CN113488990B - 基于改进的蝙蝠算法的微电网优化调度方法 - Google Patents
基于改进的蝙蝠算法的微电网优化调度方法 Download PDFInfo
- Publication number
- CN113488990B CN113488990B CN202110660247.6A CN202110660247A CN113488990B CN 113488990 B CN113488990 B CN 113488990B CN 202110660247 A CN202110660247 A CN 202110660247A CN 113488990 B CN113488990 B CN 113488990B
- Authority
- CN
- China
- Prior art keywords
- grid
- micro
- power
- population
- power generation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000010248 power generation Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000004146 energy storage Methods 0.000 claims abstract description 21
- 230000035772 mutation Effects 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 230000006872 improvement Effects 0.000 claims abstract description 6
- 230000008901 benefit Effects 0.000 claims abstract description 5
- 230000009194 climbing Effects 0.000 claims abstract description 5
- 238000011451 sequencing strategy Methods 0.000 claims abstract description 3
- 230000005611 electricity Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种基于改进的蝙蝠算法的微电网优化调度方法,包括以下步骤:获取微电网原始数据,构建以综合效益运行为目标函数的微电网优化调度模型;虑到微电网内高渗透率可再生能源出力预测和负荷预测的误差,以功率平衡约束、各发电单元出力约束、可控发电单元爬坡率约束、联络线传输功率约束和储能装置充放电容量约束作为约束条件,基于自适应差分改进蝙蝠算法,通过蝙蝠算法进行快速寻优,采用适应度优劣排序策略,将得到的种群作为差分进化算法的父代种群,对父代种群进行相应的变异、交互和选择操作,在迭代中寻找微电网优化调度模型的最优解,得到微电网调度的最优方案。
Description
技术领域
本公开属于电网调度技术领域,具体涉及一种基于改进的蝙蝠算法的微电网优化调度方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
微电网(Micro-Grid,简称MG)是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。常用分布式电源有光伏发电、风力发电、微型燃气轮机、燃料电池、柴油发电机以及储能装置等。
微电网既能消除分布式电源并网带来的不利影响,又可以对大电网起到支撑作用。首先,微电网的出现可以有效地提高可再生能源的利用率,减少化石燃料的使用,从而避免了环境污染。其次,微电网的出现使得一些贫困山区、海岛等地区无法供电的问题得到了很好地解决。当自然灾害对大电网造成破坏时,微电网起到了支撑关键负荷和和补偿的作用。一些偏远地区由于地理位置或经济等原因造成无法正常供电,现在通过微电网可以合理利用当地现有资源,如海上风能、山区太阳能等,使用电需求得到解决。最后,微电网的出现有利于满足用户多样化的用电需求,增强局部地区的供电可靠性。
据发明人了解,微电网优化调度需要考虑多个层面的因素,如可靠、安全以及环境保护等方面,电能质量的求,以及微电源特性的深入分析,与大电网的能量交换等。因此,微电网优化调度是一个复杂优化问题,微电网优化调度时目标函数和约束条件均比较多,传统优化算法已不适用于解决微电网优化调度问题,无法满足微电网调度的准确性和经济性的要求。
针对上述由于现有技术在对微电网优化时无法满足设计要求,导致的微电网优化效率低、准确低的问题,目前尚未提出有效的解决方案。
发明内容
为了解决上述问题,本公开提出了一种基于改进的蝙蝠算法的微电网优化调度方法,提高了微电网优化的效率和精度,提高了微电网运行的可靠性。
根据一些实施例,本公开的方案提供了一种基于改进的蝙蝠算法的微电网优化调度方法,采用如下技术方案:
基于改进的蝙蝠算法的微电网优化调度方法,包括以下步骤:
获取微电网原始数据,构建以综合效益运行为目标函数的微电网优化调度模型;
