CN116454995A - 基于麻雀搜索算法的微电网能量优化调度方法及设备 - Google Patents
基于麻雀搜索算法的微电网能量优化调度方法及设备 Download PDFInfo
- Publication number
- CN116454995A CN116454995A CN202310466273.4A CN202310466273A CN116454995A CN 116454995 A CN116454995 A CN 116454995A CN 202310466273 A CN202310466273 A CN 202310466273A CN 116454995 A CN116454995 A CN 116454995A
- Authority
- CN
- China
- Prior art keywords
- grid
- micro
- power
- hour
- energy
- 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
- 241000287127 Passeridae Species 0.000 title claims abstract description 62
- 238000010845 search algorithm Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 238000004146 energy storage Methods 0.000 claims abstract description 8
- WJTLIFNCKKFFLZ-UHFFFAOYSA-N BSS Chemical compound BSS WJTLIFNCKKFFLZ-UHFFFAOYSA-N 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 37
- 239000000446 fuel Substances 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 6
- 230000008685 targeting Effects 0.000 claims description 2
- 238000001046 rapid expansion of supercritical solution Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 9
- 244000062645 predators Species 0.000 description 9
- 241000239366 Euphausiacea Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Molecular Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于麻雀搜索算法的微电网能量优化调度方法及设备，该方法通过采集微电网中发电机组、储能设备及电网的运行数据，并建立微电网运行数据集；根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型；建立所述微电网能量模型的运行约束条件；根据所述微电网优化调度模型和所述运行约束条件，建立微电网能量优化调度模型；采用麻雀搜索算法对所述微电网能量优化调度模型进行求解，得到微电网总运行成本和污染排放量最低对应的微电网调度最优解，以对所述微电网进行能量调度，从而可以有效提高收敛速度，避免陷入局部最优，从而在保证微电网运行时的能量平衡的同时减少能量损耗。
Description
技术领域
本发明涉及微电网技术领域，尤其涉及一种基于麻雀搜索算法的微电网能量优化调度方法及设备。
背景技术
构建清洁绿色的现代能源体系已成为全球能源结构改革的重要内容。作为节能减排的主要方式之一，清洁能源的综合高效利用有助于建设资源节约型、环境友好型社会。随着配电网中新能源占比的不断提高，在降低碳排放、促进碳中和目标实现的同时，新能源运行的间歇性和波动性也给配电网的安全稳定运行带来了大量的风险，微电网技术为风、光等新能源并网提供了一种有效途径。而如何维持微电网内部的电压、频率稳定以及如何利用微电网支撑配电网的安稳运行已成为当前关注的焦点。为了实现最佳的经济、环境和安全运行，有必要同时规划微电网中的分布式发电资源和能耗管理计划。合理协调微电网各单元之间的能量配置，以满足自身能量的供需平衡，减少在运行过程中系统的损耗，并获得最大的经济效益。
然而，目前已有的微电网能量优化调度研究中，其所使用的算法在收敛速度方面有一些限制，容易陷入局部最优。
发明内容
本发明实施例提供一种基于麻雀搜索算法的微电网能量优化调度方法及设备，其能有效提高收敛速度，避免陷入局部最优，从而在保证微电网运行时的能量平衡的同时减少能量损耗。
第一方面，本发明实施例提供了一种基于麻雀搜索算法的微电网能量优化调度方法，包括：
采集微电网中发电机组、储能设备及电网的运行数据，并建立微电网运行数据集；
根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型；
