[发明专利]基于鲁棒萤火虫-粒子群混合优化的风-光-燃料电池微电网频率控制方法

权利要求书

1.一种基于鲁棒萤火虫-粒子群混合优化的风-光-燃料电池微电网频率控制方法，其特征在于，所述方法包括以下步骤：

步骤1、分布式电源建模，过程如下：

1.1风/光/燃料电池/柴油发电机模型

电力由风力、光伏、燃料电池和柴油发电机产生，以满足负荷需求；其中风能和光伏所产生的电功率10％-15％被水电解槽用于产生氢气，然后由燃料电池根据负载要求发电；柴油发电机可视为备用电源，在风力、光伏等其他电源不可用的情况下，它可以自动向所连接的负载供电，风电和光伏的传递函数可以忽略其非线性，用简单的一阶线性传递函数表示：

式中，K_WPG和K_PV是增益常数；T_WPG和T_PV分别为风和光伏的时间常数；和P_PVG为系统内第k各风机输出功率；P_W为风机的机械功率；为太阳辐照度；

水电解槽、燃料电池和柴油发电机的一阶传递函数为:

式中，K_AE，K_FC，K_DEG是增益常数；T_AE、T_FC、T_DEG分别为电解槽、燃料电池、柴油发电机的时间常数；P_FC为燃料电池输出功率；P_AE为电解槽输出功率；P_DEG为柴油发电机输出功率；Δf为系统频率偏差；

1.2储能系统模型

在非高峰时段或在太阳能强度和风速较高时产生的额外电能可以储能在飞轮、电池或超级电容等储能设备中，储存的电力可以在高峰负荷期间或风能和光伏发电不够用期间重新利用，飞轮、电池或超级电容储能系统的线性传递函数如下所示：

式中，K_FES，K_BES，K_UC是增益常数，T_FES，T_BES，T_UC分别是飞轮储能/电池储能/超级电容的时间常数；P_FES为飞轮储能输出功率；P_BES为电储能输出功率；P_UC为超级电容输出功率；

步骤2、构建用于频率控制的微电网模型，过程为：

微网总发电量P_MG表示为:

P_MG＝P_T+P_DEG+P_FCG+P_PVG±P_FES±(P_BESorP_UC) (7)

其中

P_T＝P_WPG+P_PVG-P_AE (8)

式中，P_T为风机和光伏的净功率；

供需之间的电力平衡通过控制各发电单元和储能来实现，表示为：

ΔP_e＝P_MG-P_L (9)

式中，P_MG是微电网总发电量；P_L是总电力需求；

频率偏差Δf计算如下：

式中，K_sc为微网的特征常数，此时，系统的传递函数G_sys表示为：

式中，M＝K_sys和D＝K_sys T_sys分别为系统的等效惯性常数和阻尼常数；

步骤3，FF-PSO混合优化PID控制，过程为：

采用萤火虫算法进行全局搜索，采用粒子群算法进行局部搜索，首先，利用萤火虫算法识别搜索空间的有效区域，然后采用粒子群算法进行下一阶段的挖掘；为了获得所提出的FF-PSO方法的优越性，对萤火虫和粒子群的特性进行了协调，以获得最佳的控制效果。

2.如权利要求1所述的基于鲁棒萤火虫-粒子群混合优化的风-光-燃料电池微电网频率控制方法，其特征在于，所述FF-PSO方法包括以下步骤：

3.1、首先初始化萤火虫随机种群，其中包括对萤火虫数量、荧光强度、迭代次数Iter的设定；

3.2、随机初始化第i各萤火虫在目标函数搜索范围内的位置，并计算萤火虫发光亮度；

3.3、寻找光强最大的萤火虫，并更新萤火虫的位置；

3.4、判断是否达到最大迭代数或者要求精度，如果达到则进行下一步，否则转向3.2；

3.5、选择10只发光亮度最大的萤火虫作为最为PSO的输入；

3.6、计算出每个萤火虫的适应度，并对每个萤火虫，用它的适应度值和个体极值比较，如果适应度值大于个体极值，则个体极值用适应度值替换；

3.7、判断是否达到最大迭代数或者要求精度，如果达到则停止，否则更新萤火虫位置和速度并产生新的种群。