CN113177860A - 一种基于改进蚁狮算法的含电动汽车参与的微电网优化调度方法 - Google Patents
一种基于改进蚁狮算法的含电动汽车参与的微电网优化调度方法 Download PDFInfo
- Publication number
- CN113177860A CN113177860A CN202110463231.6A CN202110463231A CN113177860A CN 113177860 A CN113177860 A CN 113177860A CN 202110463231 A CN202110463231 A CN 202110463231A CN 113177860 A CN113177860 A CN 113177860A
- Authority
- CN
- China
- Prior art keywords
- micro
- grid
- ant
- ant lion
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Abstract
本发明公开了一种含电动汽车参与的微电网优化调度方法,特别涉及一种基于改进蚁狮算法的含电动汽车微电网的优化调度方法。该方法包括以下步骤:以微电网系统运行成本最低和微电网净负荷波动最小为目标,建立风力、光伏发电设备、储能系统和电动汽车的微电网多目标数学模型,提出一种含电动汽车参与的微电网运行优化策略,引入莱维飞行和自适应边界策略对蚁狮算法进行改进,采用改进的蚁狮算法来求解微电网多目标数学模型,得到最优的微电网优化调度方法。本发明考虑了电动汽车参与微电网优化调度的情况,提出一种微电网优化运行策略,利用改进的蚁狮算法进行求解目标函数,与传统的蚁狮算法进行比较,表明改进蚁狮算法更能够更快更高效的找到目标函数的最优解。
Description
技术领域
本发明涉及一种含电动汽车参与的微电网优化调度方法,特别涉及一种基于改进蚁狮算法的含电动汽车微电网的优化调度方法。
背景技术
近年来,环境污染和能源短缺问题日益得到重视,实现可再生能源发展对微电网经济环保的运行具有重要的意义。目前,含分布式能源的微电网优化调度研究已成为国内外研究的热点,并取得了一定的进展。当前文献对微电网的优化调度研究主要体现在分布式发电设备的模型建立、目标函数的优化、制定相关优化调度策略以及优化算法的改进求解这几方面上。在优化方面上,微电网的目标调度模型通常以分布式能源出力、储能系统运行以及系统可靠性为约束条件,考虑微电网系统的经济性、环保性等作为优化目标,采用优化算法来求解目标函数。优化算法的改进应用在数学模型上,大部分是对算法的收敛速度和精度优化的改进。
随着国家政策的推动,国内电动汽车产业的发展已经初具规模,发展电动汽车产业已是大势所趋。新能源、微电网与电动汽车基础设施的整合将使电动汽车逐步实现零污染排放。未来电动汽车大量并网对电网产生不利影响,使其参与微电网的运行调度,与可再生能源协调运行,在一定程度上可缓解电网的压力。因此,研究考虑电动汽车参与的微电网优化调度策略对提高可再生能源利用率、减少电网投资成本以及改善电网运行的经济性和安全性具有积极作用。
发明内容
为了解决含电动汽车参与的微电网优化调度的技术问题,本发明提出一种基于改进蚁狮优化算法以及含电动汽车的微电网优化调度策略,并公开了一种新型的含电动汽车参与的微电网优化调度方法。
本发明解决上述技术问题的技术方案是:
以微电网系统运行成本最低和微电网净负荷波动最小为优化目标,建立分布式能源出力、储能设备和电动汽车的微电网多目标数学模型。
提出一种含电动汽车参与的微电网优化调度策略;
引入莱维飞行和自适应边界策略对蚁狮算法进行改进;
采用改进蚁狮算法来求解微电网数学模型,得到最优的微电网调度方法。
附图说明
图1是本发明提出的含电动汽车参与的微电网优化调度运行策略框图
图2是本发明中改进的蚁狮算法流程图
具体实施方式
步骤一:建立微电网系统模型,以微电网系统运行成本最低f1和微电网净负荷波动最小f2为优化目标,建立可再生能源出力、储能设备和电动汽车的微电网数学模型。在系统模型中,考虑了电动汽车参与微电网优化调度的放电奖励费用,以及可再生能源发电的政府补贴费用;
式(1)中CG,s(t)表示微电网内可调度单元的运维总费用,REV,sub(t)表示给予电动汽车用户一定的放电奖励,Cm,c(t)表示在时刻t时电动汽车充电产生的经济效益,CBES,loss(t)表示在时刻t时储能系统的充电和放电的损耗效益,CEN,sub(t)表示可再生分布式能源的发电补贴费用。
式(2)中,Pload(t)表示微电网中的用户基础负荷,Pm(t)表示时刻t电动汽车车辆m的充电功率或放电功率,PBES(t)表示储能系统在时刻t的出力,PWT(t)表示风力在时刻t的出力,PPV(t)表示光伏在时刻t的出力。
f3=min(αf1+βf2) (3)
