基于模拟退火算法的含电动汽车微电网的优化调度方法技术

本发明专利技术涉及一种基于模拟退火算法的含电动汽车微电网的优化调度方法，包括以下步骤：S1、以微电网系统运行耗能最低和环境治理成本最低为目标，建立可再生能源、储能设备、微燃机和电动汽车的微电网数学模型；S2、利用模拟退火算法改进的粒子群优化算法求解微电网数学模型，得到最优的微电网调度方法。与现有技术相比，本发明专利技术考虑了接入电动汽车对微电网调度运行的影响，特别是在电动汽车数量多情况下，重新建立了微电网优化调度模型；同时应用了参数自适应算法，利用模拟退火算法的变异特性对传统PSO算法进行了改进利用改进的PSO算法进行求解，与传统PSO算法比较表明改进的算法能有效的提高了算法的运算效率及寻优能力。

【技术实现步骤摘要】
基于模拟退火算法的含电动汽车微电网的优化调度方法
本专利技术涉及微电网优化调度
，尤其是涉及一种基于模拟退火算法的含电动汽车微电网的优化调度方法。
技术介绍
微电网对实现能源可再生发展和构建低碳社会有着重要意义。目前，针对微电网的优化调度研究，国内外学者们已取得了很多研究成果。优化调度的研究主要有微电网模型的优化和优化算法的改进两个方面。微电网的模型主要包括风力发电、光伏发电、负载、微型燃气轮机、燃料电池和蓄电池，进行经济效益、环保效益和可靠性的优化；优化算法的改进大部分是对收敛速度和精度的优化。粒子群优化算法(PSO)用在微电网的优化调度上取得了很好的效果。用一种粒子来模拟鸟类个体，每个粒子可视为N维搜索空间中的一个搜索个体，粒子的当前位置即为对应优化问题的一个候选解，粒子的飞行过程即为该个体的搜索过程。粒子的飞行速度可根据粒子历史最优位置和种群历史最优位置进行动态调整。粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子单独搜寻的最优解叫做个体极值，粒子群中最优的个体极值作为当前全局最优解。不断迭代本文档来自技高网...

【技术保护点】
1.一种基于模拟退火算法的含电动汽车微电网的优化调度方法，其特征在于，包括以下步骤：/nS1、以微电网系统运行耗能最低和环境治理成本最低为目标，建立可再生能源、储能设备、微燃机和电动汽车的微电网数学模型；/nS2、利用模拟退火算法改进的粒子群优化算法求解微电网数学模型，得到最优的微电网调度方法。/n

【技术特征摘要】
1.一种基于模拟退火算法的含电动汽车微电网的优化调度方法，其特征在于，包括以下步骤：
S1、以微电网系统运行耗能最低和环境治理成本最低为目标，建立可再生能源、储能设备、微燃机和电动汽车的微电网数学模型；
S2、利用模拟退火算法改进的粒子群优化算法求解微电网数学模型，得到最优的微电网调度方法。


2.根据权利要求1所述的一种基于模拟退火算法的含电动汽车微电网的优化调度方法，其特征在于，所述模拟退火算法改进的粒子群优化算法的速度更新公式为：



其中，表示粒子的速度；t表示当前的迭代次数；ω表示惯性权重；γ1和γ2表示分布在[0-1]之间的随机数，用于检验当前迭代次数；表示个体的最佳粒子位置；表示全局最优粒子位置；c1和c2表示学习常数；表示粒子的位置，i、j分别表示粒子群中第i、j个粒子。


3.根据权利要求2所述的一种基于模拟退火算法的含电动汽车微电网的优化调度方法，其特征在于，所述步骤S2具体包括：
S21、种群参数初始化；
S22、计算所有粒子每次迭代中的适应值；
S23、选择最优解；
S24、进行模拟退火搜索：变异概率用来修正全局最优解，改变种群的全局搜索方向；
S25、更新惯性权重和学习因子：在算法中运用线性递减的动态惯性权重，根据迭代次数的变化动态改变的两个学习因子；
S26、更新粒子的位置和速度；
S27、更新粒子的种群最优值；
S28、判断迭代次数是否达到最大，如果迭代次数达到最大，则得到优化后的结果，如果没有达到，则跳到步骤S22继续优化。


4.根据权利要求3所述的一种基于模拟退...

【专利技术属性】
技术研发人员：刘杨，刘天羽，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31