一种微电网多目标优化调度方法技术

本发明专利技术涉及一种微电网多目标优化调度方法，该方法首先确定微电网内部储能装置与供能装置的特性；其次建立优化调度的目标函数，确定储能装置和供能装置的约束条件，从而共同构建环保和经济调度模型；最后将光伏预测发电量、风机预测发电量、负荷预测用电量和约束条件作为环保和经济调度模型的输入，将目标函数作为每个麻雀的适应度值，通过改进的麻雀搜索算法求取模型的最优调度方案。与现有技术相比，本发明专利技术具有有效提高微电网运行的经济性、环保性与可靠性等优点。环保性与可靠性等优点。环保性与可靠性等优点。

【技术实现步骤摘要】
一种微电网多目标优化调度方法


[0001]本专利技术涉及电力调度和能量管理领域，尤其是涉及一种微电网多目标优化调度方法。

技术介绍

[0002]随着社会环保意识和能源安全意识的提高，人们逐渐意识到传统电网的缺陷。智能微电网为构建绿色、安全、可持续的供电系统提供了新的解决方案。由于微电网内部存在多种不可控的可再生能源，使得微电网系统内部的能源具有一定的不确定性，因此，开展智能微电网系统的优化调度对推进微电网项目的应用和发展具有重要意义。
[0003]经过检索中国专利公开号CN114091780A公开了一种基于改进麻雀优化算法的综合能源系统优化调度方法，具体公开了包括以下步骤：步骤1：定义能源麻雀，确定初始化种群；步骤2：设定麻雀寻优基础原则；步骤3：原则计算适应度值及所在位置，确定最优适应度值和最差适应度值，以及其相对应的位置；步骤4：从适应度较优的能源麻雀中，选取部分麻雀作为探索者，根据探索者更新公式更新位置；步骤5：剩余能源麻雀作为跟随者，根据跟随者更新公式更新位置；步骤6：从能源麻雀中随机选取部分麻雀作为警戒者，根据警戒者更新公式更新位置。其目的在能量层面实现多能互补与转换，完善了模型设备与结构，能够增强所搭系统的可靠性。但是现有技术主要是集中在风、光等发电单位的微电网系统，不考虑电动汽车的影响，随着电动汽车的大量普及，用户无规则额使用行为导致微电网的优化调度发生了巨大的变化，因此，针对新能源发电的不确定性，提供一种微电网多目标优化调度方法，成为微电网应用和发展中亟待解决的重要问题。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种能够有效提高微电网运行的经济性、环保性与可靠性的基于改进麻雀搜索算法的微电网多目标优化调度方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]根据本专利技术的一个方面，提供了一种微电网多目标优化调度方法，该方法首先确定微电网内部储能装置与供能装置的特性；其次建立优化调度的目标函数，确定储能装置和供能装置的约束条件，从而共同构建环保和经济调度模型；最后将光伏预测发电量、风机预测发电量、负荷预测用电量和约束条件作为环保和经济调度模型的输入，将目标函数作为每个麻雀的适应度值，通过改进的麻雀搜索算法求取模型的最优调度方案。
[0007]作为优选的技术方案，该方法具体包括以下步骤：
[0008]步骤S1，确定所选微电网内的储能装置与供能装置的特性，对光伏发电量、风机发电量和负荷发电量进行预测；
[0009]步骤S2，构建优化调度的目标函数，并确定储能装置和供能装置的约束条件，其中目标函数为微电网的运行成本和环境保护成本之和；
[0010]步骤S3，对改进麻雀搜索算法的参数进行设置，包括种群规模N，最大迭代次数K，发现者比例PD，侦察者比例SD，安全阈值ST，t分布变异概率p，分布式电源出力优化区间参数；
[0011]步骤S4，根据微电网每个分布式电源出力的上下限，采用Tent混沌映射对种群个体进行初始化；
[0012]步骤S5，将微电网的运行成本和环境保护成本之和作为麻雀个体的适应度值，找出最优和最差的适应度值以及相对应的位置；
[0013]步骤S6，从适应度较优的麻雀中选择部分麻雀作为发现者，并更新其位置；
