[发明专利]一种基于粒子群算法的微电网能源控制方法及装置

权利要求书

1.一种基于粒子群算法的微电网能源控制方法，其特征在于，包括：

S1：构建预置粒子数量的粒子群，粒子群中粒子的位置的n个维度分别表示为未来预置时间段内n个时刻的微电网内可变频率变压器的转速，并在预置的转速约束范围和预置的粒子速度约束范围内对粒子群内各个粒子的位置和速度进行初始化操作，n为正整数；

S0：获取未来预置时间段内n个时刻的预测光照强度，根据预测光照强度计算n个时刻微电网内太阳能发电功率；

S2：联立微电网内输入功率与消耗功率相等的约束条件和可调压负载消耗功率与可变频率变压器的转速的关系式得到蓄电池输入功率和可变频率变压器的转速的关系式，并将蓄电池输入功率和可变频率变压器的转速的关系式变形得到各个时刻蓄电池容量与可变频率变压器的转速的关系式，其中，输入功率包括市电输入功率、太阳能发电功率和蓄电池输入功率，消耗功率包括恒压负载消耗功率和可调压负载消耗功率；

S3：以各个时刻的蓄电池容量与预置电池容量的差值的平方和为适应度函数，以粒子群中适应度最小的粒子的位置作为全局最优位置，通过粒子群算法对粒子群的速度和位置进行迭代更新，以迭代至最大更新次数时的全局最优位置中n个维度的转速作为未来预置时间段内n个时刻的微电网内可变频率变压器的转速的给定值，通过可变频率变压器的转速的给定值对可变频率变压器进行控制。

2.根据权利要求1所述的一种基于粒子群算法的微电网能源控制方法，其特征在于，步骤S3具体包括：

S31：以各个时刻的蓄电池容量与预置电池容量的差值的平方和为适应度函数，以粒子群中适应度最小的粒子的位置作为全局最优位置，以粒子在各次更新中适应度最小的位置作为该粒子的粒子最优位置，通过粒子群算法的更新公式对粒子群的速度和位置进行迭代更新，其中，更新公式如下：

其中，为第k个粒子第t次更新的速度，为第k个粒子第t+1次更新的速度，为第k个粒子第t次更新的位置，为第k个粒子第t+1次更新的位置，为第k个粒子的粒子最优位置，为第i次更新的全局最优位置，为惯性权重系数，c₁为第一学习因子，c₂为第二学习因子，r₁和r₂为随机数，k＝1,2,…,N，N为预置粒子数量；

S32：判断是否当前更新次数达到最大更新次数，若是，则以迭代至最大更新次数时的全局最优位置中n个维度的转速作为未来预置时间段内n个时刻的微电网内可变频率变压器的转速的给定值，通过可变频率变压器的转速的给定值对可变频率变压器进行控制，若否，则返回步骤S31进行下一次迭代更新。

3.根据权利要求2所述的一种基于粒子群算法的微电网能源控制方法，其特征在于，步骤S31之后，步骤S32之前还包括：

S30：将更新后各个粒子的速度中超过粒子速度最大值的速度替换为粒子速度最大值，将低于粒子速度最小值的速度替换为粒子速度最小值，将更新后各个粒子的位置中超过转速最大值的维度替换为转速最大值，将低于转速最小值的维度替换为转速最小值。

4.根据权利要求1所述的一种基于粒子群算法的微电网能源控制方法，其特征在于，预置的转速约束范围为通过预置的变频变压交流母线的电压约束范围和/或预置的用户舒适度约束范围计算得到的转速约束范围。