[发明专利]基于改进免疫粒子群算法的风光柴储容量优化配置方法

权利要求书

1.一种基于改进免疫粒子群算法的风光柴储容量优化配置方法，其特征在于，该方法包括以下步骤：

1)根据某地区的负荷和风光数据，建立风机及光伏发电模型；

2)建立以总成本净现值最低，负荷缺电率和能量浪费率最小的多目标优化函数，考虑场地大小、功率约束、以及污染物排放的限制，实现容量的优化分配；

3)采用不同的控制方法，分别为由柴油机主导的控制方法和蓄电池完全充放电情况下的控制方法，进行对比分析；

4)对各个分布式电源进行选型操作；

5)采用改进的免疫粒子群算法对多目标问题进行容量配置，获得较优配置方案。

2.根据权利要求1所述的方法，其特征在于：

所述步骤2中，所述风光柴储容量优化配置的多目标优化函数具体描述为：

min C＝C_in+C_m+C_cop+C_on-C_s

min LE＝αLPSP+(1-α)EWR

约束条件包括：

N_WT≤N_WT.max

N_PV≤N_PV.max

N_bat≤N_bat.max

N_die≤N_die.max

S_OCmin≤S_OC(t)≤S_OCmax

P_DGmin≤P_DG(t)≤P_DGmax

式中，C为总成本，C_in和C_m分别表示设备的总的投资费用和维护费用，C_cop为系统缺电造成的损失，C_on为治理污染的费用，C_s为对风机和光伏的发电补贴；LPSP为负荷的缺电率，EWR为能量的浪费率，α为占比系数；N_WT,N_PV,N_bat,N_die分别为风机个数、光伏个数、蓄电池个数、柴油机个数；S_OC(t)，S_OCmin，S_OCmax分别为蓄电池在t时刻的电池容量、蓄电池最大深度的放电容量、蓄电池充满电荷时的容量；P_DG(t)为柴油机在t时刻的实际输出功率，P_DGmin和P_DGmax分为柴油机输出功率的下限和上限；k为污染物的种类，共有m种污染物，β_k为污染物的排放系数，P_die(t)为柴油机t时间内的输出功率，W_em为系统污染物的排放量，W_emmax为系统最大污染物的排放量。

3.根据权利要求1所述的方法，其特征在于：

所述步骤3中，所述风光柴储容量配置所采用的不同控制方法包括：

以蓄电池优先即蓄电池完全充放电情况下的步骤为：

1)判断可再生能源风光是否满足要求，若满足要求，对负荷进行供应，判断蓄电池容量是否达到上限，若没达到，则对蓄电池进行充电，若达到，则舍弃部分可再生能源的功率，并记作为能量浪费量；

2)若风光所产生的功率满足不了负荷，判断蓄电池容量是否达到下限，若达到下限，直接启动柴油发电机，若没有达到蓄电池的下限，蓄电池进行放电直到下限，若还不满足要求，启动柴油发电机；

3)判断加入柴油机之后是否满足符合要求，若满足，判断柴油机是否有多余的功率，有多余功率，则对蓄电池进行充电，若柴油机不满足负荷要求，则造成了负荷的缺电。