[发明专利]一种基于改进粒子群算法的微电网优化调度方法

说明书

本发明公开了一种基于改进粒子群算法的微电网优化调度方法，分析了各种分布式电源的发电原理以及调度特性，建立了风力发电、光伏发电、燃料电池、微型燃气轮机、柴油发电机和储能装置的微电网数学模型；考虑微电网内各分布式电源的燃料成本、运行维护成本、污染物处理成本、计及分时电价时与主网的双向交互成本，以及系统中的各种约束条件，比较全面的搭建了微电网优化调度的数学模型；编写了基于改进粒子群算法的微电网优化调度程序。结果表明将该算法应用于微电网的优化调度中能有效合理的分配微电源的出力，实现经济环保调度。

技术领域

本发明涉及微电网技术领域，尤其是一种基于改进粒子群算法的微电网优化调度方法。

背景技术

近年来，由于环境保护和能源需求压力以及分布式发电技术的发展，微电网越来越受到重视。但是，微电网具有复杂、多样的能源结构、电源类型和控制方式，如何妥善地管理微电网中分布式电源的运行以实现微电网灵活、高效、经济、环保的运行，仍存在诸多问题。因此，微电网的优化调度研究受到了不少学者的关注。

微电网的优化调度研究主要涉及优化调度模型和优化算法两个方面。其中，优化调度模型应充分考虑微电网的经济性、环保性以及可靠性等；优化算法主要涉及收敛速度和收敛精度两个方面。到目前为止，国内外学者已将多种智能优化算法应用到微电网的优化调度研究中，如生物地理学算法、遗传算法、粒子群算法等；并且结合微电网的优化调度特点，对智能优化算法的收敛性、准确性和快速性等进行了一定的探索。随着智能优化算法的不断发展，其在微电网优化调度领域中得到了应用，目前，相关学者仍致力于研究性能表现良好的优化算法，以便能更加准确、快速地求得最优解。

粒子群算法其系统初始化为一组随机解，通过迭代搜寻最优值；其充分利用自身经验和群体经验调整粒子自身的状态，可以有效的对系统参数进行寻优。粒子群算法参数少，编程简单，寻优能力优良，收敛速度也较快；因此，将粒子群算法应用于微电网的优化调度中效果表现优良。但是，传统粒子群算法极易陷入局部最优解，因此需要对传统粒子群算法进行改进，使其能够很好的适应于微电网的优化调度问题，提高微电网的经济性、环保性和可靠性。

发明内容

本发明所要解决的技术问题在于，提供一种基于改进粒子群算法的微电网优化调度方法，提高了算法的时效性，达到快速、精确优化的目的，实现微电网运行的经济性与环保性。

为解决上述技术问题，本发明提供一种基于改进粒子群算法的微电网优化调度方法，包括如下步骤：

(1)数据初始化；输入微电网的系统组成、模型参数、负荷与风光资源、改进粒子群算法参数，同时，初始化粒子种群，种群中每一个粒子都对应调度周期内的一个调度方案；

(2)计算粒子的初始适应度值，把其当前值作为其个体最优值，并计算出群体最优值；

(3)对个体极值进行改进；

(4)利用改进后的速度更新公式更新粒子的速度和位置，并进行越限处理；

(5)计算粒子更新后的适应度值，并更新粒子的个体最优值和群体最优值；其中，前半个迭代周期适应度更新采用动态罚函数法，后半个周期采用双比较法；

(6)对群体最优值进行混沌搜索迭代；设置最大混沌迭代次数，利用混沌运动的遍历性以当前群体最优位置为基础进行混沌迭代搜索，若搜索到一个更优的解，则把搜索到的最优解随机取代当前种群中的一个粒子；

(7)判断是否达到最大迭代次数，若是则转向步骤(8)，否则转向步骤(3)；

(8)输出优化结果。

优选的，步骤(1)中，选用线性递减的动态惯性因子ω来提高算法的寻优能力，具体公式如下：

ω＝ω_start-(ω_start-ω_end)t/T