[发明专利]一种大规模综合能源系统混合潮流计算方法

权利要求书

1.一种综合能源系统最优潮流优化方法，其特征在于，所述方法包括以下步骤：

步骤1：定义综合能源网络的输入数据，负载水平包括电力和热负荷；指定变量的限制，包括发电机的有功和无功功率限制、电压幅度、压力和温度的限制；定义天然气网络中压缩机的压缩比极限，以及能源枢纽中使用的设备的限制；

步骤2：使用上一步中指定的限制在其可行范围内初始化种群成员；

步骤3：潮流阶段：根据其结构确定每个能量枢纽的输入功率，运行电，气和热潮流，计算总体的每个成员的目标函数的适合度值；

步骤4：选择最佳个体作为老师，运行MTLBO算法的教师阶段；

设Mi和Ti为第i次迭代的学生和教师，Ti试图将Mi提升到自己的水平，教师阶段表述为：

κ_i＝round(1+rand_i) (1)

DM_i＝rand_i×(T_i-κ_iM_i) (2)

其中rand是[0,1]之间的随机数，而κ_i是确定要更改的均值的示教因子，如果Xi的适应度函数值比旧的更好，则可以接受Xi的新值；

步骤5：如果某值超出其边界，则根据不等式约束对其变量进行限制，再运行潮流阶段；

步骤6：替换阶段：检查新的个体成员是否具有比旧种群更好的适应度值，用新的增强个体替换旧个体；

步骤7：使用式(4)运行MTLBO算法学习阶段，随机选择两个学习者和其中i≠j，然后：

同样，如果X_i的适应性功能比旧的更好，则可以接受X_i的新值；

步骤8：分别执行潮流和更换阶段；

步骤9：使用式(5)-(8)运行MTLBO算法的改进阶段；

为每个学习者定义一个突变概率P_X，其值在[0,1]之间，然后生成一个介于0和1之间的随机数，并将其与P_X进行比较；如果该随机数等于或小于P_X，则会发生突变，学习者的新职位通过以下方式计算：

其中，在每次迭代中，W_i是最差的学生，同样，对新X_i的接受程度取决于其适应性值是否提高，ξ的值是通过Morlet小波函数计算的，如下所示：

其中ω_c是小波的中心频率；为±2.5h之间的随机数，|ξ|的较大值对突变进行较大的更改，反之亦然；此外，ξ的正值使变异学生趋向教师，相反，如果ξ为负，则突变学习者将从最差学习者的位置退出，由于母小波函数的总能量的99％位于区间[2.5，+2.5]之间，因此在[2.5h，+2.5h]之间随机生成参数的值，该算法在开始时使用较大的搜索空间来查找几乎全局的最佳解决方案，然后将搜索空间限制在该全局解决方案周围，以提高最终解决方案的准确性；在这种情况下，膨胀参数h会逐次更改，以达到调整后的值，在开始时设置为一个较小的值，使|ξ|的值足够大以产生更大的搜索空间，然后在每次迭代中增加以使|ξ|的值更小，从而使搜索空间更小，结果，h计算为

其中k和k_max分别是当前迭代和迭代总数，h的递增函数的上限和形状格式可以分别由和σ定义，σ的值会严重影响算法的性能，为了获得算法的探索能力和最终结果的准确性，应正确定义σ的值；为此，应在开始时将其设置为较小的值，并逐次增加迭代次数，如下所示：

其中，σ的上限和下限分别由σ^max和σ^min定义；

步骤10：分别执行潮流和更换阶段；

步骤11：转到步骤4，直到达到最大迭代次数。

2.如权利要求1所述的一种综合能源系统最优潮流优化方法，其特征在于，所述步骤5中，根据(9)-(22)不等式约束对其变量进行限制，再运行潮流阶段；综合能源系统中的可变限制有不等式约束定义，该不等式约束用于获取问题的可行操作点，以下等式为不平等约束：

其中，式(9)和(10)定义了发电机所产生的有功功率和无功功率的裕度；式(11)-(14)分别指定电气子网中的电压幅度限制，天然气子网中的压力限制和区域供热子网中的温度限制；式(15)指定压缩机的压缩比裕度；热电联产和锅炉的热能极限分别由式(16)和(17)定义，(18)和(19)分别指定了热电联产和锅炉的温度裕度，最后，所有子网的传输线的流量限制由(20)-(22)定义。