基于Tent混沌映射NSGA-II算法的微电网多目标优化方法技术

本发明专利技术涉及一种基于Tent混沌映射NSGA

【技术实现步骤摘要】
算法进行改进，引入Tent混沌映射方法；
[0012]S4基于Tent混沌映射NSGA
‑
II算法对多目标优化数学模型进行求解；
[0013]S5利用模糊隶属度函数确定微电网多目标优化函数的最优解。
[0014]进一步的，S1中微电网能量优化管理方法如下：
[0015]本文所提出的能量管理系统模型是双层能量优化管理模型：上层为模糊管理系统，下层为多目标函数优化层。
[0016]其中上层模糊管理系统通过得到的光伏出力P
PV
和风力发电机出力P
WT
、每小时住宅负荷需求P
L
来确定混合微电网的工作模式。并将上述得到的数据和确定的工作模式通过通信通道传递给下层对能量进行优化管理。
[0017]在模糊管理系统中将混合微电网的工作模式划分为四种情况，不同模式下各分布式电源的运行情况如下：
[0018]模式一：当混合微网中的负荷很小时，可再生能源发电即可满足负荷需求。为使碳排放量和网络中的功率损耗最小，需要限制各火力发电机组的出力和配电网与微电网的交换功率，故令P
...

【技术保护点】

【技术特征摘要】
1.一种基于Tent混沌映射NSGA
‑
II算法的微电网多目标优化配置，其特征在于，包括如下步骤：S1建立微电网能量优化管理方法，该方法采用双层能量优化管理：上层采用模糊管理系统确定微电网运行模式，下层采用改进NSGA
‑
II算法对能量进行优化管理；S2结合各火力发电机组出力、可再生能源发电量、储能电池荷电状态、微电网与配电网的电能交换量作为约束条件，建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型；S3以增加求解算法的种群多样性、提高算法的全局搜索能力为目标，对NSGA
‑
II算法进行改进，引入Tent混沌映射方法；S4基于Tent混沌映射NSGA
‑
II算法对多目标优化数学模型进行求解；S5利用模糊隶属度函数确定微电网多目标优化函数的最优解。2.根据权利要求1所述的基于Tent混沌映射NSGA
‑
II算法的微电网多目标优化配置，其特征在于：S1中微电网能量优化管理方法如下：本文所提出的能量管理系统模型是双层能量优化管理模型：上层为模糊管理系统，下层为多目标函数优化层：其中上层模糊管理系统通过得到的光伏出力P
PV
和风力发电机出力P
WT
、每小时住宅负荷需求P
L
来确定混合微电网的工作模式，并将上述得到的数据和确定的工作模式通过通信通道传递给下层对能量进行优化管理；在模糊管理系统中将混合微电网的工作模式划分为四种情况，不同模式下各分布式电源的运行情况如下：模式一：当混合微网中的负荷很小时，可再生能源发电即可满足负荷需求，为使碳排放量和网络中的功率损耗最小，需要限制各火力发电机组的出力和配电网与微电网的交换功率，故令P
MT
＝P
FC
＝P
PDN
＝0；储能电池考虑到启动和关停成本，需限制其放电，令P
SB
＝0；只由可再生能源向负荷供电，并将多余的能量提供给配电网以获取利润；模式二：随着负荷的增加，当可再生能源无法满足负荷需求时需要启动储能电池，由可再生能源和储能电池共同出力来满足负荷需求，此时为使碳排放量和网络中的功率损耗最小，各火力发电机组的出力和配电网与微电网的交换功率仍为0；模式三：当负荷继续增加，可再生能源与储能电池总量之和无法满足负荷需求时，需要启动各火力发电机组和配电网参与能量管理，此时上层模糊管理系统把信息通过通信通道传递给下层多目标函数优化层，在下层进行能量优化管理，其多目标优化数学模型见下文；模式四：在极端条件下，当系统中所有储能电池、可再生能源、火力发电机都工作在最大输出功率状态，且微电网与配电网的交换功率达到上限，若此时输出功率仍不满足负荷需求，则将所有发电单元和主网交换功率均设置在最大临界工作模式，同时考虑切除部分负荷；双层能量优化管理方法的具体流程为：1)向模糊管理控制层输入光伏出力P
PV
和风力发电机的出力P
WT
；每小时微电网负荷的需求P
L
；2)计算可再生能源整体发电量P
RES
＝P
PV
+P
WT
；3)判断可再生能源出力P
RES
是否大于负荷需求P
L
，若P
RES
大于P
L
则微电网工作在模式一
下，并执行步骤6)，否则执行下一步；4)判断可再生能源出力P
RES
和储能电池最大出力P
SBmax
之和是否大于负荷需求P
L
，若P
RES
+P
SBmax
