本发明专利技术公开了一种基于模拟退火粒子群算法的微电网优化方法，基于微网运行时追求目标不同，成本最低和污染最小不能同时满足，从经济性、环保性考虑，建立相应目标函数。本发明专利技术为避免传统粒子群算法易陷入局部最优解的缺陷，通过采用模拟退火算法和粒子群算法相结合的算法，与传统粒子群算法对比，不易陷入局部最优解，从而得到更适用于微电网的运行方式，减少了成本。
A micro grid optimization method based on simulated annealing particle swarm optimization
【技术实现步骤摘要】
一种基于模拟退火粒子群算法的微电网优化方法
本专利技术属于微电网优化运行领域，特别是涉及一种模拟退火算法和粒子群算法相结合的微电网优化方法，得到更适用于微电网的运行方式。
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。多种多样分布式电源的组合及出力方式可以解决不同的用电需求，而在保证用电可靠性稳定性的前提下，科学的配比使其达到经济效益最大化、环境污染最小化则是目前探讨的重点。到目前为止，人们已将多种算法应用到微电网的优化算法研究中，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。而不足之处在于粒子群易早熟、易陷入局部最优解，从而常常不能寻出最优解。
技术实现思路
基于上述现有技术中的缺陷情况，本专利技术为避免传统粒子群算法易陷入局部最优解的缺陷，提供一种模拟退火算法和粒子群算法相结合的微电网优化方法，容易实现、收敛快以及更精确等优势，在电力系统约束条件下，得到更适用于微电网的运行方式。由于模拟退火算法比普通的Greedy算法在搜索的过程中引入了随机因素。也就是说它有一定的概率先接受一个比当前解要差一些的解，所以可以跳出这个极值，也就是摆脱局部最优解，从而找出全局最优解，解决粒子群算法易陷入局部最优解的缺陷。实现本专利技术目的的技术解决方案为：一种基于模拟退火粒子群算法的微电网优化方法，其特征在于，包括如下步骤：步骤1：建立综合考虑微电网运行性能的目标函数C3；步骤2：设置约束条件；步骤3：初始化参数惯性权重ω、学习因子c1、c2和退火速度δ；步骤4：随机生成一个种群，包含m个粒子，随机初始化粒子的速度和位置；步骤5：计算每个粒子i的适应度fitness(x(i))，简称f(x)，记录第i个粒子的最优位置Pid、全局最优位置Ppd、适应度f(Pid)和全局最优适应度f(Ppd)；步骤6：根据全局最优适应度f(Ppd)计算得到退火算法初始温度T0；步骤7：记fSA(x)函数为计算退火算法适应度的函数，在当前温度T下各Pid的退火算法适应度步骤8：应用轮盘赌选择遗传算法，从个体最优位置Pid中选取一个代替全局最优位置Ppd，记为Prd；步骤9：将Ppd替换成Prd，带入粒子群公式，更新各粒子的速度；步骤10：再计算各个粒子的适应度，更新各粒子的最优位置Pid和种群全局最优位置Ppd；步骤11：进行退火操作；步骤12：判断是否满足终止条件，若满足则停止搜索，输出计算结果，得到目标函数的全局最优解，若不满足则转至步骤7。进一步地，步骤1中定义的目标函数中只考虑微电网经济性运行时的运行成本为C1，只考虑微电网环保性运行时的运行成本为C2。进一步地，其中，C1是只考虑微电网经济性运行时的运行成本；指计算平均每天的运行成本，T＝24小时，即1-24小时的运行成本；Cf(t)为t时刻折算到每千瓦时的燃料耗费成本；Cma(t)为t时刻各个电能单元折算到每千瓦时的维护管理成本；Cdep(t)为t时刻各个电力单元的折旧损耗；Cgov(t)为t时刻清洁能源政府补贴金额；kCgrid(t)指t时刻与大电网的交互成本，当从大电网购电时，k＞0；当向大电网售电时，k＜0。进一步地，其中，C2是只考虑微电网环保性运行时的运行成本(元)，主要考虑污染气体的治理费用；j表示第j类污染气体；αj指第j类污染气体的处理费用；βij和βmj指第j类污染气体的排放量分别在微电网发电单元和大电网中折合到单位功率的排放系数；Pit和Pmt指t时刻微电网发电单元和大电网当前的实际工作功率；J为污染气体总类数；L为微电网发电单元总类数进一步地，步骤2中设置的约束条件包括电网功率平衡约束、微电网中各发电单元出力约束、微电网中可控发电单元爬坡率约束、微电网联络线传输功率约束、储能装置充放电容量约束和与大电网交换电量约束。进一步地，惯性权重的设置公式如下：其中，ωmax和ωmin分别是惯性权重的起始值和终值，k为当前迭代次数，Kmax为最大迭代次数。