式(3)中,f3为多目标优化转为单目标的优化函数,f1为微电网运行成本,f2为微电网净负荷波动。考虑以微电网运行稳定性及安全性为主,设置微电网净负荷波动权重系数为0.6,微电网运行成本权重系数为0.4。
步骤二:提出优化调度策略。读取分布式能源数据,用户基础负荷数据,获取各相接入的电动汽车充电信息及参数,判定电动汽车是否参加调控策略,发布充电计划,并通过储能机组的功率配合进行策略调整,使制定的有序充电策略达到多种能源有效合理利用及满足用户需求的双赢效果。
步骤三:改进算法,莱维飞行策略是服从莱维分布的小步长随机搜索和偶尔大步长游走的一种搜索策略。利用莱维飞行具有突变性的特点在探索大范围空间问题上具有很大的优势,可以对求解区域进行广泛搜寻,提高算法的全局搜索能力,实现对求解范围内的充分寻找。基于莱维飞行的位置更新的数学模型为:
α为步长,Levy(λ)为莱维飞行随机搜索的空间路径。其中:
在式中,μ和v服从正态分布,β取值一般为1.5。
在蚂蚁围绕蚁狮游走的过程中引入自适应边界策略,增加蚂蚁种群的多样性,防止算法陷入局部最优值。针对蚁狮容易陷入局部最优的缺点,采用改进式(6)用于增加蚂蚁在围绕蚁狮游走时的多样性,提高算法的收敛精度和速度。
式中ct和dt分别是第i只蚂蚁第t次迭代中的最小值和最大值。控制着扰动大小,并且在1到0范围内呈随机的非线性递减趋势,随着迭代次数的不断增加,使得其边界范围大小呈现出具有一定随机性的非线性自适应递减趋势。
步骤四:采用改进的蚁狮优化算法并结合提出的微电网优化调度策略来求解大规模电动汽车接入微电网系统的优化调度模型,得到最优的微电网调度方法。
本发明改进的蚁狮算法具体步骤如下:
步骤一:种群初始化:先设定蚁狮算法的基本参数,包括种群大小size,决策变量维度dim,最大迭代次数tmax,然后进行种群初始化;
步骤二:计算初始种群中蚂蚁和蚁狮个体的适应度值,将最优适应度值的个体确定为当前最优个体X0;
步骤三:利用轮盘赌对蚁狮进行选择;
步骤四:对围绕蚁狮游走的蚂蚁种群的位置进行莱维飞行操作,创建随机游走;
步骤五:更新当前迭代次数所有蚂蚁位移的最大值dt和最小值ct,采取自适应边界策略对蚂蚁游走的边界进行界定;
步骤六:计算更新后的蚂蚁适应度值函数,并与精英蚁狮的适应度值函数进行对比,确定全局最优值;
步骤七:更新精英蚁狮的位置;
步骤八:判断当前迭代次数是否大于最大迭代次数,若大于最大迭代次数,输出计算结果,否则,返回步骤四进入循环。
下面结合附图,对本发明的优化运行策略具体步骤如下:
步骤一:获取微电网中分布式能源数据,用户负荷数据,电动汽车用户预约充电信息,包括电动汽车当前荷电状态So,L。根据风光出力模型计算得出光伏出力PPV(t),风机出力PWT(t)及用户基础负荷Pload(t)曲线,并设定电动汽车产生充电需求的阈值SL;
步骤二:对每辆进行预约充电的电动汽车进行分群处理,将电动汽车初始荷电状态So,L>SL的充电车群,设定为非急需电动汽车充电车群N1。将电动汽车初始荷电状态So,L<SL的充电车群,设定为急需电动汽车充电车群N2;
步骤三:判断风光机组出力是否满足用户负荷用电需求,即ΔP1=PPV(t)+PWT(t)-PL(t)是否大于0,若大于0,则跳转步骤四;否则,跳转步骤八;
步骤四:判断ΔP2=ΔP1-∑PEV,m(t)是否大于0,若大于0,则风光机组将对非急需电动汽车充电车群N1和急需电动汽车充电车群N2供电,多余风光出力可为电池充电,同时可向电网售电。若小于0,则跳转步骤五;
步骤五:判断储能SOC是否大于50%,若大于50%,则跳转步骤六,若小于50%,则向电网购电,对电动汽车进行充电;
步骤六:判断储能SOC是否满足,非急需电动汽车充电车群N1和急需电动汽车充电车群N2,若满足,则可向用户负荷供电并对两种充电车群进行充电。若不满足,则跳转步骤七;
步骤七:判断储能SOC是否满足急需电动汽车充电车群N2,若满足,则可向用户负荷供电并对急需充电车群进行充电。若不满足,则向电网购电;
步骤八:判断储能SOC是否大于储能电池充电需求的最小值Sc,min。若大于,则用户负荷切换由储能供电,且跳转步骤九,若小于,则跳转步骤十;
步骤九:判断储能SOC是否能满足用户负荷需求,若满足,则安排储能电池向用户负荷供电,若不满足,则跳转步骤十;
步骤十:判断非急需充电车群N2是否满足用户需求,若满足,则安排非急需充电车群向用户负荷供电,若不满足,则向电网购电;
步骤十一:策略结束。
Claims (2)
1.一种基于改进蚁狮算法的含电动汽车微电网的优化调度方法,包括以下步骤:
以微电网系统运行成本最低和微电网净负荷波动最小为目标,建立风力、光伏发电、储能系统和电动汽车的微电网多目标数学模型;
提出一种含电动汽车参与的微电网优化行策略;
引入莱维飞行策略和自适应边界策略对蚁狮算法进行改进;
采用改进蚁狮优化算法来求解微电网数学模型,得到最优的调度方法。
