一种基于改进鲸鱼算法的微电网容量优化配置方法技术

本发明专利技术为一种基于改进鲸鱼算法的微电网容量优化配置方法，该方法的具体步骤是：获取微电网风/光资源数据以及负荷数据，读取风机、光伏、蓄电池、储氢罐以及电解槽的相关参数，对各个设备的数量进行优化；确定鲸鱼算法种群规模，随机生成N条鲸鱼位置，初始化鲸鱼算法参数A、C、l，进入鲸鱼算法的主循环，及时更新鲸鱼位置并找到最优个体位置；再采用差分进化方式进行差分修正；判断是否满足最大迭代次数，进而获得最佳的设备数量，若不满足，则重新循环一次；检查最优配置是否符合风机、光伏、蓄电池、储氢罐以及电解槽的约束条件，若符合，输出最优容量配置方案。该配置方法提高了优化配置的精度，收敛速度快，可靠性强。可靠性强。可靠性强。

【技术实现步骤摘要】
一种基于改进鲸鱼算法的微电网容量优化配置方法


[0001]本专利技术涉及到微电网的容量优化配置领域，因此提出一种基于改进鲸鱼算法的微电网容量优化配置方法。

技术介绍

[0002]能源是社会不断发展的基础，其中电能是能源的核心。随着社会的不断发展，电能的消 耗不断增加，传统的火力发电消耗巨大并且污染环境。微电网相关技术的提高，也推动微电 网的发展、建设与推广。因此，微电网的规划设计对微电网的稳定运行与推广至关重要。
[0003]在微电网系统运行中，由于风光资源的波动性较大，电网电量存在着“峰谷”现象。为了抑制波动现象，微电网的容量优化配置显得尤为重要，现有的传统算法是通过Homer软件进行优化配置，但是运算精度较低，无法保证结果的可靠性，在局域发展能力以及全面搜索能力较低。因此采取改进的鲸鱼算法求解微电网系统的容量最优配置，验证了改进算法的有效性。