建立所述微电网能量模型的运行约束条件；
根据所述微电网优化调度模型和所述运行约束条件，建立微电网能量优化调度模型；
采用麻雀搜索算法对所述微电网能量优化调度模型进行求解，得到微电网总运行成本和污染排放量最低对应的微电网调度最优解；
基于微电网调度最优解对所述微电网进行能量调度。
作为上述方案的改进，所述储能设备包括：动力电池换电站；所述发电机组包括：光伏模块、风力涡轮机、燃料电池和微型涡轮机。
作为上述方案的改进，所述运行数据集包括：动力电池换电站的运营成本、输出功率和污染排放量；电网的运营成本、输出功率和污染排放量；发电机组的运营成本、输出功率和污染排放量。
作为上述方案的改进，所述根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型，包括：
根据微电网中动力电池换电站、电网、发电机组的运营成本，建立以微电网总运行成本为目标的第一目标函数；
根据微电网中动力电池换电站、电网、发电机组的输出功率和污染排放量，建立以微电网污染排放量为目标的第二目标函数；
根据所述第一目标函数和所述第二目标函数，建立所述微电网能量模型。
作为上述方案的改进，所述运行约束条件包括负载平衡约束条件、发电功率限制约束条件和电池充放电约束条件。
作为上述方案的改进，所述第一目标函数为：
其中，CBSS(h)表示动力电池换电站在第h小时的运营成本，Cgrid(h)表示电网在第h小时的运营成本，CRESs(h)表示发电机组在第h小时的总运营成本，T表示时间长度。
作为上述方案的改进，发电机组在第h小时的总运营成本为：
CRESS(h)＝CPV(h)+CWT(h)+CMT(h)+CFC(h) (2)；
其中，CFV(h)＝uPV(h)PPV(h)BPV(h)+SPV(h)-SPV(h-1) (3)；
CWT(h)＝uWT(h)PWT(h)BWT(h)+SWT(h)-SWT(h-1) (4)；
CMT(h)＝uMT(h)PMT(h)BMT(h)+SMT(h)-SMT(h-1) (5)；
CFC(h)＝uFC(h)PFC(h)BFC(h)+SFC(h)-SFC(h-1) (6)；
CPV(h)、CWT(h)、CMT(h)、CFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的运营成本；PPV(h)、PWT(h)、PMT(h)、PFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的输出功率；uPV(h)、uWT(h)、uMT(h)、uFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的工作状态；BPV(h)、BWT(h)、BMT(h)、BFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的报价；SPV(h)、SWT(h)、SMT(h)、SFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的启动或关闭成本；SPV(h-1)、SWT(h-1)、SMT(h-1)、SFC(h-1)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h-1小时的启动或关闭成本；
动力电池换电站在第h小时的运营成本为：
CBSS(h)＝uBSS(h)PBSS(h)BBSS(h)+SBSS(h)-SBSS(h-1) (7)；
电网在第h小时的运营成本为：
Cgrid(h)＝Pgrid(h)Bgrid(h) (8)；
其中，uBSS(h)表示动力电池换电站在第h小时的工作状态；PBSS(h)、Pgrid(h)分别表示动力电池换电站、电网在第h小时的输出功率；BBSS(h)、Bgrid(h)分别表示动力电池换电站、电网在第h小时的报价；SBSS(h)、SBSS(h-1)分别表示动力电池换电站在第h和h-1小时的启动或关闭成本。
作为上述方案的改进，所述第二目标函数为：
其中，ugi(h)表示第i个发电机组在第h小时的工作状态；usj表示第i个动力电池换电站在第h小时的工作状态；PGi(h)表示第i个发电机组在第h小时的输出功率，Psj(h)表示第j个动力电池换电站在第h小时的输出功率，Pgrid(h)表示第j个电网在第h小时的输出功率，EGi(h)表示第i个发电机组在第h小时的污染排放量，Esj(h表示第j个动力电池换电站在第h小时的污染排放量，Egrid(h)表示第j个电网在第h小时的污染排放量，Ng表示发电机组的数量，Ns表示动力电池换电站的数量，T表示时间长度。
作为上述方案的改进，所述负载平衡约束条件为：
其中，Pk(h)表示h时的第k个分布式发电的负荷需求；
所述发电功率限制约束条件为：
其中，PGi(h)min、PGi(h)max分别表示第i个发电机组的最小发电功率和最大发电功率；PBssj(h)min、PBSSj(h)max分别表示第j个动力电池换电站的最小发电功率和最大发电功率；Pgrid(h)nin、Pgrid(h)max分别表示电网的最小发电功率和最大发电功率；
所述电池充放电约束条件为：
