[发明专利]基于多随机复合优化灰狼算法的削峰填谷的能量管理方法

权利要求书

1.一种基于多随机复合优化灰狼算法的削峰填谷的能量管理方法，其特征在于，包括以下步骤：

步骤1、考虑储能装置在用户侧的充放电策略优化的目标函数就是在其约束条件下求解最优的问题，约束条件包含储能单元的SoC约束及储能单元的充放电功率限制，约束条件表示为：

SoC_min≤SoC(t)≤SoC_max

式中，为储能单元的最小充放电功率；P_bat(t)为储能单元t时刻的充放电功率；为储能单元的最大充放电功率；SoC_min为储能单元最小荷电状态；SoC(t)为t时刻的储能单元剩余容量；SoC_max为储能单元最大荷电状态；

步骤2、将系统的等式约束条件f(t)转换成h(t)函数的不等式约束条件：

h(t)＝|f(t)|-δ≤0

式中，δ为约束容忍值；P_dis(t)，P_ch(t)分别为储能单元的放电功率和充电功率；W为储能单元的容量；η_ch，η_dis分别为储能单元的充电的效率和放电的效率；Δt为t时刻与t+1时刻之间的时间差；

步骤3、基于步骤1及步骤2的约束条件的处理，在原始目标函数中加入惩罚项使得约束优化问题转换成无约束的问题，转化后的非约束优化问题的目标函数描述为：式中，F(t)为储能单元t时刻的负荷标准差；g_l(t)为由不等式约束条件处理后得到的等式函数；μ_l≥0为惩罚系数；

步骤4、将步骤3得到的目标函数带入基于多随机复合优化灰狼算法中进行计算得出最优值，其中，所述基于多随机复合优化灰狼算法包括以下步骤：

步骤401、根据式(1)初始化种群个体

式(1)中，x_t为初始化t时刻灰狼个体的位置，x_t∈(0 1)；q为随机数，

步骤402、计算种群中每个个体的适应度值，设置迭代次数t＝1，记录当前种群中最优个体及位置；

步骤403、判断迭代次数t是否为T_max，T_max为预先设置的迭代次数阈值，如是，则输出最优个体的位置及对应的最优适应度值；

步骤404、取随机数及随机数

步骤405、根据式(2)计算收敛因子

式(2)中，

步骤406、更新系数向量及系数ω₁、ω₂、ω₃，则有：

步骤407、取随机数n₁、n₂、n₃，n₁、n₂、n₃为索引的值，n₁、n₂、n₃各不相等；

步骤408、根据式(3)计算种群中每个个体的新位置

式(3)中，为α狼当前所在的位置向量，为第n₁个个体的位置，为第n₃个个体的位置；为β狼当前所在的位置向量，为第n₂个个体的位置；为δ狼当前所在的位置向量，

步骤409、将迭代次数t更新为t+1，并记录当前种群中最优个体及位置以及对应的最优适应度值，返回步骤403。