[发明专利]基于改进的自适应遗传算法的独立微网配置优化方法

摘要

本发明涉及一种基于改进的自适应遗传算法的独立微网配置优化方法，设定微电网系统结构，建立微电网的优化配置模型，建立微电网的优化配置模型，在满足微电网系统供电可靠性的前提下，目标使微网综合投资费用最低，用改进的自适应遗传算法进行配置优化，寻求一组最优的电源配置，使费用目标函数的值最小。用改进的自适应遗传算法（IAGA）来解决配置优化问题，IAGA利用神经元函数sigmoid设计出自适应的交叉率和变异率，将群体中适应度值最大个体的交叉率值和变异率值分别提高到某一正数，避免优良个体处于一种停滞状态，过早收敛，使得IAGA跳出局部最优解，寻求全局最优解。

主权项

一种基于改进的自适应遗传算法的独立微网配置优化方法，其特征在于，具体包括如下步骤：1）设定微电网系统结构：微网系统由风力发电机组、光伏组件、柴油发电机、蓄电池、电负荷和变换器组成，分别建立风机、光伏阵列、柴油发电机和储能装置模型；2）建立微电网的优化配置模型：A：设定目标函数：目标在满足微电网系统供电可靠性的前提下，使微网综合投资费用最低，目标函数如下：式中：T为运行时间；N为电源的类型数目；x=[x1,x2,…,xN]为决策变量，xi为第i种电源的数目；CCPi（t）、COMi（t）、CFi（t）、CEi（t）、CDi（t）、CSi（t）分别为t时刻第i种电源的初始投资成本、运行和维护成本、燃料费用、惩罚费用、环保折算费用、发电补贴；B：设定约束条件，分别设定微源功率约束、满足负载供电电源个数约束、蓄电池电量约束和供电可靠性约束；3）用改进的自适应遗传算法进行配置优化：Ⅰ：染色体编码和初始种群的生成：染色体x=(x1,x2,x3,x4)T的各分量分别表示风机、光伏、蓄电池、柴油发电机的安装容量，对染色体采用二进制编码方式进行编码，对于染色体的每一个基因位，在满足相应的约束条件下，随机产生一个基因，依次逐次进行，即可生成一个染色体，如此重复操作，直至生成所需规模大小的初始群体；Ⅱ：带有自适应罚函数的适应度函数：带有罚函数的适应度函数为eval(x)=z(x)p(x)，z（x）为目标函数转换后最大化函数，通过适应性罚函数来处理约束gi(x)≤bi，i=1,2,…,m的情况，对当代种群P（t）中给定一个个体x情况下，构造自适应罚函数为，其中，，gi(x)为第i个约束条件关于x的函数；bi为第i个约束条件的上限值；Δbi（x）代表着当前染色体对第i个约束条件的偏离值，Δbimax是当前种群中对第i个约束条件的最大偏离值；a为惩罚因子，可取为（0,1）区间上的值；ε是一个任意小的正数，用于避免罚函数中出现被零除的情况；Ⅲ：选择参与交叉和变异的个体：采用精英选择和轮盘赌选择相结合的方式，选择参与交叉和变异的个体，在选择算子中，先找到当前群体中适应度最高的个体，允许其不经过交叉和变异，直接进入下一代，并替换下一代中群体中适应度最差的个体，将剩余个体按照轮盘赌选择法进行操作；Ⅳ：采用改进改进的自适应遗传算法IAGA的交叉算子和变异算子：IAGA的交叉率Pc和变异率Pm公式，如下：其中fmax为每一代种群的最大适应度值；favg为每一代种群的平均适应度值；f′为要交叉的两个个体中较大的适应度值；f为要变异个体的适应度值，A=9.903438， Pc1=0.8，Pc2=0.6，Pm1=0.04，Pm2=0.005；Ⅴ：采用最大终止代数的方法确定是否终止迭代过程，寻求一组最优的(x1x2x3x4)，使目标函数的值最小。