其中，EBSS、表示动力电池换电站的最小存储能量和最大存储能量，Pch、Pdisch分别表示动力电池换电站的充电功率和放电功率；Pch_rate、Pdisch_rate分别表示动力电池换电站的最大允许充电功率和最大允许放电功率；ξch、ξdisch分别表示动力电池换电站的充电效率和放电效率，ΔT表示时间步长。
第二方面，本发明实施例提供了一种基于麻雀搜索算法的微电网能量优化调度设备，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于麻雀搜索算法的微电网能量优化调度方法。
相对于现有技术，本发明实施例的有益效果在于：通过采集微电网中发电机组、储能设备及电网的运行数据，并建立微电网运行数据集；根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型；建立所述微电网能量模型的运行约束条件；根据所述微电网优化调度模型和所述运行约束条件，建立微电网能量优化调度模型；采用麻雀搜索算法对所述微电网能量优化调度模型进行求解，得到微电网总运行成本和污染排放量最低对应的微电网调度最优解，以对所述微电网进行能量调度，从而可以有效提高收敛速度，避免陷入局部最优，从而在保证微电网运行时的能量平衡的同时减少能量损耗。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所占据要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于麻雀搜索算法的微电网能量优化调度方法的流程图；
图2是本发明实施例提供的麻雀搜索算法流程图；
图3是本发明与现有算法对第一目标函数的随迭代次数变化图；
图4是本发明与现有算法对第一目标函数的统计参数表；
图5是本发明与现有算法对第二目标函数的随迭代次数变化图；
图6是本发明与现有算法对第二目标函数的统计参数表；
图7是本发明实施例提供的一种基于麻雀搜索算法的微电网能量优化调度设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参见图1，其是本发明实施例提供的一种基于麻雀搜索算法的微电网能量优化调度方法的流程图。所述基于麻雀搜索算法的微电网能量优化调度方法，包括：
S1：采集微电网中发电机组、储能设备及电网的运行数据，并建立微电网运行数据集；
其中，所述储能设备包括：动力电池换电站；所述发电机组包括：光伏模块、风力涡轮机、燃料电池和微型涡轮机。
所述运行数据集包括：动力电池换电站的运营成本、输出功率和污染排放量；电网的运营成本、输出功率和污染排放量；发电机组的运营成本、输出功率和污染排放量。其中，动力电池换电站、发电机组的运营成本可基于设定时间段内相应设备的工作状态、输出功率、报价及启闭成本得到，电网的运营成本基于输出功率和报价得到。
S2：根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型；
其中，微电网总运行成本包括燃料、启动和停机成本。
S3：建立所述微电网能量模型的运行约束条件；
其中所述运行约束条件包括负载平衡约束条件、发电功率限制约束条件和电池充放电约束条件。
S4：根据所述微电网优化调度模型和所述运行约束条件，建立微电网能量优化调度模型；
S5：采用麻雀搜索算法对所述微电网能量优化调度模型进行求解，得到微电网总运行成本和污染排放量最低对应的微电网调度最优解；
S6：基于微电网调度最优解对所述微电网进行能量调度。
在本发明实施例中，构建以微电网总运行成本和污染排放量为目标的微电网能量模型及其运行约束条件，然后采用麻雀搜索算法进行求解，得到一段时间的微电网总运行成本和污染排放量总和最低值，从而可以有效提高收敛速度，避免陷入局部最优；以微电网总运行成本和污染排放量总和最低值时各分布式电源和设备的输出功率，配置微电网中相应动力电池换电站、电网、光伏模块、风力涡轮机、燃料电池和微型涡轮机的输出功率，可以在保证微电网运行时的能量平衡的同时减少能量损耗，有效的降低微电网运行成本和污染排放，对微电网系统能够经济环保的运行具有重大意义。
在一种可选的实施例中，S2：根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型，包括：
S21：根据微电网中动力电池换电站、电网、发电机组的运营成本，建立以微电网总运行成本为目标的第一目标函数；
所述第一目标函数为：
其中，CBSS(h)表示动力电池换电站在第h小时的运营成本，Cgrid(h)表示电网在第h小时的运营成本，CRESs(h)表示发电机组在第h小时的总运营成本，T表示时间长度。
发电机组在第h小时的总运营成本为：
CRESS(h)＝CPV(h)+CWT(h)+CMT(h)+CFC(h) (2)；
其中，CPV(h)＝uPV(h)PPV(h)BPV(h)+SPV(h)-SPV(h-1) (3)；
CWT(h)＝uWT(h)PWT(h)BWT(h)+SWT(h)-SWT(h-1) (4)；
CMT(h)＝uMT(h)PMT(h)BMT(h)+SMT(h)-SMT(h-1) (5)；
CFC(h)＝uFC(h)PFC(h)BFC(h)+SFC(h)-SFC(h-1) (6)；
CPV(h)、CWT(h)、CMT(h)、CFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的运营成本；PPV(h)、PWT(h)、PMT(h)、PfC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的输出功率；uPV(h)、uWT(h)、uMT(h)、uFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的工作状态；BPV(h)、BWT(h)、BMT(h)、BFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的报价；SPV(h)、SWT(h)、SMT(h)、SFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的启动或关闭成本；SPV(h-1)、SWT(h-1)、SMT(h-1)、SFC(h-1)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h-1小时的启动或关闭成本；
示例性，当光伏模块的工作状态为运行时，相应参数uPV(h)取值为1，当光伏模块的工作状态为停机时，相应参数uPV(h)取值为0；微电网中其他设备的工作状态的取值同理，在这里不再赘述。
动力电池换电站在第h小时的运营成本为：
CBSS(h)＝uBSS(h)PBSS(h)BBSS(h)+SBSS(h)-SBSS(h-1) (7)；
电网在第h小时的运营成本为：
Vgrid(h)＝Pgrid(h)Bgrid(h) (8)；
其中，uBSS(h)表示动力电池换电站在第h小时的工作状态；PBSS(h)、Pgrid(h)分别表示动力电池换电站、电网在第h小时的输出功率；BBSS(h)、Bgrid(h)分别表示动力电池换电站、电网在第h小时的报价；SBSS(h)、SBSS(h-1)分别表示动力电池换电站在第h和h-1小时的启动或关闭成本。
S22：根据微电网中动力电池换电站、电网、发电机组的输出功率和污染排放量，建立以微电网污染排放量为目标的第二目标函数；
所述第二目标函数为：
其中，ugi(h)表示第i个发电机组在第h小时的工作状态；usj表示第i个动力电池换电站在第h小时的工作状态；PGi(h)表示第i个发电机组在第h小时的输出功率，Psj(h)表示第j个动力电池换电站在第h小时的输出功率，Pgrid(h)表示第j个电网在第h小时的输出功率，EGi(h)表示第i个发电机组在第h小时的污染排放量，Esj(h表示第j个动力电池换电站在第h小时的污染排放量，Egrid(h)表示第j个电网在第h小时的污染排放量，Ng表示发电机组的数量，Ns表示动力电池换电站的数量，T表示时间长度。
示例性，发电机组、动力电池换电站和电网的污染排放量均可以基于公式E(h)＝CO2(h)+SO2(h)+NOx(h)计算得到。
S23：根据所述第一目标函数和所述第二目标函数，建立所述微电网能量模型。
示例性，所述微电网能量模型由上述公式(1)和(9)构成。
所述负载平衡约束条件为：
其中，Pk(h)表示h时的第k个分布式发电的负荷需求；
所述发电功率限制约束条件为：
其中，PGi(h)min、PGi(h)max分别表示第i个发电机组的最小发电功率和最大发电功率；PBSSj(h)min、PBSSj(h)max分别表示第j个动力电池换电站的最小发电功率和最大发电功率；Pgrid(h)min、Pgrid(h)max分别表示电网的最小发电功率和最大发电功率；
基于缓变率约束定义了发电功率的增加或减少，如下所示：
Rdown(i)ΔT≤Pi(h)-Pi(h-1)≤Rup(i)ΔT；
其中，Rup(i)和Rdown(i)分别为第i个分布式发电机的输出功率斜升和斜降，ΔT为时间步长。Pi(h)、Pi(h-1)分别为第i个分布式发电机在h和h-1时的输出功率。
则通过计算相应设备相应时间步长与输出功率斜升/斜降的乘积，然后计算该乘积与相应设备在h-1时的输出功率的差值，可以计算出相应设备在第h小时的最小发电功率和最大发电功率。
所述电池充放电约束条件为：
其中，EBSS、表示动力电池换电站的最小存储能量和最大存储能量，Pch、Pdisch分别表示动力电池换电站的充电功率和放电功率；Pch_rate、Pdisch_rate分别表示动力电池换电站的最大允许充电功率和最大允许放电功率；ξch、ξdisch分别表示动力电池换电站的充电效率和放电效率，ΔT表示时间步长。
则所述微电网能量优化调度模型由上述公式(1)、(9)、(10)、(11)、(12)构成。基于第一目标函数和第二目标函数，待评估的状态变量是微电网中各个设备的输出功率和工作状态，控制参数较少，即可设待评估变量为：
则结合图2，下面对基于麻雀搜索算法求解微电网能量优化调度模型的流程进行如下说明：
步骤1：设置控制参数麻雀数量、警报值、护理阈值、最大迭代次数；
步骤2：初始化一个麻雀种群；以微电网中各个设备的输出功率和工作状态为待评估变量，初始化一个有n个麻雀的种群，并构建麻雀位置矩阵：
