[发明专利]基于自适应快速粒子群的孤岛型微网多目标优化配置算法

摘要

本发明公开了一种基于自适应快速粒子群的孤岛型微网的多目标优化配置算法，利用矫正参数wi来改进快速粒子群的位置更新方式。基于传统的粒子位置更新方法，引入由平均适应度值和当前适应度值构成的指数函数所表示的矫正参数wi，从而使粒子更新迭代时，避免因个别干扰数据导致算法迭代步长过大而提前退出迭代寻优，增强了算法的鲁棒性。本发明应用上述算法对孤岛型风光柴储微网进行容量优化配置，孤岛型微网容量优化配置是以微源正常运行和满足各约束条件，达到微网的经济性、稳定性和环保性多目标优化的要求。

主权项

1.一种基于自适应快速粒子群的孤岛型微网多目标优化配置算法，其特征在于，包括如下步骤：I、建立自适应快速粒子群步骤1)：随机初始化粒子规模nums、搜索空间维度n、算法的收敛精度值con、迭代次数初值k、最大迭代次数maxd，收敛速度β，粒子随机衰减因子初值α_id和γ参数，并在可行域范围内随机初始设定粒子群的位置x_id和速度v_id；步骤2)：根据具体优化目标函数，计算每个粒子的适应度值f(x_id)，个体最优解p_id的适应度值p_best；步骤3)：对于每一个粒子，若f(x_id)<p_best，则p_best＝f(x_id)；步骤4)：通过采用加入矫正参数w_i后的粒子位置更新公式，对粒子进行更新，所述新的粒子位置更新x_i+1d公式具体为：x_i+1d＝w_ix_id+β(P_id‑x_id)+α_idr₁(U_L‑D_L)w_i＝(1+exp(‑f(x_id)/u))^‑kα_i+1d＝α_idγ式中：r₁为[0,1]之间的随机数；U_L为变量取值上限；D_L为变量取值下限；f(x_id)为当前适应度值；α_id为新的粒子衰减因子；步骤5)：当粒子规模nums内所有粒子在规定搜索空间维度n内更新完成之后，判断算法是否达到结束条件；终止条件为达到最大迭代次数maxd或达到目标精度con；若满足终止条件，则输出最优粒子适应度值fitness和迭代次数k，算法终止，否则，迭代次数k＝k+1，转步骤2)；II、改进快速粒子算法应用于微网多目标优化配置1)根据安装场地的历史气象数据，计算不同功率的风力发电机与太阳能电池板与当地气象情况的偏离程度Z_wt,j与Z_pv,h:式中：P_wtn,j为第j种功率的风力发电机第n个月的输出功率；P_wty,j为年输出功率均值；F_n为第n个月的风速均值；F_y为年风速均值；P_pvn,h为第h种功率的光伏发电板第n个月的输出功率；P_pvy,h为年输出功率均值；G_n为第n个月的辐射量均值；G_y为年辐射量均值；选取气象跟随性强的风力发电机和太阳能电池板型号；通过查阅Ragone曲线，以最优工作区间为标准选取铅蓄电池作为储能方式；2)在步骤1)选型的基础上，在分布式电源DG出力约束、功率平衡约束、蓄电池运行约束、DG数量约束N_p以及最大瞬时功率约束△P_max约束条件下，分别采用自适应快速粒子群对经济性F₁、稳定性F₂和环保性F₃三个目标函数进行优化，得到三组孤岛型微网容量配置组合X_i＝{第i个组合风机容量，第i个组合太阳能电池板容量，第i个组合微燃气轮机容量，第i个组合超级电容容量，第i个组合铅蓄电池组容量，i＝1,2,3}；3)对步骤2)中设立经济性F₁、稳定性F₂和环保性F₃这三个目标函数采用适应度偏差排序法进行多目标优化，即对步骤2)求得的三组孤岛型微网容量配置组合X₁、X₂、X₃分别带入三个优化目标函数中，通过适应度值的偏差确立各目标函数的权系数λ_i，i＝1,2,3，再通过线性加权重新构造多目标聚合函数F，F＝λ₁F₁+λ₂F₂+λ₃F₃；4)对步骤3)求得的多目标聚合函数F再次采用自适应快速粒子群进行优化，得到最终的孤岛型微网容量配置组合X，X＝(风机容量，太阳能电池板容量，微燃气轮机容量，超级电容容量，铅蓄电池组容量)。