[发明专利]一种多能互补微网系统的综合年化成本计算方法

说明书

本发明公开了一种多能互补微网系统的综合年化成本计算方法，对系统内各变量进行约束，以系统的综合年化成本最小值为目标，综合考虑系统内电‑热‑冷多种负荷功率平衡，在粒子群算法的基础之上引入二次限制，将系统内超出限值的设备出力重新拉回约束边界内，动态优化系统内设备出力的缩减系数，避免因系统内部功率平衡导致的设备超限问题。将遗传算法、粒子群算法和本发明的算法应用到多能互补微网系统，对比分析了不同场景下的设备出力和综合年化成本，结果表明本发明具有有效性和普遍适用性。

技术领域

本发明属于电力系统运行分析技术领域，涉及电力系统在线监测与控制，特别涉及一种多能互补微网系统的综合年化成本计算方法。

背景技术

随着化石燃料的大规模使用以及社会经济与工业的快速发展，全球范围内的能源危机与环境问题正在不断突显。传统意义上的热、电、气往往都是独立规划，在运营过程中仅仅只针对单一的能源进行调度而未考虑彼此之间的关联性，这在很大程度上降低了整体能源的利用率。能源互联网(energy Internet,EI)与综合能源系统(integrated energysystem,IES)的提出与发展促使不同能源之间的耦合愈发紧密，协同作用与互补效益日趋显著，这可以在相当程度上提升能源利用率，减少环境污染，同时对推动环境友好型经济发展具有重要意义。微网技术的进一步推广会让同一区域的配电系统存在多个微网，从而形成多微网系统。当区域内的微网存在交互时会对微网的规划以及运行产生较大影响。在计算综合年化成本时，由于系统内变量、约束与非线性方程众多，导致计算复杂且成本较高。

目前，粒子群算法(particle swam optimization,PSO)已经广泛应用于各个领域内。在电气领域，利用PSO算法来优化水轮机的结构以此提升其效率；通过在含分布式电源配电网的优化与重构中应用PSO算法来有效降低配电网中的有功网损，同时提高各个节点的电压水平；针对电网多目标环境经济调度要求在满足发电成本最小的同时发电厂污染气体排放也最小的问题，提出了基于Pareto占优策略和拥挤距离排序方法的改进型粒子群算法求解该多目标问题。针对电力系统无功优化问题，提出柯西粒子群算法扩大搜索空间，避免陷入局部最优解，同时提高收敛速度。

在其余领域，将粒子群与遗传算法相结合针对拆卸序列规划问题设计了一种分层次的拆卸优先图，减少了算法迭代次数与计算时间。针对传统单一灰色最小二乘支持向量机高程拟合方法的不足以及LSSVM(least square support vector machine)模型参数选择的随机性问题，提出了一种基于PSO-GA(genetic algorithm)算法优化的灰色最小二乘支持向量机高程拟合模型。针对传统PSO算法早熟收敛与收敛速度慢的缺点，采用了一种基于相似度动态调整惯性权重的方法并将其运用至PID(proportion integrationdifferentiation)控制器的参数优化中。

发明内容

为解决多能互补微网系统综合年化成本的计算复杂且成本较高的问题，本发明提供一种多能互补微网系统的综合年化成本计算方法，能有效抑制系统中设备出力，不让其超过限值。

本发明是通过以下技术方案来实现：

一种多能互补微网系统的综合年化成本计算方法，包括以下操作：

1)基于多能互补微网系统内各设备的功率构建作为粒子群算法输入的矩阵，矩阵中一种功率为一个元素，元素中包括以各设备出力功率表示各粒子初始位置的X，和表示粒子初始寻优速度的V；

每个设备均有n个初始粒子去分别寻优，通过不断迭代取各设备n个粒子中的最优解；

将系统中各个设备的出力限制以及功率平衡限制作为约束条件添加在寻优过程中，以多能互补微网系统的综合年化成本为粒子群算法目标函数进行优化；

2)随机初始化粒子群后按下式进行迭代优化：