[发明专利]一种基于改进二阶粒子群算法的微电网群优化调度方法

说明书

一种基于改进二阶粒子群算法的微电网群优化调度方法，该方法先分别构建微电网群内部各类设备的数学模型，并建立以微电网群综合运行成本最小、风光消纳率最大、联络线功率波动最小为目标的微电网群优化调度模型，然后以风电、光电、储能、柴油机组出力作为粒子群的位置，适应度函数作为目标函数，采用改进二阶粒子群算法求解上述优化调度模型，以得到微电网群的优化调度方案。该方法不仅在使微电网群整体的运行成本最低的同时降低了微电网并网对配电网的冲击，而且提高了算法的精度和计算速度。

技术领域

本发明属于电网优化调度领域，具体涉及一种基于改进二阶粒子群算法的微电网群优化调度方法。

背景技术

近年来，随着化石能源的大量使用，大气中的二氧化碳含量不断攀升，环境保护问题日益凸显，大力发展清洁能源已成为未来趋势，尤其是风力发电(Wind Turbine，WT)和光伏发电(Photovoltaic，PV)，但如何有效消纳具有间歇性和波动性的风光成为亟待解决的问题。微电网(Microgrid，MG)作为一种将风光荷就近连接的小型发配电系统，通过配置一定容量的储能(Energy Storage System，ESS)和柴油机组，能有效的促进大量的风光接入并进行消纳，如何妥善的管理微电网之间、微电网与配电网之间的优化调度成为热门研究。

微电网群互动优化调度模型主要涉及优化模型和优化算法。优化模型主要包括优化目标和约束条件，约束条件通常为微电网内部设置的运行约束和电能质量指标约束，优化目标通常包括微电网运行的成本、联络线功率波动、电能质量指标和环保性等等。优化算法主要为启发式算法，如遗传算法、蚁群算法和粒子群算法等，主要关注点为优化算法的收敛性、计算时间和全局寻优能力，如何将高性能的优化算法用于微电网群优化调度模型成为关键性问题。

粒子群算法源于复杂适应性系统，是模拟鸟群行为的模型，在随机获得初始解后，通过迭代寻找最优值。每个粒子都有自身的适应度函数值、位置坐标和速度大小与方向，根据全局最优粒子的位置和自身历史最优位置在可行域空间中搜索。然而传统粒子群算法存在寻优能力和收敛能力不足的缺点，需要对其进行改进，使其能更好的用于求解微电网群互动优化调度模型。

发明内容

本发明的目的是克服现有技术中存在的上述问题，提供一种基于改进二阶粒子群算法的微电网群优化调度方法。

为实现以上目的，本发明提供了以下技术方案：

一种基于改进二阶粒子群算法的微电网群优化调度方法，依次包括以下步骤：

步骤A、分别构建微电网群内部各类设备的数学模型，其中，所述各类设备包括风力发电机组、光伏发电机组、负荷、储能设备、柴油机组；

步骤B、建立以微电网群综合运行成本最小、风光消纳率最大、联络线功率波动最小为目标的微电网群优化调度模型；

步骤C、以风电、光电、储能、柴油机组出力作为粒子群的位置，适应度函数作为目标函数，采用改进二阶粒子群算法求解上述优化调度模型，得到微电网群的优化调度方案。

所述步骤C依次包括以下步骤：

步骤C1、获取微电网群内部各类设备参数以及风、光、荷运行数据，并初始化改进二阶粒子群算法的基本参数；

步骤C2、利用混沌映射生成混沌序列，选择Logistic映射模型生成初始种群，并将变量反归一化至搜索空间，得到粒子的初始位置，令迭代次数k＝1，每一个粒子对应每一种优化调度方案；

步骤C3、计算每个粒子的适应度值，并更新每个粒子的历史最优值和种群的历史最优值；

步骤C4、根据迭代次数和适应度值计算当前的惯性系数、学习因子和振荡因子，并更新粒子的速度和位置，同时对粒子的速度和位置进行越限处理；