2.根据权利要求1所述的基于改进蚁狮算法的含电动汽车微电网的优化调度方法,所述采用的改进蚁狮算法步骤为:
步骤一:种群初始化:先设定蚁狮算法的基本参数,包括种群大小size,决策变量维度dim,最大迭代次数tmax,然后进行种群初始化;
步骤二:计算初始种群中蚂蚁和蚁狮个体的适应度值,将最优适应度值的个体确定为当前最优个体X0;
步骤三:利用轮盘赌对蚁狮进行选择;
步骤四:对围绕蚁狮游走的蚂蚁种群的位置进行莱维飞行操作,创建随机游走;
步骤五:更新当前迭代次数所有蚂蚁位移的最大值dt和最小值ct,采取自适应边界策略对蚂蚁游走的边界进行界定;
步骤六:计算更新后的蚂蚁适应度值函数,并与精英蚁狮的适应度值函数进行对比,确定全局最优值;
步骤七:更新精英蚁狮的位置;
步骤八:判断当前迭代次数是否大于最大迭代次数,若大于最大迭代次数,输出计算结果,否则,返回步骤四进入循环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110463231.6A CN113177860A (zh) | 2021-04-22 | 2021-04-22 | 一种基于改进蚁狮算法的含电动汽车参与的微电网优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110463231.6A CN113177860A (zh) | 2021-04-22 | 2021-04-22 | 一种基于改进蚁狮算法的含电动汽车参与的微电网优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113177860A true CN113177860A (zh) | 2021-07-27 |
Family
ID=76926661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110463231.6A Pending CN113177860A (zh) | 2021-04-22 | 2021-04-22 | 一种基于改进蚁狮算法的含电动汽车参与的微电网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177860A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239741A (zh) * | 2023-11-14 | 2023-12-15 | 国网辽宁省电力有限公司丹东供电公司 | 一种自适应微电网电力调度方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120109023A (ko) * | 2011-03-24 | 2012-10-08 | 주식회사 지앤디윈텍 | 전기자동차용 자동충전 및 요금징수시스템 |
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
CN109149648A (zh) * | 2018-10-11 | 2019-01-04 | 广西大学 | 一种自适应宽度动态规划智能发电控制方法 |
CN111600303A (zh) * | 2020-06-15 | 2020-08-28 | 湘潭大学 | 一种基于改进多元宇宙算法的并网型风/光/储微电网优化配置方法 |
-
2021
- 2021-04-22 CN CN202110463231.6A patent/CN113177860A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120109023A (ko) * | 2011-03-24 | 2012-10-08 | 주식회사 지앤디윈텍 | 전기자동차용 자동충전 및 요금징수시스템 |
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN106816931A (zh) * | 2017-03-09 | 2017-06-09 | 上海电力学院 | 电动汽车换电站有序充电控制方法 |
CN109149648A (zh) * | 2018-10-11 | 2019-01-04 | 广西大学 | 一种自适应宽度动态规划智能发电控制方法 |
CN111600303A (zh) * | 2020-06-15 | 2020-08-28 | 湘潭大学 | 一种基于改进多元宇宙算法的并网型风/光/储微电网优化配置方法 |
Non-Patent Citations (4)
Title |
---|
HAYDAR KILIC, UGUR YUZGEC & CIHAN KARAKUZU: "A novel improved antlion optimizer algorithm and its comparative performance", NEURAL COMPUTING AND APPLICATIONS, vol. 32 * |
