[发明专利]有源配电网环境下多目标模糊优化的多能源经济调度方法

权利要求书

1.有源配电网环境下多目标模糊优化的多能源经济调度方法，其特征在于，包括如下步骤：

A、建立多能源多目标经济优化模型；

B、根据各间歇式能源在每个时刻出力的预测值确定各间歇式能源在每个时刻出力的预测区间，将各间歇式能源在每个时刻出力的预测区间都平均划分为九个等份，以各间歇式能源在每个时刻出力预测区间各等份的边界曲线为各间歇式能源在每个时刻的出力过程曲线，基于间歇式能源出力预测标准差及3-δ原则对各间歇式能源在每个时刻的出力过程曲线进行模糊化以确定各间歇式能源在每个时刻出力的不确定性区间；

C、根据间歇式能源在每个时刻出力的不确定性区间以及火电机组在每个时刻的出力、电动汽车在每个时刻的充放电量初始化种群中的任意个体为：

采用多目标差分进化算法对多能源多目标经济优化模型进行求解得到Pareto模糊方案集，N表示电力系统中所有能源和电动汽车的总数，N＝N_c+N_r+N_B，

采用多目标差分进化算法对多能源多目标经济优化模型进行求解的具体方法为：

变异操作：选取为变异算子来确定每代种群进化过程的参数个体，分别表示当前种群进化过程中的任意两个体，X^G为当前种群进化过程中的最优个体，γ为变异调节参数，γ∈[0,1]，U^G+1为下一代种群进化过程的参数个体；

在每一代种群进化过程中执行如下选择操作：通过比较根据当前种群进化过程中最优个体X^G确定的单个目标值F_a(X^G)和根据用于下一代种群进化的候选个体V^G+1确定的单个目标值F_a(V^G+1)来选择参与下一代种群进化的个体，采用可能度p(α≥β)来衡量当前种群进化过程中最优个体X^G与用于下一代种群进化的候选个体V^G+1的优劣，在p(α≥β)＞0.5时选择当前种群进化过程中最优个体X^G参与下一代种群进化，在p(α≥β)≤0.5时选择用于下一代种群进化的候选个体V^G+1参与下一代种群进化，α、β分别为确定当前种群进化过程中最优个体X^G与用于下一代种群进化的候选个体V^G+1的不确定性区间，Δα＝α^u-α^l，Δβ＝β^u-β^l，α^u、α^l分别为不确定性区间α的上下限，β^u、β^l分别为不确定性区间β的上下限。

2.根据权利要求1所述有源配电网环境下多目标模糊优化的多能源经济调度方法，其特征在于，步骤A具体为：针对包含火电机组、风电、光伏、电动汽车的电力系统，以发电成本最小、火电污染排放量最小、各能源开停机次数最少为目标，考虑负荷平衡约束、旋转备用约束、各能源出力约束、火电机组爬坡率约束、电动汽车充放电约束建立如下多能源多目标经济优化模型：

多目标：

负荷平衡约束：

旋转备用约束：

火电机组出力约束：P_ci,min≤P_ci,t≤P_ci,max，

火电机组爬坡率约束：DR_ci≤P_ci,t-P_ci,t-1≤UR_ci，

电动汽车充放电约束：

间歇式能源出力约束：

其中，F₁、F₂、F₃、F₄分别为火电发电成本计算函数、火电污染排放量计算函数、各能源启停次数计算函数、电动汽车充放电成本计算函数，T为调度周期长度，N_c为火电机组数量，N_r为间歇式能源的数量，且N_r＝N_w+N_p，N_w为风机数量，N_p为光伏数量，a_i、b_i、c_i、d_i、e_i为第i个火电机组的成本系数，α_i、β_i、γ_i、ζ_i、λ_i为第i个火电机组的污染排放系数，P_ci,t、P_ci,t-1分别为第i个火电机组在t时刻、t-1时刻的出力，P_rj,t为第j个间歇式能源在t时刻的出力，l_it、l_jt分别为火电机组、间歇式能源在t时刻的开停机次数，l_it-1、l_jt-1分别为火电机组、间歇式能源在t-1时刻的开停机次数，l_it,l_jt∈{0,1}，l_it-1,l_jt-1∈{0,1}，N_B为电动汽车数量，Π_d,t为第d个电动汽车在t时刻的成本系数，为第d个电动汽车在t时刻的充电量或放电量，P_D,t为在t时刻的负荷需求，P_loss,t为在t时刻的电力传输损失，分别为第m个能源、第n个能源在t时刻的出力，l_mt、l_nt分别为第m个能源、第n个能源在t时刻的开停机次数，B_mn、B_0m、B₀₀为网络传输损失系数，P_ci,max、P_ci,min分别为第i个火电机组的最大出力、最小出力，P_d,max为第d个电动汽车的最大容量，L为旋转备用出力占t时刻负荷需求的比例程度，L∈[0,100)，DR_ci、UR_ci分别为第i个火电机组的最大爬坡率限制、最小爬坡率限制，表示第d个电动汽车在t时刻处于放电状态，表示第d个电动汽车在t时刻处于充电状态，为第d个电动汽车在t时刻的最大放电量，为第d个电动汽车在t时刻的最大充电量，V_d,t-1、V_d,t分别为第d个电动汽车在t-1时刻、t时刻的剩余功率，V_d,max、V_d,min分别为电动汽车剩余功率的最大、最小限制，P_wqt、P_pkt分别为第q个风机和第k个光伏在t时刻的出力，P_wqt、分别为第q个风机在t时刻预测的出力最小值和最大值，P_pkt、分别为第k个光伏在t时刻预测的出力最小值和最大值，q＝1,2，…，N_w，k＝1,2，…，N_p。