[发明专利]一种基于模拟退火粒子群算法的微电网优化方法

说明书

本发明公开了一种基于模拟退火粒子群算法的微电网优化方法，基于微网运行时追求目标不同，成本最低和污染最小不能同时满足，从经济性、环保性考虑，建立相应目标函数。本发明为避免传统粒子群算法易陷入局部最优解的缺陷，通过采用模拟退火算法和粒子群算法相结合的算法，与传统粒子群算法对比，不易陷入局部最优解，从而得到更适用于微电网的运行方式，减少了成本。

技术领域

本发明属于微电网优化运行领域，特别是涉及一种模拟退火算法和粒子群算法相结合的微电网优化方法，得到更适用于微电网的运行方式。

背景技术

分布式发电系统作为集中供电系统的有力补充，在供电的经济性以及对环境的污染程度方面较大电网有一定的优势。然而，分布式电源的发电成本以及对环境的污染仍不容忽视。将分布式电源以微电网形式接入到电网，是发挥分布式电源能效的最有效方式。多种多样分布式电源的组合及出力方式可以解决不同的用电需求，而在保证用电可靠性稳定性的前提下，科学的配比使其达到经济效益最大化、环境污染最小化则是目前探讨的重点。

到目前为止，人们已将多种算法应用到微电网的优化算法研究中，如遗传算法、粒子群优化算法等。优化问题主要有两个方面：一是要求寻找全局最小点，二是要求有较高的收敛速度。遗传算法有三个基本算子：选择、交叉和变异。这些算子的实现需要许多参数，且这些参数的选择严重影响解的品质，而这些参数的选择大部分是依靠经验。粒子群优化算法没有遗传算法用的交叉以及变异，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优化。而不足之处在于粒子群易早熟、易陷入局部最优解，从而常常不能寻出最优解。

发明内容

基于上述现有技术中的缺陷情况，本发明为避免传统粒子群算法易陷入局部最优解的缺陷，提供一种模拟退火算法和粒子群算法相结合的微电网优化方法，容易实现、收敛快以及更精确等优势，在电力系统约束条件下，得到更适用于微电网的运行方式。

由于模拟退火算法比普通的Greedy算法在搜索的过程中引入了随机因素。也就是说它有一定的概率先接受一个比当前解要差一些的解，所以可以跳出这个极值，也就是摆脱局部最优解，从而找出全局最优解，解决粒子群算法易陷入局部最优解的缺陷。

实现本发明目的的技术解决方案为：

一种基于模拟退火粒子群算法的微电网优化方法，其特征在于，包括如下步骤：

步骤1：建立综合考虑微电网运行性能的目标函数C₃；

步骤2：设置约束条件；

步骤3：初始化参数惯性权重ω、学习因子c₁、c₂和退火速度δ；

步骤4：随机生成一个种群，包含m个粒子，随机初始化粒子的速度和位置；

步骤5：计算每个粒子i的适应度fitness(x(i))，简称f(x)，记录第i个粒子的最优位置P_id、全局最优位置P_pd、适应度f(P_id)和全局最优适应度f(P_pd)；

步骤6：根据全局最优适应度f(P_pd)计算得到退火算法初始温度T₀；

步骤7：记f_SA(x)函数为计算退火算法适应度的函数，在当前温度T下各P_id的退火算法适应度

步骤8：应用轮盘赌选择遗传算法，从个体最优位置P_id中选取一个代替全局最优位置P_pd，记为P_rd；

步骤9：将P_pd替换成P_rd，带入粒子群公式，更新各粒子的速度；