[发明专利]一种用于微电网动态能量管理的多目标优化方法

权利要求书

1.一种用于微电网动态能量管理的多目标优化方法，应用于微电网能量管理系统，其特征在于，包括以下步骤：

S10：建立结合MPC框架的微电网能量管理模型；

S20：基于MMD的方法进行knee的检测，获得knee信息；

S30：利用所述knee信息引导种群的进化方向，在NSGA-II算法的基础上得到最终的knee区域；

S40：重复S20和S30步骤，对微电网能量管理系统进行滚动优化，直到取得预期效果。

2.根据权利要求1所述的用于微电网动态能量管理的多目标优化方法，其特征在于，所述S10步骤中的微电网能量管理模型包括储能系统的充放电功率约束、能量水平约束和动态能量转移约束和功率上下限约束。

3.根据权利要求1所述的用于微电网动态能量管理的多目标优化方法，其特征在于，所述S20步骤中包括以下步骤：

S201：对当前获得的解x⁽¹⁾,...,x^(k)的目标函数值进行标准化：

其中z^*和z^nad分别是所有Pareto最优解中的最佳值和最差值，f_m和f′_m分别是第m维的原始目标值和归一化目标值；

S202：计算Pareto前沿上解x⁽ⁱ⁾的曼哈顿距离：

f′₁(x⁽ⁱ⁾)+f′₂(x⁽ⁱ⁾)+...+f′_m(x⁽ⁱ⁾)＝v

S203：具有最小曼哈顿距离的解即为当前进化过程的knee点。

4.根据权利要求1所述的用于微电网动态能量管理的多目标优化方法，其特征在于，所述S30步骤中，包括根据knee信息对所有个体进行环境适应度值的计算，所述环境适应度值的计算包括以下步骤：

S301：根据NSGA-II算法的拥挤距离计算方法计算所有个体x⁽ⁱ⁾的拥挤距离cd⁽ⁱ⁾；

S302：如果个体x⁽ⁱ⁾与knee点在目标空间的欧氏距离D_i,j小于给定的阈值δ，则给该个体的拥挤距离奖励，具体表示为：

其中为激活函数，即当D_i,j＜δ时，cd⁽ⁱ⁾将获得奖励，阈值δ用来调节最后获得的所述knee区域的大小。

5.根据权利要求1所述的用于微电网动态能量管理的多目标优化方法，其特征在于，所述S30步骤中，在进化过程中确定knee点后，将所述knee点作为当前的精英个体，并与种群中其他个体交叉以交流优秀基因，提高算法的收敛性能。

6.根据权利要求1所述的用于微电网动态能量管理的多目标优化方法，其特征在于，所述S30步骤中，将多目标优化问题Pareto前沿上的边界点也当成knee点进行处理，保证进化过程中边界点得到保留。