刘偲艳,陈才学: "不平衡电网下并网逆变器功率模型预测控制", 电力系统及其自动化学报, vol. 33, no. 2 * |
徐远志;张会林;赵星虎;: "基于SelPSO算法的微网系统优化调度", 电子测量技术, no. 17 * |
温东翰;徐敏;: "基于改进型蚁狮算法的主动配电网优化重构", 电气应用, no. 07 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117239741A (zh) * | 2023-11-14 | 2023-12-15 | 国网辽宁省电力有限公司丹东供电公司 | 一种自适应微电网电力调度方法及系统 |
CN117239741B (zh) * | 2023-11-14 | 2024-01-23 | 国网辽宁省电力有限公司丹东供电公司 | 一种自适应微电网电力调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113394817B (zh) | 一种风光水火储系统的多能容量优化配置方法 | |
Moghaddam et al. | Multi-objective operation management of a renewable MG (micro-grid) with back-up micro-turbine/fuel cell/battery hybrid power source | |
Ferahtia et al. | Optimal techno-economic energy management strategy for building’s microgrids based bald eagle search optimization algorithm | |
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
CN110247438B (zh) | 基于天牛须算法的主动配电网资源优化配置 | |
CN109523065B (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN110070292B (zh) | 基于交叉变异鲸鱼优化算法的微网经济调度方法 | |
CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
CN112821470B (zh) | 基于小生境混沌粒子群算法的微网群优化调度策略 | |
CN110956324B (zh) | 基于改进的moea/d的主动配电网日前高维目标优化调度方法 | |
CN112290533A (zh) | 一种氢能-天然气混合储能的综合能源微电网调度方法 | |
CN111917140B (zh) | 一种新能源互补发电系统二层优化调度模型 | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN116667325A (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
CN112311017A (zh) | 一种虚拟电厂与主网最优协同调度方法 | |
CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
Pan et al. | Dual-layer optimal dispatching strategy for microgrid energy management systems considering demand response | |
CN113177860A (zh) | 一种基于改进蚁狮算法的含电动汽车参与的微电网优化调度方法 | |
CN116914850A (zh) | 一种区域综合能源系统双层优化调度方法、系统及设备 | |
CN117060470A (zh) | 一种基于灵活性资源的配电网电压优化控制方法 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN114759616B (zh) | 一种考虑电力电子器件特性的微电网鲁棒优化调度方法 | |
CN115796533A (zh) | 考虑清洁能源消纳的虚拟电厂双层优化调度方法及装置 | |
CN109840621A (zh) | 考虑储能系统影响的并网型微电网日前多目标优化方法 | |
CN115241923A (zh) | 一种基于蛇优化算法的微电网多目标优化配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |