[发明专利]基于改进粒子群算法的风光互补联合优化调度方法

说明书

本发明请求保护一种基于改进粒子群算法的风光互补联合优化调度方法，该方法把最大化风光联合互补率和最小化弃风弃光量作为优化目标，把能量平衡约束作为系统中的基础电力约束，同时考虑火电运行经济性和弃风弃光量最小为目标，加入了火电机组模型来建立联合优化调度。包括利用互补最优匹配地区、互补最优风光容量配比等基础数据，结合改进粒子群算法对考虑风光互补的联合发电系统进行调度研究。本发明中以最大化风光互补率为优化目标具有很强的现实意义。同时该优化方法在最大化互补率的基础上考虑最小化弃风弃光量不仅有效的减少了资源浪费，还实现了能源的高效利用。

技术领域

本发明属于能源规划领域，主要涉及基于改进粒子群算法的风光互补联合优化调度方法。

背景技术

目前全球国家面临着能源短缺、环境污染日益严重等一系列发展难题，光能、风能等可再生资源的利用逐渐成为人们的研究热点。其中太阳能和风能由于具有取之不尽、用之不竭等优势，被认为具有广阔的发展前景。但是太阳能和风能作为一种间歇性能源具有不稳定性，能源的地域分布也呈现出分散性，因此建立一种风光互补的能源优化方法对提高风光资源的利用率具有重要意义。

风光互补是指通过综合利用风能资源和太阳能资源两者在时间和地域上的互补性，来实现资源的充分利用和不间断能源供应。风光资源能存在一定的互补性是由于我国气候呈现季风性特征。相关的研究发现，从长期来看，我国在春冬季时风能资源比较丰富，但同时期太阳能资源相对短缺；夏秋两季时太阳能资源比较丰富，风能资源相对短缺。如果从短期来看，一天当中，白日太阳能资源较为丰富，能弥补此时风能资源不足的缺点；而晚上风能资源较为丰富，能弥补太阳能资源的短缺。因此我国优越的气候条件能够带来天然的的风光互补性，这就为相关的风光资源互补研究提供了基础。

基本的粒子群算法原理是以生物群体的智能反应为模板进行模拟，拿鸟类捕食作为模拟的例子，假设把一群鸟放在指定区域内使他们进行随机搜索食物，事先所有的鸟都不知道食物的具体位置，只是知道他们与食物间的距离，所以为了找到食物，这些鸟儿一定先对距离食物最近的区域进行搜寻。粒子群算法中，每一个个体称为一个粒子，算法中靠粒子间进行信息交换来实现群体内的共同演化。该算法在求解的过程中，每个粒子都会以一定的速度在空间内飞行，每个粒子飞行的过程称为该个体的搜索过程。在个体进行搜索的过程中，每个粒子都会以一定的速度在空间内进行飞行，粒子的飞行速度可以通过自身历史最优和种群历史最优进来进行适当的动态调整。所以说粒子本身具有两个属性：速度属性和位置属性，速度是用来描述它移动的快慢，位置是用来描述它移动的方向。每个粒子通过自身最优搜索后得到的解被称为个体极值，而在整个种群中最优的个体极值即为当前全局的最优解。通过不断的迭代计算，来更新速度与位置属性，从而求出达到满足终止条件时的最优解。

因此，基于改进粒子群算法的风光互补联合优化调度方法，通过利用改进粒子群智能优化算法对风光资源互补调度目标进行求解，以确保求解的速度和准确度。此方法可以使风能和太阳能的互补优化性能达到最佳，从而提高了能源的利用率。

CN114204549A，一种考虑储能共享的风光储集群联合优化运行的方法，包括以下步骤：建立包括若干新能源电站和一储能共享聚合器的风光储集群，集群与外部系统的资源交易行为通过储能共享聚合器进行；考虑新能源电站的互补特性，建立风光储集群内部的资源调度策略；基于所述风光储集群内部的资源调度策略，建立针对风光储集群内部单个新能源电站的收益模型；采用基于场景的随机规划方法，对市场电价以及新能源电站出力的不确定性进行建模；建立考虑单个新能源电站的收益模型、市场电价以及新能源电站出力，并以所述风光储集群的整体收益最大为目标的目标函数；通过改进粒子群算法对所述目标函数进行求解，输出最优的风光储集群联合运行方案。