其中d是问题维数，n表示麻雀数量。在本发明中d＝2，即以及微电网的总运行成本为目标的第一目标函数F1(x)和总污染排放量为目标的第二目标函数F2(x)。
步骤3：计算初始适应度函数，计算麻雀的适应度值公式如下所示：
即在满足负载平衡约束、发电功率限制和电池充放电约束下第一目标函数F1(x)和第二目标函数F2(x)总和的最小值。
步骤4：对适应度值进行排名，并确定最好适应度值fg及其对应的当前最好位置Xbest(t)，最差适应度值fw及其对应的当前最好位置Xworst(t)；
步骤5：对捕食者、加入者和意识到危险的麻雀进行位置更新：目标函数较好的捕食者在寻找食物场所时具有优先权，他们引导个体向食物源移动。捕食者的位置更新公式如下所示：
其中Xij(t)表示迭代t时第i只麻雀在维度j中的位置，α是范围[0，1]中的随机值，R2是范围[0，1]中的警报值，ST是范围[0.5，1]中的护理阈值，Q是正态分布中的随机值，L表示维度为1×d且元素为1的矩阵。tmax是最大迭代次数。当R2<ST时捕食者进入广泛的搜索方式，当R2≥ST时，捕食者就会被发现，所有的麻雀都需要飞到其他安全的地方。
有一些加入者会监控捕食者，一旦他们得到了有好食物的地方，他们就会更新他们的位置到那个被发现的地方。麻雀搜索算法中加入者的位置更新公式如下所示：
其中XP(t+1)是迭代t+1次时的捕食者最优位置，Xworst(t)是当前最差位置，A是1×d矩阵，元素随机选择1或-1，A+＝AT(AAT)-1。意识到危险的麻雀被假定为种群的10％-20％，这些麻雀的位置更新公式如下所示：
其中β是步长参数，K是[-1,1]范围内的随机数，fi是第i只麻雀的适应度值，Xbest(t)是当前最好位置，fg和fw分别代表最好和最差的适应度值，ε是常数取小值以防止除零错误。
步骤6：历遍所有麻雀后，计算更新后的适应度值，判断更新后的适应度值f(xij)new是否小于上一次迭代(即更新前)的适应度值f(xij)old；若否，则继续迭代；若是，判断是否达到最大迭代次数，若达到最大迭代次数，输出最优解；否则继续迭代。
通过更新麻雀搜索算法中麻雀种群中捕食者、加入者和意识到危险的麻雀的位置优化更新微电网能量优化调度模型，通过上述迭代计算，当达到麻雀搜索算法的最大迭代次数时，确定模型收敛，可以得到最低的微电网总运行成本和污染排放量，从而可以有效提高收敛速度，避免陷入局部最优。最终基于微电网总运行成本和污染排放量最低时对应的待评估变量x＝[Pg1,…,Pgi,Pgrid,Ps1,…,Psj,ug1,…,ugi,us1,…,usj]中各个设备的工作状态和输出功率对微电网进行配置，从而可以在保证微电网运行时的能量平衡的同时减少能量损耗，有效的降低微电网运行成本和污染排放，对微电网系统能够经济环保的运行具有重大意义。
经过本发明算法与现有的人工生态优化算法、磷虾优化算法、哈里斯鹰优化算法等算法对比试验，可以得到如图3所示不同优化算法对第一目标函数的随迭代次数变化图和4所示不同优化算法对第一目标函数的统计参数表，以及如图5所示不同优化算法对第二目标函数的随迭代次数变化图和6所示不同优化算法对第二目标函数的统计参数表，由图3-图6可以看出来，本发明算法比现有的人工生态优化算法、磷虾优化算法、哈里斯鹰优化算法等算法收敛速度更快。针对单目标和多目标问题，微电网的成本和排放都最小，麻雀算法比磷虾群算法在运行费用和排放方面分别节约了1.44％和54.76％。在多目标优化问题中，与蚁群算法相比，该算法节省运行费用42.78％，减少污染物排放0.118％。可见本发明算法实现微电网与可再生能源的最佳操作的能力和鲁棒性。考虑电池最大充放电深度的限制以及微电网功率输出的稳定性等问题,采用麻雀搜索算法对微电网能量进行优化管理，有效的降低其运行成本和污染排放，对微电网系统能够经济环保的运行具有重大意义。
实施例二
参见图7，是本发明实施例提供的基于麻雀搜索算法的微电网能量优化调度设备的示意图。该实施例的基于麻雀搜索算法的微电网能量优化调度设备包括：处理器100、存储器200以及存储在所述存储器200中并可在所述处理器100上运行的计算机程序，例如微电网能量优化调度程序。所述处理器100执行所述计算机程序时实现上述各个基于麻雀搜索算法的微电网能量优化调度方法实施例中的步骤，例如图1所示的步骤S1-S6。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述基于麻雀搜索算法的微电网能量优化调度设备中的执行过程。
所述基于麻雀搜索算法的微电网能量优化调度设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于麻雀搜索算法的微电网能量优化调度设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是基于麻雀搜索算法的微电网能量优化调度设备的示例，并不构成对基于麻雀搜索算法的微电网能量优化调度设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述基于麻雀搜索算法的微电网能量优化调度设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述基于麻雀搜索算法的微电网能量优化调度设备的控制中心，利用各种接口和线路连接整个基于麻雀搜索算法的微电网能量优化调度设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述基于麻雀搜索算法的微电网能量优化调度设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述基于麻雀搜索算法的微电网能量优化调度设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出多台改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，包括：