虑到微电网内高渗透率可再生能源出力预测和负荷预测的误差,以功率平衡约束、各发电单元出力约束、可控发电单元爬坡率约束、联络线传输功率约束和储能装置充放电容量约束作为约束条件,基于自适应差分改进蝙蝠算法,通过蝙蝠算法进行快速寻优,采用适应度优劣排序策略,将得到的种群作为差分进化算法的父代种群,对父代种群进行相应的变异、交互和选择操作,在迭代中寻找微电网优化调度模型的最优解,得到微电网调度的最优方案。
与现有技术相比,本公开的有益效果为:
本公开通针对微电网优化调度问题提出了一种基于蝙蝠算法-差分进化算法-自适应理论的改进优化算法,在蝙蝠算法寻优的过程中,引入差分进化算法的变异、交叉、选择操作,对算法参数进行自适应处理后提高种群的多样性和全局寻优能力,有利于跳出局部最优。本公开中的基于改进的蝙蝠算法的微电网优化调度方法,拥有很好的收敛速度和寻优能力,有效解决了微电网优化调度问题,提高了微电网优化的效率和精度,提高了微电网运行的可靠性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是本公开实施例中的基于改进的蝙蝠算法的微电网优化调度方法的流程图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中,术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,只是为了便于叙述本公开各部件或元件结构关系而确定的关系词,并非特指本公开中任一部件或元件,不能理解为对本公开的限制。
本公开中,术语如“固接”、“相连”、“连接”等应做广义理解,表示可以是固定连接,也可以是一体地连接或可拆卸连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员,可以根据具体情况确定上述术语在本实公开中的具体含义,不能理解为对本公开的限制。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
本公开实施例提供了一种基于改进的蝙蝠算法的微电网优化调度方法。
如图1所示的一种基于改进的蝙蝠算法的微电网优化调度方法,包括以下步骤:
步骤S01:获取微电网原始数据,构建以综合效益运行为目标函数的微电网优化调度模型;
步骤S02:基于改进的蝙蝠算法对微电网优化调度模型求解,得到微电网调度的最优方案。
作为一种或多种实施方式,在步骤S01中,微电网包括分布式电源、负荷、储能和控制设备;所述分布式电源包括风力发电、光伏发电、微型燃气轮机发电、潮汐发电和混合储能系统;所述微电网原始数据包括风力发电功率、光伏发电功率、微电网负荷和原始电价;在构建微电网优化调度模型的过程中,考虑微电网混合储能系统中能量型和功率型储能的不同特点。
构建以综合效益运行为目标函数的微电网优化调度模型,关键在于寻找经济性运行和环保性运行之间的平衡点,将多目标问题转化成单目标问题,同时考虑经济性和环保性的目标函数为
其中,C3表示综合考虑微电网经济性和环保性运行时的运行成本;λ1、λ2表示权重系数;C1表示微电网经济性运行时的运行成本, 表示平均到每天的运行成本,T=24,即1~24小时的运行成本;Cf(t)表示t时刻折算到每千瓦时的发电原料成本;Cma(t)表示t时刻各个电能单元折算到每千瓦时的维护管理成本;Cdep(t)表示t时刻各个电力设备的折旧损耗;kCgrid(t)表示t时刻与大电网的交互成本,当从大电网中购电时k>0,当向大电网售电时k<0;C2表示微电网环保性运行时的运行成本,即污染气体的治理费用,/>j表示第j类污染气体;αj表示第j类污染气体的处理费用;βij和βmj表示第j类污染气体的排放量分别在微电网发电单元和大电网中折合到单位功率的排放系数;Pit和Pmt表示t时刻微电网发电单元和大电网当前的实际工作功率。
通过线性权重赋值法将经济性和环保性的多目标问题转化成单目标问题,权重系数λ1、λ2根据目标函数的变化规律,选取适应函数的值,在本实施例中取λ1=0.43。
作为一种或多种实施方式,在步骤S02中,为保证微电网运行的安全稳定性和算法优化的合理性,将目标函数的约束条件设置为功率平衡约束、各发电单元出力约束、可控发电单元爬坡率约束、联络线传输功率约束和储能装置充放电容量约束。
(1)功率平衡约束
其中,Pi(t)表示当前工作的第i个发电单元在t时刻的发电功率;Pbat(t)表示储能装置发出的功率,若是负数则表示为微电网向储能装置充电;Pgrid(t)表示向公共电网购电的功率,若是负数则表示微电网向大电网售电;Pl(t)表示当前时刻用户需要的负荷功率。
(2)微电网中各发电单元出力约束
Pi,min(t)≤Pi(t)≤Pi,max(t)
其中,Pi(t)表示当前工作的第i个发电单元在t时刻的发电功率,Pi,min(t)、Pi,max(t)分别表示Pi(t)的下限和上限。
(3)微电网中可控发电单元爬坡率约束
其中,Pi,up(t)表示当前工作的第i个发电单元在t时刻增加的有功功率;Pi,down(t)表示当前工作的第i个发电单元在t时刻减少的有功功率;Ri,up表示当前工作的第i个发电单元增加的有功功率限制;Ri,down表示当前工作的第i个发电单元减少的有功功率限制。
(4)联络线传输功率约束
