【技术实现步骤摘要】
本专利技术属于智能调度算法领域，具体涉及基于粒子群优化算法的多端口能源路由器能量调度方法。
技术介绍
1、风能和太阳能等新能源具有随机性、波动性和难以预测等特点。能源路由器(energyrouter,er)是一种实现多种能源形式的输入、输出、转换和存储的基于电力电子的能源变换装置，作为能源互联网的核心装置，它融合了计算、通信、精确控制、远程协调与自治的信息与能源互联智能体。研究表明，er可配置集中控制器，具有可以实现电压变换、电气隔离、能量多向流动等功能，逐渐成为一种可编程的电气设备，具备故障自愈功能和状态切换功能。通过通讯线可以实现微电网各端口节点信息的集中收集处理和实时共享，实现微电网“源网荷储”的灵活管控。
2、er需要协调微电网系统中分布式电源、电网、负载及储能单元之间的能量流动，协调控制需要解决的是系统中各单元的并联运行问题。调研时发现er主要采用主从、对等和分层三种典型控制方式。微电网内er各端口能够协调运行、维持系统运行的稳定性、安全性和可靠性，是“源网荷储”多能互补系统控制策略必须首先解决的技术要求。这为er的研制提出现实需求，唯有如此，才能充分发挥光伏等分布式电源的优势，适应当前“双碳”政策需要。因此，如何从经济角度合理规划功率流动，在更高的维度上对微电网的运行策略进行优化就显得非常关键和重要。对比文献得知，当前针对单一负荷进行建模的研究成果非常丰富，如果合理结合微电网整体运行的经济指标，将为er的进一步推广应用于园区对多能源井喷式需求提供新途径，改变当前仅仅靠发电机供电、经常出现跳闸断电的园区供电
3、当前全球能源互联网发展深入、分布式电源组建微电网建设迅猛，能源路由器既可实现能量流和信息流的高度融合，又有利于电能的传输、辐射和综合利用，特别适应于园区微电网发展需要，有效降低跳闸断电事故发生。能源路由器如何调控微电网内“源网荷储”的能量调度，确保经济、安全和可靠运行。
4、粒子群算法，全称为粒子群优化算法(particleswarmoptimization，pso)。自然界中鸟群会有集体觅食的行为，集体觅食可以使寻找食物的过程更加高效，还可以节省体力。在群体活动中，群体中的每一个个体都会受益于所有成员在这个过程中发现和积累的经验，粒子群算法就是一种以群体协作为基础，共同搜寻目标的搜索算法。
5、粒子对应自然界鸟群中的每只小鸟，每个粒子都具有成为最优解的可能，都有位置和速度两个属性，并且在搜索过程中，这两个属性会随着搜索进程而改变。位置为粒子在每次搜索中所处的位置，速度为粒子搜索过程中的速度。适应度是评价粒子是否为最优解的标准，一般通过设置目标函数的方式确定适应度，最优解分为单个粒子和群体综合所得两种。
6、初始化时，每个粒子都会被随机安排位置，随后每个粒子独立运动搜索，通过迭代的方式寻找最优解，每个粒子搜索一次，到达一个位置都会计算适应度，来判定当前解是否优于目前最优解，是否优于集体最优解，根据对比结果更新单个粒子最优解和群体最优解。
技术实现思路
1、本专利综合考虑了光伏发电成本、市电购电成本、储能成本等各项经济因素，提供基于粒子群优化算法的多端口能源路由器能量调度方法，通过建立“源网荷储”多能互补系统的经济运行模型，基于粒子群优化算法实现多能互补系统的最优能量调度。
2、本专利技术解决其技术问题所采用的技术方案是：基于粒子群优化算法的多端口能源路由器能量调度方法，基于光伏发电单元、混合储能单元和24v辅助电源组成的多端口能源路由器，其中混合储能单元由蓄电池组和超级电容共同组成，光伏发电单元通过单向dc/dc变换器连接直流母线，辅助电源、蓄电池组和超级电容分别通过双向dc/dc变换器连接直流母线，直流母线还分别通过dc/ac变换器连接两个380vac和一个690vac端口；包括如下步骤：
3、s1，构建新的粒子群优化算法：
4、s11，假设空间的维数为d，粒子数为n，第i个粒子的位置表示为一个d维向量xi＝[x1,x2,…,xd],i＝1,2,…,n，式中xd在第d维的位置，第i个粒子的速度表示为vi＝[v1,v2,…,vd],i＝1,2,…,n，式中vd表示粒子在第d维的速度，单个粒子的个体最优解记为pbest，群体最优解记为gbest；
5、s12，初始化所有粒子，为每个粒子的位置和速度随机赋值，每个粒子的当前位置即为个体最优解pbest，所有粒子中的当前最优解即为群体最优解gbest；
