[发明专利]一种基于改进鱼群算法的独立风光储微网的优化配置方法

说明书

本发明公开了一种基于改进鱼群算法的独立风光储微网的优化配置方法，利用粒子飞行速度v、惯性权重w来改进人工鱼群算法的觅食行为、聚群行为、追尾行为。利用粒子群算法对适应度值最高的精英人工鱼群进行更新，在人工鱼群算法中，找到适应度值最高的人工鱼，利用粒子群算法进行更新，直到满足要求的精度或迭代次数。此时迭代求得的位置显然比初始点更优，但要求得当前最好解需进行多次迭代。从整体效率来考虑，利用精度和迭代次数一起构成改进的粒子群人工鱼群算法的终止条件。本发明应用上述算法对独立风光储微网进行配置，独立型微网优化配置是以微源正常运行和满足各约束条件，达到微电网的总运行成本最低及最低的新能源发电弃用率的要求。

技术领域

本发明涉及改进鱼群算法应用领域，具体地说，特别涉及到一种基于改进鱼群算法的独立风光储微网的优化配置方法。

背景技术

受鱼群社会属性和社会行为的启发，李晓磊提出的一类基于动物行为的群体智能优化算法——人工鱼群算法。每一个人工鱼是人工生命的一个自治体，通过自身的感官行为来感知外界环境，觅食、聚群、追尾和随机行为是鱼在自然界进化过程中的基本社会属性和基本行为。

当前，大规模分布式风力和光伏并网和消纳困难，弃电严重。在风光伏微网中配置合理容量的储能，是促进分布式风电和光伏就地消纳、提高风电和光伏系统效能的有效方式，随着电力市场的完善和通讯、计量设施的普遍应用，用户侧参与需求响应带来的负荷已经成为微网投资规划运行中不可忽视的因素。因此，研究多时段需求响应对风光伏微网储能配置的影响，对风光伏微网商业化投资决策有着重要的意义。现阶段，由于储能器件价格昂贵，储能容量的配置不宜过大，过大的储能容量将显著增加投资成本；储能容量的配置也不能过小，过小的储能容量无法保证系统在离网时段的稳定运行，也不利于促进光伏的消纳。

另外，基本人工鱼群算法针对高维度极值函数寻优后期收敛速度慢，精度有待于提高。基本人工鱼群算法在应用于独立风光储微网的优化配置中，存在配置不合理的问题，对分布式能源的发电利用率以及总配置成本达不到既定要求。

发明内容

本发明的目的在于：

1)提出一种改进人工鱼群算法(PSO-AFSA),该算法基于精英策略改进，利用人工鱼群算法(AFSA)的良好全局收敛性、快速跳出局部极值的能力和粒子群算法(PSO)信息策略、局部快速收敛性及简单操作易实现等优点。

2)通过仿真分析，验证PSO-AFSA算法比鱼群算法具有更快的收敛速度和更高的寻优精度，且性能稳定。

3)将其应用于风光储独立微网的配置中，合理地得到最佳配置结果。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于改进鱼群算法的独立风光储微网的优化配置方法，包括如下步骤：

I、改进人工鱼群算法

步骤1)随机初始化N条人工鱼，给定视野Visual，步长step，拥挤度因子δ，最大重复次数tryNumber和最大迭代次数MAXGEN；

步骤2)计算每条人工鱼的适应度值Y，选出精英鱼群X_elite，并寻找适应度值最大的人工鱼，记录在公告板BestY；

步骤3)对精英人工鱼利用粒子群算法PSO更新；

步骤4)对除去精英鱼群的其他人工鱼进行聚群算子AF_swarm和追尾算子AF_follow，选择适应度值Y增加最大的作为更新结果；

步骤5)比较更新前后人工鱼适应度值Y，若更新后适应度值Y小于或等于更新前人工鱼适应度值Y，则利用觅食算子AF_prey对该人工鱼进行更新；

步骤6)将更新后人工鱼适应度值与公告板BestY进行比较，若较好，则将其赋予公告板；