采集微电网中发电机组、储能设备及电网的运行数据，并建立微电网运行数据集；
根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型；
建立所述微电网能量模型的运行约束条件；
根据所述微电网优化调度模型和所述运行约束条件，建立微电网能量优化调度模型；
采用麻雀搜索算法对所述微电网能量优化调度模型进行求解，得到微电网总运行成本和污染排放量最低对应的微电网调度最优解；
基于微电网调度最优解对所述微电网进行能量调度。
2.如权利要求1所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，所述储能设备包括：动力电池换电站；所述发电机组包括：光伏模块、风力涡轮机、燃料电池和微型涡轮机。
3.如权利要求2所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，所述运行数据集包括：动力电池换电站的运营成本、输出功率和污染排放量；电网的运营成本、输出功率和污染排放量；发电机组的运营成本、输出功率和污染排放量。
4.如权利要求3所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，所述根据所述微电网运行数据集，以微电网总运行成本和污染排放量为目标建立微电网能量模型，包括：
根据微电网中动力电池换电站、电网、发电机组的运营成本，建立以微电网总运行成本为目标的第一目标函数；
根据微电网中动力电池换电站、电网、发电机组的输出功率和污染排放量，建立以微电网污染排放量为目标的第二目标函数；
根据所述第一目标函数和所述第二目标函数，建立所述微电网能量模型。
5.如权利要求2所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，所述运行约束条件包括负载平衡约束条件、发电功率限制约束条件和电池充放电约束条件。
6.如权利要求4所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，所述第一目标函数为：
其中，CBSS(h)表示动力电池换电站在第h小时的运营成本，Cgrid(h)表示电网在第h小时的运营成本，CRESs(h)表示发电机组在第h小时的总运营成本，T表示时间长度。
7.如权利要求6所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，发电机组在第h小时的总运营成本为：
CRESS(h)＝CPV(h)+CWT(h)+CMT(h)+CFC(h) (2)；
其中，CPV(h)＝uPV(h)PPV(h)BPV(h)+SPV(h)-SPV(h-1) (3)；
CWT(h)＝uWT(h)PWT(h)BWT(h)+SWT(h)-SWT(h-1) (4)；
CMT(h)＝uMT(h)PMT(h)BMT(h)+SMT(h)-SMT(h-1) (5)；
CFC(h)＝uFC(h)PFC(h)BFC(h)+SFC(h)-SFC(h-1) (6)；
CPV(h)、CWT(h)、CMT(h)、CFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的运营成本；PPV(h)、PWT(h)、PMT(h)、PFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的输出功率；uPV(h)、uWT(h)、uMT(h)、uFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的工作状态；BPV(h)、BWT(h)、BMT(h)、BFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的报价；SPV(h)、SWT(h)、SMT(h)、SFC(h)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h小时的启动或关闭成本；SPV(h-1)、SWT(h-1)、SMT(h-1)、SFC(h-1)分别表示光伏模块、风力涡轮机、微型涡轮机、燃料电池在第h-1小时的启动或关闭成本；
动力电池换电站在第h小时的运营成本为：
CBSS(h)＝uBSS(h)PBSS(h)BBSS(h)+SBSS(h)-SBSS(h-1) (7)；
电网在第h小时的运营成本为：
Cgrid(h)＝Pgrid(h)Bgrid(h) (8)；