Pline,min≤Pline≤Pline,max
其中,Pline表示微电网与配电网之间的线路传输容量,Pline,min、Pline,max分别表示Pline的下限和上限。
(5)储能装置充放电容量约束
过渡的充放电会增加储能装置使用寿命的损耗,需进行储能装置荷电状态及充放电功率的约束。
SSOCmin≤SSOC≤SSOCmax
其中,SSOC表示储能装置在t时刻的荷电状态,SSOCmin、SSOCmax分别表示SSOC的下限和上限;PBESSin(t)、PBESSout(t)分别表示储能装置在t时刻的充放电功率,PBESSin,max表示PBESSin(t)的上限,PBESSout,max表示PBESSout(t)的上限。
基于自适应差分改进蝙蝠算法,通过蝙蝠算法进行快速寻优,采用适应度优劣排序策略,将得到的种群作为差分进化算法的父代种群,对父代种群进行相应的变异、交互和选择操作,在迭代中寻找微电网优化调度模型的最优解,得到微电网调度的最优方案。
对蝙蝠算法的速度公式进行改进,引入自适应权重参数,使蝙蝠算法随着迭代次数进行递减,有助于迭代前期快速实现全局搜索,提高寻优的收敛速度,在迭代后期进行局部位置的调整,提高寻优的收敛精度。
将自适应理论与差分进化算法相结合,在分析变异操作和交叉操作的数据特性后,引入柯西分布进行改进,根据适应度的评估对变异交叉的蝙蝠个体进行动态调整,实现种群多样化和全局寻优。
基于改进的蝙蝠算法对微电网优化调度模型求解的流程为:
步骤S201:确定算法的控制参数,所述控制参数包括种群个体数、脉冲音强、速率初值、空间维数D、发射脉冲频率、音强的衰减系数、脉冲速率的增强系数、迭代次数最大值、速度权重、变异因子、交叉概率、位置参数和尺度参数;
步骤S202:种群初始化,在D维空间中随机分布0~1描述的初始蝙蝠种群,根据蝙蝠种群的初始化位置对种群进行评价,计算适应度值,寻找当前的最优解;
步骤S203:更新蝙蝠的发射脉冲频率、飞行速度和空间位置;
步骤S204:判断是否对步骤S202中的找到的当前最优解进行随机扰动产生新解并进行越界处理;
步骤S205:判断是否接受步骤S204中产生的新解并更新脉冲音强和脉冲速率;
步骤S206:根据群体适应度值优劣排序产生父代种群并对父代种群进行自适应的交叉、变异和选择操作,产生新的蝙蝠种群,再次比较适应度值的优劣,更新当前最优解和评价函数最优值;
步骤S207:判断是否达到最大迭代次数,满足则输出全局最优解和评价函数最优值,否则转入步骤S203。
本公开通针对微电网优化调度问题提出了一种基于蝙蝠算法-差分进化算法-自适应理论的改进优化算法,在蝙蝠算法寻优的过程中,引入差分进化算法的变异、交叉、选择操作,对算法参数进行自适应处理后提高种群的多样性和全局寻优能力,有利于跳出局部最优。本公开中的基于改进的蝙蝠算法的微电网优化调度方法,拥有很好的收敛速度和寻优能力,有效解决了微电网优化调度问题,提高了微电网优化的效率和精度,提高了微电网运行的可靠性。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (6)
1.基于改进的蝙蝠算法的微电网优化调度方法,其特征在于,包括以下步骤:
获取微电网原始数据,构建以综合效益运行为目标函数的微电网优化调度模型;
虑到微电网内高渗透率可再生能源出力预测和负荷预测的误差,以功率平衡约束、各发电单元出力约束、可控发电单元爬坡率约束、联络线传输功率约束和储能装置充放电容量约束作为约束条件,基于自适应差分改进蝙蝠算法,通过蝙蝠算法进行快速寻优,采用适应度优劣排序策略,将得到的种群作为差分进化算法的父代种群,对父代种群进行相应的变异、交互和选择操作,在迭代中寻找微电网优化调度模型的最优解,得到微电网调度的最优方案;
采用线性权重赋值法将多目标问题转化成单目标问题,所述多目标问题包括经济性的第一目标函数和环保性的第二目标函数;
以经济性运行成本最低构建第一目标函数,则第一目标函数为其中:C1表示微电网经济性运行时的运行成本;/>表示平均到每天的运行成本,T=24,即1~24小时的运行成本;Cf(t)表示t时刻折算到每千瓦时的发电原料成本;Cma(t)表示t时刻各个电能单元折算到每千瓦时的维护管理成本;Cdep(t)表示t时刻各个电力设备的折旧损耗;kCgrid(t)表示t时刻与大电网的交互成本,当从大电网中购电时k>0,当向大电网售电时k<0;
以环保性运行成本最低构建第二目标函数,则第二目标函数为其中:C2表示微电网环保性运行时的运行成本,即污染气体的治理费用;j表示第j类污染气体;αj表示第j类污染气体的处理费用;βij和βmj表示第j类污染气体的排放量分别在微电网发电单元和大电网中折合到单位功率的排放系数;Pit和Pmt表示t时刻微电网发电单元和大电网当前的实际工作功率;
基于改进的蝙蝠算法对微电网优化调度模型求解的流程为:
步骤S201:确定算法的控制参数,所述控制参数包括种群个体数、脉冲音强、速率初值、空间维数D、发射脉冲频率、音强的衰减系数、脉冲速率的增强系数、迭代次数最大值、速度权重、变异因子、交叉概率、位置参数和尺度参数;
步骤S202:种群初始化,在D维空间中随机分布0~1描述的初始蝙蝠种群,根据蝙蝠种群的初始化位置对种群进行评价,计算适应度值,寻找当前的最优解;
