本发明专利技术公开了一种微电网优化配置方法、系统、终端及可存储介质，涉及独立微网系统技术领域，包括以下步骤：S101.建立自适应快速粒子群；S102.将建立的自适应快速粒子群应用于微网多目标优化配置，得到微网容量配置解集；S103.利用NPRS算法对解集进行完整的最优解集搜索，得到微网容量配置的最优解集。本发明专利技术引入矫正参数，对粒子群算法的鲁棒性加以改进，大幅度减少了一些极端数据导致的迭代步长过大的可能性，从而提升了自身的鲁棒性；采用临近店参考搜索算法，降低优化耗时、提高优化效率；微电网运行更经济、可靠性更高、可再生能源利用率更高。利用率更高。利用率更高。
【技术实现步骤摘要】
一种微电网优化配置方法、系统、终端及可存储介质
[0001]本专利技术涉及独立微网系统
，尤其涉及一种微电网优化配置方法、系统、终端及可存储介质。
技术介绍
[0002]独立微网系统是指与大电网隔离、独立运行的小型电力系统，一偏远地区或者海岛为主要供电对象，并充分利用可再生能源发电，如光伏阵列和风力发电等多种类型的分布式发电单元组合在一起构成，可以有效发挥单一能源系统的优点，实现多种能源互补，提高整个独立微网系统的效率和能源利用率，相比单一的光储系统或者风储系统具有更低的成本和更高的供电可靠性。
[0003]微电网对改善可再生能源供电品质、降低传输损耗、提高电力安全、促进电网智能化发展具有重要意义。对于电网难以覆盖且可再生能源丰富的偏远地区，适合使用独立运行微电网形式实现电能的产生、传输与使用。微电网容量优化配置是建设微电网工程的首要任务，关系到微电网的初始投资、运行维护及后期扩展等多个方面。
[0004]现有技术中使用枚举法或智能算法直接对多目标优化模型进行求解能够获得多组最优解，相比于单目标优化方式意义更大。但是，这两种算法也各自存在优缺点。枚举法的优点是能够找出问题的全局最优解，但其运算速度慢，只适用于搜索空间小的优化问题。智能算法的优点是运算速度快，适用于复杂优化问题，但其存在两点不足：一是智能算法给出的解集不能保证是最优解，通常只能是接近Pareto最优解集的子集的一个集合，即相对于Pareto最优解集而言，智能算法的解集是不完整的，且不能保证每一组解都隶属于Pareto最优解集；二是智能算法通常具有随机性，因此每次运算所得结果不尽相同。显然，枚举法和智能算法存在优势互补特性，如果能够将两种算法有机结合以实现快速全面的找出优化问题的完整Pareto最优解集，将具有重要意义。
[0005]因此，提出一种微电网优化配置方法、系统、终端及可存储介质来解决现有技术中存在的问题，是本领域技术人员亟需解决的问题。
技术实现思路
[0006]有鉴于此，本专利技术提供了一种微电网优化配置方法、系统、终端及可存储介质，实现微网系统的多目标优化设计运行更经济、可靠性更高、可再生能源利用率更高。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]一种微电网优化配置方法，微电网包括柴油发电机、风力发电机、光伏阵列和储能电池，包括以下步骤：
[0009]S101.建立自适应快速粒子群；
[0010]S102.将建立的自适应快速粒子群应用于微网多目标优化配置，得到微网容量配置解集；
[0011]S103.利用NPRS算法对解集进行完整的最优解集搜索，得到微网容量配置的最优
解集。
[0012]可选的，S101.建立自适应快速粒子群包括以下步骤：
[0013]S1011.随机初始化粒子规模、搜索空间维度、算法的收敛精度值、迭代次数初值、最大迭代次数，收敛速度，粒子随机衰减因子初值和γ参数，并在可行域范围内随机初始设定粒子群的位置和速度；
[0014]S1012.根据具体优化目标函数，计算每个粒子的适应度值，个体最优解的适应度值；
[0015]S1013.对于每一个粒子，若适应度值<个体最优解的适应度值，则适应度值＝个体最优解的适应度值；
[0016]S1014.通过采用加入矫正参数后的粒子位置更新公式，对粒子进行更新，至粒子规模内所有粒子在规定搜索空间维度内更新完成；粒子位置更新x
i
+1
d
公式具体为：
[0017]x
i
+1
d
＝w
i
x
id
+β(P
id
‑
x
id
)+α
id
r1(U
L
‑
D
L
)
ꢀꢀ
(1)
[0018]w
i
＝(1+exp(
‑
f(x
id
)/u))
‑
k
ꢀꢀ
(2)
[0019]α
i
+1
d
＝α
id
γ
ꢀꢀ
(3)
[0020]式(1)
‑
