[发明专利]一种基于量子行为粒子群算法的微电网调度方法

说明书

技术领域

本发明属于微网技术领域，尤其针对风光储并网型微电网优化调度，涉及 一种基于量子行为粒子群算法的微电网调度方法。

背景技术

微电网是由多种DG(distributiongeneration)、储能单元、负荷和控 制保护系统组成的，通过协调各DG，为一个小区或者海岛提供电力或热负荷 的需求，微电网的技术特点使其适合为一些边远地区供电。并网型风光储微电 网作为一种典型的微电网在未来具有极大的发展空间，并网运行时，由于大电 网实施了峰谷电价，这使得并网型微电网可以在低电价时从大电网购电，而在 高电价时售电给大电网从而赚取差价，降低整个系统运行成本。

微电网的调度的目标可以是单目标，也可以是多目标，目前单目标主要针 对系统某一阶段运行成本而言，比如日前调度则是考虑全天运行成本，而多目 标主要考虑系统运行成本，环境惩罚成本以及可靠性等。微电网优化调度问题 是一个多维非线性优化问题，对于传统的通过求解方程得到最优解方法难以应 用于解决微网优化调度问题中。而随着智能控制和智能算法的发展，智能算法 对于解决高维非线性最优问题已经比较成熟，比较典型的智能优化算法主要有 进化遗传算法、鱼群算法、蚁群算法以及粒子群算法。通过对微网优化调度问 题的建模并结合智能算法，可以有效的求解此类高维非线性优化问题。

现有微电网调度技术主要针对是经济性而言，其中包括机组运行维护成本、 燃料成本、折旧成本、启停机成本以及在并网状态下运行和大电网的交互成本， 对于环境成本，主要是针对柴油机、微型燃气轮机等有污染物排放机组而言的。 如何降低微电网运行维护成本和与大电网交互成本成为并网型风光储微网的 关键问题，由于各机组出力与负荷以及各机组的出力上下限均有关系，在随机 类智能搜索算法中经常会出现变量越限或约束不满足要求的情况，因此如何处 理好约束也成为优化调度中的一个关键。此外，随机类智能算法的容易早熟以 及不收敛问题也给多维非线性问题的求解带来了一定的困难，且算法的全局搜 索能力和局部搜索能力对非线性问题的寻优也有一定的影响，而如何权衡两者 使得算法适合实际问题的需要也是目前需要研究的一个问题。

发明内容

本发明主要针对并网型风光储微电网优化调度问题，提供了一种基于量子 行为粒子群算法的微电网优化调度方法，且通过对算法的参数控制，使得其适 用于风光储微电网优化调度问题，且能较好的处理各约束问题。本发明主要通 过以下技术方案实现：

为解决风光储并网型微电网优化调度问题，本发明主要采用的技术方案是 基于量子行为粒子群算法的并网型风光储微电网优化调度方法，所述方法主要 步骤有：

A、基于日前调度计划安排各微电源出力，选定储能系统中的蓄电池出力为 直接优化变量，而微电网和大电网交换功率为间接优化变量；设定仿真的调度 周期和时间维度，载入光伏出力、风机出力和负荷功率预测数据以及微电网和 大电网交换功率的实时电价，同时设定算法的粒子个数、迭代次数、运行轮数 以及粒子维数；

B、初始化蓄电池的荷电状态并计算蓄电池初始剩余电量；对每个粒子的每 一维依次进行循环，若蓄电池荷电状态满足所要求的约束范围，则对其在出力 范围内进行随机初始化，计算该时刻蓄电池荷电状态，然后对蓄电池荷电状态 进行检测，如果蓄电池荷电状态不在所要求的约束范围内，则对其进行边界化 条件处理；接着计算微电网和大电网的交换功率，并检测其是否超出传输线最 大传输功率限制，如超出线路最大传输功率限制，则把传输功率置为最大允许 传输功率，同时由功率平衡再次计算蓄电池出力，由蓄电池出力再计算其荷电 状态，检测蓄电池荷电状态是否满足要求，如满足要求，则跳出该粒子循环， 进入下一个粒子的初始化；

C、当所有粒子初始化完毕，则对其初始适应度值进行计算，也即目标函数 值f(x)，f(x)主要包括以下部分；