[发明专利]基于PSO改进算法的微电网多目标运行优化方法

说明书

本发明公开了一种基于PSO改进算法的微电网多目标运行优化方法，建立了基于微电网运行成本最低、污染排放治理费用最小、平抑可再生能源输出功率波动效果最佳的多目标运行优化模型，并采用改进的杂交PSO算法对模型进行求解，该算法首先将粒子群平均分为多个子群，分别对应多个优化目标，然后从各子群中选择指定数量的父代粒子进行杂交，最后得到一个Pareto解集，对此解集进行规范化排序后即可求得一组精确的最优解，此外，在上述算法中加入对环境变化的判断阀值，以进一步提高算法的时效性，达到快速、精确优化的目的，进而使微电网系统实时跟进环境变化而做出相应的调整，最终实现微电网的稳定性、经济性以及环保性运行。

技术领域

本发明涉及微电网技术领域，尤其涉及一种基于PSO改进算法的微电网多目标运行优化方法。

背景技术

微电网是智能电网中管理分布式电源的一种有效技术手段，其优化运行一直是国内外研究的热点问题。在进行优化的过程中，首先需建立微电网系统模型，然后设定相应的约束条件，并根据微电网的优化需求选取一个或多个指标作为优化目标，最后通过一定的求解方法对优化配置问题进行求解，得到的最优解即为最优配置方案。在优化目标的选取上，因人们对微电网系统供电可靠性、安全性、环保性等方面要求的提高，故会选取多个相关指标作为优化目标，多目标优化已经成为了当今的热点研究问题。

求解多目标优化模型的方法大致包括枚举法、智能优化算法和混合算法，由于微电网优化问题是一个包含连续变量和离散变量的混合优化问题，采用新兴的智能优化算法可更好的对该问题进行求解，尤其是在多目标优化问题的求解上，因多个目标之间往往存在冲突，一般很难同时达到最优，进而造成某些目标的优化结果不理想甚至不满足优化要求，采用智能算法可以方便的寻求到一组均衡解，故智能优化算法是求解多目标优化问题的有效手段，得到了越来越多的关注和应用。国内外学者围绕智能优化算法，如遗传算法、粒子群(PSO)算法、蚁群算法及模拟退火算法等，结合微电网的优化配置特点，对智能优化算法的收敛性、准确性和快速性等进行了一定探索，并提出一些性能优良的改进型优化算法。随着智能优化算法的不断发展，其在微电网优化配置领域中得到了应用，目前，相关学者仍致力于研究性能表现良好的多目标优化算法，以便能更加准确、快速地求得最优解。

分布式电源具有较强的波动性，恶劣环境下甚至会产生突变，这些特性会增加微电网多目标优化问题的求解难度，对优化求解算法的实时性和快速性要求较高，采用通常的优化算法和改进优化算法难以同时保证模型求解的速度和精度。

发明内容

本发明提供了一种基于PSO改进算法的微电网多目标运行优化方法，通过采用改进的杂交PSO模型，能有效提高多目标优化模型求解的速度和精度。

为解决上述技术问题，本发明采用以下技术方案：

基于PSO改进算法的微电网多目标运行优化方法，其特征在于，包括以下步骤：

步骤1：获取相关的预测数据及运行参数，所述预测数据包括根据历史数据预测获得的当地典型日24小时内的光照数据、风力数据和负荷数据，所述运行参数为当地电价参数、污染排放治理参数以及微电网相关参数，所述微电网相关参数包括系统条件、光伏发电系统参数、风力发电系统参数、柴油发电系统参数和储能系统参数；

步骤2：根据优化目标和约束条件建立多目标优化模型，优化变量为分布式电源和配网的出力；

步骤3：将步骤1中的预测数据和运行参数代入多目标优化模型中，并通过自适应重启杂交PSO算法求解优化模型，得出当地微电网的实时分布式电源和配网最优出力方案。

进一步的，所述优化目标包括：微电网运行成本最低，污染排放治理费用最小，平抑可再生能源输出功率波动最小，实现微电网运行成本、污染排放治理费用、平抑可再生能源输出功率波动三个优化目标的综合效果最佳。

所述系统约束条件包括功率平衡约束、分布式电源出力约束、微电网与大电网之间的交换功率约束。