(3)中：r1为[0,1]之间的随机数；U
L
为变量取值上限；D
L
为变量取值下限；f(x
id
)为当前适应度值；α
id
为新的粒子衰减因子，w
i
为矫正参数；
[0021]S1015.判断是否达到最大迭代次数或达到目标精度，若为是，则进入S1016，若为否，则迭代次数加1后返回S1012；
[0022]S1016.输出最优粒子适应度值和迭代次数，算法终止。
[0023]可选的，S103.利用NPRS算法对解集进行完整的最优解集搜索，得到微网容量配置的最优解集，包括以下步骤：
[0024]S1031.获取微网容量配置解集，并进行初始化总体非支配解等于微网容量配置解集，设定搜索间距和搜索间距最大值；
[0025]S1032.判断设定的搜索间距是否小于设定的搜索间距最大值，若为是，则进入S1033，若未否，则进入S1037；
[0026]S1033.按照设定的搜索间距从微网容量配置解集中依次去除两个个体Ind1和Ind2后，计算Ind1和Ind2的海明距离，并记录不同位；
[0027]S1034.根据Ind1和Ind2的二进制位差异构造新个体，并计算每个新个体的适应度；
[0028]S1035.由新个体及Ind1和Ind2共同构成搜索种群，找出搜索种群中的非支配解；
[0029]S1036.将得到的非支配解依据支配关系并入总体非支配解，搜索间距+1，返回S1032；；
[0030]S1037.输出优化结果。
[0031]可选的，两个参考点之间的海明距离、参考点间距以及参考点间距的变化范围确定搜索过程中调用生产模拟过程的总次数，其计算公式如下：
[0032][0033]式中，D
H
为两个参考点质检的海明距离，P
Ind
和P
Ind
+J为两个参考点，表示两组目标函数取值接近的分布式电源数量。
[0034]一种微电网多目标容量优化配置系统，应用上述的一种微电网优化配置方法，
[0035]包括：依次连接的粒子群建立模块、微网容量配置解集获取模块、微网容量配置最优解集计算模块；
[0036]粒子群建立模块用于建立自适应快速粒子群；微网容量配置解集获取模块用于将建立的快速粒子算法应用于微网多目标优化配置，得到微网容量配置解集；微网容量配置最优解集计算模块用于利用NPRS算法对解集进行完整的最优解集搜索，得到微网容量配置的最优解集。
[0037]一种终端，包本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种微电网优化配置方法，微电网包括柴油发电机、风力发电机、光伏阵列和储能电池，其特征在于，包括以下步骤：S101.建立自适应快速粒子群；S102.将建立的自适应快速粒子群应用于微网多目标优化配置，得到微网容量配置解集；S103.利用NPRS算法对解集进行完整的最优解集搜索，得到微网容量配置的最优解集。2.根据权利要求1所述的一种微电网优化配置方法，其特征在于，S101.建立自适应快速粒子群包括以下步骤：S1011.随机初始化粒子规模、搜索空间维度、算法的收敛精度值、迭代次数初值、最大迭代次数、收敛速度、粒子随机衰减因子初值和γ参数，并在可行域范围内随机初始设定粒子群的位置和速度；S1012.根据具体优化目标函数，计算每个粒子的适应度值，个体最优解的适应度值；S1013.对于每一个粒子，若适应度值<个体最优解的适应度值，则适应度值＝个体最优解的适应度值；S1014.通过采用加入矫正参数后的粒子位置更新公式，对粒子进行更新，至粒子规模内所有粒子在规定搜索空间维度内更新完成；粒子位置更新x
i
+1
d
公式具体为：x
i
+1
d
＝w
i
x
id
+β(P
id
‑
x
id
)+α
id
r1(U
L
‑
D
L
)
ꢀꢀ
(1)w
i
＝(1+exp(
‑
f(x
id
)/u))
‑
k
ꢀꢀ
(2)α
i
+1
d
＝α
id
γ
ꢀꢀ
(3)式(1)
‑
(3)中：r1为[0,1]之间的随机数；U
L
为变量取值上限；D
L
为变量取值下限；f(x
id
)为当前适应度值；α
id
为新的粒子衰减因子，w
i
为矫正参数；S1015.判断是否达到最大迭代次数或达到目标精度，若为是，则进入S1016，若为否，则迭代次数加1后返回S1...
【专利技术属性】
技术研发人员：刘慧文，王生铁，刘广忱，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：
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。