一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法技术

本发明专利技术公开了一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法，包括设计负荷移动过程、建立负荷移动模型、建立基于共生生物搜索算法的多微电网内最大化消纳可再生能源模型、设计基于共生生物搜索算法的多微电网内最大化消纳可再生能源算法流程。通过负荷移动模型实现对每个微电网的可移动负荷进行时间上的重新配置；建立以多微电网的剩余可在生能源成本最小为目标函数，并利用共生生物搜索算法对最大化消纳可再生能源的模型进行优化。本发明专利技术能克服孤岛模式下当可再生能源和负荷某时刻偏差值较大时不能充分消耗可再生的问题，可减少并网模式下售给配电网的可再生能源数量，以最大限度提高多微电网系统对可再生能源的利用率。再生能源的利用率。再生能源的利用率。

【技术实现步骤摘要】
一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法


[0001]本专利技术属于智能电网
，涉及一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法。

技术介绍

[0002]在孤岛/并网模式下的多微电网(Multi
‑
micro
‑
grids,MMG)系统中，诸如太阳能、风能等这些可再生能源(Renewable energy sources,RES)均是非常重要的发电单元。RES作为一种绿色能源不仅可提高MMG在能源调度中的经济效益，而且具有巨大的环境效益。因此人们更希望MMG系统能够充分消纳RES。然而RES容易受到当地的天气、温度等因素的影响导致其每天的功率输出会发生不同程度的变化。同样的，负荷受居民的用电、工业用电等因素的影响而发生变化。RES和负荷均存在间歇性、波动性等不确定性的特点使得在某些时刻里可能存在RES和负荷之间的偏差值较大的情况。在孤岛MMG系统中，若RES远远大于负荷且储能系统不能完全吸收RES时，MMG需要放弃大部分剩余的RES，即造成了RES资源损失问题。而在并网MMG系统中，MMG将把大部分剩余的RES出售给大电网，即增加了大电网的负担。如果为了吸收某些时刻里大部分剩余的RES而通过增加储能系统的容量，那么MMG系统的配置成本也将会提高。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的缺陷，提供一种基于共生生物搜索(Symbiotic organisms search,SOS)的多微电网内最大化消纳可再生能源的方法，可使孤岛/并网模式下的MMG系统在能源调度优化中最大化消纳RES，克服MMG中当RES和负荷在某些时刻的偏差值较大时不能充分消纳RES的缺陷，以最大限度提高MMG系统对RES的利用率。
[0004]为了解决上述问题，本专利技术采用以下技术方案。
[0005]本专利技术的一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法，包括以下步骤：
[0006]步骤1.设计负荷移动过程：通过对每个微电网中的可移动负荷进行移动操作，实现对每个微电网的可移动负荷进行时间上的重新配置，包括可移动负荷的移动过程设计、经过负荷移动后实际负荷的构成。其过程包括：微电网中可移动负荷的能从某一时刻移动到另一时刻或从其他时刻增加到某一时刻，某个时刻经过负荷移动后的实际负荷包括未移动的负荷和增加的负荷；可移动负荷的移动只能从时间的角度进行移动，而不能从空间的角度进行移动；在t时刻微电网i中可移动负荷的数量最大为并且每一时刻里能同时存在负荷移动和负荷增加过程；负荷增加数量是来自于微电网i中其他时刻的可移动负荷，而移动负荷数量将移动到微电网i中的其他时刻；因此，t时刻微电网i
的实际负荷包括：未移动负荷数量和增加负荷数量