6、s13，每一次搜索完成后，计算每个粒子即时的适应度：如果即时适应度优于当前个体最优解，则更新pbest，反之则维持当前个体最优解不变；如果即时适应度优于当前群体最优解，则更新gbest，反之则维持当前群体最优解不变；
7、s14，构建单个粒子位置的迭代公式为xk＝xk-1+vk-1，粒子速度的迭代公式为vk＝ωvk-1+c1×radn1(pbestk-1-xk-1)+c2×rand2(gbestk-1-xk-1)，式中vk表示粒子在第k次搜索时的速度，vk-1表示粒子在第k-1次搜索时的速度，xk表示粒子在第k次搜索时的位置，xk-1表示粒子在第k-1次搜索时的位置，ω为惯量权重，c1和c2是加速系数，rand1和rand2是区间[0，1]上的两个随机数，pbestk-1是第k-1次搜索的个体最优解，gbestk-1是第k-1次搜索的群体最优解；
8、s15，进行一次搜索之后，判断当前搜索是否达到结束条件，若未达到则继续执行步骤s13，反之则搜索结束；
9、s2，以经济指标作为主要优化目标，建立能源路由器的目标函数：
10、s21，定义光伏发电量在总用电量中所占的比重式中wpv表示光伏一年的发电量，wn表示能源路由器一年从公共电网获取的电量，光伏一年的发电量wpv和微电网一年从公共电网获取的电量wn的计算公式分别为
11、
12、式中ppv(r)表示光伏发电在r时段的实际输出功率，pn(t)表示能源路由器与公共电网在t时段的交互功率；定义能源路由器与公共电网交互电量占总用电量比重
13、s22，定义总成本c总＝cpv+ces+cn，式中cpv为光伏系统的年成本，ces为储能系统年成本，cn为电网的购电成本，则光伏系统的年成本式中npv为光伏组件的个数，rpv为光伏组件的单价，r0为折旧率，m为使用年限，u(ppv)为单个光伏组件运行和维护费用的等年值；
14、储能系统的年成本式中nes为储能单元的组数，res为每组储能单元的单价，r0为折旧率，u(pes)为每组储能单元的年运行和维护费用；
15、电网的购电成本cn＝ρn(t)pn(t)，式中，ρn(t)表示t时段公共电网的电价；
16、s3，利用粒子群优化算法对目标函数求解：
17、将光伏发电量wpv在总用电量中所占的比重μ作为一个目标函数，求其最大值；将对比重μ的求解转变为求微电网与公共电网交互的本文档来自技高网...
【技术保护点】
1.基于粒子群优化算法的多端口能源路由器能量调度方法，基于光伏发电单元、混合储能单元和24V辅助电源组成的多端口能源路由器，其中混合储能单元由蓄电池组和超级电容组成，光伏发电单元通过单向DC/DC变换器连接直流母线，辅助电源、蓄电池组和超级电容分别通过双向DC/DC变换器连接直流母线，直流母线还分别通过DC/AC变换器连接若干Vac端口；其特征在于：包括如下步骤
2.根据权利要求1所述的基于粒子群优化算法的多端口能源路由器能量调度方法，其特征在于，所述电源的数量的约束表达式为式中Npv_max为可建光伏发电单元的最大数量，NES_max为储能单元的最大数量。
3.根据权利要求2所述的基于粒子群优化算法的多端口能源路由器能量调度方法，其特征在于，所述系统的功率平衡的约束表达式为Ppv(t)+PES(t)+PN(t)＝Pu(t)+Pl(t)，式中Ppv(t)为光伏发电的功率，PES(t)为储能单元的功率，Pu(t)为负载的用电功率，Pl(t)为线路上损耗的功率。
4.根据权利要求3所述的基于粒子群优化算法的多端口能源路由器能量调度方法，其特征在于，
...【技术特征摘要】
1.基于粒子群优化算法的多端口能源路由器能量调度方法，基于光伏发电单元、混合储能单元和24v辅助电源组成的多端口能源路由器，其中混合储能单元由蓄电池组和超级电容组成，光伏发电单元通过单向dc/dc变换器连接直流母线，辅助电源、蓄电池组和超级电容分别通过双向dc/dc变换器连接直流母线，直流母线还分别通过dc/ac变换器连接若干vac端口；其特征在于：包括如下步骤
2.根据权利要求1所述的基于粒子群优化算法的多端口能源路由器能量调度方法，其特征在于，所述电源的数量的约束表达式为式中npv_max为可建光...
【专利技术属性】
技术研发人员：许晓晖，宋星驰，刘世玉，潘峻锋，李维波，
申请(专利权)人：武汉船用电力推进装置研究所中国船舶集团有限公司第七一二研究所，
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。