其中，uBSS(h)表示动力电池换电站在第h小时的工作状态；PBSS(h)、Pgrid(h)分别表示动力电池换电站、电网在第h小时的输出功率；BBSS(h)、Bgrid(h)分别表示动力电池换电站、电网在第h小时的报价；SBSS(h)、SBSS(h-1)分别表示动力电池换电站在第h和h-1小时的启动或关闭成本。
8.如权利要求6所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，所述第二目标函数为：
其中，ugi(h)表示第i个发电机组在第h小时的工作状态；usj表示第i个动力电池换电站在第h小时的工作状态；PGi(h)表示第i个发电机组在第h小时的输出功率，Psj(h)表示第j个动力电池换电站在第h小时的输出功率，Pgrid(h)表示第j个电网在第h小时的输出功率，EGi(h)表示第i个发电机组在第h小时的污染排放量，Esj(h表示第j个动力电池换电站在第h小时的污染排放量，Egrid(h)表示第j个电网在第h小时的污染排放量，Ng表示发电机组的数量，Ns表示动力电池换电站的数量，T表示时间长度。
9.如权利要求5所述基于麻雀搜索算法的微电网能量优化调度方法，其特征在于，所述负载平衡约束条件为：
其中，Pk(h)表示h时的第k个分布式发电的负荷需求；
所述发电功率限制约束条件为：
其中，PGi(h)min、PGi(h)max分别表示第i个发电机组的最小发电功率和最大发电功率；PBSSj(h)min、PBSSj(h)max分别表示第j个动力电池换电站的最小发电功率和最大发电功率；Pgrid(h)min、Pgrid(h)max分别表示电网的最小发电功率和最大发电功率；
所述电池充放电约束条件为：
其中，EBSS、表示动力电池换电站的最小存储能量和最大存储能量，Pch、Pdisch分别表示动力电池换电站的充电功率和放电功率；Pch_rate、Pdisch_rate分别表示动力电池换电站的最大允许充电功率和最大允许放电功率；ξch、ξdisch分别表示动力电池换电站的充电效率和放电效率，ΔT表示时间步长。
10.一种基于麻雀搜索算法的微电网能量优化调度设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至9中任意一项所述的基于麻雀搜索算法的微电网能量优化调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310466273.4A CN116454995A (zh) | 2023-04-24 | 2023-04-24 | 基于麻雀搜索算法的微电网能量优化调度方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310466273.4A CN116454995A (zh) | 2023-04-24 | 2023-04-24 | 基于麻雀搜索算法的微电网能量优化调度方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116454995A true CN116454995A (zh) | 2023-07-18 |
Family
ID=87133583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310466273.4A Pending CN116454995A (zh) | 2023-04-24 | 2023-04-24 | 基于麻雀搜索算法的微电网能量优化调度方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116454995A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117911799A (zh) * | 2024-03-19 | 2024-04-19 | 贵州师范大学 | 一种基于多策略改进鳌虾算法的特征分类方法 |
-
2023
- 2023-04-24 CN CN202310466273.4A patent/CN116454995A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117911799A (zh) * | 2024-03-19 | 2024-04-19 | 贵州师范大学 | 一种基于多策略改进鳌虾算法的特征分类方法 |
| CN117911799B (zh) * | 2024-03-19 | 2024-05-17 | 贵州师范大学 | 一种基于多策略改进鳌虾算法的特征分类方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Moghaddam et al. | Multi-objective operation management of a renewable MG (micro-grid) with back-up micro-turbine/fuel cell/battery hybrid power source | |