[0007]步骤2.建立负荷移动模型：包括移动负荷数量、增加负荷数量和实际负荷数量之间的计算、定义移动负荷总量和增加负荷总量之间的平衡约束条件；此外，每个微电网在进行负荷移动后的实际负荷总量要等价于未进行负荷移动的原负荷总量；
[0008]步骤3.建立基于共生生物搜索算法的多微电网内最大化消纳可再生能源的模型：包括共生生物搜索算法算法模型、基于共生生物搜索算法的多微电网内最大化消纳可再生能源的优化目标函数和优化变量；共生生物搜索算法模拟共生生物在生态系统中生存和繁殖所采用的相互作用策略；其共生生物搜索算法包括三个阶段:互利共生、偏利共生和寄生；
[0009]步骤4.设计基于共生生物搜索算法的多微电网内最大化消纳可再生能源的算法流程：包括共生生物搜索算法在多微电网内最大化消纳可再生能源中执行优化时的求解，包括输入数据、生态系统初始化、优化变量和种群初始化、待定系数法约束优化变量、迭代次数设置、适应度计算、确定最优个体、执行互利共生、偏利共生和寄生阶段、迭代次数判断、输出最优个体。
[0010]进一步地，所述步骤2建立负荷移动模型的具体过程为：
[0011]每个微电网系统均考虑两种类型负荷：固定负荷和可移动负荷；移动负荷能从t(t＝1,2,
…
,T，T为总的调度时间)时刻移动到其他时刻，而固定负荷不能进行移动；在多微电网系统中，当地微电网系统的移动负荷不能移动到其他微电网系统中；可移动负荷从t时刻移动至其他时刻的负荷移动数量的计算公式为
[0012][0013][0014]式中，是t时刻的原负荷；和分别为移动负荷的减少比例及其最大值；
[0015]经过负荷移动后t时刻的实际负荷的计算公式为
[0016][0017][0018][0019]式中，是可移动负荷从其他时刻移动至t时刻的负荷增加数量；和分别是增加负荷的增加比例及其最大值；
[0020]在总的调度时间T里，负荷移动总量要等于负荷增加总量，即满足式(6)的平衡约束条件：
[0021][0022]进一步地，所述步骤3建立基于共生生物搜索算法的多微电网内最大化消纳可再
生能源的模型的具体过程为：
[0023]步骤3.1互利共生
[0024]新的候选解和是基于生物体X
n
和X
m
的互惠互利产生，用式(7)和式(8)表示；根据此规则，生物体X
n
和X
m
只有当它们新的适应度优于前一次迭代的适应度时才执行更新：
[0025][0026][0027][0028]B1,B2∈{1,2}
ꢀꢀ
(10)式中，n,m∈{1,2,
…
,num}，num是种群大小，n≠m；rand(0,1)是0和1之间的随机值；X
best
是当前迭代的最优个体；M
v
是两个生物体间关系特征的“互利向量”；B1和B2是分别是集合{1,2}中的随机一个数，表示互利共生的生物相互间的收益因子；
[0029]步骤3.2偏利共生
[0030]新的候选解根据生物体X
n
和X
m
的偏利共生产生，用式(11)表示；根据此规则，生物体X
n
只有当它新的适应度优于前一次迭代的适应度时才执行更新：
[0031][0032]式中，rand(
‑
1,1)是
‑
1和1之间的随机数；
[0033]步骤3.3寄生
[0034]在共生生物搜索算法中，随机选择X
n
中的部分维度上的参数进行随机修改，得到一个变异个体，名称为寄生向量，记作X
pv
；然后从生态系统中随机选择一个生物体X
m
(n≠m)作为X
pv
的宿主；计算寄生向量和宿主的适应度值并进行比较；若寄生向量的适应度值更好，那么生物体X
m
将会被取代，否则X
m
将具有免疫性，继续存活并保留在种群中；