进一步地，步骤8中轮盘赌选择遗传算法步骤如下：步骤1：pBet＝rand()，pBet为一个0到1的随机数；步骤2：根据退火算法适应度fsA(Pid)计算累积概率步骤3：根据累积概率，选用满足条件的第r个粒子的个体最优位置Prd代替全局最优位置Ppd，条件为：comfit(r-1)＜pBet＜comfit(r)。进一步地，步骤9中设置各粒子的更新速度为：其中：-第k+1次迭代粒子i飞行速度矢量的第d维分量；-第k次迭代粒子i飞行速度矢量的第d维分量；c1，c2-加速度常数，调节学习最大步长；r1，r2-两个随机函数，取值范围[0，1]，以增加搜索随机性；ω-惯性权重，非负数，调节对解空间的搜索范围；—第k次迭代粒子i位置矢量的第d维分量；-第k次迭代粒子i的个体最优位置；—第k次迭代粒子i的全局最优位置。进一步地，步骤10中各粒子的更新位置为：-第k次迭代粒子i位置矢量的第d维分量；—第k-1次迭代粒子i位置矢量的第d维分量；-第k-1次迭代粒子i飞行速度矢量的第d维分量进一步地，步骤11中各粒子的退火操作为：Tnew＝δToldTold-前一时刻的退火温度；Tnew-迭代后的退火温度；δ-退火速度。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：(1)本专利技术建立考虑经济性及环保性的综合目标函数，考虑发电成本、维护成本、折旧成本、污染气体治理费用等多种现实因素，优化结果更具有现实意义。(2)本专利技术在考虑多种微电网约束条件下，综合考虑经济性和环保性因素，得到更适用于微电网的运行方式，是总运行成本最低，环保性效果最优。(3)本专利技术中提出的模拟退火粒子群算法可以有效避免传统粒子群算法易陷入局部最优解的缺陷，在粒子运动过程中，当粒子下一代位置比当前位置好时，粒子移动到下一代位置；反之，若下一代位置比当前位置差，则粒子并不直接移动到下一代位置，而是以某一概率进行移动，且通过温度来控制这一概率。因此，当温度下降的足够慢时，粒子不会轻易的跳出有“希望”的搜索区域，从而增强了粒子的局部搜索能力。<本文档来自技高网...
【技术保护点】
1.一种基于模拟退火粒子群算法的微电网优化方法，其特征在于，包括如下步骤：/n步骤1：建立综合考虑微电网运行性能的目标函数C
【技术特征摘要】
1.一种基于模拟退火粒子群算法的微电网优化方法，其特征在于，包括如下步骤：
步骤1：建立综合考虑微电网运行性能的目标函数C3；
步骤2：设置约束条件；
步骤3：初始化参数惯性权重ω、学习因子c1、c2和退火速度δ；
步骤4：随机生成一个种群，包含m个粒子，随机初始化粒子的速度和位置；
步骤5：计算每个粒子i的适应度fitness(x(i))，简称f(x)，记录第i个粒子的最优位置Pid、全局最优位置Ppd、适应度f(Pid)和全局最优适应度f(Ppd)；
步骤6：根据全局最优适应度f(Ppd)计算得到退火算法初始温度T0；
步骤7：记fSA(x)函数为计算退火算法适应度的函数，在当前温度T下各Pid的退火算法适应度式中n为粒子总数量；
步骤8：应用轮盘赌选择遗传算法，从个体最优位置Pid中选取一个代替全局最优位置Ppd，记为Prd；
步骤9：将Ppd替换成Prd，带入粒子群公式，更新各粒子的速度；
步骤10：再计算各个粒子的适应度，更新各粒子的最优位置Pid和种群全局最优位置Ppd；
步骤11：进行退火操作；
步骤12：判断是否满足终止条件，若满足则停止搜索，输出计算结果，得到目标函数的全局最优解，若不满足则转至步骤7。
2.根据利要求1所述的基于模拟退火粒子群算法的微电网优化方法，其特征在于，步骤1中定义的目标函数中只考虑微电网经济性运行时的运行成本为C1，只考虑微电网环保性运行时的运行成本为C2。
3.根据利要求2所述的基于模拟退火粒子群算法的微电网优化方法，其特征在于，
其中，C1是只考虑微电网经济性运行时的运行成本；指计算平均每天的运行成本，T＝24小时，即1-24小时的运行成本；Cf(t)为t时刻折算到每千瓦时的燃料耗费成本；Cma(t)为时刻各个电能单元折算到每千瓦时的维护管理成本；Cdep(t)为t时刻各个电力单元的折旧损耗；Cgov(t)为t时刻清洁能源政府补贴金额；kCgrid(t)指t时刻与大电网的交互成本，当从大电网购电时，k＞0；当向大电网售电时，k＜0。
4.根据利要求2所述的基于模拟退火粒子群算法的微电网优化方法，其特征在于，
其中，C2是只考虑微电网环保性运行时的运行成本(元)，主要考虑污染气体的治理费用；j表示第j类污染气体；αj指第j类污染气体的处理费用；βij和βmj指第j类污染气体的排放量分别在微电网发电单元和大电网中折合到单位功率的排放系数；Pit和Pmt指t时刻微电网发电...
【专利技术属性】
技术研发人员：周西峰，李书益，郭前岗，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。