[0014]步骤S7，将剩余麻雀作作为跟随者，并更新其位置；
[0015]步骤S8，从整个麻雀种群中随机选取部分麻雀作为警戒者，并更新其位置；
[0016]步骤S9，判断t分布变异条件rand，若rand<p，则执行步骤S10，否则返回步骤S3；
[0017]步骤S10，计算每只麻雀经过t分布变异之后的适应度值，将经过t分布变异操作后新解的适应度值与原值进行比较，择优保留并更新全局最优信息；
[0018]步骤S11，判断当前迭代次数是否已达到最大迭代次数，若为是执行步骤S12，否则返回步骤S3；
[0019]步骤S12，输出最优麻雀个体对应的位置及其适应度值。
[0020]作为优选的技术方案，所述步骤S1中供能装置包括风力发电机、光伏电池、柴油发电机、微型燃气轮机、蓄电池；
[0021]所述风力发电机的特性包括风力发电机的功率曲线，其表达式为：
[0022][0023]式中，P
′
WT
表示风机的输出功率；P
r
'表示风机的额定功率；v'
ci
、v'
r
和v'
co
表示风机的切入风速、额定风速和切出风速；a'、b'、c'和d'是风速参数；
[0024]所述光伏电池的特性包括光伏电池的输出功率，其表达式为：
[0025][0026]式中，P
′
pv
为光伏电池输出的有功功率；R'
pv
为标准测试条件下的光伏输出功率；q
pv
为光伏的降额系数，通常为0.8；I'
T
为太阳的实际辐照度；I'
STC
为标准测试条件下的太阳辐射强度；α'
p
为PV电池板的温度系数；T
′
c
为当前时间步长的PV电池温度；T
′
stc
为标准测试下的PV电池温度；
[0027]所述柴油发电机的特性包括在运行的过程中会产生燃料费、运维费和污染物处理费，其表达式为：
[0028][0029]式中，C
DE.OM
(t)、C
DE.F
(t)、C
DE.EN
(t)分别为t时刻柴油机的运维成本、燃料电池、污染物处理成本；P
DE
(t)表示柴油发电机在t时刻的发电量；K
DE.OM
是柴油发电机的运行维护成本系数；γ
de,k
是柴油发电机运行产生的k类污染物排放量；C
k
是处理k类污染物的成本系数；α、β和γ为柴油发电机的系数；
[0030]所述微型燃气轮机的特性包括运行效率，以及在运行的过程中会产生燃料费、运维费和污染物处理费，其表达式为：
[0031][0032]式中，P
MT
(t)表示微型燃气轮机得有功输出功率；η
MT
(t)表示微型燃气轮机的运行效率；
[0033][0034]式中，C
MT.OM
(t)、C
MT.F
(t)和C
MT.EN
(t)分别表示t时刻微型燃气轮机的运维成本、燃气成本、污染物的处理成本；P
MT
(t)表示燃气轮机在t时刻的发电量；C
MT.OM
表示燃气轮机的运行维护成本系数；γ
mt,k
表示燃气轮机的污染物排放量；C
k
表示处理k类污染物的成本系数；C表示天然气的单价；LHV表示天然气的低热值，通常取9.7kW本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种微电网多目标优化调度方法，其特征在于，该方法首先确定微电网内部储能装置与供能装置的特性；其次建立优化调度的目标函数，确定储能装置和供能装置的约束条件，从而共同构建环保和经济调度模型；最后将光伏预测发电量、风机预测发电量、负荷预测用电量和约束条件作为环保和经济调度模型的输入，将目标函数作为每个麻雀的适应度值，通过改进的麻雀搜索算法求取模型的最优调度方案。2.