[0035]基于共生生物搜索算法的多微电网内最大化消纳可再生能源的目标函数是使得多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法，其特征在于，包括以下步骤：步骤1.设计负荷移动过程：通过对每个微电网中的可移动负荷进行移动操作，实现对每个微电网的可移动负荷进行时间上的重新配置，包括可移动负荷的移动过程设计、经过负荷移动后实际负荷的构成；步骤2.建立负荷移动模型：包括移动负荷数量、增加负荷数量和实际负荷数量之间的计算、定义移动负荷总量和增加负荷总量之间的平衡约束条件；此外，每个微电网在进行负荷移动后的实际负荷总量要等价于未进行负荷移动的原负荷总量；步骤3.建立基于共生生物搜索算法的多微电网内最大化消纳可再生能源的模型：包括共生生物搜索算法算法模型、基于共生生物搜索算法的多微电网内最大化消纳可再生能源的优化目标函数和优化变量；共生生物搜索算法模拟共生生物在生态系统中生存和繁殖所采用的相互作用策略；其共生生物搜索算法包括三个阶段:互利共生、偏利共生和寄生；步骤4.设计基于共生生物搜索算法的多微电网内最大化消纳可再生能源的算法流程：包括共生生物搜索算法在多微电网内最大化消纳可再生能源中执行优化时的求解，包括输入数据、生态系统初始化、优化变量和种群初始化、待定系数法约束优化变量、迭代次数设置、适应度计算、确定最优个体、执行互利共生、偏利共生和寄生阶段、迭代次数判断、输出最优个体。2.根据权利要求1所述的一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法，其特征在于，所述步骤1设计负荷移动，其过程包括：微电网中可移动负荷的能从某一时刻移动到另一时刻或从其他时刻增加到某一时刻，某个时刻经过负荷移动后的实际负荷包括未移动的负荷和增加的负荷；可移动负荷的移动只能从时间的角度进行移动，而不能从空间的角度进行移动；在t时刻微电网i中可移动负荷的数量最大为并且每一时刻里能同时存在负荷移动和负荷增加过程；负荷增加数量是来自于微电网i中其他时刻的可移动负荷，而移动负荷数量将移动到微电网i中的其他时刻；因此，t时刻微电网i的实际负荷包括：未移动负荷数量和增加负荷数量3.根据权利要求1所述的一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法，其特征在于，所述步骤2建立负荷移动模型的具体过程为：每个微电网系统均考虑两种类型负荷：固定负荷和可移动负荷；移动负荷能从t(t＝1,2,
…
,T，T为总的调度时间)时刻移动到其他时刻，而固定负荷不能进行移动；在多微电网系统中，当地微电网系统的移动负荷不能移动到其他微电网系统中；可移动负荷从t时刻移动至其他时刻的负荷移动数量的计算公式为的计算公式为式中，是t时刻的原负荷；和分别为移动负荷的减少比例及其最大值；
经过负荷移动后t时刻的实际负荷的计算公式为的计算公式为的计算公式为式中，是可移动负荷从其他时刻移动至t时刻的负荷增加数量；和分别是增加负荷的增加比例及其最大值；在总的调度时间T里，负荷移动总量要等于负荷增加总量，即满足式(6)的平衡约束条件：4.根据权利要求1所述的一种基于共生生物搜索的多微电网内最大化消纳可再生能源的方法，其特征在于，所述步骤3建立基于共生生物搜索算法的多微电网内最大化消纳可再生能源的模型的具体过程为：步骤3.1互利共生新的候选解和是基于生物体X
n
和X
m
的互惠互利产生，用式(7)和式(8)表示；根据此规则，生物体X
n
和X
m
只有当它们新的适应度优于前一次迭代的适应度时才执行更新：只有当它们新的适应度优于前一次迭代的适应度时才执行更新：只有当它们新的适应度优于前一次迭代的适应度时才执行更新：B1,B2∈{1,2}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)式中，n,m∈{1,2,
…
,num}，num是种群大小，n≠m；rand(0,1)是0和1之间的随机值；X
best
是当前迭代的最优个体；M
v
是两个生物体间关系特征的“互利向量”；B1和B2是分别是集合{1,2}中的随机一个数，表示互利共生的生物相互间的收益因子；步骤3.2偏利共生新的候选解根据生物体X
n
和X
m
的偏利共生产生，用式(11)表示...

【专利技术属性】
技术研发人员：李春华，杨康，荆旭，王伟然，朱志宇，张羽，马浩东，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：