[发明专利]基于鹦鹉算法的多能源电力系统优化调度的方法

说明书

基于鹦鹉算法的多能源电力系统优化调度的方法，包括以下步骤：步骤1，建立考虑经济性和环保性的多能源电力系统优化调度的数学模型；步骤2，设计鹦鹉算法；步骤3，构建三种不同的多能源电力系统优化调度策略，对鹦鹉算法的有效性进行验证；具有高效，准确的优点。

技术领域

本发明属于多能源电力系统的优化调度技术领域，具体涉及基于鹦鹉算法的多能源电力系统优化调度的方法。

背景技术

随着工业的快速发展，传统的化石能源也在快速的消耗，能源危机成了迫在眉睫的问题。为了解决能源危机问题,只有传统的一种供能方式是不够的，人们开始对电能、气能、热能等多种形式的能源进行综合利用研究。过去的能源系统中，电网、气网、热网等不同的能源网络是相互独立运行的，互联程度不高，不利于提高能源的综合利用率，也不利于多个能源系统的优化运行，而近些年发展的多能源系统能够打破这个壁垒，因此多能源电力系统的优化调度也十分重要。

多能源电力系统孤岛运行模式下优化调度策略流程图过于繁杂，对比其他多种算法，粒子群算法(Particle Swarm Optimization,PSO)有容易理解，所需控制参数不多，容易得到期望结果，有一些的并行性等特点。但PSO具有容易陷入局部最优和低精度这两大缺点，国内外学者近几年致力于改进这一算法，但是结果却都不尽人意，蝙蝠算法在PSO基础上采用频率调谐的新型算法，虽然在收敛方面有所改观，但寻优精度大幅下降。在应对井喷式增长的能量负荷计算的需求下，果蝇分析算法虽然在优化时具有较高精度，但是比传统的粒子群优化算法更容易陷入与功率相关的局部最优这一情况。从这些例子可以看出近些年PSO的改进陷入了要想增加优化规模、提高算法寻优效率和精度，就无法彻底解决PSO缺陷，要想彻底解决PSO缺陷，就无法增加优化规模、提高算法寻优效率和精度的怪圈。

发明内容

为突破上述难题，本发明提出了一种基于鹦鹉算法的多能源电力系统优化调度的方法，分别解决传统粒子群算法容易陷入局部最优和低精度的问题，具有高效，准确的优点。

本发明所采用的技术方案是，基于鹦鹉算法的多能源电力系统优化调度的方法，其特征在于，包括以下步骤：

步骤1，建立考虑经济性和环保性的多能源电力系统优化调度的数学模型；

步骤2，设计鹦鹉算法；

步骤3，构建三种不同的多能源电力系统优化调度策略，对鹦鹉算法的有效性进行验证。

所述的步骤1，建立考虑经济性和环保性的多能源电力系统优化调度的数学模型,具体步骤为：

步骤1.1，得到包含光伏发电、风力发电机、微型燃气轮机、燃料电池、储能单元的多能源电力系统各个发电单元的输出特性和成本组成：

1)光伏发电单元(Photovoltaic cell,PV)：

光电的主要特性如下所示：

式中，K_r＝0.0017(A/℃)，T_r＝301.18K，其中P是光伏板发出的功率，V是光伏板发出的电压，I是光伏板发出的电流，m是并联板电池数，I_ph是光伏组件经由光照射所产生，I₀是初始电流，q是电池内部电子电量常量，R_s是串联单向电阻，n是串联电池数，A是二极管特性拟合系数，K_r是玻尔兹曼常数，T_r是标准温度，T是测量时刻的温度；

在实际应用时，由于系统出力受光伏电池环境温度和太阳辐射下系统强度的多种因素影响，所以用标准条件下来修正：