步骤S203:更新蝙蝠的发射脉冲频率、飞行速度和空间位置;
步骤S204:判断是否对步骤S202中的找到的当前最优解进行随机扰动产生新解并进行越界处理;
步骤S205:判断是否接受步骤S204中产生的新解并更新脉冲音强和脉冲速率;
步骤S206:根据群体适应度值优劣排序产生父代种群并对父代种群进行自适应的交叉、变异和选择操作,产生新的蝙蝠种群,再次比较适应度值的优劣,更新当前最优解和评价函数最优值;
步骤S207:判断是否达到最大迭代次数,满足则输出全局最优解和评价函数最优值,否则转入步骤S203。
2.如权利要求1中所述的基于改进的蝙蝠算法的微电网优化调度方法,其特征在于,所述微电网包括分布式电源、负荷、储能和控制设备;所述分布式电源包括风力发电、光伏发电、微型燃气轮机发电、潮汐发电和混合储能系统;所述微电网原始数据包括风力发电功率、光伏发电功率、微电网负荷和原始电价。
3.如权利要求2中所述的基于改进的蝙蝠算法的微电网优化调度方法,其特征在于,在构建微电网优化调度模型的过程中,考虑微电网混合储能系统中能量型和功率型储能的不同特点。
4.如权利要求1中所述的基于改进的蝙蝠算法的微电网优化调度方法,其特征在于,所述第一目标函数的约束条件包括发电原料成本、设备维护管理成本、设备的折旧损耗以及微电网与大电网的交互成本。
5.如权利要求1中所述的基于改进的蝙蝠算法的微电网优化调度方法,其特征在于,对蝙蝠算法的速度公式进行改进,引入自适应权重参数,使蝙蝠算法随着迭代次数进行递减,有助于迭代前期快速实现全局搜索,提高寻优的收敛速度,在迭代后期进行局部位置的调整,提高寻优的收敛精度。
6.如权利要求5中所述的基于改进的蝙蝠算法的微电网优化调度方法,其特征在于,将自适应理论与差分进化算法相结合,在分析变异操作和交叉操作的数据特性后,引入柯西分布进行改进,根据适应度的评估对变异交叉的蝙蝠个体进行动态调整,实现种群多样化和全局寻优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660247.6A CN113488990B (zh) | 2021-06-15 | 2021-06-15 | 基于改进的蝙蝠算法的微电网优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110660247.6A CN113488990B (zh) | 2021-06-15 | 2021-06-15 | 基于改进的蝙蝠算法的微电网优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113488990A CN113488990A (zh) | 2021-10-08 |
CN113488990B true CN113488990B (zh) | 2023-09-08 |
Family
ID=77934831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110660247.6A Active CN113488990B (zh) | 2021-06-15 | 2021-06-15 | 基于改进的蝙蝠算法的微电网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113488990B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114172206A (zh) * | 2021-12-28 | 2022-03-11 | 天翼物联科技有限公司 | 基站能量最优管理方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945199A (zh) * | 2017-10-26 | 2018-04-20 | 国网山东省电力公司菏泽供电公司 | 基于蝙蝠算法和大津算法的红外图像分割方法及系统 |
CN110137938A (zh) * | 2018-12-14 | 2019-08-16 | 西安理工大学 | 基于改进蝙蝠算法的风火储联合系统的优化调度方法 |
CN112381333A (zh) * | 2020-12-03 | 2021-02-19 | 国网河北省电力有限公司信息通信分公司 | 一种基于分布式改进蝙蝠算法的微电网优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109462231B (zh) * | 2018-11-15 | 2020-09-01 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
-
2021
- 2021-06-15 CN CN202110660247.6A patent/CN113488990B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945199A (zh) * | 2017-10-26 | 2018-04-20 | 国网山东省电力公司菏泽供电公司 | 基于蝙蝠算法和大津算法的红外图像分割方法及系统 |
