大废弃排放总量；Gbl为余热锅炉一天废弃排放总量；Gbl..max为一天余热锅炉最大废弃排放总量；3)微电网各微电源运行功率约束：Pfl.min≤Pfl≤Pfl.maxPbt.min≤Pbt≤Pbt.maxPgb.min≤Pgb≤Pgb.maxPbl.min≤Pbl≤Pbl.max其中，Pfl.min为燃料电池的最小运行功率；Pfl为燃料电池的运行功率；Pfl.max为燃料电池的最大运行功率；Pbt.min为蓄电池的最小运行功率；Pbt为蓄电池的运行功率Pbt.max为蓄电池的最大运行功率；Pgb.min为燃气轮机的最小运行功率；Pgb为燃气轮机的运行功率；Pgb.max为燃气轮机的最大运行功率；Pbl.min为余热锅炉的最小运行功率；Pbl为余热锅炉的运行功率Pbl.max为余热锅炉的最大运行功率；4)微电网微电源的运行费用约束：Cfw+Cfv+Cfl+Cbt+Cgb+Cbl＜Ctotal其中，Cfw为风电机组的运行费用；Cfv为光伏电池的运行费用；Cfl为燃料电池组的运行费用；Cbt为蓄电池的运行费用；Cgb为燃气轮机的运行费用；Cbl为余热锅炉的运行费用；Ctotal为微电网的总收入；5)微电网热负荷功率平衡约束：Pgb+Pbl-Plo＝0其中，Plo为微网系统内总的热负荷，其余变量含义同前文所述一致。步骤(2)所述的种群初始化时，微电网模型中的风电机组运行费用f1,n、光伏电池的运行费用f2,n、燃料电池的运行费用f3,n、蓄电池的运行费用f4,n、燃气轮机的运行费用f5,n、余热锅炉的运行费用f6,n及总排污费用f7,n共同作为一个个体，个体长度为7，个体总数可设置为10-100之间的随机数，本实施例中个体总数设为10，设置10*7的空矩阵，并对种群中的每一个个体通过均匀分布法产生(0,1)之间的随机数。步骤(3)所述的种群个体基因进行混沌处理的公式为：tn+1＝4(tn)3-3tn其中，tn表示由种群中的每一个个体通过均匀分布法产生的(0,1)之间的随机数；tn+1表示经混沌处理后随机数tn对应的值，tn+1组成混沌初始化矩阵，所述混沌初始化矩阵表示为：其中，A表示混沌初始化矩阵；Ynd表示第n个个体第d个参数的值；步骤(3)所述的映射公式为：xai本文档来自技高网...

【技术保护点】
1.一种基于改进遗传算法的微电网经济运行优化方法，其特征在于，包括以下步骤：(1)根据微电网系统的各运行参数，建立微电网经济运行优化模型；(2)将用于求解优化模型的改进遗传算法进行初始化，包括将种群的初始化、种群最大迭代次数的设置、种群规模及种群变异概率的设置、空矩阵的设置；(3)将种群对应的个体基因进行混沌处理，形成混沌初始化矩阵，通过映射公式将种群映射到解空间，还原个体基因的求解范围，形成改进遗传算法的初始化种群矩阵；(4)根据适应度函数，计算种群的适应度值，记录最优个体；(5)将映射后的种群进行选择操作、纵横交叉操作和变异操作，之后同时执行步骤(6)与步骤(8)；(6)判断种群是否满足最大偏差相似性准则，若满足，对应个体编码为1；否则，对应个体编码为0；(7)将编码后的个体组成矩阵B，计算矩阵B的秩，由此判断个体是否线性相关，若是，则对个体进行混沌处理，然后返回执行步骤(5)；否则，执行步骤(8)；(8)计算种群的适应度值，更新最优个体的位置；(9)判断是否达到最大迭代次数；若是，则输出微电网经济运行优化模型目标函数的最优解；否则，返回步骤(5)进行下一次迭代。

