[发明专利]基于粒子群优化算法的微电网优化调度方法

权利要求书

1.基于粒子群优化算法的微电网优化调度方法，其特征在于，包括以下步骤：

S1：建立微电网双层优化调度模型，微电网双层优化调度模型包括上层优化调度模型与下层优化调度模型；

S11：建立上层优化调度模型，并设置第一变量约束；其中，上层优化调度模型为：

其中，是每个周期的光伏发电；是调度前每个周期负荷；是调度后每个周期的负荷；是每个周期从其他周期调度到本周期的负荷；是每个周期从本周期调度到其他周期的负荷；

第一变量约束为：

其中，是每个周期接收其他周期调度的最大负荷数；表示每个周期调度出去的最大负荷数；

S12：建立下层优化调度模型，并设置第二变量约束；其中，下层优化调度模型为：

C＝ω₀C_g+(1-ω₀)C_b

其中，C_g是柴油发电机的成本函数；P_k是柴油发电机的功率；C_b是蓄电池的成本函数；P_S，k是蓄电池的充放电功率；η_d是蓄电池的放电效率；η_c是蓄电池的充电效率；u_k表示蓄电池的充放电状态；a、b、c和d都是成本系数；ω₀是权重系数；f(P_S，k)是惩罚成本；

第二变量约束为：

P_k+P_S，k＝P_r

其中，P_r是调度之后本周期剩余的负荷；B^max和B^min分别是充放电之后蓄电池剩余能量的上下限；和分别是蓄电池放电功率的上下限；和分别是蓄电池充电功率的上下限；和分别是柴油机功率的上下限；

S2：设计粒子群优化算法，并选择一个合适的惯性权重；

S3：将步骤S11中的上层优化调度模型与S12中的下层优化调度模型进行仿真优化；仿真优化包括惩罚成本函数、蓄电池充电时的成本函数及蓄电池放电时的成本函数；

惩罚成本函数f(P_S，k)：

其中，DOD_k是蓄电池的放电深度；B^max表示蓄电池的最大能量；B^t-1表示蓄电池前一个状态的能量；Δt是调度周期；

蓄电池充电时的成本函数为：

C_b＝d(1-u_k)(1-η_c)P_S，k+v[(1-DOD_k)B^max-(B^t-1+(1-u_k)η_cP_S，kΔt)]

蓄电池放电时的成本函数为：

S4：根据步骤S3的仿真优化结果，调度微电网中的可调负荷。

2.根据权利要求1所述的基于粒子群优化算法的微电网优化调度方法，其特征在于：所述步骤S2中的粒子群优化算法包括以下迭代公式：

V_i(k+1)＝ω*V_i(k)+C₁r₁(p_ik-X_iD)+C₂r₂(p_gk-X_iD)

X_i(k+1)＝X_i(k)+V_i(k)

其中，V_i(k)表示粒子当前的速度；X_i(k)表示粒子当前的位置；p_ik表示粒子的个体极值；p_gk表示粒子的全局极值。