CN110137938A (zh) * | 2018-12-14 | 2019-08-16 | 西安理工大学 | 基于改进蝙蝠算法的风火储联合系统的优化调度方法 |
CN112381333A (zh) * | 2020-12-03 | 2021-02-19 | 国网河北省电力有限公司信息通信分公司 | 一种基于分布式改进蝙蝠算法的微电网优化方法 |
Non-Patent Citations (1)
Title |
---|
基于改进二进制蝙蝠算法的独立型微网容量优化配置;盛四清;张晶晶;陈玉良;;电力建设(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113488990A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104362681A (zh) | 一种考虑随机性的孤岛微电网容量优化配置方法 | |
CN112366684A (zh) | 一种海岛微电网系统 | |
CN116667325B (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 | |
CN108075471B (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
Huang et al. | Smart energy management system based on reconfigurable AI chip and electrical vehicles | |
CN113488990B (zh) | 基于改进的蝙蝠算法的微电网优化调度方法 | |
Miah et al. | Energy storage controllers and optimization schemes integration to microgrid: an analytical assessment towards future perspectives | |
CN113919661A (zh) | 一种基于碳生态的多微网能量协调控制方法 | |
CN112803491A (zh) | 一种耦合弃电风险的风光水多能互补短期优化调度方法 | |
CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 | |
CN115619159A (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
CN114091958A (zh) | 智能用电小区的综合能效评估方法及电网规划方法 | |
CN112069676A (zh) | 一种含清洁能源的微电网能量管理方法 | |
CN113807566A (zh) | 基于可再生能源和内部负荷不确定的社区能源的调度方法 | |
CN112561299A (zh) | 一种园区综合能源源荷储精准画像系统 | |
CN114139830B (zh) | 一种智慧能源站的优化调度方法、装置及电子设备 | |
Ye et al. | Low carbon economic operation optimization method of micro electric network based on adaptive artificial bee colony algorithm | |
Cundai et al. | Research on load modeling and forecasting algorithm of automobile charging station based on GA | |
Ren et al. | Decision-making approach in charging mode for electric vehicle based on cumulative prospect theory | |
Pujiantara et al. | Smart Grid Pilot Project Evaluation and Recommendations in Indonesia: Case Study of Semau Island | |
Wang et al. | Review on Energy Storage Participation in Capacity Configuration and Scheduling Optimization in Modern Power System | |
CN115238505B (zh) | 基于风光场站的热电氢联供型系统优化配置方法及系统 | |
CN108334981A (zh) | 一种面向微电网综合能量管理的分层多目标优化方法 | |
CN113991654B (zh) | 一种能源互联网混合能量系统及其调度方法 | |
Wen et al. | Research on Two-Stage Optimization Approach for Community Integrated Energy System Planning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |