[发明专利]基于自适应快速粒子群的孤岛型微网多目标优化配置算法

说明书

本发明公开了一种基于自适应快速粒子群的孤岛型微网的多目标优化配置算法，利用矫正参数w_i来改进快速粒子群的位置更新方式。基于传统的粒子位置更新方法，引入由平均适应度值和当前适应度值构成的指数函数所表示的矫正参数w_i，从而使粒子更新迭代时，避免因个别干扰数据导致算法迭代步长过大而提前退出迭代寻优，增强了算法的鲁棒性。本发明应用上述算法对孤岛型风光柴储微网进行容量优化配置，孤岛型微网容量优化配置是以微源正常运行和满足各约束条件，达到微网的经济性、稳定性和环保性多目标优化的要求。

技术领域

本发明涉及改进粒子群算法领域，具体涉及一种自适应快速粒子群的孤岛型微网的多目标优化配置算法。

背景技术

受鸟群在觅食过程的迁徙路径与群聚时的启发，Kennedy博士与Eberhart博士提出的一种全局搜索优化算法——粒子群算法。该算法将优化问题可行域内的解都转化为算法搜索空间里的一个粒子，每个粒子的适应度值决定自身位置的好坏。粒子通过个体极值和群体极值更新自身飞行速度，从决定粒子下一步飞行的方向和距离。之后整个粒子群体就追随当前最优极值在可行解空间中进行不断搜索，最终搜索到全局最优值。

现有的研究和实践表明，微网的容量优化配置会直接影响到微网整体的能源综合利用效率、供电可靠性和电能质量。特别是在地理位置偏远、电力资源短缺的地区，使用合理的容量优化配置模型不仅可以节约微网内的电量，更可以提高微网本身的寿命。同时合理的微网容量配置需同时满足多个优化目标，因此微网多目标优化配置已成为研究微网技术的热点。

另外，基本粒子群算法存在着容易早熟、收敛速度慢及鲁棒性较差等问题，而传统的粒子群改进方案通常只对收敛速度慢与易陷入局部最优方面进行优化，缺少对算法自身鲁棒性的优化改进。优化算法应用于孤岛型微网的优化配置中，面对极端天气数据的干扰，鲁棒性差的优化算法易优化得出过量的容量配置方案，造成资源的浪费。

发明内容

本发明的目的在于提供一种提升自身鲁棒性的基于自适应快速粒子群的孤岛型微网多目标优化配置算法。

本发明的技术解决方案是：

一种基于自适应快速粒子群的孤岛型微网多目标优化配置算法，其特征在于，包括如下步骤：

I、建立自适应快速粒子群

步骤1)：随机初始化粒子规模nums、搜索空间维度n、算法的收敛精度值con、迭代次数初值k、最大迭代次数maxd，收敛速度β，粒子随机衰减因子初值α_id和γ参数，并在可行域范围内随机初始设定粒子群的位置x_id和速度v_id；

步骤2)：根据具体优化目标函数(此处以目标函数最小为最优为例)，计算每个粒子的适应度值f(x_id)，个体最优解p_id的适应度值p_best；

步骤3)：对于每一个粒子，若f(x_id)p_best，则p_best＝f(x_id)；

步骤4)：通过采用加入矫正参数w_i后的粒子位置更新公式对粒子进行更新，所述新的粒子位置更新x_i+1d公式具体为：

x_i+1d＝w_ix_id+β(P_id-x_id)+α_idr₁(U_L-D_L)