大于PL则微电网工作在模式二下，并执行步骤6)，否则执行下一步；5)计算各火力发电机组最大出力之和P
TGmax
＝P
MTmax
+P
FCmax
，判断微电网内所有机组最大出力和配电网的最大交换功率之和是否大于负荷需求P
L
，若P
RES
+P
SBmax
+P
TGmax
+P
PDNmax
大于P
L
，则微电网工作在模式三下，并对微电网进行多目标函数优化求解，执行步骤6，否则，微电网工作在模式四下，此时将所有发电单元和主网交换功率都设置在最大临界工作模式，同时考虑切除部分负荷；6)最终输出各火电机组P
MT
和P
FC
、储能电池P
SB
以及配电网P
PDN
的实时出力。3.根据权利要求2所述的基于Tent混沌映射NSGA
‑
II算法的微电网多目标优化配置，其特征在于：S2建立多目标优化数学模型的过程为：S21建立目标函数：优化目标包括三个：微电网运行经济性、网络中碳排放量和有功功率损耗，具体为：(1)建立微电网运行经济性模型：设微电网的投资成本为C
m1
(t)，可再生能源、储能装置和火力发电机组产生的收益为C
m2
(t)，则微电网运行成本
‑
运行收益C
m
(t)的表达式为：式中：C
fuel
(t)代表微电网的燃料成本；C
sud
(t)代表各单元的启动或关闭成本；C
inv
(t)代表建设微电网所需要的投资成本；C
SB
(t)、C
RES
(t)、C
TG
(t)分别代表储能装置、可再生能源、各火力发电机组向微电网所带负荷售电产生的收益；C
PDN
(t)代表混合微电网向配电网出售电能产生的收益；投资成本C
m1
(t)主要由以下三部分组成：1)微电网的燃料成本C
fuel
(t)目前我国超过50％的发电形式为火力发电，其中以MT和FC为主要的发电单元，其燃料成本表达式通常可以用具有正系数的二次多项式表示：成本表达式通常可以用具有正系数的二次多项式表示：式中：α
MT
、β
MT
、γ
MT
为MT的成本系数；α
FC
、β
FC
、γ
FC
为FC的成本系数；P
MT
(t)和P
FC
(t)分别代表t时刻MT和FC的输出功率；故微电网总的燃料成本为：故微电网总的燃料成本为：式中：i为各火力发电机组数目；T为总的离散时间间隔，T＝24h；N
MT
和N
FC
分别为MT和FC发电机组的总个数；T
p
(t)表示P机组的工作状态，其中P为MT或FC；2)各发电单元的启动或关闭成本C
sud
(t)
各发电单元的启动或关闭成本同本单元该时刻与前一时刻的工作状态有关，故其表达式为：式中：C
su
为发电单元启动成本，C
sd
为发电单元关闭成本；3)建设微电网必要的投资成本C
inv
(t)建设微电网必要的投资成本包括对可再生能源和储能电池的购买和定期维护必要的投资，因其通常为常数，因此在进行多目标优化时可将C
inv
(t)忽略不计；微电网产生的收益C
m2
(t)由以下四部分组成：1)储能电池提供电能的收益C
SB
(t)储能电池向微电网负荷供电产生的收益C
SB
(t)表达式为：式中：Price
SB
(t)代表t时刻储能电池的实时电价；为SB在t时刻的工作状态；2)可再生能源提供电能的收益C
RES
(t)可再生能源向微电网负荷供电产生的收益C
RES
(t)表达式为：式中：Price
RES
(t)为t时刻可再生能源实时电价；3)各火力发电机组提供电能的收益C
TG
(t)由于各火力发电机组以燃煤机组为主，故其向负荷出售的电价不随时间变化，可视其为定值，其数学表达式为：式子：Price
TG
为各火力发电机组出售电能的电价；4)与电网交换电能的收益C
PDN
(t)混合微电网在并网条件下既可以向配电网购电也可以向配电网售电，由于微电网向配电网购买的电能会再次出售给微网负荷，故不考虑此电能产生的成本和收益；当微电网向配电网出售电能时会产生相应的收益，此时与电网交换电能的收益C
PDN
(t)表达式为：式中：P
PDN
(t)为t时刻微电网与配电网的功率交换，当其为正时表示向配电网购买电
能，反之为出售电能；Price
PDN
(t)为t时刻与配电网交换的实时电价，表示配电网的工作状态；(2)建立网络中碳排放量模型由于微电网排放的污染物中二氧化碳所占比例最大，故本文利用二氧化碳排放量f
c
(t)来衡量其对环境的影响，f
c
(t)的表达式为：式中：f
MT
(...

【专利技术属性】
技术研发人员：王艳，张嘉琳，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：