【技术特征摘要】
1.一种基于改进遗传算法的微电网经济运行优化方法，其特征在于，包括以下步骤：(1)根据微电网系统的各运行参数，建立微电网经济运行优化模型；(2)将用于求解优化模型的改进遗传算法进行初始化，包括将种群的初始化、种群最大迭代次数的设置、种群规模及种群变异概率的设置、空矩阵的设置；(3)将种群对应的个体基因进行混沌处理，形成混沌初始化矩阵，通过映射公式将种群映射到解空间，还原个体基因的求解范围，形成改进遗传算法的初始化种群矩阵；(4)根据适应度函数，计算种群的适应度值，记录最优个体；(5)将映射后的种群进行选择操作、纵横交叉操作和变异操作，之后同时执行步骤(6)与步骤(8)；(6)判断种群是否满足最大偏差相似性准则，若满足，对应个体编码为1；否则，对应个体编码为0；(7)将编码后的个体组成矩阵B，计算矩阵B的秩，由此判断个体是否线性相关，若是，则对个体进行混沌处理，然后返回执行步骤(5)；否则，执行步骤(8)；(8)计算种群的适应度值，更新最优个体的位置；(9)判断是否达到最大迭代次数；若是，则输出微电网经济运行优化模型目标函数的最优解；否则，返回步骤(5)进行下一次迭代。2.根据权利要求1所述的基于改进遗传算法的微电网经济运行优化方法，其特征在于，步骤(1)所述的微电网系统包括风电机组、光伏电池、燃料电池、蓄电池、燃气轮机及余热锅炉；所述运行参数包括微电网系统风电机组、光伏电池、燃料电池、蓄电池、燃气轮机及余热锅炉的运行费用参数、废气排放参数。3.根据权利要求1所述的基于改进遗传算法的微电网经济运行优化方法，其特征在于，步骤(1)所述微电网经济运行优化模型的目标函数为：其中，f表示微电网一天的总运行成本；n表示一天的时段，由早上、中午、下午及晚上组成；T1,n(n＝1，2，3，4)表示风电机组在时段n使用的时长；f1,n(n＝1，2，3，4)表示风电机组在时段n的单位运行成本；T2,n(n＝1，2，3，4)表示光伏电池在时段n使用的时长；f2,n(n＝1，2，3，4)表示光伏电池在时段n的单位运行成本；T3,n(n＝1，2，3，4)表示燃料电池在时段n使用的时长；f3,n(n＝1，2，3，4)表示燃料电池在时段n的单位运行成本；T4,n(n＝1，2，3，4)表示蓄电池在时段n使用的时长；f4,n(n＝1，2，3，4)表示蓄电池在时段n的单位运行成本；T5,n(n＝1，2，3，4)表示燃气轮机在时段n使用的时长；f5,n(n＝1，2，3，4)表示燃气轮机在时段n的单位运行成本；T6,n(n＝1，2，3，4)表示余热锅炉在时段n使用的时长；f6,n(n＝1，2，3，4)表示余热锅炉在时段n的单位运行成本；f7,n(n＝1，2，3，4)表示时段n的排污费用；微电网经济运行优化模型的约束条件为：1)微电网各微电源每天使用的总时长不超过平均最大运行时间：其中，T1min为风电机组一天中最短运行时长；T1max为风电机组一天最长运行时长；T2min为光伏电池一天中最短运行时长；T2max为光伏电池一天最长运行时长；T3min为燃料电池一天中最短运行时长；T3max为燃料电池一天最长运行时长；T4min为蓄电池一天中最短运行时长；T4max为蓄电池一天最长运行时长；T5min为燃气轮机一天中最短运行时长；T5max为燃气轮机一天最长运行时长；T6min为余热锅炉一天中最短运行时长；T6max为余热锅炉一天最长运行时长，其余变量含义同前文所述一致；2)排放的废气量约束：Ggb≤Ggb.maxGbl≤Gbl.max其中，Ggb为燃气轮机一天废弃排放总量；Ggb.max为一天燃气轮机最大废弃排放总量；Gbl为余热锅炉一天废弃排放总量；Gbl.max为一天余热锅炉最大废弃排放总量；3)微电网各微电源运行功率约束：Pfl.min≤Pfl≤Pfl.maxPbt.min≤Pbt≤Pbt.maxPgb.min≤Pgb≤Pgb.maxPbl.min≤Pbl≤Pbl.max其中，Pfl.min为燃料电池的最小运行功率；Pfl为燃料电池的运行功率；Pfl.max为燃料电池的最大运行功率；Pbt.min为蓄电池的最小运行功率；Pbt为蓄电池的运行功率Pbt.max为蓄电池的最大运行功率；Pgb.min为燃气轮机的最小运行功率；Pgb为燃气轮机的运行功率；Pgb.max为燃气轮机的最大运行功率；Pbl.min为余热锅炉的最小运行功率；Pbl为余热锅炉的运行功率Pbl.max为余热锅炉的最大运行功率；4)微电网微电源的运行费用约束：Cfw+Cfv+Cfl+Cbt+Cgb+Cbl＜Ctotal其中，Cfw为风电机组的运行费用；Cfv为光伏电池的运行费用；Cfl为燃料电池组的运行费用；Cbt为蓄电池的运行费用；Cgb为燃气轮机的运行费用；Cbl为余热锅炉的运行费用；Ctotal为微电网的总收入；5)微电网热负荷功率平衡约束：Pgb+Pbl-Plo＝0其中，Plo为微网系统内总的热负荷，其余变量含义同前文所述一致。4.根据权利要求1所述的基于改进遗传算法的...

【专利技术属性】
技术研发人员：何家裕，吴杰康，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44