[发明专利]一种改进遗传算法的多微电网优化调度方法

说明书

本发明涉及一种改进遗传算法的多微电网优化调度方法。针对微电网群内能量调度的不确定性，本发明将一种自适应调整变异算子的策略引入到遗传算法中，使得变异算子在算法早期，具有较大的值，增大算法寻优的搜索范围，提高算法的全局寻优能力；而随着迭代的进行，变异算子逐渐减小，使算法在小范围内精细搜索，提高算法的收敛能力。本发明能够有效提高微电网群运行的经济性与可靠性。

技术领域

本发明属于微电网优化调度领域，涉及一种改进遗传算法的多微电网优化调度方法。

背景技术

随着供电可靠性和供电质量的提高，单个微电网日渐不能满足智能电网建设的需求。由于单个微电网的供电范围有限且运行过程中分布式电源的频繁接入和退出，导致单个微电网的供电可靠性与经济性不高。为了解决单个微电网存在的不足，多个微电网互连组成一个互补的多微电网系统，成为提高分布式能源利用的有效途径。

多个微电网组成的微电网群系统可以利用单个微电网的自治特点与多个微电网的协调互补特点，实现微电网内供需平衡的控制与管理。因此，研究多个微电网之间的协调控制问题是电力发展的一个重要课题。遗传算法是解决复杂组合优化问题的通用框架，在微电网优化调度方面得到了广泛的应用，但是针对微电网群的优化调度问题，由于原始遗传算法中变异算子固定，不能很好找到微电网群调度的最优方案，因此，需要对遗传算法进行改进，使其能够很好的适应于微电网群系统的运行调度问题，同时提高微电网供电的可靠性与经济性。

发明内容

本发明的目的是针对现有遗传算法在微电网群调度运行方面的不足，提供了一种改进遗传算法的多微电网优化调度方法。

本发明解决技术问题所采取的技术方案为：

一种改进遗传算法的多微电网优化调度方法包括以下步骤：

步骤一：初始化。

在微电网群优化过程中，初始化算法种群的规模N、算法搜索的最大迭代次数C以及交叉概率Pc。

步骤二：计算种群个体的适应度值。

根据建立的微电网群优化目标函数计算每个个体对应的适应度值。由于微电网群优化的目标函数是求微电网群运行费用的最小值，因此，把函数的倒数作为个体的适应度值。

步骤三：选择最优个体。

根据步骤二计算出的个体适应度，选择出适应度值高的个体。

步骤四：交叉操作。

根据给定的交叉因子和交叉策略，将两个父亲一代的信息进行交叉组合，产生新的优秀个体。

步骤五：生成变异算子：

式中，it为算法当前迭代次数，T为算法设置的最大迭代次数，A为控制参数，介于0到0.95之间。

步骤六：变异选择。根据生成的变异算子，对种群内个体进行随机变异。

步骤七：交叉操作和变异操作生成的新一代个体返回步骤二进入下一次循环。

步骤八：判断是否达到最大的迭代次数，满足则输出最优值对应的最优个体，不满足，转到步骤二继续执行。

本发明的有益效果：本发明提出一种基于改进遗传算法的微电网群优化调度策略，对微电网群之间能量的协调调度进行优化，能提高未来智能电网对微电网群的运行、调度要求。该方案可以有效提高智能微电网运行的经济性与环保性。

附图说明

图1.本发明流程图。

具体实施方式

以下结合附图对本发明作进一步说明。