根据权利要求1所述的一种微电网多目标优化调度方法，其特征在于，该方法具体包括以下步骤：步骤S1，确定所选微电网内的储能装置与供能装置的特性，对光伏发电量、风机发电量和负荷发电量进行预测；步骤S2，构建优化调度的目标函数，并确定储能装置和供能装置的约束条件，其中目标函数为微电网的运行成本和环境保护成本之和；步骤S3，对改进麻雀搜索算法的参数进行设置，包括种群规模N，最大迭代次数K，发现者比例PD，侦察者比例SD，安全阈值ST，t分布变异概率p，分布式电源出力优化区间参数；步骤S4，根据微电网每个分布式电源出力的上下限，采用Tent混沌映射对种群个体进行初始化；步骤S5，将微电网的运行成本和环境保护成本之和作为麻雀个体的适应度值，找出最优和最差的适应度值以及相对应的位置；步骤S6，从适应度较优的麻雀中选择部分麻雀作为发现者，并更新其位置；步骤S7，将剩余麻雀作作为跟随者，并更新其位置；步骤S8，从整个麻雀种群中随机选取部分麻雀作为警戒者，并更新其位置；步骤S9，判断t分布变异条件rand，若rand<p，则执行步骤S10，否则返回步骤S3；步骤S10，计算每只麻雀经过t分布变异之后的适应度值，将经过t分布变异操作后新解的适应度值与原值进行比较，择优保留并更新全局最优信息；步骤S11，判断当前迭代次数是否已达到最大迭代次数，若为是执行步骤S12，否则返回步骤S3；步骤S12，输出最优麻雀个体对应的位置及其适应度值。3.根据权利要求2所述的一种微电网多目标优化调度方法，其特征在于，所述步骤S1中供能装置包括风力发电机、光伏电池、柴油发电机、微型燃气轮机、蓄电池；所述风力发电机的特性包括风力发电机的功率曲线，其表达式为：式中，P
′
WT
表示风机的输出功率；P
′
r
表示风机的额定功率；v'
ci
、v'
r
和v'
co
表示风机的切入风速、额定风速和切出风速；a'、b'、c'和d'是风速参数；所述光伏电池的特性包括光伏电池的输出功率，其表达式为：
式中，P
′
pv
为光伏电池输出的有功功率；R'
pv
为标准测试条件下的光伏输出功率；q
pv
为光伏的降额系数，通常为0.8；I'
T
为太阳的实际辐照度；I'
STC
为标准测试条件下的太阳辐射强度；α'
p
为PV电池板的温度系数；T
′
c
为当前时间步长的PV电池温度；T
′
stc
为标准测试下的PV电池温度；所述柴油发电机的特性包括在运行的过程中会产生燃料费、运维费和污染物处理费，其表达式为：式中，C
DE.OM
(t)、C
DE.F
(t)、C
DE.EN
(t)分别为t时刻柴油机的运维成本、燃料电池、污染物处理成本；P
DE
(t)表示柴油发电机在t时刻的发电量；K
DE.OM
是柴油发电机的运行维护成本系数；γ
de,k
是柴油发电机运行产生的k类污染物排放量；C
k
是处理k类污染物的成本系数；α、β和γ为柴油发电机的系数；所述微型燃气轮机的特性包括运行效率，以及在运行的过程中会产生燃料费、运维费和污染物处理费，其表达式为：式中，P
MT
(t)表示微型燃气轮机得有功输出功率；式中，C
MT.OM
(t)、C
MT.F
(t)和C
MT.EN
(t)分别表示t时刻微型燃气轮机的运维成本、燃气成本、污染物的处理成本；P
MT
(t)表示燃气轮机在t时刻的发电量；C
MT.OM
表示燃气轮机的运行维护成本系数；γ
mt,k
表示燃气轮机的污染物排放量；C
k
表示处理k类污染物的成本系数；C表示天然气的单价；LHV表示天然气的低热值，通常取9.7kWh/m3；η
MT
(t)表示微型燃气轮机的运行效率；所述蓄电池的特性包括剩余容量，其表达式为：式中，SOC(t)表示蓄电池在t时刻的剩余容量；P
bess
(t)表示蓄电池在t时刻的充放电功率，正数表示放电，负数表示充电；η
‑
和η
+
表示充放电效率。4.根据权利要求2所述的一种微电网多目标优化调度方法，其特征在于，所述步骤S2中
构建优化调度的目标函数具体为：步骤S21，构建微电网的运行成本f1，其表达式为：，其表达式为：式中，C
grid
(t)、C
bess
(t)、C
MT
(t)、C
DE
(t)分别表示t时刻微电网与主电网的交互成本、蓄电池维护成本、燃气轮机和柴油发电机的总运行成本；P
bess
(t)表示储能在t时刻的功率；P
sell
(t)、P<...

【专利技术属性】
技术研发人员：万俊杰，方严，司文旭，李新颜，黄春光，
申请(专利权)人：江苏安科瑞电器制造有限公司江苏安科瑞微电网研究院有限公司，
类型：发明
国别省市：