| Maleki et al. | Optimal sizing of autonomous hybrid photovoltaic/wind/battery power system with LPSP technology by using evolutionary algorithms | |
| Motevasel et al. | Multi-objective energy management of CHP (combined heat and power)-based micro-grid | |
| Hemmati et al. | System modeling and optimization for islanded micro-grid using multi-cross learning-based chaotic differential evolution algorithm | |
| CN108446796A (zh) | 考虑电动汽车负荷需求响应的网-源-荷协调规划方法 | |
| CN116454995A (zh) | 基于麻雀搜索算法的微电网能量优化调度方法及设备 | |
| Vasanthakumar et al. | Cuckoo search algorithm based environmental economic dispatch of microgrid system with distributed generation | |
| Elkazaz et al. | Microgrid energy management using a two stage rolling horizon technique for controlling an energy storage system | |
| Javidsharifi et al. | Multi-objective day-ahead scheduling of microgrids using modified grey wolf optimizer algorithm | |
| Luo et al. | Two‐stage robust optimal scheduling of wind power‐photovoltaic‐thermal power‐pumped storage combined system | |
| CN112564160B (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 | |
| Keswani et al. | Dynamic economic load dispatch considering renewable energy sources using multiswarm statistical particle swarm optimization | |
| CN116826859A (zh) | 一种电源碳电协同规划方法、装置、设备及存储介质 | |
| CN111178642A (zh) | 一种基于模拟退火粒子群算法的微电网优化方法 | |
| CN116613733A (zh) | 计及源荷不确定性的多元能源系统优化调度方法及装置 | |
| CN114285026B (zh) | 一种农牧区电能路由器调度方法 | |
| Bai et al. | Optimal scheduling of distributed energy resources by modern heuristic optimization technique | |
| Paliwal et al. | Short-term optimal energy management in stand-alone microgrid with battery energy storage | |
| CN115907106A (zh) | 基于边缘计算的微电网调度方法、装置、设备及存储介质 | |
| CN108306319A (zh) | 一种新能源微网中储能配置优化方法及系统 | |
| Abdullah et al. | Optimal power generation in microgrid system using firefly algorithm | |
| Keswani et al. | Day ahead optimal economic dispatch with solar energy integration using PSO | |
| Wang et al. | A comprehensive survey of the application of swarm intelligent optimization algorithm in photovoltaic energy storage systems | |
| CN116488264B (zh) | 一种配电网的优化调度方法、装置、设备及存储介质 | |
| CN118446089A (zh) | 基于改进人工鱼群算法的微电网源网荷储优化配置方法 |
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 |