[发明专利]基于正负反馈粒子群算法的微电网多能源调度优化方法

权利要求书

1.一种基于正负反馈粒子群算法的微电网多能源调度优化方法，其特征在于：包括以下步骤：

步骤1、建立在满足系统运行约束条件下优化系统发电机出力及最小发电成本的优化目标函数；

步骤2、设置所述步骤1的优化目标函数的约束条件；

步骤3、采用正负反馈粒子群算法进行优化计算，设置该算法的各项参数后开始迭代求解，最后得到步骤1的优化目标函数的最优解。

2.根据权利要求1所述的一种基于正负反馈粒子群算法的微电网多能源调度优化方法，其特征在于：所述步骤1的在满足系统运行约束条件下优化系统发电机出力及最小发电成本的优化目标函数为：

式中，F_G为系统中n_g台发电机总发电费用；F_i(P_i)、P_i分别为第i台发电机费用和有功功率；n_g为系统发电机节点数；

建立考虑阈点效应的发电机耗量特性模型，从而构建ED适应度计算函数；

所述考虑阈点效应的发电机耗量特性模型为：

F_i(P_i)＝a_i+b_iP_i+c_iP_i²+E_i

其中a_i、b_i、c_i分别是燃料费用系数；E_i为为阀点效应引起的耗量特性变化；g_i、h_i为阀点效应系数；为第i台发电机有功功率下限。

3.根据权利要求1或2所述的一种基于正负反馈粒子群算法的微电网多能源调度优化方法，其特征在于：所述步骤2的约束条件包括计及系统功率平衡约束、发电机运行约束和电压幅值和稳定性约束约束；

(1)系统功率平衡约束，即任何时刻发电机有功与系统有功平衡，满足：

式中，P_D为电网负荷功率；P_L为系统传输功率损耗；N为系统节点；

(2)发电机运行约束，包括有功功率和无功功率约束：

P_imin≤P_i≤P_imax,i＝1,2,…,n_g

Q_imin≤Q_i≤Q_imax,i＝1,2,…,n_g

式中，P_imin、P_imax、Q_imin、Q_imax为第i台发电机有功和无功功率下、上限；

(3)电压幅值和稳定性约束约束，可描述为：

V_imin≤V_i≤V_imax,i＝1,2,…,N

i,j＝1,2,…,N且i≠j

其中，V_imax、V_imin分别是节点电压上、下限；稳定性约束针对线路相连节点δ_i、δ_j为节点i、j的相角；为相角差上限。

4.根据权利要求1或2所述的一种基于正负反馈粒子群算法的微电网多能源调度优化方法，其特征在于：所述步骤3的具体步骤包括：

(1)对系统各发电机出力进行编码，形成向量P_g＝{P_G1,P_G2,…,P_Gng}，确定微电网下电力系统ED问题的各项参数，改进型PSO的种群规模n，最大迭代次数T_max；

(2)初始化粒子位置p_id、速度v_id，并定义最佳粒子p_gi及最佳适应度fit,描述为：

p_id＝rand()×(P_imax-P_imin)+P_imin,i＝1,2,...,n,d＝1,2,...,n_g

v_id＝-1+2×rand(),i＝1,2,...,n,d＝1,2,...,n_g

其中，i表示种群中粒子，d表示每个粒子的维度；

(3)种群划分：如果在迭代过程中，粒子的迭代代数已经达到了重新划分子种群的代数，那么就按照下式对二级子种群的比例系数进行动态调整，分为两个二级子种群；如果没有达到重新划分种群所要求的粒子迭代次数，则执行步骤(4)；

式中，ρ_max、ρ_min分别是两个二级子种群的比例系数最大值和最小值；T是重新划分种群时粒子所经历的迭代次数；T_max是最大迭代次数；m₁、m₂分别是子种群1、2中粒子数；

(4)计算种群各粒子适应度：基于设定的发电机出力，开展系统潮流计算，判断是否满足约束条件，若存在越限问题，引入惩罚因子使适应度急剧变差；

(5)种群评价：对比第i个粒子当前适应度，更新种群中最优、最差粒子适应值及其位置；

(6)计算粒子浓度，确定变异率，若达到变异率条件则对该粒子进行随机初始化操作；变异率公式描述为：

p_ni＝0.5(a×f(x_i)+b×den(x_i))

其中，系数a＝1/max[f(x_j)],j＝1,2…,m；den(x_i)是个体i的浓度，具体满足以下公式：

aff(x_i,x_j)＝1/(1+R_ij)

式中，aff_m为预先设定阀值，R_ij为个体x_i、x_j之间的距离；

(7)种群更新：更新最佳粒子位置和适应度、各粒子速度和位置，可描述为：

式中，r₁、r₂为相互独立系数；c₁、c₂为正的学习因子系数；是粒子i的个体最佳位置；是种群1的最佳粒子位置或者是种群2的最差粒子位置；w为惯性因子，本发明采用线性递减惯性惯性权重：

式中，w_start和w_end分别代表初始迭代权重和终止迭代权重；

(8)终止判断：终止寻优的结束条件为寻优达到最大进化代数T_max，若满足终止条件则结束寻优，输出最优解；否则转到步骤(3)。