技术实现思路

[0004]针对现有技术的不足，本专利技术拟解决的技术问题是，提供一种基于改进鲸鱼算法的微电网容量优化配置方法，该配置方法借用智能算法，提高了优化配置的精度，收敛速度快，可靠性强。
[0005]本专利技术解决所述技术问题采用的技术方案是：
[0006]一种基于改进鲸鱼算法的微电网容量优化配置方法，该方法的具体步骤是：
[0007]步骤1：获取微电网风/光资源数据以及负荷数据，以此获得风力发电机发电率和风速的关系、光伏输出功率；
[0008]步骤2：读取风机、光伏、蓄电池、储氢罐以及电解槽的相关参数，对各个设备的数量进行优化；
[0009]步骤3：确定鲸鱼算法种群规模，随机生成N条鲸鱼位置，初始化鲸鱼算法参数A、C、 l，进入鲸鱼算法的主循环，及时更新鲸鱼位置并找到最优个体位置，初步获得优化后的微电网中各设备的数量配置；
[0010]所述鲸鱼算法中非线性收敛因子a的表达式为公式(14)
[0011][0012]其中，t为当前迭代次数，t
max
为最大迭代次数；
[0013]步骤4：以步骤3获得的结果为基础，再采用差分进化方式进行差分修正，得到最终的微电网相关设备数量配置；
[0014]步骤5：判断是否满足最大迭代次数，进而获得最佳的设备数量，若不满足，则重新循环一次；
[0015]步骤6：检查最优配置是否符合风机、光伏、蓄电池、储氢罐以及电解槽的约束条
件，若符合约束条件即为最优解，输出最优容量配置方案；若不满足，重新进行循环。
[0016]与现有技术相比，本专利技术的有益效果是：
[0017]现有的微电网容量配置方面，仅是使用单一传统的优化算法进行求解，本专利技术是将传统的鲸鱼算法在最优的鲸鱼位置处进行差分进化，通过多次变异、交叉，增加了种群的多样性，增大了搜索空间，因此增强了全局搜索能力，易于跳出局部最优，从而算法的收敛速度也得到提高。
附图说明
[0018]图1为微电网的结构示意图。
[0019]图2为容量优化的流程图。
[0020][0021]具体实施方式
[0022]下面结合实施例及附图进一步解释本专利技术，但并不以此作为对本申请保护范围的限定。
[0023]表1表示微电网设备的相关费用。表2表示算法优化后的配置结果。本文中的风光氢储微电网系统如图1所示，主要用到的设备包括风机、光伏、蓄电池、电解槽、储氢罐等，电解槽和储氢罐构成氢储能系统。微电网系统仅有直流母线，中风机以及光伏是主要电源；发电高峰时，多余的电量会通过电解槽生成氢气用于氢气负荷，若供大于求时，对电池储能装置(蓄电池)进行充电。负荷高峰时，风机、光伏发电量不足时，电池储能装置进行放电。
[0024]微电网电源模型
[0025]1风机模型
[0026]风能是地球上丰富的可再生资源.风力发电机WT(windturbine)的发电率P
wt
和风速v 关系可表示为：
[0027][0028]式中：P
wrt
为额定功率；v
ci
为切入风速；v
co
为切出风速；v
r
为额定风速；
[0029]2光伏模型
[0030]光伏发电是利用太阳能转化为电能的装置.其发电功率与当地的光照强度和环境温度相关，输出功率P
PV
(t)模型如式：
[0031][0032]式中：P
STC
是额定发电功率；G
STC
是日照辐照度；G
c
是实际辐射度；T
c
(t)为t
s
时的温
度； T
STC
是标准气温；N
PV
是光伏的具体数量。
[0033]3电解槽模型
[0034]电解槽就是将电能转化为化学能的地方，其中的电压、电流特性表达式如下所示：
[0035]电解槽的U
‑
I特性方程如下：
[0036][0037]U
elec
＝U
elec,cell
·
n
c
[0038]式中：U
elec,cell
—单个电解槽输出电压；U
rev
—电解槽可逆电压；I
elec
—电解槽工作电流； r1,r2—分别为电阻参数；S—电解槽电极表面积；T
elec
—电解槽温度；k
elec
,k
T1
,k
T2
,k
T3
—电解槽过压参数；n
c
—电解槽串联个数，U
elec
—电解槽总输出电压。
[0039]4储氢罐模型
[0040]储氢罐的存储水平为N(t)，公式如下：
[0041][0042]式中：N(t0)为t0时储存的氢气量；为所产生的氢气量；为消耗的氢气量。
[0043]5蓄电池模型
[0044]蓄电池系统利用功率守恒方式运行，在使用中功率恒定，通过充、放电状态得到运行状态，某一时刻的电池容量SOC(t)为：
[0045][0046]式中：SOC(t0)是初始状态t0下的电池容量；η
ch
与η
dis
是充电与放电的效率；P
ch
和P
dis
为充放电功率；S是额定容量；Δt为时间步长。
[0047]本专利技术是对微电网的容量进行优化配置，借助风机、光伏等模型，再确定了微电网中相关设备的花费成本以及出力情况。通过改进后的智能算法进行求解获得最佳的光伏、风机等各设备的数量，达到优化微电网的容量的目的。
[0048]微电网优化条件
[0049]1系统目标函数
[0050]微电网的建造与使用，以获得最佳的经济效益为目的，从而综合投资成本以及资本回收。本专利技术以最小总净现成本为目标，是指微电网系统在运行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进鲸鱼算法的微电网容量优化配置方法，该方法的具体步骤是：步骤1：获取微电网风/光资源数据以及负荷数据，以此获得风力发电机发电率和风速的关系、光伏输出功率；步骤2：读取风机、光伏、蓄电池、储氢罐以及电解槽的相关参数，对各个设备的数量进行优化；步骤3：确定鲸鱼算法种群规模，随机生成N条鲸鱼位置，初始化鲸鱼算法参数A、C、l，进入鲸鱼算法的主循环，及时更新鲸鱼位置并找到最优个体位置，初步获得优化后的微电网中各设备的数量配置；所述鲸鱼算法中非线性收敛因子a的表达式为公式(14)其中，t为当前迭代次数，t
max
为最大迭代次数；在鲸鱼算法迭代过程中加入惯性权重，惯性权重的表达式为公式(8)：惯性权重w(t)随着鲸鱼算法迭代在[1,1.5]之间非线性变化；步骤4：以步骤3获得的结果为基础，再采用差分进化方式进行差分修正，得到最终的微电网相关设备数量配置；步骤5：判断是否满足最大迭代次数，进而获得最佳的设备数量，若不满足，则重新循环一次；步骤6：检查最优配置是否符合风机、光伏、蓄电池、储氢罐以及电解槽的约束条件，若符合约束条件即为最优解，输出最优容量配置方案；若不满足，重新进行循环。2.根据权利要求1所述的基于改进鲸鱼算法的微电网容量优化配置方法，其特征在于，所述微电网系统仅有直流母线，风机模型为：式中：P
wrt
为额定功率；v
ci
为切入风速；v
co
为切出风速；v
r
为额定风速；P
wt
为风力发电机WT的发电率，v为风速；光伏模型为：式中：P
STC
是额定发电功率；G
STC
是日照辐照度；G
c
是实际辐射度；T
c
(t)为t时的温度；T
STC
是标准气温；N
PV
是光伏的具体数量，P
PV
为光伏输出功率；电解槽模型为：
U
elec
＝U
elec,cell
·
n
c
式中：U
elec,cell
—单个电解槽输出电压；U
rev
—电解槽可逆电压；I
elec
—电解槽工作电流；r1,r2—分别为电阻参数；S—电解槽电极表面积；T
elec
...

【专利技术属性】
技术研发人员：梁涛，陈泽彬，吕庆昭，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：