[发明专利]基于粒子群-线性规划算法的多能源跨区域优化配置方法

权利要求书

1.一种基于粒子群-线性规划算法的多能源优化配置方法，其特征在于，包括以下步骤：

确定计算所需相关数据；

以全局获取电力能源的总成本最小为优化目标，建立多能源跨区域优化配置模型；

基于粒子群-线性规划算法求解模型，确定输出各类资源优化配置结果；

所述所需相关数据包括：确定各区域电能需求量、初始发电量、初始发电量销售价格、每种发电资源的价格、各区域可利用的各类发电资源量、各电力线路输送最大值、各区域发电功率最大值、各发电资源运输线路最大值；本实施例发电资源具有可运输性，包括以煤炭、石油、天然气等化石能源。

2.如权利要求1所述的方法，其特征在于，所述多能源包括电力能源和发电资源。

3.如权利要求2所述的方法，其特征在于，所述以全局获取电力能源的总成本最小为优化目标，建立多能源跨区域优化配置模型具体为：

目标函数：

目标函数是在满足各区域电力能源需求的条件下，全局获取电力能源的总成本最小，即：

式中，C_M为全局总购电总成本，P_i为区域i最终形成的平均购电成本，E_Di表示区域i的需求电量，n为研究范围内区域个数，即i＝1……n；

约束条件包括：全局电力供需平衡约束、各区域发电资源约束、各区域发电电量等式约束、各区域发电电量不等式约束、各条电力线路输送限值约束、各区域发电功率限值约束与发电资源运输限值约束。

4.如权利要求3所述的方法，其特征在于，所述基于粒子群-线性规划算法求解模型，确定输出各类资源优化配置结果包括以下步骤：

S31、统一多种发电资源；根据各区域生产的各种发电资源与标准煤之间的热值关系，进行等价转换；

S32、协调区域发电资源与电能交易的配比；

S33、基于粒子群算法的计算电力能源-发电资源双层能源优化配比。

5.如权利要求1所述的方法，其特征在于，所述步骤S33包括以下步骤：

S331、获得原始数据：包括获取步骤S1中的数据；

S332、开始粒子群算法迭代，粒子初始化，随机生成多个区域粒子，同时随机生成每个区域粒子的速度；

S333、计算粒子群中每个区域粒子的适应度；

S334、评价粒子群中每个区域粒子的适应度，寻找区域粒子的最佳个体位置和最佳群体位置，根据最佳位置更新每个区域粒子的速度和位置；

S335、判断是否满足计算的收敛条件，若未达到，则返回步骤S333；若已达到，则结束迭代。

6.如权利要求5所述的方法，其特征在于，所述步骤S333包括以下步骤：

B1、优化电力能源-发电资源双层联合分配；

B2、计算各区域粒子对应条件下的全局总购电总成本。

7.如权利要求5所述的方法，其特征在于，所述S333包括以下步骤：

针对给定的各区域电能交易占比，以及各区域初始发电量电价和发电资源对应的发电电价，计算出每一区域需要发出的电能量，该电能量包括本地初始发电量和附加发电量；

根据所述发电量确定各区域发电资源的需求，进行发电资源优化配置，根据分配结果确定各区域的新发电资源平均价格，并确定新的附加发电量电价，同时确定各区域购电平均成本；

根据所述最新的发电资源价格和附加发电量价格，重新优化电力能源的分配和发电资源分配，由此进入迭代循环，直至各区域平均购电成本不再发生变化，以此作为迭代终止条件；

确定优化分配的结果。