[发明专利]一种基于混合蛙跳粒子群的DG优化配置应用方法

权利要求书

1.一种基于混合蛙跳粒子群的DG优化配置应用方法，其特征在于：该方法具体如下，

S1、初始化：输入线路原始参数，在定义域内产生初始粒子，并设定粒子速度因子和惯性权重，以及分布式电源并网的功率因素；

S2、根据需求建立分布式电源优化配置模型，并对系统中分布式电源接入的总有功容量进行限制；

S3、基于混合蛙跳的改进粒子群算法执行优化配置计算：对每个粒子进行仿真，获得每个粒子接入配电网后包括系统节点电压以及线路损耗的运行参数，进而计算出包括分布式电源年投资成本、运行成本、购电成本、网损成本、环境成本，而后对不同方案的配置结果进行综合评估，通过基于混合蛙跳的改进粒子群算法对个体极值和全局极值进行记录和优化；

S4、判断全局迭代次数是否达到设定值，若达到则停止算法输出最优解，否则转至步骤S3；

所述步骤S3中基于混合蛙跳的改进粒子群算法执行优化配置计算流程如下，

S31、初始化粒子群，设置参数，所述参数包括粒子总数、全局迭代次数、最差粒子个数、最大飞行速度、最小飞行速度、惯性权重、人工蜂群搜索系数；

S32、根据分布式电源优化配置模型的目标函数计算每个粒子的适应度值，将粒子按适应度值大小排序，排在第一位的粒子为全局最优个体X_g；

S33、利用粒子群算法更新粒子速度和位置：设定种群粒子总数为n，粒子维数为D；在寻优过程中，n个粒子组成的种群为X＝(X₁,X₂,X₃,…X_n)，其中第i个粒子在搜索空间中的位置为X_i＝(x_i1,x_i2,x_i3,…x_iD)，第i个粒子的速度为V_i＝(v_i1,v_i2,v_i3,…v_iD)，其中i＝1,2,3,…n；设定第i粒子搜索到的最优位置为P_best.i，种群内所有粒子搜索到的最优位置为G_best；则在寻优过程中，粒子的位置及速度更新公式如式(9)、(10)所示：

式中，ω为惯性权重；c₁、c₂为速度因子，为非负常数；r₁、r₂为[0,1]之间的随机数；在粒子群算法中，参数选取不同，算法性能也有所差异，惯性权重、速度因子这两大参数会影响算法的性能；

S34、利用人工蜂群算法在全局最优粒子基础上寻找新的优势粒子：

z_i,j＝x_i,j+b·(x_i,j-x_randam,j) (11)

式中，x_i,j为目前适应度值最优的粒子位置；x_random,j为最优粒子附近的随机粒子，其个数代表人工蜂群搜索次数m，在寻优开始前设定为固定值；b为人工蜂群搜索系数，其为[-1,1]之间的随机数；

S35、利用混合蛙跳算法的思想，对种群内适应度值排名最低的K个个体进行更新：

式中，r是[0,1]之间的随机数；i＝[n-k+1,n]；x₁、x₂为适应度值排名第一、第二的粒子位置；若新粒子x_new的适应度值比原有第i粒子x_i的适应度值高，则X_i＝X_new；

S35、判断全局迭代次数是否达到设定值，若达到则停止算法输出最优解，否则转至步骤S33；

所述步骤S2中建立分布式电源优化配置模型的目标函数为：

Z＝(Z_invest+Z_op+Z_pur+Z_loss+Z_E) (1)

其中，

Z_op＝T_max·P_DG·Z_opi (3)

Z_pur＝Z_price·T_max·(P_total-P_DG) (4)

Zl_oss＝Z_price·Pl_oss·τ_max (5)

式中，Z_invest为分布式电源年投资成本；Z_op为分布式电源年运行成本；Z_pur为向上级电网购电成本；Z_loss为DG接入配电网后的线路网络损耗成本；Z_E为系统的环境成本；P_DG为分布式电源的安装总有功容量；Z_cost为分布式电源的投资成本；r为投资回报率；N_DG为分布式电源规划使用年限；T_max为年需用电量/年最大负荷；Z_opi为分布式电源单位容量的运行成本；Z_price为单位电价；P_total为系统有功负荷总量；P_loss为线路有功损耗总量；τ_max为系统年最大负荷损耗小时数；K_emi为系统单位发电量温室气体的排放强度；P_G为系统年火力发电总量；Z_CO分别为各个温室气体排放惩罚价格；

所述步骤S2中建立分布式电源优化配置模型的目标函数将节点电压约束作为罚函数，提高配电网电压运行水平：

其中，λ为节点电压罚函数系数，U_ki计算公式如下：